TED2003
Juan Enriquez: The life code that will reshape the future
Juan Enriquez over genomica en onze toekomst
Filmed:
Readability: 3.4
831,634 views
Futurist Juan Enriquez merkt op dat wetenschappelijke ontdekkingen een verschuiving in code vereisen, en onze capaciteit om te gedijen hangt van onze beheersing van die code af. Hier past hij dit begrip toe op het gebied van genomica.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:25
I'm supposed to scare you, because it's about fear, right?
0
1000
3000
Ik word verondersteld om jullie bang te maken omdat het over angst gaat, toch?
00:29
And you should be really afraid,
1
5000
2000
Je moet echt bang zijn
00:31
but not for the reasons why you think you should be.
2
7000
2000
maar niet om de redenen waarom je denkt dat je het zou moeten.
00:34
You should be really afraid that --
3
10000
2000
Je moet echt bang zijn dat -
00:36
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
12000
4000
hier komt de eerste dia - dat je iets mistloopt.
00:42
Because if you spend this week thinking about Iraq and
5
18000
4000
Want als je deze week zit na te denken over Irak,
00:46
thinking about Bush and thinking about the stock market,
6
22000
4000
Bush en de aandelenmarkt,
00:50
you're going to miss one of the greatest adventures that we've ever been on.
7
26000
2000
ga je een van onze grootste avonturen ooit mislopen.
00:53
And this is what this adventure's really about.
8
29000
2000
Hier gaat dit avontuur over.
00:55
This is crystallized DNA.
9
31000
4000
Dit is uitgekristalliseerd DNA.
00:59
Every life form on this planet -- every insect, every bacteria, every plant,
10
35000
3000
Elke vorm van leven op deze planeet - elk insect, elke bacterie, elke plant,
01:02
every animal, every human, every politician -- (Laughter)
11
38000
3000
ieder dier, ieder mens, iedere politicus - (Gelach)
01:07
is coded in that stuff.
12
43000
2000
is gecodeerd door dat spul.
01:09
And if you want to take a single crystal of DNA, it looks like that.
13
45000
4000
Een enkel kristal DNA ziet er zo uit.
01:13
And we're just beginning to understand this stuff.
14
49000
2000
We beginnen het nog maar net te begrijpen.
01:16
And this is the single most exciting adventure that we have ever been on.
15
52000
3000
Dit is ons meest spannende avontuur ooit.
01:20
It's the single greatest mapping project we've ever been on.
16
56000
3000
Het is het grootste project ooit om iets in kaart te brengen.
01:23
If you think that the mapping of America's made a difference,
17
59000
2000
Als je denkt dat het in kaart brengen van Amerika belangrijk was,
01:25
or landing on the moon, or this other stuff,
18
61000
3000
of de landing op de maan of al die andere dingen,
01:28
it's the map of ourselves and the map of every plant
19
64000
3000
dan is het in kaart brengen van onszelf, van elke plant,
01:31
and every insect and every bacteria that really makes a difference.
20
67000
3000
elk insect en elke bacterie pas echt belangrijk.
01:34
And it's beginning to tell us a lot about evolution.
21
70000
3000
Het begint ons al veel te vertellen over de evolutie.
01:39
(Laughter)
22
75000
4000
(Gelach)
01:43
It turns out that what this stuff is --
23
79000
2000
Het blijkt dat dit spul -
01:45
and Richard Dawkins has written about this --
24
81000
2000
en Richard Dawkins heeft erover geschreven -
01:47
is, this is really a river out of Eden.
25
83000
2000
echt een rivier vanuit Eden is.
01:49
So, the 3.2 billion base pairs inside each of your cells
26
85000
4000
De 3,2 miljard basenparen in elk van je cellen
01:53
is really a history of where you've been for the past billion years.
27
89000
3000
is werkelijk de geschiedenis van waar je de afgelopen miljarden jaren bent geweest.
01:56
And we could start dating things,
28
92000
1000
We konden dingen gaan dateren,
01:57
and we could start changing medicine and archeology.
29
93000
3000
de geneeskunde en de archeologie veranderen.
02:01
It turns out that if you take the human species about 700 years ago,
30
97000
3000
Het blijkt dat ongeveer 700 jaar geleden, blanke Europeanen
02:04
white Europeans diverged from black Africans in a very significant way.
31
100000
3000
op een zeer significante wijze gingen afwijken van zwarte Afrikanen.
02:07
White Europeans were subject to the plague.
32
103000
5000
Blanke Europeanen ondergingen de pest.
02:13
And when they were subject to the plague, most people didn't survive,
33
109000
3000
De meesten overleefden dat niet,
02:16
but those who survived had a mutation on the CCR5 receptor.
34
112000
4000
maar degenen die overleefden hadden een mutatie op de CCR5-receptor.
02:20
And that mutation was passed on to their kids
35
116000
2000
Die mutatie werd doorgegeven aan hun kinderen
02:22
because they're the ones that survived,
36
118000
2000
omdat zij degenen waren die overleefden,
02:24
so there was a great deal of population pressure.
37
120000
2000
hier was dus een grote bevolkingsdruk.
02:26
In Africa, because you didn't have these cities,
38
122000
2000
Omdat er in Afrika niet zulke steden waren,
02:28
you didn't have that CCR5 population pressure mutation.
39
124000
3000
had je daar niet die CCR5-bevolkingsdruk mutatie.
02:31
We can date it to 700 years ago.
40
127000
3000
We kunnen dat dateren op 700 jaar geleden.
02:34
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
130000
4000
Dat is een van de redenen waarom AIDS zo hevig woedt in Afrika
02:38
and not as fast across Europe.
42
134000
4000
en veel minder in Europa.
02:42
And we're beginning to find these little things for malaria,
43
138000
3000
We beginnen deze kleine dingen ook te vinden voor malaria,
02:45
for sickle cell, for cancers.
44
141000
3000
voor sikkelcelziekte, voor kanker.
02:49
And in the measure that we map ourselves,
45
145000
2000
Onszelf in kaart brengen is daarom
02:51
this is the single greatest adventure that we'll ever be on.
46
147000
2000
het grootste avontuur dat we ooit zullen beleven.
02:53
And this Friday, I want you to pull out a really good bottle of wine,
47
149000
4000
Vandaag, vrijdag, zou je een echt goede fles wijn moeten opentrekken
02:57
and I want you to toast these two people.
48
153000
2000
en op deze twee mensen een toast uitbrengen.
03:00
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
156000
4000
Omdat het vandaag 50 jaar geleden is dat Watson en Crick de structuur van DNA vonden.
