TEDxCERN
Juan Enriquez: The age of genetic wonder
Juan Enriquez: A genetikai csoda korszaka
Filmed:
Readability: 3.7
1,960,234 views
A CRISPR-hez hasonló génszerkesztő eszközök az élet alapjainak programozását teszik lehetővé. De ez bizonyos nyomasztó kérdéseket is fölvet: ha a semmiből teremthetünk fajokat, mit hozzunk létre? Tervezzük újra a mostani emberiséget? Juan Enriquez előrejelzi a génszerkesztés lehetséges jövőjét, föltárja a benne rejlő mérhetetlen bizonytalanságot és a következő határterület lehetőségeit.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:13
So let me with start with Roy Amara.
0
1134
2390
Hadd kezdjem Roy Amarával.
00:16
Roy's argument is that most new
technologies tend to be overestimated
technologies tend to be overestimated
1
4350
4211
Roy állítja, hogy a legtöbb
új technika hatását
új technika hatását
kezdetben hajlamosak vagyunk túlértékelni,
00:20
in their impact to begin with,
2
8585
2068
00:22
and then they get underestimated
in the long term
in the long term
3
10677
2402
majd hosszabb távon alulértékeljük,
mert hozzászokunk.
00:25
because we get used to them.
4
13103
1364
00:26
These really are days
of miracle and wonder.
of miracle and wonder.
5
14491
2196
Tényleg [Ezek a csoda és bámulat napjai].
00:29
You remember that wonderful
song by Paul Simon?
song by Paul Simon?
6
17433
2381
Emlékszenek Paul Simon e nagyszerű dalára?
00:32
There were two lines in it.
7
20365
1338
Volt két sor benne.
00:33
So what was it that was considered
miraculous back then?
miraculous back then?
8
21727
3687
Mit tartottak akkoriban csodálatosnak?
00:38
Slowing down things -- slow motion --
9
26393
2072
A lassítást – a lassított felvételt –
00:41
and the long-distance call.
10
29371
1728
és a távolsági beszélgetést.
00:43
Because, of course, you used
to get interrupted by operators
to get interrupted by operators
11
31941
2859
Mert hozzászoktak, hogy a kezelő
félbeszakítja önöket, és beszól:
félbeszakítja önöket, és beszól:
00:46
who'd tell you, "Long distance calling.
Do you want to hang up?"
Do you want to hang up?"
12
34824
2997
"Távolsági hívás. Kapcsolhatom?"
Ma a világ bármely pontjáról
sem gond telefonálni.
sem gond telefonálni.
00:49
And now we think nothing of calling
all over the world.
all over the world.
13
37845
2702
00:53
Well, something similar may be happening
14
41040
2630
Valami hasonló játszódhat le
00:55
with reading and programming life.
15
43694
2072
az élet olvasatával és programozásával.
00:58
But before I unpack that,
16
46636
1728
Mielőtt azonban belefognék,
01:01
let's just talk about telescopes.
17
49069
2684
beszéljünk a távcsövekről.
01:04
Telescopes were overestimated
originally in their impact.
originally in their impact.
18
52798
4311
A távcsövek hatását
eredetileg túlbecsülték.
eredetileg túlbecsülték.
01:09
This is one of Galileo's early models.
19
57133
2169
Ez Galilei egyik modellje.
01:12
People thought it was just
going to ruin all religion.
going to ruin all religion.
20
60090
3359
Azt hitték, hogy minden
vallást tönkretesz.
vallást tönkretesz.
01:15
(Laughter)
21
63473
1150
(Nevetés)
01:18
So we're not paying that much
attention to telescopes.
attention to telescopes.
22
66862
2714
Ma nem sok figyelmet
fordítunk a távcsövekre.
fordítunk a távcsövekre.
01:22
But, of course, telescopes launched
10 years ago, as you just heard,
10 years ago, as you just heard,
23
70628
4082
Ám a 10 éve keletkezett távcsövek,
mint épp szó volt róla,
mint épp szó volt róla,
01:26
could take this Volkswagen,
fly it to the moon,
fly it to the moon,
24
74734
2991
ezt a Volkswagent a Holdra repíthetik,
01:29
and you could see the lights
on that Volkswagen light up on the moon.
on that Volkswagen light up on the moon.
25
77749
5856
és láthatjuk a Volkswagen fényszóróit
a Holdon fölgyulladni.
a Holdon fölgyulladni.
01:36
And that's the kind of resolution power
that allowed you to see
that allowed you to see
26
84624
3262
E felbontási teljesítmény teszi lehetővé,
01:40
little specks of dust
floating around distant suns.
floating around distant suns.
27
88592
3604
hogy távoli napok körül lebegő
porszemcséket is meglássunk.
porszemcséket is meglássunk.
01:44
Imagine for a second that this
was a sun a billion light years away,
was a sun a billion light years away,
28
92220
3464
Képzeljük el, hogy ez
milliárdnyi fényévre lévő nap,
milliárdnyi fényévre lévő nap,
01:48
and you had a little speck of dust
that came in front of it.
that came in front of it.
29
96310
2927
és kis porszemcsék kerültek elé.
01:51
That's what detecting
an exoplanet is like.
an exoplanet is like.
30
99566
2501
Így néz ki az exobolygók földerítése.
01:55
And the cool thing is, the telescopes
that are now being launched
that are now being launched
31
103268
3790
A mostani távcsövek annyira nagyszerűek,
02:00
would allow you to see
a single candle lit on the moon.
a single candle lit on the moon.
32
108138
3005
hogy a Holdon meggyújtott
gyertya fényét is mutatnák.
gyertya fényét is mutatnák.
02:04
And if you separated it by one plate,
33
112279
2828
Ha pedig fémlapot teszünk mögé,
02:07
you could see two candles
separately at that distance.
separately at that distance.
34
115131
2794
két gyertyát látunk a távolban.
02:11
And that's the kind
of resolution that you need
of resolution that you need
35
119124
2813
Ekkora fölbontás kell,
02:13
to begin to image
that little speck of dust
that little speck of dust
36
121961
2468
hogy képet alkothassunk a porszemcséről,
ahogy a Nap előtt halad el,
02:16
as it comes around the sun
37
124453
1286
és kiderítsük, mutat-e kék-zöld színt.
