15:29
TED2016

Riccardo Sabatini: How to read the genome and build a human being

リッカルド・サバティーニ: ゲノムを読んで人間を作る方法

Filmed:

秘密も病気も美もすべてが書かれたゲノム、それは人間を作り上げるのに必要なひとそろいの遺伝的手順書です。科学者であり起業家であるリッカルド・サバティーニが、今や小さなバイアル瓶の中の血液から複雑なゲノムの暗号を解読して身長、目の色、年齢、容貌まで予想できることを示します。ゲノムについての理解によってやがてガンのような病気に対する個別化医療が可能になるとサバティーニは言います。我々は生命そのものを変える力を手にしたのです。それをどのように使いましょう?

- Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio

For the next 16 minutes,
I'm going to take you on a journey
これからの16分で
00:12
that is probably
the biggest dream of humanity:
人類最大の夢への旅に
お連れします
00:15
to understand the code of life.
生命の暗号を
理解するということです
00:18
So for me, everything started
many, many years ago
私にとって ことの始まりは
何年も前
00:21
when I met the first 3D printer.
はじめて3Dプリンタに
出会ったときです
00:23
The concept was fascinating.
魅惑的なコンセプトだと
思いました
00:26
A 3D printer needs three elements:
3Dプリンタは
3つの要素を必要とします
00:28
a bit of information, some
raw material, some energy,
少しばかりの情報と
原料と エネルギーです
00:30
and it can produce any object
that was not there before.
そして それまで存在しなかった物を
何でも作れてしまうんです
00:34
I was doing physics,
I was coming back home
私は物理をやっていましたが
家に帰ってきて
00:38
and I realized that I actually
always knew a 3D printer.
3Dプリンタならずっと前から
知っていたことに気付きました
00:40
And everyone does.
誰もが知っています
00:44
It was my mom.
それは母親です
00:45
(Laughter)
(笑)
00:46
My mom takes three elements:
母は3つの要素を
取り込みます
00:47
a bit of information, which is between
my father and my mom in this case,
少しばかりの情報 —
今の場合 父と母が提供します
00:50
raw elements and energy
in the same media, that is food,
原料とエネルギーは同じもの
食べ物から得ます
00:54
and after several months, produces me.
そして数ヶ月の後に
私が製造されます
00:58
And I was not existent before.
それ以前に
私は存在しませんでした
01:00
So apart from the shock of my mom
discovering that she was a 3D printer,
自分が3Dプリンタであることを知った
母の衝撃はさておき
01:02
I immediately got mesmerized
by that piece,
私はすぐに
最初の要素である
01:06
the first one, the information.
情報に強く惹かれました
01:11
What amount of information does it take
人間を組み立てるために
01:12
to build and assemble a human?
どれほどの情報が
必要なのか?
01:15
Is it much? Is it little?
多いのか? 少ないのか?
01:17
How many thumb drives can you fill?
USBメモリ何本分になるのか?
01:18
Well, I was studying physics
at the beginning
私は当初
物理を勉強していたので
01:21
and I took this approximation of a human
as a gigantic Lego piece.
人間を巨大なレゴブロックとして
近似してみました
01:23
So, imagine that the building
blocks are little atoms
個々のブロックは
小さな原子です
01:29
and there is a hydrogen here,
a carbon here, a nitrogen here.
ここに水素があり ここに炭素があり
ここに窒素がある
01:33
So in the first approximation,
最初の近似としては
01:37
if I can list the number of atoms
that compose a human being,
人間の体を構成する個々の原子を
すべて特定できれば
01:39
I can build it.
それで作り上げる
ことができます
01:43
Now, you can run some numbers
計算してみると
01:45
and that happens to be
quite an astonishing number.
驚くような結果になります
01:47
So the number of atoms,
私がUSBメモリに
収めようとしているファイル
01:50
the file that I will save in my thumb
drive to assemble a little baby,
小さな赤ん坊を組み立てるための
原子のデータは
01:53
will actually fill an entire Titanic
of thumb drives --
タイタニック号いっぱいの
USBメモリの
01:58
multiplied 2,000 times.
2千倍になるんです
02:02
This is the miracle of life.
これこそ 生命の奇跡です
02:05
Every time you see from now on
a pregnant lady,
今後 妊婦を見かけたら
02:09
she's assembling the biggest
amount of information
その人は 皆さんが
出会うであろう
02:12
that you will ever encounter.
最大の情報を
組み上げているのです
02:14
Forget big data, forget
anything you heard of.
ビッグデータなんて
目じゃありません
02:16
This is the biggest amount
of information that exists.
これは存在する
最大の情報なのです
02:19
