(2/2)

*➡️ *Якщо ви студент, має сенс почитати та вивчити чим відрізняються технології: sequencing by synthesis (Illumina), single-molecule real-time sequencing (PacBio), nanopore sequencing (Oxford Nanopore). Вивчіть, коли яку краще застосовувати.

*➡️ *Якщо ви практикуючий лікар, то перечитайте, чи ваші гайдлайни не почали радити секвенування панелей замість нескінченних ПЛР для пошуку патогенних варіантів. Коли я працював в інтернатурі це вже було в окремих гайдлайнах ESMO та медико-генетичних рекомендаціях. Думаю, зараз секвенування включено до значно більшої кількості рекомендацій, особливо щодо вибору терапії в онкології.
*➡️ *Якщо ви вчений або завлаб, то оцініть інвентар. Піросеквенатори, технології на чипах, секвенатори Ion Torrent - якщо ви плануєте використовувати щось з цього у перспективі, цілком можливо, що має більший сенс здати це в музей і користуватися більш сучасними підходами (бо в дослідницьких грантах нам "технологічної знижки" не робитимуть, а гранти такі нам від ЄС отримувати потрібно). Окрім як якщо ви маєте нішеве застосування та знаєте, що робите: наприклад, ДНК-чіпи досі є цілком ОК для copy number variation. Але тоді й цей допис вам не потрібен. Також прийміть те, що хоча Illumina з короткими прочитаннями й досі є королем в більшості застосувань, якщо ви не плануєте, щоб ваш секвенатор Illumina працював майже постійно з повним навантаженням зразками - скоріш за все, дешевше вам буде з кимось скооперуватися замість того, щоб купляти новий девайс (чомусь особливо цім грішать українські університети; в моїй Alma mater ОНМедУ секвенатор, напевно, так досі й стоїть як в музеї, щоб показувати студентам. Нам на усю країну вистачить декількох facilities з секвенування, чесно).

tldr; не секвенування нового покоління, а масове паралельне секвенування. Не друге-третє покоління, а sequencing by synthesis/nanopore/single-molecule real-time sequencing, залежно від мети.

Після розуміння різниці в технологіях секвенування і порівняння цін може прийти думка, що треба секвенувати в китайської BGI. Я б подумав ще раз.

(1/2) ? Секвенування: нового покоління, або не дуже?

Привіт. В Україні сьогодні є компанії та лабораторії, які роблять секвенування матеріалу і для клінічних, і для дослідницьких потреб. Ви знаєте майже усе, що необхідно, якщо ви хоч раз читали наукову статтю з використанням масового паралельного секвенування ДНК (наприклад, для пошуку нових мутацій при певній хворобі, для оцінки ризиків або прогнозу стосовно окремих злоякісних пухлин тощо) або РНК (для оцінки експресії генів з певної тканини або навіть окремих клітин). Іноді це за звичкою або для маркетингу досі називають "секвенуванням нового покоління / NGS". Про це і напишу. Але спочатку екскурс в історію.

*▶️*Перші. Коли Україна ще була зовсім молодою державою, а Проєкт геному людини лише розпочався, в ходу було секвенування за методом Сангера - ним перший геном і секвенували. Це повільний та відносно дорогий метод, і сьогодні використовується хіба для невеликих послідовностей на кшталт вірусів, або при генотипуванні (що набагато розумніше, ніж робити nцять+ ПЛР проти одного гену у сподіваннях, що один з праймерів буде тим самим. Українські лабораторії, не робіть так, будь ласка). Для людей з пристрастю до упорядкування усього це традиційно називалося "перше покоління".

