— Odróżniamy podtypy komórek. W tym celu wykorzystujemy informacje, które pozyskujemy z jądra komórkowego. To jest ważna różnica w porównaniu do tego, co teraz najczęściej ma miejsce w terapiach, gdzie wykorzystuje się białka zewnątrzkomórkowe. Czyli, mówiąc dużo prostszym językiem, dziś patrzy się na zewnętrzną część komórki, na to, co tam widać albo co można zablokować. A my zaglądamy już do jądra i patrzymy, jak wygląda trójwymiarowa chromatyna, czyli DNA i białka, które do tego DNA się przyłączyły — tłumaczy dr hab. Jakub Mieczkowski, współzałożyciel Genegoggle.

Dr hab. Jakub Mieczkowski jest bioinformatykiem, analitykiem danych i matematykiem. Studiował na Uniwersytecie Warszawskim, a naukowo pracuje na Uniwersytecie Medycznym w Gdańsku. Po doktoracie przez 3 lata był związany z Harvard Medical School, gdzie współtworzył nowe metody analizy komórkowo-specyficznych aktywności chromatyny. Po powrocie do Polski uczestniczył w opracowaniu nowatorskiej metody oceny dostępności DNA, służącej ocenie zmian chromatyny pod wpływem bodźców zewnętrznych. Pracował też w Instytucie Nenckiego nad terapiami epigenetycznymi pomagającymi w leczeniu nowotworów. Jest współzałożycielem firmy Genegoggle, która przygotowała narzędzie umożliwiające projektowanie związków nowej generacji do tworzenia leków.

Zajmuje się pan na co dzień analizą danych jednokomórkowych i analityką celowaną. A w praktyce Genegoggle dostarcza raczej usługi czy narzędzie?

Tak naprawdę robimy jedno i drugie. Analizując komuś dane, często spotykamy się z potrzebą, że te analizy będą później odtwarzane na potrzeby podobnego badania, ale na bazie innej substancji farmakologicznej. Jeśli potrzeby analityczne są jasno określone, klient może chcieć dostać narzędzie, dzięki któremu sam poradzi sobie z analizą W takich przypadkach tworzymy software, który licencjonujemy.

Czyli to jest model Software as a Service?

Nie do końca. Dzięki naszemu narzędziu możemy rozwijać relacje z firmami farmaceutycznymi. Natomiast punktem docelowym w modelu biznesowym, jaki przyjęliśmy, jest dostarczanie usługi polegającej na identyfikacji celów terapeutycznych. A dalej - opracowywanie nowych terapii. Dostarczanie usług i narzędzi analitycznych to krok pośredni, który umożliwia nam budowanie marki, relacji z klientami, rozwijanie zespołu i naszych wewnętrznych narzędzi.

Na czym konkretnie polega identyfikacja celów terapeutycznych?

Są różne sposoby, ale w naszym przypadku oznacza to zidentyfikowanie komórkowo-specyficznych, trójwymiarowych struktur łańcucha DNA. W uproszczeniu, w każdej komórce naszego ciała mamy taką samą sekwencje DNA, która ma około 2 metrów długości. To że nasze komórki różnią się od siebie wynika z innego zwinięcia łańcucha DNA. Jeśli DNA to książka kucharska, to różne komórki czytają różne przepisy. W Genegoggle umiemy rozróżnić nie tylko komórki zdrowe, ale dodatkowo wskazać komórki, w których pojawiają się nieprawidłowe procesy, np. komórki nowotworowe. Część identyfikowanych przez nas różnic może być celem terapeutycznym.

To analiza danych omicznych?

Tak, bo do charakterystyki komórek wykorzystujemy kilka cech, takich jak wspomniana wcześniej trójwymiarowa struktura chromatyny, ale też całogenomowa ekspresja genów, aktywność miejsc regulatorowych czy inne fizyczne właściwości chromatyny.

Analizują państwo m.in. komórki nowotworowe. Z poziomu pacjenta leczenie nowotworów wygląda dziś tak, że człowiek dostaje chemię, która przy okazji uszkadza też zdrowe komórki. W skuteczności leczenia wiele zależy od konfiguracji chemicznej wlewu. Jak, z perspektywy tego, czym pan się zajmuje, wygląda przyszłość leczenia tego typu chorób?

