TEDxBoston 2011
Richard Resnick: Welcome to the genomic revolution
ริชารด์ เรซนิค (Richard Resnick): ยินดีต้อนรับสู่ยุคการปฏิวัติทางพันธุกรรม
Filmed:
Readability: 4.2
1,041,798 views
ที่ TEDxBoston ริชารด์ เรซนิค กำลังจะแสดงให้เห็นว่าการถอดรหัสพันธุกรรมที่ราคาถูกและรวดเร็ว กำลังจะพลิกโฉมวงการ การดูแลสุขภาพ (รวมไปถึง ประกันชีวิตและการเมือง) ได้อย่างไร
Richard Resnick - Entrepreneur
Richard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software. Full bio
Richard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software. Full bio
Double-click the English transcript below to play the video.
00:15
Ladies and gentlemen,
0
0
2000
ท่านสุภาพสตรีและสุภาพบุรุษครับ
00:17
I present to you the human genome.
1
2000
3000
ผมขอแนะนำให้รู้จักกับ รหัสพันธุกรรมของมนุษย์
00:20
(Applause)
2
5000
3000
(เสียงปรบมือ)
00:23
Chromosome one, top left.
3
8000
2000
โครโมโซมที่หนึ่ง ด้านซ้ายบน
00:25
Bottom right are the sex chromosomes.
4
10000
2000
ทางด้านขวาล่างคือ โครโมโซมที่กำหนดเพศ
00:27
Women have two copies of that big X chromosome;
5
12000
2000
ถ้าเป็นผู้หญิงก็จะมีโครโมโซม X ตัวใหญ่นี้อยู่ 2 ตัว
00:29
men have the X
6
14000
2000
ผู้ชายก็จะมีโครโมโซม X
00:31
and, of course, that small copy of the Y.
7
16000
2000
และแน่นอนก็จะมีเจ้าโครโมโซม Y ตัวเล็กๆ นี่อีกหนึ่ง
00:33
Sorry boys, but it's just a tiny little thing that makes you different.
8
18000
4000
โทษทีนะหนุ่มๆ แต่เจ้าตัวเล็กๆ นี่แหละที่ทำให้คุณแตกต่างออกไป
00:37
So if you zoom in on this genome,
9
22000
3000
ดังนั้นถ้าคุณลองซูมเข้าไปที่พันธุกรรมนี้
00:40
then what you see, of course, is this double helix structure --
10
25000
3000
สิ่งที่คุณจะเห็นก็คือโครงสร้างเกลียวคู่
00:43
the code of life spelled out with these four biochemical letters,
11
28000
2000
รหัสของชีวิตสะกดออกมาได้เป็นตัวอักษรทางชีวเคมี 4 ตัว
00:45
or we call them bases, right:
12
30000
2000
หรือที่เราเรียกกันว่า เบส (Bases) ถูกมั้ยครับ
00:47
A, C, G and T.
13
32000
2000
A, C, G และ T
00:49
How many are there in the human genome? Three billion.
14
34000
2000
แล้วมันมีอยู่เท่าไหร่ในพันธุกรรมมนุษย์กันล่ะ? คำตอบคือ 3 พันล้าน
00:51
Is that a big number?
15
36000
2000
แล้วมันเป็นตัวเลขที่มากมั้ยน่ะเหรอ?
00:53
Well, everybody can throw around big numbers.
16
38000
2000
เอาเป็นว่า ใครๆ ก็สามารถจะพูดเลขจำนวนมากๆ ได้ทั้งนั้นน่ะแหละ
00:55
But in fact, if I were to place one base
17
40000
2000
แต่ในความเป็นจริง ถ้าเกิดผมลองวางเบส 1 ตัว
00:57
on each pixel of this 1280 by 800 resolution screen,
18
42000
3000
ลงบนแต่ละพิกเซลของจอขนาด 1280 คูณ 800
01:00
we would need 3,000 screens to take a look at the genome.
19
45000
3000
เราต้องใช้มากถึง 3,000 จอเพื่อที่จะมองดูรหัสพันธุกรรมทั้งหมด
01:03
So it's really quite big.
20
48000
2000
เพราะฉะนั้นมันใหญ่โตมากจริงๆ
01:05
And perhaps because of its size,
21
50000
2000
และบางทีอาจเป็นเพราะขนาดของมัน
01:07
a group of people -- all, by the way, with Y chromosomes --
22
52000
3000
คนกลุ่มนึง ซึ่งทั้งหมดมีโครโมโซม Y อยู่
01:10
decided they would want to sequence it.
23
55000
2000
จึงตัดสินใจที่จะถอดรหัสมันซะ
01:12
(Laughter)
24
57000
2000
(เสียงหัวเราะ)
01:14
And so 15 years, actually, and about four billion dollars later,
25
59000
3000
มันใช้เวลากว่า 15 ปี และเงินเกือบ 4 พันล้านดอลล่าร์
01:17
the genome was sequenced and published.
26
62000
2000
รหัสพันธุกรรมก็ถูกถอดรหัสและตีพิมพ์
01:19
In 2003, the final version was published, and they keep working on it.
27
64000
3000
ในปี 2003 ผลลัพธ์สุดท้ายถูกตีพิมพ์ออกมา และพวกเขาก็ยังพยายามทำมันต่อไปเรื่อยๆ
01:22
That was all done on a machine that looks like this.
