实验室自动化中的人工智能：Opentrons Flex 增强实验协议

总部位于布鲁克林的实验室自动化公司Opentrons推出了其新款 Flex 机器人，旨在为生命科学家扩大使用先进实验室自动化的渠道。在最近的一次电子邮件采访中，Opentrons 首席执行官 Jonathan Brennan-Badal 强调，Opentrons Flex 机器人旨在为生命科学家提供一个技术先进但经济实惠的自动化平台。他指出，该机器人旨在执行各种实验，包括由大型语言模型 (LLM)（如 ChatGPT）设计的实验。

人工智能生成的生命科学自动化协议

Brennan-Badal 解释道：“毫不夸张地说，LLM 将彻底改变我们在生命科学领域设计自动化方案的方式。”Opentrons 与 LLM 的兼容性使得“为科学文献中每项有据可查的手动实验以及每项市售的分子生物学试剂盒创建 AI 生成的自动化方案”成为可能。他认为，这种能力将极大地影响生物实验的速度和规模。

目前，由于研究人员努力优化样本类型、DNA 产量和质量以及可重复性等变量，开发和改进单一核酸提取方案可能需要大量时间，从几周到几个月不等。“使用人工智能可以大大改进这一过程，”Brennan-Badal 说。

Flex 设计旨在支持经济高效的实验室自动化

除了专注于人工智能之外，Opentrons 还致力于通过强调经济性和效率，在拥挤的实验室自动化领域与 Labcyte、Tecan 和 Thermo Fisher Scientific 等知名公司争夺一席之地。Brennan-Badal 表示：“就总体支出而言，Flex 的成本约为其市场同类产品成本的十分之一。”他将成本降低归功于该公司在制造流程和供应链管理中采用垂直整合。

Brennan-Badal 表示，Flex 机器人的设计目标是一天内就能安装完成。该系统可以通过更换移液器和硬件模块在短时间内重新配置。他将这种模块化归功于产品设计、设备上的显示说明和支持自动校准的智能传感器。

该公司还设计了 Flex，使其具有学习能力。Brennan-Badal 解释说，该机器人的开放应用程序编程接口 (API) 与“实验设计”程序兼容，包括 AI 驱动的代理，以支持未来 AI 集成的发展。

“对于软件，我们有一个无代码协议设计器 GUI、一个可供下载的经过验证和社区提交的协议的开放存储库，以及一个记录详尽的 Python API，适合那些想要最终控制其协议或将第三方设备或软件与机器人集成的人，”Brennan-Badal 说。

实验室自动化中的人工智能：增强灵活性和实验设计

激发人们对生成式 AI 平台兴趣的因素之一是它们能够使用多种语言进行编码。Brennan-Badal 指出，Flex 充分利用了这种能力。“我们已经证明，包括 ChatGPT 3.5 和 4 在内的 LLM 可以编写和更正可执行 Python 代码，以自动化 Opentrons 机器人上的连续稀释和分装等实验，并且我们开始获得更复杂协议的良好数据，”他说。

“由 Gabe Gomes 领导的卡内基梅隆大学的研究人员创建了一个 AI 代理，该代理结合 LLM 来设计化学合成实验，然后使用这些实验设计作为输入来生成 Python 代码，从而成功地在 Opentrons 机器人上自动执行反应，”Brennan-Badal 指出。这项研究在预印本《大型语言模型的新兴自主科学研究能力》中被重点介绍。

Opentrons 开放且文档齐全的 API 与此类程序兼容。Brennan-Badal 断言：“LLM 可以在 Opentrons 的大量自动化和协议数据上进行训练，以生成新的自动化实验协议。”他指出，这种能力使其平台在 AI 框架内工作的能力面向未来。

开源哲学

开源技术是 Flex 机器人设计的核心要素，这可能对科学界产生影响。Brennan-Badal 表示，开源方法可以通过实现平台开发和集成以及促进协议和知识共享来支持科学家。

Flex 机器人的开源精神对科学界具有重大意义。Brennan-Badal 认为：“开源从两个基本方面支持科学家。它解放了科学家去做新的事情，包括在平台上构建和与其他硬件和软件集成。它促进了协议和知识的共享，让世界各地的科学家能够重复彼此的工作。”

Brennan-Badal 还强调了 Opentrons 在疫情初期发挥的作用，并指出其自动化能力如何简化了实验室工作流程。他强调了 OT-2 模型在 Opentrons 位于纽约市的疫情应对实验室中的应用，该模型为 COVID 样本处理做出了贡献。

人工智能和实验室自动化助力生命科学的未来

展望未来，人工智能（尤其是大型语言模型 (LLM)）与实验室自动化的结合可能会对生命科学的未来产生影响。Brennan-Badal 认为，Opentrons 与 LLM 的兼容性以及 AI 生成的自动化协议的开发可能会影响生物实验的速度和规模。