Dans cette interview, nous parlons à Victor Wong, directeur scientifique de Core Life Analytics, de leur StratoMineRMT produit et comment il aide les chercheurs à traiter rapidement leurs données.
Sommaire
Pourriez-vous vous présenter et nous parler de votre parcours vers Core Life Analytics ?
Je m’appelle Victor et j’ai commencé ma carrière scientifique à l’Université de Toronto, où j’ai obtenu mon doctorat en physiologie. Je me suis alors concentré sur les troubles métaboliques, en mettant l’accent sur les cibles médicamenteuses et la découverte de médicaments. J’ai ensuite travaillé comme postdoc en neurosciences à l’UC Davis and Weill Cornell Medical Center. Dans cette dernière institution, j’ai été exposé à l’imagerie à haut débit et à haut contenu, en utilisant des écrans composés pour la découverte de médicaments.
Ma naïveté m’a d’abord donné la fausse impression que l’automatisation accélérerait considérablement mes projets et publications, mais ce n’était tout simplement pas le cas. L’analyse des données était le plus grand défi; la quantité de données provenant de mes projets dépassait mes connaissances pour même savoir par où commencer. J’ai essayé d’acquérir une certaine maîtrise de la programmation, mais rien n’a jamais été robuste ou reproductible.
J’ai rejoint Core Life Analytics simplement parce qu’ils sont la solution au problème de données que j’avais. De plus, nos philosophies scientifiques s’alignent incroyablement bien : fournir des outils d’analyse de données robustes et transparents qui permettent aux scientifiques d’analyser rapidement leurs données et de brosser un tableau holistique de leurs expériences. De plus, et surtout, de sensibiliser les scientifiques aux bonnes pratiques en science des données.
Quels sont les principaux objectifs de Core Life Analytics et comment s’inscrit-il dans le domaine plus large des sciences biologiques et de la vie ?
Chez Core Life Analytics, nous avons pour mission de démocratiser la science des données : nous aidons les biologistes à analyser leurs données phénotypiques complexes de manière indépendante.
Le criblage à haut contenu ou phénotypique est un outil puissant pour la découverte de médicaments. À l’aide de microscopes avancés et de logiciels d’analyse d’images, les scientifiques peuvent traduire des images microscopiques en centaines ou milliers de mesures de la morphologie d’une cellule, telles que la taille, l’intensité et la forme. Ces soi-disant caractéristiques décrivent et quantifient le phénotype d’une cellule, permettant aux chercheurs d’évaluer soigneusement l’effet d’un composé.
Des techniques comme celles-ci s’inscrivent dans un mouvement vers des approches davantage axées sur les données : au lieu de vous concentrer sur des mesures que vous savez être impliquées dans les processus que vous étudiez, mesurez-les toutes et utilisez des statistiques pour déterminer ce qui est intéressant.
Crédit d’image : Gorodenkoff/Shutterstock.com
L’essor de l’analyse de données et de la bioinformatique est répandu dans tous les domaines des sciences biologiques et de la vie, mais beaucoup ont encore du mal à l’intégrer dans leur flux de travail. Quels sont les principaux obstacles qui limitent l’utilisation de logiciels avancés d’analyse de données dans ces secteurs ?
La plupart des scientifiques ont du mal à utiliser ces ensembles de données. Nos fondateurs, David Egan et Wienand Omta, en ont été les témoins directs à l’UMC Utrecht Cell Screening Core ; leurs clients devaient soit acquérir des compétences en science des données et en codage pour analyser leurs données, soit demander à un scientifique des données de le faire pour eux. Dans les deux cas, les données sont sous-utilisées. Souvent, seule une poignée de mesures connues sont analysées, laissant derrière elles des centaines ou des milliers de mesures potentiellement utiles.
Pourquoi les biologistes devraient-ils s’efforcer d’utiliser des plateformes d’analyse de données avancées, et comment cela peut-il aider à catalyser l’innovation dans des secteurs comme la découverte de médicaments ?
Donner aux biologistes les outils pour effectuer leurs analyses de manière autonome améliore grandement la rapidité avec laquelle les découvertes sont faites. Premièrement, les biologistes n’ont plus besoin d’attendre des scientifiques de données occupés ou d’apprendre à coder, mais peuvent simplement exécuter leurs données via la plate-forme d’analyse.
Deuxièmement, cela permet à la personne qui connaît le mieux les expériences – qui les a conçues et exécutées – d’explorer les données et de prendre des décisions pour les expériences futures en conséquence. Ce n’est pas seulement important pour l’analyse finale d’une expérience ; être capable d’exécuter rapidement ces analyses dans les premiers stades expérimentaux d’une étude permet d’évaluer la qualité de votre modèle ou de votre test et d’identifier les problèmes dès le début.
N’oubliez pas les data scientists ; Lorsque les biologistes effectuent eux-mêmes ces analyses relativement routinières, ils ont du temps pour les choses les plus passionnantes, telles que l’IA avancée et la multi-omique.
StratoMine®MT est le produit principal de Core Life Analytics qui vise à aider les chercheurs à traiter rapidement leurs données. Pourriez-vous discuter de l’arrière-plan de ce produit et de la manière dont les utilisateurs peuvent l’intégrer dans leur flux de travail ?
