ABOUT THE SPEAKER
Stephen Friend - Open-science advocate
Inspired by open-source software models, Sage Bionetworks co-founder Stephen Friend builds tools that facilitate research sharing on a massive and revolutionary scale.

Why you should listen

While working for Merck, Stephen Friend became frustrated by the slow pace at which big pharma created new treatments for desperate patients. Studying shared models like Wikipedia, Friend realized that the complexities of disease could only be understood -- and combated -- with collaboration and transparency, not by isolated scientists working in secret with proprietary data

In his quest for a solution, Friend co-founded Sage Bionetworks, an organization dedicated to creating strategies and platforms that empower researchers to share and interpret data on a colossal scale -- as well as crowdsource tests for new hypotheses.

As he wrote on CreativeCommons.org, "Our goal is ambitious. We want to take biology from a place where enclosure and privacy are the norm, where biologists see themselves as lone hunter-gatherers working to get papers written, to one where the knowledge is created specifically to fit into an open model where it can be openly queried and transformed."

More profile about the speaker
Stephen Friend | Speaker | TED.com
TED2014

Stephen Friend: The hunt for "unexpected genetic heroes"

Stephen Friend: A procura de "heróis genéticos inesperados"

Filmed:
1,017,016 views

O que podemos aprender com pessoas com uma genética propensa para ficar doente — e que não fica? Na maior parte das doenças hereditárias, apenas alguns membros da família desenvolvem essa doença, enquanto outros que têm os mesmos riscos genéticos não adoecem. Stephen Friend sugere que comecemos a estudar os membros da família que se mantêm saudáveis. Ouçam falar do Projeto de Resistência, um enorme esforço para reunir materiais genéticos que possam ajudar a descodificar distúrbios herdados.
- Open-science advocate
Inspired by open-source software models, Sage Bionetworks co-founder Stephen Friend builds tools that facilitate research sharing on a massive and revolutionary scale. Full bio

