Taste3 2008
Barry Schuler: Genomics 101
Barry Schuler: Genómica básica
Filmed:
Readability: 3.8
454,548 views
¿Qué es la genómica?¿Cómo afectará nuestras vidas? En esta intrigante introducción sobre la revolución genómica, el emprendedor Barry Schuler dice que al menos puede esperarse comida más sana y sabrosa. Sugiere comenzar con la uva pinot noir para producir mejores vinos.
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Double-click the English transcript below to play the video.
00:16
What's happening in genomics,
0
0
2000
Lo que está sucediendo con la genómica
00:18
and how this revolution is about to change everything we know
1
2000
5000
y cómo esta revolución está por cambiar todo lo que conocemos
00:23
about the world, life, ourselves, and how we think about them.
2
7000
7000
acerca del mundo, la vida, nosotros mismos y lo que pensamos sobre esto.
00:30
If you saw 2001: A Space Odyssey,
3
14000
3000
Si vieron "2001: odisea del espacio",
00:33
and you heard the boom, boom, boom, boom, and you saw the monolith,
4
17000
4000
y escucharon el "bum, bum, bum, bum" y vieran el monolito,
00:37
you know, that was Arthur C. Clarke's representation
5
21000
4000
sabren, era una representación por Arthur C. Clarke
00:41
that we were at a seminal moment in the evolution of our species.
6
25000
4000
de que estábamos en el momento seminal en la evolución de nuestra especie.
00:45
In this case, it was picking up bones and creating a tool,
7
29000
4000
En este caso, era levantar huesos, crear una herramienta y
00:49
using it as a tool, which meant that apes just, sort of,
8
33000
4000
usarla como tal, lo que significaba que los simios, en cierto modo,
00:53
running around and eating and doing each other
9
37000
2000
sólo corriendo por todos lados, comiendo y apareandose,
00:55
figured out they can make things if they used a tool.
10
39000
6000
comprendieron que podían hacer cosas si usaban herramientas.
01:01
And that moved us to the next level.
11
45000
3000
Esto nos hizo pasar al siguiente nivel.
01:04
And, you know, we in the last 30 years in particular
12
48000
4000
Y en los últimos 30 años en particular, hemos visto
01:08
have seen this acceleration in knowledge and technology,
13
52000
4000
una aceleración en el conocimiento y la tecnología,
01:12
and technology has bred more knowledge and given us tools.
14
56000
3000
ésta ha generado más conocimiento y nos ha brindado herramientas.
01:15
And we've seen many seminal moments.
15
59000
2000
Y hemos visto varios momentos seminales.
01:17
We've seen the creation of small computers in the '70s and early '80s,
16
61000
4000
Vimos la creación de pequeñas computadoras en los años 70 y principios de los 80
01:21
and who would have thought back then that every single person
17
65000
3000
y quién hubiera pensado en ese entonces que cada persona
01:24
would not have just one computer but probably 20,
18
68000
3000
no sólo tendría una computadora, sino 20 probablemente
01:27
in your home, and in not just your P.C. but in every device --
19
71000
5000
en su casa y no sólo la PC, sino en cada aparato:
01:32
in your washing machine, your cell phone.
20
76000
3000
en su lavadora, su celular.
01:35
You're walking around; your car has 12 microprocessors.
21
79000
4000
Están paseando y su carro tiene 12 microprocesadores.
01:39
Then we go along and create the Internet
22
83000
2000
Entonces procedemos y creamos el Internet
01:41
and connect the world together; we flatten the world.
23
85000
3000
y conectamos al mundo, eliminando las fronteras.
01:44
We've seen so much change, and we've given ourselves these tools now --
24
88000
5000
Hemos visto tantos cambios y, ahora, nos hemos abastecido de
01:49
these high-powered tools --
25
93000
2000
herramientas, de gran potencia,
01:51
that are allowing us to turn the lens inward
26
95000
4000
que nos permiten centrar la atención en la esencia
01:55
into something that is common to all of us, and that is a genome.
27
99000
5000
común a todos nosotros, esto es el genoma.
02:00
How's your genome today? Have you thought about it lately?
28
104000
5000
¿Cómo está su genoma hoy en día?¿Han pensado en el últimamente?
02:05
Heard about it, at least? You probably hear about genomes these days.
29
109000
5000
¿Al menos, han escuchado de él? Probablemente han oído hablar de los genomas hoy en día.
02:10
I thought I'd take a moment to tell you what a genome is.
30
114000
3000
Pensé en tomarme un momento y decirles lo que es el genoma.
02:13
It's, sort of, like if you ask people,
31
117000
2000
Es más o menos como cuando le preguntas a alguien
02:15
Well, what is a megabyte or megabit? And what is broadband?
32
119000
3000
¿qué es un megabyte o megabit? y ¿qué es banda ancha?
02:18
People never want to say, I really don't understand.
33
122000
3000
La gente nunca quiere decir que no entienden del todo.
02:21
So, I will tell you right off of the bat.
34
125000
1000
Entonces les diré de inmediato.
02:22
You've heard of DNA; you probably studied a little bit in biology.
35
126000
4000
Han escuchado sobre el ADN, probablemente lo estudiaron un poco en biología.
02:26
A genome is really a description for
all of the DNA that is in a living organism.
all of the DNA that is in a living organism.
36
130000
7000
Un genoma es en realidad una descripción de todo el ADN dentro de un organismo.
02:33
And one thing that is common to all of life is DNA.
37
137000
6000
Y lo que tiene en común toda forma de vida es el ADN.
02:39
It doesn't matter whether you're a yeast;
38
143000
2000
No importa si es levadura,
02:41
it doesn't matter whether you're a mouse;
39
145000
2000
un ratón,
02:43
doesn't matter whether you're a fly; we all have DNA.
