生命科学的变革：自动化+人工智能正在改变“游戏规则”
来源：生物谷原创 2021-08-17 13:28
近年来，人工智能在生命科学领域发展的愈加火热，已成为主导新一轮产业变革的核心力量。正如中国著名的科幻小说家刘慈欣所描述的那样，人工智能所开启的这条进化之路将比自然进化快千百倍。
近年来，人工智能在生命科学领域发展的愈加火热，已成为主导新一轮产业变革的核心力量。正如中国著名的科幻小说家刘慈欣所描述的那样，人工智能所开启的这条进化之路将比自然进化快千百倍。
毫无疑问，人工智能和自动化的潜力是巨大的，比如智能工作流、高级分析、数据可视化和自然语言处理等。据数据显示，超过69%的生命科学专业人士已经在工作中使用人工智能，但要实现其潜力还需要整个行业的共同努力。
8月12日，镁伽正式宣布其自主研发的国内首家通用型智能自动化生物实验室——鲲鹏实验室一期在北京昌平区生命科学园正式落成，据悉，该实验室专注于细胞基因编辑、高通量药物筛选、合成生物学等领域的研究，致力于打造次世代的生命科学基础设施，提高生命科学研发和生产效率。
下一代智能自动化“操作系统” ，为生命科学进阶注入新动能
生命科学已经发展成为数据驱动的学科，需要大量实验和海量数据分析，但行业研发和生产方式还处在手工时代，其效率已不能满足生物学家和行业对快速发展的需求。同时，人工操作带来实验结果的不稳定性和不确定性，也一直是行业困扰已久的隐性痛点，因此迫切需要一场智能自动化实验室变革。
对此，来自镁伽联合创始人兼高级副总裁张琰博士表示，近年来，随着生命科学领域获得较多关注以及更多资源和机会赋能行业发展，但较低的自动化渗透率已成为掣肘行业发挥更大效能的因素之一。据麦肯锡全球研究院（MGI）公布数据显示，在生物制药行业，到2030年，30%的劳动力可能会被自动化取代。预计受影响最大的三大群体为男性，年龄在35至50岁之间的人以及学历较低的人。
毫无疑问，人工智能和自动化的潜力是巨大的，比如智能工作流、高级分析、数据可视化和自然语言处理等。据数据显示，超过69%的生命科学专业人士已经在工作中使用人工智能，但要实现其潜力还需要整个行业的共同努力。
8月12日，镁伽正式宣布其自主研发的国内首家通用型智能自动化生物实验室——鲲鹏实验室一期在北京昌平区生命科学园正式落成，据悉，该实验室专注于细胞基因编辑、高通量药物筛选、合成生物学等领域的研究，致力于打造次世代的生命科学基础设施，提高生命科学研发和生产效率。
下一代智能自动化“操作系统” ，为生命科学进阶注入新动能
生命科学已经发展成为数据驱动的学科，需要大量实验和海量数据分析，但行业研发和生产方式还处在手工时代，其效率已不能满足生物学家和行业对快速发展的需求。同时，人工操作带来实验结果的不稳定性和不确定性，也一直是行业困扰已久的隐性痛点，因此迫切需要一场智能自动化实验室变革。
对此，来自镁伽联合创始人兼高级副总裁张琰博士表示，近年来，随着生命科学领域获得较多关注以及更多资源和机会赋能行业发展，但较低的自动化渗透率已成为掣肘行业发挥更大效能的因素之一。据麦肯锡全球研究院（MGI）公布数据显示，在生物制药行业，到2030年，30%的劳动力可能会被自动化取代。预计受影响最大的三大群体为男性，年龄在35至50岁之间的人以及学历较低的人。
数据来源：麦肯锡全球研究院
智能自动化实验室系统不仅可以更轻松地记录数据，还可以通过机器学习和人工智能技术以简化实验程序，从而创造了一个真正智能、高效的环境，机器可以在其中预测实验结果并产生实验假设。鲲鹏实验室将生物学能力和自动化、人工智能相结合，着力解决生物医药研发的劳动密集性、实验稳定性和可重复性等瓶颈。例如，镁伽自主研发的高通量药物活性筛选系统在多项对比测试中，都得到了相比人工操作有数十倍提升的稳定可靠结果。
据悉，鲲鹏实验室已经构建多个不同生物学场景的自动化平台，包括MegaCell全自动细胞实验平台、MegaMolecule全自动分子实验平台、MegaMicro超高通量全自动病毒核酸检测系统、MegaOmics组学样品前处理智能自动化平台。鲲鹏实验室的目标是将它们打造为下一代的生命科学“操作系统”，并应用到多个生物学领域中，例如构建新免疫靶点筛选体系、PROTAC连接化合物文库和肿瘤类器官文库等。
