Leland Hyman, johtava data-tieteilijä Sherlock Biosciencesissa – Haastattelu

Leland Hyman on johtava data-tieteilijä Sherlock Biosciencesissa. Hän on kokenut tietojenkäsittelytieteilijä ja tutkija, jolla on tausta koneoppimisessa ja molekyylidiagnostiikassa.

Sherlock Biosciences on bioteknologiayritys, joka sijaitsee Cambridgessa, Massachusettsissa, ja kehittää diagnostisia testejä käyttäen CRISPR:ää. He pyrkivät muuttamaan molekyylidiagnostiikkaa paremmilla, nopeammilla ja edullisemmilla testeillä.

Mikä aluksi kiinnosti sinua tietojenkäsittelytieteessä?

Aloin ohjelmoida hyvin nuorena, mutta olin pääasiassa kiinnostunut tekemään videopelien kanssa ystävieni kanssa. Kiinnostukseni kasvoi muihin tietojenkäsittelysovelluksiin yliopistossa ja jatko-opinnoissa, erityisesti kaiken tämän uraauurtavan koneoppimistyön myötä 2010-luvun alussa. Koko ala vaikutti niin jännittävältä uudelta rintamalta, joka voisi suoraan vaikuttaa tieteelliseen tutkimukseen ja arkeen — en voinut olla lumoutunut siitä.

Pyritit myös väitöstutkintoon solu- ja molekyylibiologiassa, milloin havaitset, että nämä kaksi alaa leikkaavat toisiaan?

Aloin tehdä tätä risteymätyötä tietojenkäsittelytieteiden ja biologian kanssa varhain jatko-opinnoissa. Laboratoriossani keskityttiin ratkaisemaan proteiinisuunnitteluongelmia yhteistyössä kovanaamaisen biokeemikkojen, tietojenkäsittelytieteilijöiden ja kaikkien välillä. Tunnistin nopeasti, että koneoppiminen voisi antaa arvokkaita oivalluksia biologisiin järjestelmiin ja tehdä kokeellisesta työstä helpompaa. Toisaalta, myös biologinen intuitio on arvokasta, kun rakennetaan koneoppimismalleja. Mielestäni ongelman asettaminen oikein on koneoppimisen avain. Tämän vuoksi uskon, että yhteistyö eri alojen välillä voi vaikuttaa merkittävästi.

Vuodesta 2022 olet työskennellyt Sherlock Biosciencesissa, voitko kertoa jotain yksityiskohtia siitä, mitä tehtäväsi sisältää?

Johtan tällä hetkellä laskentaryhmää Sherlock Biosciencesissa. Ryhmämme on vastuussa diagnostisten testien komponenttien suunnittelusta, yhteistyöstä kokeellisten tutkijoiden kanssa, jotka testaavat näitä suunnitelmia laboratoriossa, ja uusien laskentakapasiteettien kehittämisestä suunnitelmien parantamiseksi. Koordinoidessani näitä toimintoja, työskentelen myös koneoppimisen osuuksilla ohjelmistossa, kokeillen uusia mallirakenteita ja keinoja simuloida DNA:n ja RNA:n fysiikkaa, joka on mukana testeissä.

Koneoppiminen on keskeisessä asemassa Sherlock Biosciencesissa, voitko kuvata tietotyypin ja -määrän, jota kerätään, ja miten ML sitten käsittää tämän tiedon?

Testien kehittämisessä testaamme kymmeniä tai satoja ehdokkaita kullekin uudelle patogeenille. Vaikka suurin osa näistä ehdokkaita ei pääse kaupalliseen testiin, näemme ne mahdollisuuksina oppia virheistämme. Näissä kokeissa mitataan kahta asiaa: herkkyyttä ja nopeutta. Mallimme ottaa DNA- ja RNA-jaksot kunkin testin syötteenä ja oppii ennustamaan testin herkkyyden ja nopeuden.

Miten ML ennustaa, mitkä molekyylidiagnostiikan komponentit suorittavat nopeimmin ja tarkin?