40
147000
4000
o una mosca, todos tenemos ADN.
02:47
The DNA is organized in words, call them: genes and chromosomes.
41
151000
7000
El ADN se organiza en palabras, llamadas genes y cromosomas.
02:54
And when Watson and Crick in the '50s
42
158000
4000
Cuando en los años 50, Watson y Crick decodificaron
02:58
first decoded this beautiful double helix that we know as the DNA molecule --
43
162000
6000
por primera vez la hermosa doble hélice que conocemos como la molécula del ADN,
03:04
very long, complicated molecule --
44
168000
2000
una molécula muy larga y compleja,
03:06
we then started on this journey to understand that
45
170000
4000
comenzamos así el recorrido para entender que
03:10
inside of that DNA is a language that determines the characteristics, our traits,
46
174000
6000
dentro del ADN hay un idioma que determina las características, nuestros rasgos,
03:16
what we inherit, what diseases we may get.
47
180000
3000
lo que heredamos, qué enfermedades podemos contraer.
03:19
We've also along the way discovered that this is a very old molecule,
48
183000
6000
También, en el trayecto descubrimos que es una molécula muy antigua,
03:25
that all of the DNA in your body has been around forever,
49
189000
6000
que el ADN en su cuerpo ha estado siempre,
03:31
since the beginning of us, of us as creatures.
50
195000
4000
desde nuestro inicio como creaturas.
03:35
There is a historical archive.
51
199000
2000
Hay un archivo histórico.
03:37
Living in your genome is the history of our species,
52
201000
5000
Viviendo dentro del genoma está la historia de nuestra especie
03:42
and you as an individual human being, where you're from,
53
206000
6000
y de uno como individuo, de dónde se proviene,
03:48
going back thousands and thousands and thousands of years,
54
212000
3000
remontándonos a miles y miles de años atrás
03:51
and that's now starting to be understood.
55
215000
3000
y esto comienza a ser entendido;
03:54
But also, the genome is really the instruction manual.
56
218000
5000
pero el genoma también es un manual instructivo.
03:59
It is the program. It is the code of life.
57
223000
3000
Es el programa, el código de la vida.
04:02
It is what makes you function;
58
226000
2000
Es lo que los hace funcionar,
04:04
it is what makes every organism function.
59
228000
4000
lo que hace funcionar a cada organismo.
04:08
DNA is a very elegant molecule.
60
232000
3000
El ADN es una molécula muy elegante,
04:11
It's long and it's complicated.
61
235000
2000
es larga y es complicada.
04:13
Really all you have to know about it is that there's four letters:
62
237000
5000
Todo lo que tienen que saber de ella es que tiene cuatro letras:
04:18
A, T, C, G; they represent the name of a chemical.
63
242000
4000
A, T, C, G, que representan el nombre de un químico.
04:22
And with these four letters, you can create a language:
64
246000
5000
Con estas cuatro letras puede crearse un idioma,
04:27
a language that can describe anything, and very complicated things.
65
251000
5000
que puede describir cualquier cosa, hasta las muy complejas.
04:32
You know, they are generally put together in pairs,
66
256000
3000
Ya saben, generalmente se ponen en pares,
04:35
creating a word or what we call base pairs.
67
259000
3000
creando una palabra o lo que llamamos par de bases.
04:38
And you would, you know, when you think about it,
68
262000
3000
Y, ya saben, cuando piensan acerca de esto,
04:41
four letters, or the representation of four things, makes us work.
69
265000
6000
cuatro letras, o la representación de cuatro cosas, nos hacen funcionar.
04:47
And that may not sound very intuitive,
70
271000
3000
Y puede que no suene muy intuitivo,
04:50
but let me flip over to something else you know about, and that's computers.
71
274000
4000
pero permitanme ponerselo de una forma que entiendan, las computadoras.
04:54
Look at this screen here and, you know, you see pictures
72
278000
4000
Vean a la pantalla de aquí, saben, ven imágenes
04:58
and you see words, but really all there are are ones and zeros.
73
282000
4000
y ven letras, pero en realidad todo lo que hay son unos y ceros.
05:02
The language of technology is binary;
74
286000
4000
El lenguaje de la tecnología es binario,
05:06
you've probably heard that at some point in time.
75
290000
2000
seguramente en algún punto han escuchado eso.
05:08
Everything that happens in digital is converted,
76
292000
4000
Todo lo que sucede digitalmente se convierte en,
05:12
or a representation, of a one and a zero.
77
296000
3000
o es una depresentación de, un uno y un cero.
05:15
So, when you're listening to iTunes and your favorite music,
78
299000
5000
Así que, cuando están escuchando iTunes y su música favorita,
05:20
that's really just a bunch of ones and zeros playing very quickly.
79
304000
3000
en realidad esto es un montón de unos y ceros leyendose muy rápido.
05:23
When you're seeing these pictures, it's all ones and zeros,
80
307000
3000
Cuando ven estas imágenes, son todas unos y ceros;
05:26
and when you're talking on your telephone, your cell phone,
81
310000
3000
cuando hablan por teléfono, en su celular,
05:29
and it's going over the network,
82
313000
2000
y su voz atraviesa la red
05:31
your voice is all being turned into ones and zeros and magically whizzed around.
83
315000
4000
transformándose en unos y ceros, transmitiéndose de un lado a otro como si fuera magia.
05:35
And look at all the complex things and wonderful things
84
319000
3000
Y vean todas las cosas complejas y maravillosas
05:38
we've been able to create with just a one and a zero.
85
322000
3000
que hemos podido crear con sólo un cero y un uno.
05:41
Well, now you ramp that up to four, and you have a lot of complexity,
86
325000
6000
Bueno, si ahora aumentan esto a cuatro, tienen mucha complejidad,
05:47
a lot of ways to describe mechanisms.
