TED2008
Paul Rothemund: DNA folding, in detail
Paul Rothemnund: Składanie DNA w szczegółach
Filmed:
Readability: 4
752,456 views
Na konferencji TED w roku 2007 Paul Rothemund przedstawił krótki opis swojej specjalności, czyli składania DNA. W tej prelekcji przedstawia jasno i szczegółowo, co może przynieść ta obiecująca dziedzina - mikroskopijne maszyny, które montują się same.
Paul Rothemund - DNA origamist
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Double-click the English transcript below to play the video.
00:12
So, people argue vigorously about the definition of life.
0
0
3000
Trwają burzliwe dyskusje o definicji życia.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
3000
5000
Czy uwzględnić w niej rozmnażanie, metabolizm, ewolucję?
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
8000
2000
Nie znam odpowiedzi, ale uważam,
00:22
I will say that life involves computation.
3
10000
3000
że życie wiąże się z obliczeniami.
00:25
So this is a computer program.
4
13000
2000
To jest program komputerowy.
00:27
Booted up in a cell, the program would execute,
5
15000
3000
Jeśli uruchomilibyśmy go w komórce,
00:30
and it could result in this person;
6
18000
3000
rezultatem mogłaby być ta osoba,
00:33
or with a small change, it could result in this person;
7
21000
3000
a po niewielkich zmianach ta,
00:36
or another small change, this person;
8
24000
2000
po innej zmianie ta,
00:38
or with a larger change, this dog,
9
26000
3000
a po większej zmianie ten pies,
00:41
or this tree, or this whale.
10
29000
2000
drzewo czy wieloryb.
00:43
So now, if you take this metaphor
11
31000
2000
Biorąc na poważnie metaforę genomu jako programu,
00:45
[of] genome as program seriously,
12
33000
2000
Biorąc na poważnie metaforę genomu jako programu,
00:47
you have to consider that Chris Anderson
13
35000
2000
musimy założyć, że Chris Anderson
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
37000
3000
to wytwór komputera, tak jak Jim Watson,
00:52
Craig Venter, as are all of us.
15
40000
3000
Craig Venter i wszyscy z nas.
00:55
And in convincing yourself that this metaphor is true,
16
43000
2000
Do tego, że to prawdziwa metafora,
00:57
there are lots of similarities between genetic programs
17
45000
2000
mogą przekonywać podobieństwa
00:59
and computer programs that could help to convince you.
18
47000
3000
programów genetycznych i komputerowych.
01:02
But one, to me, that's most compelling
19
50000
2000
Do mnie najbardziej przemawia
01:04
is the peculiar sensitivity to small changes
20
52000
3000
wyjątkowa podatność na małe zmiany,
01:07
that can make large changes in biological development -- the output.
21
55000
3000
które powodują ogromne zmiany w rozwoju biologicznym.
01:10
A small mutation can take a two-wing fly
22
58000
2000
Niewielka mutacja dodaje musze parę skrzydeł.
01:12
and make it a four-wing fly.
23
60000
1000
Niewielka mutacja dodaje musze parę skrzydeł.
01:13
Or it could take a fly and put legs where its antennae should be.
24
61000
4000
Może też wstawić nogi tam, gdzie powinny być czułki.
01:17
Or if you're familiar with "The Princess Bride,"
25
65000
2000
Albo jak w "Narzeczonej dla księcia"
01:19
it could create a six-fingered man.
26
67000
2000
dać człowiekowi sześć palców.
01:21
Now, a hallmark of computer programs
27
69000
2000
Ta podatność na małe zmiany
01:23
is just this kind of sensitivity to small changes.
28
71000
3000
to cecha charakterystyczna programów komputerowych.
01:26
If your bank account's one dollar, and you flip a single bit,
29
74000
2000
Po zmianie jednego bitu
01:28
you could end up with a thousand dollars.
30
76000
2000
z dolara na koncie robi się tysiąc.
01:30
So these small changes are things that I think
31
78000
3000
Uważam, że mając na uwadze rolę małych zmian
01:33
that -- they indicate to us that a complicated computation
32
81000
2000
możemy stwierdzić, że to złożone obliczenia
01:35
in development is underlying these amplified, large changes.
33
83000
4000
stoją za tymi wielkimi zmianami w rozwoju organizmu.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
87000
6000
To wszystko pokazuje, że biologią sterują programy molekularne,
01:45
and it shows the power of molecular programs -- biology does.
35
93000
4000
a ich moc pokazuje się właśnie w biologii.
01:49
And what I want to do is write molecular programs,
36
97000
2000
A ja chcę pisać programy molekularne
01:51
potentially to build technology.
37
99000
2000
produkujące rozwiązania technologiczne.
01:53
And there are a lot of people doing this,
38
101000
1000
Zajmuje się tym wielu biologów syntetycznych, jak Craig Venter,
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
102000
3000
Zajmuje się tym wielu biologów syntetycznych, jak Craig Venter,
01:57
And they concentrate on using cells.
40
105000
2000
którzy skupiają się na komórkach.
01:59
They're cell-oriented.
41
107000
2000
którzy skupiają się na komórkach.
02:01
So my friends, molecular programmers, and I
42
109000
2000
My, programiści molekularni,
02:03
have a sort of biomolecule-centric approach.
43
111000
2000
koncentrujemy się na cząsteczkach.
