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
TED2016

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

Riccardo Sabatini: Hoe lees je het genoom en bouw je een menselijk wezen?

Filmed:
1,834,677 views

Het menselijke genoom, het geheel van genetische informatie dat nodig is om een mens te bouwen, omvat allerlei geheimen, ziektes en schoonheid. De wetenschapper en entrepreneur Riccardo Sabatini legt uit hoe we dankzij een buisje met bloed deze code nu kunnen lezen en dingen zoals lengte, oogkleur, leeftijd of zelfs gezichtsstructuur kunnen voorspellen. Volgens Sabatini zal het decoderen van het genoom ons helpen om medische behandelingen voor ziektes zoals kanker te personaliseren. Wij kunnen het leven zoals we die vandaag kennen veranderen. Hoe zullen we die macht gebruiken?
- 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

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

00:12
For the nextvolgende 16 minutesnotulen,
I'm going to take you on a journeyreis
0
612
2762
In de volgende 16 minuten zal ik
jullie laten kennismaken
00:15
that is probablywaarschijnlijk
the biggestgrootste dreamdroom of humanityde mensheid:
1
3398
3086
met wat waarschijnlijk de grootste
droom van de mensheid is:
00:18
to understandbegrijpen the codecode of life.
2
6508
2015
de code van het leven begrijpen.
00:21
So for me, everything startedbegonnen
manyveel, manyveel yearsjaar agogeleden
3
9072
2743
Voor mij begon alles heel lang geleden,
00:23
when I metleerde kennen the first 3D printerprinter.
4
11839
2723
toen ik kennismaakte
met de eerste 3D-printer.
00:26
The conceptconcept was fascinatingfascinerend.
5
14586
1674
Het concept was fascinerend.
00:28
A 3D printerprinter needsbehoefte aan threedrie elementselementen:
6
16284
2022
Een 3D-printer heeft drie dingen nodig:
00:30
a bitbeetje of informationinformatie, some
rawrauw materialmateriaal, some energyenergie,
7
18330
4134
met een beetje informatie, enkele
grondstoffen en wat energie
00:34
and it can produceproduceren any objectvoorwerp
that was not there before.
8
22488
3334
kan de printer uit het niets
een totaal nieuw object produceren.
00:38
I was doing physicsfysica,
I was comingkomt eraan back home
9
26517
2137
Ik studeerde fysica
en was op weg naar huis
00:40
and I realizedrealiseerde that I actuallywerkelijk
always knewwist a 3D printerprinter.
10
28678
3438
toen ik besefte dat ik al heel mijn leven
een 3D-printer kende.
00:44
And everyoneiedereen does.
11
32140
1336
En iedereen kent er één.
00:45
It was my mommam.
12
33500
1158
Het was mijn ma.
00:46
(LaughterGelach)
13
34682
1001
(Gelach)
00:47
My mommam takes threedrie elementselementen:
14
35707
2414
Mijn ma neemt 3 elementen:
00:50
a bitbeetje of informationinformatie, whichwelke is betweentussen
my fathervader and my mommam in this casegeval,
15
38145
3973
een beetje informatie, in dit geval
van mijn vader en mijn moeder,
00:54
rawrauw elementselementen and energyenergie
in the samedezelfde mediamedia, that is foodeten,
16
42142
4157
grondstoffen en energie onder
dezelfde vorm, voedsel,
00:58
and after severalverscheidene monthsmaanden, producesproduceert me.
17
46323
2508
en na enkele maanden produceert ze mij.
01:00
And I was not existentbestaande before.
18
48855
1812
Daarvoor bestond ik gewoon niet.
01:02
So apartdeel from the shockschok of my mommam
discoveringontdekken that she was a 3D printerprinter,
19
50691
3762
Dus, afgezien van mijn ma's schok toen ze
ontdekte dat ze een 3D-printer is,
01:06
I immediatelyper direct got mesmerizedgebiologeerd
by that piecestuk,
20
54477
4738
raakte ik gefascineerd
door dat ene onderdeel,
01:11
the first one, the informationinformatie.
21
59239
1717
het eerste, de informatie.
01:12
What amountbedrag of informationinformatie does it take
22
60980
2251
Hoeveel informatie heb je nodig
01:15
to buildbouwen and assemblemonteren a humanmenselijk?
23
63255
1936
om een mens ineen te knutselen?
01:17
Is it much? Is it little?
24
65215
1574
Is dat veel? Of niet veel?
01:18
How manyveel thumbduim drivesdrives can you fillvullen?
25
66813
2180
Hoeveel USB-sticks kan je ermee vullen?
01:21
Well, I was studyingaan het studeren physicsfysica
at the beginningbegin
26
69017
2624
Ik was fysica aan het studeren
01:23
and I tooknam this approximationonderlinge aanpassing of a humanmenselijk
as a giganticgigantische LegoLego piecestuk.
27
71665
5597
en ik besloot dat de beste invalshoek was
de mens als een enorme legoblok te bezien.
01:29
So, imaginestel je voor that the buildinggebouw
blocksblokken are little atomsatomen
28
77286
3785
Beeld je in dat de blokjes
kleine atoompjes zijn
01:33
and there is a hydrogenwaterstof here,
a carbonkoolstof here, a nitrogenstikstof here.
29
81095
4653
en dat er hier waterstof is, en hier
koolstof, en verder nog stikstof.
01:37
So in the first approximationonderlinge aanpassing,
30
85772
1571
Mijn eerste inschatting was:
01:39
if I can listlijst the numberaantal of atomsatomen
that composecomponeren a humanmenselijk beingwezen,
31
87367
4343
als ik de lijst kan opstellen
van het aantal atomen dat een mens bevat,
01:43
I can buildbouwen it.