03:04
and that is almost as important a date
50
160000
3000
Een datum bijna net zo belangrijk
03:07
as the 12th of February when we first mapped ourselves,
51
163000
3000
als 12 februari, toen we voor het eerst onszelf in kaart hebben gebracht.
03:10
but anyway, we'll get to that.
52
166000
2000
Maar goed, daar komen we nog aan.
03:12
I thought we'd talk about the new zoo.
53
168000
2000
Ik wilde praten over de nieuwe dierentuin.
03:14
So, all you guys have heard about DNA, all the stuff that DNA does,
54
170000
4000
Jullie hebben allemaal gehoord over DNA, wat het doet,
03:18
but some of the stuff we're discovering is kind of nifty
55
174000
3000
maar enkele ontdekkingen zijn wel heel iets aparts
03:21
because this turns out to be the single most abundant species on the planet.
56
177000
5000
want dit blijkt de meest voorkomende soort op de planeet te zijn.
03:26
If you think you're successful or cockroaches are successful,
57
182000
3000
Als je denkt dat jij of kakkerlakken succesvol zijn,
03:29
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
185000
3000
bedenk dan dat er tien biljoen biljoen Pleurococcussen bestaan.
03:32
And we didn't know that Pleurococcus was out there,
59
188000
3000
We wisten niet eens dat Pleurococcus bestond,
03:35
which is part of the reason
60
191000
1000
wat deels de reden is waarom
03:36
why this whole species-mapping project is so important.
61
192000
5000
dit hele project om soorten in kaart brengen zo belangrijk is.
03:41
Because we're just beginning to learn
62
197000
2000
Omdat we net beginnen te leren
03:43
where we came from and what we are.
63
199000
1000
waar we vandaan komen en wat we zijn.
03:45
And we're finding amoebas like this. This is the amoeba dubia.
64
201000
3000
We ontdekken amoeben als deze hier. Dit is Amoeba dubia.
03:49
And the amoeba dubia doesn't look like much,
65
205000
2000
Amoeba dubia lijkt niet veel zaaks.
03:51
except that each of you has about 3.2 billion letters,
66
207000
3000
Ieder van jullie heeft ongeveer 3,2 miljard
03:54
which is what makes you you,
67
210000
2000
basenparen die jullie maken tot wat je bent in de
03:56
as far as gene code inside each of your cells,
68
212000
3000
gen-code van elk van jullie cellen.
03:59
and this little amoeba which, you know,
69
215000
3000
Maar deze kleine amoebe die
04:02
sits in water in hundreds and millions and billions,
70
218000
2000
met honderden miljarden in water voorkomt,
04:05
turns out to have 620 billion base pairs of gene code inside.
71
221000
6000
blijkt 620 miljard basenparen van gen-code te hebben.
04:11
So, this little thingamajig has a genome
72
227000
3000
Dit kleine ding heeft een 200 keer zo groot
04:14
that's 200 times the size of yours.
73
230000
2000
genoom als het jouwe.
04:17
And if you're thinking of efficient information storage mechanisms,
74
233000
3000
Als je denkt aan efficiënte informatie-opslagmechanismen,
04:21
it may not turn out to be chips.
75
237000
2000
dan zouden dat wel eens geen chips blijken te zijn.
04:24
It may turn out to be something that looks a little like that amoeba.
76
240000
4000
Misschien wel iets dat een beetje op die amoebe lijkt.
04:28
And, again, we're learning from life and how life works.
77
244000
4000
We leren van het leven en hoe het leven werkt.
04:32
This funky little thing: people didn't used to think
78
248000
4000
Dit rare kleine ding: mensen vonden het niet nodig
04:36
that it was worth taking samples out of nuclear reactors
79
252000
3000
om monsters uit kernreactoren te verzamelen
04:39
because it was dangerous and, of course, nothing lived there.
80
255000
3000
omdat dat gevaarlijk was en er, uiteraard, toch niets in zou leven.
04:42
And then finally somebody picked up a microscope
81
258000
3000
Totdat uiteindelijk iemand een microscoop pakte
04:45
and looked at the water that was sitting next to the cores.
82
261000
3000
en naar het water keek rond de kernstaven.
04:48
And sitting next to that water in the cores
83
264000
2000
Daar vonden ze
04:50
was this little Deinococcus radiodurans, doing a backstroke,
84
266000
3000
de kleine Deinococcus radiodurans, rustig rondzwemmend,
04:53
having its chromosomes blown apart every day,
85
269000
2000
terwijl zijn chromosomen elke dag zes, zeven keer
04:55
six, seven times, restitching them,
86
271000
3000
uit elkaar werden geblazen maar ze weer herstelde.
04:58
living in about 200 times the radiation that would kill you.
87
274000
2000
Het leeft onder straling van ongeveer 200 keer de sterkte die jou zou doden.
05:01
And by now you should be getting a hint as to how diverse
88
277000
3000
Het zou je nu moeten duidelijk worden hoe divers,
05:04
and how important and how interesting this journey into life is,
89
280000
2000
hoe belangrijk en hoe interessant deze reis in het leven is.
05:06
and how many different life forms there are,
90
282000
3000
Hoeveel verschillende levensvormen er zijn,
05:09
and how there can be different life forms living in
91
285000
3000
en hoe verschillende levensvormen op heel verschillende
05:12
very different places, maybe even outside of this planet.
92
288000
3000
plaatsen kunnen leven, misschien zelfs buiten deze planeet.
05:16
Because if you can live in radiation that looks like this,
93
292000
2000
Want als je kan leven in deze straling
05:18
that brings up a whole series of interesting questions.
94
294000
3000
roept dat een hele reeks interessante vragen op.
05:22
This little thingamajig: we didn't know this thingamajig existed.
95
298000
3000
Dit kleine dingetje: we wisten niet eens dat het bestond.
05:26
We should have known that this existed
96
302000
2000
We hadden moeten weten dat dit bestond
05:28
because this is the only bacteria that you can see to the naked eye.
97
304000
3000
want dit is de enige bacterie die je kunt zien met het blote oog.
05:31
So, this thing is 0.75 millimeters.
98
307000
3000
Dit ding is zo'n 0,75 millimeter groot.
05:34
It lives in a deep trench off the coast of Namibia.
99
310000
2000
Het leeft in een diepe sleuf voor de kust van Namibië.
05:37
And what you're looking at with this namibiensis
100
313000
2000
Deze namibiensis
05:39
is the biggest bacteria we've ever seen.
101
315000
2000
is de grootste bacterie die we ooit hebben gezien.
05:41
So, it's about the size of a little period on a sentence.
102
317000
3000
Ongeveer de grootte van een punt aan het einde van een zin.
05:45
Again, we didn't know this thing was there three years ago.
