pylabrobot

PyLabRobot

概述

PyLabRobot 是一款与硬件无关、纯 Python 编写的软件开发套件，适用于自动化和自主实验室。通过统一的 Python 接口控制液体处理机器人、酶标仪、泵、加热振荡器、培养箱、离心机及其他实验室自动化设备，并可在 Windows、macOS、Linux 等平台上运行。

何时使用此技能

在以下情况下使用此技能：

• 为液体处理机器人编程（Hamilton STAR/STARlet、Opentrons OT-2、Tecan EVO）
• 自动化涉及移液、样品制备或分析测量的实验室工作流
• 管理平台布局和实验室资源（板、吸头、容器、试剂槽）
• 集成多种实验室设备（液体处理器、酶标仪、加热振荡器、泵）
• 创建具有状态管理功能、可复现的实验室协议
• 在实体硬件上运行协议前进行模拟
• 使用 BMG CLARIOstar 或其他受支持的酶标仪读取微孔板
• 控制温度、振荡、离心或其他物料处理操作
• 使用 Python 进行实验室自动化

核心功能

PyLabRobot 通过六大主要功能领域提供全面的实验室自动化，每个领域均在 references/ 目录中详细介绍：

1. 液体处理（references/liquid-handling.md）

控制液体处理机器人，以吸液、分液和转移液体。主要操作包括：

• 基本操作：在孔之间吸液、分液和转移液体
• 吸头管理：自动装载、丢弃和追踪移液器吸头
• 高级技术：多通道移液、连续稀释、微孔板复制
• 体积追踪：自动追踪孔中的液体体积
• 硬件支持：Hamilton STAR/STARlet、Opentrons OT-2、Tecan EVO 等

2. 资源管理（references/resources.md）

通过分层系统管理实验室资源：

• 资源类型：微孔板、吸头架、试剂槽、试管、载架和自定义实验室器具
• 平台布局：使用坐标系统将资源分配到平台位置
• 状态管理：追踪吸头是否存在、液体体积和资源状态
• 序列化：从 JSON 文件保存和加载平台布局及状态
• 资源发现：通过直观的 API 访问孔、吸头和容器

3. 硬件后端（references/hardware-backends.md）

通过后端抽象连接各类实验室设备：

• 液体处理器：Hamilton STAR（全面支持）、Opentrons OT-2、Tecan EVO
• 模拟：使用 ChatterboxBackend 在无硬件的情况下测试协议
• 平台支持：适用于 Windows、macOS、Linux 和 Raspberry Pi
• 切换后端：只需替换后端即可更换机器人，无需重写协议

4. 分析设备（references/analytical-equipment.md）

集成酶标仪和分析仪器：

• 酶标仪：BMG CLARIOstar，可进行吸光度、发光和荧光测量
• 天平：集成 Mettler Toledo 设备进行质量测量
• 集成模式：将液体处理器与分析设备结合使用
• 自动化工作流：自动在设备之间移动微孔板

5. 物料处理（references/material-handling.md）

控制环境和物料处理设备：

• 加热振荡器：Hamilton HeaterShaker、Inheco ThermoShake
• 培养箱：Inheco 和 Thermo Fisher 培养箱，支持温度控制
• 离心机：Agilent VSpin，支持转子位置控制和离心控制
• 泵：Cole Parmer Masterflex，用于流体泵送操作
• 温度控制：在协议运行期间设置和监控温度

6. 可视化与仿真（references/visualization.md）

可视化和仿真实验室协议：

• 浏览器可视化工具：实时 3D 可视化平台状态
• 仿真模式：无需实体硬件即可测试协议
• 状态跟踪：以可视化方式监控吸头是否存在及液体体积
• 平台编辑器：用于设计平台布局的图形化工具
• 协议验证：在硬件上运行前验证协议

快速开始

要开始使用 PyLabRobot，请安装该软件包并初始化液体处理器：

# Install PyLabRobot
# uv pip install pylabrobot

# Basic liquid handling setup
from pylabrobot.liquid_handling import LiquidHandler
from pylabrobot.liquid_handling.backends import STAR
from pylabrobot.resources import STARLetDeck

# Initialize liquid handler
lh = LiquidHandler(backend=STAR(), deck=STARLetDeck())
await lh.setup()

# Basic operations
await lh.pick_up_tips(tip_rack["A1:H1"])
await lh.aspirate(plate["A1"], vols=100)
await lh.dispense(plate["A2"], vols=100)
await lh.drop_tips()

使用参考资料

此技能将详细信息整理在多个参考文件中。以下情况请加载相关参考文件：

• 液体处理：编写移液协议、管理吸头、转移液体
• 资源：定义平台布局、管理孔板和吸头、自定义实验室器具
• 硬件后端：连接特定机器人、切换平台
• 分析设备：集成孔板读数仪、秤或分析设备
• 物料处理：使用加热振荡器、培养箱、离心机、泵
• 可视化：仿真协议、可视化平台状态

所有参考文件均位于 references/ 目录中，其中包含全面的示例、API 用法模式和最佳实践。

最佳实践

使用 PyLabRobot 创建实验室自动化协议时：

1. 从仿真开始：使用 ChatterboxBackend 和可视化工具，在硬件上运行前测试协议
2. 启用跟踪：开启吸头跟踪和体积跟踪，以准确管理状态
3. 资源命名：为所有资源（孔板、吸头架、容器）使用清晰且描述性强的名称
4. 状态序列化：将平台布局和状态保存为 JSON，以便复现
5. 错误处理：为硬件操作实现妥善的异步错误处理
6. 温度控制：尽早设置温度，因为加热和冷却需要时间
7. 模块化协议：将复杂工作流拆分为可复用函数
8. 文档：查阅 https://docs.pylabrobot.org 获取最新功能

常见工作流

液体转移协议

# Setup
lh = LiquidHandler(backend=STAR(), deck=STARLetDeck())
await lh.setup()

# Define resources
tip_rack = TIP_CAR_480_A00(name="tip_rack")
source_plate = Cos_96_DW_1mL(name="source")
dest_plate = Cos_96_DW_1mL(name="dest")

lh.deck.assign_child_resource(tip_rack, rails=1)
lh.deck.assign_child_resource(source_plate, rails=10)
lh.deck.assign_child_resource(dest_plate, rails=15)

# Transfer protocol
await lh.pick_up_tips(tip_rack["A1:H1"])
await lh.transfer(source_plate["A1:H12"], dest_plate["A1:H12"], vols=100)
await lh.drop_tips()

孔板读数工作流

# Setup plate reader
from pylabrobot.plate_reading import PlateReader
from pylabrobot.plate_reading.clario_star_backend import CLARIOstarBackend

pr = PlateReader(name="CLARIOstar", backend=CLARIOstarBackend())
await pr.setup()

# Set temperature and read
await pr.set_temperature(37)
await pr.open()
# (manually or robotically load plate)
await pr.close()
data = await pr.read_absorbance(wavelength=450)

更多资源

• 官方文档：https://docs.pylabrobot.org
• GitHub 仓库：https://github.com/PyLabRobot/pylabrobot
• 社区论坛：https://discuss.pylabrobot.org
• PyPI 软件包：https://pypi.org/project/PyLabRobot/

有关特定功能的详细用法，请参阅 references/ 目录中对应的参考文件。