介绍了实验室的未来

今天找一个研究实验室,你看到了什么?研究人员从数百件独立提取数据设备之前手动添加到电子表格(引入错误他们)。这些表格是跨越多个电脑,与研究人员努力清洁和分析。你可能会看到每个实验室研究员工作作为一个个体筒仓使用手写书,很少考虑可持续发展,实验室或能源效率或降低成本。70%的实验室工作人员的时间是浪费在管理任务,准备工作,发现并清理数据和报告。¹没有更好的方法科学?

在本文中,我们向您介绍未来的实验室,你应该期待什么和什么影响它对科学研究和产业。

W 帽子是未来的实验室吗?

未来的“实验室”这个词是一个集体的名称技术特性,使下一代的研究人员。让我们看看实验室将运行。

在实验室未来的数据收集将启用即插即用设备内的物联网实验室里半自治的过程。从分析和实验数据和元数据产生了将直接从仪器和人员到一个单一,生态系统管理数据,这将成为不可磨灭的记录和保持可用于进一步分析。

自动化和机器人技术将处理所有样本,化学品和设备。传感器将记录实验室活动,确保供应的试剂和样品,让科学家们在他们的专业领域工作,研究和增加价值。

的未来的实验室将集成虚拟和物理技术,可能在团队和跨组织之间共享,亲自和远程。

可视化工具,比如增强现实,将加强与数字信息的研究人员所看到的,比如安全规程和批处理数据。

供应链问题将预测和解决自动的机器学习模型和系统负责提供特定的结果来改善自己的表现,成为更有效率。

未来的实验室也会更多的考虑可持续发展,实验室和能源效率,用更少的有毒物质对环境负责的产品来源。

推动未来的实验室的技术

所以这一切是如何实现的,和需要什么技术,使之成为现实?

未来实验室的创新可分为七大组织:

1. 连通性、LIMS和民族解放军
2. 数据,云计算和网络安全
3. 物联网
4. 实验室设计和可持续性
5. 人工智能和机器学习
6. 自动化和机器人技术
7. 实验室衣物,增强现实和虚拟实验室

连通性、LIMS和民族解放军

数字转换开始整合到一个通用平台,允许访问所有可用的数据资产。 这包括实验仪器和操作数据。通过连接这些不同类型的数据,您将提高数据完整性和透明度,促进合规和优化生产力。

通过连接人、设备、耗材、系统和数据你让信息更容易获得,允许可靠、详细的搜索需求。研究人员和其他工作人员应该有信心在你的数据,这样,数据应该是高质量的,它应该是公平的²(可发现的、可互操作和可重用)。实验室信息管理系统(LIMS)和电子实验室笔记本(eln)在这方面是至关重要的。³

LIMS是一种软件住在一个服务器上实验室旨在提高生产力和效率与样品相关的跟踪数据,实验,实验室工作流程和工具。它是一个工具,它允许您积极地管理所有实验室流程从仪器维护和样本和耗材,减少人为错误,提高效率。⁴

一个民族解放军的一个软件收集和组织信息和注释,允许研究科学家记录研究,在实验室实验和程序进行,并收集、组织和无缝地共享他们的数据。⁵

作为一个例子,人体组织资源中心(HTRC)芝加哥大学病理学系采用了LIMS的解决方案,集成了一个接口为一个可伸缩的设计生产环境。它收集和跟踪生物数据,如病人信息、诊断、器官的网站和相关病理报告。

数据,云计算和网络安全

前沿的研究人员现在更依赖LIMS eln节省时间和精力。

直到最近,LIMS可以是非常昂贵的选择;使用服务器专家和技术人员可以消耗资源,和LIMS只有真正最大的公司的一个可行的解决方案。

现在有云LIMS,这样做是为了你——一个提供者所有主机外部。没有前期成本,没有技术人员使用,安全性和法规遵从性是建立在作为标准。

通过基于云的解决方案,不过,风险增加,如网络漏洞。关键是实验室不受网络攻击数据仍然是安全的,同时使用兼容和透明授权利益相关者。这种意识已经为许多云提供商安全极为重要。

