TEDGlobal 2012
Susan Solomon: The promise of research with stem cells
Susan Solomon: Den lovande stamcellsforskningen
Filmed:
Readability: 4.9
927,801 views
Hon kallar dem "kroppens egna reparationskit" – och Susan Solomon vill se mer forskning på framodlade stamceller. Genom att framställa individuella, pluripotenta stamcellslinjer, skapar hennes team testbäddar som kan driva forskningen till att bota sjukdomar – och kanske leda till personliga behandlingar, anpassade inte bara efter sjukdomen, utan specifikt för patienten.
Susan Solomon - Stem cell research advocate
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Double-click the English transcript below to play the video.
00:17
So, embryonic stem cells
0
1121
2989
Embryonala stamceller
00:20
are really incredible cells.
1
4110
3300
är helt otroliga celler.
00:23
They are our body's own repair kits,
2
7410
2788
De är kroppens egna reparationskit,
00:26
and they're pluripotent, which means they can morph into
3
10198
2964
och de är pluripotenta, vilket betyder att de kan
00:29
all of the cells in our bodies.
4
13162
2432
omvandlas till vilken cell som helst i kroppen.
00:31
Soon, we actually will be able to use stem cells
5
15594
2688
Vi kommer faktiskt snart kunna använda stamceller
00:34
to replace cells that are damaged or diseased.
6
18282
2985
för att ersätta celler som är skadade eller sjuka.
00:37
But that's not what I want to talk to you about,
7
21267
2431
Men det är inte det jag vill prata om med er,
00:39
because right now there are some really
8
23698
2678
för just nu finns det några väldigt
00:42
extraordinary things that we are doing with stem cells
9
26376
3946
speciella saker vi gör med stamceller
00:46
that are completely changing
10
30322
1607
som helt och hållet förändrar
00:47
the way we look and model disease,
11
31929
2899
sättet vi ser på och gör modeller av sjukdomar,
00:50
our ability to understand why we get sick,
12
34828
2519
vår förmåga att förstå varför vi blir sjuka,
00:53
and even develop drugs.
13
37347
2431
och till och med utveckla mediciner.
00:55
I truly believe that stem cell research is going to allow
14
39778
4313
Jag är övertygad om att stamcellsforskningen kommer
00:59
our children to look at Alzheimer's and diabetes
15
44091
4505
få våra barn att tänka på Alzheimers och diabetes
01:04
and other major diseases the way we view polio today,
16
48596
4391
och andra stora sjukdomar som vi tänker på polio idag,
01:08
which is as a preventable disease.
17
52987
3201
det vill säga som förebyggningsbara sjukdomar.
01:12
So here we have this incredible field, which has
18
56188
3223
Så här har vi ett otroligt forskningsområde
01:15
enormous hope for humanity,
19
59411
4387
som bär ett stort hopp för mänskligheten,
01:19
but much like IVF over 35 years ago,
20
63798
3520
men precis som med IVF för drygt 35 år sedan
01:23
until the birth of a healthy baby, Louise,
21
67318
2334
– fram tills ett friskt barn, Louise, föddes –
01:25
this field has been under siege politically and financially.
22
69652
5069
har det här fältet varit politiskt och finansiellt utsatt.
01:30
Critical research is being challenged instead of supported,
23
74721
4272
Viktig forskning ifrågasätts i stället för att stöttas,
01:34
and we saw that it was really essential to have
24
78993
4360
och vi förstod att det var ett måste att ha
01:39
private safe haven laboratories where this work
25
83353
3531
privata, skyddade laboratorier där det här arbetet
01:42
could be advanced without interference.
26
86884
2830
kunde fortskrida utan störningsmoment.
01:45
And so, in 2005,
27
89714
2531
Så 2005 startade vi
01:48
we started the New York Stem Cell Foundation Laboratory
28
92245
2612
New York Stem Cell Foundation Laboratory
01:50
so that we would have a small organization that could
29
94857
3589
för att ha en mindre organisation som kunde
01:54
do this work and support it.
30
98446
3312
utföra och stötta det här arbetet.
