ABOUT THE SPEAKER
Craig Venter - Biologist, genetics pioneer
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels.

Why you should listen

Craig Venter, the man who led the private effort to sequence the human genome, is hard at work now on even more potentially world-changing projects.

First, there's his mission aboard the Sorcerer II, a 92-foot yacht, which, in 2006, finished its voyage around the globe to sample, catalouge and decode the genes of the ocean's unknown microorganisms. Quite a task, when you consider that there are tens of millions of microbes in a single drop of sea water. Then there's the J. Craig Venter Institute, a nonprofit dedicated to researching genomics and exploring its societal implications.

In 2005, Venter founded Synthetic Genomics, a private company with a provocative mission: to engineer new life forms. Its goal is to design, synthesize and assemble synthetic microorganisms that will produce alternative fuels, such as ethanol or hydrogen. He was on Time magzine's 2007 list of the 100 Most Influential People in the World.

In early 2008, scientists at the J. Craig Venter Institute announced that they had manufactured the entire genome of a bacterium by painstakingly stitching together its chemical components. By sequencing a genome, scientists can begin to custom-design bootable organisms, creating biological robots that can produce from scratch chemicals humans can use, such as biofuel. And in 2010, they announced, they had created "synthetic life" -- DNA created digitally, inserted into a living bacterium, and remaining alive.

More profile about the speaker
Craig Venter | Speaker | TED.com
TED2008

Craig Venter: On the verge of creating synthetic life

Craig Venter está a punto de crear vida artificial

Filmed:
1,196,566 views

«¿Podemos crear nueva vida a partir de nuestro universo digital?», pregunta Craig Venter. Su respuesta es «sí», y muy pronto. Camina a través de sus últimas investigaciones y promete que pronto vamos a ser capaces de construir y hacer que funcione un cromosoma sintético.
- Biologist, genetics pioneer
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels. Full bio

