En 2003,

lorsqu'on a séquencé le génome humain,

on pensait trouver les traitements
de beaucoup de maladies.

Mais on était loin de la vérité

parce qu'en plus de nos gènes,

notre environnement et façon de vivre
peuvent jouer un rôle important

dans le développement de 
beaucoup de maladies graves

L'un des exemples est 
la stéatose hépatique,

qui affecte plus de 20 %
de la population mondiale,

elle n'a pas de traitement
et entraîne le cancer du foie

ou l'insuffisance hépatique.

Donc le séquençage de l'ADN seul 
ne nous donne pas assez d'informations

pour trouver des thérapeutiques efficaces

Du bon côté des choses, il y a beaucoup
d'autres molécules dans notre corps.

En fait, il y a
plus de 100 000 métabolites.

Les métabolites sont des molécules
de taille extrêmement petite.

Les exemples connus sont le glucose,
le fructose, les lipides, le cholestérol -

des termes très familiers.

Les métabolites sont impliqués 
dans notre métabolisme.

Ils sont situés en aval de l'ADN,

et transmettent des informations sur 
nos gènes ainsi que notre style de vie.

Comprendre les métabolites est essentiel
pour le traitement de nombre de maladies.

J'ai toujours voulu soigner des patients.

Malgré cela, il y a 15 ans de cela, 
j'ai abandonné l’école de médecine,

vu que j'ai raté les mathématiques.

Peu après, j'ai fait la plus 
cool des découvertes :

je pouvais étudier la médecine 
à l'aide des maths.

Dès lors, j'ai développé des algorithmes
pour analyser des données biologiques.

Cela semblait donc facile :

collecter des données de tous
les métabolites de notre corps,

développer des modèles mathématiques pour
décrire leur changement dans une maladie

et y intervenir
afin de traiter ces maladies.

C'est là que j'ai compris pourquoi
cela n'a jamais été fait avant :

c'est extrêmement difficile.

(Rires)

Il y a beaucoup de métabolites
dans notre corps.

Ils sont différents les uns des autres.

On peut mesurer la masse moléculaire
de certains métabolites

en se servant d'instruments
de spectrométrie de masse.

Mais parce qu'il pourrait y avoir
10 molécules avec la même masse,

on ne peut pas les différencier,

et si vous voulez les identifier
tous clairement,

il faut faire plus d’expériences, 
pouvant prendre des décennies

et coûtant des milliards de dollars.

On a donc développé une plateforme d'IA
ou d'intelligence artificielle pour cela.

On a exploité la croissance
des données biologiques

et construit une base de données de toutes
les informations sur les métabolites

et leurs interactions
avec d'autres molécules.

On a combiné toutes ces données
comme un méga réseau.

Ensuite, à partir des tissus 
ou du sang de patients,

nous mesurons la masse des métabolites

et trouvons les masses qui sont changées
dans une maladie.

Mais, comme je l'ai dit plus tôt,
on ne peut les différencier.

Une masse moléculaire de 180 pourrait être
du glucose, du galactose ou du fructose.

Ils ont tous exactement la même masse

mais différentes fonctions dans le corps.

Notre algorithme d'IA a considéré 
toutes ces ambiguïtés

Il a ensuite exploité ce méga réseau

pour trouver comment ces masses 
métaboliques sont connectées entre elles

et aboutissent à une maladie.

Et grâce au type de connexion,

on est en mesure de déduire
la masse de chaque métabolite,

par exemple, ce 180
peut être du glucose ici,

et le plus important, de découvrir

comment les changements dans le glucose
et d'autres métabolites

conduisent à une maladie.

Cette compréhension novatrice
des mécanismes de maladie

nous a alors permis de découvrir des
traitements efficaces pour y faire face.

On a fondé une start-up pour 
amener cette technologie sur le marché

et impacter des vies.

Maintenant mon équipe et moi à ReviveMed
cherchons à découvrir

des traitements pour des maladies graves
dont les métabolites sont la source,

telle la stéatose hépatique,

parce qu'elle est causée par
l'accumulation de graisses,

qui sont des types de métabolites
dans le foie.

Comme je le disais plus tôt, c'est un
grave fléau qui n'a aucun traitement.

Et la stéatose hépatique 
n'est qu'un exemple.

À l'avenir, nous allons nous attaquer
à des centaines d'autres maladies

sans traitement.

Et en collectant de plus en plus
de données sur les métabolites

et en comprenant comment les changements
dans les métabolites

conduisent au développement de maladies,

nos algorithmes deviendront
de plus en plus intelligents

pour découvrir les traitements
qui conviennent selon le patient.

Et nous serons plus près
d'atteindre notre vision

qui est de sauver des vies
avec chaque ligne de code.

Merci.

(Applaudissements)