JADBio 官网

JADBio 图文介绍：

JADBio 2019 年诞生于美国波士顿，由麻省理工与东北大学团队联合创立，定位为“零代码自动化机器学习平台”。产品针对生物、医药、化学、制造等中小样本场景，集成自动特征工程、算法选择、超参优化、可解释性与签名发现，用户无需编程即可在数小时内构建高精度预测模型，并自动生成合规报告，加速科研与产业转化。

主要功能

• 自动特征工程
• 自动识别数值、类别、时间序列、组学数据，生成 10³-10⁵ 级特征，自动去除冗余。
• 无代码 AutoML
• 内嵌 30+ 算法（SVM、XGBoost、LightGBM、随机森林、逻辑回归、深度学习等），自动选择最优模型并调参。
• 小样本优化
• 专研 n<<p 场景（样本数<<特征数），内置正则化、集成特征稳定性评估，避免过拟合。
• 可解释性报告
• 一键输出 SHAP、Permutation Importance、系数表、ROC、PR、CI、校准曲线，符合 FDA、EMA 对可解释 AI 的要求。
• 签名发现（Signature Discovery）
• 自动寻找最小特征子集（基因、蛋白、传感器指标），生成临床 or 工业可用“签名”。
• 组学与化学信息学工具箱
• 支持基因组、转录组、蛋白组、代谢组、DNA-甲基化、HPLC-MS、NMR 一键导入与归一化。
• 协作与审计
• 多人评论、版本比对、操作日志；支持 SAML/SSO、SOC 2、GDPR、HIPAA、21 CFR Part 11。
• 零代码集成
• 官方连接器：AWS S3、Azure Blob、Google Cloud、Snowflake、Box、Dropbox、SFTP、REST API。

应用场景：

• 精准医疗：发现 10-基因肺癌预后签名，用于伴随诊断试剂盒设计。
• 药物发现：构建分子活性预测模型，筛选百万级虚拟化合物。
• 生物标记物：从蛋白质组数据中找到早期阿尔茨海默血检指标。
• 临床试验：对 n 较小、维度高的 Omics 数据进行亚群分层。
• 工业传感：基于小样本传感器数据预测设备剩余寿命。

是否收费：

• 免费社区版：每月 50 MB 数据，1 用户，单并发，社区支持。
• Academic：免费（需 .edu 邮箱），200 MB/月，2 用户，论文引用即可。
• Professional：950 美元/月，5 GB，5 用户，不限模型，邮件支持。
• Enterprise：定采报价，本地/私有云部署，白标，专属客户成功经理。
• 按量付费：0.15 美元/模型分钟（GPU），适合偶发大项目。

平台兼容性：

• 云：AWS US-East、EU-Central；SOC 2、GDPR、ISO 27001、HIPAA 认证，支持 VPC 私有化。
• 浏览器：Chrome、Edge、Safari、Firefox 最新版；纯 Web，无需安装。
• 数据格式：CSV、TSV、Excel、JSON、Parquet、FASTQ、CEL、mzML、SDF、SMILES。
• API & SDK：Python、R、REST、GraphQL、Airflow Operator、Galaxy Tool。
• 系统要求：可 SaaS 亦可本地部署；本地版支持 CentOS 7+、Ubuntu 20+、K8s。
• SLA：99.9 % 可用性，付费用户 24 h 内响应；企业版 4 h 内响应。

JADBio 把“自动特征工程 + 小样本优化 + 可解释报告"封装成真正的无代码体验，并提供针对组学与化学数据的专用算法与签名发现，显著缩短从数据到临床/工业可用模型的时间。对于缺乏生物信息学工程师却需要高精度、可解释模型的医疗、制药与工业客户，JADBio 是目前在“小样本鲁棒性、合规报告与私有化部署”方面最成熟的 AI 开放平台之一。