Muitas doenças são causadas por metabólitos - pequenas moléculas no corpo, como gordura, glicose e colesterol - mas não sabemos exatamente o...
Muitas doenças são causadas por metabólitos - pequenas moléculas no corpo, como gordura, glicose e colesterol - mas não sabemos exatamente o que são ou como funcionam. A empreendedora de biotecnologia e bolsista TED Leila Pirhaji compartilha o plano dela de construir uma rede baseada em IA para caracterizar padrões de metabólitos, entender melhor como certas doenças se desenvolvem e descobrir tratamentos mais eficazes.
Em 2003, quando sequenciamos o genoma humano, pensamos que teríamos a resposta para tratar muitas doenças. Mas a realidade está bem longe, porque, além de nossos genes, nosso ambiente e estilo de vida podem ter um papel significativo no desenvolvimento de muitas doenças importantes.
Um exemplo é a esteatose hepática, que afeta mais de 20% da população mundial, não tem tratamento e leva ao câncer hepático ou à insuficiência hepática. O sequenciamento do DNA por si só não nos fornece informações suficientes para encontrar terapias eficazes.
Pelo lado positivo, há muitas outras moléculas em nosso corpo. De fato, há mais de 100 mil metabólitos.
Exemplos conhecidos são glicose, frutose, gorduras, colesterol, coisas que ouvimos o tempo todo. Metabólitos estão envolvidos em nosso metabolismo. Também estão em regiões do DNA e carregam informações de nossos genes e também de nosso estilo de vida.
Sempre quis tratar pacientes. Apesar disso, há 15 anos, deixei a faculdade de medicina pois eu sentia falta da matemática. Logo depois, descobri algo incrível: posso usar a matemática para estudar medicina. Desde então, venho desenvolvendo algoritmos para analisar dados biológicos. Parecia fácil: vamos coletar dados de todos os metabólitos de nosso corpo, desenvolver modelos matemáticos para descrever como eles mudam com certas doenças e intervir nessas mudanças para tratá-las.
(Risos)
Existem muitos metabólitos em nosso corpo. Cada um é diferente do outro. Para alguns metabólitos, podemos medir a massa molecular com instrumentos de espectrometria de massa. Mas, como pode haver dez moléculas com a mesma massa, não sabemos exatamente o que são e, se quisermos identificar todas claramente, teremos que fazer mais experimentos, o que pode levar décadas e custar bilhões de dólares.
Aproveitamos o crescimento de dados biológicos e construímos um banco de dados de qualquer informação existente sobre metabólitos e suas interações com outras moléculas. Reunimos todos esses dados em uma megarrede. E a partir de tecidos ou sangue de pacientes, medimos massas de metabólitos e encontramos as massas que variam em uma doença. Mas, como mencionei antes, não sabemos exatamente o que são. Uma massa molecular de 180 poderia ser glicose, galactose ou frutose. Todas têm exatamente a mesma massa, mas funções diferentes em nosso corpo. Nosso algoritmo de IA considerou todas essas ambiguidades e explorou essa megarrede para descobrir as interconexões dessas massas metabólicas que resultam em doenças. Pela maneira como estão conectadas, conseguimos deduzir a massa de cada metabólito - como, neste exemplo, 180 poderia ser glicose - e, mais importante, descobrir como mudanças na glicose e em outros metabólitos levam a uma doença.
Assim criamos uma “startup” para levar essa tecnologia ao mercado e impactar a vida das pessoas. Agora, minha equipe e eu da ReviveMed estamos trabalhando para descobrir terapias para doenças importantes causadas por metabólitos, como a esteatose hepática, pois é causada pelo acúmulo de gorduras, que são tipos de metabólitos no fígado. Como mencionei antes, é uma epidemia enorme que não tem tratamento.
E a esteatose hepática é só um exemplo. No futuro, lidaremos com centenas de outras doenças que não têm tratamento. Ao coletar cada vez mais dados sobre metabólitos e entender como as mudanças nos metabólitos levam ao desenvolvimento de doenças, nossos algoritmos ficarão cada vez mais inteligentes para descobrir as terapias certas para os pacientes certos. E ficaremos mais próximos de alcançar nossa visão de salvar vidas com cada linha de código.
