GAMS在制药行业中的应用—用于高通量筛选调度软件

CyBio Scheduler—用于高通量筛选的计划软件

高通量筛选是一种科学实验方法，广泛用于药物研究，尤其是在药物发现领域。由于无法通过体力劳动来分析大量有的新药化合物，因此筛选过程是使用机器人技术自动进行的，机器人筛选系统用于处理含有化学化合物的微孔板。这些机器人筛选系统在一组给定的微孔板上执行一系列任务和实验（称为化验方案），并生成实验数据。

CyBio于2009年合并为Analytik Jena AG，马格德堡马克斯·普朗克研究所开发了涉及GAMS的方法，以提高机器人筛选系统的通量。GAMS驱动的测定较大的提高了高通量筛选系统的生产率，并提高了实验数据的质量。

问题

在涉及GAMS的分析成为CyBio Scheduler一部分之前，才能修改时间以提高通量。这适用于相对较小的测定，并且是一项涉及数小时重点工作的任务。随着化验方案的复杂性不断提高，如今，这项任务远远人工的能力范围。

代数模型描述筛选系统（以减少空闲时间为重点）之前的常见问题是关键资源的利用效率低下。化合物的空闲时间还会由于沉淀，衰减或温度漂移而实验数据出现系统误差。

设置

CyBio Scheduler的核心部分是用GAMS编写的代数模型。它以一种允许组件的空闲时间小化的方式描述筛选系统，以关键资源的利用率。几种资源可能用于不同的任务，因此筛选系统有可能使用闲置设备同时处理微孔板。短而直接的微孔板转移有助于利用资源，从而提高生产率。该模型避免了在协调资源访问时发生冲突，并生成的计划没有死锁。

系统固有的约束条件，例如有限的临时存储或无法同时使用且需协调访问权限的资源。一些限制条件是与测定的。通常，用于定义潜伏期的目标时间，上限和下限，或事件之间的时间。因此，例如，化合物添加和测量之间的时间可能会受到限制。分析定义和这些约束条件建立了析取不平等的系统。

由于严格的时间安排，微孔板在循环中遵循相同的路线。使用CyBio Scheduler进行均匀的微孔板处理，可减少由于沉淀，衰减或温度漂移引起的系统误差。这些误差难以量化。因此，提高的吞吐量减少了试验的投资，而且了数据质量。

用户友好度

通过在后台运行GAMS模型，CyBio Scheduler致力于提供便捷的用户体验。它设法掩盖了将检测方案映射到当前系统设计并为目标找到全局解决方案以小化周期时间的复杂性。

用户从系统布局决策中解脱出来，可以用于实验。CyBio Scheduler自动将微孔板运输工具插入需要的位置，解决资源分配中的冲突，并允许指定孵育条件。根据独立任务的数量，所涉及的组件和约束，模型可能变得相当复杂。但是，通常会以足够快的速度计算出的解决方案，以使用户能够验证放宽某些约束是否可以带来更好的结果。