Deniz Kural, CEO Seven Bridgesa: Velike ideje se brže ostvaruju kroz startape, nego akademiju

Deniz i ja smo se upoznali pre otprilike petnaest godina na IRC kanalu, na jednoj od underground mreža. U tom periodu smo dosta programirali zajedno i ostali u kontaktu tokom svih godina, iako su nam se putevi dosta razišli.

Deniz je upisao studije matematike na Harvardu, dok sam ja krenuo mnogo više ka softverskom inženjeringu.

Tokom Denizovih doktorskih studija krenuli smo intenzivnije da pričamo o osnovnim premisama nad kojim smo i krenuli da pravimo ceo proizvod – cena sekvenciranja će naglo padati u sledećih par godina i neko će morati da reši problem čuvanja i obrade tih podataka kako bi nauka i medicina bile u stanju da iskoriste bogatstvo podataka koje ćemo u budućnosti imati.

Oko 2010. Igor i Deniz i formalno postaju suosnivači, a ne samo prijatelji. Prvi put su se uživo upoznali te iste godine u Puli, na autobuskoj stanici, nakon deset godina onlajn prijateljstva.

Kako si se našao u ulozi CEO-a uspešnog startapa?

Slučajno. Bio sam naučnik i nisam želeo da pokrenem kompaniju, niti sam ikada bio zainteresovan za preduzetništvo iako je bilo prominentnih preduzetnika u mojoj klasi na Harvardu, Zakerberg između ostalih.

Nikada ranije nisam imao startap i kada gledam unazad, bio sam baš naivan. Nisam bio svestan problema i izazova sa kojima ću se suočiti. Da sam znao, ne bih se odvažio da otpočnem.

Nikada pre toga nisam upravljao ljudskim resursima i nisam razumeo razmere toga, kao i količinu napora koji ide u stvaranje tima, operacija i organizacije. To je bio najveći izazov za mladu osobu koja nikada ranije nije bila zaposlena.

Studirao si matematiku na Harvardu — šta te je privuklo genetici i bioinformatici?

Na moje interesovanje prema genetici tokom ranih 2000-ih uticali su profesori Džordž Čurč i Martin Novak — obojica svetski priznati naučnici. Kada sam uvideo da je sekvenciranje jedini način da se uđe dublje u izučavanje bolesti poput raka i AIDS-a, prijavio sam se na čas koji je držao Čurč, da bih se kasnije i pridružio njegovoj laboratoriji.

On je izumeo različite tipove sekvenciranja, uključujući i multiplex sequencing.

U njegovoj laboratoriji sam radio na izgradnji Polonator sekvencera, koji pripada drugoj generaciji uređaja i koji je korišćen za Personal Genome Project. Bio sam među najmlađima i u ovoj ogromnoj laboratoriji sam učio od svih ostalih.

Ovo je bilo ranih dana sekvenciranja, 2006/7, kada su genetski sekvenceri sledeće generacije bili puštani, tako da niko još uvek nije dokazao upotrebu na ljudskom genomu. Džordž je licencirao mnoge svoje patente kompanijama, ali je i tada ovaj instrument bio izuzetno ograničen.

Pridružio sam se 1000 Genome projektu 2008. godine — do tada najopširnijoj katalogizaciji genetske varijabilnosti ljudi. Ovde sam uvideo da će količina podataka koju proizvode sekvenceri naredne generacije biti glomazna.

Inicijalno je problem bio u tome što nismo mogli da sekvenciramo ljudski genom, a potom nismo imali gde da ga skladištimo.

Po pridruživanju projektu, bio sam izložen problemima sa kojima su se konstantno susretali: analiza podataka, skaliranje računanja, izgradnja algoritama koji bi mogli da nose ogromne količine podataka.

Šta je omogućilo napredak tehnologije čitanja genetskog koda, odnosno sekvenciranja?

Ljudi su 2008. uvideli da uz pomoć ovih mašina možemo da izvučemo stotine gigabajta i terabajta podataka. Na ovo je uticao sklop različitih trendova koji su dostigli vrhunac tada. Kompjuterska moć je postala dovoljno dobra, što je, između ostalog i omogućilo procesuiranje i sakupljanje slika.

Takozvane CCD kamere sa odličnom rezolucijom postale su priuštive u isto vreme. Došlo je do drastičnog pada cena. Pre toga, ove kamere su bile samo na satelitima.

Fluorescentna tehnologija i hemija su bili drastično unapređeni u poslednjih 10-20 godina. Dakle, došlo je do kombinovanog napredovanja hemije, mikrofluitike, fluorescent optical imaging processing.

Ono što se često previđa je da tajming i sreća igraju bitnu ulogu u uspehu startapa. Ako ste poranili, nećete uspeti; ako zakasnite, nećete uspeti. Ljudi uglavnom traže prilike u različitim dobima u svom životu, tako da je samo potrebno da budete tu u pravo vreme.

Zbog čega se nakon doktorata nisi odlučio za akademiju?

Želeo sam da izgradim veliki softverski sistem za analizu genomike, a onda sam shvatio da ne želim da čekam da dobijem grant jer će mi trebati pedeset godina da postanem profesor. Tako da sam otpočeo kompaniju i postao CEO.

Takođe, nakon 1000 Genome projekta, postalo mi je jasno da univerziteti sa svojim odeljenjima za kompjuterske nauke nisu u mogućnosti da se nose sa ovim nivoom analize. Trebalo bi vam stotinu ili dve stotine kompjutera da obavite analizu i bilo bi nepraktično da svaka laboratorija kupi 200 kompjutera za četiri dana analize.

Većina mesta nema mnogo finansiranja, tako da je ovo bio savršen problem za cloud. Cloud je za to stvoren – unajmiš 100 ili 1000 kompjutera na dan. Laboratorija to teško može postići.

Čak i da odu na cloud, ovo i dalje predstavlja veliki izazov za bioinformatiku i IT. Većina laboratorija nema potrebnu bioinformatičku ekspertizu da bi koristili te alatke, a potrebno vam je oko 20 različitih alata da od sirovog outputa sekvencera dođete do liste varijanti. Ima mnogo posla i morali bi zaposle još ljudi, a budžet predstavlja ogromnu prepreku.

Veruješ da se velike ideje mogu bolje ostvariti kroz startape?

Mislim da je tako. Ako želite da osigurate da će vaše ideje biti implementirane i postati globalna sila, započinjanje kompanije je jedini način da to i učinite. Možete imati najbolju ideju, ali drugi vas neće pratiti i izgraditi je.

Kompanije poput SpaceX-a pokazuju to. Elon Mask bi mogao da napiše akademski rad i kaže ljudima da izgrade raketu, ali istraživanje nije dovoljno — morate da izađete i učinite da se to i desi. Imao sam mnoštvo ideja za istraživanje i želeo sam da vidim da će se one ostvariti.

Šta je bio najveći izazov kada ste počinjali?

Najveći izazov sa kojim smo se suočili ranijih dana bio je da sakupimo kritičnu masu da izgradimo i lansiramo proizvod. Znali smo da ćemo jednom kada budemo imali prototip proizvoda na iskomunicirati vrednost i videti interesovanje.

Takođe smo osećali kao da smo u trci sa vremenom. Nismo bili plaćeni ili smo bili na niskim platama — ja nisam uzimao platu do dve godine nakon osnivanja kompanije.

A prvi korisnici?

Dolaženje do prvih korisnika je za nas bilo lako — ali je to ujedno bio i lažan signal. Bukvalno smo tvitovali i sutradan dobili prvog korisnika.

Ono čime se bavimo je usko polje i ovo je bio tako nov proizvod da nije bilo buke – ljudi nisu videli ništa slično tome i bilo je interesovanja od strane genomske industrije.

Tokom prve godine smo imali deset laboratorija koje su koristile naš proizvod i svako je plaćao malu svotu. Naša prva enterprise prodaja dolazi mnogo kasnije.

Enterprise je zaista komplikovan i to ne zato što vašem uređaju trebaju posebna svojstva, već zato što su konzervativni. Žele da znaju da ne troše vreme na kompanije koje će već sutra nestati, pa čekaju da vide ko će biti pobednik. Proces pregovora, pilotiranja, kupovine i konačne odluke traje od šest do devet meseci — i proizvod nikada nije “kriv” za to.

Ljudi se tada lako obeshrabre, iako baš te faze koje zahtevaju više vremena i rada pokazuju da ste na pravom putu. Ako je vaš biznis teško izgraditi, onda ga je teško i uništiti. Znači da se radi o dobrom biznisu.

Kako gledaš na preplitanje politike i biotehnološke industrije?

Vlada je jedina sila koja može da ohrabri sve ostale da dele informacije.

Zato je predsednik Obama objavio lansiranje Cancer Moonshot inicijative, i zato u Britaniji sprovode 100.000 Genomes Project. Potrebne su nam te baze podataka i kohorte precizne medicine da bismo, kada novi uzorak dođe, mogli da ga analiziramo uporedo sa svim ostalim i personalizujemo na osnovu onoga što naučimo.

Želimo da osposobimo sistem u kome ću, ako dobijem rak, otići kod lekara koji upoređuje moj rak sa 50 miliona genoma rakova drugih ljudi. Onda lekar može da uoči sa kojim slučajevima je moje oboljenje najsličnije — sa kojih 50.000 od 50 miliona.

Na osnovu suženog pool-a slučajeva, postoje liste tretmana i ishoda, a metodama statističke analize i mašinskog učenja prave se preporuke.

Kako bismo izgradili ovaj sistem, potrebno je da ujedinimo sve genome raka na jednom mestu: zabeležimo tretmane i ishode, izgradimo alate za skladištenje podataka, radi se o egzabajtima.

Bilo bi neverovatno kada bismo mogli da na osnovu onoga što smo naučili na osnovu ishoda obolele osobe u Brazilu, tretiramo pacijenta u Americi. To bi u potpunosti pokazalo moć interneta.

Čak je i Bil Klinton tokom jednog pojavljivanja prognozirao da će 83% rakova biti izlečivo za dvadeset godina.

To je veoma realistično.

Rak čini hiljadu različitih oboljenja. Šest stotina gena je uključeno u različite procese i putanje koje utiču na rak. Od svih 600 gena, rak može da prouzrokuje 2-15 ili čak 2-50 mutirajućih. Radi se trilionima kombinacija. Svaki rak je jedinstven.

Uvek se uštinem kada čujem frazu “izlečiti rak” jer je to zaista 1000 različitih bolesti, a način da se izleči je da se izleči jedna po jedna. Progres će tako izgledati – izlečićemo jednu po jednu, a kada izlečimo 800 različitih, potpuno različitih oboljenja, izlečićemo rak.

Dobra vest je da su neki rakovi već izlečivi — CML, recimo. Ovo stoga što je to jednostavan rak, izaziva ga jedna mutacija u većini slučajeva. Ako se radi o komplikovanijim rakovima, postoji čak 30 različitih načina za lečenje, a treba pronaći baš pravi za svaku osobu.

Danas postoje terapije bazirane na sekvenciranju gena. Imamo uvid u više od 300 gena koristeći komercijalne DNK testove zasnovane na posmatranju stotina gena kancera i oni će vam dati terapiju koja najbolje odgovara baš vama.

Koji su najveći izazovi sa kojima se Seven Bridges sada suočava?

Jedan od najvećih izazova je pronalaženje načina da delimo podatke između ljudi bez prevelikih restrikcija, a da u isto vreme sprečimo zloupotrebu podataka.

Neke grupe su previše konzervativne i ne mogu da dele podatke pacijenata, dok im mogućnosti personalizovane medicine ne možemo pomoći bez tog koraka.

To je nešto s čim ćemo se mi i druge firme konstantno susretati u budućnosti.

Mi se ne definišemo kao softverska, već kao naučna kompanija. Ovo znači da nam je stalo do kvaliteta analize, da naši klijenti sa obe strane okeana poštuju naše visoke naučne standarde, ali i standarde koje postavljamo u zaštiti podataka i privatnosti.