TEDSummit 2019
Laura Boykin: How we're using DNA tech to help farmers fight crop diseases
Laura Boykin: Cómo usamos la tecnología del ADN para ayudar a los agricultores a combatir las enfermedades en los cultivos
Filmed:
Readability: 4.1
1,215,005 views
"Casi 800 millones de personas en todo el mundo dependen de la yuca para sobrevivir, pero esta fuente fundamental de alimentos está siendo atacada por virus totalmente prevenibles" dice la bióloga computacional, y becaria anterior de TED, Laura Boykin. Nos lleva hasta las granjas del este de África donde trabaja con un equipo heterogéneo de científicos para ayudar a los agricultores a mantener sus cultivos saludables usando un laboratorio portátil de ADN y una mini supercomputadora capaz de identificar virus en horas, en lugar de en meses.
Laura Boykin - Computational biologist, activist
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
Double-click the English transcript below to play the video.
00:12
I get out of bed for two reasons.
0
991
2326
Me levanto cada mañana por dos razones.
00:15
One, small-scale family farmers
need more food.
need more food.
1
3341
4031
Uno: las familias de los pequeños
agricultores necesitan más comida.
agricultores necesitan más comida.
00:19
It's crazy that in 2019
farmers that feed us are hungry.
farmers that feed us are hungry.
2
7738
5178
Es una locura que en 2019 los agricultores
que nos alimentan pasen hambre.
que nos alimentan pasen hambre.
00:25
And two, science needs to be
more diverse and inclusive.
more diverse and inclusive.
3
13353
4833
Y dos, la ciencia necesita ser
más diversa e inclusiva.
más diversa e inclusiva.
00:30
If we're going to solve
the toughest challenges on the planet,
the toughest challenges on the planet,
4
18679
3422
Si vamos a resolver los desafíos
más difíciles del planeta,
más difíciles del planeta,
00:34
like food insecurity for the millions
living in extreme poverty,
living in extreme poverty,
5
22125
4333
como la inseguridad alimentaria
para los millones
que viven en pobreza extrema ,
que viven en pobreza extrema ,
00:38
it's going to take all of us.
6
26482
1619
esto nos va a incluir a todos.
00:40
I want to use the latest technology
7
28680
2580
Quiero usar la última tecnología
00:43
with the most diverse
and inclusive teams on the planet
and inclusive teams on the planet
8
31284
3293
con los equipos más diversos
e inclusivos del planeta
e inclusivos del planeta
00:46
to help farmers have more food.
9
34601
2067
para ayudar a que los agricultores
tengan más comida.
tengan más comida.
00:49
I'm a computational biologist.
10
37545
1881
Soy una bióloga computacional.
00:51
I know -- what is that
and how is it going to help end hunger?
and how is it going to help end hunger?
11
39450
3404
Ya lo sé... ¿qué es eso y cómo va
a ayudar a acabar con el hambre?
a ayudar a acabar con el hambre?
00:54
Basically, I like computers and biology
12
42878
3246
Básicamente, me gustan
las computadoras y la biología
las computadoras y la biología
00:58
and somehow,
putting that together is a job.
putting that together is a job.
13
46148
2444
y, de alguna manera,
combinarlas es un trabajo.
combinarlas es un trabajo.
01:00
(Laughter)
14
48616
1083
(Risas)
01:01
I don't have a story
15
49723
1520
No tengo una historia
01:03
of wanting to be a biologist
from a young age.
from a young age.
16
51267
3286
de haber querido ser bióloga
desde muy joven.
desde muy joven.
01:06
The truth is, I played
basketball in college.
basketball in college.
17
54577
3706
La verdad es que jugaba baloncesto
en la universidad.
en la universidad.
01:10
And part of my financial aid package
was I needed a work-study job.
was I needed a work-study job.
18
58585
5143
Y parte de mi paquete de ayuda financiera
requería que estudiara
y trabajara a la vez.
y trabajara a la vez.
01:16
So one random day,
19
64300
1540
Entonces, un día al azar,
01:17
I wandered to the nearest building
to my dorm room.
to my dorm room.
20
65864
3197
me dirigí al edificio más cercano
a mi dormitorio.
a mi dormitorio.
