0:00:01.507,0:00:03.396
2003. godine,

0:00:03.420,0:00:06.333
kad smo razložili ljudski genom,

0:00:06.357,0:00:10.279
mislili smo da ćemo imati odgovor[br]za liječenje mnogih bolesti.

0:00:10.974,0:00:13.631
No, stvarnost je daleko od toga,

0:00:14.782,0:00:16.703
jer osim naših gena,

0:00:16.727,0:00:21.297
naše okruženje i način života [br]mogu imati značajnu ulogu

0:00:21.321,0:00:23.869
u razvoju mnogih velikih bolesti.

0:00:23.893,0:00:27.473
Jedan primjer je bolest masne jetre,

0:00:27.497,0:00:31.580
koja pogađa preko 20% stanovnika svijeta,

0:00:31.604,0:00:34.638
i nema joj lijeka, a vodi do raka jetre

0:00:34.662,0:00:36.085
ili zatajenja jetre.

0:00:37.517,0:00:42.261
Dakle, sekvenciranje DNK samo po sebi [br]ne daje nam dovoljno informacija

0:00:42.285,0:00:44.517
za pronalazak učinkovitih terapija.

0:00:44.541,0:00:48.297
Dobro je što postoje mnoge druge[br]molekule u našem tijelu.

0:00:48.321,0:00:52.301
Zaista, postoji preko 100.000 metabolita.

0:00:52.325,0:00:56.621
Metaboliti su bilo koja molekula [br]supermale veličine.

0:00:57.193,0:01:02.165
Poznati primjeri su glukoza, fruktoza,[br]masti, kolesterol --

0:01:02.189,0:01:03.699
ono o čemu stalno slušamo.

0:01:04.273,0:01:07.256
Metaboliti su uključeni u naš metabolizam.

0:01:08.066,0:01:12.094
Oni su na nižoj razini od DNK

0:01:12.118,0:01:17.200
pa nose informacije iz naših gena,[br]kao i stila života.

0:01:17.224,0:01:22.873
Razumijevanje metabolita je ključno[br]za pronalazak tretmana za mnoge bolesti.

0:01:22.897,0:01:25.109
Oduvijek sam željela liječiti pacijente.

0:01:25.934,0:01:29.792
Unatoč tome, prije 15 godina,[br]napustila sam medicinsku školu

0:01:29.816,0:01:31.781
jer mi je nedostajala matematika.

0:01:33.019,0:01:35.955
Ubrzo potom otkrila sam sjajnu stvar:

0:01:36.692,0:01:39.455
Mogu koristiti matematiku [br]za studij medicine.

0:01:41.026,0:01:46.239
Od tada razvijam algoritme [br]za analizu bioloških podataka.

0:01:47.092,0:01:49.375
Dakle, zvučalo je jednostavno:

0:01:49.399,0:01:53.000
prikupimo podatke o svim[br]metabolitima u našem tijelu,

0:01:53.024,0:01:58.152
razvijmo matematičke modele[br]za opisivanje kako se mijenjaju u bolesti

0:01:58.176,0:02:01.164
i intervenirajmo u te promjene[br]kako bismo ih liječili.

0:02:02.488,0:02:05.960
Tada sam shvatila zašto [br]to nitko nije učinio prije:

0:02:07.230,0:02:08.917
to je iznimno teško.

0:02:08.941,0:02:10.028
(Smijeh)

0:02:10.052,0:02:12.464
Postoje mnogi metaboliti u našem tijelu.

0:02:12.783,0:02:15.283
Svaki od njih različit je od onog drugog.

0:02:15.307,0:02:19.035
Nekim metabolitima možemo [br]mjeriti molekularnu masu

0:02:19.059,0:02:21.652
instrumentima za spektrometriju mase.

0:02:21.676,0:02:26.069
No kako bi moglo biti, recimo,[br]10 molekula s istom masom,

0:02:26.093,0:02:27.900
ne znamo točno koje su,

0:02:27.924,0:02:30.698
pa ako ih želite sve jasno identificirati,

0:02:30.722,0:02:33.826
treba raditi još eksperimenata,[br]što bi moglo trajati desetljećima

0:02:33.850,0:02:35.564
i stajati milijarde dolara.