01:57
What we saw very quickly is the world of both medical
31
101758
3385
Vi insåg snabbt att både den medicinska forskningen
02:01
research, but also developing drugs and treatments,
32
105143
3376
och utvecklingen av läkemedel och behandlingar
02:04
is dominated by, as you would expect, large organizations,
33
108519
3713
domineras av storföretag, som väntat,
02:08
but in a new field, sometimes large organizations
34
112232
3119
men på ett nytt forskningsområde kan storföretagen
02:11
really have trouble getting out of their own way,
35
115351
2168
ibland sätta krokben för sig själva
02:13
and sometimes they can't ask the right questions,
36
117519
2436
och ibland kan de inte ställa de rätta frågorna,
02:15
and there is an enormous gap that's just gotten larger
37
119955
3356
och det finns en enorm klyfta – som just blivit större –
02:19
between academic research on the one hand
38
123311
3211
mellan akademisk forskning å ena sidan
02:22
and pharmaceutical companies and biotechs
39
126522
2701
och bolag för läkemedel och bioteknik å den andra,
02:25
that are responsible for delivering all of our drugs
40
129223
3266
som har ansvar för framtagandet av alla våra mediciner
02:28
and many of our treatments, and so we knew that
41
132489
2390
och många av våra behandlingar. Så vi visste att
02:30
to really accelerate cures and therapies, we were going
42
134879
3946
för att påskynda botemedel och behandlingar,
02:34
to have to address this with two things:
43
138825
2807
var vi tvungna att ta itu med två saker:
02:37
new technologies and also a new research model.
44
141632
3222
ny teknologi och en ny forskningsmodell.
02:40
Because if you don't close that gap, you really are
45
144854
3759
För om du inte minskar den klyftan, kommer du stå
02:44
exactly where we are today.
46
148613
1607
just där vi är idag.
02:46
And that's what I want to focus on.
47
150220
1667
Och det är det jag vill belysa.
02:47
We've spent the last couple of years pondering this,
48
151887
3550
Vi har ägnat de senaste åren åt att grunna på det här,
02:51
making a list of the different things that we had to do,
49
155437
2391
och lista de olika saker vi var tvungna att göra,
02:53
and so we developed a new technology,
50
157828
2631
så vi utvecklade en ny teknologi.
02:56
It's software and hardware,
51
160459
1251
Det är mjukvara och hårdvara
02:57
that actually can generate thousands and thousands of
52
161710
3503
som alltså kan generera tusen och åter tusen
03:01
genetically diverse stem cell lines to create
53
165213
3170
genetiskt varierande stamcellslinjer för att skapa en
03:04
a global array, essentially avatars of ourselves.
54
168383
3787
komplett uppsättning – i princip avatarer av oss själva.
03:08
And we did this because we think that it's actually going
55
172170
3434
Vi gjorde det här eftersom vi tror att det verkligen kommer
03:11
to allow us to realize the potential, the promise,
56
175604
3415
få oss att inse den potential, det löfte, som finns
03:14
of all of the sequencing of the human genome,
57
179019
3080
inom all kartläggning av människans arvsmassa,
03:17
but it's going to allow us, in doing that,
58
182099
2504
men det kommer på samma gång låta oss
03:20
to actually do clinical trials in a dish with human cells,
59
184603
5008
göra kliniska försök i skålar med mänskliga celler,
03:25
not animal cells, to generate drugs and treatments
60
189611
4159
inte djurceller, för att utveckla läkemedel och behandlingar
03:29
that are much more effective, much safer,
61
193770
3249
som är mycket mer effektiva, mycket säkrare,
03:32
much faster, and at a much lower cost.
62
197019
3256
mycket snabbare, och som kostar mycket mindre.
03:36
So let me put that in perspective for you
63
200275
2384
Låt mig få sätta det i perspektiv
03:38
and give you some context.
64
202659
1416
och ge er lite bakgrund.
03:39
This is an extremely new field.
65
204075
4832
Det här är ett oerhört nytt område.
