0:00:01.507,0:00:03.396
V roce 2003,

0:00:03.420,0:00:06.333
kdy jsme přečetli lidský genom,

0:00:06.357,0:00:10.279
jsme si mysleli, že máme klíč[br]k léčbě mnoha nemocí.

0:00:10.974,0:00:13.631
Ale k tomu máme ještě daleko,

0:00:14.782,0:00:16.703
protože kromě našich genů

0:00:16.727,0:00:21.297
hraje značnou roli ve vývoji [br]mnoha významných onemocnění

0:00:21.321,0:00:23.869
i životní prostředí nebo životní styl.

0:00:23.893,0:00:27.473
Jedním z příkladů je ztučnění jater,

0:00:27.497,0:00:31.580
které postihuje přes dvacet procent[br]světové populace,

0:00:31.604,0:00:35.808
nelze je léčit a vede k rakovině[br]nebo selhání jater.

0:00:37.517,0:00:42.261
Takže čtení DNA samo o sobě[br]nám nedává dostatek informací

0:00:42.285,0:00:44.517
k nalezení účinné léčby.

0:00:44.541,0:00:48.297
Na druhou stranu máme v těle[br]i spoustu dalších molekul.

0:00:48.321,0:00:52.301
Ve skutečnosti existuje[br]více než 100 000 metabolitů.

0:00:52.325,0:00:56.861
Metabolity, to jsou veškeré molekuly,[br]které jsou co do velikosti velmi malé.

0:00:57.193,0:01:02.165
Známé příklady jsou glukóza,[br]fruktóza, tuky, cholesterol –

0:01:02.189,0:01:04.109
věci o kterých slyšíme pořád dokola.

0:01:04.273,0:01:07.256
Metabolity se účastní našeho metabolismu.

0:01:08.066,0:01:12.094
A jsou také závislé na naší DNA,

0:01:12.118,0:01:17.200
takže nesou informaci jak o našich genech,[br]tak o našem životním stylu.

0:01:17.224,0:01:22.873
Musíme porozumět metabolitům,[br]abychom nalezli léčbu mnoha chorob.

0:01:22.897,0:01:25.307
Vždycky jsem chtěla léčit pacienty.

0:01:25.934,0:01:29.792
Přesto jsem před patnácti lety[br]odešla z lékařské fakulty,

0:01:29.816,0:01:31.931
protože mi chyběla matematika.

0:01:33.019,0:01:36.095
Brzy potom jsem přišla[br]na tu nejskvělejší věc:

0:01:36.692,0:01:39.725
Můžu pomocí matematiky studovat medicínu.

0:01:41.026,0:01:46.239
Od té doby vyvíjím algoritmy[br]k analýze biologických dat.

0:01:47.092,0:01:49.375
Znělo to jednoduše:

0:01:49.399,0:01:53.000
posbírat data o všech metabolitech[br]v našem těle,

0:01:53.024,0:01:55.198
vyvinout matematické modely,

0:01:55.216,0:01:58.152
které by popsaly,[br]jak se data mění vlivem nemocí,

0:01:58.176,0:02:01.164
a zasáhnout proti těmto změnám.

0:02:02.488,0:02:05.960
Pak jsem přišla na to,[br]proč to nikdo neudělal přede mnou.

0:02:07.230,0:02:08.917
Je to hrozně obtížné.

0:02:08.941,0:02:10.028
(smích)

0:02:10.052,0:02:12.524
V našem těle je spousta metabolitů.

0:02:12.783,0:02:15.283
Každý z nich je jiný.

0:02:15.307,0:02:19.035
U některých metabolitů můžeme[br]měřit jejich molekulovou hmotnost

0:02:19.059,0:02:21.652
pomocí hmotnostní spektrometrie.

0:02:21.676,0:02:26.069
Jenže vzhledem k tomu, že klidně deset[br]různých molekul může mít stejnou hmotnost,

0:02:26.093,0:02:27.900
nedokážeme je tím přesně rozpoznat.

0:02:27.924,0:02:30.698
Kdybyste je všechny chtěli rozpoznat,

0:02:30.722,0:02:33.826
museli byste udělat více experimentů,[br]které by trvaly desítky let

0:02:33.850,0:02:35.744
a stály by miliardy dolarů.

