Tumor Genetics Blog

Alkuperäinen teksti: Sinja Taavitsainen

In English: Teaching – How researchers train future generations.

Tutkijat keskittävät päivittäin energiansa keskeisiin biologian kysymyksiin, kuten siihen, miten syöpä kehittyy ja miten sitä voidaan hoitaa. Tutkimukseen kuuluu kuitenkin myös toinen olennainen osa – tulevien tutkijoiden kouluttaminen. Kuten kaikilla aloilla, myös tutkimuksessa on tärkeää oppia perusosaaminen ja -taidot, jotta voi kasvaa päteväksi ja itsenäiseksi tutkijaksi. Vastuu tästä koulutuksesta on pitkälti kokeneilla tutkijoilla, jotka suunnittelevat ja toteuttavat suuren osan opiskelijoiden opetuksesta ja ohjauksesta. Pyysimme Tampereen yliopiston yliopisto-opettajaa, FT Sinja Taavitsaista, kertomaan kokemuksistaan tulevien tutkijoiden kouluttamisesta.

Kerro vähän itsestäsi

Olen Sinja Taavitsainen, bioinformatiikan tutkija ja yliopisto-opettaja Tampereen yliopistossa. Opiskelin ensin mikrobiologiaa Kalifornian yliopistossa Davisissa kandidaattivaiheessa, mutta vaihdoin bioinformatiikkaan maisteri- ja tohtoriopinnoissani Tampereen yliopistossa, joten taustani on sekoitus biologiaa ja laskennallisia menetelmiä. Väitöskirjassani keskityin ymmärtämään hoitoresistenssin mekanismeja ja eturauhassyövän evoluutiota erilaisten laskennallisten menetelmien avulla. Sen jälkeen tein postdoc-tutkimusta Karoliinisessa instituutissa, jossa tutkin nestebiopsioita ja kiertävän kasvain-DNA:n dynamiikkaa eturauhassyövässä. Nyt olen todella innoissani paluustani Tampereen yliopistoon uudessa yliopisto-opettajan roolissani. Tänä lukukautena opetan kandidaattivaiheen opiskelijoille bioinformatiikan perusteita valmistaen heitä syventäviin opintoihin.

Oliko siirtyminen tutkimuksesta tutkimuksen ja opetuksen yhdistämiseen vaikeaa?

Olin jo osallistunut opetukseen maisteri-, tohtori- ja postdoc-vuosieni aikana, joten siirtymä ei tuntunut kovin suurelta harppaukselta. Se, mikä on muuttunut, on ajankäytön tasapaino: opetus on nyt keskeisempi osa työtäni sen sijaan, että olisin vain sovittanut sitä tutkimuksen oheen. Tämä muutos on tuntunut luontevalta, koska olen aina pitänyt opettamisesta. Suurimmat haasteet ovat olleet käytännön asioissa, kuten uusien luentojen valmistelussa ja kokonaisen kurssin järjestämisessä. Sekin on kuitenkin ollut hauskaa, koska se pakottaa miettimään tarkasti, mitä opiskelijoiden on tärkeintä oppia tietyssä vaiheessa opintoja.

Mitä sellaisia haasteita opetuksessa on, joita tutkimuksessa ei ole?

Tutkimuksessa työskentelee yleensä kollegoiden kanssa, joilla on ainakin jonkin verran samaa taustaa ja sanastoa. Opetuksessa sen sijaan täytyy muistaa, miltä tuntuu kohdata uusi käsite ensimmäistä kertaa. Monimutkaisten ideoiden pilkkominen ymmärrettäviksi kuitenkaan liikaa yksinkertaistamatta on toisinaan haastavaa. Toinen ero on välitön vastuu: opettajana näkee heti reaaliajassa, seuraavatko opiskelijat mukana vai täytyykö asia selittää toisella tavalla.

Vaikuttaako tutkimuksesi opetukseesi tai päinvastoin?

Ehdottomasti! Tutkimukseni tarjoaa paljon käytännön esimerkkejä, joita voin hyödyntää opetuksessa. Esimerkiksi kun luennoin sekvensointiteknologioista ja niiden data-analyysimenetelmistä, voin näyttää, miten niitä käytetään syöpätutkimuksessa. Uskon, että tämä auttaa opiskelijoita näkemään, että bioinformatiikka ei ole pelkkää teoriaa, vaan konkreettisia työkaluja tärkeiden biolääketieteellisten kysymysten ratkaisemiseen. Toisaalta opiskelijoiden kysymykset saavat minut ajattelemaan tuttuja ongelmia uudella tavalla. Kun menetelmiä täytyy selittää selkeästi aloittelijoille, tulee itsekin palattua perusteisiin ja mietittyä niitä uudelleen – ja se on todella hyödyllistä tutkijana kehittymisessä.

Huomaatko eroja siinä, mitä nykyään opetetaan verrattuna omaan opiskeluaikaasi?

