Diese Studie konzentriert sich auf die Automatisierung der Kultur von iPS-Zellen. Unser Ziel ist es, die Variabilität aufgrund manueller Experimente und menschlicher Arbeit zu reduzieren, indem wir kleinere und kostengünstigere Geräte verwenden, was zu einer Verbesserung der Reproduzierbarkeit führt und mehr Forschern Möglichkeiten bietet, die mit iPS-Zellen nicht vertraut sind. Es gibt verschiedene Arten von automatisierten Kulturmaschinen, aber die meisten von ihnen sind immer noch groß, kostspielig und können nur Teilaufgaben ausführen.
Die einfachere Struktur der Arbeitsurne hat die Größe und die Kosten der Ausrüstung reduziert. Darüber hinaus können die Aufgaben von der Zellwartung bis zur Differenzierungsinduktion automatisch durchgeführt werden, wobei nur die vorherige Materialvorbereitung und die Aufgabeneinstellung in der Software erforderlich sind. Die maschinelle Wiederholung ist im Vergleich zur menschlichen Wiederholung bemerkenswert genau.
Der Einsatz solcher Maschinen verbessert nicht nur die Wiederholungsfreundlichkeit, sondern reduziert auch die menschliche Arbeit. Wenn die Parameter in jedem Protokoll geteilt werden, können Forscher, die mit iPS-Zellen nicht vertraut sind, ähnliche Ergebnisse erzielen wie erfahrene Forscher, was es ihnen ermöglicht, problemlos in die Forschung mit iPS-Zellen einzusteigen. Wir untersuchen die Möglichkeit, ein KI-basiertes Bildbeurteilungssystem zu integrieren, um die Auswahl des nächsten Arbeitsplans, des Einstellungsdatums und des Arbeitsinhalts aus dem Lernen der Versuchsergebnisse zu automatisieren.
Wir gehen auch davon aus, dass die Möglichkeit, dass Forscher ihre Arbeitsprotokolle an ihre Präferenzen anpassen und sie online teilen können, nicht nur die Reproduzierbarkeit unter den Forschern weltweit verbessern wird, sondern auch die globale Forschungszusammenarbeit fördern wird.
