ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com
TED2017

Jun Wang: How digital DNA could help you make better health choices

Jun Wang: Cómo el ADN digital puede ayudarte a realizar decisiones más saludables

Filmed:
1,303,361 views

¿Qué pasaría si pudieras saber con exactitud de qué manera la comida o los medicamentos pueden impactar en tu salud antes de ingerirlos? El investigador de genómica Jun Wang está trabajando para desarrollar un doble digital de personas reales; empiezan con el código genético, pero también se basa en otros factores, desde comida ingerida antes de dormir hasta información recolectada por un "baño inteligente". Con toda esta valiosa información, Wang espera crear un motor que cambie la forma en la que pensamos acerca de la salud, tanto a nivel individual como en el colectivo.
- Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management. Full bio

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

00:12
TodayHoy I'm here, actuallyactualmente,
to posepose you a questionpregunta.
0
952
2568
Hoy estoy aquí
para plantearles una pregunta
00:16
What is life?
1
4056
1150
¿Qué es la vida?
00:17
It has been really puzzlingmisterioso me
for more than 25 yearsaños,
2
5740
3663
Me ha estado desconcertando
más de 25 años
00:21
and will probablyprobablemente continuecontinuar doing so
for the nextsiguiente 25 yearsaños.
3
9427
3582
Y probablemente lo siga haciendo
los siguientes 25.
00:25
This is the thesistesis I did
when I was still in undergraduatede licenciatura schoolcolegio.
4
13774
4571
Esta es la tesis que hice cuando aún
estaba en la escuela de pregrado.
00:31
While my colleaguescolegas still treatedtratado
computersordenadores as biggrande calculatorscalculadoras,
5
19435
6942
Mientras mis colegas seguían tratando las
computadoras como grandes calculadoras,
yo empecé a enseñarles
a las computadoras a aprender.
00:38
I startedempezado to teachenseñar computersordenadores to learnaprender.
6
26401
2301
00:41
I builtconstruido digitaldigital ladydama beetlesescarabajos
7
29561
3383
Contruí una mariquita digital
00:44
and triedintentó to learnaprender from realreal ladydama beetlesescarabajos,
just to do one thing:
8
32968
4587
y traté de aprender de una mariquita real,
sólo para hacer una cosa:
00:49
searchbuscar for foodcomida.
9
37579
1150
buscar comida.
00:51
And after very simplesencillo neuralneural networkred --
10
39321
2774
Y después de una simple red neural,
00:54
geneticgenético algorithmsAlgoritmos and so on --
11
42119
2271
algoritmos geneticos y demás,
00:56
look at the patternpatrón.
12
44414
1357
miren el patrón.
00:57
They're almostcasi identicalidéntico to realreal life.
13
45795
3022
Son casi idénticos al de la vida real.
01:01
A very strikingsorprendentes learningaprendizaje experienceexperiencia
for a twenty-year-oldveinte años de edad.
14
49977
3888
Una sorprendente experiencia
de aprendizaje para un chico de 20 años.
01:07
Life is a learningaprendizaje programprograma.
15
55603
2907
La vida es un programa de aprendizaje.
01:12
When you look
at all of this wonderfulmaravilloso worldmundo,
16
60259
3533
Cuando observamos todo
este maravilloso mundo,
01:15
everycada speciesespecies has
its ownpropio learningaprendizaje programprograma.
17
63816
3192
todas las especies tienen su propio
programa de aprendizaje.
01:19
The learningaprendizaje programprograma is genomegenoma,
18
67585
2761
El programa de aprendizaje es el genoma,
01:22
and the codecódigo of that programprograma is DNAADN.
19
70370
3604
y el código de ese programa es el ADN.
01:27
The differentdiferente genomesgenomas of eachcada speciesespecies
representrepresentar differentdiferente survivalsupervivencia strategiesestrategias.
20
75157
5977
Los genomas de cada especie representan
diferentes estrategias de supervivencia
01:33
They representrepresentar hundredscientos of millionsmillones
of yearsaños of evolutionevolución.
21
81618
4214
Representan cientos de millones
de años de evolución.
01:38
The interactionInteracción betweenEntre
everycada species'especies' ancestorantepasado
22
86879
3792
La interacción entre los antepasados
de todas las especies
01:42
and the environmentambiente.
23
90695
1970
y del medio ambiente.
01:46
I was really fascinatedfascinado about the worldmundo,
24
94150
2439
Yo estuve muy fascinado por el mundo,
01:48
about the DNAADN,
25
96613
1182
por el ADN,
01:49
about, you know, the languageidioma of life,
26
97819
2943
por, ya saben, el lenguaje de la vida,
01:52
the programprograma of learningaprendizaje.
27
100786
1646
el programa de aprendizaje.
01:54
So I decideddecidido to co-foundco-fundado
the instituteinstituto to readleer them.
28
102767
4733
Entonces decidí cofundar
el instituto para leerlos.
01:59
I readleer manymuchos of them.
29
107524
1362
Leí muchos de ellos.
02:01
We probablyprobablemente readleer more than halfmitad
of the prioranterior animalanimal genomesgenomas in the worldmundo.
30
109589
4129
quizá secuenciamos más de la mitad
de los genomas animales del mundo.
