1
00:00:01,507 --> 00:00:03,396
En 2003,

2
00:00:03,420 --> 00:00:06,333
lorsqu'on a séquencé le génome humain,

3
00:00:06,357 --> 00:00:10,279
on pensait trouver les traitements
de beaucoup de maladies.

4
00:00:10,974 --> 00:00:13,631
Mais on était loin de la vérité

5
00:00:14,782 --> 00:00:16,703
parce qu'en plus de nos gènes,

6
00:00:16,727 --> 00:00:21,297
notre environnement et façon de vivre
peuvent jouer un rôle important

7
00:00:21,321 --> 00:00:23,869
dans le développement de 
beaucoup de maladies graves

8
00:00:23,893 --> 00:00:27,473
L'un des exemples est 
la stéatose hépatique,

9
00:00:27,497 --> 00:00:31,580
qui affecte plus de 20 %
de la population mondiale,

10
00:00:31,604 --> 00:00:34,638
elle n'a pas de traitement
et entraîne le cancer du foie

11
00:00:34,662 --> 00:00:36,085
ou l'insuffisance hépatique.

12
00:00:37,517 --> 00:00:42,261
Donc le séquençage de l'ADN seul 
ne nous donne pas assez d'informations

13
00:00:42,285 --> 00:00:44,517
pour trouver des thérapeutiques efficaces

14
00:00:44,541 --> 00:00:48,297
Du bon côté des choses, il y a beaucoup
d'autres molécules dans notre corps.

15
00:00:48,321 --> 00:00:52,301
En fait, il y a
plus de 100 000 métabolites.

16
00:00:52,325 --> 00:00:56,621
Les métabolites sont des molécules
de taille extrêmement petite.

17
00:00:57,193 --> 00:01:02,165
Les exemples connus sont le glucose,
le fructose, les lipides, le cholestérol -

18
00:01:02,189 --> 00:01:03,699
des termes très familiers.

19
00:01:04,273 --> 00:01:07,256
Les métabolites sont impliqués 
dans notre métabolisme.

20
00:01:08,066 --> 00:01:12,094
Ils sont situés en aval de l'ADN,

21
00:01:12,118 --> 00:01:17,200
et transmettent des informations sur 
nos gènes ainsi que notre style de vie.

22
00:01:17,224 --> 00:01:22,873
Comprendre les métabolites est essentiel
pour le traitement de nombre de maladies.

23
00:01:22,897 --> 00:01:25,109
J'ai toujours voulu soigner des patients.

24
00:01:25,934 --> 00:01:29,792
Malgré cela, il y a 15 ans de cela, 
j'ai abandonné l’école de médecine,

25
00:01:29,816 --> 00:01:31,781
vu que j'ai raté les mathématiques.

26
00:01:33,019 --> 00:01:35,955
Peu après, j'ai fait la plus 
cool des découvertes :

27
00:01:36,692 --> 00:01:39,455
je pouvais étudier la médecine 
à l'aide des maths.

28
00:01:41,026 --> 00:01:46,239
Dès lors, j'ai développé des algorithmes
pour analyser des données biologiques.

29
00:01:47,092 --> 00:01:49,375
Cela semblait donc facile :

30
00:01:49,399 --> 00:01:53,000
collecter des données de tous
les métabolites de notre corps,

31
00:01:53,024 --> 00:01:58,152
développer des modèles mathématiques pour
décrire leur changement dans une maladie

32
00:01:58,176 --> 00:02:01,164
et y intervenir
afin de traiter ces maladies.

33
00:02:02,488 --> 00:02:05,960
C'est là que j'ai compris pourquoi
cela n'a jamais été fait avant :

34
00:02:07,230 --> 00:02:08,917
c'est extrêmement difficile.

35
00:02:08,941 --> 00:02:10,028
(Rires)

36
00:02:10,052 --> 00:02:12,464
Il y a beaucoup de métabolites
dans notre corps.

37
00:02:12,783 --> 00:02:15,283
Ils sont différents les uns des autres.

38
00:02:15,307 --> 00:02:19,035
On peut mesurer la masse moléculaire
de certains métabolites

39
00:02:19,059 --> 00:02:21,652
en se servant d'instruments
de spectrométrie de masse.

40
00:02:21,676 --> 00:02:26,069
Mais parce qu'il pourrait y avoir
10 molécules avec la même masse,

41
00:02:26,093 --> 00:02:27,900
on ne peut pas les différencier,

42
00:02:27,924 --> 00:02:30,698
et si vous voulez les identifier
tous clairement,

43
00:02:30,722 --> 00:02:33,826
il faut faire plus d’expériences, 
pouvant prendre des décennies

44
00:02:33,850 --> 00:02:35,564
et coûtant des milliards de dollars.