03:44
In 1998, human embryonic stem cells
66
208907
2832
1998 blev mänskliga embryonala stamceller
03:47
were first identified, and just nine years later,
67
211739
3512
först upptäckta, och bara nio år senare
03:51
a group of scientists in Japan were able to take skin cells
68
215251
4305
kunde en grupp forskare i Japan ta hudceller
03:55
and reprogram them with very powerful viruses
69
219556
3195
och omprogrammera dem med kraftfulla virus
03:58
to create a kind of pluripotent stem cell
70
222751
4242
för att skapa en sorts pluripotent stamcell,
04:02
called an induced pluripotent stem cell,
71
226993
2090
en så kallad inducerad pluripotent cell,
04:04
or what we refer to as an IPS cell.
72
229083
3008
eller som vi säger: en iPS-cell.
04:07
This was really an extraordinary advance, because
73
232091
3198
Det här var verkligen ett enastående framsteg,
04:11
although these cells are not human embryonic stem cells,
74
235289
2544
för även om de inte är mänskliga embryonala stamceller,
04:13
which still remain the gold standard,
75
237833
1794
vilket ännu är den gyllene standarden,
04:15
they are terrific to use for modeling disease
76
239627
3470
så är de suveräna för att skapa modeller av sjukdomar
04:18
and potentially for drug discovery.
77
243097
2730
och potentiellt hitta nya läkemedel.
04:21
So a few months later, in 2008, one of our scientists
78
245827
3040
Några månader senare, år 2008, byggde en av våra
04:24
built on that research. He took skin biopsies,
79
248867
3200
forskare vidare på det arbetet. Han tog hudprover,
04:27
this time from people who had a disease,
80
252067
2028
nu från människor med en sjukdom, ALS,
04:29
ALS, or as you call it in the U.K., motor neuron disease.
81
254095
2914
eller som det kallas i Storbritannien: motorneuronsjukdom.
04:32
He turned them into the IPS cells
82
257009
1698
Han gjorde dem till iPS-celler,
04:34
that I've just told you about, and then he turned those
83
258707
2686
som jag nyss pratade om, och omvandlade sedan
04:37
IPS cells into the motor neurons that actually
84
261393
2704
de iPS-cellerna till motorneuroner, som alltså
04:39
were dying in the disease.
85
264097
1461
höll på att förtvina i sjukdomen.
04:41
So basically what he did was to take a healthy cell
86
265558
3019
Så det han i princip gjorde var att ta en frisk cell
04:44
and turn it into a sick cell,
87
268577
1714
och göra den till en sjuk cell,
04:46
and he recapitulated the disease over and over again
88
270291
3558
och han återskapade sjukdomen om och om igen
04:49
in the dish, and this was extraordinary,
89
273849
3360
i skålen, och det här var extraordinärt,
04:53
because it was the first time that we had a model
90
277209
2248
för det var första gången vi hade en modell av en
04:55
of a disease from a living patient in living human cells.
91
279457
4188
sjukdom från en levande patient i levande människoceller.
04:59
And as he watched the disease unfold, he was able
92
283645
3120
Och medan han såg sjukdomen bryta ut,
05:02
to discover that actually the motor neurons were dying
93
286765
3011
upptäckte han att motorneuronen faktiskt förtvinade
05:05
in the disease in a different way than the field
94
289776
2127
på ett annat sätt i sjukdomen än man
05:07
had previously thought. There was another kind of cell
95
291903
2494
tidigare trott. Det var en annan typ av cell
05:10
that actually was sending out a toxin
96
294397
2201
som alltså utsöndrade ett gift
05:12
and contributing to the death of these motor neurons,
97
296598
2511
och bidrog till att motorneuronen förtvinade,
05:15
and you simply couldn't see it
98
299109
1358
och man kunde bara inte se det
05:16
until you had the human model.
99
300467
1790
innan man hade den mänskliga modellen.
05:18
So you could really say that
100
302257
2667
Man skulle kunna säga att
05:20
researchers trying to understand the cause of disease
101
304924
3906
forskare som försökte förstå orsaken till sjukdomen
05:24
without being able to have human stem cell models
102
308830
4152
utan att ha de mänskliga stamcellsmodellerna
05:28
were much like investigators trying to figure out
103
312982
2760
i stort sett var som haveriutredare, med målet
05:31
what had gone terribly wrong in a plane crash
104
315742
3241
att ta reda på vad som orsakat en hemsk flygolycka,
05:34
without having a black box, or a flight recorder.
