ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com
TED2017

Jun Wang: How digital DNA could help you make better health choices

Jun Wang: Comment l’ADN numérique peut vous aider à faire de bons choix de santé ?

Filmed:
1,303,361 views

Et si vous avez la possibilité de savoir qu’il sera l’effet de vos aliments ou de vos médicaments sur votre santé –- avant même de les consommer ? Chercheur en génomique, Jun Wang travaille au développement de sosies numériques de vraies personnes ; il a commencé avec le code génétique, mais il se base également sur d’autres types de données, des aliments consommés au sommeil et celles collectées par les « toilettes intelligentes ». A partir de ces précieuses informations, Wang espère créer une machine qui changera la manière de penser la santé, tant au niveau individuel que collectif.
- Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management. Full bio

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

00:12
TodayAujourd'hui I'm here, actuallyréellement,
to posepose you a questionquestion.
0
952
2568
En fait, je suis ici aujourd'hui,
pour vous demander :
00:16
What is life?
1
4056
1150
qu'est-ce que la vie ?
00:17
It has been really puzzlingdéroutant me
for more than 25 yearsannées,
2
5740
3663
Ça m'a tracassé
pendant plus de 25 ans,
00:21
and will probablyProbablement continuecontinuer doing so
for the nextprochain 25 yearsannées.
3
9427
3582
et ça va probablement continuer
pour les 25 prochaines années.
00:25
This is the thesisthèse I did
when I was still in undergraduatepremier cycle schoolécole.
4
13774
4571
Voici la thèse que j'ai développée
pendant mes premières années de fac.
00:31
While my colleaguescollègues still treatedtraité
computersdes ordinateurs as biggros calculatorscalculatrices,
5
19435
6942
Alors que mes amis traitaient encore
les ordinateurs en grandes calculatrices,
00:38
I startedcommencé to teachapprendre computersdes ordinateurs to learnapprendre.
6
26401
2301
je commençais à enseigner
aux ordinateurs à apprendre.
00:41
I builtconstruit digitalnumérique ladyDame beetlescoléoptères
7
29561
3383
J'ai construit un coléoptère numérique
00:44
and trieda essayé to learnapprendre from realréal ladyDame beetlescoléoptères,
just to do one thing:
8
32968
4587
et essayé de lui apprendre une seule chose
à partir des vrais coléoptères :
00:49
searchchercher for foodaliments.
9
37579
1150
chercher de la nourriture.
00:51
And after very simplesimple neuralneural networkréseau --
10
39321
2774
Et après un simple réseau neuronal --
00:54
geneticgénétique algorithmsalgorithmes and so on --
11
42119
2271
des algorithmes génétiques etc. --
00:56
look at the patternmodèle.
12
44414
1357
voilà le prototype.
00:57
They're almostpresque identicalidentique to realréal life.
13
45795
3022
Il est presque identique
aux vrais coléoptères.
01:01
A very strikingfrappant learningapprentissage experienceexpérience
for a twenty-year-oldvingt ans.
14
49977
3888
Une expérience remarquable
pour un jeune de 20 ans.
01:07
Life is a learningapprentissage programprogramme.
15
55603
2907
La vie est un programme d'apprentissage.
01:12
When you look
at all of this wonderfulformidable worldmonde,
16
60259
3533
Quand vous observez ce merveilleux monde,
01:15
everychaque speciesespèce has
its ownposséder learningapprentissage programprogramme.
17
63816
3192
chaque espèce a son propre
programme d’apprentissage.
01:19
The learningapprentissage programprogramme is genomegénome,
18
67585
2761
Le programme est le génome,
01:22
and the codecode of that programprogramme is DNAADN.
19
70370
3604
et son code est l'ADN.
01:27
The differentdifférent genomesgénomes of eachchaque speciesespèce
representreprésenter differentdifférent survivalsurvie strategiesstratégies.
20
75157
5977
Chaque génome de chaque espèce
représente une stratégie de survie.
01:33
They representreprésenter hundredsdes centaines of millionsdes millions
of yearsannées of evolutionévolution.
21
81618
4214
Il représente des centaines de millions
d'années d'évolution.
01:38
The interactioninteraction betweenentre
everychaque species'espèce ancestorancêtre
22
86879
3792
L'interaction entre les ancêtres
de chaque espèce
01:42
and the environmentenvironnement.
23
90695
1970
et son environnement.
01:46
I was really fascinatedfasciné about the worldmonde,
24
94150
2439
J'ai été vraiment fasciné par le monde,
01:48
about the DNAADN,
25
96613
1182
par l'ADN,
01:49
about, you know, the languagela langue of life,
26
97819
2943
par le langage de la vie,
01:52
the programprogramme of learningapprentissage.
27
100786
1646
le programme d'apprentissage.
01:54
So I decideddécidé to co-foundco-fonder
the instituteinstitut to readlis them.
28
102767
4733
J'ai décidé, alors,
de cofonder un institut pour les lire.
01:59
I readlis manybeaucoup of them.
29
107524
1362
J'ai lu plusieurs d'entre eux.
02:01
We probablyProbablement readlis more than halfmoitié
of the prioravant animalanimal genomesgénomes in the worldmonde.
30
109589
4129
On a sûrement séquencé plus que la moitié
des génomes des animaux du monde.
02:06
I mean, up to daterendez-vous amoureux.
