ABOUT THE SPEAKER
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.

Why you should listen

A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.

Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.

More profile about the speaker
Juan Enriquez | Speaker | TED.com
TED2003

Juan Enriquez: The life code that will reshape the future

La genomica ed il nostro futuro visti da Juan Enriquez

Filmed:
831,634 views

Juan Enriquez ci fa notare che le scoperte scientifiche impongono un cambiamento di codici, e la nostra capacità di prosperare dipende direttamente dalla conoscenza di questi codici. In questo discorso applica quest'idea alla genomica.
- Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio

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

00:25
I'm supposedipotetico to scarespavento you, because it's about fearpaura, right?
0
1000
3000
Sono qui per spaventarvi... si parla di paura, giusto?
00:29
And you should be really afraidimpaurito,
1
5000
2000
E dovreste essere proprio spaventati,
00:31
but not for the reasonsmotivi why you think you should be.
2
7000
2000
ma non per le ragioni che pensate.
00:34
You should be really afraidimpaurito that --
3
10000
2000
Dovreste avere paura...
00:36
if we stickbastone up the first slidediapositiva on this thing -- there we go -- that you're missingmancante out.
4
12000
4000
se riusciamo a far vedere la prima immagine... ecco... paura di perdervi qualcosa.
00:42
Because if you spendtrascorrere this weeksettimana thinkingpensiero about IraqIraq and
5
18000
4000
Perché se sprecate questa settimana pensando all'Iraq
00:46
thinkingpensiero about BushBush and thinkingpensiero about the stockazione marketmercato,
6
22000
4000
oppure a Bush, o preoccupandovi del mercato finanziario,
00:50
you're going to missPerdere one of the greatestpiù grande adventuresavventure that we'venoi abbiamo ever been on.
7
26000
2000
vi perderete una delle più fantastiche avventure che mai esisteranno.
00:53
And this is what this adventure'sdi avventura really about.
8
29000
2000
Ed ecco cosa riguarda quest'avventura.
00:55
This is crystallizedcristallizzato DNADNA.
9
31000
4000
Questo è DNA cristallizzato.
00:59
EveryOgni life formmodulo on this planetpianeta -- everyogni insectinsetto, everyogni bacteriabatteri, everyogni plantpianta,
10
35000
3000
Ogni forma di vita sul pianeta - ogni insetto, ogni batterio, ogni pianta,
01:02
everyogni animalanimale, everyogni humanumano, everyogni politicianpolitico -- (LaughterRisate)
11
38000
3000
ogni animale, ogni essere umano, ogni politico - (Risate)
01:07
is codedcodificato in that stuffcose.
12
43000
2000
è codificato in quella roba.
01:09
And if you want to take a singlesingolo crystalcristallo of DNADNA, it lookssembra like that.
13
45000
4000
Se prendete un singolo cristallo di DNA, ha questo aspetto.
01:13
And we're just beginninginizio to understandcapire this stuffcose.
14
49000
2000
Ed abbiamo solo cominciato a capirlo davvero.
01:16
And this is the singlesingolo mostmaggior parte excitingemozionante adventureavventura that we have ever been on.
15
52000
3000
Questa è l'avventura più emozionante che ci sia mai capitata.
01:20
It's the singlesingolo greatestpiù grande mappingMappatura projectprogetto we'venoi abbiamo ever been on.
16
56000
3000
E' il progetto di mappatura più importante che sia mai esistito.
01:23
If you think that the mappingMappatura of America'sDi America madefatto a differencedifferenza,
17
59000
2000
Se pensate che disegnare la cartina delle Americhe abbia fatto la differenza,
01:25
or landingatterraggio on the moonLuna, or this other stuffcose,
18
61000
3000
o atterrare sulla luna, o qualcosa del genere,
01:28
it's the mapcarta geografica of ourselvesnoi stessi and the mapcarta geografica of everyogni plantpianta
19
64000
3000
è la mappa di noi stessi, di ogni pianta,
01:31
and everyogni insectinsetto and everyogni bacteriabatteri that really makesfa a differencedifferenza.
20
67000
3000
ogni insetto ed ogni batterio a fare davvero la differenza.
01:34
And it's beginninginizio to tell us a lot about evolutionEvoluzione.
21
70000
3000
E ci sta cominciando a raccontare molto sull'evoluzione.
01:39
(LaughterRisate)
22
75000
4000
(Risate)
01:43
It turnsgiri out that what this stuffcose is --
23
79000
2000
Sembra proprio che questa roba sia
01:45
and RichardRichard DawkinsDawkins has writtenscritto about this --
24
81000
2000
- Richard Dawkins ha scritto molto su questo argomento -
01:47
is, this is really a riverfiume out of EdenEden.
25
83000
2000
sia davvero un fiume dell'Eden.
01:49
So, the 3.2 billionmiliardo basebase pairscoppie insidedentro eachogni of your cellscellule
26
85000
4000
I 3,2 miliardi di coppie di basi all'interno di ognuna delle nostre cellule
01:53
is really a historystoria of where you've been for the pastpassato billionmiliardo yearsanni.
27
89000
3000
sono davvero una cronaca di dove siamo stati nei miliardi di anni passati.
01:56
And we could startinizio datingincontri things,
28
92000
1000
Possiamo cominciare a datare le cose,
01:57
and we could startinizio changingmutevole medicinemedicina and archeologyArcheologia.
29
93000
3000
e potremmo cominciare a cambiare la medicina e l'archeologia.
02:01
It turnsgiri out that if you take the humanumano speciesspecie about 700 yearsanni agofa,
30
97000
3000
Scopriamo che, prendendo la specie umana circa 700 anni fa,
02:04
whitebianca EuropeansEuropei divergedsi separano from blacknero AfricansAfricani in a very significantsignificativo way.
31
100000
3000
i bianchi europei si distinsero dai neri africani in un modo molto significativo.
02:07
WhiteBianco EuropeansEuropei were subjectsoggetto to the plaguepeste.
32
103000
5000
Sui bianchi europei si abbatté la peste.
02:13
And when they were subjectsoggetto to the plaguepeste, mostmaggior parte people didn't survivesopravvivere,
33
109000
3000
Una volta colpita dalla peste la maggior parte delle persone non sopravviveva,
02:16
but those who survivedsopravvissuto had a mutationmutazione on the CCRCCR5 receptorrecettore.
34
112000
4000
ma quelli che ci sono riusciti avevano una mutazione nel recettore CCR5.
02:20
And that mutationmutazione was passedpassato on to theirloro kidsbambini
35
116000
2000
E quella mutazione fu trasmessa alle generazioni future
02:22
because they're the onesquelli that survivedsopravvissuto,
36
118000
2000
visto che chi l'aveva era sopravvissuto,
02:24
so there was a great dealaffare of populationpopolazione pressurepressione.
37
120000
2000
considerata l'enorme competizione per la sopravvivenza.
02:26
In AfricaAfrica, because you didn't have these citiescittà,
38
122000
2000
In Africa, visto che non c'erano grandi città,
02:28
you didn't have that CCRCCR5 populationpopolazione pressurepressione mutationmutazione.
39
124000
3000
non c'era una grande spinta evolutiva che favorisse la mutazione del recettore CCR5.
02:31
We can dateData it to 700 yearsanni agofa.
40
127000
3000
Possiamo datare questa mutazione a 700 anni fa.
02:34
That is one of the reasonsmotivi why AIDSAIDS is ragingfurioso acrossattraverso AfricaAfrica as fastveloce as it is,
41
130000
4000
E' una delle ragioni per cui l'AIDS si sta spargendo in Africa così velocemente,
02:38
and not as fastveloce acrossattraverso EuropeEuropa.
42
134000
4000
al contrario che in Europa.
02:42
And we're beginninginizio to find these little things for malariamalaria,
43
138000
3000
E stiamo cominciando a scoprire fatti analoghi per la malaria,
02:45
for sicklefalce cellcellula, for cancerstumori.
44
141000
3000
per l'anemia falciforme, per i tumori.
02:49
And in the measuremisurare that we mapcarta geografica ourselvesnoi stessi,
45
145000
2000
Nella misura in cui creiamo una mappa di noi stessi,
02:51
this is the singlesingolo greatestpiù grande adventureavventura that we'llbene ever be on.
46
147000
2000
questa è la più grande avventura che potremo mai affrontare.
02:53
And this FridayVenerdì, I want you to pullTirare out a really good bottlebottiglia of winevino,