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

00:19
You know, I've talkedhabló about some of these projectsproyectos before --
0
1000
2000
Saben, he hablado de algunos de estos proyectos antes,
00:21
about the humanhumano genomegenoma and what that mightpodría mean,
1
3000
4000
sobre el genoma humano y lo que podría significar
00:25
and discoveringdescubriendo newnuevo setsconjuntos of genesgenes.
2
7000
3000
y sobre el descubrimiento de nuevos conjuntos de genes.
00:28
We're actuallyactualmente startingcomenzando at a newnuevo pointpunto:
3
10000
3000
Estamos realmente comenzando a partir de un nuevo punto:
00:31
we'venosotros tenemos been digitizingdigitalizando biologybiología,
4
13000
4000
hemos estado digitalizando la biología
00:35
and now we're tryingmolesto to go from that digitaldigital codecódigo
5
17000
3000
y ahora estamos tratando de pasar de ese código digital
00:38
into a newnuevo phasefase of biologybiología
6
20000
2000
a una nueva fase de la biología,
00:40
with designingdiseño and synthesizingsintetizando life.
7
22000
3000
diseñando y sintetizando vida.
00:43
So, we'venosotros tenemos always been tryingmolesto to askpedir biggrande questionspreguntas.
8
25000
3000
Por lo tanto, siempre hemos estado tratando de plantear grandes preguntas.
00:48
"What is life?" is something that I think manymuchos biologistsbiólogos
9
30000
2000
«¿Qué es la vida?» es algo que creo que muchos biólogos
00:50
have been tryingmolesto to understandentender
10
32000
2000
han tratado de entender
00:52
at variousvarios levelsniveles.
11
34000
2000
a distintos niveles.
00:54
We'veNosotros tenemos triedintentó variousvarios approachesenfoques,
12
36000
3000
Hemos intentado varios métodos,
00:57
paringmondadura it down to minimalmínimo componentscomponentes.
13
39000
3000
reduciéndola a sus componentes mínimos.
01:01
We'veNosotros tenemos been digitizingdigitalizando it now for almostcasi 20 yearsaños;
14
43000
2000
Llevamos ya casi veinte años digitalizándola.
01:03
when we sequencedsecuenciado the humanhumano genomegenoma,
15
45000
2000
Cuando secuenciamos el genoma humano
01:05
it was going from the analogcosa análoga worldmundo of biologybiología
16
47000
3000
se pasaba del mundo analógico de la biología
01:08
into the digitaldigital worldmundo of the computercomputadora.
17
50000
4000
al mundo digital del ordenador.
01:12
Now we're tryingmolesto to askpedir, "Can we regenerateregenerado life
18
54000
4000
Ahora estamos tratando de plantear si podemos regenerar la vida
01:16
or can we createcrear newnuevo life
19
58000
2000
o si podemos crear nueva vida
01:18
out of this digitaldigital universeuniverso?"
20
60000
3000
a partir de este universo digital.
01:21
This is the mapmapa of a smallpequeña organismorganismo,
21
63000
3000
Este es el mapa de un pequeño organismo,
01:24
MycoplasmaMycoplasma genitaliumgenitalium,
22
66000
2000
Mycoplasma genitalium,
01:26
that has the smallestpequeñísimo genomegenoma for a speciesespecies
23
68000
3000
que tiene el genoma más pequeño de todas las especies
01:29
that can self-replicateautorreplicar in the laboratorylaboratorio,
24
71000
3000
que pueden autorreplicarse en el laboratorio.
01:32
and we'venosotros tenemos been tryingmolesto to just see if
25
74000
2000
Y hemos tratado de ver sólo si
01:34
we can come up with an even smallermenor genomegenoma.
26
76000
3000
si podemos llegar a un genoma aún menor.
01:38
We're ablepoder to knockgolpe out on the orderorden of 100 genesgenes
27
80000
2000
Somos capaces de silenciar del orden de un centenar de genes
01:40
out of the 500 or so that are here.
28
82000
3000
de los 500 más o menos que tenemos aquí.
01:43
When we look at its metabolicmetabólico mapmapa,
29
85000
2000
Pero cuando nos fijamos en su mapa metabólico,
01:45
it's relativelyrelativamente simplesencillo
30
87000
2000
es relativamente simple
01:47
comparedcomparado to oursla nuestra --
31
89000
2000
en comparación con el nuestro.
01:49
trustconfianza me, this is simplesencillo --
32
91000
2000
Créanme, esto es sencillo.
01:51
but when we look at all the genesgenes
33
93000
2000
Pero cuando nos fijamos en todos los genes
01:53
that we can knockgolpe out one at a time,
34
95000
3000
que podemos silenciar de uno en uno,
01:56
it's very unlikelyimprobable that this would yieldrendimiento
35
98000
2000
es muy poco probable que esto pueda dar lugar
01:58
a livingvivo cellcelda.
36
100000
2000
a una célula viva.
02:01
So we decideddecidido the only way forwardadelante
37
103000
2000
Por lo tanto, decidimos que la única manera de avanzar
02:03
was to actuallyactualmente synthesizesintetizar this chromosomecromosoma
38
105000
3000
era sintetizar de verdad este cromosoma
02:06
so we could varyvariar the componentscomponentes
39
108000
3000
para que pudiésemos variar sus componentes
02:09
to askpedir some of these mostmás fundamentalfundamental questionspreguntas.
40
111000
4000
y poder plantearnos algunas de estas preguntas más fundamentales.
02:13
And so we startedempezado down the roadla carretera of:
41
115000
2000
Y así iniciamos el camino de
02:15
can we synthesizesintetizar a chromosomecromosoma?
42
117000
3000
«¿Podemos sintetizar un cromosoma?»
02:19
Can chemistryquímica permitpermiso makingfabricación
43
121000
2000
¿Puede la química hacer posible que fabriquemos
02:21
these really largegrande moleculesmoléculas
44
123000
2000
estas moléculas realmente grandes llevándonos
02:23
where we'venosotros tenemos never been before?
45
125000
2000
donde nunca habíamos estado antes?
02:25
And if we do, can we bootbota up a chromosomecromosoma?
46
127000
3000
Y si lo hacemos, ¿podemos hacer que arranque un cromosoma?
02:28
A chromosomecromosoma, by the way, is just a piecepieza of inertinerte chemicalquímico materialmaterial.
47
130000
3000
Un cromosoma, por cierto, no es más que un pedazo de materia química inerte.
02:32
So, our pacepaso of digitizingdigitalizando life has been increasingcreciente
48
134000
3000
Por lo tanto, nuestro ritmo de digitalización de la vida ha ido aumentando
02:35
at an exponentialexponencial pacepaso.
49
137000
3000
a un ritmo exponencial.
02:38
Our abilitycapacidad to writeescribir the geneticgenético codecódigo
50
140000
3000
Nuestra capacidad para escribir el código genético
02:41
has been movingemocionante prettybonita slowlydespacio
51
143000
2000
ha ido avanzando muy lentamente,
02:43
but has been increasingcreciente,
52
145000
3000
pero ha ido aumentando.
02:46
and our latestúltimo pointpunto would put it on, now, an exponentialexponencial curvecurva.
53
148000
4000
Y nuestro último punto lo pondría ahora en una curva exponencial.
02:51
We startedempezado this over 15 yearsaños agohace.
54
153000
2000
Empezamos esto hace más de 15 años.
02:53
It tooktomó severalvarios stagesetapas, in facthecho,
55
155000
3000
Tuvo varias etapas, de hecho,
02:56
startingcomenzando with a bioethicalbioética reviewrevisión before we did the first experimentsexperimentos.
56
158000
3000
comenzando con una revisión bioética antes de que hiciéramos los primeros experimentos.
03:00
But it turnsvueltas out synthesizingsintetizando DNAADN
57
162000
2000