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

00:12
ApproximatelyAproximadamente 30 yearsanos agoatrás,
0
602
2338
Há aproximadamente 30 anos,
00:14
when I was in oncologyOncologia at the Children'sInfantil HospitalHospital
1
2940
2693
quando eu estava na oncologia
do Hospital infantil, em Filadélfia,
00:17
in PhiladelphiaPhiladelphia,
2
5633
1389
00:19
a fatherpai and a sonfilho walkedcaminhou into my officeescritório
3
7022
3154
um pai e o seu filho
entraram no meu gabinete
00:22
and they bothambos had theirdeles right eyeolho missingausência de,
4
10176
3144
e a ambos faltava o olho direito.
00:25
and as I tooktomou the historyhistória, it becamepassou a ser apparentaparente
5
13320
2811
Quando vi o historial deles,
ficou claro que pai e filho
tinham uma forma rara
00:28
that the fatherpai and the sonfilho had a rareraro formFormato
6
16131
2769
00:30
of inheritedherdado eyeolho tumortumor, retinoblastomaretinoblastoma,
7
18900
3542
de tumor ocular hereditário,
um retinoblastoma.
00:34
and the fatherpai knewsabia that he had passedpassado that fatedestino
8
22442
3114
O pai sabia que tinha passado
aquela herança ao filho.
00:37
on to his sonfilho.
9
25556
1875
00:39
That momentmomento changedmudou my life.
10
27431
2412
Aquele momento mudou a minha vida.
00:41
It propelledimpulsionado me to go on
11
29843
1904
Motivou-me a prosseguir
00:43
and to co-leadco de chumbo a teamequipe that discovereddescobriu
12
31747
3532
e a chefiar conjuntamente uma equipa
que descobriu o primeiro gene
suscetível ao cancro.
00:47
the first cancerCâncer susceptibilitysusceptibilidade genegene,
13
35279
3197
00:50
and in the interveningintervir decadesdécadas sinceDesde a then,
14
38476
2721
Nas décadas posteriores a partir daí
00:53
there has been literallyliteralmente a seismicsísmico shiftmudança
15
41197
3420
houve literalmente uma mudança sísmica
00:56
in our understandingcompreensão of what goesvai on,
16
44617
2026
na nossa compreensão
do que está a acontecer,
00:58
what geneticgenético variationsvariações are sittingsentado behindatrás
17
46643
2888
que variações genéticas estão
por trás de várias doenças.
01:01
variousvários diseasesdoenças.
18
49531
1559
01:03
In factfacto, for thousandsmilhares of humanhumano traitstraços,
19
51090
3384
De facto, para milhares
de características humanas,
01:06
a molecularmolecular basisbase that's knownconhecido for that,
20
54474
2218
há uma base molecular conhecida.
01:08
and for thousandsmilhares of people, everycada day,
21
56692
3295
Milhares de pessoas, todos os dias,
01:11
there's informationem formação that they gainganho
22
59987
2081
obtêm informações
01:14
about the riskrisco of going on to get this diseasedoença
23
62068
2442
sobre o risco de contrair
esta ou aquela doença.
01:16
or that diseasedoença.
24
64510
2226
01:18
At the samemesmo time, if you askpergunte,
25
66736
2305
Ao mesmo tempo, se perguntarem:
01:21
"Has that impactedimpactado the efficiencyeficiência,
26
69041
2707
"Isso teve impacto na eficácia
01:23
how we'venós temos been ablecapaz to developdesenvolve drugsdrogas?"
27
71748
2092
"da nossa capacidade
de produzir medicamentos?"
01:25
the answerresponda is not really.
28
73840
1782
a resposta é: "Não, não teve".
01:27
If you look at the costcusto of developingem desenvolvimento drugsdrogas,
29
75622
2330
Se virmos o custo de produção
de novos medicamentos,
01:29
how that's donefeito, it basicallybasicamente hasn'tnão tem budgedmudou that.
30
77952
3389
como é que isso é feito,
o orçamento não chega.
01:33
And so it's as if we have the powerpoder to diagnosediagnosticar
31
81341
4473
Então é como se nós tivéssemos
o poder de diagnosticar
01:37
yetainda not the powerpoder to fullytotalmente treattratar.
32
85814
2812
mas não tivéssemos
o poder de tratar totalmente.
01:40
And there are two commonlycomumente givendado reasonsrazões
33
88626
2466
Há duas razões habitualmente invocadas
01:43
for why that happensacontece.
34
91092
1468
para explicar porque é que isso acontece.
01:44
One of them is it's earlycedo daysdias.
35
92560
3472
Uma, é que ainda estamos no começo.
01:48
We're just learningAprendendo the wordspalavras, the fragmentsfragmentos,