(Applause)
(笑)
02:22
But nature, fortunately, is much smarter
than a young physicist,
幸い自然界は
この駆け出しの物理学者よりずっと賢く
02:26
and in four billion years, managed
to pack this information
40億年の間に
この情報を
02:30
in a small crystal we call DNA.
DNAと呼ばれる小さな結晶に
詰め込みました
02:34
We met it for the first time in 1950
when Rosalind Franklin,
私たちがこれに出会ったのは
1950年
02:37
an amazing scientist, a woman,
素晴らしい女性科学者
ロザリンド・フランクリンが
02:41
took a picture of it.
写真に収めた時です
02:43
But it took us more than 40 years
to finally poke inside a human cell,
しかし人類が
ヒトの細胞の中をつついて
02:44
take out this crystal,
この結晶を取り出し
02:50
unroll it, and read it for the first time.
広げて 読むようになるまでには
40年以上かかりました
02:51
The code comes out to be
a fairly simple alphabet,
その暗号は4種の単純な
アルファベットで書かれています
02:55
four letters: A, T, C and G.
A - T - C - G
02:58
And to build a human,
you need three billion of them.
そして人間を作るには
30億文字必要です
03:02
Three billion.
30億というのは
03:06
How many are three billion?
どんな数でしょう?
03:08
It doesn't really make
any sense as a number, right?
見当が付かないような数字です
03:09
So I was thinking how
I could explain myself better
この暗号がどれほど巨大かを
03:12
about how big and enormous this code is.
どうしたら説明できるか
考えました
03:16
But there is -- I mean,
I'm going to have some help,
そして 人の助けを
借りることにしました
03:19
and the best person to help me
introduce the code
この暗号を説明する
手助けとして
03:22
is actually the first man
to sequence it, Dr. Craig Venter.
ゲノム解読の先駆者 クレイグ・
ヴェンター以上の人はいないでしょう
03:26
So welcome onstage, Dr. Craig Venter.
ご紹介します
クレイグ・ヴェンター博士です
03:29
(Applause)
(拍手)
03:32
Not the man in the flesh,
その人物そのものではなく
03:39
but for the first time in history,
歴史上初めて
03:43
this is the genome of a specific human,
特定の人間のゲノムを
本に印刷したものです
03:45
printed page-by-page, letter-by-letter:
1ページ1ページ
1文字1文字
03:49
262,000 pages of information,
26万2千ページの情報です
03:53
450 kilograms, shipped
from the United States to Canada
450キログラムあります
アメリカからカナダに運んできました
03:57
thanks to Bruno Bowden,
Lulu.com, a start-up, did everything.
ブルーノ・ボウデンと ベンチャーのLulu.comが
すべてやってくれました
04:01
It was an amazing feat.
大した偉業です
04:06
But this is the visual perception
of what is the code of life.
これが生命の暗号を
視覚化したものです
04:07
And now, for the first time,
I can do something fun.
今や ちょっと面白い
ことができます
04:12
I can actually poke inside it and read.
中を覗いて
読むことができるんです
04:14
So let me take an interesting
book ... like this one.
面白そうな本を見てみましょう
たとえばこれ
04:17
I have an annotation;
it's a fairly big book.
付箋を付けておきました
すごく大きな本なので
04:25
So just to let you see
what is the code of life.
生命の暗号がどんなものか
お見せしましょう
04:27
Thousands and thousands and thousands
何千 何万 何億という
04:32
and millions of letters.
文字があります
04:35
And they apparently make sense.
ここには何か意味があるはずです
04:38
Let's get to a specific part.
特定の部分を見てみます
04:41
Let me read it to you:
読んで差し上げましょう
04:43
(Laughter)
(笑)
04:44
"AAG, AAT, ATA."
AAG AAT ATA
04:46
To you it sounds like mute letters,
黙字のように聞こえますが
04:50
but this sequence gives
the color of the eyes to Craig.
この配列はクレイグの目の色を
指定しています
04:53
I'll show you another part of the book.
別の巻を見てみましょう
04:57
This is actually a little
more complicated.
こちらは もう少し複雑です
04:59
Chromosome 14, book 132:
染色体14 第132巻
05:02
(Laughter)
(笑)
05:05
As you might expect.
お察しの通り
05:07
(Laughter)
(笑)
05:09
"ATT, CTT, GATT."
ATT CTT GATT
05:14
This human is lucky,
この人は幸運です
05:20
because if you miss just
two letters in this position --
この部分の2文字が
欠けただけで —
05:22
two letters of our three billion --
30億文字中の たった2文字が
欠けているだけで
05:26
he will be condemned
