Initially published on makery.info, 22 May 2020 by Cherise Fong

If JOGL’s OpenCovid19 Initiative came out of a crisis, the multidisciplinary collaborations that are forming among its members around a growing number of projects prove that this open online platform is much more than a flash mob. What does the data say?

Marc Santolini, one of the co-founders of Just One Giant Lab (JOGL) with bio-community leader Thomas Landrain and computational biologist Léo Blondel, has spent the past two years at the Center for Research and Interdisciplinarity (CRI) in Paris investigating collaborative learning and solving using network science and data-driven approaches, with the goal of developing tools to foster collective intelligence.

In the case of OpenCovid19 Initiative, he has been leading a Metastudy team to examine how this open community has been self-organizing during the past two months since its launch. At the same time, the team is developing an algorithmic recommendation system to optimize matches between project needs and contributor skills and resources.

“The idea is that behind JOGL there is a network of actors,” Marc explains. “These actors are connected to projects they follow, to people they interact with, to skills, needs and lots of other objects that are on the platform. This network of actors is called a heterogeneous information network. The algorithm predicts potential connections on this heterogeneous network. In other words, we can predict a connection between two people that doesn’t yet exist, but based on the structure of the network, we can say that it should very probably exist. We can also make recommendations based on certain meta-paths within the network that we want to push, for example, matchmaking skills with needs, or between similar projects.”

Prototyping on the go, the team has already applied this methodology to gain insight from the OpenCovid19 Slack workspace, where the TeamChatViz tool showed that new members were often bottlenecked shortly after onboarding. Now, new members are automatically joined to channels where they are most likely to make connections — with people they might not have met otherwise.

“We’re trying to build an algorithm that avoids echo chambers and maximizes collective intelligence on the platform.

– Marc Santolini

CRI colleagues Marc Santolini and Bastian Greshake Tzovaras, director of the Open Humans community for self-research in personal health data, were recently awarded a Nesta collective intelligence grant to animate Open Humans communities on patient-led research (people tracking and analyzing their own symptoms, diabetics building their own hardware…). JOGL will help these individuals better organize into more specialized self-research communities by developing a dedicated system of recommendations, and testing their relative impact by comparing with randomized recommendations.

Powered by peer review

Consistent with this lateral approach, JOGL’s micro-grants for OpenCovid19 projects are awarded based on peer reviews by fellow members of the OpenCovid19 community. This participatory process was co-designed by Chris Graham and Elliot Lawton, based on the original architecture of JOGL’s Co-Immune program. The latter was also used for OpenCovid19’s sibling community, Helpful Engineering.

“In academia, grant funding is slow, peer review is slow, and honestly, all science is slow unless you focus on a very small area — and this is all sped up by collaboration and by increasing the number of people to remove the burden on individuals,” says Chris Graham. “At JOGL, the open grant system, and an analysis of the collective thoughts on projects that this brings, has let us assign funding ethically to a list of fantastic projects that both science and community agree with, and it’s already helping us thrive.”

“I believe in open science and the sharing of ideas collectively,” he continues. “We all have a dream that in the future, scientists will be using the Web for collaboration and to achieve their goals more efficiently, breaking down many hierarchical barriers that exist traditionally and getting straight to the source — whether it be funding, sharing ideas or peer review.”

While JOGL is currently collaborating with Kap Code to create an open database on Covid-19, Kaggle has already made available the COVID-19 Open Research Dataset (CORD-19), which includes more than 63,000 scholarly articles about Covid-19, Sars-CoV-2 and related coronaviruses — followed by “a call to action to the world’s artificial intelligence experts to develop text and data mining tools that can help the medical community develop answers to high priority scientific questions”.

At CRI, Marc Santolini (along with his lab postdoctoral associate whose research topic is on “the rise and fall of research fields” from disruption to decay) plans to fully investigate #CoronaResearchDynamics within CORD-19, for example in terms of peer citations and projects realized, in order to compare and contrast with collaborative relationships within JOGL.

“Were they more collaborative or more competitive?” Marc probes. “Can we visualize a comparison between the community of thousands that we managed to weave, who succeeded in collaborating and realizing projects, versus more traditional collaborations and accomplishments in the academic world? In short, we want to analyze the differences between institutional and non-institutional approaches during this sprint in Covid research. What are the particular strengths of open communities?”

Predicting from crowdsourced patterns

Beyond these data-driven metascience approaches on the JOGL community itself, many projects have emerged on the platform that focus on researching and developing data collection methods, analyses, models and simulations to describe and forecast the Covid-19 pandemic.

One of the most ambitious data analysis projects on JOGL (also on the data-oriented CoronaWhy platform) is data scientist John Urbanik’s Computational Epidemiology Modeling Toolkit (#epimodelingtoolkit): an open source toolkit and data exchange for epidemiologists to develop simulation models for the evolution of Covid-19 in specific situations. It’s similar to parallel efforts by contributors to Kaggle’s Covid-19 forecasting challenge, or the academic team behind EpidemicForecasting.org.

Two other OpenCovid19 Initiative projects, both awarded JOGL micro-grants, tackle pandemic problems using de-identified crowdsourced data on a community scale. Their open source approach contrasts with more top-down institutional applications.

Quantified Flu is an ongoing project led by Bastian Greshake Tzovaras and Mad Price Ball of Open Humans, to aggregate, visualize and analyze raw sensor data from wearable health devices (Fitbit, Oura Ring, Google Fit, Apple Watch), which symptom self-tracking members can also access and choose to share. On the institutional side, the government-endorsed COVID Symptom Study iOS/Android app, launched by a genetic epidemiologist at King’s College London and his company Zoe, currently invites millions of citizens in the UK and the U.S. to track their symptoms in real-time, allowing the gatekeeping academics to potentially predict the probability of Covid-19 infection.

CoughCheck is an AI project to develop a smartphone app that analyzes the sound of your cough to inform its algorithmic prediction. Following a highly successful launch on JOGL in March, the project now counts 47 members and 27 followers, while team leader Hernán Morales Durand is collaborating with Open Humans to collect and store audio samples and other community health data from participating self-researchers. In institutional parallel, the COVID-19 Sounds App developed by the University of Cambridge solicits people worldwide to volunteer the sounds of their cough, breathing and voice, either through a mobile app or directly on their website, to contribute to its own academic research.

