複雑さについて：バイオインフォマティクスについて知っておくべきこと

ランダムな通行人に生物学とは何かを尋ねると、彼はおそらく「野生生物の科学」のようなものに答えるでしょう。 コンピューターサイエンスについては、コンピューターと情報を扱うと言うでしょう。 押し付けがましいことを恐れず、3番目の質問をした場合-バイオインフォマティクスとは何ですか？ -ここで彼はおそらく混乱しています。 それは論理的です：誰もがEPAMでさえこの知識の領域について知っているわけではありません-私たちの会社にはバイオインフォマティクスがあります。 この科学がなぜ人類全般、特にEPAMに必要なのかを考えてみましょう。結局、突然、路上でこれについて尋ねられます。

生物学がコンピューターサイエンスなしで対処するのをやめた理由と、がんはそれと何の関係があるのか

研究を行うために、生物学者がテストを受けて顕微鏡を通して見るだけではもはや不十分です。 現代の生物学は膨大な量のデータを扱っています。 多くの場合、それらを手動で処理することは単に不可能であるため、多くの生物学的タスクは計算手法によって解決されます。 私たちは遠くまで行きません。DNA分子は非常に小さいので、光学顕微鏡で調べることは不可能です。 そして、（電子的に）可能であれば、すべて同じように、視覚検査は多くの問題の解決に役立ちません。

人間のDNAは30億個のヌクレオチドで構成されています。寿命だけでは、それらすべてを手動で分析して適切なサイトを見つけるには不十分です。 まあ、それは十分かもしれません-1つの分子を分析するのに1つの人生-しかし、それは長すぎ、高価で非生産的であるため、ゲノムはコンピューターと計算を使用して分析されます。

バイオインフォマティクス-これは、生物学的データを分析するためのコンピューターメソッドのセットです。DNAおよびタンパク質の構造、顕微鏡写真、シグナル、実験結果のデータベースなどを読み取ります。



適切な治療法を見つけるために、時にはDNAシーケンシングが必要です。 異なる遺伝性障害または環境の影響によって引き起こされる同じ病気は、異なる方法で治療する必要があります。 また、ゲノムには、疾患の発症とは関係のない領域がありますが、たとえば、特定の種類の治療や薬物に対する反応の原因となっています。 したがって、同じ疾患を持つ異なる人々は、同じ治療に対して異なる反応を示す場合があります。

バイオインフォマティクスも新薬の開発に必要です。 それらの分子は特定の構造を持ち、特定のタンパク質またはDNA部位に結合する必要があります。 数値的手法は、そのような分子の構造をモデル化するのに役立ちます。

バイオインフォマティクスの成果は、医学、主にがん治療で広く使用されています。 他の病気の素因に関する情報はDNAで暗号化されていますが、ほとんどは癌治療に取り組んでいます。 この分野は、最も有望で、経済的に魅力的で、重要であり、最も難しいと考えられています。

EPAMのバイオインフォマティクス

EPAMでは、生命科学部門がバイオインフォマティクスに関与しています。 彼らは、スタートアップから世界の大手企業まで、あらゆる規模の製薬会社、生物学およびバイオテクノロジー研究所向けのソフトウェアを開発しています。 このタスクに対処するには、生物学に精通している人だけが、アルゴリズムとプログラムを作成することができます。

バイオインフォマティクスはハイブリッドの専門家です。 知識が彼らにとって主要なものであると言うことは困難です：生物学またはコンピューター科学。 これが問題であれば、彼らは両方を知る必要があります。 まず第一に、おそらく、分析的な考え方と多くを学ぶ意欲が重要です。 EPAMには、コンピューターサイエンスを学んだ生物学者と、生物学をさらに研究した数学者のプログラマーがいます。