据悉，鲲鹏实验室已经构建多个不同生物学场景的自动化平台，包括MegaCell全自动细胞实验平台、MegaMolecule全自动分子实验平台、MegaMicro超高通量全自动病毒核酸检测系统、MegaOmics组学样品前处理智能自动化平台。鲲鹏实验室的目标是将它们打造为下一代的生命科学“操作系统”，并应用到多个生物学领域中，例如构建新免疫靶点筛选体系、PROTAC连接化合物文库和肿瘤类器官文库等。
MegaCell全自动细胞实验平台
MegaOmics组学样品前处理智能自动化平台
以细胞生物学为中心的MegaCell平台将常见的细胞操作，如传代、换液、培养等步骤实现了完全自动化，并能对细胞的表型进行自动采集和基于AI的智能分析，可以广泛用于以细胞为主要技术手段的研究方向，如高通量药物筛选、干细胞和类器官、免疫学等。以分子生物学为中心的MegaMolecule平台，将分子克隆、分子间相互作用分析等实现完全自动化，可以广泛用于以分子生物学为主要技术手段的研究方向，如噬菌体展示、抗体筛选、合成生物学等。
自动化+人工智能正在改变生命科学的“游戏规则”
随着机器学习技术的引入，医疗和生物行业的格局发生了实质性的变化。科学家通过应用深度学习技术，在蛋白质折叠这一长达数十年的生物学难题上取得了重大突破。同时，还利用机器学习模型用于新药研发多个环节，提高研发效率。
据公开数据显示，2020年私人投资额最大的前10个重点领域的排名中，“药物、癌症、分子、药物发现”领域高居榜首，人工智能私人投资超过138亿美元，是2019年的4.5倍。
自动化+人工智能正在改变生命科学的“游戏规则”
随着机器学习技术的引入，医疗和生物行业的格局发生了实质性的变化。科学家通过应用深度学习技术，在蛋白质折叠这一长达数十年的生物学难题上取得了重大突破。同时，还利用机器学习模型用于新药研发多个环节，提高研发效率。
据公开数据显示，2020年私人投资额最大的前10个重点领域的排名中，“药物、癌症、分子、药物发现”领域高居榜首，人工智能私人投资超过138亿美元，是2019年的4.5倍。
2019年vs 2020年按重点领域划分的全球AI私人投资. 数据来源：CapIQ、Crunchbase和NetBase Quid，2020年
在过去的25年里，制药业已经从基于自然资源（如植物）进行药物开发转向用化学合成的分子进行大规模药物筛选。科学家通过使用机器学习模型，能够快速确定潜在药物价值以及有效地进行药物分析。这种快速扫描生物信息学中候选药物样分子的列表，并输出合成分数和合成规划，使得科学家能够优先考虑已经过经验性验证的候选药物，从而最终帮助制药行业更好的挖掘新的药物。
据数据显示，在过去的三年中，化学合成规划的研究水平稳步提升。2020年的准确度比2017年提升了15.6%。而最新的分子transformer在2020年11月报告数据显示已达到了92%的Top-1准确度。Top-1准确度是指模型预测的可能性最高的产品与真实情况中报告的产品一致。
据数据显示，在过去的三年中，化学合成规划的研究水平稳步提升。2020年的准确度比2017年提升了15.6%。而最新的分子transformer在2020年11月报告数据显示已达到了92%的Top-1准确度。Top-1准确度是指模型预测的可能性最高的产品与真实情况中报告的产品一致。
化学合成规划基准：测试准确度TOP-1.数据来源：Schwaller，2020年
镁伽首席科学家王承志博士认为，”人工智能具备图像识别，机器学习和深度学习能力，不仅能够更快的地发现其显性关系，且能够挖掘不易被药物专家所发发现的隐形关系，构建药物，疾病和基因之间的深层次关系。另外在计算方面，人工智能可对侯选化合物进行虚拟筛选。”
