ABOUT THE SPEAKER
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.

Why you should listen

If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)

Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.

More profile about the speaker
Barry Schuler | Speaker | TED.com
Taste3 2008

Barry Schuler: Genomics 101

Wprowadzenie do genomiki.

Filmed:
454,548 views

Czym jest genomika? Jak wpłynie na nasze życie? Czy jest zagrożeniem czy może odpowiedzią na najbardziej palące problemy współczesnego świata? Czy będziemy żyć 300 lat? Barry Schuler, przedsiębiorca, miłośnik wina, członek zarządu Synthetic Genomics wyjaśnia na przykładzie wina, że dzięki genomice w najbliższej przyszłości możemy się spodziewać przynajmniej zdrowszej i smaczniejszej żywności.
- Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio

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

00:16
What's happeningwydarzenie in genomicsgenomika,
0
0
2000
Co dzieje się w genomice,
00:18
and how this revolutionrewolucja is about to changezmiana everything we know
1
2000
5000
i jak ta rewolucja zmierza do tego, aby zmienić wszystko, co wiemy
00:23
about the worldświat, life, ourselvesmy sami, and how we think about them.
2
7000
7000
o świecie, życiu oraz o nas samych oraz to, jak o nich myślimy.
00:30
If you saw 2001: A SpaceMiejsca OdysseyOdyseja,
3
14000
3000
Jeśli widzieliście "Odyseję kosmiczną 2001"
00:33
and you heardsłyszał the boomBum, boomBum, boomBum, boomBum, and you saw the monolithmonolit,
4
17000
4000
i słyszeliście "bum, bum, bum, bum" i widzieliście monolit,
00:37
you know, that was ArthurArthur C. Clarke'sClarke's representationreprezentacja
5
21000
4000
to to było wyobrażenie Arthura C. Clarka,
00:41
that we were at a seminalnasienny momentza chwilę in the evolutionewolucja of our speciesgatunki.
6
25000
4000
o tym, że jesteśmy w przełomowym momencie ewolucji naszego gatunku.
00:45
In this casewalizka, it was pickingowocobranie up boneskości and creatingtworzenie a toolnarzędzie,
7
29000
4000
W tym wypadku było to podniesienie kości i stworzenie narzędzia;
00:49
usingza pomocą it as a toolnarzędzie, whichktóry meantOznaczało that apesmałpy just, sortsortować of,
8
33000
4000
użycie tego jako narzędzia, co oznaczało, że coś w rodzaju małpy,
00:53
runningbieganie around and eatingjedzenie and doing eachkażdy other
9
37000
2000
biegające w kółko, jedzące i rozmnażające się,
00:55
figuredwzorzysty out they can make things if they used a toolnarzędzie.
10
39000
6000
odkryło, że może używać narzędzi do tworzenia rożnych rzeczy.
01:01
And that movedprzeniósł us to the nextNastępny levelpoziom.
11
45000
3000
I wskoczyliśmy na następny poziom.
01:04
And, you know, we in the last 30 yearslat in particularszczególny
12
48000
4000
Zwłaszcza w ciągu ostatnich 30 lat
01:08
have seenwidziany this accelerationprzyśpieszenie in knowledgewiedza, umiejętności and technologytechnologia,
13
52000
4000
byliśmy świadkami przyspieszenia w nauce i technologii,
01:12
and technologytechnologia has bredhodowane more knowledgewiedza, umiejętności and givendany us toolsprzybory.
14
56000
3000
a technologia stała się źródłem jeszcze większej wiedzy, która daje nam nowe narzędzia.
01:15
And we'vemamy seenwidziany manywiele seminalnasienny momentschwile.
15
59000
2000
I widzieliśmy wiele przełomowych momentów.
01:17
We'veMamy seenwidziany the creationkreacja of smallmały computerskomputery in the '70s and earlywcześnie '80s,
16
61000
4000
Widzieliśmy powstawanie małych komputerów w latach 70-tych i wczesnych 80-tych,
01:21
and who would have thought back then that everykażdy singlepojedynczy personosoba
17
65000
3000
i kto wtedy mógł przewidzieć, że każdy z nas
01:24
would not have just one computerkomputer but probablyprawdopodobnie 20,
18
68000
3000
będzie posiadał nie jeden, lecz prawdopodobnie 20 komputerów
01:27
in your home, and in not just your P.C. but in everykażdy deviceurządzenie --
19
71000
5000
w swoim domu; i że będzie to nie tylko Wasz PC, lecz każde urządzenie -
01:32
in your washingmycie machinemaszyna, your cellkomórka phonetelefon.
20
76000
3000
Wasza pralka, Wasza komórka.
01:35
You're walkingpieszy around; your carsamochód has 12 microprocessorsmikroprocesory.
21
79000
4000
Wasz samochód ma 12 mikroprocesorów.
01:39
Then we go alongwzdłuż and createStwórz the InternetInternet
22
83000
2000
Idąc dalej stworzyliśmy Internet
01:41
and connectpołączyć the worldświat togetherRazem; we flattenSpłaszcz the worldświat.
23
85000
3000
i połączyliśmy świat ze sobą; spłaszczyliśmy świat.
01:44
We'veMamy seenwidziany so much changezmiana, and we'vemamy givendany ourselvesmy sami these toolsprzybory now --
24
88000
5000
Widzieliśmy tak wiele zmian i sięgnęliśmy po narzędzia,
01:49
these high-poweredwysokiej mocy toolsprzybory --
25
93000
2000
- narzędzia o wielkiej mocy -
01:51
that are allowingpozwalać us to turnskręcać the lensobiektyw inwardczynnego
26
95000
4000
które pozwalają nam jakby wywinąć obiektyw do wewnątrz,
01:55
into something that is commonpospolity to all of us, and that is a genomegenom.
27
99000
5000
do czegoś, co jest wspólne dla nas wszystkich - tym czymś jest genom.
02:00
How'sJak w your genomegenom todaydzisiaj? Have you thought about it latelyostatnio?
28
104000
5000
Jak się miewa Wasz genom dzisiaj? Myśleliście o tym ostatnio?
02:05
HeardSłyszał about it, at leastnajmniej? You probablyprawdopodobnie hearsłyszeć about genomesgenomy these daysdni.
29
109000
5000
Może chociaż coś słyszeliście na ten temat? Prawdopodobnie słyszeliście coś o genomie ostatnio.
02:10
I thought I'd take a momentza chwilę to tell you what a genomegenom is.
30
114000
3000
Tak więc szybko wyjaśnię Wam, czym jest genom.
02:13
It's, sortsortować of, like if you askzapytać people,
31
117000
2000
Gdy ludzie pytają się,
02:15
Well, what is a megabytemegabajt or megabitmegabit? And what is broadbandłącze szerokopasmowe?
32
119000
3000
co to jest megabajt lub megabit albo co to jest internet szerokopasmowy,
02:18
People never want to say, I really don't understandzrozumieć.
33
122000
3000
nikt nie chce się przyznać, że nie ma na ten temat zielonego pojęcia.
02:21
So, I will tell you right off of the batnietoperz.
34
125000
1000
Tak wiec powiem wam bez ogródek.
02:22
You've heardsłyszał of DNADNA; you probablyprawdopodobnie studiedbadane a little bitkawałek in biologybiologia.
35
126000
4000
Słyszeliście o DNA, być może uczyliście się trochę biologii.
02:26
A genomegenom is really a descriptionopis for
all of the DNADNA that is in a livingżycie organismorganizm.
36
130000
7000
Genom jest opisem całego DNA, który znajduje się w żywym organizmie.
02:33
And one thing that is commonpospolity to all of life is DNADNA.
37
137000
6000
Wszystkie żywe organizmy dzielą jedną wspólną rzecz, jest to DNA.
