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.
Vào năm 2003, khi giải mã trình tự bộ gen người, chúng ta đã nghĩ rằng sẽ có câu trả lời cho việc điều trị bệnh. Nhưng thực tế thì khác xa, bởi ngoài gen, môi trường và lối sống của chúng ta đóng một vai trò quan trọng trong việc gia tăng nguy cơ mắc nhiều loại bệnh nặng.
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.
Lấy bệnh gan nhiễm mỡ làm ví dụ, căn bệnh ảnh hưởng hơn 20% dân số trên toàn cầu, hiện chưa có cách điều trị, và có thể dẫn đến ung thư gan hoặc suy gan. Thế nên, giải trình tự DNA thôi chưa đủ để giúp chúng ta tìm ra phương pháp điều trị hiệu quả.
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.
Về mặt tích cực, còn có rất nhiều phân tử khác trong cơ thể chúng ta. Thực tế, có hơn 100.000 chất chuyển hoá. Chất chuyển hoá là mọi phân tử có kích thước siêu nhỏ. Các ví dụ thường được biết đến như glucose, fructose, chất béo, cholesterol-- những thứ mà ta rất hay nghe. Chất chuyển hoá này tham gia vào các quá trình trao đổi chất. Cũng là sản phẩm của DNA nên chúng mang thông tin từ cả gen cũng như lối sống của ta. Hiểu rõ chất chuyển hoá là điều kiện cần để tìm ra phương pháp điều trị bệnh.
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.
Tôi luôn mong muốn điều trị cho bệnh nhân. Tuy vậy, 15 năm trước, tôi đã rời ghế trường y, vì quá nhớ toán học. Ngay sau đó, tôi đã phát hiện ra điều tuyệt vời nhất: Tôi có thể ứng dụng toán học để học y. Kể từ đó, tôi đã phát triển các thuật toán để phân tích dữ liệu sinh học. Nghe thì có vẻ dễ dàng: hãy thu thập dữ liệu từ tất cả chất chuyển hoá trong cơ thể ta, phát triển các mô hình toán học để mô tả sự thay đổi của chúng khi có bệnh và can thiệp vào những thay đổi đó để điều trị bệnh.
Then I realized why no one has done this before: it's extremely difficult.
Sau đó, tôi nhận ra rằng tại sao không ai làm điều này trước đây: vì nó cực kỳ khó.
(Laughter)
(Tiếng cười)
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.
Có rất nhiều chất chuyển hoá trong cơ thể chúng ta. Chất này khác chất kia. Với một vài chất chuyển hoá, ta có thể đo được khối lượng phân tử bằng cách dùng dụng cụ đo phổ. Nhưng vì có thể có 10 phân tử có khối lượng phân tử hoàn toàn bằng nhau, nên không thể biết chính xác đó là gì, và nếu muốn nhận dạng chúng một cách rõ ràng, bạn phải thực hiện nhiều thí nghiệm hơn, có thể mất hàng thập kỷ và hàng tỷ đô la.
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.
Vì vậy, chúng tôi đã phát triển nền tảng trí tuệ nhân tạo, AI, để làm việc đấy. Chúng tôi đã tận dụng sự lớn mạnh của dữ liệu sinh học và xây dựng cơ sở dữ liệu về bất kì thông tin nào hiện có của chất chuyển hoá và sự tương tác của chúng với các phân tử khác. Chúng tôi tổng hợp tất cả dữ liệu này dưới dạng mạng lưới meganetwork Sau đó, từ các mô hoặc máu của bệnh nhân, chúng tôi đo khối lượng của các chất chuyển hoá và tìm ra khối lượng bị thay đổi khi mắc bệnh. Nhưng, như đã đề cập trước đó, ta không thể biết được đó là gì. Khối lượng phân tử bằng 180 có thể là hoặc glucose, glactose, hoặc fructose. Chúng đều có khối lượng hoàn toàn bằng nhau. nhưng khác nhau về chức năng trong cơ thể. Thuật toán AI của chúng tôi đã xem xét đến các sự nhập nhằng này. Sau đó, khai thác mạng lưới meganetwork để tìm ra các khối chất chuyển hoá này liên kết thế nào với nhau mà có thể gây bệnh. Từ cách chúng liên kết với nhau, ta có thể suy ra khối lượng mỗi chất chuyển hoá, như ở đây 180 có thể là glucose, và quan trọng hơn cả là tìm ra glucose và các chất chuyển hoá khác thay đổi như thế nào mà có thể dẫn đến bệnh. Hiểu biết mới về các cơ chế bệnh tật cho phép chúng tôi tìm ra phương pháp điều trị hiệu quả trúng mục tiêu.
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.
Vì vậy, chúng tôi đã thành lập công ty khởi nghiệp để mang công nghệ này ra thị trường và tác động đến cuộc sống mọi người. Hiện tại, tôi cùng đội ngũ của mình tại ReviveMed đang nỗ lực để tìm ra phương pháp điều trị cho nhiều bệnh nặng mà chất chuyển hoá là tác nhân chính, như gan nhiễm mỡ, vì nguyên nhân chính là sự tích tụ chất béo, là loại chất được chuyển hoá tại gan. Như đã đề cập trước đó, nó là một đại dịch chưa có cách trị.
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.
Và bệnh gan nhiễm mỡ chỉ là một ví dụ. Xa hơn nữa, chúng tôi sẽ giải quyết hàng trăm bệnh khác cho có cách chữa. Và bằng cách thu thập ngày càng nhiều dữ liệu về chất chuyển hoá và hiểu được sự thay đổi của chúng ảnh hưởng thế nào đến sự phát triển bệnh, thuật toán của chúng tôi sẽ ngày càng thông minh hơn để tìm ra phương pháp điều trị phù hợp đúng với bệnh nhân. Và chúng tôi sẽ tiến gần hơn đến tầm nhìn là cứu sống con người qua từng dòng code.
Thank you.
Xin cảm ơn.
(Applause)
(Vỗ tay)