47
149000
4000
Questo venerdì, voglio che tiriate fuori un'ottima bottiglia di vino
02:57
and I want you to toastpane tostato these two people.
48
153000
2000
e facciate un brindisi a queste due persone.
03:00
Because this FridayVenerdì, 50 yearsanni agofa, WatsonWatson and CrickCrick foundtrovato the structurestruttura of DNADNA,
49
156000
4000
Perché questo venerdì di 50 anni fa, Watson e Crick hanno scoperto la struttura del DNA,
03:04
and that is almostquasi as importantimportante a dateData
50
160000
3000
e quella è una data quasi altrettanto importante
03:07
as the 12thesimo of FebruaryFebbraio when we first mappedmappato ourselvesnoi stessi,
51
163000
3000
del 12 Febbraio che è quando abbiamo mappato noi stessi per la prima volta,
03:10
but anywaycomunque, we'llbene get to that.
52
166000
2000
comunque... ci arriveremo dopo.
03:12
I thought we'dsaremmo talk about the newnuovo zooZoo di.
53
168000
2000
Pensavo che potremmo parlare del nuovo zoo.
03:14
So, all you guys have heardsentito about DNADNA, all the stuffcose that DNADNA does,
54
170000
4000
Tutti voi avete sentito parlare del DNA, e di tutto quello che il DNA fa,
03:18
but some of the stuffcose we're discoveringscoprire is kindgenere of niftynifty
55
174000
3000
ma alcune delle cose che stiamo scoprendo sono eccezionali...
03:21
because this turnsgiri out to be the singlesingolo mostmaggior parte abundantabbondante speciesspecie on the planetpianeta.
56
177000
5000
ad esempio abbiamo scoperto che questa è la specie più abbondante sul pianeta.
03:26
If you think you're successfulriuscito or cockroachesscarafaggi are successfulriuscito,
57
182000
3000
Se pensate che gli uomini o gli scarafaggi siano abbondanti,
03:29
it turnsgiri out that there's tendieci trilliontrilioni di trilliontrilioni di PleurococcusPleurococcus sittingseduta out there.
58
185000
3000
viene fuori che ci sono dieci trilioni di trilioni di Pleurococcus là fuori.
03:32
And we didn't know that PleurococcusPleurococcus was out there,
59
188000
3000
E non avevamo idea che i Pleurococcus esistessero,
03:35
whichquale is partparte of the reasonragionare
60
191000
1000
che è parte del motivo per cui
03:36
why this wholetotale species-mappingspecie-mappatura projectprogetto is so importantimportante.
61
192000
5000
questo progetto di mappatura di tutte le specie è importante.
03:41
Because we're just beginninginizio to learnimparare
62
197000
2000
Perché abbiamo appena cominciato ad imparare
03:43
where we cameè venuto from and what we are.
63
199000
1000
da dove veniamo e cosa siamo.
03:45
And we're findingscoperta amoebasamebe like this. This is the amoebaameba dubiadubia.
64
201000
3000
Stiamo scoprendo amebe come questa. Questa è un'Ameba Dubia (Polychaos dubium).
03:49
And the amoebaameba dubiadubia doesn't look like much,
65
205000
2000
E l'Ameba Dubia non sembra gran che,
03:51
excepttranne that eachogni of you has about 3.2 billionmiliardo letterslettere,
66
207000
3000
a parte il fatto che ognuno di noi ha 3,2 miliardi di lettere
03:54
whichquale is what makesfa you you,
67
210000
2000
che fanno di noi quello che siamo
03:56
as farlontano as genegene codecodice insidedentro eachogni of your cellscellule,
68
212000
3000
per quello che riguarda il codice genetico all'interno delle cellule,
03:59
and this little amoebaameba whichquale, you know,
69
215000
3000
mentre questa piccola ameba, che come sapete
04:02
sitssi siede in wateracqua in hundredscentinaia and millionsmilioni and billionsmiliardi,
70
218000
2000
se ne sta in acqua insieme a milioni e miliardi di altre,
04:05
turnsgiri out to have 620 billionmiliardo basebase pairscoppie of genegene codecodice insidedentro.
71
221000
6000
si scopre che ha dentro 620 miliardi di coppie di basi di codice genetico.
04:11
So, this little thingamajigThingamajig has a genomegenoma
72
227000
3000
Quindi questo piccolo schizzetto ha un genoma
04:14
that's 200 timesvolte the sizedimensione of yoursil tuo.
73
230000
2000
che è 200 volte più grande del nostro.
04:17
And if you're thinkingpensiero of efficientefficiente informationinformazione storageConservazione mechanismsmeccanismi,
74
233000
3000
E se cercate modi efficienti per immagazzinare le informazioni,
04:21
it maypuò not turnturno out to be chipspatatine fritte.
75
237000
2000
la risposta potrebbe non essere il classico chip.
04:24
It maypuò turnturno out to be something that lookssembra a little like that amoebaameba.
76
240000
4000
Potremmo scoprire che è qualcosa che assomiglia a quella piccola ameba.
04:28
And, again, we're learningapprendimento from life and how life workslavori.
77
244000
4000
Di nuovo, stiamo imparando dalla vita e come la vita funziona.
04:32
This funkyimpaurito little thing: people didn't used to think
78
248000
4000
Questo piccolo cosetto: nessuno pensava
04:36
that it was worthdi valore takingpresa samplescampioni out of nuclearnucleare reactorsreattori
79
252000
3000
che valesse la pena prendere dei campioni all'interno dei reattori nucleari
04:39
because it was dangerouspericoloso and, of coursecorso, nothing livedha vissuto there.
80
255000
3000
perché era pericoloso e, ovviamente, niente poteva viverci.
04:42
And then finallyfinalmente somebodyqualcuno pickedraccolto up a microscopemicroscopio
81
258000
3000
Alla fine qualcuno ha preso un microscopio
04:45
and lookedguardato at the wateracqua that was sittingseduta nextIl prossimo to the coresnuclei.
82
261000
3000
ed ha osservato l'acqua che si trovava vicino ai noccioli.
04:48
And sittingseduta nextIl prossimo to that wateracqua in the coresnuclei
83
264000
2000
E proprio nell'acqua vicino ai noccioli
04:50
was this little DeinococcusDeinococcus radioduransradiodurans, doing a backstrokedorso,
84
266000
3000
abbiamo trovato il Deinococcus Radiodurans, che nuotava tranquillo
04:53
havingavendo its chromosomescromosomi blownsoffiato aparta parte everyogni day,
85
269000
2000
mentre i suoi cromosomi venivano fatti esplodere tutti i giorni,
04:55
sixsei, sevenSette timesvolte, restitchingricucitura them,
86
271000
3000
sei, sette volte, riparandoli,
04:58
livingvita in about 200 timesvolte the radiationradiazione that would killuccidere you.
87
274000
2000
e vivendo in 200 volte le radiazioni che ucciderebbero ognuno di noi.
05:01
And by now you should be gettingottenere a hintsuggerimento as to how diversediverso
88
277000
3000
A questo punto dovreste aver cominciato a capire quanto diverso,
05:04
and how importantimportante and how interestinginteressante this journeyviaggio into life is,
89
280000
2000
quanto importante e quanto interessante sia questo viaggio dentro la vita,
05:06
and how manymolti differentdiverso life formsforme there are,
90
282000
3000
e quante diverse forme di vita ci siano,
05:09
and how there can be differentdiverso life formsforme livingvita in
91
285000
3000
e come ci potrebbero essere diverse forme di vita che si trovano
05:12
very differentdiverso placesposti, maybe even outsideal di fuori of this planetpianeta.
92
288000
3000
in posti molto diversi, forse addirittura al di fuori di questo pianeta.
05:16
Because if you can livevivere in radiationradiazione that lookssembra like this,
93
292000
2000
Se qualcosa può vivere in radiazioni di questo tipo,
05:18
that bringsporta up a wholetotale seriesserie of interestinginteressante questionsle domande.
94
294000
3000
questo fa nascere tutta una serie di domande interessanti.
05:22
This little thingamajigThingamajig: we didn't know this thingamajigThingamajig existedesistito.
95
298000
3000
Questo piccolo affarino: non sapevamo che questo affarino esistesse.
05:26
We should have knownconosciuto that this existedesistito
96
302000
2000
Avremmo dovuto sapere che esisteva
05:28
because this is the only bacteriabatteri that you can see to the nakednudo eyeocchio.
97
304000
3000
perché questo è l'unico batterio visibile ad occhio nudo.
05:31
So, this thing is 0.75 millimetersmillimetri.
98
307000
3000
E' lungo circa 0,75 millimetri.
05:34
