The medical potential of AI and metabolites | Leila Pirhaji

Çeviri: Aysu Toprak Gözden geçirme: Nevaz Mescioğlu

In 2003,

2003 yılında,

when we sequenced the human genome,

insan genomunu düzenlediğimizde

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

birçok hastalığın tedavisini bulacağımızı düşünmüştük.

But the reality is far from that,

Fakat gerçekler bundan daha farklı

because in addition to our genes,

çünkü genlerimizin yanı sıra

our environment and lifestyle could have a significant role

ciddi hastalıklara yakalanmamızda çevrenin ve yaşam biçiminin de

in developing many major diseases.

büyük rolü var.

One example is fatty liver disease,

Bunun bir örneği yağlı karaciğer hastalığı,

which is affecting over 20 percent of the population globally,

bütün dünyanın %20'sini etkileyen bir hastalık,

and it has no treatment and leads to liver cancer

hiçbir tedavisi yok ve karaciğer kanserine

or liver failure.

veya karaciğer yetmezliğine yol açıyor.

So sequencing DNA alone doesn't give us enough information

Yani DNA dizisi bize etkili tedavi bulmak için

to find effective therapeutics.

yeterli bilgi vermez.

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

Olumlu yönden bakarsak vücudumuzda birçok diğer molekül bulunmakta.

In fact, there are over 100,000 metabolites.

Hatta 100.000'den fazla metabolit mevcut.

Metabolites are any molecule that is supersmall in their size.

Metabolitler, çok küçük moleküllerdir.

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

Bilinen örnekleri glikoz, fruktoz, yağlar, kolesterol.

things we hear all the time.

Her zaman duyduğumuz şeyler.

Metabolites are involved in our metabolism.

Metabolitlerin metabolizmada işlevleri var.

They are also downstream of DNA,

Ayrıca DNA'nın birer parçası,

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

yani hem genlerimiz hem de yaşam tarzımız ile ilgili bilgi taşırlar.

Understanding metabolites is essential to find treatments for many diseases.

Metabolitleri anlamak, birçok hastalığa tedavi bulmak için önemli.

I've always wanted to treat patients.

Her zaman hastaları tedavi etmek istemiştim.

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

Buna rağmen 15 yıl önce tıp okulundan ayrıldım

as I missed mathematics.

çünkü matematiği özlemiştim.

Soon after, I found the coolest thing:

Kısa bir süre sonra çok güzel bir şey öğrendim.

I can use mathematics to study medicine.

Tıp alanında çalışmak için matematik kullanabilirdim.

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

O zamandan beri biyolojik veri analizi için algoritmalar geliştiriyorum.

So, it sounded easy:

Sözde kulağa kolay geliyor:

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

Hadi bütün vücudumuzdaki metabolitlerden bilgi toplayalım,

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

bir hastalıkta nasıl değiştiklerini açıklayan matematiksel modeller yapalım

and intervene in those changes to treat them.

ve bu değişikliklere engel olarak hastalığı tedavi edelim.

Then I realized why no one has done this before:

Sonra neden bunu daha önce kimsenin denemediğini anladım,

it's extremely difficult.

bu aşırı derecede zor bir iş.

(Laughter)

(Gülüşmeler)

There are many metabolites in our body.

Vücudumuzda çok fazla metabolit var.

Each one is different from the other one.

Her biri birbirinden farklı.

For some metabolites, we can measure their molecular mass

Bazı metabolitlerin kütlesini,

kütle spektrometresi aletleri kullanarak hesaplayabiliyoruz.

using mass spectrometry instruments.

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

Ama aynı kütleye sahip olan diyelim ki 10 tane molekül olabileceği için

we don't know exactly what they are,

tam olarak ne olduklarını bilmiyoruz

and if you want to clearly identify all of them,

ve eğer hepsini tek tek ayırt etmek istiyorsak

you have to do more experiments, which could take decades

daha çok deneyler yapmamız gerekir, bu da onlarca yıla

and billions of dollars.

ve milyarlarca dolara mal olur.

