ㄧ、新興生命科學探索研究技術介紹：
1. 實驗室即服務/機器人雲實驗室 (Lab as a Service/Robotic Cloud Labs)
實驗室即服務(Lab as a service, LaaS)或機器人雲實驗室(robotic cloud labs) 為可遠端控制的自動化實驗室。實驗室即服務/機器人雲實驗室將實驗室運作精簡化，便於傳輸實驗流程、即時監控及動態調整實驗室運作，易於被受託研究機構 (contract research organizations, CROs) 或其他研究團隊管理。由於實驗室建立至少需500萬美元到1000萬美元，高成本投資是建立實驗室最大的阻礙。而實驗室即服務為其顧客提供更節省成本的方式得以進行實驗研究及分析，且無需支付實驗室儀器購買、維護等管理費用，能大幅降低科學研究的成本。
由於研發投資的回報率持續下降，為了提高生產力、因應新冠肺炎的在家工作型態、對實驗室遠端控制系統的需求及自動化研發成本的降低等因素，驅動實驗室即服務/機器人雲實驗室的成長。然而實驗室即服務/機器人雲實驗室發展上仍有許多待解決議題，如實驗結果的嚴謹程度、實驗結果如何驗證其正確性、資訊安全的疑慮、實驗人員配置等皆是實驗室即服務/機器人雲實驗室在市場的接受率提升之阻礙。

2. 雲端儀器數據整合平台 (Cloud-Based Instrument Data Integration Platform)
雲端儀器數據整合平台是一種將實驗室儀器、實驗方法、分析方法、研究流程與實驗數據整合儲存於雲端之技術。此技術可利於研究人員方便紀錄、共享及查詢其研究流程、結果。實驗室儀器在升級系統時，通常會需要重新設定或整合新舊系統產出之數據，過程費時又消耗成本，因此雲端儀器數據整合平台技術的推動將可解決此問題。雲端儀器數據整合平台也將創造資訊更透明的環境，使相關公司可為新的實驗工作流程、分析工具和科研資訊系統設計創造更大的使用彈性。
研究數據為未來實驗室最重要之資產，加上研發與基礎設施成本上升、在家工作逐漸成為主流的工作型態、可補足現有實驗室資訊整合系統之缺點等因素，推動雲端儀器數據整合平台的成長。然而許多研發公司不想額外耗費成本付出在雲端儀器數據整合平台管理上、雲端儀器數據整合平台在研發公司之適用性還未被確認、其它資訊管理供應商的競爭、雲端儀器數據整合平台供應商影響力仍有限等因素，為雲端儀器數據整合平台成長的阻礙。

3. 單細胞多體學系統 (Single-Cell Multiomics Systems)
多體學是結合兩種或多種體學數據的分析方法，其中範圍包括基因體學、蛋白質體學、轉錄體學、表觀遺傳學、代謝體學等。單細胞多體學系統即是以多體學工具解析單一細胞之基因調控與生理反應等機制之技術。單細胞多體學分析技術為研究人員提供更全面的系統，以檢視單一細胞之分子調控與細胞生理狀態。細胞多體學系統的採用將加速研究人員對細胞生理、分子調控機制的了解，進而加速細胞與基因療法、疾病預防策略等醫療方案的研發。
近代幾項重要研究計畫，如人類細胞圖譜、腦科學計畫等皆是推動單細胞多體學分析技術研發之重要驅動力。另外，檢驗儀器及分析技術的進步、分析試劑及其它儀器成本下降、檢驗靈敏度及速度提升等因素，皆是推動單細胞多體學系統進步之主因。目前仍缺乏整合性的多體學分析技術供應商，導致研究團隊要從多家公司分別獲的不同體學的分析資料再自行將各個體學資料進行整合分析。此外，目前的技術仍無法做到針對同一細胞進行多項體學分析，缺乏對同一細胞在相關分子調控及細胞生理狀態正確比對之數據。上述因素為多體學分析發展待克服的挑戰。此外，研究人員對大數據分析及整合能力的缺乏也會是單細胞多體學系統使用率提升的阻礙之一。