32
91734
1387
dan kan ik er ook één bouwen.
01:45
Now, you can runrennen some numbersgetallen
33
93145
2029
Nu kan je beginnen rekenen,
01:47
and that happensgebeurt to be
quiteheel an astonishingverbazingwekkend numberaantal.
34
95198
3277
en het resultaat is onwaarschijnlijk.
01:50
So the numberaantal of atomsatomen,
35
98499
2757
Het aantal atomen,
01:53
the filehet dossier that I will savebesparen in my thumbduim
driverijden to assemblemonteren a little babybaby,
36
101280
4755
de file die ik op mijn USB-stick zal
opslaan om een baby in elkaar te steken,
01:58
will actuallywerkelijk fillvullen an entiregeheel TitanicTitanic
of thumbduim drivesdrives --
37
106059
4667
zal een hele Titanic
vol USB-sticks vullen -
02:02
multipliedvermenigvuldigd 2,000 timestijden.
38
110750
2718
vermenigvuldigd met 2000.
02:05
This is the miraclewonder of life.
39
113957
3401
Dit is het wonder van het leven.
02:09
EveryElke time you see from now on
a pregnantzwanger ladydame,
40
117382
2612
Denk eraan elke keer je nu
een zwangere vrouw ziet:
02:12
she's assemblingin elkaar zetten the biggestgrootste
amountbedrag of informationinformatie
41
120018
2856
zij is de grootste hoeveelheid
informatie aan het verzamelen
02:14
that you will ever encounterstuiten op.
42
122898
1556
die je je kan inbeelden.
02:16
ForgetVergeten biggroot datagegevens, forgetvergeten
anything you heardgehoord of.
43
124478
2950
Vergeet 'big data', vergeet alles
wat je ooit gehoord hebt.
02:19
This is the biggestgrootste amountbedrag
of informationinformatie that existsbestaat.
44
127452
2881
Dit is de grootste hoeveelheid
informatie die er bestaat.
02:22
(ApplauseApplaus)
45
130357
3833
(Applaus)
02:26
But naturenatuur, fortunatelygelukkig, is much smarterslimmer
than a youngjong physicistnatuurkundige,
46
134214
4644
Gelukkig is de natuur veel slimmer
dan een jonge natuurkundige,
02:30
and in fourvier billionmiljard yearsjaar, managedbeheerd
to packpak this informationinformatie
47
138882
3576
en is ze er in 4 miljard jaar in geslaagd
deze informatie samen te pakken
02:34
in a smallklein crystalkristal we call DNADNA.
48
142482
2705
in een klein kristal dat DNA heet.
02:37
We metleerde kennen it for the first time in 1950
when RosalindRosalind FranklinFranklin,
49
145605
4312
We zagen het voor het eerst in 1950
toen Rosalind Franklin, een ongelooflijke
wetenschapper, een vrouw,
02:41
an amazingverbazingwekkend scientistwetenschapper, a womanvrouw,
50
149941
1556
02:43
tooknam a pictureafbeelding of it.
51
151521
1389
het vastlegde op foto.
02:44
But it tooknam us more than 40 yearsjaar
to finallyTenslotte pokePoke insidebinnen a humanmenselijk cellcel,
52
152934
5188
Maar we hadden meer dan 40 jaar nodig om
in een menselijke cel binnen te geraken,
02:50
take out this crystalkristal,
53
158146
1602
het kristal te isoleren,
02:51
unrolluitrollen it, and readlezen it for the first time.
54
159772
3080
het af te wikkelen
en voor het eerst te lezen.
02:55
The codecode comeskomt out to be
a fairlytamelijk simpleeenvoudig alphabetalfabet,
55
163615
3241
De code die dan verschijnt,
is een zeer eenvoudig alfabet
02:58
fourvier lettersbrieven: A, T, C and G.
56
166880
3772
met vier letters: A, T, C en G.
03:02
And to buildbouwen a humanmenselijk,
you need threedrie billionmiljard of them.
57
170676
3490
Om een mens te bouwen,
heb je er drie miljard van nodig.
03:06
ThreeDrie billionmiljard.
58
174933
1179
Drie miljard.
03:08
How manyveel are threedrie billionmiljard?
59
176136
1579
Hoeveel is drie miljard?
03:09
It doesn't really make
any sensezin as a numberaantal, right?
60
177739
2762
Het is een getal dat eigenlijk
weinig zin heeft.
03:12
So I was thinkinghet denken how
I could explainuitleg geven myselfmezelf better
61
180525
4085
Dus dacht ik: hoe kan ik nu
echt duidelijk maken
03:16
about how biggroot and enormousenorm this codecode is.
62
184634
3050
hoe reusachtig groot deze code wel is?
03:19
But there is -- I mean,
I'm going to have some help,
63
187708
3054
Nu heb je wel - ik bedoel
ik heb nu wel even hulp nodig.
03:22
and the bestbeste personpersoon to help me
introducevoorstellen the codecode
64
190786
3227
De persoon die mij het best kan helpen
om de code voor te stellen,
03:26
is actuallywerkelijk the first man
to sequencevolgorde it, DrDr. CraigCraig VenterVenter.
65
194037
3522
is Dr. Craig Venter, de eerste man die
de volgorde ervan heeft bepaald.
03:29
So welcomeWelkom onstageop het podium, DrDr. CraigCraig VenterVenter.
66
197583
3390
Welkom, Dr. Craig Venter.