02:17
and see if it has a blue-green signature.
38
125763
2049
02:21
And if it does have
a blue-green signature,
a blue-green signature,
39
129120
2071
Ha kék-zöld színt mutatnak,
ez azt jelenti, hogy a világmindenségben
mindenütt van élet.
mindenütt van élet.
02:23
it means that life
is common in the universe.
is common in the universe.
40
131215
2220
02:25
The first time you ever see a blue-green
signature on a distant planet,
signature on a distant planet,
41
133459
4196
Amikor a kék-zöld színt először
pillantjuk meg egy távoli bolygón,
pillantjuk meg egy távoli bolygón,
02:29
it means there's photosynthesis there,
42
137679
1993
ez azt jelenti,
hogy ott van fotoszintézis,
hogy ott van fotoszintézis,
02:31
there's water there,
43
139696
1281
van víz,
02:33
and the chances that you saw
the only other planet with photosynthesis
the only other planet with photosynthesis
44
141001
3872
s annak esélye, hogy csak
egy bolygón van fotoszintézis:
egy bolygón van fotoszintézis:
02:36
are about zero.
45
144897
1363
mintegy nulla.
02:39
And that's a calendar-changing event.
46
147108
1896
Ez korszakalkotó esemény:
02:41
There's a before and after
we were alone in the universe:
we were alone in the universe:
47
149670
2752
előtte egyedül voltunk
a világmindenségben, utána már nem.
a világmindenségben, utána már nem.
02:44
forget about the discovery
of whatever continent.
of whatever continent.
48
152446
2470
Feledjük csak el földrészek fölfedezését.
02:48
So as you're thinking about this,
49
156751
1580
Erről gondolkodva
lassan képessé válunk a világmindenség
zömének elképzelésére.
zömének elképzelésére.
02:50
we're now beginning
to be able to image most of the universe.
to be able to image most of the universe.
50
158355
2902
Ez a csoda és bámulat ideje.
02:53
And that is a time of miracle and wonder.
51
161281
2254
02:55
And we kind of take that for granted.
52
163559
2352
Valahogy magától értetődőnek vesszük.
02:59
Something similar is happening in life.
53
167562
1915
Hasonló történik az életben is.
03:01
So we're hearing about life
in these little bits and pieces.
in these little bits and pieces.
54
169501
3038
Ilyen apróságokban értesülünk az életről.
03:04
We hear about CRISPR,
and we hear about this technology,
and we hear about this technology,
55
172563
2658
A CRISPR-ről így szoktunk hallani,
így szoktunk hallani
egyik-másik technológiáról.
egyik-másik technológiáról.
03:07
and we hear about this technology.
56
175245
1666
De kiderül, hogy az élet lényege a kód.
03:08
But the bottom line on life
is that life turns out to be code.
is that life turns out to be code.
57
176935
3388
03:13
And life as code is a really
important concept because it means,
important concept because it means,
58
181900
3950
Hogy az élet kód, az tényleg
fontos fogalom, mert azt jelenti,
fontos fogalom, mert azt jelenti,
03:17
just in the same way
as you can write a sentence
as you can write a sentence
59
185874
3210
hogy ugyanúgy, ahogy mondatokat írunk
03:21
in English or in French or Chinese,
60
189108
3118
angolul, franciául vagy kínaiul,
03:25
just in the same way
as you can copy a sentence,
as you can copy a sentence,
61
193146
2906
ugyanúgy, ahogy mondatokat másolunk,
03:28
just in the same way
as you can edit a sentence,
as you can edit a sentence,
62
196076
2526
ugyanúgy, ahogy mondatokat szerkesztünk,
03:30
just in the same way
as you can print a sentence,
as you can print a sentence,
63
198626
2350
ugyanúgy, ahogy mondatokat nyomtatunk,
03:33
you're beginning to be able
to do that with life.
to do that with life.
64
201000
2719
úgy leszünk képesek
ezt megtenni az élettel is.
ezt megtenni az élettel is.
03:37
It means that we're beginning
to learn how to read this language.
to learn how to read this language.
65
205237
3511
Azt jelenti, hogy kezdjük
megtanulni e nyelv olvasását.
megtanulni e nyelv olvasását.
03:40
And this, of course, is the language
that is used by this orange.
that is used by this orange.
66
208772
3236
E narancs is ezt a nyelvet használja.
03:44
So how does this orange execute code?
67
212702
1796
Hogyan hajtja végre e kódot a narancs?
03:46
It doesn't do it in ones and zeroes
like a computer does.
like a computer does.
68
214522
2708
Nem nullákkal és egyesekkel,
mint a számítógép.
mint a számítógép.
Fán lóg, és egyszer csak:
03:49
It sits on a tree, and one day it does:
69
217254
1885
03:51
plop!
70
219163
1150
zsupsz!
03:52
And that means: execute.
71
220819
1805
Ez azt jelenti: végrehajtva.
03:55
AATCAAG: make me a little root.
72
223149
3272
AATCAAG: növessz nekem gyökerecskét!
03:59
TCGACC: make me a little stem.
73
227057
2502
TCGACC: növessz nekem törzsecskét!
04:01
GAC: make me some leaves.
AGC: make me some flowers.
AGC: make me some flowers.
74
229583
3438
GAC: növessz nekem leveleket!
AGC: növessz nekem virágokat!
AGC: növessz nekem virágokat!
04:05
And then GCAA: make me some more oranges.
75
233045
2857
Majd a GCAA: növessz nekem
még narancsokat!
még narancsokat!
04:08
If I edit a sentence in English
on a word processor,
on a word processor,
76
236984
4073
Ha szövegszerkesztővel látok neki
egy angol nyelvű mondatnak,
egy angol nyelvű mondatnak,
04:15
then what happens is you can go
from this word to that word.
from this word to that word.
77
243153
3441
akkor végigmehetek az egyes szavakon.
04:20
If I edit something in this orange
78
248134
2136
Ha valamit ebben a narancsban szerkesztek,
04:22
and put in GCAAC, using CRISPR
or something else that you've heard of,
or something else that you've heard of,
79
250294
4983
és belerakom a GCAAC-t a CRISPR
vagy valami más segítségével,
vagy valami más segítségével,
04:28
then this orange becomes a lemon,
80
256261
1797
akkor a narancsból citrom
04:30
or it becomes a grapefruit,
81
258957
1548
vagy grapefruit lesz,
04:32
or it becomes a tangerine.