31
114315
1404
Je veux dire, à ce jour.
02:09
We did learnapprendre a lot.
32
117443
1235
On a beaucoup appris.
02:11
We did sequenceséquence, alsoaussi,
one speciesespèce manybeaucoup, manybeaucoup timesfois ...
33
119297
3868
Nous avons même séquencé plusieurs fois
le génome d’une espèce...
02:15
humanHumain genomegénome.
34
123189
1159
le génome humain.
02:16
We sequencedséquencé the first AsianAsiatique.
35
124372
1762
On a séquencé le premier Asiatique.
02:18
I sequencedséquencé it myselfmoi même manybeaucoup, manybeaucoup timesfois,
36
126158
2838
Je l'ai moi-même séquencé plusieurs fois,
02:21
just to take advantageavantage of that platformPlate-forme.
37
129020
2559
juste pour constituer une base de travail.
02:24
Look at all those repeatingrépéter basebase pairspaires:
38
132968
2906
Regardez toutes ces paires de bases
qui se répètent :
02:27
ATCGATCG.
39
135898
1468
ATCG.
02:29
You don't understandcomprendre anything there.
40
137390
1914
Vous ne comprenez rien à cela.
02:31
But look at that one basebase pairpaire.
41
139328
1594
Mais regardez cette paire-là.
02:32
Those fivecinq lettersdes lettres, the AGGAAAGGAA.
42
140946
2523
Ces cinq lettres, AGGAA.
02:35
These fivecinq SNPsSNP representreprésenter
a very specificspécifique haplotypehaplotype
43
143884
3477
Ces cinq SNP représentent
un haplotype très particulier
02:39
in the TibetanTibétain populationpopulation
44
147385
1841
dans la population tibétaine
02:41
around the genegène calledappelé EPASAPE1.
45
149250
1999
autour du gène appelé EPAS1.
02:43
That genegène has been provedprouvé --
46
151273
1731
Il a été prouvé que ce gène --
02:45
it's highlytrès selectivesélective --
47
153028
1263
est très sélectif --
02:46
it's the mostles plus significantimportant signatureSignature
of positivepositif selectionsélection of TibetansTibétains
48
154315
4347
il est le signe distinctif
de la sélection positive des Tibétains
02:50
for the higherplus haute altitudealtitude adaptationadaptation.
49
158686
1682
à s'adapter à la haute altitude.
02:53
You know what?
50
161102
1214
Vous savez quoi ?
02:54
These fivecinq SNPsSNP were the resultrésultat
of integrationl'intégration of DenisovansDenisovans,
51
162340
5787
Ces cinq SNP sont le résultat
du métissage des Dénisoviens,
03:00
or Denisovan-likeDenisovan-like individualspersonnes into humanshumains.
52
168151
3252
ou des semi-Dénisoviens avec l'homme.
03:04
This is the reasonraison
why we need to readlis those genomesgénomes.
53
172229
2531
C'est pourquoi
on a besoin de séquencer ces génomes.
03:06
To understandcomprendre historyhistoire,
54
174784
1381
Pour comprendre l'histoire,
03:08
to understandcomprendre what kindgentil
of learningapprentissage processprocessus
55
176189
4098
pour comprendre par quel
genre de processus d'apprentissage,
03:12
the genomegénome has been throughpar
for the millionsdes millions of yearsannées.
56
180311
3374
le génome humain est passé
durant des millions d'années.
03:17
By readingen train de lire a genomegénome,
it can give you a lot of informationinformation --
57
185498
2923
Le séquençage du génome,
peut donner beaucoup d'informations,
03:20
tellsraconte you the bugsbogues in the genomegénome --
58
188445
1673
telles que les erreurs d'un génome.
03:22
I mean, birthnaissance defectsdéfauts,
monogeneticmonogénique disorderstroubles.
59
190142
3180
Je veux dire, les anomalies congénitales,
les troubles monogéniques.
03:25
ReadingLecture a droplaissez tomber of blooddu sang
60
193346
1306
Lire une goutte de sang
03:26
could tell you why you got a feverfièvre,
61
194676
2108
vous dira
pourquoi vous avez de la fièvre,
03:28
or it tellsraconte you whichlequel medicinemédicament
and dosagedosage needsBesoins to be used
62
196808
3104
ou le médicament et la dose à prendre
03:31
when you're sickmalade, especiallynotamment for cancercancer.
63
199936
2721
quand vous êtes malade,
notamment pour le cancer.
03:35
A lot of things could be studiedétudié,
but look at that:
64
203675
3120
Beaucoup de choses à étudier,
mais regardez cela :
03:38
30 yearsannées agodepuis, we were still poorpauvre in ChinaLa Chine.
65
206819
2960
Il y a 30 ans,
nous étions encore pauvres en Chine.
03:43
Only .67 percentpour cent of the ChineseChinois
adultadulte populationpopulation had diabetesDiabète.
66
211108
3662
Seulement 0,67% de la population adulte
chinoise avait le diabète.
03:47
Look at now: 11 percentpour cent.
67
215187
2143
Et aujourd'hui : 11%.
03:49
GeneticsGénétique cannotne peux pas changechangement over 30 yearsannées --
68
217877
3128
La génétique ne peut pas
changer en 30 ans --
03:53
only one generationgénération.
69
221029
1261
juste une génération.
