TED2008
Paul Rothemund: DNA folding, in detail
Paul Rothemund beschreibt DNA-Origami
Filmed:
Readability: 4
752,456 views
2007 fasste Paul Rothemund bei TED kurz sein Fachgebiet, das Falten von DNA, zusammen. Nun legt er uns detailliert dar, welche Versprechen dieses Feld uns macht – das Erschaffen winziger Maschinen, die sich selbst zusammenbauen.
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
Über die Definition von Leben wird heftig debattiert.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
3000
5000
Schließt sie die Fortpflanzung mit ein, oder den Stoffwechsel, oder Evolution?
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
8000
2000
Ich weiß die Antwort darauf nicht, also sage ich es euch nicht.
00:22
I will say that life involves computation.
3
10000
3000
Aber ich sage, dass Leben auch Berechnung umfasst.
00:25
So this is a computer program.
4
13000
2000
Das ist also ein Computerprogramm.
00:27
Booted up in a cell, the program would execute,
5
15000
3000
Hochgefahren in einer Zelle, würde das Programm ausgeführt
00:30
and it could result in this person;
6
18000
3000
und es könnte zu dieser Person führen,
00:33
or with a small change, it could result in this person;
7
21000
3000
oder mit einer kleinen Änderung zu dieser,
00:36
or another small change, this person;
8
24000
2000
oder mit einer anderen kleinen Änderung zu dieser,
00:38
or with a larger change, this dog,
9
26000
3000
oder mit einer größeren Änderung zu diesem Hund,
00:41
or this tree, or this whale.
10
29000
2000
oder diesem Baum, oder dem Wal hier.
00:43
So now, if you take this metaphor
11
31000
2000
Wenn wir diese Metapher
00:45
[of] genome as program seriously,
12
33000
2000
eines Genoms als Programm nun ernst nehmen,
00:47
you have to consider that Chris Anderson
13
35000
2000
dann müssen Sie bedenken, dass Chris Anderson
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
37000
3000
ein Computer-erzeugter Gegenstand ist, wie auch Jim Watson,
00:52
Craig Venter, as are all of us.
15
40000
3000
Craig Venter, und alle von uns.
00:55
And in convincing yourself that this metaphor is true,
16
43000
2000
Und indem wir uns von der Wahrheit dieser Metapher überzeugen,
00:57
there are lots of similarities between genetic programs
17
45000
2000
gibt es viele Ähnlichkeiten zwischen genetischen
00:59
and computer programs that could help to convince you.
18
47000
3000
und Computer-Programmen, die helfen, uns zu überzeugen.
01:02
But one, to me, that's most compelling
19
50000
2000
Die für mich faszinierendste ist die seltsame
01:04
is the peculiar sensitivity to small changes
20
52000
3000
Sensibilität gegenüber kleinen Veränderungen,
01:07
that can make large changes in biological development -- the output.
21
55000
3000
die zu großen Veränderungen in der biologischen Entwicklung führen – im Output.
01:10
A small mutation can take a two-wing fly
22
58000
2000
Eine kleine Mutation kann aus einer zweiflügeligen Fliege
01:12
and make it a four-wing fly.
23
60000
1000
eine vierflügelige machen.
01:13
Or it could take a fly and put legs where its antennae should be.
24
61000
4000
Oder sie könnte einer Fliege statt Fühlern Beine anbauen.
01:17
Or if you're familiar with "The Princess Bride,"
25
65000
2000
Oder, falls Sie "Die Braut des Prinzen" kennen,
01:19
it could create a six-fingered man.
26
67000
2000
einen sechsfingrigen Mann schaffen.
01:21
Now, a hallmark of computer programs
27
69000
2000
Ein Kennzeichen von Computerprogrammen
01:23
is just this kind of sensitivity to small changes.
28
71000
3000
ist genau diese Sensibilität für kleine Veränderungen.
01:26
If your bank account's one dollar, and you flip a single bit,
29
74000
2000
Wenn Sie einen Dollar auf dem Konto haben und nur ein einziges Bit verändern,
01:28
you could end up with a thousand dollars.
30
76000
2000
könnten Sie am Ende tausend Dollar haben.
01:30
So these small changes are things that I think
31
78000
3000
Diese kleinen Änderungen sind Dinge, die –
01:33
that -- they indicate to us that a complicated computation
32
81000
2000
denke ich, darauf hindeuten, dass eine komplizierte Berechnung
01:35
in development is underlying these amplified, large changes.
33
83000
4000
unter diesen verstärkten, großen Veränderungen geschieht.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
87000
6000
Nun deutet also alles darauf hin, dass molekulare Programme der Biologie zugrundeliegen
01:45
and it shows the power of molecular programs -- biology does.
35
93000
4000
und die Biologie zeigt die Macht molekularer Programme.
01:49
And what I want to do is write molecular programs,
36
97000
2000
Ich möchte gerne diese Programme schreiben,
01:51
potentially to build technology.
37
99000
2000
um eventuell Technologie damit zu bauen.
01:53
And there are a lot of people doing this,
38
101000
1000
Und davon gibt es eine Menge Leute,
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
102000
3000
eine Menge synthetischer Biologen tun das, wie Craig Venter.
01:57
And they concentrate on using cells.
40
105000
2000
Sie konzentrieren sich auf die Verwendung von Zellen.
01:59
They're cell-oriented.
41
107000
2000
Sie sind zellen-orientiert.
02:01
So my friends, molecular programmers, and I
42
109000
2000
Meine Freunde, molekulare Programmierer, und ich
02:03
have a sort of biomolecule-centric approach.
43
111000
2000
haben eine Art biomolekulare Herangehensweise.
02:05
We're interested in using DNA, RNA and protein,
44
113000
3000
Wir wollen DNA, RNA und Proteine verwenden,
02:08
and building new languages for building things from the bottom up,
45
116000
3000
und neue Sprachen konstruieren, um Dinge von Grund auf zu schaffen,
02:11
using biomolecules,
46
119000
1000
indem wir Biomoleküle verwenden,
02:12
potentially having nothing to do with biology.
