Jakarta, Nusantaraexpost.com –  Didirikan bersama oleh seorang alumni MIT, Watershed Bio menawarkan cara bagi para peneliti non-perekayasa perangkat lunak untuk menjalankan analisis skala besar guna mempercepat perkembangan biologi.

Seiring dengan anjloknya biaya teknologi diagnostik dan pengurutan dalam beberapa tahun terakhir, para peneliti telah mengumpulkan data dalam jumlah yang belum pernah terjadi sebelumnya seputar penyakit dan biologi. Sayangnya, para ilmuwan yang ingin beralih dari data ke pengobatan baru seringkali membutuhkan bantuan dari seseorang yang berpengalaman di bidang rekayasa perangkat lunak.

Kini, Watershed Bio membantu para ilmuwan dan ahli bioinformatika menjalankan eksperimen dan mendapatkan wawasan dengan platform yang memungkinkan pengguna menganalisis kumpulan data kompleks tanpa memandang kemampuan komputasi mereka. Platform berbasis cloud ini menyediakan templat alur kerja dan antarmuka yang dapat disesuaikan untuk membantu pengguna menjelajahi dan berbagi data dari semua jenis, termasuk pengurutan genom utuh, transkriptomik, proteomik, metabolomik, pencitraan konten tinggi, pelipatan protein, dan banyak lagi.

“Para ilmuwan ingin mempelajari perangkat lunak dan ilmu data di bidang ini, tetapi mereka tidak ingin menjadi insinyur perangkat lunak yang menulis kode hanya untuk memahami data mereka,” ujar salah satu pendiri dan CEO Jonathan Wang ’13, SM ’15. “Dengan Watershed, mereka tidak perlu melakukannya.”

Watershed digunakan oleh tim peneliti besar maupun kecil di seluruh industri dan akademisi untuk mendorong penemuan dan pengambilan keputusan. Ketika teknik analitik canggih baru dijelaskan dalam jurnal ilmiah, teknik tersebut dapat langsung ditambahkan ke platform Watershed sebagai templat, menjadikan perangkat mutakhir lebih mudah diakses dan kolaboratif bagi peneliti dari semua latar belakang.

“Data dalam biologi berkembang pesat, dan teknologi pengurutan yang menghasilkan data ini semakin baik dan murah,” kata Wang. “Berasal dari MIT, isu ini tepat berada di bidang saya: Ini masalah teknis yang sulit. Ini juga masalah yang berarti karena orang-orang ini bekerja untuk mengobati penyakit. Mereka tahu semua data ini bernilai, tetapi mereka kesulitan menggunakannya. Kami ingin membantu mereka membuka lebih banyak wawasan dengan lebih cepat.”

 

Tanpa penemuan kode

Wang berharap untuk mengambil jurusan biologi di MIT, tetapi ia segera tertarik dengan kemungkinan membangun solusi yang dapat diskalakan ke jutaan orang dengan ilmu komputer. Ia akhirnya meraih gelar sarjana dan magisternya dari Departemen Teknik Elektro dan Ilmu Komputer (EECS). Wang juga magang di laboratorium biologi di MIT, dan di sana ia terkejut betapa lambat dan padat karya eksperimennya.

“Saya melihat perbedaan antara biologi dan ilmu komputer, di mana terdapat lingkungan dinamis [dalam ilmu komputer] yang memungkinkan umpan balik langsung,” kata Wang. “Bahkan sebagai penulis kode tunggal, Anda memiliki begitu banyak hal yang bisa Anda coba.”

Saat mempelajari pembelajaran mesin dan komputasi kinerja tinggi di MIT, Wang juga ikut mendirikan perusahaan perdagangan frekuensi tinggi bersama beberapa teman sekelasnya. Timnya merekrut peneliti berlatar belakang PhD di bidang seperti matematika dan fisika untuk mengembangkan strategi perdagangan baru, tetapi mereka segera menyadari adanya hambatan dalam proses mereka.

“Semuanya berjalan lambat karena para peneliti terbiasa membangun prototipe,” kata Wang. Ini adalah perkiraan kecil dari model yang dapat mereka jalankan secara lokal di mesin mereka. Untuk menerapkan pendekatan tersebut ke dalam produksi, mereka membutuhkan teknisi untuk membuatnya bekerja dengan throughput tinggi pada klaster komputasi. Namun, para teknisi tersebut tidak memahami sifat penelitiannya, sehingga terjadi banyak proses bolak-balik. Artinya, ide yang Anda pikir dapat diimplementasikan dalam sehari membutuhkan waktu berminggu-minggu.

