一个智能体，四种职掌。
透特的四种职掌，几乎逐一对应今天每位科学家每天在做的事：知识检索、数据分析与计算、科研辅助、CMC 工艺开发与记录。
InThoth
从第一个问题，到最后一道工艺。
- 知识 —— 文献与知识检索，一问即得，答案有出处
- 计算 —— 数据分析与计算，从原始数据到模型与洞察
- 科学 —— 科研辅助，覆盖实验设计、分析与结果解读
- 记录 —— CMC 工艺开发、DoE 与可审计的工艺记录
- 扎根真实仪器数据 —— 从 FPLC 到 Q-ToF，从筛选到商业化
- 境内合规算力 · 按密级路由 · 21 CFR Part 11 就绪
六个能力域，覆盖从靶点到工艺。
每一条都对应平台里真实可调用的能力。
靶点与文献
先把证据摆清楚，再谈设计。
- 靶点评估 · 多维打分与 go / no-go 判定
- 深度研究 · 多步检索与交叉核对
- 文献综述 · 带引用的结构化归纳
- 适应症档案 · 竞争格局与临床进展
- 法规对照 · FDA / NMPA / EMA / PMDA 差异
结构与分子设计
不是描述方法，是把计算真跑出来。
- 蛋白折叠与复合物共折叠
- de novo binder 骨架设计 · 抗体 CDR 设计
- 逆折叠定序（含配体 / 核酸上下文）
- 分子对接 · 结合自由能（快速排序与高精度两档）
- 产物落库并以可交互 3D 呈现，记录 provenance
核酸与递送
模态化设计，硬门拦在前面。
- ASO / siRNA 候选设计与排序
- 热力学与二级结构可及性（真实 MFE 计算）
- 脱靶筛查 · 全转录组比对
- 化学修饰建议 —— 证据表驱动，无依据不输出
- 受管制序列筛查为硬门，不可绕过
- 小核酸合成工艺开发 —— 设计与合成同在一条链路上
CMC 工艺
旗舰场景 —— 母公司九年仪器与工艺积累在这里变成产品。
- 工艺开发助手 · 捕获 / 精纯 / 病毒安全 / 制剂全流程推荐
- DoE 设计·执行·分析 —— 高斯过程 + 贝叶斯优化选下一轮实验点
- 层析柱型号目录与柱效剩余寿命
- 工艺记录 · 跨批次 CQA 趋势与主因定位
- 杂质归属与表征方法、限度建议
- 多肽合成工艺开发 —— 从合成路线到纯化与表征
法规与文档
交付物不是聊天记录，是能提交的文档。
- 风险评估 · FMEA 模板 + AI 填充
- ICH Q9 / QbD 设计空间与 CPP–CQA 梳理
- IND / NDA 报告草稿 · FDA / NMPA 风格匹配
- Development report · Process description · Specification 起草
- 图表与幻灯片成稿，可直接进汇报
合规与算力
不是功能列表里的一行，是整条链路的约束。
- 四档密级：公开 / 内部 / 敏感 / 保密
- 敏感与保密只走境内算力；无合规候选则拒绝，不降级出境
- 未标注数据驻留的算力，一律按境外从严处理
- 代码在隔离沙箱中执行，私有部署模式下无外部回传
- 审计追踪 · 21 CFR Part 11 电子记录与签名就绪
以基础设施的方式构建，以产品的方式使用。
四层：从浏览器与桌面端，到平台接入与租户治理、智能体内核与密级分级，再到境内算力与数据底座。
平台接入
单点登录 · 多租户与角色隔离 · 全程审计追踪 · 面向 21 CFR Part 11。
智能体内核
68 个专业技能 · 工具调用 · 企业系统接入 · 按密级分级。
算力与数据
敏感与保密任务只在境内完成，无合规算力则拒绝、不降级出境 · 35 个生命科学数据源。
35 个生命科学数据源，按类别摊开给你看。
「接通了数据源」这种话应该有个数。下面按类别给出接入数量与代表来源，均为只读取数 —— 平台从这些来源取数，不向它们回传你的数据。完整清单可随时向我们索取。
蛋白与结构
- UniProt
- RCSB PDB
- AlphaFold DB
- 等其余 3 个
化合物与药理
- PubChem
- ChEMBL
- BindingDB
- 等其余 4 个
基因组 · 变异 · 表达
- Ensembl
- gnomAD
- ClinVar
- 等其余 5 个
靶点 · 通路 · 本体
- Open Targets
- STRING
- Reactome
- 等其余 1 个
文献 · 临床 · 药政 · 专利
- PubMed
- ClinicalTrials.gov
- openFDA
- 等其余 5 个
境内数据源
- iProX 蛋白质组
- NGDC / CNCB 基因组
另有企业系统连接器（企业微信 · 钉钉 · 飞书 · 只读数据库 · 通用 REST · Git · SLURM · SDS/EHS）与文档源同步（本地目录 · ELN/LIMS · ADCDB · PROTAC-DB 等），凭证只经密钥库按租户解析，绝不进入工具参数或日志。
敏感与保密会话下，境外数据源与境外 MCP 一律禁用。
我们不只做软件，更做科学真正依赖的仪器。
三个纯软件玩家复制不了的护城河。
真实仪器数据
多数 AI 只读网上的文字。英索思扎根于英赛斯仪器矩阵沉淀的真实湿实验室与工艺数据 —— 推理的是实验与工艺本身，而不只是语言。
贯穿每一个规模
从高通量筛选到商业化生产，同源、连续的跨规模数据 —— 让放大预测有据可依，而不是靠试错跨过“放大悬崖”。
洞察 → 仪器闭环
工艺开发与分析检测并重：FPLC、TFF、色谱、生物反应器，HPLC、毛细管电泳、LC-MS 至 Q-ToF —— 设计出来的工艺，能直接回到仪器上跑。
我们不只做软件，更做科学真正依赖的仪器。
多数 AI 只读网上的文字。英索思扎根于英赛斯仪器矩阵沉淀的真实湿实验室与工艺数据 —— 工艺开发与分析检测并重，且贯穿每一个规模。
工艺开发
- 小核酸合成工艺
- 多肽合成工艺
- 生物反应器 / 发酵
- FPLC 蛋白纯化
- TFF 切向流工艺开发
- 色谱工艺开发
分析检测
- HPLC 分析
- 毛细管电泳 CE 分析
- LC-MS(单四极杆)
- LC-MS/MS(三重四极杆)
- LC-MS/MS(Q-ToF 串联质谱)
规模覆盖
- 高通量筛选
- 研发小试
- 中试放大
- 商业化生产
洞察 → 仪器 → 更好的数据 → 更好的洞察
因此，多做五件纯软件 AI 做不到的事
跨尺度放大预测
用每个规模的真实数据，预测哪些参数放得大、哪些会崩 —— 用数据跨过「放大悬崖」，而不是试错。
全流程工艺数字主线
从筛选到商业化一条可查询的工艺主线，消灭阶段间数据断层，技术转移文件分钟级生成。
可制造性前置
在筛选阶段就选出最可放大的工艺，让「放不大」的候选早死，别等花大钱才发现。
每个规模实验最省
中试、商业化每批都贵；用 DoE + 代理模型，把每个规模的实验压到最少。
设计空间与批次稳健
定义设计空间、打通 CPP → CQA，在上商业化之前就锁住批批一致（QbD / ICH Q8）。
别的 AI 止步于实验台；英索思跟着你的工艺一路走到商业化 —— 因为英赛斯的仪器也这样一路覆盖。