02:06
I mean, up to datefecha.
31
114315
1404
Quiero decir, hasta el momento.
02:09
We did learnaprender a lot.
32
117443
1235
Aprendimos mucho.
02:11
We did sequencesecuencia, alsoademás,
one speciesespecies manymuchos, manymuchos timesveces ...
33
119297
3868
También secuenciamos
una especie muchas veces...
02:15
humanhumano genomegenoma.
34
123189
1159
el genoma humano.
02:16
We sequencedsecuenciado the first Asianasiático.
35
124372
1762
Secuenciamos el primer asiático.
02:18
I sequencedsecuenciado it myselfmí mismo manymuchos, manymuchos timesveces,
36
126158
2838
Lo secuencié yo mismo muchas veces,
02:21
just to take advantageventaja of that platformplataforma.
37
129020
2559
solo para aprovechar la plataforma.
02:24
Look at all those repeatingrepitiendo basebase pairspares:
38
132968
2906
Miren todos esos pares de base que se
repiten:
02:27
ATCGATCG.
39
135898
1468
ATCG.
02:29
You don't understandentender anything there.
40
137390
1914
Uno no entiende nada de eso.
02:31
But look at that one basebase pairpar.
41
139328
1594
Pero miren a ese par base.
02:32
Those fivecinco lettersletras, the AGGAAAGGAA.
42
140946
2523
Esas cinco letras, las AGGAA.
02:35
These fivecinco SNPsSNPs representrepresentar
a very specificespecífico haplotypehaplotipo
43
143884
3477
Estos cinco SNP representan
un haplotipo muy específico
02:39
in the TibetanTibetano populationpoblación
44
147385
1841
en la población tibetana
02:41
around the genegene calledllamado EPASEPAS1.
45
149250
1999
alrededor del gene llamado EPAS1.
02:43
That genegene has been proveddemostrado --
46
151273
1731
Ese gene ha probado
02:45
it's highlyaltamente selectiveselectivo --
47
153028
1263
ser altamente selectivo,
02:46
it's the mostmás significantsignificativo signaturefirma
of positivepositivo selectionselección of TibetansTibetanos
48
154315
4347
lo que es la marca más significativa de
selección positiva de los tibetanos
02:50
for the highermayor altitudealtitud adaptationadaptación.
49
158686
1682
para la adaptación a mayor altitud.
02:53
You know what?
50
161102
1214
¿Saben qué?
02:54
These fivecinco SNPsSNPs were the resultresultado
of integrationintegración of DenisovansDenisovans,
51
162340
5787
Estos cinco SNPs fueron el resultado de
la integración de los denisovans
03:00
or Denisovan-likeDenisovan-como individualsindividuos into humanshumanos.
52
168151
3252
o de individuos como
los denisovans en humanos.
03:04
This is the reasonrazón
why we need to readleer those genomesgenomas.
53
172229
2531
Esa es la razón
para descifrar esos genomas.
03:06
To understandentender historyhistoria,
54
174784
1381
Para entender la historia,
03:08
to understandentender what kindtipo
of learningaprendizaje processproceso
55
176189
4098
para entender el tipo de proceso de
aprendizaje
03:12
the genomegenoma has been throughmediante
for the millionsmillones of yearsaños.
56
180311
3374
por el que el genoma ha pasado en
millones de años.
03:17
By readingleyendo a genomegenoma,
it can give you a lot of informationinformación --
57
185498
2923
Al leer un genoma, se puede
obtener mucha información,
03:20
tellsdice you the bugsloco in the genomegenoma --
58
188445
1673
los errores en el genoma.
03:22
I mean, birthnacimiento defectsdefectos,
monogeneticmonogenético disorderstrastornos.
59
190142
3180
Me refiero a los defectos de nacimiento,
desórdenes monogenéticos.
03:25
ReadingLeyendo a dropsoltar of bloodsangre
60
193346
1306
Al leer una gota de sangre,
03:26
could tell you why you got a feverfiebre,
61
194676
2108
se puede decir por qué tienes fiebre,
03:28
or it tellsdice you whichcual medicinemedicina
and dosagedosificación needsnecesariamente to be used
62
196808
3104
o qué medicina y dosis hay que usar
03:31
when you're sickenfermos, especiallyespecialmente for cancercáncer.
63
199936
2721
al estar enfermo, especialmente de cáncer.
03:35
A lot of things could be studiedestudió,
but look at that:
64
203675
3120
Muchas cosas pueden ser estudiadas,
pero miren esto:
03:38
30 yearsaños agohace, we were still poorpobre in ChinaChina.
65
206819
2960
hace 30 años, seguíamos pobres en China.
03:43
Only .67 percentpor ciento of the Chinesechino
adultadulto populationpoblación had diabetesdiabetes.
66
211108
3662
Sólo el 0.67 % de la población adulta
china tenía diabetes.
03:47
Look at now: 11 percentpor ciento.
67
215187
2143
Miren ahora, el 11 %.
03:49
GeneticsGenética cannotno poder changecambio over 30 yearsaños --
68
217877
3128
La genética no puede cambiar en 30 años,
03:53
only one generationGeneracion.
69
221029
1261
solo una generación.
