潘卡杰·阿加瓦尔00时02分

药物开发时间表今天看起来像15年，或者5年，可能会进一步缩短。众所周知，针对新冠肺炎，疫苗是在一年内研制出来的。但有了这些积极的时间表，我们需要提高流程的效率。这将是最大的收获。

[开场音乐]

查里斯·林00:31

杰西，当你听到方法标准化时，你的第一个想法是什么？

杰西·哈里斯00:34

我不认识查理斯。这对我来说似乎是一个老话题。让我想起了大学化学的一些东西。

查里斯·林00:40

是的，标准化本身的想法很古老。但是色谱仪对如何标准化以及对其工作的影响有了新的想法。

杰西·哈里斯00时48分

真的？

查里斯·林00:50

一些色谱仪正在推动标准化，因为他们认为这将提高他们科学研究的质量和速度。

杰西·哈里斯00:57

好吧，让我们从这个主题的专家开始。Ben Neely在国家标准与技术研究所工作。他还向我们介绍了质谱和LC/MS的标准化和系统适用性。

查里斯·林01:10

作为本次采访的播客嘉宾，我们有本·内利。本是南卡罗来纳州查尔斯顿国家标准与技术研究所的研究化学家。他在南卡罗来纳医科大学攻读博士学位，研究蛋白质组学。他发表了许多论文，包括最近一篇关于吸血蝙蝠血清蛋白质组的论文，这是一个相当大的主题。

欢迎你，本。所以，让我们从一个破冰的问题开始。你最喜欢的化学制品是什么？

本·奈利01:45分

我最喜欢的化学制品是什么？

查里斯·林01:47

蛋白质也很重要。

本·奈利01:49

哦，蛋白质也算吗？是的，我的意思是，我不能说我有最喜欢的化学品。最近，我最喜欢的是补体C3。换句话说，先天免疫反应。因为正是这种奇怪的蛋白质，我们周围漂浮着大量的蛋白质，它基本上会分解，并产生所有这些疯狂的东西。我认为，在我们的分析技术中，我们并不欣赏这一点。

杰西·哈里斯02:16

很好。我敢肯定，现在它是一种非常有用的蛋白质。

本·内利02:22

是的，它们很奇怪。还有很多补语。是的，再说一次，我不是什么生物学家。所以当我了解到这些，你知道，所有这些我们拥有的小机器，以及它们所做的事情时，我总是有点震惊。

杰西·哈里斯02:34

是的，他们疯了。正如查里斯所说，你在NIST工作。你能为那些不知道它是什么的人简要解释一下这个机构是什么吗？然后也可以解释一下你的角色是什么？

本·奈利02:47

是的，这是一个很好的问题。NIST有一段非常有趣的历史，我认为我们实际上在宪法中被授权为度量衡局。非常广泛地说，NIST隶属于美国商务部。我们的任务是通过测量科学加速商业发展。

在一个非常基本的层面上，你可以认为，比方说，GPS：为了让我们所有的GPS工作，时钟必须同步。因此，NIST通过提供原子钟来填补这一角色，原子钟使每个人都能就秒是什么和时间达成一致。但你可以推断出，在很多事情上，我们都必须同意一磅或一公斤是什么，即使是非常具体的重量和度量。你知道，原子量是多少？

但NIST做了所有其他事情。所以是国家标准和技术最后一部分是我喜欢认为自己属于的地方。因此，NIST在我所在的南卡罗来纳州查尔斯顿有一个小型实验室，我的工作是在非模型生物中进行蛋白质组研究。这只是其中的一部分。所以你提到了吸血蝙蝠。我们对吸血蝙蝠进行蛋白质组学研究并不是特别的。但这只是没有人必然会这样做。我想，只要这样做一次，我们就会鼓励其他人对这些其他生物进行研究，这些生物的价值是难以置信的。这是我们现在的热门话题。所以我们可以使用这些工具来实现这一点。

但正如名字所暗示的那样，我们还致力于标准化，所以标准化，我如何收集数据，并在实验室之间以及仅在这些其他系统中以高质量传递数据？你知道，比如，如果我演吸血蝙蝠，你怎么知道数据是好的？你习惯于看到人类。那么，我怎么能告诉你我的吸血蝙蝠数据也很好？

