ABOUT THE SPEAKER
James Watson - Biologist, Nobel laureate
Nobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets.

Why you should listen

James Watson has led a long, remarkable life, starting at age 12, when he was one of radio's high-IQ Quiz Kids. By age 15, he had enrolled in the University of Chicago, and by 25, working with Francis Crick (and drawing, controversially, on the research of Maurice Wilkins and Rosalind Franklin), he had made the discovery that would eventually win the three men the Nobel Prize.

Watson and Crick's 1953 discovery of DNA's double-helix structure paved the way for the astounding breakthroughs in genetics and medicine that marked the second half of the 20th century. And Watson's classic 1968 memoir of the discovery, The Double Helix, changed the way the public perceives scientists, thanks to its candid account of the personality conflicts on the project.

From 1988 to 1994, he ran the Human Genome Project. His current passion is the quest to identify genetic bases for major illnesses; in 2007 he put his fully sequenced genome online, the second person to do so, in an effort to encourage personalized medicine and early detection and prevention of diseases. 

More profile about the speaker
James Watson | Speaker | TED.com
TED2005

James Watson: How we discovered DNA

James Watson über seine Entdeckung der DNA

Filmed:
1,901,584 views

Nobelpreisträger James Watson eröffnet TED2005 mit der freimütigen und lustigen Geschichte, wie er und sein Forschungspartner, Francis Crick, die Struktur der DNA entdeckten.
- Biologist, Nobel laureate
Nobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets. Full bio