103
321000
4000
Drie jaar geleden wisten we nog niet dat dit ding bestond.
05:49
We're just beginning this journey of life in the new zoo.
104
325000
3000
We zijn net begonnen met deze reis in het leven van de nieuwe dierentuin.
05:53
This is a really odd one. This is Ferroplasma.
105
329000
3000
Dit is pas echt een raar geval. Dit is Ferroplasma.
05:57
The reason why Ferroplasma is interesting is because it eats iron,
106
333000
3000
Ferroplasma is interessant omdat het ijzer vreet,
06:01
lives inside the equivalent of battery acid,
107
337000
3000
leeft in het equivalent van accuzuur
06:05
and excretes sulfuric acid.
108
341000
2000
en zwavelzuur uitscheidt.
06:09
So, when you think of odd life forms,
109
345000
2000
Als je aan vreemde levensvormen denkt,
06:11
when you think of what it takes to live,
110
347000
3000
als je denkt aan wat er nodig is om te leven,
06:15
it turns out this is a very efficient life form,
111
351000
2000
blijkt dat dit een zeer efficiënte vorm van leven is.
06:17
and they call it an archaea. Archaea means "the ancient ones."
112
353000
4000
Ze noemen het een archaea. Archaea betekent 'de ouden'.
06:21
And the reason why they're ancient is because this thing came up
113
357000
4000
Waarom ze oud zijn is omdat dit ding ontstond
06:25
when this planet was covered
114
361000
2000
toen deze planeet bedekt was
06:27
by things like sulfuric acid in batteries,
115
363000
1000
met dingen als zwavelzuur uit accu's,
06:28
and it was eating iron when the earth was part of a melted core.
116
364000
4000
en het vrat al ijzer toen de aarde nog deel was van de gesmolten kern.
06:33
So, it's not just dogs and cats and whales and dolphins
117
369000
4000
Het zijn niet enkel honden, katten, walvissen en dolfijnen
06:37
that you should be aware of and interested in on this little journey.
118
373000
4000
waarvoor je op deze kleine trip je moet interesseren.
06:41
Your fear should be that you are not,
119
377000
3000
Je zou moeten vrezen dat je dat niet doet,
06:44
that you're paying attention to stuff which is temporal.
120
380000
3000
dat je aandacht schenkt aan tijdelijke zaken.
06:47
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
383000
5000
George Bush bijvoorbeeld - hij is geen blijvertje, niet? Maar het leven wel.
06:53
Whether the humans survive or don't survive,
122
389000
3000
Of de mensen nu overleven of niet,
06:56
these things are going to be living on this planet or other planets.
123
392000
3000
deze dingen gaan door met leven op deze planeet of op andere planeten.
06:59
And it's just beginning to understand this code of DNA
124
395000
4000
Het begrijpen van de DNA-code is nog maar in zijn beginfase,
07:03
that's really the most exciting intellectual adventure
125
399000
3000
en is echt het meest opwindende intellectuele avontuur
07:06
that we've ever been on.
126
402000
3000
waar we ooit in terecht zijn gekomen.
07:09
And you can do strange things with this stuff. This is a baby gar.
127
405000
4000
Je kan met dit spul vreemde dingen uithalen. Dit is een babygaur.
07:13
Conservation group gets together,
128
409000
2000
Behoudsgroepen komen samen om
07:15
tries to figure out how to breed an animal that's almost extinct.
129
411000
4000
uit te vinden hoe je een dier dat bijna uitgestorven is, kan fokken.
07:20
They can't do it naturally, so what they do with this thing is
130
416000
3000
Het kan niet op de natuurlijke manier, dus
07:23
they take a spoon, take some cells out of an adult gar's mouth, code,
131
419000
5000
nemen ze een lepel, schrapen enkele cellen uit de bek van een volwassen gaur, coderen dit,
07:29
take the cells from that and insert it into a fertilized cow's egg,
132
425000
4000
nemen de cellen hiervan, brengen dit in de bevruchte eicel van een koe,
07:34
reprogram cow's egg -- different gene code.
133
430000
3000
herprogrammeren de eicel van de koe - andere gen-code.
07:38
When you do that, the cow gives birth to a gar.
134
434000
4000
Als je dat doet, baart de koe een gaur.
07:43
We are now experimenting with bongos, pandas, elims, Sumatran tigers,
135
439000
6000
We experimenteren nu met bongo's, panda's, spiesbokken, Sumatraanse tijgers,
07:49
and the Australians -- bless their hearts --
136
445000
3000
en de Australiërs - goed van hen -
07:52
are playing with these things.
137
448000
1000
spelen met deze dingen.
07:53
Now, the last of these things died in September 1936.
138
449000
4000
Het laatste van deze wezens stierf in september 1936.
07:57
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
453000
4000
Dit zijn Tasmaanse tijgers. De laatst bekende stierf in de Hobart Zoo.
08:01
But it turns out that as we learn more about gene code
140
457000
3000
Maar het blijkt naarmate we meer leren over gen-code
08:04
and how to reprogram species,
141
460000
2000
en hoe soorten te herprogrammeren,
08:06
we may be able to close the gene gaps in deteriorate DNA.
142
462000
5000
we mogelijk in staat zijn om de genlacunes in beschadigd DNA te dichten.
08:11
And when we learn how to close the gene gaps,
143
467000
3000
Als we dat leren doen,
08:14
then we can put a full string of DNA together.
144
470000
2000
kunnen we een volledige streng DNA samenstellen.
08:17
And if we do that, and insert this into a fertilized wolf's egg,
145
473000
4000
En als we dat doen en dit inbrengen in de bevruchte eicel van een wolf
08:22
we may give birth to an animal
146
478000
2000
kunnen we het dier ter wereld brengen
08:24
that hasn't walked the earth since 1936.
147
480000
2000
dat sinds 1936 niet meer op aarde liep.
08:27
And then you can start going back further,
148
483000
2000
Dan kun je verder teruggaan
08:29
and you can start thinking about dodos,
149
485000
2000
en gaan nadenken over dodo's
08:32
and you can think about other species.
150
488000
1000
en nog andere soorten.
08:34
And in other places, like Maryland, they're trying to figure out
151
490000
3000
Op andere plaatsen, zoals in Maryland, proberen ze te achterhalen
08:37
what the primordial ancestor is.
152
493000
2000
wat de oorspronkelijke voorouder is.
08:39
Because each of us contains our entire gene code
153
495000
3000
Elk van ons bevat onze gehele gen-code
08:42
of where we've been for the past billion years,
154
498000
3000
van waar we in de afgelopen miljard jaar zijn geweest.