87
331000
4000
muchas formas de describir mecanismos.
05:51
So, let's talk about what that means.
88
335000
2000
Así que hablemos de lo que esto significa.
05:53
So, if you look at a human genome,
89
337000
2000
Entonces, si ven al genoma humano,
05:55
they consist of 3.2 billion of these base pairs. That's a lot.
90
339000
6000
consiste de 3,200 millones de pares de bases, esto es mucho.
06:01
And they mix up in all different fashions,
91
345000
2000
Y se combinan de todas formas distintas,
06:03
and that makes you a human being.
92
347000
3000
esto los convierte en ser humano.
06:06
If you convert that to binary, just to give you a little bit of sizing,
93
350000
5000
Si convierten esto en sistema binario, sólo para medir,
06:11
we're actually smaller than the program Microsoft Office.
94
355000
4000
somos de hecho más pequeños que el programa Microsoft Office.
06:15
It's not really all that much data.
95
359000
4000
En realidad no es tanta información.
06:19
I will also tell you we're at least as buggy.
96
363000
3000
Les diré que por lo menos tenemos la misma cantidad de defectos.
06:22
(Laughter)
97
366000
3000
(Risas)
06:25
This here is a bug in my genome
98
369000
4000
Esto que vemos aquí es un defecto en mi genoma
06:29
that I have struggled with for a long, long time.
99
373000
5000
con el que he luchado por mucho, mucho tiempo.
06:34
When you get sick, it is a bug in your genome.
100
378000
5000
Cuando se enferman, es un defecto en su genoma.
06:39
In fact, many, many diseases we have struggled with for a long time,
101
383000
5000
En realidad, muchas de las tantas enfermedades con las que hemos luchado por un largo tiempo,
06:44
like cancer, we haven't been able to cure
102
388000
3000
como el cáncer, no hemos sido capaces de curarlas
06:47
because we just don't understand how it works at the genomic level.
103
391000
4000
porque no entendemos cómo funcionan a nivel genómico.
06:51
We are starting to understand that.
104
395000
2000
Empezamos a entender esto.
06:53
So, up to this point we tried to fix it
105
397000
2000
Así que hasta este punto, hemos tratado de arreglarlo
06:55
by using what I call shit-against-the-wall pharmacology,
106
399000
4000
usando lo que me gusta llamar farmacología de mierda,
06:59
which means, well, let's just throw chemicals at it,
107
403000
3000
lo que significa: "bueno, pues lancémosle químicos
07:02
and maybe it's going to make it work.
108
406000
2000
y talvez funcione".
07:04
But if you really understand why does a cell go from normal cell to cancer?
109
408000
7000
Pero si se entiende por qué una célula pasa de normal a cáncer,
07:11
What is the code?
110
415000
2000
cuál es su código,
07:13
What are the exact instructions that are making it do that?
111
417000
4000
cuáles son las instrucciones exactas que causan esto,
07:17
then you can go about the process of trying to fix it and figure it out.
112
421000
4000
entonces, se puede pretender lograr el proceso para arreglarlo y descifrarlo.
07:21
So, for your next dinner over a great bottle of wine, here's a few factoids for you.
113
425000
5000
Así que, para su próxima cena con una magnífica botella de vino, aquí tienen algunos datos curiosos.
07:26
We actually have about 24,000 genes that do things.
114
430000
4000
En realidad tenemos alrededor de 24 mil genes que hacen cosas.
07:30
We have about a hundred, 120,000 others
115
434000
4000
Tenemos otros 100 ó 120 mil aproximadamente
07:34
that don't appear to function every day,
116
438000
3000
que parecen no funcionar a diario,
07:37
but represent this archival history of how we used to work as a species
117
441000
5000
pero que representan el archivo histórico de cómo solíamos funcionar como especie
07:42
going back tens of thousands of years.
118
446000
3000
remontándonos decenas de miles de años atrás.
07:45
You might also be interested in knowing
119
449000
2000
También podrían estar interesados en saber
07:47
that a mouse has about the same amount of genes.
120
451000
2000
que un ratón tiene la misma cantidad de genes.
07:49
They recently sequenced Pinot Noir, and it also has about 30,000 genes,
121
453000
7000
Recientemente secuenciaron el genoma del Pinot Noir y también tiene alrededor de 30 mil genes,
07:56
so the number of genes you have may not necessarily represent the complexity
122
460000
4000
así que el número de genes que se tiene no representa necesariamente
08:00
or the evolutionary order of any particular species.
123
464000
5000
la complejidad o el orden evolutivo de ninguna especie en particular.
08:05
Now, look around: just look next to your neighbor,
124
469000
3000
Ahora, vean a su alrededor, sólo hacia un lado a su vecino,
08:08
look forward, look backward. We all look pretty different.
125
472000
2000
hacia enfrente, hacia atrás, todos nos vemos bastante diferente.
08:10
A lot of very handsome and pretty people here, skinny, chubby,
126
474000
4000
Hay mucha gente guapa y bonita aquí, delgados, llenitos,
08:14
different races, cultures. We are all 99.9% genetically equal.
127
478000
8000
de distintas razas, culturas. Todos somos 99.9% genéticamente iguales.
08:22
It is one one-hundredth of one percent of genetic material
128
486000
4000
Es el 0.01% del material genético
08:26
that makes the difference between any one of us.
129
490000
3000
que nos diferencia entre nostros.
08:29
That's a tiny amount of material,
130
493000
2000
Esto es una diminuta cantidad de material,
08:31
but the way that ultimately expresses itself
131
495000
4000
pero la forma en la que finalmente se expresa
08:35
is what makes changes in humans and in all species.
132
499000
5000
es lo hace cambios en los humanos y otras especies.
08:40
So, we are now able to read genomes.
