TEDxCERN
Juan Enriquez: The age of genetic wonder
Juan Enríquez: La era del milagro genético
Filmed:
Readability: 3.7
1,960,234 views
Las herramientas de edición de genes como CRISPR nos permiten programar la vida en su nivel más fundamental. Pero esto plantea algunas preguntas apremiantes: si podemos generar nuevas especies desde cero, ¿qué debemos construir? ¿Debemos rediseñar la humanidad como la conocemos? El científico de la vida Juan Enríquez pronostica los posibles futuros de la edición genética, explorando la inmensa incertidumbre y la oportunidad de esta próxima frontera.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:13
So let me with start with Roy Amara.
0
1134
2390
Déjenme empezar con Roy Amara.
00:16
Roy's argument is that most new
technologies tend to be overestimated
technologies tend to be overestimated
1
4350
4211
El argumento de Roy es que con
la mayoría de las nuevas tecnologías
la mayoría de las nuevas tecnologías
se tiende a sobreestimar
su impacto al principio
su impacto al principio
00:20
in their impact to begin with,
2
8585
2068
00:22
and then they get underestimated
in the long term
in the long term
3
10677
2402
y luego también a largo plazo
00:25
because we get used to them.
4
13103
1364
por acostumbrarnos a ellas.
00:26
These really are days
of miracle and wonder.
of miracle and wonder.
5
14491
2196
Estos son realmente
días milagrosos y maravillosos.
días milagrosos y maravillosos.
00:29
You remember that wonderful
song by Paul Simon?
song by Paul Simon?
6
17433
2381
¿Recuerdan
esa maravillosa canción de Paul Simon?
esa maravillosa canción de Paul Simon?
00:32
There were two lines in it.
7
20365
1338
Había solo dos líneas.
00:33
So what was it that was considered
miraculous back then?
miraculous back then?
8
21727
3687
Y, ¿qué era lo que se consideraba
milagroso en aquel entonces?
milagroso en aquel entonces?
00:38
Slowing down things -- slow motion --
9
26393
2072
Ralentizar cosas, la cámara lenta,
00:41
and the long-distance call.
10
29371
1728
y las conferencias de larga distancia.
00:43
Because, of course, you used
to get interrupted by operators
to get interrupted by operators
11
31941
2859
Porque, claro, uno solía
ser interrumpido por los operadores
ser interrumpido por los operadores
00:46
who'd tell you, "Long distance calling.
Do you want to hang up?"
Do you want to hang up?"
12
34824
2997
que decían: "Llamada de
larga distancia. ¿Quiere descolgar?"
larga distancia. ¿Quiere descolgar?"
00:49
And now we think nothing of calling
all over the world.
all over the world.
13
37845
2702
Y ahora no pensamos en otra cosa
que llamar a todo el mundo.
que llamar a todo el mundo.
00:53
Well, something similar may be happening
14
41040
2630
Algo similar puede estar pasando
00:55
with reading and programming life.
15
43694
2072
con la lectura y
la programación de la vida.
la programación de la vida.
00:58
But before I unpack that,
16
46636
1728
Pero antes de entrar en eso,
01:01
let's just talk about telescopes.
17
49069
2684
vamos a hablar de telescopios.
01:04
Telescopes were overestimated
originally in their impact.
originally in their impact.
18
52798
4311
Los telescopios fueron sobreestimados
originalmente en su impacto.
originalmente en su impacto.
01:09
This is one of Galileo's early models.
19
57133
2169
Este es uno de
los primeros modelos de Galileo.
los primeros modelos de Galileo.
01:12
People thought it was just
going to ruin all religion.
going to ruin all religion.
20
60090
3359
La gente pensaba que
solo iba a arruinar toda religión.
solo iba a arruinar toda religión.
01:15
(Laughter)
21
63473
1150
(Risas)
01:18
So we're not paying that much
attention to telescopes.
attention to telescopes.
22
66862
2714
Así que no prestamos
tanta atención a los telescopios.
tanta atención a los telescopios.
Pero, claro, los telescopios se lanzaron
hace 10 años, como acaban de escuchar,
hace 10 años, como acaban de escuchar,
01:22
But, of course, telescopes launched
10 years ago, as you just heard,
10 years ago, as you just heard,
23
70628
4082
01:26
could take this Volkswagen,
fly it to the moon,
fly it to the moon,
24
74734
2991
se podía tomar este Volkswagen,
volarlo a la luna,
volarlo a la luna,
01:29
and you could see the lights
on that Volkswagen light up on the moon.
on that Volkswagen light up on the moon.
25
77749
5856
y se podía ver las luces en las que
el Volkswagen se iluminaba en la luna.
el Volkswagen se iluminaba en la luna.
01:36
And that's the kind of resolution power
that allowed you to see
that allowed you to see
26
84624
3262
Y ese es el tipo de poder
de resolución que nos permitió ver
de resolución que nos permitió ver
01:40
little specks of dust
floating around distant suns.
floating around distant suns.
27
88592
3604
pequeñas motas de polvo flotando
alrededor de soles distantes.
alrededor de soles distantes.
01:44
Imagine for a second that this
was a sun a billion light years away,
was a sun a billion light years away,
28
92220
3464
Imaginen un segundo que esto era un sol
a mil millones de años luz de distancia,
a mil millones de años luz de distancia,
01:48
and you had a little speck of dust
that came in front of it.
that came in front of it.
29
96310
2927
y había un poco de polvo delante de él.
01:51
That's what detecting
an exoplanet is like.
an exoplanet is like.
30
99566
2501
Así es como es
la detección de un exoplaneta.
la detección de un exoplaneta.
01:55
And the cool thing is, the telescopes
that are now being launched
that are now being launched
31
103268
3790
Y lo bueno es que los telescopios
que se están lanzando ahora
que se están lanzando ahora
02:00
would allow you to see
a single candle lit on the moon.
a single candle lit on the moon.
32
108138
3005
nos permitirían ver
una sola vela encendida en la luna.
una sola vela encendida en la luna.
02:04
And if you separated it by one plate,
33
112279
2828
Y si lo separan por un plato,
02:07
you could see two candles
separately at that distance.
separately at that distance.
34
115131
2794
se podrían ver dos velas
por separado a esa distancia.
por separado a esa distancia.