Untuk mengatasi masalah tersebut, tim Wang mengembangkan lapisan perangkat lunak yang membuat pembuatan model siap produksi semudah membuat prototipe di laptop. Kemudian, beberapa tahun setelah lulus dari MIT, Wang menyadari bahwa teknologi seperti pengurutan DNA telah menjadi murah dan umum.

“Hambatannya bukan lagi pengurutan, jadi orang-orang berkata, ‘Mari kita urutkan semuanya,’” kenang Wang. “Faktor pembatasnya adalah komputasi. Orang-orang tidak tahu apa yang harus dilakukan dengan semua data yang dihasilkan. Ahli biologi menunggu ilmuwan data dan ahli bioinformatika untuk membantu mereka, tetapi orang-orang tersebut tidak selalu memahami biologi secara mendalam.”

 

Situasi ini tampak familier bagi Wang.

“Persis seperti yang kita lihat di bidang keuangan, di mana para peneliti mencoba bekerja sama dengan para insinyur, tetapi para insinyur tidak pernah sepenuhnya memahami, dan terjadilah semua inefisiensi ini dengan orang-orang yang menunggu para insinyur,” kata Wang. “Sementara itu, saya mengetahui bahwa para ahli biologi sangat ingin menjalankan eksperimen ini, tetapi ada kesenjangan yang begitu besar sehingga mereka merasa harus menjadi insinyur perangkat lunak atau hanya fokus pada sains.”

Wang resmi mendirikan Watershed pada tahun 2019 bersama dokter Mark Kalinich ’13, mantan teman sekelasnya di MIT yang kini tidak lagi terlibat dalam operasional perusahaan sehari-hari.

Sejak itu, Wang telah mendengar dari para eksekutif bioteknologi dan farmasi tentang semakin kompleksnya penelitian biologi. Membuka wawasan baru semakin melibatkan analisis data dari seluruh genom, studi populasi, pengurutan RNA, spektrometri massa, dan banyak lagi. Mengembangkan perawatan yang dipersonalisasi atau memilih populasi pasien untuk studi klinis juga dapat membutuhkan kumpulan data yang sangat besar, dan terdapat cara-cara baru untuk menganalisis data yang terus-menerus dipublikasikan di jurnal ilmiah.

Saat ini, perusahaan dapat menjalankan analisis skala besar di Watershed tanpa harus menyiapkan server atau akun komputasi awan mereka sendiri. Para peneliti dapat menggunakan templat siap pakai yang kompatibel dengan semua jenis data paling umum untuk mempercepat pekerjaan mereka. Alat berbasis AI populer seperti AlphaFold dan Geneformer juga tersedia, dan platform Watershed memudahkan berbagi alur kerja dan menggali hasil lebih dalam.

“Platform ini mencapai titik optimal dalam hal kegunaan dan kustomisasi bagi orang-orang dari semua latar belakang,” kata Wang. “Tidak ada ilmu yang benar-benar sama. Saya menghindari kata produk karena itu menyiratkan Anda menerapkan sesuatu dan kemudian menjalankannya dalam skala besar selamanya. Riset tidak seperti itu. Riset adalah tentang memunculkan sebuah ide, mengujinya, dan menggunakan hasilnya untuk menghasilkan ide lain. Semakin cepat Anda merancang, mengimplementasikan, dan mengeksekusi eksperimen, semakin cepat Anda dapat melanjutkan ke eksperimen berikutnya.”

 

Mempercepat Biologi

Wang yakin Watershed membantu para ahli biologi mengikuti perkembangan terbaru dalam biologi dan mempercepat penemuan ilmiah dalam prosesnya.

“Jika Anda dapat membantu para ilmuwan mengungkap wawasan tidak hanya sedikit lebih cepat, tetapi 10 atau 20 kali lebih cepat, itu benar-benar dapat membuat perbedaan,” kata Wang.

Watershed digunakan oleh para peneliti di dunia akademis dan di perusahaan dari semua skala. Para eksekutif di perusahaan bioteknologi dan farmasi juga menggunakan Watershed untuk membuat keputusan tentang eksperimen dan kandidat obat baru.

“Kami telah menyaksikan kesuksesan di semua bidang tersebut, dan benang merahnya adalah orang-orang yang memahami riset tetapi tidak ahli dalam ilmu komputer atau rekayasa perangkat lunak,” ujar Wang. “Sangat menyenangkan melihat industri ini berkembang. Bagi saya, senang rasanya bisa kembali ke Kendall Square, tempat Watershed berada. Di sinilah banyak kemajuan mutakhir terjadi. Kami berusaha melakukan bagian kami untuk mewujudkan masa depan biologi.”