生物学以惊人的效率产生了宇宙中最复杂的结构。但直到最近，生物学的创新引擎对大多数初创公司来说还是遥不可及的。设计新药或生化药品所需的大型研究团队和昂贵设备意味着，只有大市场中的大玩家才能参与竞争。“精益生物技术创业公司”是一个矛盾修饰法。但这种情况正在开始改变。synbio栈正在通过允许小型初创公司在生物技术巨头的土地上蓬勃发展来改变竞争格局。现在，即使是小的生物技术初创公司也有机会使用同样的设计和制造技术，这些技术曾为航空航天、计算机芯片和无数其他行业的创新提供动力。
在20世纪60年代，航空航天工业成为第一个使用计算机辅助设计(CAD)来帮助设计复杂产品的行业。从那时起，最初的CAD软件已经发展成为一套集成的数字工具，包括计算机辅助设计、3D仿真/工程(CAE)、物理制造(CAM)以及资产和数据跟踪。这些工具允许设计师和工程师使用模拟数据在硅上快速迭代新产品设计。完成的设计然后转换成一组计算机指令，控制制造成品的硬件。
集成数字工具带来了巨大的生产力收益，并迅速成为机械和电子工程的主要方法。通用软件供应商很快就出现了，制造商逐渐从内部解决方案过渡到使用这些通用平台。第三方供应商开发了新技术，每个供应商都解决了部分设计和制造问题。定义良好的行业标准有助于跨这些最佳技术构建互操作性。如今，没有一家制造企业的运营需要熟练掌握现代数字设计工具的员工。
现在生物技术领域也出现了同样的情况，供应商开发出强大的组件，可以组装成技术栈。例如，一个药物研究小组可以从Synthego或Twist Bioscience购买合成RNA。它可以运行TeselaGen的CAD软件、Cyrus生物科技的仿真软件、Opentrons和Benchling的机器人实验室系统，以及Riffyn的数据管理软件。
数据驱动设计的兴起
新一代生物技术公司将组合栈中的各个组件，创建高效的、迭代的设计、模拟、实验和分析循环。
设计生物系统具有挑战性。编程复杂的实验方法也是如此。因此，synbio栈中的领先产品现在使用模拟来对生物学和物流进行建模，以交付无错误的设计和实验执行，而不存在很高的技术壁垒。
对模拟和迭代设计的日益依赖意味着生物技术正日益受到数据驱动。研究人员正在抛弃假设检验的科学方法，转而支持发现科学和算法实验。发现科学强调大的实证分析大量的实验数据来发现新的模式或相关性。算法实验，又称主动学习，是机器学习的一个子领域，主要研究选择需要改进自己模型的数据的算法。新的方法是收集大量的数据，生成大量的模型，设计实验来测试模型，并通过算法选择新的实验来迭代地改进最好的模型。
自动化层和机器人实验室
当然，数据驱动的生物工程需要良好的数据，因此湿实验室实验必须是精确的、准确的和可重复的。然而，在制药业之外，湿法实验室工艺历来既不精确，也不易复制。Opentrons和Gilson等公司现在提供低成本的机器人实验室设备，即使是小型初创企业也可以在室内进行复杂的、可重复的湿实验室实验。
Opentrons
OT-2可以自动化数百个生命科学协议和工作流。
Opentrons OT-2机器人于今年3月推出，其明确目标是让这家精益生物技术初创企业成为可能。OT-2的开源API和低成本使其研究成果更加标准化和可复制，可以更快地从学术界转移到商业和消费制造业。Opentrons联合创始人兼CPO威尔•犬科(Will犬科)表示:“我们是开放的执行层，允许人们将自己的分析和设计付诸实践。”一个博士后拿着移液管可能无法执行现在栈的设计层产生的日益复杂的组合实验设计，但是OT-2可以快速而可靠地处理这些任务。
