TEDSummit 2019
Sara-Jane Dunn: The next software revolution: programming biological cells
સારાં -જાને -ડૂનન: આગળ ની સોફ્ટવેર ક્રાંતિ :બિયોલોજિકલ કોષ પ્રોગ્રામિંગ
Filmed:
Readability: 5.2
1,706,478 views
તમારા શરીરના કોષો કમ્પ્યુટર સ softwareફ્ટવેર જેવા છે: તેઓ ચોક્કસ સમયે ચોક્કસ કાર્યો કરવા માટે "પ્રોગ્રામ કરેલા" હોય છે. જો આપણે આ પ્રક્રિયાને વધુ સારી રીતે સમજી શકીએ, તો આપણે કોષોને ફરીથી પ્રોગ્રામ કરવાની ક્ષમતાને અનલlockક કરી શકીશું, એમ ગણતરીના જીવવિજ્ .ાની સારા-જેન ડન કહે છે. વિજ્ ofાનના મુખ્ય ભાગની વાતોમાં, તે સમજાવે છે કે કેવી રીતે તેની ટીમ જીવનને શક્તિ આપે છે તેવા જૈવિક કાર્યક્રમોની નવી સમજ મેળવવા માટે ગર્ભના સ્ટેમ સેલ્સનો અભ્યાસ કરી રહી છે - અને "જીવંત સ softwareફ્ટવેર" વિકસિત કરી શકે છે જે દવા, કૃષિ અને energyર્જાને પરિવર્તિત કરી શકે છે.
Sara-Jane Dunn - Computational biologist
Sara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information. Full bio
Sara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information. Full bio
Double-click the English transcript below to play the video.
00:12
The second half of the last century
was completely defined
was completely defined
0
750
4509
છેલ્લા સદીના બીજા ભાગમાં
સંપૂર્ણપણે વ્યાખ્યાયિત કરવામાં આવી હતી
સંપૂર્ણપણે વ્યાખ્યાયિત કરવામાં આવી હતી
તકનીકી ક્રાંતિ દ્વાર!
00:17
by a technological revolution:
1
5283
1999
સોફ્ટવેર ક્રાંતિ.
ઈલેકટ્રોનપ્રોગ્રામ
00:19
the software revolution.
2
7306
1435
શક્ય તકનીકઓ બનાવી
કંપની, ઉદ્યોગો કે ઍક સમયે હતાં
કંપની, ઉદ્યોગો કે ઍક સમયે હતાં
00:21
The ability to program electrons
on a material called silicon
on a material called silicon
3
9313
4808
આપણામાંના ઘણા અકલ્પની
પણ હવે જે રીતે બદલાયા
00:26
made possible technologies,
companies and industries
companies and industries
4
14145
3073
દુનિયા જેરીતે કામ કરે છે
આ સદીનો પ્રથમભાગ,
આ સદીનો પ્રથમભાગ,
00:29
that were at one point
unimaginable to many of us,
unimaginable to many of us,
5
17242
3977
જૉકે રૂપાંતરિત થઇ છે નવી
સોફ્ટવેરક્રાંતિ દ્વારા, જીવંતસફ્ટવેરતિ.
સોફ્ટવેરક્રાંતિ દ્વારા, જીવંતસફ્ટવેરતિ.
00:33
but which have now fundamentally changed
the way the world works.
the way the world works.
6
21243
3915
અને આ ક્ષમતા દ્વારા સંચાલિત કરવામાં આવશે
બાયોકેમિસ્ટ્રી કાર્યક્રમ
બાયોકેમિસ્ટ્રી કાર્યક્રમ
00:38
The first half of this century, though,
7
26158
1921
જીવવિજ્ calledાન કહેવાય સામગ્રી પર.
00:40
is going to be transformed
by a new software revolution:
by a new software revolution:
8
28103
3978
અને આમ કરવાથી આપણને ઉપયોગ થાય છે
જીવવિજ્ .ાન ગુણધર્મો
જીવવિજ્ .ાન ગુણધર્મો
00:44
the living software revolution.
9
32105
2435
નવી પ્રકારની ઉપચાર પેદા કરવા માટે,
00:46
And this will be powered by the ability
to program biochemistry
to program biochemistry
10
34921
4050
ક્ષતિગ્રસ્ત પેશીઓને સુધારવા માટે,
00:50
on a material called biology.
11
38995
2295
ખામીયુક્ત કોષો ફરીથી પ્રોગ્રામ કરવા
00:53
And doing so will enable us to harness
the properties of biology
the properties of biology
12
41314
4141
અથવા તો પ્રોગ્રામ કરી શકાય તેવા બનાવો
બાયોકેમિસ્ટ્રીમાંથી ઑપરેટિંગ સિસ્ટમ્સ
બાયોકેમિસ્ટ્રીમાંથી ઑપરેટિંગ સિસ્ટમ્સ
00:57
to generate new kinds of therapies,
13
45479
2656
જો આકરી શકીએ તૅનો ખ્યાલ
રાખવાની જરૂર છે
રાખવાની જરૂર છે
01:00
to repair damaged tissue,
14
48159
1868
તેની અસર એટલી પ્રચંડ હશે
01:02
to reprogram faulty cells
15
50051
2725
કે તે પ્રથમ બનાવશે
સરખામણીમાં સોફ્ટવેર ક્રાંતિ નિસ્તેજ.
સરખામણીમાં સોફ્ટવેર ક્રાંતિ નિસ્તેજ.
01:04
or even build programmable
operating systems out of biochemistry.
operating systems out of biochemistry.
16
52800
4554
જીવંત સ softwareફ્ટવેર છે
દવાની સંપૂર્ણતામાં પરિવર્તન લાવશે,
દવાની સંપૂર્ણતામાં પરિવર્તન લાવશે,
01:10
If we can realize this --
and we do need to realize it --
and we do need to realize it --
17
58420
3573
કૃષિ અને ઉર્જા,
01:14
its impact will be so enormous
18
62017
2162
અને આ એવા ક્ષેત્રો છે જે
આઇટી દ્વારા વર્ચસ્વ.
આઇટી દ્વારા વર્ચસ્વ.
01:16
that it will make the first
software revolution pale in comparison.
software revolution pale in comparison.
19
64203
3877
પ્રોગ્રામેબલ છોડની કલ્પના કરો
તે વધુ અસરકારક રીતે નાઇટ્રોજનને ઠીક કરે છે
તે વધુ અસરકારક રીતે નાઇટ્રોજનને ઠીક કરે છે
01:20
And that's because living software
would transform the entirety of medicine,
would transform the entirety of medicine,
20
68104
4234
અથવા ઉભરતા ફંગલ પેથોજેન્સનો પ્રતિકાર કરો,
01:24
agriculture and energy,
21
72362
1559
અથવા તો પ્રોગ્રામિંગ
વાર્ષિક બદલે
વાર્ષિક બદલે
01:25
and these are sectors that dwarf
those dominated by IT.
those dominated by IT.
22
73945
3828
જેથી તમે બમણું કરી શકો
તમારા પાક દર વર્ષે ઉપજ.
તમારા પાક દર વર્ષે ઉપજ.
01:30
Imagine programmable plants
that fix nitrogen more effectively
that fix nitrogen more effectively
23
78812
4174
તે કૃષિમાં પરિવર્તન લાવશે
01:35
or resist emerging fungal pathogens,
24
83010
2905
અને આપણે કેવી રીતે વધતી રહીશું
અને વૈશ્વિક વસ્તી મેળવાય છે
અને વૈશ્વિક વસ્તી મેળવાય છે
01:37
or even programming crops
to be perennial rather than annual
to be perennial rather than annual
25
85939
3537
અથવા પ્રોગ્રામેબલ પ્રતિરક્ષાની કલ્પના કરો,
01:41
so you could double
your crop yields each year.
your crop yields each year.
26
89500
2268
મોલેક્યુલર ડિવાઇસીસની રચના અને ઉપયોગ
જે તમારી kk
જે તમારી kk
01:43
That would transform agriculture
27
91792
2098
શોધવા માટે, નાબૂદ કરવું
અથવા રોગ અટકાવે છે.
