TEDGlobal 2012
Susan Solomon: The promise of research with stem cells
Susan Solomon: De belofte van stamcelonderzoek.
Filmed:
Readability: 4.9
927,801 views
Susan Solomon noemt ze "onze lichaamseigen herstelkits": de in het lab gekweekte stamcellen die ze promoot. Door individuele pluripotente stamcellijnen te kweken, maakt haar team testmateriaal dat onderzoek naar remedies voor ziektes kan versnellen -- en dat misschien zal leiden tot geïndividualiseerde behandelingen, die niet alleen op een bepaalde ziekte maar ook op een bepaalde persoon zijn gericht.
Susan Solomon - Stem cell research advocate
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Double-click the English transcript below to play the video.
00:17
So, embryonic stem cells
0
1121
2989
Embryonale stamcellen
00:20
are really incredible cells.
1
4110
3300
zijn echt ongelooflijke cellen.
00:23
They are our body's own repair kits,
2
7410
2788
Ze zijn een eigen reparatieset voor ons lichaam.
00:26
and they're pluripotent, which means they can morph into
3
10198
2964
Ze zijn pluripotent:
ze kunnen zich ontwikkelen tot
ze kunnen zich ontwikkelen tot
00:29
all of the cells in our bodies.
4
13162
2432
alle cellen in ons lichaam.
00:31
Soon, we actually will be able to use stem cells
5
15594
2688
Binnenkort zullen we stamcellen
kunnen gebruiken
kunnen gebruiken
00:34
to replace cells that are damaged or diseased.
6
18282
2985
om beschadigde of zieke cellen te vervangen.
00:37
But that's not what I want to talk to you about,
7
21267
2431
Maar daar wil ik het niet over hebben.
00:39
because right now there are some really
8
23698
2678
Want we doen nu al
00:42
extraordinary things that we are doing with stem cells
9
26376
3946
heel bijzondere dingen met stamcellen.
00:46
that are completely changing
10
30322
1607
Daarmee veranderen we
00:47
the way we look and model disease,
11
31929
2899
de manier waarop we ziektes bekijken en modelleren.
00:50
our ability to understand why we get sick,
12
34828
2519
We begrijpen beter waarom we ziek worden
00:53
and even develop drugs.
13
37347
2431
en kunnen zelfs medicijnen ontwikkelen.
00:55
I truly believe that stem cell research is going to allow
14
39778
4313
Ik geloof echt dat door stamcelonderzoek
00:59
our children to look at Alzheimer's and diabetes
15
44091
4505
onze kinderen Alzheimer en diabetes
01:04
and other major diseases the way we view polio today,
16
48596
4391
en andere belangrijke aandoeningen
gaan zien zoals polio,
gaan zien zoals polio,
01:08
which is as a preventable disease.
17
52987
3201
een ziekte die voorkomen kan worden.
01:12
So here we have this incredible field, which has
18
56188
3223
Het is dus een fantastisch domein
01:15
enormous hope for humanity,
19
59411
4387
dat de mensheid enorme hoop biedt.
01:19
but much like IVF over 35 years ago,
20
63798
3520
Maar net zoals ruim 35 jaar geleden bij ivf,
01:23
until the birth of a healthy baby, Louise,
21
67318
2334
totdat er een gezonde baby, Louise, werd geboren,
01:25
this field has been under siege politically and financially.
22
69652
5069
ligt het veld politiek en financieel onder vuur.
01:30
Critical research is being challenged instead of supported,
23
74721
4272
Belangrijk onderzoek wordt in vraag gesteld
in plaats van ondersteund.
in plaats van ondersteund.
01:34
and we saw that it was really essential to have
24
78993
4360
We ontdekten dat het essentieel is
01:39
private safe haven laboratories where this work
25
83353
3531
om private, veilige laboratoria te hebben waar dit werk
01:42
could be advanced without interference.
26
86884
2830
zonder storingen kan worden voortgezet.
01:45
And so, in 2005,
27
89714
2531
In 2005 hebben we daarom
01:48
we started the New York Stem Cell Foundation Laboratory
28
92245
2612
het New York Stem Cell Foundation Laboratory opgezet.
01:50
so that we would have a small organization that could
29
94857
3589
Daarmee hebben we een kleine organisatie
01:54
do this work and support it.
30
98446
3312
die dit werk kan doen en ondersteunen.