Bioinformatiikka on kehittynyt paljon siitä, kun itse olin opiskelija. Silloin painopiste oli mielestäni enemmän yksittäisten työkalujen hallinnassa ja analyysien suorittamisessa vaihe vaiheelta. Nyt korostuvat enemmän automaatio, toistettavuus ja ohjelmointitaidot. Työnkulut, versionhallinta ja pilvilaskenta ovat tulleet arkipäiväisiksi.

Lisäksi uudet sekvensointiteknologiat, kuten yksittäissolumenetelmät, ovat nykyään keskeisempiä. Perusasiat ovat toki samat, mutta menestyäkseen opiskelijoilta vaaditaan nykyään joustavampia ja laskennallisesti vahvempia lähestymistapoja. Ja tietysti suurten kielimallien, kuten ChatGPT:n, nousu on muuttanut tilannetta: opiskelijat voivat tuottaa koodia tai selityksiä hetkessä. Se voi olla valtava apu, mutta samalla on tärkeää opettaa heille, miten arvioida kriittisesti näiden työkalujen tuottamaa sisältöä sen sijaan, että vain kopioisi tulokset.

Minkälaisia opiskelijoita opetat? Suuntautuuko suurin osa tutkimukseen?

Tällä hetkellä opetan pääasiassa kandidaattivaiheen opiskelijoita bioteknologian ja biolääketieteen tekniikan koulutusohjelmassa. Heillä on vahva biologian osaaminen, ja monet ovat myös tottuneita matematiikkaan ja jonkin verran ohjelmointiin. Monet heistä suuntaavat tutkimukseen, mutta eivät välttämättä vain akateemiseen tutkimukseen – myös teollisuuden työpaikat kiinnostavat. Koulutusohjelman tavoitteena onkin tarjota laaja näkymä erilaisiin uravaihtoehtoihin.

Minkälaisia mahdollisuuksia olisi hyvä tarjota niille, joita kiinnostaa tutkijan ura?

Mahdollisuudet, kuten kesäharjoittelut laboratorioissa, yhteistyöprojektit tai osallistuminen käynnissä olevaan tutkimukseen, antavat opiskelijoille todellisen kuvan siitä, millaista on työskennellä tieteellisen kysymyksen parissa alusta loppuun. Itse olin onnekas, kun pääsin tutkimusavustajaksi Matti Nykterin ryhmään opiskeluaikanani – se vahvisti kiinnostustani tutkimukseen ja antoi taidot työskennellä bioinformaatikkona. Opiskelijoille on todella arvokasta päästä käytännön tutkimusprojekteihin, joissa he voivat analysoida dataa, tulkita tuloksia ja osallistua oikeisiin tutkimuksiin. Tämä on mielestäni yksi Tampereen yliopiston vahvuuksista.

Mitä tärkeitä taitoja ja osaamista tulisi siirtää tuleville sukupolville?

Tekniset taidot, kuten ohjelmointi, tilastotiede ja erikoistuneet data-analyysimenetelmät, ovat tärkeitä, mutta ne ovat vain osa kokonaisuutta. Todellinen asiantuntijuus liittyy siihen, miten osaa ajatella dataa. Se tarkoittaa kriittisyyttä datan laatua kohtaan, tietoisuutta sen rajoituksista ja luovuutta merkityksellisten oivallusten löytämisessä. Yhtä lailla keskeinen taito on monitieteisyys. Bioinformatiikka yhdistää biologian, tietojenkäsittelytieteen ja matematiikan, joten kyky “puhua useampaa kieltä” ja tehdä yhteistyötä eri alojen kanssa on aina arvokasta. Lisäksi sopeutumiskyky on olennaista. Työkalut, teknologiat ja tutkimuskysymykset kehittyvät nopeasti, joten jatkuva oppiminen ja sopeutuminen on yksi tärkeimmistä taidoista, jonka opiskelija voi hankkia.

Onko sinulla neuvoja uusille opettajille, erityisesti niille, jotka tulevat tutkimustaustasta?

Koska olen itsekin vasta aloittanut opettajana, voi olla vähän aikaista antaa neuvoja 🙂. Olen kuitenkin saanut paljon hyviä vinkkejä muilta opettajilta, jotka ovat todella auttaneet minua. Niiden avulla olen esimerkiksi oppinut, kuinka tärkeää on määritellä oppimistavoitteet selkeästi, motivoida luennot niin, että opiskelijat ymmärtävät, miksi aihe on kiinnostava, pilkkoa monimutkaisia kokonaisuuksia hallittaviin osiin ja olla joustava opiskelijoiden kysymyksiin ja tarpeisiin vastatessa.

Lisäksi suosittelisin kaikille opettamisesta kiinnostuneille pedagogisten kurssien käymistä. Itse en suorittanut montaa pedagogiikan opintojaksoa maisteri- ja tohtorivaiheessa, mutta nyt toivoisin, että olisin tehnyt niin! Opettamista oppii paljon käytännön kautta, mutta pedagogiikan opinnoista saa myös uusia ideoita ja menetelmiä omaan opetukseen.

Kiinnostaako syöpätutkimus? Haluatko kuulla lisää Kasvaingenetiikan tutkimuksen huippuyksiköstä? Seuraa blogia, löydät meidät myös Instagramista @tumorgenetics ja Bluesky @CoEinTG