ABOUT THE SPEAKER
Richard Resnick - Entrepreneur
Richard 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.

More profile about the speaker
Richard Resnick | Speaker | TED.com
TEDxBoston 2011

Richard Resnick: Welcome to the genomic revolution

Richard Resnick: Willkommen zur Genomrevolution

Filmed:
1,041,798 views

In diesem zugänglichen Vortrag von TEDxBoston zeigt Richard Resnick, wie günstige und schnelle Genomsequenzierung das Gesundheitswesen (sowie das Versicherungswesen und die Politik) revolutioniert.
- Entrepreneur
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
LadiesDamen and gentlemenHerren,
0
0
2000
Sehr verehrte Damen und Herren.
00:17
I presentGeschenk to you the humanMensch genomeGenom.
1
2000
3000
Ich präsentiere Ihnen das menschliche Genom.
00:20
(ApplauseApplaus)
2
5000
3000
(Applaus)
00:23
ChromosomeChromosom one, topoben left.
3
8000
2000
Chromosom eins, oben links.
00:25
BottomUnten right are the sexSex chromosomesChromosomen.
4
10000
2000
Unten rechts sind die Geschlechtschromosomen.
00:27
WomenFrauen have two copiesKopien of that biggroß X chromosomeChromosom;
5
12000
2000
Frauen haben zwei Kopien dieses grossen X-Chromosoms;
00:29
menMänner have the X
6
14000
2000
Männer haben das X
00:31
and, of courseKurs, that smallklein copyKopieren of the Y.
7
16000
2000
und natürlich diese kleine Kopie vom Y.
00:33
Sorry boysJungen, but it's just a tinysehr klein little thing that makesmacht you differentanders.
8
18000
4000
Entschuldigt, Jungs, aber es ist nur eine winzig kleine Sache, die euch anders macht.
00:37
So if you zoomZoomen in on this genomeGenom,
9
22000
3000
Also wenn Sie dieses Genom näher betrachten,
00:40
then what you see, of courseKurs, is this doubledoppelt helixWendel structureStruktur --
10
25000
3000
dann sehen Sie natürlich diese Doppelhelixstruktur –
00:43
the codeCode of life spelledDinkel out with these fourvier biochemicalbiochemisch lettersBriefe,
11
28000
2000
den Code des Lebens, ausgeschrieben mit diesen vier biochemischen Buchstaben,
00:45
or we call them basesBasen, right:
12
30000
2000
oder wir nennen sie Basen:
00:47
A, C, G and T.
13
32000
2000
A, C, G und T.
00:49
How manyviele are there in the humanMensch genomeGenom? ThreeDrei billionMilliarde.
14
34000
2000
Wie viele gibt es im menschlichen Genom? Drei Milliarden.
00:51
Is that a biggroß numberNummer?
15
36000
2000
Ist dies eine grosse Zahl?
00:53
Well, everybodyjeder can throwwerfen around biggroß numbersNummern.
16
38000
2000
Nun, jedermann kann mit grossen Zahlen um sich werfen.
00:55
But in factTatsache, if I were to placeOrt one baseBase
17
40000
2000
Wenn ich genau genommen jedoch eine Base
00:57
on eachjede einzelne pixelPixel of this 1280 by 800 resolutionAuflösung screenBildschirm,
18
42000
3000
auf jeden Pixel dieses Bildschirms mit der Auflösung von 1280 x 800 verteilte,
01:00
we would need 3,000 screensBildschirme to take a look at the genomeGenom.
19
45000
3000
würden wir 3000 Bildschirme brauchen, um einen Blick auf das Genom werfen zu können.
01:03
So it's really quiteganz biggroß.
20
48000
2000
Es ist also wirklich ziemlich gross.
01:05
And perhapsvielleicht because of its sizeGröße,
21
50000
2000
Und vielleicht wegen seiner Grösse
01:07
a groupGruppe of people -- all, by the way, with Y chromosomesChromosomen --
22
52000
3000
hat eine Gruppe von Menschen – übrigens alle mit Y-Chromosomen –
01:10
decidedbeschlossen they would want to sequenceSequenz it.
23
55000
2000
entschieden, es zu sequenzieren.
01:12
(LaughterLachen)
24
57000
2000
(Lachen)
01:14
And so 15 yearsJahre, actuallytatsächlich, and about fourvier billionMilliarde dollarsDollar laterspäter,
25
59000
3000
15 Jahre und etwa vier Milliarden Dollar später
01:17
the genomeGenom was sequencedsequenziert and publishedveröffentlicht.
26
62000
2000
war das Genom sequenziert und publiziert.
01:19
In 2003, the finalFinale versionVersion was publishedveröffentlicht, and they keep workingArbeiten on it.
27
64000
3000
2003 wurde die endgültige Version publiziert, und es wird weiter daran gearbeitet.
01:22
That was all doneerledigt on a machineMaschine that lookssieht aus like this.
28
67000
2000
Dies wurde alles auf einer Maschine gemacht, die folgendermassen aussieht.
01:24
It costsKosten about a dollarDollar for eachjede einzelne baseBase --
29
69000
2000
Die Kosten belaufen sich auf ungefähr einen Dollar pro Base –
01:26
a very slowlangsam way of doing it.
30
71000
2000
eine sehr langwierige Arbeit.