01:57
What we saw very quickly is the world of both medical
31
101758
3385
We zagen al snel dat de wereld van medisch onderzoek
02:01
research, but also developing drugs and treatments,
32
105143
3376
en de ontwikkeling van medicijnen en behandelingen
02:04
is dominated by, as you would expect, large organizations,
33
108519
3713
zoals verwacht wordt gedomineerd
door grote organisaties.
door grote organisaties.
02:08
but in a new field, sometimes large organizations
34
112232
3119
Maar in een nieuw veld
kunnen grote organisaties
kunnen grote organisaties
02:11
really have trouble getting out of their own way,
35
115351
2168
soms maar moeilijk van hun eigen manier van werken afstappen
02:13
and sometimes they can't ask the right questions,
36
117519
2436
en soms stellen ze niet de juiste vragen.
02:15
and there is an enormous gap that's just gotten larger
37
119955
3356
Er is een steeds groter wordende kloof
02:19
between academic research on the one hand
38
123311
3211
tussen academisch onderzoek aan de ene kant
02:22
and pharmaceutical companies and biotechs
39
126522
2701
en farmaceutische en biotechnologische bedrijven
02:25
that are responsible for delivering all of our drugs
40
129223
3266
die al onze medicijnen moeten leveren
02:28
and many of our treatments, and so we knew that
41
132489
2390
en veel van onze behandelingen.
02:30
to really accelerate cures and therapies, we were going
42
134879
3946
Als we sneller behandelingen wilden vinden,
02:34
to have to address this with two things:
43
138825
2807
moeten we dit met twee dingen aanpakken:
02:37
new technologies and also a new research model.
44
141632
3222
nieuwe technologie
en een nieuw onderzoeksmodel.
en een nieuw onderzoeksmodel.
02:40
Because if you don't close that gap, you really are
45
144854
3759
Want als je die kloof niet dicht,
02:44
exactly where we are today.
46
148613
1607
blijf je precies waar we nu staan.
02:46
And that's what I want to focus on.
47
150220
1667
Daar wil ik me nu op richten.
02:47
We've spent the last couple of years pondering this,
48
151887
3550
We denken hier nu een paar jaar over na
02:51
making a list of the different things that we had to do,
49
155437
2391
en hebben een lijst gemaakt
van wat we moesten doen.
van wat we moesten doen.
02:53
and so we developed a new technology,
50
157828
2631
We hebben een nieuwe technologie ontwikkeld
02:56
It's software and hardware,
51
160459
1251
die bestaat uit software en hardware
02:57
that actually can generate thousands and thousands of
52
161710
3503
waarmee we vele duizenden
03:01
genetically diverse stem cell lines to create
53
165213
3170
genetisch verschillende
stamcellijnen kunnen maken
stamcellijnen kunnen maken
03:04
a global array, essentially avatars of ourselves.
54
168383
3787
voor een globale reeks avatars van onszelf.
03:08
And we did this because we think that it's actually going
55
172170
3434
We hebben dat gedaan omdat we denken
03:11
to allow us to realize the potential, the promise,
56
175604
3415
dat we zo het potentieel waar kunnen maken
03:14
of all of the sequencing of the human genome,
57
179019
3080
van de sequentieanalyse
van het menselijk genoom.
van het menselijk genoom.
03:17
but it's going to allow us, in doing that,
58
182099
2504
Daarbij kunnen we ook
03:20
to actually do clinical trials in a dish with human cells,
59
184603
5008
klinisch reageerbuisonderzoek doen
met menselijke cellen
met menselijke cellen
03:25
not animal cells, to generate drugs and treatments
60
189611
4159
in plaats van dierlijke cellen,
om medicijnen en behandelingen te genereren
om medicijnen en behandelingen te genereren
03:29
that are much more effective, much safer,
61
193770
3249
die veel effectiever, veel veiliger,
03:32
much faster, and at a much lower cost.
62
197019
3256
veel sneller en veel goedkoper zijn.
03:36
So let me put that in perspective for you
63
200275
2384
Ik plaats dit even voor jullie in perspectief
03:38
and give you some context.
64
202659
1416
en geef er wat context bij.
03:39
This is an extremely new field.
65
204075
4832
Dit is een extreem nieuw domein.
03:44
In 1998, human embryonic stem cells
66
208907
2832
In 1998 werden menselijke embryonale stamcellen
03:47
were first identified, and just nine years later,
67
211739
3512
voor het eerst geïdentificeerd.