*▶️*▶️* *Другі. Відповідно, коли з'явилися методи, які дозволяли робити те ж саме, але для мільйонів+ нуклеотидів ДНК/РНК за раз, та ще й набагато дешевше, усіх це вразило настільки, що це назвали "секвенуванням нового покоління". Тоді на дворі був початок 2000-х, інвесторам і усім іншим назва сподобалася, так що "друге покоління" прийшло саме під таким лейблом. Було багато різних спроб це продати світу, але важливо знати про дві компанії: Thermo Fisher та Illumina. Сьогодні Illumina займає чи не 80% долі ринку. Те, що об'єднувало "друге" покоління - так звані короткі прочитання. Річ у тому, що в процесі підготування зразка, нуклеїнові кислоти дробляться на багато фрагментів певної довжини, а потім комп'ютерні чарівники збирають з них назад гени вже аналізуючі дані.

*▶️*▶️*▶️ *Треті. З часом люди придумали, як секвенувати ДНК/РНК так, щоб не треба було їх дробити на фрагменти. З "третього покоління" варто знати Pacific Biosciences та Oxford Nanopore. Поки що займають разом десь до 10% ринку, але за методами стоїть гарна наука, підхід дозволяє аналізувати цікаві речі, недоступні іншими методами (альтернативний сплайсинг, трохи епігенетики тощо). Скоріше за все, розвиватимуться і далі.

А тепер страшне: усе це "секвенування нового покоління", "перша-друга-третя" генерація більше не мають жодного значення. Мало того, що термін про нове покоління за майже 20 років безнадійно застарів, так ще і розділення на покоління має мало сенсу, бо в межах них компанії використовують різні технології. Технічно правильно називати усе це "масовим паралельним секвенуванням", а далі вставляти назву конкретної технології.

Я запостив коротку гілку в Threads для не-науковців, а потім подумав, що комусь з вас це також може бути цікавим. Тож, копіюю: декілька речей про біомедичні дослідження, які можуть бути цікавими не-науковцям.

1. Наука цікавіша, ніж це здається в школі. В нашій сфері це можливість вперше описати якусь хворобу, знайти біомаркери, нові препарати та молекулярні цілі для них тощо.

2. Не усі науковці працюють в інститутах. Кар'єрні можливості можна розділити приблизно так: а) академія, б) індустрія, в) інше.

а) Університети, інститути. Тут вчені працюють в лабораторіях, іноді разом з викладанням. Працюють над питаннями будь-якого ступеня практичності: від "а як крутиться цей білок в 3д-просторі?" до "ось рідкісна хвороба, давайте знайдемо як її лікувати". Ефективність вимірюється в залучених грантах, високоякісних статтях та, іноді, комерціалізації розробок.

б) Бігфарма, смолфарма, біотех, стартапи. Можуть або працювати за напрямом продукту компанії (наприклад, доклінічні дослідження, розробка нових сполук), або в R&D, яке схоже на роботу в академії, але за фокусом компанії. Ефективність на рівні індивідуального/командного перформансу. Статті добре, але вже не так важливо. В менеджменті часто також працюють вчені після додаткової освіти.

в) громадські організації, уряд, консалтінг тощо. Тут в мене інсайдів майже нема, але більш досвідчені колеги, які пізнали дзен, кажуть, що класний напрям - а в консалтингу ще і компенсації приємні.

3) Щодо компенсації - залежить від країни. В академії в ЄС комфортно майже в будь-якій країні, в США - залежить від гранту, бо може варіюватися між ~$45k та ~$90k+ на кар'єрному рівні після PhD. Але ці гроші в Цинциннаті та в Бостоні відчуваються зовсім по-різному. В індустрії і в Україні нерідко достойні компенсації.

4) Не всі люди тут працюють за фахом. Разом зі мною працює математик, який вивчає лейкемії, а раніше з нами був інженер, який розробляв роботизовані системи для хімічних лабораторій. Знайомий хімік зараз працює з культурами клітин. Майже будь-чому можна навчитися на етапі PhD, тож має сенс займатися тим, що подобається. (ред. - я взагалі лікар за освітою, тому коли колеги обговорюють якісь конформації хроматину в спеціально-згенерованих клітинах, мій вираз обличчя буквально: WTF? Але це нормально, в науці важливо навчитися казати "я цього не знаю").

