走向未来实验室

在未来的实验室在美国，研究人员将从手动、重复的实验任务中解放出来，因为自动化工具和人工智能驱动的机器人将执行协议、收集和分析数据并设计后续实验，从而为人类腾出时间专注于解释结果的含义并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，所有的数字连接和无缝集成。这些创新将涉及到研究周期的每一步，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)到在组织内部和跨组织共享数据。

但在某些研究领域，实现这一愿景的时间比其他领域要慢。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会。

自动化学术实验室

任何在实验室工作过的人都熟悉许多实验的重复性和手工性质，似乎有成熟的机会利用自动化来解放研究人员的时间。但对于学术实验室来说，采用自动化可能令人生畏，成本高昂，而且资金结构和影响评估也没有帮助。

“我认为，学术界和工业界对未来实验室的愿景不同，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)的一个专注于组织生物制造的实验室，并写过关于学术界“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，并且有相当大的协议可变性，而工业界则对高度集中、重复的应用使用标准化协议，这些应用更适合自动化。学术实验室无法承担投资于那些不能更灵活地满足他们需求的现成技术的费用。因此，尽管人们对自动化带来的效率提高有兴趣，但学术实验室未来的实验室之路不太清楚。”

不过，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，而自动化完成手工任务。“让受过高等教育的人从事体力劳动并不好，我认为这种情况在学术界发生得太多了。我希望看到更多的人工测试由机器完成，让科学家进行更多的科学研究。”霍兰德说。

数字实验室自动化策略与过程映射

这本电子书概述了如何规划和实施数字化监管实验室，重点关注您现在的位置和您想要达到的位置。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，t他提出了数字化和数字化的三个原则规划数字化战略的技巧

看电子书

赞助内容

采用自动化的障碍

Holland说，学术研究资金的短期性质不适合投资于大规模技术以实现实验室的现代化，尽管对机器人等主要基础设施的投资将提高效率，但很难直接将其与研究论文产出的增加联系起来——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，也经历了金罗斯教授几十年来，他一直在研究“机器人科学家”——半自主或完全自主的机器人，它们能自动完成简单形式的科学研究，从设定新假设到自动设计和运行有效的实验来区分各种假设。这种未来的研究类型似乎分裂了资助小组，他们倾向于采取保守的观点，而现有的大学结构并不适合所需工作的协作性和跨学科性质。金说:“我认为情况正在慢慢改变，我们在不同的领域得到了关注，尤其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，这些专业知识不是每个实验室都能轻易获得的。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帮助的地方Ola Spjuth教授来自瑞典乌普萨拉大学(Uppsala University)的博士解释说:“我们非常关注在实验室中尝试将我们整个基于细胞的筛选和分析方法自动化，这产生了大量的图像。这种规模的数据可能会吓到很多研究人员，但我们在管理大数据和使用高性能计算集群方面有背景，所以我们认为大量的数据是有价值的。我们也不是典型的生命科学家，因为我们采取工程方法，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。”

利用实验室软件增强科学体验

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一种与实验室信息管理系统交互的方法如何从你的数据中利用更好的见解，t自动化流程和创建更直观的工作流程的力量。

看网络研讨会

赞助内容

利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自动化，他们没有从供应商那里采购整个机器人装置，而是选择购买单个设备组件，并使用开源方法自行构建系统。“这比买现成的东西更具挑战性，但我们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预期产能增加。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学术实验室来说太昂贵了，目前还无法完全自动化。”他说，主要的好处在于可重复性——每个实验都以完全相同的方式进行。

事实上，除了效率，可重复性似乎是自动化研究过程的主要驱动力之一。金对机器人科学家的研究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被记录下来，明确而清晰。”“人类在实验中经常会无意中粗心大意，科学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。就像电脑游戏多年来不断进步一样，我们认为在科学领域，机器也会不断进步。最终，他们将在科学方面与人类一样优秀，甚至更好。”

金已经开发了两个机器人科学家原型，亚当和夏娃．亚当的设计目的是在酵母中进行功能基因组学，将功能分配给1996年测序的基因组。Eve擅长早期药物设计，利用人工智能寻找治疗特定疾病的化合物。

