我们为什么在2023年就深度转向AI,就最近几年,AI+医学/组学,还可以在资源型科研中杀出一条血路,错过这个机会就很难了

索臻生科/Sogen Biotech

产品手册

www.sogentech.com

公司简介

Sogen Biotech｜探索生命密码，臻造健康未来

Sogen Biotech是一家面向生命科学的科技企业，聚焦科学智能与临床前转化研究。公司以重大疾病防治需求为导向，探索人工智能、专业计算与实验研究的协同，发展科研智能技术，为疾病机制研究与医药创新提供支持。

依托于科学智能体、生物信息分析、AI 算法与实验服务的业务基础，Sogen Biotech计划将领域知识、专业工具和研究流程整合为可复用的科研智能系统，支持复杂研究任务的规划、执行与核验。公司将数据可追溯、分析可复现、结论可核验作为技术研发的重要要求，着力减少重复性工作，使科研人员能够更高效地开展研究、审视证据和验证假设。

围绕临床前转化，公司拟开展疾病机制研究、候选靶点的功能验证及潜在干预策略研究，结合计算分析与实验模型检验科学假设，为创新药物和治疗策略的后续开发提供依据。通过连接科学问题、计算方法与实验验证，探索具有进一步开发潜力的研究方向。

Sogen Biotech以成长为具有国际竞争力的生命科学科技平台企业为长期目标，计划在技术研发、项目实践与科研合作中持续积累软件工具、研究方法和临床前研究能力，促进有价值的科学发现向医药应用转化，为我国生物医药创新和重大疾病防治提供技术与研究支撑。

目录

第一章测序产品

第二章高级生信分析

2.1转录组标准分析与功能富集

2.2单细胞注释与表达分析

2.3拟时序与细胞轨迹

2.4细胞通讯

2.5恶性细胞鉴定与克隆演化

2.6分子亚型

2.7转录调控网络（SCENIC）

2.8基因扰动模拟（CellOracle）

2.9空间转录组分析

第三章实验技术服务

第四章课题假说孵化

第五章科研手绘

第六章AI 驱动的科学发现

为什么要转向 AI

6.1AI 驱动的药物发现（虚拟筛选 · 分子对接 · 动力学模拟）

6.2AI 驱动的标志物转化

疗效预测与影像标志物发现

影像与数据整合标志物

液体活检与诊断标志物发现

临床决策支持与试验匹配

分子肿瘤 Board 与会诊决策支持

6.3AI 驱动的数据智能体落地

第七章AI 科学智能体

第八章生信云平台

第九章海外学术出版

合作与联系

附录　单细胞标准化产品报告

第一章测序产品

测序产品矩阵覆盖单细胞与空间多组学、蛋白质组、修饰组、代谢组、常规转录组与宏基因组七个方向。

图1-1｜测序产品选型速查

第二章高级生信分析

生信分析与 AI 计算服务基于自研 CellScope × BioEnricher 引擎，沉淀 500+ 算法，覆盖单细胞、空间组学、转录组、临床建模、免疫与药敏、分子模拟与 AI 药物筛选七条产品线。

图2-1a｜生信分析与 AI 计算服务总览（上：单细胞分析 · 空间组学 · 转录组分析）

典型应用场景：以单细胞分析的21个环节与空间组学的13个环节为双主线，构建从数据质控、细胞表征、机制挖掘到转化应用、并最终实现单细胞与空间信息深度融合的完整技术链。预处理阶段以Harmony、scVI完成批次整合，结合scDblFinder、Scrublet、SpatialQC质控去双联体，并通过ALRA、MAGIC插补去噪；细胞表征层面以UMAP、PHATE、PaCMAP降维聚类，配合Wilcoxon、COSG、MAST完成细胞类型注释与Marker筛选，同时借助RCTD、cell2location等去卷积方法重构细胞类型的空间分布。机制探索方面，我们提供拟时序分析（Monocle2/3、CellRank）、细胞间通讯（CellChat、NicheNet、COMMOT、SpaTalk）、转录因子调控网络（CellOracle）、恶性细胞克隆演化（inferCNV、CopyKAT）以及空间域分层（BANKSY）、空间变异基因检测（Moran's I、SpaGene）等模块，并通过CellTrek、Tangram实现单细胞到空间坐标的映射、以MISTy、METAFlux开展空间多视图与代谢流分析。转化应用层面则延伸至基因集评分、富集分析、微环境表型评估、肿瘤界面识别、空间共现分析（ISCHIA、Join Count）乃至单细胞药理学预测。整条技术链以空间坐标信息为纽带，将转录组、代谢与功能状态深度耦合，揭示单一维度分析无法捕捉的组织结构、微环境互作与细胞命运调控规律。

