How we're using AI to discover new antibiotics | Jim Collins

41,088 views ・ 2020-05-26

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Hester van Beers Nagekeken door: Rik Delaet
00:12
So how are we going to beat this novel coronavirus?
0
12917
2908
Hoe gaan we dit nieuwe coronavirus verslaan?
00:16
By using our best tools:
1
16317
2631
Door onze beste gereedschappen te gebruiken:
00:18
our science and our technology.
2
18972
2039
onze wetenschap en technologie.
00:21
In my lab, we're using the tools of artificial intelligence
3
21594
3132
In mijn lab gebruiken we kunstmatige intelligentie
00:24
and synthetic biology
4
24750
1579
en synthetische biologie
00:26
to speed up the fight against this pandemic.
5
26353
3060
om het gevecht tegen deze pandemie te versnellen.
00:30
Our work was originally designed
6
30078
1863
Ons werk was oorspronkelijk bedoeld
00:31
to tackle the antibiotic resistance crisis.
7
31965
2853
om iets te doen aan de crisis rond antibioticaresistentie.
00:34
Our project seeks to harness the power of machine learning
8
34842
4689
Met ons project willen we de kracht van machinaal leren gebruiken
00:39
to replenish our antibiotic arsenal
9
39555
1846
om ons antibiotica-arsenaal aan te vullen
00:41
and avoid a globally devastating postantibiotic era.
10
41425
3838
en een wereldwijde ramp van antibioticaresistentie te voorkomen.
00:45
Importantly, the same technology can be used
11
45685
2820
Dezelfde technologie kan worden gebruikt
00:48
to search for antiviral compounds
12
48529
2072
om antivirale verbindingen te zoeken
00:50
that could help us fight the current pandemic.
13
50625
2678
die ons kunnen helpen om de pandemie te bevechten.
00:54
Machine learning is turning the traditional model of drug discovery
14
54080
3902
Machinaal leren zet de gewone manier van het ontdekken van medicijnen
00:58
on its head.
15
58006
1404
op zijn kop.
00:59
With this approach,
16
59434
1225
Met deze aanpak,
01:00
instead of painstakingly testing thousands of existing molecules
17
60683
4078
in plaats van het een voor een testen van duizenden bestaande moleculen
01:04
one by one in a lab
18
64785
1436
in een lab
01:06
for their effectiveness,
19
66245
1587
op hun effectiviteit,
01:07
we can train a computer to explore the exponentially larger space
20
67856
4657
kunnen we een computer trainen om de veel grotere ruimte te verkennen
01:12
of essentially all possible molecules that could be synthesized,
21
72537
3584
van alle mogelijke moleculen die gesynthetiseerd kunnen worden,
01:16
and thus, instead of looking for a needle in a haystack,
22
76145
5614
en dus, in plaats van het zoeken van een speld in een hooiberg,
01:21
we can use the giant magnet of computing power
23
81783
3760
kunnen we de enorme magneet van de rekenkracht gebruiken
01:25
to find many needles in multiple haystacks simultaneously.
24
85567
3915
om veel naalden te vinden in meerdere hooibergen tegelijk.
01:30
We've already had some early success.
25
90423
1992
We hebben al wat vroege successen gehad.
01:33
Recently, we used machine learning to discover new antibiotics
26
93010
5465
We hebben machinaal leren gebruikt om nieuwe antibiotica te ontdekken
01:38
that can help us fight off the bacterial infections
27
98499
2560
die ons helpen om bacteriële infecties te bevechten
01:41
that can occur alongside SARS-CoV-2 infections.
28
101083
3611
die naast SARS-CoV-2-infecties kunnen voorkomen.
01:45
Two months ago, TED's Audacious Project approved funding for us
29
105181
4169
Twee maanden geleden keurde het project van TED onze financiering goed
01:49
to massively scale up our work
30
109374
2188
om ons werk enorm op te schalen
01:51
with the goal of discovering seven new classes of antibiotics
31
111586
4628
om zeven nieuwe soorten antibiotica te ontdekken
01:56
against seven of the world's deadly bacterial pathogens
32
116238
3483
tegen zeven van 's werelds dodelijkste bacteriële ziekteverwekkers
01:59
over the next seven years.
