WEBVTT

00:00:01.507 --> 00:00:03.396
2003 yılında,

00:00:03.420 --> 00:00:06.333
insan genomunu düzenlediğimizde

00:00:06.357 --> 00:00:10.279
birçok hastalığın tedavisini
bulacağımızı düşünmüştük.

00:00:10.974 --> 00:00:13.631
Fakat gerçekler bundan daha farklı

00:00:14.782 --> 00:00:16.703
çünkü genlerimizin yanı sıra

00:00:16.727 --> 00:00:21.297
ciddi hastalıklara yakalanmamızda
çevrenin ve yaşam biçiminin de

00:00:21.321 --> 00:00:23.869
büyük rolü var.

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
Bunun bir örneği
yağlı karaciğer hastalığı,

00:00:27.497 --> 00:00:31.580
bütün dünyanın %20'sini
etkileyen bir hastalık,

00:00:31.604 --> 00:00:34.408
hiçbir tedavisi yok ve karaciğer kanserine

00:00:34.408 --> 00:00:36.305
veya karaciğer yetmezliğine yol açıyor.

00:00:37.517 --> 00:00:42.261
Yani DNA dizisi bize 
etkili tedavi bulmak için

00:00:42.285 --> 00:00:44.517
yeterli bilgi vermez.

NOTE Paragraph

00:00:44.541 --> 00:00:48.297
Olumlu yönden bakarsak vücudumuzda
birçok diğer molekül bulunmakta.

00:00:48.321 --> 00:00:52.301
Hatta 100.000'den fazla metabolit mevcut.

00:00:52.325 --> 00:00:56.621
Metabolitler, çok küçük moleküllerdir.

00:00:57.193 --> 00:01:02.165
Bilinen örnekleri glikoz,
fruktoz, yağlar, kolesterol.

00:01:02.189 --> 00:01:03.699
Her zaman duyduğumuz şeyler.

00:01:04.273 --> 00:01:07.256
Metabolitlerin 
metabolizmada işlevleri var.

00:01:08.066 --> 00:01:12.094
Ayrıca DNA'nın birer parçası,

00:01:12.118 --> 00:01:17.200
yani hem genlerimiz hem de
yaşam tarzımız ile ilgili bilgi taşırlar.

00:01:17.224 --> 00:01:22.873
Metabolitleri anlamak, birçok hastalığa
tedavi bulmak için önemli.

NOTE Paragraph

00:01:22.897 --> 00:01:25.109
Her zaman hastaları 
tedavi etmek istemiştim.

00:01:25.934 --> 00:01:29.792
Buna rağmen 15 yıl önce
tıp okulundan ayrıldım

00:01:29.816 --> 00:01:31.781
çünkü matematiği özlemiştim.

00:01:33.019 --> 00:01:35.955
Kısa bir süre sonra
çok güzel bir şey öğrendim.

00:01:36.692 --> 00:01:39.455
Tıp alanında çalışmak için
matematik kullanabilirdim.

00:01:41.026 --> 00:01:46.239
O zamandan beri biyolojik veri
analizi için algoritmalar geliştiriyorum.

00:01:47.092 --> 00:01:49.375
Sözde kulağa kolay geliyor:

00:01:49.399 --> 00:01:53.000
Hadi bütün vücudumuzdaki
metabolitlerden bilgi toplayalım,

00:01:53.024 --> 00:01:58.152
bir hastalıkta nasıl değiştiklerini
açıklayan matematiksel modeller yapalım

00:01:58.176 --> 00:02:01.164
ve bu değişikliklere engel olarak
hastalığı tedavi edelim.

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
Sonra neden bunu daha önce
kimsenin denemediğini anladım,

00:02:07.230 --> 00:02:08.917
bu aşırı derecede zor bir iş.

NOTE Paragraph

00:02:08.941 --> 00:02:10.028
(Gülüşmeler)

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
Vücudumuzda çok fazla metabolit var.

00:02:12.783 --> 00:02:15.283
Her biri birbirinden farklı.

00:02:15.307 --> 00:02:18.745
Bazı metabolitlerin kütlesini,

00:02:18.745 --> 00:02:21.676
kütle spektrometresi aletleri
kullanarak hesaplayabiliyoruz.

00:02:21.676 --> 00:02:26.069
Ama aynı kütleye sahip olan diyelim ki
10 tane molekül olabileceği için

00:02:26.093 --> 00:02:27.900
tam olarak ne olduklarını bilmiyoruz

00:02:27.924 --> 00:02:30.698
ve eğer hepsini tek tek 
ayırt etmek istiyorsak

00:02:30.722 --> 00:02:33.826
daha çok deneyler yapmamız gerekir,
bu da onlarca yıla

00:02:33.850 --> 00:02:35.564
ve milyarlarca dolara mal olur.