It livesvite in a deepin profondità trenchtrincea off the coastcosta of NamibiaNamibia.
99
310000
2000
Vive in una fossa profonda al largo della Namibia.
05:37
And what you're looking at with this namibiensisThiomargarita
100
313000
2000
Quello che state guardando, questo namibiensis,
05:39
is the biggestmaggiore bacteriabatteri we'venoi abbiamo ever seenvisto.
101
315000
2000
è il batterio più grande che abbiamo mai visto.
05:41
So, it's about the sizedimensione of a little periodperiodo on a sentencefrase.
102
317000
3000
E' più o meno delle stesse dimensioni del punto alla fine di una frase.
05:45
Again, we didn't know this thing was there threetre yearsanni agofa.
103
321000
4000
E non sapevamo che esistesse, tre anni fa.
05:49
We're just beginninginizio this journeyviaggio of life in the newnuovo zooZoo di.
104
325000
3000
Stiamo solo cominciando il viaggio della vita nel nuovo zoo.
05:53
This is a really odddispari one. This is FerroplasmaFerroplasma.
105
329000
3000
Questo è un organismo molto strano. Si chiama Ferroplasma.
05:57
The reasonragionare why FerroplasmaFerroplasma is interestinginteressante is because it eatsmangia ironferro,
106
333000
3000
Ciò che rende il Ferroplasma interessante è il fatto che mangi ferro,
06:01
livesvite insidedentro the equivalentequivalente of batterybatteria acidacido,
107
337000
3000
viva in quello che in pratica è acido per batterie,
06:05
and excretesespelle sulfuricsolforico acidacido.
108
341000
2000
ed espella acido solforico.
06:09
So, when you think of odddispari life formsforme,
109
345000
2000
Quindi quando pensate a forme di vita strane,
06:11
when you think of what it takes to livevivere,
110
347000
3000
quando pensate a cosa serve per vivere,
06:15
it turnsgiri out this is a very efficientefficiente life formmodulo,
111
351000
2000
scopriamo che questa è una forma di vita molto efficiente,
06:17
and they call it an archaeaarchaea. ArchaeaArchaea meanssi intende "the ancientantico onesquelli."
112
353000
4000
e viene chiamata archaea. Archaea vuol dire "gli antichi".
06:21
And the reasonragionare why they're ancientantico is because this thing cameè venuto up
113
357000
4000
La ragione per cui sono antichi è che questo organismo è nato
06:25
when this planetpianeta was coveredcoperto
114
361000
2000
quando questo pianeta era coperto
06:27
by things like sulfuricsolforico acidacido in batteriesbatterie,
115
363000
1000
da cose come l'acido solforico nelle batterie,
06:28
and it was eatingmangiare ironferro when the earthterra was partparte of a meltedfuso corenucleo.
116
364000
4000
e stava mangiando ferro mentre la terra era ancora allo stato liquido.
06:33
So, it's not just dogscani and catsgatti and whalesbalene and dolphinsdelfini
117
369000
4000
Quindi non sono solo cani, gatti, balene e delfini
06:37
that you should be awareconsapevole of and interestedinteressato in on this little journeyviaggio.
118
373000
4000
a cui dovreste prestare attenzione ed interesse durante questo viaggio.
06:41
Your fearpaura should be that you are not,
119
377000
3000
Dovreste aver paura di non prestarne abbastanza,
06:44
that you're payingpagare attentionAttenzione to stuffcose whichquale is temporaltemporale.
120
380000
3000
o di prestare attenzione a cose che sono temporanee.
06:47
I mean, GeorgeGeorge BushBush -- he's going to be goneandato, alrighttutto apposto? Life isn't.
121
383000
5000
Voglio dire... George Bush prima o poi se ne andrà, giusto? La vita no.
06:53
WhetherSe the humansgli esseri umani survivesopravvivere or don't survivesopravvivere,
122
389000
3000
Che gli esseri umani sopravvivano o no,
06:56
these things are going to be livingvita on this planetpianeta or other planetspianeti.
123
392000
3000
questi organismi vivranno su questo pianeta o su qualche altro.
06:59
And it's just beginninginizio to understandcapire this codecodice of DNADNA
124
395000
4000
Ed è il semplice fatto di cominciare a capire il codice del DNA
07:03
that's really the mostmaggior parte excitingemozionante intellectualintellettuale adventureavventura
125
399000
3000
ad essere la più entusiasmante avventura intellettuale
07:06
that we'venoi abbiamo ever been on.
126
402000
3000
che potremo mai vivere.
07:09
And you can do strangestrano things with this stuffcose. This is a babybambino garGar.
127
405000
4000
Si possono fare cose strane con questa roba. Questo è un cucciolo di gaur.
07:13
ConservationConservazione groupgruppo getsprende togetherinsieme,
128
409000
2000
Un gruppo di conservazionisti unisce gli sforzi
07:15
triescerca to figurefigura out how to breedrazza an animalanimale that's almostquasi extinctestinto.
129
411000
4000
e cerca un modo per allevare un animale che è quasi estinto.
07:20
They can't do it naturallynaturalmente, so what they do with this thing is
130
416000
3000
Non si può fare in modo naturale, quindi quello che fanno è
07:23
they take a spooncucchiaio, take some cellscellule out of an adultadulto gar'sdi Gar mouthbocca, codecodice,
131
419000
5000
prendere un cucchiaio, prendere cellule dalla bocca di un gaur adulto, codificare,
07:29
take the cellscellule from that and insertinserire it into a fertilizedfertilizzato cow'sdi mucca egguovo,
132
425000
4000
prendere quelle cellule ed inserirle nell'ovulo fecondato di una mucca,
07:34
reprogramriprogrammare cow'sdi mucca egguovo -- differentdiverso genegene codecodice.
133
430000
3000
riprogrammare l'ovulo di mucca - diverso codice genetico.
07:38
When you do that, the cowmucca gives birthnascita to a garGar.
134
434000
4000
Quando fate questo, la mucca fa nascere un gaur.
07:43
We are now experimentingla sperimentazione with bongosBonghi, pandasPanda, elimselims, SumatranSumatra tigerstigri,
135
439000
6000
Sono in corso esperimenti con i bongo, i panda, gli eland, le tigri di Sumatra,
07:49
and the AustraliansAustraliani -- blessbenedire theirloro heartscuori --
136
445000
3000
e gli australiani, fantastici come sempre,
07:52
are playinggiocando with these things.
137
448000
1000
stanno giocando con queste cose.
07:53
Now, the last of these things diedmorto in SeptemberSettembre 1936.
138
449000
4000
Gli ultimi esemplari di questi sono morti nel settembre del 1936.
07:57
These are TasmanianDella Tasmania tigerstigri. The last knownconosciuto one diedmorto at the HobartHobart ZooZoo di.
139
453000
4000
Queste sono tigri della Tasmania. L'ultimo esemplare conosciuto è morto all'Hobart Zoo.
08:01
But it turnsgiri out that as we learnimparare more about genegene codecodice
140
457000
3000
La realtà è che se impariamo abbastanza sul codice genetico
08:04
and how to reprogramriprogrammare speciesspecie,
141
460000
2000
e su come riprogrammare le specie,
08:06
we maypuò be ablecapace to closevicino the genegene gapslacune in deterioratesi deteriorano DNADNA.
142
462000
5000
potremmo essere in grado di riempire le interruzioni nel DNA deteriorato.
08:11
And when we learnimparare how to closevicino the genegene gapslacune,
143
467000
3000
E quando avremo imparato a riempire quelle interruzioni
08:14
then we can put a fullpieno stringstringa of DNADNA togetherinsieme.
144
470000
2000
potremo assemblare un'intera catena di DNA.
08:17
And if we do that, and insertinserire this into a fertilizedfertilizzato wolf'sdi lupo egguovo,
145
473000
4000
Se lo facessimo, e la inserissimo in un ovulo fecondato di lupo,
08:22
we maypuò give birthnascita to an animalanimale
146
478000
2000
potremmo far rinascere un animale
08:24
that hasn'tnon ha walkedcamminava the earthterra sinceda 1936.
147
480000
2000
che non cammina sulla Terra dal 1936.
08:27
And then you can startinizio going back furtherulteriore,
148
483000
2000
A quel punto possiamo tornare ancora più indietro,
08:29
and you can startinizio thinkingpensiero about dodosDodo,
149
485000
2000
e cominciare a pensare ai dodo,
08:32
and you can think about other speciesspecie.
150
488000
1000
oppure possiamo pensare ad altre specie.
08:34
And in other placesposti, like MarylandMaryland, they're tryingprovare to figurefigura out
