我尤其关注两个能够直接支持现有检测工作的项目:
如果能绘制一张“阶段图”,刻画算力成本、测序成本和工具类型等因素之间的权衡,将非常有价值。若还能推测未来变化,或分析这些关系如何随模型规模、模型能力和测序成本变化,则更好。这里的数学主要是算术,但这些计算很有用;它们需要深入理解宏基因组病原体检测的工作方式以及不同 AI 工具的特点。
难度更高、价值也更大的研究,是建立一套理论框架,判断通用大语言模型、蛋白质折叠模型、基因组语言模型、多轨生物基础模型等工具,原则上分别最适合用于病原体宏基因组检测流程的哪些环节。
我设想的项目会先建立这样的检测系统,再对其进行调整和分析:
这是一项探索性项目:我手头没有精确标注每条读段是否应被标记的数据集。我们要探索的是,这种检测方法能否以及如何补充传统方法,带来实际价值。
请注意,等到 MATS 项目开始时,其中一个项目可能已由另一项并行奖学金启动。
Boston
Evan 是 SecureBio Detection 的研究科学家,负责开发计算流程和检测方法,从深度宏基因组测序数据中发现威胁。转向生物安全领域之前,他曾在 Zoba 担任数据科学与工程副总裁;Zoba 是一家为共享出行行业提供优化服务的初创公司。他拥有运筹学博士学位。闲暇时,他也常花心思钻研酸面团披萨。
必备条件:
优先条件:
不太适合的情况:
我会根据 SecureBio Detection 的需求以及与我匹配的学员情况,决定开展两个大方向中的哪一个。在选定方向内,我会根据自己认为对 SecureBio Detection 有帮助、有趣且相关的内容提供指导;学员则有自主权,也需要主动负责具体工作方向的选择。