Simulating the invisible curve

One of JOGL’s inherent strengths as a global, open and collaborative platform is its ability to extend its tentacles beyond biohacking, beyond academia, beyond digital social media and into the dirty, messy offline chaos of real-world communities. These exceptionally dense, marginalized communities of urban slums, migrant worker dormitories and overpopulated refugee camps remind us that social distancing is a luxury that not everyone can afford. While these populations are among the most vulnerable to a Covid outbreak, they are often unaccounted for or overlooked by official predictions.

A couple months ago, data scientist Billy Zhao, co-founder of the AI for Good London community, assembled an international, multidisciplinary team including collaborators from Italy to Ethiopia to focus specifically on studying and modeling the potential spread of Covid-19 in the Moria refugee camp in Greece. In April, the team entered (and won) the international Hack from Home hackathon with a proof of concept for their AI for Good Simulator. The project has since joined JOGL’s OpenCovid19 Initiative, as the team reaches out to an expanded global community.

With thousands of tents pitched in an area of less than one square kilometer that is grossly overcrowded with some 19,000 refugees from Syria and Afghanistan, Moria is the largest refugee camp in Europe. “Some people have been there for years, living in tense situations,” says Billy. “They have a deep distrust in authority, because they should have gotten off the island of Lesbos to go to the mainland ages ago, but the government failed them as a promise. In some cases, there isn’t much community engagement where the camp residents don’t have mobile phones. So it’s hard to get in contact with them, as we really want to find out people’s attitudes towards different possible interventions, to estimate how many people are going to actually follow the rules, what things will be feasible. Right now they’re not even sure if there’s enough land or capacity for quarantine facilities.”

Fortunately, the AI for Good Simulator project’s core team includes Alice Piterova, who has a strong connection with humanitarian actors after working with Techfugees, and Joel Hernandez, an NGO worker who has been working on the ground in Moria for the past several years. So far, Billy has recruited about 20 volunteers through Help with COVID and Data Science for Social Good, with hopefully more soon to come through JOGL. The volunteers are divided into three sub-teams: user research, mathematical epidemiology modeling, and data visualization for the final dashboard. The team is also in regular contact with epidemiologists at the London School of Hygiene and Tropical Medicine.

Together, they are working to design and develop a site-specific epidemiological model to support NGOs in mobilizing actions and inform sound policies by local authorities in a timely manner. “Because once the first death shows up within the camp, the virus is probably everywhere, it might be already too late,” warns Billy.

For the AI for Good Simulator, he also believes that it’s worth taking the time and doing the research to get things right. The team is currently comparing three different models, including a compartment model and an agent-based model based on the academic study of a 2014 cholera outbreak in the Daadab refugee camp in Kenya.

“These three different models are all an extraction of the same reality, but because they have different assumptions, they each have a different makeup that tells you a different story,” says Billy. “So when the models agree from all these angles, you see that this is probably the best intervention we should go for. But when the models disagree, you can actually pick them apart and say, this assumption leads to this, this assumption leads to that, and maybe we need to think about it a little bit more.

“Right now we are still in this first phase of exploring, getting in touch with these different NGOs and trying to figure out their needs, what’s currently being done. There are also academic organizations that are thinking about using high-resolution satellite imagery to see where the congestion spots are within the camp… So there are more AI applications to be done down the road.”

As these projects gain followers on JOGL, the collaborative platform continues to refine its recommendations, matchmaking members and fostering synergies for a sustainable future beyond Covid-19.

“With the heat of the crisis now behind comes the challenge of stabilizing and sustaining such open collaborative projects in the longer term,” says Marc Santolini. “New members of communities that scaled up quickly can easily get lost, and smart onboarding strategies are key to sustaining such efforts. Creating an architecture of attention with recommender systems is key, but their design needs to take into account the specific needs associated with various phases of a project cycle: team building and ideation, implementation, documentation. The JOGL team is now collaborating with social scientists, computer scientists, project managers and user experience specialists to help design this architecture. Ironically, collective intelligence is at the core of its own design.”

Join JOGL’s OpenCovid19 Initiative

Initially published on makery.info, 22 May 2020 by Cherise Fong

Initialement publié sur makery.info le 22 mai 2020 par Cherise Fong

Si l’Initiative OpenCovid19 de JOGL est née d’une crise, les collaborations multidisciplinaires qui se tissent entre ses membres autour d’un nombre croissant de projets prouvent que cette plateforme ouverte en ligne est beaucoup plus qu’une mobilisation éclair. Que nous racontent les chiffres ?

Marc Santolini, un des cofondateurs de Just One Giant Lab (JOGL) avec le pionnier français de la biologie communautaire Thomas Landrain et le bioinformaticien Léo Blondel, a passé les deux dernières années au Centre de Recherche Interdisciplinaire (CRI) à étudier comment les communautés s’organisent et collaborent en utilisant la science des réseaux et des approches basées sur les données dans le but de développer des outils qui facilitent l’intelligence collective.

Dans le cadre de l’Initiative OpenCovid19, il dirige l’équipe Metastudy pour examiner de près l’activité de cette communauté ouverte depuis son lancement en mars 2020. En même temps, l’équipe développe un système de recommandation algorithmique pour optimiser les correspondances entre les besoins des projets et les compétences ou les ressources des contributeurs du réseau.

« L’idée c’est que derrière JOGL il y a un réseau d’acteurs, explique Marc Santolini. Ces acteurs sont liés à des projets qu’ils suivent, à des personnes avec qui ils interagissent, à des compétences, à des besoins, et bien d’autres objets qui sont sur la plateforme. C’est un réseau d’acteurs que nous appelons un réseau d’information hétérogène. L’algorithme prédit des connexions potentielles dans ce réseau hétérogène. En d’autres termes nous pouvons prédire un lien d’une personne à une autre personne qui n’existe pas encore, mais basé sur le réseau, nous pouvons dire que très probablement il devrait exister. Nous pouvons le faire en nous appuyant sur la structure du réseau mais aussi sur certains méta-chemins du réseau que nous voulons mettre en avant. Par exemple, nous pouvons faire de la correspondance entre des besoins qui existent sur la plateforme et des gens qui pourraient répondre à ces besoins, ou entre des projets similaires. »

Fonctionnant en prototypage itératif, l’équipe a déjà appliqué cette méthodologie pour mieux connaître l’espace de travail Slack OpenCovid19, où l’outil d’analyse TeamChatViz indiquait que les nouveaux membres étaient souvent bloqués à l’entrée du réseau. A présent, les nouveaux membres sont automatiquement inscrits à des canaux où ils sont susceptibles de faire des rencontres intéressantes, de personnes qu’ils n’auraient peut-être pas connues autrement.

