از آنجا که هزینه های فن آوری های تشخیصی و توالی در سالهای اخیر کاهش یافته است ، محققان مقادیر بی سابقه ای از داده های مربوط به بیماری و زیست شناسی را جمع آوری کرده اند. متأسفانه ، دانشمندانی که امیدوارند از داده ها به درمان های جدید منتقل شوند ، اغلب به کمک شخصی با تجربه مهندسی نرم افزار نیاز دارند.
بیوگرافی آبخیز هم اکنون به دانشمندان و بیوانفورماتیک ها کمک می کند تا آزمایشاتی را انجام دهند و بینش هایی را با سکویی بدست آورند که به کاربران امکان می دهد بدون توجه به مهارت های محاسباتی خود ، مجموعه داده های پیچیده را تجزیه و تحلیل کنند. پلت فرم مبتنی بر ابر الگوهای گردش کار و یک رابط قابل تنظیم را برای کمک به کاربران در کشف و به اشتراک گذاری انواع داده ها ، از جمله توالی ژنوم کامل ، رونوشت ، پروتئومیک ، متابولیک ، تصویربرداری با محتوای بالا ، تاشو پروتئین و موارد دیگر فراهم می کند.
جاناتان وانگ ، بنیانگذار و مدیرعامل SM ’15 می گوید: “دانشمندان می خواهند در مورد نرم افزار و بخش های علوم داده در این زمینه بیاموزند ، اما آنها نمی خواهند مهندسین نرم افزاری باشند که فقط برای درک داده های خود کد می نویسند.” “با آبخیزداری ، آنها مجبور نیستند این کار را انجام دهند.”
آبخیزداری توسط تیم های تحقیقاتی بزرگ و کوچک در سراسر صنعت و آکادمی برای هدایت کشف و تصمیم گیری استفاده می شود. هنگامی که تکنیک های تحلیلی پیشرفته جدید در مجلات علمی شرح داده می شود ، می توان آنها را فوراً به عنوان الگوهای به سکوی آبخیزداری اضافه کرد و آخرین ابزارها را در دسترس تر و مشترک تر برای محققان از همه نوع قرار می دهد.
وانگ می گوید: “داده های زیست شناسی به صورت تصاعدی در حال رشد است و فن آوری های توالی که این داده ها را تولید می کنند بهتر و ارزان تر می شوند.” “این مشکل از MIT درست در کوچه من بود: این یک مشکل فنی سخت است. این یک مشکل معنی دار است زیرا این افراد در حال تلاش برای درمان بیماری ها هستند. آنها می دانند که این داده ها با ارزش هستند ، اما آنها با استفاده از آن کار سختی دارند. ما می خواهیم به آنها کمک کنیم تا بینش بیشتری را سریعتر کشف کنند.”
بدون کشف کد
انتظار داشت وانگ در زمینه زیست شناسی در MIT مهم باشد ، اما او بلافاصله از امکانات ایجاد راه حل با علوم رایانه ای که می تواند برای میلیون ها نفر باشد ، هیجان زده شد. وی مدرک لیسانس و کارشناسی ارشد را از گروه مهندسی برق و علوم کامپیوتر (EEC) به دست آورد. وانگ همچنین در یک آزمایشگاه زیست شناسی در MIT کارآموزی کرد ، جایی که او از اینکه آزمایش ها چقدر آهسته و کار سخت بود ، شگفت زده شد.
“من تفاوت بین زیست شناسی و علوم کامپیوتر را دیدم ، جایی که این محیط های پویا وجود دارد [in computer science] وانگ می گوید: این به شما امکان می دهد تا بازخورد فوری بدست آورید. “
در حالی که وانگ در یادگیری ماشین و محاسبات با کارایی بالا در MIT کار می کرد ، وی همچنین با برخی از همکلاسی ها یک شرکت تجاری با فرکانس بالا را تأسیس کرد. تیم وی محققان را با سابقه دکترا در زمینه هایی مانند ریاضیات و فیزیک برای تدوین استراتژی های معاملات جدید استخدام کرد ، اما به زودی آنها یک تنگنا در روند کار خود دیدند.
وانگ می گوید: “همه چیز به آرامی در حال حرکت بود زیرا محققان برای ساخت نمونه های اولیه استفاده می شدند.” “این تقریب های کمی از مدل هایی بود که می توانستند به طور بومی روی ماشین های خودشان اجرا شوند. برای قرار دادن این رویکردها ، آنها به مهندسان نیاز داشتند تا آنها را به شکلی بسیار کارآمد بر روی یک خوشه محاسباتی اجرا کنند. اما مهندسان ماهیت تحقیق را درک نمی کردند ، بنابراین تعداد زیادی عقب و جلو وجود دارد. این بدان معنی است که ایده هایی که فکر می کنید می توانید در یک روز طول بکشد ، هفته ها طول می کشد.”