36
96032
3590
Estamos a aprender as palavras,
os fragmentos,
01:51
the letterscartas in the geneticgenético codecódigo.
37
99622
1776
as letras do código genético.
01:53
We don't know how to readler the sentencesfrases.
38
101398
2155
Não sabemos ler a frase inteira.
01:55
We don't know how to followSegue the narrativenarrativa.
39
103553
2570
Não sabemos seguir a narrativa.
01:58
The other reasonrazão givendado is that
40
106123
2479
A outra razão invocada
é que a maior parte dessas mudanças
são uma perda de função
02:00
mosta maioria of those changesalterar are a lossperda of functionfunção,
41
108602
2218
02:02
and it's actuallyna realidade really hardDifícil to developdesenvolve drugsdrogas
42
110820
2925
e é muito difícil desenvolver medicamentos
02:05
that restorerestaurar functionfunção.
43
113745
1915
que restaurem as funções.
02:07
But todayhoje, I want us to stepdegrau back
44
115660
2182
Mas hoje, quero dar um passo atrás
02:09
and askpergunte a more fundamentalfundamental questionquestão,
45
117842
2028
e fazer uma pergunta mais fundamental:
02:11
and askpergunte, "What happensacontece if we're thinkingpensando
46
119870
2189
"O que acontece se estivermos a pensar
02:14
about this maybe in the wrongerrado contextcontexto?"
47
122059
2733
"nisto num contexto errado?"
02:16
We do a lot of studyingestudando of those who are sickdoente
48
124792
3159
Fazemos muitos estudos
dos que estão doentes
02:19
and buildingconstrução up long listslistas
49
127951
2600
e construímos longas listas
02:22
of alteredalterado componentscomponentes.
50
130551
3118
de componentes alterados.
02:25
But maybe, if what we're tryingtentando to do
51
133669
2399
Mas, se o que estamos a tentar fazer
02:28
is to developdesenvolve therapiesterapias for preventionprevenção,
52
136068
3222
é desenvolver terapias de prevenção,
02:31
maybe what we should be doing
53
139290
1553
talvez o que devêssemos estar a fazer
02:32
is studyingestudando those who don't get sickdoente.
54
140843
2382
era estudar os que não estão doentes.
02:35
Maybe we should be studyingestudando those
55
143225
2347
Talvez devêssemos estar a estudar
02:37
that are well.
56
145572
2175
os que estão bem.
02:39
A vastgrande majoritymaioria of those people
57
147747
1797
A maior parte dessas pessoas
02:41
are not necessarilynecessariamente carryingcarregando a particularespecial
58
149544
2336
não tem necessariamente
uma carga genética específica
ou um fator de risco.
02:43
geneticgenético loadcarga or riskrisco factorfator.
59
151880
1936
02:45
They're not going to help us.
60
153816
1984
Não nos vão ajudar.
02:47
There are going to be those individualsindivíduos
61
155800
1599
Vai haver indivíduos
02:49
who are carryingcarregando a potentialpotencial futurefuturo riskrisco,
62
157399
2669
que têm um risco potencial futuro,
02:52
they're going to go on to get some symptomsintoma.
63
160068
1844
que acabarão por apresentar algum sintoma.
02:53
That's not what we're looking for.
64
161912
1788
Não é isso que procuramos.
02:55
What we're askingPerguntando and looking for is,
65
163700
1848
O que estamos a perguntar e a procurar é:
02:57
are there a very fewpoucos setconjunto of individualsindivíduos
66
165548
2770
haverá um conjunto
muito pequeno de indivíduos
03:00
who are actuallyna realidade walkingcaminhando around
67
168318
2836
que, de facto, correm um risco
03:03
with the riskrisco that normallynormalmente would causecausa a diseasedoença,
68
171154
4019
que, normalmente, provocaria uma doença
03:07
but something in them, something hiddenescondido in them
69
175173
2963
mas que têm qualquer coisa,
qualquer coisa oculta,
03:10
is actuallyna realidade protectiveprotetor
70
178136
1834
que os protege
03:11
and keepingguardando them from exhibitingexibindo those symptomssintomas?
71
179970
3175
e impede que eles manifestem
esses sintomas?
Se formos fazer um estudo como esse,
está-se mesmo a ver
03:15
If you're going to do a studyestude
like that, you can imagineImagine
72
183145
2053
03:17
you'dvocê gostaria like to look at lots and lots of people.
73
185198
2832
que seria preciso estudar
muitas e muitas pessoas.