的迈阿密项目治愈瘫痪是一个开创性的脊髓损伤研究中心实验室运行的迈阿密大学。虽然他们的实验室是相对较小的,20 +研究科学家执行高含量筛选基因和化合物的探索使神经细胞生长的更好的方法,和他们产生的数据量是压倒一切的。

他们首先从纸质系统转变为自托管LIMS的解决方案,然后基于云的LIMS的解决方案。

“现在自动升级,迈阿密项目仍在前沿。对于一个小实验室,这是一个巨大的优势”万斯雷蒙说,神经外科教授实验室。⁶

在数字实验室,提高仪器关联由于物联网(物联网)。这允许更有效地收集数据,使得制药和生命科学公司来控制产品质量,优化资产性能实验室,实验室工作流程和研究吞吐量加速度并最终改善患者的结果。

物联网是指智能设备的集成在实验室环境通过网络传感器或软件。负担得起的可用性和连接技术是让实验室优化操作和仪器和数据更有效地结合起来。⁷这不可避免地会产生大量的数据(体积)来自不同来源(各种)尽可能接近实时(速度)。这些“三对大数据”的能力,海啸的数据转换成可操作的结果是理解的关键(大)数据管理的挑战。⁸

实验室设计和可持续性

未来的实验室设计更加开放联合办公区域的压力,促进协作和团队合作,而不是孤立的传统文化小组和部门。 因此,实验室的设计和可用性需要改进,以满足新一代的数字实验室的科学家。

此外,可持续发展是另一个生命科学产业的当务之急。实验室能够减少暴露于危险,减少浪费,提高实验室效率并降低成本通过使用节能仪器、设备制造和采购环保产品,使用更少的有毒物质。

例如,现在很多实验室都使用低能量比传统照明,LED灯泡,而甚至是切换到无汞显微镜。

意识到某些化学物质,像福尔马林,酒精和二甲苯可以回收,蒸馏或过滤可以帮助制定一个策略来防止化学废物实验室的废物流的一部分,还可以降低成本。

一个非营利组织介绍了标号方案厂商中立的环境影响因素-行为(问责制、一致性和透明度)——我们看到类似于食品营养标签计划在我们的超市货架上。行动计划旨在提供信息制造业的环境影响,使用和处置的产品及其包装,使其更容易选择安全、可持续的产品在实验室里。⁹

人工智能和机器学习

激增的数据在过去的十年中也需要相应增加计算能力和人工智能的发展(AI)和机器学习(ML)训练算法。

一旦你的数据和工作流自动化和优化,您将能够使用这些先进的分析方法可行的见解,使你聪明,data-informed业务决策。

有两个主要的人工智能模式;预测和基于目标。

在预测模式下,人工智能可以用来预测,例如,当问题可能出现在供应链管理和自动实现的解决方案。

在基于目标模式下,你可以指示一个智能系统的迭代学习你想要的结果,并允许它如何实现这一结果。这是特别重要的领域的机器人技术,但也可以让人工智能选择最优下一步做实验。最近,例如,一个英国公司可以说是解决生物学面临的最大挑战之一几十年来——“蛋白质折叠问题”——使用一个人工智能系统称为AlphaFold预测和确定蛋白质的结构和形状。¹⁰

自动化和机器人技术

毫无疑问,未来的实验室将与高效的数据管道,但是自动化实验室通过确保仪器和软件实现协同交互最大化生产力,提高了再现性,减少处理错误。增加使用机器人和自动化程度的自主车的数量减少非生产性任务需要的科学家。

实验室自动化通常是根据仪器集成的程度:¹¹

• 没有自动化(独立的机器)
• 部分实验室自动化(乐器相互连接和部分结合分析工作站)
• 全实验室自动化(TLA),大多数工具执行不同类型的测试物理集成模块化系统或通过组装线连接