临床建模 · 免疫与药敏 · 分子对接 · AI 药物筛选

图2-1b｜生信分析与 AI 计算服务总览（下：临床建模 · 免疫药敏 · 分子对接 · AI 药筛）

典型应用场景：覆盖转录组分析、临床建模、免疫与药敏、分子对接动力学模拟及AI药物筛选五大领域的一站式服务，构建从表达数据挖掘到临床转化、再到药物发现的完整技术生态。转录组层面，以limma、DESeq2、edgeR等完成差异表达分析，配合ORA、GSEA功能富集，并延伸至WGCNA共表达网络、STRING蛋白互作、DoRothEA转录因子活性、时序表达模式及可变剪接分析（DEXSeq）。临床建模层面，提供Lasso、Stepwise Cox等预后模型与XGBoost、随机森林等机器学习生存模型，以C-index、时依ROC、DCA评估效能，并支持共识聚类分子亚型识别、NTP新样本预测、Fine-Gray竞争风险建模、干性指数与DNB及TOPSIS多准则决策排序。免疫与药敏层面，以CIBERSORT、xCell解析免疫浸润，结合TIDE、IPS评分预测免疫治疗响应，覆盖ESTIMATE肿瘤纯度评估、免疫组库与TCR、GDSC/PRISM药敏预测、CMap/DGIdb药物机制及BeyondCell、scRank单细胞药物评分。分子机制层面，提供从蛋白结构准备（去水、加氢、加电荷）到分子对接、动力学模拟直至MM-GBSA结合自由能计算的原子级解析。AI药物筛选层面，构建数万至数十万化合物库的大规模虚拟筛选，经KarmaDock深度预筛、Glide SP/XP两级精筛与自由能重打分，完成候选化合物的作用模式与化学多样性复核。整条技术链将转录组、临床、免疫、结构与AI计算多维度深度耦合，助力客户从海量组学数据中高效提取兼具生物学意义与转化价值的洞见。

面向 bulk 转录组数据的标准化分析，提供样本降维可视化（t-SNE / UMAP）、差异表达基因鉴定、GO/KEGG 等 ORA 富集、GSEA 基因集富集、PPI网络构建与 PROGENy 通路活性量化，从表达数据中高效获取可靠的生物学洞见。

图2-2｜转录组标准分析：样本可视化、差异基因与富集分析

转录组进阶分析

进阶分析模块提供SPIA通路扰动方向性分析、免疫浸润评估、ssGSEA功能评分、转录因子活性推断、TIDE免疫治疗响应预测及ESTIMATE肿瘤纯度估计，实现从分子机制到临床转化的完整数据解读。

图2-3｜转录组进阶分析：通路扰动、免疫浸润与疗效预测

在完成数据质控、双联体去除与批次整合后，首先进行大类注释，系统划分上皮、免疫、基质等主要细胞谱系；继而开展精细注释，精准区分功能亚群（如树突细胞亚型）；基于完整注释体系，进一步提供特征基因表达空间分布、组间差异统计检验及NMF表达程序分解，实现从细胞类型鉴定到功能机制解析的完整分析链条。

图2-4｜单细胞大类注释、精细注释与表达程序分析

典型应用场景：肿瘤微环境细胞图谱构建 / 稀有亚群发现 / 疾病与正常样本细胞组成比较 / 为拟时序、细胞通讯、恶性鉴定提供注释底座。注释结果向下游模块无缝衔接，从原始数据直抵细胞图谱的完整科学叙事。

整合 Monocle、Slingshot、PAGA、tradeSeq、CytoTRACE 与 CellRank 等方法重建分化轨迹。

图2-5｜拟时序与轨迹分析：从拓扑重建到命运概率

整合CellChat、CellPhoneDB与NicheNet多工具分析框架，系统解析细胞间配体-受体互作网络，精准量化通讯强度与信号通路贡献，揭示特定通路配体-受体对的功能特征。并基于NicheNet推断配体-靶基因调控关系，构建从细胞通讯到基因调控的完整信号传导图谱，为微环境互作机制研究提供多维度证据支持。

