改变科学,改变科学家:科技改变了分析化学的作用

这是一个激动人心的一天,一个新来的装备到达实验室,博士后之间的规划分析,博士生不知道会发生什么,如果他们把它和实验室经理想知道他们可以在台式,技术进步是影响每个人参与科学。但某些技术进步不只是承诺新功能可能改变的研究是在实验室进行的组织或公司。

副总裁安德鲁•安德森创新,行业软件解决方案提供商ACD信息学策略/实验室,有一个独特的优势为技术如何影响分析化学领域。在这次采访中,我问安德鲁化学家的日常生活如何改变了人工智能和自动化等技术以及初露头角的化学家如何得到他们的技能达到标准来处理变化的分析科学的面貌。

Ruairi Mackenzie (RM):技术进步是如何改变目前的工作研究科学家吗?

安德鲁·安德森(AA):这是一个很好的问题。如果我们有了五年前,我比我今天将会有不同的视角。在制药行业有一些很好的例子,尤其是在商业化催化剂D2D(阅读更多在这里)。您可能还记得我们和一个主要的制药公司通力合作,然后此后其他几个人。为了描述更改我见过科学家的工作角色在这些公司,我将谈论我,特别是在化学。如果你认为关于制药行业,传统疗法是使用小分子技术和他们录取通过药物发现和开发过程,最终进入商业化。

如果你回去五年,我们看到,尤其是在发现,是依赖外部供应商和合同研究组织的生态系统,合同开发和制造企业。这些生态系统健康和充满活力。但是我们也看到现在死灰复燃,在我看来市场,内部投资。这是基于市场沉浸在处理这些不同的观点和客户。我看到的是一个转回对核心基础设施的投资,如技术平台,机器人与自动化。我不会进入复兴的原因,但是我认为它感觉非常关键的项目科学家想要回到一个更平衡的投资组合转移之间的内部和外部工作。

我可以推测或假设有几个原因。一个可能的能力在项目团队协作水平。我不认为支持协作的技术已经完全取代了级别的,我们叫它质量,面对面合作肯定有努力用技术使地理上不同的合作者一起更有效地工作。但是当你看跨职能的水平努力,继续工作在药物发现和开发和商业化过程中,这些人有时需要一起紧密合作。这是一个原因。另一种是,从我的角度来看,实验技术的进步。你今天可以有内部员工使用远比他们在过去的生产工艺。

这种新技术的早期采用者的生产率已经意识到他们的药物发现和开发过程。作为一个例子,利用高通量实验技术可以生产材料的速度快于你可以过去。现在有缺点,但肯定高通量实验范式正在产生好处。我们看到一个上升在自动化投资很感兴趣,所以你有高产的内部功能。你肯定会继续利用外部资源的工作,不需要自动化。但是我认为两者之间的平衡是非常重要的,我们看到在这些组织高级领导人也承认的价值平衡。我看到招聘的内部员工的提升在世界各地的大型制药研发操作被执行。

我看到的是很多化学家进入这些组织。现在,今天的化学家是一个不同的化学家甚至比五年前。

RM:今天的角色如何化学家从五年前改变了吗?

AA:假设你是一个药用化学家在医药组织。你的责任是决定如何优化特定的先导化合物,使其变成将提名候选人资格的临床开发。在旧世界你的责任主要是集中在一个通风橱,和你的工作经常致力于一些设计工作,了解分子使基于诸如结构活性关系。你甚至可以做的建模确定一个特定的分子可能适合一个特定的药物目标和优化基于如何适应的分子。

现在,变化的因素是人工智能,机器的处方。这是一个现实的未来,你使用在网上工具来帮助增加科学家的决策在下一步做什么。

后机器增强的方法来定义,什么你现在决定如何做到。你会想要这些材料和主题他们身体化验,在体外化验等。然后利用工具来帮助开的过程使一个特定的材料。如果你听说过任何关于创新retrosynthetic反应分析和预测,这是一个领域的科学家今天将充分利用这些技术。这就意味着如果你有机器学习应用程序或人工智能应用程序开什么和如何使它,想必这一过程可以用电脑的速度非常快和其他因素。

瓶颈的措施是如何让事情并行和高吞吐量。下技术创新是高通量实验。你能够产生更多的材料比你可以在过去。从历史上看,你会工作在一个或少量的反应在一个时间,我们已经看到在今天的范式或者短期未来的模式,根据公司你在说什么,你现在可以使用自动化工具制作1500分子。经历的速度,传统的试错过程到达一个药物开发候选人更快如果你利用人工智能的组合设计、人工智能反应计划然后为高通量自动化工具和并行实验。

最后你会想要我称之为没有损失富达决策支持的接口。很多公司也投资于正,从设计到执行任务时,所有的数据生成离散单元操作的科学过程中能够数据整体的方式呈现给决策者。

科学家从我的角度来看这是什么意思是除了自己的化学知识和他们的生物学知识,他们的医药知识他们还需要能够处理大量的数据。他们工作的一部分转换从一个化学家几乎像一个数据科学家或工程师。

RM:这是否意味着今天的分析化学家将花更少的时间在通风柜,还是会期待花同样数量在通风橱,并在此基础上分析数据?