现在许多实验室结合高级分析与自动化和机器人更快和更集中的科学发现。例如,实验室可以使用机器人和自动化系统来生成高质量的数据,由毫升解释和利用人工智能下最优实验进行选择。¹²同样,研发实验室在这些相同的使用人工智能算法和自动化闭环方法识别、合成和验证新的分子。例如,使用毫升方法和基因表达数据,分子医学中心的研究人员在奥斯陆,挪威、发现新生物标志物和潜在的药物靶点罕见的软组织肉瘤。¹³

实验室衣物,增强现实和虚拟实验室

等行业生产、建设和监控食品加工在积极寻找解决方案,参与和管理他们的劳动力在实时的规模,和现代实验室也在做着同样的事情。在这种情况下,智能这套可由人工智能提供见解对劳动力生产效率和安全,使管理更有效率和更有效。^14,15

虚拟现实(VR)是获得认可的实验室,有前途的项目,如使用VR耳机导航显微镜数据,开展colocalization分析。¹⁶

从虚拟现实正在增强现实(AR),目前扩大游戏世界,进入实验室。不像虚拟现实,基于“增大化现实”技术的不从现实世界脱节的人,而是增强了它通过添加额外的信息。

基于“增大化现实”技术可以用来帮助生命科学研究、培训、国际合作和法规遵从性。

基于“增大化现实”技术,培训师可以远程监控人员,看到和听到他们的环境和提供建议。研究实验室可以建立自己的培训计划,将基于“增大化现实”技术和人工智能简化新人员的感应过程并确保遵守标准操作程序。

最伟大的价值观之一,基于“增大化现实”技术可以使研究实验室是能够捕获实时质量控制数据,允许研究人员当场做决定维护质量。

AR工具也可以协助合规提供了交互式的协议,自动记录数据,包括时间戳的所有任务,甚至监控人员的行动,只开启后续步骤一次正确地执行每一项任务。

作为联合国工业发展组织(森)努力促进产业和现代智能技术,2020年,他们建立了一个虚拟的加纳政府评估的食品和药物管理局(FDA)化妆品实验室在阿克拉。¹⁷

他们使用了基于“增大化现实”技术,使一个国际专家实验室分析,基于在罗马,交换视频、音频和数据,提供技术支持和评估基础设施,设备,和人类能力的实验室在阿克拉。美国食品药品监督管理局化妆品实验室的分析师能够接收指令直接从国际专家和执行所需的任务。

联合国工业发展组织的项目管理团队在维也纳,奥地利,也参加了现场会议,进行虚拟访问专家小组得出的结论是,美国食品药品监督管理局化妆品实验室准备接收支持UNIDO在其认证过程。

组织进行数字转换将经验和吞吐量的优化流程,质量控制和合规与相应增加。¹⁸

数字化实验室将更加自动化,因此将包含更少的科学家。在实验室工作的人的一套技能将因此其操作的关键。研究人员仍将经历更加开放、联合办公空间的合作和团队精神。

增加关注物联网等技术和数据标准和公平将确保数据隐私和安全仍然是最重要的在确保实验室的数字资产,和更加重视环保的产品将使更可持续,高效和划算的实验室。

最后,新技术继续适应和出现。只有10年前,ML,基于“增大化现实”技术和语音识别技术正处于胚胎阶段的发展,虽然他们仍处于初级阶段,公用事业继续发展以惊人的速度发展。是愚蠢的尝试预测他们将如何使用十年以后,或预测新的、尚未前所未闻的技术将会出现。

虽然未来可能很难预测,可以说是未来的实验室,同时继续发展,是一个令人兴奋的一个。

引用

1。罗宾逊,大肠研究第四次工业革命是什么意思?//www.dile1000.com/informatics/blog/what - - -第四次工业革命是否意味着- - - - - - -研究- 348411。5月4日,2021年出版。