105
318983
3997
utan att ha en svart låda, eller en flygfärdskrivare.
05:38
They could hypothesize about what had gone wrong,
106
322980
2602
De kunde teoretisera kring vad som gått snett,
05:41
but they really had no way of knowing what led
107
325582
3112
men inte alls veta vad som orsakat
05:44
to the terrible events.
108
328694
2172
de tragiska händelserna.
05:46
And stem cells really have given us the black box
109
330866
4183
Och stamceller har verkligen gett oss den svarta lådan
05:50
for diseases, and it's an unprecedented window.
110
335049
3968
för sjukdomar, och det är en unik tillgång.
05:54
It really is extraordinary, because you can recapitulate
111
339017
3245
Det är verkligen otroligt, för du kan återskapa
05:58
many, many diseases in a dish, you can see
112
342262
3247
många, många sjukdomar, du kan se
06:01
what begins to go wrong in the cellular conversation
113
345509
3536
vad som börjar gå fel i cellernas samspel
06:04
well before you would ever see
114
349045
2424
långt innan man hade sett
06:07
symptoms appear in a patient.
115
351469
2536
symptom uppträda hos en patient.
06:09
And this opens up the ability,
116
354005
2523
Och det här öppnar upp för möjligheten
06:12
which hopefully will become something that
117
356528
2814
– vilket förhoppningsvis kommer att bli
06:15
is routine in the near term,
118
359342
2647
rutin inom en snar framtid –
06:17
of using human cells to test for drugs.
119
361989
4146
att använda mänskliga celler för läkemedelstest.
06:22
Right now, the way we test for drugs is pretty problematic.
120
366135
5464
Idag har vi ett ganska besvärligt sätt att testa läkemedel.
06:27
To bring a successful drug to market, it takes, on average,
121
371599
3318
För att en lyckad medicin ska nå marknaden, tar det
06:30
13 years — that's one drug —
122
374917
2186
i snitt 13 år – alltså för ett läkemedel –
06:33
with a sunk cost of 4 billion dollars,
123
377103
3388
med förlorade kostnader på 26 miljarder kronor,
06:36
and only one percent of the drugs that start down that road
124
380491
4867
och bara en procent av de läkemedel som börjar testas
06:41
are actually going to get there.
125
385358
2248
når hela vägen fram.
06:43
You can't imagine other businesses
126
387606
2125
Det är svårt att tänka sig företag
06:45
that you would think of going into
127
389731
1449
man skulle vilja satsa på
06:47
that have these kind of numbers.
128
391180
1755
med den här sortens siffror.
06:48
It's a terrible business model.
129
392935
1802
Det är en förskräcklig affärsmodell.
06:50
But it is really a worse social model because of
130
394737
3989
Men det är faktiskt en värre social modell, på grund av
06:54
what's involved and the cost to all of us.
131
398726
3328
det som står på spel och vad det kostar oss alla.
06:57
So the way we develop drugs now
132
402054
3752
Sättet vi utvecklar läkemedel på nu
07:01
is by testing promising compounds on --
133
405806
3200
är alltså genom att testa lämpliga preparat på —
07:04
We didn't have disease modeling with human cells,
134
409006
1880
Vi har inte haft sjukdomsmodeller med mänskliga celler,
07:06
so we'd been testing them on cells of mice
135
410886
3464
så vi har testat dem på celler från möss
07:10
or other creatures or cells that we engineer,
136
414350
3667
eller andra organismer eller celler som vi anpassar,
07:13
but they don't have the characteristics of the diseases
137
418017
3061
men de har inte egenskaperna hos sjukdomen
07:16
that we're actually trying to cure.
138
421078
2336
som vi faktiskt vill bota.
07:19
You know, we're not mice, and you can't go into
139
423414
3046
Vi är liksom inte möss, och man kan inte bara
07:22
a living person with an illness
140
426460
2418
gå in i en sjuk människa
07:24
and just pull out a few brain cells or cardiac cells
141
428878
2928
och ta ett par celler från hjärnan eller hjärtat
07:27
and then start fooling around in a lab to test
142
431806
2289
och leka med dem i ett labb för att testa
07:29
for, you know, a promising drug.