08:45
because we've evolved from that stuff,
155
501000
2000
Omdat we uit dat spul zijn geëvolueerd,
08:47
you can take that tree of life and collapse it back,
156
503000
2000
kun je die boom van het leven terugvouwen
08:49
and in the measure that you learn to reprogram,
157
505000
3000
en naarmate je leert herprogrammeren,
08:52
maybe we'll give birth to something
158
508000
2000
kan je misschien het leven schenken aan iets
08:54
that is very close to the first primordial ooze.
159
510000
2000
dat heel dicht bij het eerste primordiale slijm staat.
08:56
And it's all coming out of things that look like this.
160
512000
2000
Het komt allemaal van dingen die er zo uitzien.
08:58
These are companies that didn't exist five years ago.
161
514000
2000
Dit zijn bedrijven die vijf jaar geleden niet bestonden.
09:00
Huge gene sequencing facilities the size of football fields.
162
516000
4000
Enorme faciliteiten ter grootte van voetbalvelden om gensequenties op te stellen.
09:04
Some are public. Some are private.
163
520000
2000
Sommige zijn van de staat. Sommige zijn privé.
09:06
It takes about 5 billion dollars to sequence a human being the first time.
164
522000
3000
Het kostte ongeveer 5 miljard dollar om de eerste keer de sequentie van een menselijk wezen op te stellen.
09:10
Takes about 3 million dollars the second time.
165
526000
2000
De tweede keer nog slechts een 3 miljoen dollar.
09:12
We will have a 1,000-dollar genome within the next five to eight years.
166
528000
4000
Binnen de komende vijf tot acht jaar kunnen we een genoom hebben voor 1000 dollar.
09:16
That means each of you will contain on a CD your entire gene code.
167
532000
4000
Dat betekent dat je hele gen-code op één cd zal kunnen.
09:21
And it will be really boring. It will read like this.
168
537000
2000
Erg saai. Het zal er zo uitzien.
09:24
(Laughter)
169
540000
2000
(Gelach)
09:26
The really neat thing about this stuff is that's life.
170
542000
2000
Het echt leuke hiervan is dat dit leven is.
09:28
And Laurie's going to talk about this one a little bit.
171
544000
3000
Laurie gaat het daar ook nog even over hebben.
09:31
Because if you happen to find this one inside your body,
172
547000
2000
Want als je dit toevallig in je lichaam zou aantreffen,
09:33
you're in big trouble, because that's the source code for Ebola.
173
549000
2000
zit je in grote problemen want het is de broncode voor Ebola.
09:37
That's one of the deadliest diseases known to humans.
174
553000
2000
Een van de dodelijkste ziekten bekend aan de mens.
09:39
But plants work the same way and insects work the same way,
175
555000
2000
Maar planten en insecten werken op dezelfde manier.
09:41
and this apple works the same way.
176
557000
2000
Ook deze appel.
09:43
This apple is the same thing as this floppy disk.
177
559000
2000
Zo'n appel kan je vergelijken met deze diskette.
09:45
Because this thing codes ones and zeros,
178
561000
2000
Omdat dit ding met enen en nullen codeert,
09:47
and this thing codes A, T, C, Gs, and it sits up there,
179
563000
2000
en dit ding codeert met A, T, C en G's. Hij hangt daar
09:49
absorbing energy on a tree, and one fine day
180
565000
3000
aan een boom energie te absorberen. Op een mooie dag
09:52
it has enough energy to say, execute, and it goes [thump]. Right?
181
568000
4000
heeft hij genoeg energie om zijn taak uit te voeren en ploft hij naar beneden. Toch?
09:56
(Laughter)
182
572000
3000
(Gelach)
09:59
And when it does that, pushes a .EXE, what it does is,
183
575000
4000
Dan voert hij commando één uit
10:03
it executes the first line of code, which reads just like that,
184
579000
3000
dat er zo zou kunnen uitzien:
10:06
AATCAGGGACCC, and that means: make a root.
185
582000
3000
AATCAGGGACCC en "maak een wortel" betekent.
10:09
Next line of code: make a stem.
186
585000
2000
Volgende regel code: "maak een stam".
10:11
Next line of code, TACGGGG: make a flower that's white,
187
587000
3000
Volgende regel van de code, TACGGGG: "maak een witte bloem,
10:14
that blooms in the spring, that smells like this.
188
590000
3000
die bloeit in het voorjaar en zo ruikt".
10:17
In the measure that you have the code
189
593000
2000
Naarmate je de code hebt
10:19
and the measure that you read it --
190
595000
3000
en naarmate dat je ze kan lezen -
10:22
and, by the way, the first plant was read two years ago;
191
598000
2000
overigens werd de eerste plant twee jaar geleden uitgelezen;
10:24
the first human was read two years ago;
192
600000
2000
de eerste mens werd twee jaar geleden uitgelezen;
10:26
the first insect was read two years ago.
193
602000
2000
evenzo voor het eerste insect.
10:28
The first thing that we ever read was in 1995:
194
604000
3000
De eerste die we ooit hebben gelezen, was in 1995:
10:31
a little bacteria called Haemophilus influenzae.
195
607000
2000
een kleine bacterie genaamd, Haemophilus influenzae.
10:34
In the measure that you have the source code, as all of you know,
196
610000
3000
Als je de broncode hebt
10:37
you can change the source code, and you can reprogram life forms
197
613000
2000
kan je die wijzigen en levensvormen gaan herprogrammeren
10:39
so that this little thingy becomes a vaccine,
198
615000
2000
zodat dit kleine dingetje een vaccin wordt.
10:41
or this little thingy starts producing biomaterials,
199
617000
3000
Of dit dingetje start met de productie van biomaterialen.
10:44
which is why DuPont is now growing a form of polyester
200
620000
3000
Daarom kweekt DuPont nu in maïs een vorm van polyester
10:47
that feels like silk in corn.
201
623000
2000
die aanvoelt als zijde.
10:50
This changes all rules. This is life, but we're reprogramming it.
202
626000
5000
Dit verandert alle regels. Dit is leven, maar wij zijn het aan het herprogrammeren.
10:57
This is what you look like. This is one of your chromosomes.
203
633000
4000
Dit is hoe je eruit ziet. Dit is een van je chromosomen.
11:01
And what you can do now is,
204
637000
2000
Nu kan je uitvissen
11:03
you can outlay exactly what your chromosome is,
205
639000
3000
wat er precies op je chromosomen zit,
11:06
and what the gene code on that chromosome is right here,
206
642000
3000
wat de gen-code daarvan is,
11:09
and what those genes code for, and what animals they code against,
207
645000
3000
waarvoor die genen coderen, tegen welke beestjes ze coderen
11:12
and then you can tie it to the literature.
