Øvrige
Fra datalogi og LEGO-robotter til planters DNA og bioinformatik
"DNA består af lange kæder af kun fire forskellige molekyler, forkortet A, C, G og T, og det er jo helt fantastisk, at alle levende organismer - menneske, musvit, solsikke, gær - formulerer deres arvemateriale i dette sprog. Rækken af bogstaver afgør altså, hvilke egenskaber organismen har", siger Jakob Fredslund fra Center for Bioinformatik ved Aarhus Universitet.
Jakob Fredslund er født i 1972. Efter matematisk studentereksamen læste han datalogi på universitetet i Århus med sidefag i matematik. Efterfølgende tog han en PhD. i datalogi, hvor han arbejdede med at programmere intelligente robotter. Efter endt uddannelse skiftede han felt og fik i 2002 ansættelse som forskningsadjunkt ved Center for Bioinformatik, Aarhus Universitet, hvor han har været tilknyttet forskellige projekter. De senere år har han samarbejdet med molekylærbiologer og studeret DNA fra planter. Hans bidrag har først og fremmest været forskellige internet-baserede værktøjer til analyse af DNA-sekvenser. Læs om robotter her: http://www.daimi.au.dk/~chili/robots.html. Læs om sekvensanalyse her: http://www.daimi.au.dk/~chili/BiRC/projects.html.
Beskriv din forskning i korte træk:
Min forskning i robotter drejede sig bl.a. om at få nogle mobile, selvkørende robotter til at køre i forskellige formationer ved at kommunikere med hinanden. Jeg har også bygget flere LEGO-robotter, bl.a. to store ansigter, der kan lave forskellige ansigtsudtryk, som vi har brugt til at undersøge, hvor lidt der skal til, før mennesker tillægger en robot menneskelige egenskaber som f.eks. følelser og intelligens.
Jeg fik lyst til at prøve noget andet efter min PhD. – jeg har altid syntes DNA og genetik var utrolig spændende, og nu havde jeg fået min lyst styret med robotterne (selvom jeg stadig er med i robotprojekter af og til). Lidt tilfældigt havnede jeg i et projekt med en gruppe molekylærbiologer, hvor vi kort fortalt prøvede at finde fællestræk blandt beslægtede planters DNA med henblik på at kortlægge planternes genomer og i sidste ende effektivisere den måde, planteforædling foregår på. Jeg er siden fortsat i et andet projekt også om plante-DNA, hvor jeg studerer en særlig klasse af proteiner i vigtige planter som f.eks. hvede og byg.
Jeg ser min rolle som en slags maskinmester for molekylærbiologerne. De har ekspertise og viden om, hvilke spørgsmål det vil være interessant at undersøge, og jeg kan med min datalogiske baggrund skrive de programmer, der kan gøre analysearbejdet. Det er også en spændende udfordring at gøre resultater og metoder tilgængelige for andre forskere, så jeg har lavet flere internetbaserede værktøjer, der bygger på vores arbejde (et af dem har efterhånden haft brugere i knap 40 lande over hele kloden - for tiden er der i gennemsnit 20 brugere om dagen på hjemmesiden). Den form for tværfagligt samarbejde er meget inspirerende, fordi de deltagende parter bidrager med og udnytter hver sine kompetencer og i fællesskab når et resultat, der ikke ville have været muligt for hver enkelt.
Efterhånden har jeg selvfølgelig fået en del indsigt i det molekylærbiologiske felt og kan derfor selv udstikke retningen for min forskning, sådan som det er tilfældet i min nuværende stilling. Jeg har dog stadig meget ud af at diskutere problemstillinger og forskningsideer med kolleger og samarbejdspartnere.
Hvad fik dig til at læse til datalog?
Jeg startede egentlig med at læse matematik, fordi jeg godt kunne lide det i gymnasiet. Da jeg skulle smide ansøgningsskemaet i postkassen den sidste aften inden fristen udløb, fandt jeg så ud af, at man skulle søge om et bifag samtidig og altså ikke kun kunne søge matematik. Jeg brugte udelukkelsesmetoden og fravalgte f.eks. økonomi, fysik og statistik. Tilbage var kun datalogi, og jeg tænkte ”Ok, jeg har en Commodore 64 og kan godt lide at programmere, det tager vi”. Så satte jeg kryds ved matematik/datalogi-indgangen og nåede lige i postkassen, før den blev tømt.
Og så viste det sig efter et år eller to på studiet, at datalogi var mere problemløsningsorienteret end matematik. Matematik er smukt, og jeg elsker hele bevis-tankegangen og de systemer, man kan bygge op, men jeg kunne bedre lide at løse et givent problem ved at skrive et computerprogram. Og så blev det datalogi.
Siden skiftede jeg så til bioinformatik, som er en blandingsdisciplin med elementer fra f.eks. datalogi, statistik, biologi, molekylærbiologi, og genetik.
Hvad er det, der er så interessant ved planter?
Min egen fascination af planters DNA skyldes, at folk spiser dem. Det, jeg kan være med til at finde ud af om planters arvemateriale, kan siden hen måske være med til at forbedre avlsmetoder og derved give f.eks. mere modstandsdygtige planter – noget den tredje verden ville have stor gavn af. At jeg lige havnede i planteverdenen skyldtes igen lidt et tilfælde, nemlig at der opstod en chance for at blive en del af en gruppe, som arbejdede med plante-DNA, og som havde brug for en bioinformatiker. Jeg kunne altså bruge mine problemløsningsevner på et spændende område, og det var det, der tiltalte mig.
Hvor har dit studium og arbejde bragt dig hen i verden?
Jeg har boet i 9 måneder i Los Angeles og har derudover været på besøg og konferencer i Skotland, USA, Spanien, Tyskland, Ungarn, Canada, Italien, Frankrig.
Beskæftiger du dig nogensinde med andet en forskning?
Ja!! Jeg er glad for mit arbejde, og jeg er glad for min fritid, som jeg bruger på at spille fodbold, spille og lave musik, læse bøger og lege med min datter og min kone. Rejser er også godt.
Har du et budskab, som du gerne vil udbrede?
Jeg synes det er vigtigt at holde øjnene åbne og se de muligheder, livet byder en undervejs. Mange mener, at det er alfa og omega at være målrettet og vide hvad man vil i så ung en alder som muligt, og det er også godt, hvis man har det sådan – men jeg er et levende bevis på, at der også er plads til andre typer. Dermed ikke sagt, at man skal sætte sig ned og vente – jeg tror bare, at hvis man er lidt i tvivl, om man f.eks. skal vælge det ene eller det andet studie, så skal man bare komme i gang med et af dem, og så finder man nok noget i det, der er spændende. Evt. kan man jo vælge det, der afskærer en fra færrest muligheder. Og der var datalogi et godt valg.