to a terrible disease:
恐ろしい病気を
運命付けられてしまいます
05:28
cystic fibrosis.
嚢胞性線維症です
05:30
We have no cure for it,
we don't know how to solve it,
治す方法も救う方法も
わかっていません
05:31
and it's just two letters
of difference from what we are.
それがたった2文字の違いで
引き起こされるのです
05:35
A wonderful book, a mighty book,
素晴らしい本 強力な本
05:39
a mighty book that helped me understand
この本は ある極めて驚くべきことを
教えてくれます
05:43
and show you something quite remarkable.
お見せしましょう
05:45
Every one of you -- what makes
me, me and you, you --
どんな人であれ 私を私
皆さんを皆さんたらしめているのは
05:48
is just about five million of these,
このうちの たったの5百万字
05:52
half a book.
1冊の半分たらずで
05:55
For the rest,
残りの部分は
05:58
we are all absolutely identical.
まったく同一なんです
05:59
Five hundred pages
is the miracle of life that you are.
500ページが 皆さんという
生命の奇跡を作り出し
06:03
The rest, we all share it.
残りはみんなと共通です
06:07
So think about that again
when we think that we are different.
人は皆違うと思った時
そのことを考えてみてください
06:09
This is the amount that we share.
私たちが共有している量を
06:12
So now that I have your attention,
少し興味を持って
いただけたと思うので
06:15
the next question is:
次の疑問ですが
06:18
How do I read it?
どうやってこれを読むのか?
06:20
How do I make sense out of it?
どうすれば
意味を取れるのか?
06:21
Well, for however good you can be
at assembling Swedish furniture,
どんなにスウェーデン家具の組み立てが
得意だろうと
06:23
this instruction manual
is nothing you can crack in your life.
この組み立て手順書は
一生かかっても解読できないでしょう
06:27
(Laughter)
(笑)
06:31
And so, in 2014, two famous TEDsters,
そのため 2014年に
著名な2人のTED講演者
06:32
Peter Diamandis and Craig Venter himself,
ピーター・ディアマンディスと
クレイグ・ヴェンターその人が
06:36
decided to assemble a new company.
新会社を作ることにしました
06:38
Human Longevity was born,
ヒューマン・ロンジェビティ社の
06:40
with one mission:
ミッションは1つ
06:41
trying everything we can try
この本について
学べることをすべて学び
06:43
and learning everything
we can learn from these books,
試せることをすべて試して
06:45
with one target --
個別化医療の夢の実現を目指し
06:48
making real the dream
of personalized medicine,
より良い健康のために
何をしなければならないか
06:50
understanding what things
should be done to have better health
この本の秘密は何なのか
06:53
and what are the secrets in these books.
解明するということです
06:57
An amazing team, 40 data scientists
and many, many more people,
40名のデータ科学者をはじめ
様々な人の素晴らしいチームで
07:00
a pleasure to work with.
共に働けるのは喜びです
07:04
The concept is actually very simple.
概念的には
とてもシンプルです
07:05
We're going to use a technology
called machine learning.
機械学習という
技術を使います
07:08
On one side, we have genomes --
thousands of them.
一方には何千という
ゲノムがあります
07:11
On the other side, we collected
the biggest database of human beings:
他方には人間に関する
最大級のデータベースがあります
07:15
phenotypes, 3D scan, NMR --
everything you can think of.
表現形 3Dスキャン NMR
思いつく限りあらゆるものが入っています
07:20
Inside there, on these two opposite sides,
この二者の間には
07:24
there is the secret of translation.
未知の変換過程があります
07:27
And in the middle, we build a machine.
私たちは中間に機械を構築し
07:29
We build a machine
and we train a machine --
トレーニングしています
07:32
well, not exactly one machine,
many, many machines --
1台だけでなく
沢山の機械があって
07:35
to try to understand and translate
the genome in a phenotype.
ゲノムから表現形への変換を
理解しようと試みています
07:38
What are those letters,
and what do they do?
この文字列は何であり
何をするのか?
07:43
It's an approach that can
be used for everything,
これは何にでも使える
アプローチですが
07:46
but using it in genomics
is particularly complicated.
ゲノミクスにおいては
特に複雑です
07:49
Little by little we grew and we wanted
to build different challenges.
少しずつ拡大して
違う挑戦へと手を広げてきました
07:52
We started from the beginning,
from common traits.
最初はありふれた形質から