33
119745
2055
in de komende zeven jaar.
02:02
For context:
34
122206
1733
Voor de context:
02:03
the number of new class of antibiotics
35
123963
1928
Het aantal nieuwe soorten antibiotica
02:05
that have been discovered over the last three decades is zero.
36
125915
3235
dat de laatste drie decennia is ontdekt, is nul.
02:10
While the quest for new antibiotics is for our medium-term future,
37
130030
3571
Terwijl het zoeken naar nieuwe antibiotica voor de iets langere termijn is,
02:13
the novel coronavirus poses an immediate deadly threat,
38
133625
4652
vormt het nieuwe coronavirus een onmiddellijk doodsgevaar,
02:18
and I'm excited to share that we think we can use the same technology
39
138301
3793
en ik wil graag delen dat we denken dezelfde technologie te kunnen gebruiken
02:22
to search for therapeutics to fight this virus.
40
142118
2809
om medicijnen te zoeken tegen dit virus.
02:25
So how are we going to do it?
41
145486
1719
Dus hoe gaan we het doen?
02:27
Well, we're creating a compound training library
42
147229
2948
We maken een bibliotheek van verbindingen
02:30
and with collaborators applying these molecules to SARS-CoV-2-infected cells
43
150201
5542
en we passen deze moleculen toe op cellen die geïnfecteerd zijn met SARS-CoV-2
02:35
to see which of them exhibit effective activity.
44
155767
3894
om te zien welke effectief zijn.
02:40
These data will be use to train a machine learning model
45
160175
3192
Deze data wordt gebruikt om een machinaal leren-model te trainen
02:43
that will be applied to an in silico library of over a billion molecules
46
163391
4070
dat wordt toegepast op een computerbieb met meer dan een miljard moleculen
02:47
to search for potential novel antiviral compounds.
47
167485
4204
om mogelijke nieuwe antivirale verbindingen te vinden.
02:52
We will synthesize and test the top predictions
48
172324
2658
We gaan de beste voorspellingen synthetiseren en testen
02:55
and advance the most promising candidates into the clinic.
49
175006
2889
en de meest veelbelovende naar de kliniek brengen.
02:58
Sound too good to be true?
50
178356
1778
Klinkt dit te goed om waar te zijn?
03:00
Well, it shouldn't.
51
180158
1432
Dat zou niet moeten.
03:01
The Antibiotics AI Project is founded on our proof of concept research
52
181614
3325
De financiering van dit project is gebaseerd op ons onderzoek
03:04
that led to the discovery of a novel broad-spectrum antibiotic
53
184963
3401
dat leidde tot de ontdekking van een breed toepasbaar antibioticum
03:08
called halicin.
54
188388
1185
dat halicine heet.
03:10
Halicin has potent antibacterial activity
55
190443
2813
Halicine heeft krachtige antibacteriële activiteit
03:13
against almost all antibiotic-resistant bacterial pathogens,
56
193280
4102
tegen bijna alle antibioticaresistente bacteriële ziekteverwekkers,
03:17
including untreatable panresistant infections.
57
197406
3641
inclusief onbehandelbare infecties die overal tegen bestand zijn.
03:21
Importantly, in contrast to current antibiotics,
58
201862
2270
In tegenstelling tot bij huidige antibiotica
03:24
the frequency at which bacteria develop resistance against halicin
59
204156
3694
is de frequentie waarmee bacteriën resistentie ontwikkelen tegen halicine
03:27
is remarkably low.
60
207874
1484
opmerkelijk laag.
03:30
We tested the ability of bacteria to evolve resistance against halicin
61
210303
4710
We testten het vermogen van bacteriën om resistent te worden tegen halicine
03:35
as well as Cipro in the lab.
62
215037
1788
en tegen Cipro in het lab.
03:37
In the case of Cipro,
63
217299
1542
In het geval van Cipro
03:38
after just one day, we saw resistance.
64
218865
2825
zagen we na één dag al resistentie.
