WEBVTT

00:00:01.507 --> 00:00:03.396
Als wir 2003

00:00:03.420 --> 00:00:06.333
das menschliche Genom sequenzierten,

00:00:06.357 --> 00:00:10.479
dachten wir, wir hätten die Antwort,
um viele Krankheiten zu behandeln.

00:00:10.974 --> 00:00:13.631
Aber die Realität ist weit davon entfernt,

00:00:14.782 --> 00:00:16.727
denn neben unseren Genen

00:00:16.727 --> 00:00:19.941
könnten Umwelt und Lebensstil

00:00:19.941 --> 00:00:23.869
eine wichtige Rolle bei der Entwicklung
vieler Krankheiten spielen.

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
Ein Beispiel ist die Fettleberkrankheit,

00:00:27.497 --> 00:00:31.580
von der über 20 % der Bevölkerung
weltweit betroffen sind,

00:00:31.604 --> 00:00:34.638
die nicht behandelt werden kann
und zu Leberkrebs

00:00:34.662 --> 00:00:36.405
oder Leberversagen führt.

00:00:37.517 --> 00:00:42.261
Die Sequenzierung der DNA allein gibt uns
also nicht genügend Informationen,

00:00:42.285 --> 00:00:44.517
um wirksame Therapeutika zu finden.

NOTE Paragraph

00:00:44.541 --> 00:00:48.321
Glücklicherweise gibt es viele
verschiedene Moleküle in unserem Körper.

00:00:48.321 --> 00:00:52.301
Tatsächlich gibt es
über 100.000 Metaboliten.

00:00:52.325 --> 00:00:56.621
Metaboliten sind alle Moleküle,
die von ihrer Grösse her winzig sind.

00:00:57.193 --> 00:01:02.165
Bekannte Beispiele sind Glukose,
Fruktose, Fette, Cholesterin --

00:01:02.189 --> 00:01:04.149
von denen hören wir immer.

00:01:04.273 --> 00:01:07.256
Metaboliten sind an
unserem Stoffwechsel beteiligt.

00:01:08.066 --> 00:01:12.094
Sie sind auch stromabwärts der DNA,

00:01:12.118 --> 00:01:17.200
sodass sie Informationen unserer
Gene und Lebensstile enthalten.

00:01:17.224 --> 00:01:22.873
Metaboliten zu verstehen ist wichtig,
um Therapien für Krankheiten zu finden.

NOTE Paragraph

00:01:22.897 --> 00:01:25.167
Ich wollte schon immer
Patienten behandeln.

00:01:25.934 --> 00:01:29.792
Trotzdem habe ich vor 15 Jahren
die medizinische Fakultät verlassen,

00:01:29.816 --> 00:01:31.781
da ich Mathematik vermisste.

00:01:33.019 --> 00:01:35.955
Bald darauf fand ich das Coolste:

00:01:36.692 --> 00:01:39.556
Ich kann Mathematik benutzen,
um Medizin zu studieren.

00:01:41.026 --> 00:01:46.239
Seitdem entwickle ich Algorithmen
zur Analyse biologischer Daten.

00:01:47.092 --> 00:01:49.375
Es klang so einfach:

00:01:49.399 --> 00:01:53.000
Wir sammeln Daten von allen
Metaboliten in unserem Körper,

00:01:53.024 --> 00:01:54.988
entwickeln mathematische Modelle,

00:01:54.988 --> 00:01:58.176
die beschreiben, wie sie sich
bei Krankheiten verändern

00:01:58.176 --> 00:02:01.311
und greifen in diese Veränderungen ein,
um sie zu behandeln.

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
Dann wurde mir klar,
warum das noch niemand getan hatte:

00:02:07.230 --> 00:02:08.917
Es ist extrem schwierig.

NOTE Paragraph

00:02:08.941 --> 00:02:10.028
(Gelächter)

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
Es gibt viele Metaboliten
in unserem Körper.

00:02:12.783 --> 00:02:15.283
Jedes Einzelne ist anders als das andere.

00:02:15.307 --> 00:02:19.035
Bei einigen Metaboliten können wir
deren Molekülmasse mithilfe von

00:02:19.059 --> 00:02:21.652
Massenspektrometriegeräten messen.

00:02:21.676 --> 00:02:26.069
Aber da es etwa 10 Moleküle mit
genau der gleichen Masse geben könnte,

00:02:26.093 --> 00:02:28.114
wissen wir nicht genau, was sie sind

00:02:28.114 --> 00:02:30.698
und wenn man sie alle klar
identifizieren will,

00:02:30.722 --> 00:02:32.876
muss man mehr Experimente durchführen,

00:02:32.876 --> 00:02:35.863
die Jahrzehnte dauern und
Milliarden Dollar kosten könnten.