图2-6｜细胞通讯分析：CellChat / CellPhoneDB / NicheNet

典型应用场景：肿瘤微环境细胞互作网络解析 / 免疫-肿瘤细胞信号通讯刻画 / 微环境介导免疫逃逸机制研究 / 细胞通讯驱动的耐药与转移机制探索。为微环境互作研究提供可量化的通讯图谱，支持与空间转录组及 bulk 测序数据交叉验证。分析结果附带每条配体-受体对的通讯强度、信号通路贡献分解与细胞类型定位，可在后续亚型与功能分析中直接复用，也可与病理微环境阅片结果交叉核对，保证通讯推断口径稳健。可与去卷积及免疫浸润结果互相印证，支持微环境功能状态校正。

利用 InferCNV、CopyKAT 与Numbat 从单细胞转录组推断拷贝数变异，区分恶性与非恶性细胞，并解析恶性细胞内部的克隆结构与演化关系，可与bulk WES 结果交叉验证。

图2-7｜恶性细胞鉴定与克隆演化（InferCNV / CopyKAT / Numbat）

典型应用场景：肿瘤与非恶性细胞区分 / 恶性细胞克隆结构溯源 / 肿瘤异质性与演化机制研究 / 耐药与转移克隆来源分析。为耐药与转移研究提供可追溯的克隆底座，支持与 bulk 测序数据交叉验证。注释结果附带每个细胞的拷贝数轮廓与恶性评分，可在后续通讯与亚型分析中直接复用，也可与病理阅片结果交叉核对，保证注释口径稳健。可与转录组去卷积结果互相印证，支持肿瘤纯度校正。

以一致性聚类为核心将样本划分为分子亚型：结合风险比分布、簇内比例与共识 CDF 确定分型数 K，输出共识矩阵与主成分分离度，并系统评估亚型与临床病理特征及生存（DFS / DSS / OS / PFS）的关联。

图2-8｜分子亚型：一致性聚类与生存关联

分子亚型 · 功能与微环境解析

亚型确立后，系统解析标志基因表达谱、信号通路活性、转录因子调控网络及免疫微环境特征，整合PPI网络、差异表达基因、通路富集及ESTIMATE评分等多组学证据，构建从分子特征到临床表型的完整证据链，为精准诊疗提供科学依据。

图2-9｜分子亚型：功能、转录因子与免疫微环境解析

通过GENIE3/GRNBoost进行共表达模块识别，结合RcisTarget基序富集剪枝，最终利用AUCell进行调控子活性评分，系统重建每个细胞群活化的转录因子及其调控子（regulon），实现从转录调控网络构建到肿瘤状态转换机制解析的完整分析链条，为ChIP-seq实验验证提供精准靶点筛选依据。

图2-10｜SCENIC 转录调控网络与调控子活性

典型应用场景：细胞状态转换与调控态鉴定（如 MITF 高/低调控态）/ 谱系主控转录因子挖掘 / 肿瘤恶性转化与免疫微环境调控机制 / CellOracle 扰动模拟候选因子筛选。为转录调控机制研究提供可量化的调控态图谱，支持与 ChIP-seq 数据交叉验证。分析结果附带每个调控子的活性评分与靶基因表达谱，可在后续功能验证中直接复用，也可与病理表型结果交叉核对，保证调控推断口径稳健。可与单细胞表达谱及空间转录组数据互相印证，支持调控网络功能校正。

整合scRNA-seq与scATAC-seq共可及峰构建细胞状态特异GRN，通过in silico敲除目标转录因子，基于信号传播模拟预测细胞状态转移向量，筛选命运决定因子并确定实验验证优先级。

图2-11｜CellOracle 虚拟敲除与分化轨迹模拟

典型应用场景：转录因子功能筛选与优先级排序/分化关键因子因果验证/突变或敲除表型机制解释/候选靶点实验验证设计。提供可量化的预测图谱，支持ChIP-seq验证。调控子扰动效应矩阵支持跨样本比较，精准识别关键调控因子，为实验验证输出靶点清单，可与ChIP-seq、病理表型交叉验证。

