0:00:01.507,0:00:03.396
Als wir 2003

0:00:03.420,0:00:06.333
das menschliche Genom sequenzierten,

0:00:06.357,0:00:10.479
dachten wir, wir hätten die Antwort,[br]um viele Krankheiten zu behandeln.

0:00:10.974,0:00:13.631
Aber die Realität ist weit davon entfernt,

0:00:14.782,0:00:16.727
denn neben unseren Genen

0:00:16.727,0:00:19.941
könnten Umwelt und Lebensstil

0:00:19.941,0:00:23.869
eine wichtige Rolle bei der Entwicklung[br]vieler Krankheiten spielen.

0:00:23.893,0:00:27.473
Ein Beispiel ist die Fettleberkrankheit,

0:00:27.497,0:00:31.580
von der über 20 % der Bevölkerung[br]weltweit betroffen sind,

0:00:31.604,0:00:34.638
die nicht behandelt werden kann[br]und zu Leberkrebs

0:00:34.662,0:00:36.405
oder Leberversagen führt.

0:00:37.517,0:00:42.261
Die Sequenzierung der DNA allein gibt uns[br]also nicht genügend Informationen,

0:00:42.285,0:00:44.517
um wirksame Therapeutika zu finden.

0:00:44.541,0:00:48.321
Glücklicherweise gibt es viele[br]verschiedene Moleküle in unserem Körper.

0:00:48.321,0:00:52.301
Tatsächlich gibt es[br]über 100.000 Metaboliten.

0:00:52.325,0:00:56.621
Metaboliten sind alle Moleküle,[br]die von ihrer Grösse her winzig sind.

0:00:57.193,0:01:02.165
Bekannte Beispiele sind Glukose,[br]Fruktose, Fette, Cholesterin --

0:01:02.189,0:01:04.149
von denen hören wir immer.

0:01:04.273,0:01:07.256
Metaboliten sind an[br]unserem Stoffwechsel beteiligt.

0:01:08.066,0:01:12.094
Sie sind auch stromabwärts der DNA,

0:01:12.118,0:01:17.200
sodass sie Informationen unserer[br]Gene und Lebensstile enthalten.

0:01:17.224,0:01:22.873
Metaboliten zu verstehen ist wichtig,[br]um Therapien für Krankheiten zu finden.

0:01:22.897,0:01:25.167
Ich wollte schon immer[br]Patienten behandeln.

0:01:25.934,0:01:29.792
Trotzdem habe ich vor 15 Jahren[br]die medizinische Fakultät verlassen,

0:01:29.816,0:01:31.781
da ich Mathematik vermisste.

0:01:33.019,0:01:35.955
Bald darauf fand ich das Coolste:

0:01:36.692,0:01:39.556
Ich kann Mathematik benutzen,[br]um Medizin zu studieren.

0:01:41.026,0:01:46.239
Seitdem entwickle ich Algorithmen[br]zur Analyse biologischer Daten.

0:01:47.092,0:01:49.375
Es klang so einfach:

0:01:49.399,0:01:53.000
Wir sammeln Daten von allen[br]Metaboliten in unserem Körper,

0:01:53.024,0:01:54.988
entwickeln mathematische Modelle,

0:01:54.988,0:01:58.176
die beschreiben, wie sie sich[br]bei Krankheiten verändern

0:01:58.176,0:02:01.311
und greifen in diese Veränderungen ein,[br]um sie zu behandeln.

0:02:02.488,0:02:05.960
Dann wurde mir klar,[br]warum das noch niemand getan hatte:

0:02:07.230,0:02:08.917
Es ist extrem schwierig.

0:02:08.941,0:02:10.028
(Gelächter)

0:02:10.052,0:02:12.464
Es gibt viele Metaboliten[br]in unserem Körper.

0:02:12.783,0:02:15.283
Jedes Einzelne ist anders als das andere.

0:02:15.307,0:02:19.035
Bei einigen Metaboliten können wir[br]deren Molekülmasse mithilfe von

0:02:19.059,0:02:21.652
Massenspektrometriegeräten messen.

0:02:21.676,0:02:26.069
Aber da es etwa 10 Moleküle mit[br]genau der gleichen Masse geben könnte,

0:02:26.093,0:02:28.114
wissen wir nicht genau, was sie sind

0:02:28.114,0:02:30.698
und wenn man sie alle klar[br]identifizieren will,

0:02:30.722,0:02:32.876
muss man mehr Experimente durchführen,

0:02:32.876,0:02:35.863
die Jahrzehnte dauern und[br]Milliarden Dollar kosten könnten.