Pero resulta que sintetizar ADN
03:02
is very difficultdifícil.
58
164000
2000
es muy difícil.
03:04
There are tensdecenas of thousandsmiles of machinesmáquinas around the worldmundo
59
166000
3000
Hay decenas de miles de máquinas en todo el mundo
03:07
that make smallpequeña piecespiezas of DNAADN --
60
169000
2000
que fabrican trozos pequeños de ADN,
03:09
30 to 50 lettersletras in lengthlongitud --
61
171000
3000
de entre 30 y 50 letras de longitud,
03:12
and it's a degeneratedegenerar processproceso, so the longermás you make the piecepieza,
62
174000
3000
y que es un proceso que degenera, de modo que cuanto más larga hagamos la pieza,
03:15
the more errorserrores there are.
63
177000
2000
más errores va a haber.
03:17
So we had to createcrear a newnuevo methodmétodo
64
179000
2000
Así que tuvimos que crear un nuevo método
03:19
for puttingponiendo these little piecespiezas togetherjuntos and correctcorrecto all the errorserrores.
65
181000
3000
para juntar estos pedacitos y corregir todos los errores.
03:23
And this was our first attemptintento, startingcomenzando with the digitaldigital informationinformación
66
185000
3000
Y este fue nuestro primer intento: empezamos con la información digital
03:26
of the genomegenoma of phifi X174.
67
188000
2000
del genoma de Phi X 174.
03:28
It's a smallpequeña virusvirus that killsmata bacteriabacteria.
68
190000
3000
Se trata de un pequeño virus que mata bacterias.
03:32
We designeddiseñado the piecespiezas, wentfuimos throughmediante our errorerror correctioncorrección
69
194000
3000
Diseñamos las piezas, realizamos las correcciones pertinentes
03:35
and had a DNAADN moleculemolécula
70
197000
2000
y obtuvimos una molécula de ADN
03:37
of about 5,000 lettersletras.
71
199000
3000
de unas cinco mil letras.
03:40
The excitingemocionante phasefase camevino when we tooktomó this piecepieza of inertinerte chemicalquímico
72
202000
4000
La etapa más emocionante llegó cuando tomamos este pedazo de materia química inerte,
03:44
and put it in the bacteriabacteria,
73
206000
2000
lo introdujimos en las bacterias
03:46
and the bacteriabacteria startedempezado to readleer this geneticgenético codecódigo,
74
208000
4000
y éstas empezaron a leer este código genético y
03:50
madehecho the viralviral particlespartículas.
75
212000
2000
fabricaron partículas virales.
03:52
The viralviral particlespartículas then were releasedliberado from the cellsCélulas
76
214000
2000
A continuación las partículas virales se liberaron de las células
03:54
and camevino back and killeddelicado the E. colicoli.
77
216000
3000
y luego regresaron y mataron a las E. coli.
03:57
I was talkinghablando to the oilpetróleo industryindustria recentlyrecientemente
78
219000
3000
Hace poco estuve hablando con la gente de la industria del petróleo
04:00
and I said they clearlyclaramente understoodentendido that modelmodelo.
79
222000
3000
y les dije que ellos entendían claramente este modelo.
04:03
(LaughterRisa)
80
225000
3000
(Risas)
04:06
They laughedSe rió more than you guys are. (LaughterRisa)
81
228000
3000
Ellos se rieron aún más de lo que ustedes se ríen ahora.
04:10
And so, we think this is a situationsituación
82
232000
2000
Y así creemos que esta es una situación
04:12
where the softwaresoftware can actuallyactualmente buildconstruir its ownpropio hardwarehardware
83
234000
3000
en la que el software puede realmente construir su propio hardware
04:15
in a biologicalbiológico systemsistema.
84
237000
2000
en un sistema biológico.
04:17
But we wanted to go much largermás grande:
85
239000
2000
Pero queríamos ir mucho más lejos.
04:19
we wanted to buildconstruir the entiretodo bacterialbacteriano chromosomecromosoma --
86
241000
3000
Queríamos construir el cromosoma bacteriano entero.
04:22
it's over 580,000 lettersletras of geneticgenético codecódigo --
87
244000
4000
Éste consta de más de 580.000 letras del código genético.
04:26
so we thought we'dmie buildconstruir them in cassettescasetes the sizetamaño of the virusesvirus
88
248000
3000
Así que pensamos que las íbamos a construir en casetes del tamaño de los virus,
04:29
so we could actuallyactualmente varyvariar the cassettescasetes
89
251000
2000
para poder ir variando realmente estos casetes
04:31
to understandentender
90
253000
2000
y así comprender
04:33
what the actualreal componentscomponentes of a livingvivo cellcelda are.
91
255000
3000
cuáles son los verdaderos componentes de una célula viva.
04:36
DesignDiseño is criticalcrítico,
92
258000
2000
El diseño es fundamental,
04:38
and if you're startingcomenzando with digitaldigital informationinformación in the computercomputadora,
93
260000
3000
y si estás partiendo de información digital del ordenador,
04:41
that digitaldigital informationinformación has to be really accuratepreciso.
94
263000
4000
esta información digital tiene que ser muy precisa.
04:45
When we first sequencedsecuenciado this genomegenoma in 1995,
95
267000
3000
La primera vez que secuenciamos este genoma en 1995,
04:48
the standardestándar of accuracyexactitud was one errorerror perpor 10,000 basebase pairspares.
96
270000
4000
el nivel de precisión era de un error por cada 10.000 pares de bases.
04:52
We actuallyactualmente foundencontró, on resequencingresecuenciación it,
97
274000
2000
En realidad, al resecuenciarlo encontramos
04:54
30 errorserrores; had we used that originaloriginal sequencesecuencia,
98
276000
3000
30 errores. Si hubiéramos utilizado esa secuencia original,
04:57
it never would have been ablepoder to be bootedbotas up.
99
279000
3000
nunca habría podido ponerse en funcionamiento.
05:00
PartParte of the designdiseño is designingdiseño piecespiezas
100
282000
2000
Parte del diseño consiste en diseñar piezas
05:02
that are 50 lettersletras long
101
284000
3000
que tengan 50 letras de longitud
05:05
that have to overlapsuperposición with all the other 50-letter-carta piecespiezas
102
287000
3000
y que tienen que solaparse con las otras piezas de 50 letras
05:08
to buildconstruir smallermenor subunitssubunidades
103
290000
2000
para construir subunidades más pequeñas
05:10
we have to designdiseño so they can go togetherjuntos.
104
292000
3000
que tuvimos que diseñar de manera que puedan ir juntas.
05:13
We designdiseño uniqueúnico elementselementos into this.
105
295000
3000
Diseñamos elementos únicos para ello.
05:16
You maymayo have readleer that we put watermarksfiligranas in.
106
298000
2000
Quizás hayan leído que les ponemos marcas de agua.
05:18
Think of this:
107
300000
2000
Piensen en esto:
05:20
we have a four-lettercuatro letras geneticgenético codecódigo -- A, C, G and T.
108
302000
3000
tenemos un código genético de cuatro letras: A, C, G y T.
05:23
TripletsTrillizos of those lettersletras
109
305000
3000
Los tripletes de esas letras
05:26
codecódigo for roughlyaproximadamente 20 aminoaminado acidsácidos,
110
308000
2000
codifican aproximadamente veinte aminoácidos,
05:28
suchtal that there's a singlesoltero lettercarta designationdesignacion
111
310000
3000
hay una sola designación de letras
05:31
for eachcada of the aminoaminado acidsácidos.
112
313000
2000
para cada uno de los aminoácidos.
