Взвесить белки, чтобы понять болезнь

Наставник определяет, чем ты будешь заниматься

В начале научной карьеры наставник решает очень многое. Можно быть очень способным человеком, но если ты попадешь в слабую тему, неинтересную задачу или команду без развития, результат будет гораздо меньше. Поэтому студенту важно не только выбрать направление, но и найти руководителя, которому доверяешь.

Мой научный руководитель задал тренд нашей лаборатории: переход к анализу данных, алгоритмам, машинному обучению и новым методам в протеомике. Я до сих пор в его команде, продолжаю перенимать подходы и развивать то, что когда-то началось как студенческий выбор.

В науке наставник даёт не только тему. Он показывает способ думать, выбирать задачи, писать статьи, смотреть на результаты, строить картинки, объяснять сложные вещи и удерживать высокий уровень работы.

Что такое протеомика

Я занимаюсь протеомикой — областью, где мы изучаем белки в биологических образцах. Белки можно в некотором смысле «взвешивать»: мы анализируем образцы, пытаемся понять, какие белки там есть, как меняется их состав, соотношение и поведение в разных условиях.

Эта область находится на стыке всего сразу: биологии, химии, физики, математики и информатики. Моё исходное образование — физика и прикладная математика, но в протеомике невозможно сказать, что ты работаешь только в одной дисциплине. Все переплетено: приборы, данные, алгоритмы, биологическая интерпретация, медицинский вопрос.

Последние 15 лет основные улучшения в нашей области связаны не только с тем, что приборы становятся лучше. Очень многое держится на алгоритмах. Если ты умеешь иначе обрабатывать данные, ты можешь получить новый результат даже на тех же биологических образцах.

DirectMS1: упростить путь к белкам

Один из главных проектов, который я развиваю уже почти десять лет, связан с методом DirectMS1. Его смысл — анализировать белки без использования фрагментации, то есть упростить работу с масс-спектрометрическими данными и предложить другой путь там, где классические подходы имеют свои ограничения.

Это не значит, что наш метод должен заменить все существующие методы. В науке так почти не бывает. У каждого подхода есть плюсы, минусы и область применения. Но если ты предлагаешь принципиально другой способ, у тебя появляется шанс открыть новую нишу и решить задачи, которые раньше были слишком трудными или слишком дорогими.

Для меня этот проект важен ещё и потому, что он методический. Он меняет не только один эксперимент, а сам способ смотреть на данные. Первые публикации по этой линии появились ещё в 2017–2018 годах, и работа продолжается: появляются новые улучшения, новые гранты, новые задачи и новые области применения.

Как белки помогают искать лекарственные мишени

В протеомике много проектов связано с медициной. Например, есть группы, которые разрабатывают онколитические вирусы — подходы, где вирусы помогают бороться с раковыми клетками. Наша область помогает понять, почему одни раковые клетки умирают от такого воздействия, а другие нет.

Есть химическая протеомика, где можно смотреть, к каким белкам присоединяются химические вещества. Это очень важно для поиска прямых мишеней лекарств: не просто увидеть эффект, а понять, куда именно села молекула и с каким белком она взаимодействует в первую очередь.

Так наука о данных превращается в очень прикладную историю: от физики и математики — к биологии, от алгоритма — к образцу, от образца — к пониманию болезни, а дальше потенциально к новым методам лечения.

Команда из разных языков науки

Наша группа уже довольно большая — около 15 человек. Внутри есть микрокоманды, и это правильно: кто-то больше занимается биоинформатикой, кто-то экспериментами, кто-то обработкой данных, кто-то биологической интерпретацией. Даже если у людей похожее образование, со временем роли все равно разделяются.

В междисциплинарной науке нельзя собрать всех одинаковых. Нужно, чтобы люди усиливали друг друга. Физики, математики, биологи, медики, программисты — каждый видит свой слой задачи. Если команда собрана правильно, она понимает не только свою часть, но и то, как эта часть связана с общим результатом.

ИИ, нейросети и научная честность

Я пользуюсь современными инструментами и вижу, что студенты используют нейросети: кто-то для кода, кто-то для текстов, кто-то для поиска. Это уже часть реальности. Но критически относиться к информации нужно было и до нейросетей. Даже в научной литературе по одному вопросу могут быть статьи, которые говорят противоположные вещи, и нужно разбираться, почему так происходит.

Главный навык — не получить быстрый ответ, а отфильтровать важное от неважного. Понять, где достоверный результат, где слабая статья, где красивый текст без главной мысли, где нейросеть помогла, а где она добавила воду и имитацию понимания.

Научная статья должна быть собрана так, чтобы каждая мысль была на месте. Хорошие картинки тоже важны: иногда человек читает абстракт, пролистывает рисунки и только потом решает, будет ли разбираться глубже. Поэтому научная коммуникация — это не украшение, а часть результата.

Учёный никогда не перестает учиться

Для меня учёный — это человек, который постоянно учится. Если ты остановился, перестал развивать новые навыки, перестал изучать инструменты и методы, ты начинаешь отставать. В современной науке все меняется слишком быстро: алгоритмы, приборы, подходы, смежные области.

Интерес ко всему новому и желание это изучать — не дополнительное качество, а суть профессии. Особенно в области, где физика, математика, биология и машинное обучение стоят рядом. Сегодня ты изучаешь один метод, завтра появляется другой, послезавтра его уже используют конкуренты.

Наука сегодня не про голодного учёного

Мне кажется, старый образ «голодного учёного» уже не очень соответствует реальности. Сегодня в науке можно работать, получать поддержку, гранты, премии, участвовать в сильных проектах. Конечно, проблемы остаются, но если сравнивать с тем, что часто представляли о научной профессии раньше, сейчас для исследований очень хорошее время.

Популяризация здесь важна не меньше, чем финансирование. Когда школьники и студенты видят реальных учёных, реальные лаборатории, реальные задачи, у них появляется понимание, что наука — это не скучная абстракция, а нормальная современная профессия, где можно делать важные вещи.

Перезагрузка: теннис, картинг, сноуборд и старые игры

После работы важно переключаться. Мозг все равно продолжает где-то фоном думать о задачах, но внимание нужно переносить на другое. Полтора года назад я начал учиться играть в большой теннис. Это хорошая физическая нагрузка, но при этом само занятие достаточно интересное, чтобы не надоесть.

Я люблю сноуборд, картинг, скорость, движение. Иногда хочется просто переключиться на компьютерные игры, вернуться к старым историям вроде Gothic или Morrowind. Это тоже способ разгрузить голову. Наука — длинная дистанция, и если не давать себе смену режима, можно быстро потерять энергию.