آزمایشگاه ولتا: بهبود گردش کار برای کاربردهای ژنتیکی | اخبار MIT

هزینه تعیین توالی DNA با سرعتی سریعتر از قانون مور کاهش یافته است و بازارهای بزرگی را در فضای توالی یابی باز کرده است. پیش‌بینی می‌شود که ژنومیک برای مراقبت از سرطان به تنهایی تا سال 2025 به 23 میلیارد دلار برسد، اما هزینه‌های آماده‌سازی نمونه برای توالی‌یابی راکد شده است و باعث ایجاد تنگنای قابل توجهی در فضا شده است.

آماده سازی نمونه معمولی، تبدیل DNA از یک نمونه بزاق، به عنوان مثال، به چیزی که می تواند به یک ماشین توالی یابی تغذیه شود، به یک ربات کنترل کننده مایع متکی است. این اساساً یک بازوی مکانیکی مجهز به نوک پیپت است که نمونه های مایع را به صفحات پلاستیکی و سایر ابزارهایی که روی عرشه قرار می گیرند منتقل می کند. این سیستم‌ها شامل چندین انتقال سیال می‌شوند که منجر به استفاده ضعیف از معرف‌ها و نمونه‌ها می‌شود، که به معنای توالی DNA کمتر است. علاوه بر این، آنها سیستم هایی از سیلوهای داده جداگانه هستند که فاقد یکپارچگی هستند و به مواد مصرفی گران قیمت متکی هستند.

بر خلاف اتوماسیون سنتی جابجایی مایعات، مجموعه راه‌حل‌های توسعه‌یافته توسط آزمایشگاه‌های اسپین‌آف MIT Media Lab Volta Labs یکپارچه‌سازی سرتاسری را برای طیف گسترده‌ای از جریان‌های کاری فراهم می‌کند. این یک جایگزین براق برای ماشین های پرهزینه حمل مایعات و لوله گذاری دستی است. ویل لانگفورد SM ’14، دکتری، یکی از بنیانگذاران آزمایشگاه ولتا می گوید: «فناوری ما یک دستگاه رومیزی در مقیاس کوچک است که کم هزینه است و حداقل استفاده از مواد مصرفی را دارد و ترکیب سریع و انعطاف پذیر جریان کار بیولوژیکی جدید را امکان پذیر می کند. ’19.

پلتفرم ولتا مبتنی بر فناوری میکروسیال دیجیتال است که در MIT توسط یکی از بنیانگذاران Langford، مدیر عامل شرکت Volta Labs Udayan Umapathi SM ’17 توسعه یافته است. اصل اصلی پشت این نوآوری، خیس شدن الکتریکی نامیده می شود. این به کاربران خود اجازه می دهد تا قطرات را در اطراف یک برد مدار چاپی دستکاری کنند تا واکنش های بیولوژیکی را انجام دهند و از نمونه خام تا کتابخانه آماده شده که می تواند بر روی دستگاه توالی یابی اجرا شود خودکار می شود.

اوماپاتی با چیزی که او آن را “جاذبه ای برای اتوماسیون ساختمانی از پایه” توصیف می کند، وارد آزمایشگاه رسانه شد. اگرچه Umapathi به عنوان یک مهندس آموزش دیده است، اما مهارت های خود را در زمینه های مختلف به کار برده است. در سال 2015، او استارت آپی را تأسیس کرد که ابزارهای وب و فیزیکی را برای ایجاد محتوا برای تولید دیجیتال ایجاد کرد. با این حال، زمانی که برای یک شرکت زیست‌شناسی مصنوعی، مهندسی سیستم‌های جابجایی مایعات برای راه‌حل‌های مهندسی ژنوم کار می‌کرد، او افزایش مقیاس اتوماسیون را به عنوان نقطه‌ای دردناک برای این رشته شناسایی کرد.

در همین حال، لنگفورد روزهای MIT خود را در مرکز بیت‌ها و اتم‌ها گذراند، برنامه‌ای با افتخار بین رشته‌ای که مرز بین علوم کامپیوتر و علوم فیزیکی را بررسی می‌کند. تحقیقات او بر این ایده متمرکز بود که مهندسی می تواند از زیست شناسی بیاموزد. به عبارت دیگر، تمام زندگی از 20 اسید آمینه ترکیب شده است، بنابراین، لانگفورد فکر کرد، چرا کاری مشابه با مهندسی انجام ندهید؟

در عمل، این بدان معنی بود که او ربات های یکپارچه ای را از مجموعه کوچکی از قطعات در مقیاس میلی متری ساخت. او می‌گوید: «در نهایت، من سعی می‌کردم مهندسی را بیشتر شبیه زیست‌شناسی کنم. من ولتا را فرصتی می‌دانم تا آن را روی سرش بگذارم و از اتوماسیون برای درمان زیست‌شناسی بیشتر شبیه مهندسی استفاده کنم. ما می‌خواهیم به زیست‌شناسان ابزارهایی بدهیم تا مایعات و مایعات را دستکاری کنند. واکنش های بیولوژیکی با دانه بندی ریزتر و با انعطاف پذیری دیجیتالی بیشتر.