03:20
We'dGostaríamos have to go and have a prettybonita wideLargo studyestude,
74
188030
3292
Teríamos que fazer um estudo
muito mais amplo.
03:23
and we realizedpercebi that actuallyna realidade
75
191322
1735
Percebemos que, de facto,
a forma de encarar isso
03:25
one way to think of this is,
76
193057
1529
03:26
let us look at adultsadultos who are over 40 yearsanos of ageera,
77
194586
4277
seria pesquisar adultos
com mais de 40 anos,
03:30
and let's make sure that we look at those
78
198863
2970
na certeza de que estamos a observar
os que eram saudáveis
enquanto crianças.
03:33
who were healthysaudável as kidsfilhos.
79
201833
1480
03:35
They mightpoderia have had individualsindivíduos in theirdeles familiesfamílias
80
203313
2402
Podiam ter tido alguém na família
03:37
who had had a childhoodinfância diseasedoença,
81
205715
1812
que tivesse uma doença de infância,
03:39
but not necessarilynecessariamente.
82
207527
1506
mas não necessariamente.
03:41
And let's go and then screentela those
83
209033
2767
Vamos examiná-los e encontrar
03:43
to find those who are carryingcarregando genesgenes
84
211800
1993
os que têm genes de doenças de infância.
03:45
for childhoodinfância diseasesdoenças.
85
213793
1678
03:47
Now, some of you, I can see you
86
215471
1564
Ora bem, estou a ver alguns de vocês,
a levantar a mão:
03:49
puttingcolocando your handsmãos up going, "Uh, a little oddímpar.
87
217035
3295
"Hum, que estranho.
03:52
What's your evidenceevidência
88
220330
1417
"Que provas é que você tem
de que isso será possível?"
03:53
that this could be feasiblefactível?"
89
221747
1662
03:55
I want to give you two examplesexemplos.
90
223409
2064
Vou dar dois exemplos.
03:57
The first comesvem from SanSan FranciscoFrancisco.
91
225473
2948
O primeiro vem de São Francisco.
Vem dos anos 80 e 90.
04:00
It comesvem from the 1980s and the 1990s,
92
228421
2941
04:03
and you maypode know the storyhistória where
93
231362
2394
Talvez conheçam a história
em que havia indivíduos
com altos níveis do vírus HIV.
04:05
there were individualsindivíduos who had very highAlto levelsníveis
94
233756
2397
04:08
of the virusvírus HIVHIV.
95
236153
1268
04:09
They wentfoi on to get AIDSAIDS/SIDA.
96
237421
2479
Vieram a contrair SIDA.
04:11
But there was a very smallpequeno setconjunto of individualsindivíduos
97
239900
2317
Mas houve um pequeno
conjunto de indivíduos
04:14
who alsoAlém disso had very highAlto levelsníveis of HIVHIV.
98
242217
2968
que também tinha altos níveis de HIV
04:17
They didn't get AIDSAIDS/SIDA.
99
245185
1386
mas não contraíram SIDA.
04:18
And astuteastuto cliniciansclínicos trackedmonitorados that down,
100
246571
2962
Médicos astutos observaram aquilo
04:21
and what they foundencontrado was
they were carryingcarregando mutationsmutações.
101
249533
3387
e descobriram que eles tinham mutações.
04:24
NoticeAviso prévio, they were carryingcarregando mutationsmutações from birthnascimento
102
252920
3085
Reparem, eles tinham mutações de nascença
04:28
that were protectiveprotetor, that were protectingprotegendo them
103
256005
2015
que eram protetoras,
que os estavam a proteger
de contrair SIDA.
04:30
from going on to get AIDSAIDS/SIDA.
104
258020
1641
04:31
You maypode alsoAlém disso know that actuallyna realidade a linelinha of therapyterapia
105
259661
3165
Talvez saibam que há uma linha da terapia
04:34
has been comingchegando alongao longo basedSediada on that factfacto.
106
262826
3120
que tem feito progressos
baseada nesse facto.
04:37
SecondSegundo exampleexemplo, more recentrecente, is elegantelegante work
107
265946
3224
O segundo exemplo, mais recente,
é um trabalho elegante
feito por Helen Hobbs, que disse:
04:41
donefeito by HelenHelen HobbsHobbs,
108
269170
1403
04:42
who said, "I'm going to look at individualsindivíduos
109
270573
2662
"Vou observar indivíduos
que têm altos níveis de lípidos
04:45
who have very highAlto lipidlipídica levelsníveis,
110
273235
2716
04:47
and I'm going to try to find those people
111
275951
1939
e vou tentar encontrar pessoas
com altos níveis de lípidos
04:49
with highAlto lipidlipídica levelsníveis
112
277890
1802
04:51