« On essaie de faire un algorithme qui évite les effets de bulle et maximise l’intelligence collective sur la plateforme. »

Marc Santolini

Marc Santolini et Bastian Greshake Tzovaras, codirecteur de la communauté Open Humans pour l’auto-recherche sur les données de santé personnelles, ont récemment reçu une subvention Nesta sur l’intelligence collective pour animer ces groupes de recherche menée par les patients (les personnes suivent et analysent leur propres symptômes, les diabétiques construisant leur propre matériel…). JOGL aidera ces personnes à mieux s’organiser en communautés d’auto-recherche plus spécialisées en développant un système dédié de recommandations et en testant leur impact relatif en les comparant à des recommandations randomisées.

La puissance des pairs

Cohérente avec cette approche horizontale, la sélection des projets OpenCovid19 pour les micro-bourses de JOGL est déterminée par les évaluations d’autres membres (peer reviews) du réseau OpenCovid19. Ce processus participatif a été conçu par Chris Graham et Elliot Lawton, sur la base de l’architecture originale du programme JOGL Co-Immune. Ce dernier a également servi de base pour la communauté jumelle d’OpenCovid19, Helpful Engineering.

« Dans le monde universitaire, le financement des bourses est lent, l’évaluation par les pairs est lente, et honnêtement, toute la science est lente, à moins de concentrer ses efforts sur un champ très réduit. Mais tout cela peut être accéléré par la collaboration et l’augmentation du nombre de personnes afin de répartir les responsabilités de certains individus, avance Chris Graham. Chez JOGL, le système ouvert des bourses et l’analyse des réflexions collectives sur les projets qui en découle nous permet de soutenir financièrement et de manière éthique une liste de projets fantastiques qui conviennent à la fois à la science et à la communauté. »

« Je crois à la science ouverte et au partage collectif des idées, poursuit-il. Nous rêvons tous qu’à l’avenir, les scientifiques utiliseront le Web pour collaborer et atteindre leurs objectifs de manière plus efficace, en brisant toutes les barrières hiérarchiques traditionnelles pour aller directement à la source, qu’il s’agisse de financement, de partage d’idées ou d’évaluation par les pairs. »

Pendant que JOGL collabore avec Kap Code pour créer une base de données ouverte sur le Covid-19, Kaggle a déjà lancé son COVID-19 Open Research Dataset (CORD-19), un ensemble de plus de 63.000 articles universitaires libres d’accès sur le Covid-19, le Sars-CoV-2 et d’autres coronavirus, suivi par « un appel aux experts du monde en intelligence artificielle pour développer des outils d’analyse de texte et de données qui puissent aider la communauté médicale à trouver des réponses aux questions scientifiques les plus pressantes ».

Au CRI, Marc Santolini (avec un de ses associés postdoctorant dont le sujet de recherche est « l’émergence et la disparition des champs de recherche ») compte explorer à fond les dynamiques entre chercheurs dans le contexte Covid-19, par exemple en analysant leurs comportements en terme de citations de leurs pairs et des projets réalisés, afin de les comparer avec les relations collaboratives sur le réseau de JOGL.

« Les gens ont-ils été plus collaboratifs ou au contraire plus compétitifs que d’habitude ? se demande Marc. Peut-on tracer un comparatif entre la communauté qu’on a réussi à faire émerger, qui a réussi à collaborer et à mener à bien des projets, et les collaborations et réussites du monde universitaire traditionnel ? En résumé, nous voulons analyser les différences entres les approches institutionnelles et non-institutionnelles dans ce sprint de la recherche sur le Covid. Quelles sont les forces particulières des communautés ouvertes ? »

Des prédictions à partir de données participatives

En plus de ces projets métascientifiques axées sur les données au sein de la communauté JOGL elle-même, de nombreux projets sur la plateforme se concentrent sur la recherche et le développement de méthodes de collecte de données, d’analyses, de modèles et de simulations pour décrire et prédire la pandémie de Covid-19.

Un des projets en intelligence artificielle les plus ambitieux sur JOGL (ainsi que sur la plateforme spécialisée CoronaWhy) est le Computational Epidemiology Modeling Toolkit (#epimodelingtoolkit) de John Urbanik, un ensemble d’outils ouverts qui permettent aux épidémiologistes d’échanger des données et de créer des modèles de l’évolution du Covid-19 dans des situations précises. Le projet est similaire à des efforts parallèles de la part des contributeurs au défi de prédiction Covid-19 de Kaggle ou de l’équipe universitaire derrière le site EpidemicForecasting.org.

Deux autres projets de l’Initiative OpenCovid19, tous deux lauréats de micro-bourses de JOGL, font face à la pandémie en utilisant des données désidentifiées provenant de sources participatives et communautaires. Leurs approches open source se distinguent des applications institutionnelles plus hiérarchiques.

Quantified Flu est un projet en cours porté par le chercheur au CRI Bastian Greshake Tzovaras et Mad Price Ball qui dirigent tous deux la communauté Open Humans. Il a pour but de rassembler, visualiser et analyser les données brutes récupérées par des appareils personnels de santé (Fitbit, Oura Ring, Google Fit, Apple Watch). Les participants ont accès en priorité à ces données pour essayer de comprendre leurs propres symptômes ; ils peuvent également choisir de les partager avec la communauté Open Humans ou même les chercheurs universitaires.

Du côté institutionnel, l’appli mobile COVID Symptom Study, approuvée par les gouvernements d’Ecosse et du Pays de Galles et lancé par un épidémiologiste du King’s College London et sa société Zoe, invite des millions de citoyens au Royaume-Uni et aux Etats-Unis à surveiller leurs symptômes en temps réel, pour éventuellement aider les universitaires à prédire la probabilité d’une infection de Covid-19.

CoughCheck App est un projet IA pour développer une application mobile qui analyse le son de votre toux pour déterminer sa prédiction algorithmique. Suite à son lancement à grand succès sur JOGL en mars, CoughCheck App compte actuellement 47 membres et 27 abonnés, et le porteur du projet Hernán Morales Durand collabore avec Open Humans pour récolter et stocker des échantillons sonores et autres données sur la santé des participants. En parallèle institutionnel, le COVID-19 Sounds App développé par l’université de Cambridge sollicite des gens du monde entier à contribuer les sons de leur toux, souffle et voix pour avancer leur recherche universitaire.