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

00:25
Well, I thought there would be a podiumPodium, so I'm a bitBit scarederschrocken.
0
0
3000
Eigentlich dachte ich, es gäbe hier ein Podest, deswegen habe ich jetzt ein bisschen Angst.
00:28
(LaughterLachen)
1
3000
3000
(Lachen)
00:31
ChrisChris askedaufgefordert me to tell again how we foundgefunden the structureStruktur of DNADNA.
2
6000
3000
Chris hat mich gebeten, noch einmal die Geschichte, wie wir die Struktur der DNA entdeckt haben, zu erzählen.
00:34
And sinceschon seit, you know, I followFolgen his ordersBestellungen, I'll do it.
3
9000
3000
Und weil ich seine Anweisungen befolge, mache ich's.
00:37
But it slightlyleicht boresBohrungen me.
4
12000
2000
Aber es langweilt mich ein bisschen.
00:39
(LaughterLachen)
5
14000
2000
(Lachen)
00:41
And, you know, I wroteschrieb a bookBuch. So I'll say something --
6
16000
5000
Und, na ja, ich habe ja ein Buch drüber geschrieben. Also werde ich halt was sagen --
00:46
(LaughterLachen)
7
21000
2000
(Lachen)
00:48
-- I'll say a little about, you know, how the discoveryEntdeckung was madegemacht,
8
23000
3000
-- ich werde ein wenig darüber erzählen, wie die Entdeckung gemacht wurde,
00:51
and why FrancisFrancis and I foundgefunden it.
9
26000
2000
und warum Francis und ich sie gemacht haben.
00:53
And then, I hopeHoffnung maybe I have at leastam wenigsten fivefünf minutesProtokoll to say
10
28000
4000
Und dann habe ich hoffentlich noch fünf Minuten übrig, um Ihnen zu erzählen,
00:57
what makesmacht me tickTick now.
11
32000
4000
was ich heute so mache.
01:01
In back of me is a pictureBild of me when I was 17.
12
36000
5000
Hinter mir sehen Sie ein Foto von mir, da war ich siebzehn.
01:06
I was at the UniversityUniversität of ChicagoChicago, in my thirddritte yearJahr,
13
41000
3000
Das war als Elftklässler an der Universität von Chicago.
01:09
and I was in my thirddritte yearJahr because the UniversityUniversität of ChicagoChicago
14
44000
6000
Das lag daran, dass die Universität von Chicago
01:15
let you in after two yearsJahre of highhoch schoolSchule.
15
50000
2000
einen schon nach zwei Jahren High School aufnahm.
01:17
So you -- it was funSpaß to get away from highhoch schoolSchule -- (LaughterLachen) --
16
52000
6000
Also -- es war toll, von der High School wegzukommen.
01:23
because I was very smallklein, and I was no good in sportsSport,
17
58000
3000
Ich war sehr klein und nicht gut im Sport
01:26
or anything like that.
18
61000
1000
oder anderen solchen Dingen.
01:27
But I should say that my backgroundHintergrund -- my fatherVater was, you know,
19
62000
6000
Aber ich sollte sagen, dass mein Werdegang -- wissen Sie, mein Vater wurde
01:33
raisedangehoben to be an EpiscopalianEpiscopalian and RepublicanRepublikaner,
20
68000
2000
als Republikaner erzogen und war Mitglied bei der episkopalischen Kirche.
01:35
but after one yearJahr of collegeHochschule, he becamewurde an atheistAtheist and a DemocratDemokrat.
21
70000
5000
Aber nach einem Jahr College wurde er zu einem Atheisten und Demokraten.
01:40
(LaughterLachen)
22
75000
3000
(Lachen)
01:43
And my motherMutter was IrishIrisch CatholicKatholische,
23
78000
2000
Und meine Mutter war irisch-katholisch.
01:45
and -- but she didn't take religionReligion too seriouslyernst.
24
80000
5000
aber sie hat die Religion nicht sehr ernst genommen.
01:50
And by the ageAlter of 11, I was no longerlänger going to SundaySonntag MassMasse,
25
85000
4000
Als ich elf war, ging ich nicht mehr länger zur Sonntagsmesse
01:54
and going on birdwatchingVögel beobachten walksSpaziergänge with my fatherVater.
26
89000
4000
sondern mit meinem Vater zur Vogelbeobachtung.
01:58
So earlyfrüh on, I heardgehört of CharlesCharles DarwinDarwin.
27
93000
4000
Ich hörte also schon früh von Charles Darwin.
02:02
I guessvermuten, you know, he was the biggroß heroHeld.
28
97000
3000
Ich nehme an, Sie wissen, dass er der Held schlechthin war.
02:05
And, you know, you understandverstehen life as it now existsexistiert throughdurch evolutionEvolution.
29
100000
6000
Und wissen Sie, man versteht das Leben wie es heute existiert durch die Evolution.
02:11
And at the UniversityUniversität of ChicagoChicago I was a zoologyZoologie majorHaupt,
30
106000
4000
An der Universität von Chicago war mein Hauptfach Zoologie
02:15
and thought I would endEnde up, you know, if I was brighthell enoughgenug,
31
110000
3000
Und ich dachte, ich würde vielleicht, wenn ich schlau genug war,
02:18
maybe gettingbekommen a PhPH.D. from CornellCornell in ornithologyVogelkunde.
32
113000
5000
mit einem Doktortitel von Cornell in Vogelkunde abschließen.
02:23
Then, in the ChicagoChicago paperPapier-, there was a reviewÜberprüfung of a bookBuch
33
118000
6000
Doch dann war da ein Artikel in der Chicagoer Zeitung, eine Buchbesprechung über das Buch
02:29
callednamens "What is Life?" by the great physicistPhysiker, SchrodingerSchrödinger.
34
124000
4000
"Was ist Leben?" vom großen Physiker Schrödinger.
02:33
And that, of courseKurs, had been a questionFrage I wanted to know.
35
128000
3000
Und das war natürlich eine Frage, auf die ich gerne eine Antwort gehabt hätte.
02:36
You know, DarwinDarwin explainederklärt life after it got startedhat angefangen,
36
131000
3000
Wissen Sie, Darwin hat das Leben erklärt, nachdem es entstanden ist,
02:39
but what was the essenceWesen of life?
37
134000
2000
was aber war die Essenz des Lebens?
02:41
And SchrodingerSchrödinger said the essenceWesen was informationInformation
38
136000
4000
Und Schrödinger sagte, die Essenz seien Informationen
02:45
presentGeschenk in our chromosomesChromosomen, and it had to be presentGeschenk
39
140000
4000
in unseren Chromosomen, und dass sie sich
02:49
on a moleculeMolekül. I'd never really thought of moleculesMoleküle before.
40
144000
6000
auf einem Molekül befinden müssten. Ich habe mir nie wirklich Gedanken über Moleküle gemacht.
02:55
You know chromosomesChromosomen, but this was a moleculeMolekül,
41
150000
4000
Man kennt Chromosomen, aber das hier war ein Molekül
02:59
and somehowirgendwie all the informationInformation was probablywahrscheinlich presentGeschenk
42
154000
3000
und die Informationen waren wahrscheinlich
03:02
in some digitaldigital formbilden. And there was the biggroß questionFrage
43
157000
4000
in irgendwelcher digitalen Form vorhanden. Und so stellte sich die große Frage,
03:06
of, how did you copyKopieren the informationInformation?
44
161000
2000
wie man solche Informationen überhaupt sichtbar machen konnte.
03:08
So that was the bookBuch. And so, from that momentMoment on,
45
163000
5000
Darum ging es also in diesem Buch. Und von dem Moment an
03:13
I wanted to be a geneticistGenetiker --
46
168000
5000
wollte ich ein Genetiker sein --
03:18
understandverstehen the geneGen and, throughdurch that, understandverstehen life.
47
173000
2000
die Gene verstehen und durch sie das Leben.
03:20
So I had, you know, a heroHeld at a distanceEntfernung.
48
175000
5000
Ich hatte also einen ziemlich weit entfernten Helden.
03:25
It wasn'twar nicht a baseballBaseball playerSpieler; it was LinusLinus PaulingPauling.
49
180000
2000
Es war kein Baseballspieler, es war Linus Pauling.
03:27
And so I appliedangewendet to CaltechCaltech and they turnedgedreht me down.
50
182000
6000
Also meldete ich mich bei Caltech an, aber sie wiesen mich ab.
03:33
(LaughterLachen)
51
188000
2000
(Lachen)
03:35
So I wentging to IndianaIndiana,
52
190000
1000
Da ging ich an die Universität von Indiana,
03:36
whichwelche was actuallytatsächlich as good as CaltechCaltech in geneticsGenetik,
53
191000
3000
