Как я работал с компанией из Новой Зеландии

Еще одним каналом продаж была площадка для фрилансеров Upwork (www.upwork.com). Как оказалось, там тусуется много стартапов и маленьких компаний со всего мира в поисках биоинформатиков. Мне повезло найти там клиента из Новой Зеландии. Основанная кардиологом, компания занимается генетическим тестированием на предрасположенность к сердечно-сосудистым заболеваниям. Они берут ДНК у своих клиентов и отправляют в лабораторию для генотипирования. Далее, оцифрованную ДНК нужно проанализировать и рассчитать риск развития заболевания. Моя задача была разработать пайплайн (программу), которая принимает на вход данные из лаборатории и рассчитывает риск.
Мы заключили контракт через университет Окленда и в течении месяца работа была выполнена. Приведу немного технических деталей для тех кому интересно. Программу написал на Питоне. Данные принимались в формате Axiom, vcf либо 23andme, чистились, импутировались на панели 1000G. Далее, риск рассчитывался как взвешенное среднее индивидуальных мутаций. Веса брались из файла или открытой базы данных Pgscatalog (https://www.pgscatalog.org/). Качество импутаций проверялось автоматически через маскирования части генотипов (конкордность получалось что-то около 98%). Пакет ставился автоматически и конфигурировался пользователем через около тридцати настроек.

Клиенту (назовем его господин Х) так все понравилось, что мы проработали еще и над другими проектами. Х был интересным и общительный чуваком. Настоящий предприниматель! Много чего обсуждали с ним, что напрямую не касалось наших проектов. Как-то он рассказал одну интересную историю, которая произошла в Новой Зеландии в 1985.

В то время Франция проводила испытания атомного оружия недалеко от берегов Новой Зеландии. Многие новозеландцы были этим недовольны и решили организовать акцию протеста. Идея была в том, чтобы собрать небольшой флот из частных яхт и во главе с флагманом Rainbow Warrior (траулер 40 метров в длину) выдвинуться к месту испытания, чтобы помешать их проведению. Однако, незадолго до выхода в море, кадровые офицеры агентства внешней разведки Франции заминировали и взорвали Rainbow Warrior прямо в порту Окленда. Траулер затонул а капитан погиб. Троим из агентов удалось бежать в Австралию, пересесть там на Французскую субмарину и вернуться домой. Двое были пойманы новозеландской полицией, осуждены и отправлены в тюрьму. Франция долго отказывалась признавать свою причастность. Даже наложила торговые санкции на Новую Зеландию. Однако в начале 90х все признала, извинилась и выплатила компенсацию. Примечательно то, что операция по подрыву Rainbow Warrior не была каким-то недоразумением или недопонимание, а была санкционирована директором главного управления внешней безопасности Франции. Вот такая занятная история про международные отношения👨‍💻.

Еще про LinkedIn

Здесь немного деталей как искал клиентов на LinkedIn. Текст запроса выглядел как емайл размером <400 символов. Вставлял ключевые слова из своего резюме, например: GWAS, linkage analysis, imputation, breeding value, BLUP, variant discovery, PRS и тд. На чтение тратят не больше 3 секунд, поэтому нужно дать что-то, что зацепит. Тексты постоянно менял и смотрел как меняется конверсия. Статистика за последний год (скриншот на картинке) показывает, что послано 14 000 приглашений, 30% приняли запрос на добавление а с 12% мы вели переписку. Где-то 1-3% обвинили меня в спамерстве. Примерно столько же были удивлены моим своевременным запросом и рассказывали, что недавно на совещании обсуждали возможность отдать на аутсорс часть своих задача такому человеку как я. Пытались узнать кто меня направил к ним и не верили, что наша с встреча - чистая случайность. Сейчас в linkedin более 6000 контактов всяких CEO и фаундеров. Пообщался с какими-то совершенно экстраординарными личностями среди которых отставные генералы, профессора, большие чиновники и бизнесмены.

Сначала я активно готовился к созвону с клиентом, узнавал больше о компании, набрасывал вводную речь. Потом понял, что единственная цель звонка - это установить начальные доверительные отношения и вся эта возня с питчем по большому счету ни к чему. Правильный клиент уже все о тебе узнал из других источников. Сейчас ему нужно только понять, что ты - это тот, за которого себя выдаешь. На звонке я все-таки делаю небольшой питч для затравки: описываю недавние свои проекты, рассказываю про компании, с которыми работал. Дальше клиент уже сам задает вопросы.

Недавно мне написал CEO компании из Испании, которая делает генетические тесты. Ему нужен был алгоритм для определения происхождения человека по ДНК. Мы сделали ему прототип. Как оказалось, он был одним из первых контактов, которому я написал в LinkedIn три года назад. Я в то время еще даже не использовал робота и делал все вручную. Получается, что рассылка имеет долгоиграющий эффект.