01:28
Well folksLeute, I'm here to tell you
31
73000
2000
Sehr verehrtes Publikum, ich bin hier, um ihnen zu sagen,
01:30
that the worldWelt has completelyvollständig changedgeändert
32
75000
2000
dass sich die Welt komplett verändert hat
01:32
and nonekeiner of you know about it.
33
77000
2000
und niemand von Ihnen sich dessen bewusst ist.
01:34
So now what we do is we take a genomeGenom,
34
79000
2000
Jetzt nehmen wir also ein Genom,
01:36
we make maybe 50 copiesKopien of it,
35
81000
2000
machen vielleicht 50 Kopien davon,
01:38
we cutschneiden all those copiesKopien up into little 50-base-Base readsliest,
36
83000
3000
zerschneiden alle diese Kopien in kleine 50-Basen-Stücke,
01:41
and then we sequenceSequenz them, massivelymassiv parallelparallel.
37
86000
2000
und dann sequenzieren wir sie genau gleich.
01:43
And then we bringbringen that into softwareSoftware,
38
88000
2000
Und dann übertragen wir es in eine Software,
01:45
and we reassemblewieder zusammensetzen it and we tell you what the storyGeschichte is.
39
90000
2000
bauen es wieder zusammen und klären Sie auf.
01:47
And so just to give you a pictureBild of what this lookssieht aus like,
40
92000
3000
Und nur, um Ihnen eine Idee zu geben, wie das aussieht,
01:50
the HumanMenschlichen GenomeGenom ProjectProjekt: 3 gigabasesGigabasen, right.
41
95000
2000
das menschliche Genom-Projekt: drei Gigabasen, richtig.
01:52
One runLauf on one of these machinesMaschinen:
42
97000
2000
Ein Lauf auf einer dieser Maschinen:
01:54
200 gigabasesGigabasen in a weekWoche.
43
99000
3000
200 Gigabasen in einer Woche.
01:57
And that 200 is going to changeVeränderung to 600 this summerSommer-,
44
102000
3000
Und diese 200 werden in diesem Sommer zu 600,
02:00
and there's no signSchild of this paceTempo slowingverlangsamt.
45
105000
3000
und es gibt keinen Grund zur Annahme, dass sich das Tempo verlangsamen könnte.
02:03
So the pricePreis of a baseBase, to sequenceSequenz a baseBase,
46
108000
3000
Also hat sich der Preis einer Base, der Sequenzierung einer Base,
02:06
has fallengefallen 100 millionMillion timesmal.
47
111000
3000
um 100 Millionen Mal reduziert.
02:09
That's the equivalentÄquivalent of you fillingFüllung up your carAuto with gasGas in 1998,
48
114000
3000
Das ist dasselbe, wie wenn Sie Ihren Wagen 1998 volltanken
02:12
waitingwarten untilbis 2011,
49
117000
2000
und dann bis 2011 warten:
02:14
and now you can driveFahrt to JupiterJupiter and back twicezweimal.
50
119000
2000
Jetzt können Sie zweimal zum Jupiter hin- und zurückfahren.
02:16
(LaughterLachen)
51
121000
5000
(Lachen)
02:21
WorldWelt populationBevölkerung,
52
126000
2000
Weltbevölkerung,
02:23
PCPC placementsPraktika,
53
128000
2000
PC-Platzierungen,
02:25
the archiveArchiv of all the medicalmedizinisch literatureLiteratur,
54
130000
3000
das Archiv der ganzen medizinischen Literatur,
02:28
Moore'sMoores lawRecht,
55
133000
2000
Mooresches Gesetz,
02:30
the oldalt way of sequencingSequenzierung, and here'shier ist all the newneu stuffSachen.
56
135000
3000
die alte Weise vom Sequenzieren, und hier sind alle neuen Sachen.
02:33
Guys, this is a logLog scaleRahmen;
57
138000
2000
Jungs, das ist eine logarithmische Skala;
02:35
you don't typicallytypischerweise see linesLinien that go up like that.
58
140000
3000
Sie sehen typischerweise keine Linien, welche wie diese verlaufen.
02:38
So the worldwideweltweit capacityKapazität to sequenceSequenz humanMensch genomesGenome
59
143000
3000
Die weltweite Kapazität zur Sequenzierung menschlicher Genome
02:41
is something like 50,000 to 100,000 humanMensch genomesGenome this yearJahr.
60
146000
3000
liegt dieses Jahr im Bereich von 50'000 bis 100'000 menschlicher Genome.
02:44
And we know this basedbasierend on the machinesMaschinen that are beingSein placedplatziert.
61
149000
3000
Und wir wissen dies aufgrund der Maschinen, die gekauft werden.
02:47
This is expectederwartet to doubledoppelt, tripleverdreifachen or maybe quadrupleVierbettzimmer
62
152000
3000
Es wird erwartet, dass sich diese Menge in absehbarer Zeit jedes Jahr
02:50
yearJahr over yearJahr for the foreseeablevorhersehbaren futureZukunft.
63
155000
2000
verdoppelt, verdreifacht oder sogar vervierfacht.
02:52
In factTatsache, there's one labLabor in particularinsbesondere
64
157000
2000
Es gibt übrigens ein Labor,
02:54
that representsrepräsentiert 20 percentProzent of all that capacityKapazität.
65
159000
3000
das 20 Prozent dieser Kapazität ausmacht.
