Do experimento ao insight: como Dotmatics Luma e Databricks tornam a ciência pronta para IA uma realidade

A lacuna entre dados científicos e insights científicos

Os fluxos de trabalho científicos modernos geram dados em uma escala extraordinária. Uma única organização pode operar centenas de instrumentos em laboratórios experimentais e redes de parceiros. Cada um produz dados e, na maioria das vezes, esses dados vivem em silos, desconectados das próprias decisões que deveriam informar.

O problema não é o volume, mas sim o contexto. Manter a integridade e o contexto dos dados científicos à medida que eles passam por instrumentos, análises e decisões é crucial. Quando o contexto é perdido, os cientistas gastam tempo reconstruindo ou repetindo resultados em vez de avançar na pesquisa. Quando modelos de AI são treinados com dados fragmentados e não harmonizados, as saídas nem sempre são confiáveis (Figura 1).

Figura 1. O Dotmatics Luma e o Databricks transformam saídas de instrumentos fragmentadas em um pipeline contínuo e conectado de dados científicos estruturados e prontos para AI.

Fechar essa lacuna exige duas coisas trabalhando em conjunto. Uma plataforma desenvolvida especificamente para dados científicos e uma infraestrutura de nível empresarial para dar suporte a isso em escala. É para isso que o Luma, a plataforma de inteligência científica da Dotmatics, e o Databricks foram respectivamente desenvolvidos. Juntos, eles entregam algo que nenhum dos dois poderia fornecer sozinho.

O que o Dotmatics Luma e o Databricks entregam juntos

O Luma é a camada operacional científica para R&D moderno. O Luma captura as saídas dos instrumentos de forma contínua e automática, sem interromper os fluxos de trabalho existentes, trazendo os dados para um registro científico harmonizado e estruturado em tempo real. Ele também pode lidar com bilhões de pontos de dados científicos diariamente.

Essa etapa de harmonização é o que torna possível tudo o que vem a seguir. Saídas brutas não estruturadas tornam-se dados estruturados e em conformidade com o FAIR (Findable, Accessible, Interoperable, and Reusable) que estão prontos para análise, modelagem e aplicações de AI no momento em que chegam. Como o registro científico é contínuo e estruturado, a AI pode ser aplicada a todo o registro, identificando padrões entre experimentos, sugerindo o que executar a seguir e até mesmo gerando procedimentos operacionais padrão (SOPs) em linguagem simples que os cientistas podem seguir imediatamente.

O Databricks é la base sobre a qual o Luma é construído. Isso fornece a infraestrutura escalável e governada necessária para armazenar, gerenciar e ativar esses dados em toda a empresa. Ele permite que os dados científicos fiquem ao lado dos sistemas de finanças, compras e business intelligence, conectando os resultados das pesquisas ao contexto organizacional mais amplo. O Delta Sharing permite a troca contínua de dados com colaboradores terceiros, incluindo organizações de pesquisa por contrato (CROs) e parceiros acadêmicos, sem comprometer a governança ou a integridade dos dados.

Como o Dotmatics Luma e o Databricks funcionam melhor juntos

O Luma foi desenvolvido especificamente para a ciência, e o Databricks foi desenvolvido especificamente para dados escaláveis e AI. O Luma roda nativamente no Databricks, de modo que as organizações obtêm capacidade científica profunda e infraestrutura de dados de nível empresarial como uma pilha unificada, e não como uma colcha de retalhos de integrações. Essa pilha unificada funciona porque cada plataforma contribui com algo que a outra não possui.

Complementares por design. O Luma fornece a conectividade de instrumentos, lógica de harmonização, contexto científico e uma base de dados em conformidade com o FAIR, tudo construído especificamente para R&D. O uso de ecossistemas abertos e extensíveis para biologia e química garante que os usuários estejam aproveitando fluxos de trabalho projetados por cientistas, para cientistas. O Databricks traz a infraestrutura de dados e AI, com armazenamento escalável, governança e as ferramentas para ativar esses dados em toda a empresa. Juntos, a pilha é maior do que a soma de suas partes (Figura 2).

Figura 2. O Luma e o Databricks formam uma pilha unificada, com capacidade científica no topo, infraestrutura de dados empresarial por baixo e insights prontos para AI como resultado.

O resultado é um caminho mais rápido para uma ciência pronta para AI, sem sacrificar o rigor que a ciência exige. O Luma foi desenvolvido para fluxos de trabalho onde os dados devem ser auditáveis, as decisões devem ser rastreáveis e as saídas de AI devem resistir ao escrutínio, abrangendo desde a descoberta inicial até o envio regulatório. Esse é o padrão que esta parceria foi criada para atender.