查里斯·林04:52

你是如何对标准化感兴趣的？它是如何应用于你的日常工作的？

本·奈利04:58

我想我一直都是这样。我的意思是，我是一名分析化学家。我一直很喜欢与其他人一起进行研究。所以我确实喜欢应用方面，但我认为其中一部分是为人们做工作打下基础。而标准化，或者说有某种方式来衡量自己，是另一种说法……这是一种让你学习如何做某事的方式，对吗？所以我可以教你怎么做，我的意思是，让我们来看蛋白质组学，但你怎么知道你做得很好？你做到这一点的方法是用一些东西来衡量自己。

所以从分析化学中，你会得到一种材料，可以进行分析，并回收一些分析物。蛋白质组学，即使不是数百万的分析物，也有1000多种。基准测试有点困难，但这是相同的想法。所以我认为我一直处于参考框架中，我喜欢让人们参与到这些真正不令人兴奋的话题中。你知道，我们今天不会谈论数据库。但我认为，你知道，在蛋白质组学方面，我总是从进入数据库开始，搜索是如何工作的。但同时你在做后端工作，你也在做前端工作，这就是你如何知道自己在消化？你怎么知道什么是什么？

杰西·哈里斯06:16

因此，我们在准备这项工作时谈到的一件事是，关于系统适用性的概念，你认为这是对标准化的补充。我认为这是一个对可能参与这些主题的人来说非常有趣的主题。你能详述一下这是什么，以及你所说的系统适用性是什么意思吗？

本·奈利06:34

系统适用性是一个概念，我认为这一概念在我们进行蛋白质组学等工作时变得更为重要，在蛋白质组学中，我们同时分析了1000个分析物中的10个，1000个中的100个。所以用正常的分析化学，也许你只需要看看，我能测量这个同位素或这个化合物吗。但当你进入一个系统时，让我们看一下LC/串联质量规范，在这里我们分离出这些肽混合物，然后我们让仪器，比方说，挑选这些质量并将其分割，有很多过程同时进行，我们需要能够立即进行评估。

从历史上看，你知道，10年前，我们都注射消化过的蛋白质，这会产生，你知道的，那么多肽。我们会说，我得到了这种蛋白质的良好覆盖吗？但问题是，借用我的一位朋友的话，我们的新仪器如此快速准确，你可以很好地覆盖单个蛋白质，而你的仪器着火了。所以想法是，好吧，你可以在你的仪器上放什么来测量系统？

我用了一个非常糟糕的比喻，它就像一级方程式赛车，这就是我们现在驾驶的。所以测试不能是“你能开车绕着街区跑吗？”它必须是“你会开车绕着F1赛道跑吗？“它有所有这些不同的测试方法。因此，在系统上运行复杂的混合物是一种测试方法。这意味着我们得到了很多性能指标。所以我们不只是得到：你看到一种蛋白质了吗？你看到1000种蛋白质了吗？你看到1000个肽中的10个了吗？你的峰宽看起来怎么样？你的质量精度如何？我们可以得到所有这些信息。你的色谱法怎么样？你的媒体怎么样？我们从运行并确定系统适用性的单个样本中获取所有这些信息。

查里斯·林08:24

这些是您谈论过的许多指标。最重要的是什么？人们倾向于如何相互沟通所有这些指标？

本·尼利08时33分

正确的。这是一个很好的问题。大约10年前，我们让人们开始建立这些指标。我们称之为ID-based和ID-free。因此，我会在基于ID的平台上传达我的指标“我已经识别了40000个肽和4000个蛋白质”，然后你会说，“这个数字是我预期的正负20%。”

但是，当您使用这些基于ID的指标时，您可能会错过其他可能影响您的ID的因素。所以我也想报告我的峰宽。某些系统的峰值宽度对于仪器在下游的工作方式非常重要。所以对于我的乐器，如果我的峰值宽度达到30秒左右，我实际上会从其他方面降低性能。你可以评估你的群体隔离度。你的质量精度很高。所以，如果有一天我使用仪器，我的质量精度比我预期的要高很多，这将影响我的结果。

所以说，有一个非常重要的指标是很难的，但我认为所有这些都在一起，你可以看到许多新的工具都在创建这种全面的报告。你知道，如果你的乐器运行良好，它可能只是运行良好。所有这些都适合。我认为，系统适用性测试帮助您确定的最大问题是，它什么时候工作不好。怎么了，对吗？是你的专栏走了吗？是因为你的喷雾器不稳定吗？是不是你的质量精度错了？您可以获得所有这些信息，这些指标将帮助您排除故障，使其恢复到最佳水平。