અથવા રોગ અટકાવે છે.
01:45
and how we'll keep our growing
and global population fed.
and global population fed.
28
93914
4104
આ દવા પરિવર્તન કરશે
01:50
Or imagine programmable immunity,
29
98794
2262
-આપણે કેવીરીતે વધતી રહીશું
, વૃદ્ધ વસ્તી સ્વસ્થ.
, વૃદ્ધ વસ્તી સ્વસ્થ.
01:53
designing and harnessing molecular devices
that guide your immune system
that guide your immune system
30
101080
4238
અમારી પાસે પહેલાથી ઘણા સાધનો છે
તે જીવંત સફ્ટવેરને વાસ્તવિકતા બનાવશે.
તે જીવંત સફ્ટવેરને વાસ્તવિકતા બનાવશે.
01:57
to detect, eradicate
or even prevent disease.
or even prevent disease.
31
105342
3830
અમે CRISPR સાથે ચોક્કસપણે
જનીનોને સંપાદિત કરી
02:01
This would transform medicine
32
109196
1571
આપણે આનુવંશિક
એક સમયે એક આધાર
02:02
and how we'll keep our growing
and aging population healthy.
and aging population healthy.
33
110791
3489
આપણે કાર્યકારી પણ બનાવી શકીએ છીએ
ડીએનએ બહાર કૃત્રિમ સર્કિટ્સ.
ડીએનએ બહાર કૃત્રિમ સર્કિટ્સ.
02:07
We already have many of the tools
that will make living software a reality.
that will make living software a reality.
34
115501
4203
પરંતુ કેવી રીતે અને ક્યારે બહાર નીકળવું
આ સાધનો ચલાવવા માટે
આ સાધનો ચલાવવા માટે
02:11
We can precisely edit genes with CRISPR.
35
119728
2347
હજી પણ અજમાયશ અને ભૂલની પ્રક્રિયા છે.
02:14
We can rewrite the genetic code
one base at a time.
one base at a time.
36
122099
3083
તેને deepંડી કુશળતાની જરૂર છે,
વિશેષતા વર્ષો.
વિશેષતા વર્ષો.
02:17
We can even build functioning
synthetic circuits out of DNA.
synthetic circuits out of DNA.
37
125206
4436
અને પ્રાયોગિક પ્રોટોકોલ
શોધવા માટે મુશ્કેલ છે
શોધવા માટે મુશ્કેલ છે
02:22
But figuring out how and when
to wield these tools
to wield these tools
38
130428
2469
બધા ઘણી વાર, પુનરુત્પાદન કરવું મુશ્કેલ.
02:24
is still a process of trial and error.
39
132921
2422
તમે જાણો છો, આપણું વલણ
જીવનમાં
જીવનમાં
ભાગોં પર ઘ્યાન રાખવા
02:27
It needs deep expertise,
years of specialization.
years of specialization.
40
135367
3660
પરંતુ આપણે બધા જાણીએ છીએ કે ઉડાન જેવું છે,
સમજાય નહીં
સમજાય નહીં
02:31
And experimental protocols
are difficult to discover
are difficult to discover
41
139051
3037
ફક્ત પીછાઓનો અભ્યાસ કરીને.
02:34
and all too often, difficult to reproduce.
42
142112
2582
પ્રોગ્રામિંગ બાયોલોજી નથી
કમ્પ્યુટર પ્રોગ્રામ જેવુ સરળ.
કમ્પ્યુટર પ્રોગ્રામ જેવુ સરળ.
02:37
And, you know, we have a tendency
in biology to focus a lot on the parts,
in biology to focus a lot on the parts,
43
145256
4473
અને પછી બાબતોને વધુ ખરાબ કરવા માટે,
02:41
but we all know that something like flying
wouldn't be understood
wouldn't be understood
44
149753
3133
જીવંતપ્રણાલ મોટાભાગે સામ્યતા
નથી સિસ્ટમો માટે
નથી સિસ્ટમો માટે
02:44
by only studying feathers.
45
152910
1339
કે તમે, હું રોજ કાર્યક્રમ.
02:46
So programming biology is not yet
as simple as programming your computer.
as simple as programming your computer.
46
154846
4521
એન્જિનિયર્ડ સિસ્ટમ્સથી વિપરીત,
જીવંત પ્રણાલીઓ સ્વયં ઉત્પન્ન કરે છે,
જીવંત પ્રણાલીઓ સ્વયં ઉત્પન્ન કરે છે,
02:51
And then to make matters worse,
47
159391
1678
તેઓ સ્વ આયોજન,
02:53
living systems largely bear no resemblance
to the engineered systems
to the engineered systems
48
161093
4010
તેઓ પરમાણુ ભીંગડા પર કાર્ય કરે છે.
02:57
that you and I program every day.
49
165127
2096
અને આ પરમાણુ-સ્તરના ક્રિયાપ્રતિક્રિયાઓ
02:59
In contrast to engineered systems,
living systems self-generate,
living systems self-generate,
50
167691
4111
સામાન્ય રીતે મજબૂત તરફ દોરી જાય છે
મેક્રો-સ્કેલ આઉટપુટ.
મેક્રો-સ્કેલ આઉટપુટ.
03:03
they self-organize,
51
171826
1471
તેઓ સ્વ-સમારકામ પણ કરી શકે છે.
03:05
they operate at molecular scales.
52
173321
1687
ઉદાહરણ તરીકે, ધ્ય
નમ્ર ઘરગથ્થુ છોડ,
નમ્ર ઘરગથ્થુ છોડ,
03:07
And these molecular-level interactions
53
175032
2136
જેમ કે એક બેઠો
ઘરે તમારા mantelpiece પર
ઘરે તમારા mantelpiece પર
03:09
lead generally to robust
macro-scale output.
macro-scale output.
54
177192
3018
કે તમે પાણીને ભૂલી જતા રહો.
03:12
They can even self-repair.
55
180234
2720
દરરોજ, તમારી ઉપેક્ષા હોવા છતાં,
કે છોડ જાગે છે
કે છોડ જાગે છે
03:16
Consider, for example,
the humble household plant,
the humble household plant,
56
184256
2994
અને કેવી રીતે બહાર આકૃતિ
તેના સંસાધનોની ફાળવણી કરવા.
તેના સંસાધનોની ફાળવણી કરવા.
03:19
like that one sat
on your mantelpiece at home
on your mantelpiece at home
57
187274
2187
શું તે વધશે, પ્રકાશસંશ્લેષણ કરશે,
બીજ,ફૂલ પેદા?
બીજ,ફૂલ પેદા?
03:21
that you keep forgetting to water.
58
189485
1787
તે નિર્ણય લેવો પડશે
સમગ્ર જીવતંત્રના
સમગ્ર જીવતંત્રના
03:23
Every day, despite your neglect,
that plant has to wake up
that plant has to wake up
59
191749
3615
પરંતુ છોડમાં મગજ હોતું નથી
કે બધા બહાર આકૃતિ.
કે બધા બહાર આકૃતિ.
03:27
and figure out how
to allocate its resources.
to allocate its resources.
60
195388
2747
તે કરવું પડશે
તેના પાંદડા પર કોષો સાથે.
તેના પાંદડા પર કોષો સાથે.
03:30
Will it grow, photosynthesize,
produce seeds, or flower?
produce seeds, or flower?
61
198159
3571
તેઓએ પર્યાવરણને પ્રતિક્રિયા આપવી પડશે
03:33
And that's a decision that has to be made
at the level of the whole organism.
at the level of the whole organism.
62
201754
3939
અને નિર્ણયો લે છે
જે આખા છોડને અસર કરે છે.
જે આખા છોડને અસર કરે છે.
03:37
But a plant doesn't have a brain
to figure all of that out.
to figure all of that out.
63
205717
3481
તેથી કોઈક કોઈ કાર્યક્રમ હોવો જ જોઇએ
આ કોષોની અંદર દોડતા,
આ કોષોની અંદર દોડતા,
03:41
It has to make do
with the cells on its leaves.
with the cells on its leaves.