47
120000
3000
was möglicherweise nichts mit Biologie zu tun hat.
02:15
So, these are all the machines in a cell.
48
123000
4000
Das hier sind also alle Maschinen in einer Zelle.
02:19
There's a camera.
49
127000
2000
Dort ist eine Kamera.
02:21
There's the solar panels of the cell,
50
129000
1000
Hier sind die Solarzellen der Zelle,
02:22
some switches that turn your genes on and off,
51
130000
2000
ein paar Schalter, die Gene ein- und ausschalten,
02:24
the girders of the cell, motors that move your muscles.
52
132000
3000
die Träger der Zelle, Motoren, die Muskeln bewegen.
02:27
My little group of molecular programmers
53
135000
2000
Meine kleine Gruppe molekularer Programmierer
02:29
are trying to refashion all of these parts from DNA.
54
137000
4000
versucht, all diese Teile aus DNA nachzubauen.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
141000
2000
Wir sind keine DNA-Fanatiker, aber DNA ist das Material,
02:35
easiest to understand and easy to program material to do this.
56
143000
3000
das am billigsten, am verständlichsten und am leichtesten programmierbar ist.
02:38
And as other things become easier to use --
57
146000
2000
Und sobald andere Dinge leichter zu verwenden sind –
02:40
maybe protein -- we'll work with those.
58
148000
3000
vielleicht Protein – dann arbeiten wir mit denen.
02:43
If we succeed, what will molecular programming look like?
59
151000
2000
Wenn es uns gelingt, wie wird molekulares Programmieren aussehen?
02:45
You're going to sit in front of your computer.
60
153000
2000
Man sitzt vorm Computer.
02:47
You're going to design something like a cell phone,
61
155000
2000
Man entwirft so etwas wie ein Handy,
02:49
and in a high-level language, you'll describe that cell phone.
62
157000
2000
und in sehr abstrakter Sprache beschreibt man dieses Handy.
02:51
Then you're going to have a compiler
63
159000
2000
Dann nimmt man einen Compilerprogramm,
02:53
that's going to take that description
64
161000
1000
das diese Beschreibung nimmt
02:54
and it's going to turn it into actual molecules
65
162000
2000
und sie in tatsächliche Moleküle umwandelt,
02:56
that can be sent to a synthesizer
66
164000
2000
die zu einem Synthesizer gesendet werden können,
02:58
and that synthesizer will pack those molecules into a seed.
67
166000
3000
und dieser Synthesizer verpackt diese Moleküle in einen Samen.
03:01
And what happens if you water and feed that seed appropriately,
68
169000
3000
Und wenn man diesen Samen gießt und mit Nährstoffen versorgt,
03:04
is it will do a developmental computation,
69
172000
2000
dann liefert er uns eine Wachstumsberechnung,
03:06
a molecular computation, and it'll build an electronic computer.
70
174000
3000
eine molekulare Berechnung, und baut einen elektronischen Computer.
03:09
And if I haven't revealed my prejudices already,
71
177000
2000
Und falls meine Überzeugung noch nicht klargeworden sind,
03:12
I think that life has been about molecular computers
72
180000
2000
ich glaube, dass es im Leben um molekulare Computer geht,
03:14
building electrochemical computers,
73
182000
2000
die elektrochemische Computer bauen,
03:16
building electronic computers,
74
184000
2000
die elektronische Computer bauen,
03:18
which together with electrochemical computers
75
186000
2000
die zusammen mit elektrochemischen Computern
03:20
will build new molecular computers,
76
188000
2000
neue molekulare Computer bauen werden,
03:22
which will build new electronic computers, and so forth.
77
190000
3000
die neue elektronische Computer bauen können, usw.
03:25
And if you buy all of this,
78
193000
1000
Und wenn Sie mir das alles abkaufen,
03:26
and you think life is about computation, as I do,
79
194000
2000
und auch denken, dass Leben Berechnung ist, so wie ich,
03:28
then you look at big questions through the eyes of a computer scientist.
80
196000
3000
dann schauen Sie sich die großen Fragen aus Sicht eines Informatikers an.
03:31
So one big question is, how does a baby know when to stop growing?
81
199000
4000
Eine große Frage ist also: Woher weiß ein Baby, wann es zu wachsen aufhören soll?
03:35
And for molecular programming,
82
203000
2000
Und was molekulares Programmieren betrifft:
03:37
the question is how does your cell phone know when to stop growing?
83
205000
2000
Woher weiß denn das Handy, wann es zu wachsen aufhören soll?
03:39
(Laughter)
84
207000
1000
(Lachen)
03:40
Or how does a computer program know when to stop running?
85
208000
3000
Oder wie weiß ein Computerprogramm, wann es anhalten soll?
03:43
Or more to the point, how do you know if a program will ever stop?
86
211000
3000
Genauer gesagt, woher weiß man, ob ein Programm je aufhört?
03:46
There are other questions like this, too.
87
214000
2000
Es gibt noch andere solcher Fragen.
03:48
One of them is Craig Venter's question.
88
216000
2000
Eine von ihnen ist Craig Venters Frage.
03:50
Turns out I think he's actually a computer scientist.
89
218000
2000
Ich glaube ja, er ist eigentlich ein Informatiker.
03:52
He asked, how big is the minimal genome
90
220000
3000
Er fragt, wie groß ist das kleinste Genom,
03:55
that will give me a functioning microorganism?
91
223000
2000
das mir einen funktionierenden Mikroorganismus geben kann?
03:57
How few genes can I use?
92
225000
2000
Wie wenige Gene kann ich verwenden?
03:59
This is exactly analogous to the question,
93
227000
2000
Das ist genau analog zu der Frage,
04:01
what's the smallest program I can write
94
229000
1000
was das kleinste Programm ist, das ich schreiben kann,
04:02
that will act exactly like Microsoft Word?