杰西·哈里斯10:11

现在，这些系统适用性概念的使用范围有多广？这是不是更专注于蛋白质组学领域？或者，这是不是也在分析化学领域得到了更广泛的应用？

本·奈利10:25

好吧，你知道，我无法谈论很多这些更经典的无机、有机分析。很多时候，他们使用的是尖峰或标准。你知道，这是一种恢复概念。我注射了这20种药物；我看到这20件事了吗？

当你进入这个领域时，你可以把它称为无目标的，不管你想怎么称呼它，但就像脂质组学、小分子、代谢组学、蛋白质组学一样，你测量的是千分之十的东西，你不一定有参考依据……我想这就变得很重要了。我们开始看到它的增长。你知道，尤其是自下而上的蛋白质组学，它似乎被更广泛地接受了。你知道，人们正在运行一些消化物，要么是商业化的消化物，或者是他们在家里制作的消化物。他们每天都在运行消化物。它允许他们检查自己。

我认为下一步，我们希望开始看到这一点，那就是你开始获得数据存储的要求。所以，如果我保存数据，而你保存数据，我们也有一个样本的配套文件。这就为我们所有人创造了一种了解的方式。这就像是二次检查。你的系统好吗？不仅仅是我不知道的实验数据好吗？就像吸血蝙蝠；你不知道吸血鬼蝙蝠。但如果我也给你看了我的HeLa混合物，那么你可以说，‘好吧，我知道这应该是什么样子；这就是它的样子因此，我现在可以评估我不知道它应该是什么样子的其他数据。

查里斯·林11:52

到目前为止，我们讨论的很多内容都是关于在运行实验之前的标准化。你真的对系统适用性概念感兴趣。在你从你正在做的实验中收集数据之后呢？实验室之间是否有共享此类数据的标准？

本·奈利12:10

我认为肯定有最佳实践。我想，特别是在蛋白质组学领域，我非常高兴的是，我们对原始数据的共享非常开放。因此，我认为，如果你现在看到一篇没有原始数据可供重新处理的论文，那么对我来说，这会发出很大的危险信号。我认为，作为一个社区，我们在出版方面做得很好，但也对人们重新分析持开放态度。

但这意味着，现在有一个非常大的推动，不仅要使TB的数据可用，而且要以便于下游分析的方式对其进行注释。所以我们有，你知道，EBI和PRIDE的人正在推动基本上描述你的实验的格式。所以当你抓取我的数据时，你会得到这个原始文件列表，但你知道：它是在这个组织的仪器中收集的，这些是修改的。所有这些都可以通过编程实现，因为当我们不断生成TB级和TB级的数据时，我们希望能够使用它们。这种最终目标是能够使用它们，而不必给Ben Neely打电话。

你知道，我如何使用这些数据并获得相同的结果，同时将其添加到我未来的知识中？所以我不知道标准。但蛋白质组学有很多最佳实践。同样，我认为在存放数据时，包括系统适用性或质量控制非常重要。

杰西·哈里斯13:46

因此，就这一改进而言，很高兴听到蛋白质组学界有这样的数据共享心态。你还有其他想法可以考虑吗？在可以改进系统适用性的地方，可以改进数据共享，例如，您希望在未来几年看到这些东西在哪里发展？

本·奈利14:09

我认为现在，它似乎受到了很大的关注。例如，在《蛋白质组学研究工具期刊》的特刊中，有一些关于如何评估系统适用性标准的工具。我认为，人们不仅对运行该样本感到满意，而且对该样本进行评估，这将使他们对自己的数据充满信心。

我认为，对我来说，这只是人们在自己的团队之间舒适地分享。你知道，如果我和阿肯色州的一个小组和加利福尼亚州的一个小组合作，我们都在运行相同的样本，也许以不同的方式，也许我们这样做只是为了节省时间，也许我运行了第一盘，他们运行了第二盘。通过运行相同的系统适用性样本，我们可以在自己之间交流结果。我的意思是，我需要有信心，在这个假设的例子中，阿肯色州和加利福尼亚州运行良好。但是，如果他们的结果比我的好得多，这让我知道，好吧，这是他们的系统在样本上的样子。所以这就是原因。或者甚至是另一种选择，比如他们的平台可能只在某个级别上运行。

