TED2008
Paul Rothemund: DNA folding, in detail
جزئیات تا زدن DNA از زبان پال راتموند
Filmed:
Readability: 4
752,456 views
در سال ۲۰۰۷ پال راتموند در TED خلاصه ای از تخصص خودش یعنی تا زدن DNA ارائه کرده بود. اینجا با ارائه جزییات بیشتری از زمینه کاری اش آینده روشنی که این رشته نوید می دهد را شرح می دهد. آینده ای که در آن ماشین های کوچک می توانند خودشان را بسازند یا تعمیر کنند.
Paul Rothemund - DNA origamist
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Double-click the English transcript below to play the video.
00:12
So, people argue vigorously about the definition of life.
0
0
3000
در مورد تعریف موجود زنده بحثهای زیادی شده است.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
3000
5000
آیا باید تولید مثل هم بکند؟ آیا باید متابولیسم داشته باشد؟ آیا باید تکامل پیدا بکند؟
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
8000
2000
من جواب این سوالها را نمی دانم و سعی هم ندارم به این سوالها پاسخ بدهم.
00:22
I will say that life involves computation.
3
10000
3000
ولی چیزی که می خواهم بگویم این است که زنده بودن یعنی درگیر محاسبه بودن.
00:25
So this is a computer program.
4
13000
2000
این یک برنامه کامپیوتری است.
00:27
Booted up in a cell, the program would execute,
5
15000
3000
اگر این برنامه را روی یک سلول نصب کنید این برنامه اجرا می شود.
00:30
and it could result in this person;
6
18000
3000
و نتیجه اش این فرد می شود.
00:33
or with a small change, it could result in this person;
7
21000
3000
با یک تغییر کوچک نتیجه برنامه می شود این فرد.
00:36
or another small change, this person;
8
24000
2000
یک تغییر کوچک دیگر و نتیجه این یکی می شود.
00:38
or with a larger change, this dog,
9
26000
3000
با یک تغییر بزرگتر نتیجه این سگ می شود.
00:41
or this tree, or this whale.
10
29000
2000
یا این درخت یا این نهنگ.
00:43
So now, if you take this metaphor
11
31000
2000
خوب شما اگر تشبیه
00:45
[of] genome as program seriously,
12
33000
2000
ژنوم به برنامه کامپیوتری را جدی بگیرید،
00:47
you have to consider that Chris Anderson
13
35000
2000
شما به این نتیجه می رسید که کریس اندرسون،
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
37000
3000
یک محصول ساخته دست کامپیوتر است.
00:52
Craig Venter, as are all of us.
15
40000
3000
همینطور جیم واتسون، کریگ ونتور و همه ماها
00:55
And in convincing yourself that this metaphor is true,
16
43000
2000
برای اینکه خودتان را قانع کنید که این تشبیه درست است،
00:57
there are lots of similarities between genetic programs
17
45000
2000
باید بدانید که شباهتهای زیادی بین برنامه های ژنتیک
00:59
and computer programs that could help to convince you.
18
47000
3000
و برنامه های کامپیوتری وجود دارد که می تواند شما را قانع کند.
01:02
But one, to me, that's most compelling
19
50000
2000
ولی آن شباهتی که برای من از همه مهمتر است
01:04
is the peculiar sensitivity to small changes
20
52000
3000
این حساسیت شدید به تغییرات خیلی کوچک است.
01:07
that can make large changes in biological development -- the output.
21
55000
3000
در بیولوژی این تغییرات کوچک می توانند تغییرات شدیدی در نتیجه ایجاد کنند.
01:10
A small mutation can take a two-wing fly
22
58000
2000
یک جهش کوچک می تواند نتیجه را از یک مگس دوباله
01:12
and make it a four-wing fly.
23
60000
1000
به یک مگس چهار باله تبدیل کند.
01:13
Or it could take a fly and put legs where its antennae should be.
24
61000
4000
یا کاری کند که یک مگس در جای شاخک هایش پا در بیاورد.
01:17
Or if you're familiar with "The Princess Bride,"
25
65000
2000
یا اگر شما با «شاهزاده عروس» آشنا باشید،
01:19
it could create a six-fingered man.
26
67000
2000
می شود که یک مرد شش انگشتی بشود.
01:21
Now, a hallmark of computer programs
27
69000
2000
یکی از علائم مشخصه برنامه های کامپیوتری
01:23
is just this kind of sensitivity to small changes.
28
71000
3000
همین حساسیت زیاد به تغییرات کوچک است.
01:26
If your bank account's one dollar, and you flip a single bit,
29
74000
2000
اگر شما در حساب بانکی تان یک دلار داشته باشید و یک بیت آن را وارنه کنید،
01:28
you could end up with a thousand dollars.
30
76000
2000
نتیجه ممکن است این باشد که شما هزار دلار در حسابتان داشته باشید.
01:30
So these small changes are things that I think
31
78000
3000
این تغییرات کوچک به نظر من نشان دهنده این هستند که یک پردازش،
01:33
that -- they indicate to us that a complicated computation
32
81000
2000
یک پردازش خیلی مفصل در جریان است.
01:35
in development is underlying these amplified, large changes.
33
83000
4000
و این پردازش این تغییر کوچک را تشدید و بزرگ می کند.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
87000
6000
همه این شواهد نشان می دهد که برنامه های ملکولی در زیر ساخت زیست شناسی وجود دارند.
01:45
and it shows the power of molecular programs -- biology does.
35
93000
4000
این قدرت برنامه های ملکولی را نشان می دهد که در بیولوژی اجرا می شوند.
01:49
And what I want to do is write molecular programs,
36
97000
2000
و من می خواهم که برنامه های ملکولی بنویسم،
01:51
potentially to build technology.
37
99000
2000
که شاید در آینده منجر به تکنولوژی بشود.
01:53
And there are a lot of people doing this,
38
101000
1000
البته افراد زیادی دنبال این کار هستند.
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
102000
3000
خیلی از زیست شناسان سنتتیک دنبال این کار هستند. مثلا کرگ ونتر
01:57
And they concentrate on using cells.
40
105000
2000
و اینها بیشتر تمرکزشان بر استفاده از سلولها است.
01:59
They're cell-oriented.
41
107000
2000
اینها سلول گرا هستند.
02:01
So my friends, molecular programmers, and I
42
109000
2000
دوستان من و من که همگی برنامه نویسهای ملکولی هستیم،
02:03
have a sort of biomolecule-centric approach.
43
111000
2000
بیشتر روش تمرکز بر ملکولها به جای سلولها را می پسندیم.
