Оглавление

MIT News пишет, что стартап Watershed Bio, основанный выпускником MIT Джонатаном Вангом, предлагает исследователям инструмент для проведения масштабных анализов биологических данных без необходимости написания кода. Платформа решает проблему растущего разрыва между объемами генерируемых данных и вычислительными возможностями ученых.

Биология без барьеров программирования

Стремительное снижение стоимости диагностических и секвенирующих технологий привело к беспрецедентному росту объемов данных в биологии и медицине. Однако ученые, стремящиеся превратить эти данные в новые методы лечения, часто сталкиваются с необходимостью привлекать специалистов по программному обеспечению для проведения сложных анализов.

Watershed Bio решает эту проблему через облачную платформу, которая позволяет пользователям анализировать сложные наборы данных независимо от их вычислительных навыков. Платформа предоставляет шаблоны рабочих процессов и настраиваемый интерфейс для работы с различными типами данных:

  • Полногеномное секвенирование
  • Транскриптомика
  • Протеомика
  • Метаболомика
  • Высокопроизводительная визуализация
  • Сворачивание белков

«Ученые хотят изучать программное обеспечение и науку о данных, но они не хотят становиться инженерами-программистами, пишущими код, просто чтобы понять свои данные», — объясняет сооснователь и CEO Джонатан Ванг.

От финансов к биологии

Ванг изначально планировал специализироваться на биологии в MIT, но увлекся возможностями создания масштабируемых решений в компьютерных науках. Он получил степени бакалавра и магистра в области электротехники и информатики, а также работал в биологической лаборатории MIT, где его удивила медлительность и трудоемкость экспериментов.

После MIT Ванг стал сооснователем компании высокочастотного трейдинга, где столкнулся с аналогичной проблемой: исследователи создавали прототипы моделей на своих локальных машинах, но для переноса этих подходов в продакшн требовались инженеры, что значительно замедляло процесс.

«Идеи, которые можно было бы реализовать за день, занимали недели», — вспоминает Ванг.

Его команда разработала программный слой, который сделал создание готовых к производству моделей таким же простым, как создание прототипов на ноутбуке. Этот опыт стал основой для создания Watershed Bio в 2019 году.

Проблема, которую решает Watershed, — классический пример того, как технический прогресс создает новые узкие места. Снижение стоимости секвенирования привело к лавине данных, но без доступных инструментов анализа эта информация остается мертвым грузом. Ирония в том, что биологи теперь тратят больше времени на борьбу с кодом, чем на саму науку — ситуация, знакомая многим исследователям в разных областях.

Будущее биологических исследований

Сегодня Watershed используется исследовательскими командами различного масштаба как в промышленности, так и в академической среде. Когда в научных журналах описываются новые передовые аналитические методы, они могут быть немедленно добавлены в платформу в виде шаблонов, делая современные инструменты более доступными и совместными для исследователей всех уровней подготовки.

«Данные в биологии растут экспоненциально, а технологии секвенирования, генерирующие эти данные, становятся только лучше и дешевле», — отмечает Ванг.

Компании могут проводить масштабные анализы на Watershed без необходимости настройки собственных серверов или облачных учетных записей. Исследователи могут использовать готовые шаблоны для ускорения открытий и принятия решений в таких областях, как разработка персонализированных методов лечения или отбор групп пациентов для клинических исследований.

Платформа особенно актуальна в контексте растущей сложности биологических исследований, где для получения новых инсайтов все чаще требуется анализ данных из целых геномов, популяционных исследований, RNA-секвенирования, масс-спектрометрии и других источников.