साइंस में टॉप 6 ट्रेंड्स आपको फॉलो करने चाहिए

| 5 मिनट पढ़े |

टेक क्रांति हमारे जीवन के सभी पहलुओं को बदल रही है, पेशेवर और निजी। पिछले 10 वर्षों में कई उद्योगों ने डिजिटलीकरण और सॉफ्टवेयर स्वचालन के रूप में व्यापार करने के तरीके को पूरी तरह से बदल दिया है।

वास्तव में, परिवर्तन की दर इतनी तेज़ है कि हमें दैनिक आधार पर नए उपकरणों के साथ काम करना पड़ता है और इस बात की कोई गारंटी नहीं है कि कुछ महीने पहले जो भी स्वर्ण मानक था, वह अब तक अप्रचलित नहीं होगा।

विज्ञान के लिए भी यही सच है। परिवर्तन दिखाई दे रहा है, न केवल नए उपकरणों के रूप में (जो नमूनों का बेहतर, तेज और अधिक सटीक विश्लेषण कर सकते हैं) प्रयोगशालाओं में दिखाई देते हैं, बल्कि इस तरह से भी हम विज्ञान में काम करते हैं।

___________________________________________________________________

6 शीर्ष रुझान हैं जो हम अकादमिक और उद्योग के वैज्ञानिकों और शोधकर्ताओं के साथ काम करते हुए देखते हैं। रुझान जो हमारे भविष्य में विज्ञान के न होने के तरीके में बदलाव लाएंगे।

1. अधिक सहयोग

लंबे समय से वे दिन हैं जब एक एकल वैज्ञानिक सभी प्रयोग कर सकता था और वैश्विक स्तर पर ब्रेक-थ्रू आ सकता था। आज वैज्ञानिक विभिन्न वैज्ञानिक क्षेत्रों में और विभिन्न संस्थानों से, जो दुनिया भर में बिखरे हुए हैं, में सहयोग करते हैं।

आपके वैज्ञानिक पत्रों और 10 स्मारकीय उपलब्धियों (जैसे हिग्स बोसोन की पहचान) पर 1000 से अधिक लेखकों का होना पूरी तरह से सामान्य है।

इसके अतिरिक्त, अधिक से अधिक समस्याएं, विशेष रूप से जीवन विज्ञान में, बहुत जटिल हैं और विज्ञान के विभिन्न क्षेत्रों की समझ की आवश्यकता है, वर्षा वन अन्वेषण से डेटा के जैव सूचनात्मक विश्लेषण तक। इसलिए हमसे और भी अधिक सहयोग की उम्मीद की जा सकती है, ऐसे लोगों के साथ जो हम कभी भी जीवन विज्ञान से बाहर के व्यक्ति और वैज्ञानिकों से नहीं मिल सकते हैं।

इन सभी संचार और संगठन की चुनौतियों को दूर करने के लिए हमें सहयोग पर अधिक प्रभावी बनना होगा। जल्द ही, ईमेल पर्याप्त नहीं होंगे।

2. इंटरनेट ऑफ थिंग्स

निर्बाध डेटा प्राप्त करने के लिए प्रयोगशाला उपकरणों को जोड़ने में एक स्पष्ट प्रवृत्ति है। यह न केवल समय बचाता है, बल्कि एक मैला वैज्ञानिक द्वारा डेटा के गलत तरीके से हटाए जाने या हटाए जाने की संभावना को भी कम करता है।

इसके अतिरिक्त, एक प्रयोग द्वारा निर्मित जानकारी किसी अन्य उपकरण में एक इनपुट के रूप में फीड कर सकती है (जैसे कि एक प्रयोग में डीएनए एकाग्रता को मापना स्वचालित रूप से नमूनों को पतला करने के लिए एक तरल हैंडलिंग रोबोट के लिए आयात किया जा सकता है)। TetraScience, Cubuslab और CertoClav जैसी कंपनियां केवल कुछ ही हैं जो लैब इंस्ट्रूमेंट्स के लिए इनर इंटीग्रेशन प्लेटफॉर्म हैं।

