Post\u0119p w technologiach diagnostycznych i sekwencjonowania w ostatnich latach by\u0142 rewolucyjny. Rozw\u00f3j ten utorowa\u0142 naukowcom drog\u0119 do gromadzenia skarbnicy danych biologicznych. Jednak prze\u0142o\u017cenie tych danych na praktyczne spostrze\u017cenia lub prze\u0142omowe odkrycia medyczne cz\u0119sto wymaga czego\u015b wi\u0119cej ni\u017c zwyk\u0142ej wiedzy dziedzinowej - wymaga to szerokich umiej\u0119tno\u015bci obliczeniowych. W tym miejscu do gry wkracza prze\u0142omowa praca Watershed Bio.<\/p>\n
Innowacyjna, oparta na chmurze platforma Watershed Bio umo\u017cliwia naukowcom i bioinformatykom przeprowadzanie z\u0142o\u017conych eksperyment\u00f3w i analizowanie ogromnych zbior\u00f3w danych bez konieczno\u015bci kodowania. Jest to mo\u017cliwe dzi\u0119ki konfigurowalnym interfejsom i szablonom przep\u0142ywu pracy, kt\u00f3re mog\u0105 obs\u0142ugiwa\u0107 r\u00f3\u017cnorodne typy danych, takie jak sekwencjonowanie ca\u0142ego genomu, transkryptomika, proteomika, metabolomika, obrazowanie o wysokiej zawarto\u015bci i fa\u0142dowanie bia\u0142ek.<\/p>\n
\"Naukowcy ch\u0119tnie ucz\u0105 si\u0119 o oprogramowaniu i aspektach nauki o danych w swojej dziedzinie, ale nie aspiruj\u0105 do zostania in\u017cynierami oprogramowania tylko po to, by dekodowa\u0107 swoje dane\" - m\u00f3wi Jonathan Wang '13, SM '15, wsp\u00f3\u0142za\u0142o\u017cyciel i dyrektor generalny Watershed Bio. \"Zaprojektowali\u015bmy Watershed w taki spos\u00f3b, by nie musieli tego robi\u0107\".<\/p>\n
Podr\u00f3\u017c Wanga rozpocz\u0119\u0142a si\u0119 na MIT, gdzie zamierza\u0142 studiowa\u0107 biologi\u0119, ale wkr\u00f3tce zainteresowa\u0142 si\u0119 skalowalno\u015bci\u0105 i natychmiastowymi p\u0119tlami sprz\u0119\u017cenia zwrotnego w informatyce. Uko\u0144czy\u0142 studia licencjackie i magisterskie na Wydziale Elektrotechniki i Informatyki (EECS). Do\u015bwiadczenia Wanga podczas sta\u017cu w laboratorium biologicznym wywar\u0142y na nim wra\u017cenie ra\u017c\u0105cego kontrastu mi\u0119dzy dynamicznymi \u015brodowiskami sprz\u0119\u017cenia zwrotnego w informatyce a powolnymi, r\u0119cznymi eksperymentami w biologii.<\/p>\n
Przed uruchomieniem Watershed, Wang by\u0142 wsp\u00f3\u0142za\u0142o\u017cycielem firmy zajmuj\u0105cej si\u0119 handlem wysokiej cz\u0119stotliwo\u015bci wraz z zespo\u0142em koleg\u00f3w z MIT. Podczas tej kadencji zidentyfikowa\u0142 powtarzaj\u0105cy si\u0119 problem: naukowcy celowali w budowaniu prototyp\u00f3w, ale zmagali si\u0119 z przekszta\u0142caniem ich w modele gotowe do produkcji - zadanie to spada\u0142o na in\u017cynier\u00f3w, kt\u00f3rzy cz\u0119sto nie mieli pe\u0142nego zrozumienia procesu badawczego, co hamowa\u0142o innowacje.<\/p>\n