03:54
It mustdoit be something differentdifférent.
70
222905
1627
Ça doit être autre chose.
03:56
DietRégime alimentaire?
71
224556
1198
Régime alimentaire ?
03:57
The environmentenvironnement?
72
225778
1150
L'environnement ?
03:59
LifestyleMode de vie?
73
227552
1150
Mode de vie ?
04:01
Even identicalidentique twinsjumeaux
could developdévelopper totallytotalement differentlydifféremment.
74
229399
4242
Même les jumeaux peuvent
se développer différemment.
04:07
It could be one becomesdevient
very obeseobèse, the other is not.
75
235059
2877
Il se peut que l’un devienne très obèse,
et l’autre non.
04:11
One developsdéveloppe a cancercancer
and the other does not.
76
239034
2502
Que l’un développe un cancer
et l’autre non.
04:13
Not mentioningmentionner livingvivant
in a very stresseda souligné environmentenvironnement.
77
241560
4905
Sans parler de vivre
dans un environnement très stressant.
04:19
I moveddéplacé to ShenzhenShenzhen 10 yearsannées agodepuis ...
78
247566
2595
J’ai aménagé à Shenzhen il y a 10 ans,
04:22
for some reasonraison, people maymai know.
79
250185
2738
pour plein de raisons
que certains connaissent.
04:25
If the gene'sdu gène underen dessous de stressstress,
80
253969
1939
Si un gène est sous pression,
04:27
it behavesse comporte totallytotalement differentlydifféremment.
81
255932
1667
il réagit de façon bien différente.
04:30
Life is a journeypériple.
82
258863
1381
La vie est un voyage.
04:32
A genegène is just a startingdépart pointpoint,
83
260817
2508
Le gène n’est qu’un point de départ,
04:35
not the endfin.
84
263349
1150
et non la ligne d’arrivée.
04:37
You have this statisticalstatistique riskrisque
of certaincertain diseasesmaladies when you are bornnée.
85
265286
4488
Vous avez tous ce risque statistique
de développer
certaines maladies à la naissance.
Mais vous faites des choix chaque jour,
04:42
But everychaque day you make differentdifférent choicesles choix,
86
270392
3563
04:45
and those choicesles choix will increaseaugmenter
or decreasediminution the riskrisque of certaincertain diseasesmaladies.
87
273979
4538
et ces choix augmenteront ou diminueront
le risque
de développer certaines maladies.
04:51
But do you know
where you are on the curvecourbe?
88
279428
2259
Mais savez-vous
où vous êtes sur la courbe ?
04:54
What's the pastpassé curvecourbe look like?
89
282443
2159
De quoi elle avait l’air avant ?
04:56
What kindgentil of decisionsles décisions
are you facingorienté vers everychaque day?
90
284959
2465
À quel genre de décision
faites-vous face chaque jour ?
04:59
And what kindgentil of decisiondécision is the right one
91
287761
2467
Et quel genre de décision est correct
05:02
to make your ownposséder right curvecourbe
over your life journeypériple?
92
290252
4234
pour avoir une bonne courbe
durant votre vie ?
05:07
What's that?
93
295445
1150
C'est quoi ça ?
05:09
The only thing you cannotne peux pas changechangement,
94
297320
1969
C’est l'unique chose
que vous ne pouvez pas changer,
ou mettre en marche arrière,
05:11
you cannotne peux pas reversesens inverse back,
95
299313
2181
05:13
is time.
96
301518
1228
c’est le temps.
05:14
ProbablySans doute not yetencore; maybe in the futureavenir.
97
302770
2001
Sûrement pas encore ;
peut être à l'avenir.
05:16
(LaughterRires)
98
304795
1110
(Rires)
05:17
Well, you cannotne peux pas changechangement
the decisiondécision you've madefabriqué,
99
305929
2819
Vous ne pouvez pas changer vos décisions,
05:20
but can we do something there?
100
308772
1541
mais que peut-on faire à ce sujet ?
05:22
Can we actuallyréellement try to runcourir
multipleplusieurs optionsoptions on me,
101
310643
5102
Pouvons-nous effectuer
plusieurs analyses sur nous-mêmes,
05:27
and try to predictprédire right
on the consequenceconséquence,
102
315769
3559
essayer de prédire correctement
les résultats,
05:31
and be ablecapable to make the right choicechoix?
103
319352
2183
et être en mesure de faire le bon choix ?
05:34
After all,
104
322153
1172
Après tout,
05:35
we are our choicesles choix.
105
323349
1852
nous sommes le résultat de nos choix.
05:38
These ladyDame beetlescoléoptères camevenu to me afterwardsensuite.
106
326413
2574
Je me suis rappelé ce scarabée.
05:41
25 yearsannées agodepuis, I madefabriqué
the digitalnumérique ladyDame beetlescoléoptères
107
329642
3463
Il y a 25 ans, j’ai créé
un scarabée numérique
05:45
to try to simulatesimuler realréal ladyDame beetlescoléoptères.
108
333129
1784
pour simuler le vrai scarabée.
05:47
Can I make a digitalnumérique me ...
109
335503
1785
Puis-je créer un moi numérique …
05:49
to simulatesimuler me?
110
337897
1324
pour me simuler ?
05:51
I understandcomprendre the neuralneural
networkréseau could becomedevenir
111
339955
2561
Je comprends qu’à ce point
le réseau de neurones
05:54
much more sophisticatedsophistiqué
and complicatedcompliqué there.
