"Min forskning kan føre til hurtigere udvikling af nye vacciner"
- Navn:Magnus Haraldson Høie
- Alder: 31
- Uddannelse: Cand.polyt., Life Science Engineering and Informatics, Sino-Danish Center
- Projektets forskningsfelt: Immunoinformatics og machine learning
- Projektperiode: 2021-2024
- Vejledere: Professor Morten Nielsen (hovedvejleder), DTU Sundhedsteknologi, professor Ole Winther, DTU Compute, og lektor Paolo Marcatili, Novo Nordisk Antibody Design
Mit ph.d.-projekt handler om …
… design og optimering af antistoffer. Antistoffer er et proteinbaseret molekyle. De kan binde sig til antigener som f.eks. en bakterie eller et virus og dermed hjælpe vores immunsystem med at bekæmpe en infektion. Ligesom alle andre proteiner er antistoffer bygget op af lange strenge af aminosyrer. Strengene er foldet sammen i en tredimensionel struktur. Alle proteiner i verden er foldet sammen på deres helt egen unikke måde.
I mit arbejde har jeg primært fokuseret på at forbedre antistoffers binding. Jeg har udviklet softwareplatforme, der anvender kunstig intelligens til at forudsige, hvilke aminosyresekvenser der vil folde sig til en specifik struktur, som er gunstig for binding. Denne proces er kendt som ’inverse folding’.
Når vi forudsiger sekvenser, der sandsynligvis resulterer i en struktur, der binder mere effektivt til antigener, kan vi syntetisere (kemisk fremstille, red.) antistoffer med disse sekvenser og teste dem for forbedrede bindingskapaciteter.
Forskningen kan bidrage til …
… en hurtigere udvikling af nye vacciner eller forbedringer af de eksisterende, så de bliver mere effektive.
I løbet af mit ph.d.-projekt har jeg selv udviklet eller været med til at udvikle i alt fire AI-baserede værktøjer. Et af værktøjerne udviklede jeg sammen med kolleger fra Oxford Protein Informatics Group. Det hedder AntiFold og kan bruges til at designe nye antistoffer med. Værktøjet er baseret på Metas store proteinsprogmodel, som aktivt bruges til proteinforskning. Vi fintunede modellen, så den blev specialiseret inden for antistoffer.
Et andet værktøj, som jeg var med til at udvikle, kan forudsige et proteins struktur – ligesom DeepMinds softwareplatform AlphaFold, som var et kæmpe gennembrud inden for proteinforskningen i 2021.
Vores værktøj fokuserer dog på hurtigt at forudsige den sekundære del af strukturen (alfa-helikser og beta-plader), og hvor overfladeeksponerede dele af proteinet befinder sig. Dermed er vores værktøj 1.500 gange hurtigere end AlphaFold og kræver mindre computerkraft, samtidig med at det stadig er yderst præcist. Vi har allerede solgt et par licenser til værktøjet til nogle virksomheder.
Jeg får nye idéer til løsninger, når jeg …
… taler om min forskning. Jeg taler ikke så meget om det, der går godt. Tværtimod taler jeg helst om det, der udfordrer mig, fordi dét at formulere sit problem er det allerførste skridt til at løse det. Nogle gange opdager jeg løsningen, allerede mens jeg taler.
Andre gange har jeg oplevet, at man kan høste mange nye idéer fra dem, man deler problemet med – også selvom de måske ikke lige beskæftiger sig med det felt, man selv arbejder indenfor.
Det har været en god dag på jobbet, når …
… noget endelig lykkes! De fleste dage har du idéer til, hvordan du kan løse et problem i din forskning, men ofte falder de til jorden, og du sidder ligesom fast med en masse fejlslagne forsøg. Og så pludselig afprøver du et eller andet – måske helt simpelt – og så virker det.
Jeg kobler af fra mit arbejde, når …
… jeg dyrker sport. Jeg har prioriteret sport højt, fordi det hjælper mig til at slappe af. På det seneste har der ikke været så meget tid, fordi jeg er ved at afslutte min afhandling, men ellers har jeg dyrket meget crossfit, cykling og klatring. Jeg har også en fast ugentlig squash-aftale. Det giver mig et fast skema og stabilitet.
Jeg blev ph.d.-forsker på DTU, fordi …
… jeg blev virkelig interesseret i machine learning, da jeg læste på min kandidat på Sino-Danish Center i Beijing. Det er en samarbejdsuddannelse mellem Danmark og Kina.
Jeg er uddannet farmaceut fra The Arctic University of Norway, men valgte at tage min kandidatuddannelse et andet sted. I Beijing mødte jeg lederen af min kandidatretning, Paolo Marcatili, som var professor på DTU. Da jeg skulle skrive mit kandidatspeciale, kontaktede jeg ham, og han gav mig mulighed for at arbejde på et projekt i hans laboratorium.
Som nyuddannet kandidat arbejdede jeg i to år som forskningsassistent på Københavns Universitet, men da jeg så en ph.d.-stilling i Paolo Marcatilis forskningsgruppe, søgte jeg stillingen og fik den.
Som ny ph.d.-forsker blev jeg overrasket over …
… at ingen har den fulde sandhed. I gymnasiet tænkte jeg, at det, der står i bøgerne, nærmest var endegyldige sandheder, men i virkeligheden er det bare de bedste teorier, vi har lige nu i en konstant udviklende debat.
Som forsker bliver du pludselig del af det fællesskab, der kan præsentere den nyeste teori, som kan udfordre eller udbygge vores nuværende viden, og du kan indgå på lige fod i debatten med dit bidrag.
Den største udfordring som ph.d.-forsker oplever jeg, er …
… at man er den eneste, der kan sikre fremdrift i ens projekt. Hvis du ikke arbejder, så sker der ingenting. Der er ingen fremgang overhovedet. Ingen gennembrud. Ingen nye løsninger. Det hele hviler på dig.
Det er udfordrende at holde et højt momentum på egen hånd i så lang tid. Man skal også opretholde motivationen, når man møder modstand – måske nogle store udfordringer i forskningen eller problemer med nogle samarbejdspartnere.
I fremtiden vil jeg gerne arbejde med …
… kunstig intelligens og især deep learning og være med til, at vi udnytter den teknologi til en hurtigere udvikling af sikker medicin. Jeg er ved at søge jobs i USA. Der er mange startups, som arbejder inden for AI-baseret design af ny medicin.