208
648000
2000
en dat kun je dan koppelen aan de literatuur.
11:14
And in the measure that you can do that, you can go home today,
209
650000
3000
Als je dat kunt doen, kun je
11:17
and get on the Internet, and access
210
653000
2000
op het internet toegang hebben tot
11:19
the world's biggest public library, which is a library of life.
211
655000
3000
's werelds grootste openbare bibliotheek, een bibliotheek van het leven.
11:23
And you can do some pretty strange things
212
659000
2000
Je zal een aantal nogal rare dingen kunnen doen
11:25
because in the same way as you can reprogram this apple,
213
661000
2000
omdat op dezelfde manier zoals je deze appel kunt herprogrammeren,
11:28
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
664000
2000
kan je in Cliff Tabin's lab op de Harvard Medical School,
11:31
he's reprogramming chicken embryos to grow more wings.
215
667000
4000
zien hoe hij kippenembryo's herprogrammeert om meer vleugels te krijgen.
11:37
Why would Cliff be doing that? He doesn't have a restaurant.
216
673000
3000
Waarom zou Cliff dat doen? Hij heeft niet eens een restaurant.
11:40
(Laughter)
217
676000
1000
(Gelach)
11:42
The reason why he's reprogramming that animal to have more wings
218
678000
3000
Hij doet dat omdat -
11:45
is because when you used to play with lizards as a little child,
219
681000
3000
net zoals toen je als kind met een hagedis speelde, je kon merken dat
11:48
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
684000
4000
de staart er soms af viel, maar teruggroeide.
11:52
Not so in human beings:
221
688000
3000
Niet zo bij de mens:
11:55
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
691000
3000
Eens je arm of been afgesneden, groeit die niet meer terug.
11:58
But because each of your cells contains your entire gene code,
223
694000
4000
Maar omdat elk van je cellen je gehele gen-code bevat,
12:03
each cell can be reprogrammed, if we don't stop stem cell research
224
699000
4000
kan elke cel worden geherprogrammeerd als we doorgaan met het onderzoek van stamcellen
12:07
and if we don't stop genomic research,
225
703000
2000
en met het genomisch onderzoek
12:09
to express different body functions.
226
705000
3000
dat verschillende lichaamsfuncties tot uitdrukking brengt.
12:13
And in the measure that we learn how chickens grow wings,
227
709000
3000
Als we leren hoe kippenvleugels groeien,
12:16
and what the program is for those cells to differentiate,
228
712000
2000
en wat het programma is waarop die cellen differentiëren,
12:18
one of the things we're going to be able to do
229
714000
3000
is een van de dingen waartoe we in staat zullen zijn
12:21
is to stop undifferentiated cells, which you know as cancer,
230
717000
3000
om de groei van ongedifferentieerde cellen te stoppen,
12:25
and one of the things we're going to learn how to do
231
721000
2000
oftewel kanker. Ook zullen we stamcellen
12:27
is how to reprogram cells like stem cells
232
723000
3000
leren herprogrammeren zodat
12:30
in such a way that they express bone, stomach, skin, pancreas.
233
726000
6000
ze bot, maag, huid, alvleesklier... gaan vormen.
12:37
And you are likely to be wandering around -- and your children --
234
733000
3000
Je vraagt jezelf - en je kinderen - waarschijnlijk af
12:40
on regrown body parts in a reasonable period of time,
235
736000
3000
hoelang het nog gaat duren voordat ze, waar ter wereld dit onderzoek doorgaat,
12:44
in some places in the world where they don't stop the research.
236
740000
3000
ergens organen kunnen laten teruggroeien.
12:49
How's this stuff work? If each of you differs
237
745000
5000
Hoe werkt dat? Als ieder van jullie een op de duizend
12:54
from the person next to you by one in a thousand, but only three percent codes,
238
750000
3000
verschilt van de persoon naast je met één op de duizend met slechts 3 procent code,
12:57
which means it's only one in a thousand times three percent,
239
753000
2000
wat betekent dat het slechts één op de duizend keer 3 procent is.
12:59
very small differences in expression and punctuation
240
755000
3000
Zeer kleine verschillen in de expressie en interpunctie
13:02
can make a significant difference. Take a simple declarative sentence.
241
758000
3000
kunnen een significant verschil maken. Pas dat eens toe op een eenvoudige verklarende zin.
13:07
(Laughter)
242
763000
2000
(Gelach)
13:09
Right?
243
765000
1000
Toch?
13:10
That's perfectly clear. So, men read that sentence,
244
766000
4000
Dat is volkomen duidelijk. Mannen lezen deze zin,
13:14
and they look at that sentence, and they read this.
245
770000
2000
kijken dan naar die zin en ze lezen dit.
13:22
Okay?
246
778000
1000
Oke?
13:23
Now, women look at that sentence and they say, uh-uh, wrong.
247
779000
4000
Vrouwen kijken naar die zin en die is, oh-oh, verkeerd.
13:27
This is the way it should be seen.
248
783000
2000
Dit is de manier waarop hij moet worden gezien.
13:31
(Laughter)
249
787000
8000
(Gelach)
13:39
That's what your genes are doing.
250
795000
1000
Dat is wat je genen doen.
13:40
That's why you differ from this person over here by one in a thousand.
251
796000
5000
Dat is waarom je van deze persoon hier voor één op de duizend afwijkt.
13:45
Right? But, you know, he's reasonably good looking, but...
252
801000
3000
Toch? Maar, weet je, hij ziet er redelijk goed uit, maar ...
13:48
I won't go there.
253
804000
2000
Ik hou ermee op.
13:51
You can do this stuff even without changing the punctuation.
254
807000
3000
Je kan dit doen, zelfs zonder de interpunctie te veranderen.
13:55
You can look at this, right?
255
811000
4000
Je kan dit zien, toch?
13:59
And they look at the world a little differently.
256
815000
2000
Zij kijken een beetje anders naar de wereld.
14:01
They look at the same world and they say...
257
817000
2000
Ze kijken naar dezelfde wereld en ze zeggen ...
14:03
(Laughter)
258
819000
6000
(Gelach)
14:09
That's how the same gene code -- that's why you have 30,000 genes,
259
825000
4000
Dat is hoe dezelfde gen-code - daarom heb je 30.000 genen,
14:13
mice have 30,000 genes, husbands have 30,000 genes.
260
829000
3000
muizen hebben 30.000 genen, echtgenoten hebben 30.000 genen.
14:16
Mice and men are the same. Wives know that, but anyway.
261
832000
3000
Muizen en mannen zijn hetzelfde. Vrouwen weten dat, maar toch.
