Articolo
La digitalizzazione è il futuro della scienza, basta chiedere a un biologo
di Phil Kay, JMP
Phil Kay
Phil Kay è un learning manager per JMP Statistical Discovery, una sussidiaria di SAS. Il suo lavoro consiste nel comprendere le sfide in termini scientifici e ingegneristici e fornire alle organizzazioni industriali di tutto il mondo l'assistenza necessaria per usare al meglio le soluzioni di analisi dei dati.
In passato è stato uno dei principali scienziati ad aver contribuito allo sviluppo di numerosi processi di produzione di coloranti per la stampa digitale presso FujiFilm Imaging Colorants. Phil ha conseguito una laurea magistrale in statistica applicata con una tesi sul disegno di esperimenti. Inoltre, ha una laurea magistrale e un dottorato in chimica.
È membro della Royal Statistical Society, registrato come Chartered Chemist e fa parte della commissione del Process Chemistry and Technology Group della Royal Society of Chemistry.
Phil si impegna a dimostrare come l'analisi dei dati contribuisca a migliorare la scienza. Segui Phil Kay, Divulgatore dell'analisi dei dati, su LinkedIn.
Gli strumenti a nostra disposizione per comprendere i sistemi viventi sono progrediti enormemente col passare del tempo. Negli ultimi due decenni il costo del sequenziamento di un intero genoma umano è passato da cento milioni di dollari a meno di mille e, di conseguenza, i volumi di dati generati sono aumentati enormemente. Le innovazioni chimiche come le tecniche di sequenziamento, i marcatori fluorescenti e le reazioni bioortogonali sono state fondamentali per molti di questi progressi e le collaborazioni interdisciplinari contribuiranno sicuramente al raggiungimento di maggiori risultati. Ma se la chimica prendesse in prestito qualche idea anche dalla biologia, ne trarrebbe vantaggio.
In particolare, dobbiamo ammettere che i biologi sono più avanti dei chimici nella corsa alla digitalizzazione della ricerca empirica. Non pensiamo al "laboratorio del futuro": ci sono laboratori di biologia commerciali in cui l'automazione di esperimenti biologici complessi e di grandi dimensioni è ormai una normalità. Se da un lato i vantaggi che stanno realizzando possono risultare utili alla progressiva digitalizzazione della chimica, dall'altro è possibile anche trarre informazioni da alcuni degli usi meno efficaci di queste innovazioni.
La biologia è stata rapida nel comprendere questi vantaggi, in parte grazie alla natura specifica della sua ricerca. I biologi si occupano di sistemi complessi e interconnessi e di proprietà emergenti, quindi hanno bisogno di grandi esperimenti per esplorare e sbrogliare quella complessità al fine di comprendere i tanti fattori che potrebbero essere coinvolti. Ad esempio, se hai bisogno di capire in che modo le mutazioni puntiformi influiscono sull'attività di una proteina, potresti scoprire che l'effetto del cambiamento dell'acido amminico in una determinata posizione dipenderà da quali aminoacidi sono presenti nelle altre. L'esplorazione di queste possibilità può essere fatta in modo più efficiente e con meno fatica utilizzando l'automazione e approcci ad alto rendimento ideali per protocolli ripetitivi su larga scala.
Le innovazioni digitali stanno migliorando notevolmente la qualità, il volume e la velocità della raccolta dei dati.
Gli esperimenti di biologia hanno anche alcuni vantaggi intrinseci: tendono a coinvolgere una gamma piuttosto ristretta di operazioni, il solvente è sempre l'acqua e il riscaldamento è di solito limitato a una temperatura non molto superiore a quella ambiente. Le tecnologie di supporto che hanno avuto il maggiore impatto riguardano quindi in gran parte l'erogazione accurata di piccole quantità di diversi elementi acquosi in recipienti molto piccoli. Le sonde fluorescenti, infatti, sono diventate così importanti proprio perché consentono di tracciare simultaneamente i risultati di un gran numero di esperimenti utilizzando una tecnologia di imaging abbastanza semplice.