28
67000
2000
ซึ่งทั้งหมดถูกทำสำเร็จได้ด้วยเครื่องมือหน้าตาแบบนี้
01:24
It costs about a dollar for each base --
29
69000
2000
มันมีต้นทุนประมาณ 1 ดอลล่าร์ต่อเบสหนึ่งตัว
01:26
a very slow way of doing it.
30
71000
2000
เป็นวิธีทำที่ช้ามากๆ
01:28
Well folks, I'm here to tell you
31
73000
2000
เอาล่ะทุกคน ผมมาที่นี่เพื่อบอกกับคุณ
01:30
that the world has completely changed
32
75000
2000
ว่าโลกได้เปลี่ยนแปลงไปแล้วโดยสิ้นเชิง
01:32
and none of you know about it.
33
77000
2000
โดยที่ไม่มีใครในที่นี้รู้
01:34
So now what we do is we take a genome,
34
79000
2000
ตอนนี้สิ่งที่เราทำ คือเรานำรหัสพันธุกรรม
01:36
we make maybe 50 copies of it,
35
81000
2000
มาคัดลอกไว้ซักประมาณ 50 ชุด
01:38
we cut all those copies up into little 50-base reads,
36
83000
3000
จากนั้นเราก็แยกมันออกเป็นชิ้นส่วนเบสเล็กๆ 50 ส่วน
01:41
and then we sequence them, massively parallel.
37
86000
2000
แล้วค่อยถอดรหัสมัน ขนานกันไปพร้อมๆ กัน
01:43
And then we bring that into software,
38
88000
2000
หลังจากนั้นเราก็จะนำมันเข้าโปรแกรม
01:45
and we reassemble it and we tell you what the story is.
39
90000
2000
และก็ผสานมันเข้าด้วยกันเพื่อบอกคุณว่าผลมันเป็นยังไง
01:47
And so just to give you a picture of what this looks like,
40
92000
3000
และเพื่อให้คุณได้เห็นภาพว่ามันเป็นอย่างไร
01:50
the Human Genome Project: 3 gigabases, right.
41
95000
2000
โครงการรหัสพันธุกรรมมนุษย์ 3 พันล้านเบส ถูกต้องมั้ยครับ
01:52
One run on one of these machines:
42
97000
2000
ถ้าสั่งให้เครื่องนี้ทำงาน จะถอดรหัสได้
01:54
200 gigabases in a week.
43
99000
3000
2 แสนล้านเบสในหนึ่งอาทิตย์
01:57
And that 200 is going to change to 600 this summer,
44
102000
3000
และเจ้า 2 แสนล้านนี้ก็จะเพิ่มเป็น 6 แสนล้านในฤดูร้อนปีนี้
02:00
and there's no sign of this pace slowing.
45
105000
3000
และมันก็ไม่มีสัญญาณว่าอัตราการเพิ่มนี้จะลดลง
02:03
So the price of a base, to sequence a base,
46
108000
3000
เพราะฉะนั้น ต้นทุนของเบสหนึ่งตัว ในการถอดรหัส
02:06
has fallen 100 million times.
47
111000
3000
ได้ลดลงไปจากเดิม 100 ล้านเท่า
02:09
That's the equivalent of you filling up your car with gas in 1998,
48
114000
3000
และนั่นมันเทียบได้กับคุณเติมน้ำมันในปี 1998
02:12
waiting until 2011,
49
117000
2000
รอจนถึงปี 2011
02:14
and now you can drive to Jupiter and back twice.
50
119000
2000
และตอนนี้คุณก็จะสามารถขับรถไปกลับดาวพฤหัสได้ถึง 2 ครั้ง
02:16
(Laughter)
51
121000
5000
(เสียงหัวเราะ)
02:21
World population,
52
126000
2000
ประชากรมนุษย์บนโลก
02:23
PC placements,
53
128000
2000
จำนวนคอมพิวเตอร์พีซี
02:25
the archive of all the medical literature,
54
130000
3000
บทความทางการแพทย์ทั้งหมด
02:28
Moore's law,
55
133000
2000
กฎของมัวร์ (Moore's law)
02:30
the old way of sequencing, and here's all the new stuff.
56
135000
3000
วิธีเก่าๆ ในการถอดรหัสพันธุกรรม และนี่ก็คือวิธีใหม่
02:33
Guys, this is a log scale;
57
138000
2000
คุณทั้งหลาย นี่มันเป็นการเพิ่มแบบลอการิทึ่ม
02:35
you don't typically see lines that go up like that.
58
140000
3000
คุณไม่ค่อยจะมีโอกาสได้เห็นเส้นพุ่งขึ้นแบบนี้เท่าไหร่หรอก
02:38
So the worldwide capacity to sequence human genomes
59
143000
3000
เพราะฉะนั้นขีดความสามารถในการลำดับพันธุกรรมมนุษย์จะเพิ่มขึ้น
02:41
is something like 50,000 to 100,000 human genomes this year.
60
146000
3000
เป็น 50,000 ถึง 100,000 พันธุกรรมมนุษย์ต่อปี
02:44
And we know this based on the machines that are being placed.
61
149000
3000
และเรารู้สิ่งนี้ได้จากเครื่องมือที่กำลังจะถูกติดตั้ง
02:47
This is expected to double, triple or maybe quadruple
62
152000
3000
ซึ่งมันถูกคาดหวังไว้ว่าจะช่วยทวีคูณจำนวนนี้ ได้อีกเป็น 2 เท่า, 3 เท่า หรืออาจจะถึง 4 เท่า
02:50
year over year for the foreseeable future.