01:21
And it just so happens
it was the biology building.
it was the biology building.
21
69085
2680
Y resulta que era el edificio de biología.
01:24
I went inside and looked at the job board.
22
72347
2586
Entré y miré la bolsa de trabajo.
01:27
Yes, this is pre-the-internet.
23
75493
2164
Sí, esto fue antes de internet.
01:30
And I saw a three-by-five card
24
78430
2007
Y vi una tarjeta de 3 x 5
01:32
advertising a job
to work in the herbarium.
to work in the herbarium.
25
80461
3155
que anunciaba un empleo para
trabajar en un herbario.
trabajar en un herbario.
01:36
I quickly took down the number,
26
84601
2001
Rápidamente tomé el número,
01:38
because it said "flexible hours,"
27
86626
1705
porque decía "horario flexible",
01:40
and I needed that to work around
my basketball schedule.
my basketball schedule.
28
88355
3257
y necesitaba que se ajustara
a mi horario de baloncesto.
a mi horario de baloncesto.
01:44
I ran to the library
to figure out what an herbarium was.
to figure out what an herbarium was.
29
92204
4587
Corrí a la biblioteca para
averiguar qué era un herbario.
averiguar qué era un herbario.
01:48
(Laughter)
30
96815
2207
(Risas)
Y resultó que un herbario es donde
se almacenan plantas muertas y secas.
se almacenan plantas muertas y secas.
01:51
And it turns out
31
99046
1309
01:52
an herbarium is where they store
dead, dried plants.
dead, dried plants.
32
100379
4079
01:57
I was lucky to land the job.
33
105379
1714
Tuve suerte de conseguir el puesto.
01:59
So my first scientific job
34
107117
3206
Así que mi primer trabajo científico
02:02
was gluing dead plants onto paper
for hours on end.
for hours on end.
35
110347
5335
fue pegar plantas muertas
en papel durante horas y horas.
en papel durante horas y horas.
02:07
(Laughter)
36
115706
3278
(Risas)
02:11
It's so glamorous.
37
119008
1150
Es muy glamuroso.
02:12
This is how I became
a computational biologist.
a computational biologist.
38
120182
3139
Así es como me convertí
en bióloga computacional.
en bióloga computacional.
02:16
During that time,
39
124323
1183
Durante esa época,
02:17
genomics and computing were coming of age.
40
125530
2722
la genómica y la informática
estaban llegando a su madurez.
estaban llegando a su madurez.
02:20
And I went on to do my masters
41
128276
2404
Y realicé mi máster
02:22
combining biology and computers.
42
130704
3095
que combinaba biología e informática.
02:25
During that time,
43
133823
1165
Durante ese tiempo,
02:27
I worked at Los Alamos National Lab
44
135012
1779
trabajé en Los Alamos National Lab
02:28
in the theoretical biology
and biophysics group.
and biophysics group.
45
136815
2518
en el grupo de biología
teórica y biofísica.
teórica y biofísica.
02:31
And it was there I had my first encounter
with the supercomputer,
with the supercomputer,
46
139776
3730
Y fue allí donde tuve mi primer
encuentro con una supercomputadora,
encuentro con una supercomputadora,
02:35
and my mind was blown.
47
143530
1674
y me quedé alucinada.
02:37
With the power of supercomputing,
48
145840
2039
Con el poder de la supercomputación
02:39
which is basically thousands
of connected PCs on steroids,
of connected PCs on steroids,
49
147903
4223
que son básicamente miles de computadoras
conectadas en esteroides,
conectadas en esteroides,
02:44
we were able to uncover the complexities
of influenza and hepatitis C.
of influenza and hepatitis C.
50
152150
5473
pudimos descubrir las complejidades
de la gripe y de la hepatitis C.
de la gripe y de la hepatitis C.
02:50
And it was during this time
that I saw the power
that I saw the power
51
158134
2331
Y fue durante ese tiempo que vi el poder
02:52
of using computers
and biology combined, for humanity.
and biology combined, for humanity.
52
160489
4120
de usar la informática y la biología
combinadas, para la humanidad.
combinadas, para la humanidad.
02:56
And I wanted this to be my career path.
53
164633
2372
Quería que esta fuera
mi carrera profesional.
mi carrera profesional.