03:32
(ApplauseApplaus)
67
200997
6931
(Applaus)
03:39
Not the man in the fleshvlees,
68
207952
2256
Dit is natuurlijk niet de man
in vlees en bloed,
03:43
but for the first time in historygeschiedenis,
69
211448
2345
maar, voor de eerste keer
in de geschiedenis,
03:45
this is the genomegenoom of a specificspecifiek humanmenselijk,
70
213817
3462
is het genoom van een bepaald individu
03:49
printedgedrukt page-by-pageper pagina, letter-by-letterletter-per-letter:
71
217303
3760
uitgeschreven, pagina na pagina,
letter na letter:
03:53
262,000 pagespagina's of informationinformatie,
72
221087
3996
260.000 bladzijden aan informatie,
03:57
450 kilogramskilogram, shippedverzonden
from the UnitedVerenigd StatesStaten to CanadaCanada
73
225107
4364
450 kilo die van de VS
naar Canada verzonden zijn
04:01
thanksbedankt to BrunoBruno BowdenBowden,
LuluLulu.comcom, a start-upStart-up, did everything.
74
229495
4843
dankzij Bruno Bowden,
van start-up Lulu.com.
04:06
It was an amazingverbazingwekkend featFeat.
75
234362
1463
Een geweldige prestatie.
04:07
But this is the visualzichtbaar perceptionperceptie
of what is the codecode of life.
76
235849
4297
Dit is dus de visuele weergave
van de code van het leven.
04:12
And now, for the first time,
I can do something funpret.
77
240170
2478
En nu kan ik voor de eerste keer
iets leuks doen.
04:14
I can actuallywerkelijk pokePoke insidebinnen it and readlezen.
78
242672
2547
Ik kan de code nu inkijken en lezen.
04:17
So let me take an interestinginteressant
bookboek ... like this one.
79
245243
4625
Nu zal ik eens een interessant boek
nemen ... zoals dat hier.
04:25
I have an annotationaantekening;
it's a fairlytamelijk biggroot bookboek.
80
253077
2534
Hier is mijn aantekening;
het is een enorm boek.
04:27
So just to let you see
what is the codecode of life.
81
255635
3727
Nu kan je echt wel zien
wat de code van het leven is.
04:32
ThousandsDuizenden and thousandsduizenden and thousandsduizenden
82
260566
3391
Duizenden en duizenden en duizenden
04:35
and millionsmiljoenen of lettersbrieven.
83
263981
2670
en miljoenen letters.
04:38
And they apparentlyblijkbaar make sensezin.
84
266675
2396
En blijkbaar wil dat allemaal iets zeggen.
04:41
Let's get to a specificspecifiek partdeel.
85
269095
1757
Laten we eens een fragment nemen.
04:43
Let me readlezen it to you:
86
271571
1362
Ik zal het even voorlezen:
04:44
(LaughterGelach)
87
272957
1021
(Gelach)
04:46
"AAGAAG, AATAAT, ATAATA."
88
274002
4006
"AAG, AAT, ATA."
04:50
To you it soundsklanken like mutedempen lettersbrieven,
89
278965
2067
Voor jullie zijn dat gewoon
zinloze letters,
04:53
but this sequencevolgorde givesgeeft
the colorkleur of the eyesogen to CraigCraig.
90
281056
4041
maar deze sequentie bepaalt
de kleur van Craigs ogen.
04:57
I'll showtonen you anothereen ander partdeel of the bookboek.
91
285633
1932
Nu een ander fragment van het boek.
04:59
This is actuallywerkelijk a little
more complicatedingewikkeld.
92
287589
2094
Dit is wel een beetje moeilijker.
05:02
ChromosomeChromosoom 14, bookboek 132:
93
290983
2647
Chromosoom 14, boek 132:
05:05
(LaughterGelach)
94
293654
2090
(Gelach)
05:07
As you mightmacht expectverwachten.
95
295768
1277
Dacht ik het niet.
05:09
(LaughterGelach)
96
297069
3466
(Gelach)
05:14
"ATTATT, CTTCTT, GATTGATT."
97
302857
4507
"ATT, CTT, GATT".
05:20
This humanmenselijk is luckyLucky,
98
308329
1687
Deze mens heeft geluk,
05:22
because if you missmissen just
two lettersbrieven in this positionpositie --
99
310040
4517
want als je twee letters te kort
schiet in deze combinatie -
05:26
two lettersbrieven of our threedrie billionmiljard --
100
314581
1877
twee letters van onze drie miljard -
05:28
he will be condemnedveroordeeld
to a terribleverschrikkelijk diseaseziekte:
101
316482
2019
dan zal je aan een vreselijke
ziekte lijden:
05:30
cysticCystic fibrosisfibrose.
102
318525
1440
taaislijmziekte.
05:31
We have no curegenezen for it,
we don't know how to solveoplossen it,
103
319989
3413
Dit is een ongeneeslijke ziekte,
daar bestaat geen medicatie voor,
05:35
and it's just two lettersbrieven
of differenceverschil from what we are.
104
323426
3755
en het is een verschil van twee lettertjes
ten opzichte van ons.
05:39
A wonderfulprachtig bookboek, a mightymachtige bookboek,
105
327585
2705
Een fantastisch boek, een grandioos boek,
05:43
a mightymachtige bookboek that helpedgeholpen me understandbegrijpen
106
331115
1998
een boek dat mij geholpen heeft
05:45
and showtonen you something quiteheel remarkableopmerkelijk.
107
333137
2753
iets te begrijpen dat echt fenomenaal is.
05:48
EveryElke one of you -- what makesmerken
me, me and you, you --
108
336480
4435
Elk van jullie - wat mij en jou
van elkaar onderscheidt
05:52
is just about fivevijf millionmiljoen of these,
109
340939
2954
is ongeveer vijf miljoen van deze,
05:55
halfvoor de helft a bookboek.