63
155000
2000
ในปีต่อๆ ไปของอนาคตอันใกล้
02:52
In fact, there's one lab in particular
64
157000
2000
ในความเป็นจริงแล้ว มีห้องทดลองอยู่แห่งหนึ่ง
02:54
that represents 20 percent of all that capacity.
65
159000
3000
ที่เป็นตัวแทนถึง 20 เปอร์เซ็นต์ของขีดความสามารถทั้งหมด
02:57
It's called the Beijing Genomics Institute.
66
162000
3000
ชื่อของมันคือ สถาบันศึกษาพันธุกรรมประจำกรุงปักกิ่ง (Beijing Genomics Institute)
03:00
The Chinese are absolutely winning this race to the new Moon, by the way.
67
165000
4000
แน่นอนว่า ชาวจีนกำลังจะชนะในศึกการแข่งสู่ดวงจันทร์ครั้งใหม่นี้
03:04
What does this mean for medicine?
68
169000
2000
แล้วมันมีความหมายอะไรกับการแพทย์ล่ะ?
03:06
So a woman is age 37.
69
171000
2000
เอาล่ะ มีผู้หญิงอยู่คนหนึ่ง เธออายุ 37 ปี
03:08
She presents with stage 2 estrogen receptor-positive breast cancer.
70
173000
4000
เธอถูกวินิฉัยว่าเป็นมะเร็งเต้านมแบบที่มีตัวรับเอสโทรเจนเป็นบวกขั้นที่ 2
03:12
She is treated with surgery, chemotherapy and radiation.
71
177000
3000
ซึ่งเธอถูกรักษาด้วยการผ่าตัด, คีโมบำบัด และฉายรังสี
03:15
She goes home.
72
180000
2000
และเธอก็หาย
03:17
Two years later, she comes back with stage three C ovarian cancer.
73
182000
3000
2 ปีต่อมา เธอก็ถูกวินิจฉัยอีกครั้งว่าเป็น มะเร็งรังไข่ขั้นที่ 3
03:20
Unfortunately, treated again with surgery and chemotherapy.
74
185000
3000
และโชคไม่ดีที่เธอต้องถูกรักษาอีกครั้งด้วยการผ่าตัด และการทำคีโมบำบัด
03:23
She comes back three years later at age 42
75
188000
2000
ในอีก 3 ปีต่อมาที่อายุ 42
03:25
with more ovarian cancer, more chemotherapy.
76
190000
3000
ก็พบมะเร็งรังไข่อีก พร้อมกับการรักษาแบบคีโมบำบัด
03:28
Six months later,
77
193000
2000
6 เดือนต่อมา
03:30
she comes back with acute myeloid leukemia.
78
195000
3000
เธอก็กลับมาด้วยโรคมะเร็งเม็ดเลือดขาวเฉียบพลันชนิดไมอีลอยด์
03:34
She goes into respiratory failure and dies eight days later.
79
199000
3000
ระบบหายใจของเธอล้มเหลว และเธอเสียชีวิตในอีก 8 วันถัดมา
03:37
So first, the way in which this woman was treated, in as little as 10 years,
80
202000
3000
เอาล่ะ ข้อแรก นี่จะทำให้วิธีที่ผู้หญิงคนนี้ถูกรักษาในช่วงเวลาอย่างน้อย 10 ปี
03:40
will look like bloodletting.
81
205000
3000
ดูเหมือนกับการห้ามเลือดไปเลย
03:43
And it's because of people like my colleague, Rick Wilson,
82
208000
2000
และมันเป็นเพราะคนอย่างเพื่อนร่วมงานของผม ริค วิลสัน (Rick Wilson)
03:45
at the Genome Institute at Washington University,
83
210000
3000
ที่สถาบันการศึกษาพันธุกรรมแห่งมหาวิทยาลัยวอชิงตัน
03:48
who decided to take a look at this woman postmortem.
84
213000
2000
ที่ตัดสินใจที่จะชันสูตรศพผู้หญิงคนนี้
03:50
And he sequenced, he took skin cells, healthy skin,
85
215000
3000
และเขาได้ทำการถอดรหัส โดยการนำเซลล์ผิวหนังที่แข็งแรง
03:53
and cancerous bone marrow,
86
218000
2000
และเซลล์มะเร็งที่แนวไขกระดูก
03:55
and he sequenced the whole genomes of both of them
87
220000
2000
นำมาเรียงลำดับพันธุกรรมของทั้ง 2 ตัวอย่าง
03:57
in a couple of weeks, no big deal.
88
222000
3000
ในไม่กี่อาทิตย์ ไม่ใช่เรื่องใหญ่โตอะไร
04:00
And then he compared those two genomes in software,
89
225000
2000
จากนั้นเขาทำการเปรียบเทียบพันธุกรรมทั้ง 2 ในโปรแกรม
04:02
and what he found, among other things,
90
227000
2000
และสิ่งที่เขาพบ นอกเหนือจากสิ่งอื่นใด
04:04
was a deletion, a 2,000-base deletion
91
229000
2000
คือการหลุดหายในเบส 2,000 ตัว
04:06
across three billion bases
92
231000
2000
ตลอดทั่วทั้งเบสจำนวน 3 พันล้านตัว
04:08
in a particular gene called TP53.
93
233000
2000
โดยเฉพาะในยีนส์ที่มีชื่อว่า TP53
04:10
If you have this deleterious mutation in this gene,
94
235000
3000
ถ้าคุณมีการกลายพันธุ์ชนิดที่เป็นอันตรายในยีนส์นี้
04:13
you're 90 percent likely to get cancer in your life.