05:33
So we can use the geneticgenético codecódigo to writeescribir out wordspalabras,
113
315000
3000
Así que podemos usar el código genético para escribir palabras,
05:36
sentencesfrases, thoughtspensamientos.
114
318000
2000
frases, pensamientos.
05:39
InitiallyInicialmente, all we did was autographautógrafo it.
115
321000
2000
Inicialmente, todo lo que hicimos fue autografiarlo.
05:41
Some people were disappointeddecepcionado there was not poetrypoesía.
116
323000
3000
Algunos estaban decepcionados porque no había poesía.
05:44
We designeddiseñado these piecespiezas so
117
326000
2000
Diseñamos estas piezas de manera que
05:46
we can just chewmasticar back with enzymesenzimas;
118
328000
3000
pudiésemos digerirlas sólo con enzimas.
05:50
there are enzymesenzimas that repairreparar them and put them togetherjuntos.
119
332000
3000
Hay enzimas que las repararan y las juntan.
05:53
And we startedempezado makingfabricación piecespiezas,
120
335000
2000
Y empezamos a hacer piezas
05:55
startingcomenzando with piecespiezas that were 5,000 to 7,000 lettersletras,
121
337000
4000
empezamos con piezas que iban desde 5.000 hasta 7.000 letras,
05:59
put those togetherjuntos to make 24,000-letter-carta piecespiezas,
122
341000
4000
las acoplamos para hacer piezas de 24.000 letras y
06:03
then put setsconjuntos of those going up to 72,000.
123
345000
4000
luego juntamos dichos conjuntos llegando a 72.000 letras.
06:07
At eachcada stageescenario, we grewcreció up these piecespiezas in abundanceabundancia
124
349000
2000
En cada etapa, sintetizamos abundantes piezas de éstas
06:09
so we could sequencesecuencia them
125
351000
2000
para poder secuenciarlas,
06:11
because we're tryingmolesto to createcrear a processproceso that's extremelyextremadamente robustrobusto
126
353000
3000
porque estamos tratando de crear un proceso que sea muy sólido
06:14
that you can see in a minuteminuto.
127
356000
3000
y que van a ver en un minuto.
06:17
We're tryingmolesto to get to the pointpunto of automationautomatización.
128
359000
3000
Estamos tratando de llegar al punto de la automatización.
06:20
So, this looksmiradas like a basketballbaloncesto playoffeliminatoria.
129
362000
2000
Así pues, esto se parece a un playoff de baloncesto
06:22
When we get into these really largegrande piecespiezas
130
364000
2000
Cuando nos ponemos con estas piezas muy grandes
06:24
over 100,000 basebase pairspares,
131
366000
4000
–de más de 100,000 pares de bases–
06:28
they won'tcostumbre any longermás growcrecer readilyfácilmente in E. colicoli --
132
370000
2000
ya no van a crecer tan fácilmente en E. coli.
06:30
it exhaustsescapes all the modernmoderno toolsherramientas of molecularmolecular biologybiología --
133
372000
4000
Este proceso agota todas las herramientas modernas de la biología molecular.
06:34
and so we turnedconvertido to other mechanismsmecanismos.
134
376000
4000
Así que recurrimos a otros mecanismos.
06:38
We knewsabía there's a mechanismmecanismo calledllamado homologoushomólogo recombinationrecombinación
135
380000
3000
Sabíamos que hay un mecanismo llamado recombinación homóloga,
06:41
that biologybiología usesusos to repairreparar DNAADN
136
383000
3000
utilizado por la biología para reparar el ADN,
06:44
that can put piecespiezas togetherjuntos.
137
386000
3000
que puede juntar estas piezas.
06:47
Here'sAquí está an exampleejemplo of it:
138
389000
1000
Aquí tenemos un ejemplo de ello.
06:48
there's an organismorganismo calledllamado
139
390000
1000
Hay un organismo llamado
06:49
DeinococcusDeinococcus radioduransRadiodurans
140
391000
2000
Deinococcus radiodurans
06:51
that can take threeTres millionsmillones radsrads of radiationradiación.
141
393000
3000
que puede soportar hasta tres millones de rads de radiación.
06:54
You can see in the topparte superior panelpanel, its chromosomecromosoma just getsse pone blownestropeado apartaparte.
142
396000
4000
Como pueden ver en el panel superior, simplemente se hace explotar su cromosoma.
06:58
TwelveDoce to 24 hourshoras laterluego, it put it
143
400000
3000
De doce a veinticuatro horas después,
07:01
back togetherjuntos exactlyexactamente as it was before.
144
403000
2000
se vuelve a reconstituir, exactamente como estaba antes.
07:03
We have thousandsmiles of organismsorganismos that can do this.
145
405000
3000
Tenemos miles de organismos que pueden hacer lo mismo.
07:06
These organismsorganismos can be totallytotalmente desiccateddisecado;
146
408000
2000
Estos organismos pueden desecarse totalmente.
07:08
they can livevivir in a vacuumvacío.
147
410000
2000
O pueden vivir en el vacío.
07:11
I am absolutelyabsolutamente certaincierto that life can existexiste in outerexterior spaceespacio,
148
413000
3000
Estoy completamente seguro de que puede existir vida en el espacio sideral,
07:14
movemovimiento around, find a newnuevo aqueousacuoso environmentambiente.
149
416000
3000
vida que puede desplazarse, encontrar un nuevo medio acuoso.
07:17
In facthecho, NASANASA has shownmostrado a lot of this is out there.
150
419000
4000
De hecho, la NASA ha demostrado que esto ocurre.
07:21
Here'sAquí está an actualreal micrographmicrografía of the moleculemolécula we builtconstruido
151
423000
4000
Aquí pueden ver una micrografía real de la molécula que construimos
07:25
usingutilizando these processesprocesos, actuallyactualmente just usingutilizando yeastlevadura mechanismsmecanismos
152
427000
4000
utilizando estos procesos, en realidad utilizando sólo mecanismos de las levaduras
07:29
with the right designdiseño of the piecespiezas we put them in;
153
431000
3000
con el diseño adecuado de las piezas que pusimos en ellas.
07:32
yeastlevadura putspone them togetherjuntos automaticallyautomáticamente.
154
434000
3000
Las levaduras las juntan automáticamente.
07:35
This is not an electronelectrón micrographmicrografía;
155
437000
2000
Esto no es una micrografía electrónica,
07:37
this is just a regularregular photomicrographfotomicrografía.
156
439000
2000
se trata tan sólo de una fotomicrografía normal.
07:39
It's suchtal a largegrande moleculemolécula
157
441000
2000
Es una molécula tan grande
07:41
we can see it with a lightligero microscopemicroscopio.
158
443000
3000
que podemos verla sólo con un microscopio óptico.
07:44
These are picturesimágenes over about a six-secondseis segundos periodperíodo.
159
446000
3000
Estas son imágenes tomadas a lo largo de un periodo de unos seis segundos.
07:47
So, this is the publicationpublicación we had just a shortcorto while agohace.
160
449000
4000
Así que esta es la publicación que presentamos hace poco.
07:51
This is over 580,000 lettersletras of geneticgenético codecódigo;
161
453000
3000
Son más de 580,000 letras del código genético.
07:54
it's the largestmás grande moleculemolécula ever madehecho by humanshumanos of a defineddefinido structureestructura.
162
456000
5000
Es la molécula más grande jamás sintetizada por el hombre de una estructura determinada.
07:59
It's over 300 millionmillón molecularmolecular weightpeso.
163
461000
3000
Tiene una masa molecular superior a 300 millones.
08:02
If we printedimpreso it out at a 10 fontfuente with no spacingespaciado,