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

Biz de bunu yapması için bir yapay zekâ ya da AI platformu geliştirdik.

We leveraged the growth of biological data

Biyolojik verinin büyümesine katkıda bulunduk,

and built a database of any existing information about metabolites

metabolitlerle ve onların diğer moleküllerle tepkimelerini kapsayan

and their interactions with other molecules.

her bilgiyle bir veri tabanı oluşturduk.

We combined all this data as a meganetwork.

Bu verinin hepsini bir mega ağda topladık.

Then, from tissues or blood of patients,

Sonrasında dokudan veya hastalarımızın kanından,

we measure masses of metabolites

metabolitlerin kütlelerini hesapladık

and find the masses that are changed in a disease.

ve bir hastalıkta değişen kütleleri bulduk.

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

Ama önceden de belirttiğim gibi tam olarak ne olduklarını bilmiyoruz.

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

Moleküler kütlesi 180 ise glukoz, galaktoz veya fruktoz olabilir.

They all have the exact same mass

Hepsinin kütlesi aynı

but different functions in our body.

fakat işlevi farklı.

Our AI algorithm considered all these ambiguities.

Bizim yapay zekâ algoritmamız bu belirsizlikleri göze alıyor.

It then mined that meganetwork

Sonra da mega ağın derinliklerine inip

to find how those metabolic masses are connected to each other

hastalığa sebep olan metabolik kütlelerin

that result in disease.

birbirlerine bağlantısını buluyor.

And because of the way they are connected,

Ve bağlanma şekillerinden yola çıkarak

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

her metabolitin kütlesini bulabiliyoruz,

like that 180 could be glucose here,

mesela buradaki 180 glukoz olabilir

and, more importantly, to discover

ve daha da önemlisi glukoz ve diğer metabolitlerdeki değişimlerin

how changes in glucose and other metabolites

nasıl hastalıklara yol açtığını keşfediyoruz.

lead to a disease.

This novel understanding of disease mechanisms

Hastalık mekanizmasına olan yeni anlayışımız da

then enable us to discover effective therapeutics to target that.

onu hedef alan tedaviler geliştirmemize olanak sağlıyor.

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

Biz de bu teknolojiyi markete sunmak ve insanların hayatlarını etkilemek

and impact people's lives.

amacıyla bir şirket oluşturduk.

Now my team and I at ReviveMed are working to discover

Şimdi benim takımım ve ben, ReviveMed'te metabolitlerin

therapeutics for major diseases that metabolites are key drivers for,

ana sorun olduğu hastalıklara tedavi bulmak için çalışıyoruz,

like fatty liver disease,

mesela yağlı karaciğer hastalığı gibi

because it is caused by accumulation of fats,

çünkü bu hastalık, karaciğerdeki metabolit tipleri olan

which are types of metabolites in the liver.

yağların birikmesi ile ortaya çıkar.

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

Daha önce de bahsettiğim gibi bu, tedavisi olmayan çok yaygın bir hastalık.

And fatty liver disease is just one example.

Ve yağlı karaciğer hastalığı sadece bir örnek.

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

İleride, tedavisi olmayan birçok hastalığı ele alacağız.

with no treatment.

And by collecting more and more data about metabolites

Ve metabolitler hakkında daha çok veri topladıkça

and understanding how changes in metabolites

ve metabolitlerdeki değişimin nasıl hastalığa dönüştüğünü anladıkça

leads to developing diseases,

our algorithms will get smarter and smarter

algoritmamız daha da zeki olacak

to discover the right therapeutics for the right patients.

ve doğru hastalar için doğru tedavileri keşfedecek.

And we will get closer to reach our vision

Ve yazdığımız her bir satır kod ile

of saving lives with every line of code.

hayat kurtarma amacımıza daha çok yaklaşmış olacağız.

Thank you.

Teşekkür ederim.

(Applause)

(Alkışlar)