0:00:01.507,0:00:03.396
У 2003 році,

0:00:03.420,0:00:06.333
коли здійснили секвенування генома людини,

0:00:06.357,0:00:10.279
ми думали, що це допоможе знайти[br]методи лікування багатьох захворювань.

0:00:10.974,0:00:13.631
Насправді, все далеко не так,

0:00:14.782,0:00:16.703
тому що окрім наших генів,

0:00:16.727,0:00:21.297
довкілля і спосіб життя значно впливають

0:00:21.321,0:00:23.869
на розвиток багатьох[br]серйозних захворювань.

0:00:23.893,0:00:27.473
Один із прикладів - стеатоз печінки,

0:00:27.497,0:00:31.580
яким хворіють більше 20% населення Землі.

0:00:31.604,0:00:34.638
Він не лікується і спричиняє рак печінки

0:00:34.662,0:00:36.085
чи печінкову недостатність.

0:00:37.517,0:00:42.261
Одне тільки секвенування ДНК[br]не дає нам достатньо інформації,

0:00:42.747,0:00:44.517
щоб знайти ефективний курс лікування.

0:00:44.541,0:00:48.297
Однак, в нашому організмі[br]є багато інших молекул.

0:00:48.321,0:00:52.301
В ньому є більше 100 000 метаболітів.

0:00:52.325,0:00:56.621
Метаболіти - це дуже дрібні молекули.

0:00:57.193,0:01:02.165
Добре знайомі нам метаболіти - це [br]глюкоза, фруктоза, жири, холестерин;

0:01:02.189,0:01:03.699
ми чуємо про них постійно.

0:01:04.273,0:01:07.256
Метаболіти беруть участь в обміні речовин.

0:01:08.066,0:01:12.094
Вони знаходяться по нисхідніій від ДНК,

0:01:12.118,0:01:17.200
тому містять дані як про гени, [br]так і про спосіб життя.

0:01:17.224,0:01:22.873
Метаболіти мають важливе значення у[br]пошуках методів лікування багатьох хвороб.

0:01:22.897,0:01:25.109
Я завжди хотіла лікувати людей.

0:01:25.934,0:01:29.792
Незважаючи на це, 15 років тому[br]я покинула медичний університет,

0:01:29.816,0:01:31.781
тому що мені бракувало математики.

0:01:33.019,0:01:35.955
Незабаром, несподівано для себе,[br]я дізналася,

0:01:36.692,0:01:39.455
що можу застосовувати математику[br]для вивчення медицини.

0:01:41.026,0:01:46.239
Відтоді я розробляю алгоритми[br]аналізу біологічних даних.

0:01:47.092,0:01:49.375
Здавалося б, це так легко:

0:01:49.399,0:01:53.000
потрібно зібрати інформацію [br]про всі метаболіти в організмі,

0:01:53.024,0:01:58.152
створити математичні моделі,[br]що описують їх зміни під час хвороби

0:01:58.176,0:02:01.164
і протистояти цим змінам[br]в процесі лікування.

0:02:02.488,0:02:05.960
Потім я зрозуміла,[br]чому цього не зробили раніше:

0:02:07.230,0:02:08.917
це надзвичайно важко.

0:02:08.941,0:02:10.028
(Сміх)

0:02:10.052,0:02:12.464
В нашому організмі є багато метаболітів.

0:02:12.783,0:02:15.283
Всі вони дуже різні.

0:02:15.307,0:02:19.035
Молекулярну масу деяких можна виміряти

0:02:19.059,0:02:21.652
за допомогою[br]мас-спектометричних інструментів.

0:02:21.676,0:02:26.069
Проте, оскільки є ймовірність отримати[br]10 молекул з однаковою масою,

0:02:26.093,0:02:27.900
ми не знатимемо, що це за молекули.

0:02:27.924,0:02:30.698
І якщо ми хочемо точно ідентифікувати їх,

0:02:30.722,0:02:33.826
знадобляться додаткові експерименти,[br]що потребуватимуть десятиліть

0:02:33.850,0:02:35.564
і мільйонів доларів.