64
209222
2717
એક પ્રોગ્રામ જેનો જવાબ છે
ઇનપુટ સંકેતો અને સંકેતો
ઇનપુટ સંકેતો અને સંકેતો
03:43
They have to respond to the environment
65
211963
1903
અને તે કોષ શું કરશે તે આકાર આપે છે.
03:45
and make the decisions
that affect the whole plant.
that affect the whole plant.
66
213890
2649
અને તે પછી તે પ્રોગ્રામો ચલાવવા જ જોઇએ
વિતરિત રીતે
વિતરિત રીતે
03:48
So somehow there must be a program
running inside these cells,
running inside these cells,
67
216563
3988
વ્યક્તિગત કોષો તરફ,
03:52
a program that responds
to input signals and cues
to input signals and cues
68
220575
2727
જેથી તેઓ સંકલન કરી શકે
તે છોડ વિકસે છે અને ખીલી શકે છે.
તે છોડ વિકસે છે અને ખીલી શકે છે.
03:55
and shapes what that cell will do.
69
223326
1940
જો આપણે સમજી શક્યા હોત
જૈવિક કાર્યક્રમો,
જૈવિક કાર્યક્રમો,
03:57
And then those programs must operate
in a distributed way
in a distributed way
70
225679
3247
જો આપણે સમજી શક્યા હોત
જૈવિક ગણતરી,
જૈવિક ગણતરી,
04:00
across individual cells,
71
228950
1337
આપણી ક્ષમતામાં પરવર્તન
લાવશે
લાવશે
04:02
so that they can coordinate
and that plant can grow and flourish.
and that plant can grow and flourish.
72
230311
4123
કેવીરીતે, કૅમસમજવું
કોષો જે કરે છે તે કરે છે.
કોષો જે કરે છે તે કરે છે.
04:07
If we could understand
these biological programs,
these biological programs,
73
235675
3316
કારણ કે, જો આપણે આ પ્રોગ્રામોને સમજીએ છીએ,
04:11
if we could understand
biological computation,
biological computation,
74
239015
3122
જ્યારે વસ્તુઓ ખોટી પડે
તેમને ડિબગ કરી શકીએ.
તેમને ડિબગ કરી શકીએ.
04:14
it would transform our ability
to understand how and why
to understand how and why
75
242161
3937
તેમની પાસેથી ડિઝાઇન કેવીરીતે કરવું
તે શીખી કૃત્રિમ સર્કિટનો પ્રકાર
તે શીખી કૃત્રિમ સર્કિટનો પ્રકાર
04:18
cells do what they do.
76
246122
1546
ખરે શોષણ
બાયોમિસ્ટ્રી ગણતરીશક્તિ
બાયોમિસ્ટ્રી ગણતરીશક્તિ
04:20
Because, if we understood these programs,
77
248152
1987
આ વિચાર વિશે
ઉત્ધનની કારકીર્દિ તરફ દોરીm
ઉત્ધનની કારકીર્દિ તરફ દોરીm
04:22
we could debug them when things go wrong.
78
250163
2133
ગણિતના ઇંટરફેસ પર
કમ્પ્યુટર વિજ્ઞાન,જીવવિજ્ઞા
કમ્પ્યુટર વિજ્ઞાન,જીવવિજ્ઞા
04:24
Or we could learn from them how to design
the kind of synthetic circuits
the kind of synthetic circuits
79
252320
4193
મારા કાર્યમાં હું ખ્યાલ પર ધ્યાન કરું છું
ગણતરી તરીકે જીવવિજ્ઞાન
ગણતરી તરીકે જીવવિજ્ઞાન
04:28
that truly exploit
the computational power of biochemistry.
the computational power of biochemistry.
80
256537
4474
અને તેનો અર્થ એ છે કે પૂછવું
કોષો શું ગણતરી કરે છે,
કોષો શું ગણતરી કરે છે,
04:34
My passion about this idea
led me to a career in research
led me to a career in research
81
262407
3018
અને આપણે કેવી રીતે ઉજાગર કરી શકીએ
આ જૈવિક કાર્યક્રમો?
આ જૈવિક કાર્યક્રમો?
04:37
at the interface of maths,
computer science and biology.
computer science and biology.
82
265449
3631
અને મેં આ પ્રશ્નો પૂછવાનું શરૂ કર્યું
કેટલાક તેજસ્વી સહયોગીઓ સાથે
કેટલાક તેજસ્વી સહયોગીઓ સાથે
04:41
And in my work, I focus on the concept
of biology as computation.
of biology as computation.
83
269104
4726
માઈક્રોસોફ્ટ સંશોધન પર
અને યુનિવર્સિટી ઓફ કેમ્બ્રિજ,
અને યુનિવર્સિટી ઓફ કેમ્બ્રિજ,
04:46
And that means asking
what do cells compute,
what do cells compute,
84
274334
3142
જ્યાં અમે સાથે સમજવા માંગતા હતા
04:49
and how can we uncover
these biological programs?
these biological programs?
85
277500
3517
જૈવિક કાર્યક્રમ
એક અનોખા પ્રકારનાં કોષની અંદર દોડવું:
એક અનોખા પ્રકારનાં કોષની અંદર દોડવું:
04:53
And I started to ask these questions
together with some brilliant collaborators
together with some brilliant collaborators
86
281760
3757
એક ગર્ભ સ્ટેમ સેલ.
04:57
at Microsoft Research
and the University of Cambridge,
and the University of Cambridge,
87
285541
2571
આ કોષો અનન્ય છે
કારણ કે તેઓ સંપૂર્ણ નિષ્કપટ છે.
કારણ કે તેઓ સંપૂર્ણ નિષ્કપટ છે.
05:00
where together we wanted to understand
88
288136
2283
તેઓ ઇચ્છે તે કંઈપણ બની શકે છે:
05:02
the biological program
running inside a unique type of cell:
running inside a unique type of cell:
89
290443
4177
મગજ કોષ, એક હૃદય કોષ,
હાડકાંના કોષ, ફેફસાંનું કોષ,
હાડકાંના કોષ, ફેફસાંનું કોષ,
05:06
an embryonic stem cell.
90
294644
1894
કોઈપણ પુખ્ત કોષ પ્રકાર.
05:09
These cells are unique
because they're totally naïve.
because they're totally naïve.
91
297136
3160
આ ભદ્ર, તે તેમને અલગ કરે છે,
05:12
They can become anything they want:
92
300320
2168
પરંતુ તે કલ્પનાને પણ સળગાવ્યું
વૈજ્નિક સમુદાય
વૈજ્નિક સમુદાય
05:14
a brain cell, a heart cell,
a bone cell, a lung cell,
a bone cell, a lung cell,
93
302512
2565
કોણ સમજાયું, જો આપણે કરી શકીએ
તે સંભવિતમાં ટેપ કરો,
તે સંભવિતમાં ટેપ કરો,
05:17
any adult cell type.
94
305101
1897
અમારી પાસે શક્તિશાળી હશે
દવા માટે સાધન.
દવા માટે સાધન.
05:19
This naïvety, it sets them apart,
95
307022
1677
આપણે જાણીએ
કૉષો નિર્ણય કેવી રીતે લે
કૉષો નિર્ણય કેવી રીતે લે
05:20
but it also ignited the imagination
of the scientific community,
of the scientific community,
96
308723
3001
એક કોષ અથવા બીજા બનવા માટે,
05:23
who realized, if we could
tap into that potential,
tap into that potential,
97
311748
3263
અમે તેમને ઉપયોગ કરવા માટે સમર્થ હોઈ શકે છે
05:27
we would have a powerful
tool for medicine.
tool for medicine.
