ABOUT THE SPEAKER
David Baker - Computational biologist
David Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology.

Why you should listen

David Baker is fascinated by biological self-organization. For example: How does the information stored in DNA translate into the intricate world of proteins and cells? The DNA code was solved more than 50 years ago, but the protein folding code has remained one of biology's greatest challenges. Starting 20 years ago, Baker's research team began using computers to model the structures of proteins. His work has advanced to the point where he can now not only predict the shape of natural proteins but also design completely new ones. In recent years, he's designed new experimental cancer therapies, vaccines, nanomaterials and more. He believes that the emerging field of protein design will fundamentally change how people make medicines, materials and more around the world. Now that the protein folding code is solved, the sky's the limit.

Baker is a Professor of Biochemistry and the Director of the Institute for Protein Design at the University of Washington in Seattle. He's also an Investigator at the Howard Hughes Medical Institute and Adjunct Professor of Genome Sciences, Bioengineering, Chemical Engineering, Computer Science, and Physics at the UW. With his colleagues, he developed the Rosetta Commons, the Rosetta@Home project and Foldit, a science video game. He has also launched more than ten companies that are seeking to bring designed proteins into the real world.

More profile about the speaker
David Baker | Speaker | TED.com
TED2019

David Baker: 5 challenges we could solve by designing new proteins

Ντέιβιντ Μπέικερ: 5 προκλήσεις που θα αντιμετωπίζαμε σχεδιάζοντας νέες πρωτεΐνες

Filmed:
1,487,838 views

Οι πρωτεΐνες είναι αξιοθαύμαστες μοριακές μηχανές: χωνεύουν το φαγητό σας, πυροδοτούν τους νευρώνες σας, ενδυναμώνουν το ανοσοποιητικό σας σύστημα και πολλά άλλα. Πώς θα σας φαινόταν αν μπορούσαμε να σχεδιάσουμε καινούργιες, με λειτουργίες που δεν υπήρχαν ποτέ στη φύση; Σε αυτή την καταπληκτική προοπτική του μέλλοντος, ο Ντέιβιντ Μπέικερ μοιράζεται μαζί μας πώς η ομάδα του στο Ινστιτούτο Σχεδιασμού Πρωτεΐνης δημιουργεί νέες πρωτεΐνες από την αρχή -- και δείχνει πώς θα μπορούσαν να μας βοηθήσουν να αντιμετωπίσουμε πέντε μαζικές προκλήσεις που αντιμετωπίζει η ανθρωπότητα. (Αυτό το φιλόδοξο σχέδιο αποτελεί μέρος του Audacious Project, της πρωτοβουλίας του TED να εμπνεύσει και να χρηματοδοτήσει την παγκόσμια αλλαγή.)
- Computational biologist
David Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology. Full bio

Double-click (or triple-click) the English transcript below to play the video.

