The medical potential of AI and metabolites | Leila Pirhaji

المترجم: Ayman Mahmoud المدقّق: Hussain Laghabi

In 2003,

في 2003،

when we sequenced the human genome,

عندما قمنا بوضع الجينوم البشري في سلسلة،

we thought we would have the answer to treat many diseases.

اعتقدنا أنه سيكون لدينا الحل لمعالجة العديد من الأمراض.

But the reality is far from that,

ولكن الواقع بعيد كل البعد عن ذلك،

because in addition to our genes,

لأنه بالإضافة لجيناتنا،

our environment and lifestyle could have a significant role

فإن لبيئتنا وطراز حياتنا دور هام

in developing many major diseases.

في تطوير العديد من الأمراض.

One example is fatty liver disease,

مثالا على ذلك، مرض الكبد الدهني،

which is affecting over 20 percent of the population globally,

والذي يؤثر على 20% من السكان على مستوى العالم،

and it has no treatment and leads to liver cancer

ولا يوجد له أي علاج ويقود إلى سرطان الكبد

or liver failure.

أو التليف الكبدي.

So sequencing DNA alone doesn't give us enough information

فرسم شريط الحامض النووي فحسب لا يعطينا معلومات كافية

to find effective therapeutics.

لإيجاد علاجات فعالة.

On the bright side, there are many other molecules in our body.

وفي الجانب المشرق، هناك العديد من الجزيئات في جسمنا.

In fact, there are over 100,000 metabolites.

في الواقع، هناك 100000 مُسْتَقْلَب أيضي.

Metabolites are any molecule that is supersmall in their size.

المُسْتَقْلَبات هي أي جزيء متناهي الصغر من حيث الحجم.

Known examples are glucose, fructose, fats, cholesterol --

الأمثلة المعروفة هي الجلوكوز، والفركتوز والدهون، والكوليسترول...

things we hear all the time.

أشياء نسمع عنها طوال الوقت.

Metabolites are involved in our metabolism.

المُسْتَقْلَبات مشاركة في عملية الأيض.

They are also downstream of DNA,

وهي تأتي من تيار الحامض النووي،

so they carry information from both our genes as well as lifestyle.

لذلك فهي تهمل معلومات من كل من جيناتنا وطراز حياتنا.

Understanding metabolites is essential to find treatments for many diseases.

فهم المُسْتَقْلَبات أساسي لإيجاد علاجات للعديد من الأمراض.

I've always wanted to treat patients.

أردت دوما أن أعالج المرضى.

Despite that, 15 years ago, I left medical school,

على الرغم من تركي كلية الطب منذ 15 سنة،

as I missed mathematics.

بسبب إخفاقي في الرياضيات.

Soon after, I found the coolest thing:

بعد ذلك بفترة قصيرة، عثرت على أكثر الأشياء روعة:

I can use mathematics to study medicine.

أنني أستطيع استخدام الرياضيات لدراسة الطب.

Since then, I've been developing algorithms to analyze biological data.

منذ ذلك الحين، قمت بتطوير خوارزميات لتحليل البيانات الأحيائية.

So, it sounded easy:

بدا الأمر سهلا على هذا النحو:

let's collect data from all the metabolites in our body,

دعونا نجمع البيانات من كل المُسْتَقْلَبات في جسمنا،

develop mathematical models to describe how they are changed in a disease

تصميم نماذج رياضياتية لوصف كيفية تغيرها في مرض ما

and intervene in those changes to treat them.

والتدخل من خلال تلك التغييرات وعلاجها.

Then I realized why no one has done this before:

وأدركت حينها السبب وراء عدم قيام أحد بذلك من قبل:

it's extremely difficult.

إنه أمر بالغ الصعوبة.

(Laughter)

(ضحك)

There are many metabolites in our body.

هناك العديد من المُسْتَقْلَبات في جسمنا.

Each one is different from the other one.

كل واحد مختلف عن الآخر.

For some metabolites, we can measure their molecular mass

لبعض المُسْتَقْلَبات، يمكننا قياس كتلتها الجزيئية

using mass spectrometry instruments.

باستخدام أدوات طيف الكتلة.

But because there could be, like, 10 molecules with the exact same mass,

ولكن بسبب إمكانية وجود 10 جزيئات لها نفس الكتلة،

we don't know exactly what they are,

فلا نعلم بالضبط ما هي،

and if you want to clearly identify all of them,

ولو أردنا تعيين كل منها بوضوح،

you have to do more experiments, which could take decades

فإن عليك القيام بتجارب أكثر، والتي قد تستغرق عقود

and billions of dollars.

ومليارات الدولارات.