03:00
So, since 1999,
54
168030
1777
Así que, desde 1999,
03:01
I've spent the majority
of my scientific career
of my scientific career
55
169831
2698
he pasado la mayoría de
mi carrera científica
mi carrera científica
03:04
in very high-tech labs,
56
172553
1929
en laboratorios de muy alta tecnología,
03:06
surrounded by really expensive equipment.
57
174506
2733
rodeada de equipos realmente caros.
03:09
So many ask me
58
177712
1643
Muchos me preguntan
03:11
how and why do I work
for farmers in Africa.
for farmers in Africa.
59
179379
3867
cómo y por qué trabajo
para agricultores en África.
para agricultores en África.
03:15
Well, because of my computing skills,
60
183804
2302
Bueno, debido a
mis habilidades informáticas,
mis habilidades informáticas,
03:18
in 2013, a team of East African scientists
61
186130
4539
en 2013, un equipo de científicos
del este de África
del este de África
03:22
asked me to join the team
in the plight to save cassava.
in the plight to save cassava.
62
190693
4089
me pidió que me uniera a ellos
en su lucha por salvar la yuca.
en su lucha por salvar la yuca.
03:27
Cassava is a plant whose leaves and roots
feed 800 million people globally.
feed 800 million people globally.
63
195766
6970
La yuca es una planta cuyas hojas y raíces
alimentan a unos 800 millones en el mundo.
alimentan a unos 800 millones en el mundo.
03:35
And 500 million in East Africa.
64
203639
3037
Y a 500 millones en África Oriental.
03:38
So that's nearly a billion people
65
206994
2007
Eso es casi mil millones de personas
03:41
relying on this plant
for their daily calories.
for their daily calories.
66
209025
2968
que confían en esta planta
para conseguir sus calorías diarias.
para conseguir sus calorías diarias.
03:44
If a small-scale family farmer
has enough cassava,
has enough cassava,
67
212581
3845
Si una pequeña familia de
agricultores tiene suficiente yuca,
agricultores tiene suficiente yuca,
03:48
she can feed her family
68
216450
2144
puede alimentar a su familia,
03:50
and she can sell it at the market
for important things like school fees,
for important things like school fees,
69
218618
4046
y venderla en el mercado para otras cosas
importantes como las tasas escolares,
importantes como las tasas escolares,
03:54
medical expenses and savings.
70
222688
2135
los gastos médicos y los ahorros.
03:57
But cassava is under attack in Africa.
71
225752
3531
Pero, en África, la yuca
está siendo atacada.
está siendo atacada.
04:01
Whiteflies and viruses
are devastating cassava.
are devastating cassava.
72
229665
4436
Las moscas blancas y los virus
están devastando la yuca.
están devastando la yuca.
04:06
Whiteflies are tiny insects
73
234593
2206
Las moscas blancas son pequeños insectos
04:08
that feed on the leaves
of over 600 plants.
of over 600 plants.
74
236823
2818
que se alimentan de las hojas
de más de 600 plantas.
de más de 600 plantas.
04:11
They are bad news.
75
239665
1801
Son malas noticias.
04:13
There are many species;
76
241490
1159
Hay muchas especies,
04:14
they become pesticide resistant;
77
242673
2269
se vuelven resistentes a los pesticidas,
04:16
and they transmit hundreds
of plant viruses
of plant viruses
78
244966
4254
y transmiten cientos de virus vegetales
04:21
that cause cassava brown streak disease
79
249244
2524
que causan la enfermedad de
la raya marrón en la yuca
la raya marrón en la yuca
04:23
and cassava mosaic disease.
80
251792
1800
y la enfermedad del mosaico.
04:26
This completely kills the plant.
81
254085
2134
Esto mata completamente a la planta.
04:29
And if there's no cassava,
82
257038
1817
Y si no hay yuca,
04:30
there's no food or income
for millions of people.
for millions of people.
83
258879
3999
no hay comida ni ingresos
para millones de personas.
para millones de personas.
04:36
It took me one trip to Tanzania
84
264141
2476
Me tomó un viaje a Tanzania
04:38
to realize that these women
need some help.
need some help.
85
266641
2738
para darme cuenta de que
estas mujeres necesitan ayuda.
estas mujeres necesitan ayuda.