95
230000
2000
das sich genau so wie Microsoft Word verhält?
04:04
(Laughter)
96
232000
1000
(Lachen)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
233000
4000
Und so wie er kleinere Bakterien programmiert,
04:09
he's writing genomes that will work,
98
237000
1000
wie er Genome programmiert, die funktionieren werden,
04:10
we could write smaller programs
99
238000
2000
so können wir kleinere Programme schreiben,
04:12
that would do what Microsoft Word does.
100
240000
2000
die das tun, was Microsoft Word macht.
04:14
But for molecular programming, our question is,
101
242000
2000
Aber bei molekularen Programmen ist unsere Frage:
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
244000
4000
Wie viele Moleküle müssen wir in diesen Samen tun, um ein Handy zu erhalten?
04:20
What's the smallest number we can get away with?
103
248000
2000
Wie weit können wir die Zahl reduzieren?
04:22
Now, these are big questions in computer science.
104
250000
2000
Das sind große Fragen in der Informatik.
04:24
These are all complexity questions,
105
252000
2000
Das sind alles Fragen der Komplexität,
04:26
and computer science tells us that these are very hard questions.
106
254000
2000
und laut Informatik sind diese Fragen sehr schwierig.
04:28
Almost -- many of them are impossible.
107
256000
2000
Fast – viele von ihnen sind unmöglich.
04:30
But for some tasks, we can start to answer them.
108
258000
3000
Aber in einigen Fällen können wir schon Antworten äußern.
04:33
So, I'm going to start asking those questions
109
261000
1000
Ich werde also diese Fragen stellen
04:34
for the DNA structures I'm going to talk about next.
110
262000
3000
für die DNA-Strukturen, über die ich als nächstes rede.
04:37
So, this is normal DNA, what you think of as normal DNA.
111
265000
3000
Das hier ist normale DNA, was man für normale DNA hält.
04:40
It's double-stranded, it's a double helix,
112
268000
2000
Sie hat zwei Stränge, sie ist eine Doppelhelix,
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
270000
3000
und die As, Ts, Cs und Gs halten durch ihre Verbindung die Stränge zusammen.
04:45
And I'm going to draw it like this sometimes,
114
273000
2000
Ich werde es manchmal so aufzeichnen,
04:47
just so I don't scare you.
115
275000
2000
nur, damit ich Sie nicht erschrecke.
04:49
We want to look at individual strands and not think about the double helix.
116
277000
3000
Wir wollen uns einzelne Stränge ansehen, nicht die Doppelhelix.
04:52
When we synthesize it, it comes single-stranded,
117
280000
3000
Wenn wir sie synthetisieren, hat sie nur einen Strang.
04:55
so we can take the blue strand in one tube
118
283000
3000
Wir können also den blauen Strang in einem Röhrchen haben
04:58
and make an orange strand in the other tube,
119
286000
2000
und einen orangefarbenen im anderen Röhrchen,
05:00
and they're floppy when they're single-stranded.
120
288000
2000
und wenn sie nur einen Strang hat, ist sie schwabbelig.
05:02
You mix them together and they make a rigid double helix.
121
290000
3000
Wenn man sie vermischt, ergeben sie eine feste Doppelhelix.
05:05
Now for the last 25 years,
122
293000
2000
In den letzten 25 Jahren
05:07
Ned Seeman and a bunch of his descendants
123
295000
2000
arbeiteten Ned Seeman und ein paar seiner Nachfolger
05:09
have worked very hard and made beautiful three-dimensional structures
124
297000
3000
hart daran, wunderschöne dreidimensionale Strukturen zu erstellen,
05:12
using this kind of reaction of DNA strands coming together.
125
300000
3000
indem diese Reaktion der DNA-Stränge ausgenutzt wird.
05:15
But a lot of their approaches, though elegant, take a long time.
126
303000
3000
Viele ihrer Ansätze sind zwar elegant, dauern aber lange.
05:18
They can take a couple of years, or it can be difficult to design.
127
306000
3000
Sie können ein paar Jahre dauern, oder sind schwierig zu entwerfen.
05:21
So I came up with a new method a couple of years ago
128
309000
3000
Also dachte ich mir vor ein paar Jahren eine neue Methode aus,
05:24
I call DNA origami
129
312000
1000
die ich DNA-Origami nenne,
05:25
that's so easy you could do it at home in your kitchen
130
313000
2000
und die so einfach ist, dass man sie selbst zuhause in der Küche verrichten kann
05:27
and design the stuff on a laptop.
131
315000
2000
und das Zeug auf dem Laptop entwerfen.
05:29
But to do it, you need a long, single strand of DNA,
132
317000
3000
Aber um das zu tun, wird ein einzelner, langer DNA-Strang benötigt.
05:32
which is technically very difficult to get.
133
320000
2000
Theoretisch kommt man da nur schwer ran.
05:34
So, you can go to a natural source.
134
322000
2000
Also kann man sich einer natürlichen Quelle bedienen.
05:36
You can look in this computer-fabricated artifact,
135
324000
2000
Sie können in dieses Computer-generierte Produkt hineinsehen,
05:38
and he's got a double-stranded genome -- that's no good.
136
326000
2000
und es hat ein doppelt gewundenes Genom – das nützt uns nichts.
05:40
You look in his intestines. There are billions of bacteria.
137
328000
3000
Man kann in seinen Darm schauen. Es gibt Milliarden Bakterien.
05:43
They're no good either.
138
331000
2000
Die nützen uns auch nichts.
05:45
Double strand again, but inside them, they're infected with a virus
139
333000
2000
Wieder doppelt gewunden, aber sie sind mit einem Virus infiziert,
05:47
that has a nice, long, single-stranded genome
140
335000
3000
der ein schönes, langes, einzeln gewundenes Genom hat,
05:50
that we can fold like a piece of paper.
