AI 扩大设计空间
科学模型可以辅助蛋白质序列、结构、功能、实验设计和结果解释。
长期产品愿景 · 2026 年 8 月
从数字假设到经实验检验的生物学现实
建立由方法学验证与证据治理贯穿的生物科技 Design–Build–Test–Learn 闭环，无需每位用户自建或直接运营实验室。
Due Science 的长期目标，是成为连接 AI 辅助生物科技设计与真实生物学的 evidence-execution layer（证据执行层）：通过独立编排，把人类或 AI 提出的假设转化为可追溯的实验证据，并将结构化结果送回下一轮设计。
长期类别 · Biotech Verification-as-a-Service（生物科技验证即服务）
创始试点书面初步评估申请开放
数字假设实验证据
01设计✓锁定02执行
Evidence Docket方案 · 数据 · 复核
结构化结果 → 下一轮设计
基础设施机会
迈向无需自建实验室的生物科技创建与测试。
正如云基础设施让人们无需自建服务器即可运行软件，Due Science 的目标是让用户无需自建实验室或直接管理实验设备，也能创建并测试生物科技方案。
人工智能（Artificial Intelligence，AI），包括面向科研的专用模型和大型语言模型（Large Language Model，LLM），正在扩大人们在数字环境中可设计的分子、蛋白质、实验方案和生物学假设的范围。
软件开发提供了一个有用的类比。AI 生成的代码需要经过运行、测试和检查才能形成可靠产品。独立测试智能体与编排框架把每次结果转化为下一轮开发，而实际运行始终是共同参照。
生物科技正走向类似的运营模式：数字设计提出候选项，真实生物学决定其实际表现。下一项基础设施机会，是在两者之间建立可追溯的连接。
Verification（命题验证）判断实验结果是否支持某一具体科学命题。
Validation（方法学验证）证明测量方法能够稳定、可靠地评估目标属性。
为什么是现在
生成能力正在规模化，受治理的实验学习也可以同步扩展。
自动化实验室使实验执行结构化
自动化流程可持续产生仪器文件、图像、孔板数据、时间戳和运行元数据（仪器参数与运行记录）。
生物科技决策需要范围明确的证据
一项投资、许可、期权、分期融资或项目里程碑，可能取决于一个设计严谨的实验。
一个受控学习闭环
由方法学验证与证据治理贯穿的 Design–Build–Test–Learn。
Design–Build–Test–Learn（DBTL）即“设计—构建—测试—学习”，是工程生物学的循环流程。Due Science 通过一套可追溯证据记录连接各个环节。
- D
Design｜设计
研究人员或专业模型提出假设并形成数字候选项。
- B
Build｜构建
外部实验室将设计转化为蛋白质、肽、酶或细胞测试材料。
- T
Test｜测试
预先定义的自动化流程按既定对照与重复次数执行实验。
- V
Validate｜验证
依据约定标准，对方法、原始数据、执行记录、偏差和分析进行复核。
- L
Learn｜学习
结构化结果返回数字环境，为下一候选项或实验提供依据。
目标是建立一条更短、更易获得、也更具可重复性的从假设到实验学习的路径。
产品路径
从单次验证，到可复用的证据生命周期，再到平台级服务。
Evidence Docket
一次验证形成的版本化记录：科学命题、实验方案、判定标准、样本与数据溯源、执行元数据（时间戳、仪器参数和运行记录）、偏差、原始数据、分析和结论边界。
Evidence Passport
规划中的生命周期扩展将连接历次 Evidence Docket、授权访问、信息披露、第三方使用权限、里程碑和复测记录。
Biotech Verification-as-a-Service
为研究人员、生物科技团队和科学智能体（可自主调用工具并执行研究任务的人工智能系统）提供程序化访问分布式自动化实验流程的能力。
品牌Due Science
买方类别生物科技交易中的独立实验验证型尽调
投资者类别面向生命科学交易的 AI 原生证据基础设施（从系统设计之初即以 AI 为基础）
长期类别Biotech Verification-as-a-Service——生物科技验证即服务
产品Evidence Docket（版本化证据档案）· 规划中的生命周期层：Evidence Passport（证据护照）
技术模式AI 辅助编排 · 专家治理 · 独立实验室执行
Founding Verification Pilot · 书面初步评估申请开放
