ایجاد چهارراه | اخبار MIT

چند سال پیش، Gevorg Grigoryan PhD ’07، که در آن زمان استاد کالج دارتموث بود، به فکر ایده ای برای طراحی پروتئین مبتنی بر داده برای کاربردهای درمانی بود. او مطمئن نبود که چگونه با راه اندازی این مفهوم در یک شرکت به جلو حرکت کند، یک برنامه درسی قدیمی را از یک دوره کارآفرینی که در دوره دکتری خود در MIT گذرانده بود، کشف کرد و تصمیم گرفت برای کلاس ایمیلی به استاد بفرستد.
او ساعت ها روی ایمیل زحمت کشید. از چند جمله به سه صفحه رسید و بعد به چند جمله برگشت. گریگوریان سرانجام در ساعات اولیه صبح به ارسال ضربه زد.
فقط 15 دقیقه بعد، او پاسخی از طرف دریافت کرد نوبر افیان دکتری 87، مدیرعامل و یکی از بنیانگذاران شرکت سرمایه گذاری خطرپذیر پیشگامی شاخص (و سخنران آغاز مراسم OneMIT 2024).
این امر در نهایت باعث شد که گریگوریان، آفیان و دیگران با هم تأسیس شوند تولید:زیست داروها، جایی که گریگوریان اکنون به عنوان مدیر ارشد فناوری مشغول به کار است.
گریگوریان میگوید: «موفقیت با کسی که شما را ارزیابی میکند تعریف میشود. “هیچ مسیر درستی وجود ندارد – بهترین راه برای شما راهی است که برای شما کار کند.”
تعمیم اصول و بهبود زندگی
Generate: Biomedicines نقطه اوج چندین دهه پیشرفت در یادگیری ماشین، مهندسی بیولوژیکی و پزشکی است. تا همین اواخر، طراحی de novo یک پروتئین بسیار کار فشرده بود و ماه ها یا سال ها روش ها و آزمایش های محاسباتی را می طلبید.
اکنون، ما فقط میتوانیم یک دکمه را فشار دهیم و یک مدل مولد یک پروتئین جدید را با احتمال تقریباً کامل که واقعاً کار میکند، بیرون بیاوریم. تا می شود. گریگوریان میگوید: ساختاری که مد نظر شماست را خواهد داشت. “من فکر می کنم که ما این اصول قابل تعمیم را برای نحوه رویکرد به درک سیستم های پیچیده کشف کرده ایم، و فکر می کنم که به کار خود ادامه خواهد داد.”
توسعه دارو یک کاربرد آشکار برای کار او در اوایل بود. گریگوریان می گوید بخشی از دلایلی که او دانشگاه را ترک کرد – حداقل در حال حاضر – منابع موجود برای این کار پیشرفته است.
او میگوید: «فضای ما دلیل نسبتاً هیجانانگیز و اصیلی برای وجود دارد. “ما به دنبال بهبود زندگی انسان هستیم.”
اختلاط رشته ها
رشته های تحصیلی STEM با رشته های مختلط به طور فزاینده ای رایج هستند، اما زمانی که گریگوریان در مقطع لیسانس بود، زیرساخت های بسیار کمی برای چنین آموزشی وجود داشت.
گریگوریان به یاد می آورد: «این تلاقی در حال ظهور بین فیزیک، زیست شناسی و علوم محاسباتی وجود داشت. اینطور نبود که این نظم و انضباط قوی در تقاطع آن چیزها وجود داشته باشد – اما احساس می کردم که می تواند وجود داشته باشد، و شاید بتوانم بخشی از ایجاد آن باشم.
او در رشته بیوشیمی و علوم کامپیوتر تحصیل کرد که باعث سردرگمی مشاورانش برای هر رشته شد. این به قدری بی سابقه بود که حتی راهنمایی وجود نداشت که او با کدام گروه باید در هنگام فارغ التحصیلی راه برود.
به سمت کمبریج می روند
گریگوریان اعتراف می کند که تصمیم او برای حضور در MIT در بخش زیست شناسی سیستماتیک نبوده است.
من میگفتم، MIT عالی به نظر میرسد – هیئت علمی قوی، مدرسه فنی خوب، شهر خوب. من مطمئن هستم که چیزی را کشف خواهم کرد.» او می گوید. “من نمی توانم به اندازه کافی تاکید کنم که آن سال ها در MIT چقدر برای کسی که در نهایت به عنوان یک دانشمند تبدیل شدم، مهم و سازنده بود.”
او کار می کرد امی کیتینگ، در آن زمان یکی از اعضای هیئت علمی، اکنون رئیس بخش زیست شناسی، مدل سازی تعاملات پروتئین-پروتئین است. این کار شامل فیزیک، ریاضی، شیمی و زیست شناسی بود. برنامه PhD زیست شناسی محاسباتی و سیستمی هنوز چند سال مانده بود، اما رشته در حال توسعه به عنوان مهم شناخته می شد.