02:05
We're interested in using DNA, RNA and protein,
44
113000
3000
Interesują nas DNA, RNA i białka
02:08
and building new languages for building things from the bottom up,
45
116000
3000
Budujemy nowe języki, konstruujemy od podstaw
02:11
using biomolecules,
46
119000
1000
za pomocą bio-cząsteczek,
02:12
potentially having nothing to do with biology.
47
120000
3000
które mogą mieć mało wspólnego z biologią.
02:15
So, these are all the machines in a cell.
48
123000
4000
Oto, jakie maszyny zawiera komórka.
02:19
There's a camera.
49
127000
2000
To aparat.
02:21
There's the solar panels of the cell,
50
129000
1000
To panele słoneczne,
02:22
some switches that turn your genes on and off,
51
130000
2000
włączniki genów,
02:24
the girders of the cell, motors that move your muscles.
52
132000
3000
rusztowanie komórki, maszyny poruszające mięśniami.
02:27
My little group of molecular programmers
53
135000
2000
Moja grupa programistów molekularnych
02:29
are trying to refashion all of these parts from DNA.
54
137000
4000
stara się odbudować te urządzenia za pomocą DNA.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
141000
2000
Wybraliśmy DNA, bo to najtańszy
02:35
easiest to understand and easy to program material to do this.
56
143000
3000
i najłatwiejszy do zrozumienia i zaprogramowania materiał.
02:38
And as other things become easier to use --
57
146000
2000
Przerzucimy się na coś innego,
02:40
maybe protein -- we'll work with those.
58
148000
3000
jak białka, jeśli staną się łatwiejsze w użyciu.
02:43
If we succeed, what will molecular programming look like?
59
151000
2000
Czym będzie programowanie molekularne?
02:45
You're going to sit in front of your computer.
60
153000
2000
Będzie odbywało się na komputerze.
02:47
You're going to design something like a cell phone,
61
155000
2000
Zaprojektujemy na przykład telefon
02:49
and in a high-level language, you'll describe that cell phone.
62
157000
2000
i opiszemy w języku wysokiego poziomu.
02:51
Then you're going to have a compiler
63
159000
2000
Potem kompilator zmieni ten opis
02:53
that's going to take that description
64
161000
1000
Potem kompilator zmieni ten opis
02:54
and it's going to turn it into actual molecules
65
162000
2000
w cząsteczki, które można posłać do syntezatora,
02:56
that can be sent to a synthesizer
66
164000
2000
w cząsteczki, które można posłać do syntezatora,
02:58
and that synthesizer will pack those molecules into a seed.
67
166000
3000
który zrobi z nich nasionko.
03:01
And what happens if you water and feed that seed appropriately,
68
169000
3000
Jeśli zapewnimy mu składniki odżywcze i wodę,
03:04
is it will do a developmental computation,
69
172000
2000
przeprowadzi obliczenia molekularne
03:06
a molecular computation, and it'll build an electronic computer.
70
174000
3000
i zbuduje komputer elektroniczny.
03:09
And if I haven't revealed my prejudices already,
71
177000
2000
uważam że życie to budowanie przez komputery molekularne
03:12
I think that life has been about molecular computers
72
180000
2000
uważam że życie to budowanie przez komputery molekularne
03:14
building electrochemical computers,
73
182000
2000
komputerów elektrochemicznych,
03:16
building electronic computers,
74
184000
2000
które budują komputery elektroniczne,
03:18
which together with electrochemical computers
75
186000
2000
które przy pomocy elektrochemicznych
03:20
will build new molecular computers,
76
188000
2000
zbudują nowe komputery molekularne,
03:22
which will build new electronic computers, and so forth.
77
190000
3000
które zbudują nowe komputery elektroniczne itd.
03:25
And if you buy all of this,
78
193000
1000
Jeśli przekonuje was pogląd, że życie to obliczenia,
03:26
and you think life is about computation, as I do,
79
194000
2000
Jeśli przekonuje was pogląd, że życie to obliczenia,
03:28
then you look at big questions through the eyes of a computer scientist.
80
196000
3000
spoglądacie na wielkie pytania okiem informatyka.
03:31
So one big question is, how does a baby know when to stop growing?
81
199000
4000
Jednym z takich pytań jest "skąd płód wie, kiedy przestać rosnąć"?
03:35
And for molecular programming,
82
203000
2000
Programista molekularny pyta,
03:37
the question is how does your cell phone know when to stop growing?
83
205000
2000
kiedy przestanie rosnąć telefon.
03:39
(Laughter)
84
207000
1000
(Śmiech)
03:40
Or how does a computer program know when to stop running?
85
208000
3000
Albo skąd program wie, kiedy przestać działać?
03:43
Or more to the point, how do you know if a program will ever stop?
86
211000
3000
A co ważniejsze, jak stwierdzić, czy kiedyś się zatrzyma?
03:46
There are other questions like this, too.
87
214000
2000
Istnieją inne podobne pytania.
03:48
One of them is Craig Venter's question.
88
216000
2000
Jedno z nich zadał Craig Venter.
03:50
Turns out I think he's actually a computer scientist.
89
218000
2000
Chyba ma w sobie informatyka.
03:52
He asked, how big is the minimal genome
90
220000
3000
Zapytał, jak dalece można zmniejszyć genom,
03:55
that will give me a functioning microorganism?
91
223000
2000
który daje funkcjonujący mikroorganizm?
03:57
How few genes can I use?
92
225000
2000
Ile genów jest niezbędnych?
03:59
This is exactly analogous to the question,
93
227000
2000
Analogicznym pytaniem jest:
04:01
what's the smallest program I can write
94
229000
1000
"Jak bardzo mały program będzie działał jak MS Word?"