हम अधिक से अधिक स्मार्ट उपकरणों को प्रयोगशालाओं में जाने और प्रयोगशाला जीवन को आसान और सुविधाजनक बनाने के तरीके देखते हैं। गिल्सन के स्मार्ट पिपेट प्रत्येक वैज्ञानिक को पाइपिंग के मास्टर बनने में सक्षम बना सकते हैं, मैनुअल पिपेटिंग समय और त्रुटि की संभावना को काफी कम कर सकते हैं।

कई बड़े खिलाड़ी प्रयोगशालाओं में संवर्धित वास्तविकता के उपयोग की भी उम्मीद करते हैं। फ्रुनहोफर के एनआईसीएलएएस के वैज्ञानिकों ने घोषणा की है कि वे अपने वैज्ञानिकों को संवर्धित वास्तविकता चश्मा लाने की योजना बनाते हैं जो वास्तविक समय में उनकी मदद करेंगे, अतिरिक्त दिशानिर्देशों और सूचनाओं के साथ प्रयोगों को करने के साथ-साथ नमूने और अभिकर्मकों आदि का भी पता लगाएंगे।

3. डेटा विश्लेषण के लिए नए तरीके

विज्ञान में डेटा आउटपुट में वृद्धि के साथ, जो हर 3 साल में दोगुना हो जाता है, यहां तक ​​कि सबसे सरल प्रयोगों से डेटा का विश्लेषण करना बहुत चुनौतीपूर्ण हो जाता है। हम पेट्री डिशों पर कॉलोनियों की गिनती से लेकर मेटागेनोम्स का विश्लेषण करने के लिए चले गए।

जैव सूचना विज्ञानियों की रिपोर्ट है कि उनके कार्य में 80% डेटा विश्लेषण के लिए तैयार है और केवल 20% विश्लेषण है।

इसके अलावा, जो भी प्रयोग हम प्रदर्शन करने की योजना बनाते हैं, संभावना है कि बहुत सारे समान प्रयोग हैं जो पहले ही किए जा चुके हैं और समृद्ध जानकारी प्रदान कर सकते हैं, यदि हम वास्तविक परिणाम की तलाश में नहीं थे।

इन मांगों का सामना करने के लिए, जैव सूचना विज्ञानियों को शक्तिशाली सॉफ्टवेयर टूल्स से एन्हांसमेंट की आवश्यकता होती है जो न केवल डेटा का विश्लेषण करेंगे, बल्कि विभिन्न स्रोतों से इसे इकट्ठा भी करेंगे।

हम पहले से ही इस क्षेत्र में कुछ कंपनियों को देखते हैं, जैसे कि आइरिस और मेटा, जो उन्नत एआई एल्गोरिदम का उपयोग कर रहे हैं जो वैज्ञानिक को यह समझने में मदद करते हैं कि पहले से ही क्या किया गया है और दिग्गजों के कंधों पर निर्माण करना है। ऐसे एल्गोरिदम का उपयोग करना प्रासंगिक साहित्य खोजने में बहुत अधिक प्रभावी हो सकता है और यह भी अनुमान लगा सकता है कि अन्य अध्ययनों के तरीके और परिणाम उनके काम के लिए कितने वैध हैं।

4. आउटसोर्सिंग प्रयोग

चूँकि विज्ञान के विभिन्न क्षेत्रों के बीच की सीमाएँ धुंधली हो रही हैं और एक वैज्ञानिक द्वारा किए जाने वाले अलग-अलग assays की मात्रा बढ़ती जा रही है, इसलिए हमें प्रयोग आउटसोर्सिंग में एक स्पष्ट रुझान दिखाई देता है।

लैब्स अधिक विशिष्ट होते जा रहे हैं और उन तकनीकों पर ध्यान केंद्रित करते हैं जो वे सबसे अच्छा करते हैं। उन प्रयोगों को चलाने के लिए, जहां या तो उनके पास पता नहीं है या प्रयोगशाला उपकरण हैं, वे अन्य प्रयोगशालाओं की तलाश कर रहे हैं, जो नियमित रूप से विशिष्ट assays करते हैं।