82
260529
1657
vagy mandarinná változik.
04:35
And if I edit one in a thousand letters,
83
263102
2018
Ha meg az ezer betűből egyet szerkesztek,
04:37
you become the person
sitting next to you today.
sitting next to you today.
84
265144
2360
akkor ön a mellette ülővé változik.
04:40
Be more careful where you sit.
85
268757
1520
Vigyázzanak, hová ülnek.
04:42
(Laughter)
86
270301
1189
(Nevetés)
04:45
What's happening on this stuff
is it was really expensive to begin with.
is it was really expensive to begin with.
87
273014
3475
A technológia igen drága volt kezdetben,
04:48
It was like long-distance calls.
88
276513
1695
akárcsak a távolsági hívások.
04:51
But the cost of this is dropping
50 percent faster than Moore's law.
50 percent faster than Moore's law.
89
279399
3606
De a költsége 50%-kal gyorsabban zuhan,
mint a Moore-törvény szerint várnánk.
mint a Moore-törvény szerint várnánk.
04:55
The first $200 full genome
was announced yesterday by Veritas.
was announced yesterday by Veritas.
90
283909
3832
Tegnap jelentette be a Veritas
először a 200 dolláros árat.
először a 200 dolláros árat.
05:00
And so as you're looking at these systems,
91
288494
2130
Ha megnézzük e rendszereket:
05:02
it doesn't matter, it doesn't matter,
it doesn't matter, and then it does.
it doesn't matter, and then it does.
92
290648
3802
ez se számít, az se számít,
amaz se, aztán igen.
amaz se, aztán igen.
05:06
So let me just give you
the map view of this stuff.
the map view of this stuff.
93
294474
3405
Tekintsük át, miről van szó.
05:10
This is a big discovery.
94
298973
2559
Ez nagy fölfedezés.
05:13
There's 23 chromosomes.
95
301556
1923
23 kromoszóma van.
05:15
Cool.
96
303503
1228
Klassz.
05:17
Let's now start using a telescope version,
but instead of using a telescope,
but instead of using a telescope,
97
305287
3679
Fogjunk hozzá a távcsőváltozattal,
de távcső helyett
de távcső helyett
05:20
let's use a microscope to zoom in
98
308990
2320
használjunk mikroszkópot,
05:23
on the inferior of those chromosomes,
99
311334
2072
hogy belelássunk a kisebb kromoszómákba.
05:25
which is the Y chromosome.
100
313430
1621
nevezetesen az Y-kromoszómákba.
05:28
It's a third the size of the X.
It's recessive and mutant.
It's recessive and mutant.
101
316432
3014
Mérete az X-kromoszóma harmada,
recesszív és mutáns.
recesszív és mutáns.
05:32
But hey,
102
320443
1151
De végül is
05:34
just a male.
103
322262
1219
csak férfi!
05:36
And as you're looking at this stuff,
104
324914
2280
Ha ránézünk erre a dologra,
05:39
here's kind of a country view
105
327218
3450
mintha egy ország térképe tárulna elénk
05:42
at a 400 base pair resolution level,
106
330692
2204
400 bázispár felbontásban,
05:44
and then you zoom in to 550,
and then you zoom in to 850,
and then you zoom in to 850,
107
332920
3419
majd kinagyítjuk 550, sőt 850 bázispárra,
05:48
and you can begin to identify
more and more genes as you zoom in.
more and more genes as you zoom in.
108
336363
3285
eközben egyre több gént azonosíthatunk.
05:52
Then you zoom in to the state level,
109
340249
2304
Majd szövetségi állam szintjére nagyítunk,
05:55
and you can begin to tell
who's got leukemia,
who's got leukemia,
110
343473
2804
így előtűnik, ki leukémiás,
05:59
how did they get leukemia,
what kind of leukemia do they have,
what kind of leukemia do they have,
111
347543
3024
hogyan betegedett meg,
milyen fajtájú leukémiája van.
milyen fajtájú leukémiája van.
mi honnan és hová került.
06:02
what shifted from what place
to what place.
to what place.
112
350591
2064
06:05
And then you zoom in
to the Google street view level.
to the Google street view level.
113
353330
2858
Aztán a Google utcaképre nagyítunk.
06:09
So this is what happens
if you have colorectal cancer
if you have colorectal cancer
114
357387
2673
Ez annak a betegnek az esete
betű mélységű felbontásban,
betű mélységű felbontásban,
06:12
for a very specific patient
on the letter-by-letter resolution.
on the letter-by-letter resolution.
115
360084
4207
akinek vastagbél- és végbélrákja van.
06:18
So what we're doing in this stuff
is we're gathering information
is we're gathering information
116
366148
3110
Ezekből információt gyűjtünk,
06:21
and just generating
enormous amounts of information.
enormous amounts of information.
117
369282
2516
és hatalmas mennyiségű
adatot állítunk elő.
adatot állítunk elő.
06:23
This is one of the largest
databases on the planet
databases on the planet
118
371822
2874
Ez a világ egyik legnagyobb adatbázisa,
06:26
and it's growing faster
than we can build computers to store it.
than we can build computers to store it.
119
374720
3872
és gyorsabban gyarapszik, mint tárolására
alkalmas számítógépeket építenénk.
alkalmas számítógépeket építenénk.
06:32
You can create some incredible
maps with this stuff.
maps with this stuff.
120
380063
2466
Hihetetlen térképeket készíthetünk vele.
06:35
You want to understand the plague
and why one plague is bubonic
and why one plague is bubonic
121
383292
2971
Pl. meg akarjuk érteni a pestist:
az egyik miért bubópestis,
az egyik miért bubópestis,
06:38
and the other one
is a different kind of plague
is a different kind of plague
122
386287
2224
a másik meg eltérő típusú,
a harmadik fajta miért megint más?
06:40
and the other one
is a different kind of plague?
is a different kind of plague?
123
388535
2310
Ez a pestis térképe.
06:42
Well, here's a map of the plague.