112
342540
3086
peut devenir plus sophistiqué
et compliqué.
05:57
Can I make that one,
113
345650
1554
Puis-je le créer,
05:59
and try to runcourir multipleplusieurs optionsoptions
on that digitalnumérique me --
114
347228
3882
tenter plusieurs options
sur ce moi numérique --
06:03
to computecalculer that?
115
351134
1260
et calculer cela ?
06:05
Then I could livevivre in differentdifférent universesunivers,
116
353025
2963
Alors je pourrais vivre
dans des univers différents,
06:08
in parallelparallèle, at the sameMême time.
117
356012
2764
en parallèle, au même moment.
06:11
Then I would choosechoisir
whateverpeu importe is good for me.
118
359148
2513
Alors je choisirais
tout ce qui est bon pour moi.
06:14
I probablyProbablement have the mostles plus comprehensivecomplet
digitalnumérique me on the planetplanète.
119
362243
3842
Probablement, j’aurais le moi numérique
le plus complet de la planète.
06:18
I've spentdépensé a lot of dollarsdollars
on me, on myselfmoi même.
120
366109
2657
J’ai dépensé beaucoup de dollars
sur moi, moi-même.
06:21
And the digitalnumérique me told me
I have a geneticgénétique riskrisque of goutgoutte
121
369987
5206
Et le moi numérique m’a dit
que j’ai un risque génétique de développer
06:27
by all of those things there.
122
375217
1667
la goutte à cause de ces choses-là.
06:29
You need differentdifférent technologyLa technologie to do that.
123
377254
2111
Pour cela, vous avez besoin
d’une autre technologie,
des protéines, des gènes,
06:31
You need the proteinsprotéines, genesgènes,
124
379389
1570
06:32
you need metabolizedmétabolisé antibodiesanticorps,
125
380983
2526
des anticorps métabolisés,
06:35
you need to screenécran all your bodycorps
126
383533
2492
d’analyser votre corps en entier
06:38
about the bacteriasbactéries and virusesles virus
coveringcouvrant you, or in you.
127
386049
3624
à la recherche des bactéries et des virus
sur votre peau ou dans votre corps.
06:41
You need to have
all the smartintelligent devicesdispositifs there --
128
389697
2788
Vous avez besoin
de tous les appareils intelligents --
06:44
smartintelligent carsdes voitures, smartintelligent housemaison, smartintelligent tablesles tables,
129
392509
3416
voitures, maison, tables,
06:47
smartintelligent watch, smartintelligent phonetéléphone
to trackPiste all of your activitiesActivités there.
130
395949
3329
montre, téléphone
pour suivre toutes vos activités.
06:51
The environmentenvironnement is importantimportant --
131
399302
1477
L’environnement est important --
tout est important --
06:52
everything'stout est importantimportant --
132
400803
1221
06:54
and don't forgetoublier the smartintelligent toilettoilette.
133
402048
1746
et n’oubliez pas
les toilettes intelligentes. (Rires)
06:55
(LaughterRires)
134
403818
1031
06:56
It's suchtel a wastedéchets, right?
135
404873
1774
C’est un vrai gâchis, n’est-ce pas ?
06:58
EveryChaque day, so much invaluableune valeur inestimable informationinformation
just has been flushedrincé into the watereau.
136
406671
5685
Tant de précieuses informations
jetées chaque jour par la chasse d’eau.
07:04
And you need them.
137
412796
1236
Et dont vous avez besoin.
07:06
You need to measuremesure all of them.
138
414056
1524
Vous avez besoin de les mesurer.
07:07
You need to be ablecapable to measuremesure
everything around you
139
415604
2623
Il faut être à même de mesurer
tout ce qui vous entoure
07:10
and computecalculer them.
140
418251
1217
et de le calculer.
07:12
And the digitalnumérique me told me
I have a geneticgénétique defectVice.
141
420113
3883
Et le moi numérique m’a dit
que j’ai un défaut génétique.
07:16
I have a very highhaute riskrisque of goutgoutte.
142
424797
2071
J’ai un risque très élevé
d'avoir la goutte.
07:19
I don't feel anything now,
143
427868
1597
Pour le moment, je ne sens rien,
07:21
I'm still healthyen bonne santé.
144
429489
1372
je suis encore en bonne santé.
07:22
But look at my uricacide urique acidacide levelniveau.
145
430885
1501
Voici mon taux d'acide urique.
07:24
It's doubledouble the normalnormal rangegamme.
146
432410
1815
C’est le double du taux normal.
07:26
And the digitalnumérique me searchedcherché
all the medicinemédicament bookslivres,
147
434919
2821
Et le moi numérique a cherché
dans tous les livres médicaux,
07:29
and it tellsraconte me, "OK, you could
drinkboisson burdockbardane teathé" --
148
437764
4168
et m’a dit : « Tu peux boire
de la tisane à la bardane » --
07:33
I cannotne peux pas even pronounceprononcer it right --
149
441956
1698
jJe n’arrive même pas à le dire --
(Rires)
07:35
(LaughterRires)
150
443678
1035
07:36
That is from oldvieux ChineseChinois wisdomsagesse.
151
444737
1814
C'est de l'ancienne sagesse chinoise.
