0:00:00.917,0:00:03.825
Hogyan fogjuk legyőzni[br]ezt az új koronavírust?

0:00:04.317,0:00:06.948
Legjobb eszközeink segítségével:

0:00:06.972,0:00:09.011
ami a tudomány és a technológia.

0:00:09.594,0:00:12.499
Laboratóriumunkban[br]a mesterséges intelligenciát

0:00:12.499,0:00:14.353
és a szintetikus biológiát használjuk,

0:00:14.353,0:00:17.413
hogy felgyorsítsuk[br]e járvány elleni harcot.

0:00:18.078,0:00:19.454
Munkánkat eredetileg

0:00:19.564,0:00:22.842
az antibiotikum-rezisztencia[br]kezelésére terveztük.

0:00:22.842,0:00:27.531
Projektünk a gépi tanulás erejének[br]hasznosítására törekszik,

0:00:27.555,0:00:29.401
újratölteni antibiotikum-arzenálunkat,

0:00:29.425,0:00:33.263
hogy elkerüljünk egy globálisan pusztító,[br]antibiotikum utáni korszakot.

0:00:33.685,0:00:36.505
Lényeges, hogy ugyanaz[br]a technológia használható

0:00:36.529,0:00:38.601
vírusellenes vegyületek kutatására,

0:00:38.625,0:00:41.393
ami segíthet bennünket[br]a jelenlegi járvány elleni harcban.

0:00:42.080,0:00:45.012
A gépi tanulás a feje tetejére állította

0:00:45.012,0:00:47.074
a gyógyszerkutatás hagyományos modelljét.

0:00:47.074,0:00:48.663
Ezzel a megközelítéssel ahelyett,

0:00:48.663,0:00:51.004
hogy egyesével, kínkeservvel tesztelnénk

0:00:51.004,0:00:53.163
a már létező molekulák ezreinek[br]hatékonyságát,

0:00:53.163,0:00:55.856
betaníthatunk egy számítógépet arra,[br]hogy vizsgálja végig

0:00:55.856,0:01:00.513
lényegében az összes szintetizálható [br]molekulának

0:01:00.537,0:01:04.121
a nagyságrendekkel nagyobb halmazát.

0:01:04.145,0:01:09.759
Így, ahelyett, hogy egy tűt[br]keresnénk a szénakazalban,

0:01:09.783,0:01:13.543
a számítástechnika erejének[br]gigantikus mágnesét használjuk

0:01:13.567,0:01:17.482
sok tű egyidejű keresésére[br]számos szénakazalban.

0:01:18.423,0:01:20.415
Van már néhány kezdeti sikerünk.

0:01:21.010,0:01:26.475
Nemrég a gépi tanulást olyan új [br]antibiotikumok felfedezésére használtuk,

0:01:26.499,0:01:29.059
amelyek segíthetnek legyőzni

0:01:29.083,0:01:32.694
a SARS-CoV-2 járványt kísérő[br]bakteriális fertőzéseket.

0:01:33.181,0:01:37.350
Két hónapja elnyertük[br]a TED's Audacious Project támogatását

0:01:37.350,0:01:39.586
munkánk széles körben történő[br]kiterjesztéséhez,

0:01:39.586,0:01:44.214
azzal a céllal, [br]hogy a következő hét év során

0:01:44.238,0:01:47.721
hét antibiotikum-osztályt találjunk

0:01:47.745,0:01:49.662
hét halálos baktérium ellen.

0:01:50.206,0:01:51.939
A könnyebb megértés kedvéért:

0:01:51.963,0:01:53.891
Az elmúlt három évtizedben felfedezett

0:01:53.915,0:01:57.150
új antibiotikum-osztályok száma: nulla.

0:01:58.030,0:02:01.601
Amíg az új antibiotikumok felkutatása[br]a jövő középtávú feladata,

0:02:01.625,0:02:06.277
az új koronavírus[br]azonnali halálos fenyegetést jelent,

0:02:06.301,0:02:08.324
és örömmel közölhetem, hogy úgy gondoljuk,

0:02:08.324,0:02:13.076
ugyanezt a technológiát felhasználhatjuk[br]a vírus elleni gyógyszerkutatásra is.

0:02:13.486,0:02:15.205
Hogyan tesszük ezt?

0:02:15.229,0:02:18.177
Létrehozzuk a vegyületek [br]egy tanító könyvtárát,

0:02:18.201,0:02:23.743
és munkatársaink SARS-CoV-2 fertőzte[br]sejteken próbálják ki a molekulákat,

0:02:23.767,0:02:27.661
hogy lássuk, melyik mutat[br]tényleges aktivitást.

