Leland Hyman, Șeful Echipelor de Știință a Datelor la Sherlock Biosciences – Seria de Interviuri

Leland Hyman este șeful echipelor de știință a datelor la Sherlock Biosciences. El este un informatician și cercetător experimentat, cu o experiență în învățarea automată și diagnosticarea moleculară.

Sherlock Biosciences este o companie de biotehnologie cu sediul în Cambridge, Massachusetts, care dezvoltă teste de diagnostic utilizând CRISPR. Ei își propun să revoluționeze diagnosticarea moleculară cu teste mai bune, mai rapide și mai accesibile.

Ce v-a atras inițial spre informatică?

Am început să programez la o vârstă foarte fragedă, dar eram mai ales interesat de crearea de jocuri video cu prietenii mei. Interesul meu a crescut în timpul facultății și al școlii doctorale, în special cu toată munca revoluționară în domeniul învățării automate care a avut loc la începutul anilor 2010. Întregul domeniu părea atât de interesant și de nou, cu un impact direct asupra cercetării științifice și a vieții noastre de zi cu zi — nu puteam să nu fiu atras de el.

Ați urmat, de asemenea, un doctorat în Biologie Celulară și Moleculară, când ați realizat pentru prima dată că cele două domenii se vor intersecta?

Am început să lucrez la intersecția dintre informatică și biologie la începutul școlii doctorale. Laboratorul meu se concentra pe rezolvarea problemelor de inginerie a proteinelor prin colaborări între biochimiști, informaticieni și toți cei din domeniu. Am recunoscut rapid că învățarea automată poate oferi insight-uri valoroase în sistemele biologice și poate face experimentarea mult mai ușoară. În același timp, am dobândit o apreciere pentru valoarea intuiției biologice atunci când se construiesc modele de învățare automată. În opinia mea, definirea corectă a problemei este elementul cheie în învățarea automată. De aceea, cred că eforturile colaborative între diferite domenii pot avea un impact profund.

De la 2022, ați lucrat la Sherlock Biosciences, puteți împărtăși câteva detalii despre ce implică rolul dvs.?

În prezent, conduc echipa de calcul a companiei Sherlock Biosciences. Grupul nostru este responsabil pentru proiectarea componentelor care intră în teste noastre de diagnostic, pentru interfațarea cu experimentatorii care testează aceste proiecte în laborator și pentru dezvoltarea de noi capacități de calcul pentru a îmbunătăți proiectele. Pe lângă coordonarea acestor activități, lucrez la părțile de învățare automată ale bazei noastre de cod, experimentând cu arhitecturi de modele noi și noi moduri de a simula fizica ADN-ului și ARN-ului implicate în testele noastre.

Învățarea automată este la baza activității companiei Sherlock Biosciences, puteți descrie tipul de date și volumul de date care sunt colectate și modul în care învățarea automată le procesează?

În timpul dezvoltării testelor, testăm zeci până la sute de teste candidate pentru fiecare nou patogen. Deși majoritatea acestor teste nu vor fi incluse într-un test comercial, le considerăm o oportunitate de a învăța din greșelile noastre. În aceste experimente, măsurăm două lucruri cheie: sensibilitatea și viteza. Modelele noastre iau ca intrare secvențele de ADN și ARN din fiecare test și învață să prezică sensibilitatea și viteza testului.

Cum prezice învățarea automată care componente de diagnostic molecular vor avea cea mai mare viteză și acuratețe?

Când ne gândim la modul în care o persoană învață, există două strategii majore. Pe de o parte, o persoană poate învăța să facă o sarcină prin încercări și erori. Ei pot repeta sarcina, și după multe eșecuri, vor învăța în cele din urmă regulile sarcinii pe cont propriu. Această strategie era foarte populară înainte de internet. Cu toate acestea, putem oferi acestei persoane un profesor care să-i spună regulile sarcinii de la început. Elevul cu un profesor poate învăța mult mai repede decât prin abordarea prin încercări și erori, dar numai dacă are un profesor bun care înțelege pe deplin sarcina.

Abordarea noastră de a antrena modele de învățare automată este undeva între aceste două strategii. Deși nu avem un “profesor” perfect pentru modelele noastre de învățare automată, putem să le oferim o bază de cunoștințe despre fizica ADN-ului și a ARN-ului din testele noastre. Acest lucru le ajută să învețe să facă previziuni mai bune cu mai puține date. Pentru a face acest lucru, rulăm mai multe simulări biofizice asupra secvențelor noastre de ADN și ARN din testele noastre. Apoi, introducem rezultatele în model și îi cerem să prezică viteza și sensibilitatea testului. Repetăm acest proces pentru toate experimentele pe care le-am efectuat în laborator, iar modelul arată diferența dintre previziunile sale și ceea ce s-a întâmplat realmente. Prin repetiție suficientă, el va învăța în cele din urmă cum fizica ADN-ului și a ARN-ului se relaționează cu viteza și sensibilitatea fiecărui test.

Care sunt alte moduri în care algoritmii de inteligență artificială sunt utilizați de către Sherlock Biosciences?

Am utilizat algoritmi de învățare automată pentru a rezolva o varietate de probleme. Câteva exemple care îmi vin în minte sunt legate de cercetarea de piață și analiza de imagini. Pentru cercetarea de piață, am antrenat modele care învață despre diferite tipuri de clienți și despre câți oameni ar putea avea nevoie de teste de boală. De asemenea, am construit modele pentru a analiza imagini de benzi de curgere laterală (tipul de test utilizat în testele de COVID peste contra) și pentru a prezice automat dacă o bandă pozitivă este prezentă. Deși acest lucru pare a fi o sarcină trivială pentru un om, pot spune din proprie experiență că este o alternativă incredibil de convenabilă la annotarea manuală a mii de imagini.

Care sunt unele dintre provocările din spatele construirii de modele de învățare automată care funcționează în strânsă legătură cu tehnologia de bioscience de ultimă generație, cum ar fi CRISPR?

Disponibilitatea datelor este principala provocare în aplicarea modelelor de învățare automată oricărei tehnologii de bioscience. CRISPR și tehnologiile bazate pe ADN sau ARN se confruntă cu o provocare distinctă, în principal datorită seturilor de date structurale mult mai mici disponibile pentru acizi nucleici în comparație cu proteinele. De aceea, am văzut progrese uriașe în domeniul proteinelor ML în ultimii ani (cu AlphaFold2 și altele), dar progresele ML pentru ADN și ARN sunt încă în urmă.

Care este viziunea dvs. pentru viitorul modului în care inteligența artificială se va integra cu CRISPR și bioscience?

Asistăm la o explozie uriașă de inteligență artificială în domeniul ingineriei proteinelor și al descoperirii de medicamente în acest moment, și mă aștept ca acest lucru să continue să accelereze dezvoltarea în industria farmaceutică. Mi-ar plăcea să văd același lucru să se întâmple cu CRISPR și alte tehnologii bazate pe ADN și ARN în următorii ani. Acest lucru ar putea avea un impact incredibil în diagnosticare, medicină umană și biologie sintetică. Am văzut deja beneficiile instrumentelor computaționale în dezvoltarea noastră de teste de diagnostic și tehnologii CRISPR aici, la Sherlock, și sper că acest tip de muncă va încuraja un efect de “zăpadă” care să impingă domeniul înainte.

Vă mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe pot vizita Sherlock Biosciences.