143
434095
3561
en intressant medicin, så att säga.
07:33
But what you can do with human stem cells, now,
144
437656
3585
Men det du kan göra med mänskliga stamceller idag
07:37
is actually create avatars, and you can create the cells,
145
441241
4337
är att faktiskt skapa avatarer, och du kan skapa celler,
07:41
whether it's the live motor neurons
146
445578
1967
vare sig det är levande motorneuron
07:43
or the beating cardiac cells or liver cells
147
447545
3010
eller slående hjärtceller eller celler från levern
07:46
or other kinds of cells, and you can test for drugs,
148
450555
4109
eller andra slags celler, och du kan testa läkemedel
07:50
promising compounds, on the actual cells
149
454664
3125
eller intressanta preparat, på de celler
07:53
that you're trying to affect, and this is now,
150
457789
3631
du egentligen vill påverka, och det här sker nu,
07:57
and it's absolutely extraordinary,
151
461420
2814
och det är fullständigt enastående,
08:00
and you're going to know at the beginning,
152
464234
3156
och du kommer att veta redan från början,
08:03
the very early stages of doing your assay development
153
467390
3744
tidigt i din analys av läkemedlets beståndsdelar
08:07
and your testing, you're not going to have to wait 13 years
154
471134
3389
och dina tester, du behöver inte vänta i 13 år tills du
08:10
until you've brought a drug to market, only to find out
155
474523
3319
fått ut en medicin på marknaden, bara för att upptäcka
08:13
that actually it doesn't work, or even worse, harms people.
156
477842
5056
att den faktiskt inte fungerar, eller rentav är skadlig.
08:18
But it isn't really enough just to look at
157
482898
4340
Men det räcker inte att bara titta på
08:23
the cells from a few people or a small group of people,
158
487238
3782
celler från några få människor eller en liten grupp,
08:26
because we have to step back.
159
491020
1644
för vi måste ta ett steg bakåt.
08:28
We've got to look at the big picture.
160
492664
1851
Vi måste titta på den större bilden.
08:30
Look around this room. We are all different,
161
494515
3136
Se er omkring. Vi är alla olika,
08:33
and a disease that I might have,
162
497651
2740
och en sjukdom jag skulle kunna ha,
08:36
if I had Alzheimer's disease or Parkinson's disease,
163
500391
2877
om jag haft Alzheimers eller Parkinsons sjukdom,
08:39
it probably would affect me differently than if
164
503268
3766
skulle den förmodligen drabba mig annorlunda än om
08:42
one of you had that disease,
165
507034
1641
en av er haft samma sjukdom,
08:44
and if we both had Parkinson's disease,
166
508675
4345
och om vi båda hade Parkinsons sjukdom,
08:48
and we took the same medication,
167
513020
2268
och vi tog samma medicin,
08:51
but we had different genetic makeup,
168
515288
2747
men hade olika genuppsättningar,
08:53
we probably would have a different result,
169
518035
2285
skulle vi förmodligen få ett annat resultat,
08:56
and it could well be that a drug that worked wonderfully
170
520320
3731
och det kan hända att en medicin som passade perfekt
08:59
for me was actually ineffective for you,
171
524051
3579
för mig visar sig verkningslös för dig,
09:03
and similarly, it could be that a drug that is harmful for you
172
527630
4692
och på samma sätt kan ett läkemedel som är farligt för dig
09:08
is safe for me, and, you know, this seems totally obvious,
173
532322
4302
vara säkert för mig, och ni vet, det här verkar ju självklart
09:12
but unfortunately it is not the way
174
536624
2728
men det är tyvärr inte det sätt
09:15
that the pharmaceutical industry has been developing drugs
175
539352
3186
som läkemedelsindustrin har utvecklat mediciner
09:18
because, until now, it hasn't had the tools.
176
542538
3986
eftersom de, fram tills nu, inte haft verktygen.
09:22
And so we need to move away
177
546524
2292
Så vi behöver komma ifrån
09:24
from this one-size-fits-all model.
178
548816
2954
den här idén att "en passar alla".
