走向未来的实验室

在未来实验室随着自动化工具和人工智能驱动的机器人执行协议、收集和分析数据以及设计后续实验，研究人员将从手动、重复的实验任务中解脱出来，腾出时间让人类专注于解释结果的含义和解决更大的科学问题。

未来的实验室将会将一系列不同的技术结合在一起，所有这些都是数字连接和无缝集成的。这些创新将涉及研究周期的每一步，从管理实验室的科学产品和试剂供应链——处理样品、化学品和设备——到组织内部和组织之间的数据共享。

但是，在一些研究领域，实现这一愿景的时间尺度比其他研究领域要慢。在本文中，我们将探讨阻碍更广泛采用自动化和数字化的障碍，以及它们可能带来的机遇。

自动化学术实验室

任何在实验室工作过的人都会熟悉许多实验的重复性和手工性质，并且似乎有成熟的机会使用自动化来解放研究人员的时间。但是对于学术实验室来说，采用自动化可能是令人生畏的，成本过高，并且没有资金和影响评估的结构帮助。

“我认为，学术界和工业界对未来实验室的愿景是不同的，因为我们有不同的产出，”他说博士。伊恩荷兰他是一名工程师，从自动化行业转到爱丁堡大学(University of Edinburgh)一个专注于组织生物制造的实验室，并撰写了关于学术界“自动化差距”的文章。¹“学术实验室倾向于开展更广泛的工作，并且存在相当大的协议可变性，而行业使用标准化协议进行高度集中，重复的应用，这更适合自动化。学术实验室负担不起投资现成的技术，因为这些技术不能更灵活地满足他们的需求。因此，尽管人们对自动化带来的效率提高有兴趣，但学术实验室通往未来的道路并不明朗。”

然而，人们有一个共同的愿景，那就是科学家花更多的时间做科学研究，自动化完成手工任务。“让受过高等教育的人从事体力劳动是不好的，我认为这种情况在学术界太常见了。我希望看到更多的人工测试由机器完成，让科学家做更多的科学研究，”Holland说。

数字实验室自动化策略和过程映射

本电子书概述了如何规划和实施数字化监管实验室，重点关注您现在所处的位置和您想要到达的位置。下载这本电子书来发现h如何理解和绘制实验室的当前流程他提出了数字化的三大原则规划数字化战略的建议

看电子书

赞助内容

采用自动化的障碍

Holland说，学术研究经费的短期性质不适合投资于使实验室现代化的大规模技术，尽管投资于诸如机器人这样的主要基础设施将提高效率，但很难将其与研究论文产出的增加直接联系起来——这是衡量实验室成功的主要指标——这使得投资很难证明是合理的。

这是一个问题，也经历过罗斯·金教授几十年来，他一直在研究“机器人科学家”——半自主或完全自主的机器人，这些机器人可以将简单的科学研究形式自动化，从设定新的假设到自动设计和运行有效的实验来区分它们。这种未来主义的研究似乎使倾向于持保守观点的资助小组产生分歧，而现有的大学结构也不适合这项工作所需的协作性、跨学科性质。金说:“我认为它正在慢慢改变，我们在不同的领域得到了推动，特别是现在这些想法正在被制药行业采用。”

学术科学家面临的另一个挑战是技能差距，因为自动化和机器人技术需要理解数学模型、机器学习和工程，而这些专业知识并不是每个实验室都能轻易掌握的。尽管自动化带来了效率，但它也带来了新的挑战，比如如何管理大量数据。

这就是拥有正确的专业知识可以提供帮助的地方，因为Ola Spjuth教授来自瑞典乌普萨拉大学的博士解释说:“我们非常关注在实验室中尝试自动化整个基于细胞的筛选和分析方法，这会产生很多图像。这种规模的数据可能会吓到很多研究人员，但我们有管理大数据和使用高性能计算集群的背景，所以我们认为大量数据是有价值的。我们也不是典型的生命科学家，因为我们采用工程方法，拥有一个由实验学家、数据科学家和工程师组成的多学科团队。”

