TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: Matematikle kanserin sırlarını çözebiliriz
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva biyolojiyi matematiğe ya da tam tersine çevirir. Tümörleri hedef alan yeni ilaçlar geliştirme çabasıyla kanseri anlatan matematiksel modeller yazar. "Matematik modellemenin gücü ve güzelliği bildiğimiz yoldan gitmemizde yatar." der Kareva. "Bu yol bizi uçuruma da götürebilir, bulmak istediğimiz şeye de". Bunu belirleyen de doğru soruyu sorup bunu doğru eşitliğe çevirmekte.
Irina Kareva - Theoretical biologist
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Double-click the English transcript below to play the video.
00:12
I am a translator.
0
549
1243
Ben bir çevirmenim.
00:14
I translate from biology into mathematics
1
2514
3191
Biyolojiyi matematiğe çeviririm
00:17
and vice versa.
2
5729
1150
ya da tam tersi.
00:19
I write mathematical models
3
7588
1790
Hücre büyümesi gibi
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
biyolojik mekanizmaları
tanımlamak için,
tanımlamak için,
00:24
to describe biological mechanisms,
5
12273
1947
diferansiyel denklemler
kümesi olan
kümesi olan
matematiksel modeller yazarım.
00:26
such as cell growth.
6
14244
1158
00:28
Essentially, it works like this.
7
16122
1848
Aslında bu şöyle işliyor:
00:30
First, I identify the key elements
8
18573
2469
Öncelikle, belli mekanizmaların
davranışlarına
neden olduğunu düşündüğüm
neden olduğunu düşündüğüm
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
anahtar elemanları bulurum.
00:35
of a particular mechanism.
10
23867
1539
00:38
Then, I formulate assumptions
11
26230
1891
Ardından, bu elemanların
birbirleriyle ve çevreleriyle
nasıl etkileştikleri üzerine
nasıl etkileştikleri üzerine
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
00:43
and with their environment.
13
31055
1337
varsayımlar geliştiririm.
00:44
It may look something like this.
14
32916
1772
Bunun gibi bir şey olur.
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
Sonra bu varsayımları
denklemlere dönüştürürüm.
denklemlere dönüştürürüm.
00:50
which may look something like this.
16
38610
1824
Bunun gibi bir şey çıkar.
00:53
Finally, I analyze my equations
17
41434
1890
En sonunda, denklemlerimi analiz ederim
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
ardından, bu sonuçları tekrar
biyoloji diline çeviririm.
biyoloji diline çeviririm.
Matematiğin anahtar
kavramlarından biri "modelleme"dir.
kavramlarından biri "modelleme"dir.
01:00
A key aspect of mathematical modeling
19
48156
2420
Biz modellemeciler cisimlerin
ne olduğuna bakmayız,
ne olduğuna bakmayız,
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
01:06
we think about what they do.
21
54532
1855
ne yaptıklarına bakarız.
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
Biz bireyler arasındaki
bağlantılara bakarız
bağlantılara bakarız
01:10
whether they be cells, animals or people,
23
58924
2886
hücre, hayvan ya da insan olsunlar,
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
birbirleriyle ve çevreleriyle nasıl
etkileşime girdiklerine.
etkileşime girdiklerine.
01:17
Let me give you an example.
25
65639
1340
Size bir örnek vereyim.
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
Tilkiler ve bağışıklık hücrelerinin
arasındaki benzerlik nedir?
arasındaki benzerlik nedir?
01:24
They're both predators,
27
72793
1459
İkisi de avcıdır
01:26
except foxes feed on rabbits,
28
74744
2723
ama tilkiler tavşanları yer,
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
bağışıklık hücreleri de
kanserli hücreler gibi istilacıları.
kanserli hücreler gibi istilacıları.
01:33
But from a mathematical point of view,
30
81273
2345
Ama işe matematik açısından bakarsak
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
tilki ile tavşan arasındaki ve
kanser ile bağışıklık hücreleri arasındaki
kanser ile bağışıklık hücreleri arasındaki
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
etkileşimleri,
niteliksel olarak aynı yırtıcı-av...
niteliksel olarak aynı yırtıcı-av...
01:43
and cancer and immune cells.
33
91091
1774
denklemler sistemi tanımlayacaktır.
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
Yırtıcı-av sistemleri,
bilimsel literatürde
bilimsel literatürde
01:48
in scientific literature,
35
96341
1269
yoğun biçimde çalışılır,
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
birinin hayatta kalmasının,
diğerini tüketmeye bağlı olduğu
diğerini tüketmeye bağlı olduğu
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
iki popülasyonun
etkileşimlerini açıklamak için.
etkileşimlerini açıklamak için.