04:41
These amazing, strong,
small-scale family farmers,
small-scale family farmers,
86
269403
4253
Estos agricultores familiares de pequeña
escala, increíbles y fuertes,
escala, increíbles y fuertes,
04:45
the majority women,
87
273680
1268
la mayoría mujeres,
04:46
are doing it rough.
88
274972
1267
trabajan duro.
04:48
They don't have enough food
to feed their families,
to feed their families,
89
276744
2436
No tienen suficiente comida
para sus familias,
para sus familias,
04:51
and it's a real crisis.
90
279204
1588
y esa es una crisis real.
04:53
What happens is
91
281530
1499
Lo que ocurre es
04:55
they go out and plant fields of cassava
when the rains come.
when the rains come.
92
283053
2992
que plantan campos de yuca
cuando llega la lluvia.
cuando llega la lluvia.
04:58
Nine months later,
93
286069
1706
Nueve meses más tarde,
04:59
there's nothing, because of these
pests and pathogens.
pests and pathogens.
94
287799
3080
no hay nada, debido a
esas plagas y patógenos.
esas plagas y patógenos.
05:02
And I thought to myself,
95
290903
2158
Y pensé para mí misma,
05:05
how in the world can farmers be hungry?
96
293085
3198
¿cómo es posible que
los agricultores estén hambrientos?
los agricultores estén hambrientos?
05:08
So I decided to spend
some time on the ground
some time on the ground
97
296815
2320
Así que decidí pasar
algún tiempo en el terreno
algún tiempo en el terreno
05:11
with the farmers and the scientists
98
299159
1680
con los agricultores y científicos
05:12
to see if I had any skills
that could be helpful.
that could be helpful.
99
300863
2603
para ver si tenía alguna habilidad
que pudiera ser útil.
que pudiera ser útil.
05:16
The situation on the ground is shocking.
100
304427
2856
La situación en el terreno es impactante.
05:19
The whiteflies have destroyed the leaves
that are eaten for protein,
that are eaten for protein,
101
307307
4270
Las moscas blancas han destruido las hojas
que se comen por las proteínas,
que se comen por las proteínas,
05:23
and the viruses have destroyed the roots
that are eaten for starch.
that are eaten for starch.
102
311601
3582
y los virus han destruido las raíces
que se comen por el almidón.
que se comen por el almidón.
05:27
An entire growing season will pass,
103
315592
2445
Pasará toda la temporada de crecimiento,
05:30
and the farmer will lose
an entire year of income and food,
an entire year of income and food,
104
318061
4110
y el agricultor perderá un año
entero de ingresos y comida,
entero de ingresos y comida,
05:34
and the family will suffer
a long hunger season.
a long hunger season.
105
322195
3198
y la familia sufrirá una larga
temporada de hambruna.
temporada de hambruna.
05:37
This is completely preventable.
106
325942
2080
Esto es completamente prevenible.
05:40
If the farmer knew
107
328046
1324
Si el agricultor supiera
05:41
what variety of cassava
to plant in her field,
to plant in her field,
108
329394
3064
qué variedad de yuca plantar en su campo,
05:44
that was resistant
to those viruses and pathogens,
to those viruses and pathogens,
109
332482
4325
que sea resistente a
esos virus y patógenos,
esos virus y patógenos,
05:48
they would have more food.
110
336831
1905
tendrían más comida.
05:50
We have all the technology we need,
111
338760
2835
Tenemos toda la tecnología
que necesitamos,
que necesitamos,
05:53
but the knowledge and the resources
112
341619
3204
pero el conocimiento y los recursos
05:56
are not equally distributed
around the globe.
around the globe.
113
344847
3135
no están igualmente distribuidos
en todo el planeta.
en todo el planeta.
06:00
So what I mean specifically is,
114
348712
2562
Lo que quiero decir específicamente es
que las tecnologías genómicas antiguas
que las tecnologías genómicas antiguas
06:03
the older genomic technologies
115
351298
1852
06:05
that have been required
to uncover the complexities
to uncover the complexities
116
353174
2863
que se han requerido para
descubrir las complejidades
descubrir las complejidades
06:08
in these pests and pathogens --
117
356061
3062
de estas plagas y patógenos,
06:11
these technologies were not made
for sub-Saharan Africa.
for sub-Saharan Africa.