welche eigentlich genau so gut war in Genetik wie Caltech
03:39
and besidesAußerdem, they had a really good basketballBasketball teamMannschaft. (LaughterLachen)
54
194000
4000
und obendrein hatten sie ein wirklich gutes Basketballteam.
03:43
So I had a really quiteganz happyglücklich life at IndianaIndiana.
55
198000
3000
Ich hatte ein ziemlich schönes Leben in Indiana.
03:46
And it was at IndianaIndiana I got the impressionEindruck
56
201000
3000
Und es war in Indiana, wissen Sie, wo ich den Eindruck bekam,
03:49
that, you know, the geneGen was likelywahrscheinlich to be DNADNA.
57
204000
2000
dass die Gene wahrscheinlich aus DNA bestanden.
03:51
And so when I got my PhPH.D., I should go and searchSuche for DNADNA.
58
206000
4000
Als ich also meinen Doktortitel bekam, sollte ich mich auf die Suche nach DNA machen.
03:55
So I first wentging to CopenhagenCopenhagen because I thought, well,
59
210000
6000
Also ging ich zuerst nach Kopenhagen, weil ich dachte,
04:01
maybe I could becomewerden a biochemistBiochemiker,
60
216000
1000
ich könnte vielleicht ein Biochemiker werden.
04:02
but I discoveredentdeckt biochemistryBiochemie was very boringlangweilig.
61
217000
3000
Aber ich entdeckte, dass Biochemie sehr langweilig war.
04:05
It wasn'twar nicht going anywhereirgendwo towardzu, you know, sayingSprichwort what the geneGen was;
62
220000
4000
Es ging nirgends in eine Richtung, die erklären würde, was genau ein Gen war.
04:09
it was just nuclearKern scienceWissenschaft. And oh, that's the bookBuch, little bookBuch.
63
224000
4000
Es war nur Atomwissenschaft. Ach und das hier ist das Buch, ein Büchlein.
04:13
You can readlesen it in about two hoursStd..
64
228000
2000
Man kann es in etwa zwei Stunden lesen.
04:15
And -- but then I wentging to a meetingTreffen in ItalyItalien.
65
230000
4000
Aber dann ging ich zu einem Treffen in Italien.
04:19
And there was an unexpectedunerwartet speakerRedner who wasn'twar nicht on the programProgramm,
66
234000
5000
Und da gab es einen unerwarteten Referenten, der nicht auf dem Programm stand,
04:24
and he talkedsprach about DNADNA.
67
239000
2000
und er sprach über DNA.
04:26
And this was MauriceMaurice WilkinsWilkins. He was trainedausgebildet as a physicistPhysiker,
68
241000
3000
Es war Maurice Wilkins. Er war ausgebildeter Physiker
04:29
and after the warKrieg he wanted to do biophysicsBiophysik, and he pickedabgeholt DNADNA
69
244000
4000
und nach dem Krieg wollte er sich mit Biophysik beschäftigen und er wählte DNA,
04:33
because DNADNA had been determinedentschlossen at the RockefellerRockefeller InstituteInstitut
70
248000
3000
weil am Rockefeller Institute ermittelt wurde, dass die DNA
04:36
to possiblymöglicherweise be the geneticgenetisch moleculesMoleküle on the chromosomesChromosomen.
71
251000
4000
möglicherweise die genetischen Moleküle der Chromosomen waren.
04:40
MostDie meisten people believedglaubte it was proteinsProteine.
72
255000
1000
Die meisten Leute glaubten, dass es die Proteine waren.
04:41
But WilkinsWilkins, you know, thought DNADNA was the bestBeste betWette,
73
256000
4000
Aber Wilkins dachte, dass DNA die sicherste Annahme war
04:45
and he showedzeigte this x-rayRöntgen photographFoto.
74
260000
4000
und er zeigte dieses Röntgenbild.
04:49
SortArt of crystallinekristallin. So DNADNA had a structureStruktur,
75
264000
4000
Es wirkte irgendwie kristallin. Also hatte DNA eine Struktur,
04:53
even thoughobwohl it owedgeschuldet it to probablywahrscheinlich differentanders moleculesMoleküle
76
268000
3000
auch wenn es diese wahrscheinlich verschiedenen Molekülen zu verdanken hatte,
04:56
carryingTragen differentanders setssetzt of instructionsAnleitung.
77
271000
2000
die verschiedene Sätze von Informationen hatten.
04:58
So there was something universalUniversal- about the DNADNA moleculeMolekül.
78
273000
2000
Also war da etwas Einheitliches an DNA-Molekülen.
05:00
So I wanted to work with him, but he didn't want a formerehemalige birdwatcherVogelbeobachter,
79
275000
5000
Ich wollte mit ihm zusammen arbeiten, aber er wollte keinen ehemaligen Vogelbeobachter
05:05
and I endedendete up in CambridgeCambridge, EnglandEngland.
80
280000
1000
und so landete ich in Cambridge, in England.
05:06
So I wentging to CambridgeCambridge,
81
281000
2000
Ich ging nach Cambridge,
05:08
because it was really the bestBeste placeOrt in the worldWelt then
82
283000
3000
weil es damals einfach der beste Ort in der Welt
05:11
for x-rayRöntgen crystallographyKristallographie. And x-rayRöntgen crystallographyKristallographie is now a subjectFach
83
286000
4000
für Röntgen-Kristallographie war. Und Röntgen-Kristallographie ist heute
05:15
in, you know, chemistryChemie departmentsAbteilungen.
84
290000
2000
ein Fach in der Chemie-Abteilung.
05:17
I mean, in those daysTage it was the domainDomain of the physicistsPhysiker.
85
292000
3000
Damals gehörte es zum Gebiet der Physik.
05:20
So the bestBeste placeOrt for x-rayRöntgen crystallographyKristallographie
86
295000
4000
Deshalb war der beste Ort für Röntgen-Kristallographie
05:24
was at the CavendishCavendish LaboratoryLabor at CambridgeCambridge.
87
299000
3000
das Cavendish-Labor in Cambridge.
05:27
And there I metgetroffen FrancisFrancis CrickCrick.
88
302000
6000
Und dort lernte ich Francis Crick kennen.
05:33
I wentging there withoutohne knowingzu wissen him. He was 35. I was 23.
89
308000
3000
Ich ging dorthin ohne ihn zu kennen. Er war 35. Ich war 23.
05:36
And withininnerhalb a day, we had decidedbeschlossen that
90
311000
5000
Innerhalb eines Tages hatten wir beschlossen,
05:41
maybe we could take a shortcutAbkürzung to findingErgebnis the structureStruktur of DNADNA.
91
316000
5000
dass wir vielleicht eine Abkürzung finden konnten, um die Struktur der DNA herauszufinden.
05:46
Not solvelösen it like, you know, in rigorousrigoros fashionMode, but buildbauen a modelModell-,
92
321000
6000
Wir wollten das Problem nicht auf rigorose Art lösen, sondern indem wir ein Modell bauten.
05:52
an electro-modelElektromodell, usingmit some coordinatesKoordinaten of, you know,
93
327000
4000
Ein Elektromodell, bei dem wir die Koordinaten von
05:56
lengthLänge, all that sortSortieren of stuffSachen from x-rayRöntgen photographsFotografien.
94
331000
3000
den Bezugslängen gebrauchen wollten, die wir von den Röntgenbildern hatten.
05:59
But just askFragen what the moleculeMolekül -- how should it foldfalten up?
95
334000
3000
Aber wie sollte das Molekül -- wie sollte es sich zusammenfalten?
06:02
And the reasonGrund for doing so, at the centerCenter of this photographFoto,
96
337000
4000
Der Grund dafür ist, in der Mitte dieses Bildes,
06:06
is LinusLinus PaulingPauling. About sixsechs monthsMonate before, he proposedvorgeschlagen
97
341000
3000
ist Linus Pauling. Etwa sechs Monate zuvor stellte er
06:09
the alphaAlpha helicalschraubenförmig structureStruktur for proteinsProteine. And in doing so,
98
344000
4000
die spiralförmige Struktur für Proteine vor. Und indem er das tat,
06:13
he banishedverbannt the man out on the right,
99
348000
2000
vertrieb er den Mann hier zur Rechten,
06:15
SirSir LawrenceLawrence BraggBragg, who was the CavendishCavendish professorProfessor.
100
350000
3000
Sir Lawrence Bragg, welcher ein Professor bei Cavendish war.
06:18
This is a photographFoto severalmehrere yearsJahre laterspäter,
101
353000
2000
Dieses Foto wurde einige Jahre später aufgenommen,
06:20
when BraggBragg had causeUrsache to smileLächeln.
102
355000
2000
als Bragg wieder Grund zum Lächeln hatte.
06:22
He certainlybestimmt wasn'twar nicht smilinglächelnd when I got there,
103
357000