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
Ve aynı denklemler,
kanserin av, bağışıklık sisteminin
kanserin av, bağışıklık sisteminin
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
avcı olduğu,
kanser ile bağışıklık sisteminin
kanser ile bağışıklık sisteminin
02:00
where cancer is the prey,
40
108464
1841
etkileşimlerini anlamak için
02:02
and the immune system is the predator.
41
110329
2372
bir çerçeve sunar.
02:04
And the prey employs all sorts of tricks
to prevent the predator from killing it,
to prevent the predator from killing it,
42
112725
4032
Ve av, avcının kendisini öldürmesini
önlemek için, kamufle olmaktan,
önlemek için, kamufle olmaktan,
02:08
ranging from camouflaging itself
43
116781
1820
avcının gıdasını çalmaya kadar
02:10
to stealing the predator's food.
44
118625
1839
her türlü hileyi kullanır.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
Bunun oldukça ilginç sonuçları olabilir.
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
Örneğin, immünoterapi
muazzam başarılarına rağmen
muazzam başarılarına rağmen
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
iş, sert tümörlere geldiğinde
02:23
when it comes solid tumors.
48
131269
1542
etkisi hâlâ sınırlı.
02:25
But if you think about it ecologically,
49
133423
2559
Ama ekolojik bakımdan
düşünürseniz
düşünürseniz
02:28
both cancer and immune cells --
50
136006
2090
kanser hücreleri de
bağışıklık hücreleri de
bağışıklık hücreleri de
02:30
the prey and the predator --
51
138120
1600
av ve avcı--
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
yaşamak için glikoz gibi
besinlere ihtiyaç duyuyor.
besinlere ihtiyaç duyuyor.
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
Kanser hücreleri, tümör mikroortamında
besin paylaşımında
besin paylaşımında
02:40
in the tumor microenvironment,
54
148171
1793
bağışıklık hücrelerini yenerlerse
02:41
then the immune cells will physically
not be able to do their job.
not be able to do their job.
55
149988
3414
bağışıklık hücreleri
görevlerini yapamayacaktır.
görevlerini yapamayacaktır.
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
Bu yırtıcı-av kaynak paylaşımı modeli
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
kendi araştırmamda
üzerinde çalıştığım bir şey.
üzerinde çalıştığım bir şey.
02:51
And it was recently shown experimentally
58
159504
2724
Ve son deneyler gösterdi ki,
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
tümör ortamında metabolik dengeyi
yeniden kurmak
yeniden kurmak
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
yani, bağışıklık hücrelerinin
gıdalarını almalarını sağlamak
gıdalarını almalarını sağlamak
03:01
can give them, the predators, back
their edge in fighting cancer, the prey.
their edge in fighting cancer, the prey.
61
169885
5245
onlara -avcılara-, kanserle savaşta
avantajlarını geri veriyor.
avantajlarını geri veriyor.
03:08
This means that if you abstract a bit,
62
176440
2339
Yani biraz soyut yaklaşırsanız,
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
kanseri bir ekosistem
olarak düşünebilirsiniz,
olarak düşünebilirsiniz,
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
farklı hücre topluluklarının
barınma ve yemek için
barınma ve yemek için
rekabet ettiği ve işbirliği yaptığı,
03:18
for space and nutrients,
65
186093
2017
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
avcılarla -yani bağışıklık sistemi-
etkileştiği,
etkileştiği,
03:22
migrate -- metastases --
67
190830
2241
göç ettiği -- yayıldığı (metastaz) --
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
insan vücudunun ekosistemi
içerisinde bir ekosistem.
içerisinde bir ekosistem.
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
Peki koruma biyolojisinden, ekosistemlerin
çoğu hakkında öğrendiğimiz nedir?
çoğu hakkında öğrendiğimiz nedir?
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
Türleri sonlandırmanın
en iyi yollarından birisi,
en iyi yollarından birisi,
03:35
is not to target them directly
71
203519
1952
doğrudan onları değil
03:37
but to target their environment.
72
205495
2439
bulundukları ortamı hedef almaktır.
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
Ve böylece, tümör ortamının
anahtar bileşenlerini
anahtar bileşenlerini
03:43
of the tumor environment,
74
211974
1644
bir kez belirledik mi,
03:45
we can propose hypotheses
75
213642
1948
hipotezimizi önerebiliriz
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
sonra senaryoları ve
iyileştirici müdahaleleri
iyileştirici müdahaleleri
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
tamamen güvenli ve ucuz
bir biçimde simule edebiliriz
bir biçimde simule edebiliriz
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
sonra da benim ve sizin gibi
ev sahiplerine zarar vermeden
ev sahiplerine zarar vermeden
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
kanseri öldürmek için,
mikroortamın farklı bileşenlerini
mikroortamın farklı bileşenlerini
04:01
such as me or you.