02:05
We're interested in using DNA, RNA and protein,
44
113000
3000
ما می خواهیم از DNA و RNA و پروتئین ها استفاده کنیم
02:08
and building new languages for building things from the bottom up,
45
116000
3000
و زبانهای جدیدی برای ساختن چیزهای جدید از پایه با استفاده از
02:11
using biomolecules,
46
119000
1000
ملکولهایی با منشاء موجودات زنده
02:12
potentially having nothing to do with biology.
47
120000
3000
ولی با روشهایی که هیچ ربطی به موجودات زنده موجود ندارند بکنیم.
02:15
So, these are all the machines in a cell.
48
123000
4000
اینها همه ماشین هایی هستند که در یک سلول وجود دارند.
02:19
There's a camera.
49
127000
2000
اینجا یک دوربین هست،
02:21
There's the solar panels of the cell,
50
129000
1000
صفحات خورشیدی هست.
02:22
some switches that turn your genes on and off,
51
130000
2000
کلید هایی هست که ژنها را خاموش و روشن می کنند هست،
02:24
the girders of the cell, motors that move your muscles.
52
132000
3000
اسکلت سلولی وجود دارد و موتورهایی که عضلات را حرکت می دهند،
02:27
My little group of molecular programmers
53
135000
2000
گروه برنامه نویسان ملکولی ما سعی دارند
02:29
are trying to refashion all of these parts from DNA.
54
137000
4000
همه این ابزاهای ملکولی را از نو و از DNA بسازند.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
141000
2000
ما تعصبی روی DNA نداریم ولی DNA ساده ترین و ارزان ترین
02:35
easiest to understand and easy to program material to do this.
56
143000
3000
ماده ای است که برای انجام این کار در دسترس است.
02:38
And as other things become easier to use --
57
146000
2000
و همین طور که با گذشت زمان ملکولهای دیگر
02:40
maybe protein -- we'll work with those.
58
148000
3000
مثلا پروتین ها در دسترس قرار می گیرند ممکن است از آنها هم استفاده کنیم.
02:43
If we succeed, what will molecular programming look like?
59
151000
2000
خوب اگر ما موفق بشویم، برنامه نویسی ملکولی به چه صورت خواهد بود؟
02:45
You're going to sit in front of your computer.
60
153000
2000
برای برنامه نویسی ملکولی شما جلوی کامپیوترتان خواهید نشست و
02:47
You're going to design something like a cell phone,
61
155000
2000
و چیزی مثلا یک تلفن همراه طراحی می کنید،
02:49
and in a high-level language, you'll describe that cell phone.
62
157000
2000
و به یک زبان برنامه نویسی سطح بالا، آن تلفن همراه را تعریف می کنید.
02:51
Then you're going to have a compiler
63
159000
2000
بعد شما نیاز به یک کامپایلر دارید،
02:53
that's going to take that description
64
161000
1000
که این تعریف سطح بالا را بگیرد،
02:54
and it's going to turn it into actual molecules
65
162000
2000
و تبدیل به نقشه ای از ملکولهای واقعی بکند.
02:56
that can be sent to a synthesizer
66
164000
2000
که قابل ارسال به یک دستگاه تولید کننده باشد،
02:58
and that synthesizer will pack those molecules into a seed.
67
166000
3000
و آن دستگاه تولید کننده ملکولهای مورد نظر را در یک «دانه» بسته بندی می کند.
03:01
And what happens if you water and feed that seed appropriately,
68
169000
3000
حالا اگر شما این دانه را بکارید و درست آب و غذا بدهید،
03:04
is it will do a developmental computation,
69
172000
2000
این دانه محاسبات مربوط به رشد و نمو اش را
03:06
a molecular computation, and it'll build an electronic computer.
70
174000
3000
که محاسباتی ملکولی هستند انجام خواهد داد و نهایتا آن تلفن همراه را خواهد ساخت.
03:09
And if I haven't revealed my prejudices already,
71
177000
2000
من تا اینجا هنوز همه آرزوهایم را لو نداده ام،
03:12
I think that life has been about molecular computers
72
180000
2000
من فکر می کنم حیات همیشه همین کامپیوترهای ملکولی بوده است،
03:14
building electrochemical computers,
73
182000
2000
حیات کامپیوتر های الکتروشیمیایی را ساخته است،
03:16
building electronic computers,
74
184000
2000
و این کامپیوترهای الکتروشیمیایی توانسته اند کامپیوتر های الکترونیک را بسازند،
03:18
which together with electrochemical computers
75
186000
2000
و کامپیوتر های الکترونیک به کمک کامپیوترهای الکتروشیمیایی کامپیوترهای ملکولی را خواهند ساخت،
03:20
will build new molecular computers,
76
188000
2000
که آنها در نتیجه کامپیوترهای الکترونیک جدیدتری خواهند ساخت،
03:22
which will build new electronic computers, and so forth.
77
190000
3000
و به همین ترتیب...
03:25
And if you buy all of this,
78
193000
1000
اگر شما این قصه من را باور کنید،
03:26
and you think life is about computation, as I do,
79
194000
2000
و مثل من فکر کنید که حیات محاسبه است
03:28
then you look at big questions through the eyes of a computer scientist.
80
196000
3000
آن وقت شما هم به سوالات بزرگ از چشم دانشمندان علوم کامپیوتر نگاه خواهید کرد.
03:31
So one big question is, how does a baby know when to stop growing?
81
199000
4000
مثلا یک سوال مهم این است که یک نوزاد چطور می فهمد که دیگر نباید بزرگ شود.
03:35
And for molecular programming,
82
203000
2000
برای یک برنامه نویس ملکولی مهم است که
03:37
the question is how does your cell phone know when to stop growing?
83
205000
2000
بداند چطور یک تلفن همراه باید بفهمد که رشدش کافی است.
03:39
(Laughter)
84
207000
1000
(خنده)
03:40
Or how does a computer program know when to stop running?
85
208000
3000
یا مثلا چطور یک برنامه کامپیوتری می فهمد که باید متوقف شود.
03:43
Or more to the point, how do you know if a program will ever stop?
86
211000
3000
یا شما چطور می فهمید که یک برنامه هیچ وقت متوقف خواهد شد یا نه؟
03:46
There are other questions like this, too.
87
214000
2000
سوالات دیگری از این دست وجود دارد.
03:48
One of them is Craig Venter's question.
88
216000
2000
یکی از آنها سوال کریگ ونتر است.
03:50
Turns out I think he's actually a computer scientist.
89
218000
2000
من فکر می کنم در واقع کریگ یک دانشمند علوم کامپیوتر است.