04:02
that will act exactly like Microsoft Word?
95
230000
2000
"Jak bardzo mały program będzie działał jak MS Word?"
04:04
(Laughter)
96
232000
1000
(Śmiech)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
233000
4000
Craig pisze bakterie o małych genomach, które jednak działają,
04:09
he's writing genomes that will work,
98
237000
1000
Craig pisze bakterie o małych genomach, które jednak działają,
04:10
we could write smaller programs
99
238000
2000
a my piszemy jak najmniejsze programy
04:12
that would do what Microsoft Word does.
100
240000
2000
z funkcjami takimi jak MS Word.
04:14
But for molecular programming, our question is,
101
242000
2000
W programowaniu molekularnym pytamy,
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
244000
4000
ile cząsteczek musi mieć nasionko, żeby wyrósł telefon?
04:20
What's the smallest number we can get away with?
103
248000
2000
Jaka jest najmniejsza liczba?
04:22
Now, these are big questions in computer science.
104
250000
2000
To "wielkie pytania" informatyki.
04:24
These are all complexity questions,
105
252000
2000
Informatyka uczy nas,
04:26
and computer science tells us that these are very hard questions.
106
254000
2000
że pytania o złożoność są trudne.
04:28
Almost -- many of them are impossible.
107
256000
2000
Na wiele nie ma odpowiedzi.
04:30
But for some tasks, we can start to answer them.
108
258000
3000
Ale znaleźliśmy odpowiedź w przypadku kilku zadań.
04:33
So, I'm going to start asking those questions
109
261000
1000
Zadam te pytania w kontekście struktur DNA.
04:34
for the DNA structures I'm going to talk about next.
110
262000
3000
Zadam te pytania w kontekście struktur DNA.
04:37
So, this is normal DNA, what you think of as normal DNA.
111
265000
3000
To zwykle uważamy za "normalne" DNA.
04:40
It's double-stranded, it's a double helix,
112
268000
2000
Są dwa łańcuchy, podwójna helisa,
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
270000
3000
łączące łańcuchy pary zasad A, T, C i G.
04:45
And I'm going to draw it like this sometimes,
114
273000
2000
Ostrzegam, że czasami będę przedstawiał to tak.
04:47
just so I don't scare you.
115
275000
2000
Ostrzegam, że czasami będę przedstawiał to tak.
04:49
We want to look at individual strands and not think about the double helix.
116
277000
3000
Tutaj koncentrujemy się na łańcuchu, nie na helisie.
04:52
When we synthesize it, it comes single-stranded,
117
280000
3000
Syntezuje się pojedyncze łańcuchy.
04:55
so we can take the blue strand in one tube
118
283000
3000
W jednej próbówce mamy łańcuch niebieski,
04:58
and make an orange strand in the other tube,
119
286000
2000
w drugim barwiony na pomarańczowo.
05:00
and they're floppy when they're single-stranded.
120
288000
2000
Pojedyncze łańcuchy są wiotkie.
05:02
You mix them together and they make a rigid double helix.
121
290000
3000
Po złączeniu robi się sztywna podwójna helisa.
05:05
Now for the last 25 years,
122
293000
2000
Od 25 lat Ned Seeman i jego naśladowcy
05:07
Ned Seeman and a bunch of his descendants
123
295000
2000
Od 25 lat Ned Seeman i jego naśladowcy
05:09
have worked very hard and made beautiful three-dimensional structures
124
297000
3000
tworzą piękne, trójwymiarowe struktury
05:12
using this kind of reaction of DNA strands coming together.
125
300000
3000
za pomocą łączenia łańcuchów DNA.
05:15
But a lot of their approaches, though elegant, take a long time.
126
303000
3000
Ale ich rozwiązania są w większości długotrwałe.
05:18
They can take a couple of years, or it can be difficult to design.
127
306000
3000
Trwa to kilka lat, projektowanie bywa trudne.
05:21
So I came up with a new method a couple of years ago
128
309000
3000
Dlatego dwa lata temu opracowałem nową metodę,
05:24
I call DNA origami
129
312000
1000
czyli origami DNA.
05:25
that's so easy you could do it at home in your kitchen
130
313000
2000
Jest tak prosta, że projektować można w domu na laptopie.
05:27
and design the stuff on a laptop.
131
315000
2000
Jest tak prosta, że projektować można w domu na laptopie.
05:29
But to do it, you need a long, single strand of DNA,
132
317000
3000
Ale najpierw potrzebujemy długiego łańcucha DNA,
05:32
which is technically very difficult to get.
133
320000
2000
który niełatwo uzyskać.
05:34
So, you can go to a natural source.
134
322000
2000
Dlatego szukamy go w naturze.
05:36
You can look in this computer-fabricated artifact,
135
324000
2000
Ten wytwór komputera odpada,
05:38
and he's got a double-stranded genome -- that's no good.
136
326000
2000
bo ma podwójną helisę.
05:40
You look in his intestines. There are billions of bacteria.
137
328000
3000
A może miliardy bakterii w jego jelitach?
05:43
They're no good either.
138
331000
2000
Też na nic.
05:45
Double strand again, but inside them, they're infected with a virus
139
333000
2000
Znów podwójna helisa,
05:47
that has a nice, long, single-stranded genome
140
335000
3000
ale bakterie zakażone są wirusem o jednym łańcuchu DNA,
05:50
that we can fold like a piece of paper.
141
338000
2000
który można składać jak papier,
05:52
And here's how we do it.
142
340000
1000
a robi się to tak.