133
504000
3000
Entonces, ahora somos capaces de leer los genomas.
08:43
The first human genome took 10 years, three billion dollars.
134
507000
5000
El primer genoma humano tomó diez años y $3,000 millones de dólares,
08:48
It was done by Dr. Craig Venter.
135
512000
3000
realizado por el Dr. Craig Venter.
08:51
And then James Watson's -- one of the co-founders of DNA --
136
515000
4000
Y luego, el genoma de James Watson, uno de los cofundadores del ADN,
08:55
genome was done for two million dollars, and in just two months.
137
519000
4000
se secuenció con $2 millones de dólares y en sólo dos meses.
08:59
And if you think about the computer industry
138
523000
2000
Y si piensan en la industria de la computación
09:01
and how we've gone from big computers to little ones
139
525000
3000
y en cómo hemos pasado de computadoras grandes a pequeñas
09:04
and how they get more powerful and faster all the time,
140
528000
4000
y cómo son más rápidas y poderosas cada vez,
09:08
the same thing is happening with gene sequencing now:
141
532000
2000
pues lo mismo sucede al secuenciar el genoma hoy en día.
09:10
we are on the cusp of being able to sequence human genomes
142
534000
4000
Estamos a punto de poder secuenciar el genoma humano
09:14
for about 5,000 dollars in about an hour or a half-hour;
143
538000
5000
por unos $5 mil dólares en una hora u hora y media aproximadamente;
09:19
you will see that happen in the next five years.
144
543000
2000
verán que esto sucede en los próximos cinco años.
09:21
And what that means is, you are going to walk around
145
545000
2000
Lo que significa que irá con su
09:23
with your own personal genome on a smart card. It will be here.
146
547000
6000
genoma personal en una tarjeta inteligente. Estará aquí.
09:29
And when you buy medicine,
147
553000
2000
Y cuando compren medicina,
09:31
you won't be buying a drug that's used for everybody.
148
555000
3000
no estarán comprando un farmaco que se use en todos.
09:34
You will give your genome to the pharmacist,
149
558000
3000
Le darán su genoma al farmacéutico
09:37
and your drug will be made for you
150
561000
2000
y su farmaco estará diseñado para usted
09:39
and it will work much better than the ones that were --
151
563000
2000
y funcionará mucho mejor que los que estaban disponibles.
09:41
you won't have side effects.
152
565000
2000
No tendrán efectos secundarios.
09:43
All those side effects, you know, oily residue and, you know,
153
567000
3000
Todos esos efectos secundarios que conocen: residuos grasosos y, ya saben,
09:46
whatever they say in those commercials: forget about that.
154
570000
4000
lo que sea que digan en los comerciales; olvídenlo.
09:50
They're going to make all that stuff go away.
155
574000
2000
Harán que todo eso desaparezca.
09:52
What does a genome look like?
156
576000
3000
¿Cómo se ve un genoma?
09:55
Well, there it is. It is a long, long series of these base pairs.
157
579000
6000
Bueno, aquí lo tenemos. Es una serie muy, muy larga de pares de bases.
10:01
If you saw the genome for a mouse or for a human it would look no different than this,
158
585000
4000
Si vieran el genoma del ratón o del humano, no se verían distintos a esto,
10:05
but what scientists are doing now is
159
589000
2000
pero lo que los científicos hacen ahora es que
10:07
they're understanding what these do and what they mean.
160
591000
4000
están entendiendo lo que estos hacen y lo que significan.
10:11
Because what Nature is doing is double-clicking all the time.
161
595000
4000
Porque la Naturaleza todo el tiempo está haciendo doble clic.
10:15
In other words, the first couple of sentences here,
162
599000
4000
En otras palabras, las primeras oraciones aquí,
10:19
assuming this is a grape plant:
163
603000
2000
suponiendo que es una vid,
10:21
make a root, make a branch, create a blossom.
164
605000
4000
hacen una raíz, hacen una rama, crean un retoño.
10:25
In a human being, down in here it could be:
165
609000
4000
En un humano, aquí abajo podría ser:
10:29
make blood cells, start cancer.
166
613000
4000
haz sangre, inicia cáncer;
10:33
For me it may be: every calorie you consume, you conserve,
167
617000
7000
para mí podría ser: cada caloría que consumas la conservas,
10:40
because I come from a very cold climate.
168
624000
3000
porque vengo de un clima frío;
10:43
For my wife: eat three times as much and you never put on any weight.
169
627000
4000
para mi esposa: come el triple y no ganes nada de peso.
10:47
It's all hidden in this code,
170
631000
2000
Todo está oculto en este código
10:49
and it's starting to be understood at breakneck pace.
171
633000
4000
y comienza a ser entendido a un paso acelerado.
10:54
So, what can we do with genomes now that we can read them,
172
638000
3000
Entonces, ¿qué podemos hacer con los genomas ahora que podemos leerlos?,
10:57
now that we're starting to have the book of life?
173
641000
2000
ahora que comenzamos con el libro de la vida.
10:59
Well, there's many things. Some are exciting.
174
643000
3000
Bueno, hay muchas cosas, algunas son muy emocionantes.
11:02
Some people will find very scary. I will tell you a couple of things
175
646000
4000
Algunos le tendrán miedo. Les diré un par de cosas
11:06
that will probably make you want to projectile puke on me, but that's okay.
176
650000
4000
que probablemente harán que quieran vomitarme encima, pero está bien.
11:10
So, you know, we now can learn the history of organisms.
177
654000
4000
Pues saben, ahora podemos aprender la historia de los organismos.
11:14
You can do a very simple test: scrape your cheek; send it off.
178
658000
3000
Pueden hacer un análisis muy sencillo, sólo raspe el interior de su mejilla y envíe la muestra.