02:39
It doesn't mattermateria whetherczy you're a yeastdrożdże;
38
143000
2000
I nie ważne czy jesteście grzybem,
02:41
it doesn't mattermateria whetherczy you're a mousemysz;
39
145000
2000
czy myszą,
02:43
doesn't mattermateria whetherczy you're a flylatać; we all have DNADNA.
40
147000
4000
czy muchą; wszyscy posiadamy DNA.
02:47
The DNADNA is organizedzorganizowany in wordssłowa, call them: genesgeny and chromosomeschromosomy.
41
151000
7000
DNA jest uporządkowane w słowa, nazwijmy je: geny i chromosomy.
02:54
And when WatsonWatson and CrickCrick in the '50s
42
158000
4000
I kiedy Watson i Crick w latach 50-tych
02:58
first decodeddekodowane this beautifulpiękny doublepodwójnie helixspirala that we know as the DNADNA moleculecząsteczka --
43
162000
6000
pierwsi rozszyfrowali tą przepiękną podwójną helisę, którą znamy dzisiaj jako cząsteczkę DNA -
03:04
very long, complicatedskomplikowane moleculecząsteczka --
44
168000
2000
- bardzo długą i skomplikowaną cząsteczkę -
03:06
we then startedRozpoczęty on this journeypodróż to understandzrozumieć that
45
170000
4000
wtedy właśnie rozpoczęliśmy tę podroż, która pozwoliła nam zrozumieć,
03:10
insidewewnątrz of that DNADNA is a languagejęzyk that determinesokreśla the characteristicscechy, our traitscechy,
46
174000
6000
że wewnątrz DNA istnieje język, który określa nasze właściwości, nasze cechy,
03:16
what we inheritdziedziczą, what diseaseschoroby we maymoże get.
47
180000
3000
co dziedziczymy i na co możemy zachorować.
03:19
We'veMamy alsorównież alongwzdłuż the way discoveredodkryty that this is a very oldstary moleculecząsteczka,
48
183000
6000
Po drodze odkryliśmy również, że jest to bardzo stara cząsteczka,
03:25
that all of the DNADNA in your bodyciało has been around foreverna zawsze,
49
189000
6000
że całe Wasze DNA istniało od zawsze,
03:31
sinceod the beginningpoczątek of us, of us as creaturesstworzenia.
50
195000
4000
od początku istnienia nas samych, nas jako istot żywych.
03:35
There is a historicalhistoryczny archiveArchiwum.
51
199000
2000
To jest historyczne archiwum.
03:37
LivingŻycia in your genomegenom is the historyhistoria of our speciesgatunki,
52
201000
5000
W Waszym genomie żyje historia naszego gatunku,
03:42
and you as an individualindywidualny humanczłowiek beingistota, where you're from,
53
206000
6000
oraz Was jako odrębnych istot ludzkich; to, skąd pochodzicie,
03:48
going back thousandstysiące and thousandstysiące and thousandstysiące of yearslat,
54
212000
3000
cofając się o setki tysięcy lat,
03:51
and that's now startingstartowy to be understoodzrozumiany.
55
215000
3000
i dopiero teraz zaczyna to być rozumiane.
03:54
But alsorównież, the genomegenom is really the instructioninstrukcja manualpodręcznik.
56
218000
5000
Lecz genom jest również instrukcją obsługi.
03:59
It is the programprogram. It is the codekod of life.
57
223000
3000
Jest programem. Jest kodem życia.
04:02
It is what makesczyni you functionfunkcjonować;
58
226000
2000
Sprawia, że działacie.
04:04
it is what makesczyni everykażdy organismorganizm functionfunkcjonować.
59
228000
4000
Sprawia, że każdy żywy organizm działa.
04:08
DNADNA is a very elegantelegancki moleculecząsteczka.
60
232000
3000
DNA jest bardzo elegancką molekułą.
04:11
It's long and it's complicatedskomplikowane.
61
235000
2000
Jest długie i skomplikowane.
04:13
Really all you have to know about it is that there's fourcztery letterslisty:
62
237000
5000
Wszystko, co musicie o nim wiedzieć, to to, że istnieją 4 litery:
04:18
A, T, C, G; they representprzedstawiać the nameNazwa of a chemicalchemiczny.
63
242000
4000
A, T, C, G, które reprezentują nazwy związków chemicznych.
04:22
And with these fourcztery letterslisty, you can createStwórz a languagejęzyk:
64
246000
5000
Używając tych 4 liter, można stworzyć język:
04:27
a languagejęzyk that can describeopisać anything, and very complicatedskomplikowane things.
65
251000
5000
język, którym można opisać wszystkie, nawet bardzo skomplikowane rzeczy.
04:32
You know, they are generallyogólnie put togetherRazem in pairspary,
66
256000
3000
Ogólnie rzecz biorąc, te litery łączą się w pary,
04:35
creatingtworzenie a wordsłowo or what we call basebaza pairspary.
67
259000
3000
tworząc słowo lub tak jak my to nazywamy: parę zasad.
04:38
And you would, you know, when you think about it,
68
262000
3000
Wyobraźcie to sobie:
04:41
fourcztery letterslisty, or the representationreprezentacja of fourcztery things, makesczyni us work.
69
265000
6000
4 litery lub reprezentacja 4 rzeczy sprawia, że działamy.
04:47
And that maymoże not sounddźwięk very intuitiveintuicyjny,
70
271000
3000
I być może nie brzmi to zbyt intuicyjnie,
04:50
but let me fliptrzepnięcie over to something elsejeszcze you know about, and that's computerskomputery.
71
274000
4000
lecz porównajmy to do czegoś, o czym macie pojecie, czyli komputerów.
04:54
Look at this screenekran here and, you know, you see pictureskino
72
278000
4000
Spójrzcie na ekran tutaj, widzicie obrazki i widzicie słowa,
04:58
and you see wordssłowa, but really all there are are oneste and zeroszer.
73
282000
4000
lecz tak naprawdę wszystko, co tutaj się znajduje, to jedynki i zera.
05:02
The languagejęzyk of technologytechnologia is binarydwójkowy;
74
286000
4000
Technologia posługuje się językiem dwójkowym,
05:06
you've probablyprawdopodobnie heardsłyszał that at some pointpunkt in time.
75
290000
2000
pewnie kiedyś o tym słyszeliście.
05:08
Everything that happensdzieje się in digitalcyfrowy is convertedprzekształcić,
76
292000
4000
Wszystko, co jest cyfrowe, jest konwertowane
05:12
or a representationreprezentacja, of a one and a zerozero.
77
296000
3000
lub jest reprezentacją jedynki i zera.
05:15
So, when you're listeningsłuchający to iTunesiTunes and your favoriteulubiony musicmuzyka,
78
299000
5000
Tak wiec, kiedy słuchacie iTunes i swojej ulubionej muzyki,
05:20
that's really just a bunchwiązka of oneste and zeroszer playinggra very quicklyszybko.
79
304000
3000
tak naprawdę to tylko masa zer i jedynek, grających bardzo szybko.
05:23
When you're seeingwidzenie these pictureskino, it's all oneste and zeroszer,
80
307000
3000
Kiedy patrzycie na te obrazki, to tylko jedynki i zera,
05:26
and when you're talkingmówić on your telephonetelefon, your cellkomórka phonetelefon,
81
310000
3000
i kiedy rozmawiacie przez telefon, przez komórkę,
05:29
and it's going over the networksieć,
82
313000
2000
kiedy łączycie się z siecią,
05:31
your voicegłos is all beingistota turnedobrócony into oneste and zeroszer and magicallymagicznie whizzedświstały around.
83
315000
4000
Wasz głos jest zamieniany na jedynki i zera i magicznie śwista wkoło.
05:35
And look at all the complexzłożony things and wonderfulwspaniale things
84
319000
3000
