0:00:01.507,0:00:03.396
Pada tahun 2003,

0:00:03.420,0:00:06.333
ketika melakukan sekuens[br]genom pada manusia,

0:00:06.357,0:00:09.974
kami pikir menemukan jawaban untuk[br]mengobati berbagai penyakit itu mudah.

0:00:10.974,0:00:13.631
Ternyata kenyataannya tidak semudah itu,

0:00:14.782,0:00:16.703
karena selain gen,

0:00:16.727,0:00:21.297
lingkungan dan gaya hidup[br]manusia juga memiliki peranan penting

0:00:21.321,0:00:23.869
yang memengaruhi berbagai penyakit mayor.

0:00:23.893,0:00:27.473
Contohnya adalah penyakit hati berlemak,

0:00:27.497,0:00:31.580
yang memengaruhi 20% populasi global,

0:00:31.604,0:00:34.638
belum ditemukan pengobatannya[br]dan menjadi penyebab kanker hati

0:00:34.662,0:00:36.085
atau gagal hati.

0:00:37.517,0:00:42.261
Sekuens DNA saja belum cukup[br]memberikan informasi

0:00:42.285,0:00:44.517
untuk mendapatkan terapeutik yang efektif.

0:00:44.541,0:00:48.297
Untungnya, ada banyak molekul [br]lain di dalam tubuh,

0:00:48.321,0:00:52.301
bahkan ada lebih dari 100 ribu metabolit.

0:00:52.325,0:00:56.621
Metabolit adalah molekul yang[br]berukuran sangat kecil.

0:00:57.193,0:01:02.165
Contohnya adalah glukosa, [br]fruktosa, lemak, kolesterol --

0:01:02.189,0:01:03.699
yang sudah sering kita dengar.

0:01:04.273,0:01:07.256
Metabolit terbentuk dari metabolisme.

0:01:08.066,0:01:12.094
Metabolit adalah bagian hilir DNA,

0:01:12.118,0:01:17.200
yang berfungsi membawa [br]informasi gen dan gaya hidup manusia.

0:01:17.224,0:01:21.897
Memahami metabolit bermanfaat[br]untuk menemukan pengobatan

0:01:21.897,0:01:22.897
berbagai penyakit.

0:01:22.897,0:01:25.109
Dulu saya bercita-cita menjadi[br]seorang dokter.

0:01:25.934,0:01:28.816
Tetapi, 15 tahun lalu saya harus[br]meninggalkan

0:01:28.816,0:01:29.816
sekolah kedokteran,

0:01:29.816,0:01:31.781
karena tidak lulus pelajaran matematika.

0:01:33.019,0:01:35.955
Sejak saat itu, saya sadar bahwa

0:01:36.692,0:01:39.455
matematika bisa digunakan untuk[br]mempelajari obat-obatan.

0:01:41.026,0:01:46.222
Kemudian, saya mengembangkan[br]algoritma untuk menganalisis data biologi.

0:01:47.092,0:01:49.375
Kedengarannya mudah.

0:01:49.399,0:01:53.000
Mengumpulkan data metabolit[br]dari dalam tubuh,

0:01:53.024,0:01:57.176
mengembangkan model matematika[br]untuk menguraikan perubahan data metabolit

0:01:57.176,0:01:58.176
di dalam penyakit,

0:01:58.176,0:02:01.164
lalu mengendalikan perubahan[br]tersebut untuk mengobati penyakit.

0:02:02.488,0:02:05.960
Kemudian saya sadar belum[br]ada orang yang melakukan ini

0:02:07.337,0:02:08.917
karena benar-benar sulit.

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

0:02:10.052,0:02:12.464
Metabolit banyak terdapat[br]di dalam tubuh.

0:02:12.783,0:02:15.283
Setiap metabolit berbeda satu sama lain.

0:02:15.307,0:02:19.035
Beberapa senyawa metabolit[br]dapat diukur massa molekulernya

0:02:19.059,0:02:21.652
menggunakan alat spektometri massa.

0:02:21.676,0:02:26.069
Namun, karena ada 10 molekul[br]dengan massa yang persis sama,

0:02:26.093,0:02:27.900
molekul yang pasti sulit diketahui

0:02:27.924,0:02:30.698
dan jika ingin melakukan identifikasi,

0:02:30.722,0:02:33.826
diperlukan pengujian lebih lanjut[br]yang memakan waktu lama

0:02:33.850,0:02:35.564
dan berharga jutaan dolar.