110
343917
1228
een half boek.
05:58
For the restrust uit,
111
346015
1663
Voor de rest
05:59
we are all absolutelyAbsoluut identicalidentiek.
112
347702
2562
zijn we allemaal volledig identiek.
06:03
FiveVijf hundredhonderd pagespagina's
is the miraclewonder of life that you are.
113
351008
4018
Die vijfhonderd pagina's zijn het mirakel
van het leven voor elk van jullie.
06:07
The restrust uit, we all sharedelen it.
114
355050
2531
Al de rest hebben we gemeenschappelijk.
06:09
So think about that again
when we think that we are differentverschillend.
115
357605
2909
Dus denk eraan wanneer
je denkt dat we verschillend zijn.
06:12
This is the amountbedrag that we sharedelen.
116
360538
2221
Zoveel hebben we dus gemeenschappelijk.
06:15
So now that I have your attentionaandacht,
117
363441
3429
Nu ik dus jullie aandacht heb,
06:18
the nextvolgende questionvraag is:
118
366894
1359
wil ik nog een vraag stellen
06:20
How do I readlezen it?
119
368277
1151
hoe kan je dat nu lezen?
06:21
How do I make sensezin out of it?
120
369452
1509
Hoe kan dat nu zinvol zijn?
06:23
Well, for howeverechter good you can be
at assemblingin elkaar zetten SwedishZweeds furnituremeubilair,
121
371409
4240
Je mag nog een kei zijn in het
ineenknutselen van Zweedse meubels,
06:27
this instructioninstructie manualmet de hand
is nothing you can crackbarst in your life.
122
375673
3563
maar deze handleiding zal je
nooit kunnen gebruiken.
06:31
(LaughterGelach)
123
379260
1603
(Gelach)
06:32
And so, in 2014, two famousberoemd TEDstersTEDsters,
124
380887
3112
En zo besloten twee bekende TED-ers,
06:36
PeterPeter DiamandisDiamandis and CraigCraig VenterVenter himselfzichzelf,
125
384023
2540
Peter Diamandis en Craig Venter zelf,
06:38
decidedbeslist to assemblemonteren a newnieuwe companybedrijf.
126
386587
1927
in 2014 een nieuw bedrijf op te starten.
06:40
HumanMenselijke LongevityLange levensduur was borngeboren,
127
388538
1412
Hier kwam Human Longevity,
06:41
with one missionmissie:
128
389974
1370
met één missie:
06:43
tryingproberen everything we can try
129
391368
1861
alles proberen
06:45
and learningaan het leren everything
we can learnleren from these booksboeken,
130
393253
2759
en alles leren uit deze boeken,
06:48
with one targetdoel --
131
396036
1705
met één doel -
06:50
makingmaking realecht the dreamdroom
of personalizedgepersonaliseerde medicinegeneeskunde,
132
398862
2801
de droom waarmaken
van gepersonaliseerde geneeskunde,
06:53
understandingbegrip what things
should be donegedaan to have better healthGezondheid
133
401687
3767
begrijpen wat we moeten doen
om een betere gezondheid te hebben
06:57
and what are the secretsgeheimen in these booksboeken.
134
405478
2283
en wat voor geheimen deze boeken omvatten.
07:00
An amazingverbazingwekkend teamteam, 40 datagegevens scientistswetenschappers
and manyveel, manyveel more people,
135
408329
4250
Een fantastisch team met 40 wetenschappers
en veel, veel andere mensen,
07:04
a pleasuregenoegen to work with.
136
412603
1350
een plezier om mee te werken.
07:05
The conceptconcept is actuallywerkelijk very simpleeenvoudig.
137
413977
2253
Het concept is heel eenvoudig.
07:08
We're going to use a technologytechnologie
calledriep machinemachine learningaan het leren.
138
416254
3158
We gebruiken de technologie
van 'machine learning'.
07:11
On one sidekant, we have genomesgenomen --
thousandsduizenden of them.
139
419436
4539
Aan de ene kant hebben we
duizenden genomen.
07:15
On the other sidekant, we collectedverzamelde
the biggestgrootste databasedatabank of humanmenselijk beingswezens:
140
423999
3997
Aan de andere kant hebben we de grootste
database van de mens bijeengebracht:
07:20
phenotypesfenotypes, 3D scanscannen, NMRNMR --
everything you can think of.
141
428020
4296
fenotypes, 3D-scans, kernspinresonantie -
je noemt het maar.
07:24
InsideBinnenkant there, on these two oppositetegenover sideszijden,
142
432340
2899
En daar, aan deze twee overstaande kanten
07:27
there is the secretgeheim of translationvertaling.
143
435263
2442
vind je het geheim van de vertaling.
07:29
And in the middlemidden-, we buildbouwen a machinemachine.
144
437729
2472
Tussen de twee bouwen we een machine.
07:32
We buildbouwen a machinemachine
and we traintrein a machinemachine --
145
440801
2385
We bouwen een machine en
we programeren die -
07:35
well, not exactlyprecies one machinemachine,
manyveel, manyveel machinesmachines --
146
443210
3210
om precies te zijn, niet één machine,
maar veel, veel machines -
07:38
to try to understandbegrijpen and translatevertalen
the genomegenoom in a phenotypefenotype.
147
446444
4544
om te proberen het genoom in een fenotype
te begrijpen en te vertalen.
07:43
What are those lettersbrieven,
and what do they do?
148
451362
3340
Welke zijn die letters
en wat doen ze?