164
464000
3000
Si imprimiésemos su código genético con un tamaño de fuente de diez y sin espacios,
08:05
it takes 142 pagespáginas
165
467000
2000
harían falta 142 páginas
08:07
just to printimpresión this geneticgenético codecódigo.
166
469000
4000
nada más que para imprimir este código genético.
08:11
Well, how do we bootbota up a chromosomecromosoma? How do we activateactivar this?
167
473000
3000
Bien, ¿y cómo logramos que arranque un cromosoma? ¿Cómo lo activamos?
08:14
ObviouslyObviamente, with a virusvirus it's prettybonita simplesencillo;
168
476000
3000
Obviamente, con un virus es bastante sencillo.
08:17
it's much more complicatedComplicado dealingrelación comercial with bacteriabacteria.
169
479000
3000
Pero es mucho más complicado cuando se trata de bacterias.
08:20
It's alsoademás simplermás simple when you go
170
482000
2000
También es más sencillo cuando pasas
08:22
into eukaryoteseucariotas like ourselvesNosotros mismos:
171
484000
2000
a eucariotas como nosotros:
08:24
you can just poppopular out the nucleusnúcleo
172
486000
2000
puede bastar con quitar el núcleo
08:26
and poppopular in anotherotro one,
173
488000
2000
y meterle otro,
08:28
and that's what you've all heardoído about with cloningclonación.
174
490000
3000
y eso es de lo que todos han oído hablar con la clonación.
08:31
With bacteriabacteria and ArchaeaArchaea, the chromosomecromosoma is integratedintegrado into the cellcelda,
175
493000
4000
Con las arqueobacterias, el cromosoma está integrado en la célula,
08:35
but we recentlyrecientemente showedmostró that we can do a completecompletar transplanttrasplante
176
497000
4000
pero recientemente hemos demostrado que podemos hacer un trasplante
08:39
of a chromosomecromosoma from one cellcelda to anotherotro
177
501000
2000
de un cromosoma de una célula a otra
08:41
and activateactivar it.
178
503000
3000
y activarlo.
08:44
We purifiedpurificado a chromosomecromosoma from one microbialmicrobiano speciesespecies --
179
506000
4000
Para ello purificamos un cromosoma de una especie microbiana.
08:48
roughlyaproximadamente, these two are as distantdistante as humanhumano and miceratones --
180
510000
3000
A grandes rasgos, estas dos especies son tan distantes como lo pueden ser los humanos y los ratones.
08:51
we addedadicional a fewpocos extraextra genesgenes
181
513000
2000
Añadimos unos cuantos genes extra
08:53
so we could selectseleccionar for this chromosomecromosoma,
182
515000
2000
para poder seleccionar este cromosoma.
08:55
we digesteddigesto it with enzymesenzimas
183
517000
2000
Lo digerimos con las enzimas
08:57
to killmatar all the proteinsproteínas,
184
519000
2000
para matar todas las proteínas.
08:59
and it was prettybonita stunningmaravilloso when we put this in the cellcelda --
185
521000
3000
Y fue bastante impresionante cuando lo pusimos en la célula
09:02
and you'lltu vas a appreciateapreciar
186
524000
2000
–aquí pueden apreciar
09:04
our very sophisticatedsofisticado graphicsgráficos here.
187
526000
3000
nuestros muy sofisticados gráficos–
09:07
The newnuevo chromosomecromosoma wentfuimos into the cellcelda.
188
529000
3000
el nuevo cromosoma entró en la célula.
09:10
In facthecho, we thought this mightpodría be as farlejos as it wentfuimos,
189
532000
2000
De hecho, pensamos que esto sería lo más lejos que llegaríamos,
09:12
but we triedintentó to designdiseño the processproceso a little bitpoco furtherpromover.
190
534000
3000
pero hemos tratado de diseñar el proceso para llegar un poco más lejos.
09:15
This is a majormayor mechanismmecanismo of evolutionevolución right here.
191
537000
3000
Aquí se trata de un importante mecanismo de la evolución.
09:18
We find all kindsclases of speciesespecies
192
540000
2000
Encontramos todo tipo de especies
09:20
that have takentomado up a secondsegundo chromosomecromosoma
193
542000
2000
que han incorporado un segundo
09:22
or a thirdtercero one from somewherealgun lado,
194
544000
2000
o un tercer cromosoma procedente de algún lugar,
09:24
addingagregando thousandsmiles of newnuevo traitsrasgos
195
546000
2000
añadiendo miles de nuevos caracteres
09:26
in a secondsegundo to that speciesespecies.
196
548000
2000
a esas especies en cuestión de segundos.
09:28
So, people who think of evolutionevolución
197
550000
2000
Así que la gente que piensa en la evolución
09:30
as just one genegene changingcambiando at a time
198
552000
2000
como un simple cambio de un gen cada vez
09:32
have missedperdido much of biologybiología.
199
554000
3000
no ha entendido mucho la biología.
09:35
There are enzymesenzimas calledllamado restrictionrestricción enzymesenzimas
200
557000
2000
Hay enzimas llamadas enzimas de restricción
09:37
that actuallyactualmente digestdigerir DNAADN.
201
559000
2000
que realmente digieren el ADN.
09:39
The chromosomecromosoma that was in the cellcelda
202
561000
2000
El cromosoma que se encontraba en la célula
09:41
doesn't have one;
203
563000
2000
carecía de ellas.
09:43
the chromosomecromosoma we put in does.
204
565000
2000
La célula –el cromosoma que pusimos en ella– sí las tiene.
09:45
It got expressedexpresado and it recognizedReconocido
205
567000
2000
El cromosoma se expresó y reconoció
09:47
the other chromosomecromosoma as foreignexterior materialmaterial,
206
569000
3000
el otro cromosoma como material extraño,
09:50
chewedmasticado it up, and so we endedterminado up
207
572000
2000
lo digirió y así logramos
09:52
just with a cellcelda with the newnuevo chromosomecromosoma.
208
574000
4000
que en la célula sólo quedara el nuevo cromosoma.
09:56
It turnedconvertido blueazul because of the genesgenes we put in it.
209
578000
3000
Y éste se volvió azul debido a los genes que pusimos en él.
09:59
And with a very shortcorto periodperíodo of time,
210
581000
2000
Y en un período muy corto de tiempo,
10:01
all the characteristicscaracterísticas of one speciesespecies were lostperdió
211
583000
3000
todas las características de una de las especies se habían perdido
10:04
and it convertedconvertido totallytotalmente into the newnuevo speciesespecies
212
586000
3000
y dicha especie se ha convertido totalmente en la nueva especie
10:07
basedbasado on the newnuevo softwaresoftware that we put in the cellcelda.
213
589000
3000
basada en el nuevo software que habíamos puesto en la célula.
10:10
All the proteinsproteínas changedcambiado,
214
592000
2000
Todas las proteínas cambiaron,
10:12
the membranesmembranas changedcambiado;
215
594000
2000
las membranas cambiaron
10:14
when we readleer the geneticgenético codecódigo, it's exactlyexactamente what we had transferredtransferido in.
216
596000
4000
y cuando leemos el código genético, éste es exactamente el que habíamos transferido.
10:18
So, this maymayo soundsonar like genomicgenómica alchemyalquimia,
217
600000
3000
Así que esto puede sonar como alquimia genómica,
10:21
but we can, by movingemocionante the softwaresoftware of DNAADN around,
218
603000
4000
pero podemos, cambiando de sitio el ADN software,
10:25
changecambio things quitebastante dramaticallydramáticamente.
219
607000
4000
cambiar las cosas de manera bastante espectacular.