バイオインフォマティクスになる方法

開発者のマリア・ズエバ：

「標準的なIT教育を受けた後、EPAM Javaラボコースで勉強しました。そこで、機械学習とデータサイエンスに興味を持ちました。 私が研究室を卒業したとき、彼らは私に言った：「ライフサイエンスに行く、彼らはバイオインフォマティクスに携わっており、人々を募集しているだけだ」。 私はcなわけではありません。それから初めて「バイオインフォマティクス」という言葉を聞きました。 私はウィキペディアでそれについて読んで行きました。

その後、新人グループ全体がユニットに採用され、一緒にバイオインフォマティクスを研究しました。 DNAとRNAについての学校のカリキュラムを繰り返すことから始め、バイオインフォマティクスに存在する問題、その解決策とアルゴリズムへのアプローチを徹底的に分析し、専門のソフトウェアで動作することを学びました。

Gennady Zakharov、ビジネスアナリスト：

「私は教育学の生物物理学者です。2012年に遺伝学の博士号を擁護しました。 しばらくの間、彼は科学で働き、研究に従事していました-そして、私は今日まで続けます。 生産に科学的知識を適用する機会が生じたとき、私はすぐにそれをつかみました。

ビジネスアナリストにとって、非常に具体的な仕事があります。 例えば、経済的な問題は私を通り過ぎます。私はむしろ主題分野の専門家です。 私は顧客が私たちに何を望んでいるかを理解し、問題を理解し、高レベルのドキュメントを作成する必要があります。 プロジェクトの過程で、私は開発者と顧客と連絡を取り合い、両者が確信できるようにします。チームは必要なことを行います。 実際、私は顧客の言語-生物学者とバイオインフォマティクス-から開発者の言語へ、またはその逆の翻訳者です。」

ゲノムの読み方

EPAMバイオインフォマティクスプロジェクトの本質を理解するには、まずゲノムの配列を理解する必要があります。 事実、私たちが話すプロジェクトは、ゲノムの読み取りに直接関係しているということです。 説明のためにバイオインフォマティクスを見てみましょう。

バイオインフォマティクス部門長のミハイル・アルペロビッチ：

「戦争と平和の1万枚のコピーがあると想像してください。 あなたはそれらをシュレッダーに通し、それらをよく混ぜ、このヒープから紙の束をランダムに引き出し、それらからソーステキストを収集しようとしています。 さらに、戦争と平和の原稿があります。 収集したテキストは、タイプミスをキャッチするためにそれと比較する必要があります（そして間違いなくそうなります）。 最近のシーケンシングマシンによるDNAの読み取りとほぼ同じ方法。 DNAは細胞核から分離され、300〜500ヌクレオチドペアのフラグメントに分割されます（DNAのヌクレオチドはペアで互いにリンクされていることを覚えています）。 分子は断片化されています。なぜなら、現代の機械は最初から最後までゲノムを読み取ることができないからです。 シーケンスが長すぎるため、読み取るとエラーが蓄積されます。

シュレッダー後の「戦争と平和」を思い出します。 小説の元のテキストを復元するには、小説のすべての部分を読み、正しい順序で配置する必要があります。 私たちは小さな断片について本を数回読んだことがわかりました。 DNAについても同じです。シーケンサーは、シーケンスの各セクションを複数のオーバーラップで読み取ります。これは、1つではなく多くのDNA分子を分析するためです。

結果のフラグメントは整列されます-それらのそれぞれは参照ゲノムに「適用」され、参照のどのセクションが読み取られたフラグメントに対応するかを理解しようとします。 次に、アライメントされたフラグメントにバリエーションが見つかります-参照ゲノムからの読み取りの有意差（参照原稿と比較した本のタイプミス）。 これは、プログラムによって実行されます-オプション呼び出し元（英語のバリアント呼び出し元から-突然変異の検出器）。 これは分析の最も難しい部分です。そのため、オプション呼び出し元にはさまざまなプログラムがあり、それらは常に改善され、新しいプログラムが開発されています。

見つかった突然変異の大部分は中立であり、何にも影響しません。 しかし、遺伝性疾患の素因またはさまざまな種類の治療に反応する能力が暗号化されているものがあります。」



