本文經訊聯基因數位股份有限公司同意轉載;原文出處
IPA Investigator:對話保存、資料傳送與使用注意事項
對話不會自動保存
目前 IPA Investigator 沒有自動 conversation history。需要保留內容時,可使用 Copy 按鈕複製整段對話;關閉 IPA 或按下 Reset 後,對話會被清除。QIAGEN 也表示未來版本會持續擴充可理解的 context 與可執行 Actions。
LLM 與資料傳送方式
依 QIAGEN 官方說明,IPA Investigator 目前使用由 Microsoft Azure 為 QIAGEN 託管的 enterprise GPT-5.1。使用者 prompts 不會被保留來訓練模型。Open-ended question 會送出使用者問題,以及 IPA Actions 的必要操作說明與限制。
若問題針對 Core Analysis 或 Comparison Analysis,系統會傳送部分 top results 作為 context,但不會把用來建立分析的原始 input dataset 全部送給 LLM;若針對 network 或 pathway,會傳送 nodes 與 edges,並以簡化的關係文字呈現。
啟用方式與 Beta 說明
IPA Investigator 本身不另外收費,但考量各研究機構對 AI、法務、資訊安全及資料治理的要求不同,因此預設為關閉。需要使用時,必須先依 QIAGEN 流程為對應 license 啟用。功能目前標示為 Beta,QIAGEN 仍在收集使用者回饋並擴充能力。
重要限制
- Investigator 回答可能不完整、不正確或過時,應由研究者依原始文獻與 IPA evidence 獨立確認。
- 不應用於臨床診斷、治療決策、法規判定或取代專業意見。
- 請勿在 prompt 中輸入個人資料、可識別病患資訊、PHI 或其他敏感資訊。
- AI 文字回答與 IPA 實際分析結果應分開理解:IPA Action 的 network/pathway 結果仍由 IPA 與 Knowledge Base 產生。
IPA Desktop:Grow Upstream Expression Regulators 可依 Molecule type篩選
除了 IPA Investigator,本次 IPA Desktop 也改善了 network/pathway 的 Grow 操作。現在使用 Build > Grow > Upstream Expression Regulators 向上游擴充 expression regulators 時,可再依 Molecule type 篩選。
例如研究者只想聚焦 kinase、enzyme、transporter 或其他特定類型的 regulator,就能先限制 molecule type,再從結果中挑選最符合研究目的的候選者。這能降低 Grow 結果過多時的篩選負擔,也更適合 target discovery 或 druggability 導向的探索。
IPA Interpret:Comparison Analysis bubble map 大幅更新
本次 Summer Release 對 IPA Interpret 的 Comparison Analysis 進行多項重要更新。新版不只顯示多組 analyses 的 pathway / regulator / function activity,還更強調把自己的分析與 OmicSoft curated analyses 放在同一個 comparison 中,並提供更完整的 clustering、 filtering 與 figure customization。
將 OmicSoft analyses 納入 Comparison Analysis
擁有 Analysis Match license 的使用者,現在可在一個 Comparison Analysis 中加入最多50 個 OmicSoft analyses。這使研究者能把自己的分析結果與 OmicSoft 中超過 23.7 萬個預先整理/分析的公共資料結果放在相同框架中比較,尋找相似、相反或具有特定 activation pattern 的研究。
在 Comparison Analysis 中點選 OmicSoft analysis 的 column header,系統會顯示該 analysis 的 metadata,協助判讀其 study design、disease、tissue、treatment 等背景。

Hierarchical clustering:從 activity pattern 找出隱藏關係
新版 Comparison Analysis 可對 rows 與 columns 執行 hierarchical clustering。Column clustering 可將具有相近 activation / inhibition patterns 的 analyses 聚集在一起;row clustering 則可找出反應模式相似的 pathways、regulators 或 functions。
這種 clustering 並不要求 entities 一定共享相同 genes,只要在多個 analyses 中呈現相似的 activity pattern,就可能被分到相近群集,因此有機會提示原本不容易從單一 analysis 發現的關聯。若要進行 row clustering,顯示的 entities 需限制在 7,000 個以下。

