Terobosan ilmiah dibangun di atas wawasan dari data yang baik, namun terkadang wawasan tersebut tersembunyi di bawah lautan data yang terlalu banyak. Masalah inilah yang diputuskan untuk ditangani oleh California Institute for Regenerative Medicine (CIRM) dengan menyetujui program infrastruktur baru.
Baru-baru ini, CIRM menyetujui investasi dalam pembuatan alat yang akan membantu mengurai kumpulan data biologis yang sangat besar dan kompleks yang diperoleh selama penelitian yang didanai oleh institut tersebut. Program ini bertujuan untuk mengembangkan perangkat lunak baru guna mengintegrasikan data pengobatan regeneratif dan mengekstraksi wawasan baru darinya.
“Misi kami mendorong kami untuk terus maju,” ujar Jeni Bayram, peneliti senior di CIRM, selama rapat dewan. “Kami sedang mengembangkan alat dan strategi untuk memaksimalkan nilai investasi CIRM, memajukan ilmu pengetahuan, dan menciptakan cara baru dalam bekerja dengan data.”
Program baru ini mengalokasikan 10 juta dolar untuk 15–20 hibah masing-masing sebesar 500 ribu dolar. Setiap proyek akan menyelesaikan tugas integrasi data yang spesifik. Beberapa alat akan menghubungkan berbagai jenis data, sementara yang lain akan meningkatkan atau mendukung perangkat lunak open-source yang banyak digunakan, yang disesuaikan dengan kebutuhan pengobatan regeneratif. Sebagian proyek akan memperbarui solusi yang ada agar sesuai dengan komputasi modern dan kemampuan kecerdasan buatan.
Penghargaan Data Science and Software Engineering Awards ditujukan untuk pembuatan alat open-source yang mengintegrasikan berbagai jenis data biomedis. Menghubungkan data ini dalam bentuk yang mudah digunakan, menurut rencana CIRM, akan mempercepat identifikasi dan validasi target obat baru serta biomarker untuk pengobatan penyakit.
Ini adalah tentang menciptakan infrastruktur yang memungkinkan para peneliti bekerja lebih cepat dengan kumpulan data. Perhatian khusus diberikan pada perangkat lunak yang mampu menerjemahkan keragaman data yang dihasilkan dalam penelitian dan uji klinis pengobatan regeneratif ke dalam format yang mudah dipertukarkan.
Beberapa tahun yang lalu, NIH meluncurkan inisiatif serupa, yaitu program Biomedical Data Translator untuk mengintegrasikan petabita data biomedis dari penelitian federal. CIRM juga mengandalkan investasi sebelumnya dalam pertukaran data, termasuk alat Data Explorer, yang sudah memuat lebih dari 800 kumpulan data CIRM dan membuatnya lebih mudah diakses oleh para peneliti.
Masalah dalam memahami data yang kompleks telah lama dihadapi oleh penelitian pemerintah. Pada tahun 2014, mantan direktur NIH Francis Collins memperingatkan Kongres bahwa gelombang data yang terus meningkat dapat membebani para peneliti. Sejak saat itu, skala dan kompleksitas data hanya terus bertambah. Proyek dan uji klinis CIRM telah menghasilkan lebih dari 1200 kumpulan data, yang meningkatkan kebutuhan akan alat perangkat lunak untuk menghubungkannya.
Beberapa alat sudah menggabungkan berbagai jenis data biomedis, namun banyak sistem open-source memerlukan pembaruan agar sesuai dengan komputasi modern dan AI. Perangkat lunak baru atau yang ditingkatkan lebih memenuhi kebutuhan peneliti pengobatan regeneratif. Tujuan integrasi berbagai jenis data adalah untuk mempercepat penelitian dan memaksimalkan investasi awal CIRM, tegas Bayram.
Perangkat lunak yang terbuka, transparan, dapat digunakan kembali, dan dapat diperluas dapat menyediakan infrastruktur yang diperlukan untuk mengatasi hambatan-hambatan ini. CIRM meminta para pemohon untuk berpikir tidak hanya tentang pembuatan alat, tetapi juga tentang penyebaran, penggunaan, dukungan, dan peningkatannya seiring waktu. Institut mencari proyek dengan dampak luas — alat yang bekerja di berbagai sistem, jenis data, dan konteks penelitian.
Ilmu data berkembang pesat, dan bahkan alat yang populer pun memerlukan pembaruan rutin. Investasi ini membantu para peneliti untuk tidak tertinggal dari kemajuan komputasi dan AI, serta lanskap data penelitian baru yang terus berubah. Pengembang solusi open-source yang menerima dukungan akan dapat mengubah data yang terfragmentasi menjadi penemuan yang bermakna.