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
Also haben wir eine KI-Plattform
entwickelt, um das zu tun.

00:02:41.794 --> 00:02:44.638
Wir nutzten das Wachstum
biologischer Daten,

00:02:44.662 --> 00:02:49.086
um eine Datenbank mit allen vorhandenen
Informationen über Metaboliten

00:02:49.110 --> 00:02:52.262
und deren Wechselwirkungen
mit anderen Molekülen aufzubauen.

00:02:52.262 --> 00:02:55.686
All diese Daten fassten wir
zu einem Meganetzwerk zusammen.

00:02:55.710 --> 00:02:59.106
Dann messen wir Massen von Metaboliten

00:02:59.130 --> 00:03:01.881

aus Gewebe und Blut von Patienten

00:03:01.905 --> 00:03:05.164
und finden die Massen,
die bei einer Krankheit verändert sind.

00:03:05.188 --> 00:03:08.402
Aber wie schon erwähnt,
wissen wir nicht genau, was sie sind.

00:03:08.402 --> 00:03:13.537
Eine Molekularmasse von 180 kann
Glukose, Galactose oder Fructose sein.

00:03:13.561 --> 00:03:15.604
Sie alle haben genau die gleiche Masse,

00:03:15.604 --> 00:03:17.715
aber unterschiedliche
Funktionen im Körper.

00:03:17.715 --> 00:03:21.302
Unser KI-Algorithmus hat
all diese Unklarheiten berücksichtigt.

00:03:21.326 --> 00:03:24.086
Dann hat er dieses
Meganetzwerk durchsucht,

00:03:24.086 --> 00:03:28.439
um herauszufinden, wie die Massen
miteinander verbunden sind,

00:03:28.463 --> 00:03:30.421
die zu Krankheiten führen.

00:03:30.445 --> 00:03:32.683
Aus der Art, wie sie verbunden sind,

00:03:32.707 --> 00:03:37.030
können wir schliessen,
was jede Metabolitenmasse ist,

00:03:37.054 --> 00:03:39.978
sodass 180 hier Glucose sein könnte

00:03:40.002 --> 00:03:41.753
und, was noch wichtiger ist,

00:03:41.753 --> 00:03:45.968
entdecken wie Veränderungen
bei Glucose und anderen Metaboliten

00:03:45.968 --> 00:03:47.473
zu einer Krankheit führen.

00:03:47.497 --> 00:03:50.492
Dieses neuartige Verständnis
der Krankheitsmechanismen

00:03:50.516 --> 00:03:55.008
ermöglicht es uns,
wirksame Therapeutika zu entdecken.

NOTE Paragraph

00:03:55.601 --> 00:03:59.583
So gründeten wir ein Start-Up, um
die Technologie auf den Markt zu bringen

00:03:59.583 --> 00:04:01.275
und Menschenleben zu verändern.

00:04:01.722 --> 00:04:05.267
Jetzt arbeiten mein Team und ich
bei ReviveMed daran,

00:04:05.291 --> 00:04:10.396
Therapeutika für Krankheiten zu entdecken,
wo Metaboliten Haupttreiber sind,

00:04:10.420 --> 00:04:12.317
wie z. B. Fettleberkrankheiten,

00:04:12.341 --> 00:04:15.454
weil sie durch die Ansammlung
von Fetten verursacht werden,

00:04:15.454 --> 00:04:17.762
die zu den Metaboliten
in der Leber gehören.

00:04:17.786 --> 00:04:21.750
Wie ich bereits erwähnte, ist es
eine riesige Epidemie ohne Behandlung.

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
Und Fetterleberkrankheiten sind
nur ein Beispiel.

00:04:24.498 --> 00:04:28.696
In Zukunft werden wir
hunderte von anderen Krankheiten

00:04:28.700 --> 00:04:30.217
ohne Behandlungswege bekämpfen.

00:04:30.217 --> 00:04:34.011
Indem wir immer mehr Daten
über Metaboliten sammeln

00:04:34.011 --> 00:04:38.339
und verstehen, wie Veränderungen

00:04:38.363 --> 00:04:40.765
zu Krankheiten führen,

00:04:40.765 --> 00:04:44.808
werden unsere Algorithmen
immer intelligenter,

00:04:44.808 --> 00:04:48.498
um die richtigen Therapeutika
für die richtigen Patienten zu finden.

00:04:48.522 --> 00:04:52.292
Und wir werden unserer Vision,

00:04:52.316 --> 00:04:54.767
mit jeder Codezeile Leben zu retten,

00:04:54.767 --> 00:04:56.179
näher kommen.

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
Vielen Dank.

NOTE Paragraph

00:04:57.548 --> 00:05:00.515
(Applaus)