0:02:36.207,0:02:41.770
Sehingga kami membangun Inteligensi[br]Artifisial atau platform AI

0:02:41.794,0:02:44.638
untuk memaksimalkan [br]perkembangan data biologi

0:02:44.662,0:02:49.086
serta membangun pangkalan data[br]informasi tentang metabolit

0:02:49.110,0:02:52.238
dan interaksinya dengan molekul lain.

0:02:52.262,0:02:55.686
Kami menggabungkan semua data[br]dalam jaringan besar.

0:02:55.710,0:02:59.106
Kemudian, kami mengambil[br]jaringan atau darah pasien,

0:02:59.130,0:03:01.881
untuk mengukur massa metabolit

0:03:01.905,0:03:05.164
dan mencari massa yang berubah[br]di dalam penyakit.

0:03:05.188,0:03:08.378
Tetapi, kami belum menemukan[br]senyawa molekul yang pasti.

0:03:08.402,0:03:13.331
Massa molekuler 180 mungkin[br]adalah glukosa, galaktosa, atau fruktosa,

0:03:13.561,0:03:15.580
yang memiliki massa persis sama

0:03:15.604,0:03:17.691
tetapi fungsinya berbeda di dalam tubuh.

0:03:17.715,0:03:20.707
Algoritma AI menjawab[br]semua ambiguitas itu.

0:03:21.326,0:03:24.062
AI menggali jaringan besar

0:03:24.086,0:03:28.113
untuk menemukan cara[br]massa metabolit terhubung satu sama lain

0:03:28.463,0:03:30.421
yang mengakibatkan timbulnya penyakit.

0:03:30.445,0:03:32.683
Dari cara metabolit terhubung,

0:03:32.707,0:03:37.030
kami menentukan massa setiap metabolit,

0:03:37.054,0:03:39.978
misalnya, massa molekuler 180[br]adalah glukosa

0:03:40.002,0:03:42.553
dan yang lebih penting kami menemukan

0:03:42.577,0:03:45.799
bahwa perubahan dalam glukosa[br]dan metabolit lain

0:03:45.968,0:03:47.473
dapat menyebabkan[br]penyakit.

0:03:47.497,0:03:50.492
Penemuan baru tentang[br]mekanisme penyakit ini

0:03:50.516,0:03:55.008
memungkinkan kita untuk menemukan[br]terapeutik efektif sebagai pengobatan.

0:03:55.601,0:03:59.446
Lalu, kami mendirikan perusahaan rintisan[br]untuk membawa teknologi ini ke pasar

0:03:59.470,0:04:01.275
dan menyelamatkan jiwa manusia.

0:04:01.722,0:04:05.267
Saat ini saya dan tim di ReviveMed[br]bekerja untuk menemukan

0:04:05.291,0:04:10.396
terapeutik bagi penyakit mayor[br]yang disebabkan oleh metabolit,

0:04:10.420,0:04:12.317
seperti penyakit hati berlemak,

0:04:12.341,0:04:15.265
akibat timbunan lemak

0:04:15.289,0:04:17.762
yang merupakan tipe metabolit[br]di dalam hati.

0:04:17.786,0:04:21.726
Penyakit ini adalah epidemi besar[br]yang belum ditemukan obatnya.

0:04:21.750,0:04:24.474
Penyakit hati berlemak hanya[br]sebuah contoh.

0:04:24.498,0:04:28.676
Selanjutnya, kami akan menangani[br]ratusan penyakit lain

0:04:28.700,0:04:30.193
yang belum tertangani.

0:04:30.217,0:04:34.771
Dengan mengumpulkan lebih[br]banyak data metabolit

0:04:34.795,0:04:38.339
dan memahami bahwa perubahan[br]di dalam metabolit

0:04:38.363,0:04:40.765
bisa menjadi penyebab penyakit,

0:04:40.789,0:04:44.278
algoritma bisa diandalkan

0:04:44.302,0:04:48.498
untuk menemukan terapeutik yang[br]sesuai untuk pasien yang tepat.

0:04:48.522,0:04:52.292
Visi kami akan lebih mudah dicapai,

0:04:52.316,0:04:56.179
yaitu menyelamatkan jiwa manusia [br]menggunakan setiap baris kode.

0:04:56.203,0:04:57.524
Terima kasih.

0:04:57.548,0:05:01.375
(Tepuk tangan)