11:17
You can find out where your relatives come from;
179
661000
3000
Pueden descubrir de dónde provienen sus parientes,
11:20
you can do your genealogy going back thousands of years.
180
664000
3000
pueden remontarse genealógicamente miles de años atrás.
11:23
We can understand functionality. This is really important.
181
667000
3000
Podemos entender la funcionalidad. Esto es muy importante.
11:26
We can understand, for example, why we create plaque in our arteries,
182
670000
5000
Por ejemplo, podemos entender por qué creamos placa en las arterias,
11:31
what creates the starchiness inside of a grain,
183
675000
4000
qué crea el almidonamiento dentro de un grano,
11:35
why does yeast metabolize sugar and produce carbon dioxide.
184
679000
7000
porqué la levadura metaboliza el azúcar y produce bióxido de carbono.
11:43
We can also look at, at a grander scale, what creates problems,
185
687000
3000
También, en mucho mayor escala, podemos ver lo que crea problemas,
11:46
what creates disease, and how we may be able to fix them.
186
690000
4000
lo que crea enfermedades y cómo podremos solucionarlo.
11:50
Because we can understand this,
187
694000
2000
Porque podemos entender esto,
11:52
we can fix them, make better organisms.
188
696000
3000
podemos solucionarlo, hacer mejores organismos.
11:55
Most importantly, what we're learning
189
699000
2000
Lo más importante es que estamos aprendiendo
11:57
is that Nature has provided us a spectacular toolbox.
190
701000
5000
que la Naturaleza nos proporcionó una caja de herramientas espectacular,
12:02
The toolbox exists.
191
706000
2000
que realmente existe.
12:04
An architect far better and smarter than us has given us that toolbox,
192
708000
5000
Un arquitecto mucho mejor y más inteligente que nosotros nos ha dado esta caja de herramientas,
12:09
and we now have the ability to use it.
193
713000
3000
y ahora tenemos la habilidad de utilizarla.
12:12
We are now not just reading genomes; we are writing them.
194
716000
4000
Actualmente no sólo secuenciamos genomas, también los fabricamos.
12:16
This company, Synthetic Genomics, I'm involved with,
195
720000
2000
La compañía, Synthetic Genomics, con la que estoy trabajando
12:18
created the first full synthetic genome for a little bug,
196
722000
4000
creó el primer genoma completo para un pequeño bicho,
12:22
a very primitive creature called Mycoplasma genitalium.
197
726000
3000
una creatura muy primitiva llamada Mycoplasma genitalium.
12:25
If you have a UTI, you've probably -- or ever had a UTI --
198
729000
4000
Si se tiene una infección en vías urinarias, o alguna vez se ha tenido, probablemente
12:29
you've come in contact with this little bug.
199
733000
3000
han estado en contacto con este pequeño bicho.
12:32
Very simple -- only has about 246 genes --
200
736000
3000
Muy simple, sólo tiene 246 genes,
12:35
but we were able to completely synthesize that genome.
201
739000
6000
pero fuimos capaces de sintetizar completamente ese genoma.
12:42
Now, you have the genome and you say to yourself,
202
746000
3000
Ahora, tienen el genoma y se preguntan:
12:45
So, if I plug this synthetic genome -- if I pull the old one out and plug it in --
203
749000
5000
Entonces, si inserto este genoma sintético, si retiro el viejo y lo inserto,
12:50
does it just boot up and live?
204
754000
2000
¿inicia y vive?
12:52
Well, guess what. It does.
205
756000
3000
Bueno, adivinen qué, lo hace.
12:56
Not only does it do that; if you took the genome -- that synthetic genome --
206
760000
6000
No sólo hace esto, si toman el genoma, el genoma sintético,
13:02
and you plugged it into a different critter, like yeast,
207
766000
3000
y lo insertan en un bicho diferente, como la levadura,
13:05
you now turn that yeast into Mycoplasma.
208
769000
4000
ahora han convertido la levadura en Mycoplasma.
13:09
It's, sort of, like booting up a PC with a Mac O.S. software.
209
773000
5000
Es, más o menos, como iniciar una PC con software de Mac OS.
13:14
Well, actually, you could do it the other way.
210
778000
2000
Bueno, en realidad, podrían hacerlo al revés.
13:16
So, you know, by being able to write a genome
211
780000
4000
Entonces, ya saben, al ser capaces de fabricar un genoma
13:20
and plug it into an organism,
212
784000
3000
e insertarlo en un organismo,
13:23
the software, if you will, changes the hardware.
213
787000
5000
el software, por decir, cambia el hardware.
13:28
And this is extremely profound.
214
792000
2000
Y esto es muy profundo.
13:30
So, last year the French and Italians announced
215
794000
3000
Entonces, el año pasado los franceses e italianos anunciaron
13:33
they got together and they went ahead and they sequenced Pinot Noir.
216
797000
4000
su alianza y prosiguieron a secuenciar del genoma del Pinot Noir.
13:37
The genomic sequence now exists for the entire Pinot Noir organism,
217
801000
6000
La secuencia del genoma para el organismo completo del Pinot Noir ahora existe,
13:43
and they identified, once again, about 29,000 genes.
218
807000
4000
e identificaron, una vez más, alrededor de 29,000 genes.
13:47
They have discovered pathways that create flavors,
219
811000
3000
Han descubierto vías que crean sabores,
13:50
although it's very important to understand
220
814000
2000
aunque es muy importante entender
13:52
that those compounds that it's cranking out
221
816000
3000
que esos compuestos que se están creando
13:55
have to match a receptor in our genome, in our tongue,
222
819000
3000
tienen que coincidir un receptor dentro nuestro genoma, en la lengua,
13:58
for us to understand and interpret those flavors.
223
822000
3000
para que entendamos e interpretemos esos sabores.
