fbpx

Por Manuel Giménez

Cuando uno escucha la frase “laboratorio de investigación” probablemente se le viene a la mente la imagen de un cuarto blanco, impoluto, lleno de máquinas que hacen suaves pero continuos ruidos robóticos, y en donde solo transitan casi sin pronunciar palabra científicos de estricto guardapolvo blanco, barbijo y guantes. Una escena que tiene más en común con la película Jurassic Park que con lo que sucede realmente. Por supuesto que existen laboratorios así, incluso en Argentina, pero la gran mayoría de los laboratorios de investigación tienen una apariencia y funcionamiento bien distinto.

No es que los laboratorios de investigación no dispongan de alta tecnología, pero por la forma en la que se llevan adelante las investigaciones, la dinámica de trabajo se siente detenida en el tiempo. Tubos etiquetados y rotulados a mano, cuadernos de papel guardando registro de los experimentos llevados a cabo y sus resultados… Todo muy manual, muy analógico, muy ineficiente. Aunque mi formación fue en computación, tuve la suerte de pasar algún tiempo en laboratorios de investigaciones de bio-ciencias, y les aseguro que los cuadernos de laboratorio son lo más parecido que había visto al antiguo libro de recetas de mi mamá.

Claro está que los laboratorios de investigación de las grandes empresas, por ejemplo farmacéuticas, están hiper informatizados y automatizados, pero son contados los casos de este tipo de instalaciones. Y vale la pena aclarar que suelen tener sus propias plataformas tecnológicas que obviamente no comparten con nadie.

En el resto de laboratorios de investigación de empresas y universidades (es decir, en la enorme mayoría de los laboratorios) los científicos han ido incorporando nuevas herramientas informáticas, pero la realidad es que están lejos de poder considerarse informatizados. Se usan computadoras, varios datos y resultados experimentales se almacenan digitalmente, pero en general no hay integración ni trazabilidad de datos, ni automatización de procesos y experimentos. Y es justamente esto último lo verdaderamente potenciador de la informatización de las operaciones de los laboratorios de research: la integración de datos y la trazabilidad.

En el último tiempo han surgido diversas startups cuyos servicios y plataformas pretenden contribuir a la informatización de los laboratorios de investigación en algunas de sus dimensiones. Sólo para mencionar algunos: Quartzy, Labguru, Benchling, DNAnexus, DesktopGenetics y sin duda seguirán apareciendo más. Pero en esta ocasión quiero hablar de Emerald Cloud Lab.

 

Emerald Therapeutics [ET] nació como una startup biotecnológica cuyo objetivo inicial era desarrollar nuevas terapias antivirales para enfermedades como el HIV y la hepatitis. Obviamente una actividad clave de esta startup era hacer investigación, y para eso los chicos de ET tuvieron que montar su propio laboratorio de research. Lo interesante es que no se quedaron solo en comprar equipamiento y acondicionar el lugar: decidieron invertir mucho tiempo y dinero en informatizar al máximo posible sus instalaciones de research. Apostaron a equipamiento robótico, desarrollaron un nuevo software de automatización de experimentos e integración de los robots, su propia plataforma de management de data experimental e incluso un lenguaje para modelar los experimentos.

Lo que nació como una «necesidad interna» para hacer el trabajo en el laboratorio de research -una actividad clave de la startup- más eficiente y eficaz, terminó llevando a desarrollar un laboratory operating system. Es decir, toda una plataforma de «laboratorio programable».

Parece ser que en ese momento los chicos de ET dijeron «Upa, ¿y si salimos a ofrecer nuestra infraestructura de laboratorio automatizado como un servicio?». Y exactamente eso hicieron.

El mes pasado anunciaron públicamente Emerald Cloud Lab [ECL]: un servicio que permite a terceros realizar sus experimentos a distancia interactuando sólo a través de una interfaz web. Los experimentos se realizan físicamente en el laboratorio altamente automatizado de ECL y prometen resultados en el día. A la data resultante también se accede mediante la web.

Para ECL un experimento es una secuencia de comandos en el lenguaje diseñado por ellos mismos y el sistema registra toda la información de los experimentos (incluso en que máquina y con que parámetros se realizó) proveyendo una gran trazabilidad a toda la información experimental. Según anuncian en su web la plataforma está integrada a varias herramientas de Wolfram que facilitan el análisis de los resultados experimentales.