02:57
It's callednamens the BeijingBeijing GenomicsGenomik InstituteInstitut.
66
162000
3000
Es heisst Beijing Genomics Institute.
03:00
The ChineseChinesisch are absolutelyunbedingt winninggewinnen this raceRennen to the newneu MoonMond, by the way.
67
165000
4000
Übrigens, die Chinesen gewinnen dieses Rennen zum neuen Mond klar.
03:04
What does this mean for medicineMedizin?
68
169000
2000
Was bedeutet dies für die Medizin?
03:06
So a womanFrau is ageAlter 37.
69
171000
2000
Nehmen wir eine 37-jährige Frau.
03:08
She presentsdie Geschenke with stageStufe 2 estrogenÖstrogen receptor-positiveHormonrezeptor-positivem breastBrust cancerKrebs.
70
173000
4000
Sie hat Östrogen-Rezeptor-positiven Brustkrebs Stufe 2.
03:12
She is treatedbehandelt with surgeryChirurgie, chemotherapyChemotherapie and radiationStrahlung.
71
177000
3000
Sie wird operiert, mit Chemotherapie und Bestrahlung behandelt.
03:15
She goesgeht home.
72
180000
2000
Sie geht nach Hause.
03:17
Two yearsJahre laterspäter, she comeskommt back with stageStufe threedrei C ovarianEierstockkrebs cancerKrebs.
73
182000
3000
Zwei Jahre später kommt sie zurück mit Eierstockkrebs Stufe 3.
03:20
UnfortunatelyLeider, treatedbehandelt again with surgeryChirurgie and chemotherapyChemotherapie.
74
185000
3000
Leider wird sie wieder operiert und mit Chemotherapie behandelt.
03:23
She comeskommt back threedrei yearsJahre laterspäter at ageAlter 42
75
188000
2000
Sie kommt drei Jahre später im Alter von 42 Jahren zurück,
03:25
with more ovarianEierstockkrebs cancerKrebs, more chemotherapyChemotherapie.
76
190000
3000
sie hat wieder Eierstockkrebs, sie erhält eine weitere Chemotherapie.
03:28
SixSechs monthsMonate laterspäter,
77
193000
2000
Sechs Monate später
03:30
she comeskommt back with acuteakut myeloidmyeloische leukemiaLeukämie.
78
195000
3000
kommt sie zurück mit akuter myeloischer Leukämie.
03:34
She goesgeht into respiratoryAtemwege failureFehler and diesstirbt eightacht daysTage laterspäter.
79
199000
3000
Sie stirbt acht Tage später an Atemversagen.
03:37
So first, the way in whichwelche this womanFrau was treatedbehandelt, in as little as 10 yearsJahre,
80
202000
3000
Zunächst einmal erinnert die Art und Weise, wie diese Frau innerhalb von nur zehn Jahren behandelt wurde,
03:40
will look like bloodlettingAderlass.
81
205000
3000
an Blutvergiessen.
03:43
And it's because of people like my colleagueKollege, RickRick WilsonWilson,
82
208000
2000
Und Leute wie mein Kollege Rick Wilson
03:45
at the GenomeGenom InstituteInstitut at WashingtonWashington UniversityUniversität,
83
210000
3000
vom Genom-Institut der Universität von Washington,
03:48
who decidedbeschlossen to take a look at this womanFrau postmortemObduktion.
84
213000
2000
haben beschlossen, diese Frau nach ihrem Tod zu untersuchen.
03:50
And he sequencedsequenziert, he tookdauerte skinHaut cellsZellen, healthygesund skinHaut,
85
215000
3000
Und er sequenzierte, er entnahm Hautzellen, gesunde Haut
03:53
and cancerousKrebs boneKnochen marrowKnochenmark,
86
218000
2000
und krebsartiges Knochenmark,
03:55
and he sequencedsequenziert the wholeganze genomesGenome of bothbeide of them
87
220000
2000
und er sequenzierte die ganzen Genome von beidem
03:57
in a couplePaar of weeksWochen, no biggroß dealDeal.
88
222000
3000
in wenigen Wochen – keine grosse Sache.
04:00
And then he comparedverglichen those two genomesGenome in softwareSoftware,
89
225000
2000
Und dann verglich er die beiden Genome mit einer Software,
04:02
and what he foundgefunden, amongunter other things,
90
227000
2000
und er fand unter anderem
04:04
was a deletionStreichung, a 2,000-base-Base deletionStreichung
91
229000
2000
eine Löschung, eine 2000-Basen-Löschung,
04:06
acrossüber threedrei billionMilliarde basesBasen
92
231000
2000
unter drei Milliarden Basen
04:08
in a particularinsbesondere geneGen callednamens TPTP53.
93
233000
2000
in einem bestimmten Gen namens TP53.
04:10
If you have this deleteriousschädliche mutationMutation in this geneGen,
94
235000
3000
Wenn man diese schädliche Mutation in diesem Gen hat,
04:13
you're 90 percentProzent likelywahrscheinlich to get cancerKrebs in your life.
95
238000
3000
dann erkrankt man in seinem Leben mit einer Wahrscheinlichkeit von 90 % an Krebs.
04:16
So unfortunatelyUnglücklicherweise, this doesn't help this womanFrau,
96
241000
2000
Leider hilft es dieser Frau nicht,
04:18
but it does have severeschwer, profoundtiefsinnig if you will,
97
243000
3000
aber es hat schwerwiegende, tiefgreifende, wenn man so will,
04:21
implicationsImplikationen to her familyFamilie.