Fonte: TED
[Visto no Brasil Acadêmico]
Em 2003, quando sequenciamos o genoma humano, pensamos que teríamos a resposta para tratar muitas doenças. Mas a realidade está bem longe, porque, além de nossos genes, nosso ambiente e estilo de vida podem ter um papel significativo no desenvolvimento de muitas doenças importantes.
Um exemplo é a esteatose hepática, que afeta mais de 20% da população mundial, não tem tratamento e leva ao câncer hepático ou à insuficiência hepática. O sequenciamento do DNA por si só não nos fornece informações suficientes para encontrar terapias eficazes.
Pelo lado positivo, há muitas outras moléculas em nosso corpo. De fato, há mais de 100 mil metabólitos.
Metabólitos são quaisquer moléculas superpequenas em tamanho.
Exemplos conhecidos são glicose, frutose, gorduras, colesterol, coisas que ouvimos o tempo todo. Metabólitos estão envolvidos em nosso metabolismo. Também estão em regiões do DNA e carregam informações de nossos genes e também de nosso estilo de vida.
Compreender os metabólitos é fundamental para descobrir tratamentos para muitas doenças.
Sempre quis tratar pacientes. Apesar disso, há 15 anos, deixei a faculdade de medicina pois eu sentia falta da matemática. Logo depois, descobri algo incrível: posso usar a matemática para estudar medicina. Desde então, venho desenvolvendo algoritmos para analisar dados biológicos. Parecia fácil: vamos coletar dados de todos os metabólitos de nosso corpo, desenvolver modelos matemáticos para descrever como eles mudam com certas doenças e intervir nessas mudanças para tratá-las.
Foi aí que percebi porque ninguém havia feito isso antes: é extremamente difícil.
(Risos)
Existem muitos metabólitos em nosso corpo. Cada um é diferente do outro. Para alguns metabólitos, podemos medir a massa molecular com instrumentos de espectrometria de massa. Mas, como pode haver dez moléculas com a mesma massa, não sabemos exatamente o que são e, se quisermos identificar todas claramente, teremos que fazer mais experimentos, o que pode levar décadas e custar bilhões de dólares.
Então nós desenvolvemos uma plataforma de inteligência artificial, ou IA, para fazer isso.
Aproveitamos o crescimento de dados biológicos e construímos um banco de dados de qualquer informação existente sobre metabólitos e suas interações com outras moléculas. Reunimos todos esses dados em uma megarrede. E a partir de tecidos ou sangue de pacientes, medimos massas de metabólitos e encontramos as massas que variam em uma doença. Mas, como mencionei antes, não sabemos exatamente o que são. Uma massa molecular de 180 poderia ser glicose, galactose ou frutose. Todas têm exatamente a mesma massa, mas funções diferentes em nosso corpo. Nosso algoritmo de IA considerou todas essas ambiguidades e explorou essa megarrede para descobrir as interconexões dessas massas metabólicas que resultam em doenças. Pela maneira como estão conectadas, conseguimos deduzir a massa de cada metabólito - como, neste exemplo, 180 poderia ser glicose - e, mais importante, descobrir como mudanças na glicose e em outros metabólitos levam a uma doença.
Essa nova compreensão dos mecanismos das doenças nos permite descobrir terapias eficazes para o tratamento.
Assim criamos uma “startup” para levar essa tecnologia ao mercado e impactar a vida das pessoas. Agora, minha equipe e eu da ReviveMed estamos trabalhando para descobrir terapias para doenças importantes causadas por metabólitos, como a esteatose hepática, pois é causada pelo acúmulo de gorduras, que são tipos de metabólitos no fígado. Como mencionei antes, é uma epidemia enorme que não tem tratamento.
E a esteatose hepática é só um exemplo. No futuro, lidaremos com centenas de outras doenças que não têm tratamento. Ao coletar cada vez mais dados sobre metabólitos e entender como as mudanças nos metabólitos levam ao desenvolvimento de doenças, nossos algoritmos ficarão cada vez mais inteligentes para descobrir as terapias certas para os pacientes certos. E ficaremos mais próximos de alcançar nossa visão de salvar vidas com cada linha de código.
Fonte: TED
[Visto no Brasil Acadêmico]
Comentários