1
00:00:00,917 --> 00:00:03,825
Hoe gaan we 
dit nieuwe coronavirus verslaan?

2
00:00:04,317 --> 00:00:06,948
Door onze beste gereedschappen 
te gebruiken:

3
00:00:06,972 --> 00:00:09,011
onze wetenschap en technologie.

4
00:00:09,594 --> 00:00:12,726
In mijn lab gebruiken we 
kunstmatige intelligentie

5
00:00:12,750 --> 00:00:14,329
en synthetische biologie

6
00:00:14,353 --> 00:00:17,413
om het gevecht tegen 
deze pandemie te versnellen.

7
00:00:18,078 --> 00:00:19,941
Ons werk was oorspronkelijk bedoeld

8
00:00:19,965 --> 00:00:22,818
om iets te doen aan de crisis
rond antibioticaresistentie.

9
00:00:22,842 --> 00:00:27,511
Met ons project willen we de kracht 
van machinaal leren gebruiken

10
00:00:27,511 --> 00:00:29,465
om ons antibiotica-arsenaal aan te vullen

11
00:00:29,465 --> 00:00:33,263
en een wereldwijde ramp 
van antibioticaresistentie te voorkomen.

12
00:00:33,685 --> 00:00:36,505
Dezelfde technologie kan worden gebruikt

13
00:00:36,529 --> 00:00:38,601
om antivirale verbindingen te zoeken

14
00:00:38,625 --> 00:00:41,303
die ons kunnen helpen 
om de pandemie te bevechten.

15
00:00:42,080 --> 00:00:45,982
Machinaal leren zet de gewone manier
van het ontdekken van medicijnen

16
00:00:46,006 --> 00:00:47,410
op zijn kop.

17
00:00:47,424 --> 00:00:48,683
Met deze aanpak,

18
00:00:48,683 --> 00:00:52,761
in plaats van het een voor een testen 
van duizenden bestaande moleculen

19
00:00:52,785 --> 00:00:54,221
in een lab

20
00:00:54,245 --> 00:00:55,832
op hun effectiviteit,

21
00:00:55,856 --> 00:01:00,513
kunnen we een computer trainen 
om de veel grotere ruimte te verkennen

22
00:01:00,537 --> 00:01:04,121
van alle mogelijke moleculen
die gesynthetiseerd kunnen worden,

23
00:01:04,145 --> 00:01:09,759
en dus, in plaats van het zoeken 
van een speld in een hooiberg,

24
00:01:09,783 --> 00:01:13,543
kunnen we de enorme magneet 
van de rekenkracht gebruiken

25
00:01:13,567 --> 00:01:17,482
om veel naalden te vinden 
in meerdere hooibergen tegelijk.

26
00:01:18,423 --> 00:01:20,415
We hebben al wat vroege successen gehad.

27
00:01:21,010 --> 00:01:26,475
We hebben machinaal leren gebruikt 
om nieuwe antibiotica te ontdekken

28
00:01:26,499 --> 00:01:29,059
die ons helpen om 
bacteriële infecties te bevechten

29
00:01:29,083 --> 00:01:32,694
die naast SARS-CoV-2-infecties 
kunnen voorkomen.

30
00:01:33,181 --> 00:01:37,350
Twee maanden geleden keurde het project 
van TED onze financiering goed

31
00:01:37,374 --> 00:01:39,562
om ons werk enorm op te schalen

32
00:01:39,586 --> 00:01:44,214
om zeven nieuwe soorten 
antibiotica te ontdekken

33
00:01:44,238 --> 00:01:47,721
tegen zeven van 's werelds dodelijkste 
bacteriële ziekteverwekkers

34
00:01:47,745 --> 00:01:49,800
in de komende zeven jaar.

35
00:01:50,206 --> 00:01:51,939
Voor de context:

36
00:01:51,963 --> 00:01:53,891
Het aantal nieuwe soorten antibiotica

37
00:01:53,915 --> 00:01:57,150
dat de laatste drie decennia 
is ontdekt, is nul.

38
00:01:58,030 --> 00:02:01,601
Terwijl het zoeken naar nieuwe antibiotica
voor de iets langere termijn is,

39
00:02:01,625 --> 00:02:06,277
vormt het nieuwe coronavirus 
een onmiddellijk doodsgevaar,

40
00:02:06,301 --> 00:02:10,094
en ik wil graag delen dat we denken
dezelfde technologie te kunnen gebruiken

41
00:02:10,118 --> 00:02:12,927
om medicijnen te zoeken tegen dit virus.

42
00:02:13,486 --> 00:02:15,205
Dus hoe gaan we het doen?

