ABOUT THE SPEAKER
Jack Horner - Dinosaur digger
Jack Horner and his dig teams have discovered the first evidence of parental care in dinosaurs, extensive nesting grounds, evidence of dinosaur herds, and the world’s first dinosaur embryos. He's now exploring how to build a dinosaur.

Why you should listen

Paleontologist Jack Horner discovered the first dinosaur eggs in the Western Hemisphere, the first evidence of dinosaur colonial nesting, the first evidence of parental care among dinosaurs, and the first dinosaur embryos.

Horner's research covers a wide range of topics about dinosaurs, including their behavior, physiology, ecology and evolution. Due to struggles with the learning disability, dyslexia, Horner does not hold a formal college degree but was awarded an Honorary Doctorate of Science from the University of Montana in 1986. Also in 1986 he was awarded a MacArthur Fellowship.

He's the Curator of Paleontology at the Museum of the Rockies in Bozeman, Montana, and is widely acknowledged to be the inspiration for the main character in the book and film Jurassic Park.

More profile about the speaker
Jack Horner | Speaker | TED.com
TED2011

Jack Horner: Building a dinosaur from a chicken

Jack Horner: Einen Dinosaurier aus einem Huhn erschaffen

Filmed:
3,387,976 views

Der renommierte Paläontologe Jack Horner hat seine Karriere dem Versuch gewidmet, einen Dinosaurier zur rekonstruieren. Er fand Fossilien mit außerordentlich gut erhaltenen Blutgefäßen und Gewebe, aber niemals eine intakte DNA. Ein neuer Ansatz ist also, einen lebenden Nachkommen der Dinosaurier (Hühner) genetisch zu verändern, um die Charakteristiken der Vorfahren zu reaktivieren - inklusive Zähnen, Schwänzen und sogar Händen - und einen "Huhnosaurus" zu erschaffen.
- Dinosaur digger
Jack Horner and his dig teams have discovered the first evidence of parental care in dinosaurs, extensive nesting grounds, evidence of dinosaur herds, and the world’s first dinosaur embryos. He's now exploring how to build a dinosaur. Full bio

Double-click the English transcript below to play the video.