09:27
The way we've been developing drugs is essentially
179
551770
3177
Det sättet vi har tagit fram läkemedel på är i princip
09:30
like going into a shoe store,
180
554947
1379
som att gå in i en skoaffär,
09:32
no one asks you what size you are, or
181
556326
2283
ingen frågar vilken storlek du har, eller
09:34
if you're going dancing or hiking.
182
558609
2210
om du ska dansa eller på utflykt.
09:36
They just say, "Well, you have feet, here are your shoes."
183
560819
2808
De bara säger, "Okej, du har fötter, här är dina skor."
09:39
It doesn't work with shoes, and our bodies are
184
563627
3600
Det funkar inte så med skor, och kroppen är
09:43
many times more complicated than just our feet.
185
567227
3472
mycket mer komplicerad än bara våra fötter.
09:46
So we really have to change this.
186
570699
2541
Så vi måste verkligen ändra på det här.
09:49
There was a very sad example of this in the last decade.
187
573240
5184
Det finns ett tragiskt exempel från det senaste decenniet.
09:54
There's a wonderful drug, and a class of drugs actually,
188
578424
2648
Det finns en fantastisk medicin, eller egentligen en klass
09:56
but the particular drug was Vioxx, and
189
581072
2680
av mediciner, men i det här fallet hette den Vioxx,
09:59
for people who were suffering from severe arthritis pain,
190
583752
4376
och för de som led av svåra smärtor från ledinflammation
10:04
the drug was an absolute lifesaver,
191
588128
3392
var den här medicinen helt ovärderlig,
10:07
but unfortunately, for another subset of those people,
192
591520
5080
men tyvärr drabbades en del av de här människorna
10:12
they suffered pretty severe heart side effects,
193
596600
4769
av rätt allvarliga biverkningar på hjärtat,
10:17
and for a subset of those people, the side effects were
194
601369
2728
och en mindre del av dem drabbades i sin tur
10:19
so severe, the cardiac side effects, that they were fatal.
195
604097
3897
så svårt, av effekterna på hjärtat, att de avled.
10:23
But imagine a different scenario,
196
607994
4042
Men tänk er ett annat scenario,
10:27
where we could have had an array, a genetically diverse array,
197
612036
4302
där vi kunde haft en uppsättning av genetiskt varierande
10:32
of cardiac cells, and we could have actually tested
198
616338
3626
hjärtceller, och vi faktiskt kunde ha testat
10:35
that drug, Vioxx, in petri dishes, and figured out,
199
619964
5081
den medicinen, Vioxx, i petriskålar, och tagit reda på,
10:40
well, okay, people with this genetic type are going to have
200
625045
3744
okej, folk med den här genotypen kommer få biverkningar
10:44
cardiac side effects, people with these genetic subgroups
201
628789
5000
på hjärtat, men folk med de här genetiska undergrupperna,
10:49
or genetic shoes sizes, about 25,000 of them,
202
633789
5144
eller genetiska skostorlekarna, ungefär 25 000 av dem,
10:54
are not going to have any problems.
203
638933
2760
kommer inte få några problem.
10:57
The people for whom it was a lifesaver
204
641693
2615
De som fick ett nytt liv tack vare medicinen
11:00
could have still taken their medicine.
205
644308
1677
skulle fortfarande ha kunnat ta den.
11:01
The people for whom it was a disaster, or fatal,
206
645985
4386
De som råkade illa ut av den, eller avled,
11:06
would never have been given it, and
207
650371
2091
skulle aldrig ha fått den, och
11:08
you can imagine a very different outcome for the company,
208
652462
2583
man kan föreställa sig ett helt annat resultat för företaget,
11:10
who had to withdraw the drug.
209
655045
2768
som var tvunget att återkalla medicinen.
