Sobota, 26 listopada 2022

Najważniejsze informacje z SLAS Sample Management Symposium 2019 r.

6 października 2022

Towarzystwo Automatyzacji Laboratoriów i Badań Przesiewowych (SLAS) zorganizowało niedawno drugie Sympozjum Zarządzania Próbkami w Bostonie, MA. Byłem tam w imieniu GA International, aby przedstawić niektóre z najważniejszych wydarzeń z SLAS i nowe trendy w zarządzaniu próbkami wdrażane w firmach biotechnologicznych i farmaceutycznych w całej Ameryce Północnej.

Uczenie maszynowe

Dr Juan Alvarez rozpoczął środową sesję jako główny wykładowca sympozjum, mówiąc o tym, jak pomógł wdrożyć technologię uczenia maszynowego (ML) w firmie Merck. Opisując ML, podzbiór sztucznej inteligencji (AI), zauważył, że ML przypomina maszynę, która wymaga danych wejściowych, przetwarza je, a następnie dostarcza określone dane wyjściowe, podejmując decyzje na podstawie szerokości, głębokości, jednolitości, istotności i spójności danych. Podkreślił, że inne rzeczy potrzebne do funkcjonalnego systemu ML to featurization (fingerprints, SMILES, itp.), metoda wykonywania ML oraz dokładna interpretacja wyników, które generuje w celu oceny ich ważności. W firmie Merck określił, że obecnie ML jest wykorzystywany do wielu funkcji, takich jak projektowanie bibliotek chemicznych, screening, identyfikacja leadów, testowanie testów do selekcji leków, synteza leków i ocena biokatalizatorów.

Jedna z fascynujących części jego wykładu dotyczyła wykorzystania ML do identyfikacji tropów dla nowych celów, gdzie nie ma wcześniejszych informacji o potencjalnych ligandach chemicznych. Ogólnie rzecz biorąc, znalezienie nowych tropów przy użyciu ML jest stosunkowo proste dla dobrze scharakteryzowanych celów, które mają jeden lub wiele leków, które mogą być użyte do trenowania systemu w celu identyfikacji innych podobnych związków. Aby wykorzystać ML dla nowych celów, zbudowano modele wykorzystujące związki chemiczne, które oddziałują na blisko spokrewnione cele, aby przewidzieć ich zdolność do wiązania celu zainteresowania. System ten zawiera również nieskuteczne związki dla blisko spokrewnionych celów, które są wykorzystywane jako kontrole.

Dr Alvarez zauważył również, że wiązanie z celem nie zawsze identyfikuje funkcjonalne tropy, ponieważ do 80% wszystkich badanych związków, które wiążą się z celem, niekoniecznie są funkcjonalne. Na koniec podziękował wszystkim, którzy kiedykolwiek opublikowali dane, w tym wszystkim, którzy kiedykolwiek pracowali w firmie Merck, ponieważ ich systemy ML są szkolone przy użyciu wszystkich danych zebranych przez lata.

Zminiaturyzowane systemy zautomatyzowane

Jeffrey Gross, dyrektor w GlaxoSmithKline, został zaproszony do opowiedzenia o swoich badaniach nad zminiaturyzowanymi modelami do badań przesiewowych. Wspomniał o potrzebie miniaturowych modeli ze względu na wysoki wskaźnik niepowodzeń leków ocenianych przedklinicznie w badaniach na ludziach. Ostatecznie, laboratoria potrzebują modeli komórkowych bardziej zbliżonych do ludzkich, a ponieważ modele te są stosunkowo drogie, jedynym sposobem na wiarygodne przesiewanie związków jest zminiaturyzowanie testów, a więc użycie mniejszej ilości komórek i odczynników.

Po pierwsze, opisał platformę nanowelkową do dostarczania komórek, która wykorzystuje chipy składające się z tysięcy studzienek, z dwuetapowym procesem ładowania, w którym mała liczba komórek (~1-10) jest dostarczana do chipa ładującego. Następnie chip ładujący jest odwracany do góry nogami w pobliżu chipa testowego, który pobiera komórki. Podczas gdy wspomniał, że biologia komórek była spójna przy użyciu tego modelu, jest on z natury trudny do załadowania małymi molekułami.

Następnie opisał szkiełka Aquarray, które są podobne do nanochipów, ale nie wykorzystują studzienek. Zamiast tego wykorzystują one powłokę, która pozwala komórkom gromadzić się w małych sekcjach płytki. Dostępne są płytki o różnych rozmiarach, a związki mogą być dodawane do każdego "dołka" za pomocą nieskończenie małych kropli o objętości około 2,5 nl. Dr Gross wspomniał, że badanie jest powtarzalne przy całkowitej objętości 100 nl i że biologia komórek pozostaje spójna, jednak przepływ pracy z użyciem tych płytek jest trudny, ponieważ konieczne są komory wilgotne na szalkach Petriego, aby zapobiec parowaniu kropli, a dozowanie związków jest trudne ze względu na skalę.

