Leland Hyman, Zanyarê Daneyên Serek li Sherlock Biosciences - Rêzeya Hevpeyvînê

Leland Hyman Zanyarê Daneyên Serek e Sherlock Biosciences. Ew zanyarek kompîturê û lêkolînerek xwedî ezmûn e ku di fêrbûna makîneyê û tespîtkirina molekulî de paşverû ye.

Sherlock Biosciences pargîdaniyek biyoteknolojiyê ye ku li Cambridge, Massachusetts e ku bi karanîna CRISPR ceribandinên tespîtkirinê pêşdixe. Armanca wan ew e ku bi ceribandinên çêtir, zûtir û erzan ve tespîtkirina molekularî têk bibin.

Di destpêkê de çi we bala zanistiya komputerê kişand?

Min di temenek pir ciwan de dest bi bernamekirinê kir, lê ez bi giranî bi hevalên xwe re bi çêkirina vîdyo lîstikan re eleqedar bûm. Eleqeya min di serîlêdanên din ên zanistiya komputerê de di dema zanîngehê û mezûniyetê de, nemaze digel hemî xebata fêrbûna makîneyê ya ku di destpêka salên 2010-an de diqewimin, zêde bû. Tevahiya qad mîna sînorek nû ya wusa balkêş xuya dikir ku dikare rasterast bandorê li lêkolîna zanistî û jiyana me ya rojane bike - min nedikarî bi wê ve girêdayî bim.

Te jî doktoraya doktorayê kir. di Biyolojiya Hucreyî û Molekuler de, we kengê yekemcar pê hesiya ku dê her du zevî li hev bikevin?

Min di destpêka dibistana mezûnî de dest bi kirina vî celebê xebata navberê ya bi zanistiya komputer û biyolojiyê re kir. Laboratoriya min li ser çareserkirina pirsgirêkên endezyariya proteînê bi hevkariyên di navbera biyokîmîstên hişk, zanyarên komputerê, û her kesê di navberê de sekinî. Min zû nas kir ku fêrbûna makîneyê dikare di pergalên biyolojîkî de nerînên hêja peyda bike û ceribandinê pir hêsantir bike. Berevajî vê, dema ku modelên fêrbûna makîneyê ava dikim, min ji bo nirxa têgihîştina biyolojîkî jî nirxek wergirt. Bi dîtina min, çarçovekirina pirsgirêkê bi rastî di fêrbûna makîneyê de hêmana bingehîn e. Ji ber vê yekê ez bawer dikim ku hewildanên hevkariyê di warên cûda de dikare bandorek kûr hebe.

Ji sala 2022-an vir ve hûn li Sherlock Biosciences dixebitin, hûn dikarin hin hûrguliyan li ser rola we parve bikin?

Ez niha rêberiya tîmê hesabkeriyê li Sherlock Biosciences dikim. Koma me berpirsiyar e ji sêwirana hêmanên ku di nav ceribandinên me yên teşhîsê de diçin, têkilî bi ezmûngerên ku van sêwiranan di laboratûara şil de ceribandine, û avakirina kapasîteyên nû yên hesabkirinê ji bo baştirkirina sêwiranan. Ji xeynî koordînasyona van çalakiyan, ez li ser beşên fêrbûna makîneyê ya bingeha koda me dixebitim, bi mîmariyên modela nû û awayên nû ji bo simulkirina fîzîka DNA û RNA ya ku di vekolînên me de têkildar in diceribînim.

Fêrbûna makîneyê di bingeha Sherlock Biosciences de ye, hûn dikarin celebê daneyê û qebareya daneyên ku têne berhev kirin vebêjin, û hingê ML çawa wê daneyê pars dike?

Di dema pêşkeftina ceribandinê de, em ji bo her pathogenek nû bi dehan û bi sedan ceribandinên berendam ceribandin. Dema ku pirraniya wan berendaman wê nekeve ceribandinek bazirganî, em wan wekî fersendek dibînin ku ji xeletiyên xwe fêr bibin. Di van ceribandinan de, em du tiştên sereke dipîvin: hesasbûn û bilez. Modelên me rêzikên DNA û RNAyê di her ceribandinê de wekî têketinê digirin û dûv re fêr dibin ku hesasiyet û leza testê pêşbîn bikin.

ML çawa pêşbînî dike ku kîjan hêmanên tespîtkirina molekulî dê bi lez û beztirîn performansê bikin?