14:01
They've also discovered that
224
825000
2000
También, han descubierto que
14:03
there's a heck of a lot of activity going on producing aroma as well.
225
827000
4000
hay muchísima actividad para producir aromas por igual.
14:07
They've identified areas of vulnerability to disease.
226
831000
3000
Han identificado áreas de vulnerabilidad ante enfermedades.
14:10
They now are understanding, and the work is going on,
227
834000
4000
La investigación prosigue y ahora entienden
14:14
exactly how this plant works, and we have the capability to know,
228
838000
4000
exactamente cómo funciona esta planta y tenemos la capacidad para saber,
14:18
to read that entire code and understand how it ticks.
229
842000
4000
para leer el código entero y entender cómo funciona.
14:22
So, then what do you do?
230
846000
2000
Entonces, ¿ahora que hacen?
14:24
Knowing that we can read it, knowing that we can write it, change it,
231
848000
4000
Saber que podemos leerlo, que podemos escribirlo, cambiarlo,
14:28
maybe write its genome from scratch. So, what do you do?
232
852000
4000
talvez escribir su genoma desde cero. Entonces, ¿qué hacer?
14:32
Well, one thing you could do is what some people might call Franken-Noir.
233
856000
4000
Bueno, algo que pueden hacer es lo que alguna gente podría llamar Franken-Noir.
14:36
(Laughter)
234
860000
3000
(Risas)
14:39
We can build a better vine.
235
863000
2000
Podemos fabricar una mejor vid.
14:41
By the way, just so you know:
236
865000
2000
Por cierto, sólo para que sepan:
14:43
you get stressed out about genetically modified organisms;
237
867000
4000
se estresan por los organismos genéticamente modificados,
14:47
there is not one single vine in this valley or anywhere
238
871000
3000
no hay ni un solo vino en este valle o en ningún lado
14:50
that is not genetically modified.
239
874000
2000
que no esté genéticamente modificado.
14:52
They're not grown from seeds; they're grafted into root stock;
240
876000
3000
No crecen de semillas, son injertados en un rizoma.
14:55
they would not exist in nature on their own.
241
879000
2000
No podrían exisistir en la naturaleza por si mismos.
14:57
So, don't worry about, don't stress about that stuff. We've been doing this forever.
242
881000
4000
Así que no se preocupe, no se estrese acerca de eso. Lo hemos hecho siempre.
15:01
So, we could, you know, focus on disease resistance;
243
885000
3000
Entonces, podríamos, ya saben, enfocarnos en la resistencia
15:04
we can go for higher yields without necessarily having
244
888000
4000
podemos tener mayor rendimiento sin necesariamente tener
15:08
dramatic farming techniques to do it, or costs.
245
892000
3000
técnicas drásticas de agricultura, ni costes.
15:11
We could conceivably expand the climate window:
246
895000
3000
Podemos posiblemente extender el rango climático:
15:14
we could make Pinot Noir grow maybe in Long Island, God forbid.
247
898000
5000
podríamos hacer que el Pinot Noir se diera en Long Island, Dios no lo quiera.
15:19
(Laughter)
248
903000
3000
(Risas)
15:23
We could produce better flavors and aromas.
249
907000
3000
Podemos producir mejores sabores y aromas.
15:26
You want a little more raspberry, a little more chocolate here or there?
250
910000
3000
¿Quieren un poco más de frambuesa, un poco más de chocolate por aquí o por allá?
15:29
All of these things could conceivably be done,
251
913000
3000
Todas estas cosas posiblemente pueden hacerse,
15:32
and I will tell you I'd pretty much bet that it will be done.
252
916000
3000
y les apuesto que, seguramente, se harán.
15:35
But there's an ecosystem here.
253
919000
2000
Pero aquí hay un ecosistema.
15:37
In other words, we're not, sort of, unique little organisms running around;
254
921000
5000
En otras palabras, no somos, en cierto modo, pequeños organismos únicos andando por ahí,
15:42
we are part of a big ecosystem.
255
926000
2000
somos parte de un gran ecosistema.
15:44
In fact -- I'm sorry to inform you --
256
928000
3000
De hecho, lamento informarles,
15:47
that inside of your digestive tract is about 10 pounds of microbes
257
931000
4000
que dentro del tracto digestivo tenemos cerca de 5 kilos de microbios
15:51
which you're circulating through your body quite a bit.
258
935000
3000
que circulan considerablemente por del cuerpo.
15:54
Our ocean's teaming with microbes;
259
938000
3000
Nuestro océano se coordina con los microbios;
15:57
in fact, when Craig Venter went and sequenced the microbes in the ocean,
260
941000
5000
de hecho, cuando Craig Venter fue y secuenció el genoma de los microbios en el océano,
16:02
in the first three months tripled the known species on the planet
261
946000
4000
en los primeros tres meses triplificó la cantidad de especies conocidas en el planeta
16:06
by discovering all-new microbes in the first 20 feet of water.
262
950000
3000
al descubrir microbios totalmente nuevos en los primeros seis metros de agua.
16:09
We now understand that those microbes have more impact on our climate
263
953000
4000
Ahora entendemos que estos microbios tienen más impacto sobre nuestro clima
16:13
and regulating CO2 and oxygen than plants do,
264
957000
4000
y regulación de CO2 y oxígeno que las plantas,
16:17
which we always thought oxygenate the atmosphere.
265
961000
2000
las cuales siempre creímos que oxigeneban la atmósfera.
16:19
We find microbial life in every part of the planet:
266
963000
4000
Encontramos vida microbiana en cada parte del planeta:
16:23
in ice, in coal, in rocks, in volcanic vents; it's an amazing thing.
267
967000
8000
en el hielo, en el carbón, en las rocas, en respiraderos de volcanes; es algo asombroso.
