A pesquisa de Caroline Uhler combina aprendizado de ma¡quina e estata­stica com biologia para entender melhor a regulação genanãtica, saúde e doena§a. Apesar dessa missão elevada, Uhler continua dedicada a  paixa£o original de sua carreira: o ensino. “Os alunos do MIT são incra­veis”, diz Uhler. “a‰ isso que torna tão divertido trabalhar aqui.”

Uhler recebeu recentemente um cargo no Departamento de Engenharia Elanãtrica e Ciência da Computação. Ela também émembro associado do Broad Institute do MIT e Harvard, e pesquisadora do Instituto de Dados, Sistemas e Sociedade do MIT e do Laborata³rio de Sistemas de Informação e Decisão.

Tendo crescido ao longo do Lago Zurique, na Sua­a§a, Uhler soube desde cedo que queria lecionar. Apa³s o colegial, ela passou um ano ganhando experiência em sala de aula - e não discriminou por assunto. “Ensinei latim, alema£o, matemática e biologia”, diz ela. Mas, no final do ano, ela começou a gostar mais de ensinar matemática e biologia. Então, ela se matriculou na ETH Zurique para estudar essas matérias e obter um mestrado em educação que lhe permitiria se tornar professora de ensino manãdio em tempo integral.

Mas os planos de Uhler mudaram, graças a uma aula que ela assistiu a um professor visitante da Universidade da Califórnia em Berkeley, chamado Bernd Sturmfels. “Ele ministrou um curso chamado estata­stica alganãbrica para biologia computacional”, diz Uhler. O tí­tulo do curso por si são pode soar como um bocado, mas para Uhler, a aula era um elo elegante entre suas paixaµes por matemática e biologia. “Basicamente conectava tudo de que eu gostava em um curso”, lembra ela.

A estata­stica alganãbrica forneceu a Uhler um conjunto exclusivo de ferramentas para representar a matemática de sistemas biola³gicos complexos. Ela ficou tão intrigada que decidiu adiar seus sonhos de lecionar e buscar um doutorado em estata­stica.

Uhler se matriculou na UC Berkeley, concluindo sua dissertação com Sturmfels como seu orientador. “Eu adorei”, diz Uhler sobre seu tempo em Berkeley, onde mergulhou mais fundo no nexo de matemática e biologia usando a¡lgebra e estata­stica. “Berkeley foi muito aberto no sentido de que vocêpode fazer todos os tipos de cursos”, diz ela, “e realmente buscar seus diversos interesses de pesquisa desde o ina­cio. Foi uma a³tima experiência."

Muito de seu trabalho era tea³rico, tentando responder a perguntas sobre modelos de rede em estata­sticas. Mas, no final de seu doutorado, suas perguntas assumiram uma abordagem mais aplicada. “Fiquei muito interessado em causalidade e regulação gaªnica - como podemos aprender algo sobre o que estãoacontecendo na canãlula?” Uhler diz que a regulação do gene oferece amplas oportunidades para aplicar a análise causal, porque asmudanças em um gene podem ter efeitos em cascata na expressão dos genes a jusante.

Ela levou essas questões de causalidade ao MIT, onde aceitou o cargo de professora assistente em 2015. Suas primeiras impressaµes sobre o Instituto? “O local era muito colaborativo e um centro de aprendizado de ma¡quina e gena´mica”, disse Uhler. “Fiquei animado em encontrar um lugar com tantas pessoas trabalhando na minha área. Aqui, todo mundo quer discutir pesquisa. a‰ muito, muito divertido. ”

O Broad Institute, que usa a gena´mica para entender melhor a base genanãtica das doenças e buscar soluções, também tem sido uma boa opção para os interesses acadaªmicos de Uhler e sua abordagem cooperativa de pesquisa. O Broad anunciou no maªs passado que a Uhler codirigira¡ seu novo Eric e Wendy Schmidt Center, que promovera¡ pesquisas interdisciplinares entre dados e ciências da vida.

Uhler agora trabalha para sintetizar dois tipos distintos de informações gena´micas: sequenciamento e empacotamento 3D do DNA. O núcleo de cada canãlula do corpo de uma pessoa contanãm uma sequaªncia idaªntica de DNA, mas o arranjo fa­sico desse DNA - como ele se torce e se enrola - varia entre os tipos de células. “Ao compreender a regulação do gene, estãoficando claro que o empacotamento do DNA émuito importante”, diz Uhler. “Se alguns genes no DNA não forem usados, vocêpode simplesmente fecha¡-los e compacta¡-los de maneira bem densa. Mas se vocêtiver outros genes de que precisa com frequência em uma canãlula especa­fica, vocêos tera¡ abertos e talvez atémesmo pra³ximos para que possam ser coregulados. ”

Aprender a interação do ca³digo genanãtico e o empacotamento 3D do DNA pode ajudar a revelar como uma determinada doença afeta o corpo em umnívelcelular e pode ajudar a apontar para tratamentos direcionados. Para alcana§ar essa sa­ntese, a Uhler desenvolve manãtodos de aprendizado de ma¡quina, em particular baseados em autoencoders, que podem ser usados ​​para integrar dados de sequenciamento e dados de empacotamento para gerar uma representação de uma canãlula. “Vocaª pode representar os dados em um espaço onde as duas modalidades estãointegradas”, diz Uhler. “a‰ uma questãoque me deixa muito animado por causa de sua importa¢ncia na biologia, bem como minha formação em matemática. a‰ um problema de embalagem interessante. ”

Recentemente, Uhler se concentrou em uma doença em particular. Seu grupo de pesquisa foi coautor de um artigo que usa autoencoders e redes causais para identificar drogas que poderiam ser reaproveitadas para combater Covid-19. A abordagem pode ajudar a identificar candidatos a medicamentos a serem testados em ensaios clínicos e éadapta¡vel a outras doenças em que dados detalhados de expressão gaªnica estãodispona­veis.

Deixando de lado as realizações da pesquisa, Uhler não abandonou suas primeiras aspirações de carreira de ser professora e mentora. Na verdade, tornou-se um de seus papanãis mais queridos no MIT. “Os alunos são incra­veis”, diz Uhler, destacando sua curiosidade intelectual. “Vocaª pode simplesmente ir atéo quadro branco e iniciar uma conversa sobre pesquisa. Todo mundo étão motivado para aprender e se preocupa profundamente. ”