141
338000
2000
das wir wie ein Stück Papier falten können.
05:52
And here's how we do it.
142
340000
1000
Und das machen wir so.
05:53
This is part of that genome.
143
341000
1000
Das ist Teil dieses Genoms.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
342000
3000
Wir geben noch etwas kurze, synthetische DNA dazu, die ich Krampen nenne.
05:57
Each one has a left half that binds the long strand in one place,
145
345000
4000
Jede einzelne hat eine linke Hälfte, die den langen Strang festhält,
06:01
and a right half that binds it in a different place,
146
349000
3000
und eine rechte Hälfte, die ihn an einer anderen Stelle festhält,
06:04
and brings the long strand together like this.
147
352000
2000
und so wird der lange Strang so zusammengefügt.
06:07
The net action of many of these on that long strand
148
355000
2000
Unterm Strich falten sich so viele von ihnen auf diesem Strang
06:09
is to fold it into something like a rectangle.
149
357000
2000
in so etwas wie ein Rechteck.
06:11
Now, we can't actually take a movie of this process,
150
359000
2000
Davon können wir kein Video aufnehmen,
06:13
but Shawn Douglas at Harvard
151
361000
2000
aber Shawn Douglas aus Harvard
06:15
has made a nice visualization for us
152
363000
2000
hat uns das schön visualisiert.
06:17
that begins with a long strand and has some short strands in it.
153
365000
4000
Hier haben wir einen langen Strang mit ein paar kurzen dran.
06:21
And what happens is that we mix these strands together.
154
369000
4000
Und dann mischen wir diese Stränge zusammen.
06:25
We heat them up, we add a little bit of salt,
155
373000
2000
Wir erhitzen sie, fügen etwas Salz hinzu,
06:27
we heat them up to almost boiling and cool them down,
156
375000
2000
erhitzen sie fast bis zum Siedepunkt und kühlen sie ab,
06:29
and as we cool them down,
157
377000
1000
und während des Abkühlens
06:30
the short strands bind the long strands
158
378000
2000
fixieren die kurzen Stränge die langen
06:32
and start to form structure.
159
380000
2000
und es bildet sich eine Struktur heraus.
06:34
And you can see a little bit of double helix forming there.
160
382000
3000
Und Sie können sehen, wie sich hier eine Doppelhelix formt.
06:38
When you look at DNA origami,
161
386000
2000
Wenn Sie sich DNA-Origami anschauen,
06:40
you can see that what it really is,
162
388000
3000
können Sie erkennen, dass sie,
06:43
even though you think it's complicated,
163
391000
1000
obwohl es zunächst kompliziert scheint,
06:44
is a bunch of double helices that are parallel to each other,
164
392000
3000
nur ein Haufen Doppelhelices ist, die parallel liegen,
06:47
and they're held together
165
395000
2000
und sie werden dort zusammengehalten,
06:49
by places where short strands go along one helix
166
397000
2000
wo kurze Stränge an einer Helix entlang verlaufen
06:51
and then jump to another one.
167
399000
2000
und dann zu einer anderen springen.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
401000
3000
Es gibt also einen Strang, der so verläuft, entlang der Helix, sich fixiert –
06:56
it jumps to another helix and comes back.
169
404000
2000
dann springt er zu einer anderen Helix und kommt zurück.
06:58
That holds the long strand like this.
170
406000
2000
Das fixiert den langen Strang so.
07:00
Now, to show that we could make any shape or pattern
171
408000
3000
Um nun zu zeigen, dass wir beliebige Formen und Muster,
07:03
that we wanted, I tried to make this shape.
172
411000
2000
die wir wollten, erzeugen können, versuchte ich mich an so einer Form.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
414000
2000
Ich wollte DNA zu etwas falten, das über dem Auge hoch geht,
07:08
down the nose, up the nose, around the forehead,
174
416000
3000
an der Nase runter, die Nase hoch, um die Stirn,
07:11
back down and end in a little loop like this.
175
419000
3000
wieder runter und dann in so einem Kringel endet.
07:14
And so, I thought, if this could work, anything could work.
176
422000
3000
Und, so dachte ich, wenn das funktioniert, geht alles.
07:17
So I had the computer program design the short staples to do this.
177
425000
3000
Also sollte das Computerprogramm die Krampen dafür entwerfen.
07:20
I ordered them; they came by FedEx.
178
428000
2000
Ich bestellte sie, sie kamen mit FedEx.
07:22
I mixed them up, heated them, cooled them down,
179
430000
2000
Ich vermischte sie, erhitzte sie und ließ sie abkühlen,
07:24
and I got 50 billion little smiley faces
180
432000
4000
und bekam 50 Milliarden grinsender Gesichter,
07:28
floating around in a single drop of water.
181
436000
2000
die in einem einzelnen Wassertropfen herumschwimmen.
07:30
And each one of these is just
182
438000
2000
Und jedes von ihnen ist einfach
07:32
one-thousandth the width of a human hair, OK?
183
440000
4000
ein Tausendstel so breit wie ein menschliches Haar, okay?
07:36
So, they're all floating around in solution, and to look at them,
184
444000
3000
Sie schweben da also alle in der Lösung herum.
07:39
you have to get them on a surface where they stick.
185
447000
2000
Um sie zu sehen, müssen wir sie auf eine klebrige Oberfläche bekommen.
07:41
So, you pour them out onto a surface
186
449000
2000
Also kippen wir sie auf eine Oberfläche
07:43
and they start to stick to that surface,
187
451000
2000
und sie kleben daran fest,
07:45
and we take a picture using an atomic-force microscope.
188
453000
2000
und dann machen wir ein Bild mittels Rasterkraftmikroskopie.
07:47
It's got a needle, like a record needle,
189
455000
2000
Es gibt eine Nadel, wie bei einem Plattenspieler,
07:49
that goes back and forth over the surface,
190
457000
2000
die sich auf der Oberfläche hin- und zurückbewegt,
07:51
bumps up and down, and feels the height of the first surface.
