2003-ban,

amikor szekvenáltuk az emberi genomot,

azt gondoltuk, hogy megkapjuk a választ
számos betegség kezelésére,

de a valóság távol áll ettől,

mert a génjeink mellett

környezetünk és életmódunk is
jelentős szerepet játszik

a főbb betegségek kialakulásában.

Az egyik példa a zsírmáj,

ami a világ népességének
több mint 20 százalékát érinti,

nincs gyógymódja, és májrákhoz

vagy májelégtelenséghez vezet.

Tehát csak a DNS szekvenálása
nem ad elegendő információt ahhoz,

hogy hatékony terápiákat találjunk.

A jó hír, hogy sok más molekula is,

valójában több mint 100 000 metabolit
található a testünkben.

A metabolitok rendkívül
kis méretű molekulák.

Ismert példák a glükóz,
a fruktóz, a zsírok, a koleszterin –

ezekről állandóan hallunk.

A metabolitok részt vesznek
az anyagcserénkben.

Ezek úgyszintén a DNS
gyakorlati megvalósulásai,

tehát információkat hordoznak
génjeinkről és életmódunkról.

A metabolitok megértése sok betegségnél
szükséges a gyógymód megtalálásához.

Mindig betegeket akartam kezelni.

Ennek ellenére 15 évvel ezelőtt
otthagytam az orvosi iskolát,

mivel hiányzott a matematika.

Nem sokkal ezután
rátaláltam a legmenőbb dologra:

Tudom használni a matematikát
az orvostudomány tanulmányozására.

Azóta algoritmusokat fejlesztek
biológiai adatok elemzésére.

Ez könnyűnek tűnt:

gyűjtsünk adatokat
a testben levő összes metabolitról,

írjuk le matematikai modellekkel,
hogyan változnak meg egy betegség során,

és avatkozzunk be
ezekbe a változásokba, kezeljük őket.

Aztán rájöttem, miért nem
foglalkozott ezzel még senki:

mert rendkívül nehéz.

(Nevetés)

A szervezetben sok metabolit található.

Mindegyik különbözik a másiktól.

Egyes metabolitok molekulatömege

mérhető tömegspektrometriás eszközökkel.

De mivel akár 10 molekulának is lehet
pontosan ugyanakkora a tömege,

nem tudjuk pontosan, melyek azok,

és az egyértelmű beazonosításhoz
több kísérlet kéne,

ez pedig évtizedeket

és dollármilliárdokat venne igénybe.

Tehát kifejlesztettünk rá
egy mesterséges intelligenciát.

Kihasználtuk a biológiai adatok
szüntelen gyarapodását,

és felépítettünk egy adatbázist
a metabolitokról meglévő információkból,

és kölcsönhatásukról más molekulákkal.

Egy megahálózatban összesítettük
ezeket az adatokat.

Ezután a betegek szöveteiből vagy véréből

megmérjük a metabolitok tömegét,

és megkeressük azokat a tömegeket,
amelyek megváltoztak a betegségben.

De, ahogy korábban is említettem,
nem tudjuk pontosan, melyek azok.

A 180-as molekulatömeg
lehet glükóz, galaktóz vagy fruktóz is.

Mindegyik pontosan egyforma tömegű,

de különböző funkciókat
látnak el a testünkben.

Az MI algoritmusunk
figyelembe vette mindezt.

Ezután átnézte a megahálózatot,

hogy megtudja, ezek a metabolikus tömegek
hogyan kapcsolódnak egymáshoz,

hogyan vezetnek betegséghez.

A kapcsolódásuk módjából

képesek vagyunk következtetni arra,
mik is ezek a metabolitok,

hogy a 180-as tömegű itt glükóz lehet,

és ami még fontosabb, hogy felfedezzük,

a glükóz és más metabolitok változása

hogyan vezet betegséghez.

A betegségmechanizmusok
ezen újszerű megértése lehetővé teszi,

hogy hatékony terápiás gyógyszereket
fejlesszünk ki a kezeléshez.

Létrehoztunk egy induló vállalkozást,
hogy ezt a technológiát forgalomba hozzuk,

és hatással legyünk az emberek életére.

Jelenleg csapatommal a ReviveMednél
a fő betegségek kezelését fejlesztjük,

melynek során a metabolitok
kulcsfontosságú szerepet játszanak,

mint például a zsírmáj,

melyet a zsírok felhalmozódása okoz,

amelyek a máj metabolittípusai.

Ahogy korábban említettem,
ez elterjedt betegség, gyógymód nélkül.

A zsírmáj csak egy példa erre.

Ahogy haladunk előre,

ma még gyógyíthatatlan betegségek
százait fogjuk tudni kezelni.

Majd ahogy egyre több
metabolitadatot gyűjtünk,

és megértjük, hogy a metabolitok változása

hogyan vezet betegségek kifejlődéséhez,

algoritmusaink egyre okosabbak

a betegek számára megfelelő
kezelések kifejlesztésében.

És egyre közelebb kerülünk
ahhoz az elképzelésünkhöz,

hogy minden kódsorral életeket mentsünk.

Köszönöm.

(Taps)