0:02:36.207,0:02:41.770
Takže jsme vyvinuli platformu na bázi[br]umělé inteligence, která to umí.

0:02:41.794,0:02:44.638
Využili jsme vzrůstající množství[br]biologických dat

0:02:44.662,0:02:49.086
a vytvořili jsme databázi všech dostupných[br]informací o metabolitech

0:02:49.110,0:02:52.078
a jejich interakcích[br]s ostatními molekulami.

0:02:52.262,0:02:55.686
Zkombinovali jsme všechna ta data[br]do obrovské sítě.

0:02:55.710,0:02:59.106
Potom z tkání a krve pacientů

0:02:59.130,0:03:01.881
měříme hmotnosti metabolitů

0:03:01.905,0:03:05.164
a hledáme ty hmotnosti,[br]které se mění u nemocného člověka.

0:03:05.188,0:03:08.378
Ale jak už jsem řekla,[br]nevíme přesně, které metabolity to jsou.

0:03:08.402,0:03:13.537
Molekulovou hmotnost 180 může mít[br]glukóza, galaktóza nebo fruktóza.

0:03:13.561,0:03:15.580
Všechny mají přesně stejnou hmotnost,

0:03:15.604,0:03:17.691
ale různé funkce v našem těle.

0:03:17.715,0:03:21.302
Naše umělá inteligence bere v úvahu[br]všechny tyto nejednoznačnosti.

0:03:21.326,0:03:24.062
Ponoří se do té obrovské databáze

0:03:24.086,0:03:28.439
a najde, jaké vzájemné provázání [br]látek s naměřenou hmotností

0:03:28.463,0:03:30.421
způsobuje nemoci.

0:03:30.445,0:03:32.683
Z toho, jak jsou provázány,

0:03:32.707,0:03:37.030
můžeme odvodit, co ta látka[br]se shodnou hmotností je,

0:03:37.054,0:03:39.978
například těch 180[br]by tady mohla být glukóza,

0:03:40.002,0:03:42.553
a především můžeme zjistit,

0:03:42.577,0:03:45.944
jak změny v glukóze a dalších metabolitech

0:03:45.968,0:03:47.473
způsobují onemocnění.

0:03:47.497,0:03:50.492
Toto nové porozumění[br]mechanismům nemocí

0:03:50.516,0:03:55.008
nám poté umožní najít[br]efektivní léčbu, která na tyto změny cílí.

0:03:55.601,0:03:59.446
A tak jsme založili start-up,[br]abychom přinesli tuto technologii na trh

0:03:59.470,0:04:01.445
a ovlivnili tak lidské životy.

0:04:01.722,0:04:05.267
Teď se svým týmem v ReviveMed[br]pracujeme na vývoji

0:04:05.291,0:04:10.396
léčby nejvýznamnějších nemocí,[br]kde metabolity hrají hlavní roli,

0:04:10.420,0:04:12.317
jako je ztučnění jater,

0:04:12.341,0:04:15.265
protože to je způsobeno hromaděním tuků,

0:04:15.289,0:04:17.762
což jsou metabolity v játrech.

0:04:17.786,0:04:21.726
Jak už jsem zmínila, jedná se[br]o obrovskou epidemii, na kterou není lék.

0:04:21.750,0:04:24.474
A ztučnění jater[br]je jenom jeden z příkladů.

0:04:24.498,0:04:28.676
Děláme pokroky a hodláme se zabývat[br]stovkami dalších nemocí,

0:04:28.700,0:04:30.193
na které není lék.

0:04:30.217,0:04:34.771
Sbíráním dalších a dalších dat[br]o metabolitech

0:04:34.795,0:04:38.339
a porozuměním, jak změny v metabolitech

0:04:38.363,0:04:40.765
vedou k rozvoji nemocí,

0:04:40.789,0:04:44.278
budou naše algoritmy[br]lépe a lépe umět

0:04:44.302,0:04:48.228
hledat ty správné léky[br]pro ty správné pacienty.

0:04:48.522,0:04:52.292
A dostaneme se blíž k našemu cíli

0:04:52.316,0:04:56.179
záchraně životů každou řádkou[br]počítačového kódu.

0:04:56.203,0:04:57.524
Děkuji vám.

0:04:57.548,0:05:01.375
(potlesk)