03:42
In the case of halicin,
65
222213
1478
In het geval van halicine
03:43
after one day, we didn't see any resistance.
66
223715
2115
zagen we na één dag geen resistentie.
03:46
Amazingly, after even 30 days,
67
226479
3302
Zelfs na 30 dagen zagen we verbazingwekkend genoeg
03:49
we didn't see any resistance against halicin.
68
229805
2601
geen resistentie tegen halicine.
03:53
In this pilot project, we first tested roughly 2,500 compounds against E. coli.
69
233098
5526
In dit proefproject testten we eerst ongeveer 2500 verbindingen tegen E. coli.
03:59
This training set included known antibiotics,
70
239259
2780
In deze trainingsset zaten bekende antibiotica
04:02
such as Cipro and penicillin,
71
242063
1746
zoals Cipro en penicilline,
04:03
as well as many drugs that are not antibiotics.
72
243833
2272
naast veel medicijnen die geen antibiotica zijn.
04:06
These data we used to train a model
73
246984
2587
We gebruikten deze data om een model te trainen
04:09
to learn molecular features associated with antibacterial activity.
74
249595
3978
om moleculaire kenmerken te leren die horen bij antibacteriële activiteit.
04:14
We then applied this model to a drug-repurposing library
75
254269
2701
We pasten dit model toe op een bibliotheek van medicijnen
04:16
consisting of several thousand molecules
76
256994
2478
met duizenden moleculen
04:19
and asked the model to identify molecules
77
259496
2618
en we vroegen het model om te voorspellen
04:22
that are predicted to have antibacterial properties
78
262138
2784
welke moleculen antibacteriële eigenschappen hebben,
04:24
but don't look like existing antibiotics.
79
264946
2473
maar die niet lijken op bestaande antibiotica.
04:28
Interestingly, only one molecule in that library fit these criteria,
80
268427
4797
Interessant genoeg voldeed slechts één molecuul aan deze criteria,
04:33
and that molecule turned out to be halicin.
81
273248
2336
en dat molecuul bleek halicine te zijn.
04:36
Given that halicin does not look like any existing antibiotic,
82
276444
3088
Omdat halicine niet lijkt op een bestaand antibioticum,
04:39
it would have been impossible for a human, including an antibiotic expert,
83
279556
4154
was het onmogelijk geweest voor een mens, ook voor een expert in antibiotica,
04:43
to identify halicin in this manner.
84
283734
2184
om halicine op deze manier te vinden.
04:46
Imagine now what we could do with this technology
85
286574
2630
Stel je voor wat we met deze technologie kunnen doen
04:49
against SARS-CoV-2.
86
289228
1741
tegen SARS-CoV-2.
04:51
And that's not all.
87
291783
1365
En dat is nog niet alles.
We gebruiken ook de gereedschappen van de synthetische biologie,
04:53
We're also using the tools of synthetic biology,
88
293172
2820
04:56
tinkering with DNA and other cellular machinery,
89
296016
2611
we sleutelen met DNA en andere cellulaire mechanismen
04:58
to serve human purposes like combating COVID-19,
90
298651
3910
om de mens te dienen, bijvoorbeeld door COVID-19 te bevechten.
05:02
and of note, we are working to develop a protective mask
91
302585
3647
We werken ook aan een beschermend masker
05:06
that can also serve as a rapid diagnostic test.
92
306256
3432
dat ook dienstdoet als een snelle diagnostische test.
05:10
So how does that work?
93
310192
1472
Hoe werkt dat?
05:11
Well, we recently showed
94
311688
1205
Kortgeleden toonden we aan
05:12
that you can take the cellular machinery out of a living cell
95
312917
2943
dat je onderdelen uit een levende cel kunt halen
05:15
and freeze-dry it along with RNA sensors onto paper
96
315884
4092
en op papier kunt invriezen samen met RNA-sensoren
05:20
in order to create low-cost diagnostics for Ebola and Zika.
97
320000
4916
om goedkope diagnostische materialen te maken voor ebola en zika.