who don't go on to get heartcoração diseasedoença."
113
279692
2168
que nunca terão problemas de coração."
04:53
And again, what she foundencontrado was
114
281860
2438
Novamente, ela descobriu
04:56
some of those individualsindivíduos had mutationsmutações
115
284298
2560
que alguns indivíduos tinham mutações
04:58
that were protectiveprotetor from birthnascimento that keptmanteve them,
116
286858
2719
que eram uma proteção
de nascença e que os protegiam,
05:01
even thoughApesar they had highAlto lipidlipídica levelsníveis,
117
289577
1445
mesmo tendo altos níveis de lípidos.
05:03
and you can see this is an interestinginteressante way
118
291022
3371
Podem ver que esta
é uma forma interessante
05:06
of thinkingpensando about how you could developdesenvolve
119
294393
1961
de pensar em como poderemos desenvolver
05:08
preventivepreventivo therapiesterapias.
120
296354
2260
terapias preventivas.
05:10
The projectprojeto that we're workingtrabalhando on
121
298614
1944
O projeto em que estamos
a trabalhar chama-se:
05:12
is calledchamado "The ResilienceResiliência ProjectProjeto:
122
300558
2462
"Projeto de Resistência:
Uma Procura de Heróis Inesperados",
05:15
A SearchPesquisa for UnexpectedInesperado HeroesHeróis,"
123
303020
1400
05:16
because what we are interestedinteressado in doing is sayingdizendo,
124
304420
2490
porque estamos interessados em dizer:
05:18
can we find those rareraro individualsindivíduos
125
306910
2648
Conseguiremos encontrar
aqueles indivíduos raros
05:21
who mightpoderia have these hiddenescondido protectiveprotetor factorsfatores?
126
309558
4325
que talvez tenham esses fatores
de proteção escondidos?
05:25
And in some waysmaneiras, think of it as a decoderdecodificador de ringanel,
127
313883
2980
De certa forma, pensem nisso
como um anel descodificador,
05:28
a sortordenar of resilienceresiliência decoderdecodificador de ringanel
128
316863
1926
uma espécie de anel
descodificador resistente
05:30
that we're going to try to buildconstruir.
129
318789
1632
que vamos tentar construir.
05:32
We'veTemos realizedpercebi that we should
do this in a systematicsistemática way,
130
320421
3849
Apercebemo-nos de que podíamos fazer
isso de forma sistemática,
05:36
so we'venós temos said, let's take everycada singlesolteiro
131
324270
2627
portanto dissemos:
Vamos considerar todas
as doenças infantis hereditárias.
05:38
childhoodinfância inheritedherdado diseasedoença.
132
326897
1243
05:40
Let's take them all, and let's
pullpuxar them back a little bitpouco
133
328140
2564
Vamos considerá-las todas
e concentrarmo-nos
05:42
by those that are knownconhecido to have severegrave symptomssintomas,
134
330704
3186
naquelas que, sabemos,
têm sintomas claros,
05:45
where the parentsparentes, the childcriança,
135
333890
1920
naquelas em que os pais, o filho,
os que estão à volta deles,
05:47
those around them would know
136
335810
1050
05:48
that they'deles gottenobtido sickdoente,
137
336860
1330
saberiam se eles estiveram doentes,
05:50
and let's go aheadadiante and then framequadro, armação them again
138
338190
3700
e depois enquadrá-las novamente
05:53
by those partspartes of the genesgenes where we know
139
341890
2581
segundo esses genes
05:56
that there is a particularespecial alterationalteração
140
344471
2507
em que sabemos que
há uma alteração especial
05:58
that is knownconhecido to be highlyaltamente penetrantpenetrante
141
346978
2798
conhecida por ser
altamente penetrante
06:01
to causecausa that diseasedoença.
142
349776
2654
para serem a causa dessa doença.
06:04
Where are we going to look?
143
352430
1228
Para onde vamos olhar?
06:05
Well, we could look locallylocalmente. That makesfaz com que sensesentido.
144
353658
2488
Bem, podíamos olhar localmente.
Faz sentido.
06:08
But we begancomeçasse to think, maybe we should look
145
356146
2261
Mas começámos a pensar
que talvez devêssemos procurar
06:10
all over the worldmundo.
146
358407
1451
no mundo inteiro.
06:11
Maybe we should look not just here
147
359858
1653
Talvez não devêssemos
olhar só para aqui
06:13
but in remotecontrolo remoto placeslocais where theirdeles mightpoderia be
148
361511
1960
mas em locais remotos,