Варианты текста запроса

Вариант 1:
Dear Guillermo,

Would like to offer my Bioinformatics/Scientific service for your ADNTRO startup. Can do various types of analysis and pipeline development in genomics for human and animal science (GWAS, linkage analysis, imputation, breeding value evaluation and many others). Please see my list of publications here: https://scholar.google.com/citations?user=alVW9AwAAAAJ&hl=en.

Would be glad to have a talk with you,
With Best Regards,
Maksim Struchalin

Вариант 2:
Dear Suraj,

I'd like to offer my service in the analysis of genomic data. 10+ years of experience, 30+ papers, variant discovery, PRS, imputation, etc..
I will remotely analyze your data and give back results and report without any substantial efforts from you.

More info on www.mstruch.com
M

Как известно, многие признаки (характеристики) человека такие как рост, ожирение или сердечно-сосудистые заболевания обусловлены генетическим факторами. Одна из ключевых метрик в генетике - это коэффициент наследуемости. Это величина пропорции дисперсии признака обусловленная генетическими факторами. Простыми словами - это величина вклада генетики в признак. Коэффициент равный нулю говорит о том, что за признак отвечают только факторы среды (такие как питание, физическая активность, экология, курение и многие другие) и на него можно влиять изменениями внешней среды. Коэффициент равный 100% говорит о том, что за признак отвечают только генетические факторы. Метаанализ 17 804 признаков и 2 748 научных публикаций опубликованные за последние полвека показал, что коэффициент наследуемости в среднем равен 49%. Таким образом, наше отличие друг от друга только на 50% обусловлено генетикой. Оставшиеся 50% обусловлены факторами среды.

Наша ДНК уже заложена в нас при рождении и мы не можем ее поменять. Однако, мы в состоянии контролировать наши персональный факторы окружающей среды. Через изменения диеты, уровня физической активность и других привычек мы можем влиять на многие наши признаки. И эффект от изменения средовых факторов сравним с эффектом ДНК.

В генетике есть такое понятие как “экспрессия” (активность) гена. Основная функция гена - это нести в себе информацию о том какой белок будет произведен. Высокая величина экспрессии говорит о большом количестве, а низкая - о малом количестве белка. Экспрессия зависит от многих факторов и среди них факторы окружающей среды. Например, известно, что экспрессия генов, контролирующих биологические ритмы, зависит от времени суток. А здесь показано, что физическая активность влияет на экспрессию гена ассоциированного с диабетом второго типа. Таким образом, активность генов возможно регулировать через изменения персональных факторов окружающей среды. Это означает, что, фактически, усилием воли (через изменения среды) мы можем включать или выключать наши гены (изменять активность).

Одним из самых широко применяемых методов для поиска мутаций, отвечающих за болезни и признаки - это “полногеномный анализ ассоциаций” (по английски “Genome-Wide Association Study” или GWAS). Идея метода заключается в том, чтобы мутации в геноме протестировать на наличие корреляции (ассоциации) с заболеванием или признаком. Например, допустим, мы хотим найти мутации отвечающие за рост человека. Для этого требуется собрать выборку из, например, 1000 человек (чем больше, тем лучше). Для каждого человека измеряем рост, возраст и записываем пол. Далее, необходимо собрать образцы крови и послать в лабораторию для оцифровки: секвенирования или генотипирования. Секвенирование - это определение всей последовательности генома. Слово “секвенирование” происходит от английского sequence - последовательность. После секвенирования, для человека вы получите около 5 млн мутаций. Секвенирование стоит дорого (~50 тыс. руб), поэтому применяют намного более дешевую технику - генотипирование на чипе (~5 тыс руб). С чипа вы получите 50 тыс мутаций, однако этого количества будет достаточно для GWAS из-за того, что близлежащие мутации скоррелированы и можно обойтись без них в эконом варианте. После того как получите все данные, можно протестировать каждую мутацию на наличие корреляции с ростом. В реальном анализе применяют немного более сложный метод под названием регрессионный анализ, в котором можно учитывать влияние пола и возраста человека (у женщин рост на пару см ниже). Однако, суть регресси - это тестирование на наличие корреляции.