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
Biz de bunu yapması için bir yapay zekâ
ya da AI platformu geliştirdik.

00:02:41.794 --> 00:02:44.638
Biyolojik verinin büyümesine
katkıda bulunduk,

00:02:44.662 --> 00:02:49.086
metabolitlerle ve onların diğer
moleküllerle tepkimelerini kapsayan

00:02:49.110 --> 00:02:52.238
her bilgiyle bir veri tabanı oluşturduk.

00:02:52.262 --> 00:02:55.686
Bu verinin hepsini bir mega ağda topladık.

00:02:55.710 --> 00:02:59.106
Sonrasında dokudan
veya hastalarımızın kanından,

00:02:59.130 --> 00:03:01.881
metabolitlerin kütlelerini hesapladık

00:03:01.905 --> 00:03:05.164
ve bir hastalıkta
değişen kütleleri bulduk.

00:03:05.164 --> 00:03:08.402
Ama önceden de belirttiğim gibi
tam olarak ne olduklarını bilmiyoruz.

00:03:08.402 --> 00:03:13.537
Moleküler kütlesi 180 ise
glukoz, galaktoz veya fruktoz olabilir.

00:03:13.561 --> 00:03:15.580
Hepsinin kütlesi aynı

00:03:15.604 --> 00:03:17.691
fakat işlevi farklı.

00:03:17.715 --> 00:03:21.302
Bizim yapay zekâ algoritmamız
bu belirsizlikleri göze alıyor.

00:03:21.326 --> 00:03:24.062
Sonra da mega ağın derinliklerine inip

00:03:24.086 --> 00:03:28.439
hastalığa sebep olan metabolik kütlelerin

00:03:28.463 --> 00:03:30.421
birbirlerine bağlantısını buluyor.

00:03:30.445 --> 00:03:32.683
Ve bağlanma şekillerinden yola çıkarak

00:03:32.707 --> 00:03:37.030
her metabolitin kütlesini bulabiliyoruz,

00:03:37.054 --> 00:03:39.978
mesela buradaki 180 glukoz olabilir

00:03:40.002 --> 00:03:44.455
ve daha da önemlisi glukoz
ve diğer metabolitlerdeki değişimlerin

00:03:44.455 --> 00:03:47.473
nasıl hastalıklara
yol açtığını keşfediyoruz.

00:03:47.497 --> 00:03:50.492
Hastalık mekanizmasına olan
yeni anlayışımız da

00:03:50.516 --> 00:03:55.008
onu hedef alan tedaviler
geliştirmemize olanak sağlıyor.

NOTE Paragraph

00:03:55.601 --> 00:03:59.446
Biz de bu teknolojiyi markete sunmak
ve insanların hayatlarını etkilemek

00:03:59.470 --> 00:04:01.275
amacıyla bir şirket oluşturduk.

00:04:01.722 --> 00:04:05.267
Şimdi benim takımım ve ben,
ReviveMed'te metabolitlerin

00:04:05.291 --> 00:04:10.396
ana sorun olduğu hastalıklara
tedavi bulmak için çalışıyoruz,

00:04:10.420 --> 00:04:12.317
mesela yağlı karaciğer hastalığı gibi

00:04:12.341 --> 00:04:15.265
çünkü bu hastalık, karaciğerdeki
metabolit tipleri olan

00:04:15.289 --> 00:04:17.762
yağların birikmesi ile ortaya çıkar.

00:04:17.786 --> 00:04:21.726
Daha önce de bahsettiğim gibi bu,
tedavisi olmayan çok yaygın bir hastalık.

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
Ve yağlı karaciğer hastalığı
sadece bir örnek.

00:04:24.498 --> 00:04:29.656
İleride, tedavisi olmayan
birçok hastalığı ele alacağız.

00:04:30.217 --> 00:04:34.771
Ve metabolitler hakkında 
daha çok veri topladıkça

00:04:34.795 --> 00:04:40.238
ve metabolitlerdeki değişimin
nasıl hastalığa dönüştüğünü anladıkça

00:04:40.789 --> 00:04:44.278
algoritmamız daha da zeki olacak

00:04:44.302 --> 00:04:48.498
ve doğru hastalar için
doğru tedavileri keşfedecek.

00:04:48.522 --> 00:04:52.292
Ve yazdığımız her bir satır kod ile

00:04:52.316 --> 00:04:56.179
hayat kurtarma amacımıza
daha çok yaklaşmış olacağız.

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
Teşekkür ederim.

NOTE Paragraph

00:04:57.548 --> 00:05:01.375
(Alkışlar)