Contenido
Están en camino aplicaciones móviles que serán capaces de ejecutar funciones de laboratorio que capturan órdenes de trabajo, notas, imágenes y análisis de datos y los exportan a LIS. En las pruebas de hemoglobina POC, por ejemplo, la traducción de los resultados visuales en valores de Hb mediante la aplicación de teléfono inteligente complementaria asegurará el autocontrol de los valores de Hb, similar al autocontrol de la presión arterial. La automatización del proceso de prueba total permite un sellado de tiempo preciso y entradas legibles sin errores que se pueden recuperar fácilmente para referencia futura. La tolerancia cero a las duplicaciones de entrada de datos y la transmisión inmediata de los resultados a los registros médicos electrónicos son otras ventajas de la automatización. Las pruebas de laboratorio automatizadas, sincronizadas con los sistemas de gestión de datos del hospital, dan como resultado un flujo de trabajo eficiente de gestión de enfermedades / salud. La población automática de datos y la capacidad de analizar retrospectivamente el patrón de pedido de pruebas y los resultados son los principales beneficios de la adopción de sistemas de información de laboratorio en el flujo de trabajo de diagnóstico. La interoperabilidad del LIS y el sistema de información del hospital evita la sobreutilización de las pruebas y el pedido de pruebas redundantes o incorrectas y garantiza el seguimiento de los resultados y una mejor gestión de las pruebas reflejas según las pautas.
Los sistemas de flujo de trabajo centrados en datos que administran internamente recursos computacionales, software y la ejecución condicional de los pasos de análisis están remodelando el panorama del análisis de datos biológicos y capacitando a los investigadores para realizar análisis reproducibles a escala. La adopción de estas herramientas puede facilitar y acelerar el análisis de datos robustos, pero aún falta el conocimiento de estas técnicas. Aquí, proporcionamos una serie de prácticas y estrategias para aprovechar los sistemas de flujo de trabajo con proyectos estructurados, datos y gestión de recursos para agilizar el análisis biológico a gran escala. Presentamos estas estrategias en el contexto del análisis de datos de secuenciación de alto rendimiento, pero los principios son ampliamente aplicables a los biólogos que trabajan más allá de este campo. El brote actual de coronavirus (SARS-CoV-2) ha puesto de relieve la necesidad de tecnologías para respaldar pruebas rápidas y de alto rendimiento de muestras para el SARS-CoV-2. Para combatir esta pandemia, PerkinElmer permite a los laboratorios mantener la integridad de la muestra y evitar la contaminación cruzada de las muestras de PCR del SARS-CoV-2 al proporcionar soluciones de flujo de trabajo automatizadas modulares y escalables. Los flujos de trabajo de prueba de PerkinElmer SARS-CoV-2 proporcionan extracción de ácido nucleico de alta calidad, automatización con rendimiento flexible y trazabilidad total.
Rediseño del procesamiento de muestras: permitir la redirección de muestras en función de problemas comunes
El código de investigación compartido e interoperable permite a los biólogos dedicar menos tiempo a reescribir pasos de análisis comunes y más tiempo a cuestiones biológicas interesantes. Creemos que estos sistemas de flujo de trabajo serán cada vez más importantes a medida que el tamaño y la complejidad del conjunto de datos continúen creciendo. Este manuscrito proporciona un conjunto dirigido de estrategias de gestión de proyectos, datos y recursos para adoptar sistemas de flujo de trabajo para facilitar y acelerar la investigación biológica reproducible. Si bien las estrategias de gestión mitologiagriega.org de datos incluidas se adaptan a nuestras propias experiencias en el análisis de secuenciación de alto rendimiento, esperamos que estos principios permitan a los biólogos, tanto dentro como fuera de nuestro campo, aprovechar los beneficios de la biología intensiva en datos habilitada para el flujo de trabajo. Los sistemas de flujo de trabajo, en virtud de la automatización de muchos de los pasos de gestión de proyectos que requieren mucho tiempo y que tradicionalmente se requieren para la biología con uso intensivo de datos, pueden aumentar nuestra capacidad de análisis de datos.