以单细胞转录组图谱为参考，利用cell2location去卷积方法，定量估计每个空间位点的细胞类型构成与比例，将离散的单细胞图谱映射回组织空间坐标，重建具有空间分辨率的组织细胞图谱。在此基础上，该分析可刻画各细胞类型在组织中的空间分布与丰度梯度，识别组织分区与功能区域，支持空间区划分析，为微环境解析、肿瘤-正常边界定位及组织发生发育研究提供空间维度的细胞组成证据。

图2-12｜空间细胞类型反卷积（cell2location）

典型应用场景：组织细胞图谱空间重建 / 肿瘤与正常组织边界定位 / 微环境区域功能解析 / 稀有细胞类型的空间定位 / 与空间可变基因检测联合完成空间全长分析。反卷积结果可映射回组织形态，支持与病理注释交叉解读。支持与同一组织的 H&E 形态注释、免疫组化结果对齐比较；样本可跨切片联合分析，构建组织级别的表达视图。对肿瘤与正常交界区可做分区表达比较，定位侵袭前沿的特征基因与通路；空间特征图、共定位统计与分区差异清单构成完整的空间证据链，多切片样本在同一框架下联合分析，让组织级别的生物学结论可比较、可复现。

空间可变基因检测

整合SpatialDE（空间自相关分析）、nnSVG（空间变异基因检测）与SPARK-X（空间模块识别）等先进算法，精准解析组织空间表达模式，识别区域特异性基因与功能模块，为微环境互作网络构建、细胞空间定位及功能注释提供可靠数据支撑。

图2-13｜空间可变基因检测（SpatialDE / nnSVG / SPARK-X 等）

典型应用场景：组织空间功能区划解析 / 空间标志基因发现 / 肿瘤界面与微环境区域研究 / 时空样本联合比较。

第三章实验技术服务

依托长期稳定的专业团队，我们实现湿实验与生信发现的无缝衔接，全面覆盖分子实验、流式分析、细胞功能、动物模型、病理检测及资源库六大实验体系。团队成员间稳定合作超过5年，确保从实验设计到数据分析的高质量交付。所有检测与数据分析结果均采用双版本归档，确保实验流程全程可追溯、结果可验证。各项目适用场景详见下图速查表。

图3-1｜实验技术服务速查

典型应用场景：无论是生信还是实验团队的核心成员，都始终活跃在科研一线——他们自身也在做研究、发论文，因此深谙期刊编辑的审稿偏好，也能敏锐捕捉前沿的研究热点，从而让每一项交付都更贴近真实科研的品味。

覆盖从样本到机制的常规实验矩阵：免疫组化与多色免疫荧光（mIHC）、HE 病理分析、类器官培养与验证、Western Blot 与 co-IP、流式细胞术、共聚焦与活体成像，以及 CCK8、克隆成型、划痕愈合、Transwell 侵袭迁移、RT-qPCR、双荧光素酶报告基因等功能学检测。

图3-2｜常规实验技术矩阵全景

第四章课题假说孵化

构建从数据挖掘到实验验证的完整科研支持体系。A类服务涵盖单细胞常规分析、亚群分析、细胞通讯、拟时序、转录因子活性等10项深度生信分析，助力构建单细胞图谱、识别关键细胞群、解析信号通路与调控网络，形成完整科学假说链。B类服务包含RT-qPCR、Western Blot、免疫组化、多重免疫荧光等12项标准化实验验证，全面覆盖分子表达、蛋白水平、细胞功能及表型验证，确保生信发现的可靠性与可重复性。

图4-1｜Sogen 课题假说孵化套餐

(1) 单细胞常规分析：QC、降维、聚类、注释、差异、富集

(2) 单细胞分析样本量：3v3

(3) Bulk 队列数量：3 个

(4) Bulk 队列验证 表达、生存、临床分期、微环境、通路

(5) 实验不包含抗体试剂，实验按 1 个目的分子、2 个分组（Control vs siRNA）计

(6) B 类包含全部试剂的价格为 ¥20,000（如特殊抗体等价格昂贵的试剂需另行沟通）

(7) 免疫流式可额外单独沟通（T 细胞分型、巨噬细胞极化、免疫微环境等）

第五章科研手绘

科研绘图由具备生物医学背景的画师人工手绘，主打机制模式图（Graphical Abstract）与信号通路图，兼顾学术准确性与出版级视觉表达，可用于论文配图、基金标书与学术汇报。