02:11
And that's the kind
of resolution that you need
of resolution that you need
35
119124
2813
Y ese es el tipo de resolución
que se necesita
que se necesita
02:13
to begin to image
that little speck of dust
that little speck of dust
36
121961
2468
para empezar a visualizar
esa pequeña mota de polvo
esa pequeña mota de polvo
02:16
as it comes around the sun
37
124453
1286
cuando aparece alrededor del sol
02:17
and see if it has a blue-green signature.
38
125763
2049
para ver si tiene una marca azul-verde.
02:21
And if it does have
a blue-green signature,
a blue-green signature,
39
129120
2071
Y si tiene una marca azul-verde,
02:23
it means that life
is common in the universe.
is common in the universe.
40
131215
2220
significa que la vida es común
en el universo.
en el universo.
02:25
The first time you ever see a blue-green
signature on a distant planet,
signature on a distant planet,
41
133459
4196
La primera vez que se ve una marca
azul-verde en un planeta distante,
azul-verde en un planeta distante,
02:29
it means there's photosynthesis there,
42
137679
1993
significa que hay fotosíntesis allí,
02:31
there's water there,
43
139696
1281
hay agua allí
02:33
and the chances that you saw
the only other planet with photosynthesis
the only other planet with photosynthesis
44
141001
3872
y la posibilidad de ver
el otro planeta con fotosíntesis
el otro planeta con fotosíntesis
02:36
are about zero.
45
144897
1363
son alrededor de cero.
02:39
And that's a calendar-changing event.
46
147108
1896
Y eso es un evento
que cambia el calendario.
que cambia el calendario.
02:41
There's a before and after
we were alone in the universe:
we were alone in the universe:
47
149670
2752
Hay un antes y después
de estar solos en el universo:
de estar solos en el universo:
02:44
forget about the discovery
of whatever continent.
of whatever continent.
48
152446
2470
Olvídense del descubrimiento
de cualquier continente.
de cualquier continente.
02:48
So as you're thinking about this,
49
156751
1580
Así que mientras piensan en esto,
02:50
we're now beginning
to be able to image most of the universe.
to be able to image most of the universe.
50
158355
2902
ahora empezamos a visualizar
la mayor parte del universo.
la mayor parte del universo.
02:53
And that is a time of miracle and wonder.
51
161281
2254
Y eso es una época de milagro y maravilla.
02:55
And we kind of take that for granted.
52
163559
2352
Y eso lo damos por sentado.
Algo similar está sucediendo en la vida.
02:59
Something similar is happening in life.
53
167562
1915
Así que estamos escuchando de la vida
en estas pequeñas piezas.
en estas pequeñas piezas.
03:01
So we're hearing about life
in these little bits and pieces.
in these little bits and pieces.
54
169501
3038
Escuchamos sobre CRISPR, y
escuchamos sobre esta tecnología,
escuchamos sobre esta tecnología,
03:04
We hear about CRISPR,
and we hear about this technology,
and we hear about this technology,
55
172563
2658
03:07
and we hear about this technology.
56
175245
1666
Y nos enteramos de esta tecnología.
03:08
But the bottom line on life
is that life turns out to be code.
is that life turns out to be code.
57
176935
3388
Pero la conclusión de la vida es que
la vida resulta ser un código.
la vida resulta ser un código.
03:13
And life as code is a really
important concept because it means,
important concept because it means,
58
181900
3950
Y la vida como código es un concepto
realmente importante porque significa,
realmente importante porque significa,
03:17
just in the same way
as you can write a sentence
as you can write a sentence
59
185874
3210
de la misma manera
que puedes escribir una oración
que puedes escribir una oración
03:21
in English or in French or Chinese,
60
189108
3118
en inglés o en francés o chino,
03:25
just in the same way
as you can copy a sentence,
as you can copy a sentence,
61
193146
2906
de la misma manera
que puedes copiar una oración,
que puedes copiar una oración,
03:28
just in the same way
as you can edit a sentence,
as you can edit a sentence,
62
196076
2526
de la misma manera
que puedes editar una oración,
que puedes editar una oración,
03:30
just in the same way
as you can print a sentence,
as you can print a sentence,
63
198626
2350
de la misma manera
que puedes imprimir una oración,
que puedes imprimir una oración,
03:33
you're beginning to be able
to do that with life.
to do that with life.
64
201000
2719
se estás empezando a poder
hacer eso con la vida.
hacer eso con la vida.
03:37
It means that we're beginning
to learn how to read this language.
to learn how to read this language.
65
205237
3511
Significa que estamos empezando
a aprender a leer este idioma.
a aprender a leer este idioma.
03:40
And this, of course, is the language
that is used by this orange.
that is used by this orange.
66
208772
3236
Y este, por supuesto, es el lenguaje
que utiliza esta naranja.
que utiliza esta naranja.
Y, ¿cómo funciona este código naranja?
03:44
So how does this orange execute code?
67
212702
1796
03:46
It doesn't do it in ones and zeroes
like a computer does.
like a computer does.
68
214522
2708
No lo hace en unos y ceros
como una computadora.
como una computadora.
03:49
It sits on a tree, and one day it does:
69
217254
1885
Se sienta en un árbol y un día lo hace:
03:51
plop!
70
219163
1150
¡Plaf!
03:52
And that means: execute.
71
220819
1805
Y eso significa: ejecutar.
03:55
AATCAAG: make me a little root.
72
223149
3272
AATCAAG: hazme una pequeña raíz.
03:59
TCGACC: make me a little stem.
73
227057
2502
TCGACC: hazme un pequeño tallo.
04:01
GAC: make me some leaves.
AGC: make me some flowers.
AGC: make me some flowers.
74
229583
3438
GAC: hazme unas hojas.
AGC: hazme unas flores.
AGC: hazme unas flores.
04:05
And then GCAA: make me some more oranges.
75
233045
2857
Y luego GCAA: hazme unas naranjas más.
04:08
If I edit a sentence in English
on a word processor,
on a word processor,
76
236984
4073
Si edito una oración en inglés
en un procesador de textos,
en un procesador de textos,
04:15
then what happens is you can go
from this word to that word.
from this word to that word.
77
243153
3441
lo que pasa es que se puede pasar
de esta palabra a esa palabra.
de esta palabra a esa palabra.
04:20
If I edit something in this orange
78
248134
2136
Si edito algo en esta naranja
04:22
and put in GCAAC, using CRISPR
or something else that you've heard of,
or something else that you've heard of,
79
250294
4983
y lo pongo en GCAAC, usando CRISPR o
alguna otra cosa que haya escuchado,
alguna otra cosa que haya escuchado,
entonces esta naranja
se convierte en un limón,
se convierte en un limón,
04:28
then this orange becomes a lemon,
80
256261
1797
04:30
or it becomes a grapefruit,
81
258957
1548
o se convierte en una toronja,
04:32
or it becomes a tangerine.