Los registros de salud electrónicos basados en la web y las opciones de pedido ofrecen soluciones simples y flexibles para la recopilación y transferencia de información en el menor tiempo posible para garantizar la adherencia médica y una mejor y oportuna gestión del paciente. Además, una pila de tarjetas proporciona un índice fácil de casos pendientes para configurar hojas de trabajo y etiquetado de tubos.
Anticuerpos
Por estas razones, las tarjetas habían resultado difíciles de reemplazar, a pesar de años de mejoras incrementales en automatización e informatización. La desventaja de un sistema manual de este tipo era que no podía admitir múltiples pruebas fácilmente ni admitir ramificaciones complejas de pruebas de varios pasos. Las herramientas diseñadas aquí permitieron que el laboratorio mantuviera la simplicidad de ida y vuelta de la tarjeta mientras permitía la automatización, la codificación de barras y la informatización de la producción de listas de trabajo y hojas de trabajo. El principal beneficio de un paquete de software completo y formalizado es que los enfoques individualizados previos para administrar el trabajo en el laboratorio ahora estaban estandarizados y eran más fáciles de rastrear e integrar con middleware, plataformas de prueba y sistemas de información clínica. Los sistemas de flujo de trabajo centrados en la bioinformática han remodelado la biología intensiva en datos, reduciendo los obstáculos de ejecución y capacitando a los biólogos para realizar análisis reproducibles a la escala masiva de datos ahora disponibles.
SampleManager LIMS es un sistema de gestión de datos basado en la nube, que ayuda a los laboratorios con la gestión de operaciones y el análisis de calidad. Sus características clave incluyen seguimiento de muestras, gestión de cumplimiento, flujos de trabajo dinámicos, archivo de datos, automatización de procesos, gestión de equipos e informes.
Herramientas de programación y arquitectura de red
Las simulaciones de dinámica molecular que estudian la evolución clásica en el tiempo de un sistema molecular a resolución atómica son ampliamente reconocidas en los campos de la química, las ciencias de los materiales, la biología molecular y el diseño de fármacos; estas simulaciones son una de las más comunes en supercomputadoras. Las supercomputadoras de próxima generación tendrán un rendimiento dramáticamente más alto que los sistemas actuales, generando más datos que deben analizarse (es decir, en términos de número y longitud de trayectorias de dinámica molecular). La coordinación de la generación y el análisis de datos no puede depender de enfoques manuales y centralizados como lo hace ahora. Este proyecto interdisciplinario integra la investigación de diversas áreas en programas como la informática, las biociencias moleculares estructurales y la informática de alto rendimiento para transformar la naturaleza centralizada del análisis de dinámica molecular en un enfoque distribuido que se realiza predominantemente in situ. Están en camino sistemas avanzados de apoyo a la toma de decisiones clínicas que integran los datos clínicos y de laboratorio para la selección de la terapia personalizada más adecuada. Esta modificación del flujo de trabajo, con varias herramientas de apoyo para el médico, tiene el potencial de garantizar pedidos de laboratorio electrónicos continuos sin errores, ahorros de tiempo y mano de obra y una generación de resultados más rápida. El futuro verá una reducción de la línea tradicional de separación entre las secciones de laboratorio (por ejemplo, la prueba de A1c en el analizador de hematología del tubo superior lavanda) y la interoperabilidad de los datos de laboratorio y del hospital.
A medida que ha aumentado la escala de la generación de datos biológicos, el cuello de botella de la investigación ha pasado de la generación de datos al análisis. Los investigadores comúnmente necesitan construir flujos de trabajo computacionales que incluyan múltiples herramientas analíticas y requieran un desarrollo incremental, ya que los conocimientos experimentales exigen modificaciones de herramientas y parámetros. Estos flujos de trabajo pueden producir cientos o miles de archivos intermedios y resultados que deben integrarse para obtener información biológica.