始めました
07:55
Common traits are comfortable
because they are common,
ありふれた形質がいいのは
07:58
everyone has them.
ありふれていて
誰でも持っていることです
08:01
So we started to ask our questions:
そして こんなことを
問い始めました
08:02
Can we predict height?
この本を読んで
08:04
Can we read the books
and predict your height?
身長は予測できるか?
08:06
Well, we actually can,
実際可能です
08:09
with five centimeters of precision.
5センチの精度で
予測できます
08:10
BMI is fairly connected to your lifestyle,
体重は生活習慣に
大きく依存していますが
08:12
but we still can, we get in the ballpark,
eight kilograms of precision.
それでも おおよその予測はできます
8キロの精度です
08:15
Can we predict eye color?
目の色は
予測できるか?
08:19
Yeah, we can.
できます
08:20
Eighty percent accuracy.
80パーセントの正確さです
08:21
Can we predict skin color?
肌の色は予測できるか?
08:23
Yeah we can, 80 percent accuracy.
できます
80パーセントの正確さです
08:25
Can we predict age?
年齢は予測できるか?
08:27
We can, because apparently,
the code changes during your life.
できます 生きている間に
塩基配列は変化していくからです
08:30
It gets shorter, you lose pieces,
it gets insertions.
短くなり 欠落や挿入が起きます
08:33
We read the signals, and we make a model.
いろいろな特徴から
モデルを作れます
08:37
Now, an interesting challenge:
興味深い課題は
08:40
Can we predict a human face?
人の顔は予想できるか
ということです
08:41
It's a little complicated,
これはちょっと難しいです
08:45
because a human face is scattered
among millions of these letters.
人の顔を決める情報は
何百万という塩基配列に分散しているし
08:46
And a human face is not
a very well-defined object.
人の顔というのは
あまり綺麗に定義できません
08:49
So, we had to build an entire tier of it
それを学ぶために
まるまる階層を構築し
08:52
to learn and teach
a machine what a face is,
機械に顔とは何か教え
08:54
and embed and compress it.
埋め込み圧縮する
必要がありました
08:56
And if you're comfortable
with machine learning,
機械学習に馴染みがある人なら
08:59
you understand what the challenge is here.
難しさが分かると思います
09:01
Now, after 15 years -- 15 years after
we read the first sequence --
私たちが最初の配列を読んで以来
15年が過ぎましたが
09:04
this October, we started
to see some signals.
去年10月に有意な結果を
目にするようになりました
09:10
And it was a very emotional moment.
とても感情的に高揚する瞬間でした
09:13
What you see here is a subject
coming in our lab.
ご覧いただいているのは
実験室に来た被験者です
09:15
This is a face for us.
この顔を使います
09:19
So we take the real face of a subject,
we reduce the complexity,
被験者の顔のデータを取り
複雑さを減らします
09:21
because not everything is in your face --
顔のすべてが遺伝子で
決まるわけではなく
09:25
lots of features and defects
and asymmetries come from your life.
様々な特徴や欠陥や非対称性が
生きている中で生じるからです
09:27
We symmetrize the face,
and we run our algorithm.
顔を対称化し
アルゴリズムにかけます
09:31
The results that I show you right now,
次にご覧いただくのが
09:35
this is the prediction we have
from the blood.
血液から予測した顔です
09:37
(Applause)
(拍手)
09:41
Wait a second.
ちょっとお待ちを
09:43
In these seconds, your eyes are watching,
left and right, left and right,
この瞬間 皆さんの目は
左の顔と右の顔を見比べ
09:44
and your brain wants
those pictures to be identical.
脳が 顔を同一視しようと
してしまいます
09:49
So I ask you to do
another exercise, to be honest.
だから1つ課題を
出しましょう
09:53
Please search for the differences,
違いを探してください
09:55
which are many.
たくさんあります
09:58
The biggest amount of signal
comes from gender,
最大の特徴は
性別から来ます
09:59
then there is age, BMI,
the ethnicity component of a human.
それから年齢 BMI 人種
10:02
And scaling up over that signal
is much more complicated.
そこから先は
ずっと複雑になります
10:07
But what you see here,
even in the differences,
2つの顔に
違いはあるにしても
10:11
lets you understand
that we are in the right ballpark,
概ね合っているのが
お分かりいただけると思います
10:14
that we are getting closer.
どんどん近くなっていて
10:17
And it's already giving you some emotions.
