平台架构

基础智能层。

连接原始生物数据与决策的生物智能基础设施 —— 让马属生物学可计算。

L4 应用层 JumpHealth™ · JumpID™ · JumpChain™
L3 核心引擎 基础智能 · HorseVector · 知识图谱
L2 平台 网站 · 控制台 · API · SDK
L1 企业标识 使命 · 价值观 · 故事

生物智能的五大
核心能力。

生物智能是对生物系统的结构化表征,支撑计算、推理与循证决策。 基础智能是其在马属生物学中的实现。

表征

生物实体的统一编码。每个基因、变异、表型、品种均成为可计算对象。

→ HorseVector 嵌入

整合

多源数据融合。基因组、表型、文献、实地数据统一为结构化知识。

→ 知识图谱管线

推理

基于结构化知识的生物推理。推断关系、分类变异、预测结果。

→ 马属基础模型

溯源

每项输出均可溯源至证据。完整溯源链:来源论文、样本编号、基因组坐标。

→ 极致溯源系统

预测

面向决策的输出。风险评分、配种建议、变异分类 —— 均附置信区间。

→ 决策智能层

马属生物嵌入层。

HorseVector 将生物实体 — 基因、变异、表型、品种 — 编码为密集的可计算向量。正如词嵌入革命了NLP,HorseVector 旨在变革马属生物学的表征与计算方式。

  • 每个实体编码为高维向量,捕捉其生物学关系与属性
  • 相似生物实体在向量空间中聚类,实现跨基因与表型的类比推理
  • 在 17 个品种、500K+ 变异的精选马属基因组数据上预训练
  • 旨在成为马属生物表征的开放标准

我们的目标是将 HorseVector 打造为马属生物表征的默认坐标层。

HorseVector 嵌入空间 ● 运行中
基因 MSTN (Myostatin) [0.12, -0.87, 0.43, ...]
变异 g.229786C>T [0.31, -0.64, 0.18, ...]
表型 速度性能 [0.28, -0.71, 0.35, ...]
品种 纯血马 [0.19, -0.52, 0.61, ...]

基因 → 变异 → 表型 → 品种。

EQAI 知识图谱通过验证过的关系连接生物实体。每条边代表经人工审校、交叉引用的证据 — 而非单纯的统计相关。

→ has_variant → associated_with → manifests_as → prevalent_in → validated_by → contradicts
79
疾病
14
致病性变异
17
已映射品种
🧬
MSTN
🧬
DMRT3
🧬
GSDMC
g.229786C>T
rs114018383
速度
步态
纯血马
冰岛马
基因
变异
表型
品种

马属专属基础模型。

我们正在构建首个基于精选马属生物数据预训练的综合基础模型。它能对基因、变异、表型和品种进行推理 — 生成假设供专家验证,而非直接下结论。

我们的目标是构建他人赖以发展的基础 — 不是取代科学审评,而是以结构化生物推理增强它。

🎯

马属专属

基于马属生物学训练,非人类模型迁移

🔬

循证驱动

每次推理均可追溯至知识图谱证据

📊

置信感知

输出包含置信区间与验证状态

🔄

持续更新

新证据触发重新评估与模型更新

训练管线 ◐ 进行中
01
数据整理
17 breeds · 79 diseases · 14 variants
02
HorseVector 预训练
生物嵌入空间
03
知识图谱对齐
实体-关系嵌入
04
LoRA 微调
Qwen 3.5 马属问答
05
跨品种验证
独立群体测试
06
专家评审
兽医遗传学家验证

按品种、基因、变异、
表型查询。

RESTful API 与 GraphQL 端点,提供对整个 EQAI 知识库的编程访问。在基础层上构建。

GET /v1/breeds 列出所有基因分型品种
GET /v1/genes/{symbol} 基因详情 + 变异
GET /v1/variants/{rsid} 变异 + OMIA + 证据
GET /v1/phenotypes/{id} 表型关联
GET /v1/breeds/{id}/frequencies 各品种等位基因频率
POST /v1/screen 遗传风险筛查
GET /v1/knowledge-graph/query 图谱遍历查询
POST /v1/horsevector/embed 实体嵌入生成
GraphQL 端点: /graphql — 支持内省
REST — cURL 复制
# 查询基因的变异与表型 curl -X GET \ https://api.eqaios.com/v1/genes/MSTN \ -H "Authorization: Bearer $TOKEN" # 响应 { "symbol": "MSTN", "name": "Myostatin", "chromosome": "ECA18", "variants": [3], "phenotypes": [ "speed_performance", "muscle_development" ], "breeds_affected": 17, "validation": "✅ validated" }
GraphQL 复制
# 查询知识图谱 query { gene(symbol: "DMRT3") { symbol name variants { rsid effect confidence } associatedPhenotypes { name evidence_level } breedFrequencies { breed allele_frequency } } }

从观察到决策。
再从决策回到观察。

证据模型不是流水线,而是一个循环。每个决策产生结果,每个结果成为新的观察。 系统学习,模型更新,真相被版本化。

01

原始观察

样本 · 兽医记录 · 实地数据 · 研究论文

02

证据

基因组 · 表型 · 变异 · 已发表研究

03

验证

交叉引用 · 同行评审 · 文献确认

04

知识

审校、连接、验证 — 活的知识图谱

05

基础智能

基于结构化知识的推理 — 马属专属智能层

06

预测

风险评分 · 配种建议 · 变异分类

07

决策

育种选择 · 治疗方案 · 赛事策略 · 保种行动

反馈闭环:每个决策在现实世界产生结果。结果成为新的观察 — 回流至系统。知识图谱不断丰富,模型重新训练,真相被版本化。

这就是 EQAI 成为活的基础设施的原因 — 而非静态数据库。

基础层上构建。

访问 EQAI API,探索知识图谱,或将 HorseVector 嵌入集成到您的研究工作流中。

Decode to Decide.