Data display:Filters 與 Visual 分頁重新整理
Data display 選單現在分成 Filters 與 Visual 兩個分頁,讓「哪些結果要顯示」與「bubble要怎麼呈現」更容易分開控制。
- Cutoff operator:可在下拉選單選擇 > 或 ≥ 等運算子,讓 threshold 設定更精確。
- Color scale slider:可直接調整顏色範圍,提高 activation / inhibition 對比。
- Bubble size slider:可調整 bubble size 的尺度,改善高密度圖表的可讀性。
- Insignificance threshold:可把未達指定條件的 bubbles 顯示為灰色,例如將 |z-score| < 2 的結果弱化。

More filters:用名稱、類別或 network genes 精準挑選 entities
More filters 可直接決定 bubble map 中要保留哪些 entities。除了 entity name 與 category,也可以依「該 entity network 中包含哪些 genes」進行篩選。使用者可輸入部分名稱搜尋,或用 checkbox 逐一選擇。
例如只想比較 cytokine 類型的 Upstream Regulators,就可以先用 category / keyword 聚焦,避免大量無關 regulators 稀釋主要訊號。

Compare Builder:像購物車一樣先收集 analyses,再建立 comparison
新版 IPA Interpret 新增 Compare Builder,讓研究者不必在同一頁一次選完所有analyses。您可以先從 homepage、Similar Analyses 或其他頁面把感興趣的 analyses 加入 Compare Builder,最後再到 Builder 中挑選真正要放入 Comparison Analysis 的項目。
原本直接建立 comparison 的操作可改用「Add to Compare Builder」。OmicSoft analyses 也可從 Similarities and Differences to OmicSoft Analyses 頁面加入:可以點選 plot 中的單一分析逐筆加入,也可以先依 metadata 或 score 篩選 table,再一次加入多個 analyses。
若逐一勾選 analyses,選取順序會成為 Comparison Analysis 的顯示順序,因此可在建立comparison 前先安排希望呈現的邏輯,例如 Control → Treatment A → Treatment B,或依 time point 排列。
Bubble chart customization:更容易直接做成論文或簡報圖
除了 comparison bubble map,本次也強化單一分析 bubble chart 的客製化。使用者可以調整 bubble 顏色、字型、圖形比例(aspect ratio)等視覺設定,讓圖表更接近 publication-ready figure。
圖表可輸出為 PNG,並可將目前的 style 設定保存為後續下載的預設值。對需要重複產出多張 pathway / regulator 圖表的研究者,可減少每次重新調整格式的時間。
Content updates:新增 8 條 Ingenuity signaling pathways
本次 Summer 2026 content release 新增 8 條 Ingenuity signaling pathways,涵蓋神經細胞結構、心臟傳導與瓣膜形成、神經與腫瘤的交互作用、青春期誘導、免疫代謝調節及腫瘤形成等研究主題。
| 官方英文名稱 | 中文說明 |
| Axonal Periodic Cytoskeleton Signaling Pathway | 軸突週期性細胞骨架訊號傳導路徑 |
| Cardiac Conduction Signaling Pathway | 心臟傳導訊號傳導路徑 |
| Cardiac Valve Formation Signaling Pathway | 心臟瓣膜形成訊號傳導路徑 |
| Neuron Navigator Signaling Pathway | Neuron Navigator 訊號傳導路徑 |
| Neuronal Cancer Synapse Signaling Pathway | 神經元-癌細胞突觸訊號傳導路徑 |
| Puberty Induction Signaling Pathway | 青春期誘導訊號傳導路徑 |
| RBP4 in Immune and Metabolic Regulation Signaling Pathway | RBP4 參與免疫與代謝調控訊號傳導路徑 |
| ZFX in Tumorigenesis Signaling Pathway | ZFX 參與腫瘤形成訊號傳導路徑 |
新增 pathway 可直接在 IPA 的 Canonical Pathways 中搜尋,並可用於新的 Core Analysis / Comparison Analysis 結果解讀。若舊分析需要套用最新 Knowledge Base 與 pathway content,建議重新執行分析。
