WEBVTT 00:00:00.917 --> 00:00:03.825 Hogyan fogjuk legyőzni ezt az új koronavírust? 00:00:04.317 --> 00:00:06.948 Legjobb eszközeink segítségével: 00:00:06.972 --> 00:00:09.011 ami a tudomány és a technológia. 00:00:09.594 --> 00:00:12.499 Laboratóriumunkban a mesterséges intelligenciát 00:00:12.499 --> 00:00:14.353 és a szintetikus biológiát használjuk, 00:00:14.353 --> 00:00:17.413 hogy felgyorsítsuk e járvány elleni harcot. 00:00:18.078 --> 00:00:19.454 Munkánkat eredetileg 00:00:19.564 --> 00:00:22.842 az antibiotikum-rezisztencia kezelésére terveztük. 00:00:22.842 --> 00:00:27.531 Projektünk a gépi tanulás erejének hasznosítására törekszik, 00:00:27.555 --> 00:00:29.401 újratölteni antibiotikum-arzenálunkat, 00:00:29.425 --> 00:00:33.263 hogy elkerüljünk egy globálisan pusztító, antibiotikum utáni korszakot. 00:00:33.685 --> 00:00:36.505 Lényeges, hogy ugyanaz a technológia használható 00:00:36.529 --> 00:00:38.601 vírusellenes vegyületek kutatására, 00:00:38.625 --> 00:00:41.393 ami segíthet bennünket a jelenlegi járvány elleni harcban. NOTE Paragraph 00:00:42.080 --> 00:00:45.012 A gépi tanulás a feje tetejére állította 00:00:45.012 --> 00:00:47.074 a gyógyszerkutatás hagyományos modelljét. 00:00:47.074 --> 00:00:48.663 Ezzel a megközelítéssel ahelyett, 00:00:48.663 --> 00:00:51.004 hogy egyesével, kínkeservvel tesztelnénk 00:00:51.004 --> 00:00:53.163 a már létező molekulák ezreinek hatékonyságát, 00:00:53.163 --> 00:00:55.856 betaníthatunk egy számítógépet arra, hogy vizsgálja végig 00:00:55.856 --> 00:01:00.513 lényegében az összes szintetizálható molekulának 00:01:00.537 --> 00:01:04.121 a nagyságrendekkel nagyobb halmazát. 00:01:04.145 --> 00:01:09.759 Így, ahelyett, hogy egy tűt keresnénk a szénakazalban, 00:01:09.783 --> 00:01:13.543 a számítástechnika erejének gigantikus mágnesét használjuk 00:01:13.567 --> 00:01:17.482 sok tű egyidejű keresésére számos szénakazalban. NOTE Paragraph 00:01:18.423 --> 00:01:20.415 Van már néhány kezdeti sikerünk. 00:01:21.010 --> 00:01:26.475 Nemrég a gépi tanulást olyan új antibiotikumok felfedezésére használtuk, 00:01:26.499 --> 00:01:29.059 amelyek segíthetnek legyőzni 00:01:29.083 --> 00:01:32.694 a SARS-CoV-2 járványt kísérő bakteriális fertőzéseket. 00:01:33.181 --> 00:01:37.350 Két hónapja elnyertük a TED's Audacious Project támogatását 00:01:37.350 --> 00:01:39.586 munkánk széles körben történő kiterjesztéséhez, 00:01:39.586 --> 00:01:44.214 azzal a céllal, hogy a következő hét év során 00:01:44.238 --> 00:01:47.721 hét antibiotikum-osztályt találjunk 00:01:47.745 --> 00:01:49.662 hét halálos baktérium ellen. 00:01:50.206 --> 00:01:51.939 A könnyebb megértés kedvéért: 00:01:51.963 --> 00:01:53.891 Az elmúlt három évtizedben felfedezett 00:01:53.915 --> 00:01:57.150 új antibiotikum-osztályok száma: nulla. NOTE Paragraph 00:01:58.030 --> 00:02:01.601 Amíg az új antibiotikumok felkutatása a jövő középtávú feladata, 00:02:01.625 --> 00:02:06.277 az új koronavírus azonnali halálos fenyegetést jelent, 00:02:06.301 --> 00:02:08.324 és örömmel közölhetem, hogy úgy gondoljuk, 00:02:08.324 --> 00:02:13.076 ugyanezt a technológiát felhasználhatjuk a vírus elleni gyógyszerkutatásra is. 00:02:13.486 --> 00:02:15.205 Hogyan tesszük ezt? 00:02:15.229 --> 00:02:18.177 Létrehozzuk a vegyületek egy tanító könyvtárát, 00:02:18.201 --> 00:02:23.743 és munkatársaink SARS-CoV-2 fertőzte sejteken próbálják ki a molekulákat, 00:02:23.767 --> 00:02:27.661 hogy lássuk, melyik mutat tényleges aktivitást. 