Digital microfluidics (DMF) is a liquid handling technique that has been demonstrated to automate biological experimentation in a low-cost, rapid, and programmable manner. This review discusses the role of DMF as a “digital bioconverter”—a tool to connect the digital aspects of the design–build–learn cycle with the physical execution of experiments. Several applications are reviewed to demonstrate the utility of DMF as a digital bioconverter, namely, genetic engineering, sample preparation for sequencing and mass spectrometry, and enzyme-, immuno-, and cell-based screening assays. These applications show that DMF has great potential in the role of a centralized execution platform in a fully integrated pipeline for the production of novel organisms and biomolecules. In this paper, we discuss how the function of a DMF device within such a pipeline is highly dependent on integration with different sensing techniques and methodologies from machine learning and big data. In addition to that, we examine how the capacity of DMF can in some cases be limited by known technical and operational challenges and how consolidated efforts in overcoming these challenges will be key to the development of DMF as a major enabling technology in the computer-aided biology framework.
디지털 미세유체(DMF)는 생물학 실험이 신속하고 프로그래밍이 가능한 방식으로 저비용 자동화될 수 있다는 것을 입증한 액체 처리 기술이다. 이 리뷰 논문은 설계-제조-학습 사이클의 디지털 측면을 실험의 물리적 실행과 연결하는 도구인 ‘디지털 생물전환기(digital bioconverter)’로서 DMF의 역할을 논의한다. 디지털 생물전환기로서 DMF의 유용성을 입증하기 위해 유전 공학, 염기서열 분석과 질량 분석을 위한 표본 제작, 효소 스크리닝, 면역 스크리닝, 세포 기반 스크리닝 분석과 같은 여러 응용 사례를 검토한다. 이러한 응용은 새로운 생물 및 생체분자의 생산을 위해 완전히 통합된 파이프라인의 중앙화된 실행 플랫폼으로서 DMF가 엄청난 잠재력을 가진다는 점을 보인다. 이 논문에서는 해당 파이프라인 내에서 DMF 장치의 기능이 다양한 센싱 기술과 머신 러닝 및 빅데이터 방법론과의 통합에 고도로 의존하는 방식에 대해 논의한다. 이외에도, 알려진 기술적, 운영상의 어려움으로 인해 일부 사례에서 어떻게 DMF의 성능이 제한되는지, 이를 극복하기 위한 협력적 활동이 DMF 개발에서 어떻게 컴퓨터 지원 생물학 프레임워크의 주요 실행 기술로서 핵심이 될 것인지를 점검한다.