0:02:36.207,0:02:41.770
Also haben wir eine KI-Plattform[br]entwickelt, um das zu tun.

0:02:41.794,0:02:44.638
Wir nutzten das Wachstum[br]biologischer Daten,

0:02:44.662,0:02:49.086
um eine Datenbank mit allen vorhandenen[br]Informationen über Metaboliten

0:02:49.110,0:02:52.262
und deren Wechselwirkungen[br]mit anderen Molekülen aufzubauen.

0:02:52.262,0:02:55.686
All diese Daten fassten wir[br]zu einem Meganetzwerk zusammen.

0:02:55.710,0:02:59.106
Dann messen wir Massen von Metaboliten

0:02:59.130,0:03:01.881
[br]aus Gewebe und Blut von Patienten

0:03:01.905,0:03:05.164
und finden die Massen,[br]die bei einer Krankheit verändert sind.

0:03:05.188,0:03:08.402
Aber wie schon erwähnt,[br]wissen wir nicht genau, was sie sind.

0:03:08.402,0:03:13.537
Eine Molekularmasse von 180 kann[br]Glukose, Galactose oder Fructose sein.

0:03:13.561,0:03:15.604
Sie alle haben genau die gleiche Masse,

0:03:15.604,0:03:17.715
aber unterschiedliche[br]Funktionen im Körper.

0:03:17.715,0:03:21.302
Unser KI-Algorithmus hat[br]all diese Unklarheiten berücksichtigt.

0:03:21.326,0:03:24.086
Dann hat er dieses[br]Meganetzwerk durchsucht,

0:03:24.086,0:03:28.439
um herauszufinden, wie die Massen[br]miteinander verbunden sind,

0:03:28.463,0:03:30.421
die zu Krankheiten führen.

0:03:30.445,0:03:32.683
Aus der Art, wie sie verbunden sind,

0:03:32.707,0:03:37.030
können wir schliessen,[br]was jede Metabolitenmasse ist,

0:03:37.054,0:03:39.978
sodass 180 hier Glucose sein könnte

0:03:40.002,0:03:41.753
und, was noch wichtiger ist,

0:03:41.753,0:03:45.968
entdecken wie Veränderungen[br]bei Glucose und anderen Metaboliten

0:03:45.968,0:03:47.473
zu einer Krankheit führen.

0:03:47.497,0:03:50.492
Dieses neuartige Verständnis[br]der Krankheitsmechanismen

0:03:50.516,0:03:55.008
ermöglicht es uns,[br]wirksame Therapeutika zu entdecken.

0:03:55.601,0:03:59.583
So gründeten wir ein Start-Up, um[br]die Technologie auf den Markt zu bringen

0:03:59.583,0:04:01.275
und Menschenleben zu verändern.

0:04:01.722,0:04:05.267
Jetzt arbeiten mein Team und ich[br]bei ReviveMed daran,

0:04:05.291,0:04:10.396
Therapeutika für Krankheiten zu entdecken,[br]wo Metaboliten Haupttreiber sind,

0:04:10.420,0:04:12.317
wie z. B. Fettleberkrankheiten,

0:04:12.341,0:04:15.454
weil sie durch die Ansammlung[br]von Fetten verursacht werden,

0:04:15.454,0:04:17.762
die zu den Metaboliten[br]in der Leber gehören.

0:04:17.786,0:04:21.750
Wie ich bereits erwähnte, ist es[br]eine riesige Epidemie ohne Behandlung.

0:04:21.750,0:04:24.474
Und Fetterleberkrankheiten sind[br]nur ein Beispiel.

0:04:24.498,0:04:28.696
In Zukunft werden wir[br]hunderte von anderen Krankheiten

0:04:28.700,0:04:30.217
ohne Behandlungswege bekämpfen.

0:04:30.217,0:04:34.011
Indem wir immer mehr Daten[br]über Metaboliten sammeln

0:04:34.011,0:04:38.339
und verstehen, wie Veränderungen

0:04:38.363,0:04:40.765
zu Krankheiten führen,

0:04:40.765,0:04:44.808
werden unsere Algorithmen[br]immer intelligenter,

0:04:44.808,0:04:48.498
um die richtigen Therapeutika[br]für die richtigen Patienten zu finden.

0:04:48.522,0:04:52.292
Und wir werden unserer Vision,

0:04:52.316,0:04:54.767
mit jeder Codezeile Leben zu retten,

0:04:54.767,0:04:56.179
näher kommen.

0:04:56.203,0:04:57.524
Vielen Dank.

0:04:57.548,0:05:00.515
(Applaus)