82
260529
1657
o se convierte en una mandarina.
04:35
And if I edit one in a thousand letters,
83
263102
2018
Y si edito una en mil letras,
04:37
you become the person
sitting next to you today.
sitting next to you today.
84
265144
2360
se convierte en la persona sentada
a su lado hoy.
a su lado hoy.
Tengan más cuidado de dónde se sientan.
04:40
Be more careful where you sit.
85
268757
1520
04:42
(Laughter)
86
270301
1189
(Risas)
04:45
What's happening on this stuff
is it was really expensive to begin with.
is it was really expensive to begin with.
87
273014
3475
Lo que sucede con esto
es que, al principio era muy caro.
es que, al principio era muy caro.
04:48
It was like long-distance calls.
88
276513
1695
Era como llamadas a larga distancia.
Pero el costo se está reduciendo al 50 %
más rápidamente que la ley de Moore.
más rápidamente que la ley de Moore.
04:51
But the cost of this is dropping
50 percent faster than Moore's law.
50 percent faster than Moore's law.
89
279399
3606
04:55
The first $200 full genome
was announced yesterday by Veritas.
was announced yesterday by Veritas.
90
283909
3832
El primer genoma completo
de USD 200 fue anunciado ayer por Veritas.
de USD 200 fue anunciado ayer por Veritas.
05:00
And so as you're looking at these systems,
91
288494
2130
Y así, mientras vemos estos sistemas,
05:02
it doesn't matter, it doesn't matter,
it doesn't matter, and then it does.
it doesn't matter, and then it does.
92
290648
3802
no importa, no importa,
no importa, y luego lo hace.
no importa, y luego lo hace.
05:06
So let me just give you
the map view of this stuff.
the map view of this stuff.
93
294474
3405
Así que déjenme mostrarles
el mapa de estas cosas.
el mapa de estas cosas.
05:10
This is a big discovery.
94
298973
2559
Este es un gran descubrimiento.
05:13
There's 23 chromosomes.
95
301556
1923
Hay 23 cromosomas.
05:15
Cool.
96
303503
1228
Súper.
Empecemos a usar una versión de telescopio
pero, en lugar de usar un telescopio,
pero, en lugar de usar un telescopio,
05:17
Let's now start using a telescope version,
but instead of using a telescope,
but instead of using a telescope,
97
305287
3679
05:20
let's use a microscope to zoom in
98
308990
2320
usemos un microscopio para acercar
05:23
on the inferior of those chromosomes,
99
311334
2072
en la parte inferior de esos cromosomas,
05:25
which is the Y chromosome.
100
313430
1621
que es el cromosoma Y.
05:28
It's a third the size of the X.
It's recessive and mutant.
It's recessive and mutant.
101
316432
3014
Es un tercio del tamaño de la X.
Es recesivo y mutante.
Es recesivo y mutante.
05:32
But hey,
102
320443
1151
Pero,
05:34
just a male.
103
322262
1219
solo un varón.
05:36
And as you're looking at this stuff,
104
324914
2280
Y como ven estas cosas,
05:39
here's kind of a country view
105
327218
3450
aquí hay una especie de vista de país
05:42
at a 400 base pair resolution level,
106
330692
2204
a un nivel de resolución
de 400 pares de bases,
de 400 pares de bases,
05:44
and then you zoom in to 550,
and then you zoom in to 850,
and then you zoom in to 850,
107
332920
3419
y luego al acercarnos a 550 y luego a 850,
05:48
and you can begin to identify
more and more genes as you zoom in.
more and more genes as you zoom in.
108
336363
3285
se comienzan a identificar
más y más genes a medida al acercarnos.
más y más genes a medida al acercarnos.
05:52
Then you zoom in to the state level,
109
340249
2304
Luego al acercarnos al nivel de estado,
05:55
and you can begin to tell
who's got leukemia,
who's got leukemia,
110
343473
2804
y se puede empezar
a decir quién tiene leucemia,
a decir quién tiene leucemia,
05:59
how did they get leukemia,
what kind of leukemia do they have,
what kind of leukemia do they have,
111
347543
3024
cómo contrajeron leucemia,
qué tipo de leucemia tienen,
qué tipo de leucemia tienen,
06:02
what shifted from what place
to what place.
to what place.
112
350591
2064
qué cambió de qué lugar a qué lugar.
06:05
And then you zoom in
to the Google street view level.
to the Google street view level.
113
353330
2858
Y luego nos acercamos
al nivel de Google Street View.
al nivel de Google Street View.
Esto es lo que pasa
si se tiene cáncer colorrectal.
si se tiene cáncer colorrectal.
06:09
So this is what happens
if you have colorectal cancer
if you have colorectal cancer
114
357387
2673
06:12
for a very specific patient
on the letter-by-letter resolution.
on the letter-by-letter resolution.
115
360084
4207
para un paciente muy específico
en la resolución letra por letra.
en la resolución letra por letra.
06:18
So what we're doing in this stuff
is we're gathering information
is we're gathering information
116
366148
3110
Lo que hacemos con esto
es recopilar información
es recopilar información
06:21
and just generating
enormous amounts of information.
enormous amounts of information.
117
369282
2516
y generar
enormes cantidades de información.
enormes cantidades de información.
06:23
This is one of the largest
databases on the planet
databases on the planet
118
371822
2874
Esta es una de las bases de datos
más grandes del planeta
más grandes del planeta
06:26
and it's growing faster
than we can build computers to store it.
than we can build computers to store it.
119
374720
3872
y crece más rápido de lo que podemos
construir computadoras para almacenarla.
construir computadoras para almacenarla.
06:32
You can create some incredible
maps with this stuff.
maps with this stuff.
120
380063
2466
Uno puede crear
algunos mapas increíbles con esto.
algunos mapas increíbles con esto.
06:35
You want to understand the plague
and why one plague is bubonic
and why one plague is bubonic
121
383292
2971
Si se quiere entender la plaga y
por qué una plaga es bubónica
por qué una plaga es bubónica
06:38
and the other one
is a different kind of plague
is a different kind of plague
122
386287
2224
y si el otro es otro tipo de plaga.
06:40
and the other one
is a different kind of plague?
is a different kind of plague?
123
388535
2310
Y la otra, ¿es otro tipo de plaga?