Des simulations de la courbe invisible

Une des forces inhérentes à JOGL en tant que plateforme mondiale, ouverte et collaborative est sa capacité de prolonger ses tentacules au-delà du biohacking, au-delà du monde universitaire, au-delà des réseaux sociaux pour pénétrer dans le chaos désordonné des communautés du monde réel. Ces communautés défavorisées et exceptionnellement denses des bidonvilles, des dortoirs de travailleurs migrants ou des camps de réfugiés surpeuplés nous rappellent que la distanciation sociale est un luxe. Si ces populations sont parmi les plus à risque en cas d’épidémie, elles sont souvent négligées par les prédictions officielles.

Il y a quelques mois, Billy Zhao, cofondateur de la communauté AI for Good London, a rassemblé une équipe internationale et multidisciplinaire de collaborateurs de l’Angleterre à l’Ethiopie pour étudier et modéliser la propagation possible de Covid-19 dans le camp de réfugiés Moria en Grèce. En avril, l’équipe est primée dans le hackathon Hack from Home pour la démonstration de faisabilité de leur projet AI for Good Simulator. Toujours à la recherche de collaborateurs issus d’une communauté plus vaste, le projet de simulateur a depuis rejoint l’Initiative OpenCovid19 de JOGL.

Avec ses milliers de tentes plantées sur une surface de moins d’un kilomètre carré, où habitent plus de 19.000 réfugiés venus de la Syrie et de l’Afghanistan, Moria est le plus grand camp de réfugiés en Europe. « Il y a des gens qui y habitent depuis des années dans des situations très tendues, raconte Billy. Ils se méfient des autorités, car ils étaient censés quitter l’île de Lesbos il y a longtemps, mais le gouvernement n’a pas tenu ses promesses. Dans certains cas, les résidents du camp n’ont pas de téléphones portables, ce qui fait que c’est difficile de les contacter. On veut vraiment comprendre leurs attitudes envers les différentes interventions possibles, pouvoir estimer combien de personnes vont effectivement suivre les règles, savoir ce qu’on peut envisager dans le camp. Actuellement ils ne sont même pas sûrs qu’il y ait suffisamment de terrain ou de capacité pour installer des centres de quarantaine. »

Heureusement, parmi les membres au sein de l’équipe du AI for Good Simulator figurent Alice Piterova, qui a beaucoup d’expérience avec les acteurs de l’humanitaire après avoir travaillé chez Techfugees, et Joel Hernandez, qui travaille avec une ONG sur place au camp Moria depuis plusieurs années. Billy a recruté une vingtaine de bénévoles sur les sites de Help with COVID et Data Science for Social Good, en espérant trouver d’autres sur JOGL. L’équipe est divisée en trois sous-groupes : la recherche sur les utilisateurs, la modélisation mathématique de l’épidémiologie et la visualisation des données pour le tableau de bord final. Ils sont également en contact régulier avec des épidémiologistes de la London School of Hygiene and Tropical Medicine.

Ensemble, ils travaillent sur la conception et le développement d’un modèle épidémiologique spécifique au camp Moria pour soutenir les ONG dans leurs actions de mobilisation et aider les autorités locales à rapidement implémenter des mesures efficaces. « Car au moment où l’on découvre le premier mort au sein du camp, le virus est probablement partout, il est peut-être déjà trop tard » prévient Billy.

Quant au AI for Good Simulator, Billy pense qu’il faut prendre le temps de recherche et de développement nécessaire pour bien contrôler son application sur le terrain. L’équipe compare actuellement trois modèles différents, dont un modèle basé sur la recherche universitaire d’une épidémie de choléra en 2014 dans le camp de réfugiés Daadab au Kenya.

« Ces trois différents modèles sont tous extraits d’une même réalité, mais parce qu’ils ont des hypothèses différentes, chacun raconte une histoire différente, explique Billy. Lorsque les trois modèles sont en accord, on voit tout de suite quelle serait probablement la meilleure intervention. Mais quand ils sont en désaccord, on peut les disséquer en disant cette hypothèse mène à ceci, cette autre hypothèse mène à cela, aussi il serait prudent d’y réfléchir un peu plus. »

« Maintenant nous sommes dans une première phase d’exploration, en contactant les différentes ONG pour essayer de comprendre leurs besoins, ce qu’ils font actuellement. Il y a également des groupes universitaires qui réfléchissent à comment utiliser des images de satellite haute-résolution pour identifier les points de congestion à l’intérieur du camp… Donc il y aura d’autres applications IA à faire dans le futur. »

Se projeter

Pendant que tous ces projets gagnent des membres sur JOGL, la plateforme collaborative continue à raffiner ses recommandations afin de créer des synergies pour un avenir durable au-delà du Covid-19.

« Après le feu de la crise vient le défi de pouvoir stabiliser ces projets de collaboration ouverte sur la durée, rappelle Marc Santolini. Des stratégies intelligentes sont essentielles pour orienter les nouveaux membres des communautés qui grandissent rapidement et où il est facile de se perdre. Aussi il est important de créer une architecture d’attention avec des systèmes de recommandations, mais il faut qu’elle tienne compte des besoins spécifiques associés aux différentes phases du cycle d’un projet : formation des équipes et des idées, implémentation, documentation. L’équipe de JOGL collabore actuellement avec des chercheurs en sciences sociales, des informaticiens, des chefs de projet et des spécialistes de l’expérience utilisateur pour aider à concevoir cette architecture. Paradoxalement, c’est l’intelligence collective qui est au cœur de son propre design. »

Rejoindre l’Initiative OpenCovid19 de JOGL

Initialement publié sur makery.info le 22 mai 2020 par Cherise Fong

Can an inter-communal alliance solve the problem of test shortages? Through the collaborative online laboratory Just One Giant Lab (JOGL), researchers, engineers, designers, start-ups, community managers and public institutions join forces to explore an experimental yet promising diagnostic technique: LAMP.

The global scientific community now has a powerful new tool to mobilise and pool efforts in containing the pandemic: Just One Giant Lab (JOGL), a research and innovation laboratory that is entirely collaborative and open source. Co-founded by Thomas Landrain, founder of La Paillasse open science lab in Paris, along with Marc Santolini and Léo Blondel, JOGL launched in beta in June 2019 in order to tackle the Sustainable Development Goals defined by the United Nations. The Covid-19 crisis further accelerated the expansion of the online platform and community.