95
238000
3000
คุณจะมีโอกาสถึง 90 เปอร์เซ็นต์ที่จะเป็นมะเร็ง
04:16
So unfortunately, this doesn't help this woman,
96
241000
2000
น่าเสียดาย ที่มันช่วยผู้หญิงคนนี้ไว้ไม่ได้
04:18
but it does have severe, profound if you will,
97
243000
3000
แต่มันจะมีผลกระทบอย่างรุนแรง และลึกซึ้ง
04:21
implications to her family.
98
246000
2000
กับครอบครัวของเธอ
04:23
I mean, if they have the same mutation,
99
248000
2000
ผมหมายความว่า ถ้าเกิดพวกเค้ามีการกลายพันธุ์แบบเดียวกัน
04:25
and they get this genetic test, and they understand it,
100
250000
3000
และเขาได้ทำการทดสอบพันธุกรรมนี้ และเข้าใจมัน
04:28
then they can go and get regular screens, and they can catch cancer early
101
253000
3000
เขาสามารถที่จะไปทำการตรวจสุขภาพตามปกติ เพื่อที่จะได้ถูกวินิจฉัยว่าเป็นมะเร็งตั้งแต่ขั้นต้นได้
04:31
and potentially live a significantly longer life.
102
256000
2000
และก็เป็นไปได้ว่าจะมีชีวิตที่ยาวนานขึ้นอย่างมีนัยสำคัญ
04:33
Let me introduce you now to the Beery twins,
103
258000
2000
ให้ผมแนะนำคุณให้รู้จักกับฝาแฝดบีรี่ (Beery twins)
04:35
diagnosed with cerebral palsy at the age of two.
104
260000
2000
ถูกวินิจฉัยว่า พิการทางสมอง ตั้งแต่อายุ 2 ขวบ
04:37
Their mom is a very brave woman
105
262000
2000
แม่ที่กล้าหาญของพวกเค้า
04:39
who didn't believe that the symptoms weren't matching up,
106
264000
2000
ที่ไม่เคยเชื่อว่า อาการของลูกตัวเองจะเป็นอาการของคนที่พิการทางสมอง
04:41
and through some heroic efforts and a lot of Internet searching,
107
266000
2000
และด้วยความพยายามที่กล้าหาญ และการค้นคว้าในอินเตอร์เนท
04:43
she was able to convince the medical community
108
268000
3000
เธอจึงสามารถโน้มน้าวแพทย์ให้เชื่อ
04:46
that, in fact, they had something else.
109
271000
2000
ว่าความจริงแล้วลูกของเธอเป็นโรคอื่น
04:48
What they had was dopa-responsive dystonia.
110
273000
3000
ว่าสิ่งที่พวกเขาเป็นคือ โรคไข้แหงน (Dopa-responsive dystonia)
04:51
And so they were given L-Dopa,
111
276000
2000
และจึงถูกรักษาด้วย L-Dopa
04:53
and their symptoms did improve,
112
278000
2000
อาการของพวกเขาจึงดีขึ้น
04:55
but they weren't totally asymptomatic.
113
280000
2000
แต่ก็ยังไม่ถึงกับว่าหายขาดซะทีเดียว
04:57
Significant problems remained.
114
282000
2000
ปัญหาสำคัญยังคงอยู่
04:59
Turns out the gentleman in this picture is a guy named Joe Beery,
115
284000
2000
กลับกลายเป็นว่าสุภาพบุรุษในภาพนี้ที่ชื่อว่า โจ บีรี่ (Joe Beery)
05:01
who was lucky enough to be the CIO
116
286000
2000
ผู้โชคดี ที่เป็น Chief Information Officer (CIO)
05:03
of a company called Life Technologies.
117
288000
2000
ของบริษัทที่มีชื่อว่า Life Technology
05:05
They're one of the two companies
118
290000
2000
1 ใน 2 บริษัท
05:07
that makes these massive whole genome sequencing tools.
119
292000
3000
ที่สร้างเจ้าเครื่องถอดรหัสพันธุกรรมนี้
05:10
And so what he did was he got his kids sequenced.
120
295000
3000
และเขาได้ทำการเขาถอดรหัสพันธุกรรมลูกของตัวเอง
05:13
And what they found was a series of mutations in a gene called SPR,
121
298000
3000
และสิ่งที่พวกเขาพบคืออนุกรมการกลายพันธุ์ของยีนส์ที่เรียกว่า SPR
05:16
which is responsible for producing serotonin, among other things.
122
301000
4000
ที่มีหน้าที่ส่วนหนึ่งในการรับผิดชอบการผลิตเซโรโทนิน
05:20
So on top of L-Dopa, they gave these kids a serotonin precursor drug,
123
305000
3000
เพราะฉะนั้นนอกจาก L-Dopa พวกเขาจึงให้ยาปรับระดับเซโรโทนิน (Serotonin precursor drug)
05:23
and they're effectively normal now.
124
308000
2000
และในตอนนี้พวกเขาก็เป็นปกติแล้ว
05:25
Guys, this would never have happened without whole genome sequencing.
125
310000
3000
สิ่งนี้คงไม่มีทางเกิดขึ้นได้ หากขาดการจัดเรียงลำดับพันธุกรรม
05:28
And at the time -- this was a few years ago -- it cost $100,000.
126
313000
2000
และในตอนนั้น เมื่อหลายๆ ปีก่อน มันมีค่าใช้จ่าย 100,000 ดอลล่าร์
05:30
Today it's $10,000. Next year it's $1,000.