11:13
So that is terrific,
210
657813
2816
Så det är hemskt,
11:16
and we thought, all right,
211
660629
1834
så vi tänkte, okej,
11:18
as we're trying to solve this problem,
212
662463
2759
i och med att vi försöker lösa det här problemet,
11:21
clearly we have to think about genetics,
213
665222
2197
är det tydligt att vi måste tänka på genetiken,
11:23
we have to think about human testing,
214
667419
2834
vi måste tänka på människotester,
11:26
but there's a fundamental problem,
215
670253
1579
men det finns ett grundläggande problem,
11:27
because right now, stem cell lines,
216
671832
2699
för just nu görs stamcellslinjer
11:30
as extraordinary as they are,
217
674531
1710
– hur otroliga de än är,
11:32
and lines are just groups of cells,
218
676241
1744
och linjer är bara grupper av celler –
11:33
they are made by hand, one at a time,
219
677985
4332
de görs för hand, en i taget,
11:38
and it takes a couple of months.
220
682317
2224
och det tar ett par månader.
11:40
This is not scalable, and also when you do things by hand,
221
684541
4366
Det fungerar inte i längden, och när du gör saker för hand,
11:44
even in the best laboratories,
222
688907
1543
även i de bästa laboratorierna,
11:46
you have variations in techniques,
223
690450
3161
får du dessutom skiftningar i teknik,
11:49
and you need to know, if you're making a drug,
224
693611
3181
och du måste veta, om du tillverkar en medicin,
11:52
that the Aspirin you're going to take out of the bottle
225
696792
1898
att den Aspirin du tar ur burken
11:54
on Monday is the same as the Aspirin
226
698690
2440
på måndag är samma Aspirin
11:57
that's going to come out of the bottle on Wednesday.
227
701130
2081
som kommer ur burken på onsdag.
11:59
So we looked at this, and we thought, okay,
228
703211
3791
Så vi tittade på det här, och vi tänkte, okej,
12:02
artisanal is wonderful in, you know, your clothing
229
707002
3152
hantverk är underbart när det gäller, ni vet, kläder
12:06
and your bread and crafts, but
230
710154
2944
och bröd och konst, men
12:08
artisanal really isn't going to work in stem cells,
231
713098
2983
hantverk kommer inte att funka med stamceller,
12:11
so we have to deal with this.
232
716081
2390
så vi måste ta itu med det här.
12:14
But even with that, there still was another big hurdle,
233
718471
3920
Men inte nog med det, det fanns ännu ett stort hinder
12:18
and that actually brings us back to
234
722391
3564
som faktiskt för oss tillbaka till
12:21
the mapping of the human genome, because
235
725955
2384
kartläggningen av det mänskliga genomet, för
12:24
we're all different.
236
728339
2711
vi är alla olika.
12:26
We know from the sequencing of the human genome
237
731050
2832
Vi vet från kartläggandet av människans genom
12:29
that it's shown us all of the A's, C's, G's and T's
238
733882
2557
att det har visat oss alla A, C, G och T
12:32
that make up our genetic code,
239
736439
2468
som bygger upp vår genetiska kod,
12:34
but that code, by itself, our DNA,
240
738907
4269
men den koden i sig själv, vårt DNA,
12:39
is like looking at the ones and zeroes of the computer code
241
743176
4599
är som att titta på ettorna och nollorna i datorkod
12:43
without having a computer that can read it.
242
747775
2825
utan att ha en dator som kan läsa den.
12:46
It's like having an app without having a smartphone.
243
750600
3288
Det är som att ha en app utan att ha en smartphone.
12:49
We needed to have a way of bringing the biology
244
753888
3884
Vi behövde ett annat sätt att få in biologin
12:53
to that incredible data,
245
757772
2209
i den här otroliga informationen,
12:55
and the way to do that was to find
246
759981
3115
och sättet att göra det på var att hitta
12:58
a stand-in, a biological stand-in,
247
763096
2687
en ersättare, en biologisk ersättare,
13:01
that could contain all of the genetic information,
248
765783
4025
som kunde innehålla hela den genetiska informationen,
13:05
but have it be arrayed in such a way
249
769808
2528
men ordna den så att
13:08
as it could be read together
250
772336
2864
den kunde läsas i sin helhet
13:11
and actually create this incredible avatar.
251
775200
3256
och alltså skapa den här otroliga avataren.
13:14
We need to have stem cells from all the genetic sub-types
252
778456
3704
Vi behöver stamceller från alla genetiska undergrupper
13:18
that represent who we are.
253
782160
2952
som visar vilka vi är.
13:21
So this is what we've built.
