0:00:00.917,0:00:03.825
Takže, jak hodláme porazit[br]tento nový koronavirus?

0:00:04.317,0:00:06.948
Našimi nejlepšími nástroji:

0:00:06.972,0:00:09.011
naší vědou a technologií.

0:00:09.584,0:00:12.726
V mojí laboratoři využíváme[br]nástroje umělé inteligence

0:00:12.750,0:00:14.329
a syntetické biologie,

0:00:14.353,0:00:17.413
abychom zrychlili boj proti pandemii.

0:00:18.078,0:00:20.081
Naše práce byla zpočátku[br]navržena k tomu,

0:00:20.115,0:00:22.698
abychom se vypořádali[br]s rezistencí na antibiotika.

0:00:22.842,0:00:27.531
Náš projekt hledá,[br]jak využít sílu strojového učení

0:00:27.555,0:00:29.515
k doplnění našeho[br]antibiotického arzenálu

0:00:29.545,0:00:33.263
a zabránění postantibiotické éře,[br]která by způsobila globální devastaci.

0:00:33.685,0:00:36.505
Důležité je, že ta samá technologie[br]může být použita

0:00:36.529,0:00:38.601
k nalezení antivirových sloučenin,

0:00:38.625,0:00:41.303
které nám mohou pomoct[br]bojovat se současnou pandemií.

0:00:42.080,0:00:47.092
Strojové učení obrátilo tradiční model[br]zkoumání léčiv vzhůru nohama.

0:00:47.434,0:00:48.659
S tímto přístupem,

0:00:48.683,0:00:52.635
místo pečlivého testování[br]účinnosti tisíců existujících molekul

0:00:52.665,0:00:55.856
jednu po druhé v laboratoři,

0:00:55.886,0:01:00.513
můžeme trénovat počítač,[br]aby prozkoumal exponenciálně větší prostor

0:01:00.537,0:01:04.121
všech možných molekul,[br]které mohou být syntetizovány,

0:01:04.145,0:01:09.759
a tím pádem,[br]místo hledání jehly v kupce sena,

0:01:09.783,0:01:13.543
můžeme využít gigantický[br]magnet výpočetní síly,

0:01:13.567,0:01:17.482
aby našel mnoho jehel[br]v mnoha kupkách sena zároveň.

0:01:18.423,0:01:20.625
Již máme nějaké počáteční úspěchy.

0:01:21.010,0:01:26.475
Nedávno jsme použili strojové učení[br]k objevení nových antibiotik,

0:01:26.499,0:01:29.059
které nám pomohou[br]přemoci bakteriální infekce,

0:01:29.083,0:01:32.694
jež se mohou vyskytnout[br]společně s infekcí SARS-CoV-2.

0:01:33.181,0:01:37.350
Před dvěma měsíci TED Audacious Project[br]schválil naše financování,

0:01:37.374,0:01:39.562
aby podstatně rozšířil naši činnost

0:01:39.586,0:01:44.214
s cílem objevit sedm[br]nových tříd antibiotik

0:01:44.238,0:01:47.721
proti sedmi nejsmrtelnějším[br]bakteriálním patogenům světa

0:01:47.745,0:01:49.800
během následujících sedmi let.

0:01:50.206,0:01:51.939
Jen připomínám,

0:01:51.963,0:01:53.891
že v posledních třech dekádách

0:01:53.915,0:01:57.150
nebyla objevena ani jedna[br]nová třída antibiotik.

0:01:58.030,0:02:01.661
Zatímco pátrání po nových antibiotikách[br]proběhne ve střednědobém horizontu,

0:02:01.685,0:02:06.277
nový koronavirus představuje[br]současnou smrtelnou hrozbu

0:02:06.301,0:02:10.094
a s radostí vám sděluji, že věříme,[br]že můžeme použít tu samou technologii

0:02:10.118,0:02:12.927
ke hledání terapie pro boj s tímto virem.

0:02:13.486,0:02:15.205
Takže, jak to hodláme udělat?

0:02:15.229,0:02:18.177
Vytváříme knihovnu tréninkových sloučenin

0:02:18.201,0:02:23.743
a se spolupracovníky vkládáme tyto [br]molekuly do buněk infikovaných SARS-CoV-2,

0:02:23.767,0:02:27.661
abychom viděli,[br]která z nich vykazuje účinnou aktivitu.