98
246000
2000
Auswirkungen auf ihre Familie.
04:23
I mean, if they have the samegleich mutationMutation,
99
248000
2000
Wenn sie nämlich die gleiche Mutation haben,
04:25
and they get this geneticgenetisch testTest, and they understandverstehen it,
100
250000
3000
diesen genetischen Test erhalten und ihn verstehen,
04:28
then they can go and get regularregulär screensBildschirme, and they can catchFang cancerKrebs earlyfrüh
101
253000
3000
dann können sie sich regelmässig untersuchen lassen und Krebs früher erkennen
04:31
and potentiallymöglicherweise liveLeben a significantlybedeutend longerlänger life.
102
256000
2000
und unter Umständen deutlich länger leben.
04:33
Let me introducevorstellen you now to the BeeryBierige twinsZwillinge,
103
258000
2000
Lassen Sie mich jetzt die Beery-Zwillinge vorstellen,
04:35
diagnoseddiagnostiziert with cerebralzerebrale palsyZerebralparese at the ageAlter of two.
104
260000
2000
die im Alter von zwei Jahren mit Zerebralparese diagnostiziert wurden.
04:37
TheirIhre momMama is a very bravemutig womanFrau
105
262000
2000
Ihre Mutter ist eine sehr mutige Frau,
04:39
who didn't believe that the symptomsSymptome weren'twaren nicht matchingpassende up,
106
264000
2000
die nicht glaubte, dass die Symptome nicht übereinstimmten
04:41
and throughdurch some heroicheroische effortsBemühungen and a lot of InternetInternet searchingSuche,
107
266000
2000
und durch einige heroische Anstrengungen und viel Internetrecherche
04:43
she was ablefähig to convinceüberzeugen the medicalmedizinisch communityGemeinschaft
108
268000
3000
die medizinische Gemeinschaft davon überzeugen konnte,
04:46
that, in factTatsache, they had something elsesonst.
109
271000
2000
dass sie tatsächlich etwas anderes hatten.
04:48
What they had was dopa-responsiveDopa-responsive dystoniaDystonie.
110
273000
3000
Sie hatten Dopa-responsive Dystonie.
04:51
And so they were givengegeben L-DopaL-Dopa,
111
276000
2000
Und so wurden ihnen L-Dopa verabreicht,
04:53
and theirihr symptomsSymptome did improveverbessern,
112
278000
2000
und ihre Symptome verbesserten sich,
04:55
but they weren'twaren nicht totallytotal asymptomaticasymptomatischen.
113
280000
2000
aber sie waren nicht völlig asymptomatisch.
04:57
SignificantBedeutende problemsProbleme remainedblieb.
114
282000
2000
Signifikante Probleme blieben.
04:59
TurnsDreht sich out the gentlemanGentleman in this pictureBild is a guy namedgenannt JoeJoe BeeryBierige,
115
284000
2000
Der Herr auf diesem Bild ist ein Mann namens Joe Beery,
05:01
who was luckyglücklich enoughgenug to be the CIOCIO
116
286000
2000
der das Glück hat, der CIO
05:03
of a companyUnternehmen callednamens Life TechnologiesTechnologien.
117
288000
2000
eines Unternehmens namens Life Technologies zu sein.
05:05
They're one of the two companiesFirmen
118
290000
2000
Das ist eines von zwei Unternehmen,
05:07
that makesmacht these massivemassiv wholeganze genomeGenom sequencingSequenzierung toolsWerkzeuge.
119
292000
3000
die diese grossen Werkzeuge zur Genomsequenzierung herstellen.
05:10
And so what he did was he got his kidsKinder sequencedsequenziert.
120
295000
3000
Und so sequenzierte er die Genome seiner Kinder.
05:13
And what they foundgefunden was a seriesSerie of mutationsMutationen in a geneGen callednamens SPRSPR,
121
298000
3000
Und was sie fanden, war eine Reihe von Mutationen in einem Gen namens SPR,
05:16
whichwelche is responsibleverantwortlich for producingproduzierend serotoninSerotonin, amongunter other things.
122
301000
4000
das unter anderem verantwortlich ist für die Herstellung von Serotonin.
05:20
So on topoben of L-DopaL-Dopa, they gavegab these kidsKinder a serotoninSerotonin precursorVorläufer drugDroge,
123
305000
3000
So verabreichten sie diesen Kindern neben L-Dopa einen Serotonin-Vorläuferstoff,
05:23
and they're effectivelyeffektiv normalnormal now.
124
308000
2000
und sie sind jetzt praktisch normal.
05:25
Guys, this would never have happenedpassiert withoutohne wholeganze genomeGenom sequencingSequenzierung.
125
310000
3000
Jungs, dies wäre ohne die ganze Genomsequenzierung nie geschehen.
05:28
And at the time -- this was a fewwenige yearsJahre agovor -- it costKosten $100,000.
126
313000
2000
Zu dieser Zeit – dies war vor ein paar Jahren – kostete das 100'000 Dollar.
05:30
TodayHeute it's $10,000. NextNächste yearJahr it's $1,000.
127
315000
2000
Heute sind es 10'000 Dollar. Nächstes Jahr sind es 1000 Dollar.
05:32
The yearJahr after it's $100, give or take a yearJahr.
