ABOUT THE SPEAKER
David Bolinsky - Medical animator
David Bolinsky and his team illustrate scientific and medical concepts with high-drama animation. You've never seen the life of a cell quite like this.

Why you should listen

Medical illustrator and animator David Bolinsky has devoted his career to displaying scientific and medical concepts in a clear, fresh light.

Since the earliest days of computer animation, he knew this art could be a powerful tool for explaining scientific concepts in ways that traditional medical illustration simply couldn't. Now, with XVIVO, the company he co-founded, he works with schools and with medical and scientific firms, turning complex processes into understandable, compelling films.

"The Inner Life of a Cell," highlighted at TED2007, represents the leading edge of medical animation, in both its technical achievement and its focus on compelling, memorable action. Created as part of the BioVision initiative to help explain cellular processes to students at Harvard's Department of Molecular and Cellular Biology, the clip has captured the imagination of the press -- and reportedly, of Hollywood.

More profile about the speaker
David Bolinsky | Speaker | TED.com
TED2007

David Bolinsky: Visualizing the wonder of a living cell

Ο Ντέιβιντ Μπολίνσκι ζωντανεύει ένα κύτταρο

Filmed:
2,216,452 views

Ο ιατρικός εικονογράφος Ντέιβιντ Μπολίνσκι παρουσιάζει 3 λεπτά καταπληκτικής τρισδιάστατης εικονογράφησης η οποία δείχνει την κίνηση της ζωής μέσα σε ένα κύτταρο.
- Medical animator
David Bolinsky and his team illustrate scientific and medical concepts with high-drama animation. You've never seen the life of a cell quite like this. Full bio