On March 1, 2020, the three co-founders and part of the JOGL community launched OpenCovid19 Initiative, a program to “develop open-source and low-cost tools and methodologies” to tackle the crisis. Professional and amateur scientists, open science enthusiasts, students, designers, project managers — a total of over 4,000 individuals are contributing to dedicated projects through the JOGL online platform, Slack channels and Zoom meetings.

In 30 min we will hear the latest developments of the OpenCovid19 initiative! Come join us on our community call! 🙂 👉 https://t.co/Tf9dh8mk0G 🕕 May 6th, 6pm CET https://t.co/3yFVQjPAwY

To support this process, JOGL is also offering a series of mini-grants of 500–3000 euros to particularly promising projects, thanks to the AXA Research Fund. An “agile” method, explains Thomas Landrain, that allows budding projects to be funded without the risks inherent to significant financial support. If the project is going well, the team can come back to JOGL and apply for more funding.

Among the many ongoing projects are DIY open hardware including syringe pumps, ventilators and bioreactors, educational solutions and quantified health apps. In particular, a number of projects rose to the challenge of making diagnostic tests for Covid-19 cheaper, more efficient and more accessible.

Governments, scientists and the DIY community in the same boat

As progressive lockdown exit strategies are underway, governments are dangerously dealing with serious shortages of testing kits, especially in France, the United States and the United Kingdom. Can open science communities succeed where governments are failing?

“It’s one of these moments in history where an all-hands-on-deck approach is wanted. There can’t be too many people using their brains to find different ways of developing and delivering tests,” advances Ellen Jorgensen, who laid the groundwork for the participative biology movement when she founded Genspace, the first nonprofit community biotech lab in 2009, followed by the public charity Biotech Without Borders.

“We don’t have the resources that governments have,” she continues. “Rolling out a massive amount of tests is not something we can do. A partnership between the DIY community, the traditional scientific community and the government is really the best way to go. That’s exactly what JOGL represents: a way for these different communities to connect, share information and add their strengths to each other.”

LAMP: a proven but neglected technique

The main technique currently being experimented by researchers is LAMP, or Loop-mediated isothermal amplification — a barbaric name for what is actually a much simpler solution than the one currently used to detect Sars-CoV-2, PCR (Polymerase chain reaction). The LAMP technique amplifies the target sequence at a constant temperature in order to detect a pathogen from a sample, whereas PCR relies on thermal cycling, where reactants are exposed to repeated cycles of heating and cooling, a method that requires expensive high-tech laboratory machines.

According to Jorgensen, it’s a proven technique, but one that has not gained wider acceptance because of “barriers to entry” such as user-unfriendly proprietary software, a less “intuitively obvious” reaction than with PCR and, above all, a more sensitive reaction: “The amplification reaction is so efficient that if you open any of the tubes after it happened, that product can contaminate and seed future reactions and give you false positives. If you do contaminate your lab, it might be a month before you can get rid of it.”

LAMP is also less versatile. While PCR can be used quantitatively, LAMP is only used to enhance the presence of a pathogen. “It is a ‘yes’ or ‘no’ result,” says the molecular biologist. “But for Covid-19 it is absolutely perfect. It is a quick and simple diagnostic and can be rolled out quickly and in a variety of different situations.”

#nebLAMPtest : a test in my thermos

One of the essential advantages of LAMP is that the technique doesn’t require any machine, explains Sarah Ware, a biologist involved in the #nebLAMPtest project. She founded two labs in Chicago, including BioBlaze, the first and only community lab in the state of Illinois. She says that the only tools necessary are pipettes and a place that can keep a constant temperature for half an hour, like a water bath or even a thermos — the same kind you use to keep your coffee hot. The cost of materials would be around three dollars.

The #nebLAMPtest team itself encapsulates JOGL’s inter-communal approach: Sarah Ware and BioBlaze from the DIY community; Ellen Jorgensen and her start-up Aanika Biosciences from the private sector; and Chris Monaco, a microbiologist at the U.S. government Centers for Disease Control and Prevention (CDC) health institute.

For this project, the scientists are using results published by New England Biolabs (NEB), a laboratory that produces reagents. A promising report demonstrated that LAMP can be used in conjunction with a PH test, so that results can be confirmed by a simple change in colour, visible to the naked eye, within half an hour. If the reaction remains pink, the test is negative. If it turns yellow, the virus has been detected.

The team is collaborating with partnering labs to reproduce and confirm these findings. The scientists are on the right track but still need to obtain certifications in order to test human patients in their lab. For now, they have been working with an isolated strain of Sars-CoV-2.

#CovidAlert: from GMO to Sars-CoV-2 and beyond

In Oakland, California, Ali Baktas is another molecular biologist closely examining the LAMP technique. His goal is to challenge the centralized process of testing by allowing anybody to do their own detection (a goal widely shared within the biohacking community). “During graduate school and afterwards, my emphasis has been in agriculture,” he says. “I was interested in developing ways for farmers in southern Mexico to monitor their corn against contamination from transgenics.” With a similar ambition for empowering citizens, he has joined the OpenCovid19 Initiative to create an accessible, easy-to-use and shippable molecular test.

According to Baktas, it’s already technically feasible. “There isn’t a lot of novel invention going on, simply we are combining pre-existing, well-established products and techniques,” he says, referring to the LAMP-based backbone of his project. But here too, the team needs to obtain approval, certifications and work on their proof of concept.

Will their solution be ready in time to tackle the current pandemic? “We are working really hard to have it ready as soon as possible. It is not going to be ready next week. A beta version might be ready in a couple of months,” he says, targeting the expected second wave of Covid-19. “Sars-CoV-2 is probably the first of other coming pandemics. There are also other diseases in the world that affect the population for which people need to be able to diagnose themselves cheaply and easily, such as dengue. Sars-CoV-2 is currently the main topic in the world, there is funding and a lot of excitement to work on projects like this, but for us, this is the starting point rather than then end goal.”

#CoronaDetective: the lyophilised test

What about a powder test? The #CoronaDetective project uses a test kit of lyophilised (freeze-dried) reagents, which makes shipping to partner labs a much more streamlined process. Also based on the LAMP technique, this project has partnered with the #nebLAMPtest project and uses GMO Detective, a detector able to ascertain the presence of GMO in food, developed by Guy Aidelberg at the Center for Research and Interdisciplinarity (CRI) in Paris.