感動すら覚えます
10:19
This is another subject
that comes in place,
これは別の被験者です
10:21
and this is a prediction.
こちらが予測です
10:24
A little smaller face, we didn't get
the complete cranial structure,
実際の顔は若干小さく
頭蓋の形が完全に合ってはいませんが
10:25
but still, it's in the ballpark.
大きくは外していません
10:30
This is a subject that comes in our lab,
これが被験者の顔
10:33
and this is the prediction.
これが予測した顔
10:35
So these people have never been seen
in the training of the machine.
マシンのトレーニングの時点では
これらの顔は見せていません
10:38
These are the so-called "held-out" set.
ホールドアウト・セットと呼ばれる
評価用データです
10:42
But these are people that you will
probably never believe.
これだけでは信じない
かもしれませんが
10:45
We're publishing everything
in a scientific publication,
すべて科学論文として
発表しているので
10:49
you can read it.
お読みいただけます
10:52
But since we are onstage,
Chris challenged me.
クリスが私にステージでやる
挑戦を持ちかけました
10:53
I probably exposed myself
and tried to predict
真剣勝負をして
10:55
someone that you might recognize.
皆さんが認識できる顔の
予測をすべきだろうと
10:59
So, in this vial of blood --
and believe me, you have no idea
このバイアル瓶の中の血液には —
11:02
what we had to do to have
this blood now, here --
この血液を手に入れる苦労は
想像もつかないでしょうが
11:06
in this vial of blood is the amount
of biological information
このバイアル瓶の中の血液には
11:09
that we need to do a full genome sequence.
全ゲノム塩基配列同定のために
十分な情報があります
11:13
We just need this amount.
これだけでいいのです
11:16
We ran this sequence,
and I'm going to do it with you.
この塩基配列を調べたので
皆さんと一緒に見ていきましょう
11:18
And we start to layer up
all the understanding we have.
分かったことをすべて
積み上げていきます
11:21
In the vial of blood,
we predicted he's a male.
この血液から男性と
予想しましたが
11:25
And the subject is a male.
被験者は男性です
11:29
We predict that he's a meter and 76 cm.
身長は176cmと
予想しましたが
11:30
The subject is a meter and 77 cm.
実際は177cmです
11:33
So, we predicted that he's 76;
the subject is 82.
予想は76キロで
実際は82キロ
11:35
We predict his age, 38.
予想年齢は38歳
11:40
The subject is 35.
実際は35歳
11:43
We predict his eye color.
予想した目の色は —
11:45
Too dark.
少し濃すぎました
11:48
We predict his skin color.
肌の色の予想は
11:50
We are almost there.
大体合っています
11:52
That's his face.
これが予想した顔です
11:53
Now, the reveal moment:
種明かしの瞬間です
11:57
the subject is this person.
これが被験者の顔です
12:00
(Laughter)
(笑)
12:02
And I did it intentionally.
意図的にやりました
12:04
I am a very particular
and peculiar ethnicity.
私はごく特殊な妙な民族です
12:06
Southern European, Italians --
they never fit in models.
南欧はイタリア人で
モデルには決して合いません
12:10
And it's particular -- that ethnicity
is a complex corner case for our model.
この人種は我々のモデルでは
複雑な特殊ケースに当たります
12:12
But there is another point.
しかし もう1つあります
12:18
So, one of the things that we use
a lot to recognize people
人を見分ける時に
よく使われるものの1つは
12:19
will never be written in the genome.
遺伝子に書かれていません
12:23
It's our free will, it's how I look.
どういうルックスになるか
自由意志によるところがあります
12:24
Not my haircut in this case,
but my beard cut.
ここでは髪型ではなく
髭です
12:27
So I'm going to show you, I'm going to,
in this case, transfer it --
髭を移してみましょう
12:30
and this is nothing more
than Photoshop, no modeling --
モデリングではなく
単なる画像加工です
12:34
the beard on the subject.
被験者の髭をコピーします
12:36
And immediately, we get
much, much better in the feeling.
すると ずっと
似た感じになります
12:38
So, why do we do this?
なぜ こんなことを
しているのか?
12:42
We certainly don't do it
for predicting height
身長を予測するためでも
12:47
or taking a beautiful picture
out of your blood.
血液から綺麗な写真を
作るためでもありません
12:53
We do it because the same technology
and the same approach,
同じ技術 同じアプローチを使った
12:56
the machine learning of this code,
