在过去的几年里,类似华大科技和药明康德之类的生物技术公司一直因被誉为“中国生物技术产业的血汗工厂”而广受诟病。近10年来这类公司业务的高速发展以及每年吸收数以千计应届毕业生的壮举,都使得他们已成为公认的“生物制药界微软”、“生物制药界谷歌”,但在高速发展的同时,二者机械化的运作模式、高密度的工作量、人海战术等等也都保守社会诟病,因此也有人戏称二者为“生物富士康”、“技术民工聚集地”。
倘若你是生物制药界的老板,你或许会嫉妒他们高速发展的业务;倘若你是刚毕业的生物制药专业学生,你可能会渴望进入他们巨大的平台。
发展速度与竞争压力始终并存着,很多人曾担心这些科研外包巨头会因高比例的员工流失率和中层管理人员的离职,给企业带来或多或少的伤害。现在看来,这些都是多虑了,因为随着科研自动化仪器的发展,这一现象或将被改变,自动化的核酸提取工作站、样本存储系统等设备的出现或将淘汰95%的科研劳动力。
随着结合了人工智能的自动化前处理样品仪器的开发,过去需要大量人力重复性操作的“采样——提取——纯化”等前处理过程也或将被自动化机器取代。
转化医学催生了实验设备自动化、智能化的需求
随着后基因组时代的来临,对基因的研究引发了新的研究方法和手段的诞生,密切了基础医学与药物研发、临床医学之间的联系,使人民可以更加准确滴理解环境和人类遗传分子之间的相互作用,以期精确地描绘疾病发生的本质,从而改进目前对于疾病的诊断和治疗,由此诞生了从实验室到病床、把基础研究所获得的知识、成果快速转化为临床上治疗的新方法,并通过新方法的试验反过来验证基础研究中发现或建立新的理论,被称为(B2B,Bench to Bedside)模式,即我们熟悉的转化医学(Translational Medicine),它一方面促使了新型的生物标志物在临床疾病检测中的应用;另一方面加快了新药研究的速度。
这让我们深刻地认识到,转化医学的应用离不开基础研究的成果,这些成果需要由大样本、大数据信息的支持,继需要建立专门的、标准化的生物样本库(Biobank)。做过科研的人都知道,使用生物样本的方式在过去20年间发生了很大的变化,含有丰富信息的高质量样本对未来的研究工作至关重要,但获取及存储这些样本并不像很多研究者想象的那么简单。
根据不完全统计,2000年左右,仅美国样本库的组织样本数量就超过了3亿份,并以每年2千万的速度不断递增,而且这还很可能是被低估的数字;但仍然有很多科学家抱怨无法获得足够的样本,2011年针对700多名肿瘤研究者的调查发现:其中47%的研究者在寻找高质量样本时遇到了困难。
一方面由于人为操作原因对生物样本产生影响的各因素使得我们不能充分地了解生物样本;另一方面并非所有样本库都会有某个样本冻融利用后再重新冻存的记录,也不是所有样本库都会监控冰箱的温度(然而即使是短暂的温度波动,也可能形成冰晶,从而损伤样本)。于是80%的研究者不得不缩小研究范围,而60%的研究者对自己的研究结果存有疑虑,这种对待分析样本无法预知变化的疑惑比没有样本可供分析更让人感觉糟糕。
因此,不能正确系统地处理样本(样本分装及前处理,样本存取与调取、样品后处理及分析),无论对是科研还是临床应用都将带来很大的局限和不准确性。于是乎,一些具有自动化和智能化的实验设备(全自动化试验工作站)应运而生。
1 2 3 下页