124
390869
1730
06:45
Some are absolutely deadly to humans,
125
393037
1820
Egyesek halálosak az emberre,
06:46
some are not.
126
394881
1185
mások nem.
06:48
And note, by the way,
as you go to the bottom of this,
as you go to the bottom of this,
127
396486
2596
Figyeljék meg, ahogy lefelé haladunk,
mennyire hasonlít a tébécére?
06:51
how does it compare to tuberculosis?
128
399106
1753
06:53
So this is the difference between
tuberculosis and various kinds of plagues,
tuberculosis and various kinds of plagues,
129
401708
3629
Ez a különbség a tébécé
és a pestis egyes fajtái között,
és a pestis egyes fajtái között,
06:57
and you can play detective
with this stuff,
with this stuff,
130
405361
2335
és detektívesdit játszhatunk vele,
06:59
because you can take
a very specific kind of cholera
a very specific kind of cholera
131
407720
2475
mert pl. megnézhetünk
egy különleges kolerafajtát,
egy különleges kolerafajtát,
amelyik Haitiban pusztított,
07:02
that affected Haiti,
132
410219
1190
07:04
and you can look at
which country it came from,
which country it came from,
133
412377
2686
megnézhetjük, melyik országból jött,
07:07
which region it came from,
134
415087
1726
melyik vidékről,
07:09
and probably which soldier took that
from that African country to Haiti.
from that African country to Haiti.
135
417496
4742
talán azt is, melyik katona
hurcolta be Afrikából Haitira.
hurcolta be Afrikából Haitira.
07:17
Zoom out.
136
425133
1512
Csökkentjük a felbontást.
07:18
It's not just zooming in.
137
426669
1571
Nem csak nagyítani lehet.
07:21
This is one of the coolest maps
ever done by human beings.
ever done by human beings.
138
429042
2854
Ez az ember alkotta
egyik legnagyszerűbb térkép.
egyik legnagyszerűbb térkép.
07:24
What they've done is taken
all the genetic information they have
all the genetic information they have
139
432446
3056
Össze van gyűjtve rajta
az összes faj genetikai információja,
07:27
about all the species,
140
435526
1481
07:29
and they've put a tree of life
on a single page
on a single page
141
437031
3430
ez az élet fája egyetlen oldalon.
07:32
that you can zoom in and out of.
142
440485
1578
Kinagyíthatjuk és fordítva.
07:34
So this is what came first,
how did it diversify, how did it branch,
how did it diversify, how did it branch,
143
442484
3721
Ez alakult ki először,
így diverzifikálódott, így ágazott el,
így diverzifikálódott, így ágazott el,
07:38
how large is that genome,
144
446229
1230
mekkora a genom
07:39
on a single page.
145
447483
1197
egyetlen oldalon.
07:41
It's kind of the universe
of life on Earth,
of life on Earth,
146
449619
2063
Az élet világmindensége a Földön;
állandóan korszerűsödik és kiegészül.
07:43
and it's being constantly
updated and completed.
updated and completed.
147
451706
2449
07:46
And so as you're looking at this stuff,
148
454982
1859
Ha ezt nézzük,
07:48
the really important change is
the old biology used to be reactive.
the old biology used to be reactive.
149
456865
3351
a valóban fontos változás,
hogy a régi biológia leíró jellegű volt.
hogy a régi biológia leíró jellegű volt.
07:52
You used to have a lot of biologists
that had microscopes,
that had microscopes,
150
460240
2720
Egykor sok biológusunk
mikroszkópok fölött ült,
mikroszkópok fölött ült,
07:54
and they had magnifying glasses
and they were out observing animals.
and they were out observing animals.
151
462984
3299
nagyítókat tartva,
és állatokat figyeltek meg.
és állatokat figyeltek meg.
07:58
The new biology is proactive.
152
466897
1869
Az új biológia kezdeményező.
08:01
You don't just observe stuff,
you make stuff.
you make stuff.
153
469433
3019
Nemcsak megfigyel, hanem teremt is.
08:05
And that's a really big change
154
473135
1648
Ez óriási változás,
08:06
because it allows us
to do things like this.
to do things like this.
155
474807
2809
mert így ilyen dolgokat hozhatunk létre.
08:10
And I know you're really
excited by this picture.
excited by this picture.
156
478559
2467
Tudom, hogy fölvillanyozódtak e képtől.
08:13
(Laughter)
157
481050
1111
(Nevetés)
08:14
It only took us four years
and 40 million dollars
and 40 million dollars
158
482185
2374
Csak négy év és 40 millió dollár kellett,
08:16
to be able to take this picture.
159
484583
1602
hogy e képet elkészíthessük.
08:18
(Laughter)
160
486209
1230
(Nevetés)
08:19
And what we did
161
487463
1371
Kivettük a teljes génkódot
08:21
is we took the full gene code
out of a cell --
out of a cell --
162
489586
3275
a sejtből –
08:24
not a gene, not two genes,
the full gene code out of a cell --
the full gene code out of a cell --
163
492885
3911
nem 1-2 gént, hanem a teljes génkódot –,
08:30
built a completely new gene code,
164
498016
1840
teljesen új génkódot állítottunk elő,
08:32
inserted it into the cell,
165
500825
1575
beillesztettük a sejtbe,
08:34
figured out a way to have the cell
execute that code
execute that code
166
502424
2932
rájöttünk, hogyan vehetjük rá
a sejtet, hogy végrehajtsa a kódot,
a sejtet, hogy végrehajtsa a kódot,
08:37
and built a completely new species.
167
505380
2254
és egészen új fajt hoztunk létre.
08:40
So this is the world's first
synthetic life form.
synthetic life form.
168
508884
2485
Ez a világ első szintetikus életformája.
08:45
And so what do you do with this stuff?
169
513810
1895
Mit kezdjünk vele?
08:48
Well, this stuff is going
to change the world.
to change the world.
170
516430
2204
Ez megváltoztatja a világot.
08:51
Let me give you three short-term trends
171
519417
1939
Három rövid távú tendenciát mutatok be,
amely világosan jelzi,
hogyan változtatja meg a világot.
hogyan változtatja meg a világot.
08:53
in terms of how it's going
to change the world.
to change the world.