Their method is designed to be accessible to anyone. “We can use it in labs, in open labs, and also in institutions such as schools, for instance, to detect the virus on surfaces,” explains Rachel Aronoff, president of Hackuarium, a biohacking association in Switzerland. Practically speaking, she says that the kit will come as eight tubes, with the compounds inside, among which a negative control is included, in order to identify false-positive, which occurs when the testing environment becomes contaminated. To proceed with the test, it will only be necessary to add the liquids, a supplied buffer and the sample, and lay the tubes in hot water. The results will be readable in half an hour through the technique of fluorescence. To make your own DIY fluorescence detector, you can follow instructions supplied for the GMO Detective.

The team works with partners in Chile and Cameroon, among others, ready to test the kit.

#CellFreeSensors: programmable biology

The #CellFreeSensors project uses NASBA (nucleic acid sequence-based amplification), a system of isotherm amplification similar to LAMP that produces amplicons of RNA (ribonucleic acid, chemically close to DNA) to detect a pathogen element.

The team has developed a cell-free system, a technique that can be thought of as programmable liquids, or, according to Vesta Korniakova, a student in applied microbiology and member of the biohacker community in Montreal, as a “coded genetic circuit”.

The case is complex but has the advantage to allow in vitro assay, as opposed as in vivo, a more complicated method that requires working on living organisms that can grow. Korniakova explains: “Anyone who has access to growing bacteria and some materials will be able to follow protocol to make the cell-free machinery required to expressing the generic circuit we are designing” — and thus, when applicable, to visualise the viral genome.

Only requirements: an easy-to-grow E. coli culture and “very easily shareable” DNA primers and sequencers. “As DNA is a very stable molecule, a drop of purified DNA can be sent by post on a paper sheet. More typically, dehydrated DNA is kept in tubes or inside plasmids [DNA molecules], preserved in living bacteria.” Everything else required for the reaction but less accessible, including some enzymes, can be lyophilised and distributed “in bulk”.

The team is spread across three continents, with members in Canada, Chile and Spain.

#DIYBiovsCovid19: Bio hardware

On the hardware shelf is the PocketPCR, developed by Urs Gaudens at his independent research laboratory GaudiLabs. An essential tool for the most common type of Covid-19 diagnostics, PCR amplifies a small sample of DNA or RNA to order to examine it in detail for infectious agents, where the amplification process involves a step-by-step cycle of temperature changes. PCR is also an iconic tool for the open-biology community, says Gaudens, as there have been pioneer projects to reproduce a DIY version of this expensive machine, which can cost several thousand euros.

Gaudens developed several PCR models before refining his pocket version, a heat-block powered by USB. “Since PocketPCR can go through several temperatures, it is easily adapted to the LAMP technique, as it only needs a constant temperature,” he stresses.

Since Gaudens uploaded the project to his website in January, it has drawn interest from many researchers, from Beijing, China to Yogyakarta, Indonesia, but also from companies such as Maternova, which supplies obstetric technologies. Good news, he says, because the higher the volume of orders, the lower the price point. From 99 dollars, he hopes to be able to produce his tool for a third of this price.

At the Starship Factory makerspace in Basel, Switzerland, molecular biologist and self-proclaimed “Swedish mad scientist” Antonio Lamb plans to reproduce the PocketPCR and reduce temperature to the maximum. The resulting hardware can be a complement to the #CoronaDetective project, in conducting the assay under constant temperature, once the powder elements are received, by laboratories worldwide.

“What strikes me from these two first rounds of mini-grants,” concludes Thomas Landrain, “is the incredible quality of the projects.” A quality of proposals that the researcher attributes to JOGL’s signature mode of action: “It fosters the development of stable, sustainable concepts, instead of coming up with quick ideas, like in a hackathon. We allow time for ideas to mingle.” A battle against the pandemic in the form of a marathon, with more rounds to come.

Join the OpenCovid19 Initiative

Submit a project to Round 3 of JOGL micro-grants (by May 18, 6am UTC)

Initially published on makery.info 11 May 2020 by Elsa Ferreira

Une alliance inter-communautaire peut-elle résoudre l’équation du manque de tests ? A travers le laboratoire distribué en ligne Just One Giant Lab (JOGL), chercheurs, ingénieurs, biohackers, designers, start-ups, animateurs de communautés collaboratives et membres d’institutions publiques joignent leurs forces pour relever le challenge et s’appuient sur une technique expérimentée et prometteuse : la LAMP.

Depuis mars dernier, la communauté de scientifiques a un outil de poids pour mobiliser et mettre en commun leurs efforts pour contenir le virus et ses effets : Just One Giant Lab (JOGL), un laboratoire de recherche et innovation ouvert et collaboratif, co-fondé par Thomas Landrain, déjà aux manettes de La Paillasse, et Marc Santolini et Léo Blondel. Après un lancement en juin 2019 avec pour angle d’attaque les objectifs de développement durable définis par les Nations Unies, la crise sanitaire accélère la mise en œuvre de la plateforme et de sa communauté.

Le 1 mars 2020, les co-fondateurs et une partie de la communauté JOGL lancent l’Initiative OpenCovid19, un programme pour « développer des outils open-source et bas-coût » pour combattre la pandémie. Une approche globale qui réunit des scientifiques institutionnels et de start-ups, des amateurs de science ouverte, des professionnels de la santé et d’organismes de santé publique, des étudiants du monde entier, des designers et gestionnaires de projets et même des membres d’institutions gouvernementales. En tout, plus de 4000 participants suivent le développement des projets à travers la plateforme en ligne de JOGL, les chaines Slack, les réunions Zoom.

In 30 min we will hear the latest developments of the OpenCovid19 initiative! Come join us on our community call! 🙂 👉 https://t.co/Tf9dh8mk0G 🕕 May 6th, 6pm CET https://t.co/3yFVQjPAwY

Pour faciliter la mise en œuvre des initiatives, l’équipe du JOGL a mis en place un système de mini-bourses et financent en partie, de 500 à 3000 euros environ, les projets les plus prometteurs, grâce au soutien du Fonds AXA pour la recherche. Une méthode « agile », explique Thomas Landrain, qui permet à des projets jeunes d’être financés rapidement en éliminant le risque inhérent à l’allocation de sommes importantes. Si le projet est en bonne voie, l’équipe peut demander de nouveaux financements pour avancer. « Sans le soutien du Fonds AXA pour la recherche tout cela ne serait pas possible », précise Thomas Landrain.

