“未来实验室”在药物研发中的角色

相较于其他行业系统流程化的运作，制药业的实验室研究目前处在“小作坊”时代。绝大多数实验室仍通过科研人员不停重复、试错，进行药物研究。由于意识到其过程的低效性及极高的药物研发成本，制药公司及科技公司，正开始逐步探索、建立“未来实验室” (Lab of the Future，IoTF)，试图通过对相关信息整合汇总、以及实验技术革新来增强他们在药物研发上的速率，寻找潜在治疗靶点，明确药物研发最有效的路径。

一

 技术革新召唤实验室智能革命

随着技术进步，药物研究过程中的实验室研究阶段受到极大影响，机器人和自动化的集成彻底改变了程序，将繁琐的手动过程转变为自动液体处理系统。随着，微流体技术和芯片实验室技术的引入，以及对云计算，机器学习和人工智能（AI）的发展也都极大地影响了实验室的程序以及效率、实验可重复性。同时，实验室集成软件（LIMS）将实验室各个组件连接在一起，用于进行实验控制和数据收集。

在此基础上，未来的实验室通过软件帮助定义流程布局并在整个流程中集成数字数据管理，从而得到一个灵活，高效的实验室系统，达到比手动过程更快速地实验设置和结果验证。

二

机器人技术、云计算以及机器学习三位一体，影响实验室智能化

目前，机器人技术已经实现了工作场所的重大重组，通过他们已经能够处理数百甚至数千个样品，通过使用预编程和可定制的程序，需要有限的监督。这种自动化使研究人员能够将更多时间投入数据分析。同时，云计算为研究人员提供了轻松但安全的数据访问，多个研究小组可以实时访问数据，从而扩大全球的协作能力，使协作变得前所未有的轻松。这一变革，也将主要问题导向对更高效的数据处理系统的需求转化为机器学习和人工智能解决方案开发的激增。机器学习允许通过自学习算法更全面地查询非结构化数据和结构化数据。在尽可能多地访问数据基础上，通过将文本分析和机器学习纳入研究工作流程，从而使得数据审查变得更轻松。过去十年，实验室发展方面已经取得了一定的进步，进一步的技术进步必将使我们更接近全自动化的“未来智能实验室”。

图1  由麻省理工学院研究人员建造的自动化学合成器。化学物质流入垂直堆叠的盒子，用作化学反应器。这些可以由机器人手臂插入，重新排序或移除，以执行计算机设计的合成。（MIT照片）

三

智能实验室未来革新趋势

为更好了解LoTF未来趋势，必须了解目前LoTF所面临几个挑战：1.人工智能或机器学习都基于高质量数据，因此如何获得完整的数据用于LoTF的开发，并寻找到恰当的数据分析方式是打造LoTF首要问题。2.给予对于跨领域的需求，如何更好的搭建新的整合平台，也影响LoTF的后续发展。3.保证自动化技术更新迭代，将从根本上影响LoTF进程。4. 资金、与研究人员或用户建立良好的沟通体系、建构灵活的数据和流程管理系统也将不同程度对LoTF产生影响。为了应对以上挑战，以下两点将是LoTF未来发展趋势的重点所在：

3.1

建立良好协作网络，实现跨领域科技革新

目前，药物研发以及生命科学公司一直寻求优化实验室研究环境，建立LoTF。自动化实验室功能的技术（包括AI）将在这一现代化驱动中发挥重要作用。这也决定了生命科学行业必须通过和科技公司合作，以克服AI和其他自动化技术，以及大数据处理所带来的挑战。

除信息技术外，LoTF的建立还需要应对其他挑战，这也需要跨学科的更多团队合作。 例如，解决将暨有仪器集成到自动化实验室工作流程的问题需要所有利益相关方（包括生命科学公司，软件提供商和仪器制造商）的共同努力。 为了更好提供跨行业的知识共享，Pistoia联盟启动了人工智能和机器学习（AI / ML）的卓越中心（CoE）。 CoE向所有人开放，包括非会员，通过活动和进一步研究，将帮助研究人员了解AI和自动化如何增强他们的工作效率。

3.2

通过操作技术革新，夯实智能实验室基础

LoTF的自动化将从根本上影响科学家的日常工作。最切实的方法之一是直接针对实验室中物理工具和仪器的设计及使用进行革新，这包括引入机器人实现自动化实验。

目前，各大科技公司正努力针对机器人，研发更先进的用途，例如可以与用户“交谈”的“智能”机器，并建议如何正确处理设备或提供如何使用的说明一种工具。这将加速研究并确保实验的准确性，以及降低人为错误和提高安全性。

以亚马逊的Alexa和苹果的Siri为例，希望随着虚拟“助手”技术的进步，实验室的研究人员将能够直接与周围环境对话，以便在进行实验之前便得到相关实验信息。此前，南安普顿大学的学生，正式通过对这一技术赢得了皮斯托亚联盟总统的系列黑客竞赛。他们通过将化学安全库中的数据与亚马逊的Alexa进行整合，让研究人员能够通过与环境直接对话从而更高效的得到化学品相关安全数据。

此外，在药物研发过程中AI能在研究人员进入实验室之前就开始发挥作用，加速药物研发相关的初步研究。例如，AI平台能够通过自动搜索和“阅读”文献或在几秒钟内比较生物医学图像来加速数据检索，在进行工作之前对多个场景进行建模，科学家们也可以“更快地失败和重复” ，从而提高研发效率，让研究更具成本效益和准确性。

四

2019全球投资市场将如何应对LoTF？

2018年12月份，UCB宣布在其英国免疫学研究中心成功完成对新的尖端机器人实验室设备和专用技术的329万投资。 投资以自动化抗体发现平台为中心，由Farnborough机器人实验室专家公司Peak Analysis＆Automation Ltd（PAA）专门为UCB设计和制造。目前从全球来看，LoTF的建构主要集中欧美国家。并以欧洲为主（图2）。根据SmartLab分析，2019年IoTF的投资情况主要集中在以下12块内容上，并对其占比进行了进一步总结。为了更好打造IoTF，对于IoTF投资情况可以集中在对于实验室自动化的提升，实验室数据的标准化，以及不同系统之间的整合（图3）。

图2 IoTF全球版图情况

图3 SmartLab基于其调研结果，预计2019年IoTF投资方向将集中在以上12个板块

Reference：

1.SamrtLab（06.2018）. Survey Report: The Future of SmartLab Technologies

2.SamrtLab（12.2018）. Top 12 Investment Priorities for Smartlabs 2019

3.UCB (12.2018). Multimillion pound investment in UK life sciences research and development.

Bioeconomy将于近期发布biotech startup融资信息，敬请关注！

Bioeconomy

Bioeconomy, 专注于生物医药投资分析，团队主要由波士顿，悉尼，香港，伦敦等地区的科研人员和金融圈人士组成，目前与美东地区近10家biotech startup建立合作关系，欢迎关注Bioeconomy公众号和加入医疗投资群。

商业合作、投资请联系邮箱：[e-mail]

加入Bioeconomy小编团队和微信群请联系微信: crazyblack2010 (备注 姓名+单位)

扫码关注 

我的目标

1）海外生物医药人才的寻访

2）海外生物医药项目融资和引进

欢迎有兴趣的朋友和我合作，电话/微信：13564288425，[e-mail]

备注：微信好友已上限，但是是开放接受邀请的，添加我后可以给我留言！