以前离散场的集成是数字时代的标志。还记得开发团队和运营团队的划分吗？随着DevOps成为一种新的工作方式，这种差距消失在云中。

现在，技术正被纳入其他学科。20世纪90年代，由于微阵列技术的发展，定量生物学从一门描述性科学跃升为基因测序。与此同时，大数据正在彻底改变信息技术。

Insitro Inc .创始人兼首席执行官达芙妮柯勒(见图)说：“我认为30年后，这两个领域将合并为一个领域，我喜欢称之为数字生物学。”

在加州斯坦福举行的女性数据科学大会上，科勒与SiliconANGLE Media的移动直播工作室theCUBE的主持人Sonia Tagar进行了交谈。他们讨论了如何将机器学习技术应用于药物研究——等传统生物研究领域，以降低医药成本。

科勒认为，由于新技术的发展，生物测量的细节、保真度和尺度都达到了一个新的水平。科勒说，人工智能和机器学习使科学家能够解释他们看到的东西，并设计新的解决方案，这“将对生物材料、能源、环境、农业和人类健康产生影响”。

卫生领域最大的问题之一是批准的药物数量和用于研究的资金正在减少。这被称为Eroom定律，因为它与摩尔定律相反。

科勒说：“尽管已经取得了许多重要进展，但成本仍在上升。”

科勒认为，机器学习可能是打破这一趋势的关键，但它需要跨学科的方法。她说：“人们需要真正建立一种文化，让不同学科的人能够一起工作，每个人都能把自己的观点和想法融入其中。”

她在Insitro创立的团队是一名半生命科学家、半机器学习和数据科学专家。

“从一开始，他们就知道我们能一起解决什么问题。实验怎么设计？”如何建立模型？你如何推广可以帮助我们为人们制造更好的药物的想法？”她说。

根据科勒的说法，使用数据驱动的方法，收集和分析大量数据将揭示新的假设。

她说：“我希望我们能够创造足够的数据，应用机器学习来解决药物发现和开发过程中的关键瓶颈。”“(然后)我们可以给人们带来更好的药物，我们可以更快地做到这一点，并希望以更低的成本做到。”