0:02:28.085,0:02:31.367
Ezeket az adatokat felhasználjuk[br]egy gépi tanuló modell betanítására,

0:02:31.391,0:02:35.016
hogy majd a gépben szimulált könyvtár[br]több milliárd molekulájára alkalmazzuk

0:02:35.016,0:02:39.951
új, lehetséges vírusellenes[br]vegyületeket keresve.

0:02:40.324,0:02:42.982
Szintetizáljuk és teszteljük[br]a legjobb javaslatokat,

0:02:43.006,0:02:46.145
és kifejlesztjük a legígéretesebb[br]jelölteket klinikai használatra.

0:02:46.356,0:02:48.614
Túl szépnek hangzik, hogy igaz legyen?

0:02:48.614,0:02:49.614
Pedig az!

0:02:49.614,0:02:52.939
Az Antibiotikum MI Project[br]kutatási témánk bizonyítékán alapul,

0:02:52.963,0:02:56.364
amely egy új széles[br]spektrumú antibiotikum,

0:02:56.388,0:02:58.313
a Halocin felfedezéséhez vezetett.

0:02:58.443,0:03:01.256
A Halocin erős antibakteriális[br]tevékenységet fejt ki

0:03:01.280,0:03:05.382
majdnem minden[br]antibiotikum-rezisztens baktérium ellen,

0:03:05.406,0:03:09.047
beleértve a kezelhetetlen[br]pánrezisztens fertőzéseket is.

0:03:09.662,0:03:12.196
Fontos, hogy a jelenlegi[br]antibiotikumokkal ellentétben

0:03:12.196,0:03:15.850
a Halocin elleni baktériumrezisztencia[br]kifejlődésének gyakorisága

0:03:15.874,0:03:17.358
figyelemreméltóan alacsony.

0:03:18.303,0:03:23.013
Laboratóriumban teszteltük, hogy mennyire [br]válnak rezisztenssé a baktériumok

0:03:23.037,0:03:24.825
a Halocinra, illetve a Cipróra.

0:03:25.299,0:03:26.841
A Ciprónál már egy nap után

0:03:26.865,0:03:29.690
kialakult a rezisztencia.

0:03:30.213,0:03:31.691
A Halicon esetében

0:03:31.715,0:03:33.830
egy nap múlva nem láttunk rezisztenciát.

0:03:34.479,0:03:37.781
Bámulatos, hogy 30 nap után sem láttunk

0:03:37.805,0:03:40.406
semmilyen rezisztenciát[br]a Halocin irányában.

0:03:41.098,0:03:46.624
Ebben a próbaprojektben először kb.[br]2500 vegyületet teszteltünk E. coli ellen.

0:03:47.259,0:03:50.039
Ez a betanító készlet[br]ismert antibiotikumokat tartalmazott,

0:03:50.039,0:03:51.809
mint például a Cipro és a penicillin,

0:03:51.833,0:03:54.425
és sok gyógyszert is,[br]melyek nem voltak antibiotikumok.

0:03:54.984,0:03:58.681
Ezeket az adatokat egy modell[br]betanítására használtuk,

0:03:58.681,0:04:01.833
hogy megtanulja a molekulák [br]antibakteriális tulajdonságait.

0:04:01.833,0:04:04.884
A modellt egy pár ezer molekulából [br]álló könyvtárra alkalmaztuk,

0:04:04.884,0:04:08.322
ami gyógyszereket tartalmazott, [br]melyeknek új felhasználást kerestünk.

0:04:08.322,0:04:10.138
Olyan molekulákat kellett találnia,

0:04:10.138,0:04:12.922
melyeknek várhatóan[br]lesz antibakteriális hatásuk,

0:04:12.946,0:04:15.419
de nem úgy néznek ki,[br]mint a meglévő antibiotikumok.

0:04:16.427,0:04:21.224
Érdekes, hogy csak egy molekula[br]felelt meg a feltételeknek,

0:04:21.248,0:04:23.584
és kiderült, hogy az a molekula a Halocin.

0:04:24.304,0:04:27.556
Tekintve, hogy a Halocin nem hasonlít[br]egy ismert antibiotikumra sem,

0:04:27.556,0:04:31.710
lehetetlen lett volna, hogy egy ember –[br]beleértve az antibiotikum-szakértőket is –

0:04:31.734,0:04:33.918
azonosítsa a Halocint ezen a módon.

0:04:34.354,0:04:37.204
Most képzeljék el, mire juthatunk[br]ezzel a technológiával

0:04:37.228,0:04:38.969
a SARS-CoV-2 ellen!