00:02:28.085 --> 00:02:31.367 Ezeket az adatokat felhasználjuk egy gépi tanuló modell betanítására, 00:02:31.391 --> 00:02:35.016 hogy majd a gépben szimulált könyvtár több milliárd molekulájára alkalmazzuk 00:02:35.016 --> 00:02:39.951 új, lehetséges vírusellenes vegyületeket keresve. 00:02:40.324 --> 00:02:42.982 Szintetizáljuk és teszteljük a legjobb javaslatokat, 00:02:43.006 --> 00:02:46.145 és kifejlesztjük a legígéretesebb jelölteket klinikai használatra. NOTE Paragraph 00:02:46.356 --> 00:02:48.614 Túl szépnek hangzik, hogy igaz legyen? 00:02:48.614 --> 00:02:49.614 Pedig az! 00:02:49.614 --> 00:02:52.939 Az Antibiotikum MI Project kutatási témánk bizonyítékán alapul, 00:02:52.963 --> 00:02:56.364 amely egy új széles spektrumú antibiotikum, 00:02:56.388 --> 00:02:58.313 a Halocin felfedezéséhez vezetett. 00:02:58.443 --> 00:03:01.256 A Halocin erős antibakteriális tevékenységet fejt ki 00:03:01.280 --> 00:03:05.382 majdnem minden antibiotikum-rezisztens baktérium ellen, 00:03:05.406 --> 00:03:09.047 beleértve a kezelhetetlen pánrezisztens fertőzéseket is. 00:03:09.662 --> 00:03:12.196 Fontos, hogy a jelenlegi antibiotikumokkal ellentétben 00:03:12.196 --> 00:03:15.850 a Halocin elleni baktériumrezisztencia kifejlődésének gyakorisága 00:03:15.874 --> 00:03:17.358 figyelemreméltóan alacsony. 00:03:18.303 --> 00:03:23.013 Laboratóriumban teszteltük, hogy mennyire válnak rezisztenssé a baktériumok 00:03:23.037 --> 00:03:24.825 a Halocinra, illetve a Cipróra. 00:03:25.299 --> 00:03:26.841 A Ciprónál már egy nap után 00:03:26.865 --> 00:03:29.690 kialakult a rezisztencia. 00:03:30.213 --> 00:03:31.691 A Halicon esetében 00:03:31.715 --> 00:03:33.830 egy nap múlva nem láttunk rezisztenciát. 00:03:34.479 --> 00:03:37.781 Bámulatos, hogy 30 nap után sem láttunk 00:03:37.805 --> 00:03:40.406 semmilyen rezisztenciát a Halocin irányában. NOTE Paragraph 00:03:41.098 --> 00:03:46.624 Ebben a próbaprojektben először kb. 2500 vegyületet teszteltünk E. coli ellen. 00:03:47.259 --> 00:03:50.039 Ez a betanító készlet ismert antibiotikumokat tartalmazott, 00:03:50.039 --> 00:03:51.809 mint például a Cipro és a penicillin, 00:03:51.833 --> 00:03:54.425 és sok gyógyszert is, melyek nem voltak antibiotikumok. 00:03:54.984 --> 00:03:58.681 Ezeket az adatokat egy modell betanítására használtuk, 00:03:58.681 --> 00:04:01.833 hogy megtanulja a molekulák antibakteriális tulajdonságait. 00:04:01.833 --> 00:04:04.884 A modellt egy pár ezer molekulából álló könyvtárra alkalmaztuk, 00:04:04.884 --> 00:04:08.322 ami gyógyszereket tartalmazott, melyeknek új felhasználást kerestünk. 00:04:08.322 --> 00:04:10.138 Olyan molekulákat kellett találnia, 00:04:10.138 --> 00:04:12.922 melyeknek várhatóan lesz antibakteriális hatásuk, 00:04:12.946 --> 00:04:15.419 de nem úgy néznek ki, mint a meglévő antibiotikumok. 00:04:16.427 --> 00:04:21.224 Érdekes, hogy csak egy molekula felelt meg a feltételeknek, 00:04:21.248 --> 00:04:23.584 és kiderült, hogy az a molekula a Halocin. 00:04:24.304 --> 00:04:27.556 Tekintve, hogy a Halocin nem hasonlít egy ismert antibiotikumra sem, 00:04:27.556 --> 00:04:31.710 lehetetlen lett volna, hogy egy ember – beleértve az antibiotikum-szakértőket is – 00:04:31.734 --> 00:04:33.918 azonosítsa a Halocint ezen a módon. 