127
315000
2000
ในวันนี้มันอยู่ที่ 10,000 ดอลล่าร์ ปีหน้า 1,000 ดอลล่าร์
05:32
The year after it's $100, give or take a year.
128
317000
2000
ปีต่อไปมันจะเหลือ 100 ดอลล่าร์ ซึ่งอาจจะเร็วหรือช้ากว่านั้นซักปี
05:34
That's how fast this is moving.
129
319000
2000
ทุกอย่างมันกำลังเกิดขึ้นรวดเร็วขนาดนั้น
05:36
So here's little Nick --
130
321000
2000
และนี่ก็คือ นิค
05:38
likes Batman and squirt guns.
131
323000
3000
ที่ชื่นชอบแบทแมนและปืนฉีดน้ำ
05:41
And it turns out Nick shows up at the children's hospital
132
326000
3000
เรื่องก็คือ นิคไปที่โรงพยาบาลเด็ก
05:44
with this distended belly like a famine victim.
133
329000
2000
เพราะมีช่วงท้องที่พองออก เหมือนกับผู้ป่วยโรคขาดสารอาหาร
05:46
And it's not that he's not eating,
134
331000
2000
และนั่นไม่ใช่เพราะว่าเค้าไม่กิน
05:48
it's that when he eats, his intestine basically opens up
135
333000
2000
แต่เป็นเพราะว่าเมื่อเค้ากิน ลำไส้ของเค้ากลับเปิดออก
05:50
and feces spill out into his gut.
136
335000
2000
อุจจาระเลยย้อนกลับเข้าไปในช่องท้อง
05:52
So a hundred surgeries later,
137
337000
2000
หลังจากการผ่าตัด 100 หนต่อมา
05:54
he looks at his mom and says, "Mom,
138
339000
3000
เขามองไปที่แม่ของเค้าและพูดว่า "แม่จ๋า
05:57
please pray for me. I'm in so much pain."
139
342000
3000
สวดมนต์ให้หนูด้วย หนูเจ็บปวดเหลือเกิน"
06:00
His pediatrician happens to have a background in clinical genetics
140
345000
3000
กุมารแพทย์ของเขาบังเอิญว่ามีพื้นหลังในเรื่องของพันธุกรรม
06:03
and he has no idea what's going on,
141
348000
2000
และเขาไม่รู้ว่าเกิดอะไรขึ้น
06:05
but he says, "Let's get this kid's genome sequenced."
142
350000
2000
แต่เขาพูดว่า "เรามาลองลำดับพันธุกรรมของเด็กคนนี้เถอะ"
06:07
And what they find is a single-point mutation
143
352000
2000
สิ่งที่พวกเขาพบ คือการกลายพันธุ์จุดหนึ่ง
06:09
in a gene responsible for controlling programmed cell death.
144
354000
3000
ในพันธุกรรม ที่ช่วยควบคุมการตายของเซลล์
06:12
So the theory is that he's having some immunological reaction
145
357000
3000
ทฤษฎีของพวกเค้าก็คือว่า หนูนิคกำลังมีอาการการตอบสนองทางภูมิคุ้มกัน
06:15
to what's going on to the food essentially,
146
360000
3000
อย่างชัดเจนกับอาหาร
06:18
and that's a natural reaction, which causes some programmed cell death.
147
363000
3000
และอาการตอบสนองนี่แหละ ที่มันจะทำให้เกิดการตายของเซลล์
06:21
But the gene that regulates that down is broken.
148
366000
2000
แต่เนื่องจากว่าพันธุกรรมที่คอยดูแลสิ่งนั้นมันผิดปกติ
06:23
And so this informs, among other things, of course,
149
368000
2000
นั่นจึงช่วยบอกอย่างชัดเจนว่า สิ่งที่หนูนิคต้องการจริงๆ
06:25
a treatment for bone marrow transplant, which he undertakes.
150
370000
3000
ก็คือการปลูกถ่ายไขกระดูก ซึ่งเขาก็ได้รับการรักษา
06:28
And after nine months of grueling recovery,
151
373000
2000
และหลังจากนั้น 9 เดือน ของการฟื้นสภาพอย่างทรหด
06:30
he's now eating steak with A1 sauce.
152
375000
2000
ตอนนี้เขากำลังกินสเต๊กกับซอสอย่างเอร็ดอร่อย
06:32
(Laughter)
153
377000
2000
(เสียงหัวเราะ)
06:34
The prospect of using the genome
154
379000
2000
โอกาสในการใช้พันธุกรรม
06:36
as a universal diagnostic
155
381000
2000
เป็นเครื่องมือวินิจฉัยโรคครอบจักรวาล
06:38
is upon us today.
156
383000
2000
ได้มาถึงเราแล้วในวันนี้
06:40
Today, it's here.
157
385000
2000
ในวันนี้ มันมาถึงแล้ว
06:42
And what it means for all of us
158
387000
2000
และนั่นมันหมายความว่า
06:44
is that everybody in this room could live an extra five, 10, 20 years
159
389000
3000
พวกเราทุกคนในห้องนี้ สามารถอยู่ได้นานขึ้นอีก 5, 10 หรือ 20 ปี
06:47
just because of this one thing.
160
392000
2000
เพราะเจ้าสิ่งนี้
06:49
Which is a fantastic story,
161
394000
2000
และนั่นมันเป็นเรื่องที่น่ายินดีอย่างยิ่ง
06:51
unless you think about humanity's footprint on the planet
162
396000
3000
นอกเสียจากว่าคุณคิดถึงผลกระทบของเผ่าพรรณมนุษย์ต่อดาวเคราะห์ดวงนี้
06:54
and our ability to keep up food production.
