0:00:01.507,0:00:03.396
2003-ban,

0:00:03.420,0:00:06.333
amikor szekvenáltuk az emberi genomot,

0:00:06.357,0:00:10.279
azt gondoltuk, hogy megkapjuk a választ[br]számos betegség kezelésére,

0:00:10.974,0:00:13.631
de a valóság távol áll ettől,

0:00:14.782,0:00:16.703
mert a génjeink mellett

0:00:16.727,0:00:21.297
környezetünk és életmódunk is[br]jelentős szerepet játszik

0:00:21.321,0:00:23.869
a főbb betegségek kialakulásában.

0:00:23.893,0:00:27.473
Az egyik példa a zsírmáj,

0:00:27.497,0:00:31.580
ami a világ népességének[br]több mint 20 százalékát érinti,

0:00:31.604,0:00:34.638
nincs gyógymódja, és májrákhoz

0:00:34.662,0:00:36.395
vagy májelégtelenséghez vezet.

0:00:37.517,0:00:42.261
Tehát csak a DNS szekvenálása[br]nem ad elegendő információt ahhoz,

0:00:42.285,0:00:44.517
hogy hatékony terápiákat találjunk.

0:00:44.541,0:00:48.297
A jó hír, hogy sok más molekula is,

0:00:48.321,0:00:52.301
valójában több mint 100 000 metabolit[br]található a testünkben.

0:00:52.325,0:00:56.621
A metabolitok rendkívül[br]kis méretű molekulák.

0:00:57.193,0:01:02.165
Ismert példák a glükóz,[br]a fruktóz, a zsírok, a koleszterin –

0:01:02.189,0:01:03.699
ezekről állandóan hallunk.

0:01:04.273,0:01:07.256
A metabolitok részt vesznek[br]az anyagcserénkben.

0:01:08.066,0:01:12.094
Ezek úgyszintén a DNS[br]gyakorlati megvalósulásai,

0:01:12.118,0:01:17.200
tehát információkat hordoznak[br]génjeinkről és életmódunkról.

0:01:17.224,0:01:22.873
A metabolitok megértése sok betegségnél[br]szükséges a gyógymód megtalálásához.

0:01:22.897,0:01:25.109
Mindig betegeket akartam kezelni.

0:01:25.934,0:01:29.792
Ennek ellenére 15 évvel ezelőtt[br]otthagytam az orvosi iskolát,

0:01:29.816,0:01:31.781
mivel hiányzott a matematika.

0:01:33.019,0:01:35.955
Nem sokkal ezután[br]rátaláltam a legmenőbb dologra:

0:01:36.692,0:01:40.000
Tudom használni a matematikát[br]az orvostudomány tanulmányozására.

0:01:41.026,0:01:46.239
Azóta algoritmusokat fejlesztek[br]biológiai adatok elemzésére.

0:01:47.092,0:01:49.375
Ez könnyűnek tűnt:

0:01:49.399,0:01:53.000
gyűjtsünk adatokat[br]a testben levő összes metabolitról,

0:01:53.024,0:01:58.152
írjuk le matematikai modellekkel,[br]hogyan változnak meg egy betegség során,

0:01:58.176,0:02:01.164
és avatkozzunk be[br]ezekbe a változásokba, kezeljük őket.

0:02:02.488,0:02:05.960
Aztán rájöttem, miért nem[br]foglalkozott ezzel még senki:

0:02:07.230,0:02:08.917
mert rendkívül nehéz.

0:02:08.941,0:02:10.028
(Nevetés)

0:02:10.052,0:02:12.464
A szervezetben sok metabolit található.

0:02:12.783,0:02:15.283
Mindegyik különbözik a másiktól.

0:02:15.307,0:02:19.035
Egyes metabolitok molekulatömege

0:02:19.059,0:02:21.652
mérhető tömegspektrometriás eszközökkel.

0:02:21.676,0:02:26.069
De mivel akár 10 molekulának is lehet[br]pontosan ugyanakkora a tömege,

0:02:26.093,0:02:27.900
nem tudjuk pontosan, melyek azok,

0:02:27.924,0:02:30.698
és az egyértelmű beazonosításhoz[br]több kísérlet kéne,

0:02:30.722,0:02:33.826
ez pedig évtizedeket

0:02:33.850,0:02:35.564
és dollármilliárdokat venne igénybe.

0:02:36.207,0:02:41.770
Tehát kifejlesztettünk rá[br]egy mesterséges intelligenciát.