00:12
I'm going to tell you about the mostπλέον
amazingφοβερο machinesμηχανές in the worldκόσμος
0
982
4059
Θα σας πω για τις πιο καταπληκτικές
μηχανές στον κόσμο
00:17
and what we can now do with them.
1
5065
1768
και τι μπορούμε να κάνουμε τώρα με αυτές.
00:19
ProteinsΠρωτεΐνες,
2
7396
1163
Οι πρωτεΐνες,
μερικές από τις οποίες
βλέπετε εδώ μέσα σε ένα κύτταρο,
00:20
some of whichοι οποίες you see insideμέσα a cellκύτταρο here,
3
8583
2250
00:22
carryμεταφέρω out essentiallyουσιαστικά all the importantσπουδαίος
functionsλειτουργίες in our bodiesσώματα.
4
10857
3459
διεκπεραιώνουν όλες τις σημαντικές
λειτουργίες στο σώμα μας.
00:26
ProteinsΠρωτεΐνες digestσύνοψη your foodτροφή,
5
14972
1879
Οι πρωτεΐνες κάνουν πέψη των τροφών,
00:28
contractσύμβαση your musclesμυς,
6
16875
1706
συστέλλουν τους μύες σας,
00:30
fireΦωτιά your neuronsνευρώνες
7
18605
1577
πυροδοτούν τους νευρώνες σας
00:32
and powerεξουσία your immuneαπρόσβλητος systemΣύστημα.
8
20206
1616
και ενδυναμώνουν το ανοσοποιητικό σας.
00:34
Everything that happensσυμβαίνει in biologyβιολογία --
9
22400
1976
Ό,τι συμβαίνει στη βιολογία --
00:36
almostσχεδόν --
10
24400
1151
σχεδόν --
00:37
happensσυμβαίνει because of proteinsπρωτεΐνες.
11
25575
1412
συμβαίνει λόγω των πρωτεϊνών.
00:39
ProteinsΠρωτεΐνες are linearγραμμικός chainsαλυσίδες
of buildingΚτίριο blocksμπλοκ calledπου ονομάζεται aminoαμινο acidsοξέα.
12
27698
4075
Οι πρωτεΐνες είναι γραμμικές αλυσίδες
δομικών στοιχείων που λέγονται αμινοξέα.
00:44
NatureΦύση usesχρήσεις an alphabetαλφάβητο of 20 aminoαμινο acidsοξέα,
13
32366
3233
Η φύση χρησιμοποιεί
ένα αλφάβητο από 20 αμινοξέα,
00:47
some of whichοι οποίες have namesονόματα
you mayενδέχεται have heardακούσει of.
14
35623
2275
μερικά από τα οποία
μπορεί να έχετε ακούσει.
00:50
In this pictureεικόνα, for scaleκλίμακα,
eachκαθε bumpχτύπημα is an atomάτομο.
15
38921
3542
Σε αυτή την εικόνα, υπό κλίμακα,
κάθε προεξοχή αναπαριστά ένα άτομο.
00:55
ChemicalΧημική ουσία forcesδυνάμεις betweenμεταξύ the aminoαμινο acidsοξέα
causeαιτία these long stringystringy moleculesμόρια
16
43351
4644
Οι χημικές δυνάμεις ανάμεσα στα αμινοξέα
κάνουν αυτά τα μακροσκελή μόρια
01:00
to foldπτυχή up into uniqueμοναδικός,
three-dimensionalτρισδιάστατο structuresδομές.
17
48019
3461
να αναδιπλώνονται σε μοναδικές,
τρισδιάστατες δομές.
01:03
The foldingπτυσσόμενος processεπεξεργάζομαι, διαδικασία,
18
51937
1340
Η διαδικασία αναδίπλωσης,
01:05
while it looksφαίνεται randomτυχαίος,
19
53301
1434
παρόλο που φαίνεται τυχαία,
01:06
is in factγεγονός very preciseακριβής.
20
54759
1963
είναι καθορισμένη με μεγάλη ακρίβεια.
01:08
EachΚάθε proteinπρωτεΐνη foldsπτυχώσεις
to its characteristicχαρακτηριστικό γνώρισμα shapeσχήμα eachκαθε time,
21
56746
4397
Κάθε πρωτεΐνη αναδιπλώνεται
στο ίδιο χαρακτηριστικό σχήμα κάθε φορά
01:13
and the foldingπτυσσόμενος processεπεξεργάζομαι, διαδικασία
takes just a fractionκλάσμα of a secondδεύτερος.
22
61167
3388
και η διαδικασία αναδίπλωσης
γίνεται σε ένα κλάσμα δευτερολέπτου.
01:18
And it's the shapesσχήματα of proteinsπρωτεΐνες
23
66029
1844
Είναι αυτό το σχήμα των πρωτεϊνών
01:19
whichοι οποίες enableεπιτρέπω them to carryμεταφέρω out
theirδικα τους remarkableαξιοσημείωτος biologicalβιολογικός functionsλειτουργίες.
24
67897
3970
που τους δίνει τη δυνατότητα
να διεκπεραιώνουν τις καταπληκτικές
βιολογικές τους λειτουργίες.
01:24
For exampleπαράδειγμα,
25
72520
1151
Για παράδειγμα,
01:25
hemoglobinαιμοσφαιρίνη has a shapeσχήμα
in the lungsτους πνεύμονες perfectlyτέλεια suitedκατάλληλη
26
73695
3508
η αιμοσφαιρίνη μέσα στους πνεύμονες
είναι τέλεια σχηματισμένη
01:29
for bindingδεσμευτική a moleculeμόριο of oxygenοξυγόνο.
27
77227
1987
για τη δέσμευση ενός μορίου οξυγόνου.
01:31
When hemoglobinαιμοσφαιρίνη movesκινήσεις to your muscleμυς,
28
79759
1892
Όταν η αιμοσφαιρίνη μπαίνει στους μύες,
01:33
the shapeσχήμα changesαλλαγές slightlyελαφρώς
29
81675
1932
το σχήμα της αλλάζει ανεπαίσθητα
01:35
and the oxygenοξυγόνο comesέρχεται out.
30
83631
2191
και το οξυγόνο απελευθερώνεται.
01:39
The shapesσχήματα of proteinsπρωτεΐνες,
31
87494
1366
Το σχήμα των πρωτεϊνών,
01:40