06:42
Well, here's a map of the plague.
124
390869
1730
Aquí hay un mapa de la plaga.
Algunas son absolutamente
mortales para los humanos,
mortales para los humanos,
06:45
Some are absolutely deadly to humans,
125
393037
1820
06:46
some are not.
126
394881
1185
otras no lo son.
06:48
And note, by the way,
as you go to the bottom of this,
as you go to the bottom of this,
127
396486
2596
Y, por cierto,
a medida que uno va al fondo,
a medida que uno va al fondo,
06:51
how does it compare to tuberculosis?
128
399106
1753
¿cómo se compara con la tuberculosis?
06:53
So this is the difference between
tuberculosis and various kinds of plagues,
tuberculosis and various kinds of plagues,
129
401708
3629
Esta es la diferencia entre
la tuberculosis y varios tipos de plagas,
la tuberculosis y varios tipos de plagas,
06:57
and you can play detective
with this stuff,
with this stuff,
130
405361
2335
y se puede jugar a
ser detective con estas cosas,
ser detective con estas cosas,
06:59
because you can take
a very specific kind of cholera
a very specific kind of cholera
131
407720
2475
porque se puede tomar
un tipo muy específico de cólera
un tipo muy específico de cólera
07:02
that affected Haiti,
132
410219
1190
como la que afectó a Haití,
07:04
and you can look at
which country it came from,
which country it came from,
133
412377
2686
y se puede ver de qué país procedía,
07:07
which region it came from,
134
415087
1726
de qué región,
07:09
and probably which soldier took that
from that African country to Haiti.
from that African country to Haiti.
135
417496
4742
y probablemente qué soldado
la llevó de ese país africano a Haití.
la llevó de ese país africano a Haití.
07:17
Zoom out.
136
425133
1512
Disminuir el zoom
07:18
It's not just zooming in.
137
426669
1571
no es solo hacer zoom.
Este es uno de los mapas más geniales
jamás realizados por los humanos.
jamás realizados por los humanos.
07:21
This is one of the coolest maps
ever done by human beings.
ever done by human beings.
138
429042
2854
07:24
What they've done is taken
all the genetic information they have
all the genetic information they have
139
432446
3056
Se ha tomado
toda la información genética que tienen
toda la información genética que tienen
07:27
about all the species,
140
435526
1481
sobre todas las especies,
07:29
and they've put a tree of life
on a single page
on a single page
141
437031
3430
y han puesto un árbol
de la vida en una sola página
de la vida en una sola página
07:32
that you can zoom in and out of.
142
440485
1578
que se puede acercar y alejar.
07:34
So this is what came first,
how did it diversify, how did it branch,
how did it diversify, how did it branch,
143
442484
3721
Y esto es lo que vino primero,
cómo se diversificó, cómo se ramificó,
cómo se diversificó, cómo se ramificó,
cómo de grande es ese genoma,
07:38
how large is that genome,
144
446229
1230
07:39
on a single page.
145
447483
1197
en una sola página.
07:41
It's kind of the universe
of life on Earth,
of life on Earth,
146
449619
2063
Es como el universo
de la vida en la Tierra.
de la vida en la Tierra.
07:43
and it's being constantly
updated and completed.
updated and completed.
147
451706
2449
y está siendo constantemente
actualizado y completado.
actualizado y completado.
07:46
And so as you're looking at this stuff,
148
454982
1859
Y así, mientras miras estas cosas,
07:48
the really important change is
the old biology used to be reactive.
the old biology used to be reactive.
149
456865
3351
el cambio importante es la antigua
biología que solía ser reactiva.
biología que solía ser reactiva.
07:52
You used to have a lot of biologists
that had microscopes,
that had microscopes,
150
460240
2720
Antes había muchos biólogos
que tenían microscopios,
que tenían microscopios,
07:54
and they had magnifying glasses
and they were out observing animals.
and they were out observing animals.
151
462984
3299
y tenían lupas y estaban
afuera observando animales.
afuera observando animales.
07:58
The new biology is proactive.
152
466897
1869
La nueva biología es proactiva.
08:01
You don't just observe stuff,
you make stuff.
you make stuff.
153
469433
3019
No solo se observan cosas, se hacen cosas.
08:05
And that's a really big change
154
473135
1648
Y eso es un gran cambio.
08:06
because it allows us
to do things like this.
to do things like this.
155
474807
2809
Porque nos permite hacer cosas como esta.
08:10
And I know you're really
excited by this picture.
excited by this picture.
156
478559
2467
Y sé que están realmente
encantados con esta foto.
encantados con esta foto.
08:13
(Laughter)
157
481050
1111
(Risas)
08:14
It only took us four years
and 40 million dollars
and 40 million dollars
158
482185
2374
Solo nos llevó
cuatro años y USD 40 millones
cuatro años y USD 40 millones
08:16
to be able to take this picture.
159
484583
1602
poder tomar esta foto.
08:18
(Laughter)
160
486209
1230
(Risas)
08:19
And what we did
161
487463
1371
Y lo que hicimos
08:21
is we took the full gene code
out of a cell --
out of a cell --
162
489586
3275
es tomar el código
genético completo de una célula,
genético completo de una célula,
08:24
not a gene, not two genes,
the full gene code out of a cell --
the full gene code out of a cell --
163
492885
3911
no un gen, no dos genes,
el código completo de un gen de una célula
el código completo de un gen de una célula
08:30
built a completely new gene code,
164
498016
1840
construir un código genético
completamente nuevo,
completamente nuevo,
08:32
inserted it into the cell,
165
500825
1575
e insertarlo en la célula,
08:34
figured out a way to have the cell
execute that code
execute that code
166
502424
2932
haciendo que la célula ejecute ese código
08:37
and built a completely new species.
167
505380
2254
y construir así
una especie completamente nueva.
una especie completamente nueva.
08:40
So this is the world's first
synthetic life form.
synthetic life form.
168
508884
2485
Esta es la primera forma
de vida sintética del mundo.
de vida sintética del mundo.
¿Y qué hacemos con estas cosas?
08:45
And so what do you do with this stuff?
169
513810
1895
Bueno, esto va a cambiar el mundo.
08:48
Well, this stuff is going
to change the world.
to change the world.
170
516430
2204
Déjenme darles
tres tendencias a corto plazo
tres tendencias a corto plazo
08:51
Let me give you three short-term trends
171
519417
1939
08:53
in terms of how it's going
to change the world.
to change the world.
172
521380
2255
sobre cómo va a cambiar el mundo.