05:25
The sensors are activated when they're rehydrated by a patient sample
98
325503
5227
De sensoren worden geactiveerd door rehydratatie met een patiëntmonster
05:30
that could consist of blood or saliva, for example.
99
330754
2822
van bijvoorbeeld bloed of speeksel.
05:33
It turns out, this technology is not limited to paper
100
333600
3261
Het blijkt dat deze technologie niet beperkt is tot papier
05:36
and can be applied to other materials, including cloth.
101
336885
2886
en op andere materialen kan worden toegepast, inclusief stof.
05:40
For the COVID-19 pandemic,
102
340671
1942
Voor de COVID-19-pandemie
05:42
we're designing RNA sensors to detect the virus
103
342637
4346
ontwerpen we RNA-sensoren om het virus te detecteren
05:47
and freeze-drying these along with the needed cellular machinery
104
347007
3210
en vriezen we deze in, samen met de benodigde celonderdelen,
05:50
into the fabric of a face mask,
105
350241
2707
in de stof van een gezichtsmasker
05:52
where the simple act of breathing,
106
352972
2229
waarbij het ademen,
05:55
along with the water vapor that comes with it,
107
355225
2277
met de waterdamp die daarbij vrijkomt,
05:57
can activate the test.
108
357526
1760
de test activeert.
05:59
Thus, if a patient is infected with SARS-CoV-2,
109
359804
4260
Als een patiënt dus geïnfecteerd is met SARS-CoV-2,
06:04
the mask will produce a fluorescent signal
110
364088
2073
produceert het masker een fluorescent signaal
06:06
that could be detected by a simple, inexpensive handheld device.
111
366185
3830
dat met een simpel, goedkoop handapparaat kan worden gedetecteerd.
06:10
In one or two hours, a patient could thus be diagnosed
112
370534
4484
Binnen een of twee uur kan een patiënt dus gediagnosticeerd worden,
06:15
safely, remotely and accurately.
113
375042
2972
veilig, nauwkeurig en op afstand.
06:18
We're also using synthetic biology
114
378735
2520
We gebruiken synthetische biologie ook
06:21
to design a candidate vaccine for COVID-19.
115
381279
2720
om een mogelijk vaccin te ontwikkelen tegen COVID-19.
06:25
We are repurposing the BCG vaccine,
116
385014
2653
We gebruiken het BCG-vaccin,
06:27
which had been used against TB for almost a century.
117
387691
2870
dat al bijna een eeuw lang tegen TB is gebruikt.
06:30
It's a live attenuated vaccine,
118
390585
1541
Het is een levend, verzwakt vaccin
06:32
and we're engineering it to express SARS-CoV-2 antigens,
119
392150
4657
en we maken het met SARS-CoV-2-antigenen,
06:36
which should trigger the production of protective antibodies
120
396831
2814
die beschermende antilichamen zouden moeten laten produceren
06:39
by the immune system.
121
399669
1635
door het immuunsysteem.
06:41
Importantly, BCG is massively scalable
122
401328
2734
Belangrijk is dat BCG erg goed op te schalen is
06:44
and has a safety profile that's among the best of any reported vaccine.
123
404086
4573
en een van de beste veiligheidsprofielen heeft van alle gerapporteerde vaccins.
06:49
With the tools of synthetic biology and artificial intelligence,
124
409881
5105
Met synthetische biologie en kunstmatige intelligentie
06:55
we can win the fight against this novel coronavirus.
125
415010
3348
kunnen we het gevecht tegen dit nieuwe coronavirus winnen.
06:58
This work is in its very early stages, but the promise is real.
126
418844
3319
Dit project staat in de kinderschoenen, maar is veelbelovend.
07:02
Science and technology can give us an important advantage
127
422798
3445
Wetenschap en technologie kunnen ons een belangrijk voordeel geven
07:06
in the battle of human wits versus the genes of superbugs,
128
426267
3161
in de strijd tussen menselijk verstand en genen van supervirussen,
07:09
a battle we can win.
129
429452
1747
een strijd die we kunnen winnen.
07:11
Thank you.
130
431990
1233
Dank jullie wel.
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7