Daten nutzbar machen

David Hardy verrät, wie LIMS und Datenanalysen umsetzbare Erkenntnisse liefern

Das biopharmazeutische Labor ist reich an Daten, die bei der Entscheidungsfindung darüber helfen, welche Projekte vorangetrieben werden sollen. Aber obwohl die meisten denken, dass Daten aus Experimenten gewonnen werden, stellt jeder einzelne Prozess im Labor eine ungenutzte Goldgrube an Daten bereit, die darauf warten, genutzt zu werden – von der Menge der verbleibenden Reagenzien bis hin zum Gerätezustand. Wenn all diese Daten gut genutzt werden, bieten sie dem Labor viele Vorteile, darunter: bessere Wahrung der Datenintegrität; Ermöglichung der Einhaltung von Vorschriften; Verbesserung der Produktivität.

Doch das Sammeln und Nutzen dieser Daten ist nicht so einfach, wie man zunächst denken könnte. Viele Laborprozesse sind immer noch manuell, das heißt, die Daten werden nicht automatisch erfasst. Und in den Fällen, in denen die Daten gesammelt werden, sind sie oft isoliert – was bedeutet, dass Wissenschaftler nicht in der Lage sind, die Punkte zu verbinden, um Echtzeitaktualisierungen zu sammeln.

Unzureichende Datenmengen und Daten, die nicht miteinander verbunden sind, können Laborprozesse verlangsamen und Produktivität und Innovation ersticken. Dies bedeutet nicht nur, dass die Daten nicht für Analysen verwendet werden können, sondern schränkt auch die Zusammenarbeit und damit den Projektfortschritt ein. Zudem werden Entscheidungen immer noch im Nachhinein und nicht in Echtzeit getroffen, was zu Verzögerungen und Kosten führt.

Laborinformationsmanagementsysteme (LIMS) sind das fehlende Puzzleteil, das Daten aus verschiedenen Quellen im gesamten Labor zusammenführt und es ermöglicht, sie in Informationen umzuwandeln, die es Benutzern ermöglichen, sofort Maßnahmen zu ergreifen. Hier veranschaulichen wir, wie LIMS für das Labordatenmanagement eingesetzt werden kann, sodass Daten genutzt werden können, um die Effizienz zu steigern und Kosten zu senken.

LIMS erfasst digital Informationen aus vielen Prozessen im gesamten Labor, z. B. das Datum, an dem Proben entnommen, empfangen oder fertiggestellt werden. Die Protokollierung dieser Daten für jede Probe liefert eine Fülle von Informationen, die dazu genutzt werden können, das Labor effizienter zu gestalten.

Die gewonnenen Daten können auf vielfältige Weise genutzt werden – beispielsweise für das Data Mining – und ermöglichen dem Benutzer, zusätzliche Einblicke in Laborleistungsindikatoren zu gewinnen, beispielsweise die Anzahl der Proben, die über einen bestimmten Zeitraum durchgeführt wurden. Darüber hinaus können Benutzer Engpässe leicht erkennen, Probleme beheben und letztendlich Kosten senken.

Die LIMS-Daten gehen weit über Stichproben hinaus und können Aspekte von Schulungsaufzeichnungen bis hin zu unstrukturierten Daten umfassen, die in elektronischen Analystennotizbüchern aufgezeichnet werden. Die gesammelten Daten können grob in drei verschiedene Kategorien eingeteilt werden: Laborbetrieb, Systemverwaltung und wissenschaftliche Erkenntnisse. Diese kombinierten Bereiche führen zu einem äußerst detaillierten Datensatz, der für weitere Analysen bereit ist.

Datenanalyselösungen können die von LIMS gesammelten Daten in Maßnahmen umwandeln. Und der Einfachheit halber verfügen einige LIMS über eine integrierte Datenanalyse, sodass kein Datenexport erforderlich ist und die Datenverwaltung gewahrt bleibt. Automatisierte Datenanalysen können in zwei Hauptbereichen hilfreich sein: Business Intelligence (BI) und maschinelles Lernen (ML).