14:20
You can make very small changes in gene code
262
836000
2000
Je kan zeer kleine veranderingen in de gen-code aanbrengen
14:22
and get really different outcomes,
263
838000
2000
en heel verschillende uitkomsten krijgen,
14:26
even with the same string of letters.
264
842000
2000
zelfs met dezelfde reeks letters.
14:30
That's what your genes are doing every day.
265
846000
2000
Dat is wat jouw genen dagelijks aan het doen zijn.
14:33
That's why sometimes a person's genes
266
849000
2000
Dat is waarom de genen van iemand soms
14:35
don't have to change a lot to get cancer.
267
851000
2000
weinig hoeven te veranderen om kanker te krijgen.
14:41
These little chippies, these things are the size of a credit card.
268
857000
4000
Deze kleine chipjes van het formaat van een creditcard
14:46
They will test any one of you for 60,000 genetic conditions.
269
862000
2000
kunnen je op 60.000 genetische afwijkingen testen.
14:49
That brings up questions of privacy and insurability
270
865000
3000
Dat roept vragen op van privacy en verzekerbaarheid
14:52
and all kinds of stuff, but it also allows us to start going after diseases,
271
868000
2000
en meer van die dingen, maar het laat ons ook toe om ziekten op te sporen.
14:55
because if you run a person who has leukemia through something like this,
272
871000
3000
Want als je een persoon die leukemie heeft door zoiets laat testen,
14:59
it turns out that three diseases with
273
875000
2000
dan blijkt het dat drie ziekten met
15:01
completely similar clinical syndromes
274
877000
4000
volledig vergelijkbare klinische syndromen
15:05
are completely different diseases.
275
881000
2000
totaal verschillende ziekten zijn.
15:07
Because in ALL leukemia, that set of genes over there over-expresses.
276
883000
3000
Omdat bij ELKE vorm van leukemie, die set van genen daar - overmatig tot uitdrukking komt.
15:10
In MLL, it's the middle set of genes,
277
886000
2000
Bij MLL is het de middelste set van genen
15:12
and in AML, it's the bottom set of genes.
278
888000
2000
en bij AML de onderste set van genen.
15:14
And if one of those particular things is expressing in your body,
279
890000
5000
Als een van die dingen in je lichaam tot uitdrukking komt,
15:19
then you take Gleevec and you're cured.
280
895000
2000
neem je Gleevec en je bent genezen.
15:22
If it is not expressing in your body,
281
898000
2000
Maar in het andere geval,
15:24
if you don't have one of those types --
282
900000
2000
als het niet een van die types is -
15:26
a particular one of those types -- don't take Gleevec.
283
902000
3000
een zekere van deze types - neem dan geen Gleevec.
15:29
It won't do anything for you.
284
905000
1000
Het zal je niet helpen.
15:31
Same thing with Receptin if you've got breast cancer.
285
907000
2000
Hetzelfde met Receptin als je borstkanker hebt.
15:34
Don't have an HER-2 receptor? Don't take Receptin.
286
910000
3000
Heb je geen HER-2-receptor neem dan geen Receptin.
15:37
Changes the nature of medicine. Changes the predictions of medicine.
287
913000
4000
Dit verandert de aard van de geneeskunde. Verandert de voorspellingen van de geneeskunde.
15:41
Changes the way medicine works.
288
917000
2000
Verandert de manier waarop het geneesmiddel werkt.
15:43
The greatest repository of knowledge when most of us went to college
289
919000
3000
Toen de meesten van ons naar de universiteit gingen was de grootste opslagplaats van kennis
15:46
was this thing, and it turns out that
290
922000
2000
dit ding en het blijkt dat
15:48
this is not so important any more.
291
924000
2000
dit nu niet zo belangrijk meer is.
15:50
The U.S. Library of Congress, in terms of its printed volume of data,
292
926000
4000
De Amerikaanse Library of Congress, in termen van haar gedrukte volume van gegevens,
15:54
contains less data than is coming out of a good genomics company
293
930000
4000
bevat minder gegevens dan wat elke maand
15:58
every month on a compound basis.
294
934000
3000
in zijn geheel uit een goed genomicabedrijf komt.
16:01
Let me say that again: A single genomics company
295
937000
3000
Laat me dat nog eens zeggen: Eén enkel genomicabedrijf
16:04
generates more data in a month, on a compound basis,
296
940000
3000
genereert samengevoegd meer gegevens per maand
16:07
than is in the printed collections of the Library of Congress.
297
943000
3000
dan wat in de gedrukte collecties van de Library of Congress staat.
16:11
This is what's been powering the U.S. economy. It's Moore's Law.
298
947000
4000
Dit is wat de Amerikaanse economie aandrijft. Het is de wet van Moore.
16:15
So, all of you know that the price of computers halves every 18 months
299
951000
5000
Jullie weten allen dat de prijs van computers elke 18 maanden halveert
16:20
and the power doubles, right?
300
956000
2000
en hun rekenkracht verdubbelt, toch?
16:22
Except that when you lay that side by side with the speed
301
958000
4000
Als je dat vergelijkt met de snelheid
16:26
with which gene data's being deposited in GenBank,
302
962000
3000
met dewelke genendata worden gedeponeerd bij GenBank,
16:29
Moore's Law is right here: it's the blue line.
303
965000
4000
dan is dit Moore's Law: die blauwe lijn.
16:34
This is on a log scale, and that's what superexponential growth means.
304
970000
4000
Dit is op een log-schaal en dat betekent superexponentiële groei.
16:38
This is going to push computers to have to grow faster
305
974000
4000
Computers zullen nog sneller moeten groeien
16:42
than they've been growing, because so far,
306
978000
2000
dan ze nu al doen,
16:44
there haven't been applications that have been required
307
980000
3000
omdat er tot nog toe geen toepassingen waren die vereisten
16:47
that need to go faster than Moore's Law. This stuff does.
308
983000
3000
dat ze sneller groeiden dan de wet van Moore. Dit spul vereist dat wel.
16:50
And here's an interesting map.
309
986000
2000
Hier een interessante kaart.
16:52
This is a map which was finished at the Harvard Business School.
310
988000
4000
Gemaakt aan de Harvard Business School.
16:56
One of the really interesting questions is, if all this data's free,
311
992000
3000
Een van de echt interessante vragen is wie, als al deze gegevens gratis zijn,
16:59
who's using it? This is the greatest public library in the world.
312
995000
4000
ze dan gebruikt? Dit is de grootste openbare bibliotheek ter wereld.
