0:00:00.917,0:00:03.825
Hoe gaan we [br]dit nieuwe coronavirus verslaan?

0:00:04.317,0:00:06.948
Door onze beste gereedschappen [br]te gebruiken:

0:00:06.972,0:00:09.011
onze wetenschap en technologie.

0:00:09.594,0:00:12.726
In mijn lab gebruiken we [br]kunstmatige intelligentie

0:00:12.750,0:00:14.329
en synthetische biologie

0:00:14.353,0:00:17.413
om het gevecht tegen [br]deze pandemie te versnellen.

0:00:18.078,0:00:19.941
Ons werk was oorspronkelijk bedoeld

0:00:19.965,0:00:22.818
om iets te doen aan de crisis[br]rond antibioticaresistentie.

0:00:22.842,0:00:27.511
Met ons project willen we de kracht [br]van machinaal leren gebruiken

0:00:27.511,0:00:29.465
om ons antibiotica-arsenaal aan te vullen

0:00:29.465,0:00:33.263
en een wereldwijde ramp [br]van antibioticaresistentie te voorkomen.

0:00:33.685,0:00:36.505
Dezelfde technologie kan worden gebruikt

0:00:36.529,0:00:38.601
om antivirale verbindingen te zoeken

0:00:38.625,0:00:41.303
die ons kunnen helpen [br]om de pandemie te bevechten.

0:00:42.080,0:00:45.982
Machinaal leren zet de gewone manier[br]van het ontdekken van medicijnen

0:00:46.006,0:00:47.410
op zijn kop.

0:00:47.424,0:00:48.683
Met deze aanpak,

0:00:48.683,0:00:52.761
in plaats van het een voor een testen [br]van duizenden bestaande moleculen

0:00:52.785,0:00:54.221
in een lab

0:00:54.245,0:00:55.832
op hun effectiviteit,

0:00:55.856,0:01:00.513
kunnen we een computer trainen [br]om de veel grotere ruimte te verkennen

0:01:00.537,0:01:04.121
van alle mogelijke moleculen[br]die gesynthetiseerd kunnen worden,

0:01:04.145,0:01:09.759
en dus, in plaats van het zoeken [br]van een speld in een hooiberg,

0:01:09.783,0:01:13.543
kunnen we de enorme magneet [br]van de rekenkracht gebruiken

0:01:13.567,0:01:17.482
om veel naalden te vinden [br]in meerdere hooibergen tegelijk.

0:01:18.423,0:01:20.415
We hebben al wat vroege successen gehad.

0:01:21.010,0:01:26.475
We hebben machinaal leren gebruikt [br]om nieuwe antibiotica te ontdekken

0:01:26.499,0:01:29.059
die ons helpen om [br]bacteriële infecties te bevechten

0:01:29.083,0:01:32.694
die naast SARS-CoV-2-infecties [br]kunnen voorkomen.

0:01:33.181,0:01:37.350
Twee maanden geleden keurde het project [br]van TED onze financiering goed

0:01:37.374,0:01:39.562
om ons werk enorm op te schalen

0:01:39.586,0:01:44.214
om zeven nieuwe soorten [br]antibiotica te ontdekken

0:01:44.238,0:01:47.721
tegen zeven van 's werelds dodelijkste [br]bacteriële ziekteverwekkers

0:01:47.745,0:01:49.800
in de komende zeven jaar.

0:01:50.206,0:01:51.939
Voor de context:

0:01:51.963,0:01:53.891
Het aantal nieuwe soorten antibiotica

0:01:53.915,0:01:57.150
dat de laatste drie decennia [br]is ontdekt, is nul.

0:01:58.030,0:02:01.601
Terwijl het zoeken naar nieuwe antibiotica[br]voor de iets langere termijn is,

0:02:01.625,0:02:06.277
vormt het nieuwe coronavirus [br]een onmiddellijk doodsgevaar,

0:02:06.301,0:02:10.094
en ik wil graag delen dat we denken[br]dezelfde technologie te kunnen gebruiken

0:02:10.118,0:02:12.927
om medicijnen te zoeken tegen dit virus.

0:02:13.486,0:02:15.205
Dus hoe gaan we het doen?

0:02:15.229,0:02:18.177
We maken een bibliotheek van verbindingen

0:02:18.201,0:02:23.743
en we passen deze moleculen toe op cellen [br]die geïnfecteerd zijn met SARS-CoV-2

0:02:23.767,0:02:27.661
om te zien welke effectief zijn.

