Otomatisasi mulai mengubah cara kerja single-cell transcriptomics dengan dorongan kapasitas yang jauh lebih besar. Pada penerapan di Single Cell Discoveries B.V., alur kerja yang sebelumnya bergantung pada persiapan manual berhasil ditingkatkan hingga mampu memproses 96 sampel per hari, naik sekitar tiga kali lipat dibanding penyusunan library secara manual.
Perubahan itu juga memangkas beban kerja tim laboratorium secara nyata. Waktu kerja langsung atau hands-on time turun dari lebih dari lima jam menjadi sekitar satu jam, sementara target turnaround time masih dijaga di kisaran empat hingga enam minggu.
Dari proses manual ke workflow yang lebih stabil
Single-cell transcriptomics dibutuhkan karena mampu membaca aktivitas setiap sel secara terpisah. Pendekatan ini memberi gambaran yang lebih rinci dibanding RNA sequencing tradisional yang biasanya merata-ratakan ekspresi gen dari banyak sel sekaligus.
Bagi riset kanker, imunologi, serta cell and gene therapy, detail seperti ini sangat penting. Data yang lebih kaya membantu peneliti melihat heterogenitas dalam jaringan kompleks dan memahami perilaku sel yang sebelumnya sulit dikenali.
Namun, manfaat ilmiah itu sempat tertahan oleh alur kerja yang rumit dan banyak bergantung pada proses manual. Dalam praktiknya, kapasitas sering berhenti di atas 24 sampel per hari, sehingga banyak laboratorium kesulitan menaikkan throughput tanpa mengorbankan waktu dan tenaga.
Kebutuhan skalabilitas mendorong otomasi
Kondisi tersebut membuat otomatisasi dipandang sebagai jalan keluar yang realistis. Industri membutuhkan sistem yang lebih skalabel, berkapasitas tinggi, dan tetap sederhana agar proses bisa dipercepat tanpa menurunkan mutu hasil.
Beckman Coulter Life Sciences dan 10x Genomics telah bekerja sama sejak 2023 untuk mendorong workflow single-cell gene expression melalui otomasi. Fokus utamanya adalah memindahkan pekerjaan manual, terutama pada tahap persiapan library, ke sistem robotik yang diharapkan tetap konsisten seperti metode manual.
Pada titik ini, sistem otomasi tidak hanya berperan mempercepat pekerjaan. Sistem juga membantu laboratorium menata workflow dengan lebih rapi, termasuk saat sampel datang dalam jumlah besar dan harus diproses dalam waktu yang terbatas.
Mengapa konsistensi ikut menjadi sorotan
Selain kecepatan, kualitas data menjadi alasan utama mengapa otomasi menarik perhatian. Automation scientist Single Cell Discoveries, Michiel Fokkelman, menekankan bahwa sistem robotik membantu mengurangi kesalahan pipetting dan variasi antarsampel.
Ia menyebut, “Robots typically don’t make pipetting mistakes,” untuk menggambarkan bahwa proses yang lebih standar cenderung menghasilkan workflow yang lebih konsisten. Dalam riset yang menuntut reproduktibilitas tinggi, konsistensi seperti ini bernilai besar.
Keuntungan lain terasa pada penggunaan waktu tim. Saat pekerjaan berulang berkurang, peneliti bisa lebih banyak fokus pada analisis data ketimbang pada preparasi sampel yang menyita banyak tenaga.
Fleksibel untuk berbagai kebutuhan laboratorium
Sistem yang dipakai dalam workflow tersebut mendukung pipetting fleksibel dan manajemen workflow yang beragam. Konfigurasinya mencakup satu dan dua lengan, multichannel heads, serta Span-8 pipetting.
Kemampuan itu juga membantu sistem menangani berbagai jenis labware dengan volume yang berbeda. Kehadiran cooler terintegrasi ikut menjaga suhu tetap stabil selama proses berlangsung, sesuatu yang penting untuk mempertahankan konsistensi hasil.
Bagi laboratorium dengan kebutuhan yang terus bertambah, dukungan seperti ini memberi ruang untuk mengatur pekerjaan dengan lebih efisien. Kapasitas yang lebih tinggi membuat laboratorium lebih siap menjawab permintaan pelanggan yang menginginkan ukuran sampel lebih besar.
Arah pengembangan tidak berhenti di library preparation
Dorongan otomasi kini mulai meluas ke tahap lain dalam single-cell workflow. Pengembang teknologi juga melihat potensi pada cDNA synthesis dan cell-surface protein assays untuk mempercepat alur kerja secara keseluruhan.
Area lain yang ikut berkembang adalah Variable Diversity Joining atau VDJ profiling. Teknik ini membantu peneliti menganalisis sel imun, terutama sel T dan sel B, pada level single-cell agar detail respons imun bisa dibaca lebih jelas.
Peningkatan otomasi di berbagai tahap juga memperkuat traceability dan konsistensi antar sampel. Dalam praktiknya, hal ini dapat mengurangi kebutuhan pengulangan eksperimen yang biasanya dilakukan untuk memastikan data cukup kuat.
Dengan kapasitas yang naik dari 24 menjadi 96 sampel per hari dan beban kerja manual yang turun tajam, single-cell transcriptomics bergerak semakin dekat ke penggunaan yang lebih luas di riset biomedis.