16:31
But we've also discovered, when it comes to plants, in plants,
268
975000
5000
Pero también hemos descubierto, cuando se trata de plantas, que en éstas,
16:36
as much as we understand and are starting to understand their genomes,
269
980000
4000
por lo que entendemos y empezamos a entender de su genoma,
16:40
it is the ecosystem around them,
270
984000
3000
es el ecosistema que las rodea,
16:43
it is the microbes that live in their root systems,
271
987000
3000
son los microbios que viven en su sistema de raíz,
16:46
that have just as much impact on the character of those plants
272
990000
4000
los que tienen tanto impacto en el carácter de esas plantas
16:50
as the metabolic pathways of the plants themselves.
273
994000
4000
como las rutas metabólicas de las plantas mismas.
16:54
If you take a closer look at a root system,
274
998000
3000
Si examinan de cerca el sistema de raíz,
16:57
you will find there are many, many, many diverse microbial colonies.
275
1001000
4000
descubrirán que hay muchas, muchas, muchas colonias microbianas diversas.
17:01
This is not big news to viticulturists;
276
1005000
2000
Estas no son grandes noticias para los viticultores,
17:03
they have been, you know, concerned with water and fertilization.
277
1007000
4000
ellos se han, ya saben, ocupado con el agua y la fertilización
17:07
And, again, this is, sort of, my notion of shit-against-the-wall pharmacology:
278
1011000
6000
y, una vez más, esto es, en cierto modo, mi noción de farmacología de mierda:
17:13
you know certain fertilizers make the plant more healthy so you put more in.
279
1017000
4000
saben que ciertos fertilizantes hacen a la planta más saludable, así que le agregan más.
17:17
You don't necessarily know with granularity
280
1021000
4000
Con la granularidad, no necesariamente se sabe
17:21
exactly what organisms are providing what flavors and what characteristics.
281
1025000
6000
con exactitud qué organismos proporcionan qué sabores y qué características.
17:27
We can start to figure that out.
282
1031000
3000
Ahora podemos empezar a descifrarlo.
17:30
We all talk about terroir; we worship terroir;
283
1034000
3000
Todos hablamos del terroir, adoramos el terroir;
17:33
we say, Wow, is my terroir great! It's so special.
284
1037000
3000
decimos: "¡Ah, mi terroir es grandioso! Es tan especial.
17:36
I've got this piece of land and it creates terroir like you wouldn't believe.
285
1040000
4000
Tengo este pedazo de tierra y crea un terroir que ni te imaginas".
17:40
Well, you know, we really, we argue and debate about it --
286
1044000
4000
Bueno, ya saben, realmente discutimos y debatimos acerca de esto;
17:44
we say it's climate, it's soil, it's this. Well, guess what?
287
1048000
3000
decimos que es el clima, que es el suelo, que es esto. Bueno, ¿adivinen qué?
17:47
We can figure out what the heck terroir is.
288
1051000
3000
Podemos averiguar lo que es el terroir.
17:50
It's in there, waiting to be sequenced.
289
1054000
3000
Está ahí, esperando a que su genoma sea secuenciado.
17:53
There are thousands of microbes there.
290
1057000
2000
Hay miles de microbios ahí cuyo
17:55
They're easy to sequence: unlike a human,
291
1059000
2000
genoma es fácil de secuenciar. A diferencia de un humano,
17:57
they, you know, have a thousand, two thousand genes;
292
1061000
2000
ellos, ya saben, tienen mil, dos mil genes;
17:59
we can figure out what they are.
293
1063000
2000
podemos averiguar qué son.
18:01
All we have to do is go around and sample, dig into the ground, find those bugs,
294
1065000
7000
Todo lo que tenemos que hacer es ir por ahí tomando muestras, cavar en la tierra, encontrar esos bichos,
18:08
sequence them, correlate them to the kinds of characteristics we like and don't like --
295
1072000
5000
secuenciar su genoma, correlacionarlo con los tipos de características que nos gustan y las que no
18:13
that's just a big database -- and then fertilize.
296
1077000
3000
(eso es sólo una gran base de datos) y luego fertilizar.
18:16
And then we understand what is terroir.
297
1080000
3000
Y así entendemos qué es el terroir.
18:20
So, some people will say, Oh, my God, are we playing God?
298
1084000
2000
Entonces, algunos dirán: "¡Dios mío! ¿Estamos jugando a ser Dios?"
18:22
Are we now, if we engineer organisms, are we playing God?
299
1086000
5000
Ahora, si manipulamos organismos, ¿estamos jugando a ser Dios?
18:27
And, you know, people would always ask James Watson --
300
1091000
3000
Y, ya saben, la gente siempre le preguntaba a James Watson
18:30
he's not always the most politically correct guy ...
301
1094000
2000
(no siempre es el tipo más políticamente correcto)
18:32
(Laughter)
302
1096000
1000
(Risas)
18:33
... and they would say, "Are, you know, are you playing God?"
303
1097000
5000
y le decían: "¿Estás jugando a ser Dios?"
18:38
And he had the best answer I ever heard to this question:
304
1102000
3000
Y el tuvo la mejor respuesta que he escuchado para esta pregunta:
18:41
"Well, somebody has to."
305
1105000
2000
"Bueno, alguien tiene que hacerlo".
18:43
(Laughter)
306
1107000
3000
(Risas)
18:46
I consider myself a very spiritual person,
307
1110000
4000
Me considero una persona muy espiritual,
18:50
and without, you know, the organized religion part,
308
1114000
3000
ya saben, sin la parte organizada de la religión
18:53
and I will tell you: I don't believe there's anything unnatural.
309
1117000
4000
y les diré algo, no creo que haya nada antinatural.
18:57
I don't believe that chemicals are unnatural.
310
1121000
4000
No creo que los químicos sean antinaturales.
