1
00:00:01,507 --> 00:00:03,396
Pada tahun 2003,

2
00:00:03,420 --> 00:00:06,333
ketika melakukan sekuens
genom pada manusia,

3
00:00:06,357 --> 00:00:09,974
kami pikir menemukan jawaban untuk
mengobati berbagai penyakit itu mudah.

4
00:00:10,974 --> 00:00:13,631
Ternyata kenyataannya tidak semudah itu,

5
00:00:14,782 --> 00:00:16,703
karena selain gen,

6
00:00:16,727 --> 00:00:21,297
lingkungan dan gaya hidup
manusia juga memiliki peranan penting

7
00:00:21,321 --> 00:00:23,869
yang memengaruhi berbagai penyakit mayor.

8
00:00:23,893 --> 00:00:27,473
Contohnya adalah penyakit hati berlemak,

9
00:00:27,497 --> 00:00:31,580
yang memengaruhi 20% populasi global,

10
00:00:31,604 --> 00:00:34,638
belum ditemukan pengobatannya
dan menjadi penyebab kanker hati

11
00:00:34,662 --> 00:00:36,085
atau gagal hati.

12
00:00:37,517 --> 00:00:42,261
Sekuens DNA saja belum cukup
memberikan informasi

13
00:00:42,285 --> 00:00:44,517
untuk mendapatkan terapeutik yang efektif.

14
00:00:44,541 --> 00:00:48,297
Untungnya, ada banyak molekul 
lain di dalam tubuh,

15
00:00:48,321 --> 00:00:52,301
bahkan ada lebih dari 100 ribu metabolit.

16
00:00:52,325 --> 00:00:56,621
Metabolit adalah molekul yang
berukuran sangat kecil.

17
00:00:57,193 --> 00:01:02,165
Contohnya adalah glukosa, 
fruktosa, lemak, kolesterol --

18
00:01:02,189 --> 00:01:03,699
yang sudah sering kita dengar.

19
00:01:04,273 --> 00:01:07,256
Metabolit terbentuk dari metabolisme.

20
00:01:08,066 --> 00:01:12,094
Metabolit adalah bagian hilir DNA,

21
00:01:12,118 --> 00:01:17,200
yang berfungsi membawa 
informasi gen dan gaya hidup manusia.

22
00:01:17,224 --> 00:01:21,897
Memahami metabolit bermanfaat
untuk menemukan pengobatan

23
00:01:21,897 --> 00:01:22,897
berbagai penyakit.

24
00:01:22,897 --> 00:01:25,109
Dulu saya bercita-cita menjadi
seorang dokter.

25
00:01:25,934 --> 00:01:28,816
Tetapi, 15 tahun lalu saya harus
meninggalkan

26
00:01:28,816 --> 00:01:29,816
sekolah kedokteran,

27
00:01:29,816 --> 00:01:31,781
karena tidak lulus pelajaran matematika.

28
00:01:33,019 --> 00:01:35,955
Sejak saat itu, saya sadar bahwa

29
00:01:36,692 --> 00:01:39,455
matematika bisa digunakan untuk
mempelajari obat-obatan.

30
00:01:41,026 --> 00:01:46,222
Kemudian, saya mengembangkan
algoritma untuk menganalisis data biologi.

31
00:01:47,092 --> 00:01:49,375
Kedengarannya mudah.

32
00:01:49,399 --> 00:01:53,000
Mengumpulkan data metabolit
dari dalam tubuh,

33
00:01:53,024 --> 00:01:57,176
mengembangkan model matematika
untuk menguraikan perubahan data metabolit

34
00:01:57,176 --> 00:01:58,176
di dalam penyakit,

35
00:01:58,176 --> 00:02:01,164
lalu mengendalikan perubahan
tersebut untuk mengobati penyakit.

36
00:02:02,488 --> 00:02:05,960
Kemudian saya sadar belum
ada orang yang melakukan ini

37
00:02:07,337 --> 00:02:08,917
karena benar-benar sulit.

38
00:02:08,941 --> 00:02:10,028
(Tertawa)

39
00:02:10,052 --> 00:02:12,464
Metabolit banyak terdapat
di dalam tubuh.

40
00:02:12,783 --> 00:02:15,283
Setiap metabolit berbeda satu sama lain.

41
00:02:15,307 --> 00:02:19,035
Beberapa senyawa metabolit
dapat diukur massa molekulernya

42
00:02:19,059 --> 00:02:21,652
menggunakan alat spektometri massa.

43
00:02:21,676 --> 00:02:26,069
Namun, karena ada 10 molekul
dengan massa yang persis sama,

44
00:02:26,093 --> 00:02:27,900
molekul yang pasti sulit diketahui

45
00:02:27,924 --> 00:02:30,698
dan jika ingin melakukan identifikasi,

46
00:02:30,722 --> 00:02:33,826
diperlukan pengujian lebih lanjut
yang memakan waktu lama

47
00:02:33,850 --> 00:02:35,564
dan berharga jutaan dolar.