118
359147
2998
estas tecnologías no fueron hechas
para África subsahariana.
para África subsahariana.
06:15
They cost upwards of a million dollars;
119
363058
2341
Su coste alcanza un millón de dólares,
06:17
they require constant power
120
365423
1888
necesitan electricidad constante,
06:19
and specialized human capacity.
121
367335
1800
y mano de obra especializada.
06:21
These machines are few
and far between on the continent,
and far between on the continent,
122
369970
2861
Estas máquinas son pocas y
están lejos del continente,
están lejos del continente,
06:24
which is leaving many scientists
battling on the front lines no choice
battling on the front lines no choice
123
372855
4621
y a muchos de los científicos que luchan
en primera línea no les deja otra opción
en primera línea no les deja otra opción
06:29
but to send the samples overseas.
124
377500
1999
que enviar las muestras al extranjero.
06:31
And when you send the samples overseas,
125
379523
1960
Cuando uno envía muestras al extranjero,
06:33
samples degrade, it costs a lot of money,
126
381507
2626
estas se degradan, cuesta mucho dinero,
06:36
and trying to get the data back
over weak internet
over weak internet
127
384157
3167
y tratar de recuperar los datos
con un internet débil
con un internet débil
06:39
is nearly impossible.
128
387348
1400
es casi imposible.
06:41
So sometimes it can take six months
to get the results back to the farmer.
to get the results back to the farmer.
129
389142
4299
A veces puede llevar seis meses
devolver los resultados al agricultor.
devolver los resultados al agricultor.
06:45
And by then, it's too late.
130
393465
1754
Y para entonces, es muy tarde.
06:47
The crop is already gone,
131
395243
1587
El cultivo ya se ha esfumado,
06:48
which results in further poverty
and more hunger.
and more hunger.
132
396854
3166
lo que supone una mayor
pobreza y más hambre.
pobreza y más hambre.
06:53
We knew we could fix this.
133
401306
2158
Sabíamos que podíamos arreglarlo.
06:55
In 2017,
134
403989
1404
En 2017,
06:57
we had heard of this handheld,
portable DNA sequencer
portable DNA sequencer
135
405417
4786
oímos sobre un secuenciador
de ADN manual y portátil,
de ADN manual y portátil,
07:02
called an Oxford Nanopore MinION.
136
410227
2509
llamado Oxford Nanopore MinION.
07:04
This was being used
in West Africa to fight Ebola.
in West Africa to fight Ebola.
137
412760
4153
Estaba siendo usado en África Occidental
para luchar contra el ébola.
para luchar contra el ébola.
07:08
So we thought:
138
416937
1497
Por lo que pensamos:
07:10
Why can't we use this
in East Africa to help farmers?
in East Africa to help farmers?
139
418458
3286
¿por qué no usarlo en África Oriental
para ayudar a los agricultores?
para ayudar a los agricultores?
07:13
So, what we did was we set out to do that.
140
421768
4333
Así que nos propusimos hacer eso.
07:18
At the time, the technology was very new,
141
426609
2698
En ese momento,
la tecnología era muy nueva,
la tecnología era muy nueva,
07:21
and many doubted we could
replicate this on the farm.
replicate this on the farm.
142
429331
2952
y muchos dudaron de que pudiéramos
reproducirlo en la granja.
reproducirlo en la granja.
07:24
When we set out to do this,
143
432879
1317
Cuando nos lo propusimos,
07:26
one of our "collaborators" in the UK
144
434220
3881
uno de nuestros "colaboradores"
en Reino Unido
en Reino Unido
07:30
told us that we would never
get that to work in East Africa,
get that to work in East Africa,
145
438125
3627
nos dijo que nunca conseguiríamos
que eso funcionara en África Oriental,
que eso funcionara en África Oriental,
07:33
let alone on the farm.
146
441776
1466
mucho menos en la granja.
07:35
So we accepted the challenge.
147
443863
1769
Así que aceptamos el reto.
07:37
This person even went so far as to bet us
two of the best bottles of champagne
two of the best bottles of champagne
148
445934
6453
Esta persona llegó a apostar
dos de las mejores botellas de champán
dos de las mejores botellas de champán
07:44
that we would never get that to work.