در حالی که پلت فرم اتوماسیون ولتا با یکپارچه‌سازی جریان‌های کاری پیچیده، آماده‌سازی نمونه را ساده می‌کند، اما با ساختار جدید مصرفی، هزینه‌ها را در فضا کاهش می‌دهد. بین برد مدار و برد نمونه یک لایه مصرفی قرار دارد که پس از هر بار اجرا برداشته شده و جایگزین می شود. مواد مصرفی معمولی، پلاستیک‌های گران‌قیمت با کد رسانا یا ساختارهای میکروسیال بزرگ هستند. با این حال، ولتا از یک فیلم پلاستیکی ساده برای کاهش هزینه مواد مصرفی استفاده می‌کند که راه را برای پذیرش گسترده توالی‌یابی ژن باز می‌کند.

همه اینها به یک مدل کارآمدتر و فراگیرتر در فضای توالی یابی ژن اشاره دارد. به لطف ولتا، به زودی، این تنها شرکت های بزرگ بیوتکنولوژی با توانایی سرمایه گذاری در اتوماسیون نخواهند بود. آزمایشگاه‌های دانشگاهی، امکانات اصلی، و شرکت‌های کوچک تا متوسط ​​بیوتکنولوژی نیازی به نگرانی در مورد اینکه آیا می‌توانند یک ربات مکانیکی گران قیمت را بخرند، نخواهند داشت. می‌گوید: «چیزی که من را هیجان‌زده می‌کند این است که ما ابزارهای قدرتمندی را به شرکت‌های بیوتکنولوژی در مراحل اولیه و متوسط ​​تا پایین ارائه می‌دهیم که به آن‌ها اجازه می‌دهد با بازیگران بزرگ‌تر رقابت کنند، که برای کل صنعت خوب است». اوماپاتی.

و واقعیت این است که ماشین‌های اتوماسیون سنتی که در فضای بیوتکنولوژی استفاده می‌شوند، مجموعه‌ای از مشکلات خاص خود را دارند. آنها مستعد خطا هستند و شما نمی توانید آنها را مقیاس کنید. دنباله‌ساز NovaSeq Illumina را در نظر بگیرید. این دستگاه قادر است 48 ژنوم کامل انسان را در کمتر از دو روز توالی یابی کند – که 20 میلیارد خواندن منحصر به فرد است – اما در حال حاضر هیچ اتوماسیونی برای تغذیه این ماشین ها در مقیاس وجود ندارد. Umapathi می‌گوید: «برای راه‌اندازی روز و روز آن ماشین‌ها، هزینه به سادگی معنا ندارد، به همین دلیل است که ما باید هزینه‌های توالی‌یابی و آماده‌سازی نمونه را بپردازیم.

سیستم ولتا بر روی الکترونیک حالت جامد ساخته شده است و استارت آپ مستقر در بوستون به دنبال افزایش مقیاس پذیری صنعت ساخت نیمه هادی ها و صنعت تولید PCB است. لانگفورد توضیح می‌دهد: «هدف این است که زیست‌شناسان را قادر به ایجاد آزمایش و اصلاح سریع آن، تکرار آن و تولید داده‌های لازم برای دیدن زیست‌شناسی در مقیاس کنند».

فراتر از گلوگاه آماده سازی نمونه، در نهایت، کار Umapathi و Langfordwork بر کاربردهای مختلف در صنعت زیست شناسی مصنوعی و صنعت بیو دارو تأثیر خواهد گذاشت. به گفته Umapathi، تشخیص تغییر خواهد کرد. ما می توانیم با کاهش 20 یا 50 برابری استفاده از نوک پیپت به صنعت زیست شناسی کمک کنیم. در جریان‌های کاری خاص، ما می‌توانیم تقریباً به طور کامل این تنگنا را در زنجیره تأمین از بین ببریم.»

Umapathi و Langford برای انجام همه اینها، برای نوآوری واقعی در زمینه پیچیده ای مانند زیست شناسی، اصرار دارند که دیدگاه سیستم های چند رشته ای ضروری است. این چیزی است که رویکرد ولتا به توالی یابی ژنومی به طور خاص و زیست شناسی را به طور کلی نشان می دهد. Umapathi می گوید: «ولتا نوع جدیدی از شرکت بیوتکنولوژی است. اجتناب‌ناپذیر است که مهندسان و متفکران سیستم‌های بیشتری و کسانی که می‌خواهند ابزارهایی برای مهندسی بهتر زیست‌شناسی بسازند، به شرکت‌هایی مانند ما بپیوندند یا شرکت خود را راه‌اندازی کنند.»

تبدیل زیست شناسی به یک اصل مهندسی کار کوچکی نیست، اما به گفته Umapathi و Langford، این یک ضرورت است.