帮助分析化学拥抱大数据

许多最近的进展研究旨在最大化我们可以产生的数据量。与数据处理存储的成本直线下降,为什么你不?但是谁都不想花了几个小时与未校准的移液管或吸量看《辛普森一家》会告诉你的所有29个系列,质量比数量更重要。这实现了在许多公司现在埋在一堆poorly-stored数据不能同步到其他数据竖井和占据许多tb的存储。在分析化学中,这些数据复杂性和价值超过日常电子表格、和工具匹配的复杂性将需要获得数据。

“如果你没有正确的数据然后下游几乎无法使用的任何人,包括你自己,做任何事情,你最初,”安德鲁·安德森说,创新和信息战略的副总裁多伦多分析软件供应商ACD /实验室。安德森指出,这需要正确性是目前公认的数据生命周期的开始和结束:“组织如美国食品和药物管理局要求制药公司和药品生产企业安全、有效和质量药物和他们供应的数据描述这些药物必须满足指南根据数据的完整性。有务实的动力从一开始和结束时。期望是什么如果你要把产品推向市场,受益的人?如果不是它应该是什么,真的可能会有严重的后果。”

安德森的观点是,数据的完整性是很重要的在研究管道的所有阶段,从设计到药物。这个观点已经成为重要的技术进步使数据从多个来源在较大的卷记录:“产业创新的趋势之一是利用我们称之为二级或三级价值,你会得到从数据。从历史上看,如果你看如何利用分析数据在行业中,问题和答案,输入和输出。人们已经认识到,通过数据可以推断出趋势,您可以应用培训和使用数据集,或类似的预测分析,机器学习等。如果我使用分析数据释放一种物质在药房设置或使用在商业环境中,公布的数据是用来给绿灯说,是的,你可以释放批处理的预期用途。如果你存储,数据正确的每批的被释放,你可以看看趋势,并推断出操作优化决策——我看到了任何趋势在一个网站不同于另一个质量如何,例如吗?”

与这些潜在的好处,令人惊讶的是分析化学已经慢于其他领域接受大数据技术,可用数据集算法常常达不到分析复杂的化学数据的任务。安德鲁的同事,和ACD /实验室的战略合作伙伴关系主任,格雷厄姆•里说的复杂性和体积数据简单地采用自动化技术的最大障碍:“你光光谱的波长范围,实验不仅表现了一定的采样频率,但在所有频率。需要时间—色谱跑可能需要半个小时。如果你获得的数据,整个半小时和你有一个质谱仪,可能有数千或数百万数据点。此外,您有多个维度的信息,你可以探测原子是如何连接到对方。人们想知道哪个山峰代表哪个原子或特性,和复杂性是一个关键的化学数据。我认为这是比其他更复杂的或复杂的数据,人们会选择存储在其他领域。”

安德鲁指出,实验室或企业进行大规模的化学分析最终可能会有一个令人难以置信的数据量:“如果我们想做大数据分析,我们每天生成一个tb的数据,和你会得到拍字节较快。能够做的类型分析我们要做的是努力如果你不减少数据量。”

这样的海量数据肯定听起来像一个很好的理由,以避免与全公司的数据系统改变,但是安德鲁坚信,即使采用大数据技术并不是一个容易的路走,另一个选择是糟糕得多:“我亲自熟悉处理农药在食品和饮料公司,不得不回应农药成为监管。他们花了18个月做风险评估的商业产品和原材料的供应链。如果你有大数据系统查询,一个简单的查询而不是他们所要做的,因为大数据系统不玩。他们必须收集样本,re-analyze从那里去。如果你要考虑采用大数据技术在分析化学中,考虑的价值主张就是他们合理的数据中心的投资。如果你建造这个房子,你师正确的方式,它将支付,就可以避免那些18个月的成本解决问题。”

而需要推进大数据技术看起来清晰,公司选择采用这些技术的方式却让人困惑。谁推动了以数据为中心的策略在一个公司吗?“不像任何个人部门会背负着这样的创新战略,必须有所有利益相关者在桌上,”安德鲁说。“你必须有一个共同计划从当前的战略功能集迁移到新的功能。所以,我不会把任何一个部门下枪,可以说,有责任建立这样的东西,它必须是一个部门的功能。”

现代信息的解决方案显然有可能改善整个行业如何对待他们的数据和结束过时的做法。同样明显的是,实现这些解决方案需要一个密集的,但是值得努力。安德鲁总结公司想提高前方的任务如何处理和分析数据:“如果有人能够挖掘数据,那么我认为这是伟大的但这是一个不确定的附加价值相比,他们在做什么。我认为这是很重要的认识到——数据的本质是组装和取舍有获得完整、准确的数据和使它有用。”