03:52
He asked, how big is the minimal genome
90
220000
3000
سوال کریگ این بود که حداقل ژنومی که
03:55
that will give me a functioning microorganism?
91
223000
2000
می تواند یک میکروارگانیسم زنده ایجاد کند چقدر است؟
03:57
How few genes can I use?
92
225000
2000
حداقل تعداد ژن لازم چقدر است؟
03:59
This is exactly analogous to the question,
93
227000
2000
این سوال دقیقا مثل این سوال است که
04:01
what's the smallest program I can write
94
229000
1000
حداقل مقدار کدی که می توان استفاده کرد تا برنامه ای بنویسیم که
04:02
that will act exactly like Microsoft Word?
95
230000
2000
عین برنامه Word مایکروسافت عمل کند چقدر است.
04:04
(Laughter)
96
232000
1000
(خنده)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
233000
4000
و عینا همانطور که کریگ دنبال باکتری های کوچک تری است که کار بکنند،
04:09
he's writing genomes that will work,
98
237000
1000
و ژنومهای کوچک تری تهیه می کند که بتوانند کار بکنند،
04:10
we could write smaller programs
99
238000
2000
ما هم می توانیم برنامه های کوچک تری بنویسیم که
04:12
that would do what Microsoft Word does.
100
240000
2000
همان کار Word مایکروسافت را انجام بدهند.
04:14
But for molecular programming, our question is,
101
242000
2000
از دید برنامه نویسی ملکولی سوال این خواهد بود که
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
244000
4000
چند تا ملکول باید در آن دانه قرار بدهیم تا مثلا یک تلفن همراه به دست بیاید.
04:20
What's the smallest number we can get away with?
103
248000
2000
حداقل تعداد چقدر است؟
04:22
Now, these are big questions in computer science.
104
250000
2000
این نوع سوالها سوالهای بزرگی در علوم کامپیوتر هستند.
04:24
These are all complexity questions,
105
252000
2000
اینها سوالهای مرتبه پیچیدگی هستند.
04:26
and computer science tells us that these are very hard questions.
106
254000
2000
علوم کامپیوتر به ما نشان می دهد که اینها سوالات خیلی سختی هستند.
04:28
Almost -- many of them are impossible.
107
256000
2000
و در واقع بسیاری از آنها را نمی توانیم جواب بدهیم.
04:30
But for some tasks, we can start to answer them.
108
258000
3000
اما برای برخی کارها ما می توانیم شروع به جواب دادن بکنیم.
04:33
So, I'm going to start asking those questions
109
261000
1000
پس من شروع به پرسیدن این سوالها در مورد
04:34
for the DNA structures I'm going to talk about next.
110
262000
3000
ساختار های DNA که در موردشان صحبت خواهم کرد می کنم .
04:37
So, this is normal DNA, what you think of as normal DNA.
111
265000
3000
این یک DNA عادی است،
04:40
It's double-stranded, it's a double helix,
112
268000
2000
یک مارپیچ دو رشته ای یا مارپیچ مضاعف.
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
270000
3000
اینها A ها و C ها و T ها و G هایی هستند که با جفت های خودشان در رشته مقابل متصل شده اند.
04:45
And I'm going to draw it like this sometimes,
114
273000
2000
بعضی وقتها ما DNA را به این شکل هم نمایش می دهیم.
04:47
just so I don't scare you.
115
275000
2000
برای اینکه تک تک کد ها را بهتر بتوانیم نشان بدهیم.
04:49
We want to look at individual strands and not think about the double helix.
116
277000
3000
ما فقط به یک از دو رشته نگاه خواهیم کرد و نه به دو طرف مارپیچ مضاعف.
04:52
When we synthesize it, it comes single-stranded,
117
280000
3000
وقتی ما DNA را در آزمایشگاه تولید می کنیم همیشه یکی از دو رشته را می سازیم.
04:55
so we can take the blue strand in one tube
118
283000
3000
ما می توانیم مثلا رشته آبی رنگ را در یک لوله آزمایش بسازیم،
04:58
and make an orange strand in the other tube,
119
286000
2000
رشته نارنجی را در یک لوله دیگر تولید کنیم،
05:00
and they're floppy when they're single-stranded.
120
288000
2000
این ملکول وقتی تک رشته ای است شل و ول است،
05:02
You mix them together and they make a rigid double helix.
121
290000
3000
ولی وقتی آنها را با هم مخلوط کنیم یک دو رشته ای به هم پیچیده محکم را می سازند.
05:05
Now for the last 25 years,
122
293000
2000
در بیست و پنج سال گذشته،
05:07
Ned Seeman and a bunch of his descendants
123
295000
2000
ند سیمن و عده ای از شاگردانش
05:09
have worked very hard and made beautiful three-dimensional structures
124
297000
3000
خیلی زحمت کشیده اند و ساختار های سه بعدی خیلی زیبایی را
05:12
using this kind of reaction of DNA strands coming together.
125
300000
3000
با واکنش رشته های DNA ساخته اند.
05:15
But a lot of their approaches, though elegant, take a long time.
126
303000
3000
البته اگر چه زحمتهایی که کشیده اند نتایج خیلی زیبایی داشته است ولی این روش خیلی وقت گیر است.
05:18
They can take a couple of years, or it can be difficult to design.
127
306000
3000
حتی در حد یکی دو سال و طراحی آنها هم خیلی سخت است.
05:21
So I came up with a new method a couple of years ago
128
309000
3000
به همین خاطر من یکی دو سال پیش یک روش جدید ابداع کردم،
05:24
I call DNA origami
129
312000
1000
که اسمش را اریگامی DNA گذاشتم.
05:25
that's so easy you could do it at home in your kitchen
130
313000
2000
این روش خیلی آسان است به حدی که شما می توانید در آشپزخانه منزلتان آن را انجام دهید.
05:27
and design the stuff on a laptop.
131
315000
2000
و چیزهایی که می خواهید را روی یک لپ تاپ طراحی کنید.
05:29
But to do it, you need a long, single strand of DNA,
132
317000
3000
ولی برای اینکار نیاز به یک DNA تک رشته ای دراز دارید،
05:32
which is technically very difficult to get.
133
320000
2000
که عملا خیلی مشکل است که بتوانید به دست بیاورید.
05:34
So, you can go to a natural source.
134
322000
2000
شما می توانید سراغ یک منبع طبیعی بروید،
05:36
You can look in this computer-fabricated artifact,
135
324000
2000
مثلا سراغ این موجود ساخته کامپیوتر بروید،
05:38
and he's got a double-stranded genome -- that's no good.
136
326000
2000
که ژنومش دو رشته ای است و به درد ما نمی خورد.