GWAS - это статистический метод и, поэтому указывает на наличие ассоциации между мутацией и заболеванием с некоторой вероятностью, которая обозначается p-value. P-value - это вероятность того, что ассоциация, найденная в GWAS является ложной. Для генома человека принято считать наличие корреляции при p-value ниже 5⋅10-8. Обнаружение мутации с p-value ниже этого значения только лишь указывает на возможное наличие ассоциации и не в коем случае не говорит о том, что мутация действительно влияет на болезнь. Необходимо повторить это же исследование на другой выборке людей, другой исследовательской группой и на другом оборудовании, чтобы исключить влияние различных факторов. GWAS сейчас делается в рамках больших консорциумов куда входят десятки и сотни исследовательских групп со всего мира. Только в рамках консорциумов с суммарной выборкой в сотни тысяч индивидуумов можно получать валидные результаты. Самым большим GWAS на сегодня является анализ роста человека, где было проанализирована выборка размером 5.4 миллиона человек и найдено 12 111 ассоциированных мутаций.

Результаты анализа изображают на графике под названием “Manhattan plot” (рисунок выше). Манхэттен называется потому, что схож с видом на Манхэттен. По вертикальной оси изображено значение -log(p-value) для каждой мутации, по горизонтальной - номер хромосомы и физическая позиция мутации на ней. Логарифм на вертикальной оси используют для удобства, чтобы не париться с маленькими значениями p-value. Вместо p-vaule = 10-8 записываем одну цифру 8 ( -log(10-8) = 8 ). GWAS - это один из самых "плодовитых" методов на сегодня. С помощью него были найдены десятки тысяч новых мутаций отвечающие за сотни заболеваний и признаков.

Хочу поделиться приятной новостью. В журнале Биомолекула вышла моя статья про генетические тесты. Пару месяцев назад получил емайл в котором говорилось про конкурс в Биомолекуле. Взял свою статью с Хабра за 2021, переработал и послал в журнал. Очень благодарен редактору Надежде за большое количество правок и полезных советов, которые значительно улучшили текст 🙏.

В общей сложности я потратил на эту статью часов 80 своего времени. А к ее написанию меня сильно мотивировал один короткий звонок с представителем компании Генотек. В то время я только начинал искать заказчиков по биоинформатике и связался с основателем Генотека. С трудом нашел его емайл в какой-то биоинформатической базе данных куда он сабмител генетические маркеры, если правильно помню. Он вежливо перенаправил меня своему менеджеру Александру. Я созвонился с Александром и столкнулся с какой-то чрезмерной грубостью в свой адрес. За мою практику из почти 1000 холодных звонков этот был самый "холодный" 🥶. Я решил разобраться чем занимаются подобные компании и как они делают биоинформатику. Так появилась эта статья. Так что Александру тоже говорю спасибо 😁!

В статье (https://pubmed.ncbi.nlm.nih.gov/30642433/) за 2019 год в геномах 1 млн людей искали мутации отвечающие за продолжительность жизни с помощью метода GWAS про который писал выше. В этом исследовании нашли 12 мутаций. Наличие одной из этих мутаций в индивидуальном геноме увеличивает продолжительность жизни от 3 до 13 месяцев. Мутаций ассоциированные с дименцией, сердечно-сосудистыми заболеваниями и раком легких имеют наибольший вклад в продолжительность жизни из найденных 12 мутаций.
Если использовать в предсказании продолжительности жизни те мутации, которые не достигли статистического уровня значимости, то показано, что в среднем разница в продолжительности жизни у людей с “плохой” и “хорошей” генетикой достигает 5 лет. На рисунке к этому посту показан кривая выживания из этого исследования для людей с “плохой” и “хорошей” генетикой. Красная кривая - для женщин с хорошей генетикой, оранжевая - с плохой. Синяя кривая - для мужчин с хорошей генетикой, голубая - с плохой. Видим, что предсказанная разница в выживаемости может достигать 10% (для женщин 77 лет). Предсказанная разница в выживаемости для мужчин и для женщин возрастом 77 лет может достигать 30%. То есть, согласно результатам этого исследования, используя днк человека сразу после рождения можно предсказать разницу в выживаемости, достигающую 30%.

Про Голландию

С 2007 по 2017 я жил за границей. Сначала в Голландии делал кандидатскую а после - в Новой Зеландии работал в компании LIC. Многие, узнав про это, удивленно спрашивают почему я “вернулся назад” в Россию. Наверно, под сотню раз рассказывал уже. Много раз думал, что хорошо было бы написать книгу или хотя бы эссе про свои приключения, но всегда было лень :-). Напишу немного здесь. Для начала про Голландию.