163
399000
2000
และความสามารถในการผลิตอาหารของพวกเรา
06:56
So it turns out
164
401000
2000
และมันกลายเป็นว่า
06:58
that the very same technology
165
403000
2000
เจ้าเทคโนโลยีเดียวกันนี่แหละ
07:00
is also being used to grow new lines
166
405000
2000
ก็สามารถถูกนำไปใช้ในการปลูกพืชพันธุ์ใหม่ๆ
07:02
of corn, wheat, soybean and other crops
167
407000
3000
ของข้าวโพด, แป้งสาลี, ถั่วเหลือง และพืชผลชนิดอื่นๆ
07:05
that are highly tolerant of drought, of flood,
168
410000
2000
ที่จะทนทานต่อภาวะแล้ง, ภาวะน้ำท่วม,
07:07
of pests and pesticides.
169
412000
2000
แมลงและยาฆ่าแมลงได้
07:09
Now look, as long as we continue to increase the population,
170
414000
3000
เอาล่ะ ตราบใดที่เรายังเพิ่มจำนวนประชากรอย่างต่อเนื่อง
07:12
we're going to have to continue to grow and eat genetically modified foods,
171
417000
3000
เราก็จำเป็นที่จะต้องปลูกและกินพืชที่ดัดแปลงทางพันธุกรรม
07:15
and that's the only position that I'll take today.
172
420000
3000
และนั่นก็คือทางออกเดียว ที่ผมจะเลือกในวันนี้
07:18
Unless there's anybody in the audience
173
423000
2000
นอกเสียจากว่ามีใครซักคน ในหมู่ผู้ฟัง
07:20
that would like to volunteer to stop eating?
174
425000
2000
ที่อยากจะอาสาหยุดกิน?
07:22
None, not one.
175
427000
2000
ผมไม่เห็นใครอาสาซักคน
07:24
This is a typewriter,
176
429000
2000
นี่คือเครื่องพิมพ์ดีด
07:26
a staple of every desktop for decades.
177
431000
3000
สิ่งสำคัญบนโต๊ะทำงานทุกโต๊ะมาเป็นทศวรรษ
07:29
And in fact, the typewriter was essentially deleted by this thing.
178
434000
4000
แล้วเจ้าเครื่องพิมพ์ดีดมันก็ถูกลบออกไปอย่างหมดจดด้วยสิ่งนี้
07:33
And then more general versions of word processors came about.
179
438000
3000
หลังจากนั้นก็มีเครื่องช่วยในการประมวลคำหลายๆ รุ่นที่ออกมา
07:36
But ultimately, it was a disruption on top of a disruption.
180
441000
3000
แต่ผลสุดท้าย มันก็ถูกลบออกไปอีกครั้ง
07:39
It was Bob Metcalfe inventing the Ethernet
181
444000
2000
โดยบ๊อบ เมทคาลเฟ่ (Bob Metcalfe) ผู้คิดค้นอีเทอร์เนท
07:41
and the connection of all these computers
182
446000
2000
และเครือข่ายการติดต่อระหว่างคอมพิวเตอร์
07:43
that fundamentally changed everything.
183
448000
2000
ที่ได้เปลี่ยนแปลงทุกอย่างไปอย่างหมดสิ้น
07:45
And suddenly we had Netscape, and we had Yahoo
184
450000
3000
และหลังจากนั้นเราก็มี Netscape และ Yahoo
07:48
and we had, indeed, the entire dotcom bubble.
185
453000
3000
และเราก็เลยมีวิกฤตฟองสบู่ของธุรกิจดอทคอม
07:51
(Laughter)
186
456000
3000
(เสียงหัวเราะ)
07:54
Not to worry though,
187
459000
2000
แต่ไม่ต้องเป็นห่วง
07:56
that was quickly rescued by the iPod, Facebook
188
461000
2000
เพราะมันถูกช่วยเหลืออย่างรวดเร็วโดย iPod, Facebook
07:58
and, indeed, angry birds.
189
463000
2000
และแน่นอน angry birds
08:00
(Laughter)
190
465000
2000
(เสียงหัวเราะ)
08:02
Look, this is where we are today.
191
467000
3000
เอาล่ะ นี่คือจุดยืนของเราในวันนี้
08:05
This is the genomic revolution today. This is where we are.
192
470000
2000
คือการปฏิวัติทางพันธุกรรม
08:07
So what I'd like you to consider is:
193
472000
2000
สิ่งที่ผมอยากให้คุณช่วยพิจารณาก็คือ
08:09
What does it mean
194
474000
2000
มันหมายความอย่างไร
08:11
when these dots don't represent the individual bases of your genome,
195
476000
3000
เมื่อจุดเหล่านี้ไม่ได้เพียงแสดงถึงตัวตนทางพันธุกรรมของคุณ
08:14
but they connect to genomes all across the planet?
196
479000
3000
แต่ช่วยเชื่อมต่อพันธุกรรมของคุณไปทั่วโลก?
08:17
So I just recently had to buy life insurance.
197
482000
2000
ผมเพิ่งจะซื้อประกันชีวิตไปเมื่อไม่นานมานี้
08:19
And I was required to answer:
198
484000
2000
และผมต้องตอบคำถาม
08:21
A. I have never had a genetic test, B. I've had one, here you go,
199
486000
3000
ว่า ก. ผมไม่เคยทดสอบพันธุกรรม ข. ผมเคยทดสอบ และนี่คือผล
08:24
and C. I've had one and I'm not telling.