07:46
It's an approachnadering that can
be used for everything,
149
454726
2747
Deze methodologie kan voor alles
gebruikt worden,
07:49
but usinggebruik makend van it in genomicsgenomics
is particularlyvooral complicatedingewikkeld.
150
457497
2993
maar het is een hele opdracht om die
te gebruiken in genomica.
07:52
Little by little we grewgroeide and we wanted
to buildbouwen differentverschillend challengesuitdagingen.
151
460514
3276
We zijn langzaamaan gegroeid en
we hadden verschillende projecten.
07:55
We startedbegonnen from the beginningbegin,
from commongemeenschappelijk traitseigenschappen.
152
463814
2732
We begonnen met het begin,
met gemeenschappelijke kenmerken.
07:58
CommonGemeenschappelijk traitseigenschappen are comfortablecomfortabel
because they are commongemeenschappelijk,
153
466570
2603
Gemeenschappelijke kenmerken zijn
de gemakkelijkste,
08:01
everyoneiedereen has them.
154
469197
1184
omdat iedereen ze heeft.
08:02
So we startedbegonnen to askvragen our questionsvragen:
155
470405
2494
Dus hebben we ons afgevraagd:
08:04
Can we predictvoorspellen heighthoogte?
156
472923
1380
kan lengte voorspeld worden?
08:06
Can we readlezen the booksboeken
and predictvoorspellen your heighthoogte?
157
474985
2177
Kunnen we uit de boeken
je lengte afleiden?
08:09
Well, we actuallywerkelijk can,
158
477186
1151
Wel ja, we kunnen dat,
08:10
with fivevijf centimeterscentimeter of precisionprecisie.
159
478361
1793
met een precisie van vijf centimeter.
08:12
BMIBMI is fairlytamelijk connectedaangesloten to your lifestylelevensstijl,
160
480178
3135
Je BMI-index is gekoppeld
aan je levensstijl
08:15
but we still can, we get in the ballparkStadion,
eightacht kilogramskilogram of precisionprecisie.
161
483337
3864
maar we kunnen toch je gewicht schatten
met een precisie van 8 kilo.
08:19
Can we predictvoorspellen eyeoog colorkleur?
162
487225
1231
De kleur van je ogen?
08:20
Yeah, we can.
163
488480
1158
Die kunnen we ook raden.
08:21
EightyTachtig percentprocent accuracynauwkeurigheid.
164
489662
1324
Met 80% zekerheid.
08:23
Can we predictvoorspellen skinhuid colorkleur?
165
491466
1858
Kunnen we je huidskleur raden?
08:25
Yeah we can, 80 percentprocent accuracynauwkeurigheid.
166
493348
2441
Ja - met 80% zekerheid.
08:27
Can we predictvoorspellen ageleeftijd?
167
495813
1340
Kunnen we je leeftijd raden?
08:30
We can, because apparentlyblijkbaar,
the codecode changesveranderingen duringgedurende your life.
168
498121
3739
Dat kunnen we, omdat de code blijkbaar
in de loop van de jaren verandert.
08:33
It getskrijgt shorterkortere, you loseverliezen piecesstukken,
it getskrijgt insertionsinserties.
169
501884
3282
Ze wordt korter, je verliest stukjes,
ander stukken worden bijgevoegd.
08:37
We readlezen the signalssignalen, and we make a modelmodel-.
170
505190
2555
We lezen de signalen
en we maken een model.
08:40
Now, an interestinginteressant challengeuitdaging:
171
508438
1475
Nu is er wel een interessante uitdaging
08:41
Can we predictvoorspellen a humanmenselijk facegezicht?
172
509937
1729
Kunnen we een gezicht voorspellen?
08:45
It's a little complicatedingewikkeld,
173
513014
1278
Dat is een beetje moeilijk
08:46
because a humanmenselijk facegezicht is scatteredverspreid
amongtussen millionsmiljoenen of these lettersbrieven.
174
514316
3191
omdat een menselijk gezicht bestaat
uit miljoenen letters
08:49
And a humanmenselijk facegezicht is not
a very well-definedgoed gedefinieerd objectvoorwerp.
175
517531
2629
En een gezicht is nu ook niet
een welomschreven object.
08:52
So, we had to buildbouwen an entiregeheel tiertier of it
176
520184
2051
Dus moesten we er
een hele reeks van bouwen
08:54
to learnleren and teachonderwijzen
a machinemachine what a facegezicht is,
177
522259
2710
om te leren en aan een machine
te leren wat een gezicht is
08:56
and embedembed and compresssamendrukken it.
178
524993
2037
en dan moet je het nog integreren.
08:59
And if you're comfortablecomfortabel
with machinemachine learningaan het leren,
179
527054
2248
Als je iets van machine learning kent,
09:01
you understandbegrijpen what the challengeuitdaging is here.
180
529326
2284
dan weet je ook
wat voor een uitdaging dit is.
09:04
Now, after 15 yearsjaar -- 15 yearsjaar after
we readlezen the first sequencevolgorde --
181
532108
5991
En nu, na 15 jaar - 15 jaar nadat we
de eerste sequentie gelezen hebben -
09:10
this OctoberOktober, we startedbegonnen
to see some signalssignalen.
182
538123
2902
in oktober, hebben we
de eerste signalen gezien.
09:13
And it was a very emotionalemotioneel momentmoment.
183
541049
2455
Dat was een zeer ontroerend moment.
09:15
What you see here is a subjectonderwerpen
comingkomt eraan in our lablaboratorium.
184
543528
3745
Je ziet dus een persoon
ons lab binnenwandelen.
09:19
This is a facegezicht for us.
