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

Leland Hyman är Lead Data Scientist på Sherlock Biosciences. Han är en erfaren datavetare och forskare med bakgrund inom maskinlärning och molekylära diagnostik.

Sherlock Biosciences är ett bioteknikföretag baserat i Cambridge, Massachusetts, som utvecklar diagnostiska tester med hjälp av CRISPR. De syftar till att revolutionera molekylära diagnostik med bättre, snabbare och mer prisvärda tester.

Vad var det som initialt drog dig till datavetenskap?

Jag började programmera vid en mycket ung ålder, men jag var främst intresserad av att skapa videospel med mina vänner. Mitt intresse växte för andra datavetenskapliga tillämpningar under college och forskarutbildning, särskilt med all banbrytande maskinlärningsarbete som skedde i början av 2010-talet. Hela fältet verkade som en så spännande ny frontier som kunde ha en direkt inverkan på vetenskaplig forskning och våra dagliga liv — jag kunde inte hjälpa att bli fast i det.

Du har också avlagt en doktorsexamen i cellulär och molekylär biologi, när insåg du att de två fälten skulle sammanstråla?

Jag började med denna typ av tvärvetenskapligt arbete med datavetenskap och biologi tidigt under forskarutbildningen. Min forskargrupp fokuserade på att lösa proteinengineeringproblem genom samarbeten mellan biokemister, datavetare och alla däremellan. Jag insåg snabbt att maskinlärning kunde ge värdefulla insikter i biologiska system och göra experimenten mycket enklare. Omvänt fick jag också en uppskattning för värdet av biologisk intuition när man konstruerar maskinlärningsmodeller. Enligt min mening är det viktigt att ramverket för problemet är korrekt i maskinlärning. Det är därför jag tror att samarbetsinsatser över olika fält kan ha en djupgående inverkan.

Sedan 2022 har du arbetat på Sherlock Biosciences, kan du dela några detaljer om vad din roll innebär?

Jag leder för närvarande det komputermässiga teamet på Sherlock Biosciences. Vår grupp är ansvarig för att utforma komponenterna som ingår i våra diagnostiska tester, samarbeta med de experimentella forskarna som testar dessa konstruktioner i laboratoriet och bygga nya komputermässiga funktioner för att förbättra konstruktionerna. Utöver att samordna dessa aktiviteter arbetar jag med maskinlärningsdelarna av vår kodbas, experimenterar med nya modellarkitekturer och nya sätt att simulera DNA- och RNA-fysik som är involverad i våra tester.

Maskinlärning är kärnan i Sherlock Biosciences, kan du beskriva den typ av data och datavolym som samlas in, och hur ML sedan tolkar den?

Under utvecklingen av diagnostiska tester testar vi dussintals till hundratals kandidattester för varje ny patogen. Medan de allra flesta av dessa kandidater inte kommer att bli en del av ett kommersiellt test, ser vi dem som en möjlighet att lära av våra misstag. I dessa experiment mäter vi två viktiga saker: känslighet och hastighet. Våra modeller tar DNA- och RNA-sekvenser i varje test som indata och lär sedan att förutsäga testets känslighet och hastighet.

Hur förutsäger ML vilka molekylära diagnostiska komponenter som kommer att fungera med störst hastighet och noggrannhet?

När vi tänker på hur en människa lär sig, finns det två huvudsakliga strategier. Å ena sidan kunde en person lära sig att utföra en uppgift genom ren trial-and-error. De kunde upprepa uppgiften, och efter många misslyckanden, skulle de så småningom lista ut reglerna för uppgiften på egen hand. Denna strategi var ganska populär före internet. Men vi kunde ge denna person en lärare som berättar reglerna för uppgiften direkt. Eleven med läraren kunde lära sig mycket snabbare än med trial-and-error-approachen, men bara om de har en bra lärare som fullständigt förstår uppgiften.

Vår tillvägagångssätt för att träna maskinlärningsmodeller är mittemellan dessa två strategier. Medan vi inte har en perfekt “lärare” för våra maskinlärningsmodeller, kan vi starta dem med lite kunskap om fysiken i DNA- och RNA-strängar i våra tester. Detta hjälper dem att lära sig att göra bättre förutsägelser med mindre data. För att göra detta kör vi flera biofysiska simuleringar på våra test-DNA- och RNA-sekvenser. Vi matar sedan in resultaten i modellen och ber den att förutsäga hastigheten och känsligheten hos testet. Vi upprepar denna process för alla experiment som vi har utfört i laboratoriet, och modellen visar skillnaden mellan dess förutsägelser och vad som verkligen hände. Genom tillräckligt många upprepningar lär den sig så småningom hur DNA- och RNA-fysiken relaterar till hastigheten och känsligheten hos varje test.

Vilka är några andra sätt som AI-algoritmer används av Sherlock Biosciences?

Vi har använt maskinlärningsalgoritmer för att lösa en mängd olika problem. Några exempel som kommer till mina sinnen är relaterade till marknadsundersökningar och bildanalys. För marknadsundersökningar kunde vi träna modeller som lär sig om olika typer av kunder och hur många människor som kan ha ett outnyttjat behov av sjukdomstestning. Vi har också byggt modeller för att analysera bilder av laterala flödesremsor (den typ av test som vanligtvis används i över-the-counter COVID-tester) och automatiskt förutsäga om en positiv band är närvarande. Medan detta kan verka som en trivial uppgift för en människa, kan jag säga från egen erfarenhet att det är en otroligt bekväm alternativ till att manuellt annotera tusentals bilder.

Vilka är några av utmaningarna bakom att bygga ML-modeller som fungerar hand i hand med banbrytande bioscience-teknik som CRISPR?

Tillgänglighet av data är den största utmaningen med att tillämpa maskinlärningsmodeller på bioscience-teknik. CRISPR och DNA- eller RNA-baserad teknik möter en distinkt utmaning, främst på grund av de betydligt mindre strukturella dataset som finns tillgängliga för nukleinsyror jämfört med proteiner. Det är därför vi har sett stora framsteg inom protein-ML under de senaste åren (med AlphaFold2 och andra), men DNA- och RNA-ML-framsteg ligger fortfarande efter.

Vad är din vision för framtiden för hur AI kommer att integreras med CRISPR och bioscience?

Vi ser en enorm AI-boom inom proteinengineering och läkemedelsupptäckt just nu, och jag förväntar mig att detta kommer att fortsätta accelerera utvecklingen inom läkemedelsindustrin. Jag skulle älska att se samma sak hända med CRISPR och andra DNA- och RNA-baserade tekniker under de kommande åren. Detta kunde vara otroligt viktigt inom diagnostik, humanmedicin och syntetisk biologi. Vi har redan sett fördelarna med komputerverktyg i vår utveckling av diagnostik och CRISPR-teknik här på Sherlock, och jag hoppas att detta arbete kommer att uppmuntra en “snöbollseffekt” för att driva fältet framåt.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Sherlock Biosciences.