WEBVTT

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

00:00:03.420 --> 00:00:06.333
जब हमने मानव जीनोम का अनुक्रम किया,

00:00:06.357 --> 00:00:10.279
हमने सोचा कि हमारे पास 
कई बीमारियों के इलाज का जवाब होगा।

00:00:10.974 --> 00:00:13.631
लेकिन वास्तविकता इससे बहुत अलग है,

00:00:14.782 --> 00:00:16.703
क्योंकि हमारे जीन के अलावा,

00:00:16.727 --> 00:00:21.297
हमारे पर्यावरण और जीवन शैली की 
महत्वपूर्ण भूमिका हो सकती है

00:00:21.321 --> 00:00:23.869
कई प्रमुख बीमारियों के विकास में।

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
एक उदाहरण वसायुक्त यकृत रोग है,

00:00:27.497 --> 00:00:31.580
जो विश्व स्तर पर 20 प्रतिशत से अधिक 
आबादी को प्रभावित कर रहा है,

00:00:31.604 --> 00:00:34.638
और इसका कोई इलाज नहीं है 
और इससे यकृत कैंसर हो सकता है

00:00:34.662 --> 00:00:36.085
या यकृत फेल हो सकता है।

00:00:37.517 --> 00:00:42.261
इसलिए DNA को अकेले सीक्वेंस करना 
हमें पर्याप्त जानकारी नहीं देता है|

00:00:42.285 --> 00:00:44.517
प्रभावी चिकित्सा विज्ञान खोजने के लिए।

NOTE Paragraph

00:00:44.541 --> 00:00:48.297
दूसरी तरफ, हमारे शरीर में कई अन्य अणु हैं।

00:00:48.321 --> 00:00:52.301
वास्तव में, 100,000 से 
अधिक मेटाबोलाइट हैं।

00:00:52.325 --> 00:00:56.621
मेटाबोलाइट्स कोई भी अणु हैं 
जो उनके आकार में बहुत छोटे हैं।

00:00:57.193 --> 00:01:02.165
ज्ञात उदाहरण ग्लूकोज, 
फ्रुक्टोज, वसा, कोलेस्ट्रॉल हैं -

00:01:02.189 --> 00:01:03.699
जो हम हर समय सुनते हैं।

00:01:04.273 --> 00:01:07.256
मेटाबोलाइट्स हमारे चयापचय में शामिल हैं।

00:01:08.066 --> 00:01:12.094
वे DNA से भी नीचे हैं,

00:01:12.118 --> 00:01:17.200
इसलिए वे हमारे जीन और जीवन शैली 
दोनों से जानकारी लेते हैं।

00:01:17.224 --> 00:01:22.873
कई बीमारियों के इलाज के लिए 
मेटाबोलाइट्स को समझना आवश्यक है।

NOTE Paragraph

00:01:22.897 --> 00:01:25.109
मैं हमेशा से मरीजों का 
इलाज करना चाहती हूं।

00:01:25.934 --> 00:01:29.792
इसके बावजूद, 15 साल पहले, 
मैंने मेडिकल स्कूल छोड़ दिया,

00:01:29.816 --> 00:01:31.781
मैंने गणित को बहुत याद किया।

00:01:33.019 --> 00:01:35.955
इसके तुरंत बाद, 
मुझे सबसे अच्छी चीज़ मिली:

00:01:36.692 --> 00:01:39.455
मैं दवा का अध्ययन करने के लिए 
गणित का उपयोग कर सकती हूं।

00:01:41.026 --> 00:01:46.239
तब से, मैं जैविक डेटा का विश्लेषण 
करने के लिए एल्गोरिदम विकसित कर रही हूं।

00:01:47.092 --> 00:01:49.375
तो, यह आसान लग रहा था:

00:01:49.399 --> 00:01:53.000
चलो हमारे शरीर में सभी चयापचयों से 
डेटा एकत्र करते हैं,

00:01:53.024 --> 00:01:58.152
वे एक बीमारी में कैसे बदल रहे हैं, 
यह बताने के लिए गणितीय मॉडल विकसित करें

00:01:58.176 --> 00:02:01.164
और उन परिवर्तनों में हस्तक्षेप करके 
उनका इलाज करें।

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
तब मुझे एहसास हुआ कि 
किसी ने पहले ऐसा क्यों नहीं किया है:

00:02:07.230 --> 00:02:08.917
यह बेहद मुश्किल है।

NOTE Paragraph

00:02:08.941 --> 00:02:10.028
(हँसी)

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
हमारे शरीर में कई मेटाबोलाइट्स होते हैं।

00:02:12.783 --> 00:02:15.283
सभी एक दूसरे से अलग है।

00:02:15.307 --> 00:02:19.035
कुछ चयापचयों के लिए, 
हम उनके आणविक द्रव्यमान को माप सकते हैं

00:02:19.059 --> 00:02:21.652
मास स्पेक्ट्रोमेट्री उपकरणों 
का उपयोग करके।

00:02:21.676 --> 00:02:25.409
लेकिन क्योंकि वहां, 
एक ही द्रव्यमान के 10 अणु हो सकते हैं,

00:02:25.409 --> 00:02:27.900
हम नहीं जानते कि वे वास्तव में क्या हैं,

00:02:27.924 --> 00:02:30.698
और यदि आप उन सभी को 
स्पष्ट रूप से पहचानना चाहते हैं,

00:02:30.722 --> 00:02:33.826
आपको और प्रयोग करने होंगे, 
जिसमें कई दशक लग सकते हैं