07:39
And I drankbuvait that teathé for threeTrois monthsmois.
152
447076
2759
J’ai bu cette tisane pendant 3 mois.
07:41
My uricacide urique acidacide has now gonedisparu back to normalnormal.
153
449859
2541
Mon taux
d’acide urique est revenu au normal.
07:45
I mean, it workedtravaillé for me.
154
453118
1675
Je veux dire, ça a marché pour moi.
07:46
All those thousandsmilliers of yearsannées
of wisdomsagesse workedtravaillé for me.
155
454817
2516
Cette sagesse ancestrale
a marché pour moi.
07:49
I was luckychanceux.
156
457357
1150
J’étais chanceux.
07:50
But I'm probablyProbablement not luckychanceux for you.
157
458864
3508
Mais je ne suis probablement pas
assez chanceux à vos yeux.
07:55
All of this existingexistant
knowledgeconnaissance in the worldmonde
158
463189
2165
Toute cette connaissance
dans le monde
07:57
cannotne peux pas possiblypeut-être be efficientefficace enoughassez
or personalizedpersonnalisé enoughassez for yourselftoi même.
159
465378
5824
ne peut être assez efficace
ou personnalisée pour vos besoins.
08:03
The only way to make
that digitalnumérique me work ...
160
471872
2655
Le seul moyen de faire
fonctionner ce moi numérique
08:07
is to learnapprendre from yourselftoi même.
161
475424
2057
commence par se connaitre.
08:11
You have to askdemander a lot
of questionsdes questions about yourselftoi même:
162
479093
2404
Il faut poser beaucoup de questions
sur vous-même :
08:13
"What if?" --
163
481521
1673
« Et si ? » --
08:15
I'm beingétant jet-laggeddécalage horaire now here.
164
483218
1803
Je souffre du décalage horaire.
08:17
You don't probablyProbablement see it, but I do.
165
485045
1958
Vous ne l'avez pas remarqué,
mais je le suis.
08:20
What if I eatmanger lessMoins?
166
488073
1792
Et si je mange moins ?
08:21
When I tooka pris metforminmetformine,
supposedlysoi-disant to livevivre longerplus long?
167
489889
2948
Lorsque je prends du metformin,
censé prolonger la vie ?
08:25
What if I climbmontée MtMT. EverestEverest?
168
493574
1347
Et si je gravis l’Everest ?
08:26
It's not that easyfacile.
169
494945
1302
Ce n’est pas si facile.
08:28
Or runcourir a marathonMarathon?
170
496271
1330
Ou courir le marathon ?
08:30
What if I drinkboisson a bottlebouteille of mao-taiMao-Tai,
171
498132
2314
Et si je bois une bouteille de mao-tai,
08:32
whichlequel is a ChineseChinois liquorboissons alcoolisées,
172
500470
1336
une liqueur chinoise,
08:33
and I get really drunkivre?
173
501830
1194
et que je me soûle ?
08:35
I was doing a videovidéo rehearsalrépétition last time
with the folksgens here,
174
503048
4429
Dernièrement, avec mes amis ici présents,
j’ai fait une vidéo de répétition,
08:39
when I was drunkivre,
175
507501
1269
alors que j’étais ivre,
08:40
and I totallytotalement deliveredlivré
a differentdifférent speechdiscours.
176
508794
2089
et j’ai fait un discours bien différent.
08:42
(LaughterRires)
177
510907
2869
(Rires)
Et si je travaille moins, n’est-ce pas ?
08:45
What if I work lessMoins, right?
178
513800
2301
08:48
I have been lessMoins stresseda souligné, right?
179
516125
1882
Si j’étais moins stressé ?
Chose qui ne m’est jamais arrivée,
08:50
So that probablyProbablement never happenedarrivé to me,
180
518031
1810
08:51
I was really stresseda souligné everychaque day,
181
519865
2098
j’étais stressé chaque jour,
mais j’espère être moins stressé.
08:53
but I hopeespérer I could be lessMoins stresseda souligné.
182
521987
1966
08:56
These earlyde bonne heure studiesétudes told us,
183
524291
2179
Les premières études nous disent
08:58
even with the sameMême bananabanane,
184
526494
1983
qu’en mangeant la même banane,
09:00
we have totallytotalement differentdifférent
glucose-levelglycémie reactionsréactions
185
528501
2987
nous avons des réactions bien différentes
au niveau du glucose
09:03
over differentdifférent individualspersonnes.
186
531512
1386
chez différentes personnes.
09:04
How about me?
187
532922
1150
Qu’en est-il pour moi ?
09:06
What is the right breakfastdéjeuner for me?
188
534416
1998
Quel est le bon petit-déjeuner pour moi ?
09:08
I need to do two weekssemaines
of controlledcontrôlé experimentsexpériences,
189
536438
2918
J’ai besoin de deux semaines
des expériences contrôlées,
09:11
of testingessai all kindssortes of differentdifférent
foodaliments ingredientsIngrédients on me,
190
539380
3745
pour tester toutes sortes
d'ingrédients sur moi,
09:15
and checkvérifier my body'sdu corps reactionréaction.
191
543149
2288
et de vérifier la réaction de mon corps.
09:17
And I don't know
the preciseprécis nutritionnutrition for me,
192
545461
3117
Et je ne sais pas
l’exact effet nutritionnel sur moi,
09:20
for myselfmoi même.