0:02:28.175,0:02:31.367
Tato data budou použita[br]k trénování modelu strojového učení,

0:02:31.391,0:02:35.461
který bude nasazen na více než[br]miliardu molekul z počítačové knihovny,

0:02:35.485,0:02:39.689
aby našel potenciální[br]nové antivirové sloučeniny.

0:02:40.324,0:02:42.982
Budeme syntetizovat a testovat[br]nejlepší predikce

0:02:43.006,0:02:46.045
a nejnadějnější kandidáty[br]posuneme do klinických testů.

0:02:46.127,0:02:48.134
Že to zní až moc dobře?

0:02:48.158,0:02:49.590
Nemělo by.

0:02:49.614,0:02:52.963
„Antibiotics AI Project“ je založen[br]na našem ověřovacím výzkumu,

0:02:52.993,0:02:56.364
který vedl k objevu nového [br]širokospektrálního antibiotika

0:02:56.388,0:02:57.573
zvaného halicin.

0:02:58.443,0:03:01.256
Halicin vykazuje[br]silnou antibakteriální aktivitu

0:03:01.280,0:03:05.382
proti skoro všem rezistentním[br]bakteriálním patogenům

0:03:05.406,0:03:09.047
včetně nevyléčitelných[br]panrezistentních infekcí.

0:03:09.712,0:03:12.132
Na rozdíl od současných antibiotik[br]je důležité,

0:03:12.156,0:03:15.850
že četnost, s jakou si bakterie[br]vybuduje rezistenci na halicin,

0:03:15.874,0:03:17.488
je pozoruhodně nízká.

0:03:18.303,0:03:23.013
V laboratoři jsme testovali[br]schopnost bakterie vybudovat si

0:03:23.037,0:03:25.285
rezistenci na halicin a na lék „Cipro“.

0:03:25.299,0:03:26.841
V případě léku „Cipro“

0:03:26.865,0:03:29.820
jsme již po jednom dni[br]pozorovali rezistenci.

0:03:30.213,0:03:34.251
V případě halicinu jsme po jednom dni[br]nepozorovali žádnou rezistenci.

0:03:34.479,0:03:37.781
Překvapivé je, že ani po 30 dnech

0:03:37.805,0:03:40.406
jsme nepozorovali žádnou[br]rezistenci na halicin.

0:03:41.018,0:03:46.364
V pilotním projektu jsme nejprve testovali[br]zhruba 2 500 sloučenin proti E. coli.

0:03:47.259,0:03:50.039
Tento tréninkový set[br]zahrnoval známá antibiotika

0:03:50.063,0:03:51.809
jako „Cipro“ a penicilin,

0:03:51.833,0:03:54.464
stejně jako mnoho léků,[br]které nejsou antibiotiky.

0:03:54.984,0:03:57.571
Tato data jsme použili k trénování modelu,

0:03:57.595,0:04:01.743
aby se naučil vlastnosti molekul[br]spojované s antibakteriální aktivitou.

0:04:02.009,0:04:04.970
Poté jsme model aplikovali[br]na knihovnu znovupoužitelných léčiv

0:04:04.994,0:04:07.472
obsahující několik tisíc molekul

0:04:07.496,0:04:10.114
a zadali jsme modelu,[br]aby identifikoval molekuly,

0:04:10.138,0:04:12.986
u kterých jsou predikovány[br]antibakteriální vlastnosti,

0:04:13.026,0:04:15.419
ale nevypadají[br]jako existující antibiotika.

0:04:16.427,0:04:21.224
Je zajímavé, že pouze jedna molekula[br]v knihovně odpovídala těmto kritériím

0:04:21.248,0:04:23.664
a touto molekulou se ukázal být halicin.

0:04:23.901,0:04:27.652
Vzhledem k tomu, že halicin nevypadá[br]jako jakékoliv existující antibiotikum,

0:04:27.676,0:04:31.710
bylo by pro člověka nemožné,[br]dokonce i pro experta na antibiotika,

0:04:31.734,0:04:34.028
aby tímto způsobem halicin identifikoval.

0:04:34.574,0:04:37.204
A teď si představte,[br]co bychom s touto technologií

0:04:37.228,0:04:38.969
mohli dělat proti SARS-CoV-2.