2000
Er lächelte ganz sicher nicht, als ich dort ankam,
06:24
because he was somewhatetwas humiliatedgedemütigt by PaulingPauling gettingbekommen the alphaAlpha helixWendel,
104
359000
4000
weil er durch Paulings Entdeckung der Alpha-Helix ziemlich gedemütigt war,
06:28
and the CambridgeCambridge people failingVersagen because they weren'twaren nicht chemistsApotheke.
105
363000
4000
und weil die Cambridge-Leute versagt hatten, weil sie keine Chemiker waren.
06:32
And certainlybestimmt, neitherweder CrickCrick or I were chemistsApotheke,
106
367000
5000
Und sicherlich waren weder Crick noch ich Chemiker,
06:37
so we triedversucht to buildbauen a modelModell-. And he knewwusste, FrancisFrancis knewwusste WilkinsWilkins.
107
372000
6000
also versuchten wir ein Modell zu bauen. Und er wusste es, Francis kannte Wilkins.
06:43
So WilkinsWilkins said he thought it was the helixWendel.
108
378000
2000
Wilkins sagte, er hatte es für die Helix gehalten.
06:45
X-rayX-ray diagramDiagramm, he thought was comparablevergleichbar with the helixWendel.
109
380000
3000
Er dachte das Röngten-Diagramm sei vergleichbar mit der Helix.
06:48
So we builtgebaut a three-strandeddreisträngig modelModell-.
110
383000
2000
Also bauten wir ein dreistrangiges Modell.
06:50
The people from LondonLondon camekam up.
111
385000
2000
Die Leute aus London kamen vorbei.
06:52
WilkinsWilkins and this collaboratorMitarbeiter, or possiblemöglich collaboratorMitarbeiter,
112
387000
5000
Wilkins und seine Mitarbeiterin, oder mögliche Mitarbeiterin,
06:57
RosalindRosalind FranklinFranklin, camekam up and sortSortieren of laughedlachte at our modelModell-.
113
392000
3000
Rosalind Franklin kamen vorbei und lachten über unser Modell.
07:00
They said it was lousylausig, and it was.
114
395000
2000
Sie sagten, es sei miserabel, und das war es.
07:02
So we were told to buildbauen no more modelsModelle; we were incompetentinkompetent.
115
397000
5000
Sie sagten uns, wir sollten keine Modelle mehr bauen, wir seien unfähig.
07:07
(LaughterLachen)
116
402000
4000
(Lachen)
07:11
And so we didn't buildbauen any modelsModelle,
117
406000
2000
Also bauten wir keine Modelle mehr
07:13
and FrancisFrancis sortSortieren of continuedFortsetzung to work on proteinsProteine.
118
408000
3000
und Francis widmete sich wieder mehr seiner Arbeit mit den Proteinen.
07:16
And basicallyGrundsätzlich gilt, I did nothing. And -- exceptaußer readlesen.
119
411000
6000
Und ich machte eigentlich gar nichts. Und -- außer zu lesen.
07:22
You know, basicallyGrundsätzlich gilt, readingLesen is a good thing; you get factsFakten.
120
417000
3000
Wissen Sie, Lesen ist eigentlich eine gute Sache; man lernt die Fakten.
07:25
And we keptgehalten tellingErzählen the people in LondonLondon
121
420000
3000
Und wir fuhren fort, den Leuten in London zu sagen,
07:28
that LinusLinus Pauling'sPauling going to moveBewegung on to DNADNA.
122
423000
2000
dass Linus Pauling zur DNA überwechseln würde.
07:30
If DNADNA is that importantwichtig, LinusLinus will know it.
123
425000
2000
Wenn DNA so wichtig war, dann würde Linus das wissen.
07:32
He'llEr werde buildbauen a modelModell-, and then we're going to be scoopedgeschöpft.
124
427000
2000
Er würde ein Modell bauen und würde uns zuvorkommen.
07:34
And, in factTatsache, he'der würde writtengeschrieben the people in LondonLondon:
125
429000
2000
Und tatsächlich hatte er den Leuten in London geschrieben:
07:36
Could he see theirihr x-rayRöntgen photographFoto?
126
431000
3000
Ob er ihre Röntgenbilder sehen könnte?
07:39
And they had the wisdomWeisheit to say "no." So he didn't have it.
127
434000
3000
Aber sie waren klug genug gewesen, "Nein" zu sagen. Also bekam er sie nicht.
07:42
But there was onesEinsen in the literatureLiteratur.
128
437000
2000
Es gab jedoch welche in der Literatur.
07:44
ActuallyTatsächlich, LinusLinus didn't look at them that carefullyvorsichtig.
129
439000
2000
Aber Linus schaute sie sich nicht sehr genau an.
07:46
But about, oh, 15 monthsMonate after I got to CambridgeCambridge,
130
441000
6000
Aber etwa, oh, 15 Monate, nachdem ich nach Cambridge gekommen war,
07:52
a rumorGerücht beganbegann to appearerscheinen from LinusLinus Pauling'sPauling sonSohn,
131
447000
3000
ging ein Gerücht um, von Linus Paulings Sohn,
07:55
who was in CambridgeCambridge, that his fatherVater was now workingArbeiten on DNADNA.
132
450000
4000
der auch in Cambridge war, das besagte, dass sein Vater jetzt an der DNA arbeitete.
07:59
And so, one day PeterPeter camekam in and he said he was PeterPeter PaulingPauling,
133
454000
4000
Und so kam es, dass Peter eines Tages reinkam und sagte, er sei Peter Pauling,
08:03
and he gavegab me a copyKopieren of his father'sVaters manuscriptsManuskripte.
134
458000
2000
und er gab mir eine Kopie von den Manuskripten seines Vaters.
08:05
And boyJunge, I was scarederschrocken because I thought, you know, we maykann be scoopedgeschöpft.
135
460000
6000
Und glauben Sie mir, ich hatte Angst, weil ich dachte, er sei uns zuvorgekommen.
08:11
I have nothing to do, no qualificationsQualifikationen for anything.
136
466000
3000
Ich habe nichts mehr zu tun, keine Qualifikationen für irgendwas.
08:14
(LaughterLachen)
137
469000
2000
(Lachen)
08:16
And so there was the paperPapier-, and he proposedvorgeschlagen a three-strandeddreisträngig structureStruktur.
138
471000
6000
Und da war es also dieses Papier und er stellte eine dreistrangige Struktur vor.
08:22
And I readlesen it, and it was just -- it was crapMist.
139
477000
2000
Und ich las es und es war -- es war einfach Mist.
08:24
(LaughterLachen)
140
479000
5000
(Lachen)
08:29
So this was, you know, unexpectedunerwartet from the world'sWelt --
141
484000
3000
Wissen Sie, das war etwas unerwartet vom welt... --
08:32
(LaughterLachen)
142
487000
2000
(Lachen)
08:34
-- and so, it was heldgehalten togetherzusammen by hydrogenWasserstoff bondsFesseln
143
489000
3000
-- es wurde zusammengehalten von Wasserstoff-Verbindungen
08:37
betweenzwischen phosphatePhosphat groupsGruppen.
144
492000
2000
zwischen Phosphatgruppen.
08:39
Well, if the peakHaupt pHpH that cellsZellen have is around sevenSieben,
145
494000
4000
Wenn aber der pH-Höchstwert der Zellen ungefähr sieben ist,
08:43
those hydrogenWasserstoff bondsFesseln couldn'tkonnte nicht existexistieren.
146
498000
3000
können diese Wasserstoff-Verbindungen nicht bestehen.
08:46
We rushedstürzte over to the chemistryChemie departmentAbteilung and said,
147
501000
2000
Also liefen wir rüber zur Chemie-Abteilung und fragten
08:48
"Could PaulingPauling be right?" And AlexAlex HustHust said, "No." So we were happyglücklich.
148
503000
6000
"Könnte Pauling Recht haben?" Und Alex Hust sagte, "Nein." Also waren wir glücklich.
08:54
(LaughterLachen)
149
509000
2000
(Lachen)
08:56
And, you know, we were still in the gameSpiel, but we were frightenederschrocken
150
511000
3000
Und so waren wir immer noch im Spiel, aber wir hatten Angst,
08:59
that somebodyjemand at CaltechCaltech would tell LinusLinus that he was wrongfalsch.
151
514000
4000
dass jemand bei Caltech Linus sagen würde, dass er falsch lag.
09:03
And so BraggBragg said, "BuildBauen modelsModelle."
152
518000
2000
Und so sagte Bragg, "Baut Modelle."
09:05
And a monthMonat after we got the PaulingPauling manuscriptManuskript --
153
520000
4000
Einen Monat, nachdem wir Paulings Manuskript bekamen --
09:09
I should say I tookdauerte the manuscriptManuskript to LondonLondon, and showedzeigte the people.
154
524000
5000
ich muss sagen, dass ich das Manuskript mit nach Londen nahm und es den Leuten dort zeigte.
09:14