08:56
The first is we're going to see
a new industrial revolution.
a new industrial revolution.
173
524269
2921
La primera es que vamos a ver
una nueva revolución industrial.
una nueva revolución industrial.
08:59
And I actually mean that literally.
174
527674
1701
Y en realidad lo digo literalmente.
09:01
So in the same way as Switzerland
and Germany and Britain
and Germany and Britain
175
529992
4491
Así como Suiza y Alemania y Gran Bretaña
09:06
changed the world with machines
like the one you see in this lobby,
like the one you see in this lobby,
176
534507
3658
cambiaron el mundo con máquinas
como la que se ve en este vestíbulo,
como la que se ve en este vestíbulo,
09:11
created power --
177
539537
1196
creando energía
09:13
in the same way CERN
is changing the world,
is changing the world,
178
541273
2664
de la misma manera,
el CERN está cambiando el mundo,
el CERN está cambiando el mundo,
09:15
using new instruments
and our concept of the universe --
and our concept of the universe --
179
543961
3347
usando nuevos instrumentos
y nuestro concepto del universo,
y nuestro concepto del universo,
09:20
programmable life forms
are also going to change the world
are also going to change the world
180
548060
2894
las formas de vida programables
también cambiarán el mundo.
también cambiarán el mundo.
porque una vez
que se pueden programar células
que se pueden programar células
09:23
because once you can program cells
181
551810
1655
09:25
in the same way as you
program your computer chip,
program your computer chip,
182
553489
2528
de la misma manera que
uno programa su chip de computadora,
uno programa su chip de computadora,
entonces se puede hacer
casi cualquier cosa.
casi cualquier cosa.
09:29
then you can make almost anything.
183
557736
1693
09:32
So your computer chip
can produce photographs,
can produce photographs,
184
560369
2779
Así que su chip de computadora
puede producir fotografías,
puede producir fotografías,
09:35
can produce music, can produce film,
185
563172
2073
puede producir música, películas,
09:37
can produce love letters,
can produce spreadsheets.
can produce spreadsheets.
186
565269
2413
puede producir cartas de amor,
hojas de cálculo.
hojas de cálculo.
09:39
It's just ones and zeroes
flying through there.
flying through there.
187
567706
2244
son solo unos y ceros volando por allí.
09:42
If you can flow ATCGs through cells,
188
570604
2605
Si se puede influir ATCGs en las células,
09:46
then this software makes its own hardware,
189
574123
3054
entonces este software
hace su propio hardware,
hace su propio hardware,
09:49
which means it scales very quickly.
190
577201
2072
lo que significa
que se escala muy rápidamente.
que se escala muy rápidamente.
09:52
No matter what happens,
191
580487
1651
No importa lo que pase,
09:54
if you leave your cell phone
by your bedside,
by your bedside,
192
582162
2158
si dejas tu celular junto a tu cama,
09:56
you will not have a billion
cell phones in the morning.
cell phones in the morning.
193
584344
2586
no tendrás mil millones
de celulares por la mañana.
de celulares por la mañana.
09:59
But if you do that with living organisms,
194
587489
4913
Pero si se hace eso con organismos vivos,
10:05
you can make this stuff
at a very large scale.
at a very large scale.
195
593222
2389
se pueden hacer estas cosas a gran escala.
10:09
One of the things you can do
is you can start producing
is you can start producing
196
597390
2896
Una de las cosas es comenzar a producir
10:12
close to carbon-neutral fuels
197
600310
2223
combustibles casi neutros en carbono
10:14
on a commercial scale by 2025,
198
602557
2426
a escala comercial en 2025,
10:18
which we're doing with Exxon.
199
606054
1761
lo que estamos haciendo con Exxon.
Pero también se puede
sustituir por tierras agrícolas.
sustituir por tierras agrícolas.
10:20
But you can also substitute
for agricultural lands.
for agricultural lands.
200
608870
2409
10:23
Instead of having 100 hectares
to make oils or to make proteins,
to make oils or to make proteins,
201
611303
4751
En lugar de tener 100 hectáreas
para hacer aceites o proteínas,
para hacer aceites o proteínas,
10:28
you can make it in these vats
202
616078
1859
se puede hacer en estas cubas
10:29
at 10 or 100 times
the productivity per hectare.
the productivity per hectare.
203
617961
2868
aumentando a 10 o 100 veces
la productividad por hectárea.
la productividad por hectárea.
10:33
Or you can store information,
or you can make all the world's vaccines
or you can make all the world's vaccines
204
621488
3382
O almacenar información o
hacer todas las vacunas del mundo
hacer todas las vacunas del mundo
10:36
in those three vats.
205
624894
1299
en esas tres cubas.
10:39
Or you can store most of the information
that's held at CERN in those three vats.
that's held at CERN in those three vats.
206
627276
3949
O almacenar la mayor parte de información
guardada en el CERN en esas tres cubas.
guardada en el CERN en esas tres cubas.
10:44
DNA is a really powerful
information storage device.
information storage device.
207
632350
3209
El ADN es un dispositivo de almacenamiento
de información realmente poderoso.
de información realmente poderoso.
10:48
Second turn:
208
636806
1588
Segundo turno:
10:50
you're beginning to see the rise
of theoretical biology.
of theoretical biology.
209
638418
2784
Empiezas a ver
el auge de la biología teórica.
el auge de la biología teórica.
10:54
So, medical school departments are one
of the most conservative places on earth.
of the most conservative places on earth.
210
642256
4202
Las facultades de Medicina son uno de
los lugares más conservadores del mundo.
los lugares más conservadores del mundo.
10:58
The way they teach anatomy is similar
to the way they taught anatomy
to the way they taught anatomy
211
646482
3417
La forma en que enseñan anatomía es
similar como enseñaron anatomía
similar como enseñaron anatomía
11:01
100 years ago.
212
649923
1166
hace 100 años.
11:03
"Welcome, student. Here's your cadaver."
213
651113
2024
"Bienvenido, estudiante.
Aquí está tu cadáver".
Aquí está tu cadáver".
11:06
One of the things medical schools are
not good at is creating new departments,
not good at is creating new departments,
214
654149
3707
Las facultades de Medicina no son buenas
creando nuevos departamentos,
creando nuevos departamentos,
11:09
which is why this is so unusual.
215
657880
1749
por eso esto es tan inusual.