Уехал я в Голландию когда мне было 25. Первые два-три года были великолепны! Сразу стали платить раз в пять больше по сравнению с тем, что было в Институте Ядерной Физики. Офис в самом красивом здании Роттердама на 22 этаже с потрясающим видом на город. Снимал трехкомнатную квартиру в 10 минутах до работы на велосипеде. С моим образованием в физике и знанием программирования и статистики я стал одним из самых востребованных аспирантов в лабе. Больше из-за того, что там преимущественно обитали медики. Иногда ко мне выстраивались очереди, чтобы получить консультацию. Даже ездил по приглашению в Австрию в University of Graz, читал курс по биоинформатике. Летал в Испании, всякие Лондоны и Кэмбриджы на научные школы и конференции. Меня направо и налево включали во всякие научные статьи. Везде звали на работу. Даже предложили контракт tenure track. Это профессорская позиция (почти). Все шло в гору и после защиты думал поехать прямо в Гарвард (на самом деле в Broad Institute, но этот почти тоже самое). Короче, сказка, а не жизнь!

продолжение...
Это была одна сторона медали. На другой стороне была работа буквально по 80-100 часов в неделю. Воскресенье - стабильно рабочий день. Иногда семидневная рабочая неделя. Руководители искусственно старались поддерживать в группе атмосферу постоянного соперничества а по факту - конфликта всех между всеми. Отношения в коллективе были как гремучий газ: малейшая искра и моментальный взрыв эмоций. Не прошло и месяца моей работы в Голландии, как мой сосед по офису - американец - в одно прекрасное утро повернулся ко мне и стал орать из-за того, что я каждое утро открываю шторы в офисе. В Голландию я приехал с почти нулевым разговорным английским, но в то утро я обнаружил, что могу быстро и доходчиво изъясняться на нем. Как-то после очередного совещания одна аспирантка не смогла больше сдерживать эмоций, вышла в туалет и с силой ударила руками по раковине, которая разлетелась вдребезги. Другая аспирантка на совещании буквально матами стала орать на руководительницу. У наших начальников было нормой дать задачу аспиранту, а после того как все сделано и научная статья уже готова, то отобрать проект. При мне был случай когда аспиранта просто не включили даже в соавторство. Как-то я самостоятельно написал грант в американскую компанию Nvidia: придумал проект, расписал план работ и получил оборудования на 12 тыс. долларов. Собирался делать работу, но через какое-то время ко мне подошла руководительница и сказала, что этим теперь будет заниматься другой человек. На самом деле я был не против. Однако сам факт, что вот так могут подойти и отобрать проект показывает отношение. Интересным приемом было загрузить аспиранта работой на столько, чтобы он не успел закончить диссертацию до конца своего контракта. После этого аспирант подается на социальное пособие от государства в 70% от зарплаты и работает еще один год совершенно бесплатно для лабы. У нас работал китаец, которого провели по примерно такой схеме, но без пособия. Он около года днем работал мусорщиком, а вечером делал кандидатскую.

Вот как-то так. Широкими мазками. Это было хоть и трудное, но крайне плодотворное время. Дальше напишу как кандидатскую защищал. На фото - здание института. Мой офис на предпоследнем этаже.

Про кандидатскую

С защитой кандидатской у меня ситуация была просто замечательной. Мой русскоговорящий научный руководитель уволился за год до окончания моего контракта со словами пошли вы все нахрен. По негласным местным правилам, если уходит профессор, то должна уйти вся его группа (то есть и я). Голландские руководители те, что выше, поставили мне ультиматум: мы тебе даем зеленый свет на защиту кандидатской, но ты будешь работать у нас после защиты. В противном случае останешься без кандидатской. Так как объем работы выполненный мной для диссера был более чем достаточен, я предложил свой вариант: я защищаюсь и ухожу. Им это почему-то не понравилось и позже из-за этого я огреб по полной: мои руководители аккуратно и с присущим им юмором создали мне много интересных проблем 😀. Чтобы закончить диссер мне пришлось изучить голландский закон, регулирующий процедуру защиты кандидатской. Закон состоит из нескольких десятков статей, каждая из которых ссылается на несколько других. Чтобы понять смысл одной статьи, нужно прочитать три другие. Другие три, ссылаются в свою очередь каждая еще на несколько. Таким образом, получается месиво из статей, перекрестно ссылающихся друг на друга. Чтобы понять процедуру защиты, нужно уместить все статьи и все перекрестные ссылки себе в голову. У меня ушло часов 50, чтобы это сделать. Я обнаружил одну чудесную вещь: в законе отсутствует одна статья! На нее есть ссылки в законе, но сама она отсутствует. Если правильно помню, статья была про процедуру принятия решения о присуждении кандидатской степени: то есть про то, что происходит за закрытыми дверями, когда профессора удаляются в комнату для совещания. Читал я этот закон в переводе на английский в брошюрке, выгруженной на сайте университета. Это брошюрка была утверждена ректором. Похоже на то, что эта статья специально был удалена из текста. Я понял, что юмор присущ не только моим руководителям-профессорам, но и ректорату университета.
А какие у вас были приключения на пути к диссеру?