185
547619
1928
Voor ons is het een gezicht.
09:21
So we take the realecht facegezicht of a subjectonderwerpen,
we reduceverminderen the complexityingewikkeldheid,
186
549571
3631
We nemen iemands reële gezicht,
verminderen de complexiteit,
09:25
because not everything is in your facegezicht --
187
553226
1970
omdat niet alles van je gezicht komt,
09:27
lots of featuresKenmerken and defectsdefecten
and asymmetriesasymmetrie come from your life.
188
555220
3786
veel kenmerken en imperfecties en
onregelmatigheden komen van ons leven.
09:31
We symmetrizesymmetrize the facegezicht,
and we runrennen our algorithmalgoritme.
189
559030
3469
We maken het gezicht symmetrisch
en we voeren ons algoritme uit.
09:35
The resultsuitslagen that I showtonen you right now,
190
563245
1898
Hier zijn de resultaten.
09:37
this is the predictionvoorspelling we have
from the bloodbloed.
191
565167
3372
Dit is de voorspelling die berekend
wordt op basis van het bloed.
09:41
(ApplauseApplaus)
192
569596
1524
(Applaus)
09:43
Wait a secondtweede.
193
571144
1435
Wacht eens even.
09:44
In these secondsseconden, your eyesogen are watchingkijken,
left and right, left and right,
194
572603
4692
Voor het ogenblik zijn jullie ogen aan het
kijken, links en rechts, links en rechts,
09:49
and your brainhersenen wants
those picturesafbeeldingen to be identicalidentiek.
195
577319
3930
en jullie hersenen willen gewoon
dat die foto's identiek zijn.
09:53
So I askvragen you to do
anothereen ander exerciseoefening, to be honesteerlijk.
196
581273
2446
Dus moeten jullie nu even eerlijk zijn.
09:55
Please searchzoeken for the differencesverschillen,
197
583743
2287
Probeer de verschillen na te sporen,
09:58
whichwelke are manyveel.
198
586054
1361
en die zijn er!
09:59
The biggestgrootste amountbedrag of signalsignaal
comeskomt from gendergeslacht,
199
587439
2603
De grootste hoeveelheid signalen
komt van het geslacht,
10:02
then there is ageleeftijd, BMIBMI,
the ethnicityetniciteit componentbestanddeel of a humanmenselijk.
200
590066
5201
dan heb je leeftijd, BMI,
het ethnische aspect van een mens.
10:07
And scalingscaling up over that signalsignaal
is much more complicatedingewikkeld.
201
595291
3711
Wanneer je een stap verder zet,
dan wordt het pas echt ingewikkeld.
10:11
But what you see here,
even in the differencesverschillen,
202
599026
3250
Maar wat je hier kan zien,
zelfs de verschillen,
10:14
letslaten we you understandbegrijpen
that we are in the right ballparkStadion,
203
602300
3595
dat maakt ons duidelijk dat we
in de goede richting aan het gaan zijn,
10:17
that we are gettingkrijgen closerdichterbij.
204
605919
1348
dat we dichterbij komen.
10:19
And it's alreadynu al givinggeven you some emotionsemoties.
205
607291
2349
En je voelt de emoties al opkomen.
10:21
This is anothereen ander subjectonderwerpen
that comeskomt in placeplaats,
206
609664
2703
Dit is een andere persoon
die het lab binnenkomt,
10:24
and this is a predictionvoorspelling.
207
612391
1409
en dit is de voorspelling.
10:25
A little smallerkleiner facegezicht, we didn't get
the completecompleet cranialschedel- structurestructuur,
208
613824
4596
Een kleiner gezicht, de vorm
van de schedel was niet volledig,
10:30
but still, it's in the ballparkStadion.
209
618444
2651
maar je kan toch zien
dat we er niet ver van af zijn.
10:33
This is a subjectonderwerpen that comeskomt in our lablaboratorium,
210
621634
2224
Dit is nog een andere persoon in ons lab,
10:35
and this is the predictionvoorspelling.
211
623882
1443
met de voorspelling.
10:38
So these people have never been seengezien
in the trainingopleiding of the machinemachine.
212
626056
4676
Maar deze mensen zul je nooit zien
in de training van de machine.
10:42
These are the so-calledzogenaamd "held-outgehouden-out" setreeks.
213
630756
2837
Ze zijn de zogenaamde validatieset.
10:45
But these are people that you will
probablywaarschijnlijk never believe.
214
633617
3740
Maar deze mensen zal je
waarschijnlijk nooit geloven.
10:49
We're publishingpublishing everything
in a scientificwetenschappelijk publicationpublicatie,
215
637381
2676
Ons werk wordt uitgegeven
in een wetenschappelijk blad,
10:52
you can readlezen it.
216
640081
1151
je kan het lezen.
10:53
But sincesinds we are onstageop het podium,
ChrisChris challengeduitgedaagd me.
217
641256
2344
Maar we zijn op het podium
en Chris heeft me uitgedaagd.
10:55
I probablywaarschijnlijk exposedblootgesteld myselfmezelf
and triedbeproefd to predictvoorspellen
218
643624
3626
Ik heb een risico genomen en
geprobeerd iemand te raden
10:59
someoneiemand that you mightmacht recognizeherken.
219
647274
2831
die jullie misschien zullen herkennen.
11:02
So, in this vialflacon of bloodbloed --
and believe me, you have no ideaidee
220
650470
4425
Hier heb je een bloedbuisje -- en,
geloof me, jullie heb geen idee
11:06
what we had to do to have
this bloodbloed now, here --
221
654919
2880
wat we wel hebben moeten doen
om dit bloed te bemachtigen --
11:09
in this vialflacon of bloodbloed is the amountbedrag
of biologicalbiologisch informationinformatie
222
657823
3901
hier in dit bloedbuisje hebben we
genoeg biologische informatie
11:13
that we need to do a fullvol genomegenoom sequencevolgorde.
