WEBVTT

00:00:01.507 --> 00:00:03.396
En 2003,

00:00:03.420 --> 00:00:06.333
lorsqu'on a séquencé le génome humain,

00:00:06.357 --> 00:00:10.279
on pensait trouver les traitements
de beaucoup de maladies.

00:00:10.974 --> 00:00:13.631
Mais on était loin de la vérité

00:00:14.782 --> 00:00:16.703
parce qu'en plus de nos gènes,

00:00:16.727 --> 00:00:21.297
notre environnement et façon de vivre
peuvent jouer un rôle important

00:00:21.321 --> 00:00:23.869
dans le développement de 
beaucoup de maladies graves

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
L'un des exemples est 
la stéatose hépatique,

00:00:27.497 --> 00:00:31.580
qui affecte plus de 20 %
de la population mondiale,

00:00:31.604 --> 00:00:34.638
elle n'a pas de traitement
et entraîne le cancer du foie

00:00:34.662 --> 00:00:36.085
ou l'insuffisance hépatique.

00:00:37.517 --> 00:00:42.261
Donc le séquençage de l'ADN seul 
ne nous donne pas assez d'informations

00:00:42.285 --> 00:00:44.517
pour trouver des thérapeutiques efficaces

NOTE Paragraph

00:00:44.541 --> 00:00:48.297
Du bon côté des choses, il y a beaucoup
d'autres molécules dans notre corps.

00:00:48.321 --> 00:00:52.301
En fait, il y a
plus de 100 000 métabolites.

00:00:52.325 --> 00:00:56.621
Les métabolites sont des molécules
de taille extrêmement petite.

00:00:57.193 --> 00:01:02.165
Les exemples connus sont le glucose,
le fructose, les lipides, le cholestérol -

00:01:02.189 --> 00:01:03.699
des termes très familiers.

00:01:04.273 --> 00:01:07.256
Les métabolites sont impliqués 
dans notre métabolisme.

00:01:08.066 --> 00:01:12.094
Ils sont situés en aval de l'ADN,

00:01:12.118 --> 00:01:17.200
et transmettent des informations sur 
nos gènes ainsi que notre style de vie.

00:01:17.224 --> 00:01:22.873
Comprendre les métabolites est essentiel
pour le traitement de nombre de maladies.

NOTE Paragraph

00:01:22.897 --> 00:01:25.109
J'ai toujours voulu soigner des patients.

00:01:25.934 --> 00:01:29.792
Malgré cela, il y a 15 ans de cela, 
j'ai abandonné l’école de médecine,

00:01:29.816 --> 00:01:31.781
vu que j'ai raté les mathématiques.

00:01:33.019 --> 00:01:35.955
Peu après, j'ai fait la plus 
cool des découvertes :

00:01:36.692 --> 00:01:39.455
je pouvais étudier la médecine 
à l'aide des maths.

00:01:41.026 --> 00:01:46.239
Dès lors, j'ai développé des algorithmes
pour analyser des données biologiques.

00:01:47.092 --> 00:01:49.375
Cela semblait donc facile :

00:01:49.399 --> 00:01:53.000
collecter des données de tous
les métabolites de notre corps,

00:01:53.024 --> 00:01:58.152
développer des modèles mathématiques pour
décrire leur changement dans une maladie

00:01:58.176 --> 00:02:01.164
et y intervenir
afin de traiter ces maladies.

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
C'est là que j'ai compris pourquoi
cela n'a jamais été fait avant :

00:02:07.230 --> 00:02:08.917
c'est extrêmement difficile.

NOTE Paragraph

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

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
Il y a beaucoup de métabolites
dans notre corps.

00:02:12.783 --> 00:02:15.283
Ils sont différents les uns des autres.

00:02:15.307 --> 00:02:19.035
On peut mesurer la masse moléculaire
de certains métabolites

00:02:19.059 --> 00:02:21.652
en se servant d'instruments
de spectrométrie de masse.

00:02:21.676 --> 00:02:26.069
Mais parce qu'il pourrait y avoir
10 molécules avec la même masse,

00:02:26.093 --> 00:02:27.900
on ne peut pas les différencier,

00:02:27.924 --> 00:02:30.698
et si vous voulez les identifier
tous clairement,

00:02:30.722 --> 00:02:33.826
il faut faire plus d’expériences, 
pouvant prendre des décennies

00:02:33.850 --> 00:02:35.564
et coûtant des milliards de dollars.