05:40
You look in his intestines. There are billions of bacteria.
137
328000
3000
اگر درون روده هایش را نگاه کنید میلیاردها باکتری را می بینید،
05:43
They're no good either.
138
331000
2000
که ژنوم آنها هم دو رشته ای است و به درد این کار نمی خورد.
05:45
Double strand again, but inside them, they're infected with a virus
139
333000
2000
ولی اگر درون باکتری ها را جستجو کنید اینها مبتلا به ویروس هستند،
05:47
that has a nice, long, single-stranded genome
140
335000
3000
که این ویروسها یک ژنوم دراز تک رشته ای دارند.
05:50
that we can fold like a piece of paper.
141
338000
2000
و ما می توانیم آن را مثل یک تکه کاغذ تا کنیم.
05:52
And here's how we do it.
142
340000
1000
ما این کار را به این شکل انجام می دهیم.
05:53
This is part of that genome.
143
341000
1000
این یک قسمت از آن ژنوم است.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
342000
3000
ما مقداری DNA که خودمان ساخته ایم را اضافه می کنیم - اسم اینها را منگنه گذاشته ایم.
05:57
Each one has a left half that binds the long strand in one place,
145
345000
4000
این قطعه ها یک طرف چپ دارند که به یک قسمت از ژنوم ویروس وصل می شود
06:01
and a right half that binds it in a different place,
146
349000
3000
و یک طرف راست دارد که به یک قسمت دیگر از ژنوم ویروس متصل می شود.
06:04
and brings the long strand together like this.
147
352000
2000
و رشته دراز را روی هم تا می کند.
06:07
The net action of many of these on that long strand
148
355000
2000
اگر تعداد زیادی از این منگنه ها روی ژنوم مورد نظر وصل بشوند
06:09
is to fold it into something like a rectangle.
149
357000
2000
نتیجه این خواهد بود که این ژنوم به شکل یک مربع تا می شود.
06:11
Now, we can't actually take a movie of this process,
150
359000
2000
ما نمی توانیم یک فیلم واقعی از این فرآیند تهیه کنیم،
06:13
but Shawn Douglas at Harvard
151
361000
2000
ولی شان داگلاس از دانشگاه هاروارد
06:15
has made a nice visualization for us
152
363000
2000
یک نمایش زیبا از این فرایند درست کرده است،
06:17
that begins with a long strand and has some short strands in it.
153
365000
4000
که با یک رشته دراز شروع می شود و تعدادی رشته کوتاه هم اینجا هستند.
06:21
And what happens is that we mix these strands together.
154
369000
4000
اتفاقی که می افتد این است که ما این رشته ها را با هم مخلوط می کنیم
06:25
We heat them up, we add a little bit of salt,
155
373000
2000
و به آنها نمک می زنیم و آنها را گرم می کنیم.
06:27
we heat them up to almost boiling and cool them down,
156
375000
2000
تا دمای جوش گرمشان می کنیم و بعد سردشان می کنیم.
06:29
and as we cool them down,
157
377000
1000
وقتی این ها را سرد می کنیم،
06:30
the short strands bind the long strands
158
378000
2000
رشته های کوتاه به رشته اصلی متصل می شوند
06:32
and start to form structure.
159
380000
2000
و ساختار ما شروع به شکل گرفتن می کند.
06:34
And you can see a little bit of double helix forming there.
160
382000
3000
اینجا شما می توانید یک مقدار دو رشته ای مضاعف را ببینید.
06:38
When you look at DNA origami,
161
386000
2000
وقتی شما به اریگامی DNA نگاه می کنید،
06:40
you can see that what it really is,
162
388000
3000
می توانید ببینید که واقعا از چه چیزی ساخته شده است.
06:43
even though you think it's complicated,
163
391000
1000
با اینکه در ظاهر پیچیده به نظر می رسد،
06:44
is a bunch of double helices that are parallel to each other,
164
392000
3000
در حقیقت تعدادی مارپیچ مضاعف است که به طور موازی قرار گرفته اند.
06:47
and they're held together
165
395000
2000
و از طریق محلهایی که
06:49
by places where short strands go along one helix
166
397000
2000
رشته های کوتاه متصل به یک مارپیچ، به یکی مارپیچ دیگر نیز
06:51
and then jump to another one.
167
399000
2000
متصل شده اند، کنار هم قرار می گیرند.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
401000
3000
مثلا اینجا یک رشته هست که اینطوری اینجا قرار گرفته است و تا اینجا ادامه دارد
06:56
it jumps to another helix and comes back.
169
404000
2000
و در این جا روی این یکی مارپیچ پریده است
06:58
That holds the long strand like this.
170
406000
2000
و رشته بلند را این شکلی نگه داشته است.
07:00
Now, to show that we could make any shape or pattern
171
408000
3000
برای اینکه به شما نشان بدهم که ما هر شکلی که بخواهیم
07:03
that we wanted, I tried to make this shape.
172
411000
2000
را می توانیم با این روش بسازیم من سعی کردم این شکل را بسازم.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
414000
2000
من سعی کردم DNA را طوری خم بکنم که برود بالای چشم
07:08
down the nose, up the nose, around the forehead,
174
416000
3000
و بعد پایین چشم و بعد زیر دماغ و همینطور
07:11
back down and end in a little loop like this.
175
419000
3000
تا اینکه این پایین یک حلقه درست کند.
07:14
And so, I thought, if this could work, anything could work.
176
422000
3000
من با خودم فکر کردم که ما اگر بتوانیم این کار را انجام بدهیم هر شکل دیگری را هم می توانیم بسازیم.
07:17
So I had the computer program design the short staples to do this.
177
425000
3000
من یک برنامه کامپیوتری ساختم که رشته های کوچک یعنی منگنه ها را برای من طراحی می کرد.
07:20
I ordered them; they came by FedEx.
178
428000
2000
بعد منگنه ها را به یک شرکت سفارش دادم و از طریق پست به دستم رسید.
07:22
I mixed them up, heated them, cooled them down,
179
430000
2000
مخلوطشان کردم و گرمشان کردم و بعد سردشان کردم.
07:24
and I got 50 billion little smiley faces
180
432000
4000
و ۵۰ میلیارد لبخند کوچولو به دست آوردم
07:28
floating around in a single drop of water.
181
436000
2000
که در یک قطره آب شناور بودند.
07:30
And each one of these is just
182
438000
2000
و اندازه هر یک از اینها
07:32
one-thousandth the width of a human hair, OK?
183
440000
4000
یک هزارم قطر یک تار موی انسان است.