05:53
This is part of that genome.
143
341000
1000
To część tego genomu.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
342000
3000
Dodajemy syntetyczne DNA, tak zwane "zszywacze".
05:57
Each one has a left half that binds the long strand in one place,
145
345000
4000
Lewa strona wiąże się z łańcuchem w określonym miejscu,
06:01
and a right half that binds it in a different place,
146
349000
3000
prawa strona doczepia się do innego,
06:04
and brings the long strand together like this.
147
352000
2000
i tak łańcuch się składa.
06:07
The net action of many of these on that long strand
148
355000
2000
Takie spinacze składają łańcuch w prostokąt.
06:09
is to fold it into something like a rectangle.
149
357000
2000
Takie spinacze składają łańcuch w prostokąt.
06:11
Now, we can't actually take a movie of this process,
150
359000
2000
Tego procesu nie uchwyci kamera,
06:13
but Shawn Douglas at Harvard
151
361000
2000
ale Shawn Douglas z Harvarda
06:15
has made a nice visualization for us
152
363000
2000
przygotował nam fajną wizualizację,
06:17
that begins with a long strand and has some short strands in it.
153
365000
4000
w której widzimy łańcuch długi i trochę krótkich.
06:21
And what happens is that we mix these strands together.
154
369000
4000
Mieszamy te łańcuchy,
06:25
We heat them up, we add a little bit of salt,
155
373000
2000
podgrzewamy, dodajemy soli,
06:27
we heat them up to almost boiling and cool them down,
156
375000
2000
doprowadzamy blisko wrzenia i chłodzimy,
06:29
and as we cool them down,
157
377000
1000
a podczas chłodzenia krótkie łańcuchy wiążą długie,
06:30
the short strands bind the long strands
158
378000
2000
a podczas chłodzenia krótkie łańcuchy wiążą długie,
06:32
and start to form structure.
159
380000
2000
przez co powstaje struktura.
06:34
And you can see a little bit of double helix forming there.
160
382000
3000
Tu formuje się podwójna helisa.
06:38
When you look at DNA origami,
161
386000
2000
Na tym obrazie widać, że origami DNA
06:40
you can see that what it really is,
162
388000
3000
Na tym obrazie widać, że origami DNA
06:43
even though you think it's complicated,
163
391000
1000
to po prostu równolegle ułożone podwójne helisy,
06:44
is a bunch of double helices that are parallel to each other,
164
392000
3000
to po prostu równolegle ułożone podwójne helisy,
06:47
and they're held together
165
395000
2000
powiązane w miejscach, gdzie krótkie łańcuchy
06:49
by places where short strands go along one helix
166
397000
2000
powiązane w miejscach, gdzie krótkie łańcuchy
06:51
and then jump to another one.
167
399000
2000
łączą dwie helisy.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
401000
3000
Tu widzimy, jak krótki łańcuch zakręca wokół helisy,
06:56
it jumps to another helix and comes back.
169
404000
2000
łączy się z inną i wraca,
06:58
That holds the long strand like this.
170
406000
2000
co utrzymuje kształt długiego łańcucha.
07:00
Now, to show that we could make any shape or pattern
171
408000
3000
Aby pokazać, że można stworzyć dowolny kształt,
07:03
that we wanted, I tried to make this shape.
172
411000
2000
postanowiłem zrobić coś takiego.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
414000
2000
Struktura DNA rysuje oko,
07:08
down the nose, up the nose, around the forehead,
174
416000
3000
okrąża nos, czoło,
07:11
back down and end in a little loop like this.
175
419000
3000
a na dole kończy się taką pętelką.
07:14
And so, I thought, if this could work, anything could work.
176
422000
3000
Stwierdziłem, że jeśli uda się to, wszystko jest możliwe.
07:17
So I had the computer program design the short staples to do this.
177
425000
3000
Program komputerowy zaprojektował zszywacze.
07:20
I ordered them; they came by FedEx.
178
428000
2000
Gotowe przywiózł kurier.
07:22
I mixed them up, heated them, cooled them down,
179
430000
2000
Zmieszałem, podgrzałem, schłodziłem
07:24
and I got 50 billion little smiley faces
180
432000
4000
i powstało 50 miliardów uśmieszków,
07:28
floating around in a single drop of water.
181
436000
2000
wypełniających kroplę wody.
07:30
And each one of these is just
182
438000
2000
Każdy z nich ma średnicę
07:32
one-thousandth the width of a human hair, OK?
183
440000
4000
równą jednej tysięcznej średnicy ludzkiego włosa.
07:36
So, they're all floating around in solution, and to look at them,
184
444000
3000
Żeby je obejrzeć, trzeba wydostać je z roztworu
07:39
you have to get them on a surface where they stick.
185
447000
2000
na powierzchnię, do której się przykleją.
07:41
So, you pour them out onto a surface
186
449000
2000
Kiedy już umieścimy je na powierzchni,
07:43
and they start to stick to that surface,
187
451000
2000
Kiedy już umieścimy je na powierzchni,
07:45
and we take a picture using an atomic-force microscope.
188
453000
2000
bada je mikroskop sił atomowych.
07:47
It's got a needle, like a record needle,
189
455000
2000
Jego igła, jak w gramofonie,
07:49
that goes back and forth over the surface,
190
457000
2000
śmiga tam i z powrotem,
07:51
bumps up and down, and feels the height of the first surface.
191
459000
3000
dotyka wybrzuszeń i bada powierzchnię.
07:54
It feels the DNA origami.