223
661748
2277
om een volledige genoom te sequencen.
11:16
We just need this amountbedrag.
224
664049
2070
Meer hebben we niet nodig.
11:18
We ranrende this sequencevolgorde,
and I'm going to do it with you.
225
666528
3205
We hebben deze sequence uitgevoerd,
en we zullen dit nu samen doen.
11:21
And we startbegin to layerlaag up
all the understandingbegrip we have.
226
669757
3979
Laag na laag brengen we alle informatie
bij elkaar die we hebben.
11:25
In the vialflacon of bloodbloed,
we predictedvoorspelde he's a malemannetje.
227
673760
3350
Via dit bloedbuisje hebben we voorspeld
dat het gaat over een man.
11:29
And the subjectonderwerpen is a malemannetje.
228
677134
1364
En inderdaad, het is een man.
11:30
We predictvoorspellen that he's a metermeter and 76 cmcm.
229
678996
2438
We voorspellen dat hij 1,76 m groot is.
11:33
The subjectonderwerpen is a metermeter and 77 cmcm.
230
681458
2392
Onze persoon is 1,77 cm groot.
11:35
So, we predictedvoorspelde that he's 76;
the subjectonderwerpen is 82.
231
683874
4110
We mikken op 76 kg, en hij weegt 82 kg.
11:40
We predictvoorspellen his ageleeftijd, 38.
232
688701
2632
We voorspellen zijn leeftijd, 38 jaar.
11:43
The subjectonderwerpen is 35.
233
691357
1904
Onze persoon is er 35.
11:45
We predictvoorspellen his eyeoog colorkleur.
234
693851
2124
Wij denken dat hij donkere ogen heeft.
11:48
Too darkdonker.
235
696824
1211
Te donker.
11:50
We predictvoorspellen his skinhuid colorkleur.
236
698059
1555
Zijn huidskleur.
11:52
We are almostbijna there.
237
700026
1410
We zijn er nu bijna.
11:53
That's his facegezicht.
238
701899
1373
Dit is zijn gezicht.
11:57
Now, the revealonthullen momentmoment:
239
705172
3269
En nu DE revelatie:
12:00
the subjectonderwerpen is this personpersoon.
240
708465
1770
hier is onze persoon.
12:02
(LaughterGelach)
241
710259
1935
(Gelach)
12:04
And I did it intentionallyopzettelijk.
242
712218
2058
Ik heb dit met opzet gedaan.
12:06
I am a very particularbijzonder
and peculiareigenaardige ethnicityetniciteit.
243
714300
3692
Ik heb een heel vreemde
ethnische oorsprong.
12:10
SouthernZuidelijke EuropeanEuropese, ItaliansItalianen --
they never fitpassen in modelsmodellen.
244
718016
2950
Zuid-Europees, Italiaans -
die moeten altijd alles anders doen.
12:12
And it's particularbijzonder -- that ethnicityetniciteit
is a complexcomplex cornerhoek casegeval for our modelmodel-.
245
720990
5130
En dat is speciaal - ethnische oorsprong
is een ingewikkelde test voor ons model.
12:18
But there is anothereen ander pointpunt.
246
726144
1509
Maar er is nog iets anders.
12:19
So, one of the things that we use
a lot to recognizeherken people
247
727677
3477
Eén van de elementen die we veel
gebruiken om mensen te herkennen
12:23
will never be writtengeschreven in the genomegenoom.
248
731178
1722
zal je nooit in het genoom vinden.
12:24
It's our freegratis will, it's how I look.
249
732924
2317
Het is onze vrije wil, hoe je eruit ziet.
12:27
Not my haircutkapsel in this casegeval,
but my beardbaard cutbesnoeiing.
250
735265
3229
In mijn geval niet mijn haarsnit,
maar mijn baard.
12:30
So I'm going to showtonen you, I'm going to,
in this casegeval, transferoverdracht it --
251
738518
3553
Ik zal hier nu een baard toevoegen,
12:34
and this is nothing more
than PhotoshopPhotoshop, no modelingmodellering --
252
742095
2765
en dat is niets anders dan Photoshop
12:36
the beardbaard on the subjectonderwerpen.
253
744884
1713
en zeker geen modellering.
12:38
And immediatelyper direct, we get
much, much better in the feelinggevoel.
254
746621
3472
En nu krijgen we onmiddellijk iets totaal,
maar dan ook totaal anders.
12:42
So, why do we do this?
255
750955
2709
Waarom doen we dit dus?
12:47
We certainlyzeker don't do it
for predictingvoorspellen heighthoogte
256
755938
5140
We doen het zeker niet om te voorspellen
hoe groot iemand wordt
12:53
or takingnemen a beautifulmooi pictureafbeelding
out of your bloodbloed.
257
761102
2372
of om een mooi plaatje
te vormen vanaf je bloed.
12:56
We do it because the samedezelfde technologytechnologie
and the samedezelfde approachnadering,
258
764390
4018
We doen dit omdat dezelfde technologie,
en dezelfde methode,
13:00
the machinemachine learningaan het leren of this codecode,
259
768432
2520
de machine learning van deze code,
13:02
is helpinghelpen us to understandbegrijpen how we work,
260
770976
3137
ons kan helpen te begrijpen
hoe ons lichaam werkt,
13:06
how your bodylichaam workswerken,
261
774137
1486
hoe je lichaam in elkaar zit,
13:07
how your bodylichaam agesleeftijden,
262
775647
1665
hoe je lichaam veroudert,
13:09
how diseaseziekte generatesgenereert in your bodylichaam,
263
777336
2769
hoe ziekte ontstaat in je lichaam,
13:12
how your cancerkanker growsgroeit and developsontwikkelt,
264
780129
2972
hoe kanker ontstaat en zich ontwikkelt,
13:15
how drugsdrugs work
265
783125
1783
hoe drugs werken
13:16
and if they work on your bodylichaam.