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

00:25
I'm a medicalιατρικός illustratorεικονογράφος,
0
0
3000
Είμαι ιατρικός εικονογράφος,
00:28
and I come from a slightlyελαφρώς differentδιαφορετικός pointσημείο of viewθέα.
1
3000
3000
και έρχομαι με μια λίγο διαφορετική άποψη.
00:31
I've been watchingβλέποντας, sinceΑπό I grewαυξήθηκε up,
2
6000
2000
Παρακολουθώ,από τότε που μεγάλωσα,
00:34
the expressionsεκφράσεις of truthαλήθεια and beautyομορφιά in the artsτέχνες
3
9000
4000
τις εκφράσεις της αλήθειας και της ομορφιάς στις τέχνες
00:38
and truthαλήθεια and beautyομορφιά in the sciencesεπιστήμες.
4
13000
2000
και της αλήθειας και της ομορφιάς στις επιστήμες.
00:40
And while these are bothκαι τα δυο wonderfulεκπληκτικός things in theirδικα τους ownτα δικά right --
5
15000
3000
Και εφόσον και τα δύο αυτά είναι υπέροχα από μόνα τους--
00:43
they bothκαι τα δυο have very wonderfulεκπληκτικός things going for them --
6
18000
3000
ισχύουν και για τα δύο υπέροχα πράγματα--
00:46
truthαλήθεια and beautyομορφιά as idealsιδανικά that can be lookedκοίταξε at by the sciencesεπιστήμες
7
21000
6000
η αλήθεια και η ομορφιά σαν ιδανικά που μπορούν να μελετηθούν απο τις επιστήμες
00:52
and by mathμαθηματικά are almostσχεδόν like the idealιδανικό conjoinedενωμένα twinsδίδυμα
8
27000
5000
και στα μαθηματικά είναι σαν τα ιδανικά σιαμαία δίδυμα
00:57
that a scientistεπιστήμονας would want to dateημερομηνία.
9
32000
1000
με τα οποία ένας επιστήμονας θα ήθελε να βγει ραντεβού.
01:00
(LaughterΤο γέλιο)
10
35000
2000
(Γέλια)
01:02
These are expressionsεκφράσεις of truthαλήθεια as awe-fullδέος-πλήρης things,
11
37000
5000
Αυτές είναι πολύ ωραίες εκφράσεις της αλήθειας,
01:07
by meaningέννοια they are things you can worshipλατρεία.
12
42000
2000
εννοώντας ότι,είναι πράγματα που μπορείς να λατρέψεις.
01:10
They are idealsιδανικά that are powerfulισχυρός. They are irreducibleαμείωτη.
13
45000
4000
Είναι ιδανικά που είναι ισχυρά,αμείωτα,
01:15
They are uniqueμοναδικός. They are usefulχρήσιμος --
14
50000
2000
είναι μοναδικά,χρήσιμα--
01:17
sometimesωρες ωρες, oftenσυχνά a long time after the factγεγονός.
15
52000
2000
μερικές φορές,συχνά πολύ καιρό,μετά το γεγονός.
01:20
And you can actuallyπράγματι rollρολό some of the picturesεικόνες now,
16
55000
2000
Και μπορείτε να δείτε κάποιες απο τις εικόνες τώρα,
01:22
because I don't want to look at me on the screenοθόνη.
17
57000
3000
γιατί δεν θέλω να βλέπω εμένα στην οθόνη.
01:26
TruthΑλήθεια and beautyομορφιά are things
18
61000
2000
Η αλήθεια και η ομορφιά είναι πράγματα
01:28
that are oftenσυχνά opaqueαδιαφανής to people who are not in the sciencesεπιστήμες.
19
63000
4000
τα οποία είναι συχνά δυσνόητα σε ανθρώπους που δεν ασχολούνται με τις επιστήμες.
01:33
They are things that describeπεριγράφω beautyομορφιά in a way
20
68000
6000
Είναι πράγματα τα οποία περιγράφουν την ομορφιά με έναν τρόπο
01:39
that is oftenσυχνά only accessibleπροσιτός if you understandκαταλαβαίνουν the languageΓλώσσα
21
74000
5000
ο οποίος είναι συχνά κατανοητός μόνο εάν καταλαβαίνεις τη γλώσσα
01:44
and the syntaxσύνταξη of the personπρόσωπο
22
79000
2000
και τη σύνταξη του ανθρώπου
01:46
who studiesσπουδές the subjectθέμα in whichοι οποίες truthαλήθεια and beautyομορφιά is expressedεκφράζεται.
23
81000
3000
που μελετάει το αντικείμενο στο οποίο η αλήθεια και η ομορφιά εκφράζονται.
01:49
If you look at the mathμαθηματικά, E=mcMC squaredτετράγωνο,
24
84000
3000
Αν κοιτάξετε τον μαθηματικό τύπο ,Ε=mc στο τετράγωνο ,
01:52
