WEBVTT

00:00:01.507 --> 00:00:03.396
2003-iais metais,

00:00:03.420 --> 00:00:06.333
kai iššifravome žmogaus 
genomo seką, galvojome,

00:00:06.357 --> 00:00:10.279
jog radome atsakymą, 
kaip išgydyti daug ligų.

00:00:10.974 --> 00:00:13.631
Tačiau tai toli gražu ne tikrovė.

00:00:14.782 --> 00:00:16.703
Be mūsų genų, didelę reikšmę

00:00:16.727 --> 00:00:21.297
daugumos ligų vystymuisi gali turėti

00:00:21.321 --> 00:00:23.869
aplinka ir gyvenimo būdas.

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
Pavyzdžiui, kepenų suriebėjimas, 
tai liga, kuri

00:00:27.497 --> 00:00:31.580
kankina 20 procentų 
žmonių populiacijos globaliai.

00:00:31.604 --> 00:00:34.638
Ši liga nepagydoma 
ir sukelia kepenų vėžį

00:00:34.662 --> 00:00:36.085
arba kepenų nepakankamumą.

NOTE Paragraph

00:00:37.517 --> 00:00:42.261
Taigi, vien genomo sekos iššifravimas 
mums nesuteikia

00:00:42.285 --> 00:00:44.891
pakankamai informacijos rasti 
veiksmingą ligos gydymą.

NOTE Paragraph

00:00:44.891 --> 00:00:48.297
Iš kitos pusės, savo kūne turime 
daugybę kitų molekulių.

00:00:48.321 --> 00:00:52.301
Išties, mūsų kūnuose 
yra daugiau nei 100 000 metabolitų.

00:00:52.325 --> 00:00:56.621
Metabolitai – tai bet kokios 
labai mažos molekulės.

00:00:57.193 --> 00:01:02.165
Gerai žinomi pavyzdžiai yra gliukozė, 
fruktozė, riebalai, cholesterolis –

00:01:02.189 --> 00:01:04.149
dalykai, apie kuriuos nuolat girdime.

00:01:04.273 --> 00:01:07.256
Metabolitai dalyvauja 
mūsų medžiagų apykaitoje.

00:01:08.066 --> 00:01:12.094
Jie turi informaciją, susijusią 
tiek su mūsų genais,

00:01:12.118 --> 00:01:17.200
tiek su mūsų gyvenimo būdu.

00:01:17.224 --> 00:01:22.873
Metabolitus suvokti labai svarbu, 
norint surasti įvairių ligų gydymą.

NOTE Paragraph

00:01:22.897 --> 00:01:25.109
Aš visuomet norėjau gydyti pacientus.

00:01:25.934 --> 00:01:29.792
Nepaisant to, prieš 15 metų 
mečiau medicinos mokslus,

00:01:29.816 --> 00:01:31.781
kadangi pasiilgau matematikos.

00:01:33.019 --> 00:01:35.955
Greitai atradau nuostabiausią dalyką:

00:01:36.692 --> 00:01:39.455
aš galiu naudoti matematiką 
mokytis medicinos.

00:01:41.026 --> 00:01:46.239
Nuo tada aš kuriu algoritmus 
analizuoti biologinius duomenis.

00:01:47.092 --> 00:01:49.375
Tai atrodė paprastai:

00:01:49.399 --> 00:01:52.284
surinkime duomenis iš visų metabolitų, 
esančių mūsų kūnuose,

00:01:52.284 --> 00:01:57.064
sukurkime matematinius modelius, 
kaip metabolitai kinta susirgus,

00:01:57.256 --> 00:02:01.496
ir tuomet sutrukdykime tiems 
pokyčiams, jog išgydytume ligą.

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
Tuomet supratau, kodėl niekas 
anksčiau to nedarė:

00:02:07.230 --> 00:02:08.917
tai nepaprastai sudėtinga.

NOTE Paragraph

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

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
Mūsų kūnuose yra daugybė metabolitų.

00:02:12.783 --> 00:02:15.283
Jie skiriasi vienas nuo kito.

00:02:15.307 --> 00:02:19.035
Mes galime pamatuoti kai kurių 
metabolitų molekulinę masę,

00:02:19.059 --> 00:02:21.652
naudojant masių spektometrijos prietaisus.

00:02:21.676 --> 00:02:26.069
Bet net 10 molekulių 
gali turėti tokią pačią masę,

00:02:26.093 --> 00:02:28.054
todėl mes tiksliai nežinome, 
kas jie yra.

00:02:28.054 --> 00:02:30.698
Norint tiksliai juos identifikuoti,

00:02:30.722 --> 00:02:33.826
turime daryti daugiau bandymų, 
kurie gali užtrukti dešimtmečius

00:02:33.850 --> 00:02:35.564
ir kainuoti milijardus dolerių.