43
00:02:15,229 --> 00:02:18,177
We maken een bibliotheek van verbindingen

44
00:02:18,201 --> 00:02:23,743
en we passen deze moleculen toe op cellen 
die geïnfecteerd zijn met SARS-CoV-2

45
00:02:23,767 --> 00:02:27,661
om te zien welke effectief zijn.

46
00:02:28,175 --> 00:02:31,367
Deze data wordt gebruikt
om een machinaal leren-model te trainen

47
00:02:31,391 --> 00:02:35,461
dat wordt toegepast op een computerbieb
met meer dan een miljard moleculen

48
00:02:35,485 --> 00:02:39,689
om mogelijke nieuwe 
antivirale verbindingen te vinden.

49
00:02:40,324 --> 00:02:42,982
We gaan de beste voorspellingen 
synthetiseren en testen

50
00:02:43,006 --> 00:02:45,895
en de meest veelbelovende 
naar de kliniek brengen.

51
00:02:46,356 --> 00:02:48,134
Klinkt dit te goed om waar te zijn?

52
00:02:48,158 --> 00:02:49,590
Dat zou niet moeten.

53
00:02:49,614 --> 00:02:52,939
De financiering van dit project 
is gebaseerd op ons onderzoek

54
00:02:52,963 --> 00:02:56,364
dat leidde tot de ontdekking 
van een breed toepasbaar antibioticum

55
00:02:56,388 --> 00:02:57,573
dat halicine heet.

56
00:02:58,443 --> 00:03:01,256
Halicine heeft krachtige 
antibacteriële activiteit

57
00:03:01,280 --> 00:03:05,382
tegen bijna alle antibioticaresistente 
bacteriële ziekteverwekkers,

58
00:03:05,406 --> 00:03:09,047
inclusief onbehandelbare infecties 
die overal tegen bestand zijn.

59
00:03:09,862 --> 00:03:12,132
In tegenstelling
tot bij huidige antibiotica

60
00:03:12,156 --> 00:03:15,850
is de frequentie waarmee bacteriën 
resistentie ontwikkelen tegen halicine

61
00:03:15,874 --> 00:03:17,358
opmerkelijk laag.

62
00:03:18,303 --> 00:03:23,013
We testten het vermogen van bacteriën 
om resistent te worden tegen halicine

63
00:03:23,037 --> 00:03:24,825
en tegen Cipro in het lab.

64
00:03:25,299 --> 00:03:26,841
In het geval van Cipro

65
00:03:26,865 --> 00:03:29,690
zagen we na één dag al resistentie.

66
00:03:30,213 --> 00:03:31,691
In het geval van halicine

67
00:03:31,715 --> 00:03:33,830
zagen we na één dag geen resistentie.

68
00:03:34,479 --> 00:03:37,781
Zelfs na 30 dagen zagen we 
verbazingwekkend genoeg

69
00:03:37,805 --> 00:03:40,406
geen resistentie tegen halicine.

70
00:03:41,098 --> 00:03:46,624
In dit proefproject testten we eerst 
ongeveer 2500 verbindingen tegen E. coli.

71
00:03:47,259 --> 00:03:50,039
In deze trainingsset 
zaten bekende antibiotica

72
00:03:50,063 --> 00:03:51,809
zoals Cipro en penicilline,

73
00:03:51,823 --> 00:03:54,105
naast veel medicijnen 
die geen antibiotica zijn.

74
00:03:54,984 --> 00:03:57,571
We gebruikten deze data 
om een model te trainen

75
00:03:57,595 --> 00:04:01,573
om moleculaire kenmerken te leren 
die horen bij antibacteriële activiteit.

76
00:04:02,239 --> 00:04:04,994
We pasten dit model toe
op een bibliotheek van medicijnen

77
00:04:04,994 --> 00:04:07,472
met duizenden moleculen

78
00:04:07,496 --> 00:04:10,114
en we vroegen het model
om te voorspellen

79
00:04:10,114 --> 00:04:12,946
welke moleculen antibacteriële
eigenschappen hebben,

80
00:04:12,946 --> 00:04:15,419
maar die niet lijken 
op bestaande antibiotica.

81
00:04:16,427 --> 00:04:21,224
Interessant genoeg voldeed 
slechts één molecuul aan deze criteria,

82
00:04:21,248 --> 00:04:23,584
en dat molecuul bleek halicine te zijn.

83
00:04:24,444 --> 00:04:27,532
Omdat halicine niet lijkt 
op een bestaand antibioticum,

84
00:04:27,556 --> 00:04:31,710
was het onmogelijk geweest voor een mens, 
ook voor een expert in antibiotica,

85
00:04:31,734 --> 00:04:33,918
om halicine op deze manier te vinden.

86
00:04:34,574 --> 00:04:37,204
Stel je voor wat we 
met deze technologie kunnen doen

87
00:04:37,228 --> 00:04:38,969
tegen SARS-CoV-2.