128
317000
2000
Etwa ein Jahr danach sind es 100 Dollar.
05:34
That's how fastschnell this is movingbewegend.
129
319000
2000
So schnell verändert sich das.
05:36
So here'shier ist little NickNick --
130
321000
2000
Das ist der kleine Nick.
05:38
likesLikes BatmanBatman and squirtAbspritzende Frauen gunsWaffen.
131
323000
3000
Er mag Batman und Wasserpistolen.
05:41
And it turnswendet sich out NickNick showszeigt an up at the children'sKinder- hospitalKrankenhaus
132
326000
3000
Und es stellt sich heraus, dass Nick ins Kinderspital geht,
05:44
with this distendedaufgebläht bellyBauch like a famineHungersnot victimOpfer.
133
329000
2000
mit diesem aufgeblähten Bauch wie der eines Hungersnotopfers.
05:46
And it's not that he's not eatingEssen,
134
331000
2000
Und es ist nicht so, als würde er nicht essen.
05:48
it's that when he eatsisst, his intestineDarm basicallyGrundsätzlich gilt opensöffnet up
135
333000
2000
Aber wenn er isst, öffnet sich sein Darm im Grunde genommen
05:50
and fecesKot spillVerschütten out into his gutDarm.
136
335000
2000
und Stuhl gelangt in seinen Bauch.
05:52
So a hundredhundert surgeriesOperationen laterspäter,
137
337000
2000
So, hundert Operationen später,
05:54
he lookssieht aus at his momMama and sayssagt, "MomMutter,
138
339000
3000
schaut er zu seiner Mutter und sagt: "Mama,
05:57
please praybeten for me. I'm in so much painSchmerz."
139
342000
3000
bitte bete für mich. Ich habe so starke Schmerzen."
06:00
His pediatricianKinderarzt happensdas passiert to have a backgroundHintergrund in clinicalklinisch geneticsGenetik
140
345000
3000
Zufälligerweise hat sein Kinderarzt Erfahrung mit klinischer Genetik,
06:03
and he has no ideaIdee what's going on,
141
348000
2000
und obwohl er nicht weiss, was los ist,
06:05
but he sayssagt, "Let's get this kid'sKind genomeGenom sequencedsequenziert."
142
350000
2000
sagt er: "Lassen Sie uns die Genome dieses Kindes sequenzieren."
06:07
And what they find is a single-pointEinpunkt- mutationMutation
143
352000
2000
Und was sie finden, ist ein Single-Point-Mutation
06:09
in a geneGen responsibleverantwortlich for controllingControlling programmedprogrammiert cellZelle deathTod.
144
354000
3000
in einem Gen, das für die Kontrolle des programmierten Zelltodes verantwortlich ist.
06:12
So the theoryTheorie is that he's havingmit some immunologicalimmunologische reactionReaktion
145
357000
3000
Die Theorie ist, dass er eine immunologische Reaktion
06:15
to what's going on to the foodLebensmittel essentiallyim Wesentlichen,
146
360000
3000
auf die Nahrung im Wesentlichen hat,
06:18
and that's a naturalnatürlich reactionReaktion, whichwelche causesUrsachen some programmedprogrammiert cellZelle deathTod.
147
363000
3000
und das ist eine natürliche Reaktion, die einen programmierten Zelltod verursacht.
06:21
But the geneGen that regulatesregelt that down is brokengebrochen.
148
366000
2000
Doch das Gen, das das regelt, ist beschädigt.
06:23
And so this informsinformiert, amongunter other things, of courseKurs,
149
368000
2000
Und so weist das, natürlich unter anderem,
06:25
a treatmentBehandlung for boneKnochen marrowKnochenmark transplantTransplantation, whichwelche he undertakesverpflichtet sich.
150
370000
3000
auf eine Knochenmarktransplantation hin, die er durchführt.
06:28
And after nineneun monthsMonate of gruelinganstrengende recoveryErholung,
151
373000
2000
Und nach neun Monaten strapaziöser Erholung
06:30
he's now eatingEssen steakSteak with A1 sauceSoße.
152
375000
2000
isst er jetzt ein Steak mit bester Sauce.
06:32
(LaughterLachen)
153
377000
2000
(Lachen)
06:34
The prospectAussicht of usingmit the genomeGenom
154
379000
2000
Die Chance, das Genom
06:36
as a universalUniversal- diagnosticDiagnose
155
381000
2000
als unversale Diagnose zu verwenden,
06:38
is uponauf us todayheute.
156
383000
2000
liegt heute in unseren Händen.
06:40
TodayHeute, it's here.
157
385000
2000
Heute ist sie hier.
06:42
And what it meansmeint for all of us
158
387000
2000
Und was das für uns alle bedeutet
06:44
is that everybodyjeder in this roomZimmer could liveLeben an extraextra fivefünf, 10, 20 yearsJahre
159
389000
3000
ist, dass alle in diesem Raum 5, 10 oder 20 Jahre länger leben könnten,
06:47
just because of this one thing.
160
392000
2000
nur wegen dieser einen Sache.
06:49
WhichDie is a fantasticfantastisch storyGeschichte,
161
394000
2000
Dies sind grandiose Aussichten,
06:51
unlesses sei denn you think about humanity'sMenschheit footprintFußabdruck on the planetPlanet
162
396000
3000
es sei denn, Sie bedenken die durch Menschen verursachte Umweltverschmutzung
06:54
and our abilityFähigkeit to keep up foodLebensmittel productionProduktion.