10:29
Now I've arguedargumentó, this is not genesisgénesis;
220
611000
2000
Ahora bien, he argumentado, no se trata del génesis:
10:31
this is buildingedificio on threeTres and a halfmitad billionmil millones yearsaños of evolutionevolución.
221
613000
4000
esto se basa en tres mil quinientos millones de años de evolución,
10:36
And I've arguedargumentó that we're about to perhapsquizás
222
618000
2000
y he argumentado que puede que estemos a punto de tal vez
10:38
createcrear a newnuevo versionversión of the Cambriancambriano explosionexplosión,
223
620000
3000
crear una nueva versión de la explosión Cámbrica,
10:41
where there's massivemasivo newnuevo speciationespeciación
224
623000
3000
en la que se produce una nueva especiación a gran escala basada
10:45
basedbasado on this digitaldigital designdiseño.
225
627000
2000
en este diseño digital.
10:47
Why do this?
226
629000
2000
¿Por qué hacer esto?
10:49
I think this is prettybonita obviousobvio in termscondiciones of some of the needsnecesariamente.
227
631000
2000
Creo que esto es bastante evidente en términos de algunas de las necesidades.
10:51
We're about to go from sixseis and a halfmitad
228
633000
2000
Vamos a pasar de seis mil quinientos millones
10:53
to ninenueve billionmil millones people over the nextsiguiente 40 yearsaños.
229
635000
3000
a nueve mil millones de personas en los próximos cuarenta años.
10:56
To put it in contextcontexto for myselfmí mismo:
230
638000
2000
Poniéndolo en mi propio contexto:
10:58
I was bornnacido in 1946.
231
640000
2000
nací en 1946.
11:00
There are now threeTres people on the planetplaneta
232
642000
2000
Ahora hay tres personas en el planeta
11:02
for everycada one of us that existedexistió in 1946;
233
644000
4000
por cada uno de los que existíamos en 1946;
11:06
withindentro 40 yearsaños, there'llhabrá be fourlas cuatro.
234
648000
3000
dentro de cuarenta años, habrá cuatro.
11:09
We have troubleproblema feedingalimentación, providingsiempre que freshFresco, cleanlimpiar wateragua,
235
651000
3000
Tenemos problemas para alimentar, suministrar agua potable,
11:12
medicinesmedicinas, fuelcombustible
236
654000
2000
medicamentos o combustible
11:14
for the sixseis and a halfmitad billionmil millones.
237
656000
3000
a estos seis mil quinientos millones de personas.
11:17
It's going to be a stretchtramo to do it for ninenueve.
238
659000
2000
Habrá que hacer un gran esfuerzo si queremos hacerlo para nueve mil millones.
11:19
We use over fivecinco billionmil millones tonsmontones of coalcarbón,
239
661000
3000
Utilizamos más de cinco mil millones de toneladas de carbón,
11:22
30 billion-plusmil millones más barrelsbarriles of oilpetróleo --
240
664000
3000
más de treinta mil millones de barriles de petróleo (al año).
11:25
that's a hundredcien millionmillón barrelsbarriles a day.
241
667000
4000
Esto equivale a unos cien millones de barriles al día.
11:29
When we try to think of biologicalbiológico processesprocesos
242
671000
2000
Cuando tratamos de pensar en procesos biológicos
11:31
or any processproceso to replacereemplazar that,
243
673000
3000
o en cualquier tipo de proceso que los sustituya,
11:34
it's going to be a hugeenorme challengereto.
244
676000
2000
va a ser un reto tremendo.
11:36
Then of coursecurso, there's all that
245
678000
2000
Luego, por supuesto, viene todo
11:38
COCO2 from this materialmaterial
246
680000
2000
el CO2 procedente de este material
11:40
that endstermina up in the atmosphereatmósfera.
247
682000
3000
que acaba en la atmósfera.
11:43
We now, from our discoverydescubrimiento around the worldmundo,
248
685000
2000
Ahora, a partir de nuestro descubrimiento en todo el mundo,
11:45
have a databasebase de datos with about 20 millionmillón genesgenes,
249
687000
4000
tenemos una base de datos con alrededor de veinte millones de genes
11:49
and I like to think of these as the designdiseño componentscomponentes of the futurefuturo.
250
691000
4000
y a mí me gusta pensar en ellos como en los componentes para diseñar el futuro.
11:53
The electronicselectrónica industryindustria only had a dozendocena or so componentscomponentes,
251
695000
3000
La industria electrónica sólo contaba con una docena de componentes
11:56
and look at the diversitydiversidad that camevino out of that.
252
698000
4000
y fíjense en la diversidad que salió de eso.
12:00
We're limitedlimitado here primarilyante todo
253
702000
2000
En este punto estamos principalmente limitados
12:02
by a biologicalbiológico realityrealidad
254
704000
2000
por una realidad biológica
12:04
and our imaginationimaginación.
255
706000
2000
y nuestra imaginación.
12:07
We now have techniquestécnicas,
256
709000
2000
Ahora disponemos de técnicas,
12:09
because of these rapidrápido methodsmétodos of synthesissíntesis,
257
711000
3000
gracias a estos métodos de síntesis rápidos,
12:12
to do what we're callingvocación combinatorialcombinacional genomicsgenómica.
258
714000
4000
para hacer lo que estamos denominando genómica combinatoria.
12:16
We have the abilitycapacidad now to buildconstruir a largegrande robotrobot
259
718000
3000
Ahora tenemos la capacidad de construir un gran robot
12:19
that can make a millionmillón chromosomescromosomas a day.
260
721000
3000
que puede fabricar un millón de cromosomas al día.
12:23
When you think of processingtratamiento these 20 millionmillón differentdiferente genesgenes
261
725000
3000
Cuando se piensa en procesar estos veinte millones de genes diferentes
12:26
or tryingmolesto to optimizeoptimizar processesprocesos
262
728000
2000
o en tratar de optimizar los procesos
12:28
to produceProduce octaneoctano or to produceProduce pharmaceuticalsproductos farmacéuticos,
263
730000
3000
para la producción de octano o de productos farmacéuticos,
12:31
newnuevo vaccinesvacunas,
264
733000
3000
nuevas vacunas,
12:34
we can just with a smallpequeña teamequipo,
265
736000
3000
podemos cambiar, haciendo sólo con un pequeño equipo
12:37
do more molecularmolecular biologybiología
266
739000
2000
más biología molecular
12:39
than the last 20 yearsaños of all scienceciencia.
267
741000
3000
que durante los últimos 20 años de ciencia.
12:42
And it's just standardestándar selectionselección:
268
744000
2000
Y esto sólo en cuanto a la selección normal.
12:44
we can selectseleccionar for viabilityviabilidad,
269
746000
2000
Podemos seleccionar para su viabilidad,
12:46
chemicalquímico or fuelcombustible productionproducción,
270
748000
2000
la producción de sustancias químicas y combustibles,
12:48
vaccinevacuna productionproducción, etcetc.
271
750000
2000
la producción de vacunas, etc.
12:50
This is a screenpantalla snapshotinstantánea
272
752000
3000
Esta es una pantalla que resume la información
12:53
of some truecierto designdiseño softwaresoftware
273
755000
3000
de algunos programas de diseño reales
12:56
that we're workingtrabajando on to actuallyactualmente be ablepoder to sitsentar down
274
758000
3000
en los que estamos trabajando para ser de verdad capaces de sentarnos
12:59
and designdiseño speciesespecies in the computercomputadora.
275
761000
3000
a diseñar especies en el ordenador.
