Leland Hyman, Lead Data Scientist hos Sherlock Biosciences – Interviewserie

Leland Hyman er Lead Data Scientist hos Sherlock Biosciences. Han er en erfaren computer scientist og forsker med baggrund i machine learning og molekylær diagnostik.

Sherlock Biosciences er et bioteknologisk firma baseret i Cambridge, Massachusetts, der udvikler diagnostiske tests med CRISPR. De har til formål at revolutionere molekylær diagnostik med bedre, hurtigere og mere overkommelige tests.

Hvad var det, der oprindeligt tiltrak dig til computer science?

Jeg startede med at programmere i en meget ung alder, men jeg var primært interesseret i at lave videospil med mine venner. Min interesse voksede i andre computer science-applikationer under college og graduate school, især med alle de banebrydende machine learning-arbejder, der skete i begyndelsen af 2010’erne. Hele feltet syntes at være en så spændende ny grænse, der kunne have en direkte indvirkning på videnskabelig forskning og vores daglige liv — jeg kunne ikke lade være med at blive fanget af det.

Du har også fulgt en ph.d. i cellulær og molekylær biologi. Når fik du først indsigt i, at de to felter ville krydse?

Jeg startede med at lave denne type intersectionsarbejde mellem computer science og biologi tidligt i graduate school. Mit laboratorie fokuserede på at løse protein-engineering-problemer gennem samarbejder mellem hardcore-biochemikere, computer scientists og alle imellem. Jeg erkendte hurtigt, at machine learning kunne give værdifulde indsigt i biologiske systemer og gøre eksperimenterne meget lettere. Omvendt fik jeg også en værdsættelse af værdien af biologisk intuition, når man konstruerer machine learning-modeller. I mit synspunkt er det afgørende element i machine learning at ramme problemet præcist. Det er derfor, jeg mener, at samarbejdsindsatsen over forskellige felter kan have en dybtgående indvirkning.

Siden 2022 har du arbejdet hos Sherlock Biosciences. Kan du dele nogle detaljer om, hvad din rol omfatter?

Jeg leder i øjeblikket det computermæssige team hos Sherlock Biosciences. Vores gruppe er ansvarlig for at designe komponenterne, der indgår i vores diagnostiske tests, og for at samarbejde med eksperimentalisterne, der tester disse design i laboratoriet, og for at bygge nye computermæssige funktioner til at forbedre design. Ud over at koordinere disse aktiviteter arbejder jeg på machine learning-delen af vores kodebase, hvor jeg eksperimenterer med nye modelarkitekturer og nye måder at simulere DNA- og RNA-fysikken i vores tests.

Machine learning er centralt for Sherlock Biosciences. Kan du beskrive den type data og datavolumen, der indsamles, og hvordan ML så parser den?

Under udviklingen af vores tests tester vi dusinvis til hundredvis af kandidat-tests for hver ny patogen. Selv om de fleste af disse kandidater ikke kommer til at indgå i en kommerciel test, ser vi dem som en mulighed for at lære af vores fejl. I disse eksperimenter måler vi to nøgleting: sensitivitet og hastighed. Vore modeller tager DNA- og RNA-sekvenserne i hver test som input og lærer så at forudsige testens sensitivitet og hastighed.

Hvordan forudsiger ML, hvilke molekylære diagnostiske komponenter der vil fungere med den største hastighed og nøjagtighed?

Når vi tænker på, hvordan et menneske lærer, er der to store strategier. På den ene side kan en person lære at udføre en opgave gennem ren prøvning og fejl. De kan gentage opgaven, og efter mange fejl vil de til sidst finde ud af reglerne for opgaven på egen hånd. Denne strategi var ret populær før internettet. Men vi kunne give denne person en lærer, der fortæller dem reglerne for opgaven med det samme. Eleven med læreren kan lære meget hurtigere end med prøvning og fejl, men kun hvis de har en god lærer, der fuldt ud forstår opgaven.

Vores tilgang til at træne machine learning-modeller er midt imellem disse to strategier. Selv om vi ikke har en perfekt “lærer” for vores machine learning-modeller, kan vi starte dem med nogen viden om fysikken i DNA- og RNA-strenge i vores tests. Dette hjælper dem med at lære at give bedre forudsigelser med mindre data. For at gøre dette kører vi flere biofysiske simulationer på vores tests DNA- og RNA-sekvenser. Vi føder derefter resultaterne ind i modellen og beder den om at forudsige hastigheden og sensitiviteten af testen. Vi gentager denne proces for alle de eksperimenter, vi har udført i laboratoriet, og modellen viser forskellen mellem dens forudsigelser og hvad der faktisk skete. Gennem tilstrækkelig gentagelse lærer den til sidst, hvordan DNA- og RNA-fysikken relaterer til hastigheden og sensitiviteten af hver test.

Hvilke andre måder bruger Sherlock Biosciences AI-algoritmer?

Vi har brugt machine learning-algoritmer til at løse en bred vifte af problemer. Et par eksempler, der kommer i mente, er relateret til markedsforskning og billedanalyse. For markedsforskning kunne vi træne modeller, der lærer om forskellige typer kunder og hvor mange mennesker, der måske har et utilfredsstillet behov for sygdomstest. Vi har også bygget modeller til at analysere billeder af lateral flow-streger (den type test, der oftest bruges i over-the-counter COVID-tests), og automatisk forudsige, om en positiv bånd er til stede. Selv om dette kan synes som en trivial opgave for et menneske, kan jeg sige fra egen erfaring, at det er en utrolig bekvem alternativ til manuelt at annotere tusindvis af billeder.

Hvilke udfordringer er der ved at bygge ML-modeller, der fungerer hånd i hånd med banebrydende bioscience-teknologi som CRISPR?

Tilgængelighed af data er den største udfordring ved at anvende machine learning-modeller til bioscience-teknologi. CRISPR og DNA- eller RNA-baserede teknologier står over for en særlig udfordring, primært på grund af de betydeligt mindre strukturdata, der er tilgængelige for nukleinsyrer i forhold til proteiner. Det er derfor, vi har set enorme fremskridt i protein-ML i de seneste år (med AlphaFold2 og andre), men DNA- og RNA-ML-fremgang er stadig tilbage.

Hvad er din vision for fremtiden for, hvordan AI vil integrere med CRISPR og bioscience?

Vi ser en massiv AI-boom i protein-engineering- og lægemiddelforskning lige nu, og jeg forventer, at dette vil accelerere udviklingen i lægemiddelindustrien. Jeg ville elske at se det samme ske med CRISPR og andre DNA- og RNA-baserede teknologier i de kommende år. Dette kunne være utrolig indflydelsesrigt i diagnostik, human medicin og syntetisk biologi. Vi har allerede set fordelene ved computermæssige værktøjer i vores udvikling af diagnostik og CRISPR-teknologier her hos Sherlock, og jeg håber, at denne type arbejde vil fremme en “snestorm”-effekt for at skyde feltet fremad.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Sherlock Biosciences.