全球首个基于NGS检测MSI状态，最为广泛且权威的算法软件，拥有FDA批准的生物信息分析核心软件。 MSIsensor\MSIsensor2\ MSIsensor-ct系列算法已应用于超过29个国家的670个基因检测企业产品及药企的研发和科研团队的项目中，被实际应用于超过232,939例癌症病人的MSI检测。

基于蛋白质空间结构，识别泛癌体细胞高频突变热点的高精度计算方法，能够基于HotSpot3D药物重定位分析系统等工具，为药物开发寻找新的靶点。

传统DNA甲基化的检测方法灵敏度不高,且容易出现假阳性。首席科学家李蔚教授于2014年全球首次提出的“甲基化峡谷”概念，并证明了多种肿瘤易感基因中存在大范围低甲基化区域，这些修饰更为保守。通过检测甲基化峡谷修饰模式改变，可以更准确预测肿瘤发生及进行组织溯源。

求臻医学生信团队助力合作伙伴设计并实现了一款基于Docker的FLT3-ITD检测框架，该框架能够准确检测FLT3-ITD，检测结果与一代测序结果的一致性高达99%以上，突破了现有NGS方法低估突变频率的核心技术难题。

由于缺乏合适的临床分子标志物，PD-1/PD-L1免疫治疗药物的受益人群只有20％-30％。一般认为TMB值较高时（TMB-H），免疫检验点抑制剂效果较好。但有大量报道指出当使用TMB作为指标进行免疫治疗获益人群划分时，存在特异度较差情况。求臻医学通过机器学习构建独有分类器，可实现基于TMB的二次分类，提高TMB-H免疫治疗获益人群预测效果。 专利: CN:202111433361

求臻医学是中关村国家自主创新示范区高精尖产业协同创新平台，肿瘤精准医学大数据平台，北京经济技术开发区公共技术服务平台授牌单位。

求臻医学信息团队独立研发的、专注于肿瘤精准诊疗的生物医学信息化平台，旨在助力公司及行业人士肿瘤NGS领域的产品研发、学术研究、商业应用以及大众知识的普及。

用户通过该平台，能够实现“关键词进，知识库出”，一站式构建高质量、及时更新、结构化的自建肿瘤精准诊疗知识库，彻底解决利用公共数据库时所遇到的质量不高、数据不全、更新不及时、无法商用等痛点问题。

该平台基于临床诊断及分子检测结果，为接受过基因检测的肿瘤患者匹配合适的临床试验，实现从组学检测结果到肿瘤临床试验匹配注释过程，辅助临床试验患者预筛选。通过筛选的患者，可进一步联系药企或者临床试验中心，进行后续的评估。OncoCTMiner为患者、医院及医药企业之间搭建了桥梁，推进药企患者招募流程及药物研发进程。

收录了由生物信息学及生物医学专家整理并审核的，官方药品说明书、NCCN/ASCO/ESMO/CSCO权威临床指南、专家共识、临床试验、临床研究个案、公共数据库以及科研文献等收录或报道的，与肿瘤精准诊疗相关的各类证据，并用结构化的形式进行整合分级，与求臻医学自动化报告系统联动，为公司的检测样本提供及时专业全面的解读服务。

基于分子诊断联合影像诊断的人工智能是解决现有临床问题的关键 特点： 1：多维度评估肿瘤信号 cfDNA 测序平台、cfRNA 测序平台、cfProtein 检测平台、影像学分析平台 2：海量背景噪声中有效识别肿瘤信号 3：基于大数据联合人工智能，精准解决不同临床问题

1.肿瘤早筛/早诊： 基于多组学联合 AI 进行泛癌早筛、良恶性结节识别、不明原发灶预测等； 2.肿瘤动态监测： 基于多组学联合AI进行肿瘤动态监测，监测/预测肿瘤复发、治疗疗效、耐药等； 3.肿瘤信息数字化 将患者信息，包含临床信息、病理信息、影像信息、各类检测组学信息数字化，预测肿瘤发展变化； 4.开发新标志物、辅助新药研发 同癌异治、异癌同治；寻找已有药物新的标志物扩大适应人群；辅助研发新药。

自有唯一分子标识序列（UMI），为每一个样本的原始DNA分子上连接一段独一无二的序列编码。通过UMI进行分子聚类，从而对测序结果进行回复校正，极大降低PCR或者测序过程中的系统错误，提高测序的准确率，提高信噪比，检测超低频突变。

独有TMB计算方法按照多元线性模型计算靶向目标区域的TMB值，将各种不同类型变异均考虑其中，根据贡献度进行加权，该模型相当于从蛋白而非核酸水平考虑肿瘤突变对于免疫疗效的反应，更为合理、准确。

非小细胞肺癌患者免疫治疗的预后评估方法,采用5倍交叉验证，利用监督学习决策树的方法训练分类器，筛选免疫治疗预后生物标志物，最终得到基于13个辨别基因的计算模型；根据模型评分实现TMB患者二次精准划分，解决TMB-OS悖论。

肿瘤缺失突变负荷（Tumor Deletion mutation Burden,TDB)指每百万个碱基的平均缺失（deletion）的位点个数。TDB与微卫星不稳定性（Microsatellite Instability，MSI）金标准的检测结果一致性显著高于TMB与MSI检测结果的一致性，可以更好地预测免疫治疗疗效。

升级后的MSIsensor算法，可进行单一肿瘤组织分析，不依赖对照样本，打破了微卫星检测的局限性，可适用于多个基因组合，不需要专门设计MSI位点探针，通过机器学习算法对该指标在样本上的累积分布进行模型训练精确确定阈值，可广泛应用于各个癌种，高精度地探测MSI状态，具有高效、系统、经济简便性的优势。

采用多种甲基化敏感内切酶提高信噪比，特异性多重扩增超甲基化靶点序列，评估整体甲基化水平，不依赖BS转化与复杂的文库构建流程，不造成痕量核酸损失，灵敏度更高，并且具有检测周期短、可推广性强的技术优势。