03:54
It mustdebe be something differentdiferente.
70
222905
1627
Tiene que ser algo diferente.
03:56
DietDieta?
71
224556
1198
¿Dieta?
03:57
The environmentambiente?
72
225778
1150
¿El medio ambiente?
03:59
LifestyleEstilo de vida?
73
227552
1150
¿Estilo de vida?
04:01
Even identicalidéntico twinsGemelos
could developdesarrollar totallytotalmente differentlydiferentemente.
74
229399
4242
Incluso gemelos idénticos podían
desarrollarse de manera distinta.
04:07
It could be one becomesse convierte
very obeseobeso, the other is not.
75
235059
2877
Podía ser que uno se convierta en obeso,
pero el otro no.
04:11
One developsdesarrolla a cancercáncer
and the other does not.
76
239034
2502
Que uno desarrolle cáncer y el otro no.
04:13
Not mentioningmencionando livingvivo
in a very stressedtensionado environmentambiente.
77
241560
4905
Sin mencionar el hecho de vivir en un
ambiente estresante.
04:19
I movedmovido to ShenzhenShenzhen 10 yearsaños agohace ...
78
247566
2595
Me mudé a Shenzhen hace 10 años
04:22
for some reasonrazón, people maymayo know.
79
250185
2738
por algunas razones, la gente ya lo sabe.
04:25
If the gene'sgene's underdebajo stressestrés,
80
253969
1939
Si el gen se encuentra bajo estrés,
04:27
it behavesse comporta totallytotalmente differentlydiferentemente.
81
255932
1667
se comporta totalmente diferente.
04:30
Life is a journeyviaje.
82
258863
1381
La vida es un viaje.
04:32
A genegene is just a startingcomenzando pointpunto,
83
260817
2508
El gen solo es el punto de partida,
04:35
not the endfin.
84
263349
1150
no de llegada.
04:37
You have this statisticalestadístico riskriesgo
of certaincierto diseasesenfermedades when you are bornnacido.
85
265286
4488
Existe este riesgo estadístico de
ciertas enfermedades al nacer.
04:42
But everycada day you make differentdiferente choiceselecciones,
86
270392
3563
Pero cada día uno toma
diferentes decisiones,
04:45
and those choiceselecciones will increaseincrementar
or decreasedisminución the riskriesgo of certaincierto diseasesenfermedades.
87
273979
4538
y esas decisiones van a incrementar o
disminuir el riesgo de esas enfermedades.
04:51
But do you know
where you are on the curvecurva?
88
279428
2259
¿Pero saben dónde están en la curva?
04:54
What's the pastpasado curvecurva look like?
89
282443
2159
¿Cómo se ve la curva anterior?
04:56
What kindtipo of decisionsdecisiones
are you facingfrente a everycada day?
90
284959
2465
¿Qué clase de decisiones
uno enfrenta cada día?
04:59
And what kindtipo of decisiondecisión is the right one
91
287761
2467
¿Y qué clase de decisiones es la mejor
05:02
to make your ownpropio right curvecurva
over your life journeyviaje?
92
290252
4234
para hacer tu propia curva la mejor
en tu viaje de vida?
05:07
What's that?
93
295445
1150
¿Qué es eso?
05:09
The only thing you cannotno poder changecambio,
94
297320
1969
La única cosa que no puedes cambiar,
05:11
you cannotno poder reversemarcha atrás back,
95
299313
2181
que no puedes revertir,
05:13
is time.
96
301518
1228
es el tiempo.
05:14
ProbablyProbablemente not yettodavía; maybe in the futurefuturo.
97
302770
2001
Probablemente aún no; quizás en el futuro.
05:16
(LaughterRisa)
98
304795
1110
(Risas)
05:17
Well, you cannotno poder changecambio
the decisiondecisión you've madehecho,
99
305929
2819
Bueno, no pueden cambiar
la decisión que ya tomaron,
05:20
but can we do something there?
100
308772
1541
¿pero podríamos hacer algo con eso?
05:22
Can we actuallyactualmente try to runcorrer
multiplemúltiple optionsopciones on me,
101
310643
5102
¿Podríamos intentar operar
múltiples opciones en mí
05:27
and try to predictpredecir right
on the consequenceconsecuencia,
102
315769
3559
y tratar de predecir justo
en su consecuencia,
05:31
and be ablepoder to make the right choiceelección?
103
319352
2183
y tomar la mejor decisión?
05:34
After all,
104
322153
1172
Después de todo,
05:35
we are our choiceselecciones.
105
323349
1852
nosotros somos lo que decidimos.
05:38
These ladydama beetlesescarabajos camevino to me afterwardsdespués.
106
326413
2574
Estas mariquitas vinieron a mi tiempo
después.
05:41
25 yearsaños agohace, I madehecho
the digitaldigital ladydama beetlesescarabajos
107
329642
3463
Hace 25 años, hice una mariquita digital
05:45
to try to simulatesimular realreal ladydama beetlesescarabajos.
108
333129
1784
para tratar de simular una mariquita real.
05:47
Can I make a digitaldigital me ...
109
335503
1785
¿Podría hacer un "yo" digital...
05:49
to simulatesimular me?
110
337897
1324
para parecerse a mi?