151
490000
3000
In altri luoghi, come il Maryland, stanno cercando di capire
08:37
what the primordialprimordiale ancestorantenato is.
152
493000
2000
qual è l'antenato primordiale.
08:39
Because eachogni of us containscontiene our entireintero genegene codecodice
153
495000
3000
Visto che ognuno di noi contiene l'intero codice genetico
08:42
of where we'venoi abbiamo been for the pastpassato billionmiliardo yearsanni,
154
498000
3000
di dove siamo stati per i miliardi di anni passati,
08:45
because we'venoi abbiamo evolvedevoluto from that stuffcose,
155
501000
2000
e dato che la nostra evoluzione comincia da lì,
08:47
you can take that treealbero of life and collapsecrollo it back,
156
503000
2000
possiamo prendere quell'albero genealogico e riportarlo indietro,
08:49
and in the measuremisurare that you learnimparare to reprogramriprogrammare,
157
505000
3000
e fintanto che impariamo a riprogrammare,
08:52
maybe we'llbene give birthnascita to something
158
508000
2000
forse riusciremo a far rinascere qualcosa
08:54
that is very closevicino to the first primordialprimordiale oozemelma.
159
510000
2000
di molto simile alla vita nel brodo primordiale.
08:56
And it's all comingvenuta out of things that look like this.
160
512000
2000
Tutto questo sta nascendo da cose come questa.
08:58
These are companiesaziende that didn't existesistere fivecinque yearsanni agofa.
161
514000
2000
Queste compagnie non esistevano 5 anni fa.
09:00
HugeEnorme genegene sequencingsequenziamento facilitiesstrutture the sizedimensione of footballcalcio fieldsi campi.
162
516000
4000
Enormi impianti per il sequenziamento dei geni, grandi come campi da calcio.
09:04
Some are publicpubblico. Some are privateprivato.
163
520000
2000
Alcuni sono pubblici. Alcuni sono privati.
09:06
It takes about 5 billionmiliardo dollarsdollari to sequencesequenza a humanumano beingessere the first time.
164
522000
3000
Ci vogliono circa 5 miliardi di dollari per sequenziare un essere umano la prima volta.
09:10
Takes about 3 millionmilione dollarsdollari the secondsecondo time.
165
526000
2000
Costa circa 3 milioni di dollari la seconda.
09:12
We will have a 1,000-dollar-dollaro genomegenoma withinentro the nextIl prossimo fivecinque to eightotto yearsanni.
166
528000
4000
Avremo un genoma completo per 1.000 dollari nel giro di 5 - 8 anni.
09:16
That meanssi intende eachogni of you will containcontenere on a CDCD your entireintero genegene codecodice.
167
532000
4000
Questo vuol dire che ognuno di noi potrà avere il suo intero codice genetico su CD.
09:21
And it will be really boringnoioso. It will readleggere like this.
168
537000
2000
E sarà incredibilmente noioso. Sarà qualcosa del genere.
09:24
(LaughterRisate)
169
540000
2000
(Risate)
09:26
The really neatpulito thing about this stuffcose is that's life.
170
542000
2000
La cosa più bella di questa roba è che questa è la vita.
09:28
And Laurie'sDi Laurie going to talk about this one a little bitpo.
171
544000
3000
Laurie parlerà di questo codice più tardi.
09:31
Because if you happenaccadere to find this one insidedentro your bodycorpo,
172
547000
2000
Perché se vi capita di trovarlo all'interno del vostro corpo
09:33
you're in biggrande troubleguaio, because that's the sourcefonte codecodice for EbolaEbola.
173
549000
2000
siete in guai grossi, perché quello è il codice sorgente dell'Ebola.
09:37
That's one of the deadliestpiù letale diseasesmalattie knownconosciuto to humansgli esseri umani.
174
553000
2000
E' una delle malattie più mortali mai conosciute dall'uomo.
09:39
But plantspiante work the samestesso way and insectsinsetti work the samestesso way,
175
555000
2000
Ma le piante funzionano nello stesso modo, anche gli insetti,
09:41
and this appleMela workslavori the samestesso way.
176
557000
2000
ed anche questa mela funziona nello stesso modo.
09:43
This appleMela is the samestesso thing as this floppydisco floppy diskdisco.
177
559000
2000
Questa mela è uguale identica a questo floppy disk.
09:45
Because this thing codescodici onesquelli and zeroszeri,
178
561000
2000
Questo qui codifica in uno e zero,
09:47
and this thing codescodici A, T, C, GsGS, and it sitssi siede up there,
179
563000
2000
e questa codifica in A, T, C, G e se ne sta tranquilla
09:49
absorbingassorbente energyenergia on a treealbero, and one fine day
180
565000
3000
ad assorbire energia su un albero, finché un bel giorno
09:52
it has enoughabbastanza energyenergia to say, executeeseguire, and it goesva [thumptonfo]. Right?
181
568000
4000
ha abbastanza energia per dire "Esegui" ed ecco che parte. Giusto?
09:56
(LaughterRisate)
182
572000
3000
(Risate)
09:59
And when it does that, pushesspinge a .EXEEXE, what it does is,
183
575000
4000
A questo punto apre un file .EXE, che non fa altro che
10:03
it executesesegue the first linelinea of codecodice, whichquale readslegge just like that,
184
579000
3000
eseguire la prima linea di codice, che ha l'aspetto di
10:06
AATCAGGGACCCAATCAGGGACCC, and that meanssi intende: make a rootradice.
185
582000
3000
AATCAGGGACCC e vuol dire: crea una radice.
10:09
NextSuccessivo linelinea of codecodice: make a stemstelo.
186
585000
2000
Linea di codice successiva: crea un gambo.
10:11
NextSuccessivo linelinea of codecodice, TACGGGGTACGGGG: make a flowerfiore that's whitebianca,
187
587000
3000
Linea di codice successiva, TACGGGG: crea un fiore che sia bianco,
10:14
that bloomsfioriture in the springprimavera, that smellsodori like this.
188
590000
3000
che fiorisca in primavera e che abbia questo particolare odore.
10:17
In the measuremisurare that you have the codecodice
189
593000
2000
Nella misura in cui abbiamo il codice
10:19
and the measuremisurare that you readleggere it --
190
595000
3000
e nella misura in cui siamo in grado di leggerlo...
10:22
and, by the way, the first plantpianta was readleggere two yearsanni agofa;
191
598000
2000
tra parentesi, la prima pianta è stata letta due anni fa;
10:24
the first humanumano was readleggere two yearsanni agofa;
192
600000
2000
il primo essere umano è stato letto due anni fa;
10:26
the first insectinsetto was readleggere two yearsanni agofa.
193
602000
2000
il primo insetto è stato letto due anni fa.
10:28
The first thing that we ever readleggere was in 1995:
194
604000
3000
La prima cosa mai letta è del 1995:
10:31
a little bacteriabatteri calledchiamato HaemophilusHaemophilus influenzaeinfluenzae.
195
607000
2000
un piccolo batterio chiamato Haemophilus influenzae.
10:34
In the measuremisurare that you have the sourcefonte codecodice, as all of you know,
196
610000
3000
Una volta che abbiamo il codice sorgente, come tutti sapete,
10:37
you can changemodificare the sourcefonte codecodice, and you can reprogramriprogrammare life formsforme
197
613000
2000
si può cambiare quel codice, e si possono riprogrammare le forme di vita
10:39
so that this little thingythingy becomesdiventa a vaccinevaccino,
198
615000
2000
in modo che questo piccoletto diventi un vaccino,
10:41
or this little thingythingy startsinizia producingproduzione biomaterialsbiomateriali,
199
617000
3000
oppure che questi piccoletti comincino a produrre biomateriali,
10:44
whichquale is why DuPontDuPont is now growingin crescita a formmodulo of polyesterpoliestere
200
620000
3000
che è il motivo per cui la DuPont sta coltivando nel mais
10:47
that feelssi sente like silkseta in cornMais.
201
623000
2000
una forma di poliestere che sembra seta.
10:50
This changesi cambiamenti all rulesregole. This is life, but we're reprogrammingriprogrammare it.
202
626000
5000
Questo cambia tutte le regole. Questa è la vita, ma la stiamo riprogrammando.
10:57
This is what you look like. This is one of your chromosomescromosomi.
203
633000
4000
Ecco il nostro aspetto. Questo è uno dei nostri cromosomi.
11:01
And what you can do now is,
204
637000
2000
Ciò che si può fare adesso è
11:03
you can outlayesborso exactlydi preciso what your chromosomecromosoma is,
205
639000
3000
creare uno schema preciso di cos'è un cromosoma,