Nauwelijks 9 jaar later
Nauwelijks 9 jaar later
03:51
a group of scientists in Japan were able to take skin cells
68
215251
4305
wist een groep Japanse wetenschappers
03:55
and reprogram them with very powerful viruses
69
219556
3195
huidcellen te herprogrammeren
met erg krachtige virussen,
met erg krachtige virussen,
03:58
to create a kind of pluripotent stem cell
70
222751
4242
om een soort pluripotente stamcellen te creëren,
04:02
called an induced pluripotent stem cell,
71
226993
2090
de 'ge-Indinduceerde Pluripotente Stamcellen' (IPS),
04:04
or what we refer to as an IPS cell.
72
229083
3008
die we vandaag IPS-cellen noemen.
04:07
This was really an extraordinary advance, because
73
232091
3198
Dit was een uitzonderlijke stap vooruit,
04:11
although these cells are not human embryonic stem cells,
74
235289
2544
want hoewel dit geen menselijke
embryonale stamcellen zijn,
embryonale stamcellen zijn,
04:13
which still remain the gold standard,
75
237833
1794
die nog steeds de goudstandaard zijn,
04:15
they are terrific to use for modeling disease
76
239627
3470
zijn ze geweldig om ziekten te modelleren
04:18
and potentially for drug discovery.
77
243097
2730
en potentieel om medicijnen te ontdekken.
04:21
So a few months later, in 2008, one of our scientists
78
245827
3040
Enkele maanden later, in 2008,
bouwde één van onze wetenschappers
bouwde één van onze wetenschappers
04:24
built on that research. He took skin biopsies,
79
248867
3200
verder op dit onderzoek.
Hij nam huidbiopsieën,
Hij nam huidbiopsieën,
04:27
this time from people who had a disease,
80
252067
2028
deze keer van iemand met een ziekte,
04:29
ALS, or as you call it in the U.K., motor neuron disease.
81
254095
2914
ALS, of bewegingszenuwcel-ziekte.
04:32
He turned them into the IPS cells
82
257009
1698
Hij maakte er de IPS-cellen van
04:34
that I've just told you about, and then he turned those
83
258707
2686
waar ik je net over vertelde,
04:37
IPS cells into the motor neurons that actually
84
261393
2704
en dan maakte hij van die IPS-cellen
de bewegingszenuwcellen
de bewegingszenuwcellen
04:39
were dying in the disease.
85
264097
1461
die afstierven door de ziekte.
04:41
So basically what he did was to take a healthy cell
86
265558
3019
Hij nam dus een gezonde cel
04:44
and turn it into a sick cell,
87
268577
1714
en maakte er een zieke cel van.
04:46
and he recapitulated the disease over and over again
88
270291
3558
Hij herhaalde de ziekte telkens weer
04:49
in the dish, and this was extraordinary,
89
273849
3360
in het schaaltje.
Dat was uitzonderlijk,
Dat was uitzonderlijk,
04:53
because it was the first time that we had a model
90
277209
2248
omdat we voor het eerst
een model hadden
een model hadden
04:55
of a disease from a living patient in living human cells.
91
279457
4188
van een ziekte van een levende patiënt
in levende menselijke cellen.
in levende menselijke cellen.
04:59
And as he watched the disease unfold, he was able
92
283645
3120
Hij observeerde hoe de ziekte zich ontwikkelde
05:02
to discover that actually the motor neurons were dying
93
286765
3011
en ontdekte daarbij
dat de bewegingsneuronen afstierven
dat de bewegingsneuronen afstierven
05:05
in the disease in a different way than the field
94
289776
2127
op een andere manier dan wetenschappers
05:07
had previously thought. There was another kind of cell
95
291903
2494
tot dan toe dachten.
Er was een andere soort cel
Er was een andere soort cel
05:10
that actually was sending out a toxin
96
294397
2201
die een toxine uitzond
05:12
and contributing to the death of these motor neurons,
97
296598
2511
en bijdroeg tot de dood
van de bewegingsneuronen.
van de bewegingsneuronen.
05:15
and you simply couldn't see it
98
299109
1358
Dat kon je gewoon niet zien
05:16
until you had the human model.
99
300467
1790
tot je een menselijk model had.
05:18
So you could really say that
100
302257
2667
Je kon dus zeggen
05:20
researchers trying to understand the cause of disease
101
304924
3906
dat onderzoekers die de oorzaak
van de ziekte wilden begrijpen
van de ziekte wilden begrijpen
05:24
without being able to have human stem cell models
102
308830
4152
zonder menselijke stamcelmodellen,
05:28
were much like investigators trying to figure out
103
312982
2760
waren als onderzoekers
die probeerden uit te vissen
die probeerden uit te vissen
05:31
what had gone terribly wrong in a plane crash
104
315742
3241
wat er fout was gegaan
in een vliegtuigongeluk
in een vliegtuigongeluk
05:34
without having a black box, or a flight recorder.