06:15
a distinctdistinto geneticgenético contextcontexto,
149
363471
3030
onde possa haver
um contexto genético distinto,
06:18
there mightpoderia be environmentalde Meio Ambiente factorsfatores
150
366501
1642
onde haja fatores ambientais
que protejam as pessoas.
06:20
that protectproteger people.
151
368143
1382
06:21
And let's look at a millionmilhão individualsindivíduos.
152
369525
4462
E vamos olhar
para um milhão de indivíduos.
06:25
Now the reasonrazão why we think it's a good time
153
373987
2970
Um motivo pelo qual achamos
que é boa altura para fazer isso
06:28
to do that now
154
376957
1072
06:30
is, in the last couplecasal of yearsanos,
155
378029
1760
é que nos últimos anos,
06:31
there's been a remarkablenotável plummetingqueda livre in the costcusto
156
379789
2588
houve uma queda notável nos custos
06:34
to do this typetipo of analysisanálise,
157
382377
2235
para fazer este tipo de análise,
06:36
this typetipo of datadados generationgeração,
158
384612
1739
este tipo de geração de dados,
06:38
to where it actuallyna realidade costscusta lessMenos to do
159
386351
2608
em que custa menos gerar
os dados e fazer a análise
06:40
the datadados generationgeração and analysisanálise
160
388959
2194
06:43
than it does to do the sampleamostra
processingem processamento and the collectioncoleção.
161
391153
3184
do que fazer o processamento
e a comparação das amostras.
06:46
The other reasonrazão is that in the last fivecinco yearsanos,
162
394337
4304
Outro motivo é que,
nos últimos cinco anos,
06:50
there have been awesomeimpressionante toolsFerramentas,
163
398641
1964
apareceram ferramentas incríveis,
06:52
things about networkrede biologybiologia, systemssistemas biologybiologia,
164
400605
2662
coisas sobre biologia de redes,
biologia de sistemas,
06:55
that have come up that allowpermitir us to think
165
403267
1961
que apareceram e nos fizeram pensar
06:57
that maybe we could decipherdecifrar
166
405228
1940
que talvez pudéssemos decifrar
essas simgularidades positivas.
06:59
those positivepositivo outliersvalores aberrantes.
167
407168
2481
07:01
And as we wentfoi around talkingfalando to researcherspesquisadores
168
409649
2172
Conforme fomos conversando
com os investigadores e as instituições,
07:03
and institutionsinstituições
169
411821
1904
07:05
and tellingdizendo them about our storyhistória,
170
413725
1569
e lhes contávamos a nossa história
07:07
something happenedaconteceu.
171
415294
1667
aconteceu uma coisa.
07:08
They startedcomeçado sayingdizendo, "This is interestinginteressante.
172
416961
2229
Eles começaram a dizer:
"Isso é interessante.
07:11
I would be gladfeliz to joinJunte-se your effortesforço.
173
419190
3347
"Gostava de me juntar ao vosso trabalho".
07:14
I would be willingdisposto to participateparticipar."
174
422537
1927
"Estaria disposto a participar."
07:16
And they didn't say, "Where'sOnde está the MTAMTA?"
175
424464
2579
E não disseram: "E então o meu MTA?"
07:19
They didn't say, "Where is my authorshipautoria?"
176
427043
3293
Não disseram "E então
os meus direitos de autor?"
07:22
They didn't say, "Is this datadados going
to be minemeu? Am I going to ownpróprio it?"
177
430336
4611
Não disseram: "Esses dados serão
meus? Ficarão na minha posse?"
07:26
They basicallybasicamente said, "Let's work on this
178
434947
2279
Só disseram: "Vamos trabalhar nisso
07:29
in an openaberto, crowd-sourcedhotspots, teamequipe way
179
437226
2881
"numa equipa aberta, de voluntariado,
07:32
to do this decodingdecodificação."
180
440107
3074
"para fazer essa descodificação".
07:35
SixSeis monthsmeses agoatrás, we lockedtrancado down
181
443181
2515
Há seis meses, nós trancámos
07:37
the screeningtriagem keychave for this decoderdecodificador de.
182
445696
3315
a chave de seleção do descodificador
07:41
My co-leadco de chumbo, a brilliantbrilhante scientistcientista, EricEric SchadtSchadt
183
449011
4578
O chefe meu colega,
o brilhante cientista, Eric Schadt
07:45
at the IcahnIcahn MountMonte SinaiSinai
SchoolEscola of MedicineMedicina in NewNovo YorkYork,
184
453589
3306
da escola de medicina Icah Mount Sinai,
em Nova Iorque,
07:48