200
489000
2000
และ ค. ผมเคยทดสอบ แต่ผมไม่อยากบอกคุณ
08:26
Thankfully, I was able to answer A,
201
491000
2000
โชคดีที่ผมสามารถตอบ ก. ได้
08:28
and I say that honestly in case my life insurance agent is listening.
202
493000
3000
และผมสามารถพูดได้เต็มปากถึงแม้ว่าตัวแทนประกันผมกำลังฟังอยู่
08:31
But what would have happened if I had said C?
203
496000
3000
แต่มันจะเกิดอะไรขึ้นถ้าเกิดผมตอบข้อ ค. ?
08:34
Consumer applications for genomics, they will flourish.
204
499000
2000
การใช้งานด้านพันธุกรรมสำหรับผู้บริโภคจะเติบโตมหาศาล
08:36
Do you want to see whether you're genetically compatible
205
501000
2000
คุณอยากจะรู้หรือไม่ว่า คุณมีพันธุกรรมที่เข้ากันได้
08:38
with your girlfriend? Sure.
206
503000
2000
กับแฟนของคุณหรือเปล่า? ทำไมจะไม่ได้ล่ะ
08:40
DNA sequencing on your iPhone? There's an app for that.
207
505000
3000
การเรียงลำดับพันธุกรรมบน iPhone น่ะเหรอ? มีแอพสำหรับมัน
08:43
(Laughter)
208
508000
2000
(เสียงหัวเราะ)
08:45
Personalized genomic massage anyone?
209
510000
3000
ลองนวดแบบปรับให้เหมาะกับพันธุกรรมของแต่ละคนล่ะ ดีมั้ย?
08:48
There's already a lab today
210
513000
2000
ตอนนี้มีห้องทดลองอยู่แห่งหนึ่ง
08:50
that tests for allele 334 of the AVPR1 gene,
211
515000
2000
ที่ทดสอบพันธุกรรม AVPR1 เพื่อหา allele 334
08:52
the so-called cheating gene.
212
517000
2000
หรือที่เรียกว่า พันธุกรรมนอกใจ
08:54
So anybody who's here today with your significant other,
213
519000
4000
เพราะฉะนั้นทุกคนที่อยู่ที่นี่ กับคู่คนสำคัญของคุณ
08:58
just turn over to them and swab their mouth,
214
523000
2000
ก็แค่หันไปข้างๆ และเอาสำลีเก็บตัวอย่างจากในปากของเค้า
09:00
send it to the lab and you'll know for sure.
215
525000
2000
ส่งไปที่ห้องทดลอง และคุณก็จะได้รู้มันซักที
09:02
(Laughter)
216
527000
2000
(เสียงหัวเราะ)
09:04
Do you really want to elect a president
217
529000
2000
คุณอยากจะเลือกประธานาธิบดี
09:06
whose genome suggests cardiomyopathy?
218
531000
2000
ที่พันธุกรรมแสดงถึงโรคกล้ามเนื้อหัวใจบกพร่องจริงๆ น่ะรึ?
09:08
Now think of it, it's 2016
219
533000
2000
เอาล่ะ ลองคิดดูว่า ในปี 2016
09:10
and the leading candidate releases
220
535000
1000
และผู้สมัครของพรรคต่างๆ ก็จะเปิดเผย
09:11
not only her four years of back tax returns,
221
536000
2000
ไม่เพียงแต่รายการการเสียภาษี 4 ปีย้อนหลัง
09:13
but also her personal genome.
222
538000
2000
แต่ก็รวมไปถึงข้อมูลพันธุกรรมด้วย
09:15
And it looks really good.
223
540000
2000
และมันก็ดูดีมากเลย
09:17
And then she challenges all of her competitors to do the same.
224
542000
2000
แล้วเธอก็จะท้าทายต่อผู้สมัครพรรคอื่นๆ ให้เผยข้อมูลแบบเดียวกัน
09:19
Do you think that's not going to happen?
225
544000
2000
คุณคิดว่าสิ่งนี้จะไม่เกิดขึ้นงั้นรึ?
09:21
Do you think it would have helped John McCain?
226
546000
2000
คุณคิดว่ามันจะช่วย จอห์น แมคเคน (John McCain) หรือเปล่า?
09:23
(Laughter)
227
548000
2000
(เสียงหัวเราะ)
09:25
How many people in the audience
228
550000
2000
มีกี่คนในหมู่ผู้ชม
09:27
have the last name Resnick like me? Raise your hand.
229
552000
2000
ที่มีนามสกุลเรสนิคเหมือนกับผม? ช่วยยกมือขึ้นหน่อยครับ
09:29
Anybody? Nobody.
230
554000
2000
มีมั้ย? ไม่มีใครเลย
09:31
Typically, there's one or two.
231
556000
2000
โดยปกติแล้ว จะมีคน หรือ 2 คน
09:33
So my father's father was one of 10 Resnick brothers.
232
558000
2000
พ่อของพ่อผม เป็น 1 ใน 10 ของลูกชายตระกูลเรสนิค
09:35
They all hated each other.
233
560000
2000
ที่ต่างเกลียดขี้หน้ากันมาก
09:37
And they all moved to different parts of the planet.