105
318983
3997
zonder zwarte doos
of zonder vluchtopname.
of zonder vluchtopname.
05:38
They could hypothesize about what had gone wrong,
106
322980
2602
Ze konden hypotheses opstellen
over wat fout ging,
over wat fout ging,
05:41
but they really had no way of knowing what led
107
325582
3112
maar ze konden niet te weten komen
05:44
to the terrible events.
108
328694
2172
wat had geleid tot het drama.
05:46
And stem cells really have given us the black box
109
330866
4183
Stamcellen hebben ons
de zwarte doos gegeven
de zwarte doos gegeven
05:50
for diseases, and it's an unprecedented window.
110
335049
3968
voor ziektes.
Dat biedt een kans zonder voorgaande.
Dat biedt een kans zonder voorgaande.
05:54
It really is extraordinary, because you can recapitulate
111
339017
3245
Het is echt uitzonderlijk, want je kan
05:58
many, many diseases in a dish, you can see
112
342262
3247
heel veel ziektes in een schaaltje herhalen.
06:01
what begins to go wrong in the cellular conversation
113
345509
3536
Je kan zien wat er begint fout te gaan
in de conversatie tussen cellen
in de conversatie tussen cellen
06:04
well before you would ever see
114
349045
2424
lang voor je ooit
06:07
symptoms appear in a patient.
115
351469
2536
symptomen bij een patiënt zou zien.
06:09
And this opens up the ability,
116
354005
2523
Dat biedt de mogelijkheid,
06:12
which hopefully will become something that
117
356528
2814
die hopelijk binnenkort
06:15
is routine in the near term,
118
359342
2647
routine zal worden,
06:17
of using human cells to test for drugs.
119
361989
4146
om menselijke stamcellen te gebruiken
bij het testen van medicijnen.
bij het testen van medicijnen.
06:22
Right now, the way we test for drugs is pretty problematic.
120
366135
5464
Op dit moment testen we medicijnen
op een problematische manier.
op een problematische manier.
06:27
To bring a successful drug to market, it takes, on average,
121
371599
3318
Om een succesvol medicijn
op de markt te brengen,
op de markt te brengen,
06:30
13 years — that's one drug —
122
374917
2186
heb je gemiddeld 13 jaar nodig
-- voor één medicijn --
-- voor één medicijn --
06:33
with a sunk cost of 4 billion dollars,
123
377103
3388
en 4 miljard gemaakte kosten.
06:36
and only one percent of the drugs that start down that road
124
380491
4867
Maar één procent van de medicijnen
die beginnen aan dat traject
die beginnen aan dat traject
06:41
are actually going to get there.
125
385358
2248
zullen er uiteindelijk komen.
06:43
You can't imagine other businesses
126
387606
2125
Je kan je geen andere bedrijfstak voorstellen
06:45
that you would think of going into
127
389731
1449
waar je je in zou wagen
06:47
that have these kind of numbers.
128
391180
1755
met dat soort cijfers.
06:48
It's a terrible business model.
129
392935
1802
Het is een verschrikkelijk bedrijfsmodel.
06:50
But it is really a worse social model because of
130
394737
3989
Maar het is een nog fouter sociaal model
06:54
what's involved and the cost to all of us.
131
398726
3328
omwille van wat ermee gepaard gaat,
en van de kost voor ons allen.
en van de kost voor ons allen.
06:57
So the way we develop drugs now
132
402054
3752
We ontwikkelen nu medicijnen
07:01
is by testing promising compounds on --
133
405806
3200
door beloftevolle verbindingen te testen op --
07:04
We didn't have disease modeling with human cells,
134
409006
1880
We hadden geen ziektemodellen
met menselijke cellen,
met menselijke cellen,
07:06
so we'd been testing them on cells of mice
135
410886
3464
dus moesten we ze op muizencellen testen,
07:10
or other creatures or cells that we engineer,
136
414350
3667
of andere schepsels of cellen die we ontwerpen,
07:13
but they don't have the characteristics of the diseases
137
418017
3061
maar die hebben niet
de kenmerken van de ziektes
de kenmerken van de ziektes
07:16
that we're actually trying to cure.
138
421078
2336
die we proberen te genezen.
