Leland Hyman, Leidende Datawetenschapper bij Sherlock Biosciences – Interviewreeks

Leland Hyman is de Leidende Datawetenschapper bij Sherlock Biosciences. Hij is een ervaren computerwetenschapper en onderzoeker met een achtergrond in machine learning en moleculaire diagnostiek.

Sherlock Biosciences is een biotechnologiebedrijf gevestigd in Cambridge, Massachusetts, dat diagnostische tests ontwikkelt met behulp van CRISPR. Zij hebben als doel moleculaire diagnostiek te verstoren met betere, snellere en betaalbare tests.

Wat trok je aanvankelijk aan tot informatica?

Ik begon te programmeren op een zeer jonge leeftijd, maar ik was vooral geïnteresseerd in het maken van videospellen met mijn vrienden. Mijn interesse groeide in andere informaticatoepassingen tijdens mijn college- en universitaire studies, met name met alle baanbrekende machine learning-werk dat in de vroege jaren 2010 plaatsvond. Het hele veld leek zo’n spannende nieuwe frontier die rechtstreeks wetenschappelijk onderzoek en ons dagelijks leven kon beïnvloeden – ik kon niet anders dan me erdoor laten meeslepen.

Je hebt ook een Ph.D. in Cel- en Moleculaire Biologie gestudeerd, wanneer realiseerde je je dat deze twee vakgebieden zouden samenkomen?

Ik begon deze soort intersectioneel werk met informatica en biologie vroeg in mijn graduate school. Mijn lab richtte zich op het oplossen van eiwitengineeringsproblemen door samenwerkingen tussen harde biochemici, computerwetenschappers en iedereen daartussenin. Ik realiseerde me al snel dat machine learning waardevolle inzichten kon bieden in biologische systemen en experimenteren veel gemakkelijker kon maken. Omgekeerd kreeg ik ook een waardering voor de waarde van biologische intuïtie bij het construeren van machine learning-modellen. In mijn visie is het juist formuleren van het probleem het cruciale element in machine learning. Dit is waarom ik geloof dat samenwerkingsinspanningen tussen verschillende vakgebieden een diepgaande impact kunnen hebben.

Sinds 2022 werk je bij Sherlock Biosciences, kun je enkele details delen over wat je rol inhoudt?

Ik leid momenteel het computationele team bij Sherlock Biosciences. Onze groep is verantwoordelijk voor het ontwerpen van de componenten die in onze diagnostische assays worden gebruikt, het communiceren met de experimentele onderzoekers die deze ontwerpen in de natte laboratoria testen, en het opbouwen van nieuwe computationele capaciteiten om ontwerpen te verbeteren. Bovenop het coördineren van deze activiteiten, werk ik aan de machine learning-gedeelten van onze codebase, experimenterend met nieuwe modelarchitecturen en nieuwe manieren om de DNA- en RNA-fysica te simuleren die bij onze assays betrokken zijn.

Machine learning staat centraal bij Sherlock Biosciences, kun je beschrijven wat voor soort data en hoeveel data er wordt verzameld, en hoe ML deze data parseert?

Tijdens de ontwikkeling van assays testen we tientallen tot honderden kandidaat-assays voor elke nieuwe ziekteverwekker. Hoewel de overgrote meerderheid van deze kandidaten het niet zal halen tot een commerciële test, zien wij ze als een kans om van onze fouten te leren. In deze experimenten meten wij twee belangrijke dingen: gevoeligheid en snelheid. Onze modellen nemen de DNA- en RNA-sequenties in elke assay als invoer en leren dan om de gevoeligheid en snelheid van de assay te voorspellen.

Hoe voorspelt ML welke moleculaire diagnostische componenten het beste zullen presteren in termen van snelheid en nauwkeurigheid?