इसका विशिष्ट उदाहरण नेक्स्ट जनरेशन सीक्वेंसिंग (NGS) है। जब यह तकनीक पहले व्यापक रूप से सुलभ हो गई (ज्यादातर इलुमिना और लाइफ टेक्नोलॉजीज के उत्पादों के माध्यम से), हर कोई इस बारे में उत्साहित था कि प्रौद्योगिकी क्या पेशकश कर सकती है।

हालांकि, ऐसे प्रयोगों को चलाने के लिए, वैज्ञानिकों को बहुत अधिक ज्ञान की आवश्यकता थी और उपकरण बहुत महंगे थे। आज, कई प्रयोगशालाएं अपने स्वयं के समय और प्रयासों को बचाने के लिए अपने नमूनों को एक विशेष कंपनी को भेजती हैं, और अपने प्रयोगों को चलाने के बारे में जानने से बचें। यह प्रथा आर्थिक रूप से भी अधिक प्रभावी है।

इसलिए यह कोई आश्चर्य की बात नहीं है कि LabViva और TestXchange जैसी कंपनियाँ आपके लिए प्रयोग करने के लिए सही लैब खोजने की सेवा दे रही हैं। एक और दिलचस्प उदाहरण एनजीएस के लिए मेहता, एयरबीएनबी उनके शब्दों में है। भविष्य में, इस तरह की साझेदारी मैच-मेकिंग को अधिक सुव्यवस्थित किया जाएगा और प्रयोगशालाओं को अपने मूल ज्ञान पर ध्यान केंद्रित करने और बाकी को आउटसोर्स करने में सक्षम बनाएगा।

5. इंटरएक्टिव, पारदर्शी और प्रतिलिपि प्रस्तुत करने योग्य विज्ञान

प्रकाशन का दबाव नाटकीय रूप से बढ़ रहा है (PMID: 24778659) और वैज्ञानिकों को अक्सर प्रकाशन या विनाश की चुनौती का सामना करना पड़ रहा है। इसका एक उदाहरण माइक्रोसेफली (पीएमआईडी: 26862926) से जुड़े जीका वायरस पर एक लेख है।

संपूर्ण शोध (एक पांडुलिपि लिखने के लिए नमूने लेने से) ने क्रिसमस पर नमूनों पर अनुक्रमण करने वाली अनुसंधान टीम के साथ एक सप्ताह से भी कम समय लिया। उनके प्रतियोगियों ने उनके बाद केवल 25 मिनट में एक ही निष्कर्ष पर एक पांडुलिपि प्रस्तुत की।

वैज्ञानिकों पर सबसे पहले प्रकाशित करने का दबाव अच्छा प्रोत्साहन नहीं है। 2013 में एक बहुत ही प्रारंभिक अध्ययन (PMID: 24032093) ने दिखाया कि:

सभी प्रकाशित कागजात के 54% से अधिक को पुन: प्रस्तुत नहीं किया जा सकता है, ज्यादातर खराब डेटा प्रबंधन और एनोटेशन के कारण।

दूसरों द्वारा पुन: प्रयोज्य होने के लिए अनुसंधान के लिए, वैज्ञानिकों को अपने प्रयोगों और निष्कर्षों को रिकॉर्ड करने के तरीके के बारे में बहुत मेहनती होना चाहिए, जो बहुत थकाऊ हो सकता है और इसमें समय लगता है। जैसे-जैसे प्रयोग अधिक से अधिक जटिल होते हैं और सहयोग से किए जाते हैं, प्रकाशित टुकड़ों की प्रतिलिपि प्रस्तुत करने की क्षमता खराब होती जा रही है।

यहां तक ​​कि अगर सब कुछ ठीक से किया जाता है, तो अन्य वैज्ञानिक जो पहले से प्रकाशित काम पर निर्माण करना चाहते हैं, उन्हें अक्सर बस पीडीएफ पढ़ने से पर्याप्त समझ नहीं मिलती है। यही कारण है कि सभी प्रमुख पत्रिकाओं ने पांडुलिपि जमा करने के अलावा, अब वैज्ञानिकों को कच्चे डेटा फ़ाइलों को प्रकाशित करने की आवश्यकता है। कुछ पत्रिकाओं ने भी प्रोटोकॉल के साथ एकीकृत किया है जैसे कि प्रोटोकॉल और अधिक जानकारी के लिए इंटरैक्टिव और सूचनात्मक होना।