کیتینگ تا به امروز یک مشاور و معتمد باقی مانده است. گریگوریان همچنین از او به خاطر تعهدش به مربیگری و در عین حال ایجاد توازن بین خواستههای یک هیئت علمی – کسب بودجه، راهاندازی آزمایشگاه تحقیقاتی و تدریس، ستایش میکند.
گریگوریان میگوید: «وقت گذاشتن برای مشاوره واقعی و کمک به رشد دانشآموزان سخت است، اما امی کسی است که آن را بسیار جدی گرفته و در مورد آن بسیار عمدی بوده است. ما زمان زیادی را صرف بحث درباره ایده ها و انجام علم کردیم. نوع تأثیری که شخص می تواند از طریق مربیگری داشته باشد، به سختی قابل ارزیابی است.»
گریگوریان بعداً در دانشگاه پنسیلوانیا تحصیلات تکمیلی خود را ادامه داد ویلیام “بیل” دیگرادو، همچنان بر طراحی پروتئین تمرکز می کند و در عین حال تجربه بیشتری در رویکردهای تجربی و قرار گرفتن در معرض تفکر متفاوت در مورد پروتئین ها به دست می آورد.
DeGrado فقط با بررسی آنها، درک شهودی از مولکول ها داشت – پیش بینی عملکرد آنها یا اینکه چه جهش هایی این عملکرد را مختل می کند. مهارت پیش بینی او از توانایی های مدل سازی کامپیوتری در آن زمان پیشی گرفت.
گریگوریان شروع به تعجب کرد: آیا مدلهای محاسباتی میتوانند از مشاهدات قبلی استفاده کنند تا حداقل به اندازه کسی که زمان زیادی را صرف بررسی و مشاهده ساختار و عملکرد آن مولکولها کرده است، پیشبینی کنند؟
گریگوریان در مرحله بعد به دارتموث رفت تا در رشته علوم کامپیوتر با انتصاب های متقابل در زیست شناسی و شیمی به بررسی این سوال بپردازد.
ایجاد تعادل بین صنعت و دانشگاه
بسیاری از علم در مورد آزمون و خطا است، اما در اوایل، گریگوریان نشان داد که پیشبینی دقیق پروتئینها و نحوه اتصال، پیوند و رفتار آنها نیازی به شروع از اصول اولیه ندارد. مدلها با حل ساختارهای بیشتر و اندازهگیریهای الزام آور بیشتر دقیقتر شدند.
گریگوریان رهبران پرچمدار پیشگامان را به خاطر اعتماد اولیه آنها به کاربردهای احتمالی این مفهوم – در آن زمان صعودی تر از خود گریگوریان می داند.
او چهار سال وقت خود را بین دارتموث و کمبریج سپری کرد و در نهایت تصمیم گرفت به طور کلی دانشگاه را ترک کند.
او میگوید: «این امر اجتنابناپذیر بود، زیرا من خیلی عاشق چیزی بودم که در Generate ساخته بودیم. برای من بسیار هیجانانگیز بود که این ایده به ثمر نشست.»
مکث کنید یا رشد کنید
گریگوریان میگوید مهمترین چیز برای یک شرکت این است که در زمان مناسب مقیاسبندی کند، در حالی که آمادگی شرکت، فناوری و بازار را در نظر میگیرد، «ضربه زدن آهن را در حالی که داغ است» متعادل کند.
اما حتی رشد موفق نیز چالش های خاص خود را ایجاد می کند.
وقتی کمتر از دوجین نفر وجود دارند، همسو کردن استراتژیها در سراسر یک شرکت ساده است: همه میتوانند در اتاق باشند. با این حال، رشد – مثلاً افزایش به 200 کارمند – مستلزم برقراری ارتباط آگاهانه تر و چابکی متعادل در عین حفظ فرهنگ و هویت شرکت است.
او می گوید: «رشد سخت است. “و برای اطمینان از فرهنگ شفافی که به تیم اجازه می دهد تا پیشرفت کند، تلاش، زمان و انرژی عمدی زیادی لازم است.”
زمان حضور گریگوریان در دانشگاه برای آموختن اینکه “همه چیز مربوط به مردم است” بسیار ارزشمند بود – اما دانشگاه و صنعت نیاز به طرز فکر متفاوتی دارند.
PI بودن [principal investigator] او می گوید که در مورد ایجاد یک خط برای هر یک از کارآموزان است، جایی که آنها اساساً تا حدودی دانشمندان مستقل هستند. “در یک شرکت، از طریق ساخت و ساز، شما به مجموعه ای از اهداف مشترک محدود می شوید و باید برای کار خود با میزان هم افزایی که با دیگران دارد، ارزش قائل شوید، بر خلاف آنچه که فقط خودتان می توانید انجام دهید.”