0:04:39.783,0:04:41.148
A toto není vše.

0:04:41.172,0:04:43.992
Také využíváme nástroje[br]syntetické biologie

0:04:44.016,0:04:46.627
a experimentujeme s DNA[br]a dalšími buněčnými aparáty,

0:04:46.651,0:04:50.561
aby sloužily potřebám lidí,[br]jako je boj proti COVID-19,

0:04:50.585,0:04:54.232
a je důležité zmínit,[br]že pracujeme na vývoji ochranné masky,

0:04:54.256,0:04:57.828
která také dokáže sloužit[br]jako rychlý diagnostický test.

0:04:58.192,0:04:59.664
Takže, jak to funguje?

0:04:59.688,0:05:00.893
Nedávno jsme ukázali,

0:05:00.917,0:05:03.860
že můžete vzít buněčný aparát z živé buňky

0:05:03.884,0:05:07.976
a lyofilizovat ho společně[br]s RNA senzorem na papír,

0:05:08.000,0:05:12.916
abyste vytvořili levnou[br]diagnostiku Eboly a Ziky.

0:05:13.503,0:05:18.730
Senzory se aktivují rehydratací[br]ze vzorku nemocného člověka,

0:05:18.754,0:05:21.576
který může obsahovat[br]například krev nebo sliny.

0:05:21.600,0:05:24.861
Ukazuje se, že tato technologie[br]není omezena pouze na papír

0:05:24.885,0:05:27.771
a může být aplikována[br]na další materiály, včetně tkanin.

0:05:28.671,0:05:30.613
Pro pandemii COVID-19

0:05:30.637,0:05:34.983
navrhujeme RNA senzory k detekci viru

0:05:35.007,0:05:38.217
a lyofilizujeme je i s potřebnými[br]buněčnými aparáty

0:05:38.241,0:05:40.458
do látky roušky.

0:05:40.972,0:05:43.201
Stačí pouhé dýchání

0:05:43.225,0:05:45.502
a vodní kapénky, které ho doprovázejí,

0:05:45.526,0:05:47.286
aby se test aktivoval.

0:05:47.804,0:05:51.744
Tím pádem, pokud je[br]pacient infikován SARS-CoV-2,

0:05:51.784,0:05:54.161
začne maska produkovat[br]fluorescenční signál,

0:05:54.185,0:05:58.015
který může být detekován jednoduchým,[br]laciným kapesním zařízením.

0:05:58.534,0:06:03.018
Během hodiny nebo dvou[br]tak může být pacient bezpečně,

0:06:03.042,0:06:06.014
na dálku a přesně diagnostikován.

0:06:06.735,0:06:09.255
Syntetickou biologii také využíváme

0:06:09.279,0:06:11.999
k návrhu vakcíny pro COVID-19.

0:06:13.014,0:06:15.667
Znovupoužíváme BCG vakcínu,

0:06:15.691,0:06:18.561
která se téměř jedno století[br]používala proti tuberkulóze.

0:06:18.585,0:06:20.126
Je to živá, oslabená vakcína

0:06:20.150,0:06:24.807
a my ji připravujeme[br]pro expresi antigenů SARS-CoV-2,

0:06:24.831,0:06:27.645
které by měly spouštět produkci[br]ochranných protilátek

0:06:27.669,0:06:29.304
v imunitním systému.

0:06:29.328,0:06:32.062
Důležité je, že BCG je[br]masivně škálovatelná

0:06:32.086,0:06:36.659
a má bezpečnostní profil, který patří[br]mezi nejlepší ze všech hlášených vakcín.

0:06:37.881,0:06:42.986
S nástroji syntetické biologie[br]a umělé inteligence

0:06:43.010,0:06:46.358
můžeme tento souboj[br]s novým koronavirem vyhrát.

0:06:46.844,0:06:50.163
Tato práce je ve velmi raném stadiu,[br]ale příslib je reálný.

0:06:50.798,0:06:54.243
Věda a technologie nám[br]mohou dát důležitou výhodu

0:06:54.267,0:06:57.428
v souboji lidského důvtipu[br]s geny rezistentních bakterií,

0:06:57.452,0:06:59.407
v souboji, který můžeme vyhrát.

0:06:59.990,0:07:01.223
Děkuji vám.