05:51
I understandentender the neuralneural
networkred could becomevolverse
111
339955
2561
Entiendo que la red neural
podria llegar a ser
05:54
much more sophisticatedsofisticado
and complicatedComplicado there.
112
342540
3086
mucho más sofisticada y complicada.
05:57
Can I make that one,
113
345650
1554
¿Podría hacerla,
05:59
and try to runcorrer multiplemúltiple optionsopciones
on that digitaldigital me --
114
347228
3882
y tratar de ejecutar múltiples opciones
en ese "yo" digital
06:03
to computecalcular that?
115
351134
1260
para calcularlo?
06:05
Then I could livevivir in differentdiferente universesuniversos,
116
353025
2963
Así podría vivir en diferentes universos,
06:08
in parallelparalela, at the samemismo time.
117
356012
2764
en paralelo, al mismo tiempo.
06:11
Then I would chooseescoger
whateverlo que sea is good for me.
118
359148
2513
Así podría escoger
lo que sea bueno para mí.
06:14
I probablyprobablemente have the mostmás comprehensiveexhaustivo
digitaldigital me on the planetplaneta.
119
362243
3842
Probablemente tendría al "yo" digital más
comprensible del planeta.
06:18
I've spentgastado a lot of dollarsdólares
on me, on myselfmí mismo.
120
366109
2657
He gastado muchos dolares en mí.
06:21
And the digitaldigital me told me
I have a geneticgenético riskriesgo of goutgota
121
369987
5206
Y el "yo" digital me dijo que tengo un
riesgo genético de gota
06:27
by all of those things there.
122
375217
1667
por todas esas cosas ahí.
Se precisa tecnología diferente
para hacer eso.
06:29
You need differentdiferente technologytecnología to do that.
123
377254
2111
06:31
You need the proteinsproteínas, genesgenes,
124
379389
1570
Se precisan proteínas, genes,
06:32
you need metabolizedmetabolizado antibodiesanticuerpos,
125
380983
2526
anticuerpos metabolizados,
06:35
you need to screenpantalla all your bodycuerpo
126
383533
2492
se precisa proteger todo el cuerpo
06:38
about the bacteriasbacterias and virusesvirus
coveringcubierta you, or in you.
127
386049
3624
de las bacterias y virus
que te cubren o están en ti.
06:41
You need to have
all the smartinteligente devicesdispositivos there --
128
389697
2788
Se deben todos los dispositivos
inteligentes,
06:44
smartinteligente carscarros, smartinteligente housecasa, smartinteligente tablesmesas,
129
392509
3416
autos inteligentes, casas inteligentes,
tablas inteligentes,
06:47
smartinteligente watch, smartinteligente phoneteléfono
to trackpista all of your activitiesocupaciones there.
130
395949
3329
relojes y teléfonos inteligentes para
rastrear todas las actividades.
06:51
The environmentambiente is importantimportante --
131
399302
1477
El ambiente es importante--
06:52
everything'stodo es importantimportante --
132
400803
1221
todo es importante--
06:54
and don't forgetolvidar the smartinteligente toiletbaño.
133
402048
1746
y no olviden el baño inteligente.
06:55
(LaughterRisa)
134
403818
1031
(Risas)
06:56
It's suchtal a wasteresiduos, right?
135
404873
1774
Es un desperdicio ¿no?
06:58
EveryCada day, so much invaluableinestimable informationinformación
just has been flushedenrojecido into the wateragua.
136
406671
5685
Cada día mucha información
inestimable se malgasta.
07:04
And you need them.
137
412796
1236
Y se necesita.
07:06
You need to measuremedida all of them.
138
414056
1524
Hay que medir todas ellas.
07:07
You need to be ablepoder to measuremedida
everything around you
139
415604
2623
Se debe medir todo lo que
está a tu alrededor
07:10
and computecalcular them.
140
418251
1217
y calcularlo.
07:12
And the digitaldigital me told me
I have a geneticgenético defectdefecto.
141
420113
3883
Y el "yo" digital me dijo que
tengo un defecto genético.
07:16
I have a very highalto riskriesgo of goutgota.
142
424797
2071
Tengo un riesgo muy alto de gota.
07:19
I don't feel anything now,
143
427868
1597
No siento nada por ahora,
07:21
I'm still healthysaludable.
144
429489
1372
sigo saludable.
07:22
But look at my uricúrico acidácido levelnivel.
145
430885
1501
Pero miren mi nivel de ácido úrico.
07:24
It's doubledoble the normalnormal rangedistancia.
146
432410
1815
Es el doble del rango normal.
07:26
And the digitaldigital me searchedbuscado
all the medicinemedicina bookslibros,
147
434919
2821
Y el "yo" digital buscó todos los libros
de medicina,
07:29
and it tellsdice me, "OK, you could
drinkbeber burdockbardana tea" --
148
437764
4168
y me dijo, "Está bien, puedes
tomar té de bardana"...
07:33
I cannotno poder even pronouncepronunciar it right --
149
441956
1698
Ni siquiera puedo pronunciarlo bien
07:35
(LaughterRisa)
150
443678
1035
(Risas)
07:36
That is from oldantiguo Chinesechino wisdomsabiduría.
