你能否介绍一下自己并描述一下你在Molecular Devices的角色？
我的名字是Angeline Lim，我是Molecular Devices的高级应用科学家。我负责在我们的高内涵成像系统上开发和测试新的工作流程和应用程序。我从事高内涵成像、3D生物学、图像分析和自动化方面的工作。在过去几年里，我们开始探索AI如何解决客户面临的复杂图像分析问题。
AI正在革新所有科学领域的研究。Molecular Devices是如何利用AI来增强其工作流程并支持客户的？
在Molecular Devices，我们热衷于为研究人员提供下一代技术，以推动科学发现。我们认识到AI正在革新生物学研究，我们正在创建解决方案，使我们的客户能够在自己的实验室中利用AI的力量。
对于高内涵成像而言，AI有助于应对复杂的图像分析挑战。我们的IN Carta®图像分析软件使用AI来揭示和分析复杂的表型数据。例如，它具有基于深度学习的分割工具，可以分析复杂或传统上难以分析的图像，如通过明场成像获得的图像。
用户无需任何编码或脚本经验即可开始使用我们的IN Carta分析软件。它直观且易于使用——几乎就像一本涂色书。您只需标记感兴趣的对象（称为注释）来训练AI，然后测试模型。如果模型效果良好，您可以保存并在图像分析协议中使用它。如果不理想，您可以通过添加更多注释图像来重新训练它。这是一个迭代过程，需要人工监督。
该软件还集成到我们的CellXpress.ai™自动细胞培养系统中。
CellXpress.ai系统是一个封闭的、易于使用的细胞培养解决方案，使我们的客户能够执行简单和复杂的细胞培养协议，而无需具备高级脚本或自动化专业知识。
通过使用AI，CellXpress.ai系统使用户能够标准化细胞培养过程，用客观测量取代以前主观的决策，以确定细胞培养过程的下一步，例如最佳传代器官或干细胞的时间。通过消除通常因人而异的主观评估，CellXpress.ai系统提高了细胞培养的可重复性，同时仍允许手动输入。
随着自动化的发展，对精度的需求也随之而来。这项技术是如何训练以避免错误的？
我们技术的一个关键优势是减少了人为错误。系统有安全措施；在实验开始前，软件会检查必需品，如足够的培养基。如果缺少某些东西，软件会提示用户在实验运行前解决任何不足。如果系统预测由于过程中元素的变化将发生错误，也会提示用户。系统还可以通过电子邮件发送警报，通知用户潜在的错误，或者仅仅通知他们何时做出自动化决策。系统提供了可追溯性，使用户能够追踪错误、异常结果或污染的来源。
你能举一些CellXpress.ai自动细胞培养系统的工作流程示例吗？
在发布前，我们开发了预配置的协议，以节省客户优化的时间，特别是液体处理。
我们验证了三个主要工作流程，包括一个iPSC培养，这是一项众所周知的高维护需求，需要每天更换培养基。这些工作流程的协议经过优化，以确保关键步骤，如培养基更换和传代，自动进行。通过减少这些手动工作，科学家不必在周末进入实验室来维持他们的细胞培养。
另一个工作流程使用球体，我们在其中微调了培养基交换，以避免损坏或丢失球体。最后，第三个是肠道类器官，我们在其中进行了从播种、喂养到传代的整个3D细胞培养过程。在这里使用AI和自动化解决了3D生物学中的关键可重复性挑战。
你认为CellXpress.ai自动细胞培养系统会对研究人员产生什么影响？
我认为它将改变他们的生活。我曾与一些科学家交谈过，他们希望在研究生院时就能使用这个系统。他们仍然可以完成工作，但可以腾出周末时间，更专注于科学而不是必要的但单调的手动任务。
自动化和AI在早期药物发现中至关重要。你希望你的客户能实现什么？
我希望他们能更快地得到答案。
通过及早发现药物失败，研究人员可以节省大量时间和金钱。使用自动化和AI以及先进的细胞模型有助于更好地预测哪些化合物有效，因此我们不必过多依赖昂贵的动物模型。这样，在临床试验中失败的药物会更少，从而使开发过程更加顺畅和高效。
(全文结束)