00:15
When I was growingwachsend up in MontanaMontana,
0
0
4000
Während meiner Kindheit in Montana
00:19
I had two dreamsTräume.
1
4000
3000
hatte ich zwei Träume.
00:22
I wanted to be a paleontologistPaläontologe,
2
7000
2000
Ich wollte ein Paläontologe werden,
00:24
a dinosaurDinosaurier paleontologistPaläontologe,
3
9000
2000
ein Paläontologe für Dinosaurier,
00:26
and I wanted to have a petHaustier dinosaurDinosaurier.
4
11000
3000
und ich wollte einen Dinosaurier als Haustier haben.
00:29
And so that's what I've been strivingStreben for
5
14000
3000
Mein ganzes Leben lang habe ich also
00:32
all of my life.
6
17000
3000
danach gestrebt.
00:35
I was very fortunatedas Glück
7
20000
2000
Ich hatte zu Beginn meiner Karriere
00:37
earlyfrüh in my careerKarriere.
8
22000
2000
sehr viel Glück.
00:39
I was fortunatedas Glück
9
24000
2000
Ich hatte das Glück,
00:41
in findingErgebnis things.
10
26000
2000
Sachen zu finden.
00:43
I wasn'twar nicht very good at readingLesen things.
11
28000
2000
Ich war nicht sehr gut im Lesen von Dingen.
00:45
In factTatsache, I don't readlesen much of anything.
12
30000
3000
Tatsächlich lese ich überhaupt nicht viel.
00:48
I am extremelyäußerst dyslexicLegastheniker,
13
33000
2000
Ich habe stark ausgeprägte Dyslexie
00:50
and so readingLesen is the hardesthärteste thing I do.
14
35000
3000
und deshalb fällt mir Lesen besonders schwer.
00:53
But insteadstattdessen, I go out and I find things.
15
38000
3000
Stattdessen gehe ich raus und finde Sachen.
00:56
Then I just pickwähle things up.
16
41000
2000
Ich hebe einfach Sachen vom Boden auf.
00:58
I basicallyGrundsätzlich gilt practicetrainieren for findingErgebnis moneyGeld on the streetStraße.
17
43000
3000
Ich übe eigentlich, Geld auf der Straße zu finden.
01:01
(LaughterLachen)
18
46000
2000
(Lachen)
01:03
And I wanderWandern about the hillsHügel,
19
48000
2000
Und ich ziehe über die Hügel.
01:05
and I have foundgefunden a fewwenige things.
20
50000
3000
Und ich habe ein paar Sachen gefunden.
01:08
And I have been fortunatedas Glück enoughgenug
21
53000
3000
Ich hatte genug Glück
01:11
to find things like the first eggsEiern in the WesternWestern hemisphereHemisphäre
22
56000
5000
Sachen zu finden wie die ersten Eier in der westlichen Hemisphäre
01:16
and the first babyBaby dinosaursDinosaurier in nestsNester,
23
61000
4000
und die ersten Baby-Dinosaurier im Nest,
01:20
the first dinosaurDinosaurier embryosEmbryonen
24
65000
2000
die ersten Dinosaurier-Embryos
01:22
and massivemassiv accumulationsAnsammlungen of bonesKnochen.
25
67000
4000
und große Anhäufungen von Knochen.
01:26
And it happenedpassiert to be at a time
26
71000
2000
Und es war zufällig zu einer Zeit,
01:28
when people were just startingbeginnend to beginStart to realizerealisieren
27
73000
4000
als die Leute gerade erst begannen zu begreifen,
01:32
that dinosaursDinosaurier weren'twaren nicht the biggroß, stupidblöd, greenGrün reptilesReptilien
28
77000
4000
dass die Dinosaurier keine großen, dummen, grünen Reptilien waren,
01:36
that people had thought for so manyviele yearsJahre.
29
81000
3000
was die Leute so viele Jahre lang gedacht hatten.
01:39
People were startingbeginnend to get an ideaIdee
30
84000
2000
Die Leute begannen sich mit der Idee anzufreunden,
01:41
that dinosaursDinosaurier were specialbesondere.
31
86000
2000
dass Dinosaurier besonders waren.
01:43
And so, at that time,
32
88000
3000
Und so war es mir damals
01:46
I was ablefähig to make some interestinginteressant hypothesesHypothesen
33
91000
3000
möglich gemeinsam mit meinen Kollegen
01:49
alongeine lange with my colleaguesKollegen.
34
94000
2000
einige interessante Hypothesen aufzustellen.
01:51
We were ablefähig to actuallytatsächlich say
35
96000
2000
Wir konnten schließlich feststellen,
01:53
that dinosaursDinosaurier -- basedbasierend on the evidenceBeweise we had --
36
98000
3000
dass Dinosaurier -- anhand unserer verfügbaren Belege --
01:56
that dinosaursDinosaurier builtgebaut nestsNester
37
101000
3000
dass Dinosaurier Nester bauten
01:59
and livedlebte in coloniesKolonien
38
104000
3000
und in Kolonien lebten
02:02
and caredgepflegt for theirihr youngjung,
39
107000
2000
und sich um ihre Jungen kümmerten,
02:04
broughtgebracht foodLebensmittel to theirihr babiesBabys
40
109000
2000
ihren Babies Nahrung brachten
02:06
and traveledbereist in giganticgigantische herdsHerden.
41
111000
3000
und in riesigen Herden unterwegs waren.
02:09
So it was prettyziemlich interestinginteressant stuffSachen.
42
114000
3000
Das war also ziemlich interessantes Zeugs.
02:12
I have goneWeg on to find more things
43
117000
3000
Ich habe weiter gesucht
02:15
and discoverentdecken that dinosaursDinosaurier really were very socialSozial.
44
120000
4000
und entdeckt, dass Dinosaurier wirklich sehr sozial waren.
02:19
We have foundgefunden a lot of evidenceBeweise
45
124000
3000
Wir haben viele Belege dafür gefunden,
02:22
that dinosaursDinosaurier changedgeändert
46
127000
2000
dass Dinosaurier sich veränderten
02:24
from when they were juvenilesJugendliche to when they were adultsErwachsene.
47
129000
2000
in ihrer Entwicklung von Jung- zu Alttieren.
02:26
The appearanceAussehen of them would have been differentanders --
48
131000
3000
Ihr Aussehen war vermutlich unterschiedlich --
02:29
whichwelche it is in all socialSozial animalsTiere.
49
134000
2000
wie bei allen sozialen Tierarten.
02:31
In socialSozial groupsGruppen of animalsTiere,
50
136000
2000
In Gruppen sozialer Tiere
02:33
the juvenilesJugendliche always look differentanders than the adultsErwachsene.
51
138000
3000
sehen die Jungtiere immer anders aus als die Alttiere.
02:36
The adultsErwachsene can recognizeerkenne the juvenilesJugendliche;
52
141000
2000
Die Alttiere können die Jungtiere erkennen,
02:38
the juvenilesJugendliche can recognizeerkenne the adultsErwachsene.
53
143000
2000
die Jungtiere können die Alttiere erkennen.