151
444737
1814
Eso viene de la antigua sabiduría china.
07:39
And I drankbebió that tea for threeTres monthsmeses.
152
447076
2759
Y tomé ese té 3 meses.
07:41
My uricúrico acidácido has now goneido back to normalnormal.
153
449859
2541
Mi ácido úrico volvió a la normalidad.
07:45
I mean, it workedtrabajó for me.
154
453118
1675
Funcionó para mí.
07:46
All those thousandsmiles of yearsaños
of wisdomsabiduría workedtrabajó for me.
155
454817
2516
Todos esos miles de años de sabiduría
funcionaron en mí.
07:49
I was luckysuerte.
156
457357
1150
Tuve suerte.
07:50
But I'm probablyprobablemente not luckysuerte for you.
157
458864
3508
Pero probablemente
no tengo suerte con Uds.
07:55
All of this existingexistente
knowledgeconocimiento in the worldmundo
158
463189
2165
Todo este conocimiento en el mundo
07:57
cannotno poder possiblyposiblemente be efficienteficiente enoughsuficiente
or personalizedpersonalizado enoughsuficiente for yourselftú mismo.
159
465378
5824
no sería lo suficientemente efectivo o
personalizado para Uds.
08:03
The only way to make
that digitaldigital me work ...
160
471872
2655
La única forma para hacer que
ese "yo"digital funcione
08:07
is to learnaprender from yourselftú mismo.
161
475424
2057
es aprender de ti mismo.
08:11
You have to askpedir a lot
of questionspreguntas about yourselftú mismo:
162
479093
2404
Tienes que preguntarte muchas cosas
sobre ti:
08:13
"What if?" --
163
481521
1673
¿Y si...
08:15
I'm beingsiendo jet-laggedjet-lagged now here.
164
483218
1803
estoy atrasado ahora mismo?
08:17
You don't probablyprobablemente see it, but I do.
165
485045
1958
Uds. tal vez no lo ven, pero yo sí.
08:20
What if I eatcomer lessMenos?
166
488073
1792
¿Y si como menos?
08:21
When I tooktomó metforminmetformina,
supposedlysegún cabe suponer to livevivir longermás?
167
489889
2948
Si tomo metformina, ¿viviré más?
08:25
What if I climbescalada MtMonte. EverestEverest?
168
493574
1347
¿Y si escalo el Monte Everest?
08:26
It's not that easyfácil.
169
494945
1302
No es tan fácil.
08:28
Or runcorrer a marathonmaratón?
170
496271
1330
¿O corro una maratón?
08:30
What if I drinkbeber a bottlebotella of mao-taimao-tai,
171
498132
2314
¿Y si tomo una botella de Maotai,
08:32
whichcual is a Chinesechino liquorespíritu,
172
500470
1336
que es un licor chino,
08:33
and I get really drunkborracho?
173
501830
1194
y me emborracho?
08:35
I was doing a videovídeo rehearsalensayo last time
with the folksamigos here,
174
503048
4429
La última vez hice un video de
ensayo de vídeo aquí con la gente,
08:39
when I was drunkborracho,
175
507501
1269
estando ebrio,
08:40
and I totallytotalmente deliveredentregado
a differentdiferente speechhabla.
176
508794
2089
y comuniqué discursos
totalmente diferentes.
08:42
(LaughterRisa)
177
510907
2869
(Risas)
08:45
What if I work lessMenos, right?
178
513800
2301
¿Y si trabajo menos?
08:48
I have been lessMenos stressedtensionado, right?
179
516125
1882
Estaría menos estresado, ¿no?
08:50
So that probablyprobablemente never happenedsucedió to me,
180
518031
1810
Eso probablemente nunca me pasó,
08:51
I was really stressedtensionado everycada day,
181
519865
2098
estuve muy estresado todos los días,
08:53
but I hopeesperanza I could be lessMenos stressedtensionado.
182
521987
1966
pero desearía estar menos estresado.
08:56
These earlytemprano studiesestudios told us,
183
524291
2179
Recientes estudios dicen que,
08:58
even with the samemismo bananaplátano,
184
526494
1983
incluso con el mismo plátano,
09:00
we have totallytotalmente differentdiferente
glucose-levelnivel de glucosa reactionsreacciones
185
528501
2987
existen diferentes reacciones
de niveles de glucosa
09:03
over differentdiferente individualsindividuos.
186
531512
1386
en diferentes individuos.
09:04
How about me?
187
532922
1150
¿Qué pasa conmigo?
09:06
What is the right breakfastdesayuno for me?
188
534416
1998
¿Cuál es el desayuno correcto para mí?
09:08
I need to do two weekssemanas
of controlledrevisado experimentsexperimentos,
189
536438
2918
Necesito dos semanas de experimentos
controlados,
09:11
of testingpruebas all kindsclases of differentdiferente
foodcomida ingredientsingredientes on me,
190
539380
3745
probando toda clase de ingredientes en mí,
09:15
and checkcomprobar my body'scuerpo reactionreacción.
191
543149
2288
y revisando la reacción de mi cuerpo.
09:17
And I don't know
the precisepreciso nutritionnutrición for me,
192
545461
3117
Y no sé la nutrición precisa para mi,
09:20
for myselfmí mismo.