Dema ku em difikirin ka mirovek çawa fêr dibe, du stratejiyên sereke hene. Ji aliyek ve, mirovek dikaribû fêr bibe ka meriv çawa bi ceribandin-û-çewtiyek paqij karek dike. Ew dikaribûn peywirê dubare bikin, û piştî gelek têkçûn, ew ê di dawiyê de qaîdeyên peywirê bi tena serê xwe fêhm bikin. Ev stratejî berî înternetê pir populer bû. Lêbelê, em dikarin ji vî kesî re mamosteyek peyda bikin ku di cih de qaîdeyên peywirê ji wan re bêje. Xwendekarê bi mamoste re dikaribû ji nêzîkatiya ceribandin û xeletiyê pir zûtir fêr bibe, lê tenê heke mamosteyek wî ya baş hebe ku bi tevahî peywirê fam dike.

Nêzîkatiya me ya perwerdehiya modelên fêrbûna makîneyê parçeyek di navbera van her du stratejiyan de ye. Digel ku ji bo modelên fêrbûna makîneya me "mamosteyek" bêkêmasî tune, em dikarin wan bi hin zanyariyan di derheqê fizîkî ya rêzikên DNA û RNA de di ceribandinên xwe de dest pê bikin. Ev ji wan re dibe alîkar ku fêr bibin ku bi daneya kêm pêşbîniyên çêtir çêbikin. Ji bo vê yekê, em gelek simulasyonên biyofizîkî li ser rêzikên DNA û RNA yên testa xwe dimeşînin. Dûv re em encaman di nav modelê de dihêlin û jê dipirsin ku bilez û hesasiya ceribandinê pêşbîn bike. Em vê pêvajoyê ji bo hemî ceribandinên ku me di laboratîfê de kirine dubare dikin, û model ferqa di navbera pêşbîniyên xwe û tiştê ku bi rastî qewimî de nîşan dide. Bi dubarekirina têra xwe, ew di dawiyê de fêr dibe ka fîzîka DNA û RNA çawa bi lez û hesasiya her ceribandinê re têkildar e.

Hin awayên din ên ku algorîtmayên AI-ê ji hêla Sherlock Biosciences ve têne bikar anîn çi ne?

Me algorîtmayên fêrbûna makîneyê bikar aniye da ku cûrbecûr pirsgirêkan çareser bikin. Çend mînakên ku têne bîra me bi lêkolîna bazarê û analîzkirina wêneyê ve girêdayî ne. Ji bo lêkolîna bazarê, me karî modelên ku li ser cûreyên cûda yên xerîdar fêr dibin, û çend kes dikarin hewcedariya ceribandina nexweşiyê ya bêkêmasî hebin perwerde bikin. Me di heman demê de model çêkirine da ku wêneyên tîrêjên herikîna paşîn analîz bikin (cûreya ceribandina ku bi gelemperî di ceribandinên COVID-ê yên bê-hejmar de têne bikar anîn), û bixweber pêşbînî dikin ka bandek erênî heye an na. Digel ku ev ji bo mirovek wekî karekî bêkêmasî xuya dike, ez dikarim ji destê pêşîn bêjim ku ew alternatîfek bêkêmasî ye ku bi destan bi hezaran wêneyan şîrove bike.

Hin pirsgirêkên li pişt avakirina modelên ML-ê yên ku bi teknolojiya pêşkeftî ya biyolojî ya wekî CRISPR re bi hev re dixebitin çi ne?

Hebûna daneyê bi sepandina modelên fêrbûna makîneyê ji her teknolojiya biyolojî re dijwariya sereke ye. Teknolojiyên CRISPR û DNA an RNA-bingehan bi dijwariyek cihêreng re rû bi rû ne, nemaze ji ber berhevokên strukturel ên girîng ên piçûktir ên ku ji bo asîdên nukleîk li gorî proteînan peyda dibin. Ji ber vê yekê me di van salên dawî de pêşkeftinên mezin ên proteîna ML dît (bi AlphaFold2 û yên din re), lê pêşkeftinên DNA û RNA ML hîn jî li paş in.

Vîzyona we ji bo pêşerojê çi ye ka AI dê çawa bi CRISPR, û biyolojî re yek bike?

Em niha di warê endezyariya proteîn û vedîtina dermanan de geşbûnek AI-ê ya girseyî dibînin, û ez hêvî dikim ku ev ê berdewam bike ku pêşveçûna di pîşesaziya dermansaziyê de bilez bike. Ez hez dikim ku di salên pêş de heman tişt bi CRISPR û teknolojiyên din ên bingehîn ên DNA û RNA-yê re bibînim. Ev dikare di teşhîs, dermanê mirovî, û biyolojiya sentetîk de pir bandorker be. Me berê di pêşkeftina meya teşhîs û teknolojiyên CRISPR de li vir li Sherlock de feydeyên amûrên hesabkeriyê dîtiye, û ez hêvî dikim ku ev celeb kar dê bandorek "berfê" teşwîq bike da ku zeviyê pêşde bixe.

Spas ji bo hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin Sherlock Biosciences.