02:40
And so we're makingHerstellung a better pictureBild
54
145000
3000
Wir machen uns so ein besseres Bild
02:43
of what a dinosaurDinosaurier lookssieht aus like.
55
148000
2000
vom Aussehen der Dinosaurier.
02:45
And they didn't just all chaseChase JeepsJeeps around.
56
150000
3000
Nicht alle haben Jeeps gejagt.
02:48
(LaughterLachen)
57
153000
2000
(Lachen)
02:50
But it is that socialSozial thing
58
155000
3000
Doch dieser soziale Aspekt
02:53
that I guessvermuten attractedangezogen MichaelMichael CrichtonCrichton.
59
158000
4000
hat wohl Michael Crichton gereizt.
02:57
And in his bookBuch, he talkedsprach about the socialSozial animalsTiere.
60
162000
4000
In seinem Buch ist von den sozialen Tieren die Rede.
03:01
And then StevenSteven SpielbergSpielberg, of courseKurs,
61
166000
2000
Steven Spielberg stellt diese
03:03
depictszeigt these dinosaursDinosaurier
62
168000
2000
Dinosaurier natürlich als
03:05
as beingSein very socialSozial creaturesKreaturen.
63
170000
3000
sehr soziale Kreaturen dar.
03:08
The themeThema of this storyGeschichte is buildingGebäude a dinosaurDinosaurier,
64
173000
2000
Es geht hier darum, einen Dinosaurier zu erschaffen,
03:10
and so we come to that partTeil of "JurassicJurassic ParkPark."
65
175000
4000
deshalb kommen wir nun zu "Jurassic Park".
03:14
MichaelMichael CrichtonCrichton really was one of the first people
66
179000
3000
Michael Crichton war einer der ersten Menschen,
03:17
to talk about bringingbringt dinosaursDinosaurier back to life.
67
182000
4000
der davon sprach, Dinosaurier zum Leben zu erwecken.
03:21
You all know the storyGeschichte, right.
68
186000
2000
Sie alle kennen die Geschichte, ja?
03:23
I mean, I assumeannehmen everyonejeder here has seengesehen "JurassicJurassic ParkPark."
69
188000
3000
Vermutlich hat jeder hier "Jurassic Park" gesehen.
03:26
If you want to make a dinosaurDinosaurier,
70
191000
2000
Wenn du einen Dinosaurier erschaffen willst,
03:28
you go out, you find yourselfdich selber a pieceStück of petrifiedversteinert treeBaum sapSAP --
71
193000
4000
geh los, finde ein Stück versteinerten Baumsaft --
03:32
otherwiseAndernfalls knownbekannt as amberBernstein --
72
197000
2000
auch als Bernstein bekannt --
03:34
that has some blood-suckingBlut-saugen insectsInsekten in it,
73
199000
3000
in dem ein paar blutsaugende Insekten eingeschlossen sind,
03:37
good onesEinsen,
74
202000
2000
gut erhaltene,
03:39
and you get your insectInsekt and you drillbohren into it
75
204000
3000
dann löst du das Insekt heraus und bohrst in es hinein
03:42
and you sucksaugen out some DNADNA,
76
207000
2000
und saugst etwas DNA heraus,
03:44
because obviouslyoffensichtlich all insectsInsekten that suckedgesaugt bloodBlut in those daysTage
77
209000
3000
denn natürlich haben alle blutsaugenden Insekten damals
03:47
suckedgesaugt dinosaurDinosaurier DNADNA out.
78
212000
3000
Dinosaurier-DNS herausgesaugt.
03:50
And you take your DNADNA back to the laboratoryLabor
79
215000
3000
Du bringst die DNS ins Labor
03:53
and you cloneKlon it.
80
218000
3000
und klonst sie.
03:56
And I guessvermuten you injectinjizieren it into maybe an ostrichStrauß eggEi,
81
221000
3000
Du wirst es wohl in ein Straußenei injizieren
03:59
or something like that,
82
224000
2000
oder in etwas Ähnliches.
04:01
and then you wait,
83
226000
2000
Dann wartest du
04:03
and, lolo and beholderblicken, out popsPops a little babyBaby dinosaurDinosaurier.
84
228000
3000
und siehe da, heraus kommt ein kleiner Babydinosaurier.
04:06
And everybody'sjedermanns happyglücklich about that.
85
231000
3000
Und alle sind glücklich.
04:09
(LaughterLachen)
86
234000
3000
(Lachen)
04:12
And they're happyglücklich over and over again.
87
237000
2000
Wieder und wieder sind sie glücklich.
04:14
They keep doing it; they just keep makingHerstellung these things.
88
239000
3000
Sie machen weiter; sie machen diese Dinge immer weiter.
04:17
And then, then, then, and then ...
89
242000
4000
Und dann, dann, dann, und dann ...
04:21
Then the dinosaursDinosaurier, beingSein socialSozial,
90
246000
3000
Dann leben die Dinosaurier, soziale Tiere,
04:24
actHandlung out theirihr socialnesssocialness,
91
249000
3000
ihr Sozialverhalten aus.
04:27
and they get togetherzusammen,
92
252000
2000
Sie kommen zusammen,
04:29
and they conspireverschwören.
93
254000
3000
sie hecken etwas aus.
04:32
And, of courseKurs, that's what makesmacht StevenSteven Spielberg'sSpielbergs movieFilm --
94
257000
4000
Das macht Steven Spielbergs Film zu dem was er ist --
04:36
conspiringVerschwörung dinosaursDinosaurier chasingjagen people around.
95
261000
3000
konspirierende Dinosaurier, die Menschen jagen.
04:39
So I assumeannehmen everybodyjeder knowsweiß
96
264000
2000
Ich vermute, jeder weiß,
04:41
that if you actuallytatsächlich had a pieceStück of amberBernstein and it had an insectInsekt in it,
97
266000
3000
dass man, wenn man ein Stück Bernstein mit einem Insekt darin hat
04:44
and you drilledgebohrt into it,
98
269000
3000
und hinein bohrt
04:47
and you got something out of that insectInsekt,
99
272000
2000
und eine Probe des Insekts darin herausholt
04:49
and you clonedgeklonte it, and you did it over and over and over again,
100
274000
3000
und es klont, immer und immer und immer wieder,
04:52
you'ddu würdest have a roomZimmer fullvoll of mosquitosMücken.
101
277000
2000
dann hat man einen Raum voller Moskitos.
04:54
(LaughterLachen)
102
279000
2000
(Lachen)
04:56
(ApplauseApplaus)
103
281000
5000
(Applaus)
05:01
And probablywahrscheinlich a wholeganze bunchBündel of treesBäume as well.
104
286000
3000
Und vermutlich auch einen ganzen Haufen Bäume.
05:04
Now if you want dinosaurDinosaurier DNADNA,
105
289000
2000
Wenn Sie Dinosaurier-DNS wollen,
05:06
I say go to the dinosaurDinosaurier.
106
291000
3000
müssen Sie zum Dinosaurier gehen.
05:09
So that's what we'vewir haben doneerledigt.