192
462000
2000
Wyczuwa origami DNA.
07:56
There's the atomic-force microscope working
193
464000
2000
Tu widzimy, jak działa.
07:59
and you can see that the landing's a little rough.
194
467000
1000
Widzimy trochę uszkodzeń.
08:00
When you zoom in, they've got, you know,
195
468000
2000
Zbliżenie pokazuje żuchwy wiszące nad głowami,
08:02
weak jaws that flip over their heads
196
470000
1000
Zbliżenie pokazuje żuchwy wiszące nad głowami,
08:03
and some of their noses get punched out, but it's pretty good.
197
471000
3000
połamane nosy, ale ogólnie jest dobrze.
08:06
You can zoom in and even see the extra little loop,
198
474000
2000
Widać nawet pętelkę, czyli nano-bródkę.
08:08
this little nano-goatee.
199
476000
2000
Widać nawet pętelkę, czyli nano-bródkę.
08:10
Now, what's great about this is anybody can do this.
200
478000
3000
Świetne jest to, że każdy może to zrobić.
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
481000
4000
Rok po tym dokonaniu dostałem coś takiego mailem.
08:17
Anyone know what this is? What is it?
202
485000
3000
Kto wie, co tu widzimy?
08:20
It's China, right?
203
488000
2000
Właśnie, Chiny.
08:22
So, what happened is, a graduate student in China,
204
490000
2000
Autorką jest magistrantka z Chin, Lulu Qian.
08:24
Lulu Qian, did a great job.
205
492000
2000
Autorką jest magistrantka z Chin, Lulu Qian.
08:26
She wrote all her own software
206
494000
2000
Sama napisała oprogramowanie,
08:28
to design and built this DNA origami,
207
496000
2000
które zaprojektowało i zbudowało
08:30
a beautiful rendition of China, which even has Taiwan,
208
498000
3000
ten piękny obraz Chin z DNA, razem z Tajwanem,
08:33
and you can see it's sort of on the world's shortest leash, right?
209
501000
3000
który jest na najkrótszej smyczy na świecie.
08:36
(Laughter)
210
504000
2000
(Śmiech)
08:39
So, this works really well
211
507000
1000
Więc technologia działa, można robić różne struktury.
08:41
and you can make patterns as well as shapes, OK?
212
509000
2000
Więc technologia działa, można robić różne struktury.
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
512000
3000
Mamy tu mapę Ameryk i "DNA" napisane w DNA.
08:47
And what's really neat about it --
214
515000
3000
A bardzo fajne jest to,
08:50
well, actually, this all looks like nano-artwork,
215
518000
2000
że okazuje się, że nano-sztuka
08:52
but it turns out that nano-artwork
216
520000
1000
pozwala tworzyć nano-obwody.
08:53
is just what you need to make nano-circuits.
217
521000
2000
pozwala tworzyć nano-obwody.
08:55
So, you can put circuit components on the staples,
218
523000
2000
Do zszywaczy można wstawić
08:57
like a light bulb and a light switch.
219
525000
2000
elementy obwodu, jak żarówka i łącznik.
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
527000
3000
Po złożeniu otrzymamy jakiś obwód.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
530000
3000
Potem można zmyć DNA i zostanie sam obwód.
09:05
So, this is what some colleagues of mine at Caltech did.
222
533000
2000
Tego dokonali koledzy z Caltech.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
535000
3000
Za pomocą origami DNA ułożyli nanorurki węglowe,
09:10
made a little switch, you see here, wired it up,
224
538000
2000
zrobili i podłączyli łącznik,
09:12
tested it and showed that it is indeed a switch.
225
540000
3000
a w testach wyszło, że łącznik działa.
09:15
Now, this is just a single switch
226
543000
2000
To tylko jeden łącznik,
09:17
and you need half a billion for a computer, so we have a long way to go.
227
545000
4000
a komputer potrzebuje miliarda, więc to nie koniec.
09:21
But this is very promising
228
549000
2000
Ale to bardzo obiecujące,
09:23
because the origami can organize parts just one-tenth the size
229
551000
5000
bo origami układa części wielkości jednej dziesiątej
09:28
of those in a normal computer.
230
556000
1000
tych w komputerze.
09:29
So it's very promising for making small computers.
231
557000
3000
Będzie można tworzyć bardzo małe komputery.
09:32
Now, I want to get back to that compiler.
232
560000
3000
Wróćmy do kwestii kompilatora.
09:35
The DNA origami is a proof that that compiler actually works.
233
563000
3000
Origami DNA to dowód, że kompilator działa.
09:39
So, you start with something in the computer.
234
567000
2000
Zaczynamy w komputerze,
09:41
You get a high-level description of the computer program,
235
569000
3000
od programu w języku wysokiego poziomu,
09:44
a high-level description of the origami.
236
572000
2000
opisującego origami.
09:46
You can compile it to molecules, send it to a synthesizer,
237
574000
3000
Kompilator prowadzi do cząsteczek, można je syntezować.
09:49
and it actually works.
238
577000
1000
Kompilator prowadzi do cząsteczek, można je syntezować.
09:50
And it turns out that a company has made a nice program
239
578000
4000
W programie stworzonym niedawno przez pewną firmę,
09:54
that's much better than my code, which was kind of ugly,
240
582000
2000
lepszym niż mój brzydki kod,
09:56
and will allow us to do this in a nice,
241
584000
1000
robi się za pomocą miłego, wizualnego interfejsu.
09:57
visual, computer-aided design way.
242
585000
2000
robi się za pomocą miłego, wizualnego interfejsu.