11:12
Isaac Kohane has now created a department
based on informatics, data, knowledge
based on informatics, data, knowledge
216
660351
6498
Isaac Kohane ha creado un departamento
basado en informática, datos, conocimiento
basado en informática, datos, conocimiento
11:18
at Harvard Medical School.
217
666873
1511
en Harvard Medical School.
Y en cierto sentido, lo que
está empezando a suceder
está empezando a suceder
11:21
And in a sense,
what's beginning to happen is
what's beginning to happen is
218
669408
2177
es que la biología empieza
a obtener tantos datos
a obtener tantos datos
11:23
biology is beginning to get enough data
219
671609
2482
11:26
that it can begin to follow
the steps of physics,
the steps of physics,
220
674115
2766
que puede empezar
a seguir los pasos de la física,
a seguir los pasos de la física,
11:28
which used to be observational physics
221
676905
3388
que solía ser la física observacional
11:32
and experimental physicists,
222
680317
1971
y físicos experimentales,
11:34
and then started creating
theoretical biology.
theoretical biology.
223
682312
2162
para luego comenzar
a crear biología teórica.
a crear biología teórica.
11:36
Well, that's what you're beginning to see
224
684498
2004
Eso es lo que se empieza a ver,
11:38
because you have so many medical records,
225
686526
1980
porque hay muchos registros médicos,
11:40
because you have
so much data about people:
so much data about people:
226
688530
2032
porque hay mucha información
sobre las personas:
sobre las personas:
11:42
you've got their genomes,
you've got their viromes,
you've got their viromes,
227
690586
2410
sus genomas, sus viromas,
11:45
you've got their microbiomes.
228
693020
1494
sus microbiomas.
11:46
And as this information stacks,
229
694538
1981
Y como esta información se acumula,
11:48
you can begin to make predictions.
230
696543
2063
se puede empezar a hacer predicciones.
Lo tercero que está sucediendo es que
esto está llegando al consumidor.
esto está llegando al consumidor.
11:52
The third thing that's happening
is this is coming to the consumer.
is this is coming to the consumer.
231
700149
3255
11:56
So you, too, can get your genes sequenced.
232
704629
4156
Así que Uds. también
pueden secuenciar tus genes.
pueden secuenciar tus genes.
12:01
And this is beginning to create
companies like 23andMe,
companies like 23andMe,
233
709698
2728
Y esto está empezando
a crear empresas como 23andMe,
a crear empresas como 23andMe,
12:04
and companies like 23andMe
are going to be giving you
are going to be giving you
234
712450
2478
y empresas como 23andMe nos van a dar
12:06
more and more and more data,
235
714952
1352
más y más y más datos,
12:08
not just about your relatives,
236
716328
1544
no solo de nuestros parientes,
sino de nosotros y nuestro cuerpo,
12:10
but about you and your body,
237
718562
1360
12:11
and it's going to compare stuff,
238
719946
1531
y vamos a comparar cosas,
12:13
and it's going
to compare stuff across time,
to compare stuff across time,
239
721501
2093
a comparar cosas a través del tiempo,
12:15
and these are going to become
very large databases.
very large databases.
240
723618
2607
Y estas van a convertirse
en bases de datos muy grandes.
en bases de datos muy grandes.
12:18
But it's also beginning to affect
a series of other businesses
a series of other businesses
241
726249
2962
Pero también está empezando
a afectar a otras empresas
a afectar a otras empresas
12:21
in unexpected ways.
242
729235
1537
en formas inesperadas.
12:23
Normally, when you advertise something,
you really don't want the consumer
you really don't want the consumer
243
731802
3751
Normalmente, cuando se anuncia algo,
realmente no se quiere que el consumidor
realmente no se quiere que el consumidor
12:27
to take your advertisement
into the bathroom to pee on.
into the bathroom to pee on.
244
735577
4567
lleve su anuncio al baño para orinar.
12:33
Unless, of course, if you're IKEA.
245
741993
2055
A menos que, por supuesto, son eres IKEA.
12:37
Because when you rip this
out of a magazine and you pee on it,
out of a magazine and you pee on it,
246
745381
2906
porque cuando sacas esto
de una revista y hace pis encima,
de una revista y hace pis encima,
12:40
it'll turn blue if you're pregnant.
247
748311
2069
se pondrá azul, si estás embarazada.
12:42
(Laughter)
248
750404
1213
(Risas)
12:44
And they'll give you
a discount on your crib.
a discount on your crib.
249
752214
3873
Y te darán un descuento en la cuna.
12:48
(Laughter)
250
756111
1158
(Risas)
Así que cuando digo
potenciación del consumidor,
potenciación del consumidor,
12:49
Right? So when I say consumer empowerment,
251
757293
2015
12:51
and this is spreading beyond biotech,
252
759332
2739
y esto se está extendiendo
más allá de la biotecnología,
más allá de la biotecnología,
12:54
I actually really mean that.
253
762095
1819
realmente me refiero a eso.
12:58
We're now beginning to produce,
at Synthetic Genomics,
at Synthetic Genomics,
254
766273
3365
Ahora estamos empezando
a producir, en Synthetic Genomics,
a producir, en Synthetic Genomics,
13:02
desktop printers
255
770540
1471
impresoras de escritorio
13:05
that allow you to design a cell,
256
773228
3530
que nos permiten diseñar una célula,
13:08
print a cell,
257
776782
1167
imprimir una célula,
13:09
execute the program on the cell.
258
777973
1845
ejecutar el programa en la célula.
13:12
We can now print vaccines
259
780825
2103
Ahora podemos imprimir vacunas
13:14
real time as an airplane takes off
260
782952
2247
a tiempo real como un avión que despega
13:17
before it lands.
261
785223
1190
antes de de aterrizar.
13:19
We're shipping 78
of these machines this year.
of these machines this year.
262
787929
2572
Estamos enviando 78
de estas máquinas este año.
de estas máquinas este año.
13:24
This is not theoretical biology.
This is printing biology.
This is printing biology.
263
792068
4473
Esto no es biología teórica.
Esto es imprimir biología.
Esto es imprimir biología.
13:30
Let me talk about two long-term trends
264
798182
2196
Déjenme hablar
de dos tendencias a largo plazo
de dos tendencias a largo plazo
13:33
that are coming at you
over a longer time period.
over a longer time period.
265
801374
3326
que lles llegarán a Uds.
en un período de tiempo más largo.
en un período de tiempo más largo.
13:37
The first one is, we're starting
to redesign species.
to redesign species.
266
805658
2656
La primera es que estamos empezando
a rediseñar las especies.
a rediseñar las especies.