4. 細胞與基因療法平台 (Cell and Gene Therapy Platform)
細胞與基因療法 (Cell and Gene Therapy, CGT) 平台是主要目的為移植經體外加工、培養的人體自體或異體細胞進入人體使用，或將特定遺傳物質導入人體，以達分析、治療病患疾病之效果。在細胞與基因療法產品獲得法規批准下，驅使相關生技公司大量投入細胞與基因療法平台的研發。儘管細胞與基因療法產品在配送過程所需之物流條件要求較嚴格，然近期已開發出將產品包裝與配送到消費者手中之創新解決方案，此創新將帶動更多細胞與基因療法的發展並吸引更多研發資源投入。
隨著近年個人化醫療及精準醫療的概念越來越盛行，加之在近幾年癌症新療程，如T細胞療法於臨床領域應用的成功表現，帶動細胞與基因療法平台的發展。更多研發能量的投入及市場接受度的提升，也將進一步加速細胞與基因療法技術的成熟。然而細胞與基因療法從療程設計、商業模式皆比一般醫學療程複雜許多，是阻礙其市場普及率提升之最大因素。例如移植的細胞或遺傳物質來源選擇，以及如何因應病患個體的差異性調整療程設計等。

5. 人工智慧合成生物學工具 (AI-Synthetic Biology Tools)
合成生物學是一個結合生物學與其他多領域以創造新的生物性構造、分子結構和系統，或重新設計自然界中已有之生物系統並賦予新功能之科學。人工智慧合成生物學工具則是指運用人工智慧優化新生物分子及結構之設計、結構模擬之工具。由於缺乏對生物分子調控機制詳細的了解以及缺乏可用的分析工具，合成生物學在過去的發展緩慢。近期人工智慧技術的突破帶動了合成生物學在新分子及生物材料結構設計、預測方面技術之進步，在未來將可應用於醫學療程設計、個人精準醫療等領域。
人工智慧演算法、電腦運算能力、雲端科技與生物醫學材料等進步皆是推動人工智慧合成生物學工具發展的主要因素。然而由於合成生物學在目前仍較難有相關技術驗證其研究成果的正確性與實際應用的可行性，且合成生物學產出的數據較為複雜，因此若要實際應用於商業中，仍需有創新工具整合分析合成生物學數據。另外，具備人工智慧合成生物學領域知識之專業人士不多，為人工智慧合成生物學發展的重要限制。

二、代表性廠商介紹：
1. Emerald Cloud Lab (ECL)
ECL提供實驗室即服務。使用者透過 ECL建立的指令處理器對 ECL 下達指令即可進行實驗。ECL 實驗室可幫助其顧客不需要建立實驗室，即能以較低成本的方式進行生物實驗。且其能幫助使用者更有效率產出實驗結果、調整實驗方法，實驗結果再現率亦佳，使用者透過其建立的平台即可完全掌握整個實驗流程及環境條件。

2. Mission Bio
Mission Bio為主打單細胞分析服務之公司，其建立的Tapestri 技術為目前第一個能同時針對同一細胞進行基因型及外表型分析之技術，解決了目前多體學技術上無法針對同一細胞進行基因型表現及外表型變化比對之問題。Tapestri 藉由兩步驟微流體技術可同時抓取單一細胞之基因序列及蛋白質，並同時進行高通量分析，為單細胞多體學技術之重要突破。

3. DeepMind
DeepMind近期推出的 AlphaFold 為由超過十萬條已知蛋白質序列及其 3D 結構資料庫藉由機器學習技術建立的人工智慧蛋白質 3D 構造預測系統。在過去蛋白質 3D 構造分析一直是昂貴又耗時的過程，AlphaFold 的推出為蛋白質構造分析技術的重要突破，不僅縮短生科研究領域在分析蛋白質 3D 構造所需之時間，更可進一步應用於生醫製藥研發領域。