07:19
You know, we're not mice, and you can't go into
139
423414
3046
Wij zijn geen muizen,
en je kan niet binnengaan in
en je kan niet binnengaan in
07:22
a living person with an illness
140
426460
2418
een levende persoon met een ziekte
07:24
and just pull out a few brain cells or cardiac cells
141
428878
2928
en er een paar breincellen uithalen,
of hartcellen,
of hartcellen,
07:27
and then start fooling around in a lab to test
142
431806
2289
en er dan laboratoriumtesten mee gaan doen,
07:29
for, you know, a promising drug.
143
434095
3561
voor een veelbelovend medicijn.
07:33
But what you can do with human stem cells, now,
144
437656
3585
Maar met menselijke stamcellen
07:37
is actually create avatars, and you can create the cells,
145
441241
4337
kan je nu avatars maken.
Je kan de cellen maken,
Je kan de cellen maken,
07:41
whether it's the live motor neurons
146
445578
1967
of het nu de levende bewegingscellen zijn
07:43
or the beating cardiac cells or liver cells
147
447545
3010
of de kloppende hartcellen
of levercellen
of levercellen
07:46
or other kinds of cells, and you can test for drugs,
148
450555
4109
of andere soorten cellen,
en je kan testen op medicijnen,
en je kan testen op medicijnen,
07:50
promising compounds, on the actual cells
149
454664
3125
op beloftevolle verbindingen,
op de cellen zelf
op de cellen zelf
07:53
that you're trying to affect, and this is now,
150
457789
3631
die je probeert te beïnvloeden.
Dat gebeurt nu.
Dat gebeurt nu.
07:57
and it's absolutely extraordinary,
151
461420
2814
Het is echt uitzonderlijk.
08:00
and you're going to know at the beginning,
152
464234
3156
Je zal het van bij het begin weten,
08:03
the very early stages of doing your assay development
153
467390
3744
al tijdens de eerste stadia
van je testontwikkeling.
van je testontwikkeling.
08:07
and your testing, you're not going to have to wait 13 years
154
471134
3389
Je zal geen 13 jaar moeten wachten
08:10
until you've brought a drug to market, only to find out
155
474523
3319
tot je een medicijn op de markt hebt gebracht
08:13
that actually it doesn't work, or even worse, harms people.
156
477842
5056
en moet vaststellen dat het niet werkt,
of erger nog, schadelijk is.
of erger nog, schadelijk is.
08:18
But it isn't really enough just to look at
157
482898
4340
Maar het volstaat niet
08:23
the cells from a few people or a small group of people,
158
487238
3782
om de cellen van enkele mensen
of een kleine groep te bekijken.
of een kleine groep te bekijken.
08:26
because we have to step back.
159
491020
1644
We moeten afstand nemen.
08:28
We've got to look at the big picture.
160
492664
1851
We moeten het hele plaatje bekijken.
08:30
Look around this room. We are all different,
161
494515
3136
Kijk rond in deze zaal.
We zijn allemaal anders.
We zijn allemaal anders.
08:33
and a disease that I might have,
162
497651
2740
Als ik een ziekte had,
08:36
if I had Alzheimer's disease or Parkinson's disease,
163
500391
2877
de ziekte van Alzheimer of Parkinson,
08:39
it probably would affect me differently than if
164
503268
3766
dan zou dat mij waarschijnlijk anders treffen
08:42
one of you had that disease,
165
507034
1641
dan als één van jullie die ziekte had.
08:44
and if we both had Parkinson's disease,
166
508675
4345
Als we allebei de ziekte van Parkinson hadden
08:48
and we took the same medication,
167
513020
2268
en dezelfde medicatie namen,
08:51
but we had different genetic makeup,
168
515288
2747
maar we een andere genetische achtergrond hadden,
08:53
we probably would have a different result,
169
518035
2285
zou het resultaat wellicht verschillen.
08:56
and it could well be that a drug that worked wonderfully
170
520320
3731
Misschien werkt een medicijn prima
08:59
for me was actually ineffective for you,
171
524051
3579
voor mij, maar niet voor jou.
09:03
and similarly, it could be that a drug that is harmful for you
172
527630
4692
Een medicijn dat jou schaadt,
09:08
is safe for me, and, you know, this seems totally obvious,
173
532322
4302
kan veilig zijn voor mij.
Dat lijkt vanzelfsprekend,
Dat lijkt vanzelfsprekend,
09:12
but unfortunately it is not the way
174
536624
2728
maar het is helaas niet de manier
09:15
that the pharmaceutical industry has been developing drugs
175
539352
3186
waarop de farmaceutische industrie
medicijnen ontwikkelt.
medicijnen ontwikkelt.