254
785112
2760
Så det här är vad vi byggde.
13:23
It's an automated robotic technology.
255
787872
3320
Det är en automatisk robotteknik.
13:27
It has the capacity to produce thousands and thousands
256
791192
2608
Den har kapaciteten att skapa tusen och åter tusen
13:29
of stem cell lines. It's genetically arrayed.
257
793800
4239
stamcellslinjer. Den sorterar efter gener.
13:33
It has massively parallel processing capability,
258
798039
3749
Den har en enorm förmåga till parallella processer,
13:37
and it's going to change the way drugs are discovered,
259
801788
3320
och kommer att förändra sättet läkemedel upptäcks på,
13:41
we hope, and I think eventually what's going to happen
260
805108
3835
hoppas vi, och jag tror att vi så småningom
13:44
is that we're going to want to re-screen drugs,
261
808943
2199
kommer att vilja återgranska läkemedel,
13:47
on arrays like this, that already exist,
262
811142
2491
på sådana här uppsättningar, som redan finns,
13:49
all of the drugs that currently exist,
263
813633
1871
alla mediciner som finns idag,
13:51
and in the future, you're going to be taking drugs
264
815504
2911
och i framtiden kommer man att ta läkemedel
13:54
and treatments that have been tested for side effects
265
818415
2872
och behandlingar som har testats för biverkningar
13:57
on all of the relevant cells,
266
821287
2303
på alla relevanta celler,
13:59
on brain cells and heart cells and liver cells.
267
823590
3153
på celler från hjärna och hjärta och lever.
14:02
It really has brought us to the threshold
268
826743
3329
Det har verkligen lett oss till tröskeln
14:05
of personalized medicine.
269
830072
2214
för personlig medicin.
14:08
It's here now, and in our family,
270
832286
4441
Den är här nu, och i vår familj —
14:12
my son has type 1 diabetes,
271
836727
2938
Min son har typ 1-diabetes,
14:15
which is still an incurable disease,
272
839665
2648
vilket fortfarande är en obotlig sjukdom,
14:18
and I lost my parents to heart disease and cancer,
273
842313
3442
och jag miste mina föräldrar i hjärtsjukdom och cancer,
14:21
but I think that my story probably sounds familiar to you,
274
845755
3733
men jag tror att min berättelse låter bekant för er,
14:25
because probably a version of it is your story.
275
849488
4230
för den är antagligen en variant av era berättelser.
14:29
At some point in our lives, all of us,
276
853718
3944
Vid någon tidpunkt i våra liv, kommer vi alla,
14:33
or people we care about, become patients,
277
857662
2736
eller de vi bryr oss om, att bli patienter,
14:36
and that's why I think that stem cell research
278
860398
2609
och det är därför jag tror att stamcellsforskning
14:38
is incredibly important for all of us.
279
863007
3383
är otroligt viktigt för oss alla.
14:42
Thank you. (Applause)
280
866390
3668
Tack. (Applåder)
14:45
(Applause)
281
870058
7108
(Applåder)
ABOUT THE SPEAKER
Susan Solomon - Stem cell research advocateSusan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine.
Why you should listen
Susan Solomon’s health care advocacy stems from personal medical trials—namely, her son’s Type 1 diabetes and her mother’s fatal cancer. Following a successful career as a lawyer and business entrepreneur, Solomon, frustrated by the slow pace of medical research, was inspired to use those skills to follow another passion: accelerating medical research with real-world results as a social entrepreneur. And through her own research and conversations with medical experts, she decided that stem cells (cells that have the ability to morph into any other kind of cell) had the greatest potential to impact peoples’ health.
In 2005, Solomon founded the New York Stem Cell Foundation, now one of the largest nonprofit research institutions and laboratories in this field in the world. The NYSCF Research Institute conducts all facets of stem cell research from growing the cells to drug discovery.
At TEDGlobal 2012, Solomon announced the NYSCF Global Stem Cell Array, the new technology to create thousands of stem cell avatars and genetically array them to functionalize the data from the human genome to revolutionize the way we develop cures and treatments so they are better, safer, less expensive and happen much more quickly.
Susan Solomon | Speaker | TED.com