“相比于传统手段，人工智能在化合物合成和筛选过程中可节省40%以上的时间，这个时间会随着技术的发展而进一步的缩短。”镁伽首席科学家王承志博士强调到。
技术之外的障碍，数据的标准化和稳定性
人工智能和大数据的技术提高研发效率，而高效率的实验操作生成大量可靠的实验数据是研发中使用人工智能技术的基础和前提。近期，发表在BMJ杂志的一项对232种用来预测或诊断新冠肺炎患者的算法进行研究，发现检测结果失灵，且只有两个算法可能在未来会对临床上的检测有所帮助。那么，人工智能还能相信吗？
对此，镁伽首席科学家王承志博士表示，“出现这种现象并不奇怪，首先因为现在整个人工智能在生物医学这个领域的这些科学家、算法工程师，数据基本都是基于公开发表的数据。其次，数据的来源不同，所使用的实验方法都各不相同，把这些数据放在一起，训练出来的人工智能模型就会出现偏差。相较于传统实验室，自动化系统产生的生物数据具有统一标准，均一化远远好于手工操作，非常适合机器学习。”
传统生物学研究往往侧重于寻找某个具体生物学问题的答案，数据则是附带产物。鲲鹏实验室把数据作为核心资产，为算法的数据收集设计相关实验，并利用大规模自动化实验平台产生数据。例如，鲲鹏实验室正在使用全基因范围筛选、小分子化合物库筛选等技术建立基因-通路关联数据库，以及海量药物文库在多种疾病细胞模型如类器官体系中的表型数据库。
通过自动化结合人工智能的赋能，鲲鹏实验室可以有效解决生物医药研发劳动密集性、实验稳定性和可重复性等瓶颈，并可以根据不同需求灵活配置自动化设施，形成个性化解决方案，革新生命科学研究进程。同时通过自动化大规模的数据积累，不断优化人工智能预测模型，可以持续提高实验效率。
“未来，鲲鹏实验室将继续挖掘能力矩阵可及之处，在自动化、智能化和生物学更多领域构建实力与影响力，持续产出新药物、新疗法、新检测方法等解决方案，长期助力生命科学领域发展。”最后，镁伽联合创始人兼高级副总裁张琰博士强调到。
“相比于传统手段，人工智能在化合物合成和筛选过程中可节省40%以上的时间，这个时间会随着技术的发展而进一步的缩短。”镁伽首席科学家王承志博士强调到。
技术之外的障碍，数据的标准化和稳定性
人工智能和大数据的技术提高研发效率，而高效率的实验操作生成大量可靠的实验数据是研发中使用人工智能技术的基础和前提。近期，发表在BMJ杂志的一项对232种用来预测或诊断新冠肺炎患者的算法进行研究，发现检测结果失灵，且只有两个算法可能在未来会对临床上的检测有所帮助。那么，人工智能还能相信吗？
对此，镁伽首席科学家王承志博士表示，“出现这种现象并不奇怪，首先因为现在整个人工智能在生物医学这个领域的这些科学家、算法工程师，数据基本都是基于公开发表的数据。其次，数据的来源不同，所使用的实验方法都各不相同，把这些数据放在一起，训练出来的人工智能模型就会出现偏差。相较于传统实验室，自动化系统产生的生物数据具有统一标准，均一化远远好于手工操作，非常适合机器学习。”
传统生物学研究往往侧重于寻找某个具体生物学问题的答案，数据则是附带产物。鲲鹏实验室把数据作为核心资产，为算法的数据收集设计相关实验，并利用大规模自动化实验平台产生数据。例如，鲲鹏实验室正在使用全基因范围筛选、小分子化合物库筛选等技术建立基因-通路关联数据库，以及海量药物文库在多种疾病细胞模型如类器官体系中的表型数据库。
通过自动化结合人工智能的赋能，鲲鹏实验室可以有效解决生物医药研发劳动密集性、实验稳定性和可重复性等瓶颈，并可以根据不同需求灵活配置自动化设施，形成个性化解决方案，革新生命科学研究进程。同时通过自动化大规模的数据积累，不断优化人工智能预测模型，可以持续提高实验效率。
“未来，鲲鹏实验室将继续挖掘能力矩阵可及之处，在自动化、智能化和生物学更多领域构建实力与影响力，持续产出新药物、新疗法、新检测方法等解决方案，长期助力生命科学领域发展。”最后，镁伽联合创始人兼高级副总裁张琰博士强调到。
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
