Arctoris有限公司最近公布了其最新的先进设施——该公司下一代全自动药物发现平台的所在地。我有幸亲眼目睹了这个平台，并有幸与Arctoris的两位联合创始人Martin-Immanuel Bittner MD DPhil和Tom Fleming MChem进行了交谈。
Martin和Tom讨论了药物发现的演变，该领域工作人员面临的挑战，并分享了人工智能、机器学习和机器人技术如何影响药物的发现和临床成功。
Laura Lansdowne (LL):是什么让你创立了Arctoris?你能详细说明一下公司的使命和目标吗?
马丁-伊曼纽尔·比特纳(MIB):在牛津读博士期间，我萌生了改变药物发现研究方式的想法。我曾在德国做过临床医生，实验室里的生活让我相当惊讶。博士生、博士后甚至教授面临的主要挑战之一是实践方面的挑战，而不是专注于新假设或确定新的治疗方法的智力挑战:需要花费大量的时间，每天七八个小时，以相当重复、耗时的方式手动移液少量液体。几十年来，生命科学实验的进行方式没有根本改变，解决这个问题可以让研究人员有时间专注于科学发现的其他方面——无论是阅读文献还是更多地了解分子途径。
在阅读了更多关于药物发现及其挑战的文章后，我清楚地认识到，手工实验室技术产生的数据质量缺陷是科学进步的障碍。独立的第三方，如制药公司的内部团队，试图在著名期刊上复制研究结果，只有10-20%的案例成功。
由于失败率很高，药物发现的成功几率很低，成本不断上升，生物技术公司、制药公司和学术中心无法继续依赖不一致的、低效的人工实验方法。
因此，在我们的博士研究期间，我们和我的两位合伙人认为这种传统的实验室研究方式已经成熟，可以被颠覆，并且有潜力利用自动化和机器人的好处，并利用它们为生命科学社区带来更大的可重复性、标准化、吞吐量和速度。
汤姆·弗莱明(TF):那么，对于药物的发现，想象一下，如果你可以依赖90%的结果，而不是对90%的结果持怀疑态度，它会变得多么有效。人们对高质量数据的渴望没有得到满足——这两种情况都发生在小公司身上而且大型制药公司正在经历这种情况。历史上收集的数据在价值和可靠性方面是不确定的，这是我们的合作伙伴和客户正在意识到的——他们需要走出去，寻找新的、更好的数据生成方式。
无论生物技术或制药公司的收入或规模如何，药物研发团队都发现，他们的数据库通常是非结构化和不可靠的。
随着机器学习和人工智能(AI)的爆炸式发展，以及为这些方法提供数据的需求，高质量数据的重要性变得越来越大。
今天李华学到了两个常用语。
MIB:从临床的角度来看，我们现在看到的是一个巨大的趋势个性化医疗还有靶向治疗。药物研发界正在努力开发新的药物，而不是基于“一刀切”的方法——一百万病人用一种药。事实上，情况完全相反——理想情况下，100万种不同的药物，每个患者一种。这包括更深入地描述疾病特征，找到真正有益于某个患者或特定的、定义明确的患者群体的药物。
目前的药物发现方法——目前仅仅开发一种新药就需要花费20 - 30亿英镑——是完全不可持续的。
TF:最近，人工智能和机器学习在药物研发领域出现爆炸式增长，与此同时，以药物研发为宗旨的初创企业数量也出现了爆炸式增长。
这个非常年轻的新领域正在意识到高质量的实验和现实数据的价值，以验证和开发他们的计算模型。
他们经常使用现有的开放访问数据存储库来挖掘数据并训练模型——但这是有限制的。为了更进一步，他们开始转向Arctoris，因为我们的全自动平台可以“插入”到他们的生态系统中，为他们生成新的、高质量的数据。最终，我们看到我们可以帮助人工智能和机器学习驱动的公司从单纯的提供软件即服务转变为独立的、高度创新的生物技术公司。
lh:自动化和人工智能的进步对现代药物研发实验室的建立有什么影响?
TF:所以，自动化是非常流行的，但事实上，它已经存在了几十年。通常情况下，它只应用于药物发现的第一步，大型制药公司会进行高通量筛选——针对单个目标测试数百万个药物分子。他们将产生大量的数据，但最终只是冰山一角——缺少关键的数据洞察，不能完全支持决策。
除此之外，这些“命中”的后续操作将使用手动设置执行。然后，它们将受到人工实验室技术的影响——这就是自动化的程度。因此，作为药物发现的第一步的一部分，一致性、精确性和成本效益尚未作为后续阶段的一部分实现。
在Arctoris，我们将自动化的价值进一步延伸到药物发现管道，一直延伸到顶峰阶段——分子开发、hit-to-lead、先导优化和候选选择。我们正在为生物技术公司、制药公司和学术中心的更广泛的药物发现团队带来一致性、标准化、数字化和可重复性。
另一点要提到的是，自动化存在巨大的技术障碍和成本障碍。从历史上看，这限制了大多数生物技术初创企业或学术实验室使用它。
Arctoris的方法是试图打破这些成本障碍，让任何生物技术初创企业都能产生并获得有价值的药物发现见解，只需点击一个按钮，而不需要数百万英镑的投资。
你的专长是细胞实验和生物化学实验的自动化，你能介绍一下你的实验能力吗?你是如何支持药物发现过程的多个阶段的?
