Ketika biaya untuk teknologi diagnostik dan pengurutan anjlok dalam beberapa tahun terakhir, para peneliti telah mengumpulkan data dalam jumlah yang belum pernah terjadi sebelumnya seputar penyakit dan biologi. Sayangnya, para ilmuwan yang berharap untuk beralih dari data ke pengobatan baru seringkali memerlukan bantuan dari seseorang yang berpengalaman dalam rekayasa perangkat lunak.
Kini, Watershed Bio membantu ilmuwan dan ahli bioinformatika menjalankan eksperimen dan mendapatkan wawasan dengan platform yang memungkinkan pengguna menganalisis kumpulan data kompleks, apa pun keterampilan komputasi mereka. Platform berbasis cloud ini menyediakan templat alur kerja dan antarmuka yang dapat disesuaikan untuk membantu pengguna menjelajahi dan berbagi semua jenis data, termasuk pengurutan seluruh genom, transkriptomik, proteomik, metabolomik, pencitraan konten tinggi, pelipatan protein, dan banyak lagi.
“Ilmuwan ingin mempelajari bagian-bagian perangkat lunak dan ilmu data, namun mereka tidak ingin menjadi insinyur perangkat lunak yang menulis kode hanya untuk memahami data mereka,” kata salah satu pendiri dan CEO Jonathan Wang ’13, SM ’15. “Dengan DAS, mereka tidak perlu melakukan hal tersebut.”
Watershed digunakan oleh tim peneliti besar dan kecil di seluruh industri dan akademisi untuk mendorong penemuan dan pengambilan keputusan. Ketika teknik analitik canggih baru dijelaskan dalam jurnal ilmiah, teknik tersebut dapat segera ditambahkan ke platform Watershed sebagai templat, menjadikan alat mutakhir lebih mudah diakses dan kolaboratif bagi peneliti dari semua latar belakang.
“Data dalam biologi berkembang secara eksponensial, dan teknologi pengurutan yang menghasilkan data ini semakin baik dan murah,” kata Wang. “Berasal dari MIT, masalah ini benar-benar ada di benak saya: Ini adalah masalah teknis yang sulit. Ini juga merupakan masalah yang berarti karena orang-orang ini bekerja untuk mengobati penyakit. Mereka tahu bahwa semua data ini memiliki nilai, namun mereka kesulitan untuk menggunakannya. Kami ingin membantu mereka mendapatkan lebih banyak wawasan dengan lebih cepat.”
Tidak ada penemuan kode
Wang diperkirakan akan mengambil jurusan biologi di MIT, namun ia segera tertarik dengan kemungkinan membangun solusi yang dapat menjangkau jutaan orang dengan ilmu komputer. Ia akhirnya mendapatkan gelar sarjana dan magister dari Departemen Teknik Elektro dan Ilmu Komputer (EECS). Wang juga magang di laboratorium biologi di MIT, di mana dia terkejut betapa lambat dan padat karya eksperimennya.
“Saya melihat perbedaan antara biologi dan ilmu komputer, di mana Anda memiliki lingkungan yang dinamis [in computer science] yang memungkinkan Anda mendapatkan masukan dengan segera, “kata Wang. “Bahkan sebagai satu orang yang menulis kode, Anda memiliki banyak hal untuk dimainkan.”
Saat mengerjakan pembelajaran mesin dan komputasi kinerja tinggi di MIT, Wang juga ikut mendirikan perusahaan perdagangan frekuensi tinggi dengan beberapa teman sekelasnya. Timnya merekrut peneliti dengan latar belakang PhD di bidang matematika dan fisika untuk mengembangkan strategi perdagangan baru, namun mereka segera melihat hambatan dalam prosesnya.
“Segala sesuatunya berjalan lambat karena para peneliti terbiasa membuat prototipe,” kata Wang. “Ini adalah perkiraan kecil dari model yang bisa mereka jalankan secara lokal di mesin mereka. Untuk memasukkan pendekatan tersebut ke dalam produksi, mereka membutuhkan insinyur untuk membuatnya bekerja dengan cara throughput yang tinggi pada cluster komputasi. Namun para insinyur tidak memahami sifat dari penelitian ini, jadi ada banyak bolak-balik. Ini berarti ide-ide yang Anda pikir bisa diimplementasikan dalam sehari membutuhkan waktu berminggu-minggu.”
