The medical potential of AI and metabolites | Leila Pirhaji

Translator: Martyna Rajackaitė Reviewer: Andrius Družinis-Vitkus

In 2003,

2003-iais metais,

when we sequenced the human genome,

kai iššifravome žmogaus genomo seką, galvojome,

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

jog radome atsakymą, kaip išgydyti daug ligų.

But the reality is far from that,

Tačiau tai toli gražu ne tikrovė.

because in addition to our genes,

Be mūsų genų, didelę reikšmę

our environment and lifestyle could have a significant role

daugumos ligų vystymuisi gali turėti

in developing many major diseases.

aplinka ir gyvenimo būdas.

One example is fatty liver disease,

Pavyzdžiui, kepenų suriebėjimas, tai liga, kuri

which is affecting over 20 percent of the population globally,

kankina 20 procentų žmonių populiacijos globaliai.

and it has no treatment and leads to liver cancer

Ši liga nepagydoma ir sukelia kepenų vėžį

or liver failure.

arba kepenų nepakankamumą.

So sequencing DNA alone doesn't give us enough information

Taigi, vien genomo sekos iššifravimas mums nesuteikia

to find effective therapeutics.

pakankamai informacijos rasti veiksmingą ligos gydymą.

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

Iš kitos pusės, savo kūne turime daugybę kitų molekulių.

In fact, there are over 100,000 metabolites.

Išties, mūsų kūnuose yra daugiau nei 100 000 metabolitų.

Metabolites are any molecule that is supersmall in their size.

Metabolitai – tai bet kokios labai mažos molekulės.

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

Gerai žinomi pavyzdžiai yra gliukozė, fruktozė, riebalai, cholesterolis –

things we hear all the time.

dalykai, apie kuriuos nuolat girdime.

Metabolites are involved in our metabolism.

Metabolitai dalyvauja mūsų medžiagų apykaitoje.

They are also downstream of DNA,

Jie turi informaciją, susijusią tiek su mūsų genais,

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

tiek su mūsų gyvenimo būdu.

Understanding metabolites is essential to find treatments for many diseases.

Metabolitus suvokti labai svarbu, norint surasti įvairių ligų gydymą.

I've always wanted to treat patients.

Aš visuomet norėjau gydyti pacientus.

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

Nepaisant to, prieš 15 metų mečiau medicinos mokslus,

as I missed mathematics.

kadangi pasiilgau matematikos.

Soon after, I found the coolest thing:

Greitai atradau nuostabiausią dalyką:

I can use mathematics to study medicine.

aš galiu naudoti matematiką mokytis medicinos.

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

Nuo tada aš kuriu algoritmus analizuoti biologinius duomenis.

So, it sounded easy:

Tai atrodė paprastai:

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

surinkime duomenis iš visų metabolitų, esančių mūsų kūnuose,

sukurkime matematinius modelius, kaip metabolitai kinta susirgus,

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

ir tuomet sutrukdykime tiems pokyčiams, jog išgydytume ligą.

and intervene in those changes to treat them.

Then I realized why no one has done this before:

Tuomet supratau, kodėl niekas anksčiau to nedarė:

it's extremely difficult.

tai nepaprastai sudėtinga.

(Laughter)

(Juokas)

There are many metabolites in our body.

Mūsų kūnuose yra daugybė metabolitų.

Each one is different from the other one.

Jie skiriasi vienas nuo kito.

For some metabolites, we can measure their molecular mass

Mes galime pamatuoti kai kurių metabolitų molekulinę masę,

using mass spectrometry instruments.

naudojant masių spektometrijos prietaisus.

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

Bet net 10 molekulių gali turėti tokią pačią masę,

we don't know exactly what they are,

todėl mes tiksliai nežinome, kas jie yra.

and if you want to clearly identify all of them,

Norint tiksliai juos identifikuoti,

you have to do more experiments, which could take decades

turime daryti daugiau bandymų, kurie gali užtrukti dešimtmečius

and billions of dollars.

ir kainuoti milijardus dolerių.

