增强情报:“其他人工智能”,提供实验室未来的关键

在独家的这篇文章中,彼得博士起重机、企业战略经理Synthace,解释了为什么增强和辅助技术可以提高科学家和提供一个数据科学的未来生物制药的第一步。

像许多其他企业一样,生物制药公司已经开始试探性地投资到机等先进的分析和深度的学习。尽管如此,一些资深业内人士现在质疑如果我们准备好了这些技术,如果我们有数据需要真正利用的深度和广度。

的挑战来处理生物制药数据是复杂的

就像说的谷歌在2018年研究实验室环境,应用先进的分析需要的数据量更大的集合(更高的内容和上下文)。投资到专业的数据管理员“可能是一个短期的解决方案,但这种方法类似于治疗症状,而不是原因。这将变得特别明显的影响数据科学的增长,公司试图争论跨地域的数据,网站功能,云提供商、乐器、遗留服务器等。

在一个兼容的工作方式与数据科学很快就变得非常繁琐如果使用传统进行实验,并且经常手册,工作方式。数据通常是记录在一个主观的和观察的方式,从而导致错误和矛盾同时也为科学家被大量浪费时间。

而不是导致增加的负担孤立和机器learning-incompatible研究数据,研究人员应该能够工作的方式向前兼容数据科学家的设想未来的需要,以及鼓励采用公平原则。

启用这个的一个方法是专注努力采用基本信息工具,直接与他们的环境通过物联网等技术(物联网)或实验室自动化。当加上运动对统计的工作方式,如实验设计(DoE -本质上产生丰富的结构化数据),我们可以开始意识到先进的承诺效益分析在实验室环境。

科学家们应该在实验室数字转换的核心

在金融服务等行业,纯粹的数字工具正在变革的影响,如大型数据集被收集在均匀电子格式,自动解析和审讯之前运营或市场洞察力与机器人(如流程自动化(战)。在生物研究与开发(R&D)我们还经常处理异构湿实验室的实验。技术跨越了两个数字和实验室领域将成为越来越重要的在实验室提供的未来。

这些技术将从根本上实现角色类似于人类研究:收集数据,分析,然后使用这些知识来制定和运行进一步的实验。

然而,而不是简单地取代了研究员,为了迅速转化为实实在在的好处,我们应该关注技术,协助或增加生物制药企业的人力资本,使他们专注于增值创新任务。

计算机辅助的生物学家将新的研究先驱

技术让科学家在数字兼容的工作方式可以划分为辅助或增强智力,作为他们把科学家的核心数字转换,赋予他们非自治。

在湿的实验室中,一个技术,使科学家能够自动收集、组织、整理和注释的不同数据流可能被视为一个辅助技术。这些技术使研究人员专注于生产任务和提供好处,如提高吞吐量和降低成本。

当使用一个辅助技术,研究人员仍然在很大程度上完全控制。的自然发展这些技术是把这些辅助元素与更快、更聪明的反馈回路,从而走向增强智力。在本部分定义的闭环系统能够在实验设计空间,与专家的指导用户,使进程内实验实时变化的响应分析。这也被称为计算机辅助生物。

这场运动从手册,通过增加援助,最后可能自治完全闭环研发进行类比不同程度的自治车辆开始进入市场。

辅助自动化使科学家

一个基本的例子,行动的辅助技术证明了一个领先的技术咨询,通过使用一个数字从Synthace自动化和信息平台,能够减少运营商实践时间50%和81%的增加吞吐量的主要分析方法(qPCR)。如果通过物联网环境监测相结合,系统将使快速执行常见的实验室试验,与环境和历史样本跟踪上下文——完美的下游机器学习。供应商工作过程分析技术融入生物反应器,以及研发密集型公司致力于“闭环”自动化高含量筛查也可能接近增强智力,虽然只对离散的用例。

建立一个数字授权研发组织不会一蹴而就,不能交付通过雇佣一个筒仓的数据科学家或人员。而不是公司需要分解或防止文化的形成筒仓内部,牧师一个共同的语言,桥梁科学和计算。

要求在质量、数量和多样性高级分析所需的数据应该同意在整个组织。要实现这种转变,我们需要改变我们的行为方式生物研发。向的工作方式是建立在高含量的高通量捕获、更符合实际的数据,和这样做没有加重我们的团队我们需要技术解决方案。本文提出的方法的辅助和增强技术提供了一个实实在在的数据科学的未来生物制药的第一步。

关于作者:

彼得博士起重机企业战略经理吗Synthace。在Synthace他负责新市场探索/扩张和思想领导ab的未来。2018年,他与综合Synthace白皮书“计算机辅助生物:提供21世纪生物技术”。他有DPhil从牛津大学化学生物学和生命科学背景的风险投资。