98
315035
2351
જરૂરી કોષો ઉત્પન્ન કરવા
રોગગ્રસ્ત સુધારવાmmm
રોગગ્રસ્ત સુધારવાmmm
05:29
If we could figure out
how these cells make the decision
how these cells make the decision
99
317917
2621
પરંતુ તે દ્રષ્ટિની અનુભૂતિ
તેની પડકારો વિના નથી,
તેની પડકારો વિના નથી,
05:32
to become one cell type or another,
100
320562
2131
ઓછામાં ઓછા કારણ કે આ ચોક્કસ કોષો,
05:34
we might be able to harness them
101
322717
1690
તે માત્ર છ દિવસ ઉભરી આવે
વિભાવના પછી
વિભાવના પછી
05:36
to generate cells that we need
to repair diseased or damaged tissue.
to repair diseased or damaged tissue.
102
324431
4553
એક કે તેથી વધુ દિવસમાં, તેઓ ચાલ્યા ગયા.
05:41
But realizing that vision
is not without its challenges,
is not without its challenges,
103
329794
2930
તેઓએ જુદા જુદા માર્ગો બંધ કર્યા છે
05:44
not least because these particular cells,
104
332748
2764
જે બધી રચનાઓ બનાવે છે
અને તમારા પુખ્ત વયના શરીરના અવયવો.
અને તમારા પુખ્ત વયના શરીરના અવયવો.
05:47
they emerge just six days
after conception.
after conception.
105
335536
2829
પરંતુ તે બહાર આવે છે કે સેલ fates
ઘણા વધુ પ્લાસ્ટિક છે
ઘણા વધુ પ્લાસ્ટિક છે
05:50
And then within a day or so, they're gone.
106
338826
2055
કરતાં અમે કલ્પના કરી શકે છે.
05:52
They have set off down the different paths
107
340905
2057
13 વર્ષ પહેલાં વૈજ્નિકો
ક્રાંતિકાર બતાવ્યું
ક્રાંતિકાર બતાવ્યું
05:54
that form all the structures
and organs of your adult body.
and organs of your adult body.
108
342986
3050
માત્ર એક મુઠ્ઠીભર જનીનો દાખલ કરીને
પુખ્ત કોષમાં,
પુખ્ત કોષમાં,
05:59
But it turns out that cell fates
are a lot more plastic
are a lot more plastic
109
347770
3079
તમારા ત્વચાના એક કોષની જેમ,કોષ બદલી શકો
06:02
than we might have imagined.
110
350873
1413
નિષ્કપટ સ્થિતિમાં
06:04
About 13 years ago, some scientists
showed something truly revolutionary.
showed something truly revolutionary.
111
352310
4321
અને તે એક પ્રક્રિયા છે જે ખરેખર છે
"રિપ્રોગ્રામિંગ," તરીકે ઓળખાય છે
"રિપ્રોગ્રામિંગ," તરીકે ઓળખાય છે
06:09
By inserting just a handful of genes
into an adult cell,
into an adult cell,
112
357393
4346
અને તે આપણને કલ્પના કરવા દે છે
એક પ્રકારનું સ્ટેમ સેલ યુટોપિયા,
એક પ્રકારનું સ્ટેમ સેલ યુટોપિયા,
06:13
like one of your skin cells,
113
361763
1764
નમૂના લેવાની ક્ષમતા
દર્દીના પોતાનાકોષો
દર્દીના પોતાનાકોષો
06:15
you can transform that cell
back to the naïve state.
back to the naïve state.
114
363551
3959
તેમને પાછા મૂર્ખ સ્થિતિમાં પરિવર્તિત કરો
06:19
And it's a process that's actually
known as "reprogramming,"
known as "reprogramming,"
115
367534
3175
અને બનાવવા માટે તે કોષોનો ઉપયોગ કરો
જે કંઇ પણ દર્દીને જરૂર પડે,
જે કંઇ પણ દર્દીને જરૂર પડે,
06:22
and it allows us to imagine
a kind of stem cell utopia,
a kind of stem cell utopia,
116
370733
3359
પછી ભલે તે મગજના કોષો હોય કે હૃદયના કોષો.
06:26
the ability to take a sample
of a patient's own cells,
of a patient's own cells,
117
374116
3641
પરંતુ છેલ્લા એક દાયકામાં અથવા તેથી વધુ
06:29
transform them back to the naïve state
118
377781
2360
કોષનું ભાગ્ય કેવી રીતે બદલવું તે શોધી
06:32
and use those cells to make
whatever that patient might need,
whatever that patient might need,
119
380165
3130
તે હજી પણ અજમાયશ અને ભૂલની પ્રક્રિયા છે.
એવા કિસ્સાઓમાં કે જ્યાં
એવા કિસ્સાઓમાં કે જ્યાં
06:35
whether it's brain cells or heart cells.
120
383319
2075
અમારો પર્દાફાશ થયો છે
સફળપ્રાયોગિક પ્રોટોકોલ
સફળપ્રાયોગિક પ્રોટોકોલ
06:38
But over the last decade or so,
121
386541
1765
તેઓ હજી પણ બિનકાર્યક્ષમ છે,
06:40
figuring out how to change cell fate,
122
388330
3044
અને આપણી પાસે મૂળભૂત
સમજણનો અભાવ છેતેઓ કેવી રીતે અને કેકામકરે
સમજણનો અભાવ છેતેઓ કેવી રીતે અને કેકામકરે
06:43
it's still a process of trial and error.
123
391398
2152
તમે શોધ્યું કેવરીતે બદલવું
હૃદયકોષમાં સ્ટેમસેલ
હૃદયકોષમાં સ્ટેમસેલ
06:45
Even in cases where we've uncovered
successful experimental protocols,
successful experimental protocols,
124
393911
4508
તમને કહેવાની કોઈ રીત મળી નથી
સ્ટેમ સેલ કેવી રીતે બદલવું
સ્ટેમ સેલ કેવી રીતે બદલવું
06:50
they're still inefficient,
125
398443
1467
મગજના કોષમાં.
06:51
and we lack a fundamental understanding
of how and why they work.
of how and why they work.
126
399934
4238
તેથી અમે સમજવા માંગતા હતા
જૈવિક કાર્યક્રમ
જૈવિક કાર્યક્રમ
06:56
If you figured out how to change
a stem cell into a heart cell,
a stem cell into a heart cell,
127
404650
3005
ગર્ભસ્થ સ્ટેમ સેલની અંદર દોડવું,
06:59
that hasn't got any way of telling you
how to change a stem cell
how to change a stem cell
128
407679
3089
અને ગણતરીને સમજવું
એક જીવંત સિસ્ટમ દ્વારા કરવામાં આવે છે
એક જીવંત સિસ્ટમ દ્વારા કરવામાં આવે છે
07:02
into a brain cell.
129
410792
1201
પૂછવા સાથે શરૂ થાય છે
07:04
So we wanted to understand
the biological program
the biological program
130
412633
2931
વિનાશક સરળ પ્રશ્ન:
તે સિસ્ટમે ખરેખર શું કરવાનું છે?
તે સિસ્ટમે ખરેખર શું કરવાનું છે?
07:07
running inside an embryonic stem cell,
131
415588
2447
હવે, ખરેખર કમ્પ્યુટર વિજ્ .ાન
વ્યૂહરચનાઓનો સમૂહ છે
વ્યૂહરચનાઓનો સમૂહ છે
07:10
and understanding the computation
performed by a living system
performed by a living system
132
418059
3506
તે સોફ્ટવેર છે તે સાથે વ્યવહાર કરવા માટે
અને હાર્ડવેર કરવાનું છે.
અને હાર્ડવેર કરવાનું છે.
07:13
starts with asking
a devastatingly simple question:
a devastatingly simple question:
133
421589
4253
જ્યારે તમે કોઈ કાર્યક્રમ લખો છો,
તમે સ softwareફ્ટવેરનો એક ભાગ કોડ કરો છો,
તમે સ softwareફ્ટવેરનો એક ભાગ કોડ કરો છો,
07:17
What is it that system actually has to do?
134
425866
3356
તમે ઇચ્છો છો કે તે સફ્ટવેર યોગ્ય ચાલે.
07:21
Now, computer science actually
has a set of strategies
has a set of strategies
135
429838
2850
તમે પ્રભાવ, કાર્યક્ષમતા માંગો છો.