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

Taigi mes sukūrėme dirbtinio intelekto (DI) platformą, galinčią tai padaryti.

We leveraged the growth of biological data

Mes pasinaudojome biologinių duomenų augimu

and built a database of any existing information about metabolites

ir sukūrėme duombazę, turinčią visą dabartinę informaciją apie metabolitus

and their interactions with other molecules.

ir jų sąveiką su kitomis molekulėmis.

We combined all this data as a meganetwork.

Šią informaciją mes sujungėme į didžiulį tinklą.

Then, from tissues or blood of patients,

Tuomet iš paciento audinių ar kraujo

we measure masses of metabolites

mes matuojame metabolitų masę ir randame

and find the masses that are changed in a disease.

tuos metabolitus, kurie dėl ligos yra pasikeitę.

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

Kaip minėjau anksčiau, mes nežinome, kas jie yra.

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

180 molekulinį svorį gali sverti gliukozė, galaktozė ir fruktozė.

They all have the exact same mass

Jie visi sveria tiek pat, tik

but different functions in our body.

mūsų kūnuose atlieka skirtingas funkcijas.

Our AI algorithm considered all these ambiguities.

Mūsų DI algoritmas apsvarsto visus šiuos neaiškumus.

It then mined that meganetwork

Tuomet jis atrado tinklą, kuris padėjo sužinoti

to find how those metabolic masses are connected to each other

kaip šios masės yra susijusios viena su kita,

that result in disease.

sukeliant ligą.

And because of the way they are connected,

Dėl šių sąsajų mes gebame

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

atlikti išvadą, kas iš tiesų yra kiekviena metabolito masė.

like that 180 could be glucose here,

Tas 180 čia gali būti gliukozė.

and, more importantly, to discover

Svarbiausia, dėl to mes galime atrasti

how changes in glucose and other metabolites

kaip pokyčiai gliukozėje ir kituose metabolituose

lead to a disease.

priveda iki ligos.

This novel understanding of disease mechanisms

Šis naujas ligos mechanizmų suvokimas

then enable us to discover effective therapeutics to target that.

leidžia mums atrasti veiksmingą gydymą šioms ligoms.

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

Taigi, mes įkūrėme startuolį, kad pristatytume rinkai šias technologijas

and impact people's lives.

ir pagerintume žmonių gyvenimus.

Now my team and I at ReviveMed are working to discover

Mano komanda „ReviveMed“ ir aš dirbame, jog atrastumėme

therapeutics for major diseases that metabolites are key drivers for,

gydymą ligoms, kurių atsiradimui svarbiausią įtaką daro metabolitai,

like fatty liver disease,

pavyzdžiui, kepenų nepakankamumui.

because it is caused by accumulation of fats,

Ši liga yra atsiranda susikaupus riebalams,

which are types of metabolites in the liver.

t. y. tam tikras metabolitų tipas, esantis kepenyse.

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

Kaip minėjau, tai didelė epidemija, kuri nėra pagydoma.

And fatty liver disease is just one example.

Ir tai tik vienas pavyzdys.

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

Judėdami pirmyn mes apimsime šimtus įvairių ligų,

with no treatment.

kurios neturi jokio gydymo.

And by collecting more and more data about metabolites

Renkant vis daugiau ir daugiau informacijos apie metabolitus

and understanding how changes in metabolites

ir suprantant, kaip jų pokyčiai

leads to developing diseases,

veda prie ligų vystymosi,

our algorithms will get smarter and smarter

mūsų algoritmai tobulės ir atras

to discover the right therapeutics for the right patients.

tinkamą gydymą pacientams.

And we will get closer to reach our vision

Mes einame vis arčiau savo tikslo link –

of saving lives with every line of code.

išsaugoti gyvybes su kiekviena kodo eilute.

Thank you.

Ačiū.

(Applause)

(Plojimai)