Gli strumenti digitali superano anche una delle grandi sfide della biologia. I sistemi viventi sono instabili, il che può portare sia a falsi positivi che a falsi negativi quindi, in biologia, "fare tutto in triplice copia" è lo standard. Tutto ciò che riduce l'errore casuale o sistematico e aumenta il rapporto segnale/disturbo è molto gradito. I robot da laboratorio di oggi sono molto apprezzati per la loro capacità di ripetere in modo costante operazioni semplici ma critiche come il pipettaggio.
L'altro grande vantaggio riscontrato nella biologia digitale non riguarda esclusivamente l'automazione. Gli esperimenti digitalizzati impongono l'acquisizione delle istruzioni in modo che possano essere facilmente strutturati per massimizzare l'apprendimento. Quando tutte le operazioni di laboratorio pertinenti sono esplicitamente codificate nel piano sperimentale, possono essere facilmente trasformate in funzioni per modelli basati sui dati. E indipendentemente da chi esegue l'esperimento, le istruzioni saranno le stesse, quindi i risultati saranno più affidabili. Le istruzioni possono anche essere condivise con altri scienziati, rendendo la scienza più riproducibile. E il tutto è ancora più potente quando puoi anche automatizzare l'acquisizione dei risultati e dei flussi di dati da hardware diversi.
La capacità di testare simultaneamente centinaia o addirittura migliaia di possibilità diverse significa che i biologi possono porre domande che un tempo non potevano ricevere risposta. Certamente, anche ai chimici farebbe piacere. Digitalizzare l'esecuzione dell'enorme diversità degli esperimenti di chimica sarà molto più impegnativo, ma possiamo ancora imparare molto dalla biologia, incluso come evitare le insidie.
Dovremmo sempre concentrarci su come ottenere il massimo dai nostri esperimenti e assicurarci che ogni azione conti.
La sperimentazione digitalizzata è un nuovo paradigma e senz'altro faremo qualche passo falso mentre adeguiamo i nostri metodi e la nostra impostazione mentale. In qualità di chimico sviluppatore, ero solito dedicare anche tre giorni interi a un singolo esperimento. È per questo che sono così colpito dalle ultime funzionalità e non mi sorprende che tutti siano emozionati dalla promessa di un aumento massiccio della produttività sperimentale. Tuttavia, fare più esperimenti e acquisire più dati non porta automaticamente a una scienza migliore. Questi approcci, in realtà, possono finire per essere più dispendiosi se un progetto non è concepito per sfruttare al meglio il loro potenziale.
L'analisi statistica e il disegno di esperimenti, o DOE, si è dimostrato un metodo prezioso nella chimica sin dagli anni '50. Permette di massimizzare l'apprendimento soprattutto in situazioni in cui è fattibile testare solo una parte di tutte le possibili combinazioni delle impostazioni dei fattori perché farlo è laborioso, e dispendioso in termini di tempo e denaro. Il DOE continuerà a essere importante perché questi vincoli pratici sono ancora la norma per la maggior parte del lavoro dei laboratori di chimica impegnati in ricerca e sviluppo e ci vorrà tempo perché l'automazione cambi questa impostazione. E mantenere una mentalità improntata al DOE garantirà l'efficienza mentre traghettiamo verso esperimenti di chimica completamente digitali.
Le innovazioni digitali stanno apportando miglioramenti di una certa entità nella qualità, nel volume e nella velocità di raccolta dei dati per la ricerca empirica in biologia. Sarà molto emozionante e stimolante adattarsi quando inizieremo a vedere lo stesso nella chimica, ma dovremmo sempre concentrarci su come ottenere il massimo dai nostri esperimenti e assicurarci che ogni azione conti.
Se non stai già utilizzando il DOE, puoi farti un'idea di questo prezioso strumento tramite un workshop online gratuito con esperti statistici di JMP. Scopri di più e registrati alla serie Chemistry World Design of Experiments in collaborazione con JMP.