分析のために、多くの細胞が存在するサンプルを採取します。したがって、DNA細胞の完全なセットのコピーです。 エラーの可能性を最小限に抑えるために、小さなDNAフラグメントはそれぞれ数回読み取られます。 少なくとも1つの重大な変異を見逃した場合、患者を間違った診断にしたり、間違った治療を処方したりできます。 各DNAフラグメントを1回読み取るのは小さすぎます。1回の読み取りは間違っている可能性があり、それについてはわかりません。 同じフラグメントを2回読み取り、1つの正しい結果と1つの誤った結果が得られた場合、どの読み取り値が正しいかを理解することは困難です。 そして、100の測定値があり、そのうち95の測定値で同じ結果が得られた場合、それが真実であることを理解します。

ジェンナディ・ザカロフ：

「がんを分析するには、健康な細胞と病気の細胞の両方をシーケンスする必要があります。 がんは、細胞が生涯にわたって蓄積する突然変異の結果として発生します。 その成長と分裂の原因となるメカニズムが細胞内で悪化した場合、細胞は体の必要性に関係なく無期限に分裂し始めます。つまり、癌性腫瘍になります。 癌の正確な原因を理解するために、健康な組織と癌性腫瘍のサンプルが患者から採取されます。 両方のサンプルをシーケンスし、結果を比較し、一方が他方とどのように異なるかを見つけます。つまり、癌細胞でどの分子メカニズムが破壊されたかを見つけます。 これに基づいて、「故障」のある細胞に対して効果的な医薬品が選択されます。

バイオインフォマティクス：生産とオープンソース

EPAMのバイオインフォマティクス部門には、生産プロジェクトとオープンソースプロジェクトの両方があります。 さらに、本番プロジェクトの一部をオープンソースに開発でき、オープンソースプロジェクトを本番の一部にできます（たとえば、オープンソースEPAM製品をクライアントのインフラストラクチャに統合する必要がある場合）。

プロジェクト番号1：オプション呼び出し元

大手製薬会社であるクライアントの1つに対して、EPAMはオプション呼び出しプログラムを近代化しました。 その特徴は、他の同様のプログラムがアクセスできない突然変異を見つけることができることです。 当初、プログラムはPerlで記述されており、複雑なロジックを備えていました。 EPAMでは、プログラムはJavaで書き直され、最適化されました。現在では、30倍ではないにしても20倍速く動作します。

プログラムのソースコードはGitHubで入手できます 。

プロジェクト＃2：3D分子ビューアー

3Dで分子の構造を視覚化する多くのデスクトップおよびWebアプリケーションがあります。 分子が宇宙でどのように見えるかを想像することは、例えば、薬を開発するために重要です。 指示されたアクションを持つ薬物を合成する必要があるとします。 まず、この薬物の分子を設計し、必要に応じて目的のタンパク質と正確に相互作用することを確認する必要があります。 生命では、分子は3次元であるため、3次元構造の形でも分析されます。

分子の3D表示のために、EPAMは最初はブラウザウィンドウでのみ機能するオンラインツールを作成しました。 次に、このツールに基づいて、HTC Viveバーチャルリアリティグラスで分子を視覚化できるバージョンを開発しました。 コントローラーはグラスに取り付けられており、このコントローラーを使用して、分子を回転、移動、別の分子に置き換え、分子の個々の部分を回転させることができます。 これらすべてを3Dで行うことは、フラットモニターよりもはるかに便利です。 EPAMバイオインフォマティクスプロジェクトのこの部分は、バーチャルリアリティ、拡張現実、およびゲームエクスペリエンス配信と連携して行われました。

このプログラムは、GitHubで公開する準備が整ったところですが、デモバージョンを表示できるリンクがあれば提供されます。

このアプリケーションの動作がビデオからどのように見えるかを知ることができます。

プロジェクト＃3：NGB Genomic Browser

ゲノムブラウザーは、DNAの個々の読み取り値、バリエーション、およびゲノムを分析するためのユーティリティによって生成されたその他の情報を視覚化します。 測定値が参照ゲノムと比較され、変異が見つかった場合、科学者は機械とアルゴリズムが正しく機能したかどうかを確認する必要があります。 それは、ゲノム内で変異がどの程度正確に特定されているか、患者に対してどのような診断が行われるか、またはどの治療が処方されるかによって異なります。 したがって、臨床診断では、科学者が機械の動作を制御する必要があり、ゲノムブラウザーはこれを支援します。