Spójrzcie na te wszystkie skomplikowane i cudowne rzeczy,
05:38
we'vemamy been ablezdolny to createStwórz with just a one and a zerozero.
85
322000
3000
które jesteśmy w stanie stworzyć tylko dzięki jedynkom i zerom.
05:41
Well, now you rampRampa that up to fourcztery, and you have a lot of complexityzłożoność,
86
325000
6000
A teraz zwiększmy to do czterech i otrzymamy więcej złożoności,
05:47
a lot of wayssposoby to describeopisać mechanismsmechanizmy.
87
331000
4000
więcej sposobów opisu mechanizmów
05:51
So, let's talk about what that meansznaczy.
88
335000
2000
Tak więc co to oznacza?
05:53
So, if you look at a humanczłowiek genomegenom,
89
337000
2000
Jeśli spojrzymy na ludzki genom,
05:55
they consistskładać się of 3.2 billionmiliard of these basebaza pairspary. That's a lot.
90
339000
6000
składa się on z 3,2 miliarda par zasad. To bardzo dużo.
06:01
And they mixmieszać up in all differentróżne fashionsmody,
91
345000
2000
W dodatku mieszają się ze sobą w rożnych konfiguracjach
06:03
and that makesczyni you a humanczłowiek beingistota.
92
347000
3000
i to czyni Was człowiekiem.
06:06
If you convertkonwertować that to binarydwójkowy, just to give you a little bitkawałek of sizingzmiany rozmiaru,
93
350000
5000
Jeśli zamienicie to na system dwójkowy, tak aby dać wam wyobrażenie rozmiarów,
06:11
we're actuallytak właściwie smallermniejszy than the programprogram MicrosoftMicrosoft OfficeBiuro.
94
355000
4000
właściwie jesteśmy mniejsi niż program Microsoft Office.
06:15
It's not really all that much datadane.
95
359000
4000
Naprawdę nie ma w nas aż tak dużo informacji.
06:19
I will alsorównież tell you we're at leastnajmniej as buggypowozik.
96
363000
3000
Ale przynajmniej zawieramy mniej błędów.
06:22
(LaughterŚmiech)
97
366000
3000
(Śmiech)
06:25
This here is a bugpluskwa in my genomegenom
98
369000
4000
To tutaj, to błąd w moim genomie,
06:29
that I have struggledwalczyli with for a long, long time.
99
373000
5000
z którym borykałem się przez bardzo długi czas.
06:34
When you get sickchory, it is a bugpluskwa in your genomegenom.
100
378000
5000
Kiedy zachorujecie, jest to błąd w Waszym genomie.
06:39
In factfakt, manywiele, manywiele diseaseschoroby we have struggledwalczyli with for a long time,
101
383000
5000
W rzeczywistości, wiele chorób, z którymi walczymy już od długiego czasu,
06:44
like cancernowotwór, we haven'tnie mam been ablezdolny to curelekarstwo
102
388000
3000
jak naprzykład rak, nie byliśmy w stani wyleczyć,
06:47
because we just don't understandzrozumieć how it worksPrace at the genomicgenomowego levelpoziom.
103
391000
4000
ponieważ nie rozumiemy, jak to działa na poziomie genomu.
06:51
We are startingstartowy to understandzrozumieć that.
104
395000
2000
Dopiero zaczynamy to rozumieć.
06:53
So, up to this pointpunkt we triedwypróbowany to fixnaprawić it
105
397000
2000
Aż do tego momentu próbowaliśmy je leczyć używając,
06:55
by usingza pomocą what I call shit-against-the-wallgówno ścianę pharmacologyFarmakologia,
106
399000
4000
jak ja to nazywam, 'farmakologicznego gówna w ścianę',
06:59
whichktóry meansznaczy, well, let's just throwrzucać chemicalschemikalia at it,
107
403000
3000
co oznacza: wylejmy na to chemikalia
07:02
and maybe it's going to make it work.
108
406000
2000
i zobaczymy, czy to działa.
07:04
But if you really understandzrozumieć why does a cellkomórka go from normalnormalna cellkomórka to cancernowotwór?
109
408000
7000
Ale gdybyśmy naprawdę zrozumieli, dlaczego normalna komórka staje się rakiem;
07:11
What is the codekod?
110
415000
2000
jaki jest szyfr;
07:13
What are the exactdokładny instructionsinstrukcje that are makingzrobienie it do that?
111
417000
4000
jakie są dokładnie instrukcje, które powodują, że rak się rozwija;
07:17
then you can go about the processproces of tryingpróbować to fixnaprawić it and figurepostać it out.
112
421000
4000
wtedy moglibyśmy spróbować go wyleczyć.
07:21
So, for your nextNastępny dinnerobiad over a great bottlebutelka of winewino, here'soto jest a fewkilka factoidsCiekawostki for you.
113
425000
5000
Tak wiec do następnej kolacji z butelką dobrego wina mam tutaj dla Was parę faktów.
07:26
We actuallytak właściwie have about 24,000 genesgeny that do things.
114
430000
4000
W istocie mamy ok. 24 tys. genów, które są funkcjonalne.
07:30
We have about a hundredsto, 120,000 othersinni
115
434000
4000
I około 100-120 tys. innych,
07:34
that don't appearzjawić się to functionfunkcjonować everykażdy day,
116
438000
3000
które nie działają na codzień,
07:37
but representprzedstawiać this archivalarchiwalne historyhistoria of how we used to work as a speciesgatunki
117
441000
5000
lecz reprezentują archiwalną historie tego, jak kiedyś działaliśmy jako gatunek,
07:42
going back tenskilkadziesiąt of thousandstysiące of yearslat.
118
446000
3000
w przeszłości, dziesiątki tysięcy lat temu.
07:45
You mightmoc alsorównież be interestedzainteresowany in knowingporozumiewawczy
119
449000
2000
Być może zainteresuje Was fakt,
07:47
that a mousemysz has about the samepodobnie amountilość of genesgeny.
120
451000
2000
że mysz posiada podobną liczbę genów.
07:49
They recentlyostatnio sequencedzsekwencjonowane PinotPinot NoirNoir, and it alsorównież has about 30,000 genesgeny,
121
453000
7000
Ostatnio zbadano sekwencję Pinot Noir /odmiana winorośli/ i okazało się, że również posiada ok. 30 tys. genów,
07:56
so the numbernumer of genesgeny you have maymoże not necessarilykoniecznie representprzedstawiać the complexityzłożoność
122
460000
4000
w związku z tym liczba genów niekoniecznie reprezentuje złożoność
08:00
or the evolutionaryewolucyjny orderzamówienie of any particularszczególny speciesgatunki.
123
464000
5000
lub ewolucyjną kolejność poszczególnych gatunków.
08:05
Now, look around: just look nextNastępny to your neighborsąsiad,
124
469000
3000
A teraz spójrzcie dookoła, po prostu spójrzcie na swojego sąsiada,
08:08
look forwardNaprzód, look backwarddo tyłu. We all look prettyładny differentróżne.
125
472000
2000
spójrzcie przed siebie, za siebie. Wszyscy wyglądamy bardzo różnie.
08:10
A lot of very handsomeprzystojny and prettyładny people here, skinnychudy, chubbyGruba,
126
474000
4000
Dużo tutaj bardzo przystojnych i pięknych ludzi, szczupłych, pulchnych,
08:14
differentróżne raceswyścigi, cultureskultury. We are all 99.9% geneticallygenetycznie equalrówny.
127
478000
8000
rożnych ras, różnych kultur. A wszyscy jesteśmy w 99.9% genetycznie identyczni.
08:22
It is one one-hundredthjedna setna of one percentprocent of geneticgenetyczny materialmateriał
128
486000
4000
Jedna setna procenta naszego materiału genetycznego
08:26
that makesczyni the differenceróżnica betweenpomiędzy any one of us.
129
490000
3000
jest odpowiedzialna za różnice między nami.
08:29