0:02:36.207,0:02:41.770
Tako smo razvili umjetnu inteligenciju, [br]ili AI, kao platformu koja će to učiniti.

0:02:41.794,0:02:44.638
Iskoristili smo rast bioloških podataka

0:02:44.662,0:02:49.086
i izgradili bazu podataka svih postojećih [br]informacija o metabolitima

0:02:49.110,0:02:52.238
i interakcija njih s drugim molekulama.

0:02:52.262,0:02:55.686
Povezali smo sve te podatke u megamrežu.

0:02:55.710,0:02:59.106
Zatim iz tkiva ili krvi bolesnika

0:02:59.130,0:03:01.881
mjerimo mase metabolita

0:03:01.905,0:03:05.164
i tražimo one koje se mijenjaju u bolesti.

0:03:05.188,0:03:08.378
Ali, kao što sam spomenula ranije,[br]ne znamo točno koji su.

0:03:08.402,0:03:13.537
Molekulska masa 180 može biti [br]glukoza, galaktoza ili fruktoza.

0:03:13.561,0:03:15.580
Sve one imaju iste mase

0:03:15.604,0:03:17.691
ali različite funkcije u našem tijelu.

0:03:17.715,0:03:21.302
Naš AI algoritam uzima u obzir[br]sve te nedorečenosti.

0:03:21.326,0:03:24.062
Zatim pretražuje tu megamrežu

0:03:24.086,0:03:28.439
da vidi kako su te metaboličke mase[br]međusobno povezane

0:03:28.463,0:03:30.421
kad rezultiraju bolešću.

0:03:30.445,0:03:32.683
I po načinu na koji su povezani,

0:03:32.707,0:03:37.030
onda možemo zaključiti [br]što je svaka metabolička masa,

0:03:37.054,0:03:39.978
kao, ovdje bi 180 mogla biti glukoza,

0:03:40.002,0:03:42.553
i, što je još važnije, otkriti

0:03:42.577,0:03:45.944
kako promjene u glukozi [br]i drugim metabolitima

0:03:45.968,0:03:47.473
dovode do bolesti.

0:03:47.497,0:03:50.492
To novo razumijevanje mehanizama bolesti

0:03:50.516,0:03:55.008
omogućuje nam zatim otkrivanje [br]učinkovitih ciljanih terapija.

0:03:55.601,0:03:59.446
Stoga smo osnovali start-up tvrtku kako[br]bismo tu tehnologiju stavili na tržište

0:03:59.470,0:04:01.275
i poboljšali živote ljudi.

0:04:01.722,0:04:05.267
Sada moj tim i ja u ReviveMed[br]radimo na otkrivanju

0:04:05.291,0:04:10.396
terapija za glavne bolesti [br]kojima su ključni pokretači metaboliti,

0:04:10.420,0:04:12.317
poput bolesti masne jetre,

0:04:12.341,0:04:15.265
jer je uzrokovana nakupljanjem masti,

0:04:15.289,0:04:17.762
koje su vrste metabolita u jetri.

0:04:17.786,0:04:21.726
Kao što sam spomenula ranije,[br]to je ogromna epidemija bez lijeka.

0:04:21.750,0:04:24.474
A bolest masne jetre je [br]samo jedan primjer.

0:04:24.498,0:04:28.676
Ubuduće ćemo se boriti [br]sa stotinama drugih bolesti

0:04:28.700,0:04:30.193
za koje nema lijeka.

0:04:30.217,0:04:34.771
Prikupljanjem sve više [br]podataka o metabolitima

0:04:34.795,0:04:38.339
i razumijevanjem kako promjene metabolita

0:04:38.363,0:04:40.765
dovode do razvoja bolesti,

0:04:40.789,0:04:44.278
naši algoritmi će postajati sve pametniji

0:04:44.302,0:04:48.498
u otkrivanju pravih terapija [br]za pravog pacijenta.

0:04:48.522,0:04:52.292
Približit ćemo se ostvarenju naše vizije:

0:04:52.316,0:04:56.179
spašavanja života sa svakim retkom koda.

0:04:56.203,0:04:57.524
Hvala vam.

0:04:57.604,0:04:58.925
(Pljesak)