0:02:28.175,0:02:31.367
Deze data wordt gebruikt[br]om een machinaal leren-model te trainen

0:02:31.391,0:02:35.461
dat wordt toegepast op een computerbieb[br]met meer dan een miljard moleculen

0:02:35.485,0:02:39.689
om mogelijke nieuwe [br]antivirale verbindingen te vinden.

0:02:40.324,0:02:42.982
We gaan de beste voorspellingen [br]synthetiseren en testen

0:02:43.006,0:02:45.895
en de meest veelbelovende [br]naar de kliniek brengen.

0:02:46.356,0:02:48.134
Klinkt dit te goed om waar te zijn?

0:02:48.158,0:02:49.590
Dat zou niet moeten.

0:02:49.614,0:02:52.939
De financiering van dit project [br]is gebaseerd op ons onderzoek

0:02:52.963,0:02:56.364
dat leidde tot de ontdekking [br]van een breed toepasbaar antibioticum

0:02:56.388,0:02:57.573
dat halicine heet.

0:02:58.443,0:03:01.256
Halicine heeft krachtige [br]antibacteriële activiteit

0:03:01.280,0:03:05.382
tegen bijna alle antibioticaresistente [br]bacteriële ziekteverwekkers,

0:03:05.406,0:03:09.047
inclusief onbehandelbare infecties [br]die overal tegen bestand zijn.

0:03:09.862,0:03:12.132
In tegenstelling[br]tot bij huidige antibiotica

0:03:12.156,0:03:15.850
is de frequentie waarmee bacteriën [br]resistentie ontwikkelen tegen halicine

0:03:15.874,0:03:17.358
opmerkelijk laag.

0:03:18.303,0:03:23.013
We testten het vermogen van bacteriën [br]om resistent te worden tegen halicine

0:03:23.037,0:03:24.825
en tegen Cipro in het lab.

0:03:25.299,0:03:26.841
In het geval van Cipro

0:03:26.865,0:03:29.690
zagen we na één dag al resistentie.

0:03:30.213,0:03:31.691
In het geval van halicine

0:03:31.715,0:03:33.830
zagen we na één dag geen resistentie.

0:03:34.479,0:03:37.781
Zelfs na 30 dagen zagen we [br]verbazingwekkend genoeg

0:03:37.805,0:03:40.406
geen resistentie tegen halicine.

0:03:41.098,0:03:46.624
In dit proefproject testten we eerst [br]ongeveer 2500 verbindingen tegen E. coli.

0:03:47.259,0:03:50.039
In deze trainingsset [br]zaten bekende antibiotica

0:03:50.063,0:03:51.809
zoals Cipro en penicilline,

0:03:51.823,0:03:54.105
naast veel medicijnen [br]die geen antibiotica zijn.

0:03:54.984,0:03:57.571
We gebruikten deze data [br]om een model te trainen

0:03:57.595,0:04:01.573
om moleculaire kenmerken te leren [br]die horen bij antibacteriële activiteit.

0:04:02.239,0:04:04.994
We pasten dit model toe[br]op een bibliotheek van medicijnen

0:04:04.994,0:04:07.472
met duizenden moleculen

0:04:07.496,0:04:10.114
en we vroegen het model[br]om te voorspellen

0:04:10.114,0:04:12.946
welke moleculen antibacteriële[br]eigenschappen hebben,

0:04:12.946,0:04:15.419
maar die niet lijken [br]op bestaande antibiotica.

0:04:16.427,0:04:21.224
Interessant genoeg voldeed [br]slechts één molecuul aan deze criteria,

0:04:21.248,0:04:23.584
en dat molecuul bleek halicine te zijn.

0:04:24.444,0:04:27.532
Omdat halicine niet lijkt [br]op een bestaand antibioticum,

0:04:27.556,0:04:31.710
was het onmogelijk geweest voor een mens, [br]ook voor een expert in antibiotica,

0:04:31.734,0:04:33.918
om halicine op deze manier te vinden.

0:04:34.574,0:04:37.204
Stel je voor wat we [br]met deze technologie kunnen doen

0:04:37.228,0:04:38.969
tegen SARS-CoV-2.

