Biotech-Innovatoren profitieren von vernetzter Software

Digitale Laborplattformen, die die Zusammenarbeit zwischen Chemikern, Biologen und Informatikern verbessern, werden in einer Welt nach der Pandemie zur Norm.

Fast auf dem Höhepunkt der COVID-19-Pandemie, Universität Boston die mutige Entscheidung getroffen, ab dem Herbstsemester 2020 wieder persönlich zu lernen. Ein Grund für diese Entscheidung war die Tatsache, dass der Campus seine eigenen Einrichtungen entwickelt hatte, die in der Lage waren, Tausende von Abstrichen zu testen und die Ergebnisse in weniger als 24 Stunden zu liefern.

Zur Umsetzung ihres Schnelltestkonzepts wandte sich die Universität an eLabNexteinem Spezialisten für die Unterstützung von Labors bei der Entwicklung einer digitalen Infrastruktur. Durch schrittweises Scale-up entwickelte die Partnerschaft eine Softwarelösung, die die robotergestützte Probenverarbeitung mit den elektronischen Krankenakten von 40 000 Mitarbeitern und Studenten integriert.

"Wir waren mittendrin und haben dafür gesorgt, dass die Robotersysteme den Datenfluss orchestrieren konnten, um in manchen Wochen bis zu 10.000 Tests pro Tag durchzuführen", erinnert sich Erwin Seinen, Mitbegründer und Geschäftsführer von eLabNext. "Es bedurfte einer engen Zusammenarbeit zwischen vielen Anbietern, um dies zu ermöglichen."

Nur wenige Kilometer von der Boston University entfernt befindet sich ein weiterer profilierter Verfechter der Zusammenarbeit: Flaggschiff Pionierarbeiteiner der weltweit führenden Inkubatoren für Biotech-Talente. Am bekanntesten ist sie für ihre frühe Unterstützung von Moderna und seiner Boten-RNA (mRNA)-Technologie unterstützt diese Risikokapitalgruppe nun mehrere Start-ups, die sich auf die Verbesserung der menschlichen Gesundheit und der Nachhaltigkeit durch datenintensive Techniken konzentrieren.

"Es ist schwer vorstellbar, dass Moderna ohne die Integration dieser Dateninfrastrukturen von Anfang an auskommt", so Aram Adourian, leitender wissenschaftlicher Berater bei Flagship Pioneering. "Moderna hat die Zeit, die benötigt wird, um Arzneimittelkandidaten von der Forschung über die Klinik bis hin zur Produktion zu bringen, deutlich verkürzt. Das ist sicherlich ein Vorbild für die Zukunft der Biotechnologie in den Biowissenschaften."

Die Erfolge von Moderna mit mRNA während der Pandemie beweisen, dass die Biotechnologie die Welt verändern kann, insbesondere wenn Chemiker, Biologen und Datenwissenschaftler mit minimaler Zeitverzögerung zusammenarbeiten können. Der Aufbau der digitalen Infrastruktur, die zur Erreichung dieses Ziels erforderlich ist, sollte für jedes Biotech-Unternehmen, das Agilität anstrebt, eine wichtige Überlegung sein.

Barrieren für Konnektivität abbauen

mRNA-Impfstoffe sind ein Paradebeispiel für die Zusammenarbeit in der modernen Biotechnologie, angefangen bei den Chemikern, die spezielle Lipid-Nanopartikel herstellen müssen, die es dem Impfstoff ermöglichen, Zellwände zu durchdringen, bis hin zu den Informatikern, deren Modellierung mögliche Kandidaten schneller als erwartet identifiziert.

"In unseren Gruppen werden die Experimente oft zwischen den Teams der Nasslabore und den Computerteams geplant, was eine Art iterativen Optimierungsprozess ermöglicht, um die anstehenden biologischen Fragen zu beantworten", sagt Adourian. "Man muss diese Partnerschaften frühzeitig aufbauen, insbesondere in der Phase der Versuchsplanung."

Laut Wouter de Jong, Mitbegründer von eLabNext, sind Biotech-Labore, die an der Spitze der Innovation stehen wollen, schnell bereit, Tools wie elektronische Labornotizbücher (ELNs) einzuführen, um eine genaue Aufzeichnung und die Einhaltung von Prüfpfaden zu gewährleisten. Was viele Kunden von einer verbesserten Zusammenarbeit abzuhalten scheint, ist ein Mangel an Datenkonnektivität.

"Eine Herausforderung besteht darin, dass diese Labors voller unterschiedlicher Software-Tools sind - Tabellenkalkulationen, Datenbanken irgendwo auf einem Laptop - wir durchbrechen diese Silos, um ein einheitliches Datenverwaltungssystem bereitzustellen", sagt de Jong.

"Die Zugänglichkeit ist ein echtes Problem", fügt Seinen hinzu. "Man möchte nicht in eine Blackbox-Situation geraten und nicht in der Lage sein, seine Daten herauszuholen."