172
521380
2255
08:56
The first is we're going to see
a new industrial revolution.
a new industrial revolution.
173
524269
2921
Az első az új ipari forradalom.
08:59
And I actually mean that literally.
174
527674
1701
Szó szerint értem.
09:01
So in the same way as Switzerland
and Germany and Britain
and Germany and Britain
175
529992
4491
Ugyanúgy, ahogy Svájc,
Németország és Nagy-Britannia
Németország és Nagy-Britannia
09:06
changed the world with machines
like the one you see in this lobby,
like the one you see in this lobby,
176
534507
3658
az előcsarnokban látható
gépekhez hasonló szerkezetekkel,
gépekhez hasonló szerkezetekkel,
09:11
created power --
177
539537
1196
energiát termelt,
09:13
in the same way CERN
is changing the world,
is changing the world,
178
541273
2664
a CERN ugyanígy változtatja meg a világot
09:15
using new instruments
and our concept of the universe --
and our concept of the universe --
179
543961
3347
új eszközök és a világmindenségről
alkotott fogalmunk felhasználásával.
alkotott fogalmunk felhasználásával.
09:20
programmable life forms
are also going to change the world
are also going to change the world
180
548060
2894
A programozható életformák
is megváltoztatják a világot,
is megváltoztatják a világot,
09:23
because once you can program cells
181
551810
1655
mert ha már sejteket programozhatunk,
09:25
in the same way as you
program your computer chip,
program your computer chip,
182
553489
2528
ahogy a számítógép csipjét,
09:29
then you can make almost anything.
183
557736
1693
akkor majdnem mindent megtehetünk.
09:32
So your computer chip
can produce photographs,
can produce photographs,
184
560369
2779
Számítógépcsipjük fényképeket,
09:35
can produce music, can produce film,
185
563172
2073
zenét, filmet állíthat elő,
09:37
can produce love letters,
can produce spreadsheets.
can produce spreadsheets.
186
565269
2413
szerelmes leveleket, táblázatokat.
09:39
It's just ones and zeroes
flying through there.
flying through there.
187
567706
2244
Csak egyesek és nullák röpködnek.
09:42
If you can flow ATCGs through cells,
188
570604
2605
Ha az ATCG-ket képesek
vagyunk átfuttatni a sejteken,
vagyunk átfuttatni a sejteken,
09:46
then this software makes its own hardware,
189
574123
3054
akkor e szoftver előállítja a hardverét,
09:49
which means it scales very quickly.
190
577201
2072
ami azt jelenti: igen gyorsan fejlődik.
09:52
No matter what happens,
191
580487
1651
Történjék bármi,
09:54
if you leave your cell phone
by your bedside,
by your bedside,
192
582162
2158
ha mobiljukat ágyuk mellett hagyják,
09:56
you will not have a billion
cell phones in the morning.
cell phones in the morning.
193
584344
2586
reggelre nem lesz belőle
milliárdnyi telefon.
milliárdnyi telefon.
09:59
But if you do that with living organisms,
194
587489
4913
Ám ha ugyanezt élő szervezettel művelik,
10:05
you can make this stuff
at a very large scale.
at a very large scale.
195
593222
2389
nagyban állíthatják elő ezt a dolgot.
10:09
One of the things you can do
is you can start producing
is you can start producing
196
597390
2896
Az egyik lehetőség, hogy 2025-ig
10:12
close to carbon-neutral fuels
197
600310
2223
ipari léptékben elkezdik gyártani
10:14
on a commercial scale by 2025,
198
602557
2426
a majdnem szén-semleges üzemanyagokat,
10:18
which we're doing with Exxon.
199
606054
1761
ezt tesszük az Exxonnal közösen.
10:20
But you can also substitute
for agricultural lands.
for agricultural lands.
200
608870
2409
De mezőgazdasági
területeket is kiválthatunk.
területeket is kiválthatunk.
Növényolaj vagy fehérje
az erre használt 100 hektár helyett
az erre használt 100 hektár helyett
10:23
Instead of having 100 hectares
to make oils or to make proteins,
to make oils or to make proteins,
201
611303
4751
10:28
you can make it in these vats
202
616078
1859
ezekben a tartályokban
10:29
at 10 or 100 times
the productivity per hectare.
the productivity per hectare.
203
617961
2868
10–100-szoros hektáronkénti
termelékenységgel állítható elő.
termelékenységgel állítható elő.
10:33
Or you can store information,
or you can make all the world's vaccines
or you can make all the world's vaccines
204
621488
3382
Vagy információt tárolhatunk,
vagy a világ összes oltóanyagát
vagy a világ összes oltóanyagát
e három tartályban állíthatjuk elő.
10:36
in those three vats.
205
624894
1299
10:39
Or you can store most of the information
that's held at CERN in those three vats.
that's held at CERN in those three vats.
206
627276
3949
Vagy e három tartályban tárolhatjuk
a CERN-ben lévő információ javát.
a CERN-ben lévő információ javát.
10:44
DNA is a really powerful
information storage device.
information storage device.
207
632350
3209
A DNS valóban hatékony tárolóeszköz.
10:48
Second turn:
208
636806
1588
A második fordulat:
10:50
you're beginning to see the rise
of theoretical biology.
of theoretical biology.
209
638418
2784
megjelenik az elméleti biológia.
10:54
So, medical school departments are one
of the most conservative places on earth.
of the most conservative places on earth.
210
642256
4202
Az orvostudományi egyetemi
tanszékek maradi helyek.
tanszékek maradi helyek.
10:58
The way they teach anatomy is similar
to the way they taught anatomy
to the way they taught anatomy
211
646482
3417
Majdnem ugyanúgy tanítják az anatómiát,
mint 100 évvel ezelőtt.
11:01
100 years ago.
212
649923
1166
11:03
"Welcome, student. Here's your cadaver."
213
651113
2024
"Üdvözöljük, hallgató!
Ezt a holttestet boncolja!"
Ezt a holttestet boncolja!"
11:06
One of the things medical schools are
not good at is creating new departments,
not good at is creating new departments,
214
654149
3707
Új tanszékek alapításában nem jeleskednek
az orvostudományi egyetemek,
az orvostudományi egyetemek,
ezért szokatlan az elméleti biológia.
