2003-ban,
amikor szekvenáltuk az emberi genomot,
azt gondoltuk, hogy megkapjuk a választ
számos betegség kezelésére,
de a valóság távol áll ettől,
mert a génjeink mellett
környezetünk és életmódunk is
jelentős szerepet játszik
a főbb betegségek kialakulásában.
Az egyik példa a zsírmáj,
ami a világ népességének
több mint 20 százalékát érinti,
nincs gyógymódja, és májrákhoz
vagy májelégtelenséghez vezet.
Tehát csak a DNS szekvenálása
nem ad elegendő információt ahhoz,
hogy hatékony terápiákat találjunk.
A jó hír, hogy sok más molekula is,
valójában több mint 100 000 metabolit
található a testünkben.
A metabolitok rendkívül
kis méretű molekulák.
Ismert példák a glükóz,
a fruktóz, a zsírok, a koleszterin –
ezekről állandóan hallunk.
A metabolitok részt vesznek
az anyagcserénkben.
Ezek úgyszintén a DNS
gyakorlati megvalósulásai,
tehát információkat hordoznak
génjeinkről és életmódunkról.
A metabolitok megértése sok betegségnél
szükséges a gyógymód megtalálásához.
Mindig betegeket akartam kezelni.
Ennek ellenére 15 évvel ezelőtt
otthagytam az orvosi iskolát,
mivel hiányzott a matematika.
Nem sokkal ezután
rátaláltam a legmenőbb dologra:
Tudom használni a matematikát
az orvostudomány tanulmányozására.
Azóta algoritmusokat fejlesztek
biológiai adatok elemzésére.
Ez könnyűnek tűnt:
gyűjtsünk adatokat
a testben levő összes metabolitról,
írjuk le matematikai modellekkel,
hogyan változnak meg egy betegség során,
és avatkozzunk be
ezekbe a változásokba, kezeljük őket.
Aztán rájöttem, miért nem
foglalkozott ezzel még senki:
mert rendkívül nehéz.
(Nevetés)
A szervezetben sok metabolit található.
Mindegyik különbözik a másiktól.
Egyes metabolitok molekulatömege
mérhető tömegspektrometriás eszközökkel.
De mivel akár 10 molekulának is lehet
pontosan ugyanakkora a tömege,
nem tudjuk pontosan, melyek azok,
és az egyértelmű beazonosításhoz
több kísérlet kéne,
ez pedig évtizedeket
és dollármilliárdokat venne igénybe.
Tehát kifejlesztettünk rá
egy mesterséges intelligenciát.
Kihasználtuk a biológiai adatok
szüntelen gyarapodását,
és felépítettünk egy adatbázist
a metabolitokról meglévő információkból,
és kölcsönhatásukról más molekulákkal.
Egy megahálózatban összesítettük
ezeket az adatokat.
Ezután a betegek szöveteiből vagy véréből
megmérjük a metabolitok tömegét,
és megkeressük azokat a tömegeket,
amelyek megváltoztak a betegségben.
De, ahogy korábban is említettem,
nem tudjuk pontosan, melyek azok.
A 180-as molekulatömeg
lehet glükóz, galaktóz vagy fruktóz is.
Mindegyik pontosan egyforma tömegű,
de különböző funkciókat
látnak el a testünkben.
Az MI algoritmusunk
figyelembe vette mindezt.
Ezután átnézte a megahálózatot,
hogy megtudja, ezek a metabolikus tömegek
hogyan kapcsolódnak egymáshoz,
hogyan vezetnek betegséghez.
A kapcsolódásuk módjából
képesek vagyunk következtetni arra,
mik is ezek a metabolitok,
hogy a 180-as tömegű itt glükóz lehet,
és ami még fontosabb, hogy felfedezzük,
a glükóz és más metabolitok változása
hogyan vezet betegséghez.
A betegségmechanizmusok
ezen újszerű megértése lehetővé teszi,
hogy hatékony terápiás gyógyszereket
fejlesszünk ki a kezeléshez.
Létrehoztunk egy induló vállalkozást,
hogy ezt a technológiát forgalomba hozzuk,
és hatással legyünk az emberek életére.
Jelenleg csapatommal a ReviveMednél
a fő betegségek kezelését fejlesztjük,
melynek során a metabolitok
kulcsfontosságú szerepet játszanak,
mint például a zsírmáj,
melyet a zsírok felhalmozódása okoz,
amelyek a máj metabolittípusai.
Ahogy korábban említettem,
ez elterjedt betegség, gyógymód nélkül.
A zsírmáj csak egy példa erre.
Ahogy haladunk előre,
ma még gyógyíthatatlan betegségek
százait fogjuk tudni kezelni.
Majd ahogy egyre több
metabolitadatot gyűjtünk,
és megértjük, hogy a metabolitok változása
hogyan vezet betegségek kifejlődéséhez,
algoritmusaink egyre okosabbak
a betegek számára megfelelő
kezelések kifejlesztésében.
És egyre közelebb kerülünk
ahhoz az elképzelésünkhöz,
hogy minden kódsorral életeket mentsünk.
Köszönöm.
(Taps)