Daten für jeden Wissenschaftler zugänglich

Unnötige Abschottung ist ein Problem, das bei digitalen Laborplattformen, die für bestimmte Bereiche entwickelt wurden, immer wieder auftritt. "Selbst die Art und Weise, wie Chemiker und Biologen nach Informationen suchen, kann unterschiedlich sein. Wenn Unternehmen also nach einer Einheits-Software für ihr Labor suchen, bleibt zwangsläufig jemand außen vor", sagt Seinen. "Unserer Erfahrung nach muss eine wirklich funktionierende Plattform für jeden Wissenschaftler zugänglich sein."

Um Interoperabilität zu erreichen, ermöglicht die eLabNext-Plattform den Nutzern die Auswahl spezifischer Add-ons für ihre Bedürfnisse, ähnlich wie bei der Auswahl von Apps auf einem Smartphone. Die Optionen reichen von der Chemie über die Genetik bis hin zur Pflanzenbiologie, die alle in eine übergreifende Plattform einfließen, auf der verschiedene Bereiche zusammengeführt werden können. Der Blick aus der Vogelperspektive auf die Abläufe eines ganzen Labors hilft auch bei der Entscheidungsfindung im Unternehmen.

Der Aufbau einer einheitlichen Softwareumgebung, die für alle Wissenschaftler sinnvoll ist, ist ein Schlüssel zur digitalen Gesundheit eines Labors, aber auch die Möglichkeit, die Daten mit Programmierwerkzeugen wie Software Development Kits (SDKs) und Application Programming Interfaces (APIs) zu bearbeiten, wird immer wichtiger. "In der pharmazeutischen Produktion oder sogar bei COVID-19-Labortests müssen Sie mit Robotern und anderen Softwarelösungen interagieren", sagt de Jong. "APIs ermöglichen es, Daten auf sehr strukturierte Weise aus dem System zu schieben und zu ziehen, so dass all diese Systeme zusammenarbeiten können."

Andere Forscher müssen möglicherweise ihre eigene maßgeschneiderte Datenanalyse- und -verwaltungssoftware mithilfe von SDKs entwickeln. Um Softwareanbietern einen Vorsprung zu verschaffen, bietet eLabNext ein Marktplatz wo diese Tools von interessierten Nutzern abgerufen werden können. "Es ist ein offenes Ökosystem - wir laden alle Akteure ein, die ihren Kunden digitale Lösungen anbieten wollen", sagt de Jong. "Es ist vollständig anpassbar und es gibt viel Engagement von unseren Partnern, sowohl von etablierten als auch von neuen."

Was FAIR ist, ist fair

Bei Flagship Pioneering stellt Adourian fest, dass sich die Labore an die FAIR Data Principles halten, eine von einem wissenschaftlichen Konsortium im Jahr 2016 entwickelte Philosophie, die Forscher dazu anleiten soll, Daten zu produzieren und zu veröffentlichen, die auffindbar, zugänglich, interoperabel und wiederverwendbar sind. Um diese Ziele zu erreichen, muss ein ganzheitlicher Ansatz für die Digitalisierung verfolgt werden. Während sich diese Grundsätze auf der rechnerischen Seite der Flagship-Geschäfte leicht umsetzen ließen, stellte Adourian fest, dass die digitale Umstellung in den Nasslabors mehr grundsätzliches Denken erforderte.

"Es gibt eine ganze Reihe von Herausforderungen", sagt er und verweist auf die riesigen Mengen heterogener Daten, die beispielsweise durch Genom- und Proteomtechnologien erzeugt werden. Wo sollen diese Informationen untergebracht werden, und wie sollen Wissenschaftler und Datenanalysten mit ihnen umgehen? "Dies spricht für die Metadaten, die Plattformen wie eLabNext für nachgelagerte Analysen extrahieren und dann iterieren und die analysierten Datensätze wieder in die Plattform einspeisen können.

Der Einsatz von künstlicher Intelligenz (KI) zur Analyse datenintensiver Arbeitsabläufe wird in dieser Ära der multidisziplinären Zusammenarbeit immer beliebter - und zwar nicht erst, wenn die Projekte anlaufen, sondern von Anfang an. Adourian verrät, dass Technologieunternehmen wie Tesla und Facebook als Inspirationsquelle für viele Biotech-Start-ups dienen.

"Technologieunternehmen verfügen über große Datenbestände, die sie nutzen und zusammenführen, um Innovationsmöglichkeiten zu identifizieren", sagt er. "Wir wollen KI dort einsetzen, wo sie sinnvoll ist, und sie in verschiedenen Ausprägungen über das gesamte Kontinuum hinweg nutzen, angefangen bei molekularen Hochdurchsatzdaten wie der Genexpression bis hin zu Herstellungsprozessen und Zulassungen.

Lesen Sie auf Nature