13:03
You know, we don't know necessarilynecesariamente what it'llva a look like:
276
765000
3000
No sabemos necesariamente qué aspecto tendrán.
13:06
we know exactlyexactamente what theirsu geneticgenético codecódigo looksmiradas like.
277
768000
3000
Sabemos exactamente cómo será su código genético.
13:09
We're focusingenfoque on now fourth-generationcuarta generación fuelscombustibles.
278
771000
5000
Ahora estamos centrados en los combustibles de cuarta generación.
13:15
You've seenvisto recentlyrecientemente, cornmaíz to ethanoletanol
279
777000
2000
Hemos visto recientemente que el etanol de maíz
13:17
is just a badmalo experimentexperimentar.
280
779000
2000
es sólo un mal experimento.
13:19
We have second-segundo- and third-generationtercera generación fuelscombustibles
281
781000
2000
Tenemos combustibles de segunda y tercera generación
13:21
that will be comingviniendo out relativelyrelativamente soonpronto
282
783000
3000
que saldrán relativamente pronto y que van
13:24
that are sugarazúcar, to much higher-valuevalor mas alto fuelscombustibles
283
786000
3000
desde el azúcar hasta combustibles de mucho mayor valor
13:27
like octaneoctano or differentdiferente typestipos of butanolbutanol.
284
789000
3000
como el octano o los diferentes tipos de butanol.
13:30
But the only way we think that biologybiología
285
792000
3000
Pero pensamos que la única manera en que la biología
13:33
can have a majormayor impactimpacto withoutsin
286
795000
2000
puede tener un impacto importante,
13:36
furtherpromover increasingcreciente the costcosto of foodcomida and limitinglimitando its availabilitydisponibilidad
287
798000
3000
sin aumentar aún más el coste de los alimentos y la limitación de su disponibilidad,
13:39
is if we startcomienzo with COCO2 as its feedstockmateria prima,
288
801000
3000
es que comencemos con el CO2 como materia prima,
13:42
and so we're workingtrabajando with designingdiseño cellsCélulas to go down this roadla carretera.
289
804000
4000
por lo que estamos trabajando en el diseño de células para seguir por esta vía
13:47
And we think we'llbien have the first fourth-generationcuarta generación fuelscombustibles
290
809000
3000
y creemos que tendremos los primeros combustibles de cuarta generación
13:50
in about 18 monthsmeses.
291
812000
2000
en aproximadamente año y medio.
13:52
SunlightLuz de sol and COCO2 is one methodmétodo ...
292
814000
2000
Luz solar y CO2 es un método
13:54
(ApplauseAplausos)
293
816000
5000
(Aplausos),
13:59
but in our discoverydescubrimiento around the worldmundo,
294
821000
2000
pero en nuestro descubrimiento por todo el mundo,
14:01
we have all kindsclases of other methodsmétodos.
295
823000
2000
tenemos toda clase de métodos diferentes.
14:03
This is an organismorganismo we describeddescrito in 1996.
296
825000
4000
Éste es un organismo descrito en 1996.
14:07
It livesvive in the deepprofundo oceanOceano,
297
829000
2000
Vive en las profundidades del océano,
14:09
about a milemilla and a halfmitad deepprofundo,
298
831000
2000
a una milla y media de profundidad,
14:11
almostcasi at boiling-wateragua hirviendo temperaturestemperaturas.
299
833000
2000
a temperaturas cercanas al punto de ebullición del agua.
14:13
It takes COCO2 to methanemetano
300
835000
3000
Convierte el CO2 en metano
14:16
usingutilizando molecularmolecular hydrogenhidrógeno as its energyenergía sourcefuente.
301
838000
3000
utilizando hidrógeno molecular como fuente de energía.
14:19
We're looking to see if we can take
302
841000
2000
Estamos tratando de ver si podemos tomar
14:21
capturedcapturado COCO2,
303
843000
2000
el CO2 capturado,
14:23
whichcual can easilyfácilmente be pipedentubado to sitessitios,
304
845000
2000
que puede llevarse fácilmente por tuberías a los sitios de producción,
14:25
convertconvertir that COCO2 back into fuelcombustible
305
847000
3000
y volver a convertir este CO2 en combustible
14:28
to drivemanejar this processproceso.
306
850000
3000
para dirigir este proceso.
14:31
So, in a shortcorto periodperíodo of time,
307
853000
2000
Así que pensamos que, en un corto período de tiempo,
14:33
we think that we mightpodría be ablepoder to increaseincrementar
308
855000
4000
podríamos ser capaces de aumentar
14:37
what the basicBASIC questionpregunta is of "What is life?"
309
859000
3000
lo que es la pregunta básica de «¿Qué es la vida?».
14:40
We trulyverdaderamente, you know,
310
862000
2000
Estamos realmente, ya saben,
14:42
have modestmodesto goalsmetas
311
864000
2000
tenemos objetivos modestos
14:44
of replacingreemplazando the wholetodo petrol-chemicalgasolina-química industryindustria --
312
866000
3000
de sustitución de toda la industria petroquímica.
14:47
(LaughterRisa) (ApplauseAplausos)
313
869000
3000
(Risas) (Aplausos)
14:50
Yeah. If you can't do that at TEDTED, where can you? --
314
872000
3000
¡Claro que sí! Si esto no se puede hacer en TED, ¿dónde se va a poder?
14:53
(LaughterRisa)
315
875000
2000
(Risas)
14:55
becomevolverse a majormayor sourcefuente of energyenergía ...
316
877000
2000
Convertirse en una importante fuente de energía.
14:57
But alsoademás, we're now workingtrabajando on usingutilizando these samemismo toolsherramientas
317
879000
3000
Pero también estamos trabajando ahora mismo en utilizar estas mismas herramientas
15:00
to come up with instantinstante setsconjuntos of vaccinesvacunas.
318
882000
3000
para llegar a series de vacunas instantáneas.
15:03
You've seenvisto this yearaño with flugripe;
319
885000
2000
Ya lo han visto este año con la gripe,
15:05
we're always a yearaño behinddetrás and a dollardólar shortcorto
320
887000
3000
que siempre nos falta un año y un dólar
15:08
when it comesproviene to the right vaccinevacuna.
321
890000
2000
de dar con la vacuna apropiada.
15:10
I think that can be changedcambiado
322
892000
2000
Creo que esto se puede cambiar
15:12
by buildingedificio combinatorialcombinacional vaccinesvacunas in advanceavanzar.
323
894000
3000
creando anticipadamente vacunas combinatorias.
15:16
Here'sAquí está what the futurefuturo maymayo beginempezar to look like
324
898000
3000
Aquí tienen cómo puede empezar a parecer el futuro
15:19
with changingcambiando, now, the evolutionaryevolutivo treeárbol,
325
901000
4000
cambiando, ahora, el árbol evolutivo,
15:23
speedingexceso de velocidad up evolutionevolución
326
905000
2000
acelerando la evolución
15:25
with syntheticsintético bacteriabacteria, ArchaeaArchaea
327
907000
3000
con bacterias sintéticas, arqueobacterias
15:28
and, eventuallyfinalmente, eukaryoteseucariotas.
328
910000
3000
y, eventualmente, eucariotas.
15:32
We're a waysformas away from improvingmejorando people:
329
914000
2000
Estamos lejos de mejorar a las personas.
15:34
our goalGol is just to make sure that we have a chanceoportunidad
330
916000
3000
Nuestro objetivo es asegurarnos de que tenemos la posibilidad
15:37
to survivesobrevivir long enoughsuficiente to maybe do that. Thank you very much.
331
919000
3000
de sobrevivir el tiempo suficiente para quizás hacerlo. Muchas gracias.
15:40
(ApplauseAplausos)
332
922000
7000
(Aplausos)
Translated by Esperanza Martinez
Reviewed by Alex Alonso