Aby temu zaradzi\u0107, opracowali warstw\u0119 oprogramowania, kt\u00f3ra upro\u015bci\u0142a wdra\u017canie modeli gotowych do produkcji, odzwierciedlaj\u0105c \u0142atwo\u015b\u0107 budowania prototyp\u00f3w. Po latach Wang dostrzeg\u0142 analogiczne w\u0105skie gard\u0142o w biologii. Koszt sekwencjonowania znacznie spad\u0142, co doprowadzi\u0142o do zalewu danych biologicznych. Jednak narz\u0119dzia obliczeniowe do przetwarzania tych danych by\u0142y op\u00f3\u017anione, stawiaj\u0105c biolog\u00f3w na \u0142asce in\u017cynier\u00f3w lub naukowc\u00f3w zajmuj\u0105cych si\u0119 danymi, kt\u00f3rzy nie zawsze rozumieli kontekst biologiczny.<\/p>\n
Dostrzegaj\u0105c te podobie\u0144stwa, Wang wsp\u00f3\u0142za\u0142o\u017cy\u0142 Watershed w 2019 roku wraz z lekarzem i innym absolwentem MIT Markiem Kalinichem '13. Firma podj\u0119\u0142a wsp\u00f3lny wysi\u0142ek, aby wype\u0142ni\u0107 t\u0119 luk\u0119 i od tego czasu rozros\u0142a si\u0119, obs\u0142uguj\u0105c laboratoria akademickie i firmy biotechnologiczne r\u00f3\u017cnej wielko\u015bci.<\/p>\n
Pionierska platforma Watershed zosta\u0142a zaprojektowana tak, aby zaawansowane narz\u0119dzia, takie jak AlphaFold i Geneformer, by\u0142y dost\u0119pne dla u\u017cytkownik\u00f3w bez konieczno\u015bci konfigurowania serwer\u00f3w lub pisania kodu. Oferuje ona gotowe szablony, kt\u00f3re obs\u0142uguj\u0105 najpopularniejsze typy danych, mo\u017cliwo\u015b\u0107 przeprowadzania analiz na du\u017c\u0105 skal\u0119 w chmurze oraz wygod\u0119 udost\u0119pniania przep\u0142yw\u00f3w pracy i wynik\u00f3w wsp\u00f3\u0142pracownikom bez wysi\u0142ku.<\/p>\n
Wang jest przekonany, \u017ce przyspieszenie procesu badawczego nawet o wsp\u00f3\u0142czynnik 10 lub 20 mo\u017ce by\u0107 ogromnym prze\u0142omem w nap\u0119dzaniu post\u0119pu naukowego. Platforma Watershed jest ju\u017c wykorzystywana przez firmy farmaceutyczne do podejmowania strategicznych decyzji dotycz\u0105cych eksperyment\u00f3w i kandydat\u00f3w na leki, a tak\u017ce przez badaczy akademickich, kt\u00f3rzy chc\u0105 stosunkowo \u0142atwo zag\u0142\u0119bi\u0107 si\u0119 w z\u0142o\u017cone zbiory danych.<\/p>\n
Widz\u0105c sukces platformy na tych r\u00f3\u017cnych arenach, Wang zauwa\u017ca, \u017ce wsp\u00f3lnym w\u0105tkiem jest zrozumienie bada\u0144, cho\u0107 bez bieg\u0142o\u015bci w informatyce lub in\u017cynierii oprogramowania, oraz ch\u0119\u0107 przyspieszenia odkry\u0107. \"To ekscytuj\u0105ce widzie\u0107, jak ta bran\u017ca ewoluuje. Dla mnie to wspania\u0142e, \u017ce jestem z MIT, a teraz wracam do Kendall Square, gdzie Watershed ma swoj\u0105 siedzib\u0119. To tutaj dzieje si\u0119 tak wiele najnowocze\u015bniejszych post\u0119p\u00f3w. Staramy si\u0119 robi\u0107 to, co do nas nale\u017cy, aby umo\u017cliwi\u0107 przysz\u0142o\u015b\u0107 biologii\".<\/p>\n