10:00
So, now you can say, all right,
243
588000
1000
Ale dlaczego origami DNA nam nie wystarczy?
10:01
why isn't DNA origami the end of the story?
244
589000
2000
Ale dlaczego origami DNA nam nie wystarczy?
10:03
You have your molecular compiler, you can do whatever you want.
245
591000
2000
Mamy przecież komputer molekularny.
10:05
The fact is that it does not scale.
246
593000
3000
Otóż ograniczeniem jest skala.
10:08
So if you want to build a human from DNA origami,
247
596000
3000
Gdybyśmy chcieli ułożyć człowieka z origami DNA,
10:11
the problem is, you need a long strand
248
599000
2000
potrzebowalibyśmy łańcucha o 10 bilionach par.
10:13
that's 10 trillion trillion bases long.
249
601000
3000
potrzebowalibyśmy łańcucha o 10 bilionach par.
10:16
That's three light years' worth of DNA,
250
604000
2000
To długość trzech lat świetlnych,
10:18
so we're not going to do this.
251
606000
2000
więc nic z tego nie będzie.
10:20
We're going to turn to another technology,
252
608000
2000
Z pomocą przychodzi inna technologia,
10:22
called algorithmic self-assembly of tiles.
253
610000
2000
algorytmiczne samomontowanie płytek.
10:24
It was started by Erik Winfree,
254
612000
2000
Pomysłodawcą jest Erik Winfree.
10:26
and what it does,
255
614000
1000
Korzysta ona z płytek, które mierzą jedną setną origami DNA.
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
615000
4000
Korzysta ona z płytek, które mierzą jedną setną origami DNA.
10:31
You zoom in, there are just four DNA strands
257
619000
2000
Mamy cztery łańcuchy DNA
10:34
and they have little single-stranded bits on them
258
622000
2000
z pojedynczymi zszywaczami,
10:36
that can bind to other tiles, if they match.
259
624000
2000
które łączą się z odpowiednimi płytkami.
10:38
And we like to draw these tiles as little squares.
260
626000
3000
Najłatwiej przedstawić te płytki jako kwadraty.
10:42
And if you look at their sticky ends, these little DNA bits,
261
630000
2000
Przyglądając się miejscom połączeń,
10:44
you can see that they actually form a checkerboard pattern.
262
632000
3000
widzimy, że tworzą razem układ szachownicy.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
635000
3000
Te płytki budują skomplikowaną szachownicę.
10:50
And the point of this, if you didn't catch that,
264
638000
2000
Jeśli to nie było jasne,
10:52
is that tiles are a kind of molecular program
265
640000
3000
płytki stanowią rodzaj programu molekularnego
10:55
and they can output patterns.
266
643000
3000
i produkują różne wzory.
10:58
And a really amazing part of this is
267
646000
2000
Fascynujące jest to,
11:00
that any computer program can be translated
268
648000
2000
że każdy program komputerowy
11:02
into one of these tile programs -- specifically, counting.
269
650000
3000
można przetłumaczyć na płytki, szczególnie obliczenia.
11:05
So, you can come up with a set of tiles
270
653000
3000
Możemy opracować zestaw płytek,
11:08
that when they come together, form a little binary counter
271
656000
3000
które razem utworzą mały licznik binarny,
11:11
rather than a checkerboard.
272
659000
2000
zamiast szachownicy.
11:13
So you can read off binary numbers five, six and seven.
273
661000
3000
Z tego odczytamy zapisane dwójkowo 5, 6 i 7.
11:16
And in order to get these kinds of computations started right,
274
664000
3000
Żeby odpowiednio rozpocząć takie obliczenia,
11:19
you need some kind of input, a kind of seed.
275
667000
2000
musimy mieć dane wejściowe.
11:21
You can use DNA origami for that.
276
669000
2000
Do tego może służyć origami DNA.
11:23
You can encode the number 32
277
671000
2000
Można zapisać numer 32
11:25
in the right-hand side of a DNA origami,
278
673000
2000
po prawej stronie origami DNA
11:27
and when you add those tiles that count,
279
675000
2000
a po dodaniu płytek odliczających
11:29
they will start to count -- they will read that 32
280
677000
3000
zacznie się odliczanie, liczba 32 zostanie odczytana
11:32
and they'll stop at 32.
281
680000
2000
i proces zatrzyma się na 32.
11:34
So, what we've done is we've figured out a way
282
682000
3000
Innymi słowy, rozwiązaliśmy problem tego,
11:37
to have a molecular program know when to stop going.
283
685000
3000
jak zatrzymać program molekularny.
11:40
It knows when to stop growing because it can count.
284
688000
2000
Program wie, gdzie się zatrzymać, bo potrafi odliczać.
11:42
It knows how big it is.
285
690000
2000
Program wie, gdzie się zatrzymać, bo potrafi odliczać.
11:44
So, that answers that sort of first question I was talking about.
286
692000
3000
To odpowiedź na pierwszy problem, o którym mówiłem.
11:47
It doesn't tell us how babies do it, however.
287
695000
3000
Ale ciągle nie wiemy, jak robi to płód.
11:50
So now, we can use this counting to try and get at much bigger things
288
698000
4000
Dzięki odliczaniu możemy robić większe rzeczy z origami DNA.
11:54
than DNA origami could otherwise.
289
702000
1000
Dzięki odliczaniu możemy robić większe rzeczy z origami DNA.
11:55
Here's the DNA origami, and what we can do
290
703000
3000
Mamy tu origami DNA.