バイオインフォマティクスの開発者は、アルゴリズムの操作におけるエラーを見つけ、それらを改善する方法を理解するために、ゲノムブラウザーが複雑なケースを分析するのを支援します。

EPAM の新しいゲノムブラウザー NGB（New Genome Browser）はWeb上で動作しますが、速度と機能はデスクトップ版に劣りません。 これは、市場に欠けていた製品です。以前のオンラインツールの動作は遅く、デスクトップツールよりも実行できませんでした。 現在、多くのお客様がセキュリティ上の理由からWebアプリケーションを選択しています。 オンラインツールを使用すると、科学者の仕事用コンピューターに何もインストールしないでください。 企業ポータルにアクセスして、世界中のどこからでも彼と仕事をすることができます。 科学者は、稼働しているコンピューターをどこにでも持ち運んで、必要なすべてのデータをダウンロードする必要はありません。



Gennady Zakharov、ビジネスアナリスト：

「私は顧客としてオープンソースユーティリティに部分的に取り組んでいました。タスクを設定しました。 私は市場で最良のソリューションを研究し、それらの長所と短所を分析し、それらを改善する方法を探しました。 私たちは、デスクトップソリューションと同等以上にWebソリューションを作成し、同時にそれらに固有の何かを追加する必要がありました。

3D分子ビューアーでは、これは仮想現実で機能し、ゲノムブラウザーでは、バリエーションを使用して作業が改善されました。 突然変異は複雑です。 がん細胞の再配列は、時には巨大な領域に影響を与えます。 余分な染色体がそれらの中に現れ、染色体の断片と染色体全体が消えるか、ランダムな順序で融合します。 ゲノムの個々の断片は10〜20回コピーできます。 そのようなデータは、第一に、測定値から取得することがより難しく、第二に、視覚化することがより困難です。

このような広範な構造変化に関する情報を正しく読み取るビジュアライザーを開発しました。 また、染色体の接触時に、この接触によりハイブリッドタンパク質が形成されたかどうかを示す視覚化セットを作成しました。 拡張された変動が複数のタンパク質に影響する場合、クリックして、そのような変動の結果として何が起こるかを計算できます。どのハイブリッドタンパク質が取得されます。 他のビジュアライザーでは、科学者はこの情報を手動で、ワンクリックでNGBで追跡する必要がありました。

バイオインフォマティクスの研究方法

バイオインフォマティクスは、生物学とコンピューターサイエンスの両方を理解する必要があるハイブリッドスペシャリストであると既に述べました。 これには、自己教育が重要な役割を果たします。 もちろん、EPAMにはバイオインフォマティクスの入門コースがありますが、プロジェクトでこの知識を必要とする従業員向けに設計されています。 クラスはサンクトペテルブルクでのみ開催されます。 それでも、バイオインフォマティクスに興味がある場合は、次のことを学ぶ機会があります。

1） 会社23andmeからの遺伝子診断の入門コース 。
2）Courseraのいくつかのコース （ロシア語のいくつかのコースを含む： バイオインフォマティクスとメタゲノムの 紹介 ）。
3）バイオインフォマティクス研究所のStepikコース： 分子生物学および遺伝学 、 分子系統学 、 遺伝子工学 、および高性能シーケンス技術の紹介 。 研究所からのコースの完全なリストは、 公式ウェブサイトで見つけることができます。
4）カリフォルニア大学サンディエゴ校のバイオインフォマティクスの専門家であるPavel Pevzner教授による講義 。
5）サンクトペテルブルクに住んでいるなら、バイオインフォマティクス研究所のゲスト講義に参加できます-無料です。