07:36
So, they're all floating around in solution, and to look at them,
184
444000
3000
اینها توی محلول شناور هستند برای اینکه اینها را ببینید
07:39
you have to get them on a surface where they stick.
185
447000
2000
باید آنها را به یک سطح منتقل کنید. که به آن بچسبند.
07:41
So, you pour them out onto a surface
186
449000
2000
پس آنها را روی یک سطح ریختم
07:43
and they start to stick to that surface,
187
451000
2000
و آنها به سطح چسبیدند،
07:45
and we take a picture using an atomic-force microscope.
188
453000
2000
و از آنها با یک میکروسکوب نیروی اتمی عکس گرفتیم.
07:47
It's got a needle, like a record needle,
189
455000
2000
این میکروسکوپ یک سوزن مثل سوزن گرامافون دارد
07:49
that goes back and forth over the surface,
190
457000
2000
که روی سطح عقب و جلو می رود
07:51
bumps up and down, and feels the height of the first surface.
191
459000
3000
و به نوعی به اتمهایی که روی سطح هستند بر می خورد و بلندی آنها را ثبت می کند.
07:54
It feels the DNA origami.
192
462000
2000
در واقع DNA اریگامی را لمس می کند.
07:56
There's the atomic-force microscope working
193
464000
2000
این میکروسکوپ اتمی است که دارد کار می کند.
07:59
and you can see that the landing's a little rough.
194
467000
1000
و تصویر تشکیل می شود.
08:00
When you zoom in, they've got, you know,
195
468000
2000
اگر زوم بکنیم می بینید که این لبخند ها یک کم خشن هستند.
08:02
weak jaws that flip over their heads
196
470000
1000
بعضی جا ها چانه ها درست نیستند،
08:03
and some of their noses get punched out, but it's pretty good.
197
471000
3000
یا بعضی از دماغها بیرون زده اند ولی خوب روی هم رفته خیلی خوب است.
08:06
You can zoom in and even see the extra little loop,
198
474000
2000
شما می توانید زوم کنید و یک صورت کوچک راببینید که یک لوپ هم زیرش دارد،
08:08
this little nano-goatee.
199
476000
2000
مثل یک ریش پروفسوری نانو.
08:10
Now, what's great about this is anybody can do this.
200
478000
3000
نکته جالب این است که هر کسی می تواند این کار را انجام بدهد.
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
481000
4000
حدود یک سال بعد از این کار من از طریق پست بدون مقدمه، این را دریافت کردم.
08:17
Anyone know what this is? What is it?
202
485000
3000
کسی می داند که این چی است؟
08:20
It's China, right?
203
488000
2000
این چین است.
08:22
So, what happened is, a graduate student in China,
204
490000
2000
یک دانشجوی دکتری در چین،
08:24
Lulu Qian, did a great job.
205
492000
2000
به نام لولو کیان خیلی زحمت کشیده بود.
08:26
She wrote all her own software
206
494000
2000
برای خودش این نرم افزارها را نوشته بود
08:28
to design and built this DNA origami,
207
496000
2000
و این اریگامی DNA را طراحی کرده و ساخته بود،
08:30
a beautiful rendition of China, which even has Taiwan,
208
498000
3000
که یک نمایش زیبا از نقشه چین است. که حتی شامل تایوان هم هست.
08:33
and you can see it's sort of on the world's shortest leash, right?
209
501000
3000
می بینید که این سر راست ترین کار دنیا است. نه؟
08:36
(Laughter)
210
504000
2000
(خنده)
08:39
So, this works really well
211
507000
1000
پس این خیلی خوب کار می کند.
08:41
and you can make patterns as well as shapes, OK?
212
509000
2000
شما می توانید علاوه بر شکل طرح هم بسازید.
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
512000
3000
مثلا این نقشه امریکا است یا این یکی نوشته DNA.
08:47
And what's really neat about it --
214
515000
3000
چیزی که خیلی در این مورد جالب است --
08:50
well, actually, this all looks like nano-artwork,
215
518000
2000
واقعا اینها مثل کارهای هنری نانوتکنولوژی است
08:52
but it turns out that nano-artwork
216
520000
1000
و مشخص شده که کارهای هنری نانو چیزی است که
08:53
is just what you need to make nano-circuits.
217
521000
2000
شما برای ساختن مدارهای نانو نیاز دارید.
08:55
So, you can put circuit components on the staples,
218
523000
2000
پس شما می توانید قطعات نانویی را روی این منگنه ها قرار بدهید
08:57
like a light bulb and a light switch.
219
525000
2000
مثلا یک لامپ و یک کلید را
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
527000
3000
و بعد اجازه بدهید که کل شکل تشکیل بشود و یک مدار بدست بیاورید.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
530000
3000
و شاید بعد DNA را از روی صفحه بشویید و فقط مدارمورد نظرتان باقی بماند.
09:05
So, this is what some colleagues of mine at Caltech did.
222
533000
2000
این در واقع کاری است که یکی از همکاران من در دانشگاه Caltech انجام داده است.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
535000
3000
از طریق اریگامی DNA تعداد نانولوله کربنی را مرتب کردند
09:10
made a little switch, you see here, wired it up,
224
538000
2000
و یک کلید ساختند و به آن سیم وصل کردند
09:12
tested it and showed that it is indeed a switch.
225
540000
3000
و امتحانش کردند و نشان دادند که در واقع به شکل یک کلید کار می کند.
09:15
Now, this is just a single switch
226
543000
2000
البته این فقط «یک» کلید است.
09:17
and you need half a billion for a computer, so we have a long way to go.
227
545000
4000
ولی شما برای یک کامپیوتر نیم میلیارد کلید نیاز دارید. ما راه طولانی ای در پیش رو داریم.
09:21
But this is very promising
228
549000
2000
ولی خوب وضعیت خیلی امیدوار کننده است.
09:23
because the origami can organize parts just one-tenth the size
229
551000
5000
چون اریگامی می تواند چیزهایی را که
09:28
of those in a normal computer.
230
556000
1000
اندازه ای یک دهم قطعات فعلی کامپیوتر دارند مرتب کند.
09:29
So it's very promising for making small computers.
231
557000
3000
پس این راه امیدوار کننده ای برای ساخت قطعات کامپیوتری خیلی کوچک در آینده است.
09:32
Now, I want to get back to that compiler.
232
560000
3000
من می خواهم به آن کمپایلری که قبلا در موردش صحبت کردیم برگردم.
09:35
The DNA origami is a proof that that compiler actually works.
233
563000
3000
اریگامی DNA اثبات می کند که ساختن چنین کمپایلیری در عمل ممکن است.
09:39
So, you start with something in the computer.
