آیا موفقیت طراحی به کمک رایانه (CAD)، برای “زیست‌شناسی به کمک رایانه” هم اتفاق می‌افتد?

در اولین روزهای صنعت نیمه‌رساناها، مدارهای مجتمع توسط یکی دو مهندس به کمک خط‌کش محاسبه و طراحی‌های رو کاغذ طراحی شده و تحویل لیتوگرافر می‌شدند تا بر روی ویفرهای سیلیکونی چاپ شوند. همچنان که مدارات پیچیده‌تر شدند، این طرح‌ها جای خود را به نرم‌افزارها دادند. طراحی دیجیتال سبب افزایش بهره‌وری، کیفیت طراحی، بهبود ارتباط تعاملی زیرلایه‌های طراحی در عین سادگی شد.

امروزه تیم مهندسان، مدارات را با استفاده از زبان‌های سطح بالا و در فرآیندی اتومات طراحی می‌کنند، در حالی که لایه‌های تراشه ممکن است ریزه‌کاری‌های بسیار بسیار پیچیده تری داشته باشند. این امر سبب انقلابی در مهندسی، تحقق قانون مور و ظهور عصر اطلاعات شده است. هم اکنون، انقلابی مشابه توسط زیست مصنوعی (زیست مهندسی) در حال رقم خوردن است.

فرآیند اتوماسیون انقلابی در چگونگی “انجام” عملیات زیست شناسی ایجاد کرده است: کاهش هزینه توالی‌یابی، تسهیل علم متن‌باز و افزایش کارآیی روزآمد فرآیندهای غربالگری از این جمله اند.
این مسیر تحقیقات زیستی را به سمت big data سوق داده است. پیچیدگی ذاتی زیست شناسی، به مرور در شکل مجموعه دادگان بزرگ ماحصل آزمایشات بهینه شده ‌ی روبه فزونی در حال رمز گشایی است.

با این حال، جهان مهندسی و زیست مصنوعی همچنان موفق به استفاده و سیستماتیزه کردن این روند رشد به صورت یک حلقه بازخوردی مثبت و پایا نبوده است. آزمایشات یک عاملی همچنان روند معمول هستند و تا توسعه و بهینه سازی آزمایشات جهت یکپارچه سازی مؤثر داده ها و طراحی تکرارپذیر که قادر به احاطه بر پیچیدگی چند عاملی زیست شناسی باشد، فاصله داریم. هم اکنون؛ برنامه ریزی ربات ها برای انجام یک عامل گاها هفته ها زمان می‌برد.

شرکت سینتِیس (Synthace) که با هدف تبدیل مدیریت فرآیندهای زیستی به نرم‌افزار با استفاده از ابزارهایی مانند یادگیری ماشین تأسیس شده است. در پلتفرم نرم افزار ابری Antha متعلق به این شرکت برای اتوماسیون و توسعه نرخ موفقیت، کارآیی و همچنین قابلیت توسعه فرآیندهای زیستی از طریق ارتباط همه ابزارهای موجود در آزمایشگاه استفاده شده است.

این ابزارها شامل دستگاه PCR تا جمع‌آوری داده به صورت اتومات می‌شود که حاصل این فرآیند تولید دادگان ساختارمند چندبعدی آماری جهت یادگیری انجام تکراری آزمایشات چند عامله و بهینه سازی فرآیندهای مبتنی بر پروتئین یا ژن است.

هم اکنون شرکای تجاری این شرکت نام‎های شناخته شده ای چون: Merck, Oxford Biomedica, Dow, Microsoft Station B, Tecan, Syngenta هستند؛ که گستره وسیعی از کاربردها چون حامل‌های CAR-T برای درمان‌ سرطانی تا بهینه سازی ربات‌هایی که با مواد مایع کار می‌کنند، شامل می‌شوند.

آینده زیست شناسی از آن زیست مصنوعی است. اما نیاز است فرآیندهای آزمایشگاهی استاندارد شوند؛ همان طور که ریزپردازنده‌ها مجموعه دستورالعمل‌ها را برای برنامه نویسی استاندارد کردند. این امر سبب امکان برنامه دهی زیستی می‌شود.