191
459000
3000
rauf und runter, und die Höhe der ersten Oberfläche ertastet.
07:54
It feels the DNA origami.
192
462000
2000
Sie fühlt das DNA-Origami.
07:56
There's the atomic-force microscope working
193
464000
2000
Hier ist das Rasterkraftmikroskop an der Arbeit,
07:59
and you can see that the landing's a little rough.
194
467000
1000
und man sieht, dass die Landung etwas hart ist.
08:00
When you zoom in, they've got, you know,
195
468000
2000
Beim Reinzoomen sehen wir
08:02
weak jaws that flip over their heads
196
470000
1000
schwache Kiefer, die über ihre Köpfe klappen,
08:03
and some of their noses get punched out, but it's pretty good.
197
471000
3000
und einige ihrer Nasen wurden eingeschlagen, aber sonst ganz gut.
08:06
You can zoom in and even see the extra little loop,
198
474000
2000
Man kann sich reinzoomen und sogar den kleinen Kringel sehen,
08:08
this little nano-goatee.
199
476000
2000
diesen kleinen Nano-Ziegenbart.
08:10
Now, what's great about this is anybody can do this.
200
478000
3000
Und das Tolle daran ist, dass es jeder tun kann.
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
481000
4000
Und ungefähr ein Jahr später bekam ich überraschenderweise dies in der Post.
08:17
Anyone know what this is? What is it?
202
485000
3000
Weiß jemand, was das ist? Was ist es?
08:20
It's China, right?
203
488000
2000
Es ist China, nicht wahr?
08:22
So, what happened is, a graduate student in China,
204
490000
2000
Folgendes war passiert: Eine Studentin in China,
08:24
Lulu Qian, did a great job.
205
492000
2000
Lulu Qian, legte saubere Arbeit hin.
08:26
She wrote all her own software
206
494000
2000
Sie schrieb ihre ganz eigene Software,
08:28
to design and built this DNA origami,
207
496000
2000
um dieses DNA-Origami zu entwerfen und zu bauen,
08:30
a beautiful rendition of China, which even has Taiwan,
208
498000
3000
eine wunderbare Darstellung von China, sogar mit Taiwan,
08:33
and you can see it's sort of on the world's shortest leash, right?
209
501000
3000
und es hängt im Prinzip an der kürzesten Leine der Welt, nicht?
08:36
(Laughter)
210
504000
2000
(Lachen)
08:39
So, this works really well
211
507000
1000
Das funktioniert also echt gut
08:41
and you can make patterns as well as shapes, OK?
212
509000
2000
und man kann Muster sowie auch Formen bauen, okay?
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
512000
3000
Und man kann eine Karte von Amerika erstellen und DNA mit DNA buchstabieren.
08:47
And what's really neat about it --
214
515000
3000
Und hier ist was Tolles...
08:50
well, actually, this all looks like nano-artwork,
215
518000
2000
also das sieht alles ein bisschen nach Nano-Kunst aus,
08:52
but it turns out that nano-artwork
216
520000
1000
aber diese Nano-Kunst stellt sich als Grundlage
08:53
is just what you need to make nano-circuits.
217
521000
2000
für das Erstellen von Nano-Schaltkreisen heraus.
08:55
So, you can put circuit components on the staples,
218
523000
2000
Also kann man Schaltkreiskomponenten auf die Krampen setzen,
08:57
like a light bulb and a light switch.
219
525000
2000
wie eine Glühbirne und einen Schalter.
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
527000
3000
Dann wartet man, bis es fertig ist, und bekommt eine Art Schaltkreis.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
530000
3000
Und dann kann man vielleicht die DNA wegspülen und hat nur den Schaltkreis.
09:05
So, this is what some colleagues of mine at Caltech did.
222
533000
2000
Das haben also Kollegen von mir am Caltech getan.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
535000
3000
Sie nahmen ein DNA-Origami, organisierten ein paar Nano-Röhrchen aus Kohlefasern
09:10
made a little switch, you see here, wired it up,
224
538000
2000
und schlossen hier einen Schalter an,
09:12
tested it and showed that it is indeed a switch.
225
540000
3000
testeten es und bewiesen, dass es wirklich ein Schalter ist.
09:15
Now, this is just a single switch
226
543000
2000
Das ist nur ein einzelner Schalter.
09:17
and you need half a billion for a computer, so we have a long way to go.
227
545000
4000
Für einen Computer braucht man eine halbe Milliarde, es ist also noch ein weiter Weg.
09:21
But this is very promising
228
549000
2000
Aber es sieht sehr vielversprechend aus,
09:23
because the origami can organize parts just one-tenth the size
229
551000
5000
denn das Origami kann Teile von einem Zehntel der Größe
09:28
of those in a normal computer.
230
556000
1000
von denen in einem normalen Computer bauen.
09:29
So it's very promising for making small computers.
231
557000
3000
Das sieht also sehr gut aus für den Bau kleiner Computer.
09:32
Now, I want to get back to that compiler.
232
560000
3000
Kehren wir jetzt zu dem Compiler zurück.
09:35
The DNA origami is a proof that that compiler actually works.
233
563000
3000
Das DNA-Origami ist ein Beweis, dass der Compiler funktioniert.
09:39
So, you start with something in the computer.
234
567000
2000
Man beginnt also mit etwas im Computer.
09:41
You get a high-level description of the computer program,
235
569000
3000
Man bekommt eine abstrakte Beschreibung des Programms,
09:44
a high-level description of the origami.
236
572000
2000
eine abstrakte Beschreibung des Origamis.
09:46
You can compile it to molecules, send it to a synthesizer,
237
574000
3000
Man kann es zu Molekülen zusammensetzen und dann an einen Synthesizer schicken,
09:49
and it actually works.