0:02:41.794,0:02:44.638
Kihasználtuk a biológiai adatok[br]szüntelen gyarapodását,

0:02:44.662,0:02:49.086
és felépítettünk egy adatbázist[br]a metabolitokról meglévő információkból,

0:02:49.110,0:02:52.238
és kölcsönhatásukról más molekulákkal.

0:02:52.262,0:02:55.686
Egy megahálózatban összesítettük[br]ezeket az adatokat.

0:02:55.710,0:02:59.106
Ezután a betegek szöveteiből vagy véréből

0:02:59.130,0:03:01.881
megmérjük a metabolitok tömegét,

0:03:01.905,0:03:05.188
és megkeressük azokat a tömegeket,[br]amelyek megváltoztak a betegségben.

0:03:05.188,0:03:08.378
De, ahogy korábban is említettem,[br]nem tudjuk pontosan, melyek azok.

0:03:08.402,0:03:13.537
A 180-as molekulatömeg[br]lehet glükóz, galaktóz vagy fruktóz is.

0:03:13.537,0:03:15.510
Mindegyik pontosan egyforma tömegű,

0:03:15.510,0:03:17.715
de különböző funkciókat[br]látnak el a testünkben.

0:03:17.715,0:03:21.302
Az MI algoritmusunk[br]figyelembe vette mindezt.

0:03:21.326,0:03:24.062
Ezután átnézte a megahálózatot,

0:03:24.086,0:03:28.439
hogy megtudja, ezek a metabolikus tömegek[br]hogyan kapcsolódnak egymáshoz,

0:03:28.463,0:03:30.421
hogyan vezetnek betegséghez.

0:03:30.445,0:03:32.683
A kapcsolódásuk módjából

0:03:32.707,0:03:37.030
képesek vagyunk következtetni arra,[br]mik is ezek a metabolitok,

0:03:37.054,0:03:39.978
hogy a 180-as tömegű itt glükóz lehet,

0:03:40.002,0:03:42.553
és ami még fontosabb, hogy felfedezzük,

0:03:42.577,0:03:45.944
a glükóz és más metabolitok változása

0:03:45.968,0:03:47.473
hogyan vezet betegséghez.

0:03:47.497,0:03:50.492
A betegségmechanizmusok[br]ezen újszerű megértése lehetővé teszi,

0:03:50.516,0:03:55.008
hogy hatékony terápiás gyógyszereket[br]fejlesszünk ki a kezeléshez.

0:03:55.601,0:03:59.446
Létrehoztunk egy induló vállalkozást,[br]hogy ezt a technológiát forgalomba hozzuk,

0:03:59.470,0:04:01.525
és hatással legyünk az emberek életére.

0:04:01.722,0:04:05.267
Jelenleg csapatommal a ReviveMednél[br]a fő betegségek kezelését fejlesztjük,

0:04:05.291,0:04:10.396
melynek során a metabolitok[br]kulcsfontosságú szerepet játszanak,

0:04:10.420,0:04:12.317
mint például a zsírmáj,

0:04:12.341,0:04:15.265
melyet a zsírok felhalmozódása okoz,

0:04:15.289,0:04:17.762
amelyek a máj metabolittípusai.

0:04:17.786,0:04:21.726
Ahogy korábban említettem,[br]ez elterjedt betegség, gyógymód nélkül.

0:04:21.750,0:04:24.474
A zsírmáj csak egy példa erre.

0:04:24.498,0:04:26.056
Ahogy haladunk előre,

0:04:26.056,0:04:30.193
ma még gyógyíthatatlan betegségek[br]százait fogjuk tudni kezelni.

0:04:30.217,0:04:34.771
Majd ahogy egyre több[br]metabolitadatot gyűjtünk,

0:04:34.795,0:04:38.339
és megértjük, hogy a metabolitok változása

0:04:38.363,0:04:40.765
hogyan vezet betegségek kifejlődéséhez,

0:04:40.789,0:04:44.278
algoritmusaink egyre okosabbak

0:04:44.302,0:04:48.498
a betegek számára megfelelő[br]kezelések kifejlesztésében.

0:04:48.522,0:04:52.292
És egyre közelebb kerülünk[br]ahhoz az elképzelésünkhöz,

0:04:52.316,0:04:56.179
hogy minden kódsorral életeket mentsünk.

0:04:56.203,0:04:57.524
Köszönöm.

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