图5-1｜科研绘图示例（机制模式图 · 人工手绘）

典型应用场景：论文机制模式图与图形摘要（Graphical Abstract）/ 基金标书技术路线图 / 学术汇报与毕业答辩配图 / 期刊封面图。支持中英双语标注与期刊风格适配，提供可编辑工程文件与高清位图。

第六章AI 驱动的科学发现

这不是一个可以绕开的选择，而是三条朴素判断的叠加。

第一，研究生的培养、方法的学习、经验的积累都以年计，而人工智能的能力曲线一直在上行，因为每次预训练知识的积累，给下一次的模型训练奠基，大模型已经走上了递归自我改进的阶段。等AI成熟再去学习，学习窗口往往已经关闭，机会壁垒到时极难以突破，在 AI 还处于辅助定位时就开始使用它，甚至利用它去改进自己的垂直领域研究模式，是研究者守住未来学术竞争力的现实选择。

第二，积累需要显性化。科研最忌讳打一枪换一个地方：追逐热点或许能发高分，但如何在一个细分领域持续走下去，是所有想做科研的人真正的渴望。让数据、模型与方法的每一次沉淀都成为可复用的资产，让这一次的工作为下一次提供动量——这恰恰是大模型所擅长的：知识在模型中不断沉淀与组合，规模跨过临界点后涌现出新的能力。

第三，从发文章到有自己的产品。在 AI 时代，无论商业叙事还是科研叙事都与 AI 深度绑定，纯粹以论文为终点的科研正在成为过去：越来越多的单位开始鼓励 AI 转型、AI 科研转化与 AI 科研落地。在浪潮全面到来之前，把自己的课题数据与领域知识沉淀为可复用的研究能力，是研究者为自己预留一席之地的方式。

AI 药物筛选采用深度学习缩库 + 经典方法精筛的多级流程，KarmaDock 等深度学习打分在 GPU 上并行筛选数万至数十万规模化合物库（TargetMol、MCE、FDA、ZINC drug-like 等），保留 5%–10%；Glide SP / XP 两轮精筛细化姿态，MM-GBSA 重打分排序。最后人工复核相互作用模式并去冗余，输出 Top 50–200 候选。

图6-1｜AI 虚拟筛选流程与各级保留率

典型应用场景：针对已知靶点的先导物发现 / 数万至数十万化合物库的快速缩库 / 老药新用与天然产物筛选 / 结合模式与自由能排序决策。筛选各级保留率可回溯，候选分子以结合模式与自由能证据链呈现，直接衔接实验验证。

案例展示化学空间枚举与多级对接相结合的筛选策略：从商业合成砌块与既有分子库出发，经虚拟库枚举、HTVS / SP / XP 多级对接与 MM-GBSA 重打分逐级压缩候选，最终少量分子进入实验测试并测定结合与活性常数。

图6-2｜虚拟筛选案例：从化合物库枚举到实验验证

典型应用场景：先导化合物发现 / 老药新用与适应症拓展 / 天然产物靶点垂钓 / 中药成分机制研究；案例从库构建、多级对接排序到实验确认全程可复现，计算预测与实验验证相互支撑。

对候选复合物开展分子动力学模拟与结合自由能分析，输出 RMSD、RMSF、回旋半径、氢键数目等稳定性指标及 MM-GBSA 结合自由能分解；结合口袋相互作用图谱为先导化合物优化提供结构层面依据。

图6-3｜分子对接与动力学模拟：稳定性指标与自由能

典型应用场景：候选药物结合稳定性评估 / 突变与改造设计的结构依据 / 耐药机制的结构解释 / 结合自由能热点残基定位。热点残基与自由能分解可直接指导衍生物合成与改造设计。模拟可覆盖 apo 与 holo 状态及突变体对照体系，输出轨迹稳定性的完整证据链，为结构讨论提供可直接引用的图表与数值。自由能分解可映射到残基网络辅助判断改造优先级，与虚拟筛选结果衔接，形成从结合构象到结合强度的完整评估。结合热力学与动力学证据在模拟轨迹中完整显性呈现，为理性设计提供可复算的物理依据。