09:18
because, until now, it hasn't had the tools.
176
542538
3986
Want tot vandaag had ze de middelen niet.
09:22
And so we need to move away
177
546524
2292
We moeten dus afstappen
09:24
from this one-size-fits-all model.
178
548816
2954
van dit model van eenheidsworst.
09:27
The way we've been developing drugs is essentially
179
551770
3177
We ontwikkelen medicijnen
09:30
like going into a shoe store,
180
554947
1379
zoals we naar de schoenenwinkel gaan:
09:32
no one asks you what size you are, or
181
556326
2283
niemand vraagt naar je maat,
09:34
if you're going dancing or hiking.
182
558609
2210
of je wil dansen of op tocht gaat.
09:36
They just say, "Well, you have feet, here are your shoes."
183
560819
2808
"Je hebt voeten,
hier zijn je schoenen," klinkt het.
hier zijn je schoenen," klinkt het.
09:39
It doesn't work with shoes, and our bodies are
184
563627
3600
Het werkt niet voor schoenen,
en ons lichaam
en ons lichaam
09:43
many times more complicated than just our feet.
185
567227
3472
is veel ingewikkelder dan onze voeten.
09:46
So we really have to change this.
186
570699
2541
We moeten dit dus echt anders aanpakken.
09:49
There was a very sad example of this in the last decade.
187
573240
5184
Het voorbije decennium
was er een triest voorbeeld hiervan.
was er een triest voorbeeld hiervan.
09:54
There's a wonderful drug, and a class of drugs actually,
188
578424
2648
Er is een heel goed medicijn,
eigenlijk een klasse medicijnen,
eigenlijk een klasse medicijnen,
09:56
but the particular drug was Vioxx, and
189
581072
2680
maar het medicijn in kwestie heette Vioxx.
09:59
for people who were suffering from severe arthritis pain,
190
583752
4376
Voor mensen met ernstige arthritis
10:04
the drug was an absolute lifesaver,
191
588128
3392
was dit een levensreddend medicijn.
10:07
but unfortunately, for another subset of those people,
192
591520
5080
Maar een deelgroep van die mensen ondervond helaas
10:12
they suffered pretty severe heart side effects,
193
596600
4769
ernstige bijwerkingen aan het hart.
10:17
and for a subset of those people, the side effects were
194
601369
2728
Een deelgroep van die mensen kende
10:19
so severe, the cardiac side effects, that they were fatal.
195
604097
3897
zo ernstige bijwerkingen aan het hart
dat ze fataal waren.
dat ze fataal waren.
10:23
But imagine a different scenario,
196
607994
4042
Stel je een ander scenario voor,
10:27
where we could have had an array, a genetically diverse array,
197
612036
4302
waarbij we een genetisch diverse reeks
10:32
of cardiac cells, and we could have actually tested
198
616338
3626
hartcellen hebben,
waarbij we dat medicijn
waarbij we dat medicijn
10:35
that drug, Vioxx, in petri dishes, and figured out,
199
619964
5081
hadden kunnen testen in petrischaaltjes
en ontdekt hadden
en ontdekt hadden
10:40
well, okay, people with this genetic type are going to have
200
625045
3744
dat mensen met dit genetische type
10:44
cardiac side effects, people with these genetic subgroups
201
628789
5000
bijwerkingen aan het hart zouden krijgen,
en dat mensen met een ander type
en dat mensen met een ander type
10:49
or genetic shoes sizes, about 25,000 of them,
202
633789
5144
of genetische schoenmaat,
ongeveer 25.000 in getal,
ongeveer 25.000 in getal,
10:54
are not going to have any problems.
203
638933
2760
geen problemen zouden hebben.
10:57
The people for whom it was a lifesaver
204
641693
2615
De mensen voor wie het levensreddend was,
zouden het kunnen blijven nemen.
zouden het kunnen blijven nemen.
11:00
could have still taken their medicine.
205
644308
1677
De mensen voor wie het levensreddend was,
zouden het kunnen blijven nemen.
zouden het kunnen blijven nemen.
11:01
The people for whom it was a disaster, or fatal,
206
645985
4386
De mensen voor wie het een ramp was,
11:06
would never have been given it, and
207
650371
2091
zouden het nooit gekregen hebben.
11:08
you can imagine a very different outcome for the company,
208
652462
2583
Dat zou heel anders geweest zijn voor het bedrijf,
11:10
who had to withdraw the drug.
209
655045
2768
dat het medicijn moest terugtrekken.