遺伝暗号の機械学習が
13:00
is helping us to understand how we work,
体について理解する
助けになるからです
13:02
how your body works,
体はどのように働くのか
13:06
how your body ages,
体はどう老化するのか
13:07
how disease generates in your body,
病気はどのように
発生するのか
13:09
how your cancer grows and develops,
ガンはどのように
成長するのか
13:12
how drugs work
薬はどう働くのか
13:15
and if they work on your body.
自分の体には効くのか
13:16
This is a huge challenge.
これは大きな挑戦です
13:19
This is a challenge that we share
世界中の何千という研究者が
13:21
with thousands of other
researchers around the world.
追いかけている挑戦で
13:23
It's called personalized medicine.
「個別化医療」と呼ばれています
13:26
It's the ability to move
from a statistical approach
人が海の中の点にすぎない
13:29
where you're a dot in the ocean,
統計的アプローチから
13:32
to a personalized approach,
この遺伝子の本を
すべて読んで
13:34
where we read all these books
その人のことを
正確に理解してあたる
13:36
and we get an understanding
of exactly how you are.
個別化アプローチへと
進むことができます
13:38
But it is a particularly
complicated challenge,
とても複雑な課題です
13:42
because of all these books, as of today,
というのも すべての本のうち
13:45
we just know probably two percent:
現在のところ ほんの2パーセントしか
分かっていないからです
13:49
four books of more than 175.
175冊中の4冊です
13:53
And this is not the topic of my talk,
これは私の話の範囲外です
13:58
because we will learn more.
私たちは学んでいくでしょう
14:02
There are the best minds
in the world on this topic.
このテーマについては
世界最高の頭脳が挑んでいるからです
14:05
The prediction will get better,
予測はより良く
14:09
the model will get more precise.
モデルはより正確に
なっていきます
14:10
And the more we learn,
学べば学ぶほど
14:13
the more we will
be confronted with decisions
以前には直面する
必要のなかった決断に
14:15
that we never had to face before
直面することになるでしょう
14:19
about life,
生や
14:22
about death,
死や
14:24
about parenting.
子育てについて
14:26
So, we are touching the very
inner detail on how life works.
私たちは生命の仕組みの
ごく内的な詳細に触れようとしています
14:32
And it's a revolution
that cannot be confined
この革命は
科学や技術の領域に
14:38
in the domain of science or technology.
留まる話ではありません
14:41
This must be a global conversation.
世界的な対話が
必要になるでしょう
14:44
We must start to think of the future
we're building as a humanity.
人類として築きつつある未来について
考え始めなければなりません
14:47
We need to interact with creatives,
with artists, with philosophers,
創作者 芸術家
哲学者 政治家とも
14:53
with politicians.
話す必要があります
14:57
Everyone is involved,
全員にかかわることです
14:58
because it's the future of our species.
人類の未来の話なんですから
14:59
Without fear, but with the understanding
恐れずに — ただし
理解する必要があります
15:03
that the decisions
that we make in the next year
私たちが近い将来にする決断が
15:07
will change the course of history forever.
人類史の進む方向を
永久に変えることになるのだと
15:11
Thank you.
ありがとうございました
15:15
(Applause)
(拍手)
15:16
Translated by Yasushi Aoki
Reviewed by Masaki Yanagishita

▲Back to top

About the Speaker:

Riccardo Sabatini - Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions.

Why you should listen

Data scientist Riccardo Sabatini harnesses numerical methods for a surprising variety of fields, from material science research to the study of food commodities (as a past director of the EU research project FoodCAST). His most recent research centers on computational genomics and how to crack the code of life.

In addition to his data research, Sabatini is deeply involved in education for entrepreneurs. He is the founder and co-director of the Quantum ESPRESSO Foundation, an advisor in several data-driven startups, and funder of The HUB Trieste, a social impact accelerator.

More profile about the speaker
Riccardo Sabatini | Speaker | TED.com