Well, I said, LinusLinus was wrongfalsch and that we're still in the gameSpiel
155
529000
3000
Gut, sagte ich, Linus lag falsch und wir waren immer noch im Spiel,
09:17
and that they should immediatelysofort startAnfang buildingGebäude modelsModelle.
156
532000
2000
und dass sie sofort anfangen sollten, Modelle zu bauen.
09:19
But WilkinsWilkins said "no." RosalindRosalind FranklinFranklin was leavingVerlassen in about two monthsMonate,
157
534000
5000
Aber Wilkins sagte nein, Rosalind Franklin würde in circa 2 Monaten abreisen,
09:24
and after she left he would startAnfang buildingGebäude modelsModelle.
158
539000
3000
erst danach würde er mit dem Bau der Modelle loslegen.
09:27
And so I camekam back with that newsNachrichten to CambridgeCambridge,
159
542000
4000
So kam ich mit diesen Nachrichten zurück nach Cambridge
09:31
and BraggBragg said, "BuildBauen modelsModelle."
160
546000
1000
und Bragg sagte, "Baut Modelle."
09:32
Well, of courseKurs, I wanted to buildbauen modelsModelle.
161
547000
1000
Klar wollte ich Modelle bauen.
09:33
And there's a pictureBild of RosalindRosalind. She really, you know,
162
548000
6000
Hier ist ein Bild von Rosalind. Sie ist wirklich, wissen Sie,
09:39
in one senseSinn she was a chemistChemiker,
163
554000
2000
auf einer Seite ist sie eine Chemikerin.
09:41
but really she would have been trainedausgebildet --
164
556000
2000
Aber eigentlich hätte sie ausgebildet werden müssen --
09:43
she didn't know any organicorganisch chemistryChemie or quantumQuantum chemistryChemie.
165
558000
3000
sie hatte keine Ahnung von organischer Chemie oder von Quantum-Chemie.
09:46
She was a crystallographerKristallographen.
166
561000
1000
Sie war Kristallographin.
09:47
And I think partTeil of the reasonGrund she didn't want to buildbauen modelsModelle
167
562000
5000
Und ich denke, dass sie zum Teil aus dem Grund keine Modelle bauen wollte,
09:52
was, she wasn'twar nicht a chemistChemiker, whereaswohingegen PaulingPauling was a chemistChemiker.
168
567000
3000
weil sie keine Chemikerin war, wohingegen Pauling einer war.
09:55
And so CrickCrick and I, you know, startedhat angefangen buildingGebäude modelsModelle,
169
570000
5000
Also fingen Crick und ich mit dem Modellbau an,
10:00
and I'd learnedgelernt a little chemistryChemie, but not enoughgenug.
170
575000
3000
und ich lernte dabei ein wenig Chemie, aber nicht genug.
10:03
Well, we got the answerAntworten on the 28thth FebruaryFebruar '53.
171
578000
4000
Schließlich bekamen wir die Antwort am 28. Februar 1953.
10:07
And it was because of a ruleRegel, whichwelche, to me, is a very good ruleRegel:
172
582000
4000
Das war wegen einer Regel, die ich für eine sehr gute Regel halte:
10:11
Never be the brightesthellste personPerson in a roomZimmer, and we weren'twaren nicht.
173
586000
6000
Sei nie die gescheiteste Person in einem Raum, und das waren wir auch nicht.
10:17
We weren'twaren nicht the bestBeste chemistsApotheke in the roomZimmer.
174
592000
2000
Wir waren nicht die besten Chemiker in dem Raum.
10:19
I wentging in and showedzeigte them a pairingPaarung I'd doneerledigt,
175
594000
2000
Ich ging da hinein und zeigte ihnen eine Paarbildung, die ich gemacht hatte,
10:21
and JerryJerry DonohueDonohue -- he was a chemistChemiker -- he said, it's wrongfalsch.
176
596000
4000
und Joe Donahue -- er war ein Chemiker -- sagte, sie sei falsch.
10:25
You've got -- the hydrogenWasserstoff atomsAtome are in the wrongfalsch placeOrt.
177
600000
3000
Du hast die Wasserstoffatome an der falschen Stelle.
10:28
I just put them down like they were in the booksBücher.
178
603000
3000
Ich hatte sie einfach so platziert, wie es in den Büchern stand.
10:31
He said they were wrongfalsch.
179
606000
1000
Und er sagte es sei falsch.
10:32
So the nextNächster day, you know, after I thought, "Well, he mightMacht be right."
180
607000
4000
Am nächsten Tag also, als ich darüber nachdachte und meinte, dass er vielleicht Recht hatte,
10:36
So I changedgeändert the locationsStandorte, and then we foundgefunden the baseBase pairingPaarung,
181
611000
4000
änderte ich die Stellen und wir fanden das Basispaar,
10:40
and FrancisFrancis immediatelysofort said the chainsKetten runLauf in absoluteAbsolute directionsRichtungen.
182
615000
3000
und Francis sagte sofort, dass die Stränge in verschiedene Richtungen verlaufen.
10:43
And we knewwusste we were right.
183
618000
2000
Und wir wussten, dass wir Recht hatten.
10:45
So it was a prettyziemlich, you know, it all happenedpassiert in about two hoursStd..
184
620000
7000
Es war eigentlich schade, wissen Sie, all das passierte in etwa zwei Stunden.
10:52
From nothing to thing.
185
627000
4000
Es ging von Nichts zu einem Ding.
10:56
And we knewwusste it was biggroß because, you know, if you just put A nextNächster to T
186
631000
5000
Wir wussten, dass es groß war, denn wenn man A neben T
11:01
and G nextNächster to C, you have a copyingKopieren mechanismMechanismus.
187
636000
3000
und G neben C gruppiert, dann hat man einen Kopiermechanismus.
11:04
So we saw how geneticgenetisch informationInformation is carriedgetragen.
188
639000
4000
Also sahen wir, wie genetische Informationen übertragen werden.
11:08
It's the orderAuftrag of the fourvier basesBasen.
189
643000
1000
Es ist diese Reihenfolge der vier Basispaare.
11:09
So in a senseSinn, it is a sortSortieren of digital-typedigitaler Typ informationInformation.
190
644000
4000
Es ist also eine Art digitale Information.
11:13
And you copyKopieren it by going from strand-separatingStrangtrennung.
191
648000
5000
Und man kopiert es, indem man die Stränge trennt.
11:18
So, you know, if it didn't work this way, you mightMacht as well believe it,
192
653000
8000
Und falls es so doch nicht funktionieren sollte, sollte man es trotzdem glauben,
11:26
because you didn't have any other schemeplanen.
193
661000
1000
denn es gab kein anderes Modell.
11:27
(LaughterLachen)
194
662000
3000
(Lachen)
11:30
But that's not the way mostdie meisten scientistsWissenschaftler think.
195
665000
3000
Aber das ist nicht die Art, wie die meisten Wisenschaftler denken.
11:33
MostDie meisten scientistsWissenschaftler are really ratherlieber dullStumpf.
196
668000
3000
Die meisten Wissenschaftler sind eher langweilig.
11:36
They said, we won'tGewohnheit think about it untilbis we know it's right.
197
671000
2000
Sie sagten einfach, wir denken nicht darüber nach, bis wir wissen dass es wirklich richtig ist.
11:38
But, you know, we thought, well, it's at leastam wenigsten 95 percentProzent right or 99 percentProzent right.
198
673000
6000
Aber wissen Sie, wir dachten, tja, es ist mindestens zu 95 oder gar zu 99 Prozent richtig.
11:44
So think about it. The nextNächster fivefünf yearsJahre,
199
679000
4000
Denken Sie also darüber nach. In den nächsten fünf Jahren
11:48
there were essentiallyim Wesentlichen something like fivefünf referencesVerweise
200
683000
2000
gab es gerade mal fünf Literaturverweise in "Nature"
11:50
to our work in "NatureNatur" -- nonekeiner.
201
685000
2000
auf unsere Arbeit -- so gut wie keine.
11:53
And so we were left by ourselvesuns selbst,
202
688000
2000
Und so waren wir uns selbst überlassen
11:55
and tryingversuchen to do the last partTeil of the trioTrio: how do you --
203
690000
5000
und versuchten den letzten dieser drei Teile zu ergründen: Wie macht man --
12:00
what does this geneticgenetisch informationInformation do?
204
695000
4000
was macht diese genetische Information genau?
12:04
It was prettyziemlich obviousoffensichtlich that it providedunter der Voraussetzung the informationInformation
205
699000
4000