107
294000
2000
Das haben wir getan.
05:11
Back in 1993 when the movieFilm camekam out,
108
296000
2000
Als der Film 1993 heraus kam,
05:13
we actuallytatsächlich had a grantgewähren from the NationalNationalen ScienceWissenschaft FoundationStiftung
109
298000
3000
versuchten wir gerade mit Fördermitteln der National Science Foundation
05:16
to attemptVersuch to extractExtrakt DNADNA from a dinosaurDinosaurier,
110
301000
3000
DNA aus einem Dinosaurier zu extrahieren.
05:19
and we chosewählte the dinosaurDinosaurier on the left,
111
304000
3000
Wir wählten den Dinosaurier hier links,
05:22
a TyrannosaurusTyrannosaurus rexRex, whichwelche was a very nicenett specimenProbe.
112
307000
3000
einen Tyrannosaurus Rex, eine wirklich nette Art.
05:25
And one of my formerehemalige doctoralPromotion studentsStudenten,
113
310000
2000
Eine meiner früheren Doktorandinnen,
05:27
DrDr. MaryMary SchweitzerSchweitzer,
114
312000
2000
Dr. Mary Schweitzer,
05:29
actuallytatsächlich had the backgroundHintergrund
115
314000
2000
hatte auch das Hintergrundwissen,
05:31
to do this sortSortieren of thing.
116
316000
2000
um dies zu versuchen.
05:33
And so she lookedsah into the boneKnochen of this T. rexRex,
117
318000
3000
Sie untersuchte die Knochen dieses T-Rex,
05:36
one of the thighOberschenkel bonesKnochen,
118
321000
2000
einen der Oberschenkelknochen,
05:38
and she actuallytatsächlich foundgefunden
119
323000
2000
und sie fand auch wirklich
05:40
some very interestinginteressant structuresStrukturen in there.
120
325000
3000
einige sehr interessante Strukturen darin.
05:43
They foundgefunden these redrot circular-lookingauf der Suche von Rundschreiben objectsObjekte,
121
328000
4000
Sie fanden diese roten, kreisförmigen Objekte.
05:47
and they lookedsah, for all the worldWelt,
122
332000
2000
Für alle Welt sahen sie aus
05:49
like redrot bloodBlut cellsZellen.
123
334000
2000
wie rote Blutzellen.
05:51
And they're in
124
336000
2000
Und sie befinden sich in
05:53
what appearerscheinen to be the bloodBlut channelsKanäle
125
338000
2000
etwas, was vermutlich die Adern sind,
05:55
that go throughdurch the boneKnochen.
126
340000
2000
die den Knochen durchlaufen.
05:57
And so she thought, well, what the heckTeufel.
127
342000
3000
"Was soll's", dachte sie sich.
06:00
So she sampledStichprobe some materialMaterial out of it.
128
345000
3000
Also entnahm sie ein paar Proben daraus.
06:03
Now it wasn'twar nicht DNADNA; she didn't find DNADNA.
129
348000
3000
Nun, es war keine DNS, sie fand keine DNS.
06:06
But she did find hemeHäm,
130
351000
3000
Aber sie fand Häm,
06:09
whichwelche is the biologicalbiologisch foundationStiftung
131
354000
2000
die biologische Grundlage
06:11
of hemoglobinHämoglobin.
132
356000
2000
für Hämoglobin.
06:13
And that was really coolcool.
133
358000
2000
Das war schon nicht schlecht.
06:15
That was interestinginteressant.
134
360000
2000
Das war interessant.
06:17
That was -- here we have 65-million-year-old-million-Jahr-alten hemeHäm.
135
362000
5000
Das war -- wir haben hier 65 Millionen Jahre altes Häm.
06:22
Well we triedversucht and triedversucht
136
367000
2000
Wir versuchten es weiter
06:24
and we couldn'tkonnte nicht really get anything elsesonst out of it.
137
369000
2000
und konnten nichts sonst daraus extrahieren.
06:26
So a fewwenige yearsJahre wentging by,
138
371000
2000
Ein paar Jahre vergingen
06:28
and then we startedhat angefangen the HellHölle CreekCreek ProjectProjekt.
139
373000
2000
und dann begannen wir das Hell-Creek-Projekt.
06:30
And the HellHölle CreekCreek ProjectProjekt was this massivemassiv undertakingUnternehmen
140
375000
3000
Das war ein groß angelegtes Projekt,
06:33
to get as manyviele dinosaursDinosaurier as we could possiblymöglicherweise find,
141
378000
3000
um so viele Dinosaurier wie nur möglich zu finden
06:36
and hopefullyhoffentlich find some dinosaursDinosaurier
142
381000
2000
und hoffentlich auch ein paar Dinosaurier,
06:38
that had more materialMaterial in them.
143
383000
3000
die mehr Material enthielten.
06:41
And out in easternöstlich MontanaMontana
144
386000
3000
Draußen im Osten Montanas
06:44
there's a lot of spacePlatz, a lot of badlandsBadlands,
145
389000
2000
gibt es viel Platz, viel Ödland
06:46
and not very manyviele people,
146
391000
2000
und nicht sehr viele Menschen.
06:48
and so you can go out there and find a lot of stuffSachen.
147
393000
2000
Da draußen kann man also viel Zeugs finden.
06:50
And we did find a lot of stuffSachen.
148
395000
2000
Und wir fanden viel Zeugs.
06:52
We foundgefunden a lot of TyrannosaursTyrannosaurier,
149
397000
2000
Wir fanden viele Tyrannosaurier,
06:54
but we foundgefunden one specialbesondere TyrannosaurTyrannosaur,
150
399000
2000
aber wir fanden einen speziellen Tyrannosaurier,
06:56
and we callednamens it B-rexB-rex.
151
401000
2000
den wir B-Rex nannten.
06:58
And B-rexB-rex was foundgefunden
152
403000
2000
B-Rex wurde unter
07:00
underunter a thousandtausend cubickubische yardsWerften of rockRock.
153
405000
2000
fast tausend Kubikmetern Felsgestein gefunden.
07:02
It wasn'twar nicht a very completekomplett T. rexRex,
154
407000
3000
Der T-Rex war nicht ganz komplett
07:05
and it wasn'twar nicht a very biggroß T. rexRex,
155
410000
3000
und er war auch nicht sehr groß,
07:08
but it was a very specialbesondere B-rexB-rex.
156
413000
3000
aber er war ein sehr besonderer B-Rex.
07:11
And I and my colleaguesKollegen cutschneiden into it,
157
416000
2000
Ich und meine Kollegen schnitten ihn auf
07:13
and we were ablefähig to determinebestimmen,
158
418000
2000
und konnten anhand der Linien,
07:15
by looking at linesLinien of arrestedverhaftet growthWachstum, some linesLinien in it,
159
420000
3000
die einen Wachstumsstopp anzeigen, es gab einige davon,
07:18
that B-rexB-rex had diedist verstorben at the ageAlter of 16.
160
423000
3000
feststellen, dass der B-Rex mit 16 Jahren gestorben war.