if you look at the cosmologicalκοσμολογική constantσυνεχής,
25
87000
3000
αν κοιτάξετε την κοσμολογική σταθερά,
01:55
where there's an anthropicΑνθρωπική idealιδανικό, where you see that life had to evolveαναπτύσσω
26
90000
5000
όπου υπάρχει ένα ανθρωπογενές ιδεώδες,όπου βλέπετε ότι η ζωή έπρεπε να εξελιχθεί
02:00
from the numbersαριθμούς that describeπεριγράφω the universeσύμπαν --
27
95000
3000
από τους αριθμούς που περιγράφουν το σύμπαν --
02:03
these are things that are really difficultδύσκολος to understandκαταλαβαίνουν.
28
98000
3000
αυτά είναι πράγματα που είναι πραγματικά δύσκολο να τα καταλάβετε.
02:06
And what I've triedδοκιμασμένος to do
29
101000
1000
Και αυτό που προσπάθησα να κάνω
02:07
sinceΑπό I had my trainingεκπαίδευση as a medicalιατρικός illustratorεικονογράφος --
30
102000
2000
από τότε που έκανα την εκπαίδευση μου σαν ιατρικός εικονογράφος--
02:09
sinceΑπό I was taughtδιδακτός animationκινουμένων σχεδίων by my fatherπατέρας,
31
104000
3000
από τότε που διδάχθηκα την απεικόνιση σε πολλές διαστάσεις από τον πατέρα μου,
02:12
who was a sculptorγλύπτης and my visualοπτικός mentorμέντορας --
32
107000
3000
ο οποίος ήταν γλύπτης και οπτικός μου μέντορας--
02:16
I wanted to figureεικόνα out a way to help people
33
111000
3000
ήθελα να βρώ έναν τρόπο να βοηθήσω τους ανθρώπους
02:20
understandκαταλαβαίνουν truthαλήθεια and beautyομορφιά in the biologicalβιολογικός sciencesεπιστήμες
34
115000
3000
να καταλάβουν την αλήθεια και την ομορφιά στις επιστήμες της βιολογίας
02:24
by usingχρησιμοποιώντας animationκινουμένων σχεδίων, by usingχρησιμοποιώντας picturesεικόνες, by tellingαποτελεσματικός storiesιστορίες
35
119000
3000
χρησιμοποιώντας τρισδιάστατη απεικόνιση,χρησιμοποιώντας εικόνες,λέγοντας ιστορίες.
02:28
so that the things that are not necessarilyαναγκαίως evidentεμφανές to people
36
123000
4000
Έτσι ώστε τα πράγματα τα οποία δεν είναι απαραιτήτως προφανή στους ανθρώπους
02:32
can be broughtέφερε forthΕμπρός, and can be taughtδιδακτός, and can be understoodκατανοητή.
37
127000
4000
μπορούν να παραχθούν,μπορούν να διδαχθούν,μπορούν να γίνουν κατανοητά.
02:36
StudentsΟι μαθητές todayσήμερα are oftenσυχνά immersedβυθισμένο in an environmentπεριβάλλον
38
131000
5000
Οι φοιτητές σήμερα βυθίζονται συχνά σε ένα περιβάλλον
02:42
where what they learnμαθαίνω is subjectsμαθήματα that have truthαλήθεια and beautyομορφιά
39
137000
5000
όπου ότι μαθαίνουν είναι μαθήματα τα οποία έχουν αλήθεια και ομορφιά
02:47
embeddedενσωματωμένο in them, but the way they're taughtδιδακτός is compartmentalizedδιαμερισματική
40
142000
5000
ενσωματωμένα σε αυτά,όμως ο τρόπος με τον οποίο διδάσκονται είναι κατακερματισμένος
02:52
and it's drawnσυρθεί down to the pointσημείο where the truthαλήθεια and beautyομορφιά
41
147000
5000
και ορίζονται με τρόπο όπου η αλήθεια και η ομορφιά
02:57
are not always evidentεμφανές.
42
152000
1000
δεν είναι πάντα προφανή.
02:58
It's almostσχεδόν like that oldπαλαιός recipeσυνταγή for chickenκοτόπουλο soupσούπα
43
153000
3000
Είναι σχεδόν σαν αυτή την παλιά συνταγή για κοτόσουπα,
03:01
where you boilβρασμός the chickenκοτόπουλο untilμέχρις ότου the flavorγεύση is just goneχαμένος.
44
156000
4000
όπου βράζεις το κοτόπουλο μέχρι η γεύση να εξαφανιστεί.
03:06
We don't want to do that to our studentsΦοιτητές.
45
161000
2000
Δεν θέλουμε να το κάνουμε αυτό στους φοιτητές μας.
03:08
So we have an opportunityευκαιρία to really openΆνοιξε up educationεκπαίδευση.
46
163000
4000
Έτσι έχουμε την ευκαιρία να διευρύνουμε την εκπαίδευση.