Es war ziemlich offensichtlich, dass sie Informationen
12:08
to an RNARNA moleculeMolekül, and then how do you go from RNARNA to proteinEiweiß?
206
703000
3000
an ein RNA-Molekül weiterleitete, aber wie kommt man dann von der RNA zum Protein?
12:11
For about threedrei yearsJahre we just -- I triedversucht to solvelösen the structureStruktur of RNARNA.
207
706000
5000
Etwa drei Jahre versuchte ich, die Struktur von RNA herauszufinden.
12:16
It didn't yieldAusbeute. It didn't give good x-rayRöntgen photographsFotografien.
208
711000
3000
Aber der Versuch brachte nichts. Es ließen sich keine guten Röntgenbilder machen.
12:19
I was decidedlyentschieden unhappyunzufrieden; a girlMädchen didn't marryheiraten me.
209
714000
3000
Ich war entschieden unglücklich; mein Mädchen heiratete mich nicht.
12:22
It was really, you know, sortSortieren of a shittybeschissen time.
210
717000
3000
Wissen Sie, es war wirklich eine etwas beschissene Zeit.
12:25
(LaughterLachen)
211
720000
3000
(Lachen)
12:28
So there's a pictureBild of FrancisFrancis and I before I metgetroffen the girlMädchen,
212
723000
4000
Hier ist ein Foto von mir und Francis, bevor ich diese Frau kennenlernte,
12:32
so I'm still looking happyglücklich.
213
727000
1000
deswegen schaue ich noch glücklich drein.
12:33
(LaughterLachen)
214
728000
3000
(Lachen)
12:36
But there is what we did when we didn't know
215
731000
3000
Und das hier taten wir, als wir
12:39
where to go forwardVorwärts-: we formedgebildet a clubVerein and callednamens it the RNARNA TieKrawatte ClubClub.
216
734000
6000
nicht mehr weiter wussten: Wir gründeten einen Club, den RNA-Krawattenclub.
12:45
GeorgeGeorge GamowGamow, alsoebenfalls a great physicistPhysiker, he designedentworfen the tieKrawatte.
217
740000
4000
George Gamow, ein großer Physiker, entwarf die Krawatte.
12:49
He was one of the membersMitglieder. The questionFrage was:
218
744000
3000
Er war eines der Mitglieder. Die Frage war:
12:52
How do you go from a four-lettervier Buchstaben codeCode
219
747000
2000
Wie kommt man von einem 4-Buchstaben-Code
12:54
to the 20-letter-Brief codeCode of proteinsProteine?
220
749000
2000
zu dem 20-Buchstaben-Code der Proteine?
12:56
FeynmanFeynman was a memberMitglied, and TellerTeller, and friendsFreunde of GamowGamow.
221
751000
5000
Feynman war ein Mitglied, Teller auch, und Freunde von Gamow.
13:01
But that's the only -- no, we were only photographedfotografiert twicezweimal.
222
756000
6000
Aber das hier ist das einzige -- nein, wir wurden nur zweimal fotografiert.
13:07
And on bothbeide occasionsGelegenheiten, you know, one of us was missingfehlt the tieKrawatte.
223
762000
3000
Und beide Male fehlte einem von uns die Krawatte.
13:10
There's FrancisFrancis up on the upperobere right,
224
765000
3000
Da ist Francis, rechts oben,
13:13
and AlexAlex RichRich -- the M.D.-turned-crystallographerumgedrehter Kristallographen -- is nextNächster to me.
225
768000
5000
und Alec Rich -- der arztgewordene Kristallograph -- ist neben mir.
13:18
This was takengenommen in CambridgeCambridge in SeptemberSeptember of 1955.
226
773000
4000
Dieses Foto wurde im September 1955 in Cambridge aufgenommen.
13:22
And I'm smilinglächelnd, sortSortieren of forcedgezwungen, I think,
227
777000
6000
Und ich lächle etwas gequält, glaube ich,
13:28
because the girlMädchen I had, boyJunge, she was goneWeg.
228
783000
3000
weil das Mädchen, das ich liebte, mich verlassen hatte.
13:31
(LaughterLachen)
229
786000
4000
(Lachen)
13:35
And so I didn't really get happyglücklich untilbis 1960,
230
790000
5000
Und so war ich erst 1960 richtig glücklich,
13:40
because then we foundgefunden out, basicallyGrundsätzlich gilt, you know,
231
795000
4000
weil wir erst dann herausfanden,
13:44
that there are threedrei formsFormen of RNARNA.
232
799000
2000
dass es drei Formen von RNA gibt.
13:46
And we knewwusste, basicallyGrundsätzlich gilt, DNADNA providesbietet the informationInformation for RNARNA.
233
801000
3000
Wir wussten mehr oder weniger, dass DNA die Informationen für die RNA zur Verfügung stellte.
13:49
RNARNA providesbietet the informationInformation for proteinEiweiß.
234
804000
2000
Und RNA stellt die Informationen zur Verfügung, die nötig sind für die Proteine.
13:51
And that let MarshallMarshall NirenbergNirenberg, you know, take RNARNA -- syntheticSynthetik RNARNA --
235
806000
5000
Diese Tatsache brachte Marshall Nirenberg dazu, RNA zu nehmen, -- synthetische RNA
13:56
put it in a systemSystem makingHerstellung proteinEiweiß. He madegemacht polyphenylalaninePolyphenylalanin,
236
811000
6000
und sie in ein proteinproduzierendes System zu pflanzen. Er machte
14:02
polyphenylalaninePolyphenylalanin. So that's the first crackingknackend of the geneticgenetisch codeCode,
237
817000
8000
Polyphenylalanine. Das war also der erste Schritt, um den genetischen Code zu knacken,
14:10
and it was all over by 1966.
238
825000
2000
und 1966 hatten wir es geschafft.
14:12
So there, that's what ChrisChris wanted me to do, it was --
239
827000
3000
Also, das war es, was Chris von mir wollte --
14:15
so what happenedpassiert sinceschon seit then?
240
830000
4000
also was ist seither geschehen?
14:19
Well, at that time -- I should go back.
241
834000
3000
Nun muss ich ein wenig in der Zeit zurückgehen.
14:22
When we foundgefunden the structureStruktur of DNADNA, I gavegab my first talk
242
837000
5000
Als wir die Struktur der DNA gefunden hatten, hielt ich meine erste Rede
14:27
at ColdKälte SpringFrühling HarborHafen. The physicistPhysiker, LeoLeo SzilardSzilard,
243
842000
3000
in Cold Spring Harbor. Der Physiker, Leo Szilard
14:30
he lookedsah at me and said, "Are you going to patentPatent this?"
244
845000
3000
schaute mich an und sagte, "Werden Sie das patentieren lassen?"
14:33
And -- but he knewwusste patentPatent lawRecht, and that we couldn'tkonnte nicht patentPatent it,
245
848000
5000
Wir kannten das Patentiergesetz und wussten, dass wir sie nicht patentieren lassen konnten,
14:38
because you couldn'tkonnte nicht. No use for it.
246
853000
2000
weil es nicht möglich war. Sie hatte keinen Verwendungszweck.
14:40
(LaughterLachen)
247
855000
2000
(Lachen)
14:42
And so DNADNA didn't becomewerden a usefulsinnvoll moleculeMolekül,
248
857000
4000
Und so wurde die DNA zu keinem brauchbaren Molekül
14:46
and the lawyersAnwälte didn't entereingeben into the equationGleichung untilbis 1973,
249
861000
5000
und die Anwälte schalteten sich bis 1973 nicht in diese Rechnung ein,
14:51
20 yearsJahre laterspäter, when BoyerBoyer and CohenCohen in SanSan FranciscoFrancisco
250
866000
5000
20 Jahre später, als Bowyer und Cohen in San Francisco
14:56
and StanfordStanford camekam up with theirihr methodMethode of recombinantrekombinant DNADNA,
251
871000
2000
und Stanford mit ihrer Methode von rekombinanter DNA rauskamen,
14:58
and StanfordStanford patentedpatentiert it and madegemacht a lot of moneyGeld.
252
873000
3000
und Stanford diese patentieren ließ und damit viel Geld machte.
15:01
At leastam wenigsten they patentedpatentiert something
253
876000
1000
Wenigstens patentierten sie etwas,
15:02
whichwelche, you know, could do usefulsinnvoll things.
254
877000
3000
mit dem man nützliche Dinge tun konnte.
15:05
And then, they learnedgelernt how to readlesen the lettersBriefe for the codeCode.
255
880000
3000
Dann lernten sie, wie man die Buchstaben für den Code las.
15:08
And, boomBoom, we'vewir haben, you know, had a biotechBiotech industryIndustrie. And,
256
883000
5000
Und schon hatten wir eine biotechnische Industrie.
15:13
but we were still a long waysWege from, you know,
257
888000
7000