生物科技交易中的独立实验验证型尽调
Due Science 提供实时规划区间计算器和书面申请路径，面向在投资、许可或投资组合决策前评估一个公开且对决策关键的科学命题的买方。若项目被接受，决策问题将被转化为锁定的实验；与具体项目兼容的独立自动化实验室将被识别和资格审查，随后才可能进行合同化执行并形成版本化 Evidence Docket（证据档案）。
首个窄范围试点覆盖简单蛋白质、细胞因子（介导细胞间信号传递的蛋白质）、酶和肽：一个公开参考、一项主要定量终点，以及投资、许可或里程碑决策场景。再生医学和健康长寿是优先的首批应用领域。
- 01决策问题
明确命题、决策负责人、截止日期和可用材料。
- 02Verification Design Lock｜验证方案锁定
实验前固定主要终点、对照、重复次数、结果阈值和允许的解释范围。
- 03实验室路由
按技术适配度、总成本、周期、数据权利和合同条件比较候选场地。
- 04物理执行与复核
收集原始数据及运行记录，并由科学与统计专家进行责任明确的复核。
- 05Evidence Docket
将方案、数据溯源信息、偏差、数据、分析以及围绕该命题且边界明确的结论形成版本化记录。
物理实验执行将在完成具体实验室场地与流程版本的书面资格审查、确认项目范围与价格并签署适用合同后启动。此后，Due Science 才会对该场地与流程组合使用 Qualified Robotic Laboratory（QRL，经资格审查的自动化实验室）这一内部称谓；该称谓区别于监管认证。
打开创始试点当前可用
面向窄范围首个试点的书面初步评估路径。
公开试点提供类别级可检验性初步评估、成本与周期规划区间以及受控书面申请。网站不收集科学文件或命题链接。每个被接受的项目都将单独识别、利益冲突筛查、资格审查、报价并签约兼容的独立实验室。
计算器和书面申请路径已可用。它们不会下单或预留实验室产能。物理实验仅在完成项目特定的可行性审查、资格审查、报价和签约后才可进行。- 01类别级范围与规划区间
- 02书面初步可检验性答复
- 03受控请求一个公开参考
- 04单独的范围、报价与项目合同
- 05项目特定实验室资格审查与潜在执行
迭代的经济性
让每一个记录完整的学习循环更容易重复。
核心经济单位，是一次记录完整的学习循环所需的成本与时间。可复用的实验模板、对照、合同、数据格式和实验室路由，可以逐步降低后续测试的协调成本。
无论结果支持还是不支持原命题，都能转化为结构化知识。团队因此可以探索更多候选项、进一步确认最有价值的发现，并依据观察到的生物学证据配置资源。
从长期来看，清晰的界面还可扩大参与范围。临床医生、化学家、工程师、数据科学家、计算生物学家、疾病基金会和创业者，可以用本领域语言提出问题，由平台转化为受治理的实验流程。
未来的受监管路径
面向个体化医疗的证据基础设施。
精准医疗根据患者特征选择治疗。个体化治疗，尤其是 N-of-1 therapy（单例治疗），面向一位患者或极少数患者开发。
长期来看，同一证据架构可支持 Patient-Specific Evidence Docket（患者特定证据档案），记录某一具体治疗版本的身份鉴别、纯度、制造质量、功能活性、相关风险指标和材料来源。
这一方向属于未来的受监管路径，与当前窄范围的生物科技交易实验尽调试点分开。它将通过具备相应资质的实验室、医疗机构及其他合规合作方运行，并遵循各司法辖区对隐私、知情同意、质量、监管审查和医疗决策的要求。Patient-Specific Evidence Docket 将作为更广泛临床及监管体系中的结构化证据组成部分；临床安全性与有效性将由完整的受监管开发、临床证据、监管审查与持牌医生判断共同确定。
信任是产品的一部分
运营标准旨在对执行前、执行中和执行后的证据实施治理。
- 01
实验前固定命题、对照和结果标准。
- 02
披露资金来源与潜在利益冲突；服务费用与实验结果脱钩。
- 03
样本、原始数据、设备记录、人工操作、偏差和分析版本保持完整可追溯。
- 04
科学、统计、法律、医学及生物安全专家在预定治理节点参与。
- 05
实验室资格与具体场地、方法及流程版本绑定。
分享您的观点
共同塑造 AI 原生生物科技的证据层。
我们欢迎生命科学基金、Venture Studio（创业工作室）、尽调团队、生物科技与制药许可专业人士、自动化实验室和科学专家提供简短书面反馈。
- 哪类买方拥有最明确的需求？
- 哪个范围明确的实验最可能改变一项决策？
- 哪些条件能让 Evidence Docket 值得信赖并可重复使用？