and his teamequipe,
185
456895
1392
e a sua equipa,
07:50
lockedtrancado in that decoderdecodificador de keychave ringanel,
186
458287
2869
trancaram aquele anel chave descodificador
07:53
and we begancomeçasse looking for samplesamostras,
187
461156
2395
e começámos a procurar amostras,
07:55
because what we realizedpercebi is,
188
463551
1486
porque pensámos
07:57
maybe we could just go and look
189
465037
1794
que talvez pudéssemos observar
07:58
at some existingexistir samplesamostras to
get some sensesentido of feasibilityviabilidade.
190
466831
3086
algumas das amostras existentes
para ter uma ideia da viabilidade.
08:01
Maybe we could take two, threetrês
percentpor cento of the projectprojeto on,
191
469917
2577
Talvez pudéssemos agarrar
em 2 ou 3% do projeto,
08:04
and see if it was there.
192
472494
1417
e ver o que é que lá havia.
08:05
And so we startedcomeçado askingPerguntando people
193
473911
1998
Então, começámos a perguntar a pessoas
08:07
suchtal as HakonHakon at the Children'sInfantil HospitalHospital in PhiladelphiaPhiladelphia.
194
475909
3537
como a Hakon,
do Hospital Infantil de Filadélfia.
08:11
We askedperguntei LeifLeif up in FinlandFinlândia.
195
479446
2245
Falámos com Leif, na Finlândia.
08:13
We talkedfalou to AnneAnne WojcickiWojcicki at 23andMee eu,
196
481691
3673
Falámos com Anne Wojcick, no 23andMe,
08:17
and WangWang JunJun at BGIBGI,
197
485364
1767
e com Wang Jun, no BGI,
08:19
and again, something remarkablenotável happenedaconteceu.
198
487131
2188
e aconteceu de novo uma coisa espantosa.
08:21
They said, "Huh,
199
489319
1809
Eles disseram:
08:23
not only do we have samplesamostras,
200
491128
1744
"Hum, não só temos amostras,
08:24
but oftenfrequentemente we'venós temos analyzedanalisado them,
201
492872
2196
"como as analisámos muitas vezes.
08:27
and we would be gladfeliz to go into
202
495068
1487
"Teríamos muito gosto em agarrar
nas nossas amostras anónimas
08:28
our anonymizedanónimos samplesamostras
203
496555
1403
08:29
and see if we could find those
204
497958
2062
"e ver se encontramos
as que vocês procuram".
08:32
that you're looking for."
205
500020
1163
08:33
And insteadem vez de of beingser 20,000 or 30,000,
206
501183
2707
Em vez de ter 20 000 ou 30 000,
08:35
last monthmês we passedpassado one halfmetade millionmilhão samplesamostras
207
503890
3152
no mês passado ultrapassámos
o meio milhão de amostras
08:39
that we'venós temos already analyzedanalisado.
208
507042
1905
que já analisámos.
08:40
So you mustdevo be going,
209
508947
1493
(Aplausos)
08:42
"Huh, did you find any unexpectedinesperado heroesHeróis?"
210
510440
5625
Vocês devem estar a pensar:
"Encontraram algum herói inesperado?"
08:48
And the answerresponda is, we didn't find one or two.
211
516065
2583
A resposta é: "Não encontrámos um ou dois.
08:50
We foundencontrado dozensdezenas of these strongForte candidatecandidato
212
518648
3038
"Encontrámos dúzias
desses fortes candidatos
08:53
unexpectedinesperado heroesHeróis.
213
521686
1729
"a heróis inesperados".
08:55
So we think that the time is now
214
523415
2697
Então, achamos que chegou a altura
08:58
to launchlançamento the betabeta phasefase of this projectprojeto
215
526112
2340
de lançar a fase beta deste projeto
09:00
and actuallyna realidade startcomeçar gettingobtendo prospectiveem perspectiva individualsindivíduos.
216
528452
3117
e de começar a agarrar
em indivíduos com potencial.
09:03
BasicallyBasicamente all we need is informationem formação.
217
531569
3171
Basicamente, precisamos de informações.
09:06
We need a swabcotonete of DNADNA
218
534740
1659
Precisamos dum cotonete com ADN
e da vontade para dizer:
09:08
and a willingnessboa vontade to say, "What's insidedentro me?
219
536399
3405
"O que é que há dentro de mim?
09:11
I'm willingdisposto to be re-contactedRe-contactado."
220
539804
3263
"Estou disposto a ser contactado de novo".
09:15
MostMaioria of us spendgastar our livesvidas,
221
543067
3791
Muitos de nós passamos a vida,
09:18
when it comesvem to healthsaúde and diseasedoença,
222
546858
1954
no que se refere à saúde e à doença,
09:20
actingagindo as if we're voyeursvoyeurs.
223
548812
3080