80
229794
1570
hedef alabiliriz.
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
Ve böylece araştırmamın
öncelikli hedefi
öncelikli hedefi
04:08
is to advance research and innovation
82
236055
2266
araştırmayı ve innovasyonu sürdürmek
04:10
and to reduce its cost,
83
238345
1896
ve maliyeti azaltmak iken,
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
asıl amaç, tabii ki,
hayatları kurtarmak.
hayatları kurtarmak.
04:15
And that's what I try to do
85
243278
1771
Matematiksel modellemeyi, biyolojiye
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
ve özellikle de
ilaç geliştirmeye uygulayarak
ilaç geliştirmeye uygulayarak
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
yapmaya çalıştığım şey tam olarak bu.
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
Yakın zamana kadar nispeten
bir şekilde marjinal kalmış bir alan,
bir şekilde marjinal kalmış bir alan,
04:26
but it has matured.
89
254975
1452
ama olgunlaştı.
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
Ve şimdi çok gelişmiş
matematiksel yöntemler,
matematiksel yöntemler,
önceden programlanmış
bir sürü araç,
bir sürü araç,
04:31
a lot of preprogrammed tools,
91
259624
1899
ücretsiz olanlar dâhil
04:33
including free ones,
92
261547
1496
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
ve giderek artan miktarda
bilgisayar gücümüz var.
bilgisayar gücümüz var.
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
Matematiksel modellemenin
gücü ve güzelliği
gücü ve güzelliği
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
bildiğimizi düşündüğümüz şeyleri
04:46
in a very rigorous way,
96
274806
2087
çok titiz bir şekilde formülize etmemizi
04:48
what we think we know.
97
276917
1465
sağlamasında yatıyor.
04:50
We make assumptions,
98
278904
1444
Varsayımlar yapıyoruz,
04:52
translate them into equations,
99
280372
1568
bunları denklemlere
dönüştürüyoruz,
dönüştürüyoruz,
04:53
run simulations,
100
281964
1311
simülasyonları çalıştırıyoruz,
04:55
all to answer the question:
101
283299
1773
hepsi şu soruya cevap vermek için:
04:57
In a world where my assumptions are true,
102
285096
2246
Varsayımlarımın
doğru olduğu bir dünyada,
doğru olduğu bir dünyada,
04:59
what do I expect to see?
103
287366
1570
ne görmeyi bekliyorum?
05:01
It's a pretty simple conceptual framework.
104
289890
2086
Oldukça basit bir kavramsal çerçeve.
05:04
It's all about asking the right questions.
105
292000
2226
Tamamen
doğru soruları sormakla ilgili.
doğru soruları sormakla ilgili.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Ama biyoloji hipotezlerini test etmek için
sayısız fırsatlar sağlıyor.
sayısız fırsatlar sağlıyor.
05:11
If our predictions match our observations,
107
299696
2600
Tahminlerimiz
gözlemlerimizle uyuşursa
gözlemlerimizle uyuşursa
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
harika! -- doğru yoldayız,
modelin şu ya da bu yönünü değiştirip
modelin şu ya da bu yönünü değiştirip
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
yeni tahminlerde bulunabiliriz.
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
Ancak tahminlerimiz
gözlemlerimizle uyuşmuyorsa
gözlemlerimizle uyuşmuyorsa
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
bu bazı varsayımlarımızın
hatalı olduğu anlamına gelir
hatalı olduğu anlamına gelir
ve altta yatan biyolojinin
anahtar mekanizmalarını
anahtar mekanizmalarını
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
05:29
of underlying biology
113
317523
1439
kavrayışımızın hâlâ eksik
05:30
is still incomplete.
114
318986
1270
olduğu anlaşılır.
05:32
Luckily, since this is a model,
115
320829
2362
Neyse ki,
bu bir model olduğundan
bu bir model olduğundan
05:35
we control all the assumptions.
116
323215
1889
tüm varsayımları kontrol ederiz.
Üzerlerinden tek tek gidebilir,
05:37
So we can go through them, one by one,
117
325128
2140
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
hangisi ya da hangilerinin tutarsızlığa
neden olduğunu tespit edebiliriz.
neden olduğunu tespit edebiliriz.
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
Ve sonra bu yeni tespit ettiğimiz
bilgi açığını,
bilgi açığını,
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
deneysel ve teorik yaklaşımlar
kulanarak doldurabiliriz.
kulanarak doldurabiliriz.
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
Tabii ki, her ekosistem
son derece karmaşıktır
son derece karmaşıktır
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
ve bütün hareketli şeyleri açıklamaya
çalışmak çok zor olmakla kalmayıp
çalışmak çok zor olmakla kalmayıp
her zaman
bilgilendirici de değildir.
bilgilendirici de değildir.