That's a tinymalutki amountilość of materialmateriał,
130
493000
2000
Jest to maleńka ilość materiału,
08:31
but the way that ultimatelyostatecznie expresseswyraża itselfsamo
131
495000
4000
lecz sposób, w jaki się to ostatecznie uwidacznia,
08:35
is what makesczyni changeszmiany in humansludzie and in all speciesgatunki.
132
499000
5000
jest tym, co powoduje zmiany w ludziach i wszystkich innych gatunkach.
08:40
So, we are now ablezdolny to readczytać genomesgenomy.
133
504000
3000
Tak wiec teraz jesteśmy w stanie czytać genomy.
08:43
The first humanczłowiek genomegenom tookwziął 10 yearslat, threetrzy billionmiliard dollarsdolarów.
134
507000
5000
Odczytanie pierwszego ludzkiego genomu zajęło 10 lat i 3 miliardy dolarów.
08:48
It was doneGotowe by DrDr. CraigCraig VenterVenter.
135
512000
3000
Uczynił to dr Craig Venter.
08:51
And then JamesJames Watson'sWatson -- one of the co-founderswspółzałożycieli of DNADNA --
136
515000
4000
A później genom Jamesa Watsona, jednego z odkrywców DNA,
08:55
genomegenom was doneGotowe for two millionmilion dollarsdolarów, and in just two monthsmiesiące.
137
519000
4000
został odczytany za dwa miliony dolarów w przeciągu dwóch miesięcy.
08:59
And if you think about the computerkomputer industryprzemysł
138
523000
2000
I jeśli pomyślimy o przemyśle komputerowym;
09:01
and how we'vemamy goneodszedł from bigduży computerskomputery to little oneste
139
525000
3000
jak z dużych komputerów przeszliśmy do małych;
09:04
and how they get more powerfulpotężny and fasterszybciej all the time,
140
528000
4000
jak stają się one cały czas coraz lepsze i szybsze,
09:08
the samepodobnie thing is happeningwydarzenie with genegen sequencingsekwencjonowanie now:
141
532000
2000
to samo dotyczy sekwencjonowania genów:
09:10
we are on the cuspszpic of beingistota ablezdolny to sequencesekwencja humanczłowiek genomesgenomy
142
534000
4000
jesteśmy niemalże zdolni sekwencjonować ludzkie genomy
09:14
for about 5,000 dollarsdolarów in about an hourgodzina or a half-hourpół godziny;
143
538000
5000
za ok 5 tys. dolarów, w godzinę lub nawet pół godziny;
09:19
you will see that happenzdarzyć in the nextNastępny fivepięć yearslat.
144
543000
2000
będziecie tego świadkami w ciągu najbliższych 5 lat.
09:21
And what that meansznaczy is, you are going to walkspacerować around
145
545000
2000
Oznacza to, że będziecie wszędzie chodzić
09:23
with your ownwłasny personalosobisty genomegenom on a smartmądry cardkarta. It will be here.
146
547000
6000
ze swoim własnym genomem w postaci karty elektronicznej. To będzie miało miejsce.
09:29
And when you buykupować medicinelekarstwo,
147
553000
2000
A kiedy będziecie kupować lekarstwa,
09:31
you won'tprzyzwyczajenie be buyingkupowanie a drugnarkotyk that's used for everybodywszyscy.
148
555000
3000
nie będziecie kupować leku "dla każdego".
09:34
You will give your genomegenom to the pharmacistfarmaceuta,
149
558000
3000
Pokażecie swój genom farmaceutce,
09:37
and your drugnarkotyk will be madezrobiony for you
150
561000
2000
a Wasz lek będzie zrobiony specjalnie dla Was
09:39
and it will work much better than the oneste that were --
151
563000
2000
i będzie działał zdecydowanie lepiej niż leki "dla każdego".
09:41
you won'tprzyzwyczajenie have sidebok effectsruchomości.
152
565000
2000
Nie będziecie odczuwać skutków ubocznych.
09:43
All those sidebok effectsruchomości, you know, oilytłustej residuepozostałości and, you know,
153
567000
3000
Wszystkie te skutki uboczne,
09:46
whatevercokolwiek they say in those commercialsreklamy: forgetzapomnieć about that.
154
570000
4000
cokolwiek mówią reklamy: zapomnijcie o tym.
09:50
They're going to make all that stuffrzeczy go away.
155
574000
2000
Wszystkie te rzeczy znikną.
09:52
What does a genomegenom look like?
156
576000
3000
Jak wygląda genom?
09:55
Well, there it is. It is a long, long seriesseria of these basebaza pairspary.
157
579000
6000
Proszę bardzo. Jest to bardzo długi ciąg par zasad.
10:01
If you saw the genomegenom for a mousemysz or for a humanczłowiek it would look no differentróżne than this,
158
585000
4000
Gdybyście mogli zobaczyć genom myszy i człowieka, to właśnie tak by wyglądały.
10:05
but what scientistsnaukowcy are doing now is
159
589000
2000
To, co teraz robią naukowcy,
10:07
they're understandingzrozumienie what these do and what they mean.
160
591000
4000
to próbują zrozumieć, co te ciągi par zasad robią i co oznaczają.
10:11
Because what NatureNatura is doing is double-clickingDwukrotne kliknięcie all the time.
161
595000
4000
Ponieważ Natura działa określając zadania.
10:15
In other wordssłowa, the first couplepara of sentenceszdań here,
162
599000
4000
Innymi słowy, pierwsze parę zdań brzmiałoby,
10:19
assumingzarozumiały this is a grapewinogron plantroślina:
163
603000
2000
zakładając, że jest to winorośl:
10:21
make a rootkorzeń, make a branchgałąź, createStwórz a blossomkwiat.
164
605000
4000
utwórz korzeń, utwórz gałąź, utwórz kwiatostan.
10:25
In a humanczłowiek beingistota, down in here it could be:
165
609000
4000
U człowieka to mogłoby być:
10:29
make bloodkrew cellskomórki, startpoczątek cancernowotwór.
166
613000
4000
utwórz komórki krwi, wywołaj raka,
10:33
For me it maymoże be: everykażdy caloriekaloria you consumekonsumować, you conserveOszczędzanie,
167
617000
7000
Dla mnie to może być: zachowuj każdą zjedzoną kalorię,
10:40
because I come from a very coldzimno climateklimat.
168
624000
3000
ponieważ pochodzę z bardzo chłodnego klimatu.
10:43
For my wifeżona: eatjeść threetrzy timesczasy as much and you never put on any weightwaga.
169
627000
4000
Dla mojej żony: jedz 3 razy więcej i nigdy nie tyj.
10:47
It's all hiddenukryty in this codekod,
170
631000
2000
Wszystko to jest ukryte w kodzie
10:49
and it's startingstartowy to be understoodzrozumiany at breakneckzawrotną pacetempo.
171
633000
4000
i coraz szybciej zaczyna być rozumiane.
10:54
So, what can we do with genomesgenomy now that we can readczytać them,
172
638000
3000
Do czego może służyć genom teraz, gdy potrafimy go czytać,
10:57
now that we're startingstartowy to have the bookksiążka of life?
173
641000
2000
teraz, gdy zaczniemy posiadać książkę życia?
10:59
Well, there's manywiele things. Some are excitingekscytujący.
174
643000
3000
Istnieje wiele rozwiązań. Niektóre są ekscytujące.
11:02
Some people will find very scarystraszny. I will tell you a couplepara of things
175
646000
4000
Inne są przerażające. Zaraz powiem kilka rzeczy,
11:06
that will probablyprawdopodobnie make you want to projectilepocisku pukePuke on me, but that's okay.
176
650000
4000
które prawdopodobnie spowodują, ze będziecie chcieli mnie obrzygać, w porządku.
11:10
So, you know, we now can learnuczyć się the historyhistoria of organismsorganizmy.
177
654000
4000