Parmi les projets, du matériel DIY comme des pousses seringues ou des bioréacteurs, des solutions éducatives ou des applis de santé quantifiée. Surtout, de nombreux projets s’intéressent au diagnostique et comment le rendre moins cher, plus efficace et plus accessible.

Gouvernements, scientifiques et communauté DIY sont dans un bateau

Alors qu’un déconfinement progressif s’engage, certains gouvernements, notamment en France, aux États-Unis et au Royaume-Uni, semblent toujours faire face à une pénurie de tests de dépistage et sont donc contraints d’en prioriser l’accès. Les communautés de la science ouverte peuvent-elles réussir là où les gouvernements des premières puissances mondiales échouent ?

« Nous sommes à un moment de l’histoire où toutes les ressources doivent être mobilisées et où il n’y aura jamais trop de cerveaux pour chercher de nouvelles approches pour développer et fournir des tests », répond Ellen Jorgensen, qui a posé les premières pierres du mouvement de biologie participative avec la fondation du tout premier laboratoire communautaire de biotechnologie, Genspace, à New York, puis de l’organisation Biotech Without Borders.

« Nous n’avons pas les mêmes ressources que le gouvernement. Fournir des tests en masse n’est pas de notre ressort. La meilleure approche est un partenariat entre la communauté DIY, la communauté traditionnelle des scientifiques et le gouvernement. C’est exactement ce que représente JOGL : une manière pour ces différentes communautés de se mettre en lien, partager les informations et additionner leurs forces respectives. »

LAMP : une technique éprouvée mais délaissée

Principale technique explorée par les chercheurs, la LAMP, ou l’amplification isotherme médiée par les boucles. Un nom barbare qui cache en fait une solution bien plus simple que celle actuellement utilisée pour détecter le SARS-CoV-2, la PCR (réaction de polymérisation en chaîne). La LAMP permet d’amplifier la séquence cible à température constante et repérer la présence d’un pathogène dans un échantillon. La PCR s’effectue par une technique de transition de températures — une méthode qui demande un équipement laboratoire cher.

Une technique éprouvée, explique Ellen Jorgensen, mais peu adoptée par la communauté scientifique à cause d’une « barrière d’entrée plus difficile », en raison notamment de logiciels propriétaires à l’interface aride, de réactions moins « intuitives » que pour la PCR et surtout plus sensibles. « La réaction d’amplification est tellement efficace que si vous ouvrez les tubes, cela peut contaminer vos réactions futures et vous donner des faux-positifs. Une fois que votre laboratoire est contaminé, cela peut prendre un mois pour s’en débarrasser. »

LAMP est aussi moins versatile que PCR, agissant comme un simple révélateur de présence, là où PCR peut quantifier une charge virale. « C’est un résultat « oui » ou « non », détaille la biologiste moléculaire. Mais pour le Covid-19 c’est parfait. C’est un diagnostique rapide, simple, qui peut être déployé rapidement dans des situations très diverses. »

#nebLAMPtest : Un test dans mon thermos

L’un des avantages essentiels de LAMP est que la technique ne requiert aucune machine, explique Sarah Ware, biologiste engagée dans le projet #nebLAMPtest au sein de JOGL et fondatrice de deux laboratoires à Chicago, dont BioBlaze, premier et seul laboratoire citoyen de l’état de l’Illinois. Il faudra seulement des pipettes et un endroit à température constante — cela peut-être un bain d’eau voire même un thermos pour garder votre café au chaud. Le coût matériel d’un tel test serait autour de 3 dollars (2,77 euros), fait savoir Sarah Ware.

L’équipe de ce projet est l’incarnation de ce partenariat entre les différentes communautés : les représentants du DIY, à travers BioBlaze, le secteur privé, via Ellen Jorgensen et sa start-up Aanika Biosciences, et le gouvernement, avec la présence de Chris Monaco, microbiologiste au sein des Centres pour le contrôle et la prévention des maladies (CDC), agence fédérale américaine de protection de santé publique.

Les scientifiques s’appuient sur les résultats publiés par le New England Biolabs (NEB), laboratoire qui fabrique des réactifs. Un rapport prometteur qui démontre que la technique peut être utilisée en conjonction avec un test Ph qui permet la visualisation des résultats à l’oeil nu en 30 minutes. Si le liquide reste rose, le test est négatif et le porteur sain. S’il vire au jaune, le virus a été détecté.

L’équipe s’attèle à reproduire les résultats de ces tests à travers les labos partenaires. Les scientifiques sont en bonne voie et doivent désormais obtenir les autorisations nécessaires pour faire des tests sur des patients — pour l’instant, l’équipe travaille à partir d’une souche du virus.

#CovidAlert : des OGM au SARS-CoV-2 et au-delà…

Du côté d’Oakland, on lorgne aussi sur la méthode LAMP ; et on pousse la logique un peu plus loin. Ali Baktas est biologiste moléculaire et s’intéresse à mettre les techniques de sa spécialité au service du plus grand nombre et décentraliser le processus (un objectif partagé par l’ensemble de la communauté de biohacking). « Pendant mes études et ensuite, je me suis intéressé au domaine de l’agriculture, raconte-t-il. Je développais un moyen pour que des fermiers du sud du Mexique puissent détecter les contaminations d’OGM. » C’est avec le même éthos qu’il s’engouffre dans le challenge lancé par JOGL : rendre les tests moléculaires accessibles à tous, dans un environnement à température ambiante, en suivant des instructions sans compétences préalables particulières.

La technique est déjà au point, fait-il savoir. « Il n’y a pas beaucoup d’invention, nous combinons ce qui existe déjà », dit-il notamment en référence à la LAMP, corps central de son projet. Mais là encore, il est question d’autorisations, de certifications, de preuve de concept.