163
399000
2000
und unsere Fähigkeit, die Nahrungsproduktion aufrechtzuerhalten.
06:56
So it turnswendet sich out
164
401000
2000
So stellt es sich heraus,
06:58
that the very samegleich technologyTechnologie
165
403000
2000
dass die genau gleiche Technologie
07:00
is alsoebenfalls beingSein used to growgrößer werden newneu linesLinien
166
405000
2000
auch gebraucht wird, um neue
07:02
of cornMais, wheatWeizen, soybeanSojabohne and other cropsPflanzen
167
407000
3000
Mais-, Soja- und andere Nutzpflanzenarten anzubauen,
07:05
that are highlyhöchst toleranttolerant of droughtDürre, of floodFlut,
168
410000
2000
die sehr resistent gegen Dürre, Hochwasser,
07:07
of pestsSchädlinge and pesticidesPestizide.
169
412000
2000
Schädlinge und Pestizide sind.
07:09
Now look, as long as we continuefortsetzen to increaseerhöhen, ansteigen the populationBevölkerung,
170
414000
3000
Sehen Sie, solange die Erdbevölkerung weiter wächst,
07:12
we're going to have to continuefortsetzen to growgrößer werden and eatEssen geneticallygenetisch modifiedgeändert foodsLebensmittel,
171
417000
3000
müssen wir weiterhin genetisch veränderte Lebensmittel anbauen und essen,
07:15
and that's the only positionPosition that I'll take todayheute.
172
420000
3000
und das ist der einzige Standpunkt, den ich heute einnehme.
07:18
UnlessEs sei denn, there's anybodyirgendjemand in the audiencePublikum
173
423000
2000
Es sei denn, es gäbe jemanden im Publikum,
07:20
that would like to volunteersich freiwillig melden to stop eatingEssen?
174
425000
2000
der freiwillig aufhören möchte zu essen.
07:22
NoneKeine, not one.
175
427000
2000
Keiner, nicht einer.
07:24
This is a typewriterSchreibmaschine,
176
429000
2000
Dies ist eine Schreibmaschine,
07:26
a stapleKlammer of everyjeden desktopDesktop for decadesJahrzehnte.
177
431000
3000
ein unverzichtbares Gerät für jeden Arbeitsplatz während Jahrzehnten.
07:29
And in factTatsache, the typewriterSchreibmaschine was essentiallyim Wesentlichen deletedgelöscht by this thing.
178
434000
4000
Und in der Tat wurde die Schreibmaschine im Wesentlichen durch diese Sache ausgelöscht.
07:33
And then more generalGeneral versionsVersionen of wordWort processorsProzessoren camekam about.
179
438000
3000
Und die allgemeinere Version von Textverarbeitung kam auf.
07:36
But ultimatelyletzten Endes, it was a disruptionStörung on topoben of a disruptionStörung.
180
441000
3000
Aber letztendlich war es ein Verschwinden neben einem Verschwinden.
07:39
It was BobBob MetcalfeMetcalfe inventingerfinden the EthernetEthernet
181
444000
2000
Es waren Bob Metcalfes Erfindung des Ethernet
07:41
and the connectionVerbindung of all these computersComputer
182
446000
2000
und die Verbindung all dieser Computer,
07:43
that fundamentallygrundlegend changedgeändert everything.
183
448000
2000
die alles fundamental veränderten.
07:45
And suddenlyplötzlich we had NetscapeNetscape, and we had YahooYahoo
184
450000
3000
Und plötzlich hatten wir Netscape, und wir hatten Yahoo,
07:48
and we had, indeedtatsächlich, the entireganz dotcomDotcom bubbleBlase.
185
453000
3000
und wir hatten, tatsächlich, die ganze Dotcom-Blase.
07:51
(LaughterLachen)
186
456000
3000
(Lachen)
07:54
Not to worrySorge thoughobwohl,
187
459000
2000
Keine Sorge,
07:56
that was quicklyschnell rescuedgerettet by the iPodiPod, FacebookFacebook
188
461000
2000
die Situation wurde bald von iPod, Facebook
07:58
and, indeedtatsächlich, angrywütend birdsVögel.
189
463000
2000
und, tatsächlich, verärgerten Vögeln gerettet.
08:00
(LaughterLachen)
190
465000
2000
(Lachen)
08:02
Look, this is where we are todayheute.
191
467000
3000
Schauen Sie, hier sind wir heute.
08:05
This is the genomicgenomische revolutionRevolution todayheute. This is where we are.
192
470000
2000
Dies ist die genomische Revolution heute. Dies ist, wo wir sind.
08:07
So what I'd like you to considerErwägen is:
193
472000
2000
Was ich Ihnen zu bedenken geben möchte, ist:
08:09
What does it mean
194
474000
2000
Was bedeutet es,
08:11
when these dotsPunkte don't representvertreten the individualPerson basesBasen of your genomeGenom,
195
476000
3000
wenn diese Punkte nicht die einzelnen Basen von Ihrem Genom darstellen,
08:14
but they connectverbinden to genomesGenome all acrossüber the planetPlanet?
196
479000
3000
sondern mit Genomen auf der ganzen Welt verbunden sind?
08:17
So I just recentlyvor kurzem had to buykaufen life insuranceVersicherung.
