芝加哥——上个月末，Qiagen公司推出了一款名为“生物医学知识库”的生物信息学产品，该公司瞄准了生物医学研究领域的新人群。
Qiagen生物医学知识库通过Qiagen Digital Insights (QDI)生物信息学部门发布，是一个人工策划的数据集合，列出了包括基因、疾病、功能、靶标、药物和化学物质在内的元素之间的结构化生物医学关系，以支持图形分析、人工智能、机器学习和其他药物发现应用。这是该公司第一款专门为数据科学家设计的产品。
据Qiagen公司圣地亚哥项目管理发现总监Marina Bessarabova介绍，生物医学知识库可以利用Qiagen公司20年前创建的策划数据库，支持该公司的旗舰产品Ingenuity Pathway Analysis (IPA)，用于解释多组学数据。
Bessarabova说:“现在我们的策略是为客户提供对这些数据的直接访问，这样他们就可以以自己的方式挖掘数据，而不是(必须)通过匠心路径分析(Ingenuity Pathway Analysis)的预定义方式。”“它为数据科学家打开了直接访问我们内容的大门。”
生物医学知识库支持分析驱动的药物发现，允许客户将Qiagen数据库与自己的分析管道结合起来，以提供第三方或自定义算法，围绕药物靶点、候选药物和现有化合物的新适应症生成假设。该产品还可以将Qiagen的数据与外部来源的信息集成。
Qiagen在其聚合的数据之上添加了语义层。
据Bessarabova介绍，数据科学家可以利用这项技术建vwin德赢ac米兰合作立一个分析管道，用于预测药物靶标，并创建类似于仪表板或门户的交互式靶标档案。
她说，一个早期采用者正在使用知识库构建自己的门户网站，将Qiagen的数据存储与外部数据源集成在一起，然后一起分析所有内容。
生物医学知识库的一个关键特征是图形分析，以可视化核心Qiagen数据库中众多生物医学对象之间的关系。在GenomeWeb的在线演示中，Bessarabova以非小细胞肺癌为例，展示了Qiagen技术如何利用EGF和EGFR将药物与疾病、疾病与vwin德赢ac米兰合作靶标进行匹配。
Bessarabova说:“我们不仅掌握了两者之间关系的信息，还知道了因果关系。”“我们知道很多关于这些关系的额外信息，例如，在什么生物体中观察到它，实验设置是什么，观察到的组织或器官是什么?”
她解释说，来自多个来源的这类信息的整合使数据科学家能够发现可能导致新假设的见解。
“通常情况下，这是分解的信息，”Bessarabova说。“我们将其整合，手动将其结构组合在一起，这保证了高质量，然后通过所有这些集成的信息，客户可以运行他们先进的分析算法来生成假设，否则这些假设就会被隐藏起来。”
在正式发布生物医学知识库产品之前，该公司在其博客上描述了如何使用该技术构建一种算法，从SARS-CoV-2中的病毒蛋白重建COVID-19的途径。vwin德赢ac米兰合作在这项测试中，Qiagen能够识别出大约450种可能干扰病毒-宿主相互作用的现有药物。该公司表示，约54家公司已经参与了COVID-19临床试验。
Qiagen没有透露其测试者或早期客户的名字，因为他们都在相当隐秘的制药和生物技术领域。vwin德赢ac米兰合作
Bessarabova说:“我们希望组织一个用户小组，举办会议和网络研讨会，届时我们将邀请一些客户出席。”“届时，我们将提供更多信息。”
该公司表示，Qiagen生物医学知识库最初只在北美、欧洲、日本和澳大利亚开放。Bessarabova补充说，该公司并没有专门针对学术研究人员或生物医学知识库的合同研究机构。
Bessarabova表示，这只是Qiagen针对数据科学家计划推出的几款产品中的第一款，可能是基于现有的QDI数据集。
Bessarabova说:“我们的目标是提供一个全面的集成解决方案，让数据科学家和生物信息学家直接访问我们QDI的所有内容。”