11:06
and what the genegene codecodice on that chromosomecromosoma is right here,
206
642000
3000
qui c'è il codice genetico contenuto in quel cromosoma,
11:09
and what those genesgeni codecodice for, and what animalsanimali they codecodice againstcontro,
207
645000
3000
l'effetto che quei geni hanno, contro quali tipi di animali agiscono,
11:12
and then you can tiecravatta it to the literatureletteratura.
208
648000
2000
ed alla fine si possono fare collegamenti alla letteratura.
11:14
And in the measuremisurare that you can do that, you can go home todayoggi,
209
650000
3000
E se si può fare questo, potete andarvene a casa stasera,
11:17
and get on the InternetInternet, and accessaccesso
210
653000
2000
collegarvi ad Internet, ed entrare
11:19
the world'sIl mondo di biggestmaggiore publicpubblico librarybiblioteca, whichquale is a librarybiblioteca of life.
211
655000
3000
nella più grande biblioteca pubblica del mondo, la biblioteca della vita.
11:23
And you can do some prettybella strangestrano things
212
659000
2000
E si possono fare cose molto strane,
11:25
because in the samestesso way as you can reprogramriprogrammare this appleMela,
213
661000
2000
perché nello stesso modo in cui si possono riprogrammare le mele,
11:28
if you go to CliffCliff Tabin'sDi Tabin lablaboratorio at the HarvardHarvard MedicalMedico SchoolScuola,
214
664000
2000
se andate nel laboratorio di Cliff Tabin alla Harvard Medical School,
11:31
he's reprogrammingriprogrammare chickenpollo embryosembrioni to growcrescere more wingsAli.
215
667000
4000
lui sta riprogrammando gli embrioni di pollo in modo che abbiano più ali.
11:37
Why would CliffCliff be doing that? He doesn't have a restaurantristorante.
216
673000
3000
Perché mai Cliff dovrebbe farlo? Non è il proprietario di un ristorante.
11:40
(LaughterRisate)
217
676000
1000
(Risate)
11:42
The reasonragionare why he's reprogrammingriprogrammare that animalanimale to have more wingsAli
218
678000
3000
Il motivo per cui sta riprogrammando quel pollo in modo che abbia più ali
11:45
is because when you used to playgiocare with lizardslucertole as a little childbambino,
219
681000
3000
è che quando giocavamo con le lucertole da bambini,
11:48
and you pickedraccolto up the lizardlucertola, sometimesa volte the tailcoda fellabbattere off, but it regrewricrescono.
220
684000
4000
quando le tiravamo su, a volte la coda si staccava, per poi ricrescere.
11:52
Not so in humanumano beingsesseri:
221
688000
3000
Però non succede negli esseri umani:
11:55
you cuttagliare off an armbraccio, you cuttagliare off a leggamba -- it doesn't regrowricrescere.
222
691000
3000
tagliate via un braccio, tagliate via una gamba, non ricresce.
11:58
But because eachogni of your cellscellule containscontiene your entireintero genegene codecodice,
223
694000
4000
Ma poiché ognuna delle nostre cellule contiene tutto il nostro codice genetico,
12:03
eachogni cellcellula can be reprogrammedriprogrammato, if we don't stop stemstelo cellcellula researchricerca
224
699000
4000
ogni cellula può essere riprogrammata, sempre che non fermiamo al ricerca sulle staminali
12:07
and if we don't stop genomicgenomica researchricerca,
225
703000
2000
e non fermiamo la ricerca genomica,
12:09
to expressesprimere differentdiverso bodycorpo functionsfunzioni.
226
705000
3000
per esprimere diverse funzioni del corpo.
12:13
And in the measuremisurare that we learnimparare how chickenspolli growcrescere wingsAli,
227
709000
3000
E se riusciamo ad imparare come fanno i polli a far crescere le ali,
12:16
and what the programprogramma is for those cellscellule to differentiatedifferenziare,
228
712000
2000
e qual è il programma per far differenziare quelle cellule,
12:18
one of the things we're going to be ablecapace to do
229
714000
3000
una delle cose che potremmo essere in grado di fare
12:21
is to stop undifferentiatedindifferenziato cellscellule, whichquale you know as cancercancro,
230
717000
3000
è fermare le cellule indifferenziate, che tutti chiamano cancro,
12:25
and one of the things we're going to learnimparare how to do
231
721000
2000
ed una delle cose che impareremo a fare è
12:27
is how to reprogramriprogrammare cellscellule like stemstelo cellscellule
232
723000
3000
riprogrammare le cellule come le staminali
12:30
in suchcome a way that they expressesprimere boneosso, stomachstomaco, skinpelle, pancreaspancreas.
233
726000
6000
in modo che si sviluppino come ossa, stomaco, pelle, pancreas.
12:37
And you are likelyprobabile to be wanderingGirovagando around -- and your childrenbambini --
234
733000
3000
E sarà probabile che voi, ed i vostri figli, andrete in giro
12:40
on regrownricresciuti bodycorpo partsparti in a reasonableragionevole periodperiodo of time,
235
736000
3000
con parti del corpo ricresciute entro un ragionevole periodo di tempo,
12:44
in some placesposti in the worldmondo where they don't stop the researchricerca.
236
740000
3000
in quei posti del mondo dove non fermeranno la ricerca.
12:49
How'sDi come this stuffcose work? If eachogni of you differssi differenzia
237
745000
5000
Come funziona questa roba? Se ognuno di voi è diverso
12:54
from the personpersona nextIl prossimo to you by one in a thousandmille, but only threetre percentper cento codescodici,
238
750000
3000
dalla persona accanto dell'uno su mille, ma solo del 3% del codice,
12:57
whichquale meanssi intende it's only one in a thousandmille timesvolte threetre percentper cento,
239
753000
2000
il che vuol dire solo uno su mille per 3 %,
12:59
very smallpiccolo differencesdifferenze in expressionespressione and punctuationpunteggiatura
240
755000
3000
differenze molto piccole in espressione e punteggiatura
13:02
can make a significantsignificativo differencedifferenza. Take a simplesemplice declarativedichiarativa sentencefrase.
241
758000
3000
possono fare una differenza significativa. Prendete una semplice frase dichiarativa.
13:07
(LaughterRisate)
242
763000
2000
(Risate)
13:09
Right?
243
765000
1000
Giusto?
13:10
That's perfectlyperfettamente clearchiaro. So, menuomini readleggere that sentencefrase,
244
766000
4000
E' perfettamente chiara. Quindi gli uomini leggono quella frase,
13:14
and they look at that sentencefrase, and they readleggere this.
245
770000
2000
la guardano e leggono questo.
13:22
Okay?
246
778000
1000
OK?
13:23
Now, womendonne look at that sentencefrase and they say, uh-uhuh-uh, wrongsbagliato.
247
779000
4000
Ora, le donne guardano quella frase e... oh oh... sbagliato.
13:27
This is the way it should be seenvisto.
248
783000
2000
Ecco il modo in cui dovrebbe essere letta.
13:31
(LaughterRisate)
249
787000
8000
(Risate)
13:39
That's what your genesgeni are doing.
250
795000
1000
Questo è quello che fanno i geni.
13:40
That's why you differdifferire from this personpersona over here by one in a thousandmille.
251
796000
5000
Questo è il motivo per cui tu sei diverso da lui dell' uno su mille.
13:45
Right? But, you know, he's reasonablyragionevolmente good looking, but...
252
801000
3000
Giusto? Ma sai... lui è abbastanza bello ma...
13:48
I won'tnon lo farà go there.
253
804000
2000
Lasciamo perdere.
13:51
You can do this stuffcose even withoutsenza changingmutevole the punctuationpunteggiatura.
254
807000
3000
Si può fare questa cosa anche senza cambiare la punteggiatura.
13:55
You can look at this, right?
255
811000
4000
Voi vedete questo, giusto?
13:59
And they look at the worldmondo a little differentlydiversamente.
256
815000
2000
Altri invece guardano il mondo in modo leggermente diverso.
14:01
They look at the samestesso worldmondo and they say...
257
817000
2000
Guardano la stessa parola e dicono...
14:03
(LaughterRisate)
258
819000
6000
(Risate)
14:09
That's how the samestesso genegene codecodice -- that's why you have 30,000 genesgeni,
259
825000
4000
Ecco come lo stesso codice genetico... ecco perché voi avete 30.000 geni,
14:13
micetopi have 30,000 genesgeni, husbandsmariti have 30,000 genesgeni.
260
829000
3000