193
548602
1150
sur moi.
09:23
Then I wanted to searchchercher
all the ChineseChinois oldvieux wisdomsagesse
194
551193
4364
Alors j’ai voulu chercher
dans la sagesse ancestrale chinoise
09:27
about how I can livevivre longerplus long,
and healthierplus sain.
195
555581
2992
comment prolonger la vie,
et être en bonne santé.
09:30
I did it.
196
558889
1228
Je l’ai fait.
09:32
Some of them are really unachievableirréalisable.
197
560141
2251
Quelques-unes sont vraiment irréalisables.
09:34
I did this onceune fois que last OctoberOctobre,
198
562742
2865
J’ai effectué celle-ci une fois
en octobre dernier,
09:37
by not eatingen mangeant for sevenSept daysjournées.
199
565631
1718
en ne mangeant rien pendant sept jours.
09:40
I did a fastvite for sevenSept daysjournées
with sixsix partnersles partenaires of minemien.
200
568149
4124
J’ai jeûné pendant sept jours
avec six partenaires.
09:44
Look at those people.
201
572778
1259
Regardez ces gens.
09:46
One smilesourire.
202
574061
1151
L’un d’eux sourit.
09:47
You know why he smiledsouri?
203
575236
1151
Savez-vous pourquoi ?
09:48
He cheatedtriché.
204
576411
1167
Il a triché.
09:49
(LaughterRires)
205
577602
1000
(Rires)
09:50
He drankbuvait one cupCoupe of coffeecafé at night,
206
578626
3136
Il a bu une tasse de café dans la nuit,
09:53
and we caughtpris it from the dataLes données.
207
581786
1485
et on l’a su grâce aux données.
09:55
(LaughterRires)
208
583295
1045
(Rires)
09:56
We measuredmesuré everything from the dataLes données.
209
584364
2460
Nous avons calculé tout grâce aux données.
09:58
We were ablecapable to trackPiste them,
210
586848
2214
Nous étions en mesure de les pister,
10:01
and we could really see --
211
589086
1558
et on a vraiment pu voir --
10:02
for exampleExemple, my immuneimmunitaire systemsystème,
212
590668
2001
par exemple, mon système immunitaire,
10:04
just to give you a little hintallusion there.
213
592693
1762
juste pour vous donner une idée.
10:06
My immuneimmunitaire systemsystème changedmodifié
dramaticallydramatiquement over 24 hoursheures there.
214
594479
4304
Mon système immunitaire a changé
radicalement pendant les 24 heures.
10:11
And my antibodyanticorps regulatesrégule my proteinsprotéines
215
599918
3133
Et mes anticorps ont régulé mes protéines
10:15
for that dramaticdramatique changechangement.
216
603075
1536
grâce à ce changement radical.
10:16
And everybodyTout le monde was doing that.
217
604635
1381
Et tout le monde l'avait.
10:18
Even if we're essentiallyessentiellement
totallytotalement differentdifférent at the very beginningdébut.
218
606040
3332
Même si nous étions fondamentalement
et totalement différents au début.
10:21
And that probablyProbablement will be
an interestingintéressant treatmenttraitement in the futureavenir
219
609396
3045
Il sera probablement
un traitement intéressant à l’avenir
10:24
for cancercancer and things like that.
220
612465
1643
pour le cancer et etc.
10:26
It becomesdevient very, very interestingintéressant.
221
614132
1630
C'est devenu très intéressant.
10:28
But something you probablyProbablement
don't want to try,
222
616286
2701
Mais la chose que vous ne voudriez
sûrement pas essayer,
10:31
like drinkingen buvant fecalfécale watereau
from a healthierplus sain individualindividuel,
223
619011
3676
est de boire l’eau fécale
d’une personne en bonne santé,
10:34
whichlequel will make you feel healthierplus sain.
224
622711
1667
cela vous fera sentir en santé.
10:36
This is from oldvieux ChineseChinois wisdomsagesse.
225
624402
1715
C'est un ancien savoir chinois.
10:38
Look at that, right?
226
626141
1436
Regardez cela.
10:39
Like 1,700 yearsannées agodepuis,
227
627601
2166
Il y a environ 1 700 ans,
10:41
it's alreadydéjà there, in the booklivre.
228
629791
2280
elle est déjà là, dans le livre.
10:44
But I still hatehaine the smellodeur.
229
632608
1327
Mais je hais son odeur.
10:46
(LaughterRires)
230
634237
1150
(Rires)
10:47
I want to find out the truevrai way to do it,
231
635411
2406
Je veux trouver
la bonne méthode pour le faire,
10:49
maybe find a combinationcombinaison of cocktailscocktails
of bacteriasbactéries and drinkboisson it,
232
637841
4354
Peut-être une combinaison
de cocktails de bactéries et le boire,
10:54
it probablyProbablement will make me better.
233
642219
1524
cela pourrait me faire du bien.
10:55
So I'm tryingen essayant to do that.
234
643767
1191
Alors je l'essaierai.
10:56
Even thoughbien que I'm tryingen essayant this harddifficile,
235
644982
3002
Bien que j’essaye de toutes mes forces,
11:00
it's so difficultdifficile to testtester out
all possiblepossible conditionsconditions.
236
648008
5026
il est très difficile de tester
toutes les conditions possibles.