238
577000
1000
und es funktioniert wirklich.
09:50
And it turns out that a company has made a nice program
239
578000
4000
Und jetzt hat eine Firma sogar ein nettes Programm gemacht.
09:54
that's much better than my code, which was kind of ugly,
240
582000
2000
Es ist viel besser als mein Code, der war etwas hässlich,
09:56
and will allow us to do this in a nice,
241
584000
1000
und so können wir das auf eine schöne,
09:57
visual, computer-aided design way.
242
585000
2000
visuelle und computerunterstützte Art entwerfen.
10:00
So, now you can say, all right,
243
588000
1000
Natürlich könnte man jetzt sagen,
10:01
why isn't DNA origami the end of the story?
244
589000
2000
wieso ist denn DNA-Origami nicht das Ende der Geschichte?
10:03
You have your molecular compiler, you can do whatever you want.
245
591000
2000
Hier haben wir den molekularen Compiler, damit können wir tun, was wir wollen.
10:05
The fact is that it does not scale.
246
593000
3000
Man kann es aber nicht skalieren.
10:08
So if you want to build a human from DNA origami,
247
596000
3000
Wenn man also aus DNA-Origami einen Menschen bauen will,
10:11
the problem is, you need a long strand
248
599000
2000
braucht man einen langen Strang,
10:13
that's 10 trillion trillion bases long.
249
601000
3000
der 10 Billionen Billionen Basen lang ist.
10:16
That's three light years' worth of DNA,
250
604000
2000
Das sind drei Lichtjahre DNA,
10:18
so we're not going to do this.
251
606000
2000
daraus wird also nichts.
10:20
We're going to turn to another technology,
252
608000
2000
Und so wenden wir uns einer anderen Technologie zu,
10:22
called algorithmic self-assembly of tiles.
253
610000
2000
die wir algorithmische Selbstassemblierung der Bausteine nennen.
10:24
It was started by Erik Winfree,
254
612000
2000
Sie wurde von Erik Winfree initiiert,
10:26
and what it does,
255
614000
1000
und diese Methode kann
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
615000
4000
Bausteine von einem Hundertstel der Größe eines DNA-Origami verarbeiten.
10:31
You zoom in, there are just four DNA strands
257
619000
2000
Man zoomt rein, es gibt nur vier DNA-Stränge,
10:34
and they have little single-stranded bits on them
258
622000
2000
und auf ihnen sitzen einzelne Teilstränge,
10:36
that can bind to other tiles, if they match.
259
624000
2000
die sich an andere Bausteine heften können, wenn sie passen.
10:38
And we like to draw these tiles as little squares.
260
626000
3000
Und diese Bausteine stellen wir gern als kleine Quadrate dar.
10:42
And if you look at their sticky ends, these little DNA bits,
261
630000
2000
Wenn man sich ihre klebrigen Enden ansieht, diese DNA-Stückchen,
10:44
you can see that they actually form a checkerboard pattern.
262
632000
3000
dann sieht man, dass sie ein Schachbrettmuster bilden.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
635000
3000
Also wird aus ihnen ein kompliziertes, sich selbst montierendes Schachbrett.
10:50
And the point of this, if you didn't catch that,
264
638000
2000
Und der springende Punkt daran ist, falls das jemand verpasst hat,
10:52
is that tiles are a kind of molecular program
265
640000
3000
dass die Bausteine eine Art molekulares Programm sind,
10:55
and they can output patterns.
266
643000
3000
die Muster ausgeben können.
10:58
And a really amazing part of this is
267
646000
2000
Und ein faszinierender Aspekt daran ist,
11:00
that any computer program can be translated
268
648000
2000
dass ein jedes Computerprogramm in eines dieser
11:02
into one of these tile programs -- specifically, counting.
269
650000
3000
Bausteinprogramme übersetzt werden kann, besonders Zähler.
11:05
So, you can come up with a set of tiles
270
653000
3000
Man kann also einen Satz Bausteine vorbereiten,
11:08
that when they come together, form a little binary counter
271
656000
3000
die bei ihrer Verbindung einen kleinen binären Zähler formen,
11:11
rather than a checkerboard.
272
659000
2000
und kein Schachbrett.
11:13
So you can read off binary numbers five, six and seven.
273
661000
3000
Man kann die Binärzahlen fünf, sechs und sieben ablesen.
11:16
And in order to get these kinds of computations started right,
274
664000
3000
Und um diese Berechnungen auf den richtigen Weg zu bringen,
11:19
you need some kind of input, a kind of seed.
275
667000
2000
braucht man eine Art Input, einen Samen sozusagen.
11:21
You can use DNA origami for that.
276
669000
2000
Dafür kann man DNA-Origami verwenden.
11:23
You can encode the number 32
277
671000
2000
Man kann die Zahl 32
11:25
in the right-hand side of a DNA origami,
278
673000
2000
auf die rechte Seite eines DNA-Origami kodieren,
11:27
and when you add those tiles that count,
279
675000
2000
und wenn man diese zählenden Bausteine hinzufügt,
11:29
they will start to count -- they will read that 32
280
677000
3000
dann beginnen sie zu zählen – sie erkennen die 32
11:32
and they'll stop at 32.
281
680000
2000
und hören bei 32 auf.
11:34
So, what we've done is we've figured out a way
282
682000
3000
Wir haben also eine Methode gefunden,
11:37
to have a molecular program know when to stop going.
283
685000
3000
ein molekulares Programm zum wissentlichen Aufhören zu bringen.
11:40
It knows when to stop growing because it can count.
284
688000
2000
Es weiß, wann es nicht mehr weiterwachsen soll, weil es zählen kann.
11:42
It knows how big it is.
285
690000
2000
Es weiß, wie groß es ist.
11:44
So, that answers that sort of first question I was talking about.
286
692000
3000
Das beantwortet also die erste Frage, die ich vorhin erwähnte.
11:47
It doesn't tell us how babies do it, however.