03:12
And I had a telephoneτηλέφωνο call from RobertΡόμπερτ LueLue at HarvardΧάρβαρντ,
47
167000
3000
Και δέχθηκα ένα τηλεφώνημα από τον Ρόμπερτ Λού από το Χάρβαρντ,
03:15
in the MolecularΜοριακή and CellularΚινητή τηλεφωνία BiologyΒιολογία DepartmentΤμήμα,
48
170000
2000
στο τμήμα Μοριακής και Κυτταρικής Βιολογίας,
03:17
a coupleζευγάρι of yearsχρόνια agoπριν. He askedερωτηθείς me if my teamομάδα and I
49
172000
3000
πριν μερικά χρόνια.Με ρώτησε αν η ομάδα μου και εγω
03:21
would be interestedενδιαφερόμενος and willingπρόθυμος to really changeαλλαγή
50
176000
4000
ενδιαφερόμασταν και θέλαμε πραγματικά να αλλάξουμε
03:25
how medicalιατρικός and scientificεπιστημονικός educationεκπαίδευση is doneΈγινε at HarvardΧάρβαρντ.
51
180000
3000
τον τρόπο που η ιατρική και επιστημονική εκπαίδευση γίνεται στο Χάρβαρντ.
03:28
So we embarkedξεκίνησε on a projectέργο that would exploreεξερευνώ the cellκύτταρο --
52
183000
5000
Έτσι ξεκινήσαμε ένα πρόγραμμα το οποίο θα εξερευνούσε το κύτταρο,
03:33
that would exploreεξερευνώ the truthαλήθεια and beautyομορφιά inherentσυμφυής
53
188000
3000
θα εξευρευνούσε την αλήθεια και την ομορφιά
03:36
in molecularμοριακός and cellularκυτταρικός biologyβιολογία
54
191000
2000
της μοριακής και κυτταρικής βιολογίας
03:38
so that studentsΦοιτητές could understandκαταλαβαίνουν a largerμεγαλύτερος pictureεικόνα
55
193000
3000
έτσι ώστε οι φοιτητές να έχουν μία καλύτερη εικόνα
03:41
that they could hangκρεμάω all of these factsγεγονότα on.
56
196000
3000
ώστε να μπορούν να κατανοήσουν όλα αυτά.
03:44
They could have a mentalδιανοητικός imageεικόνα of the cellκύτταρο
57
199000
3000
Θα μπορούν να έχουν μία νοερή εικόνα του κυττάρου
03:47
as a largeμεγάλο, bustlingπολυσύχναστη, hugelyεξαιρετικά complicatedπερίπλοκος cityπόλη
58
202000
7000
ως μία μεγάλη, με κίνηση,πάρα πολύ πολύπλοκη πόλη
03:55
that's occupiedκατειλημμένος by micro-machinesμικρο-μηχανήματα.
59
210000
2000
την οποία καταλαμβάνουν μικρο-μηχανές.
03:57
And these micro-machinesμικρο-μηχανήματα really are at the heartκαρδιά of life.
60
212000
3000
Και αυτές οι μικρο-μηχανές είναι πραγματικά στην καρδιά της ζωής.
04:00
These micro-machinesμικρο-μηχανήματα,
61
215000
1000
Αυτές οι μικρο-μηχανές,
04:01
whichοι οποίες are the envyφθόνος of nanotechnologistsnanotechnologists the worldκόσμος over,
62
216000
3000
οι οποίες είναι ο εχθρός των νανοτεχνολόγων σε όλο τον κόσμο,
04:05
are self-directedαυτο-κατευθυνόμενη, powerfulισχυρός, preciseακριβής, accurateακριβής devicesσυσκευές
63
220000
7000
είναι αυτοκατευθυνόμενες,ισχυρές,ακριβείς συσκευές
04:12
that are madeέκανε out of stringsχορδές of aminoαμινο acidsοξέα.
64
227000
3000
οι οποίες είναι κατασκευασμένες απο αλυσίδες αμινοξέων.
04:15
And these micro-machinesμικρο-μηχανήματα powerεξουσία how a cellκύτταρο movesκινήσεις.
65
230000
4000
Και αυτές οι μικρο-μηχανές καθορίζουν πως κινείται ένα κύτταρο,
04:19
They powerεξουσία how a cellκύτταρο replicatesεπαναλαμβάνει. They powerεξουσία our heartsκαρδιές.
66
234000
5000
πως ένα κύτταρο αντιγράφεται,καθορίζουν τη λειτουργία της καρδιάς μας,
04:24
They powerεξουσία our mindsμυαλά.
67
239000
1000
και του μυαλού μας.
04:26
And so what we wanted to do was to figureεικόνα out
68
241000
3000
Και έτσι αυτό που θέλαμε να κάνουμε ήταν να καταλάβουμε
04:30
how we could make this storyιστορία into an animationκινουμένων σχεδίων
69
245000
2000
πως θα μπορούσαμε να φτιάξουμε αυτή την ιστορία σε μία τρισδιάστατη απεικόνιση
04:33
that would be the centerpieceκεντρικό τεμάχιο of BioVisionsBioVisions at HarvardΧάρβαρντ,