234
562000
2000
และพวกเขาต่างก็แยกย้ายกันไป
09:39
So it's likely
235
564000
2000
เพราะฉะนั้นมันจึงเป็นไปได้
09:41
that I'm related to every Resnick that I ever meet, but I don't know.
236
566000
3000
ที่ผมจะเกี่ยวข้องกับเรสนิคทุกคนที่ผมเคยพบ แต่ผมไม่รู้
09:44
But imagine if my genome were deidentified, sitting in software,
237
569000
3000
แต่ลองคิดดูถ้าผมมีพันธุกรรมที่ถูกเรียงลำดับ เก็บอยู่ในโปรแกรม
09:47
and a third cousin's genome was also sitting there,
238
572000
2000
และพันธุกรรมของญาติลำดับที่สามของผมนั่งอยู่ตรงนั้น
09:49
and there was software that could compare these two
239
574000
2000
และก็มีโปรแกรมที่ช่วยเปรียบเทียบมันทั้ง 2 เข้าด้วยกัน
09:51
and make these associations.
240
576000
2000
ที่จะรู้ถึงความเชื่อมโยงนี้
09:53
Not hard to imagine. My company has software that does this right now.
241
578000
3000
มันไม่ยากเกินที่จะจินตนาการ บริษัทของผมมีโปรแกรมที่จะช่วยทำสิ่งนั้นได้ในตอนนี้แล้ว
09:56
And so imagine one more thing:
242
581000
2000
เพราะฉะนั้นลองจินตนาการอีกซักอย่าง
09:58
that that software is able to ask both parties for mutual consents,
243
583000
3000
ถ้าโปรแกรมนั้นสามารถถามทั้ง 2 ฝ่ายถึงความยินยอม
10:01
"Would you be willing to meet your third cousin?"
244
586000
2000
"ว่าคุณต้องการที่จะพบญาติลำดับที่ 3 ของคุณหรือไม่"
10:03
And if we both say yes,
245
588000
2000
และเราทั้ง 2 ตอบว่า "ต้องการ"
10:05
voila! Welcome to chromosomally LinkedIn.
246
590000
2000
แจ๋ว! ยินดีต้อนรับสู่โลก LinkedIn (Social Network แบบหนึ่ง) แบบพันธุกรรม
10:07
(Laughter)
247
592000
4000
(เสียงหัวเราะ)
10:11
Now this is probably a good thing, right?
248
596000
2000
เอาล่ะนี่มันคงเป็นสิ่งที่ดีใช่มั้ย?
10:13
You have bigger clan gatherings and so on.
249
598000
2000
คุณสามารถที่จะนัดรวมญาติได้ใหญ่ขึ้น และอื่นๆ อีกมากมาย
10:15
But maybe it's a bad thing as well.
250
600000
2000
แต่บางทีมันอาจเป็นสิ่งที่แย่ได้เหมือนกัน
10:17
How many fathers in the room? Raise your hands.
251
602000
2000
ในห้องนี้มีพ่ออยู่กี่คน? ช่วยยกมือให้ผมเห็นหน่อยครับ
10:19
Okay, so experts think that one to three percent of you
252
604000
3000
เอาล่ะ ผู้เชี่ยวชาญคิดว่ามันมีความเป็นไปได้อยู่ 3 เปอร์เซ็นต์ที่คุณ
10:22
are not actually the father of your child.
253
607000
2000
จะไม่ใช่พ่อของลูกของคุณ
10:24
(Laughter)
254
609000
2000
(เสียงหัวเราะ)
10:26
Look --
255
611000
2000
ลองดู
10:28
(Laughter)
256
613000
4000
(เสียงหัวเราะ)
10:32
These genomes, these 23 chromosomes,
257
617000
3000
พันธุกรรมพวกนี้ ทั้ง 23 โครโมโซม
10:35
they don't in any way represent the quality of our relationships
258
620000
3000
มันไม่ได้แสดงถึงคุณภาพของความสัมพันธ์
10:38
or the nature of our society -- at least not yet.
259
623000
2000
หรือธรรมชาติของสังคมของเรา อย่างน้อยก็ยังไม่ใช่
10:40
And like any new technology,
260
625000
2000
และเหมือนกับเทคโนโลยีใหม่อื่นๆ
10:42
it's really in humanity's hands
261
627000
2000
มันอยู่ในมือของมนุษยชาติ
10:44
to wield it for the betterment of mankind, or not.
262
629000
3000
ที่จะใช้มันเพื่อทำให้ชีวิตเราดีขึ้น หรือแย่ลง
10:47
And so I urge you all to wake up and to tune in
263
632000
3000
เพราะฉะนั้นผมขอให้คุณทุกคนตื่นขึ้นและลองมาทำความเข้าใจกับมัน
10:50
and to influence the genomic revolution that's happening all around you.
264
635000
3000
เพื่อที่จะช่วยส่งเสริมการปฏิวัติทางพันธุกรรมที่เกิดขึ้นรอบๆ ตัวคุณ
10:53
Thank you.
265
638000
2000
ขอบคุณครับ
10:55
(Applause)
266
640000
2000
(เสียงปรบมือ)
ABOUT THE SPEAKER
Richard Resnick - EntrepreneurRichard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software.
Why you should listen
Richard Resnick is CEO of GenomeQuest , a company that builds software to support genomic medicine -- research and individualized treatments that take advantage of cheap and accessible genome processing. He was previously CEO of Mosaic Bioinformatics; before becoming a bio-entrepreneur, he was a member of the Human Genome Project under Eric Lander at MIT.
Richard Resnick | Speaker | TED.com