AA:将来我想说没有通风橱,我的意思是不要与你经典的东西形象化的通风橱反应烧瓶等,未来的范式,甚至当前范式是你走到机器人在通风橱或手套箱。你有效地提供机器指令的机器人去做你的工作,好吗?过渡是科学家们不再接触材料。你实际上是为机器提供指令在这组单元操作过程中执行。当然是不同的比你甚至会做三年前作为一个传统的化学家。你真的与机器人技术和数字软件接口。

RM:软件如何帮助化学家在这个新角色?

AA:系统之间的转录和翻译。当然,有大量的人类的努力。我们讨论这些数据工程需要目前能够转录信息从一个系统到另一个,如果我执行一个简单的例子反应一个自动化的反应堆系统我想说绝大多数分析执行的甲板上。反应甲板,我的意思是什么有一个机器人,机器人手臂,分配材料容器,容器将作为反应容器,这些反应容器受到不同的环境条件,如加热、搅拌或增压等。

在实验的结论,甚至你要执行某种形式的分析,确定如何反应。通常这意味着机器人将样本期间的实验或实验并创建分析样本。分析设备通常是分离的反应设备。

我需要确保我从分析实验产生的数据是通过样本来源相关我的反应实验。事实上现在的一个挑战是这些系统之间的接口。我们强烈主张是让软件做转录和翻译工作;做一个软件为你这么做。我们致力于帮助我们的客户界面反应设备和分析设备通过创建数字表示的样本来源,然后格式化这些数字表示,这样他们可以使用,例如,分析设备。

一个实际的例子是如果我采样一个96孔板的反应在实验结束时,反应中,我将样品放成96高效液相色谱瓶,然后我走过去,加载这些高效液相色谱瓶。我需要的标识符,将高效液相色谱瓶在96孔板的位置,这样我知道样本属于什么。

我们已经在我们的催化剂应用程序标识符反应板,我们这些标识符映射到样板,你可以加载到系统中。此外我们准备一个序列文件的样本,样本标识符的关系,占的地方。无论是评论字段或文件的名称或多种方式使协会。然后,我们要做的是一旦获得的数据,我们阅读,所以催化剂将读取样品标识符,使协会信息到适当的反应。

是什么,然后给一个软件经验,所有反应的信息,像什么试剂我添加和产品我做了什么,和我有关联的所有分析数据反应的信息。现在我能做的就是走到软件界面,所有的信息在一个地方。传统科学家将整个实验后要做的数据分析软件和数据的反应,使协会本身。这可能非常耗时的工作。我们减少,工作几乎为零。

RM:将软件进步意味着科学家不需要所有这些数据处理培训或只是将大量数据处理的方程的体力劳动吗?

AA:有两所学校的思想从我的角度来看。第一个是你建立紧密集成的单片系统。有些公司构建这些非常高端的平台完全独立应用程序集成。这些都是机器人平台加上软件,所有的紧密集成。而伟大,在这种模式,你会看到更少的数据工程,因为这些是巨石,他们不是模块化。

有一个结果;如果你正在进行的科学实验不适合这个平台,它不会支持的平台。我会给你一个例子来说明这一点。说你有一个需要压力水平的化学类型,平台不支持。现在你降级回做你会做传统的化学通风柜。你的平台不支持它。的实验,可以执行与整体平台是有限的。类比我想说的是,就像你有一个房子,和所有你想做的是移动沙发,但是你必须重建的房子。在这些例子中巨石,而他们是有效的目标范围,如果范围变更是非常困难的。

另一个趋势,我们看到的是模块化的自动化。如果你需要改变一个特定元素或一个单元操作的自动化的过程,有很多选择特定的单元。它的数据集成成为一种负担。

我们试着做的是提供一个集成的能力或改变不同的组件平台的使用软件和集成工具来减少创建巨石的风险在一个平台,让他们模块化先天的。你这样做有效的软件集成。你的数据集成。而不是做硬编码像构建软件,操作设备在铁板一块,我们有效地使用中存在的软件模块化组件以及它们之间提供指令列表。可以human-delivered指令列表或软件研发。这取决于模块化组件的应用程序编程接口和它可以接收和支持,等等。

重点是:我不认为你必须完全不理解数据模块化工程的必要性。我们当然希望减少人工转录系统之间的负担,但是我们将有利于自动化或非常方便和有效的机制,通过这种机制可以翻译信息,由于自动格式化数据。如果我们能重新格式化数据使用软件,它大大减少了负担一个科学家转录信息从一个系统到另一个地方。

RM:你有什么其他建议新化学家迅速进入一个领域,改变了过去五年?

AA:我想说你有经验在处理预测应用,当然,是一个重要的技能。第二件事是能够处理数据使用一些更现代的数据处理和分析工具也同样重要。最后,从我的角度来看,因为我们讨论的是高通量平行,我不禁觉得很好地理解统计是一项重要的技能。原因是,如果你获得高度可伸缩的反应设备,能够确保你进行一个有效的统计实验设计,这样你捕捉尽可能多的变量和最低的一组实验,这是一组非常重要的知识,因为如果你能并行执行1536年的经验,这可能是一个好主意来最大化你的信息量会从这1536实验。一个办法是利用数学统计实验设计。我认为这是一个重要的事情需要注意的。顺便说一下,很多人工智能和机器学习,很多这些统计数据,您可以得到两倍的好处不只是在你的实验设计也在你分析数据的方式。

安德鲁·安德森Ruairi J Mackenzie说,科学技术网络作家188金宝搏备用