19:01
I told you I'm going to make some of you puke.
311
1125000
2000
Les dije que haré que algunos de ustedes vomiten.
19:03
It's very simple: we don't invent molecules, compounds.
312
1127000
4000
Es muy sencillo, no inventamos moléculas, compuestos.
19:07
They're here. They're in the universe.
313
1131000
2000
Ellos están aquí, están en este universo.
19:09
We reorganize things, we change them around,
314
1133000
3000
Nosotros reorganizamos las cosas, las cambiamos,
19:12
but we don't make anything unnatural.
315
1136000
3000
pero no hacemos nada antinatural.
19:15
Now, we can create bad impacts --
316
1139000
2000
Ahora, podemos crear impactos dañinos,
19:17
we can poison ourselves; we can poison the Earth --
317
1141000
2000
podemos envenenarnos, envenenar la Tierra,
19:19
but that's just a natural outcome of a mistake we made.
318
1143000
4000
pero es un resultado natural de un error que cometimos.
19:23
So, what's happening today is, Nature is presenting us with a toolbox,
319
1147000
4000
Así que lo que pasa en la actualidad es que la Naturaleza nos obsequia una
19:27
and we find that this toolbox is very extensive.
320
1151000
4000
caja de herramientas y descubrimos que es muy extensa.
19:31
There are microbes out there that actually make gasoline, believe it or not.
321
1155000
4000
Hay microbios ahí afuera que en realidad hacen gasolina, lo crean o no.
19:35
There are microbes, you know -- go back to yeast.
322
1159000
2000
Hay microbios, saben; retomando la levadura.
19:37
These are chemical factories;
323
1161000
2000
Estos son fábricas químicas,
19:39
the most sophisticated chemical factories are provided by Nature,
324
1163000
4000
las más sofisticadas proporcionadas por la Naturaleza
19:43
and we now can use those.
325
1167000
3000
y ahora podemos usarlas.
19:46
There also is a set of rules.
326
1170000
2000
También hay un conjunto de reglas.
19:48
Nature will not allow you to --
327
1172000
3000
La Naturaleza no les permitirá...
19:51
we could engineer a grape plant, but guess what.
328
1175000
2000
podemos manipular una vid, pero adivinen qué,
19:53
We can't make the grape plant produce babies.
329
1177000
2000
no podemos hacer que una vid produzca bebés.
19:55
Nature has put a set of rules out there.
330
1179000
3000
La Naturaleza ha puesto un conjunto de reglas.
19:58
We can work within the rules; we can't break the rules;
331
1182000
3000
Podemos trabajar dentro de estas reglas, no podemos romperlas,
20:01
we're just learning what the rules are.
332
1185000
2000
sólo estamos aprendiendo cuáles son las reglas.
20:03
I just ask the question, if you could cure all disease --
333
1187000
4000
Sólo voy a preguntarlo; si pudieran curar todas las enfermedades,
20:07
if you could make disease go away,
334
1191000
2000
si pudieran hacer que las enfermedades desaparecieran,
20:09
because we understand how it actually works,
335
1193000
2000
porque entendemos cómo funciona realmente,
20:11
if we could end hunger by being able to create nutritious, healthy plants
336
1195000
5000
si pudieramos terminar con la hambruna al ser capaces de crear plantas sanas y nutritivas
20:16
that grow in very hard-to-grow environments,
337
1200000
3000
que crecen en un medio ambiente muy hostil,
20:19
if we could create clean and plentiful energy --
338
1203000
3000
si pudieramos crear energía abundante y renovable,
20:22
we, right in the labs at Synthetic Genomics,
339
1206000
3000
justo en los laboratorios Synthetic Genomics
20:25
have single-celled organisms that are taking carbon dioxide
340
1209000
4000
tenemos un organismo unicelular que toma el dióxido de carbono
20:29
and producing a molecule very similar to gasoline.
341
1213000
4000
y produce una molécula muy similar a la gasolina.
20:33
So, carbon dioxide -- the stuff we want to get rid of -- not sugar, not anything.
342
1217000
5000
Entonces, el bióxido de carbono, la cosa de la que nos queremos deshacer, no el azúcar, no cualquier cosa.
20:38
Carbon dioxide, a little bit of sunlight,
343
1222000
3000
Bióxido de carbono, un poco de luz solar,
20:41
you end up with a lipid that is highly refined.
344
1225000
5000
terminan con un lípido que es altamente refinado.
20:46
We could solve our energy problems; we can reduce CO2,;
345
1230000
4000
Podríamos solucionar los problemas energéticos, reducir el CO2,
20:50
we could clean up our oceans; we could make better wine.
346
1234000
3000
podríamos limpiar los océanos, podríamos hacer mejor vino.
20:53
If we could, would we?
347
1237000
3000
Si pudieramos, ¿lo haríamos?
20:56
Well, you know, I think the answer is very simple:
348
1240000
3000
Bueno, saben, creo que la respuesta en muy sencilla.
20:59
working with Nature, working with this tool set that we now understand,
349
1243000
5000
Trabajar con la Naturaleza, con este conjunto de herramientas que ahora entendemos,
21:04
is the next step in humankind's evolution.
350
1248000
3000
es el siguiente paso en la evolución de la humanidad
21:07
And all I can tell you is, stay healthy for 20 years.
351
1251000
4000
y todo lo que puedo decires es mantenganse sanos por 20 años.
21:11
If you can stay healthy for 20 years, you'll see 150, maybe 300.
352
1255000
3000
Si pueden mantenerse sanos por 20 años, vivirán 150 o talvez 300.
21:14
Thank you.
353
1258000
2000
Gracias.
ABOUT THE SPEAKER
Barry Schuler - EntrepreneurBarry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.
Why you should listen
If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)
Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.
Barry Schuler | Speaker | TED.com