Den stille revolution i moderne medicin: computational science

Gennem de seneste årtier har computational science revolutioneret stort set alle videnskabelige felter. Med adgang til stadig mere regnekraft kan forskere i dag fodre deres computere med enorme mængder data og opnå viden, som de tidligere ville have været et helt liv om at tilegne sig.

Computational science har banet vejen for revolutionerende indsigt på forskningsområder som fx klimaforskning, AI-forskning - og i særdeleshed life science.

Veit Schwämmle er lektor og ekspert i bioinformatik på Institut for Biokemi og Molekylær Biologi. Han hjælper forskerkolleger verden over med at udlede mening og viden af de enorme mængder biologiske data, som de dagligt modtager fra laboratorier, klinikker, osv.

Potentielle spor i datamængderne

- Jeg arbejder i et felt, hvor vi på få uger kan generere terabytes af biodata i et laboratorium. Det svarer til millioner af molekylære detaljer – det er millioner af potentielle spor, der gemmer sig i data fra meget følsomme eksperimentelle opsætninger, siger han.

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

Vores krop består af over 20.000 forskellige proteiner, og hvert af dem kan eksistere i tusindvis af forskellige former. Disse variationer har alle vigtige funktioner – de bestemmer fx, hvordan vi bekæmper sygdomme, hvordan vores celler opfører sig, eller hvordan vi reagerer på behandling.

”Skrald ind, skrald ud”

Men for at forstå proteinerne skal man først indsamle og analysere svimlende mængder data. De kommer fra blodprøver, fra genom-sekventering og fra offentlige databaser fyldt med biologisk og biomedicinsk viden. Men man skal være varsom, når man kigger på sådanne data: Meget af det er nemlig urent og ufuldstændigt – der kan være fejl fra instrumenter og software, støj og uoverensstemmelser.

Veit Schwämmle siger:

- Folk antager, at computere altid giver konsistente resultater. Men hvis man anvender to forskellige programmer på det samme datasæt, kan man faktisk godt få to forskellige svar. Det er en reel udfordring. Derudover er der et meget almindeligt udtryk i vores felt, som vi også skal huske: ”Skrald ind, skrald ud”. Hvis vi fodrer computersystemerne med data af dårlig kvalitet, får vi ingen eller forkerte resultater. Derfor er det afgørende at finde de rette statistiske og computationelle metoder til at adskille relevant information fra digital og eksperimentel støj.

Ofte er softwaren det store problem

På den baggrund har Veit Schwämmle som mission at udvikle og organisere værktøjer, der kan skabe orden i data-kaosset – værktøjer, der ikke bare behandler data, men også gør dem pålidelige og brugbare for forskere og læger, der arbejder på at kurere sygdomme som kræft eller Alzheimers.

- Ofte er softwaren det store problem. Den bliver ikke vedligeholdt, opdateret eller standardiseret. Jeg vil gerne hjælpe forskere med at skrive og anvende software, der er nem at vedligeholde og bruge. God software skal også være nem at finde, så derfor har vi skabt et register, hvor udviklere kan lægge information om deres værktøjer, så andre kan bruge dem, siger Schwämmle og henviser til registret bio.tools.

Dette register er kommet op at køre takket være bidrag fra hele verden og finansiering fra EU via infrastrukturen ELIXIR. Mere end 30.000 softwareværktøjer er registreret i bio.tools i dag.

De store gennembrud

Når en forsker begynder at søge efter viden i sundhedsdata, kan gevinsten blive bedre behandlinger, hurtigere diagnoser og måske endda helbredelser af sygdomme, som vi i øjeblikket ikke kan kurere.

Et af de store computationelle gennembrud, der på den måde har fået betydning for vores allesammens sundhed, er udviklingen af AlphaFold – et AI-system, der kan forudsige proteiners 3D-struktur ud fra deres aminosyresekvenser. Det har givet forskerne større indsigt i, hvordan proteiner fungerer på atomart niveau.

Men proteiner kan antage mange forskellige molekylære former i vores celler, og dem har vi endnu ikke indsigt i. Veit Schwämmle er derfor optaget af at øge vores viden om disse former, og han har tidligere afsløret nogle af de mekanismer, der styrer dem. Han har desuden bidraget med statistiske værktøjer og brugervenlig software, som hjælper forskere med at få mere indsigt i det såkaldte "mørke 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.