11:09
which is why this is so unusual.
215
657880
1749
11:12
Isaac Kohane has now created a department
based on informatics, data, knowledge
based on informatics, data, knowledge
216
660351
6498
Isaac Kohane informatikán, adatokon
és tudáson alapuló tanszéket alapított
és tudáson alapuló tanszéket alapított
11:18
at Harvard Medical School.
217
666873
1511
a Harvard orvosi karán.
11:21
And in a sense,
what's beginning to happen is
what's beginning to happen is
218
669408
2177
Bizonyos értelemben,
11:23
biology is beginning to get enough data
219
671609
2482
ahogy a biológia elég adathoz jut,
11:26
that it can begin to follow
the steps of physics,
the steps of physics,
220
674115
2766
kezd a fizika nyomában járni.
11:28
which used to be observational physics
221
676905
3388
A fizika egykor megfigyelő jellegű
11:32
and experimental physicists,
222
680317
1971
és kísérleti fizikusok terepe volt.
11:34
and then started creating
theoretical biology.
theoretical biology.
223
682312
2162
Kezdett kialakulni az elméleti biológia.
11:36
Well, that's what you're beginning to see
224
684498
2004
Ennek vagyunk tanúi,
11:38
because you have so many medical records,
225
686526
1980
mert rengeteg orvosi följegyzésünk van,
11:40
because you have
so much data about people:
so much data about people:
226
688530
2032
mert rengeteg adatunk van emberekről:
11:42
you've got their genomes,
you've got their viromes,
you've got their viromes,
227
690586
2410
megvan a genomjuk, megvan a viromjuk,
11:45
you've got their microbiomes.
228
693020
1494
megvan a mikrobiomjuk.
11:46
And as this information stacks,
229
694538
1981
S ahogy az információ gyűlik,
11:48
you can begin to make predictions.
230
696543
2063
hozzáláthatunk az előrejelzésekhez.
11:52
The third thing that's happening
is this is coming to the consumer.
is this is coming to the consumer.
231
700149
3255
A harmadik dolog a fogyasztóra irányul.
11:56
So you, too, can get your genes sequenced.
232
704629
4156
Önök is szekvenáltathatják a génjeiket.
12:01
And this is beginning to create
companies like 23andMe,
companies like 23andMe,
233
709698
2728
Így jönnek létre a 23andMe-féle cégek,
12:04
and companies like 23andMe
are going to be giving you
are going to be giving you
234
712450
2478
és e cégekből
12:06
more and more and more data,
235
714952
1352
mind több adathoz jutunk,
12:08
not just about your relatives,
236
716328
1544
nemcsak rokonainkról,
12:10
but about you and your body,
237
718562
1360
hanem magunkról és testünkről;
12:11
and it's going to compare stuff,
238
719946
1531
összevetik az adatokat
12:13
and it's going
to compare stuff across time,
to compare stuff across time,
239
721501
2093
időbeli alakulásuk alapján,
és hatalmas adatbázisok jönnek létre.
12:15
and these are going to become
very large databases.
very large databases.
240
723618
2607
12:18
But it's also beginning to affect
a series of other businesses
a series of other businesses
241
726249
2962
Ám váratlan módon
ezek üzleti tevékenységekre is hatnak.
12:21
in unexpected ways.
242
729235
1537
12:23
Normally, when you advertise something,
you really don't want the consumer
you really don't want the consumer
243
731802
3751
Mikor hirdetünk, nem szeretnénk,
ha a fogyasztó a hirdetésünket
bevinné a vécébe, és lepisilné.
bevinné a vécébe, és lepisilné.
12:27
to take your advertisement
into the bathroom to pee on.
into the bathroom to pee on.
244
735577
4567
12:33
Unless, of course, if you're IKEA.
245
741993
2055
Hacsak nem az IKEA vagyunk.
12:37
Because when you rip this
out of a magazine and you pee on it,
out of a magazine and you pee on it,
246
745381
2906
Mert ha kitépjük a brosúrából,
és rápisilünk,
és rápisilünk,
12:40
it'll turn blue if you're pregnant.
247
748311
2069
a papír megkékül, ha terhesek vagyunk.
12:42
(Laughter)
248
750404
1213
(Nevetés)
12:44
And they'll give you
a discount on your crib.
a discount on your crib.
249
752214
3873
Akkor árengedményt kapunk
tőlük a gyerekágyra.
tőlük a gyerekágyra.
12:48
(Laughter)
250
756111
1158
(Nevetés)
12:49
Right? So when I say consumer empowerment,
251
757293
2015
Mert ha vevő-felhatalmazásról beszélek,
12:51
and this is spreading beyond biotech,
252
759332
2739
és ez a biotechnológián túlra is terjed,
12:54
I actually really mean that.
253
762095
1819
komolyan beszélek.
12:58
We're now beginning to produce,
at Synthetic Genomics,
at Synthetic Genomics,
254
766273
3365
A Synthetic Genomicsnál
most kezdtük el
most kezdtük el
13:02
desktop printers
255
770540
1471
nyomtatók gyártását,
13:05
that allow you to design a cell,
256
773228
3530
amelyek sejttervezést tesznek lehetővé:
13:08
print a cell,
257
776782
1167
sejtet nyomtatnak,
13:09
execute the program on the cell.
258
777973
1845
programot hajtanak végre a sejten.
13:12
We can now print vaccines
259
780825
2103
Oltóanyagokat nyomtathatunk egyidejűleg,
13:14
real time as an airplane takes off
260
782952
2247
ahogy a repülőgép fölszáll,
13:17
before it lands.
261
785223
1190
mielőtt leszállna.
13:19
We're shipping 78
of these machines this year.
of these machines this year.
262
787929
2572
Idén 78 ilyen gépet szállítunk.
13:24
This is not theoretical biology.
This is printing biology.
This is printing biology.
263
792068
4473
Ez nem elméleti biológia;
ez nyomtatási biológia.
ez nyomtatási biológia.
13:30
Let me talk about two long-term trends
264
798182
2196
Szólok két trendről,
13:33
that are coming at you
over a longer time period.
over a longer time period.
265
801374
3326
amely hosszabb távon hat majd önökre.
13:37
The first one is, we're starting
to redesign species.
to redesign species.