70
248000
3000
η οποία θα ήταν το κεντρικό κομμάτι της ΒιοΟπτικής στο Χάρβαρντ,
04:37
whichοι οποίες is a websiteδικτυακός τόπος that HarvardΧάρβαρντ has
71
252000
4000
το οποίο είναι μια ιστοσελίδα που έχει το Χάρβαρντ
04:41
for its molecularμοριακός and cellularκυτταρικός biologyβιολογία studentsΦοιτητές
72
256000
2000
για τους φοιτητές της μοριακής και κυτταρικής βιολογίας
04:43
that will -- in additionπρόσθεση to all the textualκειμενικό informationπληροφορίες,
73
258000
4000
το οποίο--σε αντίθεση με τις πληροφορίες σε μορφή κειμένου,
04:48
in additionπρόσθεση to all the didacticδιδακτικός stuffυλικό --
74
263000
1000
σε αντίθεση με τη διδακτική ύλη--
04:50
put everything togetherμαζί visuallyοπτικά, so that these studentsΦοιτητές
75
265000
2000
θα τα συγκεντρώσει όλα οπτικά,έτσι ώστε αυτοί οι φοιτητές
04:53
would have an internalizedεσωτερίκευση viewθέα of what a cellκύτταρο really is
76
268000
4000
να έχουν μία εσωτερική εικόνα του κυττάρου
04:57
in all of its truthαλήθεια and beautyομορφιά, and be ableικανός to studyμελέτη
77
272000
4000
σε όλη την αλήθεια του και την ομορφιά του,και να μπορούν να μελετήσουν
05:01
with this viewθέα in mindμυαλό, so that theirδικα τους imaginationsφαντασίας would be sparkedπυροδότησε,
78
276000
4000
με αυτή την εικόνα στο μυαλό τους,έτσι ώστε να πυροδοτηθούν οι φαντασιώσεις τους,
05:05
so that theirδικα τους passionsτα πάθη would be sparkedπυροδότησε
79
280000
2000
να πυροδοτηθούν τα πάθη τους
05:08
and so that they would be ableικανός to go on
80
283000
1000
και να μπορέσουν έτσι να συνεχίσουν
05:10
and use these visionsοράματα in theirδικα τους headκεφάλι to make newνέος discoveriesανακαλύψεις
81
285000
4000
και να χρησιμοποιήσουν αυτές τις εικόνες που έχουν στο κεφάλι τους για να κάνουν νέες ανακαλύψεις
05:14
and to be ableικανός to find out, really, how life worksεργοστάσιο.
82
289000
3000
και να μπορέσουν να μάθουν πώς πραγματικά λειτουργεί η ζωή.
05:17
So we setσειρά out by looking at how these moleculesμόρια are put togetherμαζί.
83
292000
6000
Έτσι ξεκινάμε κοιτώντας πως αυτά τα μόρια συγκεντρώνονται.
05:24
We workedεργάστηκε with a themeθέμα, whichοι οποίες is, you've got macrophagesμακροφάγα
84
299000
5000
Δουλέψαμε με ένα θέμα,το οποίο είναι, έχεις μακροφάγους
05:30
that are streamingstreaming down a capillaryτριχοειδή αγγεία,
85
305000
1000
οι οποίοι κινούνται προς τα κάτω μέσα σε τριχοειδή,
05:32
and they're touchingαφορών the surfaceεπιφάνεια of the capillaryτριχοειδή αγγεία wallτείχος,
86
307000
2000
και αγγίζουν την επιφάνεια του τοίχους των τριχοειδών,
05:35
and they're pickingσυλλογή up informationπληροφορίες from cellsκυττάρων
87
310000
2000
και συλλέγουν πληροφορίες από τα κύτταρα
05:37
that are on the capillaryτριχοειδή αγγεία wallτείχος, and they are givenδεδομένος this informationπληροφορίες
88
312000
4000
τα οποία είναι στο τοίχος των τριχοειδών,και παίρνουν αυτή την πληροφορία
05:41
that there's an inflammationφλεγμονή somewhereκάπου outsideεξω απο,
89
316000
3000
ότι κάπου έξω υπάρχει μία φλεγμονή,
05:44
where they can't see and senseέννοια.
90
319000
2000
την οποία δεν μπορούν να δούν και να αισθανθούν.
05:46
But they get the informationπληροφορίες that causesαιτίες them to stop,
91
321000
3000
Όμως λαμβάνουν την πληροφορία να σταματήσουν,
05:49
causesαιτίες them to internalizeεσωτερικεύουν that they need to make
92
324000
4000
να μαζευτούν προς το εσωτερικό τους
05:53
all of the variousδιάφορος partsεξαρτήματα that will causeαιτία them to changeαλλαγή theirδικα τους shapeσχήμα,