Dzisiaj możemy już poznać historie organizmów.
11:14
You can do a very simpleprosty testtest: scrapezłom your cheekpoliczek; sendwysłać it off.
178
658000
3000
Możecie zrobić prosty test: zdrapcie trochę naskórka z policzków i wyślijcie do badania.
11:17
You can find out where your relativeskrewni come from;
179
661000
3000
Możecie dowiedzieć się, skąd pochodzą Wasi krewni,
11:20
you can do your genealogyGenealogia going back thousandstysiące of yearslat.
180
664000
3000
możecie sprawdzić swoją genealogię tysiące lat wstecz.
11:23
We can understandzrozumieć functionalityfunkcjonalność. This is really importantważny.
181
667000
3000
Potrafimy zrozumieć działanie. To jest bardzo ważne.
11:26
We can understandzrozumieć, for exampleprzykład, why we createStwórz plaqueplakieta in our arteriestętnic,
182
670000
5000
Na przykład rozumiemy, jak powstaje miażdżyca w naszych tętnicach,
11:31
what createstworzy the starchinessKongregacjonaliści insidewewnątrz of a grainziarno,
183
675000
4000
co powoduje niedobór skrobi w ziarnie,
11:35
why does yeastdrożdże metabolizemetabolizmu sugarcukier and produceprodukować carbonwęgiel dioxidedwutlenek.
184
679000
7000
dlaczego drożdże metabolizują cukier i produkują dwutlenek węgla.
11:43
We can alsorównież look at, at a granderGrandera scaleskala, what createstworzy problemsproblemy,
185
687000
3000
W nieco szerszej perspektywie możemy zobaczyć, co powoduje problemy,
11:46
what createstworzy diseasechoroba, and how we maymoże be ablezdolny to fixnaprawić them.
186
690000
4000
co wywołuje choroby, i dowiedzieć się, jak je leczyć.
11:50
Because we can understandzrozumieć this,
187
694000
2000
Ponieważ rozumiemy ten proces,
11:52
we can fixnaprawić them, make better organismsorganizmy.
188
696000
3000
możemy go poprawić, uczynić organizmy lepszymi.
11:55
MostWiększość importantlyco ważne, what we're learninguczenie się
189
699000
2000
Najistotniejsze jest jednak to, że dowiedzieliśmy się,
11:57
is that NatureNatura has providedopatrzony us a spectacularspektakularny toolboxzestaw narzędzi.
190
701000
5000
że Natura dostarczyła nam wspaniały zestaw narzędzi.
12:02
The toolboxzestaw narzędzi existsistnieje.
191
706000
2000
Te narzędzia istnieją.
12:04
An architectarchitekt fardaleko better and smartermądrzejszy than us has givendany us that toolboxzestaw narzędzi,
192
708000
5000
Architekt o wiele lepszy i mądrzejszy od nas podarował nam ten zestaw narzędzi
12:09
and we now have the abilityzdolność to use it.
193
713000
3000
i teraz my możemy je użyć.
12:12
We are now not just readingczytanie genomesgenomy; we are writingpisanie them.
194
716000
4000
Już nie tylko odczytujemy genomy - my je tworzymy.
12:16
This companyfirma, SyntheticSyntetyczne GenomicsGenomika, I'm involvedzaangażowany with,
195
720000
2000
Firma Synthetic Genomics, w której mam swój udział,
12:18
createdstworzony the first fullpełny syntheticsyntetyczny genomegenom for a little bugpluskwa,
196
722000
4000
stworzyła pierwszy całkowicie sztuczny genom małej bakterii,
12:22
a very primitiveprymitywny creaturekreatura callednazywa MycoplasmaMykoplazmy genitaliumgenitalium.
197
726000
3000
bardzo prymitywnego stworzenia o nazwie Mycoplasma genitalium.
12:25
If you have a UTIUTI, you've probablyprawdopodobnie -- or ever had a UTIUTI --
198
729000
4000
Jeśli macie zakażenie układu moczowego (ZUM) - lub jeśli kiedykolwiek mieliście ZUM -
12:29
you've come in contactkontakt with this little bugpluskwa.
199
733000
3000
to prawdopodobnie weszliście w kontakt z tym małym stworkiem.
12:32
Very simpleprosty -- only has about 246 genesgeny --
200
736000
3000
Jest bardzo prosty: posiada tylko 246 genów.
12:35
but we were ablezdolny to completelycałkowicie synthesizesyntezować that genomegenom.
201
739000
6000
I my byliśmy w stanie całkowicie zsyntetyzować ten genom.
12:42
Now, you have the genomegenom and you say to yourselfsiebie,
202
746000
3000
Czyli tak: masz genom i mówisz do siebie:
12:45
So, if I plugwtyczka this syntheticsyntetyczny genomegenom -- if I pullCiągnąć the oldstary one out and plugwtyczka it in --
203
749000
5000
"Jeśli wsadzę ten sztuczny genom - jeśli wyciągnę stary i włożę nowy -
12:50
does it just bootBoot up and liverelacja na żywo?
204
754000
2000
czy ten organizm po prostu się uruchomi i zacznie żyć?"
12:52
Well, guessodgadnąć what. It does.
205
756000
3000
A jak Wam się wydaje? Tak, zacznie żyć.
12:56
Not only does it do that; if you tookwziął the genomegenom -- that syntheticsyntetyczny genomegenom --
206
760000
6000
Lecz to nie wszystko: gdybyście wzięli genom - ten sztuczny genom -
13:02
and you pluggedpodłączony it into a differentróżne critterCritter, like yeastdrożdże,
207
766000
3000
i włożyli go do innego stworzenia, np: drożdży,
13:05
you now turnskręcać that yeastdrożdże into MycoplasmaMykoplazmy.
208
769000
4000
to zmienicie drożdże w Mycoplasmę.
13:09
It's, sortsortować of, like bootingUruchamianie up a PCPC with a MacKomputerów Mac O.S. softwareoprogramowanie.
209
773000
5000
To jest jak uruchamianie PC z systemem MAC OS.
13:14
Well, actuallytak właściwie, you could do it the other way.
210
778000
2000
Właściwie to możesz zrobić to na odwrót.
13:16
So, you know, by beingistota ablezdolny to writepisać a genomegenom
211
780000
4000
Jeśli stworzysz genom
13:20
and plugwtyczka it into an organismorganizm,
212
784000
3000
i wsadzisz go do organizmu,
13:23
the softwareoprogramowanie, if you will, changeszmiany the hardwaresprzęt komputerowy.
213
787000
5000
oprogramowanie zmieni budowę urządzenia.
13:28
And this is extremelyniezwykle profoundgłęboki.
214
792000
2000
I to jest niezwykle istotne.
13:30
So, last yearrok the FrenchFrancuski and ItaliansWłosi announcedogłosił
215
794000
3000
W zeszłym roku Francuzi i Włosi ogłosili,
13:33
they got togetherRazem and they wentposzedł aheadprzed siebie and they sequencedzsekwencjonowane PinotPinot NoirNoir.
216
797000
4000
że razem udało im się zsekwencjonować genom Pinot Noir.
13:37
The genomicgenomowego sequencesekwencja now existsistnieje for the entireCały PinotPinot NoirNoir organismorganizm,
217
801000
6000
Tak wiec obecnie istnieje opis całego genomu Pinot Noir,
13:43
and they identifiedzidentyfikowane, oncepewnego razu again, about 29,000 genesgeny.
218
807000
4000
w którym rozpoznano około 29 000 genów.
13:47
They have discoveredodkryty pathwaysścieżki that createStwórz flavorssmaki,
219
811000
3000
Odkryli, w jaki sposób powstają różne smaki.
13:50
althoughmimo że it's very importantważny to understandzrozumieć
220
814000
2000
Ważne jest jednak, aby zrozumieć,
13:52
that those compoundszwiązki that it's crankingcranking out
221
816000
3000
że te związki, którymi się operuje,
13:55
have to matchmecz a receptorchwytnik in our genomegenom, in our tonguejęzyk,
222