234
567000
2000
یعنی شما یک چیزی را در کامپیوترتان طراحی می کنید
09:41
You get a high-level description of the computer program,
235
569000
3000
و از تعاریف سطح بالای برنامه کامیپیوتری استفاده می کنید.
09:44
a high-level description of the origami.
236
572000
2000
توصیف سطح بالای اریگامی، و بعد
09:46
You can compile it to molecules, send it to a synthesizer,
237
574000
3000
شما می توانید آن را در سطح ملکولی کمپایل کنید و به یک دستگاه تولید کننده بفرستید،
09:49
and it actually works.
238
577000
1000
و این واقعا شدنی است.
09:50
And it turns out that a company has made a nice program
239
578000
4000
یک شرکت برنامه زیبایی ساخته است
09:54
that's much better than my code, which was kind of ugly,
240
582000
2000
که خیلی از برنامه ای که من نوشته بودم بهتر کار می کند.
09:56
and will allow us to do this in a nice,
241
584000
1000
این برنامه از طریق یک رابط دیداری خیلی زیباتر
09:57
visual, computer-aided design way.
242
585000
2000
به شما امکان طراحی می دهد.
10:00
So, now you can say, all right,
243
588000
1000
خوب شما می توانید بپرسید که
10:01
why isn't DNA origami the end of the story?
244
589000
2000
چرا اریگامی DNA اخر داستان نیست؟
10:03
You have your molecular compiler, you can do whatever you want.
245
591000
2000
شما وقتی کامپایلر ملکولی دارید هر چیزی بخواهید می توانید بسازید.
10:05
The fact is that it does not scale.
246
593000
3000
واقعیت این است که این روش قابل بزرگ کردن نیست.
10:08
So if you want to build a human from DNA origami,
247
596000
3000
مثلا اگر بخواهید چیزی به اندازه یک آدم را از این طریق بسازید،
10:11
the problem is, you need a long strand
248
599000
2000
شما به یک رشته DNA خیلی خیلی بلند نیاز دارید،
10:13
that's 10 trillion trillion bases long.
249
601000
3000
که ده تریلیون تریلیون باز طول داشته باشد.
10:16
That's three light years' worth of DNA,
250
604000
2000
این معادل سه سال نوری DNA است.
10:18
so we're not going to do this.
251
606000
2000
خوب پس ما اینکار را نخواهیم کرد.
10:20
We're going to turn to another technology,
252
608000
2000
ما سراغ یک تکنولوژی دیگر خواهیم رفت،
10:22
called algorithmic self-assembly of tiles.
253
610000
2000
که اسمش «خود مرتب سازی الگوریتمی کاشی ها» است
10:24
It was started by Erik Winfree,
254
612000
2000
و توسط اریک وینفری ابداع شده است.
10:26
and what it does,
255
614000
1000
در این روش
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
615000
4000
کاشی هایی که صد برابر یک اریگامی DNA هستند استفاده می شود.
10:31
You zoom in, there are just four DNA strands
257
619000
2000
اگر از نزدیک نگاه کنید می بینید که در واقع چهار رشته DNA است
10:34
and they have little single-stranded bits on them
258
622000
2000
که قطعات کوچک تک رشته ای روی آنها قرار دارد و آنها را به هم متصل نگه می دارد.
10:36
that can bind to other tiles, if they match.
259
624000
2000
و می تواند آنها را به کاشی های دیگر نیز متصل کند.
10:38
And we like to draw these tiles as little squares.
260
626000
3000
ما این کاشی ها را به شکل مربع های کوچک نشان می دهیم.
10:42
And if you look at their sticky ends, these little DNA bits,
261
630000
2000
و اگر به انتها های اینها نگاه کنیم
10:44
you can see that they actually form a checkerboard pattern.
262
632000
3000
می بینید که می توانند یک طرح شطرنجی درست کنند.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
635000
3000
این کاشی ها هستند که می توانند یک صفحه شطرنجی خود مرتب ساز پیچیده را بسازند.
10:50
And the point of this, if you didn't catch that,
264
638000
2000
اگر هنوز متوجه نشده اید باید بگویم که نکته این است که
10:52
is that tiles are a kind of molecular program
265
640000
3000
کاشی ها به نوعی برنامه های ملکولی هستند
10:55
and they can output patterns.
266
643000
3000
و اینها می توانند به عنوان خروجی، طرح تولید کنند.
10:58
And a really amazing part of this is
267
646000
2000
و قسمت خیلی خیلی جذاب این است
11:00
that any computer program can be translated
268
648000
2000
که هر برنامه کامپیوتری را می توان
11:02
into one of these tile programs -- specifically, counting.
269
650000
3000
به یک برنامه کاشی ترجمه کرد. مخصوصا شمارش را.
11:05
So, you can come up with a set of tiles
270
653000
3000
پس شما می توانید یک سری کاشی طراحی کنید که
11:08
that when they come together, form a little binary counter
271
656000
3000
اگر به هم متصل شوند، می توانند به جای یک صفحه شطرنجی،
11:11
rather than a checkerboard.
272
659000
2000
یک شمارنده باینری بسازند.
11:13
So you can read off binary numbers five, six and seven.
273
661000
3000
این شمارنده می تواند اعداد ورودی را بخواند مثلا ۵ و ۶ و ۷
11:16
And in order to get these kinds of computations started right,
274
664000
3000
برای اینکه این نوع محاسبات درست کار بکند نیاز به یک نقطه شروع دارد.
11:19
you need some kind of input, a kind of seed.
275
667000
2000
یک ورودی اولیه یا هسته اولیه
11:21
You can use DNA origami for that.
276
669000
2000
که مثلا ممکن است از این اریگامی های DNA استفاده کنیم.
11:23
You can encode the number 32
277
671000
2000
شما می تونید مثلا عدد ۳۲ را
11:25
in the right-hand side of a DNA origami,
278
673000
2000
در طرف راست یک اریگامی کد کنید
11:27
and when you add those tiles that count,
279
675000
2000
و وقتی اون کاشی هایی که شمارش انجام میدهند را وصل می کنید،
11:29
they will start to count -- they will read that 32
280
677000
3000
اینها یکی یکی شمارش می کنند تا به ۳۲ برسند،
11:32
and they'll stop at 32.
281
680000
2000
و روی ۳۲ متوقف می شوند.
11:34
So, what we've done is we've figured out a way
282
682000
3000
یعنی ما توانسته ایم راهی پیدا کنیم که به
11:37
to have a molecular program know when to stop going.
283
685000
3000
یک برنامه ملکولی نشان بدهیم که چه موقع باید متوقف شود.