Aber wir waren immer noch weit davon entfernt,
15:20
answeringantwortend a questionFrage whichwelche sortSortieren of dominateddominiert my childhoodKindheit,
258
895000
2000
die Frage zu beantworten, die sozusagen meine Kindheit beherrschte
15:22
whichwelche is: How do you nature-nurtureNaturnahrung?
259
897000
5000
und die war: Wie ist die Beziehung zwischen Veranlagung und Umwelt?
15:27
And so I'll go on. I'm alreadybereits out of time,
260
902000
4000
Und so rede ich weiter. Ich habe meine Zeit schon überzogen,
15:31
but this is MichaelMichael WiglerWigler, a very, very cleverklug mathematicianMathematiker
261
906000
3000
aber das hier ist Michael Wigler, ein sehr, sehr intelligenter Mathematiker,
15:34
turnedgedreht physicistPhysiker. And he developedentwickelt a techniqueTechnik
262
909000
3000
der Physiker wurde. Er entwickelte eine Technik,
15:37
whichwelche essentiallyim Wesentlichen will let us look at sampleSample DNADNA
263
912000
4000
mit der man eine Probe von DNA anschauen kann
15:41
and, eventuallyschließlich, a millionMillion spotsFlecken alongeine lange it.
264
916000
2000
und schlussendlich auch tausende von anderen Proben.
15:43
There's a chipChip there, a conventionalkonventionell one. Then there's one
265
918000
3000
Hier ist ein Chip, ein herkömmlicher. Und hier ist einer,
15:46
madegemacht by a photolithographyFotolithografie by a companyUnternehmen in MadisonMadison
266
921000
3000
der von dem Fotolithografen einer Firma in Madison gemacht wurde
15:49
callednamens NimbleGenNimbleGen, whichwelche is way aheadvoraus of AffymetrixAffymetrix.
267
924000
5000
namens NimbleGen, welcher denen von Affymetrix weit voraus ist.
15:54
And we use theirihr techniqueTechnik.
268
929000
2000
Wir benutzen ihre Technik.
15:56
And what you can do is sortSortieren of comparevergleichen DNADNA of normalnormal segssegs versusgegen cancerKrebs.
269
931000
5000
Man kann damit quasi DNA normaler Segmente und krebsbefallener Segmente vergleichen.
16:01
And you can see on the topoben
270
936000
4000
Hier ist Krebs und Sie können da oben sehen,
16:05
that cancersKrebs whichwelche are badschlecht showShow insertionsEinfügungen or deletionsStreichungen.
271
940000
5000
dass der Krebs, welcher bösartig ist, Insertionen oder Deletionen zeigt.
16:10
So the DNADNA is really badlyschlecht muckedmuckte up,
272
945000
3000
Die DNA ist also ziemlich verdreckt,
16:13
whereaswohingegen if you have a chanceChance of survivingüberleben,
273
948000
2000
wohingegen, wenn man eine Überlebenschance hat,
16:15
the DNADNA isn't so muckedmuckte up.
274
950000
2000
die DNA weniger verdreckt ist.
16:17
So we think that this will eventuallyschließlich leadführen to what we call
275
952000
3000
Wir denken also, dass das schlussendlich zu etwas führt, was wir
16:20
"DNADNA biopsiesBiopsien." Before you get treatedbehandelt for cancerKrebs,
276
955000
4000
"DNA-Biopsie" nennen. Bevor Sie gegen Krebs behandelt werden,
16:24
you should really look at this techniqueTechnik,
277
959000
2000
sollten Sie sich diese Technik wirklich gut ansehen
16:26
and get a feelingGefühl of the faceGesicht of the enemyFeind.
278
961000
3000
und ein Gefühl dafür bekommen, wie der Feind aussieht.
16:29
It's not a -- it's only a partialteilweise look, but it's a --
279
964000
3000
Es ist kein -- es ist nur ein unvollständiger Blick, aber es ist ein --
16:32
I think it's going to be very, very usefulsinnvoll.
280
967000
3000
Ich denke es wird sehr, sehr hilfreich sein.
16:35
So, we startedhat angefangen with breastBrust cancerKrebs
281
970000
2000
Wir haben also mit Brustkrebs angefangen,
16:37
because there's lots of moneyGeld for it, no governmentRegierung moneyGeld.
282
972000
3000
weil es da viel Geld dafür gibt, keine Regierungsgelder.
16:40
And now I have a sortSortieren of vestedübertragen interestinteressieren:
283
975000
4000
Und jetzt habe ich noch ein ziemlich begründetes Interesse:
16:44
I want to do it for prostateProstata cancerKrebs. So, you know,
284
979000
2000
Ich möchte das gleiche für Prostatakrebs tun.
16:46
you aren'tsind nicht treatedbehandelt if it's not dangerousgefährlich.
285
981000
3000
Damit man nicht behandelt wird, wenn er nicht gefährlich ist.
16:49
But WiglerWigler, besidesAußerdem looking at cancerKrebs cellsZellen, lookedsah at normalnormal cellsZellen,
286
984000
6000
Aber Wigler schaute sich neben Krebszellen auch normale Zellen an,
16:55
and madegemacht a really sortSortieren of surprisingüberraschend observationÜberwachung.
287
990000
3000
und machte eine etwas überraschende Beobachtung.
16:58
WhichDie is, all of us have about 10 placessetzt in our genomeGenom
288
993000
4000
Und die ist, dass wir alle etwa 10 Orte haben auf unserem Genom,
17:02
where we'vewir haben losthat verloren a geneGen or gainedgewonnen anotherein anderer one.
289
997000
2000
wo wir ein Gen verloren oder eines dazugewonnen haben.
17:05
So we're sortSortieren of all imperfectunvollkommen. And the questionFrage is well,
290
1000000
6000
Also sind wir eigentlich alle irgendwie unvollkommen. Und die Frage ist jetzt ob,
17:11
if we're around here, you know,
291
1006000
2000
da wir ja trotzdem da sind,
17:13
these little lossesVerluste or gainsGewinne mightMacht not be too badschlecht.
292
1008000
3000
diese kleinen Verluste oder Gewinne vielleicht gar nicht so schlecht sind.
17:16
But if these deletionsStreichungen or amplificationsAmplifikationen occurredaufgetreten in the wrongfalsch geneGen,
293
1011000
5000
Aber wenn diese Deletionen oder Amplifikationen im falschen Gen auftreten,
17:21
maybe we'llGut feel sickkrank.
294
1016000
1000
kann es sein, dass wir uns krank fühlen.
17:22
So the first diseaseKrankheit he lookedsah at is autismAutismus.
295
1017000
4000
Die erste Krankheit, nach der er also suchte, war Autismus.
17:26
And the reasonGrund we lookedsah at autismAutismus is we had the moneyGeld to do it.
296
1021000
5000
Und der Grund dafür, dass wir nach Autismus suchten, war, dass wir das Geld dazu hatten.
17:31
Looking at an individualPerson is about 3,000 dollarsDollar. And the parentElternteil of a childKind
297
1026000
5000
Eine einzelne Person zu untersuchen kostet ungefähr 3.000 Dollar. Und die Eltern eines Kindes
17:36
with Asperger'sAsperger diseaseKrankheit, the high-intelligencehohe Intelligenz autismAutismus,
298
1031000
2000
mit der Aspergerkrankheit, hoch intelligenter Autismus,
17:38
had sentgesendet his thing to a conventionalkonventionell companyUnternehmen; they didn't do it.
299
1033000
5000
haben diese Sache einer herkömmlichen Firma geschickt; sie haben es nicht gemacht.
17:43
Couldn'tKonnte nicht do it by conventionalkonventionell geneticsGenetik, but just scanningScannen it
300
1038000
3000
Wir konnten es mit der herkömmlichen Vererbungslehre machen, aber indem wir es gescannt haben,
17:46
we beganbegann to find genesGene for autismAutismus.
301
1041000
3000
fanden wir nach und nach die Gene für Autismus.
17:49
And you can see here, there are a lot of them.
302
1044000
4000
Sie können es hier sehen, es gibt viele davon .
17:53
So a lot of autisticautistisch kidsKinder are autisticautistisch
303
1048000
4000
Viele autistische Kinder haben Autismus,
17:57
because they just losthat verloren a biggroß pieceStück of DNADNA.
304
1052000
2000
einfach weil ihnen ein großes Stück der DNA fehlt.
17:59
I mean, biggroß pieceStück at the molecularmolekular levelEbene.
305
1054000
2000
Ich meine ein großes Stück auf der molekularen Ebene.
18:01
We saw one autisticautistisch kidKind,
306
1056000
2000
Wir hatten ein autistisches Kind,
18:03
about fivefünf millionMillion basesBasen just missingfehlt from one of his chromosomesChromosomen.