07:21
We don't really know how long dinosaursDinosaurier livedlebte,
161
426000
3000
Wir wissen nicht wirklich, wie lange Dinosaurier lebten,
07:24
because we haven'thabe nicht foundgefunden the oldestälteste one yetnoch.
162
429000
2000
denn wir haben den ältesten noch nicht gefunden.
07:26
But this one diedist verstorben at the ageAlter of 16.
163
431000
3000
Aber dieser starb mit 16 Jahren.
07:29
We gavegab samplesProben to MaryMary SchweitzerSchweitzer,
164
434000
2000
Wir gaben Mary Schweitzer Proben
07:31
and she was actuallytatsächlich ablefähig to determinebestimmen
165
436000
2000
und sie konnte schließlich feststellen,
07:33
that B-rexB-rex was a femaleweiblich
166
438000
2000
dass der B-Rex weiblich war;
07:35
basedbasierend on medullaryMedulläre tissueGewebe
167
440000
2000
das zeigte das medulläre Gewebe,
07:37
foundgefunden on the insideinnen of the boneKnochen.
168
442000
2000
aus dem Inneren des Knochens.
07:39
MedullaryMedulläre tissueGewebe is the calciumKalzium build-upaufbauen,
169
444000
3000
Medulläres Gewebe ist der Kalziumvorrat,
07:42
the calciumKalzium storageLager basicallyGrundsätzlich gilt,
170
447000
2000
also der Kalziumspeicher,
07:44
when an animalTier is pregnantschwanger,
171
449000
2000
den ein trächtiges Tier ausbildet,
07:46
when a birdVogel is pregnantschwanger.
172
451000
2000
den ein trächtiger Vogel ausbildet.
07:48
So here was the characterCharakter
173
453000
2000
Hier war also die Eigenschaft,
07:50
that linkedverknüpft birdsVögel and dinosaursDinosaurier.
174
455000
2000
die Vögel und Dinosaurier verbindet.
07:52
But MaryMary wentging furtherdes Weiteren.
175
457000
2000
Aber Mary ging noch weiter.
07:54
She tookdauerte the boneKnochen, and she dumpedabgeladen it into acidAcid.
176
459000
3000
Sie nahm den Knochen und tauchte ihn in Säure.
07:57
Now we all know that bonesKnochen are fossilizedversteinert,
177
462000
3000
Wir alle wissen, dass diese Knochen versteinert sind
08:00
and so if you dumpDump it into acidAcid,
178
465000
2000
und wenn man sie in Säure taucht,
08:02
there shouldn'tsollte nicht be anything left.
179
467000
2000
sollte eigentlich nichts übrig bleiben.
08:04
But there was something left.
180
469000
2000
Aber es blieb etwas übrig.
08:06
There were bloodBlut vesselsSchiffe left.
181
471000
3000
Es blieben Blutgefäße übrig.
08:09
There were flexibleflexibel, clearklar bloodBlut vesselsSchiffe.
182
474000
4000
Es waren flexible, klare Blutgefäße.
08:13
And so here was the first softweich tissueGewebe from a dinosaurDinosaurier.
183
478000
3000
Wir hatten also die erste Gewebeprobe eines Dinosauriers.
08:16
It was extraordinaryaußergewöhnlich.
184
481000
2000
Das war unglaublich.
08:18
But she alsoebenfalls foundgefunden osteocytesOsteozyten,
185
483000
3000
Aber sie fand auch Osteozyten,
08:21
whichwelche are the cellsZellen that laidgelegt down the bonesKnochen.
186
486000
3000
die Zellen, die den Knochenbau festlegen.
08:24
And try and try, we could not find DNADNA,
187
489000
4000
Wir versuchten es wieder und wieder und konnten keine DNS finden,
08:28
but she did find evidenceBeweise of proteinsProteine.
188
493000
3000
aber sie konnte Proteine nachweisen.
08:31
But we thought maybe --
189
496000
3000
Aber wir dachten vielleicht --
08:34
well, we thought maybe
190
499000
2000
nun ja, wir dachten vielleicht,
08:36
that the materialMaterial was breakingbrechen down after it was comingKommen out of the groundBoden.
191
501000
3000
dass das Material sich zersetzt hatte, nachdem es ausgegraben wurde.
08:39
We thought maybe it was deterioratingsich verschlechternd very fastschnell.
192
504000
2000
Wir dachten, es verfällt vielleicht sehr schnell.
08:41
And so we builtgebaut a laboratoryLabor
193
506000
2000
Deshalb errichteten wir ein Labor
08:43
in the back of an 18-wheeler-Wheeler trailerAnhänger,
194
508000
3000
im Anhänger eines mehrachsigen Aufliegers
08:46
and actuallytatsächlich tookdauerte the laboratoryLabor to the fieldFeld
195
511000
3000
und brachten das Labor an die Ausgrabungsstätte,
08:49
where we could get better samplesProben.
196
514000
2000
wo wir bessere Proben entnehmen konnten.
08:51
And we did. We got better materialMaterial.
197
516000
3000
Und so war es. Wir bekamen besseres Material.
08:54
The cellsZellen lookedsah better.
198
519000
2000
Die Zellen sahen besser aus.
08:56
The vesselsSchiffe lookedsah better.
199
521000
2000
Die Gefäße sahen besser aus.
08:58
FoundGefunden the proteinEiweiß collagenKollagen.
200
523000
2000
Auch das Kollagen.
09:00
I mean, it was wonderfulwunderbar stuffSachen.
201
525000
3000
Es war wunderbares Zeug.
09:03
But it's not dinosaurDinosaurier DNADNA.
202
528000
4000
Aber es war keine Dinosaurier-DNS.
09:07
So we have discoveredentdeckt
203
532000
2000
Wir entdeckten so,
09:09
that dinosaurDinosaurier DNADNA, and all DNADNA,
204
534000
2000
dass Dinosaurier-DNS und jede andere DNS
09:11
just breaksgeht kaputt down too fastschnell.
205
536000
2000
sich einfach zu schnell zersetzt.
09:13
We're just not going to be ablefähig
206
538000
2000
Wir werden es einfach nicht schaffen,
09:15
to do what they did in "JurassicJurassic ParkPark."
207
540000
3000
dasselbe zu tun, wie in "Jurassic Park".
09:18
We're not going to be ablefähig to make a dinosaurDinosaurier
208
543000
3000
Wir werden keinen Dinosaurier auf der Basis
09:21
basedbasierend on a dinosaurDinosaurier.
209
546000
3000
eines Dinosauriers herstellen können.
09:24
But birdsVögel are dinosaursDinosaurier.
210
549000
4000
Aber Vögel sind Dinosaurier.
09:29
BirdsVögel are livingLeben dinosaursDinosaurier.
211
554000
3000
Vögel sind lebende Dinosaurier.
09:32
We actuallytatsächlich classifyklassifizieren them
212
557000
2000
Wir klassifizieren sie wirklich
09:34
as dinosaursDinosaurier.
213
559000
2000
als Dinosaurier.
09:36
We now call them non-aviannicht-Vogel dinosaursDinosaurier
214