你知道，我们不能仅仅因为数据不同就忽略它。所以，是的，我认为在未来，我认为我们似乎越来越适应这一点。我再次认为，标准化使我们能够在某个时候停止重复实验，对吗？我们可以跑几次HeLa？我们能得多少次结直肠癌？你知道，也许有一大片吸血蝙蝠可以作为我们的例子。你知道，在某种程度上，我们必须能够使用其他数据，而蛋白质组学确实很难，因为我们对样品做了很多事情，你知道。我们以某种方式消化它；我们以某种方式提取它；我们以某种方式运行它。但在某种程度上，如果我们能够建立一个可用的知识库，这样我就不必每次分析1000个样本，我认为这是真正的梦想，你知道。要做到这一点很难，因为特别是在蛋白质组学方面，我们是如此定制。你知道，我们觉得我们需要做这个实验。这没有什么错。但是你不能怀疑，你知道，10年前的数据是在不同的平台上完成的，因为如果我们总是怀疑前一代平台，我们就永远不会前进。就像他们的发现一样，只看到了50个蛋白质。这并不意味着这是坏数据。所以我认为，在我们继续前进的过程中，想出将这些数据与新数据集成的方法对我来说真的是一个很大的梦想。

查里斯·林17:03

这是一个很好的观点。嗯，关于标准化或系统适用性的主题，还有什么其他的想法吗？

本·内利17:13

如果我没有提到NIST的所有同事，我会很失职。你知道，我非常依赖NIST的合作者和同事开发新材料，不仅用于蛋白质组分析，还用于基因组学和小分子。而且，对于人们来说……这些是为社区制造的产品，就像我们制造的一样，我们销售它们。但是还有其他人，其他公司，他们也在做类似的事情。我认为，我们能得到的样本越多，就越能证明这些实验的未来性。因此，我鼓励每个人都努力获得一种全世界都能获得的材料。不仅仅是因为它在你的团队中。我认为通过这样做，您将帮助您的数据在5年后、10年后变得可用。所以，只要鼓励…咨询NIST，也咨询其他公司、供应商，无论你身在何处。

杰西·哈里斯18:15

正确的。现在，事实上，最后一个问题，我很想听听你30秒的演讲，为什么吸血蝙蝠血很有意思。这在整个对话中都是一个主题。但我认为你的研究理论真的很有趣。所以我很想听听你的电梯推销。

本·奈利18时35分

我要超越吸血鬼蝙蝠。一般来说，哺乳动物会做很多很酷的事情。对于每一种表型，都有一条线，即自然界中已经存在一种模式生物。哺乳动物有5400种，我们基本上对它们一无所知。在一个非常基本的层面上，我们不知道他们的血液是什么样的。我的意思是，除了喜欢，大5。

所以拿着球棒。哺乳动物中有20%，1400种是蝙蝠。我们不了解他们的基本血液。所以我们谈到了先天免疫。我们不知道……它们有特殊的蛋白质吗？可能不会。但是它们的蛋白质水平很奇怪吗？很有可能，吸血蝙蝠是我们第一次涉足其中。现在我们想看得更广一些。这如何影响先天免疫？它们是如何自然宿主的？在分子水平上，天然宿主到底意味着什么？他们被感染了吗？他们不是吗？这超过了30秒，但我认为这不仅仅是吸血蝙蝠。这是很多动物。

杰西·哈里斯19:38

是的，那里有很多很棒而且有趣的东西可以看。但非常感谢你，本，感谢你抽出时间。关于标准化和系统适用性的概念，有很多有趣的想法。谢谢你抽出时间。

本·内利19:49

再次感谢你邀请我。

查里斯·林19时50分

请看，系统适用性是一个有趣的概念。这一切都是关于我们作为科学家如何交流，以及我们如何理解其他科学家的结果。我们沟通得越好，我们的科学研究进步就越多。

杰西·哈里斯20:05

好吧，我承认这很有趣，但这可能只是吸血蝙蝠在说话。你有什么更实用的应用程序可以讨论吗？

查里斯·林20:14

啊哈。加速药物研究怎么样？

杰西·哈里斯20:17

哦，好吧，我注意到了。

查里斯·林20:19

我们今天的第二位客人是潘卡杰·阿加瓦尔。他是默克公司分析研发副首席科学家。此前，他曾在辉瑞担任首席科学家和团队负责人。他获得了杨百翰大学分析化学博士学位。他擅长开发色谱方法和色谱标准化。