▲Back to top

ABOUT THE SPEAKER
Craig Venter - Biologist, genetics pioneer
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels.

Why you should listen

Craig Venter, the man who led the private effort to sequence the human genome, is hard at work now on even more potentially world-changing projects.

First, there's his mission aboard the Sorcerer II, a 92-foot yacht, which, in 2006, finished its voyage around the globe to sample, catalouge and decode the genes of the ocean's unknown microorganisms. Quite a task, when you consider that there are tens of millions of microbes in a single drop of sea water. Then there's the J. Craig Venter Institute, a nonprofit dedicated to researching genomics and exploring its societal implications.

In 2005, Venter founded Synthetic Genomics, a private company with a provocative mission: to engineer new life forms. Its goal is to design, synthesize and assemble synthetic microorganisms that will produce alternative fuels, such as ethanol or hydrogen. He was on Time magzine's 2007 list of the 100 Most Influential People in the World.

In early 2008, scientists at the J. Craig Venter Institute announced that they had manufactured the entire genome of a bacterium by painstakingly stitching together its chemical components. By sequencing a genome, scientists can begin to custom-design bootable organisms, creating biological robots that can produce from scratch chemicals humans can use, such as biofuel. And in 2010, they announced, they had created "synthetic life" -- DNA created digitally, inserted into a living bacterium, and remaining alive.

More profile about the speaker
Craig Venter | Speaker | TED.com