11:13
So that is terrific,
210
657813
2816
Dus dat is geweldig.
11:16
and we thought, all right,
211
660629
1834
We dachten: oké,
11:18
as we're trying to solve this problem,
212
662463
2759
bij het oplossen van dit probleem
11:21
clearly we have to think about genetics,
213
665222
2197
moeten we met genetica rekening houden,
11:23
we have to think about human testing,
214
667419
2834
met proeven op mensen.
11:26
but there's a fundamental problem,
215
670253
1579
Maar het fundamentele probleem is:
11:27
because right now, stem cell lines,
216
671832
2699
op dit moment zijn stamcellijnen,
11:30
as extraordinary as they are,
217
674531
1710
hoe uitzonderlijk ze ook zijn,
11:32
and lines are just groups of cells,
218
676241
1744
gewoon een groepje cellen,
11:33
they are made by hand, one at a time,
219
677985
4332
handgemaakt, één voor één.
11:38
and it takes a couple of months.
220
682317
2224
Dat duurt een paar maanden.
11:40
This is not scalable, and also when you do things by hand,
221
684541
4366
Dat is niet schaalbaar.
Als je dingen met de hand doet,
Als je dingen met de hand doet,
11:44
even in the best laboratories,
222
688907
1543
zelfs in het beste lab,
11:46
you have variations in techniques,
223
690450
3161
dan varieert de techniek.
11:49
and you need to know, if you're making a drug,
224
693611
3181
Als je een medicijn maakt,
moet je zeker zijn
moet je zeker zijn
11:52
that the Aspirin you're going to take out of the bottle
225
696792
1898
dat de aspirine die je uit het flesje haalt
11:54
on Monday is the same as the Aspirin
226
698690
2440
op maandag dezelfde is
11:57
that's going to come out of the bottle on Wednesday.
227
701130
2081
als de aspirine die woensdag
uit het flesje komt.
uit het flesje komt.
11:59
So we looked at this, and we thought, okay,
228
703211
3791
We keken ernaar en bedachten:
12:02
artisanal is wonderful in, you know, your clothing
229
707002
3152
handgemaakt is prima voor kleding,
12:06
and your bread and crafts, but
230
710154
2944
brood, juwelen,
12:08
artisanal really isn't going to work in stem cells,
231
713098
2983
maar het werkt niet voor stamcellen.
12:11
so we have to deal with this.
232
716081
2390
Dat moeten we oplossen.
12:14
But even with that, there still was another big hurdle,
233
718471
3920
Er was nog een grote horde,
12:18
and that actually brings us back to
234
722391
3564
die ons terugbrengt naar
12:21
the mapping of the human genome, because
235
725955
2384
het in kaart brengen van het menselijk genoom.
12:24
we're all different.
236
728339
2711
We zijn allemaal verschillend.
12:26
We know from the sequencing of the human genome
237
731050
2832
Het sequenceren
van het menselijk genoom
van het menselijk genoom
12:29
that it's shown us all of the A's, C's, G's and T's
238
733882
2557
leverde ons alle letters A, C, G en T op
12:32
that make up our genetic code,
239
736439
2468
die onze genetische code uitmaken.
12:34
but that code, by itself, our DNA,
240
738907
4269
Maar die code zelf, ons DNA,
12:39
is like looking at the ones and zeroes of the computer code
241
743176
4599
is als kijken naar de enen en nullen van de computer
12:43
without having a computer that can read it.
242
747775
2825
zonder computer om ze te lezen.
12:46
It's like having an app without having a smartphone.
243
750600
3288
Het is als een app zonder smartphone.
12:49
We needed to have a way of bringing the biology
244
753888
3884
We moeten een manier vinden om de biologie
12:53
to that incredible data,
245
757772
2209
tot bij die ongelooflijke data te brengen.
12:55
and the way to do that was to find
246
759981
3115
Dat deden we door een plaatsvervanger te vinden,
12:58
a stand-in, a biological stand-in,
247
763096
2687
een biologische plaatsvervanger
13:01
that could contain all of the genetic information,
248
765783
4025
die alle genetische informatie kon bevatten,
13:05
but have it be arrayed in such a way
249
769808
2528
maar die zo divers is
13:08
as it could be read together
250
772336
2864
dat ze als geheel gelezen kon worden
13:11
and actually create this incredible avatar.
251
775200
3256
en een ongelooflijke avatar kon vormen.
13:14
We need to have stem cells from all the genetic sub-types
252
778456
3704
We hebben stamcellen nodig
van alle genetische subtypes
van alle genetische subtypes
13:18
that represent who we are.