TF:我们开发并运营了一个基于细胞的分子生物学和生物化学平台，该平台已经提供了药物发现所需的广泛的最常见类型的实验，包括细胞成像、PCR、效价测量和动力学分析。我们的目标是最终能够提供全面的所有来自药物发现研究的这三个组成领域的相关分析-这是我们持续增长和扩张的重点。总之，我们使研究人员能够获得关于候选药物的更丰富的数据集，以便我们的客户和合作伙伴能够在药物发现过程的早期做出更好的决策。
为什么全球药物研发团队要考虑与那些把自动化、机器人和人工智能作为实验核心的专家合作呢?
MIB:我认为这个问题有两个非常重要的因素。
例如，现在，一个大型制药公司可能有10个、20个、30个不同的地点，与科学家一起工作，这是很常见的略不同的试剂,略不同的化验,略不同的方法，这意味着生成的任何数据都不容易比较，因为它不是标准化的。
然而，一位波士顿的科学家今天使用我们的平台订购了一项实验，而在伦敦的另一个地点订购了相同实验一年后会得到相同结果，因为它是在完全相同的条件下，用相同的方法，以高度结构化和标准化的方式进行的。
最终，如果数据不能被合并，它就不能用于机器学习应用程序。随着机器学习提供的独特机会越来越受到重视，这一点在药物研发行业越来越受到关注。
但是在机器学习社区中有一种说法:“垃圾输入，垃圾输出”——简单地说，任何模型都只能和输入数据一样好，这是至关重要的。我们的平台为研究人员提供了以高效和富有成效的方式使用机器学习的机会，因为输入数据实际上是高质量的。
今天李华学到了两个常用语。一个是全自动机器人实验室，专门用于药物研发。
MIB:建立公司的第一步是研发(R&D)，我们很快意识到实验室自动化的一般原理，即一个实验要运行一百万次，远远小于我们想要建立的。相反，我们想要建立一个实验室，能够在一个集成系统上为几十个不同的客户运行几十个不同的实验。因此，我们与世界顶级的机器人控制软件专家合作，开发了我们自己的机器人系统，软件功能可以支持我们所需的更大的灵活性和模块化。
基于我们早期的研发工作，我们建立了我们的第一个原型设施。这个原型展示了我们所有的能力，我们能够验证我们的平台技术。在这个原型的基础上，我们现在已经进入了你们今天看到的设施——世界上第一个全自动机器人实验室——它将这些经过验证的专有技术应用于广泛的分析，包括基于细胞的、生物化学和分子生物学。
我们已经从研发到原型，再到生产级设施，现在支持世界各地的药物研发团队。
今天李华学到了两个常用语:lab of The future。我们离实现未来实验室还有多远?或者你认为我们已经做到了吗?
MIB:“未来实验室”这个词可以有很多不同的含义;例如，用电子实验室笔记本或创新设备帮助科学家更准确地收集和报告数据。
为了使“未来实验室”更上一层楼，我们正在建设一个实验室，让世界上的每一位科学家，无论他们身在何处，都能使用最先进的设备和尖端的方法。
你可以是波士顿或旧金山高级生命科学中心的知名教授，也可以是资源有限的早期职业研究人员;现在你成功发现药物的机会很大程度上受此影响。从我们与撒哈拉以南非洲或东南亚科学家的谈话中，我们知道实验室基础设施的使用往往是有限的。Arctoris的团队现在已经建立了一个平台，希望能够通过提供这种访问来平衡药物发现的竞争环境。
TF:我认为未来实验室这个词的存在，是因为科学家们已经意识到，在其他行业——云技术、计算技术、物联网、互联系统——应用正在发生的进步是一个巨大的机会。
有很多好处还没有进入实验室，这就是我们想要实现的。
其中一个主要的好处是科学的民主化。目前大约75%的生命科学研究来自5个国家——通常是最富有的国家——由于研发成本过高。我们对未来的愿景是，药物发现的突破和生物技术公司将在世界各地涌现，因为这只需要几个聪明人、一个想法和推动它前进的热情。我们希望能做到这一点。
Arctoris的联合创始人Martin-Immanuel Bittner博士和Tom Fleming MChem与技术网络的高级科学作家Laura Elizabeth Lansdowne进行了交谈。188金宝搏备用