149
452411
2958
a que nunca conseguiríamos que funcionase.
07:48
Two words:
150
456871
1579
Una palabra:
07:50
pay up.
151
458474
1151
paga.
07:51
(Laughter)
152
459649
2174
(Risas)
07:53
(Applause)
153
461847
4152
(Aplausos)
07:58
Pay up, because we did it.
154
466023
2913
Paga, porque lo hicimos.
08:00
We took the entire high-tech molecular lab
155
468960
3285
Llevamos un laboratorio molecular
completo de alta tecnología
completo de alta tecnología
08:04
to the farmers of Tanzania,
Kenya and Uganda,
Kenya and Uganda,
156
472269
3649
a los agricultores de Tanzania,
Kenia y Uganda,
Kenia y Uganda,
08:07
and we called it Tree Lab.
157
475942
2032
y lo llamamos Tree Lab.
08:10
So what did we do?
158
478942
1191
¿Y qué hicimos?
08:12
Well, first of all,
we gave ourselves a team name --
we gave ourselves a team name --
159
480157
2579
Bueno, en primer lugar,
nos pusimos un nombre de equipo,
nos pusimos un nombre de equipo,
08:14
it's called the Cassava Virus
Action Project.
Action Project.
160
482760
2174
se llamó: the Cassava Virus
Action Project.
Action Project.
08:16
We made a website,
161
484958
1357
Creamos una página web,
08:18
we gathered support from the genomics
and computing communities,
and computing communities,
162
486339
3611
reunimos apoyo de las comunidades
de genómicas y de computación,
de genómicas y de computación,
08:21
and away we went to the farmers.
163
489974
1881
y fuimos hasta los agricultores.
08:24
Everything that we need for our Tree Lab
164
492411
2809
Todo lo que necesitamos para
nuestro Tree Lab
nuestro Tree Lab
08:27
is being carried by the team here.
165
495244
2409
lo lleva el equipo aquí.
08:29
All of the molecular and computational
requirements needed
requirements needed
166
497677
4047
Todos los requerimientos moleculares
y computacionales necesarios
y computacionales necesarios
08:33
to diagnose sick plants is there.
167
501748
3301
para diagnosticar plantas
enfermas están allí.
enfermas están allí.
08:37
And it's actually all
on this stage here as well.
on this stage here as well.
168
505431
2828
Y de hecho, todo está en
este escenario también.
este escenario también.
08:41
We figured if we could get the data
closer to the problem,
closer to the problem,
169
509161
3587
Pensamos que si podríamos acercar
los datos al problema,
los datos al problema,
08:44
and closer to the farmer,
170
512772
1618
y más cerca del agricultor,
08:46
the quicker we could tell her
what was wrong with her plant.
what was wrong with her plant.
171
514414
3356
podríamos decirle cuanto antes
lo que estaba mal con su planta.
lo que estaba mal con su planta.
08:50
And not only tell her what was wrong --
172
518169
1873
Y no solo decirle qué estaba mal,
08:52
give her the solution.
173
520066
1392
sino darle la solución.
08:53
And the solution is,
174
521482
1325
Y la solución es
08:54
burn the field and plant varieties
175
522831
2623
quemar el campo y plantar variedades
08:57
that are resistant to the pests
and pathogens she has in her field.
and pathogens she has in her field.
176
525478
3504
que sean resistentes a las plagas
y a los patógenos que tiene en su campo.
y a los patógenos que tiene en su campo.
09:01
So the first thing that we did
was we had to do a DNA extraction.
was we had to do a DNA extraction.
177
529942
4204
Lo primero que hicimos fue
hacer una extracción de ADN.
hacer una extracción de ADN.
09:06
And we used this machine here.
178
534170
2539
Y usamos esta máquina de aquí.
09:09
It's called a PDQeX,
179
537050
3199
Se llama PDQeX,
09:12
which stands for
"Pretty Damn Quick Extraction."
"Pretty Damn Quick Extraction."
180
540273
3891
que significa (en inglés):
"una extracción bastante rápida".
"una extracción bastante rápida".
09:16
(Laughter)
181
544188
2048
(Risas)
09:18
I know.