05:57
but also not very informative.
123
345411
1662
05:59
There's also the issue of timescales,
124
347518
2066
Ayrıca bir de zaman skalası sorunu var,
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
çünkü bazı işlemler saniyeler
içerisinde gerçekleşir, bazıları dakikalar
içerisinde gerçekleşir, bazıları dakikalar
06:05
some days, months and years.
126
353300
1948
bazıları ise günler, aylar,
hatta yıllar içerisinde.
hatta yıllar içerisinde.
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
Bunları deneysel olarak ayırt etmek
her zaman mümkün olmayabilir
her zaman mümkün olmayabilir
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
ve bazı şeyler çok hızlı ya da
çok yavaş yaşandığı için
çok yavaş yaşandığı için
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
onları fiziksel olarak ölçmeniz
asla mümkün olmayabilir.
asla mümkün olmayabilir.
06:17
But as mathematicians,
130
365295
2288
Ama matematikçiler olarak
herhangi bir altsistemde,
herhangi bir zaman aralığına zoom yaparak,
herhangi bir zaman aralığına zoom yaparak,
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
06:25
and simulate effects of interventions
132
373276
2124
bu zaman aralığında gerçekleşen
06:27
that take place in any timescale.
133
375424
2701
müdahalelerin etkilerini
simule etme gücümüz var.
simule etme gücümüz var.
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Tabii ki, bu sadece
modelleme yapanın işi değil.
modelleme yapanın işi değil.
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
Biyologlarla da
yakın işbirliğiyle yapılmalı.
yakın işbirliğiyle yapılmalı.
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
Ve bir çeviri kapasitesi gerektirir
06:41
on both sides.
137
389241
1204
her iki taraf için de.
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
Ama bir problemin teorik
formülasyonuyla başlamak;
formülasyonuyla başlamak;
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
hipotezleri test etmek,
senaryoları ve iyileştirici müdahaleleri
senaryoları ve iyileştirici müdahaleleri
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
güvenli bir şekilde simule etmek için
06:54
all in a completely safe way.
141
402146
2070
sınırsız fırsat sunar.
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
Bu da, bilgideki eksiklikleri ve
mantıksal tutarsızlıkları tespit etmemize
mantıksal tutarsızlıkları tespit etmemize
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
ve nereye bakmamız gerektiğini
ve çıkmazın nerede olduğunu
ve çıkmazın nerede olduğunu
07:05
and where there may be a dead end.
144
413039
1895
görmemize yardım edebilir.
07:07
In other words:
145
415632
1247
Başka bir deyişle:
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
matematiksel modelleme,
insanların sağlıklarını doğrudan etkileyen
insanların sağlıklarını doğrudan etkileyen
07:12
that directly affect people's health --
147
420421
2388
hatta her insanın sağlığını etkileyen
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
soruları cevaplamaya yardım eder.
07:18
because mathematical modeling will be key
149
426670
2676
Çünkü matematiksel modelleme
kişiselleştirilmiş ilaçlar
kişiselleştirilmiş ilaçlar
07:21
to propelling personalized medicine.
150
429370
1834
geliştirmenin anahtarıdır.
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
Ve bunların hepsi gelip
doğru soruyu sormaya dayanıyor
doğru soruyu sormaya dayanıyor
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
ve onu doğru denkleme çevirmeye
07:30
and back.
153
438670
1150
ve sonra yeniden.
07:32
Thank you.
154
440533
1151
Teşekkürler.
07:33
(Applause)
155
441708
3299
(Alkışlar)
ABOUT THE SPEAKER
Irina Kareva - Theoretical biologistIrina Kareva is looking for answers to biological questions using mathematical modeling.
Why you should listen
Dr. Irina Kareva studies cancer as an evolving ecosystem, bringing in insights from various disciplines -- from evolutionary biology to paleontology to ergodic theory -- to understand how we can manage, if not cure, cancer like a chronic disease. She has authored more than 25 publications, including several papers with her parents, who are also mathematicians. The Kareva clan was featured in a Nature article entitled "Relationships: Scions of Science."
Kareva is a research scientist at EMD Serono Research Center near Boston Massachusetts, US. Her book, Understanding Cancer from a Systems Biology Point of View: From Observation to Theory and Back, was recently published by Elsevier, and a second book on mathematical modeling of the evolution of heterogeneous populations will be released in mid-2019.
In addition to her scientific studies and endeavors, Kareva also holds a degree in music and works actively as a professional opera singer. She is a member of the Boston Symphony Orchestra’s Tanglewood Festival Chorus, has performed solo roles in local productions, religious music performances, and can even occasionally be heard in pieces as varied as video game soundtracks and heavy metal recordings.
Irina Kareva | Speaker | TED.com