07:24
for dealing with what it is the software
and hardware are meant to do.
and hardware are meant to do.
136
432712
3827
તમે ભૂલો અટકાવવા માંગો છો.
07:28
When you write a program,
you code a piece of software,
you code a piece of software,
137
436563
2660
તેઓ તમને ખૂબ ખર્ચ કરી શકે છે.
07:31
you want that software to run correctly.
138
439247
2000
તેથી જ્યારે વિકાસકર્તા કોઈ પ્રોગ્રામ લખે
07:33
You want performance, functionality.
139
441271
1790
તેઓ લખી શકે છે
સ્પષ્ટીકરણોનો સમૂહ.
સ્પષ્ટીકરણોનો સમૂહ.
07:35
You want to prevent bugs.
140
443085
1217
પ્રોગ્રામને શું કરવું જોઈ
07:36
They can cost you a lot.
141
444326
1308
કદાચ તેની તુલના કરવી
બે-
બે-
07:38
So when a developer writes a program,
142
446168
1842
સંખ્યાઓનું કદ,
કદ વધારીને સંખ્યાઓ
કદ વધારીને સંખ્યાઓ
07:40
they could write down
a set of specifications.
a set of specifications.
143
448034
2270
ઓર્ડેર કરો,તકનીક અસ્તિત્વમાં છેજે આપણને
07:42
These are what your program should do.
144
450328
1871
મંજૂરીઆપે તપાસમાટે
શું અમારી લાક્ષણિકતાઓ
શું અમારી લાક્ષણિકતાઓ
07:44
Maybe it should compare
the size of two numbers
the size of two numbers
145
452223
2268
સંતુષ્ટ છેકે કાર્યક્રમ
તે શું કરવું જોઈએ કરે છે.
તે શું કરવું જોઈએ કરે છે.
07:46
or order numbers by increasing size.
146
454515
1792
અને તેથી અમારો વિચાર એ જ રીતે,
07:49
Technology exists that allows us
automatically to check
automatically to check
147
457037
4695
પ્રાયોગિક અવલોકનો,
વસ્તુઓ જે આપણે પ્રયોગશાળામાં માપીએ છીએ,
વસ્તુઓ જે આપણે પ્રયોગશાળામાં માપીએ છીએ,
07:53
whether our specifications are satisfied,
148
461756
2378
તે સ્પષ્ટીકરણને અનુરૂપ છે
જૈવિકકાર્યક્રમ શુંકરવું
જૈવિકકાર્યક્રમ શુંકરવું
07:56
whether that program
does what it should do.
does what it should do.
149
464158
2633
તેથી આપણે ફક્ત એક રસ્તો ની જરૂર હતી
07:59
And so our idea was that in the same way,
150
467266
2856
આ નવા પ્રકારનાં સ્પષ્ટીકરણને એન્કોડ કરવા.
08:02
experimental observations,
things we measure in the lab,
things we measure in the lab,
151
470146
3068
તો ચાલો આપણે કહીએ તમે લેબમાં વ્યસ્ત છો
તમે જનીનોને માપી રહ્યા છો
તમે જનીનોને માપી રહ્યા છો
08:05
they correspond to specifications
of what the biological program should do.
of what the biological program should do.
152
473238
5033
અને તમને મળ્યું છે કે જો જીન એ સક્રિય છે,
08:10
So we just needed to figure out a way
153
478769
1876
પછી જીનબી,
જીનસી સક્રિય હોય તેવું લાગે
જીનસી સક્રિય હોય તેવું લાગે
08:12
to encode this new type of specification.
154
480669
3183
આપણે તે નિરીક્ષણ નીચે લખી શકીએ છીએ
ગાણિતિક અભિવ્યક્તિ તરીકે
ગાણિતિક અભિવ્યક્તિ તરીકે
08:16
So let's say you've been busy in the lab
and you've been measuring your genes
and you've been measuring your genes
155
484594
3654
જો આપણે તર્કની ભાષા વાપરી શકીએ:
08:20
and you've found that if Gene A is active,
156
488272
2436
જો એ, પછી બી અથવા સી.
08:22
then Gene B or Gene C seems to be active.
157
490732
3388
હવે, આ એક ખૂબ સરળ ઉદાહરણ છે, બરાબર.
08:26
We can write that observation down
as a mathematical expression
as a mathematical expression
158
494678
3582
તે માત્ર બિંદુ સમજાવવા માટે છે.
08:30
if we can use the language of logic:
159
498284
2373
અમે ખરેખર સમૃદ્ધ અભિવ્યક્તિઓ
એન્કોડ કરી શકીએ છીએ
એન્કોડ કરી શકીએ છીએ
08:33
If A, then B or C.
160
501125
2328
કે ખરેખર વર્તન મેળવે છે
સમય જતાં અનેક જીનો,પ્રૉટીન
સમય જતાં અનેક જીનો,પ્રૉટીન
08:36
Now, this is a very simple example, OK.
161
504242
2454
બહુવિધ વિવિધ પ્રયોગો દરમ્યાન.
08:38
It's just to illustrate the point.
162
506720
1743
, તેથી આપણા
અવલોકનોનું ભાષાંતર કરીને
અવલોકનોનું ભાષાંતર કરીને
08:40
We can encode truly rich expressions
163
508487
2924
આ રીતે ગાણિતિક અભિવ્યક્તિમાં,
08:43
that actually capture the behavior
of multiple genes or proteins over time
of multiple genes or proteins over time
164
511435
4153
તે ચકાસવું શક્ય બને છે કે નહીં
અથવા તે અવલોકનો બહાર ન આવે
અથવા તે અવલોકનો બહાર ન આવે
08:47
across multiple different experiments.
165
515612
2536
આનુવંશિક ક્રિયાના પ્રોગ્રામમાંથી.
08:50
And so by translating our observations
166
518521
2626
અને અમે આ કરવા માટે એક સાધન બનાવ્યું છે.
08:53
into mathematical expression in this way,
167
521171
1993
અમે આ ટૂલનો ઉપયોગ કરીશક્યાં
અવલોકન કરવા
અવલોકન કરવા
08:55
it becomes possible to test whether
or not those observations can emerge
or not those observations can emerge
168
523188
5098
ગાણિતિક અભિવ્યક્તિઓ તરીકે,
09:00
from a program of genetic interactions.
169
528310
3054
અને પછી તે સાધન અમને મંજૂરી આપશે
આનુવંશિક પ્રોગ્રામને ઉજાગર કરવા
આનુવંશિક પ્રોગ્રામને ઉજાગર કરવા
09:04
And we developed a tool to do just this.
170
532063
2556
કે તે બધાને સમજાવી શકે.અને પછિ અમે આ -
09:06
We were able to use this tool
to encode observations
to encode observations
171
534643
2882
અભિગમને લાગુ કરીએ
છીએ આનુવંશિકપ્રોગ્રામને ઉજાગર કરવા
છીએ આનુવંશિકપ્રોગ્રામને ઉજાગર કરવા
09:09
as mathematical expressions,
172
537549
1407
એમ્બ્રોયોનિ સ્ટેમસેલમા ચાલેછે
09:10
and then that tool would allow us
to uncover the genetic program
to uncover the genetic program
173
538980
3610
જો આપણે સમજી શકીએ કે કેમકેવી રીતે
કે નિષ્કપટ રાજ્ય પ્રેરિત કરવા માટે.
કે નિષ્કપટ રાજ્ય પ્રેરિત કરવા માટે.
09:14
that could explain them all.
174
542614
1538
,આસાધન ખરેખર
બનાવામાં આવ્યુંહતું
બનાવામાં આવ્યુંહતું
09:17
And we then apply this approach
175
545481
2280
સોલવર પર કે જે તૈનાત છે
નિયમિતપણે વિશ્વભરમાં
નિયમિતપણે વિશ્વભરમાં
09:19
to uncover the genetic program
running inside embryonic stem cells
running inside embryonic stem cells
176
547785
4083
પરંપરાગત સ softwareફ્ટવેર ચકાસણી માટે.
09:23
to see if we could understand
how to induce that naïve state.
how to induce that naïve state.