17:03
Well, it turns out that there's about 27 trillion bits
313
999000
3000
Het blijkt dat er ongeveer 27 biljoen bits
17:06
moving inside from the United States to the United States;
314
1002000
3000
zich binnen de Verenigde Staten verplaatsen;
17:09
about 4.6 trillion is going over to those European countries;
315
1005000
4000
ongeveer 4,6 biljoen gaan naar de Europese landen;
17:13
about 5.5's going to Japan; there's almost no communication
316
1009000
3000
circa 5,5 biljoen naar Japan; er is bijna geen communicatie
17:16
between Japan, and nobody else is literate in this stuff.
317
1012000
4000
tussen Japan, en niemand anders is onderlegd in dit spul.
17:20
It's free. No one's reading it. They're focusing on the war;
318
1016000
5000
Het is gratis. Niemand leest het. Ze zijn bezig met de oorlog.
17:25
they're focusing on Bush; they're not interested in life.
319
1021000
2000
Ze zijn bezig met Bush, ze zijn niet geïnteresseerd in leven.
17:28
So, this is what a new map of the world looks like.
320
1024000
2000
Zo ziet een nieuwe kaart van de wereld eruit.
17:31
That is the genomically literate world. And that is a problem.
321
1027000
6000
Dat is de genomisch geletterde wereld. Dat is een probleem.
17:37
In fact, it's not a genomically literate world.
322
1033000
2000
In feite is het geen genomisch geletterde wereld.
17:39
You can break this out by states.
323
1035000
2000
Je kan dit opdelen in staten.
17:41
And you can watch states rise and fall depending on
324
1037000
2000
Je kan staten zien stijgen en dalen wat aangaat
17:43
their ability to speak a language of life,
325
1039000
2000
hun vermogen om de taal van het leven te spreken,
17:45
and you can watch New York fall off a cliff,
326
1041000
2000
en je kunt New York
17:47
and you can watch New Jersey fall off a cliff,
327
1043000
2000
en New Jersey van een klif zien storten
17:49
and you can watch the rise of the new empires of intelligence.
328
1045000
3000
en je kunt de nieuwe rijken van intelligentie zien opkomen.
17:53
And you can break it out by counties, because it's specific counties.
329
1049000
3000
Je kan het opdelen in provincies, omdat het zekere provincies zijn.
17:56
And if you want to get more specific,
330
1052000
2000
Om het nog meer specifiek te maken,
17:58
it's actually specific zip codes.
331
1054000
2000
gaat het eigenlijk om zekere postcodes.
18:00
(Laughter)
332
1056000
2000
(Gelach)
18:02
So, you want to know where life is happening?
333
1058000
3000
Je wilt weten waar het leven gebeurt?
18:05
Well, in Southern California it's happening in 92121. And that's it.
334
1061000
5000
In Zuid-Californië gebeurt het op 92121. Dat is het.
18:11
And that's the triangle between Salk, Scripps, UCSD,
335
1067000
5000
De driehoek tussen Salk, Scripps, UCSD,
18:16
and it's called Torrey Pines Road.
336
1072000
2000
en het heet Torrey Pines Road.
18:18
That means you don't need to be a big nation to be successful;
337
1074000
3000
Dat betekent dat je geen groot land moet zijn om succesvol te worden;
18:21
it means you don't need a lot of people to be successful;
338
1077000
2000
je hebt niet eens veel mensen nodig;
18:23
and it means you can move most of the wealth of a country
339
1079000
3000
en het betekent dat je het grootste deel van de rijkdom van een land kunt verplaatsen
18:26
in about three or four carefully picked 747s.
340
1082000
3000
in drie tot vier zorgvuldig uitgekozen 747's.
18:30
Same thing in Massachusetts. Looks more spread out but --
341
1086000
4000
Hetzelfde in Massachusetts. Ziet er meer verspreid uit, maar -
18:34
oh, by the way, the ones that are the same color are contiguous.
342
1090000
3000
oh, tussen haakjes, die met dezelfde kleur grenzen aan elkaar.
18:38
What's the net effect of this?
343
1094000
2000
Wat is het netto-effect ervan?
18:40
In an agricultural society, the difference between
344
1096000
2000
In een agrarische samenleving was het verschil tussen de
18:42
the richest and the poorest,
345
1098000
1000
de rijkste en de armste,
18:44
the most productive and the least productive, was five to one. Why?
346
1100000
4000
de meest productieve en de minst productieve, vijf tegen één. Waarom?
18:48
Because in agriculture, if you had 10 kids
347
1104000
2000
Omdat in de landbouw, als je 10 kinderen had,
18:50
and you grow up a little bit earlier and you work a little bit harder,
348
1106000
3000
een beetje eerder uit bed was en een beetje harder werkte,
18:53
you could produce about five times more wealth, on average,
349
1109000
2000
je gemiddeld ongeveer vijf keer meer welvaart kon produceren
18:55
than your neighbor.
350
1111000
1000
dan je buurman.
18:57
In a knowledge society, that number is now 427 to 1.
351
1113000
3000
In een kennismaatschappij is die verhouding nu 427 tot 1 geworden.
19:01
It really matters if you're literate, not just in reading and writing
352
1117000
4000
Het maakt echt wat uit of je geletterd bent, niet alleen in lezen en schrijven,
19:05
in English and French and German,
353
1121000
2000
in Engels, Frans en Duits,
19:07
but in Microsoft and Linux and Apple.
354
1123000
2000
maar ook in Microsoft, Linux en Apple.
19:10
And very soon it's going to matter if you're literate in life code.
355
1126000
4000
Binnenkort zal het erom gaan of je geletterd bent in de code van het leven.
19:14
So, if there is something you should fear,
356
1130000
2000
Als er iets is wat je moet vrezen,
19:16
it's that you're not keeping your eye on the ball.
357
1132000
3000
is het dat je de bal uit het oog verliest.
19:19
Because it really matters who speaks life.
358
1135000
2000
Omdat het echt uitmaakt wie het leven spreken kan.
19:22
That's why nations rise and fall.
359
1138000
2000
Dat is de reden waarom landen stijgen en dalen.
19:25
And it turns out that if you went back to the 1870s,
360
1141000
3000
Het blijkt dat als je teruggaat naar 1870
19:28
the most productive nation on earth was Australia, per person.
361
1144000
3000
Australië per persoon de meest productieve natie op aarde was.
19:31
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1147000
3000
Nieuw-Zeeland kwam daarna. Dan ongeveer in 1950 de VS,
19:34
and then Switzerland about 1973, and then the U.S. got back on top --
363
1150000
3000
en dan Zwitserland in 1973, en daarna weer de VS aan de top -
19:38
beat up their chocolates and cuckoo clocks.
364
1154000
2000
ze versloegen hun chocolade en koekoeksklokken.