0:02:36.207,0:02:41.770
Тому ми створили для цього[br]штучний інтелект або ШІ.

0:02:41.794,0:02:44.638
Ми скористалися ростом біологічних даних

0:02:46.083,0:02:49.086
і розробили базу даних всієї існуючої[br]інформації про метаболіти

0:02:49.110,0:02:52.238
і їх взаємозв’язок з іншими молекулами.

0:02:52.262,0:02:55.686
Ми об’єднали всі ці дані в мегамережу.

0:02:55.710,0:02:59.106
Тепер, використовуючи тканини[br]і кров пацієнта,

0:02:59.130,0:03:01.881
ми вимірюємо масу метаболітів

0:03:01.905,0:03:05.164
і знаходимо ті, що змінюються[br]під час хвороби.

0:03:05.188,0:03:08.378
Але, як я казала раніше, ми не знаємо , [br]якими саме є ці метаболіти.

0:03:08.402,0:03:13.537
Глюкоза, галактоза і фруктоза[br]мають молекулярну масу 180.

0:03:13.561,0:03:15.580
В них абсолютно однакова молекулярна маса,

0:03:15.604,0:03:17.691
але вони виконують[br]різні функції в тілі.

0:03:17.715,0:03:21.302
Наш ШІ врахував всі ці неточності.

0:03:21.326,0:03:24.062
Потім він пройшов цією мегамережею

0:03:24.086,0:03:28.439
в пошуках зв’язаних між собою[br]мас метаболітів,

0:03:28.463,0:03:30.421
що викликають захворювання.

0:03:30.445,0:03:32.683
Те, як вони зв’язані,

0:03:32.707,0:03:37.030
допомагає нам визначити[br]масу кожного метаболіта,

0:03:37.054,0:03:39.978
наприклад, тут 180 - [br]це могла б бути глюкоза,

0:03:40.002,0:03:42.553
і, що важливо, зрозуміти,

0:03:42.577,0:03:45.944
як зміни глюкози та інших метаболітів

0:03:45.968,0:03:47.473
призводять до захворювань.

0:03:47.497,0:03:50.492
Це нове розуміння механізмів хвороб

0:03:50.516,0:03:55.008
дозволяє знаходити ефективні[br]способи лікування.

0:03:55.601,0:03:59.446
Ми створили стартап, щоб вивести[br]цю технологію на ринок

0:03:59.470,0:04:01.275
і допомагати людям.

0:04:01.722,0:04:05.267
Ми з моєю командою в ReviveMed[br]працюємо над пошуком

0:04:05.291,0:04:10.396
методів лікування хвороб, для яких[br]метаболіти - це ключові фактори,

0:04:10.420,0:04:12.317
наприклад, стеатозу печінки.

0:04:12.341,0:04:15.265
Він викликаний накопиченням[br]в печінці жирів,

0:04:15.289,0:04:17.762
які являють собою один[br]із видів метаболітів.

0:04:17.786,0:04:21.726
Як я вже казала, це серйозна[br]невиліковна епідемія.

0:04:21.750,0:04:24.474
І стеатоз печінки - лише один приклад.

0:04:24.498,0:04:28.676
Надалі ми плануємо працювати[br]з сотнями інших хвороб,

0:04:28.700,0:04:30.193
від яких поки немає ліків.

0:04:30.217,0:04:34.771
Збираючи більше даних про метаболіти

0:04:34.795,0:04:38.339
і аналізуючи, як зміни в них

0:04:38.363,0:04:40.765
призводять до захворювань,

0:04:40.789,0:04:44.278
наші алгоритми ставатимуть[br]все більше розвиненими

0:04:44.302,0:04:48.498
і допоможуть знаходити курси лікування[br]для конкретних пацієнтів.

0:04:48.522,0:04:52.292
Ми наблизимося до нашої мети -

0:04:52.316,0:04:56.179
врятувати життя людей за[br]допомогою кожної лінії коду.

0:04:56.203,0:04:57.524
Дякую!

0:04:57.548,0:05:01.375
(Оплески)