AI 从转录组与病理影像中提取疗效与预后标志物已成为顶刊密集产出方向：在大规模泛癌数据上预训练的模型直接预测免疫治疗应答，经多中心临床队列验证后精度超越 TMB 与 PD-L1 等传统指标。

图6-3a｜COMPASS 泛癌免疫治疗应答预测架构

真实世界数据与病理影像是标志物发现的两大新矿：自然语言模型把分散的临床笔记、病理与影像报告自动整合为可计算的多模态队列，使预后模型超越纯基因组模型；病理基础模型则把常规 H&E 切片变成分子表型的读取入口，从中解码跨患者可重复的预后标志物。

图6-3a2｜NLP 整合真实世界数据构建预后模型

空间病理组学分析提供 H&E 与空间转录组配准分析、病理图像基础模型特征提取、肿瘤原型聚类与预后关联分析，输出可解释的标志物空间图谱。

虚拟空间蛋白组多模态基础模型已能从常规 H&E 切片直接推断空间蛋白图谱，让早期肺癌的预后分层与免疫治疗应答预测显著优于 PD-L1、TMB 等现有指标；病理切片正在成为可计算的标志物资源。

标志物转化路径把文献中的 AI 建模范式落到课题：免疫治疗队列的应答分层、病理切片的分子表型解码、空间转录组与图像的配准分析，均由研究者主导课题，AI 方法与算力作为研究基础设施深度参与，让科学假设沿发现、验证、再发现的路径持续演进。

语言模型让液体活检摆脱基因注释依赖：把血浆游离核酸的序列与片段特征直接作为建模对象，无需先验基因注释即可实现多癌种高精度诊断，并以远低于常规测序的数据量完成癌症检出与复发监测。

图6-3b｜GeneLLM 从血浆游离 RNA 到多癌种诊断的工作流

图6-3c｜TrialMatchAI 患者与临床试验智能匹配流程

图6-3d｜大语言模型用药推荐的提示词策略与模型评估

图6-3e｜Knowledge Connector 多组学肿瘤会诊决策支持系统

临床决策支持落地路径为科研队列提供用药证据检索增强、多知识库整合会诊与临床试验匹配分析，以完整证据链支撑从数据到临床决策的科学叙事。

系统整合公共队列与专有疾病语料、文献、临床实验、科研工具等，研究者以自然语言提问，智能体驱动科研发现。这一方向已成为国际前沿：Nature 2026 报道的多智能体系统 Robin 在干性 AMD 研究中半自主完成假说生成、实验设计与数据分析。我们沿这一路线建设中文生物医学领域的垂直智能体，让领域数据库以对话方式服务科研。大子刊甚至正刊级别的课题，场景不只是知识发现。

图6-4｜多智能体系统 Robin 的科学发现工作流

虚拟细胞用可执行的计算模型刻画细胞行为，让假说先在计算机里运行一遍：约翰霍普金斯团队在 Cell 2025 提出"细胞行为语法"，把"信号 X 增强行为 Y"这类自然语言假设自动翻译为多细胞数学模型，在肿瘤免疫微环境与虚拟临床试验中生成可实验验证的预测；单细胞基础模型 RegFormer 与 scLong 分别以 2,500 万与 4,800 万细胞预训练，直接预测基因扰动效果与药物响应。从规则驱动到大模型驱动，虚拟细胞正在成为生物学发现的通用引擎。

图6-5｜细胞行为语法驱动的虚拟细胞实验室

我们的布局依托单细胞与空间分析管线接入基础模型推理能力：扰动模拟、细胞状态转移预测与虚拟药敏筛选，为机制假说提供计算预演，再由湿实验闭环验证。

第七章AI 科学智能体

SogenAI（ai.sogentech.com）产品线把科研智能体按研究阶段组织为一张完整工作台：文献调研与综述、数据可视化与统计作图、组学数据自助分析、论文写作与投稿准备各有对应入口，共享统一账号。