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
Taigi mes sukūrėme dirbtinio intelekto 
(DI) platformą, galinčią tai padaryti.

00:02:41.794 --> 00:02:44.638
Mes pasinaudojome 
biologinių duomenų augimu

00:02:44.662 --> 00:02:49.086
ir sukūrėme duombazę, turinčią visą 
dabartinę informaciją apie metabolitus

00:02:49.110 --> 00:02:52.238
ir jų sąveiką su kitomis molekulėmis.

00:02:52.262 --> 00:02:55.686
Šią informaciją mes sujungėme 
į didžiulį tinklą.

00:02:55.710 --> 00:02:59.106
Tuomet iš paciento audinių ar kraujo

00:02:59.130 --> 00:03:01.881
mes matuojame metabolitų masę ir randame

00:03:01.905 --> 00:03:05.164
tuos metabolitus, 
kurie dėl ligos yra pasikeitę.

00:03:05.188 --> 00:03:08.378
Kaip minėjau anksčiau, 
mes nežinome, kas jie yra.

00:03:08.402 --> 00:03:13.537
180 molekulinį svorį gali sverti 
gliukozė, galaktozė ir fruktozė.

00:03:13.561 --> 00:03:15.580
Jie visi sveria tiek pat, tik

00:03:15.604 --> 00:03:17.691
mūsų kūnuose atlieka skirtingas funkcijas.

00:03:17.715 --> 00:03:21.302
Mūsų DI algoritmas apsvarsto 
visus šiuos neaiškumus.

00:03:21.326 --> 00:03:24.062
Tuomet jis atrado tinklą, 
kuris padėjo sužinoti

00:03:24.086 --> 00:03:28.439
kaip šios masės yra susijusios 
viena su kita,

00:03:28.463 --> 00:03:30.421
sukeliant ligą.

00:03:30.445 --> 00:03:32.683
Dėl šių sąsajų mes gebame

00:03:32.707 --> 00:03:37.030
atlikti išvadą, kas iš tiesų yra 
kiekviena metabolito masė.

00:03:37.054 --> 00:03:39.978
Tas 180 čia gali būti gliukozė.

00:03:40.002 --> 00:03:42.553
Svarbiausia, dėl to mes galime atrasti

00:03:42.577 --> 00:03:45.944
kaip pokyčiai gliukozėje 
ir kituose metabolituose

00:03:45.968 --> 00:03:47.473
priveda iki ligos.

00:03:47.497 --> 00:03:50.492
Šis naujas ligos mechanizmų suvokimas

00:03:50.516 --> 00:03:55.008
leidžia mums atrasti 
veiksmingą gydymą šioms ligoms.

NOTE Paragraph

00:03:55.601 --> 00:03:59.446
Taigi, mes įkūrėme startuolį, 
kad pristatytume rinkai šias technologijas

00:03:59.470 --> 00:04:01.275
ir pagerintume žmonių gyvenimus.

00:04:01.722 --> 00:04:05.267
Mano komanda „ReviveMed“ ir aš dirbame, 
jog atrastumėme

00:04:05.291 --> 00:04:10.396
gydymą ligoms, kurių atsiradimui 
svarbiausią įtaką daro metabolitai,

00:04:10.420 --> 00:04:12.317
pavyzdžiui, kepenų nepakankamumui.

00:04:12.341 --> 00:04:15.265
Ši liga yra atsiranda 
susikaupus riebalams,

00:04:15.289 --> 00:04:17.762
t. y. tam tikras metabolitų tipas, 
esantis kepenyse.

00:04:17.786 --> 00:04:21.726
Kaip minėjau, tai didelė epidemija, 
kuri nėra pagydoma.

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
Ir tai tik vienas pavyzdys.

00:04:24.498 --> 00:04:28.676
Judėdami pirmyn mes apimsime 
šimtus įvairių ligų,

00:04:28.700 --> 00:04:30.193
kurios neturi jokio gydymo.

00:04:30.217 --> 00:04:34.771
Renkant vis daugiau ir daugiau 
informacijos apie metabolitus

00:04:34.795 --> 00:04:38.339
ir suprantant, kaip jų pokyčiai

00:04:38.363 --> 00:04:40.765
veda prie ligų vystymosi,

00:04:40.789 --> 00:04:44.278
mūsų algoritmai tobulės ir atras

00:04:44.302 --> 00:04:48.498
tinkamą gydymą pacientams.

00:04:48.522 --> 00:04:52.292
Mes einame vis arčiau savo tikslo link –

00:04:52.316 --> 00:04:56.179
išsaugoti gyvybes 
su kiekviena kodo eilute.

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
Ačiū.

NOTE Paragraph

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