A diferencia de otros servicios existentes de outsourcing de experimentos como por ejemplo Science Exchange, lo que ECL promete ser es un verdadero «laboratorio programable»: los experimentos se describen con un lenguaje formal (y no simplemente con palabras de un idioma natural) y al ejecutarlos se llevan a cabo de manera absolutamente automatizada, sólo con robots y sin intervención alguna de manos humanas.

 

Impacto

Hoy es ECL, pero a corto plazo veremos surgir otras plataformas que persigan el mismo objetivo ofreciendo servicios similares. Vale la pena entonces pensar un poco más allá del reciente lanzado ECL e imaginar el impacto que estas plataformas de programable labs van a tener en los próximos años.

 

Desacoplando el flujo de trabajo: investigación lab-less.

No es difícil imaginarse a la industria biotecnológica evolucionar gracias a servicios como ECL en la misma dirección que lo hizo la industria de los circuitos con la manufactura sin fábrica o fabless manufacturing.

Facilities como ECL van a acelerar la separación de la investigación en biociencias en dos niveles separados: la capa «pensar» y la capa «hacer». Esta separación no es respecto a grados de complejidad de las actividades, sino una separación en términos de workflow – como existe en otras tantas actividades y disciplinas – entre el trabajo de diseño, análisis («think») y la construcción o ejecución («do»).

Quizá en el mundo científico es común que todos sepan todo de todo: uno debe poder diseñar un experimento, llevarlo a cabo, analizar los resultados, generar nuevas preguntas, diseñar nuevos experimentos… y así sucesivamente. Pero la historia nos muestra que separar el flujo de trabajo y especializarse tienen también sus ventajas.

Pensemos por ejemplo en un diseñador industrial: él sabe por su formación cómo se inyecta plástico en un molde y por supuesto utiliza ese conocimiento para tomar decisiones durante su proceso de diseño. Pero si aparece mágicamente en una fábrica probablemente no pueda siquiera prender la máquina que inyecta el plástico. Hay otros profesionales que están especializados en la capa «hacer» para ello y nuestro diseñador del ejemplo es muy bueno en la capa «pensar» pero en la fábrica está dibujado.

Es claro que el desacoplamiento del workflow lleva indefectiblemente a la especialización del trabajo, algo que en otras industrias ha mostrado ser sumamente potenciador, y podría serlo también para el mundo de las biociencias.

No es demencial entonces pensar en un futuro donde la investigación en biociencias (académica o comercial) sea sin laboratorios, de la misma manera que hoy AMD hace microprocesadores sin poseer fábricas de circuitos.

Más reproducibilidad de experimentos

Hacer investigación en biociencias requiere llevar a cabo muchos experimentos que toman tiempo, y requieren personas técnicamente capacitadas para ello. Y he aquí un punto extremadamente importante: si uno realiza un experimento que lo lleva a descubrir algo es indispensable que dicho experimento pueda ser reproducido por cualquier otra persona en cualquier otro lugar -siempre y cuando se lleven adelante los mismos pasos, claro-.

Al mejor estilo de una receta de cocina, un experimento tiene que ser reproducible. De nada sirve que hayas descubierto la chocotorta si cada vez que sigo los pasos detallados en tu receta el resultado es una simple sopa de dulce de leche con chips de chocolinas.

En el último tiempo la comunidad científica ha tenido que enfrentarse a algunas situaciones bien incómodas. En revistas de alto prestigio se publicaron investigaciones cuyos resultados no pudieron ser reproducidos posteriormente por varios laboratorios alrededor del mundo. Y en ciencia experimental si el resultado no es reproducible entonces no hay descubrimiento.

Ahora bien, ¿del otro lado hay un científico mal intencionado que deliberadamente mintió con sus resultados y por eso nadie puede reproducirlos? ¿O el origen del error es simplemente el hecho de que los experimentos se realizan de manera manual por humanos? ¿Es quizá la falta de trazabilidad de la data experimental lo que lleva a este tipo de equivocaciones? Atacar esta cuestión requiere un profundo debate que no podríamos abordar en este artículo. Lo que sí puedo afirmar es que plataformas como ECL pueden mejorar mucho la confiabilidad de los resultados y eso es algo clave para la reproducibilidad de los experimentos.

