Я после разговора про генную инженерию понял одну интересную вещь.
Когда слышишь «генная инженерия», кажется, что единственный способ туда попасть — 6 лет учиться на биолога, надеть халат и идти выращивать что-то в лаборатории.
Но вокруг самой биологии есть огромный слой проблем, которые пока решены довольно плохо.
И вот там уже становится интересно.
1. Как понять, что перед тобой вообще генетически изменённый организм?
Сам факт изменения ДНК далеко не всегда можно определить визуально или каким-то простым тестом.
Значит возникает отдельная область: идентификация, проверка происхождения, анализ образцов, базы данных и инструменты сравнения.
2. Лаборатории
Современная генетика очень сильно зависит от лабораторной инфраструктуры.
Оборудование, автоматизация процессов, хранение образцов, учёт экспериментов, передача данных между приборами.
По сути лаборатория постепенно превращается ещё и в IT-систему.
И здесь куча места для софта.
3. Контроль качества
Чем больше генетических данных и экспериментов, тем важнее понимать:
где ошибка измерения, где плохой образец, где проблема оборудования, а где действительно интересный результат.
Отдельный рынок — инструменты контроля качества данных и результатов исследований.
4. AI может убрать огромное количество рутины
Не в смысле «ChatGPT сейчас изобретёт новый организм».
А в намного более приземлённых вещах:
— разбирать массивы данных
— искать аномалии
— готовить отчёты
— сопоставлять исследования
— помогать работать с научной литературой
— автоматизировать документацию
— помогать исследователю быстрее проверять гипотезы
В науке огромное количество времени уходит вообще не на открытие, а на обслуживание процесса вокруг него.
5. Биоинформатика
Наверное, самый очевидный мост между IT и биологией.
Современная биология производит гигантские массивы данных.
И эти данные нужно хранить, чистить, сравнивать, визуализировать и анализировать.
То есть нужны программисты, ML-инженеры, специалисты по данным и люди, которые могут превращать результаты анализа в понятный инструмент для биолога.
И это далеко не всё.
Ещё можно смотреть в сторону:
— софта для управления лабораториями
— автоматизации экспериментов
— визуализации генетических данных
— инструментов для работы с секвенированием
— поиска и систематизации научных исследований
— облачных платформ для биологов
— симуляций и моделирования
— образовательных продуктов
— сервисов для биотех-компаний
— систем хранения и обмена научными данными
И здесь есть одна историческая параллель, которая мне особенно понравилась.
В XX веке в биологию начали активно заходить люди из физики и математики.
Один из известных примеров — физик Эрвин Шрёдингер, который в 1944 году написал книгу What Is Life? и рассуждал о том, как физика может помочь понять наследственность.
Позже физики, химики, математики и специалисты из других областей стали важной частью того, что сегодня называется молекулярной биологией.
И сейчас, мне кажется, происходит похожая история.
Только одним из новых входов становится IT.
Программирование, AI, анализ данных, автоматизация.
Не обязательно становиться биологом вместо программиста.
Можно попробовать стать программистом, который решает проблемы биологов.
И вот это направление мне сейчас кажется намного интереснее, чем просто очередное приложение или очередной AI-бот.


ссылка https://www.youtube.com/watch?v=gbunt4uDM-I&t=8s