QIAGEN Knowledge Base:新增超過 190,000 筆 findings
本次更新新增超過 19 萬筆 findings,使 QIAGEN Knowledge Base 的 findings 總量超過 1,510 萬筆。新增內容來自 QIAGEN 專家文獻註解與多個公共資料來源,持續擴充 IPA進行 pathway enrichment、causal prediction、disease association 與 network building 時可使用的 evidence。
| 資料來源 / 類型 | 本次新增 |
| ClinVar cancer mutation findings | 約 114,000 筆 |
| Expert findings(文獻人工註解) | 約 51,000 筆 |
| BioGRID protein-protein interactions | 約 12,000 筆 |
| OMIM gene-disease findings | 約 5,000 筆 |
| GWAS gene-disease findings | 約 3,000 筆 |
| Gene Ontology findings | 約 1,400 筆 |
| ClinicalTrials.gov gene-disease findings | 約 1,100 筆 |
| IntAct protein-protein interactions | 約 600 筆 |
對 IPA 使用者而言,Knowledge Base 更新會影響新的分析結果排名、可建立的分子關係與可追蹤 evidence,因此對持續進行相同專案的研究者,重新執行分析有機會看到新的 pathway、regulator 或 disease/function 關聯。
OmicSoft datasets:總數達 237,856
本次 release 的 OmicSoft curated datasets 總數達 237,856,較前一版本新增 1,555 個 datasets。這些 curated datasets 是 IPA Analysis Match 與 OmicSoft Explorer 用來提供跨研究比較與 contextualization 的重要資料來源。
Current Release 頁面列出的更新涵蓋 DiseaseLand、OncoLand、Single Cell Lands 與 normal tissue resources。官方表格中可見 HumanDisease 為 25,591(+522)、 MouseDisease 為 22,585(+241),Human Tissues(GTEx)為 1,211;其餘 repository亦依本季資料整理持續更新。
對擁有 Analysis Match license 的使用者,本季最大的實際改變是:這些 OmicSoft analyses 現在可以直接加入 IPA Interpret 的 Comparison Analysis,因此公共資料不再只是「找相似分析」,而是可以直接與自己的 analyses 並排比較。
本次更新對研究流程的意義
Summer 2026 的更新可以視為 IPA 工作流程的一個重要轉變:從「執行分析 → 看結果」進一步走向「執行分析 → 與結果對話 → 立即要求下一步探索」。IPA Investigator 負責協助理解問題與組織操作,而 IPA 的 Knowledge Base、統計方法與原有 Actions 仍負責產生真正的分析結果。
同時,IPA Interpret 的 Comparison Analysis 也從單純比較使用者自己的 analyses,擴展成可以把大量 OmicSoft curated analyses 納入同一張 bubble map。搭配 clustering、 More filters 與 Compare Builder,研究者更容易從不同疾病、藥物、組織或時間點中找出可重現或相反的 pathway activity。
若您平常使用 IPA 進行 RNA-seq、single-cell cluster marker、proteomics、drug mechanism、target discovery 或 multi-condition comparison,建議優先嘗試以下方式:
- 在 Core Analysis 中針對一條「意外顯著」的 pathway 直接詢問 Investigator:Why is this pathway significant in my analysis?
- 讓 Investigator 從目前結果提出 AnalysisTheme / PathExplorer / Grow 類 Action,建立後續 hypothesis。
- 在 Comparison Analysis 中加入 OmicSoft analyses,比較自己的 treatment signature 與公開研究是否同向或反向。
- 使用 hierarchical clustering 找出具有相似 activation pattern、但未必共享相同 genes 的 entities。
- 利用 More filters 將結果縮小到 cytokines、kinases、transcription regulators 或特定genes 相關的 networks。
- 將完成的 bubble chart 直接客製化並輸出 PNG,作為簡報、報告或 manuscript figure 的素材。