生命科學的 6 大新興趨勢

未來生命科學實驗室將需要自動化、開源技術、人工智慧和許多其他新興領域的技能。以下是您需要了解的內容。在 21 世紀初期，分子生物學、細胞生物學和蛋白質組學的濕實驗室技能是任何尋求生命科學工作的人的關鍵。雖然這些領域的專業知識仍然必不可少，但未來的實驗室將需要根據研究和技術的新興趨勢而不同的技能組合。

以下是我們認為有助於您熟悉的六個技能領域，以推動您的職業發展並為未來的生命科學實驗室做好準備。

1. 自动化知识
   2018 年世界经济论坛上发表的研究发现，到 2025 年，自动化设备预计将执行当今一半以上的任务。机器人还将在相当的时间内创造约 6000 万个新工作岗位。到 2026 年，仅液体处理机器人市场规模就预计将超过 70 亿美元，很难想象在不久的将来，自动化技术不会为你的简历增色不少。

自動化為生命科學研究人員提供了顯著的優勢，包括提高數據品質、提高成本效率、可擴展性，以及有更多的時間去做實驗室中重複實驗以外的其他事情。自動化還有利於新一代定序或質譜蛋白質體學分析等新的複雜生物技術，這些技術需要越來越複雜的工作流程，有時過於複雜和耗時，人們無法成功執行。隨著藥物發現、診斷甚至基礎研究對速度和吞吐量的需求不斷增加，自動化的創新和能力正在激增。

鑑於全自動化工作流程的巨大潛力，許多研究實驗室正在將科學家從實驗室工作中抽離出來——將他們從工作台上拉下來，放在電腦前，設計實驗讓實驗室機器人完成，而不是自己執行。這更有效地利用了科學家對生物學的理解，將重複的實驗室工作留給機器人，讓生物學家可以解決困難的科學問題。

Ginkgo Bioworks 為客戶設計客製化生物體，並建立自己的工廠，利用軟體和硬體自動化來擴展此流程。 Synthego 是第一家也是唯一一家提供全端基因組工程解決方案的公司，透過利用基於雲端的軟體自動化來實現這一目標。 Synthace 同時利用硬體和軟體來幫助大型自動化實驗室。當然，世界各地有數百名生物學家使用 Opentrons 軟體和硬體來自動化各種實驗的協議和工作流程，從基本稀釋到 PCR 製備和 NGS。探索這些公司如何使用自動化將有助於您了解自動化如何改變生命科學研究。

2. 開源、協作和可共享性技能

開源是指原始碼可供任何人免費查看、使用、修改和分享的軟體。它允許用戶在現有程式碼的基礎上進行建構和學習，同時促進和鼓勵世界各地用戶之間的協作和創新。

生命科學領域的開源應用程式用於吸收基因組學和其他相關應用程式產生的大量資料集，例如 Ensembl 基因組瀏覽器資料庫，任何有興趣的使用者都可以存取基因組和其他相關資料。開源運算技術也被用於建模和模擬生物體：OpenWorm 使用它來創建虛擬線蟲，而Virtual Cell 使用它來建模和模擬細胞，流行病學研究人員共享基因組數據以加快病原體分析並確定爆發源。

隨著生命科學學科中開源的使用不斷發展，編碼和資料共享方法的實踐專業知識將成為生命科學家的主要資產——因此，現在熟悉其中一些工具將為您在未來提供優勢。開源協議共享平台是一個很好的起點，例如 Protocols.io 和 Opentrons 協議庫，它們允許科學家發現和共同開發協議，以及 Plasmotron.org，它允許用戶在開源程式碼的基礎上進行建置。

3. 科学传播
   虽然所有科学家都通过科学演讲、研究论文、文献综述和参加会议来相互交流他们的工作，但他们需要使用不同的方法与公众交流。

能夠有效地向非技術受眾傳達生命科學研究的應用和影響，在科學家與社會之間建立了重要的連結。這一領域的有效溝通包括使用非技術性的、樸實無華的語言，使概念易於理解，以及學習如何接觸和吸引大眾。實踐這兩個學科可以鼓勵重要的討論和辯論，並使有關科學發展的知識透明且人人都能獲得。您可以加入致力於改善科學傳播的數千名生物學家，透過參加自願的科學推廣活動、在社群媒體上分享您的研究活動或創建自己的科學部落格或播客來磨練您的科學傳播技能。

4. 机器学习和人工智能
   虽然听起来很有未来感，但我们每天都被机器学习辅助的人工智能应用所包围：智能手机上的语音助手、网站上的实时聊天功能、社交媒体推送中的定向广告等等。这些应用利用复杂的算法和海量数据集来训练计算机像人类一样工作和反应。这个过程改进了计算机的学习过程，使它们在响应条件和产生结果方面更加高效——迅速提高了未来发现的速度。

在生命科學領域，機器學習已經透過其區分細胞、分析基因組數據、進行影像分析和比以前的方法更早、更靈敏地檢測疾病指標的能力，徹底改變了研究和診斷的速度。一個主要的成長領域是利用機器學習來設計實驗。 Asimov 使用開源資料開發機器學習演算法，將大規模資料集與生物學機械模型連結起來，以建立生物電路實驗。 Cello 利用機器學習來自動設計活細胞中的生物電路。另一個主要的成長領域是生物資訊學。 Deep Genomics 利用機器學習來收集、分析和處理基因組數據，以開發更好、更有針對性的藥物。一些公司，如 Atomwise，甚至使用深度學習框架嘗試在軟體中篩選候選藥物。熟悉這些新興應用將有助於您掌握該技術的未來用途。

5. 使用 CRISPR 进行基因编辑
   2000 年代中期发现的 CRISPR 是生命科学的一个转折点，因为它可用于基因工程。虽然我们现在都熟悉 CRISPR 平台，但基因编辑平台的应用影响深远——并且经常与许多其他新兴领域重叠。Oxford Genetics 提供用于基因编辑的实验设计工具，帮助简化工作流程。Synthego 再次利用机器学习来推动基因工程中的实验设计。 CRISPR Therapeutics 利用 CRISPR 基因编辑平台开发针对血液疾病（如镰状细胞性贫血）的药物，而 Caribou Biosciences、Editas Medicine 和 Cellectis 则利用 CRISPR 和其他基因编辑技术（如 TALEN）来修改 T 细胞以针对癌细胞。

預計到 2023 年，全球 CRISPR 市場將成長 6 倍，達到 30 億美元，因此未來生命科學實驗室中利用基因編輯工具的機會應該不勝枚舉。

6. 单细胞技术
   快速发展的技术允许将蛋白质组学、基因组学、转录组学和表观遗传学技术应用于单细胞，为控制发育、基因表达、组织异质性和疾病机制的复杂生物过程提供了新颖而关键的见解。这些技术对于分析循环肿瘤细胞和稀有干细胞等生物现象特别有用，而这些现象对于标准“组学”应用来说具有挑战性，甚至是不可能的。基因组编辑、自动化和微流控技术的同步发展进一步促进了单细胞应用中常见的较小样本的快速高通量分析。10x Genomics 使用单细胞癌症基因组学检测来分析癌细胞。Metafluidics 是一个用于复制或重新混合微流控设备的开源设计和协议文件数据库，是该领域的一个很好的信息存储库。

單細胞分析領域的成長受到基礎研究以及對早期疾病檢測技術、產前篩檢、生物標記發現、液體活檢和生物藥物開發日益增長的需求的推動。