00:04:34.354 --> 00:04:37.204 Most képzeljék el, mire juthatunk ezzel a technológiával 00:04:37.228 --> 00:04:38.969 a SARS-CoV-2 ellen! NOTE Paragraph 00:04:39.783 --> 00:04:41.148 Ez nem minden. 00:04:41.172 --> 00:04:43.992 A szintetikus biológia eszközeit is használjuk, 00:04:44.016 --> 00:04:46.627 DNS-sel és egyéb sejtszerkezettel babrálva, 00:04:46.651 --> 00:04:50.561 emberi célokat szolgálunk, mint a COVID-19 elleni küzdelem, 00:04:50.585 --> 00:04:54.232 és megjegyezném, hogy dolgozunk egy olyan védőmaszk kifejlesztésén, 00:04:54.256 --> 00:04:57.688 amely gyors diagnosztizálást is végez. 00:04:58.192 --> 00:04:59.664 Vajon hogyan működik? 00:04:59.688 --> 00:05:00.893 Nos, nemrég bemutattuk, 00:05:00.917 --> 00:05:03.860 hogy kivehetjük a sejtszerkezetet egy élő sejtből, 00:05:03.884 --> 00:05:07.976 és liofilizálhatjuk az RNS-sel együtt papíron azért, 00:05:08.000 --> 00:05:12.916 hogy olcsón diagnosztizáljuk az ebolát és a Zika-vírust. 00:05:13.503 --> 00:05:18.730 A szenzorok aktiválódnak, amikor a beteg mintája újból hidratálja őket, 00:05:18.754 --> 00:05:21.576 ami lehet például vér vagy nyál. 00:05:21.600 --> 00:05:24.861 Kiderült, hogy ez a technológia nem korlátozódik a papírra, 00:05:24.885 --> 00:05:27.771 egyéb anyagokra is alkalmazható, pl. ruhára. 00:05:28.671 --> 00:05:30.613 A COVID-19 járványhoz 00:05:30.637 --> 00:05:34.983 RNS-szenzorokat tervezünk a vírus kimutatására, 00:05:35.007 --> 00:05:38.217 és liofilizáljuk ezeket a szükséges sejtszerkezetekkel együtt 00:05:38.241 --> 00:05:40.948 az arcmaszk szövetébe, 00:05:40.972 --> 00:05:43.201 ahol maga a lélegzés, 00:05:43.225 --> 00:05:45.502 a lecsapódó párával együtt, 00:05:45.526 --> 00:05:47.286 képes aktiválni a tesztet. 00:05:47.804 --> 00:05:52.064 Így ha a beteg SARS-CoV-2-vel fertőzött, 00:05:52.088 --> 00:05:54.161 A maszk fluoreszkáló jelet hoz létre, 00:05:54.185 --> 00:05:58.015 amit egy egyszerű, olcsó kézi eszköz is képes észlelni. 00:05:58.534 --> 00:06:03.018 Így egy-két órán belül diagnosztizálható a beteg – 00:06:03.042 --> 00:06:06.014 biztonságosan, távolról és pontosan. NOTE Paragraph 00:06:06.735 --> 00:06:09.255 A szintetikus biológiát arra is használjuk, 00:06:09.279 --> 00:06:11.999 hogy a COVID-19 ellen oltóanyagot tervezzünk. 00:06:13.014 --> 00:06:15.667 Újrahasznosítjuk a BCG-oltást, 00:06:15.691 --> 00:06:18.561 amit már majdnem egy évszázada használunk a TBC ellen. 00:06:18.585 --> 00:06:20.126 Ez élő, legyengített oltóanyag. 00:06:20.150 --> 00:06:24.807 Átszerkesztjük a SARS-CoV-2 antigénjeinek megfelelően, 00:06:24.831 --> 00:06:27.365 hogy az immunrendszert 00:06:27.365 --> 00:06:29.304 védő antitestek termelésére késztesse. 00:06:29.328 --> 00:06:32.062 Fontos, hogy a BCG nagy mértékben szabályozható, 00:06:32.086 --> 00:06:36.659 és biztonságos profilja van, az egyik legjobb az ismert oltóanyagok közül. NOTE Paragraph 00:06:37.881 --> 00:06:42.986 A szintetikus biológia és a mesterséges intelligencia eszközeivel 00:06:43.010 --> 00:06:46.358 megnyerhetjük a harcot az új koronavírus ellen. 00:06:46.844 --> 00:06:50.163 Ez a munka nagyon korai stádiumban van, de igen ígéretes. 00:06:50.798 --> 00:06:54.093 A tudomány és a technológia jelentős előnyt adhat számunkra 00:06:54.093 --> 00:06:57.572 az emberi értelem és a szuperbaktériumok génjei között zajló küzdelemben, 00:06:57.572 --> 00:06:59.199 amelyet megnyerhetünk. NOTE Paragraph 00:06:59.990 --> 00:07:01.846 Köszönöm.