93
328000
4000
να κάνουν ό,τι χρειάζεται ώστε να αλλάξουν το σχήμα τους,
05:58
and try to get out of this capillaryτριχοειδή αγγεία and find out what's going on.
94
333000
4000
και να προσπαθήσουν να βγουν έξω από αυτά τα τριχοειδή και να μάθουν τι συμβαίνει.
06:03
So these molecularμοριακός motorsκινητήρες -- we had to work
95
338000
2000
Έτσι αυτές οι μοριακές μηχανές --έπρεπε να δουλέψουμε
06:05
with the HarvardΧάρβαρντ scientistsΕπιστήμονες and databankDATABANK modelsμοντέλα
96
340000
5000
με τους επιστήμονες του Χάρβαρντ και τα μοντέλα της τράπεζας δεδομένων
06:11
of the atomicallyατομικά accurateακριβής moleculesμόρια
97
346000
3000
των μορίων που είναι ατομικά ακριβή
06:14
and figureεικόνα out how they movedμετακινήθηκε, and figureεικόνα out what they did.
98
349000
3000
και να καταλάβουμε πως κινούνταν ,να καταλάβουμε τι έκαναν.
06:18
And figureεικόνα out how to do this in a way
99
353000
2000
Και να δούμε πως μπορούμε να το κάνουμε αυτό με ένα τρόπο
06:20
that was truthfulαληθείς in that it impartedμεταδίδεται what was going on,
100
355000
5000
ο οποίος να μπορεί να μεταδώσει πιστά τι συνέβαινε,
06:26
but not so truthfulαληθείς that the compactσυμπαγής crowdingο συνωστισμός in a cellκύτταρο
101
361000
5000
αλλά όχι τόσο πιστά γιατί ο συμπαγής συνωστισμός στο κύτταρο
06:31
would preventαποτρέψει the vistaμακρινή θέα from happeningσυμβαίνει.
102
366000
3000
θα μας εμπόδιζε να δούμε τι ακριβώς γίνεται.
06:34
And so what I'm going to showπροβολή you is a three-minuteτριών λεπτών
103
369000
4000
Και έτσι αυτό που θα σας δείξω είναι μία τριών λεπτών
06:38
Reader'sΤου αναγνώστη DigestDigest versionεκδοχή of the first aspectάποψη of this filmταινία
104
373000
3000
περιληπτική έκδοση του πρώτου μέρους της ταινίας
06:41
that we producedπαράγεται. It's an ongoingσε εξέλιξη projectέργο
105
376000
3000
που δημιουργήσαμε.Έιναι ένα εξελισσόμενο έργο
06:44
that's going to go anotherαλλο fourτέσσερα or fiveπέντε yearsχρόνια.
106
379000
2000
το οποίο θα διαρκέσει άλλα τέσσερα ή πέντε χρόνια.
06:47
And I want you to look at this
107
382000
2000
Και θέλω να το κοιτάξετε
06:49
and see the pathsδιαδρομές that the cellκύτταρο manufacturesκατασκευάζει --
108
384000
4000
και να δείτε τα μονοπάτια που κατασκευάζει το κύτταρο--
06:53
these little walkingτο περπάτημα machinesμηχανές, they're calledπου ονομάζεται kinesinsμεμβρανοσύνδετων --
109
388000
3000
αυτές οι μικρές κινούμενες μηχανές,ονομάζονται κινεσίνες --
06:57
that take these hugeτεράστιος loadsφορτία
110
392000
1000
που παίρνουν αυτά τα τεράστια φορτία
06:59
that would challengeπρόκληση an antμυρμήγκι in relativeσυγγενής sizeμέγεθος.
111
394000
2000
τα οποία θα ήταν πρόκληση και για ένα μυρμήγκι σχετικού μεγέθους.
07:02
RunΕκτέλεση the movieταινία, please.
112
397000
3000
Παίξτε την ταινία,παρακαλώ.
07:06
But these machinesμηχανές that powerεξουσία the insideμέσα of the cellsκυττάρων
113
401000
3000
Αλλά αυτές οι μηχανές οι οποίες ενδυναμώνουν το εσωτερικό των κυττάρων
07:09
are really quiteαρκετά amazingφοβερο, and they really are the basisβάση of all life
114
404000
4000
είναι πραγματικά εντυπωσιακές,και είναι πραγματικά θεμελιώδεις για τη ζωή.
07:13
because all of these machinesμηχανές interactαλληλεπιδρώ with eachκαθε other.
115
408000
4000
Επειδή όλες αυτές οι μηχανές επικοινωνούν μεταξύ τους.
07:18
They passπέρασμα informationπληροφορίες to eachκαθε other.
116
413000
1000
Περνούν πληροφορίες η μία στην άλλη,
07:20
