Top 6 des tendances scientifiques à suivre

| 5 min de lecture |

La révolution technologique change tous les aspects de nos vies, professionnelles et privées. Au cours des 10 dernières années, de nombreux secteurs ont complètement changé leur façon de faire face à la numérisation et à l’automatisation des logiciels.

En fait, le rythme des changements est si rapide que nous travaillons tous les jours avec de nouveaux outils et rien ne garantit que ce qui était la norme d'or il y a quelques mois à peine ne serait pas devenu obsolète maintenant.

La même chose est vraie pour la science. Le changement est visible, non seulement à mesure que de nouveaux instruments (permettant d'analyser des échantillons plus efficacement, plus rapidement et avec plus de précision) apparaissent dans les laboratoires, mais également dans la manière dont nous travaillons dans le domaine scientifique.

___________________________________________________________________

Nous observons six grandes tendances lorsque nous travaillons avec des scientifiques et des chercheurs du monde universitaire et de l’industrie. Tendances qui apporteront des changements à notre façon de faire de la science dans un avenir pas si lointain.

1. Plus de collaboration

L'époque où un seul scientifique pouvait effectuer toutes les expériences et parvenir à une percée mondiale est révolue. Aujourd'hui, les scientifiques collaborent dans différents domaines scientifiques et au sein d'institutions dispersées à travers le monde.

Il est tout à fait normal d’avoir plus de 10 coauteurs sur vos articles scientifiques et certaines réalisations monumentales (identification du boson de Higgs, par exemple) comptent plus de 1 000 auteurs.

De plus, de plus en plus de problèmes, en particulier dans les sciences de la vie, sont très complexes et nécessitent une compréhension de différents domaines scientifiques, de l'exploration de la forêt pluviale à l'analyse bioinformatique des données. Par conséquent, on peut s’attendre à ce que nous collaborions encore plus, avec des personnes que nous ne pourrions jamais rencontrer en personne et avec des scientifiques extérieurs aux sciences de la vie.

Nous devrons collaborer beaucoup plus efficacement afin de surmonter tous ces problèmes de communication et d’organisation. Bientôt, les emails ne suffiront pas.

2. Internet des objets

Il existe une tendance claire en ce qui concerne la connexion des appareils de laboratoire pour une acquisition transparente des données. Cela permet non seulement de gagner du temps, mais réduit également la possibilité que des données soient égarées ou effacées par un scientifique négligé.

De plus, les informations produites par une expérience peuvent alimenter un autre dispositif en entrée (par exemple, la mesure de la concentration en ADN dans une expérience peut être importée dans un robot de manipulation de liquide pour diluer les échantillons automatiquement). Des sociétés telles que TetraScience, Cubuslab et CertoClav ne sont que quelques-unes des plates-formes d'intégration proposées pour les instruments de laboratoire.

Nous constatons que de plus en plus de dispositifs intelligents se frayent un chemin dans les laboratoires et leur facilitent la vie. La pipette intelligente de Gilson peut permettre à chaque scientifique de devenir le maître du pipetage, réduisant considérablement le temps de pipetage manuel et les risques d’erreur.

De nombreux grands acteurs prévoient également l’utilisation de la réalité augmentée dans les laboratoires. Les scientifiques du nICLAS de Fraunhofer ont annoncé leur intention d’apporter à leurs scientifiques des lunettes de réalité augmentée qui les aideraient en temps réel, pour réaliser les expériences avec des directives et informations supplémentaires, ainsi que pour trouver des échantillons et des réactifs, etc.

3. Nouvelles méthodes d'analyse des données

Avec l’augmentation du volume de données scientifiques, qui double tous les trois ans, il devient très difficile d’analyser des données à partir d’expériences, même les plus simples. Nous sommes passés du comptage des colonies dans des boîtes de Pétri à l’analyse des métagénomes.

Les bioinformaticiens rapportent que leur travail consiste à préparer les données pour analyse à 80% et à analyser seulement 20%.

En outre, quelles que soient les expériences que nous prévoyons d’exécuter, de nombreuses expériences similaires ont déjà été réalisées et pourraient fournir des informations enrichies, si ce n’est le résultat réel que nous recherchions.

Afin de faire face à ces exigences, les bioinformaticiens vont avoir besoin d'être enrichis par de puissants outils logiciels qui non seulement analyseront les données, mais les rassembleront également à partir de différentes sources.

Nous voyons déjà quelques entreprises dans ce domaine, telles que Iris et Meta, qui utilisent des algorithmes d'IA avancés qui aident le scientifique à comprendre ce qui a déjà été fait et à s'appuyer sur les épaules de géants. En utilisant de tels algorithmes, les scientifiques peuvent être beaucoup plus efficaces pour trouver de la littérature pertinente et également évaluer la validité des méthodes et des résultats d'autres études pour leurs travaux.

4. Expériences d'impartition

Étant donné que les frontières entre les différents domaines de la science sont de plus en plus floues et que le nombre d'essais différents qu'un scientifique doit effectuer varie, nous constatons une nette tendance à l'externalisation des expériences.

Les laboratoires deviennent de plus en plus spécialisés et concentrés sur les techniques qu'ils maîtrisent le mieux. Pour mener des expériences où ils ne possèdent pas le savoir-faire ou l'équipement de laboratoire, ils recherchent d'autres laboratoires qui effectuent régulièrement des tests spécifiques.