“过去在工业上进行化合物筛选的方式是，你会做一个自动化的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型化合物库——可能有100万种化合物——并找到少量的筛选结果。然后你会重新开始另一个化验和库，”King解释道。“但实际上，这是一个错失的机会，因为你在筛选过程中学到了一些东西，你可以利用这种洞察力来决定下一步该做什么。”通过使用定量结构-活性关系(QSAR)模型和积累生物学知识，Eve被训练成只使用库中一小部分化合物就能找到合适的化合物——加快了过程，使其更具成本效益。

现在，金正在研究机器人科学家的下一个迭代-称为创世纪-作为研究的一部分诺贝尔图灵人工智能科学家的大挑战．我们面临的挑战是，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。

创世纪是一个放大版的机器人科学家，拥有数千个微型化学调节器——微型生物反应器，其中营养物质不断被添加到细胞中，代谢最终产物不断被移除。这将使“创世纪”号能够并行进行更复杂的实验。金说:“我们需要一个人工智能系统来计划这么多实验，尤其是假设主导的实验，而不是仅仅改变一个组件，然后看看会发生什么。”“在这里，机器人会说，‘我认为改变Y会对这个模型产生X影响，然后它会进行实验，看看假设是否正确。”

人工智能分析如何将LIMS数据转化为有价值的、可采取行动的见解

AI和ML使用数据科学算法，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，为实验室经理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，了解高级分析如何实现增加你的研究和/或测试范围，I提高进入市场和交货的速度提高实验室的盈利能力。

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，许多研究人员正在向实验室数字化迈进，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，并积极地管理实验室流程，而eln则将笔记记录数字化，并可以自动化数据审查过程。世界卫生组织(世卫组织)关于良好记录和数据管理做法的指南推荐混合系统-人工和电子系统的结合-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几个好处，包括帮助提高性能、最大限度地提高质量和确保符合法规要求。它们还可以消除工作流程中重复、费力的步骤，并减少人为错误。节省下来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。

尽管有这些好处，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、新设备和软件的成本，以及实施解决方案的时间，对许多实验室来说都是令人望而却步的，尤其是在学术界。“无障碍也是一个巨大的障碍。无论是从硬件还是软件的角度来看，许多学术实验室都没有为实验室信息的数字化捕获而建立。”萨曼莎·坎扎博士南安普顿大学高级企业研究员说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，”Kanza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。甚至像摘掉手套打字而不是在笔记本上记笔记这样的事情也被视为禁忌。

然而，技术的不断进步很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。用户将能够通过智能实验室助手通过语音控制他们的实验室，所有的实验室系统将无缝连接在一起，用户可以通过语音、平板电脑、电话或电脑来记录他们的数据，如果他们愿意的话，”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来了解wAI-ML是什么，它如何帮助您的组织，h你可以为AI/ML和c创建有效的数据科学基础设施响亮的声音vs内部的考虑。

看网络研讨会

赞助内容

向未来实验室迈出一小步

霍兰德说，完全自主的机器人可能还需要20年才能在实验室里设计和进行实验，但对于学术实验室来说，开始他们的自动化之旅从来都不早。“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，研究人员往往追求一个无所不能的神奇机器。但作为工程师，这绝不是你开发自动化的方式，你要建立原型来执行过程的每个部分。”

霍兰德主张从小处着手，通过自动化一些简单的事情，比如液体分配，可以在效率和可重复性方面带来实质性的提高。在组织生物制造实验室，仅仅做了这样的改变，就将协议时间从25分钟减少到5分钟，从而为其他任务腾出了时间。

早期采用自动化的另一个优势是，它可以帮助研究人员将研究成果从实验室转化为临床研究。“你越早将自动化纳入流程并开始考虑这一点，你就越有机会说服人们投资你的产品，因为他们可以看到它很容易迅速扩大规模。”

在Spjuth的实验室，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，人们现在可以共享这些应用程序和其他应用程序的代码，研究人员可以更加独立地进行研究。diy运动正在发展，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，霍兰德指出，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存在一个现实问题，例如，一台机器产生数百万个废移液管尖端。我认为这需要更多的考虑，当然是在设计阶段，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.霍兰德I，戴维斯JA。生命科学研究实验室的自动化。Front Bioeng生物科技．2020; 8:571777。doi:10.3389 / fbioe.2020.571777