Wanneer wij denken aan hoe een mens leert, zijn er twee belangrijke strategieën. Aan de ene kant kan iemand een taak leren door pure trial-and-error. Zij kunnen de taak herhalen, en na veel mislukkingen, zullen zij uiteindelijk de regels van de taak zelf leren. Deze strategie was vrij populair voordat het internet bestond. Echter, wij kunnen deze persoon een leraar geven die hem de regels van de taak meteen kan vertellen. De student met de leraar kan veel sneller leren dan met de trial-and-error-benadering, maar alleen als hij een goede leraar heeft die de taak volledig begrijpt.

Onze aanpak voor het trainen van machine learning-modellen ligt ergens tussen deze twee strategieën. Hoewel wij geen perfecte “leraar” voor onze machine learning-modellen hebben, kunnen wij ze beginnen met enige kennis over de fysica van DNA- en RNA-strengen in onze assays. Dit helpt hen om betere voorspellingen te doen met minder data. Om dit te doen, voeren wij meerdere biologische simulaties uit op onze assay-DNA- en RNA-sequenties. Wij voeren dan de resultaten in het model in en vragen het om de snelheid en gevoeligheid van de assay te voorspellen. Wij herhalen dit proces voor alle experimenten die wij in het lab hebben uitgevoerd, en het model toont het verschil tussen zijn voorspellingen en wat er echt gebeurde. Door voldoende herhaling leert het uiteindelijk hoe de DNA- en RNA-fysica zich verhoudt tot de snelheid en gevoeligheid van elke assay.

Welke andere manieren worden AI-algoritmen gebruikt door Sherlock Biosciences?

Wij hebben machine learning-algoritmen gebruikt om een breed scala aan problemen op te lossen. Een paar voorbeelden die in mij opkomen, zijn gerelateerd aan marktonderzoek en beeldanalyse. Voor marktonderzoek konden wij modellen trainen die leren over verschillende soorten klanten en hoeveel mensen mogelijk een onvervulde behoefte hebben aan ziekteonderzoek. Wij hebben ook modellen gebouwd om afbeeldingen van laterale flow-strepen (het type test dat gewoonlijk wordt gebruikt in zelftesten voor COVID) te analyseren en automatisch te voorspellen of een positieve band aanwezig is. Hoewel dit voor een mens een triviaal taak lijkt, kan ik uit eigen ervaring zeggen dat het een ontzettend handige alternatief is voor het handmatig annoteren van duizenden afbeeldingen.

Wat zijn enkele van de uitdagingen achter het bouwen van ML-modellen die samenwerken met cutting-edge bioscience-technologie zoals CRISPR?

De beschikbaarheid van data is de belangrijkste uitdaging bij het toepassen van machine learning-modellen op bioscience-technologie. CRISPR en DNA- of RNA-gebaseerde technologieën hebben een unieke uitdaging, voornamelijk vanwege de aanzienlijk kleinere structurele datasets die beschikbaar zijn voor nucleïnezuren in vergelijking met eiwitten. Dit is waarom wij de afgelopen jaren enorme vooruitgang in eiwit-ML (met AlphaFold2 en anderen) hebben gezien, maar DNA- en RNA-ML-vorderingen liggen nog steeds achter.

Wat is jouw visie voor de toekomst van hoe AI zal integreren met CRISPR en bioscience?

Wij zien momenteel een enorme AI-boom in de eiwitengineerings- en geneesmiddelenontdekkingsgebieden, en ik verwacht dat dit de ontwikkeling in de farmaceutische industrie zal blijven versnellen. Ik zou graag zien dat hetzelfde gebeurt met CRISPR en andere DNA- en RNA-gebaseerde technologieën in de komende jaren. Dit kan enorm impact hebben op diagnostiek, humane geneeskunde en synthetische biologie. Wij hebben al de voordelen van computationele tools gezien in onze ontwikkeling van diagnostiek en CRISPR-technologieën hier bij Sherlock, en ik hoop dat dit soort werk een “snowball”-effect zal veroorzaken om het veld vooruit te helpen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Sherlock Biosciences bezoeken.