Un exemple typique de ceci est le séquençage de nouvelle génération (NGS). Lorsque cette technologie est devenue largement accessible (principalement grâce aux produits d'Illumina et de Life Technologies), tout le monde était emballé par ce que cette technologie pouvait offrir.

Cependant, pour mener de telles expériences, les scientifiques avaient besoin de beaucoup plus de connaissances et le matériel était très coûteux. Aujourd'hui, de nombreux laboratoires préfèrent envoyer leurs échantillons à une entreprise spécialisée pour économiser temps et efforts et éviter d'avoir à apprendre à mener de telles expériences. Cette pratique est également plus efficace économiquement.

Il n’est donc pas surprenant que des entreprises telles que LabViva et TestXchange offrent le service de recherche des laboratoires adéquats pour réaliser les expériences à votre place. Meenta, AirBnB pour NGS, est un autre exemple intéressant. À l'avenir, ce type de rapprochement de partenariat sera beaucoup plus simple et permettra aux laboratoires de se concentrer sur leur savoir-faire et d'externaliser le reste.

5. Science interactive, transparente et reproductible

La pression pour la publication augmente considérablement (PMID: 24778659) et les scientifiques sont souvent confrontés au défi de publier ou de périr. Un exemple de ceci est un article sur le virus Zika associé à la microcéphalie (PMID: 26862926).

L'ensemble de la recherche (de l'obtention des échantillons à la rédaction d'un manuscrit) a pris moins d'une semaine, l'équipe de recherche effectuant le séquençage des échantillons à Noël. Leurs concurrents ont soumis un manuscrit sur les mêmes constatations seulement 25 minutes après eux.

La pression exercée sur les scientifiques pour qu'ils publient d'abord n'est pas une bonne incitation. En 2013, une étude très révélatrice (PMID: 24032093) a montré que:

plus de 54% de tous les articles publiés n'ont pas pu être reproduits, principalement en raison d'une mauvaise gestion des données et des annotations.

Pour que la recherche soit réutilisable par d'autres, les scientifiques doivent faire preuve de beaucoup de diligence dans la manière dont ils enregistrent leurs expériences et leurs résultats, ce qui peut être très fastidieux et prendre du temps. À mesure que les expériences deviennent de plus en plus complexes et sont réalisées en collaboration, la reproductibilité des pièces publiées semble se dégrader.

Même si tout est fait correctement, les autres scientifiques qui cherchent à s'appuyer sur les travaux publiés précédemment ne comprennent souvent pas suffisamment les connaissances simplement en lisant un fichier PDF. C'est pourquoi toutes les grandes revues, en plus de soumettre un manuscrit, exigent maintenant que les scientifiques publient des fichiers de données brutes. Certaines revues s’intègrent même avec des plateformes telles que Protocols.iof pour que l’information soit plus interactive et informative.

À l’avenir, un fichier PDF servira de résumé, qui renverra à un registre d’expériences, permettant aux scientifiques d’obtenir plus d’informations sur cette recherche particulière de manière interactive et de tirer leurs propres conclusions.

6. La montée des ELN

Les scientifiques et les chercheurs avec lesquels nous travaillons nous disent souvent que les données de laboratoire sont, dans de nombreux cas, dispersées entre les ordinateurs portables, les serveurs, les cahiers papier, les fichiers de bureau, etc. Une fois que les personnes ont quitté le laboratoire ou ont passé un certain temps après leur achèvement. projet, ces informations sont souvent mal placées, désorganisées ou perdues.

Il est donc important de disposer d’une source unique de vérité, à partir de laquelle les données sont facilement importables / exportables. En outre, ces informations doivent être liées aux protocoles, aux réactifs, aux échantillons et aux résultats, ce que les ordinateurs portables de laboratoire électronique tels que SciNote.net effectuent très bien.

Si les scientifiques veulent faire face à toutes les tendances ci-dessus, beaucoup de ces choses devront être automatisées. La mise en œuvre de logiciels est un choix évident, mais une plate-forme centralisée permettant de se connecter à différentes sources de données est clairement nécessaire.

À l'heure actuelle, le journal central permettant de collecter toutes ces données est toujours un cahier papier, l'outil principal de tous les scientifiques. Cependant, tout avoir sur papier rend très difficile la traçabilité et l'interactivité des résultats scientifiques.

Par conséquent, la première étape pour faire face aux tendances consiste à effectuer un suivi numérique de la recherche dès le début. Les cahiers de laboratoire électroniques vont jouer un rôle essentiel dans la gestion des données de différents projets et équipes, tout en constituant la pièce maîtresse de l'intégration avec les équipements de laboratoire et les autres logiciels.

Il existe déjà de nombreux cahiers de laboratoire électroniques, mais leur adoption a été lente: seuls 10% des scientifiques les utilisent actuellement. Mettre en place un cahier de laboratoire électronique prend du temps et de l'énergie, et le mantra actuel est: "quand tout le monde passera à un ELN, je le ferai aussi"

Il est difficile d'imaginer un avenir où les tendances ci-dessus peuvent coexister avec les cahiers en papier, mais la question est de savoir si le bon moment pour passer au numérique est maintenant?

La réponse est "Hé, il y a une application pour ça!".

Par: Klemen Zupancic, PhD - PDG de SciNote: bit.ly/2NqkVKf