杰西·哈里斯20:41

我很高兴欢迎潘卡杰·阿加瓦尔（Pankaj Aggarwal）参加今天的播客。非常感谢您加入我们。

潘卡杰·阿加瓦尔20:49

谢谢你邀请我。

杰西·哈里斯20:50

我们今天将讨论方法标准化，特别是LC方法，但我们将从一个破冰的问题开始：你最喜欢的化学品是什么？

潘卡杰·阿加瓦尔21:01

哦，我想我们还是喝点咖啡因吧。那会让你思考和警觉，对吗？它需要在正确的剂量。

杰西·哈里斯21:10

是的，是的。

查里斯·林21时13分

数量适中，不会从墙上弹下来。好的，那么Pankaj，我们请你来是因为你是LC和LC方法标准化方面的专家。你为什么选择对LC标准化感兴趣？

潘卡杰·阿加瓦尔21:29

我是一名受过训练的色谱仪师。过去15年来，我一直在做色谱分析，包括我的博士课程，我意识到一件事：在制药行业，我们每天都在生成大量数据，如果我们能够以关键的方式查看这些数据并进行一些重要的数据分析，它将在做出决定性决定方面节省大量时间和精力，最终有助于更快地将分子推向市场。

现在，为了做到这一点，需要做的第一件事，即数据分析的基础，是以标准化的格式获取数据。正如我的一位同事所说，我非常喜欢这句话，如果你在沟渠里，你需要停止挖掘，而不是试图出来或填满沟渠。所以我觉得如果我们开始进行LC标准化，所有非标准的历史数据都会得到处理。但首先，这种标准化将帮助我们获得数据分析。

杰西·哈里斯22:38

伟大的。是的，这对开发更好的方法来解决问题很有意义。您将如何描述……您将如何定义LC标准化？因为这个词对所有人来说并不一定意味着相同的东西。

潘卡杰·阿加瓦尔22:53

是的，我们可以如何定义它有很多种。但如果在很高的级别上，我会说，如果我能够以不受仪器供应商或文件格式影响的格式收集、存储和分析所有元数据信息的数据，并且最终数据分析可以在任何第三方软件中完成，这将是一个中央存储位置的最终LC标准化。

查里斯·林23:26

这很有道理。我想，当谈到LC时，你确实至少有两种数据：你正在运行的方法，然后得到像色谱图这样的结果。你认为我们处理这两种数据的方式有区别吗？

潘卡杰·阿加瓦尔23:42

是的，有区别。区别在于我们生成的方法，这些方法实际上需要机器可读。这些方法最终由机器读取并运行。当我说机器时，它是LC仪器。必须有一种特定的方法来存储LC方法，以便将其从一种仪器传输到另一种仪器。

现在，当我们谈论结果时，一旦收集到结果，它与它是在哪个系统上收集的无关，但它将由用来收集它的软件定义，以及我们想在下游使用它做什么。所以有不同的类型，只是不同的文件格式以及这些东西的不同方面和用途。这样，他们肯定会有所不同。

有一点可以说，类似的是，我们将它们存储在哪里？我们可以把它们存储在同一个地方，也可以存储在两个不同的地方。但我想强调的一点是：这两者之间必须有联系。这两者并不是两个独立的实体。这些应被视为具有不同要求的一个实体。

杰西·哈里斯24:50

是的，这看起来很重要，因为如果没有与之相关的方法数据，你就无法真正理解结果。那么，对于那些希望改善LC知识共享的公司，你如何描述最佳实践？例如，如何更好地集成这些类型的数据的组合和存储方式。

潘卡杰·阿加瓦尔25:15

因此，目前正在进行多项努力。在制药行业，每个人都可能已经意识到的一个集中的努力是Allotrope基金会，他们正在那里尝试标准化格式和技术。以及如何存储这些数据文件。皮斯托亚联盟是该联盟的一个分支。这是在为方法数据库创建一个中央存储库，即如何存储在工具上运行的方法。因此，这些都是跨行业财团的集中努力。

