使用情境

把收集資料的時間,變成提問的時間

BioQ 不是逐一搜尋基因名稱的工具,而是團隊提出問題、直接取回證據的地方。以下說明哪些人最能受惠、何時使用,以及該問什麼。

誰在用,何時用

研究問題出現的那一刻,就是使用的時機。以下每個問題都已準備好,可直接提問。

標的發掘與驗證團隊

時機候選標的送進團隊會議之前,想把證據整理在一頁的時候

提問

KRAS 在胰臟癌中是否為選擇性依賴,目前有哪些已測得的結合資料?

一併讀取的資料層
癌症依賴性(DepMap)結合測量值(ChEMBL、BindingDB)變異(ClinVar)表現(GTEx、HPA)結構(PDB、AlphaFold)
您會得到

一次回答就把標的的依賴性、藥物、變異與結構整合在一起,且每項都附上來源。

問這個

運算與 AI 團隊

時機想為內部 AI 代理或分析流程提供生物資料工具的時候

提問

使用 BioQ 工具取得 EGFR 與 gefitinib 的結合測量值,並整理成表格。

一併讀取的資料層
REST APIMCP(Claude、ChatGPT、Cursor)透過同一組工具存取數十個資料層
您會得到

不必先下載、清理:AI 代理呼叫工具,就能取得附帶證據的數值。

問這個

藥物與藥物化學團隊

時機正在建立選擇性、脫靶或老藥新用假說的時候

提問

比較 imatinib 對 ABL1 與 KIT 的實測效力,並告訴我兩者對癌細胞各有多重要。

一併讀取的資料層
原始結合測量值藥物–標的癌症藥物反應(GDSC、PRISM)依賴性
您會得到

從一種藥物到它的標的,再到細胞反應,整串問題都能留在同一場對話中。

問這個

蛋白質與生物藥工程團隊

時機收到新序列,或要篩選自己設計的候選序列之前

提問

與這條序列最接近的蛋白質是什麼,具有哪些結構域?折疊後長什麼樣子?

一併讀取的資料層
同源性搜尋(數十億條序列)結構域(Pfam)蛋白質語言模型結構近鄰(Foldseek)折疊成 3D免疫學(IEDB)
您會得到

貼上序列,就會接續找出最接近的蛋白質、結構域與結構。語言模型不會看到序列。

問這個

微生物體、酵素與合成生物學團隊

時機在土壤或腸道等總體基因體中尋找新酵素候選的時候

提問

在土壤生物群系中,哪些基因與帶有 PF00069 結構域的蛋白質群集出現在同一個 contig 上?

一併讀取的資料層
總體基因體蛋白質生物群系共現基因鄰近區域Pfam
您會得到

數十億條總體基因體蛋白質在伺服器端查詢,無需下載。

問這個

臨床與轉譯遺傳學團隊

時機釐清候選變異的意義及其背景脈絡的時候(研究用途)

提問

chr17:43044345 附近有哪些 BRCA1 變異屬於致病性?該基因在哪些組織表現,又是以哪些異構體表現?

一併讀取的資料層
ClinVar基因–疾病(HPO、OMIM、ClinGen)GTEx 異構體UCSC 連結
您會得到

變異、疾病與各組織的表現會一併呈現在同一個畫面上,意義不明的變異絕不會被升級為致病性。

問這個

善用 BioQ

同一個工具,問法不同,答案就大不相同。以下八個值得優先養成的習慣。

  1. 從問題開始,而不是從名稱開始

    「KRAS 在胰臟癌中是否為必需?」比單獨輸入「KRAS」能喚醒更多資料層。請把疾病、細胞株或組織放在同一句話裡。

  2. 用追問縮小範圍

    AI 代理會記得最近的對話。直接問「只留下有藥物的」或「那這條序列呢?」,繼續往下問即可。

  3. 原樣貼上序列

    未發表的序列也沒問題。語言模型只會看到 [SEQ1] 這類佔位符,真正的搜尋由伺服器完成。

  4. 用疊合檢視交叉比對獨立證據

    當多個資料層指向同一個器官或同一個位置,就是值得查證的線索。判斷之前,請先閱讀線索底下的證據。

  5. 把「無」讀成四種不同的意思

    搜尋過但沒找到,與從未搜尋過,並不相同。每個回答都會註明是哪一種。

  6. 把序列折疊起來看

    貼上序列並折疊:幾秒內就能得到 3D 模型。信心度(pLDDT)低於 70 的區段,請不要輕信。

  7. 流程自動化,用 API 與 MCP

    同樣的工具既能作為 REST API,也能透過 MCP 使用。一個連接器位址就能把它們放進 Claude、ChatGPT 或 Cursor;結果可複製成表格,交給下一步分析。

  8. 把證據帶進您的報告

    每個數字都附有來源與識別碼。在報告或會議簡報中,請原樣引用。

BioQ 與其他工具有何不同

GeneCards 與 Open Targets 都很出色,在學術界廣受使用。BioQ 則是為另一種工作而打造。以下說明各自適合哪種任務。

項目BioQGeneCardsOpen Targets
設計目的一個搜尋引擎兼 AI 代理,只需一個問題,就能橫跨基因、序列、結構、藥物與總體基因體作答人類基因資料庫:每個基因一張卡片,整合多個來源一個彙整並評分標的與疾病之間證據的平台
提問方式自然語言對話(會記得追問)、貼上序列、識別碼與座標以基因名稱或關鍵字搜尋,再閱讀卡片搜尋標的或疾病,再閱讀分數與證據表
資料範圍人類基因,加上數十億條總體基因體蛋白質、數萬個非人類基因體、結構域、結構、免疫學與原始結合測量值以人類基因為中心,整合超過 190 個來源標的–疾病證據:遺傳學、體細胞突變、藥物、路徑、表現、動物模型、文獻
跨層整合一次詢問數十個資料層,指出獨立證據吻合之處,並將線索標示為線索,而非發現在一張卡片上列出基因的多個來源依證據類型累加分數,得出標的–疾病分數
起點從序列出發,延伸到同源蛋白、結構域與結構;您自己的序列可當場折疊成 3D從基因名稱或識別碼出發從標的或疾病出發
自動化一個 REST API 與一個 MCP 伺服器即可連通數十個資料層,適用於 Claude、ChatGPT、Cursor 或您自己的 AI 代理其公開文件中未見相關說明提供 GraphQL API 與自有的 MCP 伺服器(僅限 Open Targets 資料)
使用條款每月可免費試用;企業方案每月 $2,000 起非營利學術機構與醫院可免費使用;企業需取得授權公開服務,附公開 API

依各服務自行公開的資訊,於 2026-11-04 彙整。表格內容概述各服務的主要用法,並未列出所有功能。若有不準確之處,請告訴我們: support@bioq.bio

BioQ 更適合的情況

  • 您想從一條序列出發,找到最接近的蛋白質、結構域與結構
  • 您需要以數十億的規模查詢總體基因體或非人類生物
  • 您想一次跨資料層判斷,並以追問逐步縮小範圍
  • 您要把它接上內部 AI 代理或流程,或需要處理機密序列

其他工具更適合的情況

  • 若只想在一頁瀏覽單一人類基因,GeneCards(超過 190 個來源)很方便。
  • 若要查看標的–疾病關聯的分數與公開證據,Open Targets 是標準參考。它的資料在 BioQ 中同樣可以查詢。
  • 若您屬於非營利學術機構,GeneCards 對您免費。

讓 BioQ 加入您的新藥研發團隊

用您自己的問題免費開始。當團隊需要更多時,請申請企業方案;Enterprise 另提供私有部署與 SSO。