193
548602
1150
para mí.
09:23
Then I wanted to searchbuscar
all the Chinesechino oldantiguo wisdomsabiduría
194
551193
4364
Después quise buscar toda la vieja
sabiduría china
09:27
about how I can livevivir longermás,
and healthiermas saludable.
195
555581
2992
sobre cómo vivir más tiempo y más sano.
09:30
I did it.
196
558889
1228
Lo hice.
09:32
Some of them are really unachievableinalcanzable.
197
560141
2251
Algunos son realmente inaplicables.
09:34
I did this onceuna vez last Octoberoctubre,
198
562742
2865
Hice una el octubre pasado,
09:37
by not eatingcomiendo for sevensiete daysdías.
199
565631
1718
no comiendo 7 días.
09:40
I did a fastrápido for sevensiete daysdías
with sixseis partnersfogonadura of minemía.
200
568149
4124
Hice ayuno 7 días
con seis compañeros míos.
09:44
Look at those people.
201
572778
1259
Miren a esas personas.
09:46
One smilesonreír.
202
574061
1151
Una sonrisa.
09:47
You know why he smiledSonrió?
203
575236
1151
¿Saben por qué él sonríe?
09:48
He cheatedengañado.
204
576411
1167
Hizo trampa.
09:49
(LaughterRisa)
205
577602
1000
(Risas)
09:50
He drankbebió one cupvaso of coffeecafé at night,
206
578626
3136
Él tomaba una taza de café en la noche
09:53
and we caughtatrapado it from the datadatos.
207
581786
1485
y lo descubrimos por los datos.
09:55
(LaughterRisa)
208
583295
1045
(Risas)
09:56
We measuredmesurado everything from the datadatos.
209
584364
2460
Medimos todo por los datos.
09:58
We were ablepoder to trackpista them,
210
586848
2214
Fuimos capaces de rastrearlos,
10:01
and we could really see --
211
589086
1558
y pudimos ver--
10:02
for exampleejemplo, my immuneinmune systemsistema,
212
590668
2001
por ejemplo, mi sistema inmunológico,
10:04
just to give you a little hintinsinuación there.
213
592693
1762
solo para darles una pequeña pista.
10:06
My immuneinmune systemsistema changedcambiado
dramaticallydramáticamente over 24 hourshoras there.
214
594479
4304
Mi sistema inmunológico cambió
dramáticamente durante 24 horas.
10:11
And my antibodyanticuerpo regulatesregula my proteinsproteínas
215
599918
3133
Y mis anticuerpos regulan mis proteínas
10:15
for that dramaticdramático changecambio.
216
603075
1536
por ese cambio dramático.
10:16
And everybodytodos was doing that.
217
604635
1381
Y todos estaban haciendo eso.
10:18
Even if we're essentiallyesencialmente
totallytotalmente differentdiferente at the very beginningcomenzando.
218
606040
3332
Incluso si al principio somos
completamente diferentes.
10:21
And that probablyprobablemente will be
an interestinginteresante treatmenttratamiento in the futurefuturo
219
609396
3045
Y ese probablemente sea un tratamiento
interesante en el futuro
10:24
for cancercáncer and things like that.
220
612465
1643
para el cáncer y demás.
10:26
It becomesse convierte very, very interestinginteresante.
221
614132
1630
Se vuelve muy interesante.
10:28
But something you probablyprobablemente
don't want to try,
222
616286
2701
Pero algo que probablemente
no quieran intentar,
10:31
like drinkingbebida fecalfecal wateragua
from a healthiermas saludable individualindividual,
223
619011
3676
como tomar agua fecal de
una persona más sana,
10:34
whichcual will make you feel healthiermas saludable.
224
622711
1667
puede hacerlos sentir mejor.
10:36
This is from oldantiguo Chinesechino wisdomsabiduría.
225
624402
1715
Esto viene de la vieja sabiduría china.
10:38
Look at that, right?
226
626141
1436
Miren eso.
10:39
Like 1,700 yearsaños agohace,
227
627601
2166
Hace 1700 años,
10:41
it's alreadyya there, in the booklibro.
228
629791
2280
ya estaba ahí, en el libro.
10:44
But I still hateodio the smelloler.
229
632608
1327
Pero todavía odio el olor.
10:46
(LaughterRisa)
230
634237
1150
(Risas)
10:47
I want to find out the truecierto way to do it,
231
635411
2406
Quiero descubrir la verdadera
manera de hacerlo,
10:49
maybe find a combinationcombinación of cocktailscócteles
of bacteriasbacterias and drinkbeber it,
232
637841
4354
quizás encontrar una combinación de
cócteles de bacterias y tomarlas,
10:54
it probablyprobablemente will make me better.
233
642219
1524
probablemente me haría sentir mejor.
10:55
So I'm tryingmolesto to do that.
234
643767
1191
Así que estoy tratando de hacerlo.
10:56
Even thoughaunque I'm tryingmolesto this harddifícil,
235
644982
3002
Aunque lo intento,
11:00
it's so difficultdifícil to testprueba out
all possibleposible conditionscondiciones.
236
648008
5026
es muy difícil de probar todas las
condiciones posibles.
11:05
It's not possibleposible to do
all kindsclases of experimentsexperimentos at all ...
