在药物发现与研发领域，目前仍主要依赖大量试错。尽管计算预测能力不断提升，我们仍需实际合成大量化合物以探索筛选命中化合物的化学空间，并探究分子结构与生物活性之间的关系。这意味着必须执行大量（通常是常规性）反应——既要创造多样化分子，也要优化和扩大最有希望候选化合物的合成规模。
许多人认为自动化在此领域蕴藏巨大机遇，正如我在英国伯明翰近期举办的实验室创新展会上所了解的那样。当时我主持了英国皇家化学会关于该主题的会议项目。
然而，阿斯利康（AZ）的西蒙·耶茨（Simon Yates）和罗氏的马里乌斯·卢茨（Marius Lutz）的演讲迅速表明，构建能执行人类化学家常规任务的机器人仍面临巨大挑战。
来源：© onurdongel/Getty Images
某些实验室任务对机器人而言显著更易上手
例如，虽然合成机器人已能较为熟练地处理液体试剂（这主要得益于生命科学领域在蛋白质和核酸合成中的需求），但准确且一致地分配固体试剂的自动化难度则大得多。耶茨描述了他的团队如何与其他几家大型制药公司的同事建立预竞争合作关系，共同开发新设备，并说服商业机器人制造商值得投资研发此类技术。
但机器人硬件仅是方程式的一部分。机器人还需指令，并需与数据采集、报告及分析软件集成。我最初惊讶地得知罗氏和阿斯利康均选择内部承担这一艰难的软件开发工作。然而，鉴于不同实验室已形成繁杂的软件环境、实验室对机器人任务的差异化需求，以及对数据安全的绝对要求，找到满足所有条件的商业软件更为困难。
将实验室任务从人类转移至机器人时，还可能隐含挑战。任何曾因无法复现论文描述实验而受挫的人，都熟悉那些基础书面规程常未捕捉到的实验室技术“潜规则”。采用结合实时人工智能分析的视频技术——例如Reach Industries公司西拉斯·阿德昆莱（Silas Adekunle）开发的Lumi系统——能更有效地记录流程并提升可重复性，无论执行者是人类还是机器人。
若应用得当，机器人可大幅提升生产力与一致性，未来几年必将迎来激动人心的发展——无论是像英国利物浦大学那样让自主实验伙伴与人类并肩工作，还是实现耶茨所展望的类似1980年代卡通梦想机器“贝莎”（Bertha）的构想。
菲利普·布罗德威特
作为商业版编辑，菲利普旨在向读者展示商业领域中激动人心的创新化学成果，并让读者了解化工业界的趋势与发展。
【全文结束】