561000
2000
Wir benennen sie jetzt als Nichtvogeldinosaurier
09:38
and avianVogel dinosaursDinosaurier.
215
563000
2000
und als Vogeldinosaurier.
09:40
So the non-aviannicht-Vogel dinosaursDinosaurier
216
565000
2000
Die Nichtvogeldinosaurier
09:42
are the biggroß clunkyklobig onesEinsen that wentging extinctausgestorben.
217
567000
2000
sind die großen, schwerfälligen, die ausgestorben sind.
09:44
AvianVogelgrippe dinosaursDinosaurier are our modernmodern birdsVögel.
218
569000
3000
Vogeldinosaurier sind unsere heutigen Vögel.
09:47
So we don't have to make a dinosaurDinosaurier
219
572000
2000
Wir müssen also keinen Dinosaurier zum Leben erwecken,
09:49
because we alreadybereits have them.
220
574000
3000
denn es gibt sie ja bereits.
09:54
(LaughterLachen)
221
579000
4000
(Lachen)
09:58
I know, you're as badschlecht as the sixth-gradersSechstklässler.
222
583000
4000
Ich weiß, Sie sind so schlimm wie Sechstklässler.
10:02
(LaughterLachen)
223
587000
2000
(Lachen)
10:04
The sixth-gradersSechstklässler look at it and they say, "No."
224
589000
3000
Sechstklässler schauen sich das an und sagen: "Nein."
10:07
(LaughterLachen)
225
592000
2000
(Lachen)
10:09
"You can call it a dinosaurDinosaurier,
226
594000
2000
"Sie können das einen Dinosaurier nennen,
10:11
but look at the velociraptorVelociraptor: the velociraptorVelociraptor is coolcool."
227
596000
3000
aber sehen Sie sich den Velociraptor an: der ist cool."
10:14
(LaughterLachen)
228
599000
2000
(Lachen)
10:16
"The chickenHähnchen is not."
229
601000
2000
"Das Huhn ist es nicht."
10:18
(LaughterLachen)
230
603000
2000
(Lachen)
10:20
So this is our problemProblem,
231
605000
2000
Sie können sich also vorstellen,
10:22
as you can imaginevorstellen.
232
607000
3000
was unser Problem ist.
10:25
The chickenHähnchen is a dinosaurDinosaurier.
233
610000
2000
Das Huhn ist ein Dinosaurier.
10:27
I mean it really is.
234
612000
2000
Das ist es wirklich.
10:29
You can't argueargumentieren with it
235
614000
2000
Darüber lässt sich nicht streiten,
10:31
because we're the classifiersKlassifikatoren and we'vewir haben classifiedeingestuft it that way.
236
616000
3000
denn wir sind die Klassifizierer und wir haben das so klassifiziert.
10:34
(LaughterLachen)
237
619000
2000
(Lachen)
10:36
(ApplauseApplaus)
238
621000
4000
(Applaus)
10:41
But the sixth-gradersSechstklässler demandNachfrage it.
239
626000
2000
Aber die Sechstklässler verlangen es.
10:43
"FixZu beheben the chickenHähnchen."
240
628000
2000
"Bring das Huhn in Ordnung."
10:45
(LaughterLachen)
241
630000
2000
(Lachen)
10:47
So that's what I'm here to tell you about:
242
632000
2000
Und das möchte ich Ihnen heute hier erzählen:
10:49
how we are going to fixFix a chickenHähnchen.
243
634000
3000
wie wir das Huhn in Ordnung bringen werden.
10:52
So we have a numberNummer of waysWege
244
637000
3000
Es gibt ein paar Wege,
10:55
that we actuallytatsächlich can fixFix the chickenHähnchen.
245
640000
5000
wie wir das Huhn in Ordnung bringen können.
11:00
Because evolutionEvolution worksWerke,
246
645000
2000
Weil die Evolution so funktioniert,
11:02
we actuallytatsächlich have some evolutionaryevolutionär toolsWerkzeuge.
247
647000
3000
haben wir wirklich ein paar Evolutionswerkzeuge.
11:05
We'llWir werden call them biologicalbiologisch modificationÄnderung toolsWerkzeuge.
248
650000
3000
Wir nennen sie biologische Modifikationswerkzeuge.
11:08
We have selectionAuswahl.
249
653000
2000
Wir haben die Selektion.
11:10
And we know selectionAuswahl worksWerke.
250
655000
2000
Wir wissen, wie die Selektion funktioniert.
11:12
We startedhat angefangen out with a wolf-likeWolf-wie creatureKreatur
251
657000
3000
Wir fangen mit einer wolfsähnlichen Kreatur an
11:15
and we endedendete up with a MalteseMaltesisch.
252
660000
3000
und bekommen am Ende einen Malteser.
11:18
I mean, that's --
253
663000
3000
Ich meine, das ist --
11:21
that's definitelybestimmt geneticgenetisch modificationÄnderung.
254
666000
4000
das ist definitiv eine genetische Modifikation.
11:25
Or any of the other funny-lookinglustig aussehende little dogsHunde.
255
670000
4000
Oder jeder andere lustig aussehende kleine Hund.
11:30
We alsoebenfalls have transgenesisTransgenese.
256
675000
2000
Wir haben auch die Transgenese.
11:32
TransgenesisTransgenese is really coolcool too.
257
677000
2000
Transgenese ist auch wirklich cool.
11:34
That's where you take a geneGen out of one animalTier and stickStock it in anotherein anderer one.
258
679000
3000
Das ist, wenn man ein Gen aus einem Tier nimmt und es in ein anderes steckt.
11:37
That's how people make GloFishGloFish.
259
682000
3000
So stellt man Leuchtfische her.
11:40
You take a glowGlühen geneGen
260
685000
3000
Man nimmt ein Leucht-Gen
11:43
out of a coralKoralle or a jellyfishQualle
261
688000
4000
aus einer Koralle oder einer Qualle
11:47
and you stickStock it in a zebrafishZebrafisch,
262
692000
2000
und steckt es in einen Zebrafisch
11:49
and, puffBlätterteig, they glowGlühen.
263
694000
2000
und paff, sie leuchten.
11:51
And that's prettyziemlich coolcool.
264
696000
2000
Das ist ziemlich cool.
11:53
And they obviouslyoffensichtlich make a lot of moneyGeld off of them.
265
698000
3000
Und es wird offensichtlich jede Menge Geld damit gemacht.
11:56
And now they're makingHerstellung Glow-rabbitsLeuchten-Kaninchen
266
701000
2000
Sie werden jetzt Leucht-Hasen
11:58
and Glow-all-sorts-of-thingsLeuchten-alle Arten-der-Dinge.
267
703000
2000
und alle möglichen anderen Leucht-Dinge machen.
12:00
I guessvermuten we could make a glowGlühen chickenHähnchen.
268
705000
3000
Ich nehme an, wir könnten ein Leucht-Huhn machen.
12:03
(LaughterLachen)
269
708000
2000
(Lachen)
12:05
But I don't think that'lldas werde satisfyerfüllen the sixth-gradersSechstklässler eitherentweder.
270
710000
3000
Aber das wird die Sechstklässler wohl auch nicht befriedigen.
12:08
But there's anotherein anderer thing.