266
805658
2656
Az első: kezdjük a fajokat áttervezni.
13:41
And you've heard about that, right?
267
809055
1777
Erről már hallottak, ugye?
13:42
We're redesigning trees.
We're redesigning flowers.
We're redesigning flowers.
268
810856
2681
Áttervezzük a fákat, virágokat,
13:45
We're redesigning yogurt,
269
813561
2293
áttervezzük a joghurtot,
13:48
cheese, whatever else you want.
270
816513
2030
sajtokat, amit csak akarunk.
13:51
And that, of course,
brings up the interesting question:
brings up the interesting question:
271
819678
2650
Ez pedig érdekes kérdést vet föl:
13:54
How and when should we redesign humans?
272
822884
2336
az embert hogyan és mikor tervezzük át?
13:59
And a lot of us think,
"Oh no, we never want to redesign humans."
"Oh no, we never want to redesign humans."
273
827566
3557
Sokan gondolják: "Na, ne, az embert
soha nem akarjuk áttervezni."
soha nem akarjuk áttervezni."
14:04
Unless, of course, if your child
has a Huntington's gene
has a Huntington's gene
274
832147
2715
Hacsak gyermekükben
nincs benne a Huntington-gén,
nincs benne a Huntington-gén,
s ezáltal halálra van kárhoztatva.
14:06
and is condemned to death.
275
834886
1389
14:09
Or, unless if you're passing on
a cystic fibrosis gene,
a cystic fibrosis gene,
276
837172
3363
Vagy hacsak nem adjuk tovább
a cisztás fibrózis génjét.
a cisztás fibrózis génjét.
14:12
in which case, you don't just want
to redesign yourself,
to redesign yourself,
277
840559
2690
Ez esetben nemcsak
magunkat akarjuk áttervezni,
magunkat akarjuk áttervezni,
14:15
you want to redesign your children
and their children.
and their children.
278
843273
2539
hanem gyerekeinket és unokáinkat is.
14:18
And these are complicated debates
and they're going to happen in real time.
and they're going to happen in real time.
279
846723
3645
Ezek bonyolult vitakérdések,
és folyamatosan fölvetődnek.
és folyamatosan fölvetődnek.
14:22
I'll give you one current example.
280
850839
1951
Mondok erre egy köznapi példát.
14:25
One of the debates going on
at the National Academies today
at the National Academies today
281
853531
3072
Vita folyik jelenleg
a Tudományos Akadémián,
a Tudományos Akadémián,
14:29
is you have the power to put
a gene drive into mosquitoes
a gene drive into mosquitoes
282
857896
4702
hogy megvan a hatalmunk
önző gént juttatni szúnyogokba,
önző gént juttatni szúnyogokba,
14:34
so that you will kill
all the malaria-carrying mosquitoes.
all the malaria-carrying mosquitoes.
283
862622
2984
hogy kipusztítsuk
az összes maláriahordozó szúnyogot.
az összes maláriahordozó szúnyogot.
14:39
Now, some people say,
284
867547
2560
Egyesek azt mondják:
14:42
"That's going to affect the environment
in an extreme way, don't do it."
in an extreme way, don't do it."
285
870964
3465
"Végzetesen fog hatni
a környezetre, ne tegyétek!"
a környezetre, ne tegyétek!"
14:47
Other people say,
286
875326
1155
Mások meg azt mondják:
14:48
"This is one of the things
that's killing millions of people yearly.
that's killing millions of people yearly.
287
876505
3227
"A malária évente milliókat öl meg!
Kik vagytok, hogy eldöntitek: nem
menthetem meg népem gyermekeit?"
menthetem meg népem gyermekeit?"
14:51
Who are you to tell me
that I can't save the kids in my country?"
that I can't save the kids in my country?"
288
879756
3548
14:57
And why is this debate so complicated?
289
885183
1853
Miért oly bonyolult a vita?
14:59
Because as soon as you
let this loose in Brazil
let this loose in Brazil
290
887060
2881
Mert ha ezeket Brazíliában
vagy Dél-Floridában engedjük el,
15:01
or in Southern Florida --
291
889965
1423
15:03
mosquitoes don't respect walls.
292
891412
1541
a szúnyogok nem ismernek határt.
15:04
You're making a decision for the world
293
892977
2301
A világra kiható döntést hozunk,
15:07
when you put a gene drive into the air.
294
895302
1907
mikor az önző gént szabadon bocsátjuk.
15:14
This wonderful man won a Nobel Prize,
295
902145
2095
E kiváló férfiú Nobel-díjat kapott,
15:17
and after winning the Nobel Prize
296
905103
1640
és miután elnyerte,
15:18
he's been worrying about
297
906767
1255
azon kezdett töprengeni,
15:21
how did life get started on this planet
298
909531
2103
hogyan alakult ki bolygónkon az élet,
15:23
and how likely is it
that it's in other places?
that it's in other places?
299
911658
2281
és mennyire valószínű,
hogy máshol is létezik.
hogy máshol is létezik.
15:27
So what he's been doing is going around
to this graduate students
to this graduate students
300
915097
3202
Körbejárta végzős diákjait,
15:30
and saying to his graduate students,
301
918323
1718
és azt mondta nekik:
15:32
"Build me life but don't use
any modern chemicals or instruments.
any modern chemicals or instruments.
302
920864
3322
"Hozzatok létre életet, de semmiféle
modern vegyszer vagy eszköz!
modern vegyszer vagy eszköz!
15:36
Build me stuff that was here
three billion years ago.
three billion years ago.
303
924210
2665
Olyat hozzatok létre,
ami hárommilliárd éve volt itt.
ami hárommilliárd éve volt itt.
15:38
You can't use lasers.
You can't use this. You can't use that."
You can't use this. You can't use that."
304
926899
3156
Lézert nem használhattok.
Ezt sem, meg azt sem."
Ezt sem, meg azt sem."
15:44
He gave me a vial of what he's built
about three weeks ago.
about three weeks ago.
305
932330
3245
Kaptam tőle egy üvegcsényit abból,
amit három hete hozott létre.
amit három hete hozott létre.
15:48
What has he built?
306
936639
1179
Mit hozott létre?