177
551892
4189
તેથી અમે એક સેટ સાથે પ્રારંભ કર્યો
લગભગ 50 વિવિધ સ્પષ્ટીકરણો અમે પ્રાયોગિક-
લગભગ 50 વિવિધ સ્પષ્ટીકરણો અમે પ્રાયોગિક-
09:28
And this tool was actually built
178
556105
1952
માંથી પેદા
ગર્ભના સ્ટેમકોષોનું નિરીક્ષણો
ગર્ભના સ્ટેમકોષોનું નિરીક્ષણો
09:30
on a solver that's deployed
routinely around the world
routinely around the world
179
558081
2652
અને આને એન્કોડ કરીને
આ સાધનમાં નિરીક્ષણો,
આ સાધનમાં નિરીક્ષણો,
09:32
for conventional software verification.
180
560757
2269
અમે ઉઘાડવામાં સમર્થ હતા
પ્રથમ પરમાણુ કાર્યક્રમ
પ્રથમ પરમાણુ કાર્યક્રમ
09:35
So we started with a set
of nearly 50 different specifications
of nearly 50 different specifications
181
563630
3691
કે તે બધાને સમજાવી શકે.
09:39
that we generated from experimental
observations of embryonic stem cells.
observations of embryonic stem cells.
182
567345
4506
હવે, તે એક પરાક્રમ છે
અને પોતે જ, બરાબર?
અને પોતે જ, બરાબર?
09:43
And by encoding these
observations in this tool,
observations in this tool,
183
571875
2636
સમાધાન કરવા માટે સક્ષમ છે
આ બધા જુદા જુદા અવલોકનો
આ બધા જુદા જુદા અવલોકનો
09:46
we were able to uncover
the first molecular program
the first molecular program
184
574535
3185
વસ્તુ પ્રકારની નથી
તમે એક પરબિડીયું પાછળ કરી શકો છો,
તમે એક પરબિડીયું પાછળ કરી શકો છો,
09:49
that could explain all of them.
185
577744
1961
ભલે તમારી પાસે ખરેખર મોટું પરબિડીયું હોય.
09:52
Now, that's kind of a feat
in and of itself, right?
in and of itself, right?
186
580309
2513
કારણ કે આપણી પાસે છે
આ પ્રકારની સમજણ,
આ પ્રકારની સમજણ,
09:54
Being able to reconcile
all of these different observations
all of these different observations
187
582846
2902
અમે એક પગલું આગળ વધી શકીએ.
09:57
is not the kind of thing
you can do on the back of an envelope,
you can do on the back of an envelope,
188
585772
3067
અમે આ કાર્યક્રમની આગાહી કરવા માટે
ઉપયોગ કરી શકીએ આ સેલ શકરે છેm
ઉપયોગ કરી શકીએ આ સેલ શકરે છેm
10:00
even if you have a really big envelope.
189
588863
2648
શરતોમાં આપણે હજી સુધી પરીક્ષણ કર્યું નથી.
10:04
Because we've got
this kind of understanding,
this kind of understanding,
190
592190
2158
આપણે સિલિકોમાં પ્રોગ્રામની તપાસ કરી શકીએ
10:06
we could go one step further.
191
594372
1462
અને તેથી અમે તે જ કર્યું:
10:07
We could use this program to predict
what this cell might do
what this cell might do
192
595858
3371
અમે આગાહીઓ પેદા કરી
કે અમે લેબમાં પરીક્ષણ કર્યું છે,
કે અમે લેબમાં પરીક્ષણ કર્યું છે,
10:11
in conditions we hadn't yet tested.
193
599253
2176
અમને જોવા મળ્યું પ્રોગ્રામ
ખૂબ આગાહીયુક્ત હતું
ખૂબ આગાહીયુક્ત હતું
10:13
We could probe the program in silico.
194
601453
2401
અમને જણાવીશક્યું,આપણે
કેવીરીતે કરીશકીએ પ્રગતિવેગ
કેવીરીતે કરીશકીએ પ્રગતિવેગ
10:16
And so we did just that:
195
604735
1247
પાછા નિષ્કપટ સ્થિતિમાં
ઝડપ-
ઝડપ-
10:18
we generated predictions
that we tested in the lab,
that we tested in the lab,
196
606006
3180
અસરકારક રીતે તે અમને કહ્યું કે કયા જનીનો
તે કરવાનું લક્ષ્ય રાખવું,
તે કરવાનું લક્ષ્ય રાખવું,
10:21
and we found that this program
was highly predictive.
was highly predictive.
197
609210
3032
જે જીન્સ પણ શકે છે
તે પ્રક્રિયામાં અવરોધ
તે પ્રક્રિયામાં અવરોધ
10:24
It told us how we could
accelerate progress
accelerate progress
198
612266
2625
અમને પ્રોગ્રામની આગાહી મળી
ક્રમમાં જેમાં જનીનો ચાલુ થશે.
ક્રમમાં જેમાં જનીનો ચાલુ થશે.
10:26
back to the naïve state
quickly and efficiently.
quickly and efficiently.
199
614915
3060
તેથી આ અભિગમને ખરેખર અમને મંજૂરી આપી
ગતિશીલતાને ઉજાગર કરવા માટે
ગતિશીલતાને ઉજાગર કરવા માટે
10:29
It told us which genes
to target to do that,
to target to do that,
200
617999
2570
કોષો શું કરી રહ્યા છે.આપણે શુ વિકસિત
10:32
which genes might even
hinder that process.
hinder that process.
201
620593
2624
-કર્યુંછે તે પદ્ધતિ નથી
તેસ્બયોલોજી માટે વિશિષ્ટ છે
તેસ્બયોલોજી માટે વિશિષ્ટ છે
10:35
We even found the program predicted
the order in which genes would switch on.
the order in which genes would switch on.
202
623241
4990
તેના બદલે, તે આપણને અર્થપૂર્ણ બનાવવા દે છે
ગણતરી
ગણતરી
10:40
So this approach really allowed us
to uncover the dynamics
to uncover the dynamics
203
628980
3140
સેલ દ્વારા હાથ ધરવામાં આવે છે
10:44
of what the cells are doing.
204
632144
2402
આનુવંશિક ક્રિયાપ્રતિક્રિયાના સંદર્ભમાં.
10:47
What we've developed, it's not a method
that's specific to stem cell biology.
that's specific to stem cell biology.
205
635728
3642
તેથી ખરેખર, તે ફક્ત એક બિલ્ડિંગ બ્લોક છે.
10:51
Rather, it allows us to make sense
of the computation
of the computation
206
639394
2684
આ ક્ષેત્રની તાત્કાલિક જરૂર છે
નવા અભિગમો વિકસાવવા માટે
નવા અભિગમો વિકસાવવા માટે
10:54
being carried out by the cell
207
642102
1685
જૈવિક સમજવા માટે
ગણતરી વધુ વ્યાપક
ગણતરી વધુ વ્યાપક
10:55
in the context of genetic interactions.
208
643811
2831
અને વિવિધ સ્તરો પર,
10:58
So really, it's just one building block.
209
646666
2288
સીધા જ ડીએનએથી
કોષો વચ્ચેની માહિતીના પ્રવાહમાં.
કોષો વચ્ચેની માહિતીના પ્રવાહમાં.
11:00
The field urgently needs
to develop new approaches
to develop new approaches
210
648978
2685
માત્ર આ પ્રકારની
પરિવર્તનશીલ સમજ
પરિવર્તનશીલ સમજ
11:03
to understand biological
computation more broadly
computation more broadly
211
651687
2695
જીવવિજ્ઞાનનો ઉપયોગ કરવા સક્ષમ બનાવશે
ધારી, વિશ્વસનીય રીતે
ધારી, વિશ્વસનીય રીતે
11:06
and at different levels,
212
654406
1367
પણપ્રોગ્રામ બાયોલોજી
મા આપણે
મા આપણે
11:07
from DNA right through
to the flow of information between cells.
to the flow of information between cells.