11:05
It's not possiblepossible to do
all kindssortes of experimentsexpériences at all ...
237
653058
5237
Il n’est pas du tout possible de faire
toutes sortes d’expériences…
11:11
but we do have sevenSept billionmilliard
learningapprentissage programsprogrammes on this planetplanète.
238
659341
3813
mais on a sur cette planète
7 milliards de programmes d’apprentissage.
11:15
SevenSept billionmilliard.
239
663178
1266
Sept milliards.
11:16
And everychaque programprogramme
is runningfonctionnement in differentdifférent conditionsconditions
240
664468
3651
Et chaque programme
fonctionne selon différentes conditions
11:20
and doing differentdifférent experimentsexpériences.
241
668143
1781
et différentes expériences.
11:21
Can we all measuremesure them?
242
669948
1851
Pouvons-nous les mesurer tous ?
11:24
SevenSept yearsannées agodepuis,
I wrotea écrit an essayessai in "ScienceScience"
243
672962
3215
Il y a sept ans,
j’ai écrit un essai dans « Science »
11:28
to celebratecélébrer the humanHumain genome'sdu génome
10-year-an anniversaryanniversaire.
244
676201
3292
pour célébrer
le 10ème anniversaire du génome humain.
11:32
I said, "SequenceSéquence yourselftoi même,
245
680175
1654
J’ai dit : « Séquencez-vous,
11:33
for one and for all."
246
681853
1623
pour vous et pour tous. »
11:35
But now I'm going to say,
247
683798
1868
Mais maintenant je dirais :
11:37
"DigitalizeNumériser yourselftoi même for one and for all."
248
685690
3746
« Numérisez-vous pour vous et pour tous. »
11:42
When we make this digitalnumérique me
into a digitalnumérique we,
249
690275
5600
Lorsque nous transformerons
ce moi numérique en nous numérique,
11:47
when we try to formforme an internetl'Internet of life,
250
695899
3752
lorsque nous essayerons
de créer un internet de vie,
11:51
when people can learnapprendre from eachchaque other,
251
699675
2861
lorsque les gens pourront
apprendre les uns des autres,
11:54
when people can learnapprendre
from theirleur experienceexpérience,
252
702560
2707
lorsqu’ils pourront
apprendre des expériences de chacun,
11:57
theirleur dataLes données,
253
705291
1731
de leurs données,
11:59
when people can really formforme
a digitalnumérique me by themselvesse
254
707046
3601
lorsque les gens créeront vraiment
un moi numérique par eux-mêmes
12:02
and we learnapprendre from it,
255
710671
1611
et que nous apprendrons de lui,
12:05
the digitalnumérique we will be
totallytotalement differentdifférent with a digitalnumérique me.
256
713416
5732
le nous numérique sera
totalement différent du moi numérique.
12:11
But it can only come from the digitalnumérique me.
257
719172
3420
Mais sa création
repose sur le moi numérique.
12:16
And this is what I try to proposeproposer here.
258
724103
2979
Et c’est ce que j’essaye
de vous proposer ici.
12:20
JoinRejoignez les me --
259
728121
1150
Joignez-vous à moi --
12:21
becomedevenir we,
260
729944
1150
à devenir le nous,
12:23
and everybodyTout le monde should buildconstruire up
theirleur ownposséder digitalnumérique me,
261
731792
4938
et chacun de nous doit créer
son propre moi numérique,
12:28
because only by that
will you learnapprendre more about you,
262
736754
4519
car c’est uniquement de cette façon
que vous apprendrez davantage sur vous,
12:33
about me,
263
741297
1424
sur moi,
12:34
about us ...
264
742745
1165
sur nous,
12:36
about the questionquestion I just posedposé
at the very beginningdébut:
265
744678
3680
sur la question que j’ai posée au début :
12:40
"What is life?"
266
748382
1150
qu'est-ce que la vie ?
12:42
Thank you.
267
750066
1169
Merci.
12:43
(ApplauseApplaudissements)
268
751259
5950
(Applaudissements)
12:49
ChrisChris AndersonAnderson:
One quickrapide questionquestion for you.
269
757233
2761
Chris Anderson :
Une question rapide pour vous.
12:52
I mean, the work is amazingincroyable.
270
760818
1974
Je pense que votre travail est prodigieux.
12:54
I suspectsuspect one questionquestion people have is,
271
762816
3198
Je suppose que le public se demande,
12:58
as we look forwardvers l'avant to these amazingincroyable
technicaltechnique possibilitiespossibilités
272
766038
3281
en attendant
ces possibilités techniques stupéfiantes
13:01
of personalizedpersonnalisé medicinemédicament,
273
769343
1361
d’une médecine personnalisée,
13:02
in the near-termà court terme it feelsse sent like
they're only going to be affordableabordable
274
770728
3303
il semble qu’à court terme,
elles seront accessibles seulement
à quelques personnes, non ?
13:06
for a fewpeu people, right?
275
774055
1276
13:07
It costsfrais manybeaucoup dollarsdollars to do
all the sequencingséquençage and so forthavant.
276
775355
2991
Cela coûte beaucoup
pour faire les séquençages.
13:10
Is this going to leadconduire to a kindgentil of,
277
778889
2912
Cela mènera-t-il
13:13
you know, increasingen augmentant inequalityinégalité?
278
781825
2317
à un accroissement des inégalités ?