Kun ajattelemme, miten ihminen oppii, on kaksi päästrategiaa. Toisaalta, henkilö voisi oppia tehtävän kautta puhdas kokeilu ja virhe. He voivat toistaa tehtävän ja lopulta oppia säännöt itse. Tämä strategia oli suosittu ennen internetiä. Toisaalta, voimme antaa tälle henkilölle opettajan, joka kertoo tehtävän säännöt heti. Opettajan kanssa opiskeleva oppilas voisi oppia nopeammin kuin kokeilun kautta, mutta vain jos heillä on hyvä opettaja, joka ymmärretään tehtävästä täysin.

Lähestymistapamme koneoppimismallien kouluttamiseen on puolivälissä näiden kahden strategian välillä. Vaikka meillä ei ole täydellistä “opettajaa” koneoppimismalleille, voimme antaa niille joitain tietoja DNA- ja RNA-säikeiden fysiikasta testeissämme. Tämä auttaa niitä tekemään parempia ennusteita vähemmällä tiedolla. Tehdäksemme tämän, suoritamme useita biوفysikaalisia simulaatioita testien DNA- ja RNA-jaksoille. Sitten syötämme tulokset malliin ja pyydämme sitä ennustamaan testin nopeuden ja herkkyyden. Toistamme tämän prosessin kaikille laboratoriossa suoritetuille kokeille, ja malli näyttää eroa ennusteidensa ja todellisten tuloksien välillä. Tarpeeksi toistamalla se lopulta oppii, miten DNA- ja RNA-fysiikka liittyy kunkin testin nopeuteen ja herkkyyteen.

Mitkä ovat muita tapoja, joilla teidän yrityksennä käytetään tekoälyalgoritmeja?

Olemme käyttäneet koneoppimisalgoritmeja ratkaisemaan monenlaisia ongelmia. Muutamia esimerkkejä, jotka tulevat mieleeni, liittyvät markkinatutkimukseen ja kuva-analyysiin. Markkinatutkimuksessa pystyimme kouluttamaan malleja, jotka oppivat erilaisista asiakasryhmistä ja siitä, kuinka moni henkilö saattaa tarvita taudin testausta. Olemme myös kehittäneet malleja, jotka analysoivat lateraalivirtaustarraiden (tyyppi testi, jota yleisesti käytetään yleisesti saatavissa olevissa COVID-testeissä) kuvia ja ennustavat automaattisesti, onko positiivinen vyöhyke läsnä. Vaikka tämä vaikuttaa ihmiselle triviaalilta tehtävältä, voin sanoa omakohtaisesta kokemuksestani, että se on erittäin kätevä vaihtoehto manuaalisen annotoinnin sijasta tuhansille kuville.

Mitkä ovat haasteita rakentaa ML-malleja, jotka toimivat käsi kädessä bioscientific-tekniikan, kuten CRISPR, kanssa?

Tiedon saatavuus on päähaaste soveltaa koneoppimismalleja bioscientific-tekniikkaan. CRISPR ja DNA- tai RNA-pohjaiset teknologiat kohtaavat erityisen haasteen, lähinnä johtuen huomattavasti pienemmistä rakenteellisista tietokannoista, jotka ovat saatavilla nukleiinihappojen sijaan proteiineille. Tämän vuoksi olemme nähneet valtavat edistysaskeleet proteiinien koneoppimisessa viime vuosina (kuten AlphaFold2 ja muut), mutta DNA- ja RNA-koneoppimisen edistysaskeleet ovat edelleen jäljessä.

Mikä on visiosi tulevaisuudesta, miten tekoäly integroituu CRISPR:ään ja biosciencesiin?

Näemme valtavan tekoälybuumin proteiinisuunnittelun ja lääkekehityksen aloilla tällä hetkellä, ja odotan, että tämä kiihdyttää lääketeollisuuden kehitystä. Toivon, että sama tapahtuu CRISPR:lle ja muiden DNA- ja RNA-pohjaisille teknologioille tulevina vuosina. Tämä voisi olla erittäin vaikuttavaa diagnostiikassa, ihmisen lääketieteessä ja synteettisessä biologiassa. Olemme jo nähneet laskentatyökalujen hyödyt diagnostiikan ja CRISPR-tekniikoiden kehittämisessä täällä Sherlockissa, ja toivon, että tämänkaltaista työtä voidaan tehdä lisää ja edistää alaa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Sherlock Biosciencesissa.