213
655797
4129
વિકાસ પણ કરવો પડશે
સાધનો અને ભાષાઓના પ્રકારો
સાધનો અને ભાષાઓના પ્રકારો
11:11
Only this kind of
transformative understanding
transformative understanding
214
659950
2797
જે એકવાર પ્રયોગશાળા કરે છે
અને ગણતરીના વૈજ્ .ાનિક
અને ગણતરીના વૈજ્ .ાનિક
11:14
will enable us to harness biology
in ways that are predictable and reliable.
in ways that are predictable and reliable.
215
662771
4986
જૈવિક કાર્ય ડિઝાઇન કરવા માટે
11:21
But to program biology,
we will also need to develop
we will also need to develop
216
669029
3042
અને તે ડિઝાઇનને કમ્પાઇલ કરો
સેલના મશીન કોડ પર,
સેલના મશીન કોડ પર,
11:24
the kinds of tools and languages
217
672095
1995
તેની બાયોકેમિસ્ટ્રી,
11:26
that allow both experimentalists
and computational scientists
and computational scientists
218
674114
3408
જેથી અમે તે કરી શકીએ
તે માળખાં બનાવો.
તે માળખાં બનાવો.
11:29
to design biological function
219
677546
2497
હવે, તે કંઈક સમાન છે
જીવંત સફ્ટવેર કમ્પાઈલરને,
જીવંત સફ્ટવેર કમ્પાઈલરને,
11:32
and have those designs compile down
to the machine code of the cell,
to the machine code of the cell,
220
680067
3505
અને મને ગર્વ છે
માઇક્રોસફ્ટ પરની એક ટીમનો ભાગ તે એક વિકસિત
માઇક્રોસફ્ટ પરની એક ટીમનો ભાગ તે એક વિકસિત
11:35
its biochemistry,
221
683596
1181
કરવાનુંકામ કરી રહ્યું છે
11:36
so that we could then
build those structures.
build those structures.
222
684801
2484
તેમ છતાં તે કહેવું એક પડકાર છે
અલ્પોક્તિનો પ્રકાર છે,
અલ્પોક્તિનો પ્રકાર છે,
11:39
Now, that's something akin
to a living software compiler,
to a living software compiler,
223
687309
3673
પરંતુ જો તે સમજાયું,
11:43
and I'm proud to be
part of a team at Microsoft
part of a team at Microsoft
224
691006
2216
તે અંતિમ પુલ હશે
સફ્ટવેર અને વેટવેર વચ્ચે.
સફ્ટવેર અને વેટવેર વચ્ચે.
11:45
that's working to develop one.
225
693246
1652
પ્રોગ્રામિંગબાયોલોજી
ફક્ત શક્ય m
ફક્ત શક્ય m
11:47
Though to say it's a grand challenge
is kind of an understatement,
is kind of an understatement,
226
695366
3226
જો આપણે ક્ષેત્રમાં પરિવર્તન લાવી શકીએ
ખરેખર આંતરશાખાકીય હોવા માં.
ખરેખર આંતરશાખાકીય હોવા માં.
11:50
but if it's realized,
227
698616
1173
આપણને પુલ કરવાની
જરૂર છે
જરૂર છે
11:51
it would be the final bridge
between software and wetware.
between software and wetware.
228
699813
3709
ભૌતિક, જીવવિજ્ઞાન અને વૈજ્નિકો
આ દરેક શાખાઓ
આ દરેક શાખાઓ
11:57
More broadly, though, programming biology
is only going to be possible
is only going to be possible
229
705006
3415
સાથે કામ કરવાનો પ્રયત્ન કરવાની જરૂર છે
સામાન્ય ભાષાઓ સાથે
સામાન્ય ભાષાઓ સાથે
12:00
if we can transform the field
into being truly interdisciplinary.
into being truly interdisciplinary.
230
708445
4279
અને વૈજ્ .ાનિક પ્રશ્નો શેર કર્યા છે.
12:04
It needs us to bridge
the physical and the life sciences,
the physical and the life sciences,
231
712748
2952
લાંબા ગાળે, તે યાદ રાખવા યોગ્ય છે
કે વિશાળ સોફ્ટવેર કંપનીઓ ઘણા
કે વિશાળ સોફ્ટવેર કંપનીઓ ઘણા
12:07
and scientists from
each of these disciplines
each of these disciplines
232
715724
2267
અને ટેકનોલોજી
કે તમે અને હું રોજ સાથે કામ કરીશું
કે તમે અને હું રોજ સાથે કામ કરીશું
12:10
need to be able to work together
with common languages
with common languages
233
718015
2731
ભાગ્યે જ કલ્પના કરી શકાય છે
12:12
and to have shared scientific questions.
234
720770
2719
તે સમયે અમે શરૂકર્યું
સિલિકોનમાઇક્રોચિપ્સ પર પ્રોગ્રામિંગ.
સિલિકોનમાઇક્રોચિપ્સ પર પ્રોગ્રામિંગ.
12:16
In the long term, it's worth remembering
that many of the giant software companies
that many of the giant software companies
235
724757
3993
અને જો આપણે હવે વિચારવાનું શરૂ કરીએ
તકનીકી માટેની સંભાવના
તકનીકી માટેની સંભાવના
12:20
and the technology
that you and I work with every day
that you and I work with every day
236
728774
2492
કોમ્પ્યુટેશનલ બાયોલોજી દ્વારા
સક્ષમ,અમે કેટલાંકપગલાં
સક્ષમ,અમે કેટલાંકપગલાં
12:23
could hardly have been imagined
237
731290
1503
જોશું આપણે માર્ગ સાથે લેવાંની-
12:24
at the time we first started
programming on silicon microchips.
programming on silicon microchips.
238
732817
3605
જરૂર છે કે વાસ્તવિકતા બનાવવા માટે.
12:28
And if we start now to think about
the potential for technology
the potential for technology
239
736446
3031
હવે, વિચારશીલ વિચાર છે
કે આ પ્રકારની તકનીકી
કે આ પ્રકારની તકનીકી
12:31
enabled by computational biology,
240
739501
2426
દુરુપયોગ માટે ખુલ્લા હોઈ શકે છે.
12:33
we'll see some of the steps
that we need to take along the way
that we need to take along the way
241
741951
2935
જો આપણે વાત કરવા તૈયાર છીએ
સંભવિત વિશે રોગપ્રતિકાર
સંભવિત વિશે રોગપ્રતિકાર
12:36
to make that a reality.
242
744910
1433
કોષો ના પ્રોગ્રામિં માટે
12:39
Now, there is the sobering thought
that this kind of technology
that this kind of technology
243
747231
3082
આપણે પણ વિચારવું જોઈએ
બેક્ટેરિયાની સંભાવના વિશે
બેક્ટેરિયાની સંભાવના વિશે
12:42
could be open to misuse.
244
750337
1777
તેમને ટાળવા માટે ઇજનેરી.
12:44
If we're willing to talk
about the potential
about the potential
245
752138
2163
ત્યાં કરવા માટે તૈયાર લોકો હોઈ શકે છે.
12:46
for programming immune cells,
246
754325
1436
હવે, આમાં એક આશ્વાસન વિચાર
12:47
we should also be thinking
about the potential of bacteria
about the potential of bacteria
247
755785
3188
તે છે - સારું, ઓછા તેથી
વૈજ્નિકો માટે -જીવવિજ્ઞાન
વૈજ્નિકો માટે -જીવવિજ્ઞાન
12:50
engineered to evade them.
248
758997
1661
છે કે સાથે કામ કરવા માટે
નાજુકવસ્તુ
નાજુકવસ્તુ
12:52
There might be people willing to do that.
249
760682
2087
તેથી પ્રોગ્રામિંગ બાયોલોજી
કંઈક બનવાનું નથી
કંઈક બનવાનું નથી
12:55
Now, one reassuring thought in this
250
763506
1722
તમે તમારા બગીચાના શેડમાં કરી શકશો.
12:57
is that -- well, less so
for the scientists --
for the scientists --
251
765252
2289
પરંતુ કારણ કે આપણે આની શરૂઆતમાં છીએ,
12:59
is that biology is
a fragile thing to work with.
a fragile thing to work with.