819000
3000
muszą pasować do receptorów w naszym genomie, w naszym języku,
13:58
for us to understandzrozumieć and interpretzinterpretować those flavorssmaki.
223
822000
3000
abyśmy mogli poznać i zinterpretować te smaki.
14:01
They'veThey've alsorównież discoveredodkryty that
224
825000
2000
Odkryli również,
14:03
there's a heckdo cholery of a lot of activityczynność going on producingprodukujący aromazapach as well.
225
827000
4000
że istnieje od groma rożnych reakcji, które ostatecznie dają określony aromat.
14:07
They'veThey've identifiedzidentyfikowane areasobszary of vulnerabilitywrażliwość to diseasechoroba.
226
831000
3000
Dostrzegli obszary odpowiadające za podatność na choroby.
14:10
They now are understandingzrozumienie, and the work is going on,
227
834000
4000
Powoli zaczynają rozumieć - chociaż praca na tym ciągle trwa -
14:14
exactlydokładnie how this plantroślina worksPrace, and we have the capabilityzdolność to know,
228
838000
4000
jak dokładnie ta roślina funkcjonuje. I wreszcie potrafimy zrozumieć,
14:18
to readczytać that entireCały codekod and understandzrozumieć how it ticksKleszcze.
229
842000
4000
potrafimy odczytać cały kod i pojąć, jak to wszystko działa.
14:22
So, then what do you do?
230
846000
2000
No i co dalej?
14:24
KnowingWiedząc that we can readczytać it, knowingporozumiewawczy that we can writepisać it, changezmiana it,
231
848000
4000
Co dalej - wiedząc, że możemy to odczytać, wiedząc, że możemy to tworzyć, zmieniać,
14:28
maybe writepisać its genomegenom from scratchzadraśnięcie. So, what do you do?
232
852000
4000
wiedząc, że możemy tworzyć genom od zera. Co dalej?
14:32
Well, one thing you could do is what some people mightmoc call Franken-NoirFranken-Noir.
233
856000
4000
Co moglibyście zrobić, to spróbować stworzyć organizm, który być może byłby później nazwany Franken-Noir.
14:36
(LaughterŚmiech)
234
860000
3000
(Śmiech)
14:39
We can buildbudować a better vinewino.
235
863000
2000
Możemy stworzyć lepsze wino.
14:41
By the way, just so you know:
236
865000
2000
Tak na marginesie, aby było jasne:
14:43
you get stressedpodkreślił out about geneticallygenetycznie modifiedzmodyfikowano organismsorganizmy;
237
867000
4000
jeśli denerwują Was organizmy zmodyfikowane genetycznie;
14:47
there is not one singlepojedynczy vinewino in this valleydolina or anywheregdziekolwiek
238
871000
3000
nie istnieje ani jedna winorośl w Kalifornii, ani gdziekolwiek indziej,
14:50
that is not geneticallygenetycznie modifiedzmodyfikowano.
239
874000
2000
która nie jest genetycznie zmodyfikowana.
14:52
They're not growndorosły from seedsposiew; they're graftedszczepione into rootkorzeń stockZbiory;
240
876000
3000
One nie wyrastają z nasion; są zaszczepiane w korzeń.
14:55
they would not exististnieć in natureNatura on theirich ownwłasny.
241
879000
2000
Nie przetrwałyby w naturze same.
14:57
So, don't worrymartwić się about, don't stressnaprężenie about that stuffrzeczy. We'veMamy been doing this foreverna zawsze.
242
881000
4000
Więc nie przejmujcie się i nie stresujcie tym. Robiliśmy to od zawsze.
15:01
So, we could, you know, focusskupiać on diseasechoroba resistanceodporność;
243
885000
3000
I teraz na przykład możemy się skupić na odporności na choroby;
15:04
we can go for higherwyższy yieldsplony withoutbez necessarilykoniecznie havingmający
244
888000
4000
możemy skupić się na osiągnięciu większych plonów,
15:08
dramaticdramatyczny farmingrolnictwo techniquestechniki to do it, or costskoszty.
245
892000
3000
bez stosowania ekstremalnych technik rolniczych, bez zwiększania kosztów.
15:11
We could conceivablyNiewykluczone expandrozszerzać the climateklimat windowokno:
246
895000
3000
Możemy znacznie rozszerzyć zakres klimatyczny:
15:14
we could make PinotPinot NoirNoir growrosnąć maybe in Long IslandWyspa, God forbidzakazać.
247
898000
5000
moglibyśmy wtedy hodować Pinot Noir na Long Island... uchowaj Boże.
15:19
(LaughterŚmiech)
248
903000
3000
(Śmiech)
15:23
We could produceprodukować better flavorssmaki and aromasaromaty.
249
907000
3000
Możemy tworzyć lepsze smaki i aromaty.
15:26
You want a little more raspberryMalina, a little more chocolateczekolada here or there?
250
910000
3000
Chcielibyście trochę więcej maliny, troszkę więcej czekolady, tu i tam?
15:29
All of these things could conceivablyNiewykluczone be doneGotowe,
251
913000
3000
Wszystkie te rzeczy mogłbyby być osiągnięte
15:32
and I will tell you I'd prettyładny much betZakład that it will be doneGotowe.
252
916000
3000
i powiem wam, założę się, że będą osiągnięte.
15:35
But there's an ecosystemekosystem here.
253
919000
2000
Ważne jest, by pamiętać o ekosystemie.
15:37
In other wordssłowa, we're not, sortsortować of, uniquewyjątkowy little organismsorganizmy runningbieganie around;
254
921000
5000
Innymi słowy, nie jesteśmy wyjątkowymi organizmami swawolącymi dookoła.
15:42
we are partczęść of a bigduży ecosystemekosystem.
255
926000
2000
Jesteśmy częścią wielkiego ekosystemu.
15:44
In factfakt -- I'm sorry to informpoinformować you --
256
928000
3000
W rzeczywistości - przykro mi, że muszę Wam o tym powiedzieć -
15:47
that insidewewnątrz of your digestivepokarmowego tracttraktat is about 10 poundsfunty of microbesmikroby
257
931000
4000
wewnątrz Waszego układu pokarmowego żyje ok. 5 kg bakterii,
15:51
whichktóry you're circulatingw obiegu throughprzez your bodyciało quitecałkiem a bitkawałek.
258
935000
3000
które dosyć sprawnie krążą po Waszych ciałach.
15:54
Our ocean'sOcean's teamingTworzenie zespołu with microbesmikroby;
259
938000
3000
Nasze oceany wprost toną w bakteriach.
15:57
in factfakt, when CraigCraig VenterVenter wentposzedł and sequencedzsekwencjonowane the microbesmikroby in the oceanocean,
260
941000
5000
Kiedy Craig Venter próbował początkowo sekwencjonować genomy bakterii w oceanach,
16:02
in the first threetrzy monthsmiesiące tripledtrzykrotnie the knownznany speciesgatunki on the planetplaneta
261
946000
4000
w ciągu pierwszych 3 miesięcy badań trzykrotnie powiększył liczbę znanych gatunków występujących na naszej planecie,
16:06
by discoveringodkrywanie all-newNowy microbesmikroby in the first 20 feetstopy of waterwoda.
262
950000
3000
a wszystkie nowe bakterie odkrył już w pierwszych 6 metrach sześciennych wody.
16:09
We now understandzrozumieć that those microbesmikroby have more impactwpływ on our climateklimat
263
953000
4000
Dzisiaj wiemy, że te bakterie maja większe znaczenie dla naszego klimatu,
16:13
and regulatingregulacji COCO2 and oxygentlen than plantsrośliny do,
264
957000
4000
oraz regulacji CO2 i tlenu niż rośliny,
16:17
whichktóry we always thought oxygenatetlenowych the atmosphereatmosfera.
265
961000
2000
mimo że dotychczas myśleliśmy, że to rośliny są najważniejsze.
16:19