Um exemplo de área de aplicação: quando os dados de cromatografia se fragmentam

O fluxo de trabalho típico de cromatografia é cheio de lentidão operacional. Os SOPs podem variar entre equipes e locais, os instrumentos geralmente vêm de fornecedores diferentes com seus próprios sistemas de dados e tipos de arquivos proprietários, e os resultados são exportados manualmente, reformatados e carregados em um caderno eletrônico de laboratório (ELN). Essa abordagem pode remover metadados, linhagem e contexto experimental, resultando em comparações difíceis entre locais e em dados subjacentes que frequentemente acabam enterrados ou inacessíveis.

Esse tipo de dados isolados em silos é precisamente o que queremos evitar ao trabalhar em um ambiente de AI. A continuidade científica é crucial, e o Luma possibilita isso atuando como a camada de orquestração que permite decisões científicas mais rápidas com continuidade em todo o ciclo de vida da pesquisa. Isso inclui:

• planejamento de experimentos
• entrega automatizada de tarefas e aquisição de dados
• análise automatizada de cromatogramas por meio de conectividade com ferramentas poderosas
• relatórios e compartilhamento com um clique
• comparação fácil de dados

É importante ressaltar que os metadados, a linhagem e o contexto experimental são preservados ao longo de todo o fluxo digital.

É aqui que entra o Analytical Studio da Virscidian. Em 2024, a Dotmatics adquiriu a Virscidian, proprietária do poderoso software de processamento de cromatografia Analytical Studio. Por si só, este software oferece um enorme potencial para acelerar a descoberta de medicamentos, devido às suas capacidades de automatizar o processamento complexo de dados de cromatografia líquida acoplada à espectrometria de massas (LC/MS), experimentação de alto rendimento (HTE) e fluxos de trabalho de purificação. O que poderia levar semanas para ser feito manualmente pode ser realizado em questão de minutos. Ao operar em conjunto com o Luma, o software da Virscidian agora ganha um painel de resultados, registro de compostos e ferramentas de gerenciamento de compostos integradas ao Luma.

A cromatografia é apenas um exemplo de um padrão muito mais amplo. A mesma fragmentação pode ser observada em qualquer lugar onde instrumentos, equipes e formatos de dados se multiplicam, seja em espectrometria de massas, ensaios baseados em placas, sequenciamento, imagens e muito mais. Independentemente da modalidade, o problema subjacente é o mesmo; o contexto se perde entre a captura e a decisão. Felizmente, a solução continua sendo a mesma: um registro contínuo e harmonizado que acompanha os dados em vez de parar no ponto de coleta. Esse é o valor que o Luma e o Databricks entregam ao longo de todo o ciclo de vida da pesquisa, e não apenas em um único fluxo de trabalho.

Vendo na prática

Uma grande empresa farmacêutica global enfrentou um desafio familiar para qualquer organização que realiza pesquisas em escala: mais de 5.000 instrumentos em seu campus, cada um gerando dados de forma isolada. Sua maior e mais fragmentada fonte de dados era sua frota de (LC/MS), que contava com instrumentos de quatro fornecedores diferentes, cada um armazenando dados de cromatografia em seu próprio sistema proprietário. Isso significava que não havia como analisar tendências de desempenho, comparar resultados entre locais ou aplicar AI a um conjunto de dados que nunca havia sido unificado. Eles implantaram o Luma começando com aproximadamente 1.500 instrumentos, conectando as saídas de todos os quatro sistemas de fornecedores em um registro harmonizado e alinhado ao FAIR, sem interromper um único fluxo de trabalho. Os cientistas continuaram trabalhando exatamente como antes, exceto que seus dados não paravam mais no limite do sistema de cada fornecedor.

Pela primeira vez, a organização pôde analisar tendências de desempenho de instrumentos entre diferentes fornecedores, executar análises de pureza a partir de uma visão unificada e aproveitar dados de utilização e tempo de atividade para informar o planejamento de capital e contratos de serviço. Anteriormente, essas decisões exigiam um esforço manual significativo para reunir informações de fontes desconectadas. Com um conjunto de dados limpo, estruturado e historicamente completo agora disponível, a organização também obteve uma base pronta para AI e machine learning, com um caminho claro para conectar todos os mais de 5.000 instrumentos em seu campus.

O que esta organização construiu não é um projeto de integração pontual. É uma base replicável: comece onde a dor dos dados é mais crítica, prove o valor rapidamente e expanda a partir de uma infraestrutura que funciona. Esse é o modelo que a Luma e a Databricks foram desenvolvidas para apoiar.

Quer ver o que a Luma e a Databricks podem fazer pela sua organização? Acesse dotmatics.com para saber mais sobre a Luma e a plataforma Dotmatics.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original