भविष्य में, एक पीडीएफ एक कार्यकारी सारांश के रूप में काम करेगा, जो प्रयोगों के एक रिकॉर्ड से जुड़ेगा, जिससे वैज्ञानिकों को उस विशेष शोध के बारे में और अधिक जानकारी प्राप्त हो सके।

6. ईएलएन का उदय

हम अक्सर उन वैज्ञानिकों और शोधकर्ताओं से सुनते हैं जिनके साथ हम काम करते हैं, यह है कि लैब डेटा, कई मामलों में, लोगों के लैपटॉप, सर्वर, पेपर नोटबुक, कार्यालय फ़ाइलों आदि के बीच बिखरे हुए हैं। एक बार जब लोग लैब छोड़ देते हैं या कुछ समय पूरा होने के बाद गुजरता है। एक परियोजना, यह जानकारी अक्सर गलत, अव्यवस्थित या खो जाती है।

इसलिए सत्य का एक स्रोत होना महत्वपूर्ण है, जिससे डेटा आसानी से आयात योग्य / निर्यात योग्य हो। इसके अलावा इस जानकारी को प्रोटोकॉल, अभिकर्मकों, नमूनों और परिणामों के साथ जोड़ा जाना है, जो कार्य जैसे कि SciNote.net जैसे इलेक्ट्रॉनिक लैब नोटबुक वास्तव में अच्छा प्रदर्शन करते हैं।

यदि वैज्ञानिक उपरोक्त सभी रुझानों का सामना करना चाहते हैं, तो इनमें से बहुत सी चीजों को स्वचालित करना होगा। सॉफ्टवेयर को लागू करना एक स्पष्ट विकल्प है, लेकिन एक केंद्रीकृत मंच के लिए एक स्पष्ट आवश्यकता है, जो डेटा के विभिन्न स्रोतों से जुड़ेगी।

वर्तमान में यह सभी डेटा एकत्र करने के लिए केंद्रीय लॉग अभी भी एक पेपर नोटबुक है, जो हर वैज्ञानिक का प्राथमिक उपकरण है। कागज पर सब कुछ होने के बावजूद वैज्ञानिक निष्कर्षों की पता लगाने और अन्तरक्रियाशीलता को प्राप्त करना बहुत मुश्किल है।

इसलिए रुझानों से निपटने के लिए पहला कदम अनुसंधान को शुरू से डिजिटल रूप से ट्रैक करना है। इलेक्ट्रॉनिक लैब नोटबुक विभिन्न परियोजनाओं और टीमों के डेटा के प्रबंधन के लिए एक आवश्यक भूमिका निभाने जा रहे हैं, साथ ही साथ लैब उपकरण और अन्य सॉफ्टवेयर के साथ एकीकरण के लिए केंद्रबिंदु भी हैं।

वहाँ पहले से ही कई इलेक्ट्रॉनिक लैब नोटबुक हैं, हालांकि उनकी गोद धीमी हो गई है, केवल 10% वैज्ञानिक वर्तमान में उनका उपयोग कर रहे हैं। इलेक्ट्रॉनिक लैब नोटबुक को लागू करने में समय और ऊर्जा लगती है और वर्तमान मंत्र "जब हर कोई एक ईएलएन पर स्विच करेगा, मैं भी करूंगा"।

ऐसे भविष्य की कल्पना करना कठिन है, जहां ऊपर की प्रवृत्ति कागज की नोटबुक के साथ सह-अस्तित्व में हो, लेकिन सवाल यह है कि क्या अब डिजिटल होने का सही समय है?

जवाब "अरे, उसके लिए एक ऐप है!"

द्वारा: क्लेमेन जुपंचिक, पीएचडी - साइंसटॉन में सीईओ: bit.ly/2NqkVKf