ТОП-5 тенденций оцифровки и автоматизации лабораторий в 2019 году

ТОП-5 тенденций оцифровки и автоматизации лабораторий в 2019 году

В быстро меняющейся среде стремление к инновациям и эффективности приводит к оцифровке и автоматизации важных инструментов лабораторных практик. В настоящее время в Индустрии 4.0 (известной в научной сфере как четвертая промышленная революция) сейчас важнее, чем когда-либо, быстрое решение трудных задач в лаборатории.

Для проектов НИОКР и других научных исследований, которые требуют бесконечных итераций, задача обработки крупных элементов исследований становится значительно более сложной в управляемой вручную среде. Отсюда необходимость лабораторной оцифровки и автоматизации.

Лабораторная робототехника

Роботизированные процессы, которые автоматизируют повторяющуюся работу человека, уже внедрены для увеличения производительности в лабораториях. Есть много роботов, которые облегчают рабочий процесс в лаборатории, например используя робота для пипетирования, для выполнения простой задачи или заменяя весь процесс автоматизированными рабочими станциями, такими как Tecan Automated Workstation. Более того, антропоморфные роботизированные руки могут помочь ученому.

Такое оружие достаточно гибкое, чтобы выполнять хорошо зарекомендовавшие себя и проверенные процессы: вскрытие бутылки, встряхивание и декантация колбы. Стандартный формат Микротитровальной пластины Общества биомолекулярных наук помог в инновациях при обработке жидких образцов. Два пальцевых захвата и рукоятки позволяют быстро и надежно транспортировать четко определенные предметы.

Тем не менее значительная нехватка ловкости мешает многим системам. Роботы следующего поколения - это совместные роботы, ‘co-bots’. Такие роботы могут работать в непосредственной близости друг от друга. Они будут проводить испытания ученых из-за их способности воспринимать силу и световые барьеры, которые предотвращают столкновения.

Расширяя сотрудничество между роботами и экспертами, роль человека по изготовлению небольших партий или уникальных деталей мелкого ремесленного производства будет передана роботам, что позволит ученым сосредоточиться на более сложной лабораторной работе. Роботизированные системы были разработаны для изучения небольших задач и для самостоятельного выполнения этих задач.

Такие роботы запрограммированы на обнаружение проблем и устранение ошибок, помогая пользователям восстанавливаться и продолжать работу, устраняя необходимость для ученых кодировать инструкции.

Это может звучать как плохой случай, когда роботы берут на себя работу ученых, но в действительности это позволяет ученым быстрее делать выводы, высвобождая время на монотонные задачи.

Интеграция устройств

Интеграция лабораторных устройств может использоваться для связи отдельных лабораторных приборов с более крупной системой, заменяя архаичный механизм ручной обработки данных. Кроме того, устройства могут быть интегрированы для автоматизации рабочих процессов. Это можно сделать, создав заказ через менеджера по автоматизации с набором лабораторных устройств.

Это позволит выполнять тесты и получать результаты процессов. Например, система интеграции устройств Cubuslab сокращает время обработки за счет автоматизации рабочих процессов. Один разъем Cubuslab позволяет подключать до четырех устройств с цифровым интерфейсом данных. Каждый соединитель в системе связывается в двух направлениях с центральным сервером или облаком, где данные обрабатываются автоматически.

Такое подключенное к облаку оборудование может позволить сотрудникам лаборатории заранее планировать использование оборудования и эксперименты через свои компьютеры или смартфоны.

Интеграция может помочь автоматизировать: штрих-кодирование, устройства обработки жидкостей, системы управления лабораторной информацией (отслеживание, хранение и извлечение образцов), анализаторы образцов и высокопроизводительный скрининг и робототехника, но многие еще не осознают преимущества интеграции устройств.

Электронная лабораторная тетрадь (ELN)

По мере того, как научные исследования все больше фокусируются на анализе больших данных, становится обязательной важность цифровой платформы для сопоставления этой информации.

Научное сообщество преимущественно использует бумажные лабораторные тетради для хранения данных, что делает практически невозможным выполнение анализа больших данных.