45
00:02:36,207 --> 00:02:41,770
On a donc développé une plateforme d'IA
ou d'intelligence artificielle pour cela.

46
00:02:41,794 --> 00:02:44,638
On a exploité la croissance
des données biologiques

47
00:02:44,662 --> 00:02:49,086
et construit une base de données de toutes
les informations sur les métabolites

48
00:02:49,110 --> 00:02:52,238
et leurs interactions
avec d'autres molécules.

49
00:02:52,262 --> 00:02:55,686
On a combiné toutes ces données
comme un méga réseau.

50
00:02:55,710 --> 00:02:59,106
Ensuite, à partir des tissus 
ou du sang de patients,

51
00:02:59,130 --> 00:03:01,881
nous mesurons la masse des métabolites

52
00:03:01,905 --> 00:03:05,164
et trouvons les masses qui sont changées
dans une maladie.

53
00:03:05,188 --> 00:03:08,378
Mais, comme je l'ai dit plus tôt,
on ne peut les différencier.

54
00:03:08,402 --> 00:03:13,537
Une masse moléculaire de 180 pourrait être
du glucose, du galactose ou du fructose.

55
00:03:13,561 --> 00:03:15,580
Ils ont tous exactement la même masse

56
00:03:15,604 --> 00:03:17,691
mais différentes fonctions dans le corps.

57
00:03:17,715 --> 00:03:21,302
Notre algorithme d'IA a considéré 
toutes ces ambiguïtés

58
00:03:21,326 --> 00:03:24,062
Il a ensuite exploité ce méga réseau

59
00:03:24,086 --> 00:03:28,439
pour trouver comment ces masses 
métaboliques sont connectées entre elles

60
00:03:28,463 --> 00:03:30,421
et aboutissent à une maladie.

61
00:03:30,445 --> 00:03:32,683
Et grâce au type de connexion,

62
00:03:32,707 --> 00:03:37,030
on est en mesure de déduire
la masse de chaque métabolite,

63
00:03:37,054 --> 00:03:39,978
par exemple, ce 180
peut être du glucose ici,

64
00:03:40,002 --> 00:03:42,553
et le plus important, de découvrir

65
00:03:42,577 --> 00:03:45,944
comment les changements dans le glucose
et d'autres métabolites

66
00:03:45,968 --> 00:03:47,473
conduisent à une maladie.

67
00:03:47,497 --> 00:03:50,492
Cette compréhension novatrice
des mécanismes de maladie

68
00:03:50,516 --> 00:03:55,008
nous a alors permis de découvrir des
traitements efficaces pour y faire face.

69
00:03:55,601 --> 00:03:59,446
On a fondé une start-up pour 
amener cette technologie sur le marché

70
00:03:59,470 --> 00:04:01,275
et impacter des vies.

71
00:04:01,722 --> 00:04:05,267
Maintenant mon équipe et moi à ReviveMed
cherchons à découvrir

72
00:04:05,291 --> 00:04:10,396
des traitements pour des maladies graves
dont les métabolites sont la source,

73
00:04:10,420 --> 00:04:12,317
telle la stéatose hépatique,

74
00:04:12,341 --> 00:04:15,265
parce qu'elle est causée par
l'accumulation de graisses,

75
00:04:15,289 --> 00:04:17,762
qui sont des types de métabolites
dans le foie.

76
00:04:17,786 --> 00:04:21,726
Comme je le disais plus tôt, c'est un
grave fléau qui n'a aucun traitement.

77
00:04:21,750 --> 00:04:24,474
Et la stéatose hépatique 
n'est qu'un exemple.

78
00:04:24,498 --> 00:04:28,676
À l'avenir, nous allons nous attaquer
à des centaines d'autres maladies

79
00:04:28,700 --> 00:04:30,193
sans traitement.

80
00:04:30,217 --> 00:04:34,771
Et en collectant de plus en plus
de données sur les métabolites

81
00:04:34,795 --> 00:04:38,339
et en comprenant comment les changements
dans les métabolites

82
00:04:38,363 --> 00:04:40,765
conduisent au développement de maladies,

83
00:04:40,789 --> 00:04:44,278
nos algorithmes deviendront
de plus en plus intelligents

84
00:04:44,302 --> 00:04:48,498
pour découvrir les traitements
qui conviennent selon le patient.

85
00:04:48,522 --> 00:04:52,292
Et nous serons plus près
d'atteindre notre vision

86
00:04:52,316 --> 00:04:56,179
qui est de sauver des vies
avec chaque ligne de code.

87
00:04:56,203 --> 00:04:57,524
Merci.

88
00:04:57,548 --> 00:05:01,375
(Applaudissements)