Untuk mengatasi masalah ini, 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 sudah menjadi murah dan ada di mana-mana.
“Hambatannya tidak lagi terjadi secara berurutan, 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. Para ahli biologi sedang menunggu ilmuwan data dan ahli bioinformatika untuk membantu mereka, namun orang-orang tersebut tidak selalu memahami biologi pada tingkat yang cukup mendalam.”
Situasinya tampak familier bagi Wang.
“Persis seperti apa yang kita lihat di bidang keuangan, di mana para peneliti mencoba bekerja dengan para insinyur, namun para insinyur tidak pernah sepenuhnya memahaminya, dan terdapat ketidakefisienan dengan orang-orang yang menunggu para insinyur,” kata Wang. “Sementara itu, saya mengetahui bahwa para ahli biologi sangat ingin melakukan eksperimen ini, namun terdapat kesenjangan yang begitu besar sehingga mereka merasa harus menjadi insinyur perangkat lunak atau hanya fokus pada sains.”
Wang secara resmi mendirikan Watershed pada tahun 2019 bersama dokter Mark Kalinich ’13, mantan teman sekelasnya di MIT yang tidak lagi terlibat dalam operasional perusahaan sehari-hari.
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 memerlukan kumpulan data yang besar, dan ada cara baru untuk menganalisis data yang dipublikasikan di jurnal ilmiah setiap saat.
Saat ini, perusahaan dapat menjalankan analisis skala besar pada Watershed tanpa harus menyiapkan server atau akun komputasi awan mereka sendiri. Peneliti dapat menggunakan templat siap pakai yang dapat digunakan dengan semua tipe data paling umum untuk mempercepat pekerjaan mereka. Alat populer berbasis AI seperti AlphaFold dan Geneformer juga tersedia, dan platform Watershed memudahkan berbagi alur kerja dan menggali hasil lebih dalam.
“Platform ini mencapai titik terbaik dalam hal kegunaan dan penyesuaian bagi orang-orang dari semua latar belakang,” kata Wang. “Tidak ada sains yang benar-benar sama. Saya menghindari kata produk karena itu berarti Anda menerapkan sesuatu dan kemudian menjalankannya dalam skala besar selamanya. Penelitian tidak seperti itu. Penelitian adalah tentang menghasilkan sebuah ide, mengujinya, dan menggunakan hasilnya untuk menghasilkan ide lain. Semakin cepat Anda merancang, menerapkan, dan melaksanakan eksperimen, semakin cepat Anda dapat melanjutkan ke eksperimen berikutnya.”
Mempercepat biologi
Wang yakin Watershed membantu para ahli biologi mengikuti kemajuan terkini dalam biologi dan mempercepat penemuan ilmiah dalam prosesnya.
“Jika Anda dapat membantu para ilmuwan membuka wawasan tidak hanya sedikit lebih cepat, namun 10 atau 20 kali lebih cepat, hal ini akan benar-benar membuat perbedaan,” kata Wang.
Watershed digunakan oleh para peneliti di dunia akademis dan perusahaan dari semua ukuran. Para eksekutif di perusahaan bioteknologi dan farmasi juga menggunakan Watershed untuk mengambil keputusan mengenai eksperimen baru dan kandidat obat.
“Kami telah melihat keberhasilan di semua bidang tersebut, dan benang merahnya adalah orang-orang memahami penelitian namun tidak ahli dalam ilmu komputer atau rekayasa perangkat lunak,” kata Wang. “Sangat menyenangkan melihat industri ini berkembang. Bagi saya, merupakan hal yang luar biasa bagi MIT untuk kembali ke Kendall Square, tempat Watershed berada. Di sinilah banyak kemajuan mutakhir terjadi. Kami mencoba melakukan bagian kami untuk memungkinkan masa depan biologi.”