182
546260
1150
Lo sé.
09:19
My friend Joe is really cool.
183
547768
2494
Mi amigo Joe es realmente genial.
09:23
One of the biggest challenges
in doing a DNA extraction
in doing a DNA extraction
184
551394
3360
Uno de los mayores retos
al hacer una extracción de ADN
al hacer una extracción de ADN
09:26
is it usually requires
very expensive equipment,
very expensive equipment,
185
554778
3315
es que normalmente requiere
un equipo muy caro,
un equipo muy caro,
09:30
and takes hours.
186
558117
1404
y lleva horas.
09:31
But with this machine,
187
559545
1492
Pero con esta máquina,
09:33
we've been able to do it in 20 minutes,
188
561061
2754
somos capaces de hacerlo en 20 minutos,
09:35
at a fraction of the cost.
189
563839
1246
en una fracción del coste.
09:37
And this runs off of a motorcycle battery.
190
565109
2888
Y esto funciona con la batería
de una motocicleta.
de una motocicleta.
09:41
From there, we take the DNA extraction
and prepare it into a library,
and prepare it into a library,
191
569164
5143
Desde aquí, tomamos la extracción de ADN
y preparamos una biblioteca genómica,
y preparamos una biblioteca genómica,
09:46
getting it ready to load on
192
574331
1779
lista para cargarla
09:48
to this portable, handheld
genomic sequencer,
genomic sequencer,
193
576134
4292
a este secuenciador genómico portátil,
09:52
which is here,
194
580450
1151
que está aquí,
y luego lo conectamos
a una mini supercomputadora
a una mini supercomputadora
09:53
and then we plug this
into a mini supercomputer,
into a mini supercomputer,
195
581625
3738
09:57
which is called a MinIT.
196
585387
1822
que se llama MinIT.
09:59
And both of these things are plugged
into a portable battery pack.
into a portable battery pack.
197
587728
4102
Y ambas cosas están conectadas
a una batería portátil.
a una batería portátil.
10:04
So we were able to eliminate
198
592569
1873
Así pudimos eliminar
10:06
the requirements
of main power and internet,
of main power and internet,
199
594466
2405
los requisitos de corriente
eléctrica e internet
eléctrica e internet
10:08
which are two very limiting factors
on a small-scale family farm.
on a small-scale family farm.
200
596895
3928
que son dos factores muy limitantes
en una granja familiar de pequeña escala.
en una granja familiar de pequeña escala.
10:13
Analyzing the data quickly
can also be a problem.
can also be a problem.
201
601807
2871
Analizar los datos rápidamente
puede ser también un problema.
puede ser también un problema.
10:17
But this is where me being
a computational biologist came in handy.
a computational biologist came in handy.
202
605033
3906
Pero aquí es donde yo, siendo
bióloga computacional, fui útil.
bióloga computacional, fui útil.
10:21
All that gluing of dead plants,
203
609382
2230
Todo esto de pegar las plantas muertas,
10:23
and all that measuring,
204
611636
1560
y toda esa medición,
10:25
and all that computing
205
613220
1992
y toda esa computación,
10:27
finally came in handy
in a real-world, real-time way.
in a real-world, real-time way.
206
615236
4151
finalmente se volvieron útiles en
el mundo real, en tiempo real.
el mundo real, en tiempo real.
10:31
I was able to make customized databases
207
619411
3053
Pude hacer bases de datos personalizadas,
10:34
and we were able to give the farmers
results in three hours
results in three hours
208
622488
4595
y fuimos capaces de darles los resultados
a los agricultores en tres horas
a los agricultores en tres horas
10:39
versus six months.
209
627107
1864
en lugar de seis meses.
10:41
(Applause)
210
629694
6968
(Aplausos)
10:50
The farmers were overjoyed.
211
638085
2634
Los agricultores estaban encantados.
10:53
So how do we know
that we're having impact?
that we're having impact?
212
641799
2796
¿Y cómo sabemos que
estamos teniendo impacto?
estamos teniendo impacto?
10:56
Nine moths after our Tree Lab,
213
644619
2000
Nueve meses después de Tree Lab,
10:58
Asha went from having
zero tons per hectare
zero tons per hectare
214
646643
3230
Asha pasó de tener
cero toneladas por hectárea
cero toneladas por hectárea
11:01
to 40 tons per hectare.