So we developed an artificial intelligence, or AI, platform, to do that.

لذلك قمنا بتطوير منصة ذكاء صناعي لتقوم لنا بذلك.

We leveraged the growth of biological data

استخدمنا النمو الحادث في البيانات الأحيائية

and built a database of any existing information about metabolites

وقمنا ببناء قاعدة بيانات بأي معلومات متوفرة عن مُسْتَقْلَبات

and their interactions with other molecules.

وتفاعلاتها مع جزيئات أخرى.

We combined all this data as a meganetwork.

قمنا بضم كل هذه البيانات كشبكة واحدة ضخمة.

Then, from tissues or blood of patients,

بعد ذلك، من الأنسجة أو من دماء المرضى،

we measure masses of metabolites

قمنا بقياس كتل المُسْتَقْلَبات

and find the masses that are changed in a disease.

وبالنظر في في الكتل التي تغيرت في مرض ما.

But, as I mentioned earlier, we don't know exactly what they are.

لكن، كما ذكرت سابقا، نحن لا نعلم بالضبط ماهيتها.

A molecular mass of 180 could be either the glucose, galactose or fructose.

الكتلة الجزيئية لـ 180 قد تكون للجلوكوز، الجالاكتوز أو الفركتوز.

They all have the exact same mass

جمعها لديها نفس الكتلة

but different functions in our body.

ولكن وظائفها مختلفة في جسمنا.

Our AI algorithm considered all these ambiguities.

خوارزمية ذكائنا الصناعي قام باعتبار كل تلك الأمور الملتبسة.

It then mined that meganetwork

ثم قامت بعد ذلك بتنقيب الشبكة الضخمة من البيانات

to find how those metabolic masses are connected to each other

لتكتشف كيفية اتصال هذه الكتل الأيضية ببعضها

that result in disease.

بالطريقة التي ينتج عنها المرض.

And because of the way they are connected,

وبسبب طريقة اتصالهم ببعضهم البعض،

then we are able to infer what each metabolite mass is,

عندئذ نصبح قادرين على أن نستدل على كتلة كل مُسْتَقْلَب،

like that 180 could be glucose here,

مثل احتمالية كتلة الـ 180 أن تكون للجلوكوز،

and, more importantly, to discover

والأكثر أهمية أن نكتشف

how changes in glucose and other metabolites

كيف تحدث تغييرات بالجلوكوز ومُسْتَقْلَبات أخرى

lead to a disease.

تقود إلى المرض.

This novel understanding of disease mechanisms

هذا الفهم المبتَكَر لديناميات المرض

then enable us to discover effective therapeutics to target that.

يمكننا من اكتشاف علاجات فعالة لهذا الغرض.

So we formed a start-up company to bring this technology to the market

قمنا بتشكيل شركة ناشئة لتجلب هذه التقنية إلى السوق

and impact people's lives.

وتؤثر في حياة الناس.

Now my team and I at ReviveMed are working to discover

نعمل أنا وفريقي الآن على اكتشاف

therapeutics for major diseases that metabolites are key drivers for,

علاجات للأمراض الرئيسية التي تكون المُسْتَقْلَبات هي الدافع الرئيسي لها،

like fatty liver disease,

مثل مرض الكبد الدهني،

because it is caused by accumulation of fats,

لأنه يحدث بسبب تراكم الدهون،

which are types of metabolites in the liver.

والتي هي أنواع من المُسْتَقْلَبات بالكبد.

As I mentioned earlier, it's a huge epidemic with no treatment.

كما ذكرت سابقا، الأمر وبائي بشكل هائل وبدون علاج.

And fatty liver disease is just one example.

ومرض الكبد الدهني ما هو إلا مثال.

Moving forward, we are going to tackle hundreds of other diseases

نمضي قدما، سنقوم بالتعامل مع مئات الأمراض الأخرى

with no treatment.

بدون علاج.

And by collecting more and more data about metabolites

وبجمع المزيد والمزيد من البيانات عن المُسْتَقْلَبات

and understanding how changes in metabolites

وبفهم كيف أن تغييرات في المُسْتَقْلَبات

leads to developing diseases,

تقود إلى تطوير أمراض،

our algorithms will get smarter and smarter

خوارزمياتنا سيزداد ذكاؤها أكثر

to discover the right therapeutics for the right patients.

لاكتشاف العلاجات الصحيحة التي تناسب مرضى بعينهم.

And we will get closer to reach our vision

وسنقترب أكثر من تحقيق رؤيتنا

of saving lives with every line of code.

في إنقاذ حيوات مع كل سطر يُضاف إلى الشفرة.

Thank you.

أشكركم.

(Applause)

(تصفيق)