2。威尔金森M, Dumontier M, Aalbersberg我,等。科学数据管理的公平的指导原则和管理。科学数据。2016;3:160018。https://doi.org/10.1038/sdata.2016.18

3所示。麦肯齐,r . ELN (LIMS、cd、莱斯:有什么区别吗?//www.dile1000.com/informatics/articles/eln lims - cds - les -什么区别- 313834。1月11日,2019年出版。

4所示。麦肯齐,r . LIMS的最新进展是什么?//www.dile1000.com/informatics/infographics/what——————最新进展- lims - 351926。10月27日,2021年出版

5。麦肯齐,r . 5的方式使用一个民族解放军可以改善你的研究。//www.dile1000.com/informatics/lists/5 -方式-,-使用-一个民族解放军可以改善——你-研究- 324704。10月4日,2019年出版

6。雷蒙V, Buchser W, Crossett d集成信息和高含量筛选找到治愈脊髓损伤:选择一个LIMS CNS再生。美国实验室。2010;42。24 - +。

7所示。吉尔JM。物联网在生命科学实验室。sla工艺:将生命科学创新。2018;23 (5):405 - 406。doi: 10.1177 / 2472630318793101

8。Gandomi,海德尔m .除了炒作:大数据的概念,方法和分析。国际信息管理杂志》上。2015;35 (2):137 - 144,ISSN 0268 - 4012,https://doi.org/10.1016/j.ijinfomgt.2014.10.007

9。管家,k为实验室的器具Eco-nutrition标签可以让科学更环保的地方。//www.dile1000.com/applied sciences/articles/eco -营养标签- -实验室的器具——可能使-科学- - - -绿色- - -是- 335504。6月1日,2020年出版。

10。坎贝尔,m .人工智能裂缝蛋白质生物学的一个50岁的问题。//www.dile1000.com/proteomics/news/artificial -情报-裂缝- a - 50岁- - -蛋白质生物学- 343427题。11月30日,2020年出版。

11。Evangelopoulos AA, Dalamaga M, Panoutsopoulos K,迪玛K .术语和基本概念在临床实验室自动化设置:一个实际的术语表。中国实验室。2013;59:1197 - 214。https://doi.org/10.7754/clin.lab.2013.130140

12。Faron ML,巴肯BW, Relich射频,克拉克J, Ledeboer NA。评估WASPLab隔离软件自动分析使用常规血液和尿液文化MacConkey琼脂。中国Microbiol。2020;58:e01683-19。https://doi.org/10.1128/JCM.01683-19

13。范IJzendoorn文章,Szuhai K, Briaire-De Bruijn IH,等。机器学习基因表达数据的分析揭示了小说的诊断和预后的生物标记和标识为软组织肉瘤的治疗目标。公共科学图书馆第一版杂志。2019;15:-。https://doi.org/10.1371/journal.pcbi.1006826

14。认真的年代,真正的,加尔萨E等。可穿戴技术改进在建筑工地安全和健康。疾病控制和预防中心。https://blogs.cdc.gov/niosh-science-blog/2019/11/18/wearables-construction/。发表2019年11月18日。

15。霍华德·J Murashov V,尾E, Snawder J。先进的传感器技术和未来的工作。疾病控制和预防中心。https://blogs.cdc.gov/niosh-science-blog/2021/10/21/sensors-fow/。发表2021年10月21日。

16。Theart RP,厕所B, Niesler TR。虚拟现实技术辅助显微镜数据可视化和colocalization分析。BMC生物信息学2017;18日,64年。https://doi.org/10.1186/s12859 - 016 - 1446 - 2

17所示。戴维拉,摩根大通。“智能眼镜”如何支持测试实验室。https://www.unido.org/news/how-smart-glasses-can-support-testing-laboratories

18岁。泰勒K,佩恩Ronte H, S。一个大胆的未来生命科学监管2025年预测。2018年。2021年10月20日通过。https://www2.deloitte.com/content/dam/deloitte/global/documents/life科学-健康- care/gx生命科学-管理-预测- 2025. - pdf