In 2003, when we sequenced the human genome, we thought we would have the answer to treat many diseases. But the reality is far from that, because in addition to our genes, our environment and lifestyle could have a significant role in developing many major diseases.
En 2003, cuando secuenciamos el genoma humano, creímos que encontraríamos la respuesta para muchas enfermedades. Pero la realidad está muy lejos de esto, porque además de nuestros genes, nuestro ambiente y estilo de vida podrían tener un rol importante en el desarrollo de varias enfermedades importantes.
One example is fatty liver disease, which is affecting over 20 percent of the population globally, and it has no treatment and leads to liver cancer or liver failure. So sequencing DNA alone doesn't give us enough information to find effective therapeutics.
Un ejemplo de esto es la enfermedad del hígado graso, que afecta a más del 20 % de la población global, no tiene tratamiento y puede causar cáncer de hígado o insuficiencia hepática. Así que, secuenciar el ADN no nos da información suficiente para encontrar tratamientos efectivos.
On the bright side, there are many other molecules in our body. In fact, there are over 100,000 metabolites. Metabolites are any molecule that is supersmall in their size. Known examples are glucose, fructose, fats, cholesterol -- things we hear all the time. Metabolites are involved in our metabolism. They are also downstream of DNA, so they carry information from both our genes as well as lifestyle. Understanding metabolites is essential to find treatments for many diseases.
El lado positivo es que hay muchas otras moléculas en nuestro cuerpo. Es más, hay más de 100 000 metabolitos. Los metabolitos son moléculas muy chiquitas en tamaño. Ejemplos conocidos serían la glucosa, la fructosa, la grasa, el colesterol, cosas que escuchamos a menudo. Los metabolitos están involucrados en nuestro metabolismo. Tienen la carga genética de nuestro ADN así que tienen información sobre nuestros genes y sobre nuestro estilo de vida. Entender los metabolitos
I've always wanted to treat patients. Despite that, 15 years ago, I left medical school, as I missed mathematics. Soon after, I found the coolest thing: I can use mathematics to study medicine. Since then, I've been developing algorithms to analyze biological data. So, it sounded easy: let's collect data from all the metabolites in our body, develop mathematical models to describe how they are changed in a disease and intervene in those changes to treat them.
puede ayudar a encontrar tratamientos para muchas enfermedades. Siempre quise tratar pacientes. A pesar de eso, hace 15 años, dejé mis estudios de Medicina porque extrañaba las matemáticas. Poco después, descubrí algo fantástico: puedo usar la matemática para estudiar medicina. Desde entonces, fui desarrollando algoritmos para analizar datos biológicos. Parecía fácil: juntemos datos de todos los metabolitos que hay en nuestro cuerpo, desarrollemos modelos matemáticos para describir cómo cambian con enfermedades y cómo intervienen en esos cambios para poder tratarlas.
Then I realized why no one has done this before: it's extremely difficult.
Pero me di cuenta por qué nadie lo había hecho antes: es extremadamente difícil.
(Laughter)
(Risas)
There are many metabolites in our body. Each one is different from the other one. For some metabolites, we can measure their molecular mass using mass spectrometry instruments. But because there could be, like, 10 molecules with the exact same mass, we don't know exactly what they are, and if you want to clearly identify all of them, you have to do more experiments, which could take decades and billions of dollars.
Hay demasiados metabolitos en nuestro cuerpo. Cada uno es diferente de otro. Para algunos metabolitos, podemos medir su masa molecular usando instrumentos de espectrometría de masas. Pero como podría haber como 10 moléculas con la misma masa no sabemos exactamente qué son, y si se quiere identificar todas claramente, hay que hacer más experimentos, lo que podría llevar décadas y miles de millones de dólares.
So we developed an artificial intelligence, or AI, platform, to do that. We leveraged the growth of biological data and built a database of any existing information about metabolites and their interactions with other molecules. We combined all this data as a meganetwork. Then, from tissues or blood of patients, we measure masses of metabolites and find the masses that are changed in a disease. But, as I mentioned earlier, we don't know exactly what they are. A molecular mass of 180 could be either the glucose, galactose or fructose. They all have the exact same mass but different functions in our body. Our AI algorithm considered all these ambiguities. It then mined that meganetwork to find how those metabolic masses are connected to each other that result in disease. And because of the way they are connected, then we are able to infer what each metabolite mass is, like that 180 could be glucose here, and, more importantly, to discover how changes in glucose and other metabolites lead to a disease. This novel understanding of disease mechanisms then enable us to discover effective therapeutics to target that.
Así que, desarrollamos una plataforma de inteligencia artificial que hace eso. Aprovechamos el crecimiento de los datos biológicos y construimos una base de datos a partir de información obtenida sobre metabolitos y sus interacciones con otras moléculas. Combinamos todos estos datos como una mega red. A partir de tejidos o de la sangre de pacientes, medimos las masas de los metabolitos y encontramos las masas que cambian en una enfermedad. Pero, cómo dije antes, no sabemos exactamente qué son. Una masa molecular de 180 podría ser glucosa o galactosa o fructosa. Todas tienen exactamente la misma masa. Pero tienen distintas funciones en nuestro cuerpo. Nuestro algoritmo de IA consideró todas estas ambigüedades. Y luego explotó toda esa mega red para encontrar como esas masas metabólicas están conectadas entre sí para causar una enfermedad. Y por la forma en la que están conectadas, podemos deducir cuál es la masa del metabolito, como esta 180 que podría ser glucosa, y más importante aún, descubrir cómo los cambios en la glucosa y otros metabolitos pueden causar enfermedades. Esta comprensión del mecanismo de las enfermedades nos deja descubrir terapias efectivas para tratar eso.
So we formed a start-up company to bring this technology to the market and impact people's lives. Now my team and I at ReviveMed are working to discover therapeutics for major diseases that metabolites are key drivers for, like fatty liver disease, because it is caused by accumulation of fats, which are types of metabolites in the liver. As I mentioned earlier, it's a huge epidemic with no treatment.
Creamos una empresa emergente para llevar esta tecnología al mercado y para cambiar la vida de la gente. Ahora mi equipo y yo en ReviveMed estamos trabajando para descubrir tratamientos para enfermedades mayores causadas por metabolitos como la enfermedad hepática, que es causada por la acumulación de grasas, que son tipos de metabolitos que se encuentran en el hígado. Como dije antes, es una epidemia gigante sin tratamiento.
And fatty liver disease is just one example. Moving forward, we are going to tackle hundreds of other diseases with no treatment. And by collecting more and more data about metabolites and understanding how changes in metabolites leads to developing diseases, our algorithms will get smarter and smarter to discover the right therapeutics for the right patients. And we will get closer to reach our vision of saving lives with every line of code.
Y la enfermedad hepática, es solo un ejemplo. Cambiando de tema, enfrentaremos cientos de otras enfermedades, que no tienen tratamiento. Conforme recolectamos más y más información sobre los metabolitos y entendemos cómo los cambios en los metabolitos llevan al desarrollo de enfermedades, nuestros algoritmos se volverán más y más inteligentes para poder descubrir los tratamientos correctos para los pacientes. Llegaremos más y más cerca a cumplir nuestra visión de salvar vidas con cada línea de programación.
Thank you.
Gracias.
(Applause)
(Aplausos)