0:04:39.763,0:04:40.958
En dat is nog niet alles.

0:04:40.958,0:04:44.012
We gebruiken ook de gereedschappen [br]van de synthetische biologie,

0:04:44.016,0:04:46.627
we sleutelen met DNA[br]en andere cellulaire mechanismen

0:04:46.651,0:04:50.561
om de mens te dienen,[br]bijvoorbeeld door COVID-19 te bevechten.

0:04:50.585,0:04:54.232
We werken ook aan een beschermend masker

0:04:54.256,0:04:57.688
dat ook dienstdoet[br]als een snelle diagnostische test.

0:04:58.192,0:04:59.664
Hoe werkt dat?

0:04:59.668,0:05:00.913
Kortgeleden toonden we aan

0:05:00.913,0:05:03.884
dat je onderdelen[br]uit een levende cel kunt halen

0:05:03.884,0:05:07.976
en op papier kunt invriezen [br]samen met RNA-sensoren

0:05:08.000,0:05:12.916
om goedkope diagnostische materialen [br]te maken voor ebola en zika.

0:05:13.503,0:05:18.730
De sensoren worden geactiveerd[br]door rehydratatie met een patiëntmonster

0:05:18.754,0:05:21.576
van bijvoorbeeld bloed of speeksel.

0:05:21.600,0:05:24.861
Het blijkt dat deze technologie [br]niet beperkt is tot papier

0:05:24.861,0:05:27.771
en op andere materialen [br]kan worden toegepast, inclusief stof.

0:05:28.671,0:05:30.613
Voor de COVID-19-pandemie

0:05:30.637,0:05:34.983
ontwerpen we RNA-sensoren[br]om het virus te detecteren

0:05:35.007,0:05:38.217
en vriezen we deze in, [br]samen met de benodigde celonderdelen,

0:05:38.241,0:05:40.948
in de stof van een gezichtsmasker

0:05:40.972,0:05:43.201
waarbij het ademen,

0:05:43.225,0:05:45.502
met de waterdamp die daarbij vrijkomt,

0:05:45.526,0:05:47.286
de test activeert.

0:05:47.804,0:05:52.064
Als een patiënt dus geïnfecteerd is [br]met SARS-CoV-2,

0:05:52.078,0:05:54.181
produceert het masker[br]een fluorescent signaal

0:05:54.185,0:05:58.015
dat met een simpel, goedkoop handapparaat [br]kan worden gedetecteerd.

0:05:58.534,0:06:03.018
Binnen een of twee uur kan een patiënt [br]dus gediagnosticeerd worden,

0:06:03.042,0:06:06.014
veilig, nauwkeurig en op afstand.

0:06:06.735,0:06:09.255
We gebruiken synthetische biologie ook

0:06:09.279,0:06:11.999
om een mogelijk vaccin [br]te ontwikkelen tegen COVID-19.

0:06:13.014,0:06:15.667
We gebruiken het BCG-vaccin,

0:06:15.691,0:06:18.521
dat al bijna een eeuw lang [br]tegen TB is gebruikt.

0:06:18.521,0:06:20.150
Het is een levend, verzwakt vaccin

0:06:20.150,0:06:24.727
en we maken het met SARS-CoV-2-antigenen,

0:06:24.727,0:06:27.665
die beschermende antilichamen [br]zouden moeten laten produceren

0:06:27.669,0:06:29.304
door het immuunsysteem.

0:06:29.328,0:06:32.062
Belangrijk is dat BCG [br]erg goed op te schalen is

0:06:32.086,0:06:36.659
en een van de beste veiligheidsprofielen[br]heeft van alle gerapporteerde vaccins.

0:06:37.881,0:06:42.986
Met synthetische biologie [br]en kunstmatige intelligentie

0:06:43.010,0:06:46.358
kunnen we het gevecht[br]tegen dit nieuwe coronavirus winnen.

0:06:46.844,0:06:50.163
Dit project staat in de kinderschoenen,[br]maar is veelbelovend.

0:06:50.798,0:06:54.243
Wetenschap en technologie[br]kunnen ons een belangrijk voordeel geven

0:06:54.267,0:06:57.428
in de strijd tussen menselijk verstand[br]en genen van supervirussen,

0:06:57.452,0:06:59.199
een strijd die we kunnen winnen.

0:06:59.990,0:07:01.223
Dank jullie wel.