Leland Hyman, Lead Data Scientist i Sherlock Biosciences – Intervju-serie

Leland Hyman er Lead Data Scientist i Sherlock Biosciences. Han er en erfaren datavitenskapsmann og forsker med bakgrunn i maskinlæring og molekylær diagnostikk.

Sherlock Biosciences er et bioteknologiselskap basert i Cambridge, Massachusetts, som utvikler diagnostiske tester med CRISPR. De har som mål å forstyrre molekylær diagnostikk med bedre, raskere og mer prisvennlige tester.

Hva var det som først tiltalte deg til datavitenskap?

Jeg startet å programmere i en meget ung alder, men jeg var hovedsakelig interessert i å lage videospill med mine venner. Min interesse vokste for andre datavitenskaplige anvendelser under college og graduate school, spesielt med all den banebrytende maskinlæringsarbeidet som skjedde tidlig i 2010-årene. Hele feltet syntes å være så spennende og nytt at det kunne ha en direkte innvirkning på vitenskapelig forskning og våre daglige liv — jeg kunne ikke hjelpe, men ble fanget av det.

Du har også fulgt en Ph.D. i cellulær og molekylær biologi. Når ble du først klar over at de to feltene ville krysses?

Jeg startet med denne type tverrfaglig arbeid med datavitenskap og biologi tidlig i graduate school. Mitt laboratorium fokuserte på å løse proteinengineeringproblemer gjennom samarbeid mellom hardcore-biochemikere, datavitenskapsmenn og alle mellom. Jeg erkjente raskt at maskinlæring kunne gi verdifulle innsikter i biologiske systemer og gjøre eksperimentering mye enklere. Omvendt fikk jeg også en verdi for biologisk intuition når det gjaldt å konstruere maskinlæringsmodeller. I min mening er det å ramme problemet riktig det kritiske elementet i maskinlæring. Dette er hvorfor jeg tror at samarbeidsinnsats over ulike felter kan ha en stor innvirkning.

Siden 2022 har du arbeidet i Sherlock Biosciences. Kan du dele noen detaljer om hva din rolle innebærer?

Jeg leder nå det komputasjonelle teamet i Sherlock Biosciences. Vår gruppe er ansvarlig for å designe komponentene som går inn i våre diagnostiske tester, kommunisere med eksperimentalistene som tester disse designene i våt laboratorium, og bygge nye komputasjonelle kapasiteter for å forbedre designene. Foruten å koordinere disse aktivitetene, arbeider jeg med maskinlæringsdelene av vår kodebase, eksperimenterer med nye modellarkitekturer og nye måter å simulere DNA- og RNA-fysikken som er involvert i våre tester.

Maskinlæring er i hjertet av Sherlock Biosciences. Kan du beskrive typen data og datavolumet som samles inn, og hvordan ML så parser denne dataen?

Under assay-utvikling tester vi dusinvis til hundrevis av kandidat-assay for hver ny patogen. Mens de fleste av disse kandidatene ikke kommer til å bli en del av en kommersiell test, ser vi på dem som en mulighet til å lære av våre feil. I disse eksperimentene måler vi to nøkkelting: sensitivitet og hastighet. Våre modeller tar DNA- og RNA-sekvensene i hver assay som inndata og lærer så å forutsi assayens sensitivitet og hastighet.

Hvordan forutsier ML hvilke molekylære diagnostiske komponenter som vil fungere med størst hastighet og nøyaktighet?

Når vi tenker på hvordan et menneske lærer, er det to hovedstrategier. På den ene side kan en person lære å utføre en oppgave gjennom ren prøving og feiling. De kunne gjenta oppgaven, og etter mange feil, ville de til slutt finne ut av reglene for oppgaven på egen hånd. Denne strategien var ganske populær før internettet. Imidlertid kunne vi gi denne personen en lærer som fortalte dem reglene for oppgaven med en gang. Eleven med læreren kunne lære mye raskere enn med prøving og feiling, men bare hvis de hadde en god lærer som fullstendig forstod oppgaven.

Vår tilnærming til å trene maskinlæringsmodeller er midt imellom disse to strategiene. Mens vi ikke har en perfekt “lærer” for våre maskinlæringsmodeller, kan vi starte dem med noen kunnskap om fysikken til DNA- og RNA-strenger i våre tester. Dette hjelper dem å lære å gjøre bedre forutsigelser med mindre data. For å gjøre dette, kjører vi flere biofysiske simuleringer på våre assay-DNA- og RNA-sekvenser. Vi føder så resultater inn i modellen og ber den om å forutsi hastigheten og sensitiviteten til assayen. Vi gjentar denne prosessen for alle eksperimentene vi har utført i laboratoriet, og modellen viser forskjellen mellom dens forutsigelser og hva som faktisk skjedde. Gjennom tilstrekkelig gjentakelse, lærer den til slutt hvordan DNA- og RNA-fysikken relaterer til hastigheten og sensitiviteten til hver assay.

Hva er noen andre måter AI-algoritmer brukes av Sherlock Biosciences?

Vi har brukt maskinlæringsalgoritmer til å løse en rekke problemer. Noen eksempler som kommer til minnet er relatert til markedsforskning og bildeanalyse. For markedsforskning kunne vi trene modeller som lærer om ulike typer kunder og hvor mange mennesker som kan ha et ubedt behov for sykdomstesting. Vi har også bygget modeller for å analysere bilder av laterale flytestreker (typen test som vanligvis brukes i over-the-counter COVID-tester), og automatisk forutsi om en positiv stripe er til stede. Mens dette kan synes som en trivial oppgave for et menneske, kan jeg si fra egen erfaring at det er en usedvanlig praktisk alternativ til å manuelt annotere tusenvis av bilder.

Hva er noen av utfordringene bak å bygge ML-modeller som fungerer hånd i hånd med banebrytende bioscience-teknologi som CRISPR?

Tilgjengelighet av data er den største utfordringen med å bruke maskinlæringsmodeller til noen bioscience-teknologi. CRISPR og DNA- eller RNA-basert teknologi møter en særlig utfordring, hovedsakelig på grunn av de betydelig mindre strukturelle datasettene som er tilgjengelige for nukleinsyrer sammenlignet med proteiner. Dette er hvorfor vi har sett enorme fremsteg i protein-ML de siste årene (med AlphaFold2 og andre), men DNA- og RNA-ML-fremsteg er fortsatt på et tidligere stadium.

Hva er din visjon for fremtiden når det gjelder hvordan AI vil integrere med CRISPR og bioscience?

Vi ser en massiv AI-boom i proteinengineering- og legemiddelforskningfeltet for tiden, og jeg forventer at dette vil fortsette å akselerere utviklingen i legemiddelindustrien. Jeg ville elske å se det samme skje med CRISPR og andre DNA- og RNA-baserte teknologier i årene som kommer. Dette kunne ha en enorm innvirkning på diagnostikk, humanmedisin og syntetisk biologi. Vi har allerede sett fordelene med komputasjonelle verktøy i vår utvikling av diagnostikk og CRISPR-teknologier her i Sherlock, og jeg håper at denne type arbeid vil fremme en “snøball”-effekt for å drive feltet fremover.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Sherlock Biosciences.