88
00:04:39,763 --> 00:04:40,958
En dat is nog niet alles.

89
00:04:40,958 --> 00:04:44,012
We gebruiken ook de gereedschappen 
van de synthetische biologie,

90
00:04:44,016 --> 00:04:46,627
we sleutelen met DNA
en andere cellulaire mechanismen

91
00:04:46,651 --> 00:04:50,561
om de mens te dienen,
bijvoorbeeld door COVID-19 te bevechten.

92
00:04:50,585 --> 00:04:54,232
We werken ook aan een beschermend masker

93
00:04:54,256 --> 00:04:57,688
dat ook dienstdoet
als een snelle diagnostische test.

94
00:04:58,192 --> 00:04:59,664
Hoe werkt dat?

95
00:04:59,668 --> 00:05:00,913
Kortgeleden toonden we aan

96
00:05:00,913 --> 00:05:03,884
dat je onderdelen
uit een levende cel kunt halen

97
00:05:03,884 --> 00:05:07,976
en op papier kunt invriezen 
samen met RNA-sensoren

98
00:05:08,000 --> 00:05:12,916
om goedkope diagnostische materialen 
te maken voor ebola en zika.

99
00:05:13,503 --> 00:05:18,730
De sensoren worden geactiveerd
door rehydratatie met een patiëntmonster

100
00:05:18,754 --> 00:05:21,576
van bijvoorbeeld bloed of speeksel.

101
00:05:21,600 --> 00:05:24,861
Het blijkt dat deze technologie 
niet beperkt is tot papier

102
00:05:24,861 --> 00:05:27,771
en op andere materialen 
kan worden toegepast, inclusief stof.

103
00:05:28,671 --> 00:05:30,613
Voor de COVID-19-pandemie

104
00:05:30,637 --> 00:05:34,983
ontwerpen we RNA-sensoren
om het virus te detecteren

105
00:05:35,007 --> 00:05:38,217
en vriezen we deze in, 
samen met de benodigde celonderdelen,

106
00:05:38,241 --> 00:05:40,948
in de stof van een gezichtsmasker

107
00:05:40,972 --> 00:05:43,201
waarbij het ademen,

108
00:05:43,225 --> 00:05:45,502
met de waterdamp die daarbij vrijkomt,

109
00:05:45,526 --> 00:05:47,286
de test activeert.

110
00:05:47,804 --> 00:05:52,064
Als een patiënt dus geïnfecteerd is 
met SARS-CoV-2,

111
00:05:52,078 --> 00:05:54,181
produceert het masker
een fluorescent signaal

112
00:05:54,185 --> 00:05:58,015
dat met een simpel, goedkoop handapparaat 
kan worden gedetecteerd.

113
00:05:58,534 --> 00:06:03,018
Binnen een of twee uur kan een patiënt 
dus gediagnosticeerd worden,

114
00:06:03,042 --> 00:06:06,014
veilig, nauwkeurig en op afstand.

115
00:06:06,735 --> 00:06:09,255
We gebruiken synthetische biologie ook

116
00:06:09,279 --> 00:06:11,999
om een mogelijk vaccin 
te ontwikkelen tegen COVID-19.

117
00:06:13,014 --> 00:06:15,667
We gebruiken het BCG-vaccin,

118
00:06:15,691 --> 00:06:18,521
dat al bijna een eeuw lang 
tegen TB is gebruikt.

119
00:06:18,521 --> 00:06:20,150
Het is een levend, verzwakt vaccin

120
00:06:20,150 --> 00:06:24,727
en we maken het met SARS-CoV-2-antigenen,

121
00:06:24,727 --> 00:06:27,665
die beschermende antilichamen 
zouden moeten laten produceren

122
00:06:27,669 --> 00:06:29,304
door het immuunsysteem.

123
00:06:29,328 --> 00:06:32,062
Belangrijk is dat BCG 
erg goed op te schalen is

124
00:06:32,086 --> 00:06:36,659
en een van de beste veiligheidsprofielen
heeft van alle gerapporteerde vaccins.

125
00:06:37,881 --> 00:06:42,986
Met synthetische biologie 
en kunstmatige intelligentie

126
00:06:43,010 --> 00:06:46,358
kunnen we het gevecht
tegen dit nieuwe coronavirus winnen.

127
00:06:46,844 --> 00:06:50,163
Dit project staat in de kinderschoenen,
maar is veelbelovend.

128
00:06:50,798 --> 00:06:54,243
Wetenschap en technologie
kunnen ons een belangrijk voordeel geven

129
00:06:54,267 --> 00:06:57,428
in de strijd tussen menselijk verstand
en genen van supervirussen,

130
00:06:57,452 --> 00:06:59,199
een strijd die we kunnen winnen.

131
00:06:59,990 --> 00:07:01,223
Dank jullie wel.