197
482000
2000
Erst vor kurzem musste ich eine Lebensversicherung abschliessen.
08:19
And I was requirederforderlich to answerAntworten:
198
484000
2000
Und ich musste zwischen folgenden Antworten wählen:
08:21
A. I have never had a geneticgenetisch testTest, B. I've had one, here you go,
199
486000
3000
A. Ich hatte nie einen genetischen Test, B. Ich hatte einen, und jetzt kommts:
08:24
and C. I've had one and I'm not tellingErzählen.
200
489000
2000
C. Ich hatte einen, und ich verrate es nicht.
08:26
ThankfullyGott sei Dank, I was ablefähig to answerAntworten A,
201
491000
2000
Zum Glück konnte ich die Antwort A ankreuzen,
08:28
and I say that honestlyehrlich in caseFall my life insuranceVersicherung agentAgent is listeningHören.
202
493000
3000
und ich bin ehrlich, falls mein Versicherungsvertreter zuhört.
08:31
But what would have happenedpassiert if I had said C?
203
496000
3000
Aber was wäre passiert, wenn ich C gesagt hätte?
08:34
ConsumerVerbraucher applicationsAnwendungen for genomicsGenomik, they will flourishblühen.
204
499000
2000
Verbraucheranwendungen für die Genomik werden florieren.
08:36
Do you want to see whetherob you're geneticallygenetisch compatiblekompatibel
205
501000
2000
Wollen Sie sehen, ob Sie genetisch kompatibel
08:38
with your girlfriendFreundin? Sure.
206
503000
2000
mit Ihrer Freundin sind? Sicher.
08:40
DNADNA sequencingSequenzierung on your iPhoneiPhone? There's an appApp for that.
207
505000
3000
DNA-Sequenzierung auf Ihrem iPhone? Es gibt eine App dafür.
08:43
(LaughterLachen)
208
508000
2000
(Lachen)
08:45
PersonalizedPersonalisiert genomicgenomische massageMassage anyonejemand?
209
510000
3000
Personalisierte genomische Massage gefällig?
08:48
There's alreadybereits a labLabor todayheute
210
513000
2000
Es gibt bereits heute ein Labor,
08:50
that testsTests for alleleAllel 334 of the AVPRAVPR1 geneGen,
211
515000
2000
das auf das Allel 334 des AVPR1-Gens prüft,
08:52
the so-calledsogenannt cheatingbetrügen geneGen.
212
517000
2000
das sogenannte Betrüger-Gen.
08:54
So anybodyirgendjemand who'swer ist here todayheute with your significantsignifikant other,
213
519000
4000
Alle, die heute mit ihrer besseren Hälfte hier sind,
08:58
just turnWende over to them and swabTupfer theirihr mouthMund,
214
523000
2000
wenden sich einfach zu ihr hin und entnehmen eine Speichelprobe,
09:00
sendsenden it to the labLabor and you'lldu wirst know for sure.
215
525000
2000
senden diese an ein Labor, und Sie haben Gewissheit.
09:02
(LaughterLachen)
216
527000
2000
(Lachen)
09:04
Do you really want to electAuserwählten a presidentPräsident
217
529000
2000
Wollen Sie wirklich jemandem zum Präsidenten wählen,
09:06
whosederen genomeGenom suggestsschlägt vor cardiomyopathyKardiomyopathie?
218
531000
2000
dessen Genome auf Kardiomyopathie hindeuten?
09:08
Now think of it, it's 2016
219
533000
2000
Stellen Sie sich vor, im Jahr 2016
09:10
and the leadingführend candidateKandidat releasesVeröffentlichungen
220
535000
1000
veröffentlicht die führende Kandidatin
09:11
not only her fourvier yearsJahre of back taxSteuer returnskehrt zurück,
221
536000
2000
nicht nur ihre vier Jahre zurückliegenden Steuereinnahmen,
09:13
but alsoebenfalls her personalpersönlich genomeGenom.
222
538000
2000
sondern auch ihr persönliches Genom.
09:15
And it lookssieht aus really good.
223
540000
2000
Und es schaut wirklich gut aus.
09:17
And then she challengesHerausforderungen all of her competitorsWettbewerber to do the samegleich.
224
542000
2000
Und dann fordert sie alle Konkurrenten auf, dasselbe zu tun.
09:19
Do you think that's not going to happengeschehen?
225
544000
2000
Glauben Sie, dass das nicht passieren wird?
09:21
Do you think it would have helpedhalf JohnJohn McCainMcCain?
226
546000
2000
Glauben Sie, es hätte John McCain geholfen?
09:23
(LaughterLachen)
227
548000
2000
(Lachen)
09:25
How manyviele people in the audiencePublikum
228
550000
2000
Wie viele Leute im Publikum
09:27
have the last nameName ResnickResnick like me? RaiseErhöhen your handHand.
229
552000
2000
haben den Nachnamen Resnick wie ich? Heben Sie Ihre Hand.
09:29
AnybodyJeder? NobodyNiemand.
230
554000
2000
Irgendjemand? Niemand.
09:31
TypicallyIn der Regel, there's one or two.
231
556000
2000
In der Regel gibt es einen oder zwei.
09:33
So my father'sVaters fatherVater was one of 10 ResnickResnick brothersBrüder.
232
558000
2000
Der Vater meines Vaters war einer von zehn Resnick-Brüdern.