287
695000
3000
Es sagt uns aber nicht, wie Babies das hinkriegen.
11:50
So now, we can use this counting to try and get at much bigger things
288
698000
4000
Jetzt können wir versuchen, mit diesem Zählen größere Dinge zu erreichen,
11:54
than DNA origami could otherwise.
289
702000
1000
die DNA-Origami normalerweise nicht kann.
11:55
Here's the DNA origami, and what we can do
290
703000
3000
Hier ist das DNA-Origami, und wir können eins tun,
11:58
is we can write 32 on both edges of the DNA origami,
291
706000
3000
wir schreiben 32 auf beide Seiten des DNA-Origami,
12:01
and we can now use our watering can
292
709000
2000
und können nun unsere Gießkanne verwenden
12:03
and water with tiles, and we can start growing tiles off of that
293
711000
4000
und mit Bausteinen gießen, und daraus wachsen dann Bausteine
12:07
and create a square.
294
715000
2000
und formen ein Quadrat.
12:09
The counter serves as a template
295
717000
3000
Der Zähler dient als Vorlage,
12:12
to fill in a square in the middle of this thing.
296
720000
2000
der einen Baustein in der Mitte ausfüllen soll.
12:14
So, what we've done is we've succeeded
297
722000
1000
Uns ist es also gelungen,
12:15
in making something much bigger than a DNA origami
298
723000
3000
etwas viel größeres als DNA-Origami zu erschaffen,
12:18
by combining DNA origami with tiles.
299
726000
3000
indem wir DNA-Origami und Bausteine verbunden haben.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
729000
3000
Und das Tolle daran ist, man kann es umprogrammieren.
12:24
You can just change a couple of the DNA strands in this binary representation
301
732000
4000
Man kann einfach ein paar DNA-Stränge in der binären Darstellung ändern
12:28
and you'll get 96 rather than 32.
302
736000
3000
und bekommt 96 anstatt 32.
12:31
And if you do that, the origami's the same size,
303
739000
3000
Und wenn man das tut, hat das Origami dieselbe Größe,
12:34
but the resulting square that you get is three times bigger.
304
742000
4000
aber unser Quadrat ist am Ende dreimal so groß.
12:39
So, this sort of recapitulates
305
747000
1000
Das fasst also zusammen,
12:40
what I was telling you about development.
306
748000
2000
was ich vorhin über Entwicklung erzählte.
12:42
You have a very sensitive computer program
307
750000
3000
Wir haben ein sehr sensibles Computerprogramm,
12:45
where small changes -- single, tiny, little mutations --
308
753000
3000
wo kleine Änderungen – winzige, einzelne Mutationen –
12:48
can take something that made one size square
309
756000
2000
etwas nehmen, das ein Quadrat einer Größe schuf,
12:50
and make something very much bigger.
310
758000
3000
und daraus etwas viel Größeres machen.
12:54
Now, this -- using counting to compute
311
762000
3000
Und das – die Verwendung von Zählern zur Berechnung
12:57
and build these kinds of things
312
765000
2000
und zum Bau dieser Dinge
12:59
by this kind of developmental process
313
767000
2000
durch diese Art Entwicklungsprozess
13:01
is something that also has bearing on Craig Venter's question.
314
769000
4000
ist etwas, das sich auch auf Craig Venters Frage auswirkt.
13:05
So, you can ask, how many DNA strands are required
315
773000
2000
Also kann man fragen: "Wie viele DNA-Stränge braucht man,
13:07
to build a square of a given size?
316
775000
2000
um ein Quadrat einer bestimmten Größe zu bauen?"
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
777000
5000
Wenn wir ein Quadrat der Größe 10, 100 oder 1.000 machen wollten,
13:14
if we used DNA origami alone,
318
782000
2000
wenn wir nur DNA-Origami dazu verwendeten,
13:16
we would require a number of DNA strands that's the square
319
784000
3000
dann entspräche die benötigte Anzahl der DNA-Stränge der
13:19
of the size of that square;
320
787000
2000
Größe des Quadrats im Quadrat:
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
789000
2000
Wir brauchten also 100, 10.000 oder eine Million DNA-Stränge.
13:23
That's really not affordable.
322
791000
2000
Das können wir uns nicht so recht leisten.
13:25
But if we use a little computation --
323
793000
2000
Aber wenn wir unsere Berechnungen nehmen –
13:27
we use origami, plus some tiles that count --
324
795000
4000
wir nehmen Origami, und ein paar zählende Bausteine –
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
799000
3000
dann geht das auch mit 100, 200 oder 300 DNA-Strängen.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
802000
5000
Und so können wir die Zahl der verwendeten DNA-Stränge
13:39
if we use counting, if we use a little bit of computation.
327
807000
3000
mit nur ein bisschen Zählen und Berechnung exponentiell verringern.
13:42
And so computation is some very powerful way
328
810000
3000
Berechnung ist also eine sehr effektive Art,
13:45
to reduce the number of molecules you need to build something,
329
813000
3000
die Anzahl der zum Bau benötigten Moleküle zu reduzieren
13:48
to reduce the size of the genome that you're building.
330
816000
3000
und die Größe des zu bauenden Genoms zu reduzieren.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
819000
3000
Und schließlich komme ich zu der verrückten Idee zurück,
13:54
about computers building computers.
332
822000
2000
dass Computer Computer bauen.
13:56
If you look at the square that you build with the origami
333
824000
3000
Schauen Sie sich das Quadrat an, das wir mit dem Origami gebaut haben,
13:59
and some counters growing off it,
334
827000
2000
und die Zähler, die aus ihm wachsen,
14:01
the pattern that it has is exactly the pattern that you need
335
829000
3000
sein Muster ist exakt das Muster, das wir brauchen,
14:04
to make a memory.
336
832000
1000
um einen Speicher zu erschaffen.