图7-1｜SogenAI 产品线总览

第八章生信云平台

光热生物数据库/SparkleDB是零代码的多组学在线分析平台（www.grswsci.top），内置数据、选癌种、输基因即可产出图表，支持自定义颜色与字体。GEO Bulk 外部验证（300+ 数据集）、TISCH2 单细胞（180+数据集）、空间转录组（200+切片，覆盖结直肠癌肝转移、肝内胆管癌、三阴乳腺癌等）、CPTAC 蛋白组（11,000+ 蛋白 / 7,000+ 样本）、药物敏感性（GDSC1/GDSC2/CTRP/PRISM/CTD/cMap药物筛选）、HPA 免疫组化（12,000+ 蛋白 / 800 万+ 图像）、基因敲除（7000+真实基因敲除数据集）。

图8-1｜光热生物数据库 citations

开放共建：以 SOGEN Data 疾病数据语料为底座，向研究者与机构开放专题数据库共建，把更多疾病与表型收纳成可分析、可复用的科研资源。

图8-2｜SkinDB

第九章海外学术出版

Life Conflux Press Limited（生命汇流出版社）成立于 2024 年 9 月，总部位于香港，专注于高质量生命科学期刊出版。更重要的合作方式是合作创办新刊：面向学会、课题组与医疗机构，提供从期刊定位、编委组建、投稿与同行评审系统到国际化发行的一体化出版方案，共同拥有属于自己的学术期刊。旗下 Life Conflux 期刊聚焦数字健康、医学人工智能与临床决策支持等方向，外审平均61 天，投稿至发表中位数 89 天；出版社主页 www.lifeconfluxpress.com，期刊主页 www.lifeconflux.com，期刊面向全球研究者公开征稿，所有稿件执行统一的同行评审。新刊筹建可从选题论证与刊名规划起步，我方提供市场调研、编委章程起草与创刊号组稿支持，协助完成国际期刊注册与索引申请，也可承接增刊与会议论文集出版。可按学会或团队需求规划出版节奏与开放获取路径。

图9-1｜生命汇流出版社与 Life Conflux 期刊

典型应用场景：数字健康与医疗大数据研究成果发表 / 医学人工智能与临床决策支持研究 / 信息学与公共卫生整合研究 / 脑科学、头颈疾病与医学教育方向专题 / 生信方法学论文的快速开放获取发表。 / 与学会团队合作创办新刊（选题定位、编委组建、国际化发行全程支持）。期刊运营中的语言润色与图表制作 / 长期出版合作机制设计。

合作与联系

更多服务细节、方案设计与报价，欢迎通过官网或商务渠道联系。

为什么选择索臻：我们医学出身，核心成员活跃在科研一线，自 2023 年起专注生命科学科研的工程化落地；以 AI 为核心引擎，贯通测序、生信分析、药物发现与实验验证的完整研究链；组学时代沉淀的疾病数据库，在 AI 时代升级为智能体平台；自研引擎沉淀 500+ 算法，自有化合物库与 GPU 集群支撑大规模虚拟筛选。实验室与办公一体（郑州），支持驻场交流与实地考察。

合作共建：数据库专题共建（SOGEN Data / SparkleDB，共建数据库）；合作创办新期刊（Life Conflux Press，选题论证到国际化发行）；垂直领域智能体联合开发（SogenAI，专病智能体共建）；课题全链合作（生信发现、AI 药物筛选、实验验证）。合作起点可以是单次课题、一个专题数据库或一本新刊，按研究节奏协同推进。欢迎带课题或数据先做一次非正式沟通。

AI 驱动的科学发现 · 科研智能体平台 · 测序与实验服务，从数据到发现、从发现到转化的完整闭环

官网：www.sogentech.com

智能体平台：ai.sogentech.com

光热生物数据库：www.grswsci.top

实验室地址：河南郑州市管城回族区驼人医疗科技产业园 6 号厂房 3-4 层

联系方式（欢迎联系企业微信，可联系个人微信加速通过）：

图 附-1｜单细胞标准化产品报告（1/8）

图 附-2｜单细胞标准化产品报告（2/8）

图 附-3｜单细胞标准化产品报告（3/8）

图 附-4｜单细胞标准化产品报告（4/8）

图 附-5｜单细胞标准化产品报告（5/8）

图 附-6｜单细胞标准化产品报告（6/8）

图 附-7｜单细胞标准化产品报告（7/8）

图 附-8｜单细胞标准化产品报告（8/8）