13:41
And you've heard about that, right?
267
809055
1777
Y han oído hablar de eso, ¿verdad?
13:42
We're redesigning trees.
We're redesigning flowers.
We're redesigning flowers.
268
810856
2681
Estamos rediseñando los árboles.
Estamos rediseñando las flores.
Estamos rediseñando las flores.
13:45
We're redesigning yogurt,
269
813561
2293
Estamos rediseñando el yogur,
13:48
cheese, whatever else you want.
270
816513
2030
el queso, cualquier cosa que deseen.
13:51
And that, of course,
brings up the interesting question:
brings up the interesting question:
271
819678
2650
Y eso, por supuesto,
trae la interesante pregunta:
trae la interesante pregunta:
13:54
How and when should we redesign humans?
272
822884
2336
¿Cómo y cuándo debemos
rediseñar a los humanos?
rediseñar a los humanos?
13:59
And a lot of us think,
"Oh no, we never want to redesign humans."
"Oh no, we never want to redesign humans."
273
827566
3557
Y muchos pensamos: "No, nunca
queremos rediseñar a los humanos".
queremos rediseñar a los humanos".
A menos que, por supuesto,
su hijo tenga un gen de Huntington
su hijo tenga un gen de Huntington
14:04
Unless, of course, if your child
has a Huntington's gene
has a Huntington's gene
274
832147
2715
14:06
and is condemned to death.
275
834886
1389
y está condenado a muerte.
14:09
Or, unless if you're passing on
a cystic fibrosis gene,
a cystic fibrosis gene,
276
837172
3363
O, a menos que esté transmitiendo
un gen de fibrosis quística,
un gen de fibrosis quística,
14:12
in which case, you don't just want
to redesign yourself,
to redesign yourself,
277
840559
2690
en ese caso, no solo quieres rediseñarte,
14:15
you want to redesign your children
and their children.
and their children.
278
843273
2539
sino que quieres rediseñar
a tus hijos y sus hijos.
a tus hijos y sus hijos.
14:18
And these are complicated debates
and they're going to happen in real time.
and they're going to happen in real time.
279
846723
3645
Y estos son debates complicados
y van a suceder en tiempo real.
y van a suceder en tiempo real.
14:22
I'll give you one current example.
280
850839
1951
Les voy a dar un ejemplo actual.
14:25
One of the debates going on
at the National Academies today
at the National Academies today
281
853531
3072
Uno de los debates actuales
en las Academias Nacionales
en las Academias Nacionales
14:29
is you have the power to put
a gene drive into mosquitoes
a gene drive into mosquitoes
282
857896
4702
es si se puede poner un gen en mosquitos
14:34
so that you will kill
all the malaria-carrying mosquitoes.
all the malaria-carrying mosquitoes.
283
862622
2984
para que maten a todos
los mosquitos portadores de malaria.
los mosquitos portadores de malaria.
14:39
Now, some people say,
284
867547
2560
Ahora, algunas personas dicen,
14:42
"That's going to affect the environment
in an extreme way, don't do it."
in an extreme way, don't do it."
285
870964
3465
"Eso afectaría el medio ambiente
de manera extrema, no se debe hacer".
de manera extrema, no se debe hacer".
14:47
Other people say,
286
875326
1155
Otras personas dicen
14:48
"This is one of the things
that's killing millions of people yearly.
that's killing millions of people yearly.
287
876505
3227
"Esta es una de las cosas que mata
a millones de personas cada año,
a millones de personas cada año,
14:51
Who are you to tell me
that I can't save the kids in my country?"
that I can't save the kids in my country?"
288
879756
3548
¿quién eres tú para decirme que
no puedo salvar a los niños en mi país?
no puedo salvar a los niños en mi país?
¿Y por qué este debate es tan complicado?
14:57
And why is this debate so complicated?
289
885183
1853
14:59
Because as soon as you
let this loose in Brazil
let this loose in Brazil
290
887060
2881
Porque tan pronto
como sueltas esto en Brasil.
como sueltas esto en Brasil.
15:01
or in Southern Florida --
291
889965
1423
o en el sur de la Florida,
15:03
mosquitoes don't respect walls.
292
891412
1541
los mosquitos no respetan las paredes.
15:04
You're making a decision for the world
293
892977
2301
Se está tomando
una decisión para el mundo,
una decisión para el mundo,
15:07
when you put a gene drive into the air.
294
895302
1907
al poner una unidad genética en el aire.
15:14
This wonderful man won a Nobel Prize,
295
902145
2095
Este maravilloso hombre
ganó un premio Nobel,
ganó un premio Nobel,
15:17
and after winning the Nobel Prize
296
905103
1640
y después de ganar el Premio Nobel
15:18
he's been worrying about
297
906767
1255
ha estado preocupado por
15:21
how did life get started on this planet
298
909531
2103
cómo empezó la vida en este planeta,
15:23
and how likely is it
that it's in other places?
that it's in other places?
299
911658
2281
y la probabilidad de que
haya vida en otros lugares?
haya vida en otros lugares?
15:27
So what he's been doing is going around
to this graduate students
to this graduate students
300
915097
3202
Y lo que él ha estado haciendo
es ir a los estudiantes de posgrado
es ir a los estudiantes de posgrado
y decirles a sus estudiantes graduados,
15:30
and saying to his graduate students,
301
918323
1718
"Construyan la vida sin usar productos
químicos o instrumentos modernos.
químicos o instrumentos modernos.
15:32
"Build me life but don't use
any modern chemicals or instruments.
any modern chemicals or instruments.
302
920864
3322
15:36
Build me stuff that was here
three billion years ago.
three billion years ago.
303
924210
2665
Hagan cosas que estuvieron aquí
hace tres mil millones de años.
hace tres mil millones de años.
15:38
You can't use lasers.
You can't use this. You can't use that."
You can't use this. You can't use that."
304
926899
3156
No pueden usar láseres.
No pueden usar ni esto ni eso".
No pueden usar ni esto ni eso".
15:44
He gave me a vial of what he's built
about three weeks ago.
about three weeks ago.
305
932330
3245
Él me dio un frasco de lo que hizo
hace unas tres semanas.
hace unas tres semanas.
15:48
What has he built?
306
936639
1179
¿Qué logró?
15:49
He's built basically what looked like
soap bubbles that are made out of lipids.
soap bubbles that are made out of lipids.
307
937842
4025
Básicamente construyó lo que parecían
burbujas de jabón hechas de lípidos.
burbujas de jabón hechas de lípidos.