利用实验室软件提高科学体验

科学家需要能够专注于他们的关键工作，而不是被孤立的数据、手工流程和旧技术等挑战所负担。观看这个网络研讨会来发现n与实验室信息管理系统交互的几种方式，h如何从你的数据中获得更好的见解呢自动化流程和创建更直观的工作流的能力。

看网络研讨会

赞助内容

使用自动化和人工智能来提高效率和可重复性

Spjuth采取了他所谓的非常规策略来实现实验室的自动化，因为他们没有出去从供应商那里购买整个机器人装置，而是选择购买单个设备组件，并使用开源方法自己构建系统。“这比购买现成的东西更具挑战性，但我们可以完全控制协议中的所有步骤，我们想要一个可以一起成长和更新的研究环境。”

到目前为止，主要的效率提升并不是使用能够全天候工作的机器人所带来的产能增长。Spjuth说:“我们正在实现这一目标，但我们的系统仍然需要大量的人力支持，而且像细胞培养这样的步骤对于一个学术实验室来说太昂贵了，现在还无法完全自动化。”他说，主要的收获在于可重复性——每个实验都以完全相同的方式进行。

事实上，除了效率之外，可重复性似乎是自动化研究过程的主要驱动因素之一。金研究机器人科学家的目标之一是改进科学方法。罗斯说:“机器在某些方面已经比人类做得更好，因为它们所做的事情是记录在案的，明确而清晰。”“人类经常无意中对他们在实验中所做的事情粗心大意，科学的可重复性存在巨大问题，因为实验很容易受到人为错误的影响。就像电脑上的游戏多年来不断改进一样，我们认为在科学领域，机器将继续进步。最终，它们将和人类一样擅长科学，甚至可能更好。”

金已经开发了两个机器人科学家的原型，亚当和夏娃。亚当被设计用于在酵母中执行功能基因组学，为1996年测序的基因组分配功能。Eve专门从事早期药物设计，利用人工智能寻找治疗特定疾病的化合物。

“过去在工业中进行化合物筛选的方式是，你会做一个自动分析来告诉你一种化合物是否可能是好的，然后你会筛选一个大的化合物库——可能是100万种化合物——并找到少量的hit来推进。然后你会重新开始另一个实验和库，”金解释说。“但实际上，这是一个错失的机会，因为你在看电影的过程中学到了一些东西，你可以利用这些领悟来决定下一步该做什么。”通过使用定量结构-活性关系(QSAR)模型和积累的生物学知识，Eve被训练成只使用文库中一小部分化合物就能找到命中目标的药物，这加快了过程，并使其更具成本效益。

现在，金正致力于下一代机器人科学家的研发，名为“创世纪”诺贝尔图灵人工智能科学家的大挑战。面临的挑战是，到2050年，开发出能够自主做出诺贝尔奖级别科学发现的人工智能系统，其水平与最优秀的人类科学家相当，甚至可能更高。

Genesis是一个按比例放大的机器人科学家，拥有数千个微型化学调节器——微型生物反应器，不断向细胞中添加营养物质，不断去除代谢终产物。这将使“创世纪”号能够同时进行更复杂的实验。金说:“我们需要一个人工智能系统来计划如此多的实验，尤其是以假设为主导的实验，而不仅仅是改变一个组件，然后看看会发生什么。”“在这里，机器人说‘我认为改变Y会对这个模型做X’，然后它进行实验，看看假设是否成立。”

人工智能分析如何将LIMS数据转化为有价值的、可付诸行动的见解

使用数据科学算法，AI和ML快速处理结构化和非结构化LIMS数据，将其与外部企业数据集成，并为实验室管理人员和分析师提供有价值的见解和及时、有意义的建议。下载本白皮书，了解高级分析如何发挥作用增加你的研究和/或测试范围提高产品进入市场的速度和效率提高实验室盈利能力。

视图白皮书

赞助内容

向数字化实验室迈进

除了采用机器人解决方案来提高未来实验室的效率和可重复性外，许多研究人员正朝着数字化实验室的方向发展，从基于纸张的系统转向信息学解决方案，如实验室信息管理系统(LIMS)和电子笔记本(eln)。LIMS使研究人员能够有效地跟踪与样品、实验和仪器相关的数据，并积极管理实验室流程，而eln将笔记数字化，并可以自动化数据审查过程。世界卫生组织(卫生组织)关于良好记录和数据管理做法的指南建议混合系统——手动和电子系统的结合——应尽早被完全数字化的系统所取代。