11:40
It knows when to stop growing because it can count.
284
688000
2000
این برنامه می تواند بفهمد که چه موقع باید متوقف بشود چون قادر به شمارش است.
11:42
It knows how big it is.
285
690000
2000
یعنی می داند که چقدر رشد کرده است.
11:44
So, that answers that sort of first question I was talking about.
286
692000
3000
این یک قسمت از سوالی را که من در ابتدا پرسیدم جواب می دهد.
11:47
It doesn't tell us how babies do it, however.
287
695000
3000
ولی ما هنوز نمی دانیم که یک نوزاد چطور این کار را انجام می دهد.
11:50
So now, we can use this counting to try and get at much bigger things
288
698000
4000
حالا ما می توانیم از این شمارش استفاده کنیم و چیزهای بزرگی بسازیم.
11:54
than DNA origami could otherwise.
289
702000
1000
که با اریگامی به تنهایی ممکن نبود.
11:55
Here's the DNA origami, and what we can do
290
703000
3000
این یک اریگامی DNA است و کاری که ما می توانیم بکنیم این است که
11:58
is we can write 32 on both edges of the DNA origami,
291
706000
3000
عدد ۳۲ را روی هر دو لبه این اریگامی بنویسیم.
12:01
and we can now use our watering can
292
709000
2000
و حالا از آبپاش استفاده کنیم و
12:03
and water with tiles, and we can start growing tiles off of that
293
711000
4000
و با کاشی این اریگامی را تغذیه کنیم و آن را رشد بدهیم
12:07
and create a square.
294
715000
2000
و یک مربع به وجود بیاوریم
12:09
The counter serves as a template
295
717000
3000
شمارنده ها به عنوان یک الگو
12:12
to fill in a square in the middle of this thing.
296
720000
2000
برای ساخت و پر کردن یک مربع در وسط آن اریگامی استفاده می شوند.
12:14
So, what we've done is we've succeeded
297
722000
1000
کاری که ما کردیم این است که ما موفق شدیم
12:15
in making something much bigger than a DNA origami
298
723000
3000
چیزی خیلی بزرگ تر از یک اریگامی DNA را
12:18
by combining DNA origami with tiles.
299
726000
3000
با ادغام اریگامی DNA با کاشی ها بسازیم.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
729000
3000
و نکته جذاب این است که این دستگاه قابل برنامه ریزی مجدد است.
12:24
You can just change a couple of the DNA strands in this binary representation
301
732000
4000
شما می توانید فقط یکی دو تا از رشته های DNA را تغییر بدهید
12:28
and you'll get 96 rather than 32.
302
736000
3000
و به جای ۳۲ به ۹۶ برسید.
12:31
And if you do that, the origami's the same size,
303
739000
3000
اگر این کار را بکنید سایز اریگامی شما تغییر نمی کند،
12:34
but the resulting square that you get is three times bigger.
304
742000
4000
ولی مربعی که از آن حاصل خواهد شد سه برابر بزرگتر خواهد بود.
12:39
So, this sort of recapitulates
305
747000
1000
این مساله به نوعی نشان دهنده
12:40
what I was telling you about development.
306
748000
2000
مسائلی که در مورد رشد مطرح کردم است.
12:42
You have a very sensitive computer program
307
750000
3000
شما یک برنامه کامپیوتری خیلی حساس دارید
12:45
where small changes -- single, tiny, little mutations --
308
753000
3000
که تغییرات کوچکی در آن حتی جهش های منفرد خیلی کوچک
12:48
can take something that made one size square
309
756000
2000
یک چیزی که یک مربع با یک سایز مشخص تولید می کرد
12:50
and make something very much bigger.
310
758000
3000
را تبدیل به یک چیزی که مربع خیلی بزرگتری می سازد می کند.
12:54
Now, this -- using counting to compute
311
762000
3000
استفاده از شمارش برای محاسبه
12:57
and build these kinds of things
312
765000
2000
و ساختن این طور چیزی ها
12:59
by this kind of developmental process
313
767000
2000
و این طور فرایندهای رشد
13:01
is something that also has bearing on Craig Venter's question.
314
769000
4000
چیزی است که بر سوال گرگ ونتور هم تاثیر می گذارد.
13:05
So, you can ask, how many DNA strands are required
315
773000
2000
شما می توانید بپرسید چند قطعه DNA لازم است تا
13:07
to build a square of a given size?
316
775000
2000
یک مربع با سایز مشخص ساخته بشود.
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
777000
5000
اگر ما بخواهیم یک مربع با اندازه ۱۰ یا ۱۰۰ یا ۱۰۰۰ بسازیم
13:14
if we used DNA origami alone,
318
782000
2000
اگر فقط از اریگامی DNA استفاده می کردیم
13:16
we would require a number of DNA strands that's the square
319
784000
3000
مقدار DNA که نیاز داشتیم برابر مجذور
13:19
of the size of that square;
320
787000
2000
اندازه ضلع مربع بود
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
789000
2000
یعنی به ۱۰۰ یا ۱۰۰۰۰ یا ۱۰۰۰۰۰۰ رشته DNA نیاز داشتیم
13:23
That's really not affordable.
322
791000
2000
و این مقدار آنقدر زیاد است که در عمل ناممکن است.
13:25
But if we use a little computation --
323
793000
2000
ولی اگر اندکی محاسبه وارد فرایند بکنیم
13:27
we use origami, plus some tiles that count --
324
795000
4000
یعنی اریگامی و کاشی های شمارشگر را با هم استفاده بکنیم
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
799000
3000
می توانیم با ۱۰۰ دویست یا ۳۰۰ رشته DNA کار را انجام بدهیم.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
802000
5000
یعنی ما می توانیم به این ترتیب به طور نمایی مقدار DNA مورد نیاز را کاهش بدهیم.
13:39
if we use counting, if we use a little bit of computation.
327
807000
3000
فقط با شمارش - فقط با اندکی محاسبه.
13:42
And so computation is some very powerful way
328
810000
3000
یعنی محاسبه ابزار قدرتمندی است که
13:45
to reduce the number of molecules you need to build something,
329
813000
3000
به ما اجازه می دهد تعداد ملکول مورد نیاز برای ساختن یک چیز را کاهش بدهیم.
13:48
to reduce the size of the genome that you're building.
330
816000
3000
یا به تعبیری سایز ژنوم را کاهش بدهیم.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
819000
3000
در آخر می خواهم به آن ایده دیوانه وار
13:54
about computers building computers.
332
822000
2000
اینکه کامپیوتر ها بتوانند خودشان کامپیوتر های جدید بسازند برگردم.