i topi hanno 30.000 geni, i mariti hanno 30.000 geni.
14:16
MiceTopi and menuomini are the samestesso. WivesMogli know that, but anywaycomunque.
261
832000
3000
Topi e uomini sono uguali. Le mogli lo sanno, ma comunque...
14:20
You can make very smallpiccolo changesi cambiamenti in genegene codecodice
262
836000
2000
Potete fare cambiamenti molto piccoli nel codice genetico
14:22
and get really differentdiverso outcomesrisultati,
263
838000
2000
ed ottenere risultati realmente differenti,
14:26
even with the samestesso stringstringa of letterslettere.
264
842000
2000
anche con la stessa sequenza di lettere.
14:30
That's what your genesgeni are doing everyogni day.
265
846000
2000
Ecco quello che fanno i geni tutti i giorni.
14:33
That's why sometimesa volte a person'spersona di genesgeni
266
849000
2000
Ecco perché a volte i geni di una persona
14:35
don't have to changemodificare a lot to get cancercancro.
267
851000
2000
non devono cambiare molto perché compaia il cancro.
14:41
These little chippieschippies, these things are the sizedimensione of a creditcredito cardcarta.
268
857000
4000
Questi piccoli chip, questi sono grandi come una carta di credito.
14:46
They will testTest any one of you for 60,000 geneticgenetico conditionscondizioni.
269
862000
2000
Possono testare ognuno di noi per 60.000 malattie genetiche.
14:49
That bringsporta up questionsle domande of privacysulla privacy and insurabilityassicurabilità
270
865000
3000
Fanno nascere problemi di privacy, assicurazione
14:52
and all kindstipi of stuffcose, but it alsoanche allowsconsente us to startinizio going after diseasesmalattie,
271
868000
2000
e cose del genere, ma ci permettono di cominciare a dare la caccia alle malattie;
14:55
because if you runcorrere a personpersona who has leukemialeucemia throughattraverso something like this,
272
871000
3000
se fate un test con questo a qualcuno che soffre di leucemia
14:59
it turnsgiri out that threetre diseasesmalattie with
273
875000
2000
viene fuori che tre malattie
15:01
completelycompletamente similarsimile clinicalclinico syndromessindromi
274
877000
4000
con storie cliniche praticamente uguali
15:05
are completelycompletamente differentdiverso diseasesmalattie.
275
881000
2000
sono in realtà tre malattie completamente diverse.
15:07
Because in ALL leukemialeucemia, that setimpostato of genesgeni over there over-expressessovra-esprime.
276
883000
3000
Nella leucemia linfoblastica acuta (ALL) è coinvolto il gruppo di geni in alto.
15:10
In MLLMLL, it's the middlein mezzo setimpostato of genesgeni,
277
886000
2000
Nella leucemia mieloide/linfoide (MLL) è il gruppo in mezzo,
15:12
and in AMLAML, it's the bottomparte inferiore setimpostato of genesgeni.
278
888000
2000
in quella mieloide acuta (AML) è il gruppo di geni in basso.
15:14
And if one of those particularparticolare things is expressingesprimendo in your bodycorpo,
279
890000
5000
E se una di queste particolari condizioni è espressa nel vostro corpo
15:19
then you take GleevecGlivec and you're curedcurato.
280
895000
2000
potete prendere il Gleevec e vi curate.
15:22
If it is not expressingesprimendo in your bodycorpo,
281
898000
2000
Se non è espressa nel corpo,
15:24
if you don't have one of those typestipi --
282
900000
2000
cioè se non avete uno di questi tipi...
15:26
a particularparticolare one of those typestipi -- don't take GleevecGlivec.
283
902000
3000
uno in particolare di questi tipi... non prendete il Gleevec.
15:29
It won'tnon lo farà do anything for you.
284
905000
1000
Non vi servirebbe a niente.
15:31
SameStesso thing with ReceptinNero if you've got breastSeno cancercancro.
285
907000
2000
Stessa cosa per il Receptin se avete il cancro al seno.
15:34
Don't have an HER-SUO-2 receptorrecettore? Don't take ReceptinNero.
286
910000
3000
Se non avete un recettore HER-2, non prendete il Receptin.
15:37
ChangesModifiche the naturenatura of medicinemedicina. ChangesModifiche the predictionsPrevisioni of medicinemedicina.
287
913000
4000
Cambia la natura della medicina. Cambiano le previsioni della medicina.
15:41
ChangesModifiche the way medicinemedicina workslavori.
288
917000
2000
Cambia il modo in cui la medicina lavora.
15:43
The greatestpiù grande repositorydeposito of knowledgeconoscenza when mostmaggior parte of us wentandato to collegeUniversità
289
919000
3000
Il più grande pozzo di conoscenza quando la maggior parte di noi era all'università
15:46
was this thing, and it turnsgiri out that
290
922000
2000
era questo, ma sembra proprio che
15:48
this is not so importantimportante any more.
291
924000
2000
non sia più così importante.
15:50
The U.S. LibraryBiblioteca of CongressCongresso, in termscondizioni of its printedstampato volumevolume of datadati,
292
926000
4000
La U.S. Library of Congress, in termini di volume di materiale stampato,
15:54
containscontiene lessDi meno datadati than is comingvenuta out of a good genomicsgenomica companyazienda
293
930000
4000
contiene meno informazioni complessive di quelle che escono
15:58
everyogni monthmese on a compoundcomposto basisbase.
294
934000
3000
da una buona ditta di ricerca genomica ogni mese.
16:01
Let me say that again: A singlesingolo genomicsgenomica companyazienda
295
937000
3000
Vorrei ripeterlo: una singola ditta di ricerca genomica
16:04
generatesgenera more datadati in a monthmese, on a compoundcomposto basisbase,
296
940000
3000
genera più informazioni in un mese, su base complessiva,
16:07
than is in the printedstampato collectionscollezioni of the LibraryBiblioteca of CongressCongresso.
297
943000
3000
di quelle che sono conservate nelle stampe della biblioteca del Congresso.
16:11
This is what's been poweringalimentazione the U.S. economyeconomia. It's Moore'sDi Moore LawLegge.
298
947000
4000
Ecco il motore dell'economia degli Stati Uniti. La legge di Moore.
16:15
So, all of you know that the priceprezzo of computerscomputer halvesmetà everyogni 18 monthsmesi
299
951000
5000
In pratica, il prezzo dei computer si dimezza ogni 18 mesi mentre
16:20
and the powerenergia doublesdoppio, right?
300
956000
2000
la potenza raddoppia, giusto?
16:22
ExceptTranne per il fatto that when you layposare that sidelato by sidelato with the speedvelocità
301
958000
4000
Però se la mettiamo fianco a fianco con la velocità
16:26
with whichquale genegene data'sdi dati beingessere depositeddepositato in GenBankGenBank,
302
962000
3000
con cui i dati genetici vengono depositati nella GenBank,
16:29
Moore'sDi Moore LawLegge is right here: it's the blueblu linelinea.
303
965000
4000
la legge di Moore è qui in basso: la linea blu.
16:34
This is on a logceppo scalescala, and that's what superexponentialvuol growthcrescita meanssi intende.
304
970000
4000
Questo è su scala logaritmica, ed ecco cosa vuol dire una crescita super-esponenziale.
16:38
This is going to pushspingere computerscomputer to have to growcrescere fasterPiù veloce
305
974000
4000
Questo spingerà i computer a crescere molto più in fretta
16:42
than they'veessi hanno been growingin crescita, because so farlontano,
306
978000
2000
di quanto non stiano già facendo perché, fino ad ora,
16:44
there haven'tnon hanno been applicationsapplicazioni that have been requirednecessario
307
980000
3000
non ci sono state applicazioni che abbiano richiesto
16:47
that need to go fasterPiù veloce than Moore'sDi Moore LawLegge. This stuffcose does.
308
983000
3000
una crescita più veloce della legge di Moore. Questa roba lo richiede.
16:50
And here'secco an interestinginteressante mapcarta geografica.
309
986000
2000
Ecco una mappa interessante.
16:52
This is a mapcarta geografica whichquale was finishedfinito at the HarvardHarvard BusinessBusiness SchoolScuola.
310
988000
4000
Questa mappa è stata sviluppata alla Harvard Business School.
16:56
One of the really interestinginteressante questionsle domande is, if all this data'sdi dati freegratuito,
311
992000
3000
Una delle domande più interessanti è: se tutti questi dati sono gratis,
16:59