252
767565
3269
આપણે આગળ વધી શકીએ
અમારી આંખો પહોળી સાથે.
અમારી આંખો પહોળી સાથે.
13:02
So programming biology
is not going to be something
is not going to be something
253
770858
2412
અમે મુશ્કેલ પૂછી શકો છો
આગળના પ્રશ્નો,
આગળના પ્રશ્નો,
13:05
you'll be doing in your garden shed.
254
773294
1848
અમે જગ્યાએ મૂકી શકો છો
જરૂરી સલામતી તે
જરૂરી સલામતી તે
13:07
But because we're at the outset of this,
255
775642
2080
તેના ભાગરૂપે આપણ
નીતિશાસ્ત્રવિશે વિચારવું-
નીતિશાસ્ત્રવિશે વિચારવું-
13:09
we can move forward
with our eyes wide open.
with our eyes wide open.
256
777746
2583
પડસે આપણે બાઉન્ડ્રી લગાવવાનો વિચાર કરવો
પડશે અમલીકરણ
પડશે અમલીકરણ
13:12
We can ask the difficult
questions up front,
questions up front,
257
780353
2324
પર જૈવિક કાર્ય
13:14
we can put in place
the necessary safeguards
the necessary safeguards
258
782701
3040
તેથી આના ભાગ રૂપે, બાયોથિક્સમાં સંશોધન કરો
એક અગ્રતા હશે.
એક અગ્રતા હશે.
13:17
and, as part of that,
we'll have to think about our ethics.
we'll have to think about our ethics.
259
785765
2797
તે બીજા સ્થાને જઈ શકે તેમ નથી
13:20
We'll have to think about putting bounds
on the implementation
on the implementation
260
788586
3172
ઉત્તેજના માં
વૈજ્ઞાનિક નવીનતા.પર-
વૈજ્ઞાનિક નવીનતા.પર-
13:23
of biological function.
261
791782
1498
અંતિમ ઇનામ
મુસાફરીપર અંતિમમુકામ
મુસાફરીપર અંતિમમુકામ
13:25
So as part of this, research in bioethics
will have to be a priority.
will have to be a priority.
262
793604
3715
સફળતા કાર્યક્રમો હશે
અને પ્રગતિ ઉદ્યોગો
અને પ્રગતિ ઉદ્યોગો
13:29
It can't be relegated to second place
263
797343
2407
કૃષિ અને દવા ક્ષેત્રે
energyર્જા અને સામગ્રી માટે
energyર્જા અને સામગ્રી માટે
13:31
in the excitement
of scientific innovation.
of scientific innovation.
264
799774
2514
અને તે પણ ગણતરી.
13:35
But the ultimate prize,
the ultimate destination on this journey,
the ultimate destination on this journey,
265
803154
3474
કલ્પના, એક દિવસ અમે શક્તિ આપી શકે છે
ગ્રહ ટકાઉ
ગ્રહ ટકાઉ
13:38
would be breakthrough applications
and breakthrough industries
and breakthrough industries
266
806652
3444
અંતિમ લીલી energyર્જા પર
13:42
in areas from agriculture and medicine
to energy and materials
to energy and materials
267
810120
3444
જો આપણે કંઈક નકલ કરી શકે
તે છોડ સહસ્ત્રાબ્દી પૂર્વે મળી:
તે છોડ સહસ્ત્રાબ્દી પૂર્વે મળી:
13:45
and even computing itself.
268
813588
2261
સૂર્ય ઉર્જા વાપરવા
એક કાર્યક્ષમતા અપ્રતિમ છે
એક કાર્યક્ષમતા અપ્રતિમ છે
13:48
Imagine, one day we could be powering
the planet sustainably
the planet sustainably
269
816490
3148
અમારા વર્તમાન સૌર કોષો દ્વારા.જો આપણે તે-
13:51
on the ultimate green energy
270
819662
1859
પ્રોગ્રામ સમજગયા હોત
ક્રિયાપ્રતિક્રિયા
ક્રિયાપ્રતિક્રિયા
13:53
if we could mimic something
that plants figured out millennia ago:
that plants figured out millennia ago:
271
821545
3943
જે છોડને શોષી લેવાની મંજૂરી આપે છે
સૂર્યપ્રકાશ તેથી અસરકારક રીતે,
સૂર્યપ્રકાશ તેથી અસરકારક રીતે,
13:57
how to harness the sun's energy
with an efficiency that is unparalleled
with an efficiency that is unparalleled
272
825512
3771
આપણે તેનું ભાષાંતર કરવામાં સમર્થ હોઈશું
કૃત્રિમ ડીએનએ સર્કિટ બનાવવા માટે
કૃત્રિમ ડીએનએ સર્કિટ બનાવવા માટે
14:01
by our current solar cells.
273
829307
1856
કે સામગ્રી આપે છે
વધુ સારા કોષો માટે.
વધુ સારા કોષો માટે.
14:03
If we understood that program
of quantum interactions
of quantum interactions
274
831695
2601
ત્યાં ટીમો, વૈજ્નિકો કાર્યરત છે
હમણાંના ફંડામેન્ટલ્સ પર
હમણાંના ફંડામેન્ટલ્સ પર
14:06
that allow plants to absorb
sunlight so efficiently,
sunlight so efficiently,
275
834320
3264
તેથી જો તેને યોગ્ય ધ્યાન મળ્યું
અને યોગ્ય રોકાણ,
અને યોગ્ય રોકાણ,
14:09
we might be able to translate that
into building synthetic DNA circuits
into building synthetic DNA circuits
276
837608
3944
તે 10 અથવા 15 વર્ષમાં સાકાર થઈ શકે છે.
14:13
that offer the material
for better solar cells.
for better solar cells.
277
841576
2913
તેથી આપણે શરૂઆતમાં છીએ
તકનીકી ક્રાંતિ
તકનીકી ક્રાંતિ
14:17
There are teams and scientists working
on the fundamentals of this right now,
on the fundamentals of this right now,
278
845349
3693
આ પ્રાચીન પ્રકારને સમજવું
જૈવિક ગણતરી
જૈવિક ગણતરી
14:21
so perhaps if it got the right attention
and the right investment,
and the right investment,
279
849066
3243
જટિલ પ્રથમ પગલું છે.
14:24
it could be realized in 10 or 15 years.
280
852333
2280
અને જો આપણે આનો અહેસાસ કરી શકીએ,
14:27
So we are at the beginning
of a technological revolution.
of a technological revolution.
281
855457
3197
અમે યુગ દાખલ કરશે
operatingપરેટિંગ સિસ્ટમની
operatingપરેટિંગ સિસ્ટમની
14:31
Understanding this ancient type
of biological computation
of biological computation
282
859067
3221
તે જીવંત સ softwareફ્ટવેર ચલાવે છે.
14:34
is the critical first step.
283
862312
2132
ખુબ ખુબ આભાર.
14:36
And if we can realize this,
284
864468
1317
14:37
we would enter in the era
of an operating system
of an operating system
285
865809
2842
14:40
that runs living software.
286
868675
1905
14:42
Thank you very much.
287
870604
1166
14:43
(Applause)
288
871794
2690
ABOUT THE SPEAKER
Sara-Jane Dunn - Computational biologistSara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information.
Why you should listen
Sara-Jane Dunn started her career as a mathematician, finding a niche in "mathematical biology" -- a field where mathematical models and simulations provide insights into the behavior and development of living systems. For Dunn, this research opened up new ways to explore old problems, from understanding how diseases spread to how cancer evolves. To this end, she created computational models of the gut that could be used to test hypotheses about the earliest stages of colorectal cancer.
At Microsoft Research, Dunn collaborates with experimenters in embryonic stem cell biology and seeks to uncover the biological program that governs how these unique cells are able to generate all of the different cell types of your adult body. This work could, in time, "unlock" biology and make cells programmable, which could fundamentally transform medicine, agriculture and even how we power the planet.
Sara-Jane Dunn | Speaker | TED.com