como se fôssemos espetadores.
09:23
We delegatedelegado the responsibilityresponsabilidade
224
551892
2337
Delegamos a responsabilidade
09:26
for the understandingcompreensão of our diseasedoença,
225
554229
2043
da compreensão das nossas doenças,
09:28
for the treatmenttratamento of our diseasedoença,
226
556272
1872
do tratamento das nossas doenças,
09:30
to anointedungido expertsespecialistas.
227
558144
3536
em especialistas escolhidos.
09:33
In orderordem for us to get this projectprojeto to work,
228
561680
3340
Para podermos pôr
a funcionar este projeto,
09:37
we need individualsindivíduos to stepdegrau up
229
565020
2150
precisamos de pessoas que embarquem
09:39
in a differentdiferente roleFunção and to be engagedacionado,
230
567170
3892
num papel diferente e que se empenhem
09:43
to realizeperceber this dreamSonhe,
231
571062
2925
em realizar este sonho,
09:45
this openaberto crowd-sourcedhotspots projectprojeto,
232
573987
3135
este projeto aberto
de conhecimento coletivo,
09:49
to find those unexpectedinesperado heroesHeróis,
233
577122
3680
para encontrar os heróis inesperados,
09:52
to evolveevoluir from the currentatual conceptsconceitos
234
580802
2660
para evoluir a partir dos conceitos atuais
09:55
of resourcesRecursos and constraintsrestrições,
235
583462
2334
de recursos e de limitações,
09:57
to designdesenhar those preventivepreventivo therapiesterapias,
236
585796
3251
para conceber as terapias preventivas,
10:01
and to extendampliar it beyondalém childhoodinfância diseasesdoenças,
237
589047
2773
e para alargá-lo
para além das doenças infantis,
10:03
to go all the way up to waysmaneiras
238
591820
1577
para percorrer todo o caminho
10:05
that we could look at Alzheimer'sA doença de Alzheimer or Parkinson'sA doença de Parkinson,
239
593397
3871
até onde possamos olhar
para Alzheimer ou para Parkinson,
10:09
we're going to need us
240
597268
2262
vamos precisar de olhar
10:11
to be looking insidedentro ourselvesnós mesmos and askingPerguntando,
241
599530
3106
para dentro de nós mesmos e perguntar:
10:14
"What are our rolespapéis?
242
602636
2204
"Qual é o nosso papel?
10:16
What are our genesgenes?"
243
604840
1673
"Quais são nossos genes?"
10:18
and looking withindentro ourselvesnós mesmos for informationem formação
244
606513
2785
Ao procurar informações dentro de nós
10:21
we used to say we should go to the outsidelado de fora,
245
609298
2642
dizíamos que devíamos
procurar no exterior,
ir ter com os especialistas,
10:23
to expertsespecialistas,
246
611940
1208
10:25
and to be willingdisposto to sharecompartilhar that with othersoutras.
247
613148
4052
e estar dispostos a partilhar
isso com os outros.
10:29
Thank you very much.
248
617200
3558
Muito obrigado.
(Aplausos)
10:32
(ApplauseAplausos)
249
620758
1815
Translated by Andrea Mussap
Reviewed by Margarida Ferreira

▲Back to top

ABOUT THE SPEAKER
Stephen Friend - Open-science advocate
Inspired by open-source software models, Sage Bionetworks co-founder Stephen Friend builds tools that facilitate research sharing on a massive and revolutionary scale.

Why you should listen

While working for Merck, Stephen Friend became frustrated by the slow pace at which big pharma created new treatments for desperate patients. Studying shared models like Wikipedia, Friend realized that the complexities of disease could only be understood -- and combated -- with collaboration and transparency, not by isolated scientists working in secret with proprietary data

In his quest for a solution, Friend co-founded Sage Bionetworks, an organization dedicated to creating strategies and platforms that empower researchers to share and interpret data on a colossal scale -- as well as crowdsource tests for new hypotheses.

As he wrote on CreativeCommons.org, "Our goal is ambitious. We want to take biology from a place where enclosure and privacy are the norm, where biologists see themselves as lone hunter-gatherers working to get papers written, to one where the knowledge is created specifically to fit into an open model where it can be openly queried and transformed."

More profile about the speaker
Stephen Friend | Speaker | TED.com