采用诸如LIMS之类的信息学解决方案可以为实验室提供一些好处，包括帮助提高性能、最大限度地提高质量并确保满足合规性要求和法规。它们还可以删除工作流中重复的、费力的步骤，并减少人为错误。节省的时间可以增强科学家的能力，使他们能够专注于更复杂和更有意义的工作。

尽管提供了好处，但采用这些解决方案和数字化实验室的障碍仍然存在。订阅费、新设备和软件的成本，以及实施解决方案的时间，可能让许多实验室望而却步，尤其是学术界的实验室。“无障碍也是一个巨大的障碍。从硬件和软件的角度来看，许多学术实验室都没有为实验室信息的数字化捕获做好准备。”萨曼莎·坎扎博士南安普顿大学(University of Southampton)高级企业研究员表示188金宝搏备用之前。过时的设备和软件兼容性问题会进一步限制数字技术的采用。此外，“实验室对技术来说往往是一个充满敌意的地方，”坎扎说。使用笔记本电脑或平板电脑的空间可能有限，研究人员可能会担心泄漏和事故的发生。甚至连摘掉手套打笔记而不是记在笔记本上这样的事情都被认为是禁止的。

然而，技术的持续进步可能会减少这些障碍，并鼓励未来实验室更多地采用数字解决方案。

“就像智能家居在当今社会已经变得司空见惯一样，智能实验室也将如此。用户将能够使用智能实验室助手通过语音控制他们的实验室，所有实验室系统将无缝连接在一起，用户将有多种选择，如果他们愿意，可以通过语音、平板电脑、手机或电脑记录他们的数据。”Kanza设想道。

理解支持人工智能和机器学习的基本需求

人工智能(AI)和机器学习(ML)正在迅速进入许多组织的日常运营，数据工作正在全面展开。观看这个网络研讨会，了解wAI-ML是什么，以及它如何帮助你的组织如何为AI/ML和c创建有效的数据科学基础设施大声vs内部部署的考虑。

看网络研讨会

赞助内容

向未来的实验室迈出一小步

完全自主的机器人在实验室设计和进行实验可能还需要20年的时间，但对于学术实验室来说，开始迈向自动化的旅程永远不会太早，Holland说。“作为一名生物实验室的工程师，你可以看到利用技术改进流程的潜在机会。然而，我认为，在学术界，研究人员经常追求一台无所不能的神奇机器。但作为一名工程师，你永远不会这样开发自动化，你会构建原型来执行流程的每个部分。”

Holland主张从小处着手，通过自动化一些简单的东西，如流体分配，可以带来效率和可重复性的实质性收益。在组织生物制造实验室，仅仅是做了这个改变，就把一个程序从25分钟减少到5分钟，腾出时间来做其他任务。

尽早采用自动化的另一个好处是，它可以帮助研究人员将研究成果从实验室应用到临床。“你越早将自动化纳入你的流程，并开始考虑这一点，你就越有可能说服人们投资你的产品，因为他们可以看到，这很容易迅速扩大规模。”

在Spjuth的实验室里，他们希望与其他研究人员进行更多的合作，为实验室开发自己的机器人和自动化解决方案，共享协议和代码。“随着3D打印等技术的重大进步，以及人们现在共享这些和其他应用程序的代码，研究人员有可能独立完成更多工作。diy运动正在推进，这意味着你可以建造自己的微流控芯片和显微镜，随着机器人价格的下降，许多生物实验室有机会采用某种实验室自动化。”

然而，Holland指出，随着这一运动的推进，一个重要的考虑因素是可持续性。“自动化过程产生大量废物已经是一个真正的问题——例如，一台机器产生数百万个废移液管头。我认为在设计阶段需要更多地考虑这一点，无论是从环境的角度还是确保供应链能够满足需求。”

参考:

1.荷兰I，戴维斯JA。生命科学研究实验室自动化。前沿Bioeng biotechnology。2020; 8:571777。doi:10.3389 / fbioe.2020.571777