甚至在每个行业，每个制药公司，都有一些个人正在进行的努力，这些努力在某种程度上类似于拥有最佳实践。至于何时开始创建方法，最佳实践是什么？你打算什么时候给山峰贴标签？最佳实践是什么？因此，最佳实践，以及关于如何命名和存储数据的一些指导原则，以及一些下游分析工具，如果您正在进行标准化，用户或分析师可以在这些工具中看到什么是投资回报。

除此之外，制药公司已经开始研究云存储，它最终是存储数据的一个中心位置，然后在不同的企业系统之间进行互联。所以我想这又是一个重大的进步，在公司内部分享知识。在一个快速的周转时间内。

查里斯·林26:55

所有这些似乎都是很好的建议。您提到能够看到ROI。你认为哪里是投资回报率最高、最大的地方，或者当人们刚开始创业时最明显的投资回报率？

潘卡杰·阿加瓦尔27:08

我想说，最大的投资回报是指尖上的信息，对吧？所以一个分子，当它被开发出来时，它从发现到开发到临床。所以这三个阶段。在每个阶段，都有很多人参与这些项目，以至于知识转移变成了一个黑洞。如果有一个集中的标准化数据存储和共享位置，这个黑洞将被消除。

如果我们消除了仅仅因为信息不可用而重新开发方法的需要，我认为这在节省分析员的时间方面是一个显著的收获。他们可以专注于更好的事情和其他重要的事情，这只会减少冗余。

杰西·哈里斯27:56

例如，您认为在建立方法数据库或标准化公司内的方法方面存在哪些挑战？因为你在这里描述的听起来有很多好处。所以有一种明显的感觉，为什么每个人都不这样做？

潘卡杰·阿加瓦尔28:10

我想说的是，最大的挑战之一是仪器的多样性和用于收集数据的系统的多样性，以及色谱数据系统中的多样性。这些系统的多样性使得制定一种适合所有人的标准化方法成为一项极具挑战性的任务。

查里斯·林28:38

但是，当公司面临这些挑战时，你认为对他们来说，最大的机会是什么？我想……实现所有标准化的梦想场景是什么，现在你可以用它做什么？

潘卡杰·阿加瓦尔28:54

所以我想说，对于制药公司来说，最初的投资可能会更大。但最终，我们将有很多空闲的分析时间来关注项目的其他重要方面。

药物开发的时间线今天看起来像15年，或者5年，可能会进一步缩短。众所周知，针对新冠肺炎，疫苗是在一年内研制出来的。但有了这些积极的时间表，我们需要提高流程的效率。这将是最大的收获。

杰西·哈里斯29:28

好吧，我当然希望我们能继续看到新型冠状病毒时代的效率提升。如果方法标准化能够对此做出贡献，那将是令人兴奋的。但这涵盖了我们今天向您提出的所有问题。在我们结束之前，你还有什么要评论的吗？

潘卡杰·阿加瓦尔29:45

我想说的是，该行业、跨行业财团正在做出多项努力，不仅是制药行业，还有从事LC业务的制药行业供应商。在这方面也作出了积极努力。只是我们需要在实现阶段进一步加快这一进程，而不仅仅是讨论。

杰西·哈里斯30:14

伟大的。好的，非常感谢你抽出时间。很高兴有你，我也期待着将来再次加入你。

查里斯·林30:20

谢谢你，潘卡杰。

潘卡杰·阿加瓦尔30:20

谢谢您。

杰西·哈里斯30:22

Pankaj提出了一个强有力的论点：减少开发冗余方法的时间听起来可能会大大提高效率。

查里斯·林30分31秒

确切地。标准化可能是一个古老的话题，但技术改变了很多事情：我们需要沟通多少，我们如何沟通。我们的数据管理和数据生产之间存在着这种差距，标准帮助我们缩小了这一差距。

杰西·哈里斯30:47

如果你想了解更多关于今天这一集中提到的任何组织或财团的信息，请务必查看这一集的描述，那里会有一些链接以获取更多信息。

查里斯·林30分58秒

这是分析波长。下次见。

[结束音乐]

分析波长由ACD/Labs提供。我们创建了一个软件，通过预测分子特性以及组织和分析实验结果，帮助科学家充分利用分析数据。要了解更多信息，请访问网址：www.acdlabs.com.