215
649897
2008
a 40 toneladas por hectárea.
11:03
She had enough to feed her family
216
651929
1799
Tenía suficiente para
alimentar a su familia
alimentar a su familia
11:05
and she was selling it at the market,
217
653752
2690
y estaba vendiéndola en el mercado,
11:08
and she's now building a house
for her family.
for her family.
218
656466
2735
y ahora está construyendo
una casa para su familia.
una casa para su familia.
11:12
Yeah, so cool.
219
660212
1159
Sí, es muy genial.
11:13
(Applause)
220
661395
4254
(Aplausos)
11:17
So how do we scale Tree Lab?
221
665673
1866
¿Cómo expandimos Tree Lab?
11:19
The thing is,
222
667940
1380
La cosa es que las agricultoras
ya están relacionadas.
ya están relacionadas.
11:21
farmers are scaled already in Africa.
223
669344
2103
11:23
These women work in farmer groups,
224
671471
1889
Estas mujeres trabajan en grupos,
11:25
so helping Asha actually helped
3,000 people in her village,
3,000 people in her village,
225
673384
4126
por lo que ayudar a Asha ayudó
a 3000 personas en su aldea,
a 3000 personas en su aldea,
11:29
because she shared the results
and also the solution.
and also the solution.
226
677534
3652
porque ella compartió
los resultados y la solución.
los resultados y la solución.
11:33
I remember every single
farmer I've ever met.
farmer I've ever met.
227
681673
4191
Recuerdo a cada uno de
los agricultores que he conocido.
los agricultores que he conocido.
11:38
Their pain and their joy
228
686665
3563
Su dolor y su alegría
11:42
is engraved in my memories.
229
690252
1800
están grabados en mis recuerdos.
11:44
Our science is for them.
230
692958
1865
Nuestra ciencia es por ellos.
Tree Lab es nuestro mejor intento
11:47
Tree Lab is our best attempt
to help them become more food secure.
to help them become more food secure.
231
695711
5047
para ayudarlos a tener
mayor seguridad alimentaria.
mayor seguridad alimentaria.
11:53
I never dreamt
232
701180
1786
Nunca soñé
11:54
that the best science
I would ever do in my life
I would ever do in my life
233
702990
2944
que la mejor ciencia que haría en mi vida
11:57
would be on that blanket in East Africa,
234
705958
3499
cubriría África Oriental
12:01
with the highest-tech genomic gadgets.
235
709481
2366
con los dispositivos geonómicos
más tecnológicos.
más tecnológicos.
12:04
But our team did dream
236
712312
2452
Nuestro equipo soñó
12:06
that we could give farmers answers
in three hours versus six months,
in three hours versus six months,
237
714788
4270
con poder responder a los agricultores
en tres horas en vez en de seis meses,
en tres horas en vez en de seis meses,
12:11
and then we did it.
238
719082
1436
y lo hicimos.
12:12
Because that's the power
of diversity and inclusion in science.
of diversity and inclusion in science.
239
720542
4108
Porque ese es el poder de la diversidad
y de la inclusión en la ciencia.
y de la inclusión en la ciencia.
12:17
Thank you.
240
725156
1151
Gracias.
12:18
(Applause)
241
726331
3151
(Aplausos)
12:21
(Cheers)
242
729506
4083
(Vítores)
ABOUT THE SPEAKER
Laura Boykin - Computational biologist, activistTED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families.
Why you should listen
Dr. Laura Boykin is a TED Senior Fellow, Gifted Citizen and computational biologist who uses genomics and supercomputing to help smallholder farmers in sub-Saharan Africa control whiteflies and viruses, which cause devastation to the local cassava crops. Cassava is a staple food that feeds more than 800 million people globally.
Boykin also works in partnership with African scientists to train local communities in genomics and high-performance computing skills, with the aim of tackling future insect and viral outbreaks. Recently, she founded The Cassava Virus Action Project along with collaborators in east Africa to roll out portable DNA sequencing and analyses to farmers in the region. Their mission is to increase cassava yields for 500 million farmers.
Laura Boykin | Speaker | TED.com