14:05
So if you affix some wires and switches to those tiles --
337
833000
3000
Befestigen wir also ein paar Drähte und Schalter an den Bausteinen –
14:08
rather than to the staple strands, you affix them to the tiles --
338
836000
3000
wir heften sie also nicht an die Stränge, sondern an die Bausteine –
14:11
then they'll self-assemble the somewhat complicated circuits,
339
839000
3000
dann bauen sie die komplizierteren Schaltkreise selbst zusammen,
14:14
the demultiplexer circuits, that you need to address this memory.
340
842000
3000
die Demultiplexer-Schaltkreise, die wir für diesen Speicher brauchen.
14:17
So you can actually make a complicated circuit
341
845000
2000
Also können wir einen komplizierten Schaltkreis schaffen,
14:19
using a little bit of computation.
342
847000
2000
indem wir nur ein bisschen Berechnung verwenden.
14:21
It's a molecular computer building an electronic computer.
343
849000
3000
Es ist ein molekularer Computer, der einen elektronischen baut.
14:24
Now, you ask me, how far have we gotten down this path?
344
852000
3000
Und jetzt fragt ihr: "Wie weit sind wir auf dieser Straße?"
14:27
Experimentally, this is what we've done in the last year.
345
855000
3000
Experimentell haben wir das im vergangenen Jahr getan.
14:30
Here is a DNA origami rectangle,
346
858000
2000
Hier ist ein Rechteck aus DNA-Origami,
14:33
and here are some tiles growing from it.
347
861000
2000
und hier wachsen ein paar Bausteine daraus.
14:35
And you can see how they count.
348
863000
2000
Und man kann sehen, wie sie zählen.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
865000
12000
Eins, zwei, drei, vier, fünf, sechs, neun, zehn, elf, zwölf, siebzehn.
14:49
So it's got some errors, but at least it counts up.
350
877000
4000
Da sind ein paar Fehler drin, aber wenigstens zählt es in eine Richtung.
14:53
(Laughter)
351
881000
1000
(Lachen)
14:54
So, it turns out we actually had this idea nine years ago,
352
882000
3000
Diese Idee hatten wir vor neun Jahren,
14:57
and that's about the time constant for how long it takes
353
885000
3000
und das ist die ungefähre Zeitkonstante, die wir zum Erreichen
15:00
to do these kinds of things, so I think we made a lot of progress.
354
888000
2000
dieser Dinge benötigen. Ich würde sagen, wir haben viel geschafft.
15:02
We've got ideas about how to fix these errors.
355
890000
2000
Wir haben ein paar Ideen, wie wir diese Fehler lösen,
15:04
And I think in the next five or 10 years,
356
892000
2000
Und ich glaube, dass wir in den nächsten 5 bis 10 Jahren
15:06
we'll make the kind of squares that I described
357
894000
2000
die Quadrate herstellen können, die ich beschrieben habe,
15:08
and maybe even get to some of those self-assembled circuits.
358
896000
3000
und vielleicht sogar ein paar der selbstmontierten Schaltkreise.
15:11
So now, what do I want you to take away from this talk?
359
899000
4000
Was möchte ich euch allen aus diesem Vortrag mitgeben?
15:15
I want you to remember that
360
903000
2000
Ich möchte, dass ihr euch bewusst seid,
15:17
to create life's very diverse and complex forms,
361
905000
4000
dass das Leben, um seine sehr diversen und komplexen
15:21
life uses computation to do that.
362
909000
2000
Formen zu erschaffen, Berechnung verwendet.
15:23
And the computations that it uses, they're molecular computations,
363
911000
4000
Und die verwendeten Berechnungen sind molekular,
15:27
and in order to understand this and get a better handle on it,
364
915000
2000
und um das zu verstehen und es besser in den Griff zu bekommen,
15:29
as Feynman said, you know,
365
917000
2000
wie Feynman sagte,
15:31
we need to build something to understand it.
366
919000
2000
müssen wir etwas bauen, um es zu verstehen.
15:33
And so we are going to use molecules and refashion this thing,
367
921000
4000
Also werden wir Moleküle nehmen und das alles umbauen,
15:37
rebuild everything from the bottom up,
368
925000
2000
es von Grund auf zu erbauen,
15:39
using DNA in ways that nature never intended,
369
927000
3000
indem wir DNA so verwenden, wie die Natur es nie beabsichtigte,
15:42
using DNA origami,
370
930000
2000
indem wir DNA-Origami verwenden,
15:44
and DNA origami to seed this algorithmic self-assembly.
371
932000
3000
und das soll diese algorithmische Selbstassemblierung begründen.
15:47
You know, so this is all very cool,
372
935000
2000
Und das ist alles schon ziemlich cool,
15:50
but what I'd like you to take from the talk,
373
938000
1000
aber was ihr aus diesem Vortrag mitnehmen solltet,
15:51
hopefully from some of those big questions,
374
939000
2000
vielleicht aus einer dieser großen Fragen,
15:53
is that this molecular programming isn't just about making gadgets.
375
941000
3000
ist dass sich die molekulare Programmierung nicht ums Erschaffen von Spielereien dreht.
15:56
It's not just making about --
376
944000
2000
Es geht nicht nur um –
15:58
it's making self-assembled cell phones and circuits.
377
946000
2000
es geht nicht um selbstmontierte Handys und Schaltkreise.
16:00
What it's really about is taking computer science
378
948000
2000
Es geht aber darum, mithilfe der Informatik
16:02
and looking at big questions in a new light,
379
950000
3000
große Fragen in einem neuen Licht zu betrachten,
16:05
asking new versions of those big questions
380
953000
2000
neue Versionen dieser großen Fragen zu stellen
16:07
and trying to understand how biology
381
955000
2000
und zu verstehen, wie die Biologie
16:09
can make such amazing things. Thank you.
382
957000
2000
solche faszinierenden Dinge schaffen kann. Danke.
16:12
(Applause)
383
960000
7000
(Applaus)
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