and henceως εκ τούτου theirδικα τους remarkableαξιοσημείωτος functionsλειτουργίες,
32
88884
2213
και επομένως
οι καταπληκτικές τους λειτουργίες,
01:43
are completelyεντελώς specifiedπου καθορίζεται by the sequenceαλληλουχία
of aminoαμινο acidsοξέα in the proteinπρωτεΐνη chainαλυσίδα.
33
91121
5778
καθορίζονται απόλυτα από την αλληλουχία
των αμινοξέων στην πρωτεϊνική αλυσίδα.
01:49
In this pictureεικόνα, eachκαθε letterεπιστολή
on topμπλουζα is an aminoαμινο acidοξύ.
34
97331
3941
Σε αυτή τη φωτογραφία,
κάθε γράμμα στην κορυφή είναι ένα αμινοξύ.
01:54
Where do these sequencesακολουθίες come from?
35
102860
1837
Πώς δημιουργούνται οι αλληλουχίες αυτές;
01:57
The genesγονίδια in your genomeγονιδίωμα
specifyΚαθορίστε the aminoαμινο acidοξύ sequencesακολουθίες
36
105586
4824
Τα γονίδια του γονιδιώματός σας
καθορίζουν τις αλληλουχίες των αμινοξέων
02:02
of your proteinsπρωτεΐνες.
37
110434
1398
μέσα στις πρωτεΐνες.
02:03
EachΚάθε geneγονίδιο encodesκωδικοποιεί the aminoαμινο acidοξύ
sequenceαλληλουχία of a singleμονόκλινο proteinπρωτεΐνη.
38
111856
3738
Κάθε γονίδιο κωδικοποιεί την αλληλουχία
των αμινοξέων κάθε πρωτεΐνης ξεχωριστά.
02:09
The translationμετάφραση betweenμεταξύ
these aminoαμινο acidοξύ sequencesακολουθίες
39
117515
3802
Η μετάφραση ανάμεσα
στις αλληλουχίες και τα αμινοξέα
02:13
and the structuresδομές
and functionsλειτουργίες of proteinsπρωτεΐνες
40
121341
2458
σε δομές και λειτουργίες των πρωτεϊνών
02:15
is knownγνωστός as the proteinπρωτεΐνη foldingπτυσσόμενος problemπρόβλημα.
41
123823
2057
είναι γνωστή ως το
«πρόβλημα πρωτεϊνικής αναδίπλωσης».
02:18
It's a very hardσκληρά problemπρόβλημα
42
126439
1545
Είναι ένα πολύ δύσκολο πρόβλημα,
02:20
because there's so manyΠολλά differentδιαφορετικός
shapesσχήματα a proteinπρωτεΐνη can adoptενστερνίζομαι.
43
128008
3180
επειδή υπάρχουν πολλά διαφορετικά
σχήματα που μπορεί να πάρει μια πρωτεΐνη.
02:24
Because of this complexityπερίπλοκο,
44
132073
1645
Εξαιτίας αυτής της πολυπλοκότητας,
οι άνθρωποι μπόρεσαν να εκμεταλλευτούν
το δυναμικό των πρωτεϊνών
02:25
humansτου ανθρώπου have only been ableικανός
to harnessιπποσκευή the powerεξουσία of proteinsπρωτεΐνες
45
133742
2937
02:28
by makingκατασκευή very smallμικρό changesαλλαγές
to the aminoαμινο acidοξύ sequencesακολουθίες
46
136703
3468
κάνοντας μόνο πολύ μικρές αλλαγές
στις αλληλουχίες των αμινοξέων
02:32
of the proteinsπρωτεΐνες we'veέχουμε foundβρέθηκαν in natureφύση.
47
140195
2091
των πρωτεϊνών που έχουμε βρει στη φύση.
02:34
This is similarπαρόμοιος to the processεπεξεργάζομαι, διαδικασία
that our StoneΠέτρα AgeΗλικία ancestorsπρογόνους used
48
142835
3858
Όπως οι πρόγονοί μας στη Λίθινη εποχή
02:38
to make toolsεργαλεία and other implementsυλοποιεί
from the sticksμπαστούνια and stonesπέτρες
49
146717
3359
έφτιαχναν εργαλεία και άλλα σκεύη
από τα ξύλα και τις πέτρες
02:42
that we foundβρέθηκαν in the worldκόσμος around us.
50
150100
2003
που βρήκαν στη φύση γύρω μας.
02:45
But humansτου ανθρώπου did not learnμαθαίνω to flyπετώ
by modifyingτροποποιώντας birdsπουλιά.
51
153226
5024
Αλλά οι άνθρωποι δεν έμαθαν
να πετούν τροποποιώντας πουλιά.
02:50
(LaughterΤο γέλιο)
52
158790
2017
(Γέλια)
02:52
InsteadΑντίθετα, scientistsΕπιστήμονες, inspiredεμπνευσμένος by birdsπουλιά,
uncoveredακάλυπτο the principlesαρχές of aerodynamicsαεροδυναμική.
53
160831
6310
Αντί γι' αυτό, οι επιστήμονες,
αντλώντας έμπνευση από τα πουλιά,
ανακάλυψαν τις αρχές της αεροδυναμικής.
Οι μηχανικοί μετά
χρησιμοποίησαν αυτές τις αρχές
02:59
EngineersΜηχανικοί then used those principlesαρχές
to designσχέδιο customπροσαρμοσμένη flyingπέταγμα machinesμηχανές.
54
167165
4395
για να σχεδιάσουν
προσαρμοσμένες ιπτάμενες μηχανές.
03:04
In a similarπαρόμοιος way,
55
172195
1245
Με παρόμοιο τρόπο,
03:05
we'veέχουμε been workingεργαζόμενος for a numberαριθμός of yearsχρόνια
56
173464
1942
δουλεύουμε εδώ και μερικά χρόνια
03:07
to uncoverαποκαλύψει the fundamentalθεμελιώδης
principlesαρχές of proteinπρωτεΐνη foldingπτυσσόμενος
57
175430
3269
για να ανακαλύψουμε
τις αρχές της πρωτεϊνικής αναδίπλωσης
03:10
and encodingκωδικοποίηση those principlesαρχές
in the computerυπολογιστή programπρόγραμμα calledπου ονομάζεται RosettaRosetta.
58