Die Fähigkeit, betriebliche und administrative Engpässe schnell zu erkennen, ist für den reibungslosen Betrieb des Labors von entscheidender Bedeutung. BI-Dashboards sind Tools, die es Laborleitern ermöglichen, ein tieferes Verständnis zu erlangen und Datenerkenntnisse in Maßnahmen umzusetzen. Abhängig vom verwendeten LIMS stehen unterschiedliche Business-Intelligence-Funktionen zur Verfügung.

Einer der entscheidenden Aspekte im biopharmazeutischen Labor ist beispielsweise die Sicherstellung einer ausreichenden Versorgung mit Reagenzien und Verbrauchsmaterialien. Der Mangel an diesen wichtigen Komponenten kann zu erheblichen Verzögerungen führen und Labore dazu zwingen, Projekttermine zu verpassen. Einige LIMS verfügen über ein Bestandsübersichts-Dashboard (Abb. 1), mit dem Benutzer den Standort und die Verfügbarkeit jedes Verbrauchsmaterials anzeigen und sogar neue Bestände bestellen können. Diese Informationen führen zu einem besseren Verständnis der Verwendung und Verteilung von Verbrauchsmaterialien und helfen so, die Arbeitslast im Labor zu verwalten.

Die Bestandsübersicht ist jedoch nur ein Beispiel – Dashboards decken viele andere geschäftskritische Aspekte ab, darunter Geräteverfügbarkeit, Arbeitsbelastung der Analysten und Gerätewartung.

ML kann auf verschiedene Arten auf LIMS-Daten angewendet werden, um dem biopharmazeutischen Labor wichtige wissenschaftliche Erkenntnisse zu liefern, einschließlich der Erstellung von Vorhersagen.

Das Training eines ML-Modells mithilfe hochwertiger historischer Daten kann die Vorhersage zukünftiger Ergebniswerte ermöglichen. Erkenntnisse wie diese bilden eine Grundlage für die Priorisierung von Projekten, da die Ergebnisdaten noch erhoben werden.

Die Weiterentwicklung von Projekten, bei denen die Wahrscheinlichkeit eines Scheiterns geringer ist, spart Geld. Aber was wäre, wenn dies mit weniger Tests möglich wäre? Labore können ML auf LIMS-Daten anwenden, um die relative Bedeutung jedes Tests für das Gesamtergebnis zu ermitteln. Dies ermöglicht es den Laboren, zuerst die wichtigsten Tests durchzuführen und anschließend die Kandidaten mit den höchsten Aussichten weiterzuentwickeln.

In einer Teststudie wurde ML verwendet, um die Arzneimittelaktivität vorherzusagen. Bei der Untersuchung eines Datensatzes von 1.700 kleinen Molekülen untersuchte das Forschungsteam 32 verschiedene chemische Eigenschaften (Abb. 2). Das Training des ML-Modells ergab die Variablen, die für die Aktivität der Verbindung am wichtigsten sind: LogP, Anzahl der drehbaren Bindungen, polare Oberfläche und Molekulargewicht – allesamt, ohne dass das System es weiß, wichtige Lipinski-Deskriptoren.

Daten sind für den Erfolg eines Labors von entscheidender Bedeutung, aber nur, wenn sie ordnungsgemäß erfasst und digital vernetzt werden. LIMS und die zugehörigen Datenanalyselösungen sammeln effektiv Daten und ermöglichen umsetzbare Erkenntnisse zur Unterstützung des Laborbetriebs, der Systemverwaltung und wissenschaftlicher Erkenntnisse. Nur durch die Nutzung dieser Fähigkeiten können Labore auf der ganzen Welt die Entscheidungsfindung vorantreiben, um die Effizienz zu steigern, die Kosten zu senken und letztendlich wirksame Medikamente schneller zu entwickeln und bereitzustellen.

David Hardy, PhD, ist Senior Manager, Data Analytics und AI Enablement bei Thermo Fisher Scientific