13:16
Or do you have this visionvision
that the knowledgeconnaissance that you get
279
784166
3911
Ou avez-vous cette vision
que le savoir que vous allez acquérir
13:20
from the pioneerspionniers
280
788101
1352
des pionniers
13:21
can actuallyréellement be
prettyjoli quicklyrapidement disseminateddisséminée
281
789477
2096
peut être rapidement diffusé
13:23
to help a broaderplus large setensemble of recipientsbénéficiaires?
282
791597
4124
pour aider
un plus large groupe de bénéficiaires ?
13:27
JunJun WangWang: Well, good questionquestion.
283
795745
1534
Jun Wang : Bonne question.
13:29
I'll tell you that sevenSept yearsannées agodepuis,
when I co-foundeda co-fondé BGIBGI,
284
797303
3551
Je vais vous dire qu’il y a sept ans,
lorsque j’ai cofondé BGI,
13:32
and servedservi as the CEOPRÉSIDENT-DIRECTEUR GÉNÉRAL
of the companycompagnie there,
285
800878
3405
dont je suis PDG,
13:36
the only goalobjectif there for me to do
286
804307
2381
mon unique but
13:38
was to driveconduire the sequencingséquençage costCoût down.
287
806712
1983
était de baisser le coût du séquençage.
13:41
It startedcommencé from 100 millionmillion dollarsdollars
perpar humanHumain genomegénome.
288
809044
2775
On a commencé par 100 millions de dollars
par génome.
13:43
Now, it's a couplecouple hundredcent dollarsdollars
for a humanHumain genomegénome.
289
811843
2591
Et aujourd’hui, ça coûte
quelques centaines par génome.
13:46
The only reasonraison to do it
is to get more people to benefitavantage from it.
290
814458
3614
On le fait seulement pour inciter
le plus possible de gens à en profiter.
13:50
So for the digitalnumérique me,
it's the sameMême thing.
291
818378
2157
Et c'est la même chose
pour le moi numérique.
13:52
Now, you probablyProbablement need,
292
820559
1489
Vous aurez probablement besoin
13:54
you know, one millionmillion dollarsdollars
to digitizenumériser a personla personne.
293
822072
3229
d’un million de dollars
pour numériser une personne.
13:57
I think it has to be 100 dollarsdollars.
294
825801
1675
Je pense que ça coûte 100 dollars.
13:59
It has to be freegratuit for manybeaucoup of those people
that urgentlyurgent need that.
295
827987
4049
Cela doit être gratuit pour la plupart
des gens ayant un besoin urgent.
14:04
So this is our goalobjectif.
296
832372
1267
C’est notre objectif.
14:05
And it seemssemble that with all
this mergingla fusion of the technologyLa technologie,
297
833993
3423
Et il semble qu’avec
toute cette technologie combinée,
14:09
I'm thinkingen pensant that in the very nearprès futureavenir,
298
837440
2592
je pense que dans un avenir très proche,
14:12
let's say threeTrois to fivecinq yearsannées,
299
840056
2365
disons dans 3 à 5 ans,
14:14
it will come to realityréalité.
300
842445
1482
cela deviendra réalité.
14:15
And this is the wholeentier ideaidée
of why I foundedfondé iCarbonXiCarbonX,
301
843951
3979
Et c’est toute l’idée
qui m’a poussé à créer iCarbonX,
14:19
my secondseconde companycompagnie.
302
847954
1219
ma deuxième entreprise.
14:21
It's really tryingen essayant to get the costCoût down
303
849197
2868
Elle essaye vraiment de réduire le coût
14:24
to a levelniveau where everychaque individualindividuel
could have the benefitavantage.
304
852089
3420
à un niveau
où cela profitera à tout le monde.
14:27
CACA: All right, so the dreamrêver is not
eliteélite healthsanté servicesprestations de service for fewpeu,
305
855533
3048
CA : Alors, ce n'est pas un service santé
destiné à une élite,
14:30
it's to really try
306
858605
1234
mais de vraiment essayer
14:31
and actuallyréellement make overallglobal healthsanté carese soucier
much more costCoût effectiveefficace --
307
859863
3111
de rendre les soins
de santé plus rentables...
14:34
JWJW: But we startedcommencé
from some earlyde bonne heure adoptersadoptants,
308
862998
2430
JW : On a commencé
par certains de nos pionniers,
14:37
people believingcroire ideasidées and so on,
309
865452
2506
des gens qui croient à ces idées,
14:39
but eventuallyfinalement, it will becomedevenir
everybody'stout le monde benefitavantage.
310
867982
3642
mais au final,
il sera profitable à tout le monde.
14:44
CACA: Well, JunJun, I think
it's got to be truevrai to say
311
872303
2333
CA : Eh bien, Jun,
je pense qu’il est vrai de dire
14:46
you're one of the mostles plus amazingincroyable
scientificscientifique mindsesprits on the planetplanète,
312
874660
2958
que vous êtes l'un des grands
esprits scientifiques au monde,
14:49
and it's an honorhonneur to have you.
313
877642
1429
et c'est un honneur pour nous.
14:51
JWJW: Thank you.
314
879095
1158
JW : Merci.
14:52
(ApplauseApplaudissements)
315
880277
1150
(Applaudissements)
Translated by DAHOU Mohamed
Reviewed by Ludovic Benistant

▲Back to top

ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com