48
00:02:36,207 --> 00:02:41,770
Sehingga kami membangun Inteligensi
Artifisial atau platform AI

49
00:02:41,794 --> 00:02:44,638
untuk memaksimalkan 
perkembangan data biologi

50
00:02:44,662 --> 00:02:49,086
serta membangun pangkalan data
informasi tentang metabolit

51
00:02:49,110 --> 00:02:52,238
dan interaksinya dengan molekul lain.

52
00:02:52,262 --> 00:02:55,686
Kami menggabungkan semua data
dalam jaringan besar.

53
00:02:55,710 --> 00:02:59,106
Kemudian, kami mengambil
jaringan atau darah pasien,

54
00:02:59,130 --> 00:03:01,881
untuk mengukur massa metabolit

55
00:03:01,905 --> 00:03:05,164
dan mencari massa yang berubah
di dalam penyakit.

56
00:03:05,188 --> 00:03:08,378
Tetapi, kami belum menemukan
senyawa molekul yang pasti.

57
00:03:08,402 --> 00:03:13,331
Massa molekuler 180 mungkin
adalah glukosa, galaktosa, atau fruktosa,

58
00:03:13,561 --> 00:03:15,580
yang memiliki massa persis sama

59
00:03:15,604 --> 00:03:17,691
tetapi fungsinya berbeda di dalam tubuh.

60
00:03:17,715 --> 00:03:20,707
Algoritma AI menjawab
semua ambiguitas itu.

61
00:03:21,326 --> 00:03:24,062
AI menggali jaringan besar

62
00:03:24,086 --> 00:03:28,113
untuk menemukan cara
massa metabolit terhubung satu sama lain

63
00:03:28,463 --> 00:03:30,421
yang mengakibatkan timbulnya penyakit.

64
00:03:30,445 --> 00:03:32,683
Dari cara metabolit terhubung,

65
00:03:32,707 --> 00:03:37,030
kami menentukan massa setiap metabolit,

66
00:03:37,054 --> 00:03:39,978
misalnya, massa molekuler 180
adalah glukosa

67
00:03:40,002 --> 00:03:42,553
dan yang lebih penting kami menemukan

68
00:03:42,577 --> 00:03:45,799
bahwa perubahan dalam glukosa
dan metabolit lain

69
00:03:45,968 --> 00:03:47,473
dapat menyebabkan
penyakit.

70
00:03:47,497 --> 00:03:50,492
Penemuan baru tentang
mekanisme penyakit ini

71
00:03:50,516 --> 00:03:55,008
memungkinkan kita untuk menemukan
terapeutik efektif sebagai pengobatan.

72
00:03:55,601 --> 00:03:59,446
Lalu, kami mendirikan perusahaan rintisan
untuk membawa teknologi ini ke pasar

73
00:03:59,470 --> 00:04:01,275
dan menyelamatkan jiwa manusia.

74
00:04:01,722 --> 00:04:05,267
Saat ini saya dan tim di ReviveMed
bekerja untuk menemukan

75
00:04:05,291 --> 00:04:10,396
terapeutik bagi penyakit mayor
yang disebabkan oleh metabolit,

76
00:04:10,420 --> 00:04:12,317
seperti penyakit hati berlemak,

77
00:04:12,341 --> 00:04:15,265
akibat timbunan lemak

78
00:04:15,289 --> 00:04:17,762
yang merupakan tipe metabolit
di dalam hati.

79
00:04:17,786 --> 00:04:21,726
Penyakit ini adalah epidemi besar
yang belum ditemukan obatnya.

80
00:04:21,750 --> 00:04:24,474
Penyakit hati berlemak hanya
sebuah contoh.

81
00:04:24,498 --> 00:04:28,676
Selanjutnya, kami akan menangani
ratusan penyakit lain

82
00:04:28,700 --> 00:04:30,193
yang belum tertangani.

83
00:04:30,217 --> 00:04:34,771
Dengan mengumpulkan lebih
banyak data metabolit

84
00:04:34,795 --> 00:04:38,339
dan memahami bahwa perubahan
di dalam metabolit

85
00:04:38,363 --> 00:04:40,765
bisa menjadi penyebab penyakit,

86
00:04:40,789 --> 00:04:44,278
algoritma bisa diandalkan

87
00:04:44,302 --> 00:04:48,498
untuk menemukan terapeutik yang
sesuai untuk pasien yang tepat.

88
00:04:48,522 --> 00:04:52,292
Visi kami akan lebih mudah dicapai,

89
00:04:52,316 --> 00:04:56,179
yaitu menyelamatkan jiwa manusia 
menggunakan setiap baris kode.

90
00:04:56,203 --> 00:04:57,524
Terima kasih.

91
00:04:57,548 --> 00:05:01,375
(Tepuk tangan)