237
653058
5237
No es posible hacer todo tipo de
experimentos en lo absoluto,
11:11
but we do have sevensiete billionmil millones
learningaprendizaje programsprogramas on this planetplaneta.
238
659341
3813
pero tenemos 7mil millones de programas
de aprendizaje en este planeta.
11:15
SevenSiete billionmil millones.
239
663178
1266
Siete mil millones.
11:16
And everycada programprograma
is runningcorriendo in differentdiferente conditionscondiciones
240
664468
3651
Y cada programa está funcionando en
diferentes condiciones
11:20
and doing differentdiferente experimentsexperimentos.
241
668143
1781
y haciendo experimentos diferentes.
11:21
Can we all measuremedida them?
242
669948
1851
¿Podemos medirlos todos?
11:24
SevenSiete yearsaños agohace,
I wroteescribió an essayensayo in "ScienceCiencia"
243
672962
3215
Hace 7 años, escribí un ensayo en
la revista "Science"
11:28
to celebratecelebrar the humanhumano genome'sgenoma
10-year-año anniversaryaniversario.
244
676201
3292
para celebrar el 10º aniversario
del genoma humano.
11:32
I said, "SequenceSecuencia yourselftú mismo,
245
680175
1654
Escribí, "Descifra tu vida,
11:33
for one and for all."
246
681853
1623
para uno y para todos".
11:35
But now I'm going to say,
247
683798
1868
Pero ahora voy a decir,
11:37
"DigitalizeDigitalizar yourselftú mismo for one and for all."
248
685690
3746
"Digitalízate para uno y para todos".
11:42
When we make this digitaldigital me
into a digitaldigital we,
249
690275
5600
Cuando transformemos el "yo" digital
en un "nosotros" digital,
11:47
when we try to formformar an internetInternet of life,
250
695899
3752
cuando creemos un internet de la vida,
11:51
when people can learnaprender from eachcada other,
251
699675
2861
cuando las personas puedan
aprender los unos de los otros,
11:54
when people can learnaprender
from theirsu experienceexperiencia,
252
702560
2707
cuando las personas puedan
aprender de sus experiencias,
11:57
theirsu datadatos,
253
705291
1731
de su información,
11:59
when people can really formformar
a digitaldigital me by themselvessí mismos
254
707046
3601
cuando las personas puedan
formar un "yo" digital solos
12:02
and we learnaprender from it,
255
710671
1611
y podamos aprender de ello,
12:05
the digitaldigital we will be
totallytotalmente differentdiferente with a digitaldigital me.
256
713416
5732
el "nosotros" digital será totalmente
diferente al "yo" digital.
12:11
But it can only come from the digitaldigital me.
257
719172
3420
Pero eso solo llegará
a partir del "yo" digital.
12:16
And this is what I try to proposeproponer here.
258
724103
2979
Y esto es lo que trato de proponer aquí.
12:20
JoinUnirse me --
259
728121
1150
Únanse a mí...
12:21
becomevolverse we,
260
729944
1150
convirtámonos en "nosotros".
12:23
and everybodytodos should buildconstruir up
theirsu ownpropio digitaldigital me,
261
731792
4938
Todos deberían construir
su propio "yo" digital,
12:28
because only by that
will you learnaprender more about you,
262
736754
4519
porque solo así aprenderán
más de sí mismos,
12:33
about me,
263
741297
1424
de mí,
12:34
about us ...
264
742745
1165
de nosotros...
12:36
about the questionpregunta I just posedposado
at the very beginningcomenzando:
265
744678
3680
de la pregunta que les hice al comienzo:
12:40
"What is life?"
266
748382
1150
"¿Qué es la vida?"
12:42
Thank you.
267
750066
1169
Gracias.
12:43
(ApplauseAplausos)
268
751259
5950
(Aplausos)
12:49
ChrisChris AndersonAnderson:
One quickrápido questionpregunta for you.
269
757233
2761
Chris Anderson: Una pregunta rápida.
12:52
I mean, the work is amazingasombroso.
270
760818
1974
El trabajo es increíble.
12:54
I suspectsospechar one questionpregunta people have is,
271
762816
3198
Imagino que una pregunta
del público es que,
12:58
as we look forwardadelante to these amazingasombroso
technicaltécnico possibilitiesposibilidades
272
766038
3281
mientras observamos todas
estas increíbles posibilidades técnicas
13:01
of personalizedpersonalizado medicinemedicina,
273
769343
1361
de medicina personalizada,
13:02
in the near-termtérmino cercano it feelssiente like
they're only going to be affordableasequible
274
770728
3303
a corto plazo parece que
solo será asequible
para unas pocas personas ¿no?
13:06
for a fewpocos people, right?
275
774055
1276
13:07
It costscostos manymuchos dollarsdólares to do
all the sequencingsecuenciación and so forthadelante.
276
775355
2991
Cuesta mucho dineros hacer toda
la secuenciación y demás.
13:10
Is this going to leaddirigir to a kindtipo of,
277
778889
2912
¿Esto va a conllevar a
una creciente desigualdad?
13:13
you know, increasingcreciente inequalitydesigualdad?