Тем не менее существует растущая платформа ELN, которая нацелена на корень этой проблемы, переключаясь с бумажной на цифровую платформу для хранения экспериментальных данных.

У labfolder есть информативное Руководство по ELN, в котором освещаются преимущества ELN, а также приводится сравнение лучших ELN на рынке. В основе каждого исследования лежит лабораторная записная книжка, и этот ресурс также является одним из главных виновников проблем целостности данных. Лабораторные тетради должны идти в ногу с оцифровкой лабораторной среды.

ELNs стандартизируют процессы, позволяющие ученым записывать и извлекать результаты своих исследований в электронном виде, сохраняя при этом важнейшие требования к соответствию данных, такие как полный аудит и шифрование.

Большинство поставщиков ELN также ускоряют сотрудничество, позволяя нескольким ученым объединять свои исследования и обсуждать их в режиме реального времени. В сочетании с устройствами и интеграцией программного обеспечения (в основном через API).

ELN теперь движутся в направлении операционных систем для лаборатории, что позволяет управлять лабораторными приборами и хранилищами данных.

Облачное хранение

Спрос на облачные хранилища резко возрос за последнее десятилетие благодаря значительному повышению вычислительной мощности за счет все более крупных средств хранения данных.

Наряду с крупными исследовательскими проектами, небольшие лаборатории могут безопасно хранить свои данные, не имея собственного хранилища данных, и все это благодаря облачному хранилищу.

Облачные хранилища также важны для лабораторий, чтобы безопасно делиться своими данными с международными исследователями, поставщиками и инвесторами. Большая безопасность в облаке повысила доверие к ученым в отношении обмена данными.

Zenodo, финансируемый Европейской комиссией, предоставил надежный метод безопасного хранения больших наборов результатов исследований (до 50 ГБ на набор данных) в той же облачной инфраструктуре, что и данные исследований из Большого адронного коллайдера (LHC) CERN, с использованием непроницаемого программного обеспечения CERN для хранилищ, Invenio.

Invenio также используется для размещения портала открытых данных CERN. Это хранилище данных открытого доступа обеспечивает открытый доступ к реальным данным о событиях из экспериментов LHC в надежде стимулировать творческий потенциал внешних пользователей.

Большой анализ данных

Мы живем в мире «богатых данными - бедных информацией», где доступ к данным является легким, а доступ к оперативной информации - нет. Лаборатории производят важные данные, которые заблокированы в различных системах управления информацией. Это препятствует экономии времени в лаборатории. Особенно в отношении лабораторий тестирования качества, которые отдают приоритет эффективности и быстрому времени выполнения.

Аналитика больших данных может быть очень полезным инструментом. Novartis и Оксфордский университет совсем недавно начали сотрудничество, чтобы швейцарская фармацевтическая компания использовала Университетский институт больших данных (BDI) для исследования способов лечения воспалительных заболеваний, таких как рассеянный склероз и псориаз.

Их 5-летний альянс будет использовать анонимные данные 5 миллионов пациентов в рамках BDI, а также все анонимные данные клинических испытаний Novartis.

Обе группы будут объединять свои инновационные процессы в области информационных технологий и искусственного интеллекта для поиска шаблонов в данных изображения, геномика и клинические и биологические данные, которые не были бы найдены иначе.

Это партнерство является примером потенциальной выгоды анализа больших массивов данных для ускорения исследований по таким сложным темам, как воспалительные заболевания.

Заключение

Слияние программного и аппаратного обеспечения революционизирует научную индустрию. Научное сообщество отставало от быстрых достижений обрабатывающей промышленности (Индустрии 4.0) с точки зрения когнитивных вычислений, кибернетических систем и автоматизации.

По мере того, как взаимосвязанность лабораторных процессов, ИИ и ИТ возрастает, научное сообщество должно увидеть ускорение исследований в лаборатории. Как CERN сделал со своим порталом открытого доступа к данным LHC, научный мир может стать намного ближе к выводам, если другие последуют его примеру.

Автор статьи: Виктор Булавин