271
713000
2000
Aber es gibt noch etwas anderes.
12:10
There's what we call atavismAtavismus activationAktivierung.
272
715000
3000
Wir nennen es Atavismus-Aktivierung.
12:13
And atavismAtavismus activationAktivierung
273
718000
2000
Und Atavismus-Aktivierung
12:15
is basicallyGrundsätzlich gilt --
274
720000
2000
ist im Grunde genommen --
12:17
an atavismAtavismus is an ancestralVorfahren characteristiccharakteristisch.
275
722000
4000
ein Atavismus ist ein Merkmal der Vorfahren.
12:21
You heardgehört
276
726000
2000
Sie haben davon gehört,
12:23
that occasionallygelegentlich childrenKinder are borngeboren with tailsSchwänze,
277
728000
3000
dass Kinder manchmal mit Schwänzen geboren werden,
12:26
and it's because it's an ancestralVorfahren characteristiccharakteristisch.
278
731000
4000
und das passiert, weil es ein Merkmal unserer Vorfahren ist.
12:30
And so there are a numberNummer of atavismsAtavismen
279
735000
3000
Es gibt viele weitere Atavismen,
12:33
that can happengeschehen.
280
738000
2000
die passieren können.
12:35
SnakesSchlangen are occasionallygelegentlich borngeboren with legsBeine.
281
740000
3000
Schlangen werden manchmal mit Beinen geboren.
12:38
And here'shier ist an exampleBeispiel.
282
743000
2000
Und hier ist ein Beispiel.
12:40
This is a chickenHähnchen with teethZähne.
283
745000
3000
Das ist ein Huhn mit Zähnen.
12:43
A fellowGefährte by the nameName of MatthewMatthew HarrisHarris
284
748000
2000
Ein Kollege namens Matthew Harris
12:45
at the UniversityUniversität of WisconsinWisconsin in MadisonMadison
285
750000
3000
an der Universität von Wisconsin in Madison
12:48
actuallytatsächlich figuredabgebildet out a way to stimulatestimulieren
286
753000
3000
hat tatsächlich herausgefunden, wie man
12:51
the geneGen for teethZähne,
287
756000
3000
das Gen für Zähne stimuliert
12:54
and so was ablefähig to actuallytatsächlich turnWende the toothZahn geneGen on
288
759000
3000
und konnte so das Zahn-Gen anschalten
12:57
and produceproduzieren teethZähne in chickensHühner.
289
762000
3000
und Hühner mit Zähnen züchten.
13:00
Now that's a good characteristiccharakteristisch.
290
765000
3000
Das ist ein gutes Merkmal.
13:03
We can savesparen that one.
291
768000
3000
Wir können das sichern.
13:06
We know we can use that.
292
771000
2000
Wir wissen, wir können es benutzen.
13:08
We can make a chickenHähnchen with teethZähne.
293
773000
3000
Wir können ein Huhn mit Zähnen machen.
13:12
That's gettingbekommen closernäher.
294
777000
2000
Wir kommen der Sache näher.
13:14
That's better than a glowingGlühen chickenHähnchen.
295
779000
2000
Das ist besser als ein leuchtendes Huhn.
13:16
(LaughterLachen)
296
781000
2000
(Lachen)
13:18
A friendFreund of mineBergwerk, a colleagueKollege of mineBergwerk,
297
783000
2000
Ein Freund, ein Kollege,
13:20
DrDr. HansHans LarssonLarsson at McGillMcGill UniversityUniversität,
298
785000
2000
Dr. Hans Larsson an der McGill Universität
13:22
is actuallytatsächlich looking at atavismsAtavismen.
299
787000
2000
beschäftigt sich auch mit Atavismen.
13:24
And he's looking at them
300
789000
2000
Er erforscht sie,
13:26
by looking at the embryoEmbryo genesisGenesis of birdsVögel
301
791000
3000
indem er die Embryogenese von Vögeln betrachtet
13:29
and actuallytatsächlich looking at how they developentwickeln,
302
794000
3000
und vor allem, wie sie sich entwickeln.
13:32
and he's interestedinteressiert in how birdsVögel actuallytatsächlich losthat verloren theirihr tailSchwanz.
303
797000
4000
Er möchte wissen, wie die Vögel ihren Schwanz verloren haben.
13:36
He's alsoebenfalls interestedinteressiert in the transformationTransformation
304
801000
2000
Er ist auch an der Transformation
13:38
of the armArm, the handHand, to the wingFlügel.
305
803000
3000
vom Arm, von der Hand zum Flügel interessiert.
13:41
He's looking for those genesGene as well.
306
806000
2000
Er sucht auch nach diesen Genen.
13:43
And I said, "Well, if you can find those,
307
808000
3000
Und ich sagte: "Nun, wenn du sie finden kannst,
13:46
I can just reverseumkehren them
308
811000
2000
muss ich sie nur noch umkehren
13:48
and make what I need to make for the sixth-gradersSechstklässler."
309
813000
3000
und machen, was ich für die Sechstklässler machen muss."
13:51
And so he agreedvereinbart.
310
816000
2000
Und er war einverstanden.
13:53
And so that's what we're looking into.
311
818000
2000
Damit beschäftigen wir uns also.
13:55
If you look at dinosaurDinosaurier handsHände,
312
820000
2000
Wenn Sie sich die Dinosaurierhände ansehen;
13:57
a velociraptorVelociraptor
313
822000
2000
ein Velociraptor
13:59
has that cool-lookingCool aussehende handHand with the clawsKrallen on it.
314
824000
2000
hatte diese cool aussehenden Hände mit Krallen.
14:01
ArchaeopteryxArchaeopteryx, whichwelche is a birdVogel, a primitivePrimitive birdVogel,
315
826000
3000
Der Archaeopteryx, ein Vogel, ein primitiver Vogel,
14:04
still has that very primitivePrimitive handHand.
316
829000
3000
hat diese sehr primitive Hand noch.
14:07
But as you can see, the pigeonTaube,
317
832000
2000
Aber Sie können sehen, dass die Taube
14:09
or a chickenHähnchen or anything elsesonst, anotherein anderer birdVogel,
318
834000
2000
oder ein Huhn oder sonst ein anderer Vogel
14:11
has kindArt of a weird-lookingseltsam aussehende handHand,
319
836000
3000
eine Art merkwürdig aussehende Hand hat,
14:14
because the handHand is a wingFlügel.
320
839000
2000
denn die Hand ist ein Flügel.
14:16
But the coolcool thing is
321
841000
2000
Das Coole daran ist,
14:18
that, if you look in the embryoEmbryo,
322
843000
3000
dass Sie, wenn Sie einen Embryo betrachten,
14:21
as the embryoEmbryo is developingEntwicklung
323
846000
2000
der Embryo in seiner Entwicklung
14:23
the handHand actuallytatsächlich lookssieht aus
324
848000
3000
eine Hand hat, die ziemlich
14:26