00:02:33.850 --> 00:02:35.564
और अरबों डॉलर।

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
इसलिए हमने ऐसा करने के लिए एक कृत्रिम 
बुद्धिमत्ता , प्लेटफॉर्म विकसित किया।

00:02:41.794 --> 00:02:44.638
हमने जैविक डेटा के विकास का लाभ उठाया

00:02:44.662 --> 00:02:49.086
और चयापचयों के बारे में 
किसी भी मौजूदा जानकारी का

00:02:49.110 --> 00:02:52.238
और अन्य अणुओं के साथ उनकी बातचीत का 
एक डेटाबेस बनाया।

00:02:52.262 --> 00:02:55.686
हमने इस सभी डेटा को 
मेगा नेटवर्क्स के रूप में संयोजित किया।

00:02:55.710 --> 00:02:59.106
फिर, मरीजों के ऊतकों या रक्त से,

00:02:59.130 --> 00:03:01.601
हम चयापचयों के द्रव्यमान को मापा।

00:03:01.601 --> 00:03:04.580
और बीमारी में बदल जाने वाले 
द्रव्यमान का पता लगाया।

00:03:04.580 --> 00:03:08.378
लेकिन, जैसा कि मैंने पहले बताया, 
हम ठीक से नहीं जानते कि वे क्या हैं।

00:03:08.402 --> 00:03:12.657
180 का एक आणविक द्रव्यमान या तो ग्लूकोज, 
गैलेक्टोज या फ्रुक्टोज हो सकता है।

00:03:12.657 --> 00:03:14.676
इन सभी में एक समान द्रव्यमान होता है

00:03:14.676 --> 00:03:16.763
लेकिन हमारे शरीर में 
विभिन्न कार्य करता है।

00:03:17.715 --> 00:03:21.302
हमारे AI एल्गोरिदम ने 
इन सभी अस्पष्टताओं पर विचार किया।

00:03:21.326 --> 00:03:24.062
इसके बाद उस मेगा नेटवर्क का 
खनन किया गया

00:03:24.086 --> 00:03:28.439
यह पता लगाने कि उन चयापचय द्रव्यमान 
एक दूसरे से कैसे जुड़े हैं

00:03:28.463 --> 00:03:30.421
जिसका परिणाम बीमारी है।

00:03:30.445 --> 00:03:32.683
और जिस तरह से वे जुड़े हुए हैं, उसके कारण

00:03:32.707 --> 00:03:37.030
तब हम यह पता लगाने में सक्षम हैं 
कि प्रत्येक मेटाबोलाइट द्रव्यमान क्या है,

00:03:37.054 --> 00:03:39.978
जैसे कि वह 180 यहाँ ग्लूकोज हो सकता है,

00:03:40.002 --> 00:03:42.553
और, अधिक महत्वपूर्ण बात, खोजने के लिए

00:03:42.577 --> 00:03:45.284
की ग्लूकोज और अन्य चयापचयों में 
कैसे परिवर्तन होते हैं

00:03:45.284 --> 00:03:47.473
जो बीमारी की तरफ ले जा सकते हैं।

00:03:47.497 --> 00:03:50.492
रोग तंत्र की यह नई समझ --

00:03:50.516 --> 00:03:55.008
हमें प्रभावी चिकित्सा विज्ञान की 
खोज करने में सक्षम बनाता है।

NOTE Paragraph

00:03:55.601 --> 00:03:59.446
इसलिए इस तकनीक को बाजार में लाने के लिए 
और लोगो के जीवन को प्रभावित करने के लिए

00:03:59.470 --> 00:04:01.275
हमने एक स्टार्ट-अप कंपनी बनाई।

00:04:01.722 --> 00:04:05.267
अब मैं और मेरी टीम चिकित्सा विज्ञान की 
खोज करने के लिए काम कर रहे हैं

00:04:05.291 --> 00:04:10.396
प्रमुख रोगों के लिए, 
जिसके लिए मेटाबोलाइट्स मुख्य कारण है,

00:04:10.420 --> 00:04:12.317
फैटी लीवर की बीमारी की तरह,

00:04:12.341 --> 00:04:15.265
क्योंकि यह वसा के संचय के कारण होती है,

00:04:15.289 --> 00:04:17.762
जो यकृत में चयापचयों के प्रकार हैं।

00:04:17.786 --> 00:04:21.726
जैसा कि मैने पहले कहा था, यह एक 
बड़ी महामारी है जिसका कोई इलाज नहीं है।

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
और फैटी लीवर की बीमारी सिर्फ एक उदाहरण है।

00:04:24.498 --> 00:04:28.676
आगे बढ़ते हुए, हम सैकड़ों 
अन्य बीमारियों से निपटने जा रहे हैं

00:04:28.700 --> 00:04:30.193
बिना किसी उपचार के।

00:04:30.217 --> 00:04:34.771
और चयापचयों के बारे में 
अधिक से अधिक डेटा एकत्र करके

00:04:34.795 --> 00:04:38.339
और चयापचयों के परिवर्तन को समजके,

00:04:38.363 --> 00:04:40.765
जो विकासशील बीमारियों की ओर जाता है,

00:04:40.789 --> 00:04:44.278
हमारा एल्गोरिदम अधिक 
स्मार्ट और स्मार्ट बनेगा

00:04:44.302 --> 00:04:48.498
सही रोगियों के लिए 
सही चिकित्सा विज्ञान की खोज करके।

00:04:48.522 --> 00:04:52.292
और हम अपनी जीवन को बचाने की दृष्टि के

00:04:52.316 --> 00:04:56.179
बहुत करीब पहुंच जाएंगे।

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
आभार।

NOTE Paragraph

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