Myślę, że dobór terapeutyków bardzo się zmieni i wejdziemy w etap celowany. Tylko też trzeba dobrze zdawać sobie sprawę, co takie celowanie i personalizowanie oznacza. Dziś jesteśmy bardzo daleko od tego, żeby dobierać lek pod konkretnego pacjenta. Jesteśmy z kolei znacznie bliżej miejsca, w którym będziemy mogli pacjentów lepiej klasyfikować. Dla wszystkich zajmujących się nowotworami jest już zrozumiała heterogeniczność nowotworów. To oznacza, że nawet w masie jednego guza nie wszystkie komórki są takie same. One różnią się wieloma procesami i najczęściej, jeśli chodzi o leki, które dzisiaj są stosowane, jeden lek nie zabija wszystkich komórek nowotworowych. Nawet często nie celuje we wszystkie z nich. W tej chwili to, co jest nam najbardziej potrzebne, to, żeby odpowiednio tych pacjentów sklasyfikować i odpowiednio określić nowotwór.

Jakich narzędzi analitycznych używają państwo do obróbki danych pozyskanych z komórek?

Większość naszych prac jest wykonywana w środowisku R. Trochę korzystamy też z narzędzi pythonowych.

Jak pan widzi kwestię podejmowania decyzji na podstawie danych? To sformułowanie charakterystyczne dla biznesu, a jak ten problem wygląda z perspektywy bardziej naukowej?

Nie jestem religijny, ale Edward Deming powiedział kiedyś: "Bogu wierzymy, a wszyscy inni muszą przynieść dane" (ang. In God we trust. All others must bring data.), nawiązując do sentencji na banknotach dolarowych. Ja się tego trzymam. Natomiast ważne, żeby te dane były dobrej jakości i żeby rzeczywiście były reprezentatywne dla procesu, wydarzeń czy obiektów, o których chcemy wnioskować. Dzisiaj jest bardzo łatwo pozyskiwać przeróżne dane, ale dużo trudniej jest zweryfikować ich wiarygodność.

Właśnie - co oznacza niska jakość danych w przypadku komórek?

Bardzo często związana jest z tym, że dane są za słabo opisane. Stosunkowo łatwo jest zmierzyć w komórkach ekspresję genów. Ale żeby ta informacja, czyli uzyskany profil ekspresji, była dla nas wiarygodny, musimy wiedzieć, co się z tymi komórkami wcześniej wydarzyło. Różne czynniki stresowe, czas procesowania komórek i inne elementy mogą po prostu wpłynąć na wynik i jeśli nie będziemy tego wiedzieli, taki profil niesie ze sobą ryzyko wyciągnięcia niewłaściwych wniosków.

Jeśli chodzi o tę jakość danych, np. niewłaściwie opisanych, chodzi o to, że ktoś to po prostu źle zrobił czy, że nie miał odpowiednich narzędzi?

Najczęściej bywa, że ten, kto opisuje, nie wie, co może mieć znaczenie. To najczęściej nie jest błąd ludzki, tylko niedostateczna komunikacja pomiędzy analitykiem a osobą wykonującą eksperyment, dla której część rzeczy jest oczywista. Inna sprawa: często chcielibyśmy wielokrotnie wykorzystywać te same dane. Jeśli robimy eksperyment w zamkniętym środowisku, gdzie wykorzystujemy go do odpowiedzi na proste pytanie, które znaliśmy przed eksperymentem i po prostu z naszej perspektywy zrobienie tego eksperymentu służy odpowiedzi na konkretne pytanie - wtedy możemy pewne rzeczy pomijać, jeśli są takie same w całym obszarze eksperymentu, bo są specyficzne dla tej próby. Ale jeżeli chcemy później zebrać dane z różnych miejsc i zrobić metaanalizę, zmiany będą inne i nie nazwałbym tego błędem. To raczej brak standardów, które są potrzebne, żeby dane opisywać.

Na koniec szersze pytanie, wychodzące poza analitykę komórkową, ale nadal związane z bioinformatyką. Na świecie od co najmniej kilku lat trwają intensywne prace nad interfejsem mózg-komputer. To jedna z prób ustanowienia trwałej komunikacji pomiędzy systemem informatycznym a biologicznym. Z perspektywy tego, co pan wie o charakterystyce komórkowej, to się uda?

Na tak ogólnie postawione pytanie chyba trzeba odpowiedzieć twierdząco, ale pytanie, co to znaczy, i jaka będzie cena oraz co będziemy z tego w praktyce mieli. Już teraz umiemy za pomocą fal mózgowych ruszać kursorem na ekranie. Umiemy poprawiać komunikację osoby sparaliżowanej, więc tego typu rzeczy już się dzieją. Natomiast jeżeli chodzi o działania bardziej zaawansowane, wydaje mi się, że dla maszyny, która potrafi analizować wiele wątków na raz, a za chwilę mogą być jeszcze komputery kwantowe - trzeba powiedzieć, że my będziemy za wolni. Urządzenie będzie w stanie szybciej samo sobie odpowiedzieć na zadane pytanie, rozwiązując wszystkie możliwe scenariusze, niż my usłyszeć pytanie do końca.