They causeαιτία differentδιαφορετικός things to happenσυμβεί insideμέσα the cellκύτταρο.
117
415000
2000
προκαλούν διαφορετικά πράγματα μέσα στο κύτταρο.
07:23
And the cellκύτταρο will actuallyπράγματι manufactureκατασκευή the partsεξαρτήματα that it needsανάγκες
118
418000
3000
Και το κύτταρο ουσιαστικά θα παρασκευάσει τα τμήματα που χρειάζεται
07:26
on the flyπετώ, from informationπληροφορίες
119
421000
2000
επι τόπου,από πληροφορίες
07:28
that's broughtέφερε from the nucleusπυρήνας by moleculesμόρια that readανάγνωση the genesγονίδια.
120
423000
4000
τις οποίες θα πάρει από τον πυρήνα από μόρια τα οποία διαβάζουν τα γονίδια.
07:33
No life, from the smallestμικρότερο life to everybodyόλοι here,
121
428000
4000
Καμία ζωή,από τη μικρότερη μέχρι τους πάντες εδω μέσα,
07:38
would be possibleδυνατόν withoutχωρίς these little micro-machinesμικρο-μηχανήματα.
122
433000
2000
δεν θα ήταν δυνατή χωρίς αυτές τις μικρές μικρο-μηχανές.
07:41
In factγεγονός, it would really, in the absenceαπουσία of these machinesμηχανές,
123
436000
3000
Στην πραγματικότητα,η απουσία αυτών των μηχανών,
07:45
have madeέκανε the attendanceφοίτηση here, ChrisChris, really quiteαρκετά sparseαραιή.
124
440000
2000
θα έκανε το κοινό εδώ ,Κρις ,πραγματικά αραιό.
07:47
(LaughterΤο γέλιο)
125
442000
4000
(Γέλια)
07:51
(MusicΜουσική)
126
446000
12000
(Μουσική)
08:03
This is the FedExFedEx deliveryδιανομή guy of the cellκύτταρο.
127
458000
2000
Αυτός είναι ο διανομέας κυττάρου της FedFx :
08:07
This little guy is calledπου ονομάζεται the kinesinδομής,
128
462000
1000
αυτός ο μικρός άντρας ονομάζεται κινεσίνη ,
08:09
and he pullsτραβάει a sackτσουβάλι that's fullγεμάτος of brandμάρκα newνέος manufacturedκατασκευάζονται proteinsπρωτεΐνες
129
464000
4000
και τραβάει έναν σάκο ο οποίος είναι γεμάτος με ολοκαίνουριες παρασκευασμένες πρωτεΐνες
08:13
to whereverοπουδήποτε it's neededαπαιτείται in the cellκύτταρο --
130
468000
2000
για οπουδήποτε χρειάζονται στο κύτταρο--
08:15
whetherκατά πόσο it's to a membraneμεμβράνη, whetherκατά πόσο it's to an organelleοργανίδιο,
131
470000
3000
είτε σε μία μεμβράνη,είτε σε ένα οργανίδιο,
08:18
whetherκατά πόσο it's to buildχτίζω something or repairεπισκευή something.
132
473000
2000
είτε για να κατασκευαστεί ή να επιδιορθωθεί κάτι.
08:20
And eachκαθε of us has about 100,000 of these things
133
475000
4000
Και καθένας από εμάς έχει περίπου 100,000 από αυτά
08:24
runningτρέξιμο around, right now,
134
479000
1000
που τρέχουν τριγύρω,αυτή τη στιγμή,
08:26
insideμέσα eachκαθε one of your 100 trillionτρισεκατομμύριο cellsκυττάρων.
135
481000
3000
μέσα σε κάθε ένα από τα 100 τρισεκατομμύρια κύταρα σας
08:29
So no matterύλη how lazyτεμπέλης you feel,
136
484000
2000
Έτσι άσχετα με το πόσο τεμπέληδες νιώθετε,
08:32
you're not really intrinsicallyεγγενώς doing nothing.
137
487000
2000
στην ουσία κάτι κάνετε.
08:34
(LaughterΤο γέλιο)
138
489000
4000
(Γέλια)
08:38
So what I want you to do when you go home
139
493000
2000
Έτσι αυτό που θέλω να κάνετε όταν πάτε σπίτι
08:40
is think about this, and think about how powerfulισχυρός our cellsκυττάρων are.
140
495000
3000
είναι να σκεφτείτε αυτό,και να σκεφτείτε πόσο ισχυρά είναι τα κύτταρα μας,
08:44
And think about some of the things
141
499000
1000
και να σκεφτείτε μερικά από τα πράγματα
08:45
that we're learningμάθηση about cellularκυτταρικός mechanicsμηχανική.
142
500000
4000
τα οποία μαθαίνουμε για την κυτταρική μηχανική.
08:49
OnceΜια φορά we figureεικόνα out all that's going on --
143
504000
3000