11:58
is we can write 32 on both edges of the DNA origami,
291
706000
3000
Możemy zakodować "32" po obu stronach,
12:01
and we can now use our watering can
292
709000
2000
wziąć konewkę,
12:03
and water with tiles, and we can start growing tiles off of that
293
711000
4000
podlać je płytkami, żeby rosły następne,
12:07
and create a square.
294
715000
2000
i stworzyć kwadrat.
12:09
The counter serves as a template
295
717000
3000
Licznik to szablon, na podstawie którego
12:12
to fill in a square in the middle of this thing.
296
720000
2000
wypełniamy kwadrat środkowy.
12:14
So, what we've done is we've succeeded
297
722000
1000
W taki sposób zrobiliśmy z origami DNA coś większego,
12:15
in making something much bigger than a DNA origami
298
723000
3000
W taki sposób zrobiliśmy z origami DNA coś większego,
12:18
by combining DNA origami with tiles.
299
726000
3000
łącząc origami z płytkami.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
729000
3000
A to można przeprogramować.
12:24
You can just change a couple of the DNA strands in this binary representation
301
732000
4000
Po zmianie dwóch łańcuchów DNA w odwzorowaniu dwójkowym
12:28
and you'll get 96 rather than 32.
302
736000
3000
otrzymujemy 96, zamiast 32.
12:31
And if you do that, the origami's the same size,
303
739000
3000
Wtedy origami DNA ma ten sam rozmiar,
12:34
but the resulting square that you get is three times bigger.
304
742000
4000
ale powstały kwadrat jest trzykrotnie większy.
12:39
So, this sort of recapitulates
305
747000
1000
To idea rozwoju, o której mówiłem.
12:40
what I was telling you about development.
306
748000
2000
To idea rozwoju, o której mówiłem.
12:42
You have a very sensitive computer program
307
750000
3000
Zaczynamy od programu komputerowego,
12:45
where small changes -- single, tiny, little mutations --
308
753000
3000
podatnego na małe zmiany, mutacje,
12:48
can take something that made one size square
309
756000
2000
które z programu budującego kwadrat
12:50
and make something very much bigger.
310
758000
3000
robią coś, co tworzy coś znacznie większego.
12:54
Now, this -- using counting to compute
311
762000
3000
Wykorzystanie procesów obliczeniowych
12:57
and build these kinds of things
312
765000
2000
do tworzenia takich rzeczy
12:59
by this kind of developmental process
313
767000
2000
w opisanym procesie rozwoju
13:01
is something that also has bearing on Craig Venter's question.
314
769000
4000
jest istotne także w kontekście pytania Craiga Ventera.
13:05
So, you can ask, how many DNA strands are required
315
773000
2000
Można zapytać, ilu łańcuchów DNA
13:07
to build a square of a given size?
316
775000
2000
potrzeba na kwadrat danego rozmiaru?
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
777000
5000
Żeby stworzyć kwadrat o rozmiarze 10, 100 czy 1000,
13:14
if we used DNA origami alone,
318
782000
2000
używając tylko origami DNA,
13:16
we would require a number of DNA strands that's the square
319
784000
3000
potrzebowalibyśmy liczby łańcuchów równej kwadratowi
13:19
of the size of that square;
320
787000
2000
rozmiaru tego kwadratu,
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
789000
2000
czyli 100, 10 000 lub miliona łańcuchów.
13:23
That's really not affordable.
322
791000
2000
Nie możemy sobie na to pozwolić.
13:25
But if we use a little computation --
323
793000
2000
Ale gdy podeprzemy się obliczeniami,
13:27
we use origami, plus some tiles that count --
324
795000
4000
dodając do origami płytki, które umożliwiają obliczenia,
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
799000
3000
wystarczy nam 100, 200 lub 300 łańcuchów DNA.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
802000
5000
Liczba potrzebnych łańcuchów spada wykładniczo,
13:39
if we use counting, if we use a little bit of computation.
327
807000
3000
jeśli wprowadzimy obliczenia.
13:42
And so computation is some very powerful way
328
810000
3000
Dodanie procesów obliczeniowych to skuteczny sposób
13:45
to reduce the number of molecules you need to build something,
329
813000
3000
na obniżenie liczby molekuł koniecznych,
13:48
to reduce the size of the genome that you're building.
330
816000
3000
by coś zbudować, zmniejszyć rozmiar tworzonego genomu.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
819000
3000
Wrócę teraz do zwariowanego pomysłu
13:54
about computers building computers.
332
822000
2000
o komputerach budujących komputery.
13:56
If you look at the square that you build with the origami
333
824000
3000
Jeśli przyjrzymy się kwadratowi z origami,
13:59
and some counters growing off it,
334
827000
2000
z którego wyrastają liczniki,
14:01
the pattern that it has is exactly the pattern that you need
335
829000
3000
powstały wzór to układ potrzebny, by stworzyć pamięć.
14:04
to make a memory.
336
832000
1000
powstały wzór to układ potrzebny, by stworzyć pamięć.
14:05
So if you affix some wires and switches to those tiles --
337
833000
3000
Więc jeśli dołączymy przewody i łączniki do płytek,
14:08
rather than to the staple strands, you affix them to the tiles --
338
836000
3000
zamiast łączyć je z łańcuchami,
14:11
then they'll self-assemble the somewhat complicated circuits,
339
839000
3000
samoczynne zmontują się złożone obwody,
14:14
the demultiplexer circuits, that you need to address this memory.
340
842000
3000
demultiplekser konieczny do dostępu do pamięci.