prettyziemlich much like the archaeopteryxArchaeopteryx handHand.
325
851000
2000
genau so aussieht, wie die des Archaeopteryx.
14:28
It has the threedrei fingersFinger, the threedrei digitsZiffern.
326
853000
3000
Sie hat drei Finger, diese drei Teile.
14:31
But a geneGen turnswendet sich on that actuallytatsächlich fusesSicherungen those togetherzusammen.
327
856000
3000
Aber ein Gen schaltet sich ein, das sie miteinander verschmelzen lässt.
14:34
And so what we're looking for is that geneGen.
328
859000
3000
Wir suchen also nach diesem Gen.
14:37
We want to stop that geneGen from turningDrehen on,
329
862000
2000
Wir möchten das Gen daran hindern, sich einzuschalten,
14:39
fusingFusing those handsHände togetherzusammen,
330
864000
2000
diese Hände zu verschmelzen,
14:41
so we can get a chickenHähnchen that hatchesLuken out with a three-fingereddrei Finger handHand,
331
866000
3000
damit wir ein Huhn bekommen können, das mit einer drei-fingrigen Hand schlüpft,
14:44
like the archaeopteryxArchaeopteryx.
332
869000
2000
wie der Archaeopteryx.
14:46
And the samegleich goesgeht for the tailsSchwänze.
333
871000
3000
Und dasselbe gilt für den Schwanz.
14:49
BirdsVögel have basicallyGrundsätzlich gilt
334
874000
3000
Vögel haben im Grunde
14:52
rudimentaryrudimentäre tailsSchwänze.
335
877000
2000
unentwickelte Schwänze.
14:54
And so we know
336
879000
3000
Und wir wissen,
14:57
that in embryoEmbryo,
337
882000
2000
dass im Embryo,
14:59
as the animalTier is developingEntwicklung,
338
884000
2000
wenn das Tier sich entwickelt,
15:01
it actuallytatsächlich has a relativelyverhältnismäßig long tailSchwanz.
339
886000
3000
es eigentlich einen ziemlich langen Schwanz hat.
15:04
But a geneGen turnswendet sich on
340
889000
2000
Aber ein Gen schaltet sich ein
15:06
and resorbsresorbiert the tailSchwanz, getsbekommt ridloswerden of it.
341
891000
3000
und resorbiert den Schwanz, wird ihn los.
15:09
So that's the other geneGen we're looking for.
342
894000
3000
Das ist also das andere Gen, das wir suchen.
15:12
We want to stop that tailSchwanz from resorbingresorbierbarem.
343
897000
4000
Wir möchten verhindern, dass der Schwanz resorbiert wird.
15:16
So what we're tryingversuchen to do really
344
901000
3000
Wir versuchen also im Grunde,
15:19
is take our chickenHähnchen,
345
904000
3000
ein Huhn herzunehmen,
15:22
modifyändern it
346
907000
2000
es zu modifzierien
15:24
and make the chickenosauruschickenosaurus.
347
909000
2000
und einen Huhnosaurus zu machen.
15:26
(LaughterLachen)
348
911000
3000
(Lachen)
15:29
It's a cooler-lookingKühler-auf der Suche chickenHähnchen.
349
914000
3000
Es ist ein cooler aussehendes Huhn.
15:32
But it's just the very basicsGrundlagen.
350
917000
3000
Aber das sind nur die Anfänge.
15:35
So that really is what we're doing.
351
920000
2000
Daran arbeiten wir also gerade.
15:37
And people always say, "Why do that?
352
922000
2000
Die Leute sagen immer: "Warum macht Ihr das?
15:39
Why make this thing?
353
924000
2000
Warum dieses Ding erschaffen?
15:41
What good is it?"
354
926000
2000
Wozu soll das gut sein?"
15:43
Well, that's a good questionFrage.
355
928000
2000
Nun, das ist eine gute Frage.
15:45
ActuallyTatsächlich, I think it's a great way to teachlehren kidsKinder
356
930000
2000
Ich glaube, es ist ein großartiger Weg,
15:47
about evolutionaryevolutionär biologyBiologie
357
932000
2000
Kindern die Evolutionsbiologie zu erklären
15:49
and developmentalEntwicklungsbiologie biologyBiologie
358
934000
2000
und die Entwicklungsbiologie
15:51
and all sortssortiert of things.
359
936000
2000
und viele andere Dinge.
15:53
And quiteganz franklyoffen, I think
360
938000
3000
Und ehrlich gesagt glaube ich,
15:56
if ColonelOberst SandersSanders
361
941000
2000
wenn KFC-Gründer Colonel Sanders
15:58
was to be carefulvorsichtig how he wordedformuliert it,
362
943000
3000
es vorsichtig formulieren würde,
16:01
he could actuallytatsächlich advertisewerben an extraextra pieceStück.
363
946000
3000
könnte er mit einem Extrastück werben.
16:04
(LaughterLachen)
364
949000
4000
(Lachen)
16:08
AnywayWie auch immer --
365
953000
2000
Jedenfalls --
16:12
When our dino-chickenDino-Huhn hatchesLuken,
366
957000
4000
Wenn unser Saurier-Huhn schlüpft,
16:16
it will be, obviouslyoffensichtlich, the posterPoster childKind,
367
961000
3000
wird es offensichtlich ein Paradebeispiel
16:19
or what you mightMacht call a posterPoster chickKüken,
368
964000
3000
oder vielleicht ein Paradehuhn
16:22
for technologyTechnologie, entertainmentUnterhaltung and designEntwurf.
369
967000
3000
für Technologie, Unterhaltung und Design werden.
16:25
Thank you.
370
970000
2000
Danke.
16:27
(ApplauseApplaus)
371
972000
3000
(Applaus)
Translated by Katja Tongucer
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Jack Horner - Dinosaur digger
Jack Horner and his dig teams have discovered the first evidence of parental care in dinosaurs, extensive nesting grounds, evidence of dinosaur herds, and the world’s first dinosaur embryos. He's now exploring how to build a dinosaur.

Why you should listen

Paleontologist Jack Horner discovered the first dinosaur eggs in the Western Hemisphere, the first evidence of dinosaur colonial nesting, the first evidence of parental care among dinosaurs, and the first dinosaur embryos.

Horner's research covers a wide range of topics about dinosaurs, including their behavior, physiology, ecology and evolution. Due to struggles with the learning disability, dyslexia, Horner does not hold a formal college degree but was awarded an Honorary Doctorate of Science from the University of Montana in 1986. Also in 1986 he was awarded a MacArthur Fellowship.

He's the Curator of Paleontology at the Museum of the Rockies in Bozeman, Montana, and is widely acknowledged to be the inspiration for the main character in the book and film Jurassic Park.

More profile about the speaker
Jack Horner | Speaker | TED.com