Μόλις κατανοήσουμε όλα αυτά που συμβαίνουν--
08:52
and believe me, we know almostσχεδόν a percentτοις εκατό of what's going on --
144
507000
3000
και πιστέψτε με,γνωρίζουμε σχεδόν ένα ποσοστό από αυτά που συμβαίνουν--
08:56
onceμια φορά we figureεικόνα out what's going on,
145
511000
1000
μόλις κατανοήσουμε τι συμβαίνει,
08:57
we're really going to be ableικανός to have a lot of controlέλεγχος
146
512000
3000
θα μπορούμε πραγματικά να έχουμε τον έλεγχο
09:00
over what we do with our healthυγεία,
147
515000
2000
στο τι κάνουμε με την υγεία μας,
09:02
with what we do with futureμελλοντικός generationsγενεών,
148
517000
3000
στο τι θα κάνουμε με τις μελλοντικές γενιές,
09:05
and how long we're going to liveζω.
149
520000
1000
πόσο θα ζήσουμε.
09:07
And hopefullyελπίζω we'llΚαλά be ableικανός to use this
150
522000
2000
Και ελπίζουμε ότι θα μπορούμε να το χρησιμοποιήσουμε αυτό
09:09
to discoverανακαλύπτω more truthαλήθεια, and more beautyομορφιά.
151
524000
3000
για να ανακαλύψουμε περισσότερη αλήθεια,και περισσότερη ομορφιά.
09:12
(MusicΜουσική)
152
527000
14000
(Μουσική)
09:26
But it's really quiteαρκετά amazingφοβερο that these cellsκυττάρων, these micro-machinesμικρο-μηχανήματα,
153
541000
4000
Αλλά είναι αρκετά εντυπωσιακό ότι αυτά τα κύτταρα,αυτές οι μικρο-μηχανές,
09:31
are awareενήμερος enoughαρκετά of what the cellκύτταρο needsανάγκες that they do theirδικα τους biddingυποβολή προσφορών.
154
546000
5000
έχουν επίγνωση του τι χρειάζεται το κύτταρο και έτσι κάνουν την προσφορά τους.
09:36
They work togetherμαζί. They make the cellκύτταρο do what it needsανάγκες to do.
155
551000
4000
Δουλεύουν μαζί,κάνουν το κύτταρο να εκτελέσει αυτό που πρέπει να εκτελέσει.
09:40
And theirδικα τους workingεργαζόμενος togetherμαζί helpsβοηθάει our bodiesσώματα --
156
555000
6000
Και το να δουλεύουν μαζί βοηθάει τα σώματα μας--
09:46
hugeτεράστιος entitiesοντότητες that they will never see -- functionλειτουργία properlyδεόντως.
157
561000
4000
τεράστιες οντότητες τις οποίες δεν θα δουν ποτέ--λειτουργούν κανονικά.
09:51
EnjoyΑπολαύστε the restυπόλοιπο of the showπροβολή. Thank you.
158
566000
1000
Απολαύστε το υπόλοιπο σόου.Ευχαριστώ.
09:52
(ApplauseΧειροκροτήματα)
159
567000
2000
(Χειροκροτήματα)
Translated by Danai Vasileiou
Reviewed by Panagiota Vasileiou

▲Back to top

ABOUT THE SPEAKER
David Bolinsky - Medical animator
David Bolinsky and his team illustrate scientific and medical concepts with high-drama animation. You've never seen the life of a cell quite like this.

Why you should listen

Medical illustrator and animator David Bolinsky has devoted his career to displaying scientific and medical concepts in a clear, fresh light.

Since the earliest days of computer animation, he knew this art could be a powerful tool for explaining scientific concepts in ways that traditional medical illustration simply couldn't. Now, with XVIVO, the company he co-founded, he works with schools and with medical and scientific firms, turning complex processes into understandable, compelling films.

"The Inner Life of a Cell," highlighted at TED2007, represents the leading edge of medical animation, in both its technical achievement and its focus on compelling, memorable action. Created as part of the BioVision initiative to help explain cellular processes to students at Harvard's Department of Molecular and Cellular Biology, the clip has captured the imagination of the press -- and reportedly, of Hollywood.

More profile about the speaker
David Bolinsky | Speaker | TED.com