253
782160
2952
die vertegenwoordigen wie we zijn.
13:21
So this is what we've built.
254
785112
2760
Dus bouwden we dit.
13:23
It's an automated robotic technology.
255
787872
3320
Het is geautomatiseerde robottechnologie.
13:27
It has the capacity to produce thousands and thousands
256
791192
2608
Het kan duizenden en duizenden
13:29
of stem cell lines. It's genetically arrayed.
257
793800
4239
stamcellijnen produceren,
genetisch divers.
genetisch divers.
13:33
It has massively parallel processing capability,
258
798039
3749
Het heeft enorme parallelle
verwerkingscapaciteit.
verwerkingscapaciteit.
13:37
and it's going to change the way drugs are discovered,
259
801788
3320
Het zal de manier veranderen
waarop we medicijnen ontdekken,
waarop we medicijnen ontdekken,
13:41
we hope, and I think eventually what's going to happen
260
805108
3835
hopen we,
en uiteindelijk zullen we wellicht
en uiteindelijk zullen we wellicht
13:44
is that we're going to want to re-screen drugs,
261
808943
2199
medicijnen willen herbekijken
13:47
on arrays like this, that already exist,
262
811142
2491
op dit soort reeksen,
13:49
all of the drugs that currently exist,
263
813633
1871
alle medicijnen die al bestaan.
13:51
and in the future, you're going to be taking drugs
264
815504
2911
In de toekomst zal je medicijnen nemen
13:54
and treatments that have been tested for side effects
265
818415
2872
en behandelingen die op neveneffecten zijn getest,
13:57
on all of the relevant cells,
266
821287
2303
op alle relevante cellen:
13:59
on brain cells and heart cells and liver cells.
267
823590
3153
breincellen, hartcellen en levercellen.
14:02
It really has brought us to the threshold
268
826743
3329
Het brengt ons op de drempel
14:05
of personalized medicine.
269
830072
2214
van gepersonaliseerde geneeskunde.
14:08
It's here now, and in our family,
270
832286
4441
Het bestaat vandaag.
In mijn familie
In mijn familie
14:12
my son has type 1 diabetes,
271
836727
2938
heeft mijn zoon Type 1-diabetes,
14:15
which is still an incurable disease,
272
839665
2648
nog steeds een ongeneeslijke ziekte.
14:18
and I lost my parents to heart disease and cancer,
273
842313
3442
Ik verloor mijn ouders aan hartkwalen en kanker.
14:21
but I think that my story probably sounds familiar to you,
274
845755
3733
Wellicht klinkt mijn verhaal vertrouwd,
14:25
because probably a version of it is your story.
275
849488
4230
want in een andere versie is het jouw verhaal.
14:29
At some point in our lives, all of us,
276
853718
3944
Op een bepaald moment van ons leven
worden we allemaal
worden we allemaal
14:33
or people we care about, become patients,
277
857662
2736
patiënten, wij of mensen om wie we geven.
14:36
and that's why I think that stem cell research
278
860398
2609
Daarom is stamcelonderzoek volgens mij
14:38
is incredibly important for all of us.
279
863007
3383
ongelooflijk belangrijk voor elk van ons.
14:42
Thank you. (Applause)
280
866390
3668
Dankuwel. (Applaus)
14:45
(Applause)
281
870058
7108
(Applaus)
ABOUT THE SPEAKER
Susan Solomon - Stem cell research advocateSusan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine.
Why you should listen
Susan Solomon’s health care advocacy stems from personal medical trials—namely, her son’s Type 1 diabetes and her mother’s fatal cancer. Following a successful career as a lawyer and business entrepreneur, Solomon, frustrated by the slow pace of medical research, was inspired to use those skills to follow another passion: accelerating medical research with real-world results as a social entrepreneur. And through her own research and conversations with medical experts, she decided that stem cells (cells that have the ability to morph into any other kind of cell) had the greatest potential to impact peoples’ health.
In 2005, Solomon founded the New York Stem Cell Foundation, now one of the largest nonprofit research institutions and laboratories in this field in the world. The NYSCF Research Institute conducts all facets of stem cell research from growing the cells to drug discovery.
At TEDGlobal 2012, Solomon announced the NYSCF Global Stem Cell Array, the new technology to create thousands of stem cell avatars and genetically array them to functionalize the data from the human genome to revolutionize the way we develop cures and treatments so they are better, safer, less expensive and happen much more quickly.
Susan Solomon | Speaker | TED.com