Informatikk i biologisk forskning
Eksperimenter som benyttes i biologisk forskning produserer store datasett, og ved hjelp av bioinformatiske metoder kan vi enkelt analysere og tolke den store mengden data. Uten slike metoder hadde det vært svært vanskelig og særlig tidskrevende å systematisere de enorme datasett. Feltet bioinformatikk er forholdsvis nytt og er under stadig utvikling, og betydelige teknologisk fremskritt har ført til en økende etterspørsel for bruk av slike metoder i biologisk forskning.
Tusen parametere å holde styr på
Diatec Monoklonals som jeg jobber hos er et selskap som fokuserer i å produsere og levere monoklonale antistoffer. For å kunne produsere antistoffer i storskala og for å kunne gi best mulig kostnadseffektivitet, må produksjonsprosessen være rask og effektiv.
Den enorme mengden antistoffer produseres i et system som kalles AcuSyst-Xcellerator. Enkelt forklart bruker systemet levende celler til å produsere antistoffer, og for at dette skal være mulig er cellene avhengige av tilførsel av essensielle næringsstoffer i tillegg til et gunstig medium å leve i. For eksempel er cellene avhengig av tilførsel av oksygen for å kunne utføre de livsnødvendige metabolske prosesser. I tillegg, for at cellene skal fungere optimalt, må omgivelsene stabiliseres på en nøytral pH, og pH i systemet er igjen regulert av CO2-nivået. Det finnes mange flere parametere som er med på å påvirke antistoffproduksjon, og disse er bare noen få eksempler.
Både enhver parameter for seg selv og samspillet mellom de forskjellige parameterne bestemmer den totale effektiviteten av produksjonen. Ved å bare justere bitte litt på en av parameterne, kan effektiviteten endre seg dramatisk. Det er derfor viktig at produksjonsprosessen er nøye regulert, og selv et lite avvik kan føre til at hele produksjonen må start om igjen, noe som er ekstremt kostbart.
Bioinformatikk bidrar til produksjonen
For å skjønne hvordan de ulike parameterne påvirker antistoffproduksjonen, har jeg valgt å analysere og studere tidligere produksjonsdata. Underveis i produksjonen genereres det store mengder data som er lagret i svært store log-filer. Ved å se på disse produksjonsdata, sammenligne data fra flere produksjoner, og sammenstille de ulike parameterne mot hverandre, kan jeg oppnå kunnskap som kan være med på å forbedre produksjonseffektiviteten. Alle disse prosessene krever bruk av bioinformatikk, uten det hadde det vært nesten umulig å gå gjennom de store log-filene for hånd.
Det finnes mange bioinformatisk metoder som enkelt og raskt kan analysere produksjonsdata. Det jeg har gjort er å bruke Python til å ekstrahere data fra de store log-filene og deretter fremstille dataene grafisk. Denne visuelle måten å fremstille produksjonsdata på gjør at jeg til enhver tid kan følge med på produksjonsforløpet og lett gjenkjenne avvik og dermed raskt kunne gjøre en endring. I tillegg, ved å visuelt sammenligne flere produksjonsdata kan jeg fort se sammenhengen mellom de ulike parameterne og mengden antistoffer som er produsert, og dermed kan jeg gjøre en vurdering og justering i parameterne for å oppnå best mulig resultat for fremtidige produksjoner.
Bioinformatikk – nyttig i fremtiden
Bioinformatikk hører kanskje ukjent ut for mange, selv for de som studerer biologi. For meg er også bioinformatikk svært nytt, men jeg kan se nytten av det i mange sammenhenger. Alt det jeg lærer nå vil jeg tro er en stor fordel for min fremtidige forskning innen biologi.