0:04:39.783,0:04:41.148
Ez nem minden.

0:04:41.172,0:04:43.992
A szintetikus biológia[br]eszközeit is használjuk,

0:04:44.016,0:04:46.627
DNS-sel és egyéb[br]sejtszerkezettel babrálva,

0:04:46.651,0:04:50.561
emberi célokat szolgálunk,[br]mint a COVID-19 elleni küzdelem,

0:04:50.585,0:04:54.232
és megjegyezném, hogy dolgozunk[br]egy olyan védőmaszk kifejlesztésén,

0:04:54.256,0:04:57.688
amely gyors diagnosztizálást is végez.

0:04:58.192,0:04:59.664
Vajon hogyan működik?

0:04:59.688,0:05:00.893
Nos, nemrég bemutattuk,

0:05:00.917,0:05:03.860
hogy kivehetjük[br]a sejtszerkezetet egy élő sejtből,

0:05:03.884,0:05:07.976
és liofilizálhatjuk[br]az RNS-sel együtt papíron azért,

0:05:08.000,0:05:12.916
hogy olcsón diagnosztizáljuk[br]az ebolát és a Zika-vírust.

0:05:13.503,0:05:18.730
A szenzorok aktiválódnak, amikor[br]a beteg mintája újból hidratálja őket,

0:05:18.754,0:05:21.576
ami lehet például vér vagy nyál.

0:05:21.600,0:05:24.861
Kiderült, hogy ez a technológia[br]nem korlátozódik a papírra,

0:05:24.885,0:05:27.771
egyéb anyagokra[br]is alkalmazható, pl. ruhára.

0:05:28.671,0:05:30.613
A COVID-19 járványhoz

0:05:30.637,0:05:34.983
RNS-szenzorokat tervezünk[br]a vírus kimutatására,

0:05:35.007,0:05:38.217
és liofilizáljuk ezeket a szükséges[br]sejtszerkezetekkel együtt

0:05:38.241,0:05:40.948
az arcmaszk szövetébe,

0:05:40.972,0:05:43.201
ahol maga a lélegzés,

0:05:43.225,0:05:45.502
a lecsapódó párával együtt,

0:05:45.526,0:05:47.286
képes aktiválni a tesztet.

0:05:47.804,0:05:52.064
Így ha a beteg SARS-CoV-2-vel fertőzött,

0:05:52.088,0:05:54.161
A maszk fluoreszkáló jelet hoz létre,

0:05:54.185,0:05:58.015
amit egy egyszerű, olcsó[br]kézi eszköz is képes észlelni.

0:05:58.534,0:06:03.018
Így egy-két órán belül[br]diagnosztizálható a beteg –

0:06:03.042,0:06:06.014
biztonságosan, távolról és pontosan.

0:06:06.735,0:06:09.255
A szintetikus biológiát[br]arra is használjuk,

0:06:09.279,0:06:11.999
hogy a COVID-19 ellen[br]oltóanyagot tervezzünk.

0:06:13.014,0:06:15.667
Újrahasznosítjuk a BCG-oltást,

0:06:15.691,0:06:18.561
amit már majdnem egy évszázada[br]használunk a TBC ellen.

0:06:18.585,0:06:20.126
Ez élő, legyengített oltóanyag.

0:06:20.150,0:06:24.807
Átszerkesztjük a SARS-CoV-2 [br]antigénjeinek megfelelően,

0:06:24.831,0:06:27.365
hogy az immunrendszert

0:06:27.365,0:06:29.304
védő antitestek termelésére késztesse.

0:06:29.328,0:06:32.062
Fontos, hogy a BCG[br]nagy mértékben szabályozható,

0:06:32.086,0:06:36.659
és biztonságos profilja van, az egyik[br]legjobb az ismert oltóanyagok közül.

0:06:37.881,0:06:42.986
A szintetikus biológia és a mesterséges[br]intelligencia eszközeivel

0:06:43.010,0:06:46.358
megnyerhetjük a harcot[br]az új koronavírus ellen.

0:06:46.844,0:06:50.163
Ez a munka nagyon korai[br]stádiumban van, de igen ígéretes.

0:06:50.798,0:06:54.093
A tudomány és a technológia[br]jelentős előnyt adhat számunkra

0:06:54.093,0:06:57.572
az emberi értelem és a szuperbaktériumok[br]génjei között zajló küzdelemben,

0:06:57.572,0:06:59.199
amelyet megnyerhetünk.

0:06:59.990,0:07:01.846
Köszönöm.