We find microbialmikrobiologiczny life in everykażdy partczęść of the planetplaneta:
266
963000
4000
Znajdujemy bakterie w każdym zakątku planety:
16:23
in icelód, in coalwęgiel, in rocksskały, in volcanicwulkaniczny ventsotwory wentylacyjne; it's an amazingniesamowity thing.
267
967000
8000
w lodzie, w węglu, w skałach, w kominach wulkanicznych; to jest coś niesamowitego.
16:31
But we'vemamy alsorównież discoveredodkryty, when it comespochodzi to plantsrośliny, in plantsrośliny,
268
975000
5000
Jeśli chodzi o rośliny, odkryliśmy również,
16:36
as much as we understandzrozumieć and are startingstartowy to understandzrozumieć theirich genomesgenomy,
269
980000
4000
dzięki temu, że już powoli zaczynamy rozumieć ich genomy,
16:40
it is the ecosystemekosystem around them,
270
984000
3000
że istnieje osobny ekosystem wokół nich;
16:43
it is the microbesmikroby that liverelacja na żywo in theirich rootkorzeń systemssystemy,
271
987000
3000
ten ekosystem to bakterie, które żyją w ich systemie korzeniowym,
16:46
that have just as much impactwpływ on the characterpostać of those plantsrośliny
272
990000
4000
które maja na nie taki sam wpływ,
16:50
as the metabolicmetaboliczne pathwaysścieżki of the plantsrośliny themselvessami.
273
994000
4000
jak ścieżki metaboliczne samych roślin.
16:54
If you take a closerbliższy look at a rootkorzeń systemsystem,
274
998000
3000
Jeśli uważnie przyjrzycie się korzeniom,
16:57
you will find there are manywiele, manywiele, manywiele diverseróżnorodny microbialmikrobiologiczny colonieskolonie.
275
1001000
4000
znajdziecie tam wiele, bardzo wiele różnych kolonii bakteryjnych.
17:01
This is not bigduży newsAktualności to viticulturistswin;
276
1005000
2000
Nie jest to nowa wiadomość dla hodowców winorośli,
17:03
they have been, you know, concernedzaniepokojony with waterwoda and fertilizationzapłodnienie.
277
1007000
4000
którzy zawsze przejmowali się odpowiednim nawadnianiem i nawożeniem.
17:07
And, again, this is, sortsortować of, my notionpojęcie of shit-against-the-wallgówno ścianę pharmacologyFarmakologia:
278
1011000
6000
Ponownie jednak jest to wykorzystywanie idei "farmakologicznym gównem w ścianę":
17:13
you know certainpewny fertilizersNawozy make the plantroślina more healthyzdrowy so you put more in.
279
1017000
4000
pewne nawozy czynią roślinę zdrowszą, więc dodaje się ich więcej.
17:17
You don't necessarilykoniecznie know with granularityziarnistość
280
1021000
4000
Właściwie nie wiadomo dokładnie,
17:21
exactlydokładnie what organismsorganizmy are providingże what flavorssmaki and what characteristicscechy.
281
1025000
6000
jakie organizmy odpowiadają za które smaki i które cechy.
17:27
We can startpoczątek to figurepostać that out.
282
1031000
3000
Możemy spróbować to wykombinować.
17:30
We all talk about terroirterroir; we worshipkult terroirterroir;
283
1034000
3000
Wszyscy mówią o terroir, czcimy terroir /terroir - specyfika, warunki i klimat uprawy winorośli/
17:33
we say, WowWow, is my terroirterroir great! It's so specialspecjalny.
284
1037000
3000
wszyscy mówią: jejku, mój terroir jest doskonały! Jest taki wyjątkowy.
17:36
I've got this piecekawałek of landwylądować and it createstworzy terroirterroir like you wouldn'tnie believe.
285
1040000
4000
Posiadam skrawek ziemi, który tworzy taki terroir, że nie uwierzylibyście.
17:40
Well, you know, we really, we arguespierać się and debatedebata about it --
286
1044000
4000
Cóż, my naprawdę spieramy się i debatujemy na ten temat -
17:44
we say it's climateklimat, it's soilgleba, it's this. Well, guessodgadnąć what?
287
1048000
3000
twierdzimy, że to klimat, gleba... ale wiecie co?
17:47
We can figurepostać out what the heckdo cholery terroirterroir is.
288
1051000
3000
Możemy wykombinować, czym tak naprawdę jest terroir.
17:50
It's in there, waitingczekanie to be sequencedzsekwencjonowane.
289
1054000
3000
Jest tam i czeka, żeby go opisać.
17:53
There are thousandstysiące of microbesmikroby there.
290
1057000
2000
Istnieje tam tysiące bakterii.
17:55
They're easyłatwo to sequencesekwencja: unlikew odróżnieniu a humanczłowiek,
291
1059000
2000
Łatwo jest je zsekwencjonować: w przeciwieństwie do człowieka
17:57
they, you know, have a thousandtysiąc, two thousandtysiąc genesgeny;
292
1061000
2000
posiadają zaledwie 1000 lub 2000 genów.
17:59
we can figurepostać out what they are.
293
1063000
2000
Możemy dowiedzieć się, co one oznaczają.
18:01
All we have to do is go around and samplepróba, digkopać into the groundziemia, find those bugsbłędy,
294
1065000
7000
Wszystko, co trzeba zrobić, to pobrać próbkę, wykopać trochę ziemi, znaleźć te bakterie,
18:08
sequencesekwencja them, correlateskorelować them to the kindsrodzaje of characteristicscechy we like and don't like --
295
1072000
5000
zsekwencjonować je i odszukać współzależności tych cech, które lubimy i tych, których nie lubimy.
18:13
that's just a bigduży databaseBaza danych -- and then fertilizezapłodnić.
296
1077000
3000
Bo to jest po prostu wielka baza danych - a później pozostaje już tylko nawozić.
18:16
And then we understandzrozumieć what is terroirterroir.
297
1080000
3000
I wtedy zrozumiemy, czym jest terroir.
18:20
So, some people will say, Oh, my God, are we playinggra God?
298
1084000
2000
Niektórzy ludzie powiedzą: Och, mój Boże, czy stawiamy się w roli Boga?
18:22
Are we now, if we engineerinżynier organismsorganizmy, are we playinggra God?
299
1086000
5000
Czy teraz, kiedy projektujemy organizmy, stawiamy się w roli Boga?
18:27
And, you know, people would always askzapytać JamesJames WatsonWatson --
300
1091000
3000
I ludzie ciągle pytają Jamesa Watsona -
18:30
he's not always the mostwiększość politicallypolitycznie correctpoprawny guy ...
301
1094000
2000
a on nie zawsze jest poprawny politycznie...
18:32
(LaughterŚmiech)
302
1096000
1000
(Śmiech)
18:33
... and they would say, "Are, you know, are you playinggra God?"
303
1097000
5000
...i ludzie pytają: "Czy stawiasz się w roli Pana Boga?"
18:38
And he had the bestNajlepiej answerodpowiedź I ever heardsłyszał to this questionpytanie:
304
1102000
3000
I on dał najlepszą odpowiedź na to pytanie, jaką kiedykolwiek słyszałem:
18:41
"Well, somebodyktoś has to."
305
1105000
2000
"Cóż, ktoś musi."
18:43
(LaughterŚmiech)
306
1107000
3000
(Śmiech)
18:46
I considerrozważać myselfsiebie a very spiritualduchowy personosoba,
307
1110000
4000
Uważam się za osobę bardzo uduchowioną,
18:50
and withoutbez, you know, the organizedzorganizowany religionreligia partczęść,
308
1114000
3000
tylko bez tej całej zorganizowanej religijnej części,
18:53
and I will tell you: I don't believe there's anything unnaturalnienaturalny.
309
1117000
4000
i powiem wam: nie wierzę, że jest w tym coś nienaturalnego.
18:57
I don't believe that chemicalschemikalia are unnaturalnienaturalny.