278
781825
2317
13:16
Or do you have this visionvisión
that the knowledgeconocimiento that you get
279
784166
3911
¿O tienes esa visión de que todo el
conocimiento que adquirido de los pioneros
13:20
from the pioneerspioneros
280
788101
1352
puede difundirse muy rápidamente
13:21
can actuallyactualmente be
prettybonita quicklycon rapidez disseminateddiseminado
281
789477
2096
13:23
to help a broadermás amplio setconjunto of recipientsdestinatarios?
282
791597
4124
para ayudar a
un grupo mayor de destinatarios?
13:27
JunJun WangWang: Well, good questionpregunta.
283
795745
1534
Jun Wang: Bueno, buena pregunta.
13:29
I'll tell you that sevensiete yearsaños agohace,
when I co-foundedcofundado BGIBGI,
284
797303
3551
Te diré que hace 7 años,
cuando cofundé BGI,
13:32
and servedservido as the CEOCEO
of the companyempresa there,
285
800878
3405
y trabajé de CEO de la compañía,
13:36
the only goalGol there for me to do
286
804307
2381
mi única meta
era realizar la secuenciación
con bajo presupuesto.
13:38
was to drivemanejar the sequencingsecuenciación costcosto down.
287
806712
1983
13:41
It startedempezado from 100 millionmillón dollarsdólares
perpor humanhumano genomegenoma.
288
809044
2775
Empezó con USD 100 millones
por genoma humano.
Ahora cuesta un par de cientos
de dólares por genoma humano.
13:43
Now, it's a couplePareja hundredcien dollarsdólares
for a humanhumano genomegenoma.
289
811843
2591
13:46
The only reasonrazón to do it
is to get more people to benefitbeneficio from it.
290
814458
3614
La única razón para hacerlo es que más
personas se beneficien de eso.
13:50
So for the digitaldigital me,
it's the samemismo thing.
291
818378
2157
Así que para el "yo" digital es lo mismo.
13:52
Now, you probablyprobablemente need,
292
820559
1489
Ahora, probablemente necesitas,
13:54
you know, one millionmillón dollarsdólares
to digitizedigitalizar a personpersona.
293
822072
3229
USD 1 millón para
digitalizar a una persona.
13:57
I think it has to be 100 dollarsdólares.
294
825801
1675
Creo que debe costar solo USD 100.
13:59
It has to be freegratis for manymuchos of those people
that urgentlyurgentemente need that.
295
827987
4049
Tiene que ser gratis para muchas de esas
personas que lo necesitan con urgencia.
14:04
So this is our goalGol.
296
832372
1267
Así que esa es nuestra meta.
14:05
And it seemsparece that with all
this mergingfusión of the technologytecnología,
297
833993
3423
Y parece que con toda esta fusión
de la tecnología,
14:09
I'm thinkingpensando that in the very nearcerca futurefuturo,
298
837440
2592
creo que en un futuro muy cercano,
14:12
let's say threeTres to fivecinco yearsaños,
299
840056
2365
digamos que en 3 a 5 años,
14:14
it will come to realityrealidad.
300
842445
1482
se volverá realidad.
14:15
And this is the wholetodo ideaidea
of why I foundedfundado iCarbonXiCarbonX,
301
843951
3979
Y esa es toda la idea de por qué fundé
iCarbonX,
14:19
my secondsegundo companyempresa.
302
847954
1219
mi segunda empresa.
14:21
It's really tryingmolesto to get the costcosto down
303
849197
2868
En serio se intenta bajar el costo
14:24
to a levelnivel where everycada individualindividual
could have the benefitbeneficio.
304
852089
3420
a un nivel en el cual todos los individuos
se puedan beneficiar.
14:27
CACalifornia: All right, so the dreamsueño is not
eliteélite healthsalud servicesservicios for fewpocos,
305
855533
3048
CA: Está bien, entonces el sueño no es
servicios de salud para unos pocos,
14:30
it's to really try
306
858605
1234
es realmente tratar
14:31
and actuallyactualmente make overallen general healthsalud carecuidado
much more costcosto effectiveeficaz --
307
859863
3111
y hacer que la atención médica general
sea mucho más rentable---
14:34
JWJW: But we startedempezado
from some earlytemprano adoptersadoptantes,
308
862998
2430
JW: Pero empezamos con unos pocos
adoptantes,
14:37
people believingcreyendo ideasideas and so on,
309
865452
2506
personas que cree en ideas y demás,
14:39
but eventuallyfinalmente, it will becomevolverse
everybody'stodos estan benefitbeneficio.
310
867982
3642
pero al final, se convertirá en un
beneficio para todos.
14:44
CACalifornia: Well, JunJun, I think
it's got to be truecierto to say
311
872303
2333
CA: Bueno, Jun, creo que es correcto decir
14:46
you're one of the mostmás amazingasombroso
scientificcientífico mindsmentes on the planetplaneta,
312
874660
2958
que eres una de las mentes científicas más
increíbles del planeta,
14:49
and it's an honorhonor to have you.
313
877642
1429
y es un honor tenerte.
14:51
JWJW: Thank you.
314
879095
1158
JW: Muchas gracias.
14:52
(ApplauseAplausos)
315
880277
1150
(Aplausos)

▲Back to top

ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee