Mark E. Pepin hilft Grundlagenforschenden dabei, Sequenzierungsdaten vollständiger zu nutzen.
Fast jedes biomedizinische Labor nutzt heute modernste Sequenzierungstechnologien. In den Veröffentlichungen, die aus diesen „Omics“-Analysen hervorgehen, wird jedoch in der Regel nur ein kleiner Teil dieser Daten verwendet. Der Rest wird nicht genutzt und bleibt unerforscht. Mein Projekt soll Grundlagenforschenden dabei helfen, diese Daten auszuwerten: Ich baue eine intuitive Online-Schnittstelle auf, die ihnen bei der Analyse ihrer Daten hilft, ohne dass sie selber programmieren können müssen.
Ich komme aus South Carolina in den USA. Nach dem Abschluss meiner medizinischen Doktorarbeit erhielt ich vor zwei Jahren ein Humboldt-Forschungsstipendium und wollte bei Johannes Backs am Institut für Experimentelle Kardiologie der Universität Heidelberg erforschen, wie Herzinsuffizienz und Krebs zusammenhängen. Doch gerade als ich in Deutschland angekommen war, machte das Land wegen der Coronavirus-Pandemie „dicht“ und als Vater von zwei kleinen Kindern war für mich an Laborforschung nicht mehr zu denken. Ich beschloss, meine Ausbildung als Bioinformatiker für ein anderes Projekt zu nutzen: „Intuitive and Standardized Bulk RNA-Sequencing Analysis for the Coding-Naïve Basic Scientist“ soll veröffentlichte „Omics“-Datensätze in die laufende biomedizinische Forschung integrieren. Ich hoffe, am Ende eine Pilotversion zu haben, die anderen Forschenden helfen kann, „alles aus ihren Daten heraus- zuholen“. Im Lockdown-Winter 2020 schrieb ich einen Antrag auf Postdoc-Finanzierung durch das Deutsche Zentrum für Herz-Kreislauf-Forschung (DZHK), der zum Glück bewilligt wurde.
„Wahrscheinlichkeit“ bedeutet nicht „Möglichkeit“
Komplexe Probleme aus dem echten Leben haben mich schon immer fasziniert. Deshalb habe ich Ingenieurwesen und Medizin studiert. Bei menschlichen Krankheiten besteht die Herausforderung darin, jedes Detail in einen größeren Zusammenhang zu stellen. Die Bioinformatik, die Untersuchung sehr großer biologischer Datensätze, ist ähnlich komplex. Ich liebe Daten – auch wenn sie mein akademisches Scheitern vorausgesagt hätten. Ich wurde in einem ländlichen Teil der Vereinigten Staaten zu Hause unterrichtet, weil die nächste Schule 20 Meilen entfernt war. Meine Mutter hatte keinen Hochschulabschluss und keine Erfahrung im Unterrichten, aber sie tat es trotzdem erfolgreich, bis ich mit 16 Jahren zur Schule fahren konnte. Trotz der Einschränkungen hat meine frühe Ausbildung meinen Weg als Arzt und Wissenschaftler beflügelt und einmal mehr bewiesen, dass „Wahrscheinlichkeit“ nicht „Möglichkeit“ bedeutet.