5) В країнах, які розвиваються, вчений - це часто не про фах, а чи не почесний титул. При цьому, не зважаючи високі титули, об'єктивні метрики в таких людей можуть бути близькими до нуля. В Україні ми це ще не побороли.

6) До речі, про метрики. Як визначитися, кому в академії дати грант, а кому ні? Серед іншого, впливає кількість статей в кращих світових журналах та те, наскільки вчених цитують в статтях інші вчені. Власне, тому якщо робота не опублікована англійською мовою - то її майже не існує, за ду-у-уже рідкісним виключенням (наприклад, аж один хімічний журнал). Метрики не ідеальні, бо їх намагаються хакати, але це краще, що є.

7) Для українського випускника типовий шлях виглядає так: бакалавр - магістратура - PhD - постдок - далі як пощастить, аж до професорської позиції. Або бакалавр - магістратура - (опціонально PhD) - індустрія. При цьому життєво необхідно змінити багато країн під час навчання/роботи, вчений, який усе життя провів в одному місці, апріорі має "слабке" CV для будь-якого роботодавця.

8) Наука не внєполітікі, бо, глобально, національні та надурядові бюджети - джерелою номер один в академії. Але деякі вчені думають, що вони поза політикою. Наївні, завжди дуже весело питати, а звідки, вони думають, формується їх зарплатня.

9) Кар'єру цю обирати варто, бо вчені будуть потрібні завжди. Але не варто зациклюватися лише на академії. Життя чудове та повне можливостей і за межами лабораторії в інституті.

У квітні відбудеться захід Data Science School від Київського академічного університету. Там в мене буде дві невеличкі доповіді за темами останніх статей: одна щодо застосування машинного навчання на біомедичних даних пацієнтів, інша - стосовно використання на великих біологічних даних.

Що в першому, що в другому випадку, це - щось, що можна успішно використати в Україні або на опублікованих експериментальних даних, або завдяки спроможностям ведучих медичних центрів рекрутувати великі когорти пацієнтів у дослідження.

На заході буде багато цікавих тем. Тож, якщо вам цікаве машинне навчання, запрошую вас реєструватися; зробити це та почитати програму можна до 23:59 10-го квітня за посиланням: КАУ

Якщо ви шукаєте PhD позицію, то ділюся: щойно відкрився щорічний набір на нашу програму в CeMM (Research Center for Molecular Medicine of the Austrian Academy of Sciences, Відень, Австрія). Ця можливість цікава ще й тим, що усі проєкти мультидисциплінарні, тому на нашу PhD за напрямом молекулярної медицини можуть подаватися люди з медичною освітою, біологи, хіміки, математики, біоінформатики та інші.

Окрім того, що тут працюють групи, які публікуються в Cell-Nature-Science, наші PhD студенти зможуть працювати з майже будь-якою сучасною методологією, бо ми знаходимося в одному з кращих кампусів в Австрії. Спільнота в кампусі інклюзивна та дружня, а ще тут працює багато українців і є принципова позиція інституту щодо рекрутингу з країн-спонсорів тероризму.

Заявки кандидатів подаються не в певну лабу, а в загальний пул, а після відбору у кандидатів буде можливість поспілкуватися з різними PI та знайти собі лабораторію з найбільшим збігом інтересів. Я поки що не знаю про інші лаби, але в нас (Prof. Reiberger) є бажання найняти на наступний рік кандидата з сильною зацікавленістю в дослідженні хвороб печінки, знаннями в біоінформатиці (RNA-seq, протеоміка, single-cell, spatial transcriptomics - щось з цього) та/або клітинних + in vivo дослідженнях. Тож якщо це ви, подавайтеся на програму. На старті є гарна інтенсивна підготовка нових PhD студентів, тож тому, чого не знаєте, можна буде довчитися.

Податися можна за лінком, приймаються заявки до 23-го січня, а запланований початок PhD програми у вересні 2024-го.