15:53
He's built a precursor of RNA.
308
941891
2566
Ha producido un precursor de ARN.
15:57
He's had the precursor of the RNA
be absorbed by the cell
be absorbed by the cell
309
945291
3752
Ha obtenido el precursor del ARN
absorbido por la célula
absorbido por la célula
16:02
and then he's had the cells divide.
310
950194
1883
y luego ha tenido
las células dividiéndose.
las células dividiéndose.
16:06
We may not be that far --
311
954031
1957
Puede que no estemos tan lejos...
16:09
call it a decade, maybe two decades --
312
957687
3117
digamos una década, tal vez dos décadas
16:12
from generating life from scratch
313
960828
1970
de generar vida desde cero,
16:16
out of proto-communities.
314
964285
1803
fuera de las proto-comunidades.
16:19
Second long-term trend:
315
967512
1646
Segunda tendencia a largo plazo:
16:22
we've been living and are living
through the digital age --
through the digital age --
316
970273
3526
Hemos estado viviendo y seguimos
viviendo a través de la era digital.
viviendo a través de la era digital.
Y ahora empezamos a vivir
a través de la era del genoma
a través de la era del genoma
16:25
we're starting to live through
the age of the genome
the age of the genome
317
973823
2519
16:28
and biology and CRISPR
and synthetic biology --
and synthetic biology --
318
976366
3615
la biología, CRISPR y
la biología sintética.
la biología sintética.
16:32
and all of that is going to merge
into the age of the brain.
into the age of the brain.
319
980870
2907
Y todo eso se fusionará
con la edad del cerebro.
con la edad del cerebro.
Estamos llegando a poder reconstruir
la mayoríade las partes de nuestro cuerpo,
la mayoríade las partes de nuestro cuerpo,
16:36
So we're getting to the point where
we can rebuild most of our body parts,
we can rebuild most of our body parts,
320
984743
3981
De igual manera que si te rompes un hueso
o te quemas la piel, vuelve a crecer,
o te quemas la piel, vuelve a crecer,
16:40
in the same way as if you break a bone
or burn your skin, it regrows.
or burn your skin, it regrows.
321
988748
3656
16:44
We're beginning to learn
how to regrow our tracheas
how to regrow our tracheas
322
992428
2668
Estamos empezando a aprender
a hacer crecer nuestras tráqueas
a hacer crecer nuestras tráqueas
16:47
or how to regrow our bladders.
323
995120
1864
o nuestras vejigas.
16:49
Both of those have been
implanted in humans.
implanted in humans.
324
997008
2306
Ambas cosas han sido
implantadas en humanos.
implantadas en humanos.
16:51
Tony Atala is working on
32 different organs.
32 different organs.
325
999338
2728
Tony Atala está trabajando
en 32 órganos diferentes.
en 32 órganos diferentes.
16:55
But the core is going to be this,
326
1003487
1890
Pero el núcleo va a ser esto,
16:57
because this is you
and the rest is just packaging.
and the rest is just packaging.
327
1005401
3054
porque este eres tú y
el resto es solo empaquetado.
el resto es solo empaquetado.
17:02
Nobody's going to live beyond
120, 130, 140 years
120, 130, 140 years
328
1010011
3547
Nadie va a vivir más allá de
los 120, 130, 140 años.
los 120, 130, 140 años.
17:05
unless if we fix this.
329
1013582
1735
A menos que arreglemos esto.
17:08
And that's the most interesting challenge.
330
1016084
2066
Y ese es el reto más interesante.
17:10
That's the next frontier, along with:
331
1018174
2111
Esa es la próxima frontera, junto con:
17:12
"How common is life in the universe?"
332
1020309
2347
"¿Cuán común es la vida en el universo?"
17:14
"Where did we come from?"
333
1022680
1806
"¿De dónde vinimos?"
17:16
and questions like that.
334
1024510
1634
Y preguntas como esas.
17:20
Let me end this with
an apocryphal quote from Einstein.
an apocryphal quote from Einstein.
335
1028031
3190
Permítanme terminar esto
con una cita apócrifa de Einstein.
con una cita apócrifa de Einstein.
[Puedes vivir
como si todo fuera un milagro,
como si todo fuera un milagro,
17:23
[You can live as if
everything is a miracle,
everything is a miracle,
336
1031697
2219
17:25
or you can live as if
nothing is a miracle.]
nothing is a miracle.]
337
1033940
2272
o puedes vivir
como si nada fuera un milagro.]
como si nada fuera un milagro.]
17:28
It's your choice.
338
1036236
1513
Es tu elección.
Puedes enfocarte en lo malo,
puedes enfocarte en el miedo,
puedes enfocarte en el miedo,
17:30
You can focus on the bad,
you can focus on the scary,
you can focus on the scary,
339
1038555
2479
17:33
and certainly there's
a lot of scary out there.
a lot of scary out there.
340
1041058
2416
y ciertamente hay mucho miedo por ahí.
17:36
But use 10 percent of your brain
to focus on that, or maybe 20 percent,
to focus on that, or maybe 20 percent,
341
1044012
4732
Pero usa el 10 % de tu cerebro
para concentrarte en eso o el 20 %
para concentrarte en eso o el 20 %
17:40
or maybe 30 percent.
342
1048768
1826
o tal vez el 30 %.
17:43
But just remember,
343
1051474
1782
Pero solo recuerda,
17:45
we really are living in an age
of miracle and wonder.
of miracle and wonder.
344
1053280
2609
Realmente vivimos
en una era de milagros y maravillas.
en una era de milagros y maravillas.
Tenemos suerte de estar vivos hoy.
Tenemos la suerte de ver estas cosas.
Tenemos la suerte de ver estas cosas.
17:48
We're lucky to be alive today.
We're lucky to see this stuff.
We're lucky to see this stuff.
345
1056271
3551
Tenemos la suerte de poder
interactuar con gente como la gente
interactuar con gente como la gente
17:51
We're lucky to be able to interact
with folks like the folks
with folks like the folks
346
1059846
2841
17:54
who are building
all the stuff in this room.
all the stuff in this room.
347
1062711
2110
que están construyendo
todas las cosas en esta sala.
todas las cosas en esta sala.
17:57
So thank you to all of you,
for all you do.
for all you do.
348
1065487
2975
Así que gracias a todos Uds.
por todo lo que hacen.
por todo lo que hacen.
18:01
(Applause)
349
1069066
3696
(Aplausos)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com