178723
4059
και να κωδικοποιήσουμε αυτές τις αρχές
σε ένα λογισμικό που λέγεται Rosetta.
03:15
We madeέκανε a breakthroughανακάλυψη in recentπρόσφατος yearsχρόνια.
59
183742
2513
Πριν από μερικά χρόνια
πετύχαμε μια σημαντική πρόοδο.
Μπορούμε τώρα να σχεδιάσουμε νέες
πρωτεΐνες από το μηδέν στον υπολογιστή.
03:19
We can now designσχέδιο completelyεντελώς newνέος proteinsπρωτεΐνες
from scratchγρατσουνιά on the computerυπολογιστή.
60
187029
4459
03:24
OnceΜια φορά we'veέχουμε designedσχεδιασμένο the newνέος proteinπρωτεΐνη,
61
192396
2068
Μόλις σχεδιάσουμε μια νέα πρωτεΐνη,
03:27
we encodeκωδικοποίηση its aminoαμινο acidοξύ sequenceαλληλουχία
in a syntheticσυνθετικός geneγονίδιο.
62
195242
3903
κωδικοποιούμε την αλληλουχία των
αμινοξέων της σε ένα συνθετικό γονίδιο.
03:31
We have to make a syntheticσυνθετικός geneγονίδιο
63
199656
1888
Πρέπει να δημιουργήσουμε
ένα συνθετικό γονίδιο
03:33
because sinceΑπό the proteinπρωτεΐνη
is completelyεντελώς newνέος,
64
201568
2251
εφόσον η πρωτεΐνη είναι εντελώς καινούρια,
03:35
there's no geneγονίδιο in any organismοργανισμός on earthγη
whichοι οποίες currentlyεπί του παρόντος existsυπάρχει that encodesκωδικοποιεί it.
65
203843
4762
δεν υπάρχει γονίδιο
σε οποιοδήποτε οργανισμό στη Γη
που μπορεί να την κωδικοποιήσει.
03:41
Our advancesπροκαταβολές in understandingκατανόηση
proteinπρωτεΐνη foldingπτυσσόμενος
66
209697
4187
Η πρόοδός μας στην κατανόηση
της αναδίπλωσης πρωτεϊνών
03:45
and how to designσχέδιο proteinsπρωτεΐνες,
67
213908
1722
και της σχεδίασης των πρωτεϊνών,
03:47
coupledσε συνδυασμό with the decreasingμειώνοντας costκόστος
of geneγονίδιο synthesisσύνθεση
68
215654
3628
σε συνδυασμό με τη μείωση του κόστους
της σύνθεσης γονιδίων
03:51
and the Moore'sMoore lawνόμος increaseαυξάνουν
in computingχρήση υπολογιστή powerεξουσία,
69
219306
3499
και τον νόμο του Μουρ για την αύξηση
της υπολογιστικής δύναμης των υπολογιστών,
03:54
now enableεπιτρέπω us to designσχέδιο
tensδεκάδες of thousandsχιλιάδες of newνέος proteinsπρωτεΐνες,
70
222829
4736
μας δίνουν τώρα τη δυνατότητα
να σχεδιάσουμε δεκάδες
χιλιάδες νέες πρωτεΐνες,
03:59
with newνέος shapesσχήματα and newνέος functionsλειτουργίες,
71
227589
2339
με νέα σχήματα και λειτουργίες,
04:01
on the computerυπολογιστή,
72
229952
1513
στον υπολογιστή,
04:03
and encodeκωδικοποίηση eachκαθε one of those
in a syntheticσυνθετικός geneγονίδιο.
73
231489
3915
και να κωδικοποιήσουμε κάθε μία
από αυτές, σε ένα συνθετικό γονίδιο.
Μόλις φτιάξουμε αυτά τα συνθετικά γονίδια,
04:08
OnceΜια φορά we have those syntheticσυνθετικός genesγονίδια,
74
236248
1668
04:09
we put them into bacteriaβακτήρια
75
237940
1545
τα βάζουμε σε βακτήρια
04:11
to programπρόγραμμα them to make
these brand-newολοκαίνουργιο proteinsπρωτεΐνες.
76
239509
3305
για να τα προγραμματίσουμε να φτιάξουν
αυτές τις καινούριες πρωτεΐνες.
04:15
We then extractεκχύλισμα the proteinsπρωτεΐνες
77
243197
2073
Μετά, παίρνουμε τις πρωτεΐνες
04:17
and determineκαθορίσει whetherκατά πόσο they functionλειτουργία
as we designedσχεδιασμένο them to
78
245294
3436
και εξετάζουμε αν λειτουργούν
όπως τις σχεδιάσαμε
04:20
and whetherκατά πόσο they're safeασφαλής.
79
248754
1411
και αν είναι ασφαλείς.
Είναι συναρπαστικό να μπορείς
να φτιάχνεις νέες πρωτεΐνες,
04:23
It's excitingσυναρπαστικός to be ableικανός
to make newνέος proteinsπρωτεΐνες,
80
251867
2465
04:26
because despiteπαρά the diversityποικιλία in natureφύση,
81
254356
2496
διότι παρά τη βιοποικιλότητα της φύσης,
η εξέλιξη έχει δημιουργήσει
μόνο ένα απειροελάχιστο
04:28
evolutionεξέλιξη has only sampledδειγματοληψία a tinyμικροσκοπικός fractionκλάσμα
of the totalσύνολο numberαριθμός of proteinsπρωτεΐνες possibleδυνατόν.
82
256876
6092
του συνολικού αριθμού πρωτεϊνών
που μπορούν να δημιουργηθούν.
04:35
I told you that natureφύση usesχρήσεις
an alphabetαλφάβητο of 20 aminoαμινο acidsοξέα,
83
263572
3495
Σας είπα ότι η φύση χρησιμοποιεί
ένα αλφάβητο από 20 αμινοξέα
04:39
and a typicalτυπικός proteinπρωτεΐνη is a chainαλυσίδα
of about 100 aminoαμινο acidsοξέα,
84
267091
4449
και μια τυπική πρωτεΐνη είναι
μια αλυσίδα από περίπου 100 αμινοξέα,
04:43
so the totalσύνολο numberαριθμός of possibilitiesδυνατότητες