14:17
So you can actually make a complicated circuit
341
845000
2000
Tak skomplikowany obwód
14:19
using a little bit of computation.
342
847000
2000
powstaje dzięki obliczeniom.
14:21
It's a molecular computer building an electronic computer.
343
849000
3000
Komputer molekularny buduje elektroniczny.
14:24
Now, you ask me, how far have we gotten down this path?
344
852000
3000
Jak daleko zaszliśmy?
14:27
Experimentally, this is what we've done in the last year.
345
855000
3000
Oto, czego dokonaliśmy w zeszłym roku.
14:30
Here is a DNA origami rectangle,
346
858000
2000
To prostokąt z origami DNA,
14:33
and here are some tiles growing from it.
347
861000
2000
wyrastają z niego płytki.
14:35
And you can see how they count.
348
863000
2000
Widać, jak liczą.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
865000
12000
Raz, dwa, trzy, cztery, pięć, sześć, dziewięć, 10, 11, 12, 17.
14:49
So it's got some errors, but at least it counts up.
350
877000
4000
Są błędy, ale przynajmniej liczby rosną.
14:53
(Laughter)
351
881000
1000
(Śmiech)
14:54
So, it turns out we actually had this idea nine years ago,
352
882000
3000
Sam pomysł powstał dziewięć lat temu.
14:57
and that's about the time constant for how long it takes
353
885000
3000
Widać, ile to zajmuje czasu, więc uważam,
15:00
to do these kinds of things, so I think we made a lot of progress.
354
888000
2000
że to wielki postęp.
15:02
We've got ideas about how to fix these errors.
355
890000
2000
Już myślimy, jak naprawić błędy.
15:04
And I think in the next five or 10 years,
356
892000
2000
Myślę, że w ciągu 5-10 lat
15:06
we'll make the kind of squares that I described
357
894000
2000
zrobimy kwadraty, które opisałem,
15:08
and maybe even get to some of those self-assembled circuits.
358
896000
3000
a może nawet samo-montujące się obwody.
15:11
So now, what do I want you to take away from this talk?
359
899000
4000
Jaki jest najważniejszy przekaz tej prelekcji?
15:15
I want you to remember that
360
903000
2000
Chciałbym, żebyście zapamiętali,
15:17
to create life's very diverse and complex forms,
361
905000
4000
że różnorodne i złożone formy życia
15:21
life uses computation to do that.
362
909000
2000
powstają dzięki obliczeniom.
15:23
And the computations that it uses, they're molecular computations,
363
911000
4000
Jeśli odbywają się one w komputerach molekularnych,
15:27
and in order to understand this and get a better handle on it,
364
915000
2000
chcemy zbadać ten proces, a jak mówi Feynman,
15:29
as Feynman said, you know,
365
917000
2000
chcemy zbadać ten proces, a jak mówi Feynman,
15:31
we need to build something to understand it.
366
919000
2000
żeby coś zrozumieć, trzeba to zbudować.
15:33
And so we are going to use molecules and refashion this thing,
367
921000
4000
Wykorzystamy cząsteczki, odtworzymy ten mechanizm,
15:37
rebuild everything from the bottom up,
368
925000
2000
zbudujemy od podstaw,
15:39
using DNA in ways that nature never intended,
369
927000
3000
używając DNA zupełnie inaczej, niż chce przyroda,
15:42
using DNA origami,
370
930000
2000
używając origami DNA
15:44
and DNA origami to seed this algorithmic self-assembly.
371
932000
3000
jako podstawy algorytmicznego samo-montażu.
15:47
You know, so this is all very cool,
372
935000
2000
To wszystko wygląda fajnie,
15:50
but what I'd like you to take from the talk,
373
938000
1000
ale jak sugerują opisane "wielkie pytania",
15:51
hopefully from some of those big questions,
374
939000
2000
ale jak sugerują opisane "wielkie pytania",
15:53
is that this molecular programming isn't just about making gadgets.
375
941000
3000
w programowaniu molekularnym nie chodzi o gadżeciarstwo.
15:56
It's not just making about --
376
944000
2000
Nie chodzi tylko o budowanie telefonów i obwodów.
15:58
it's making self-assembled cell phones and circuits.
377
946000
2000
Nie chodzi tylko o budowanie telefonów i obwodów.
16:00
What it's really about is taking computer science
378
948000
2000
To nowa informatyka,
16:02
and looking at big questions in a new light,
379
950000
3000
nowe spojrzenie na wielkie pytania,
16:05
asking new versions of those big questions
380
953000
2000
zadawanie ich w nowej wersji
16:07
and trying to understand how biology
381
955000
2000
i próba zrozumienia, jak biologia
16:09
can make such amazing things. Thank you.
382
957000
2000
tworzy tyle wspaniałości. Dziękuję.
16:12
(Applause)
383
960000
7000
(Brawa)
ABOUT THE SPEAKER
Paul Rothemund - DNA origamistPaul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of.
Why you should listen
Paul Rothemund won a MacArthur grant this year for a fairly mystifying study area: "folding DNA." It brings up the question: Why fold DNA? The answer is -- because the power to manipulate DNA in this way could change the way we make things at a very basic level.
Rothemund's work combines the study of self-assembly (watch the TEDTalks from Neil Gershenfeld and Saul Griffith for more on this) with the research being done in DNA nanotechnology -- and points the way toward self-assembling devices at microscale, making computer memory, for instance, smaller, faster and maybe even cheaper.
Paul Rothemund | Speaker | TED.com