266
784932
2314
en wat het effect ervan is op je lichaam.
13:19
This is a hugereusachtig challengeuitdaging.
267
787713
1667
Dit is een ongelooflijke uitdaging.
13:21
This is a challengeuitdaging that we sharedelen
268
789894
1638
En deze uitdaging gaan we aan
13:23
with thousandsduizenden of other
researchersonderzoekers around the worldwereld-.
269
791556
2579
tezamen met duizenden wetenschappers
overal ter wereld.
13:26
It's calledriep personalizedgepersonaliseerde medicinegeneeskunde.
270
794159
2222
Dat is nu gepersonaliseerde geneeskunde.
13:29
It's the abilityvermogen to moveverhuizing
from a statisticalstatistisch approachnadering
271
797125
3460
In plaats van een statistische methode,
13:32
where you're a dotpunt in the oceanoceaan,
272
800609
2032
waar je slechts een nummer bent,
gebruiken we
13:34
to a personalizedgepersonaliseerde approachnadering,
273
802665
1813
een gepersonaliseerde methode,
13:36
where we readlezen all these booksboeken
274
804502
2185
waar we al die boeken lezen
13:38
and we get an understandingbegrip
of exactlyprecies how you are.
275
806711
2864
en we zo te weten komen
hoe je precies in elkaar zit.
13:42
But it is a particularlyvooral
complicatedingewikkeld challengeuitdaging,
276
810260
3362
Maar dit is een uiterst
complexe uitdaging,
13:45
because of all these booksboeken, as of todayvandaag,
277
813646
3998
omdat we, vandaag, van al die boeken,
13:49
we just know probablywaarschijnlijk two percentprocent:
278
817668
2642
maar ongeveer twee procent kennen:
13:53
fourvier booksboeken of more than 175.
279
821027
3653
vier boeken uit een totaal
van meer dan 175.
13:58
And this is not the topiconderwerp of my talk,
280
826021
3206
Dit is ook niet het onderwerp
van mijn uiteenzetting,
14:02
because we will learnleren more.
281
830145
2598
want we zullen zeker meer en meer leren.
14:05
There are the bestbeste mindsgeesten
in the worldwereld- on this topiconderwerp.
282
833378
2669
De beste breinen van de wereld
zwoegen op deze topic.
14:09
The predictionvoorspelling will get better,
283
837048
1834
De berekening zal verbeteren,
14:10
the modelmodel- will get more precisenauwkeurig.
284
838906
2253
het model zal preciezer worden.
14:13
And the more we learnleren,
285
841183
1858
Hoe meer we leren,
14:15
the more we will
be confrontedgeconfronteerd with decisionsbeslissingen
286
843065
4830
hoe meer we zullen geconfronteerd
worden met keuzes
14:19
that we never had to facegezicht before
287
847919
3021
die we nooit eerder gezien hebben
14:22
about life,
288
850964
1435
over het leven,
14:24
about deathdood,
289
852423
1674
over de dood,
14:26
about parentingouderschap.
290
854121
1603
over het ouderschap.
14:32
So, we are touchingaandoenlijk the very
innerbinnenste detaildetail- on how life workswerken.
291
860626
4746
We raken nu dus de echte essentie
van hoe het leven werkt.
14:38
And it's a revolutionrevolutie
that cannotkan niet be confinedbeperkt
292
866118
3158
En dit is een revolutie die we niet kunnen
reduceren tot het domein
14:41
in the domaindomein of sciencewetenschap or technologytechnologie.
293
869300
2659
van wetenschap of technologie.
14:44
This mustmoet be a globalglobaal conversationgesprek.
294
872960
2244
Dit moet een globaal debat zijn.
14:47
We mustmoet startbegin to think of the futuretoekomst
we're buildinggebouw as a humanityde mensheid.
295
875798
5217
We moeten nadenken over de toekomst van
de mensheid die we aan het bouwen zijn.
14:53
We need to interactop elkaar inwerken with creativescreatieven,
with artistskunstenaars, with philosophersfilosofen,
296
881039
4064
Daarbij moeten we samenwerken met
artiesten, met filosofen,
14:57
with politicianspolitici.
297
885127
1510
met de politieke wereld.
14:58
EveryoneIedereen is involvedbetrokken,
298
886661
1158
Iedereen moet helpen,
14:59
because it's the futuretoekomst of our speciessoorten.
299
887843
2825
omdat het gaat over de toekomst
van onze soort.
15:03
WithoutZonder fearangst, but with the understandingbegrip
300
891273
3968
Zonder angst, maar met het besef
15:07
that the decisionsbeslissingen
that we make in the nextvolgende yearjaar
301
895265
3871
dat de beslissingen die we
volgend jaar zullen nemen
15:11
will changeverandering the courseCursus of historygeschiedenis forevervoor altijd.
302
899160
3789
voorgoed de loop van geschiedenis
zullen veranderen.
15:15
Thank you.
303
903732
1160
Hartelijk bedankt.
15:16
(ApplauseApplaus)
304
904916
10159
(Applaus)
Translated by Nathalie Lagae
Reviewed by Els De Keyser

▲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