who'schi è usingutilizzando it? This is the greatestpiù grande publicpubblico librarybiblioteca in the worldmondo.
312
995000
4000
chi li sta usando? Questa è la più grande biblioteca pubblica al mondo.
17:03
Well, it turnsgiri out that there's about 27 trilliontrilioni di bitsbit
313
999000
3000
Beh, qui ci sono circa 27 trilioni di bit
17:06
movingin movimento insidedentro from the UnitedUniti d'America StatesStati to the UnitedUniti d'America StatesStati;
314
1002000
3000
che si muovono all'interno degli Stati Uniti;
17:09
about 4.6 trilliontrilioni di is going over to those EuropeanEuropeo countriespaesi;
315
1005000
4000
circa 4,6 trilioni se ne vanno verso alcuni paesi europei;
17:13
about 5.5's'S going to JapanGiappone; there's almostquasi no communicationcomunicazione
316
1009000
3000
circa 5,5 vanno in Giappone; quasi nessuno scambio in partenza
17:16
betweenfra JapanGiappone, and nobodynessuno elsealtro is literateletterato in this stuffcose.
317
1012000
4000
dal Giappone, e nessun altro ha competenze in questo campo.
17:20
It's freegratuito. No one'suno è readinglettura it. They're focusingmessa a fuoco on the warguerra;
318
1016000
5000
E' gratis. Nessuno lo legge. Si concentrano sulla guerra;
17:25
they're focusingmessa a fuoco on BushBush; they're not interestedinteressato in life.
319
1021000
2000
si concentrano su Bush; non sono interessati alla vita.
17:28
So, this is what a newnuovo mapcarta geografica of the worldmondo lookssembra like.
320
1024000
2000
Quindi, ecco una nuova mappa del mondo.
17:31
That is the genomicallygenomicamente literateletterato worldmondo. And that is a problemproblema.
321
1027000
6000
E' il mondo genomicamente-acculturato. Ed è un problema.
17:37
In factfatto, it's not a genomicallygenomicamente literateletterato worldmondo.
322
1033000
2000
In realtà, non è un mondo genomicamente-acculturato.
17:39
You can breakrompere this out by statesstati.
323
1035000
2000
So può suddividere ancora per stati.
17:41
And you can watch statesstati risesalire and fallautunno dependingdipendente on
324
1037000
2000
Possiamo osservare gli stati salire e scendere secondo
17:43
theirloro abilitycapacità to speakparlare a languageLingua of life,
325
1039000
2000
la loro abilità nel parlare la lingua della vita,
17:45
and you can watch NewNuovo YorkYork fallautunno off a cliffscogliera,
326
1041000
2000
si può vedere New York cadere nel precipizio,
17:47
and you can watch NewNuovo JerseyJersey fallautunno off a cliffscogliera,
327
1043000
2000
e potete vedere il New Jersey cadere,
17:49
and you can watch the risesalire of the newnuovo empiresimperi of intelligenceintelligenza.
328
1045000
3000
e possiamo vedere la nascita di nuovi imperi dell'intelligenza.
17:53
And you can breakrompere it out by countiescontee, because it's specificspecifica countiescontee.
329
1049000
3000
Si può anche suddividere ulteriormente per province, perché sono specifiche province che contano.
17:56
And if you want to get more specificspecifica,
330
1052000
2000
E se volete essere ancora più specifici,
17:58
it's actuallyin realtà specificspecifica zipcerniera lampo codescodici.
331
1054000
2000
si può arrivare a specifici CAP.
18:00
(LaughterRisate)
332
1056000
2000
(Risate)
18:02
So, you want to know where life is happeningavvenimento?
333
1058000
3000
Volete vedere dove la vita è in piena attività?
18:05
Well, in SouthernDel sud CaliforniaCalifornia it's happeningavvenimento in 92121. And that's it.
334
1061000
5000
Beh, nella California del sud è nella zona 92121. E basta.
18:11
And that's the triangletriangolo betweenfra SalkSalk, ScrippsScripps, UCSDUCSD,
335
1067000
5000
E' il triangolo tra il Salk Institute, lo Scripps e la UCSD
18:16
and it's calledchiamato TorreyTorrey PinesPines RoadStrada.
336
1072000
2000
ed è sulla Torrey Pines Road.
18:18
That meanssi intende you don't need to be a biggrande nationnazione to be successfulriuscito;
337
1074000
3000
Questo vuol dire che non bisogna essere una grande nazione per avere successo;
18:21
it meanssi intende you don't need a lot of people to be successfulriuscito;
338
1077000
2000
vuol dire che non servono tante persone per avere successo;
18:23
and it meanssi intende you can movemossa mostmaggior parte of the wealthricchezza of a countrynazione
339
1079000
3000
e vuol dire che si può spostare la maggior parte della ricchezza di una nazione
18:26
in about threetre or fourquattro carefullyaccuratamente pickedraccolto 747s.
340
1082000
3000
in circa tre o quattro 747 attentamente selezionati.
18:30
SameStesso thing in MassachusettsMassachusetts. LooksSguardi more spreaddiffusione out but --
341
1086000
4000
Stessa cosa nel Massachusetts. Sembrano un po' più sparsi...
18:34
oh, by the way, the onesquelli that are the samestesso colorcolore are contiguouscontigui.
342
1090000
3000
ah, tra l'altro, quelli colorati allo stesso modo sono adiacenti.
18:38
What's the netnetto effecteffetto of this?
343
1094000
2000
Qual è l'effetto finale di tutto questo?
18:40
In an agriculturalagricolo societysocietà, the differencedifferenza betweenfra
344
1096000
2000
In una società agricola, la differenza tra
18:42
the richestpiù ricco and the poorestpiù poveri,
345
1098000
1000
il più ricco ed il più povero,
18:44
the mostmaggior parte productiveproduttivo and the leastmeno productiveproduttivo, was fivecinque to one. Why?
346
1100000
4000
tra il più produttivo ed il meno produttivo, era di 5 a 1. Come mai?
18:48
Because in agricultureagricoltura, if you had 10 kidsbambini
347
1104000
2000
Perché in agricoltura, se avevi 10 figli,
18:50
and you growcrescere up a little bitpo earlierprima and you work a little bitpo harderPiù forte,
348
1106000
3000
ti svegliavi un po' prima e lavoravi un po' più duramente,
18:53
you could produceprodurre about fivecinque timesvolte more wealthricchezza, on averagemedia,
349
1109000
2000
potevi produrre circa 5 volte più ricchezza, in media,
18:55
than your neighborvicino.
350
1111000
1000
del tuo vicino.
18:57
In a knowledgeconoscenza societysocietà, that numbernumero is now 427 to 1.
351
1113000
3000
In una società della conoscenza, quel numero adesso è 427 a 1.
19:01
It really mattersquestioni if you're literateletterato, not just in readinglettura and writingscrittura
352
1117000
4000
Importa davvero se hai competenze, non solo nel leggere e scrivere,
19:05
in EnglishInglese and FrenchFrancese and GermanTedesco,
353
1121000
2000
in inglese, francese e tedesco,
19:07
but in MicrosoftMicrosoft and LinuxLinux and AppleApple.
354
1123000
2000
ma in Microsoft, Linux e Apple.
19:10
And very soonpresto it's going to matterimporta if you're literateletterato in life codecodice.
355
1126000
4000
E molto presto sarà importante avere conoscenze nel codice della vita.
19:14
So, if there is something you should fearpaura,
356
1130000
2000
Quindi, se c'è davvero qualcosa di cui dovreste aver paura,
19:16
it's that you're not keepingconservazione your eyeocchio on the ballpalla.
357
1132000
3000
è di non avere gli occhi ben fissi sul pallone.
19:19
Because it really mattersquestioni who speaksparla life.
358
1135000
2000
Perché importa davvero chi parla la lingua della vita.
19:22
That's why nationsnazioni risesalire and fallautunno.
359
1138000
2000
E' il motivo per cui le nazioni prosperano o falliscono.
19:25
And it turnsgiri out that if you wentandato back to the 1870s,
360
1141000
3000
E viene fuori che se torniamo al 1870,
19:28
the mostmaggior parte productiveproduttivo nationnazione on earthterra was AustraliaAustralia, perper personpersona.
361
1144000
3000
la nazione più produttiva al mondo era l'Australia, pro capite.
19:31
And NewNuovo ZealandZelanda was way up there. And then the U.S. cameè venuto in about 1950,
362
1147000
3000
Ed anche la Nuova Zelanda era là in cima. Poi sono arrivati gli USA intorno al 1950,
19:34
and then SwitzerlandSvizzera about 1973, and then the U.S. got back on topsuperiore --
363
1150000
3000
poi la Svizzera intorno al 1973, poi di nuovo gli USA al vertice...
19:38