09:35
They all hatedgehasst eachjede einzelne other.
233
560000
2000
Sie alle hassten einander.
09:37
And they all movedbewegt to differentanders partsTeile of the planetPlanet.
234
562000
2000
Und sie alle zogen an unterschiedliche Orte auf der Welt.
09:39
So it's likelywahrscheinlich
235
564000
2000
So ist es wahrscheinlich,
09:41
that I'm relatedverwandte to everyjeden ResnickResnick that I ever meetTreffen, but I don't know.
236
566000
3000
dass ich mit jedem Resnick verwandt bin, den ich treffe, aber ich weiss es nicht.
09:44
But imaginevorstellen if my genomeGenom were deidentifieddeidentifiziert, sittingSitzung in softwareSoftware,
237
569000
3000
Aber stellen Sie sich vor, mein Genom wäre deidentifiziert, es wäre in einer Software
09:47
and a thirddritte cousin'sVetters genomeGenom was alsoebenfalls sittingSitzung there,
238
572000
2000
und ein Genom meiner Cousine dritten Grades wäre auch dort,
09:49
and there was softwareSoftware that could comparevergleichen these two
239
574000
2000
und es gäbe eine Software, die die beiden vergleichen könnte
09:51
and make these associationsVerbände.
240
576000
2000
und diese Assoziationen machen würde.
09:53
Not hardhart to imaginevorstellen. My companyUnternehmen has softwareSoftware that does this right now.
241
578000
3000
Nicht schwer vorstellbar. Mein Unternehmen verfügt über eine Software, die dies genau jetzt macht.
09:56
And so imaginevorstellen one more thing:
242
581000
2000
Und nun stellen Sie sich noch etwas vor:
09:58
that that softwareSoftware is ablefähig to askFragen bothbeide partiesParteien for mutualgegenseitige consentsZustimmungen,
243
583000
3000
dass diese Software fähig ist, beide Parteien nach gegenseitigem Einverständnis zu fragen:
10:01
"Would you be willingbereit to meetTreffen your thirddritte cousinCousin?"
244
586000
2000
"Wären Sie bereit, Ihre Cousine dritten Grades zu treffen?"
10:03
And if we bothbeide say yes,
245
588000
2000
Und wenn wir beide Ja sagen,
10:05
voilavoila! WelcomeHerzlich Willkommen to chromosomallychromosomal LinkedInLinkedIn.
246
590000
2000
voilà – willkommen zum chromosomalen LinkedIn.
10:07
(LaughterLachen)
247
592000
4000
(Lachen)
10:11
Now this is probablywahrscheinlich a good thing, right?
248
596000
2000
Nun, dies ist wahrscheinlich eine gute Sache, nicht wahr?
10:13
You have biggergrößer clanClan gatheringsVersammlungen and so on.
249
598000
2000
Sie haben grössere Familienfeiern und so weiter.
10:15
But maybe it's a badschlecht thing as well.
250
600000
2000
Aber vielleicht ist es auch eine schlechte Sache.
10:17
How manyviele fathersVäter in the roomZimmer? RaiseErhöhen your handsHände.
251
602000
2000
Wie viele Väter gibt es im Saal? Heben Sie Ihre Hand.
10:19
Okay, so expertsExperten think that one to threedrei percentProzent of you
252
604000
3000
Okay, also Experten glauben, dass ein bis drei Prozent von Ihnen
10:22
are not actuallytatsächlich the fatherVater of your childKind.
253
607000
2000
nicht wirklich der Vater Ihres Kinds sind.
10:24
(LaughterLachen)
254
609000
2000
(Lachen)
10:26
Look --
255
611000
2000
Schauen Sie –
10:28
(LaughterLachen)
256
613000
4000
(Lachen)
10:32
These genomesGenome, these 23 chromosomesChromosomen,
257
617000
3000
Diese Genome, diese 23 Chromosomen,
10:35
they don't in any way representvertreten the qualityQualität of our relationshipsBeziehungen
258
620000
3000
sie repräsentieren in keiner Art und Weise die Qualität unserer Beziehungen
10:38
or the natureNatur of our societyGesellschaft -- at leastam wenigsten not yetnoch.
259
623000
2000
oder den Charakter unserer Gesellschaft – zumindest noch nicht.
10:40
And like any newneu technologyTechnologie,
260
625000
2000
Und wie jede neue Technologie
10:42
it's really in humanity'sMenschheit handsHände
261
627000
2000
liegt es wirklich in den Händen der Menschen,
10:44
to wieldSchwingen it for the bettermentVerbesserung of mankindMenschheit, or not.
262
629000
3000
ob es für die Verbesserung der Menschheit genutzt wird oder nicht.
10:47
And so I urgeDrang you all to wakeaufwachen up and to tuneTune in
263
632000
3000
Und so bitte ich Sie alle, aufzuwachen und mitzumachen
10:50
and to influenceEinfluss the genomicgenomische revolutionRevolution that's happeningHappening all around you.
264
635000
3000
und die genomische Revolution zu beeinflussen, die um Sie herum geschieht.
10:53
Thank you.
265
638000
2000
Danke.
10:55
(ApplauseApplaus)
266
640000
2000
(Applaus)
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Richard Resnick - Entrepreneur
Richard 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.

More profile about the speaker
Richard Resnick | Speaker | TED.com