Stefan Moser

Director Asociado, I+D Análisis de Datos, Amyris

A continuación se muestra la transcripción del vídeo.

En el mundo actual, se presta cada vez más atención a la sostenibilidad y el cambio climático. Si pensamos en todo lo que vestimos, comemos o en el detergente que usamos, esos productos químicos tienen que provenir de algún lugar. Y muchas de esas sustancias químicas provienen de plantas, de fuentes animales o, a menudo, del petróleo. A menudo, esto implica procesos químicos costosos o contaminantes.

Y así, la idea es: ¿podemos utilizar sistemas biológicos, en nuestro caso, microbios o levaduras, para fabricar estos productos químicos? Dejemos que la biología haga el trabajo pesado y produzca lo que el mundo necesita. E idealmente, podemos hacerlo de manera más sostenible y a un menor costo, pero también podríamos crear productos que de otro modo serían imposibles de fabricar.​

Amyris es una empresa de biología sintética. La compañía nació en un laboratorio de la Universidad de California en Berkeley, gracias a una subvención de la Fundación Bill y Melinda Gates. El acuerdo de esta subvención establecía que utilizaríamos nuestra tecnología para desarrollar un medicamento contra la malaria y cederíamos gratuitamente la licencia de fabricación. A cambio, conservaríamos la propiedad intelectual y la infraestructura de laboratorio que se construyera.

Actualmente fabricamos a escala industrial una amplia gama de productos químicos especializados e ingredientes, produciendo toneladas de sabores, fragancias e ingredientes cosméticos.

Existe un emoliente muy popular y potente llamado escualeno, que es un ingrediente cosmético común. Y tradicionalmente se obtiene del hígado de tiburón. Esta fue una práctica impulsada por la industria en Japón. En Europa fue prohibido. Se comenzó a producir a partir de olivos, pero el producto era de calidad inferior. Amyris desarrolló una forma de producirlo con nuestra tecnología, logrando un escualeno tan puro y eficaz como el de origen animal, pero sin necesidad de sacrificar tiburones.

Formo parte de un departamento más amplio que abarca ingeniería de software y ciencia de datos, y nuestros equipos dan soporte a esta canalización de I+D escalable y de alto rendimiento. Mi equipo en concreto se centra realmente en la calidad de los datos y los procesos. ¿Cómo nos aseguramos de que los científicos puedan tomar decisiones sobre señales significativas y no en ruido informativo?

Creo que estamos presenciando un cambio en la concepción tradicional del profesional científico. La mayoría de la gente imagina que un científico se encarga de un experimento de principio a fin: concibe la idea, diseña el experimento, lo ejecuta, genera los datos, los analiza y toma decisiones.

Lo que se observa cada vez más es: ¿cómo podemos capacitar a los científicos para que hagan más? ¿Cómo podemos lograr que prueben 50 hipótesis en lugar de 2 al mes? Y entonces, para hacer eso, tienes que traer tecnología moderna; sistemas de datos, aplicaciones de software, automatización de laboratorios. En algunos casos, es posible que los científicos ni siquiera tengan que entrar en un laboratorio para realizar un experimento. Hay sistemas automatizados para eso. Incluso pueden existir equipos especializados que hayan optimizado ese proceso para que sea realmente eficiente.

Definitivamente estamos viendo un movimiento hacia este modelo de laboratorios escalables de alto rendimiento que ayudan a los científicos a probar más ideas. En última instancia, creo que esto es muy beneficioso para los científicos, pero también presenta nuevos desafíos. Ahora un científico tiene que manejar 50 veces más datos que antes.

El apoyo que tenemos en términos de herramientas y el tiempo que las personas dedican internamente a desarrollar habilidades de análisis de datos y estadísticas son fundamentales. Se necesitan ambos aspectos, ¿verdad? Puede haber una comunidad de personas apasionadas por las estadísticas y los datos, pero al final, se requiere un liderazgo de arriba hacia abajo para impulsar esto. También es necesario un elemento de responsabilidad para lograr una alfabetización de datos generalizada en una organización. Esto requiere una inversión continua de tiempo, con la expectativa de que, desde una perspectiva empresarial, haya un retorno de la inversión.

La belleza de JMP radica en que abre puertas a posibilidades que normalmente no exploraríamos. Dado el tiempo que lleva en desarrollo, cuenta con una gran variedad de funciones y múltiples formas de analizar datos.

Workflow Builder no solo permite que las personas sean más eficientes y trabajen más rápido, sino que también posibilita la estandarización de los flujos de trabajo. Esto nos lleva a un punto en el que nos damos cuenta de que, sin esta herramienta, no habríamos podido tomar ciertas decisiones ni implementar determinados cambios.

Si puede demostrar que desde la perspectiva de los datos, con JMP podemos demostrar claramente el impacto en los costos, ¿verdad? Así que reducimos la compra de viales analíticos en 10,000 unidades al año, ahorrando $25,000 dólares. También necesitamos un instrumento analítico menos, lo que evita un gasto de $180,000 dólares, ya que procesamos menos muestras. En mi equipo, nos esforzamos por vincular directamente nuestras acciones con estos resultados concretos. Al final, los datos son elocuentes.

Para el mundo científico y el mundo en general, la analítica será cada vez más importante. Aunque los recursos pueden ser limitados, los datos ciertamente no lo son. Dentro de esos datos se esconden respuestas e ideas valiosas. Podemos desarrollar soluciones sostenibles, pero si solo unas pocas personas las utilizan, ¿cuál sería realmente el impacto en el planeta?

De modo que tiene que ser escalable, no sólo desde una perspectiva tecnológica, sino también económica. En un mundo perfecto, los consumidores pueden impulsar este cambio, quizá sin siquiera saber que lo están impulsando. Por eso la escalabilidad es tan importante.