beatbattere up theirloro chocolatescioccolatini and cuckooCuculo clocksOrologi.
364
1154000
2000
sconfiggendo il loro cioccolato e gli orologi a cucù.
19:42
And todayoggi, of coursecorso, you all know that the mostmaggior parte productiveproduttivo nationnazione
365
1158000
3000
Ed oggi, ovviamente, tutti sapete che la nazione più produttiva al mondo
19:45
on earthterra is LuxembourgLussemburgo, producingproduzione about one thirdterzo more wealthricchezza
366
1161000
3000
è il Lussemburgo, che produce circa un terzo in più della ricchezza
19:48
perper personpersona perper yearanno than AmericaAmerica.
367
1164000
2000
pro capite annuale rispetto agli USA.
19:51
TinyPiccoli landlockedsenza sbocco sul mare statestato. No oilolio. No diamondsquadri. No naturalnaturale resourcesrisorse.
368
1167000
4000
Piccolo stato senza sbocchi. Niente petrolio. Niente Diamanti. Niente risorse naturali.
19:55
Just smartinteligente people movingin movimento bitsbit. DifferentDiversi rulesregole.
369
1171000
5000
Solo persone intelligenti che muovono bit. Regole diverse.
20:01
Here'sQui è differentialdifferenziale productivityproduttività ratesaliquote.
370
1177000
3000
Questi sono indici di produzione differenziati.
20:05
Here'sQui è how manymolti people it takes to produceprodurre a singlesingolo U.S. patentbrevetto.
371
1181000
3000
Indicano quante persone ci vogliono per produrre un brevetto negli USA.
20:08
So, about 3,000 AmericansAmericani, 6,000 KoreansCoreani, 14,000 BritsInglesi,
372
1184000
4000
Circa 3.000 statunitensi, 6.000 coreani, 14.000 inglesi,
20:12
790,000 ArgentinesArgentini. You want to know why Argentina'sDi Argentina crashingschiantarsi?
373
1188000
3000
790.000 argentini. Volete sapere perché l'Argentina sta fallendo?
20:15
It's got nothing to do with inflationinflazione.
374
1191000
2000
Non ha niente a che fare con l'inflazione.
20:17
It's got nothing to do with privatizationprivatizzazione.
375
1193000
2000
Non ha niente a che fare con le privatizzazioni.
20:19
You can take a Harvard-educatedHarvard-istruito IvyIvy LeagueLega economisteconomista,
376
1195000
4000
Potete prendere un economista che ha studiato ad Harvard
20:23
stickbastone him in chargecarica of ArgentinaArgentina. He still crashessi blocca the countrynazione
377
1199000
3000
e metterlo a capo dell'Argentina. Farà comunque fallire il paese
20:26
because he doesn't understandcapire how the rulesregole have changedcambiato.
378
1202000
2000
perché non capisce come sono cambiate le regole.
20:29
Oh, yeah, and it takes about 5.6 millionmilione IndiansIndiani.
379
1205000
3000
Ah, già... e ci vogliono circa 5,6 milioni di indiani.
20:32
Well, watch what happensaccade to IndiaIndia.
380
1208000
2000
Beh, guardate cosa succede in India.
20:34
IndiaIndia and ChinaCina used to be 40 percentper cento of the globalglobale economyeconomia
381
1210000
3000
L'India e la Cina una volta costituivano il 40% dell'economia mondiale,
20:37
just at the IndustrialIndustriale RevolutionRivoluzione, and they are now about 4.8 percentper cento.
382
1213000
5000
all'inizio della Rivoluzione Industriale, ora sono circa il 4,8%.
20:42
Two billionmiliardo people. One thirdterzo of the globalglobale populationpopolazione producingproduzione 5 percentper cento of the wealthricchezza
383
1218000
4000
Due miliardi di persone. Un terzo della popolazione mondiale che produce il 5% della ricchezza
20:46
because they didn't get this changemodificare,
384
1222000
3000
perché non hanno afferrato questo cambiamento,
20:49
because they kepttenere treatingtrattamento theirloro people like serfsservi della gleba
385
1225000
2000
perché hanno continuato a trattare i propri cittadini come servi
20:51
insteadanziché of like shareholdersazionisti of a commonComune projectprogetto.
386
1227000
3000
invece che come azionisti di un progetto comune.
20:55
They didn't keep the people who were educatededucato.
387
1231000
3000
Non hanno trattenuto le persone istruite.
20:58
They didn't fomentfomentare the businessesaziende. They didn't do the IPOsIPO.
388
1234000
2000
Non hanno sostenuto le imprese. Non hanno quotato le compagnie in borsa.
21:01
SiliconSilicio ValleyValle did. And that's why they say
389
1237000
4000
A Silicon Valley l'hanno fatto. Ed ecco perché si dice
21:05
that SiliconSilicio ValleyValle has been poweredmotorizzato by ICsCondivisione connessione Internet.
390
1241000
2000
che Silicon Valley è stata alimentata dai CI.
21:08
Not integratedintegrato circuitscircuiti: IndiansIndiani and ChineseCinese.
391
1244000
3000
Non circuiti integrati; ma Cinesi e Indiani.
21:11
(LaughterRisate)
392
1247000
4000
(Risate)
21:15
Here'sQui è what's happeningavvenimento in the worldmondo.
393
1251000
2000
Ecco cosa sta succedendo nel mondo.
21:17
It turnsgiri out that if you'dfaresti goneandato to the U.N. in 1950,
394
1253000
3000
Se foste andati all'ONU nel 1950,
21:20
when it was foundedfondato, there were 50 countriespaesi in this worldmondo.
395
1256000
2000
quando è stata fondata, c'erano 50 nazioni nel mondo.
21:22
It turnsgiri out there's now about 192.
396
1258000
3000
Ora ce ne sono circa 192.
21:25
CountryPaese after countrynazione is splittingscissione, secedingseparandosi, succeedingsuccessivo, failingin mancanza di --
397
1261000
4000
Nazione dopo nazione si divide, si stacca, ha successo, fallisce.
21:30
and it's all gettingottenere very fragmentedframmentato. And this has not stoppedfermato.
398
1266000
5000
E tutto sta diventando molto frammentato. E non si sta fermando.
21:35
In the 1990s, these are sovereignsovrano statesstati
399
1271000
3000
Negli anni 90... questi sono stati sovrani
21:38
that did not existesistere before 1990.
400
1274000
2000
che non esistevano prima del 1990.
21:40
And this doesn't includeincludere fusionsfusioni or namenome changesi cambiamenti or changesi cambiamenti in flagsBandiere.
401
1276000
5000
Senza contare fusioni, cambi di nome o cambi di bandiere.
21:45
We're generatinggeneratrice about 3.12 statesstati perper yearanno.
402
1281000
3000
Stiamo generando circa 3,12 nazioni all'anno.
21:48
People are takingpresa controlcontrollo of theirloro ownproprio statesstati,
403
1284000
3000
Le persone prendono il controllo dei loro paesi,
21:51
sometimesa volte for the better and sometimesa volte for the worsepeggio.
404
1287000
3000
a volte per il meglio ed altre per il peggio.
21:54
And the really interestinginteressante thing is,
405
1290000
2000
La cosa veramente interessante è
21:56
you and your kidsbambini are empoweredpotere to buildcostruire great empiresimperi,
406
1292000
2000
che voi e i vostri figli avete il potere di costruire grandi imperi,
21:58
and you don't need a lot to do it.
407
1294000
2000
e non serve troppo per farlo.
22:00
(MusicMusica)
408
1296000
2000
(Musica)
22:02
And, givendato that the musicmusica is over, I was going to talk
409
1298000
3000
Ora, dato che la musica è finita, stavo per parlarvi
22:05
about how you can use this to generatecreare a lot of wealthricchezza,
410
1301000
3000
di come potreste usare tutto questo per generare una grande ricchezza,
22:08
and how codecodice workslavori.
411
1304000
2000
e di come funziona il codice.
22:10
ModeratorModeratore: Two minutesminuti.
412
1306000
1000
(Moderatore: due minuti.)
22:11
(LaughterRisate)
413
1307000
2000
(Risate)
22:13
JuanJuan EnriquezEnriquez: No, I'm going to stop there and we'llbene do it nextIl prossimo yearanno
414
1309000
4000
No, mi fermo qui e proseguiremo l'anno prossimo
22:17
because I don't want to take any of Laurie'sDi Laurie time.
415
1313000
2000
perché non voglio rubare del tempo a Laurie.
22:20
But thank you very much.
416
1316000
1000
Ma grazie mille a voi.
Translated by Alberto Pagani
Reviewed by Elena Montrasio

▲Back to top

ABOUT THE SPEAKER
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.

Why you should listen

A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.

Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.

More profile about the speaker
Juan Enriquez | Speaker | TED.com