307
1058000
3000
dem etwa fünf Millionen der Basen auf einem seiner Chromosome fehlten.
18:06
We haven'thabe nicht yetnoch lookedsah at the parentsEltern, but the parentsEltern probablywahrscheinlich
308
1061000
3000
Wir haben uns die Eltern noch nicht angesehen, aber die Eltern haben
18:09
don't have that lossVerlust, or they wouldn'twürde nicht be parentsEltern.
309
1064000
3000
diesen Verlust wahrscheinlich nicht, oder sie wären keine Eltern.
18:12
Now, so, our autismAutismus studyStudie is just beginningAnfang. We got threedrei millionMillion dollarsDollar.
310
1067000
7000
Unsere Autismusuntersuchungen sind also erst am Anfang. Wir haben 3 Millionen Dollar,
18:19
I think it will costKosten at leastam wenigsten 10 to 20 before you'ddu würdest be in a positionPosition
311
1074000
4000
aber ich denke es wird mindestens 10 bis 20 Millionen kosten, bevor wir in einer Position sind,
18:23
to help parentsEltern who'vewer hat had an autisticautistisch childKind,
312
1078000
3000
wo wir diesen Eltern, welche ein autistisches Kind haben, helfen können,
18:26
or think they maykann have an autisticautistisch childKind,
313
1081000
2000
oder denen, die denken, sie haben ein autistisches Kind,
18:28
and can we spotStelle the differenceUnterschied?
314
1083000
2000
und können wir den Unterschied überhaupt erkennen?
18:30
So this samegleich techniqueTechnik should probablywahrscheinlich look at all.
315
1085000
3000
Und mit derselben Technik sollten wir wahrscheinlich alles angehen.
18:33
It's a wonderfulwunderbar way to find genesGene.
316
1088000
4000
Es ist ein wunderbarer Weg, Gene zu finden.
18:37
And so, I'll concludedaraus schließen by sayingSprichwort
317
1092000
2000
Und so schließe ich ab, indem ich noch erzähle,
18:39
we'vewir haben lookedsah at 20 people with schizophreniaSchizophrenie.
318
1094000
2000
dass wir uns 20 Leute mit Schizophrenie angeschaut haben.
18:41
And we thought we'dheiraten probablywahrscheinlich have to look at severalmehrere hundredhundert
319
1096000
4000
Wir dachten, wir müssten uns mindestens einige Hundert anschauen
18:45
before we got the pictureBild. But as you can see,
320
1100000
2000
bevor wir uns ein Bild machen können. Aber wie Sie sehen können.
18:47
there's sevenSieben out of 20 had a changeVeränderung whichwelche was very highhoch.
321
1102000
4000
bei 7 aus 20 konnte man eine sehr große Veränderung ausmachen.
18:51
And yetnoch, in the controlsKontrollen there were threedrei.
322
1106000
3000
Und doch, bei den Überprüfungen waren es drei.
18:54
So what's the meaningBedeutung of the controlsKontrollen?
323
1109000
2000
Was ist also der Sinn dieser Überprüfungen?
18:56
Were they crazyverrückt alsoebenfalls, and we didn't know it?
324
1111000
2000
Waren diese anderen auch verrückt und wir wussten es nur nicht?
18:58
Or, you know, were they normalnormal? I would guessvermuten they're normalnormal.
325
1113000
4000
Oder waren sie normal? Ich nehme an, das waren sie.
19:02
And what we think in schizophreniaSchizophrenie is there are genesGene of predisposurePrädisposition,
326
1117000
7000
Wir denken, bei Schizophrenie handelt es sich um Veranlagungsgene,
19:09
and whetherob this is one that predisposesprädisponiert --
327
1124000
6000
und ob das eines ist, das diese Veranlagung hat -
19:15
and then there's only a sub-segmentUntersegment of the populationBevölkerung
328
1130000
4000
und so gibt es nur eine ganz kleine Menge der Bevölkerung,
19:19
that's capablefähig of beingSein schizophrenicSchizophrene.
329
1134000
2000
bei der die Schizophrenie wirklich ausbrechen kann.
19:21
Now, we don't have really any evidenceBeweise of it,
330
1136000
4000
Nun haben wir noch nicht wirkliche Beweise dafür,
19:25
but I think, to give you a hypothesisHypothese, the bestBeste guessvermuten
331
1140000
5000
aber ich denke, um Ihnen eine Hypothese zu geben, die bestmögliche Annahme ist die,
19:30
is that if you're left-handedlinkshändig, you're proneanfällig to schizophreniaSchizophrenie.
332
1145000
6000
dass wenn Sie Linkshänder sind, Sie für Schizophrenie anfällig sein könnten.
19:36
30 percentProzent of schizophrenicSchizophrene people are left-handedlinkshändig,
333
1151000
3000
30 Prozent aller Personen mit Schizophrenie sind Linkshänder
19:39
and schizophreniaSchizophrenie has a very funnykomisch geneticsGenetik,
334
1154000
3000
und Schizophrenie hat ein paar wirklich komische Vererbungen,
19:42
whichwelche meansmeint 60 percentProzent of the people are geneticallygenetisch left-handedlinkshändig,
335
1157000
4000
was bedeutet, dass eigentlich 60 Prozent von diesen Leuten genetisch bedingt Linkshänder sind,
19:46
but only halfHälfte of it showedzeigte. I don't have the time to say.
336
1161000
3000
aber nur bei der Hälfte zeigt sich das auch so. Ich habe keine Zeit das alles zu erklären.
19:49
Now, some people who think they're right-handedRechtshändig
337
1164000
3000
Aber einige Menschen, die meinen, sie seien Rechtshänder
19:52
are geneticallygenetisch left-handedlinkshändig. OK. I'm just sayingSprichwort that, if you think,
338
1167000
6000
sind genetisch bedingt eigentlich Linkshänder. Ich sage das einfach,
19:58
oh, I don't carrytragen a left-handedlinkshändig geneGen so thereforedeswegen my, you know,
339
1173000
4000
damit Sie nicht denken: "Ich habe kein Linkshänder-Gen, und darum
20:02
childrenKinder won'tGewohnheit be at riskRisiko of schizophreniaSchizophrenie. You mightMacht. OK?
340
1177000
3000
werden meine Kinder auch nicht für Schizophrenie gefährdet sein. Sie könnten es trotzdem sein. OK?
20:05
(LaughterLachen)
341
1180000
3000
(Lachen)
20:08
So it's, to me, an extraordinarilyaußerordentlich excitingaufregend time.
342
1183000
3000
Für mich ist das also eine sehr spannende Zeit.
20:11
We oughtsollen to be ablefähig to find the geneGen for bipolarbipolar;
343
1186000
2000
Wir sollten bald auch fähig sein, das Gen für bipolare Störungen herauszufinden,
20:13
there's a relationshipBeziehung.
344
1188000
1000
es gibt da eine Verbindung.
20:14
And if I had enoughgenug moneyGeld, we'dheiraten find them all this yearJahr.
345
1189000
4000
Und wenn ich genug Geld hätte, würden wir sie alle noch in diesem Jahr finden.
20:18
I thank you.
346
1193000
1000
Ich danke Ihnen.
Translated by Joelle Schwemmer
Reviewed by Judith Matz

▲Back to top

ABOUT THE SPEAKER
James Watson - Biologist, Nobel laureate
Nobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets.

Why you should listen

James Watson has led a long, remarkable life, starting at age 12, when he was one of radio's high-IQ Quiz Kids. By age 15, he had enrolled in the University of Chicago, and by 25, working with Francis Crick (and drawing, controversially, on the research of Maurice Wilkins and Rosalind Franklin), he had made the discovery that would eventually win the three men the Nobel Prize.

Watson and Crick's 1953 discovery of DNA's double-helix structure paved the way for the astounding breakthroughs in genetics and medicine that marked the second half of the 20th century. And Watson's classic 1968 memoir of the discovery, The Double Helix, changed the way the public perceives scientists, thanks to its candid account of the personality conflicts on the project.

From 1988 to 1994, he ran the Human Genome Project. His current passion is the quest to identify genetic bases for major illnesses; in 2007 he put his fully sequenced genome online, the second person to do so, in an effort to encourage personalized medicine and early detection and prevention of diseases. 

More profile about the speaker
James Watson | Speaker | TED.com