9. marts 2020

Novo støtter studerendes speciale, der kan gøre medicinudvikling nemmere

Scholarship

Bedre medicin og mere effektive rengøringsmidler kan i sidste ende være resultatet af Victor og Emils specialeprojekt, som Novo Nordisk og Novozymes sammen støtter med 84.000 kroner.

Billede af Emil og Victor
Victor Nordam Suadicani og Emil Petersen har brugt deres Novo-mentorer til bedre at forstå proteinernes verden..

Som de eneste datalogere fik Emil Petersen og Victor Nordam Suadicani i år et Novo Scholarship, der ellers primært gik til studerende inden for traditionelle naturvidenskabelige områder, som kemi og biologi.

Med Novo-stipendiet følger en månedlig pengepose på 7.000 kroner til hver af de studerende under deres specialeskrivning fra Novo Nordisk og Novozymes. Og det er penge, der gør en stor forskel for de to datalogistuderende:

- Det har givet os mulighed for at droppe vores studiejobs og fokusere fuldt ud på, at gøre vores speciale så godt som muligt. Det er meget fedt og betyder, at vi kan nå det længere, siger Victor Nordam Suadicani.

Med specialet forsøger de to studerende at bruge machine learning til at analysere sekvenser i proteiner, der blandt andet bruges i medicin og vaskepulver. Og da den biologiske verden er helt ny for de to dataloger, så er de taknemlige for, at stipendiet også giver adgang til tre mentorer hos Novo-koncernen:

- Vi er gode til modellering og data, så vi er jo lidt på udebane her. Heldigvis fylder mentorerne de huller, vi har i vores viden om proteiner og biologi, og så er de meget nyttige til at hjælpe os med at se, hvor det her kan bruges ude i virkeligheden, siger Emil Petersen.

Sparer penge og tid

Et protein kan bestå af en kombination af tusindvis af aminosyrer. Skal en laborant gennemgå et proteins egenskaber manuelt, bliver det derfor hurtigt en kostbar affære. Emil og Victor arbejder i deres speciale med at gøre den proces nemmere. Med machine learning opstiller de en computermodel, der erstatter laborantens arbejde og koger alle proteinerne ned til en mere simpel og håndgribelig størrelse, der fanger deres vigtigste egenskaber.

- Når vi kigger på en ny bil, så præsenteres vi også kun for nøje udvalgte specifikationer og ignorerer resten. Det gør processen med at vælge den passende bil mere overskuelig, når vi kun skal forholde os til vigtige parametre som motorkraft, topfart og farve. Samme overskuelighed prøver vi med vores computermodel at opstille for de mere end 38 millioner proteiner, som vi har kigget på indtil videre, siger Emil Petersen.

Ikke alene kan de to studerendes model gøre det lettere for blandt andet medicinalvirksomheder at overskue den uendelige verden af proteiner. En god model ville kunne gøre det meget lettere at udvikle bedre medicin.

- Med en computermodel, som den vi forsøger at lave, kan laboratorierne lave en rimelig god forudsigelse af, hvor gode egenskaber proteinet vil have, inden de bruger en masse penge på at lave det. Man vil simpelthen mere kvalificeret kunne sige, om man skal forsøge sig med et protein frem for andre og spare penge og tid, siger Victor Nordam Suadicani.

Og lige netop disse kompetencer er noget som Novo-virksomhederne har stærkt brug for, ifølge Rasmus Nielsen, leder af Novo Scholarship-programmet:

- Vi går en fremtid i møde, hvor der ikke kun er brug for folk, der kan noget med pipetter. Machine learning, kunstig intelligens, automatisering, computational simulation og så videre vil i højere og højere grad blive en naturlig del af hverdagen. Særligt i forskningstunge virksomheder.

Flere proteiner i fremtiden


Specialets vejleder, der er lektor med fokus på machine learning på Datalogisk Institut, Wouter Boomsma, ser også et stort fremtidigt potentiale i dette forskningsfelt: 

- Machine learning metoder gør det muligt at angribe grundlæggende problemer i naturvidenskaben på nye måder. Dette kan nogen gange føre til ret spektakulære forbedringer i forhold til eksisterende metoder. I min gruppe arbejder vi med machine learning til at indfange essentielle egenskaber af proteiner. Udover at bidrage til vores grundvidenskabelige forståelse af proteiner, ser vi også stor interesse fra virksomheder som Novo Nordisk og Novozymes i den slags modeller. Det er rigtig fedt, fordi det gør vejen til forskning endnu kortere for studerende som Emil og Victor.

Om tre måneder skal de to studerende på udkig efter deres første rigtige job, når specialet er afleveret. Og samarbejdet med Novo-koncernen har givet de to studerende mere blod på tanden i forhold til de mere klassiske naturfag. Går specialet godt, kunne de sagtens forestille sig, at virksomheder som Novo Nordisk og Novozymes vil være deres rette match:

- Indtil videre har jeg været rigtig glad for det indtryk, jeg har fået af Novo, og de mennesker der er der. De er virkelig interessante, siger Emil Petersen, mens Victor Nordam Suadicani tilføjer:

- De er teoretisk rigtig skarpe. De er dybt inde i den teori, vi bruger.

Som afslutning på projektet, skal Emil og Victor fremlægge deres resultater for de to Novo-virksomheder.