 

Más eficiencia de recursos (humanos y no humanos)

En el ámbito académico suele considerarse que el costo de llevar adelante experimentos depende sólo del costo de los equipos y los reactivos. Con esta visión no estamos teniendo en cuenta una variable clave: el tiempo de la persona que lleva a cabo el experimento. Los programable labs prometen ser una forma de liberar a los investigadores de realizar tareas básicas en el laboratorio para que usen ese tiempo en analizar resultados, diseñar nuevos experimentos o realizar trabajos más complicados aún no automatizados.  Y no estoy hablando de más comodidad para los investigadores. Tener mezclando líquidos en pequeños tubos a un profesional con 13 años de formación universitaria y comprobada capacidad para analizar resultados y diseñar experimentos, siendo que los líquidos los podría mezclar de forma más rápida y precisa un robot en algún otro lugar del mundo, es como mínimo hacer una muy mala gestión de recursos humanos altamente capacitados y sumamente costosos de formar.

Por otro lado facilities como ECL maximizan el tiempo efectivo de utilización de la maquinaria de laboratorio. Los robots pipeteadores no tienen problema en trabajar 24 horas al día llevando a cabo los experimentos programados por los científicos y a la larga esto es un mejor aprovechamiento del dinero invertido en maquinaria.

Este tipo de servicios podrían reducir fuertemente los costos de wetlab, algo que definitivamente a una región como América Latina le vendría muy bien. Me atrevo a decir que fomentar la existencia de servicios como ECL en nuestra región, fueran públicos o privados, podría ser una muy buena iniciativa de política pública en ciencia y técnica.

 

Más gente haciendo biotech, más startups biotecnológicas

Lo que ofrece ECLen términos prácticos es para un grupo de investigación o emprendimiento biotecnológico lo que puede ser Amazon Web Services para un grupo o emprendimiento en computación. Para hacer un experimento ya no sería necesario poseer el equipo, ni siquiera habría que saber usarlo. Sólo se necesitaría comprender qué se está haciendo y saber analizar los resultados.

Poder llevar a cabo experimentos sin tener que gastar cientos de miles de dólares en compra y mantenimiento de equipos es el sueño de cualquier emprendedor biotecnológico. Hoy en día si uno quiere comenzar por una startup biotecnológica el obstáculo número uno que vamos a encontrar es el acceso a laboratorios. O gastamos cantidades ridículas de dinero en equipamiento o conseguimos acceso a algún laboratorio de una Universidad. En cualquier caso sigue siendo necesario conseguir (y pagar) técnicos que hagan los experimentos. Servicios como ECL reducirían muchísimo la inversión inicial necesaria para este tipo de emprendimientos.

No olvidemos a las incipientes comunidades de DoItYourself Biology que en los últimos años han abierto múltiples espacios de biohacking alrededor del mundo. Estos actores, estrechamente vinculados con la comunidad de emprendedores biotech, podrían también sacarle mucho jugo a ECL y similares.

Por otro lado, poder realizar los experimentos sin saber exactamente cómo hacerlo a mano es el sueño de cualquiera que quiera hacer biotecnología y no haya pasado varios años pipeteando en una mesada [pipetear: verbo muy utilizado en los laboratorios de investigación para referirse a utilizar una «pipeta» para trasladar pequeños volúmens de líquidos desde un pequeño tubo a otro]. Por ejemplo yo, un licenciado en ciencias de la computación metiendose desde hace un tiempo en el mundo biotecnológico. Los invito un segundo a mis zapatos. Sucede que desde el punto de vista teórico yo sé en qué consiste un experimento, entiendo por qué funciona, se incluso diseñarlo e interpretar los resultados, pero como no tuve el entrenamiento práctico si me dan la máquina y los reactivos soy incapaz de hacerlo. Me auto considero «técnico-dependiente», y diganme sinceramente si no amarían los programable labs de estar en mi situación.

En pocas palabras iniciativas como ECL van democratizar el acceso y uso a laboratorios de investigación en biociencias.

De más está decir que no tengo la bola de cristal y que mis pronósticos son simplemente eso. Pero me veo en la obligación de aclarar que mis opiniones están teñidas por una fuerte convicción: la próxima revolución es la biotecnológica, está a la vuelta de la esquina y al igual que la revolución digital va a transformar profundamente el mundo en el que vivimos.