19:42
And today, of course, you all know that the most productive nation
365
1158000
3000
Vandaag, natuurlijk, weten jullie allen dat de meest productieve natie
19:45
on earth is Luxembourg, producing about one third more wealth
366
1161000
3000
op aarde Luxemburg is. Ze produceert ongeveer een derde meer welvaart
19:48
per person per year than America.
367
1164000
2000
per persoon per jaar dan Amerika.
19:51
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1167000
4000
Een kleine, niet aan zee grenzende staat. Geen olie. Geen diamanten. Geen natuurlijke hulpbronnen.
19:55
Just smart people moving bits. Different rules.
369
1171000
5000
Gewoon slimme mensen die bits heen en weer schuiven. Andere regels.
20:01
Here's differential productivity rates.
370
1177000
3000
Hier zijn differentiële productiviteitssnelheden.
20:05
Here's how many people it takes to produce a single U.S. patent.
371
1181000
3000
Hier staat hoeveel mensen er nodig zijn om één Amerikaans patent te produceren.
20:08
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1184000
4000
Ongeveer 3.000 Amerikanen, 6.000 Koreanen, 14.000 Britten,
20:12
790,000 Argentines. You want to know why Argentina's crashing?
373
1188000
3000
790.000 Argentijnen. Wil je weten waarom Argentinië crasht?
20:15
It's got nothing to do with inflation.
374
1191000
2000
Het heeft niets te maken met de inflatie.
20:17
It's got nothing to do with privatization.
375
1193000
2000
Het heeft niets te maken met privatisering.
20:19
You can take a Harvard-educated Ivy League economist,
376
1195000
4000
Je kan een Harvard opgeleide Ivy League econoom,
20:23
stick him in charge of Argentina. He still crashes the country
377
1199000
3000
de leiding geven over Argentinië. Hij helpt het land nog steeds naar de haaien
20:26
because he doesn't understand how the rules have changed.
378
1202000
2000
omdat hij niet begrijpt hoe de regels zijn veranderd.
20:29
Oh, yeah, and it takes about 5.6 million Indians.
379
1205000
3000
Oh, ja, en je hebt ongeveer 5,6 miljoen Indiërs nodig.
20:32
Well, watch what happens to India.
380
1208000
2000
Nou, kijk wat er gebeurt met India.
20:34
India and China used to be 40 percent of the global economy
381
1210000
3000
India en China stonden in voor 40 procent van de wereldeconomie
20:37
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1213000
5000
tijdens de Industriële Revolutie, en staan nu op ongeveer 4,8 procent.
20:42
Two billion people. One third of the global population producing 5 percent of the wealth
383
1218000
4000
Twee miljard mensen. Een derde van de wereldbevolking produceert 5 procent van de rijkdom
20:46
because they didn't get this change,
384
1222000
3000
omdat ze deze verandering niet meekregen.
20:49
because they kept treating their people like serfs
385
1225000
2000
Zij bleven hun mensen als lijfeigenen behandelen
20:51
instead of like shareholders of a common project.
386
1227000
3000
in plaats van als aandeelhouders van een gemeenschappelijk project.
20:55
They didn't keep the people who were educated.
387
1231000
3000
Ze konden hun opgeleide mensen niet aan zich binden.
20:58
They didn't foment the businesses. They didn't do the IPOs.
388
1234000
2000
Ze hebben hun bedrijven niet aangewakkerd. Ze deden geen beursintroducties.
21:01
Silicon Valley did. And that's why they say
389
1237000
4000
Silicon Valley wel. Daarom zeggen ze
21:05
that Silicon Valley has been powered by ICs.
390
1241000
2000
dat Silicon Valley door IC's wordt aangedreven.
21:08
Not integrated circuits: Indians and Chinese.
391
1244000
3000
Geen geïntegreerde schakelingen: Indiërs en Chinezen.
21:11
(Laughter)
392
1247000
4000
(Gelach)
21:15
Here's what's happening in the world.
393
1251000
2000
Hier is wat er gebeurt in de wereld.
21:17
It turns out that if you'd gone to the U.N. in 1950,
394
1253000
3000
In 1950, toen ze werd opgericht,
21:20
when it was founded, there were 50 countries in this world.
395
1256000
2000
telde de VN 50 landen.
21:22
It turns out there's now about 192.
396
1258000
3000
Nu ongeveer 192.
21:25
Country after country is splitting, seceding, succeeding, failing --
397
1261000
4000
Land na land splitst, scheidt zich af, slaagt, mislukt.
21:30
and it's all getting very fragmented. And this has not stopped.
398
1266000
5000
Het wordt allemaal steeds meer versnipperd. En het stopt niet.
21:35
In the 1990s, these are sovereign states
399
1271000
3000
Deze soevereine staten bestonden
21:38
that did not exist before 1990.
400
1274000
2000
niet voor 1990.
21:40
And this doesn't include fusions or name changes or changes in flags.
401
1276000
5000
Hierbij zijn geen fusies, naamswijzigingen of veranderingen van vlaggen.
21:45
We're generating about 3.12 states per year.
402
1281000
3000
We genereren ongeveer 3,12 staten per jaar.
21:48
People are taking control of their own states,
403
1284000
3000
Mensen nemen de controle over hun eigen staten.
21:51
sometimes for the better and sometimes for the worse.
404
1287000
3000
Soms valt dat mee en soms ook tegen.
21:54
And the really interesting thing is,
405
1290000
2000
Het echt interessante ding is dat
21:56
you and your kids are empowered to build great empires,
406
1292000
2000
jullie en jullie kinderen in staat zijn om grote rijken uit te bouwen
21:58
and you don't need a lot to do it.
407
1294000
2000
en je niet eens veel nodig hebt om dat te doen.
22:00
(Music)
408
1296000
2000
(Muziek)
22:02
And, given that the music is over, I was going to talk
409
1298000
3000
Gezien de muziek is afgelopen, wilde ik praten
22:05
about how you can use this to generate a lot of wealth,
410
1301000
3000
over hoe je dit kunt gebruiken om een hoop rijkdom te genereren
22:08
and how code works.
411
1304000
2000
en over hoe code werkt.
22:10
Moderator: Two minutes.
412
1306000
1000
(Moderator: Twee minuten)
22:11
(Laughter)
413
1307000
2000
(Gelach)
22:13
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1309000
4000
Nee, ik ga nu stoppen en we doen dat volgend jaar
22:17
because I don't want to take any of Laurie's time.
415
1313000
2000
want ik wil Laurie's tijd niet in beslag nemen.
22:20
But thank you very much.
416
1316000
1000
Maar heel erg bedankt.
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com