is 20 timesφορές 20 timesφορές 20, 100 timesφορές,
85
271564
5552
έτσι ο αριθμός πιθανών συνδυασμών
είναι 20 επί 20 επί 20, 100 φορές,
04:49
whichοι οποίες is a numberαριθμός on the orderΣειρά
of 10 to the 130thth powerεξουσία,
86
277140
3817
που είναι ένας αριθμός
στην 130η δύναμη του 10
04:52
whichοι οποίες is enormouslyπολύ more
than the totalσύνολο numberαριθμός of proteinsπρωτεΐνες
87
280981
3812
που είναι εξαιρετικά μεγαλύτερος
από τον συνολικό αριθμό πρωτεϊνών
04:56
whichοι οποίες have existedυπήρχε
sinceΑπό life on earthγη beganάρχισε.
88
284817
2416
που έχουν υπάρξει από τότε
που η ζωή άρχισε στη Γη.
04:59
And it's this unimaginablyαφάνταστα largeμεγάλο spaceχώρος
89
287990
2691
Και είναι αυτό το πέρα
από κάθε φαντασίας εύρος
05:02
we can now exploreεξερευνώ
usingχρησιμοποιώντας computationalυπολογιστική proteinπρωτεΐνη designσχέδιο.
90
290705
3530
που μπορούμε τώρα να εξερευνήσουμε
με τον σχεδιασμό πρωτεϊνών με υπολογιστές.
05:07
Now the proteinsπρωτεΐνες that existυπάρχει on earthγη
91
295747
2369
Οι πρωτεΐνες που υπάρχουν στη Γη
05:10
evolvedεξελίχθηκε to solveλύσει the problemsπροβλήματα
facedαντιμετωπίζουν by naturalφυσικός evolutionεξέλιξη.
92
298140
3993
εξελίχτηκαν για να λύσουν
τα προβλήματα της εξέλιξης της φύσης.
05:14
For exampleπαράδειγμα, replicatingαναπαραγωγή the genomeγονιδίωμα.
93
302705
2353
Για παράδειγμα,
ο διπλασιασμός του γονιδιώματος.
05:18
But we faceπρόσωπο newνέος challengesπροκλήσεις todayσήμερα.
94
306128
2284
Αλλά σήμερα
αντιμετωπίζουμε νέες προκλήσεις.
05:20
We liveζω longerμακρύτερα, so newνέος
diseasesασθένειες are importantσπουδαίος.
95
308436
2737
Ζούμε περισσότερο,
άρα νέες αρρώστιες είναι σημαντικές.
05:23
We're heatingθέρμανση up and pollutingρυπογόνα the planetπλανήτης,
96
311197
2215
Θερμαίνουμε και μολύνουμε τον πλανήτη,
05:25
so we faceπρόσωπο a wholeολόκληρος hostπλήθος
of ecologicalοικολογικός challengesπροκλήσεις.
97
313436
3558
οπότε αντιμετωπίζουμε
πολλές οικολογικές προκλήσεις
Αν είχαμε ένα εκατομμύριο
χρόνια περιθώριο,
05:29
If we had a millionεκατομμύριο yearsχρόνια to wait,
98
317977
1808
05:31
newνέος proteinsπρωτεΐνες mightθα μπορούσε evolveαναπτύσσω
to solveλύσει those challengesπροκλήσεις.
99
319809
3208
μπορεί να εξελίσσονταν νέες πρωτεΐνες
για αυτές τις προκλήσεις.
05:35
But we don't have
millionsεκατομμύρια of yearsχρόνια to wait.
100
323787
2059
Όμως, δεν έχουμε εκατομμύρια
χρόνια να περιμένουμε.
05:38
InsteadΑντίθετα, with computationalυπολογιστική
proteinπρωτεΐνη designσχέδιο,
101
326488
2871
Αντί γι' αυτό, με την υπολογιστική
σχεδίαση πρωτεϊνών
05:41
we can designσχέδιο newνέος proteinsπρωτεΐνες
to addressδιεύθυνση these challengesπροκλήσεις todayσήμερα.
102
329383
4439
μπορούμε να σχεδιάσουμε νέες πρωτεΐνες
για να αντιμετωπίσουμε
αυτές τις προκλήσεις σήμερα.
05:47
Our audaciousτολμηρή ideaιδέα is to bringνα φερεις
biologyβιολογία out of the StoneΠέτρα AgeΗλικία
103
335693
4450
Η τολμηρή μας ιδέα είναι να βγάλουμε
τη βιολογία από τη Λίθινη εποχή
05:52
throughδιά μέσου technologicalτεχνολογικός revolutionεπανάσταση
in proteinπρωτεΐνη designσχέδιο.
104
340167
2975
με την τεχνολογική εξέλιξη
στη σχεδίαση πρωτεϊνών.
05:56
We'veΈχουμε alreadyήδη shownαπεικονίζεται
that we can designσχέδιο newνέος proteinsπρωτεΐνες
105
344113
2864
Ήδη αποδείξαμε ότι μπορούμε
να σχεδιάσουμε νέες πρωτεΐνες
05:59
with newνέος shapesσχήματα and functionsλειτουργίες.
106
347001
1683
με νέα σχήματα και λειτουργίες.
06:01
For exampleπαράδειγμα, vaccinesεμβόλια work
by stimulatingτόνωση your immuneαπρόσβλητος systemΣύστημα
107
349174
4308
Για παράδειγμα, τα εμβόλια λειτουργούν
διεγείροντας το ανοσοποιητικό σύστημα,
06:05
to make a strongισχυρός responseαπάντηση
againstκατά a pathogenπαθογόνο.
108
353506
3122
ώστε να έχει ισχυρότερη ανταπόκριση
εναντίον ενός παθογόνου.
06:09
To make better vaccinesεμβόλια,
109
357698
1551
Για να φτιάξουμε καλύτερα εμβόλια,
06:11
we'veέχουμε designedσχεδιασμένο proteinπρωτεΐνη particlesσωματίδια
110
359273
2302
σχεδιάσαμε μόρια πρωτεϊνών
06:13
to whichοι οποίες we can fuseθρυαλλίδα
proteinsπρωτεΐνες from pathogensπαθογόνα,
111
361599
3587
στα οποία μπορούμε να συγχωνεύσουμε
πρωτεΐνες από παθογόνα,
06:17
like this blueμπλε proteinπρωτεΐνη here,
from the respiratoryαναπνευστικός virusιός RSVRsv.
112
365210
4334
όπως αυτή εδώ η μπλε πρωτεΐνη,
από τον αναπνευστικό ιό RSV.
06:22
To make vaccineεμβόλιο candidatesΟι υποψήφιοι
113
370131
1730
Για να φτιάξουμε υποψήφια εμβόλια
06:23
that are literallyΚυριολεκτικά bristlingBristling
with the viralιογενής proteinπρωτεΐνη,
114
371885
3663
που είναι γεμάτα από την ιογενή πρωτεΐνη,
06:27
we find that suchτέτοιος vaccineεμβόλιο candidatesΟι υποψήφιοι
115
375572
2570
βρίσκουμε ότι τα υποψήφια
εμβόλια αυτού του είδους
06:30
produceπαράγω a much strongerισχυρότερη
immuneαπρόσβλητος responseαπάντηση to the virusιός
116
378166
3302
προκαλούν πολύ ισχυρότερη
ανοσοποιητική απόκριση στον ιό
06:33
than any previousπροηγούμενος vaccinesεμβόλια
that have been testedδοκιμαστεί.
117
381492
2703
από όλα τα προηγούμενα εμβόλια
που έχουν δοκιμαστεί.
Αυτό είναι σημαντικό επειδή ο RSV είναι
τώρα μια από τις σημαντικότερες αιτίες
06:36
This is importantσπουδαίος because RSVRsv
is currentlyεπί του παρόντος one of the leadingκύριος causesαιτίες
118
384648
3850
06:40
of infantβρέφος mortalityθνησιμότητα worldwideΠαγκόσμιος.
119
388522
2229
της βρεφικής θνησιμότητας παγκοσμίως.
06:44
We'veΈχουμε alsoεπίσης designedσχεδιασμένο newνέος proteinsπρωτεΐνες
to breakΔιακοπή down glutenΓλουτένη in your stomachστομάχι
120
392414
3963
Επίσης, έχουμε σχεδιάσει νέες πρωτεΐνες
που διασπούν τη γλουτένη στο στομάχι σας
για την αντιμετώπιση της κοιλιοκάκης
06:48
for celiacκοιλιοκάκη diseaseασθένεια
121
396401
1597
06:50
and other proteinsπρωτεΐνες to stimulateτόνωση
your immuneαπρόσβλητος systemΣύστημα to fightπάλη cancerΚαρκίνος.
122
398022
4376
και άλλες πρωτεΐνες
που διεγείρουν το ανοσοποιητικό
για να πολεμήσει τον καρκίνο.
06:55
These advancesπροκαταβολές are the beginningαρχή
of the proteinπρωτεΐνη designσχέδιο revolutionεπανάσταση.
123
403338
3939
Αυτές οι πρόοδοι είναι η αρχή
της επανάστασης της πρωτεϊνικής σχεδίασης.
07:00
We'veΈχουμε been inspiredεμπνευσμένος by a previousπροηγούμενος
technologicalτεχνολογικός revolutionεπανάσταση:
124
408850
3190
Εμπνευστήκαμε από την προηγούμενη
τεχνολογική επανάσταση:
07:04
the digitalψηφιακό revolutionεπανάσταση,
125
412064
1345
την ψηφιακή επανάσταση,
07:05
whichοι οποίες tookπήρε placeθέση in largeμεγάλο partμέρος
dueλόγω to advancesπροκαταβολές in one placeθέση,
126
413433
5125
που συνέβη στο μεγαλύτερο μέρος της
λόγω επιστημονικών προόδων σε ένα μέρος.
07:10
BellΚαμπάνα LaboratoriesΕργαστήρια.
127
418582
1272
Τα εργαστήρια Bell.
07:12
BellΚαμπάνα LabsΕργαστήρια was a placeθέση with an openΆνοιξε,
collaborativeσυνεργατική environmentπεριβάλλον,
128
420337
3294
Τα εργαστήρια Bell ήταν ένα μέρος
με ανοιχτό συνεργατικό περιβάλλον,
07:15
and was ableικανός to attractπροσελκύω topμπλουζα talentταλέντο
from around the worldκόσμος.
129
423655
3183
που μπόρεσε να ελκύσει
τα κορυφαία ταλέντα από όλο τον κόσμο.
07:19
And this led to a remarkableαξιοσημείωτος
stringσειρά of innovationsκαινοτομίες --
130
427418
3442
Το γεγονός αυτό οδήγησε σε
μια αξιοθαύμαστη σειρά από καινοτομίες --
07:22
the transistorτρανζίστορ, the laserλέιζερ,
satelliteδορυφόρος communicationεπικοινωνία
131
430884
4191
το τρανζίστορ, το λέιζερ,
τη δορυφορική επικοινωνία
07:27
and the foundationsθεμέλια of the internetΔιαδίκτυο.
132
435099
1726
και τα θεμέλια του διαδικτύου.
07:29
Our goalστόχος is to buildχτίζω
the BellΚαμπάνα LaboratoriesΕργαστήρια of proteinπρωτεΐνη designσχέδιο.
133
437761
3841
Σκοπός μας είναι να χτίσουμε τα εργαστήρια
Bell της πρωτεϊνικής σχεδίασης.
07:34
We are seekingαναζητώντας to attractπροσελκύω
talentedταλαντούχος scientistsΕπιστήμονες from around the worldκόσμος
134
442076
3515
Επιδιώκουμε να προσελκύσουμε
ταλαντούχους επιστήμονες από όλο τον κόσμο
07:37
to accelerateεπιταχύνω the proteinπρωτεΐνη
designσχέδιο revolutionεπανάσταση,
135
445615
2935
για να επιταχύνουμε την επανάσταση
της πρωτεϊνικής σχεδίασης,
07:40
and we'llΚαλά be focusingεστίαση
on fiveπέντε grandμεγαλειώδης challengesπροκλήσεις.
136
448574
4088
και θα εστιάζουμε
σε πέντε μεγάλες προκλήσεις.
07:46
First, by takingλήψη proteinsπρωτεΐνες from fluγρίπη strainsστελέχη
from around the worldκόσμος
137
454136
5597
Κατ΄ αρχάς, παίρνοντας πρωτεΐνες
από στελέχη της γρίπης από όλο τον κόσμο
07:51
and puttingβάζοντας them on topμπλουζα
of the designedσχεδιασμένο proteinπρωτεΐνη particlesσωματίδια
138
459757
3554
και βάζοντας τα πάνω
σε σχεδιασμένα πρωτεϊνικά μόρια
07:55
I showedέδειξε you earlierνωρίτερα,
139
463335
1667
όπως σας έδειξα πριν,
07:57
we aimσκοπός to make a universalΠαγκόσμιος fluγρίπη vaccineεμβόλιο,
140
465026
3390
σκοπεύουμε να φτιάξουμε
ένα παγκόσμα καθολικό εμβόλιο γρίπης
08:00
one shotβολή of whichοι οποίες givesδίνει a lifetimeΔιάρκεια Ζωής
of protectionΠΡΟΣΤΑΣΙΑ againstκατά the fluγρίπη.
141
468440
3951
που μία δόση του θα δίνει
ισόβια προστασία από τη γρίπη.
08:05
The abilityικανότητα to designσχέδιο --
142
473356
1612
Η ικανότητα να σχεδιάζουμε --
08:06
(ApplauseΧειροκροτήματα)
143
474992
5224
(Χειροκρότημα)
08:12
The abilityικανότητα to designσχέδιο
newνέος vaccinesεμβόλια on the computerυπολογιστή
144
480240
3068
Η ικανότητα να σχεδιάζουμε
νέα εμβόλια στον υπολογιστή
08:15
is importantσπουδαίος bothκαι τα δυο to protectπροστατεύω
againstκατά naturalφυσικός fluγρίπη epidemicsεπιδημίες
145
483332
5308
είναι σημαντική για να προστατευτούμε
από τις φυσικές επιδημίες γρίπης
08:20
and, in additionπρόσθεση, intentionalεκ προθέσεως
actsπράξεις of bioterrorismβιοτρομοκρατία.
146
488664
3480
και, επιπλέον τις σκόπιμες
επιθέσεις βιοτρομοκρατίας.
08:25
SecondΔεύτερη, we're going farμακριά beyondπέρα
nature'sτης φύσης limitedπεριωρισμένος alphabetαλφάβητο
147
493272
3290
Δεύτερον, ξεπερνάμε κατά πολύ
το περιορισμένο αλφάβητο της φύσης
08:28
of just 20 aminoαμινο acidsοξέα
148
496586
1711
από μόνο 20 αμινοξέα
08:30
to designσχέδιο newνέος therapeuticθεραπευτικός candidatesΟι υποψήφιοι
for conditionsσυνθήκες suchτέτοιος as chronicχρόνιες painπόνος,
149
498321
4735
για να σχεδιάσουμε
νέες υποψήφιες θεραπείες
για παθολογικές καταστάσεις
όπως ο χρόνιος πόνος,
08:35
usingχρησιμοποιώντας an alphabetαλφάβητο
of thousandsχιλιάδες of aminoαμινο acidsοξέα.
150
503080
2631
χρησιμοποιώντας
ένα αλφάβητο χιλιάδων αμινοξέων.
08:38
ThirdΤρίτο, we're buildingΚτίριο
advancedπροχωρημένος deliveryδιανομή vehiclesοχήματα
151
506602
3813
Τρίτο, φτιάχνουμε
οχήματα προηγμένης διανομής
08:42
to targetστόχος existingυπάρχουσες medicationsφάρμακα
exactlyακριβώς where they need to go in the bodyσώμα.
152
510439
4164
για να διανείμουμε υπάρχοντα φάρμακα
εκεί που πρέπει να πάνε μέσα στο σώμα.
08:47
For exampleπαράδειγμα, chemotherapyχημειοθεραπεία to a tumorόγκος
153
515226
2649
Για παράδειγμα, χημειοθεραπεία
σε έναν καρκινικό όγκο
08:49
or geneγονίδιο therapiesθεραπείες to the tissueιστός
where geneγονίδιο repairεπισκευή needsανάγκες to take placeθέση.
154
517899
4303
ή γονιδιακές θεραπείες στον ιστό που
χρειάζεται να γίνει η γονιδιακή επισκευή.
08:55
FourthΤέταρτη, we're designingσχέδιο smartέξυπνος therapeuticsθεραπευτική
that can do calculationsυπολογισμούς withinστα πλαίσια the bodyσώμα
155
523000
6532
Τέταρτο, σχεδιάζουμε έξυπνες θεραπείες
που θα μπορούν να κάνουν
υπολογισμούς μέσα στο σώμα
09:01
and go farμακριά beyondπέρα currentρεύμα medicinesφάρμακα,
156
529556
2214
ξεπερνώντας κατά πολύ τα τωρινά φάρμακα,
09:03
whichοι οποίες are really bluntαμβλύ instrumentsόργανα.
157
531794
2264
που είναι πολύ χοντροκομμένα εργαλεία.
09:06
For exampleπαράδειγμα, to targetστόχος a smallμικρό
subsetυποσύνολο of immuneαπρόσβλητος cellsκυττάρων
158
534082
4349
Για παράδειγμα, στοχεύοντας ένα μικρό
υποσύνολο από κύτταρα του ανοσοποιητικού
09:10
responsibleυπεύθυνος for an autoimmuneαυτοάνοση disorderδιαταραχή,
159
538455
2081
υπεύθυνα για μια αυτοάνοση διαταραχή,
09:12
and distinguishδιακρίνω them from the vastαπέραντος
majorityη πλειοψηφία of healthyυγιής immuneαπρόσβλητος cellsκυττάρων.
160
540560
3458
ώστε να τα ξεχωρίσουμε από την πλειονότητα
των υγιών ανοσοποιητικών κυττάρων.
09:16
FinallyΤέλος, inspiredεμπνευσμένος by remarkableαξιοσημείωτος
biologicalβιολογικός materialsυλικά
161
544899
3412
Τέλος, εμπνεόμενοι
από βιολογικά υλικά με αξιόλογες ιδιότητες
09:20
suchτέτοιος as silkμετάξι, abaloneαυτιού της θάλασσας shellκέλυφος,
toothδόντι and othersοι υπολοιποι,
162
548335
5108
όπως το μετάξι, το αμπαλόνε,
το δόντι και άλλα,
09:25
we're designingσχέδιο newνέος
protein-basedμε βάση την πρωτεΐνη materialsυλικά
163
553467
2884
σχεδιάζουμε νέα υλικά
βασισμένα σε πρωτεΐνες
09:28
to addressδιεύθυνση challengesπροκλήσεις in energyενέργεια
and ecologicalοικολογικός issuesθέματα.
164
556375
4163
για να αντιμετωπίσουμε
ενεργειακές και οικολογικές προκλήσεις.
09:33
To do all this,
we're growingκαλλιέργεια our instituteινστιτούτο.
165
561558
2845
Για να πετύχουμε όλα αυτά,
μεγαλώνουμε το ινστιτούτο μας.
09:36
We seekψάχνω to attractπροσελκύω energeticενεργητικός,
talentedταλαντούχος and diverseποικίλος scientistsΕπιστήμονες
166
564768
5599
Επιδιώκουμε να προσελκύσουμε δραστήριους,
ταλαντούχους και διαφορετικούς επιστήμονες
09:42
from around the worldκόσμος,
at all careerκαριέρα stagesστάδια,
167
570391
3080
από όλο τον κόσμο,
σε οποιαδήποτε φάση της καριέρας τους,
09:45
to joinΣυμμετοχή us.
168
573495
1150
να έρθουν μαζί μας.
Κι εσείς μπορείτε να συμμετάσχετε στην
επανάσταση της πρωτεϊνικής σχεδίασης
09:47
You can alsoεπίσης participateσυμμετέχω
in the proteinπρωτεΐνη designσχέδιο revolutionεπανάσταση
169
575304
3303
09:50
throughδιά μέσου our onlineσε απευθείας σύνδεση
foldingπτυσσόμενος and designσχέδιο gameπαιχνίδι, "FolditFoldit."
170
578631
3744
με το διαδικτυακό παιχνίδι μας
αναδίπλωσης και σχεδίασης, «Foldit»,
09:55
And throughδιά μέσου our distributedδιανέμονται
computingχρήση υπολογιστή projectέργο, RosettaRosetta@home,
171
583214
3851
και μέσα από το διανεμημένο πρότζεκτ
υπολογισμού, Rosetta@home,
09:59
whichοι οποίες you can joinΣυμμετοχή from your laptopΦΟΡΗΤΟΣ ΥΠΟΛΟΓΙΣΤΗΣ
or your AndroidAndroid smartphonesmartphone.
172
587089
3731
στο οποίο μπορείτε να συμμετάσχετε
από το λάπτοπ ή το Android κινητό σας.
Το να κάνουμε τον κόσμο ένα καλύτερο
μέρος μέσω της πρωτεϊνικής σχεδίασης,
10:04
MakingΚάνοντας the worldκόσμος a better placeθέση
throughδιά μέσου proteinπρωτεΐνη designσχέδιο is my life'sζωή work.
173
592547
3967
είναι το έργο ζωής μου.
10:08
I'm so excitedερεθισμένος about
what we can do togetherμαζί.
174
596996
2278
Είμαι ενθουσιασμένος με
ότι μπορούμε να κάνουμε μαζί.
10:11
I hopeελπίδα you'llθα το κάνετε joinΣυμμετοχή us,
175
599583
1470
Ελπίζω να έρθετε μαζί μας
10:13
and thank you.
176
601077
1158
και σας ευχαριστώ.
10:14
(ApplauseΧειροκροτήματα and cheersΓεια)
177
602259
4455
(Χειροκρότημα και επευφημίες)
Translated by Miltiathis Charamis
Reviewed by Vasiliki Soultani

▲Back to top

ABOUT THE SPEAKER
David Baker - Computational biologist
David Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology.

Why you should listen

David Baker is fascinated by biological self-organization. For example: How does the information stored in DNA translate into the intricate world of proteins and cells? The DNA code was solved more than 50 years ago, but the protein folding code has remained one of biology's greatest challenges. Starting 20 years ago, Baker's research team began using computers to model the structures of proteins. His work has advanced to the point where he can now not only predict the shape of natural proteins but also design completely new ones. In recent years, he's designed new experimental cancer therapies, vaccines, nanomaterials and more. He believes that the emerging field of protein design will fundamentally change how people make medicines, materials and more around the world. Now that the protein folding code is solved, the sky's the limit.

Baker is a Professor of Biochemistry and the Director of the Institute for Protein Design at the University of Washington in Seattle. He's also an Investigator at the Howard Hughes Medical Institute and Adjunct Professor of Genome Sciences, Bioengineering, Chemical Engineering, Computer Science, and Physics at the UW. With his colleagues, he developed the Rosetta Commons, the Rosetta@Home project and Foldit, a science video game. He has also launched more than ten companies that are seeking to bring designed proteins into the real world.

More profile about the speaker
David Baker | Speaker | TED.com