海角社区

Gennem de seneste 氓rtier har computational science revolutioneret stort set alle videnskabelige felter. Med adgang til stadig mere regnekraft kan forskere i dag fodre deres computere med enorme m忙ngder data og opn氓 viden, som de tidligere ville have v忙ret et helt liv om at tilegne sig.

Computational science har banet vejen for revolutionerende indsigt p氓 forskningsomr氓der som fx klimaforskning, AI-forskning - og i s忙rdeleshed life science.

Veit Schw盲mmle er lektor og ekspert i bioinformatik p氓 Institut for Biokemi og Molekyl忙r Biologi. Han hj忙lper forskerkolleger verden over med at udlede mening og viden af de enorme m忙ngder biologiske data, som de dagligt modtager fra laboratorier, klinikker, osv.

Potentielle spor i datam忙ngderne

- Jeg arbejder i et felt, hvor vi p氓 f氓 uger kan generere terabytes af biodata i et laboratorium. Det svarer til millioner af molekyl忙re detaljer 鈥� det er millioner af potentielle spor, der gemmer sig i data fra meget f酶lsomme eksperimentelle ops忙tninger, siger han.

Det er her, computational science kommer ind i billedet. Lad os bryde det ned og tage proteinforskning som eksempel:

Vores krop best氓r af over 20.000 forskellige proteiner, og hvert af dem kan eksistere i tusindvis af forskellige former. Disse variationer har alle vigtige funktioner 鈥� de bestemmer fx, hvordan vi bek忙mper sygdomme, hvordan vores celler opf酶rer sig, eller hvordan vi reagerer p氓 behandling.

鈥漇krald ind, skrald ud鈥�

Men for at forst氓 proteinerne skal man f酶rst indsamle og analysere svimlende m忙ngder data. De kommer fra blodpr酶ver, fra genom-sekventering og fra offentlige databaser fyldt med biologisk og biomedicinsk viden. Men man skal v忙re varsom, n氓r man kigger p氓 s氓danne data: Meget af det er nemlig urent og ufuldst忙ndigt 鈥� der kan v忙re fejl fra instrumenter og software, st酶j og uoverensstemmelser.

Veit Schw盲mmle siger:

- Folk antager, at computere altid giver konsistente resultater. Men hvis man anvender to forskellige programmer p氓 det samme datas忙t, kan man faktisk godt f氓 to forskellige svar. Det er en reel udfordring. Derudover er der et meget almindeligt udtryk i vores felt, som vi ogs氓 skal huske: 鈥漇krald ind, skrald ud鈥�. Hvis vi fodrer computersystemerne med data af d氓rlig kvalitet, f氓r vi ingen eller forkerte resultater. Derfor er det afg酶rende at finde de rette statistiske og computationelle metoder til at adskille relevant information fra digital og eksperimentel st酶j.

Ofte er softwaren det store problem

P氓 den baggrund har Veit Schw盲mmle som mission at udvikle og organisere v忙rkt酶jer, der kan skabe orden i data-kaosset 鈥� v忙rkt酶jer, der ikke bare behandler data, men ogs氓 g酶r dem p氓lidelige og brugbare for forskere og l忙ger, der arbejder p氓 at kurere sygdomme som kr忙ft eller Alzheimers.

- Ofte er softwaren det store problem. Den bliver ikke vedligeholdt, opdateret eller standardiseret. Jeg vil gerne hj忙lpe forskere med at skrive og anvende software, der er nem at vedligeholde og bruge. God software skal ogs氓 v忙re nem at finde, s氓 derfor har vi skabt et register, hvor udviklere kan l忙gge information om deres v忙rkt酶jer, s氓 andre kan bruge dem, siger Schw盲mmle og henviser til registret bio.tools.

Dette register er kommet op at k酶re takket v忙re bidrag fra hele verden og finansiering fra EU via infrastrukturen ELIXIR. Mere end 30.000 softwarev忙rkt酶jer er registreret i bio.tools i dag.

De store gennembrud

N氓r en forsker begynder at s酶ge efter viden i sundhedsdata, kan gevinsten blive bedre behandlinger, hurtigere diagnoser og m氓ske endda helbredelser af sygdomme, som vi i 酶jeblikket ikke kan kurere.

Et af de store computationelle gennembrud, der p氓 den m氓de har f氓et betydning for vores allesammens sundhed, er udviklingen af AlphaFold 鈥� et AI-system, der kan forudsige proteiners 3D-struktur ud fra deres aminosyresekvenser. Det har givet forskerne st酶rre indsigt i, hvordan proteiner fungerer p氓 atomart niveau.

Men proteiner kan antage mange forskellige molekyl忙re former i vores celler, og dem har vi endnu ikke indsigt i. Veit Schw盲mmle er derfor optaget af at 酶ge vores viden om disse former, og han har tidligere afsl酶ret nogle af de mekanismer, der styrer dem. Han har desuden bidraget med statistiske v忙rkt酶jer og brugervenlig software, som hj忙lper forskere med at f氓 mere indsigt i det s氓kaldte "m酶rke proteom" (proteiner, der ikke har nogen defineret struktur og derfor ikke kan detekteres).

Vi skal investere, og vi skal videre

- Der findes millioner af forskellige proteinformer, og vi forstår stadig kun en brøkdel af dem. At bestemme deres betydning for vores sundhed og sygdom vil være et afgørende gennembrud for udviklingen af nye lægemidler. Det vil ikke være muligt uden computational science. Uden havde det heller ikke været muligt at gennemføre Human Genome Project, som har kortlagt alle menneskets gener og revolutioneret lægevidenskaben, siger Schwämmle og tilføjer:

- Hvis vi ikke investerer i computationelle metoder til at udvide vores forståelse af menneskekroppen, kommer vi ikke videre.

Computational science er overalt – og dets betydning og indflydelse vokser kun. Computational science er motoren, der nok arbejder stille og i baggrunden, men som er i fuld gang med at revolutionere næsten alle forskningsfelter. Så når forskere beretter om et videnskabeligt gennembrud, vil det med stor sandsynlighed bygge på software og koder, der arbejder, hvor vi ikke kan se det. Uden computational science er data blot støj, som ikke giver nogen mening eller værdi til samfundet.