Lorsque David Egan et Wienand Omta ont réalisé à l’UMC Utrecht que le besoin d’outils d’analyse de données accessibles était généralisé, ils ont décidé de développer quelque chose qui pourrait être utilisé par tout biologiste traitant ce type de données. Quels que soient le matériel ou les logiciels qu’ils utilisent ou leurs compétences en science des données. Téléchargez simplement vos données numériques et StratoMineR vous guide à travers un flux de travail conforme aux meilleures pratiques pour les données phénotypiques.
En commençant par les étapes les plus élémentaires, telles que la recherche de caractéristiques pertinentes, le contrôle de la qualité, la normalisation et la mise à l’échelle de vos données, jusqu’aux étapes plus avancées, comme la réduction des données, pour éventuellement comparer et regrouper les phénotypes afin de déterminer le mécanisme d’action d’un composé.
Comment fonctionne StratoMineRMT comparer aux plates-formes existantes actuellement disponibles ? Y a-t-il des composants que les utilisateurs finaux trouveraient particulièrement intéressants ?
Ce qui différencie notre approche des autres outils, c’est qu’elle est intuitive et d’aide à la décision. Le flux de travail guidé de StratoMineR garantit qu’aucune étape n’est manquée et propose des suggestions utilisant l’IA dans la mesure du possible. De cette façon, tout biologiste peut suivre un flux de travail d’analyse des meilleures pratiques pour les données multiparamétriques, le comprendre et l’explorer. Et commencez à le faire dès le début de la phase expérimentale d’un projet.
Core Life Analytics a récemment participé à ELRIG Drug Discovery, la plus grande réunion d’Europe qui rassemble des professionnels de l’industrie des sciences de la vie. Quels sont les avantages d’assister à de tels événements pour discuter et démontrer des produits en personne ?
ELRIG Drug Discovery a été une excellente réunion avec un excellent programme scientifique. Nous apprécions toujours les réunions comme celles-ci, car elles sont une occasion parfaite de se tenir au courant des derniers développements dans le domaine. Plus important encore, nous pouvons parler à des scientifiques de nombreux horizons différents et en apprendre davantage sur leurs perspectives et leurs défis.
De nombreux progrès sont réalisés dans les technologies de la science des données, et toutes les industries en récoltent les bénéfices. Comment pensez-vous que la relation entre la science des données et le secteur des sciences de la vie va évoluer au cours des dix prochaines années ?
Comme mentionné précédemment, l’intérêt pour la découverte de médicaments basée sur les données est croissant. Une bonne illustration en est le consortium JUMP-CP, qui a généré une base de données de données phénotypiques à partir de cellules répondant à 140 000 perturbations génétiques et petites molécules différentes.
Le potentiel de cette ressource publique est évident, mais il soulève la question suivante : comment des chercheurs extérieurs au consortium peuvent-ils tirer parti d’un ensemble de données volumineux et complexe ? Ceci et la complexité sans cesse croissante des données soulignent davantage le besoin d’outils accessibles. Nous constatons déjà que les outils d’analyse basés sur l’IA deviennent de plus en plus courants, que l’apprentissage automatique (ML) et l’apprentissage en profondeur (DL) émergent, et que des discussions sur des intégrations plus avancées, telles que la multi-omique, sont en cours, se transformant en un nouveau zone de recherche.
Crédit d’image : paulista/Shutterstock.com
À quoi ressembleront les prochaines années pour Core Life Analytics ? Y a-t-il des innovations vers lesquelles vous vous efforcez?
Au cours des prochaines années, nous espérons nous attaquer à d’autres goulots d’étranglement dans le filtrage à haut contenu. Une de nos ambitions est, en plus des données numériques, de déplacer les images vers le cloud. Cela résoudra les problèmes de stockage de nombreuses personnes et nous permettra d’utiliser le cloud computing massivement parallèle pour l’analyse d’images, réduisant considérablement le temps d’analyse.
Où nos lecteurs peuvent-ils se tenir au courant des activités de l’entreprise ?
Ils peuvent nous suivre sur LinkedIn ou visiter notre site Web.
Veuillez fournir des liens vers tout matériel qui pourrait être pertinent pour notre public.
Le 15 novembre, nous organiserons un webinaire : préparez-vous pour le JUMP-CP !
Plus d’informations sur le Consortium JUMP-CP peuvent être trouvées sur leur site web.
Vous trouverez plus d’informations sur StratoMineR pour les données à haute teneur dans notre brochure.
À propos de Victor Wang
En tant que CSO, les responsabilités de Victor Wong sont d’établir et de communiquer la validité scientifique et l’utilité des produits de recherche développés par Core Life Analytics. Il interagit avec les communautés scientifiques et clients concernant les capacités et les découvertes scientifiques de notre société. Il gère également avec d’autres CxO la gestion globale des produits et de l’équipe.
Victor Wong a obtenu son doctorat. à l’Université de Toronto. Il a été boursier des Instituts de recherche en santé du Canada et a reçu plusieurs subventions au cours de sa formation postdoctorale au Burke Institute of Weill Cornell Medicine. Sa motivation scientifique est portée par son handicap ; il est profondément sourd et depuis lors, son parcours scientifique l’a conduit à travers un certain nombre de domaines thérapeutiques, en mettant l’accent sur la découverte de cibles et de médicaments pour trouver de nouveaux traitements pour un certain nombre de maladies couvrant le métabolisme, l’oncologie, la neurodégénérescence et la perte auditive.