Leur solution sera-t-elle prête à temps pour répondre à la pandémie actuelle de Covid-19 ? « Nous travaillons très dur. Ce ne sera pas prêt la semaine prochaine mais nous espérons une version bêta d’ici deux mois », dit-il, la seconde vague attendue en ligne de mire. « Le SARS-CoV-2 est probablement la première d’autres pandémies à venir. Il y a aussi beaucoup de maladies qui affectent les populations et pour lesquelles on a besoin de méthodes de diagnostique simples et bon marché, comme le dengue par exemple. Tout le monde parle de SARS-CoV-2, il y a des financements et beaucoup d’excitation à participer à ce type de projets, mais nous le voyons comme un point de départ, pas une fin en soi. »

#CoronaDetective : Le test lyophilisé

Un peu de test en poudre ? Pour son #CoronaDetective, l’équipe prévoit également un test en kit, non dépendant d’une chaine du froid grâce à des réactifs lyophilisés — plus facile, donc, à envoyer aux laboratoires partenaires. Là encore basé sur la technique LAMP, le projet se construit en partenariat avec le projet #nebLAMPtest.

La technique exploitée s’appuie sur GMO Detective, un détecteur qui permet révéler la présence d’OGM dans notre nourriture, mis au point par Guy Aidelberg au sein du Centre de recherches interdisciplinaires (CRI), à Paris.

La méthode se veut accessible à tous. « On peut l’utiliser dans les labos, les labos ouverts mais aussi des établissements comme des écoles, pour savoir par exemple si des surfaces contiennent le virus », explique Rachel Aronoff, présidente de l’association de bio-hacking suisse Hackuarium. Concrètement, détaille-t-elle, le kit se présente sous la forme de huit tubes qui contiennent les composés, dont un tube de contrôle négatif qui permet de repérer les faux positifs obtenus notamment par contamination de l’environnement. Pour faire le test, il suffit d’ajouter les liquides, soit un tampon fourni et l’échantillon à tester, et mettre les tubes dans de l’eau chaude. Les résultats sont lisibles dans la demie-heure grâce à la fluorescence. A travers ses ateliers, l’équipe du GMO Detective a créé un tutoriel pour fabriquer un détecteur de fluorescence DIY, utilisable aussi pour le #CoronaDetective.

L’équipe a des partenaires entre autres au Chili et au Cameroun, sur le pont pour tester le kit.

#CellFreeSensors : La biologie programmable

Pour ce projet, pas de LAMP mais du NASBA (amplification basée sur une séquence d’acide nucléique), un système d’amplification isotherme similaire à LAMP qui produit des amplicons de ARN (acide ribonucléique, chimiquement proche de l’ADN) pour détecter un élément pathogène.

L’équipe développe un système cell-free (sans cellule), une technique qui peut-être assimilée à des liquides programmables ou, comme l’explique Vesta Korniakova, étudiante en microbiologie appliquée et membre de la communauté biohacker à Montréal, un « circuit génétique codé ».

L’affaire est complexe mais a pour avantage de permettre les essais in vitro, « sous verre », en opposition à in vivo, « au sein du vivant », méthode plus complexe puisque pratiquée sur des organismes vivants susceptibles d’évoluer, explique Vesta Korniakova. « N’importe qui avec un accès à une culture de bactéries et quelques matériaux de base pourra suivre un protocole pour obtenir la machinerie cell-free nécessaire à l’expression du circuit génétique » — et donc, le cas échéant, la visualisation du génome viral.

Il suffira donc d’une culture d’E. coli, facile à effectuer, et des amorces et des séquences d’ADN, « facilement partageables », explique l’étudiante. « Comme l’ADN est une molécule très stable, une goutte d’ADN purifié peut être envoyée par la poste sur une feuille de papier. Plus typiquement, l’ADN déshydraté est conservé dans des tubes ou à l’intérieure des plasmides (molécules d’ADN, Ndlr) qui sont conservés à l’intérieure des bactéries vivantes. » Le tout, ainsi que certains enzymes nécessaires à la réaction mais plus difficile d’accès, peut être lyophilisé et distribué « en masse ».

L’équipe est répartie sur trois continents, avec des membres au Canada, au Chili et en Espagne.

#DIYBiovsCovid19 : Le hardware bio

Qui peut le plus peut le moins. Au rayon des projets hardware, on rencontre le PocketPCR, développé par Urs Gaudens au sein de son laboratoire de recherche indépendant GaudiLabs. Instrument essentiel dans les diagnostiques du Covid-19 tels qu’ils sont menés actuellement, la PCR permet de dupliquer une séquence d’ADN ou d’ARN (acide nucléique) afin de mesurer une charge virale en faisant passer les tubes par plusieurs cycles de températures. C’est aussi un outil iconique de la communauté de la biologie open-source, retrace Urs Gaudens, puisqu’il y a eu des projets précurseurs pour reproduire en DIY cette machine qui peut coûter plusieurs milliers d’euros.

Urs Gaudens a développé plusieurs modèles de PCR jusqu’à arriver à cette version de poche, un bloc thermique qui fonctionne grâce à un secteur USB. « Puisque l’on peut passer par plusieurs températures, il est facile de l’adapter à LAMP qui ne nécessite qu’une température constante », souligne le chercheur.

Mis en ligne en début d’année sur le site du GaudiLabs, le projet a attiré de nombreux chercheurs, de Pékin à Yogyakarta, en Indonésie, en passant par Maternova, une entreprise spécialisée dans le matériel obstétrique. « L’avantage, relève Gaudens, est que le coût matériel peut baisser drastiquement avec de gros volumes. » De 99 dollars, il espère pouvoir passer à un tiers du prix.

Au sein de JOGL, le projet a tapé dans l’oeil de Antonio Lamb, auto-proclamé « scientifique fou suédois ». Dans le makerspace Starship Factory, à Basel, en Suisse, le biologiste moléculaire prévoit de reproduire le modèle et réduire au maximum les variations de températures. Ce matériel pourrait ainsi être complémentaire au projet #CoronaDetective, afin de pouvoir réaliser l’essai sous température constante, une fois les éléments en poudre reçus par les laboratoires à travers le monde.

« Ce qui ressort de ces deux premiers tours d’attribution des bourses, conclue Thomas Landrain, c’est l’incroyable qualité des projets. » Un niveau de propositions que le chercheur attribue au mode d’action de JOGL. « Il permet non pas la création d’idées à la va-vite, comme lors d’un hackathon, mais la mise en œuvre d’idées stables, durables. On donne le temps aux idées de se mélanger. » Pour gagner cette bataille au long court, d’autres projets sont à venir.

Pour rejoindre l’Initiative OpenCovid19, rendez-vous sur le site.

Soumettez un projet au troisième round de micro-bourses JOGL (avant le 18 mai, 6h UTC).

Initialement publié sur makery.info le 11 mai 2020 par Elsa Ferreira