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
On a donc développé une plateforme d'IA
ou d'intelligence artificielle pour cela.

00:02:41.794 --> 00:02:44.638
On a exploité la croissance
des données biologiques

00:02:44.662 --> 00:02:49.086
et construit une base de données de toutes
les informations sur les métabolites

00:02:49.110 --> 00:02:52.238
et leurs interactions
avec d'autres molécules.

00:02:52.262 --> 00:02:55.686
On a combiné toutes ces données
comme un méga réseau.

00:02:55.710 --> 00:02:59.106
Ensuite, à partir des tissus 
ou du sang de patients,

00:02:59.130 --> 00:03:01.881
nous mesurons la masse des métabolites

00:03:01.905 --> 00:03:05.164
et trouvons les masses qui sont changées
dans une maladie.

00:03:05.188 --> 00:03:08.378
Mais, comme je l'ai dit plus tôt,
on ne peut les différencier.

00:03:08.402 --> 00:03:13.537
Une masse moléculaire de 180 pourrait être
du glucose, du galactose ou du fructose.

00:03:13.561 --> 00:03:15.580
Ils ont tous exactement la même masse

00:03:15.604 --> 00:03:17.691
mais différentes fonctions dans le corps.

00:03:17.715 --> 00:03:21.302
Notre algorithme d'IA a considéré 
toutes ces ambiguïtés

00:03:21.326 --> 00:03:24.062
Il a ensuite exploité ce méga réseau

00:03:24.086 --> 00:03:28.439
pour trouver comment ces masses 
métaboliques sont connectées entre elles

00:03:28.463 --> 00:03:30.421
et aboutissent à une maladie.

00:03:30.445 --> 00:03:32.683
Et grâce au type de connexion,

00:03:32.707 --> 00:03:37.030
on est en mesure de déduire
la masse de chaque métabolite,

00:03:37.054 --> 00:03:39.978
par exemple, ce 180
peut être du glucose ici,

00:03:40.002 --> 00:03:42.553
et le plus important, de découvrir

00:03:42.577 --> 00:03:45.944
comment les changements dans le glucose
et d'autres métabolites

00:03:45.968 --> 00:03:47.473
conduisent à une maladie.

00:03:47.497 --> 00:03:50.492
Cette compréhension novatrice
des mécanismes de maladie

00:03:50.516 --> 00:03:55.008
nous a alors permis de découvrir des
traitements efficaces pour y faire face.

NOTE Paragraph

00:03:55.601 --> 00:03:59.446
On a fondé une start-up pour 
amener cette technologie sur le marché

00:03:59.470 --> 00:04:01.275
et impacter des vies.

00:04:01.722 --> 00:04:05.267
Maintenant mon équipe et moi à ReviveMed
cherchons à découvrir

00:04:05.291 --> 00:04:10.396
des traitements pour des maladies graves
dont les métabolites sont la source,

00:04:10.420 --> 00:04:12.317
telle la stéatose hépatique,

00:04:12.341 --> 00:04:15.265
parce qu'elle est causée par
l'accumulation de graisses,

00:04:15.289 --> 00:04:17.762
qui sont des types de métabolites
dans le foie.

00:04:17.786 --> 00:04:21.726
Comme je le disais plus tôt, c'est un
grave fléau qui n'a aucun traitement.

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
Et la stéatose hépatique 
n'est qu'un exemple.

00:04:24.498 --> 00:04:28.676
À l'avenir, nous allons nous attaquer
à des centaines d'autres maladies

00:04:28.700 --> 00:04:30.193
sans traitement.

00:04:30.217 --> 00:04:34.771
Et en collectant de plus en plus
de données sur les métabolites

00:04:34.795 --> 00:04:38.339
et en comprenant comment les changements
dans les métabolites

00:04:38.363 --> 00:04:40.765
conduisent au développement de maladies,

00:04:40.789 --> 00:04:44.278
nos algorithmes deviendront
de plus en plus intelligents

00:04:44.302 --> 00:04:48.498
pour découvrir les traitements
qui conviennent selon le patient.

00:04:48.522 --> 00:04:52.292
Et nous serons plus près
d'atteindre notre vision

00:04:52.316 --> 00:04:56.179
qui est de sauver des vies
avec chaque ligne de code.

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
Merci.

NOTE Paragraph

00:04:57.548 --> 00:05:01.375
(Applaudissements)