310
1121000
4000
Nie wierzę, że chemia jest nienaturalna.
19:01
I told you I'm going to make some of you pukePuke.
311
1125000
2000
Mówiłem, że wielu z Was będzie chciało puścić pawia.
19:03
It's very simpleprosty: we don't inventwymyślać moleculesCząsteczki, compoundszwiązki.
312
1127000
4000
To jest bardzo proste: my nie wymyślamy cząsteczek i związków.
19:07
They're here. They're in the universewszechświat.
313
1131000
2000
One są tutaj, są częścią tego świata.
19:09
We reorganizeReorganizacja things, we changezmiana them around,
314
1133000
3000
My je przestawiamy i zmieniamy,
19:12
but we don't make anything unnaturalnienaturalny.
315
1136000
3000
lecz nie tworzymy niczego, co jest nienaturalne.
19:15
Now, we can createStwórz badzły impactswpływ --
316
1139000
2000
Efekty tego mogą być szkodliwe
19:17
we can poisonzatruć ourselvesmy sami; we can poisonzatruć the EarthZiemia --
317
1141000
2000
- możemy zatruć siebie lub nasza planetę -
19:19
but that's just a naturalnaturalny outcomewynik of a mistakebłąd we madezrobiony.
318
1143000
4000
lecz jest to jedynie naturalny rezultat naszych błędów.
19:23
So, what's happeningwydarzenie todaydzisiaj is, NatureNatura is presentingprzedstawianie us with a toolboxzestaw narzędzi,
319
1147000
4000
Obecnie natura daje nam narzędzia,
19:27
and we find that this toolboxzestaw narzędzi is very extensiverozległe.
320
1151000
4000
a my odkrywamy, jak bardzo są one potężne.
19:31
There are microbesmikroby out there that actuallytak właściwie make gasolinebenzyna, believe it or not.
321
1155000
4000
Wierzcie w to lub nie, ale istnieją bakterie, które produkują benzynę.
19:35
There are microbesmikroby, you know -- go back to yeastdrożdże.
322
1159000
2000
Istnieją mikroorganizmy - wróćmy do drożdży,
19:37
These are chemicalchemiczny factoriesfabryki;
323
1161000
2000
które są fabrykami chemicznymi.
19:39
the mostwiększość sophisticatedwyrafinowany chemicalchemiczny factoriesfabryki are providedopatrzony by NatureNatura,
324
1163000
4000
Najbardziej wyszukane fabryki chemiczne dostarcza nam Natura,
19:43
and we now can use those.
325
1167000
3000
i teraz możemy je wykorzystać.
19:46
There alsorównież is a setzestaw of ruleszasady.
326
1170000
2000
Istnieje również pewien zestaw reguł.
19:48
NatureNatura will not allowdopuszczać you to --
327
1172000
3000
Natura nie pozwoli Wam na wszystko -
19:51
we could engineerinżynier a grapewinogron plantroślina, but guessodgadnąć what.
328
1175000
2000
możemy zaprojektować winogrono, ale wiecie co?
19:53
We can't make the grapewinogron plantroślina produceprodukować babiesdzieci.
329
1177000
2000
Nie możemy sprawić, aby winogrono produkowało potomstwo.
19:55
NatureNatura has put a setzestaw of ruleszasady out there.
330
1179000
3000
Natura ustanowiła tutaj pewien zestaw reguł.
19:58
We can work withinw ciągu the ruleszasady; we can't breakprzerwa the ruleszasady;
331
1182000
3000
Możemy działać w granicach tych reguł, ale nie możemy ich łamać.
20:01
we're just learninguczenie się what the ruleszasady are.
332
1185000
2000
Po prostu się ich uczymy.
20:03
I just askzapytać the questionpytanie, if you could curelekarstwo all diseasechoroba --
333
1187000
4000
Zadam szybkie pytanie, gdybyście mogli uleczyć wszystkie choroby -
20:07
if you could make diseasechoroba go away,
334
1191000
2000
gdybyście mogli sprawić, że choroby przestałyby istnieć,
20:09
because we understandzrozumieć how it actuallytak właściwie worksPrace,
335
1193000
2000
ponieważ rozumiemy, jak to wszystko działa;
20:11
if we could endkoniec hungergłód by beingistota ablezdolny to createStwórz nutritiouspożywne, healthyzdrowy plantsrośliny
336
1195000
5000
gdybyśmy mogli skończyć z głodem dzięki stworzeniu bardziej odżywczych, zdrowych roślin,
20:16
that growrosnąć in very hard-to-growtrudne w uprawie environmentsśrodowiska,
337
1200000
3000
które będą rosły w ciężkich warunkach środowiskowych;
20:19
if we could createStwórz cleanczysty and plentifulobfity energyenergia --
338
1203000
3000
gdybyśmy mogli stworzyć czyste i bogate źródło energii -
20:22
we, right in the labslaboratoria at SyntheticSyntetyczne GenomicsGenomika,
339
1206000
3000
w laboratoriach Synthetic Genomics mamy jednokomórkowe organizmy,
20:25
have single-celledjednokomórkowy organismsorganizmy that are takingnabierający carbonwęgiel dioxidedwutlenek
340
1209000
4000
które pobierając dwutlenek węgla
20:29
and producingprodukujący a moleculecząsteczka very similarpodobny to gasolinebenzyna.
341
1213000
4000
produkują cząsteczki bardzo podobne do benzyny.
20:33
So, carbonwęgiel dioxidedwutlenek -- the stuffrzeczy we want to get ridpozbyć się of -- not sugarcukier, not anything.
342
1217000
5000
Dwutlenek węgla - substancja, której chcemy się pozbyć - bez cukru, bez niczego.
20:38
CarbonWęgla dioxidedwutlenek, a little bitkawałek of sunlightświatło słoneczne,
343
1222000
3000
Dwutlenek węgla, odrobina promieni słonecznych
20:41
you endkoniec up with a lipidlipidów that is highlywysoko refinedrafinowany.
344
1225000
5000
i otrzymujemy wysoce oczyszczony lipid.
20:46
We could solverozwiązać our energyenergia problemsproblemy; we can reducezmniejszyć COCO2,;
345
1230000
4000
Moglibyśmy rozwiązać problem energetyczny, możemy zredukować ilość CO2,
20:50
we could cleanczysty up our oceansoceany; we could make better winewino.
346
1234000
3000
możemy oczyścić oceany i wyprodukować świetne wino.
20:53
If we could, would we?
347
1237000
3000
Gdybyśmy mogli zrobić to wszystko, czy myślicie, że zrobilibyśmy?
20:56
Well, you know, I think the answerodpowiedź is very simpleprosty:
348
1240000
3000
Ja sądzę, że odpowiedź jest bardzo prosta:
20:59
workingpracujący with NatureNatura, workingpracujący with this toolnarzędzie setzestaw that we now understandzrozumieć,
349
1243000
5000
praca z Naturą, praca z tymi narzędziami, które teraz potrafimy zrozumieć,
21:04
is the nextNastępny stepkrok in humankind'sludzkości evolutionewolucja.
350
1248000
3000
oznacza następny krok w ewolucji człowieka.
21:07
And all I can tell you is, stayzostać healthyzdrowy for 20 yearslat.
351
1251000
4000
I wszystko, co mogę wam powiedzieć, to pozostańcie zdrowi przez następne 20 lat.
21:11
If you can stayzostać healthyzdrowy for 20 yearslat, you'llTy będziesz see 150, maybe 300.
352
1255000
3000
Jeśli będziecie zdrowi przez następne 20 lat, to dożyjecie 150, a może nawet 300 lat.
21:14
Thank you.
353
1258000
2000
Dziękuję.
Translated by Anna Chadzynska
Reviewed by Rafal Marszalek

▲Back to top

ABOUT THE SPEAKER
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.

Why you should listen

If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)

Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.

More profile about the speaker
Barry Schuler | Speaker | TED.com