برای حل این مشکل ، تیم وانگ یک لایه نرم افزاری ایجاد کرد که ایجاد مدل های آماده تولید را به آسانی با ساخت نمونه اولیه روی لپ تاپ انجام می دهد. سپس ، چند سال پس از فارغ التحصیلی از MIT ، وانگ فهمید که فناوری هایی مانند توالی DNA ارزان و همه گیر می شوند.
وانگ به یاد می آورد: “تنگنا دیگر مرتب نشده بود ، بنابراین مردم گفتند ،” بیایید همه چیز را مرتب کنیم. ” “عامل محدود کننده محاسبه بود. مردم نمی دانستند با تمام داده های تولید شده چه کاری باید انجام دهند.
اوضاع برای وانگ آشنا به نظر می رسید.
وانگ می گوید: “این دقیقاً مانند چیزی بود که ما در امور مالی دیدیم ، جایی که محققان در تلاش بودند با مهندسین همکاری کنند ، اما مهندسان هرگز کاملاً درک نمی کردند ، و این همه ناکارآمدی وجود داشت زیرا مردم منتظر مهندسین بودند.” “در همین حال ، من یاد گرفتم که زیست شناسان گرسنه هستند که این آزمایشات را اجرا کنند ، اما چنین شکاف بزرگی وجود داشت که فکر می کردند باید مهندس نرم افزار شوند یا فقط روی علم تمرکز کنند.”
وانگ رسماً در سال ۲۰۱۹ با پزشک مارک کالینیچ ’۱۳ ، یک همکلاسی سابق در MIT که دیگر در عملیات روزانه این شرکت شرکت نمی کند ، آبخیزداری را تأسیس کرد.
وانگ از آن زمان از بیوتکنولوژی و مدیران دارویی در مورد پیچیدگی روزافزون تحقیقات زیست شناسی شنیده است. باز کردن قفل بینش های جدید به طور فزاینده ای نیاز به تجزیه و تحلیل داده های کل ژنوم ، مطالعات جمعیت ، توالی RNA ، طیف سنجی جرمی و موارد دیگر دارد. توسعه درمانهای شخصی یا انتخاب جمعیت بیمار برای یک مطالعه بالینی همچنین می تواند به مجموعه داده های بسیار بزرگی نیاز داشته باشد ، و روش های جدیدی برای تجزیه و تحلیل داده های منتشر شده در مجلات علمی همیشه وجود دارد.
امروز ، شرکت ها می توانند بدون نیاز به راه اندازی سرورهای خود یا حساب های محاسباتی ابری ، تجزیه و تحلیل های گسترده ای را در آبخیزداری انجام دهند. برای سرعت بخشیدن به کار خود ، محققان می توانند از الگوهای آماده استفاده کنند که با رایج ترین انواع داده ها کار می کنند. ابزارهای محبوب مبتنی بر هوش مصنوعی مانند Alphafold و Geneformer نیز در دسترس هستند ، و پلت فرم WaterShed باعث می شود تا گردش کار را به راحتی به اشتراک بگذارد و به نتایج عمیق تر شیرجه بزنید.
وانگ می گوید: “این سکو از نظر قابلیت استفاده و شخصی سازی برای افراد با همه زمینه ها ، ناخن را روی سر قرار می دهد.” “هیچ دو علوم هرگز یکسان نیستند. من از کلمه محصول خودداری می کنم زیرا این بدان معنی است که شما چیزی را توزیع می کنید و سپس آن را برای همیشه در مقیاس اجرا می کنید. تحقیقات مانند این نیست.
سرعت بخشیدن به زیست شناسی
وانگ معتقد است که آبخیزداری به زیست شناسان کمک می کند تا از آخرین پیشرفت های زیست شناسی استفاده کنند و اکتشافات علمی را در این روند تسریع کنند.
وانگ می گوید: “اگر شما می توانید به دانشمندان کمک کنید تا بینش های خود را نه تنها کمی سریعتر ، بلکه ۱۰ یا ۲۰ برابر سریعتر از بین ببرید ، واقعاً می تواند تغییر کند.”
آبخیزداری توسط محققان در آکادمی ها و شرکت های مختلف استفاده می شود. مدیران شرکتهای بیوتکنولوژی و داروسازی نیز از آبخیزداری برای تصمیم گیری در مورد آزمایشات جدید و نامزدهای مواد مخدر استفاده می کنند.
وانگ می گوید: “ما در همه این زمینه ها موفقیت شاهد بوده ایم و موضوع مشترک این است که مردم تحقیق را درک می کنند اما متخصص علوم کامپیوتر یا مهندسی نرم افزار نیستند.” “دیدن این صنعت در حال تحول بسیار هیجان انگیز است. برای من ، بسیار خوب است که از MIT باشم و اکنون به میدان کندال ، جایی که آبخیزداری در آن قرار دارد ، برگردیم. این جایی است که پیشرفت های برش در حال وقوع است. ما در تلاش هستیم تا نقش خود را برای اطمینان از آینده زیست شناسی انجام دهیم.”