Úgy néz ki, mint egy
szappanbuborék lipidekből.
szappanbuborék lipidekből.
15:49
He's built basically what looked like
soap bubbles that are made out of lipids.
soap bubbles that are made out of lipids.
307
937842
4025
15:53
He's built a precursor of RNA.
308
941891
2566
A ribonukleinsav prekurzorját hozta létre.
15:57
He's had the precursor of the RNA
be absorbed by the cell
be absorbed by the cell
309
945291
3752
A ribonukleinsav prekurzorját
elnyelette a sejttel,
elnyelette a sejttel,
16:02
and then he's had the cells divide.
310
950194
1883
majd a sejteket osztódásra késztette.
16:06
We may not be that far --
311
954031
1957
Talán nincs messze az idő –
16:09
call it a decade, maybe two decades --
312
957687
3117
mondjuk, egy-két évtized –,
16:12
from generating life from scratch
313
960828
1970
és a semmiből hozhatunk létre életet
16:16
out of proto-communities.
314
964285
1803
proto-közösségekből.
16:19
Second long-term trend:
315
967512
1646
A másik hosszú távú trend:
16:22
we've been living and are living
through the digital age --
through the digital age --
316
970273
3526
digitális korban élünk –
16:25
we're starting to live through
the age of the genome
the age of the genome
317
973823
2519
belecsöppentünk a genom,
16:28
and biology and CRISPR
and synthetic biology --
and synthetic biology --
318
976366
3615
a biológia, a CRISPR
és a szintetikus biológia korszakába –,
és a szintetikus biológia korszakába –,
16:32
and all of that is going to merge
into the age of the brain.
into the age of the brain.
319
980870
2907
s ezek az agy korszakába ötvöződnek össze.
16:36
So we're getting to the point where
we can rebuild most of our body parts,
we can rebuild most of our body parts,
320
984743
3981
Odáig jutottunk, hogy a legtöbb
testrészünket ugyanúgy újjáépíthetjük,
testrészünket ugyanúgy újjáépíthetjük,
16:40
in the same way as if you break a bone
or burn your skin, it regrows.
or burn your skin, it regrows.
321
988748
3656
ahogy a törött csont
vagy megégett bőr újra nő.
vagy megégett bőr újra nő.
16:44
We're beginning to learn
how to regrow our tracheas
how to regrow our tracheas
322
992428
2668
Tanuljuk, hogy növesszünk új légcsövet,
16:47
or how to regrow our bladders.
323
995120
1864
hogy növesszünk új húgyhólyagot.
16:49
Both of those have been
implanted in humans.
implanted in humans.
324
997008
2306
Mindkettőt már emberbe ültettük.
16:51
Tony Atala is working on
32 different organs.
32 different organs.
325
999338
2728
Tony Atala 32 szerven dolgozik.
16:55
But the core is going to be this,
326
1003487
1890
De a lényeg ez lesz,
16:57
because this is you
and the rest is just packaging.
and the rest is just packaging.
327
1005401
3054
mert a többi csak csomagolóanyag.
17:02
Nobody's going to live beyond
120, 130, 140 years
120, 130, 140 years
328
1010011
3547
Senki sem fog
120–130–140 évnél tovább élni,
120–130–140 évnél tovább élni,
17:05
unless if we fix this.
329
1013582
1735
csak ha ezt megoldjuk.
17:08
And that's the most interesting challenge.
330
1016084
2066
Ez a legérdekesebb erőpróba.
Ez a következő határterület,
17:10
That's the next frontier, along with:
331
1018174
2111
17:12
"How common is life in the universe?"
332
1020309
2347
a "Milyen gyakori az élet
a világmindenségben?"
a világmindenségben?"
17:14
"Where did we come from?"
333
1022680
1806
"Honnan származunk?",
17:16
and questions like that.
334
1024510
1634
és hasonló kérdések mellett.
17:20
Let me end this with
an apocryphal quote from Einstein.
an apocryphal quote from Einstein.
335
1028031
3190
Egy apokrif Einstein-idézettel fejezem be.
17:23
[You can live as if
everything is a miracle,
everything is a miracle,
336
1031697
2219
[Élhetünk úgy,
hogy minden dolog csodálatos,
hogy minden dolog csodálatos,
17:25
or you can live as if
nothing is a miracle.]
nothing is a miracle.]
337
1033940
2272
vagy úgy is, hogy semmi sem csodálatos.]
17:28
It's your choice.
338
1036236
1513
Miénk a választás.
17:30
You can focus on the bad,
you can focus on the scary,
you can focus on the scary,
339
1038555
2479
Összpontosíthatunk
a rosszra, az ijesztőre,
a rosszra, az ijesztőre,
17:33
and certainly there's
a lot of scary out there.
a lot of scary out there.
340
1041058
2416
és bizonyára sok minden ijesztő.
17:36
But use 10 percent of your brain
to focus on that, or maybe 20 percent,
to focus on that, or maybe 20 percent,
341
1044012
4732
De használjuk rá csak agyunk 10%-át,
17:40
or maybe 30 percent.
342
1048768
1826
jó, legyen 20–30%.
17:43
But just remember,
343
1051474
1782
De tartsuk észben,
17:45
we really are living in an age
of miracle and wonder.
of miracle and wonder.
344
1053280
2609
hogy tényleg csodás dolgok
és csodák korszakában élünk.
és csodák korszakában élünk.
17:48
We're lucky to be alive today.
We're lucky to see this stuff.
We're lucky to see this stuff.
345
1056271
3551
Szerencsénk van, hogy ma élünk.
Szerencsénk van, hogy ezt látjuk.
Szerencsénk van, hogy ezt látjuk.
17:51
We're lucky to be able to interact
with folks like the folks
with folks like the folks
346
1059846
2841
Szerencsénk van, hogy alkalmunk van
kapcsolatban állni azokkal,
kapcsolatban állni azokkal,
17:54
who are building
all the stuff in this room.
all the stuff in this room.
347
1062711
2110
akik a teremben lévő
dolgokat hozzák létre.
dolgokat hozzák létre.
17:57
So thank you to all of you,
for all you do.
for all you do.
348
1065487
2975
Mindenkinek köszönöm, amit tesz.
18:01
(Applause)
349
1069066
3696
(Taps)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com