Zarządzanie procesami biznesowymi

Jeśli chodzi o modele zarządzania biznesem, Viral Vyas z firmy Bristol-Meyers Squibb (BMS) przedstawił podczas swojego wystąpienia zarządzanie procesami biznesowymi (BPM). Ponieważ duże firmy, takie jak BMS, polegają na indywidualnym, dostosowanym do potrzeb systemie LIMS do zarządzania każdą jednostką badawczo-rozwojową, koordynacja pomiędzy jednostkami i działami może stać się powolna i nieefektywna. W tym przypadku systemy BPM, takie jak Lean Six Sigma i Total Quality Management, mogą zostać wdrożone w celu usprawnienia działań w całej firmie.

Vyas stwierdził, że BPM powinien składać się z modelera procesów, formularzy na poziomie przeglądarki, silnika umożliwiającego podgląd przetwarzania danych wejściowych w czasie rzeczywistym oraz dodatkowych funkcji (np. konfiguracji, pulpitów nawigacyjnych). W idealnej sytuacji BPM modeluje cały proces w firmie, analizuje wyniki, optymalizuje proces, a następnie powtarza cykl, aż optymalizacja osiągnie maksymalny poziom.

W BMS przetestowano BPM początkowo z procesem zapytań analitycznych jako proof-of-concept. Ponieważ chemicy potrzebowali elektronicznego notatnika laboratoryjnego (ELN), papierowych zapotrzebowań i wpisów w Excelu, aby zażądać odczynników, analitycy byli zalewani tymi żądaniami, co powodowało zamieszanie po obu stronach i wiele błędów. Firma BMS wykorzystała platformę Bonitasoft BPM, aby uprościć wszystko do jednego systemu, do którego dostęp mieli zarówno chemicy, jak i analitycy, co ostatecznie pozwoliło zaoszczędzić 11 000 godzin rocznie i zmniejszyć o 60% czas poświęcany na śledzenie zapotrzebowań. Następnie system został wdrożony do 17 innych procesów w całej firmie.

Inżynieria DIY

Pierre Baillargeon, starszy inżynier robotyki, wygłosił interesujący wykład na temat niektórych wewnętrznych wyczynów inżynierskich, których był pionierem w Scripps Florida. Zaczął od opisania potrzeby wykorzystania istniejącej technologii do wielu zastosowań, takich jak dostosowanie automatycznego czytnika płytek, początkowo używanego do monitorowania enzymatycznych testów zmiany koloru w celu identyfikacji obecności sferoid komórek nowotworowych, do kontroli jakości (QC) przy dozowaniu akustycznym oraz do wykrywania obecności zdeformowanych studzienek mikropłytek.

Następnie zaprezentował jak jego grupa wykorzystała drukarki 3D do stworzenia codziennego sprzętu laboratoryjnego. Dzięki temu, że wszyscy pracownicy zostali przeszkoleni w zakresie obsługi drukarek 3D, wyprodukowali niestandardowe mikropłytki, specjalistyczne uchwyty, zbiorniki, adaptery i elementy niezbędne do naprawy sprzętu. Zbudowali nawet całą serię wytrząsarek orbitalnych za około 100 dolarów każda. Zauważył, że ponieważ drukarki 3D są teraz tak przystępne, koszt budowy tych przedmiotów jest drastycznie obniżony, zwłaszcza w przypadku przedmiotów, które zwykle wymagają naprawy, a krzywa uczenia się korzystania z drukarek jest stosunkowo krótka.

Na koniec pan Baillargeon opisał, jak jego zespół stworzył podświetlany czytnik płytek, który rozjaśnia dowolną kombinację studzienek na 96-cio studzienkowej płytce. Czytnik może być używany do oświetlania studzienek wymagających manipulacji, do identyfikacji artefaktów wewnątrz studzienek, do przeprowadzania kontroli jakości dozowania mikrokropel oraz do szkolenia personelu. Wspomniał, że projekty tego wynalazku, jak również wielu innych opracowanych w jego laboratorium, są dostępne jako dokumenty open-source na GitHubie, bez żadnych opłat.

LabTAG firmy GA International jest wiodącym producentem wysokowydajnych etykiet specjalistycznych ai dostawcą rozwiązań identyfikacyjnych stosowanych w laboratoriach badawczych i medycznych, a także w placówkach służby zdrowia.