13:56
If you look at the square that you build with the origami
333
824000
3000
اگر شما به این مربعی که با استفاده از اریگامی
13:59
and some counters growing off it,
334
827000
2000
و شمارنده هایی که در طرفینش رشد می کنند، ساخته ایم نگاه کنید،
14:01
the pattern that it has is exactly the pattern that you need
335
829000
3000
می بینید که طرحی که در آن به وجود آمده دقیقا همان طرحی است که
14:04
to make a memory.
336
832000
1000
شما برای ساخته حافظه نیاز دارید.
14:05
So if you affix some wires and switches to those tiles --
337
833000
3000
اگر شما بتوانید به این کاشی ها سیم و کلید وصل بکنید
14:08
rather than to the staple strands, you affix them to the tiles --
338
836000
3000
یعنی به جای اینکه به منگنه ها سیم و کلید وصل کنید به کاشی ها وصل کنید
14:11
then they'll self-assemble the somewhat complicated circuits,
339
839000
3000
شما یک مدار نسبتا پیچیده که خود مرتب کننده هم هست ساخته اید.
14:14
the demultiplexer circuits, that you need to address this memory.
340
842000
3000
این در واقع مدار دی مالتی پلکسری است که برای آدرس دهی این حافظه به آن نیاز دارید.
14:17
So you can actually make a complicated circuit
341
845000
2000
یعنی شما یک مدار پیچیده را
14:19
using a little bit of computation.
342
847000
2000
با اندکی محاسبه ساخته اید.
14:21
It's a molecular computer building an electronic computer.
343
849000
3000
یعنی یک کامپیوتر ملکولی توانسته است یک کامپیوتر الکترونیک بسازد.
14:24
Now, you ask me, how far have we gotten down this path?
344
852000
3000
حالا شما حتما می خواهید بپرسید ما در این راه چقدر پیش رفته ایم.
14:27
Experimentally, this is what we've done in the last year.
345
855000
3000
عملا این چیزی است که ما تا حال توانسته ایم در آزمایشگاه در سال گذشته انجام بدهیم.
14:30
Here is a DNA origami rectangle,
346
858000
2000
این یک مربع اریگامی DNA است.
14:33
and here are some tiles growing from it.
347
861000
2000
و اینها هم تعدادی کاشی هستند که از آن رشد کرده اند.
14:35
And you can see how they count.
348
863000
2000
و می توانید ببینید که چطور شمارش انجام شده است.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
865000
12000
یک دو سه چهار شش نه ده یازده دوازده هفده
14:49
So it's got some errors, but at least it counts up.
350
877000
4000
یک کم خطا دارد ولی به هر حال به سمت بالا شماره می کند.
14:53
(Laughter)
351
881000
1000
(خنده)
14:54
So, it turns out we actually had this idea nine years ago,
352
882000
3000
راستش ما از نه سال پیش این ایده ها را داشتیم
14:57
and that's about the time constant for how long it takes
353
885000
3000
نه سال ثابت زمانی پیشرفت این طور کارها است.
15:00
to do these kinds of things, so I think we made a lot of progress.
354
888000
2000
نه سال ثابت زمانی پیشرفت این طور کارها است.
15:02
We've got ideas about how to fix these errors.
355
890000
2000
من فکر می کنم ما خیلی پیشرفت کرده ایم. ما راه حل هایی برای رفع این مشکلات داریم.
15:04
And I think in the next five or 10 years,
356
892000
2000
و من فکر می کنم که در پنج تا ده سال آینده
15:06
we'll make the kind of squares that I described
357
894000
2000
آن جور مربع هایی که صحبتش را کردیم را به دست میاریم.
15:08
and maybe even get to some of those self-assembled circuits.
358
896000
3000
و شاید بعضی از آن مدارهای خود مرتب کننده هم ساخته شده باشند.
15:11
So now, what do I want you to take away from this talk?
359
899000
4000
چیزی که من می خواهم شما از این صحبت ها برداشت کنید،
15:15
I want you to remember that
360
903000
2000
من دلم می خواهد که شما یادتون باشه که
15:17
to create life's very diverse and complex forms,
361
905000
4000
برای ایجاد اشکال متنوع و گوناگون حیات
15:21
life uses computation to do that.
362
909000
2000
حیات از محاسبه استفاده می کند.
15:23
And the computations that it uses, they're molecular computations,
363
911000
4000
این محاسبات محاسبات ملکولی هستند.
15:27
and in order to understand this and get a better handle on it,
364
915000
2000
برای درک بهتر و دسترسی بهتر به اینها
15:29
as Feynman said, you know,
365
917000
2000
همانطور که فاینمن گفته است
15:31
we need to build something to understand it.
366
919000
2000
ما نیاز داریم که چیزی را خودمان بسازیم تا بتوانیم آن را درک کنیم.
15:33
And so we are going to use molecules and refashion this thing,
367
921000
4000
برای همین ما سعی داریم ملکولها را استفاده کنیم
15:37
rebuild everything from the bottom up,
368
925000
2000
و این چیزها را از اول بسازیم
15:39
using DNA in ways that nature never intended,
369
927000
3000
با استفاده از DNA به روشهایی که طبیعت هیچ وقت قصد آن را نداشته است.
15:42
using DNA origami,
370
930000
2000
مثلا استفاده از اریگامی DNA
15:44
and DNA origami to seed this algorithmic self-assembly.
371
932000
3000
برای ایجاد هسته ای برای این الگوریتم های خود مرتب کننده.
15:47
You know, so this is all very cool,
372
935000
2000
خوب اینها همه خیلی جالب هستند.
15:50
but what I'd like you to take from the talk,
373
938000
1000
ولی من دوست دارم شما
15:51
hopefully from some of those big questions,
374
939000
2000
بعضی از این سوالات خیلی بزرگ را فراموش نکنید.
15:53
is that this molecular programming isn't just about making gadgets.
375
941000
3000
این برنامه نویسی ملکولی فقط به درد ساختن ابزار و وسایل نمی خورد.
15:56
It's not just making about --
376
944000
2000
فقط به درد ساختن --
15:58
it's making self-assembled cell phones and circuits.
377
946000
2000
فقط به درد ساختن مثلا تلفن همراه هایی که خودشان خودشان را می سازند نمی خورد.
16:00
What it's really about is taking computer science
378
948000
2000
فایده اصلی این است که شما می توانید با استفاده از علوم کامپیوتر
16:02
and looking at big questions in a new light,
379
950000
3000
به سوالات بزرگی که در زیست شناسی مطرح است
16:05
asking new versions of those big questions
380
953000
2000
با دید جدیدی نگاه کنید.
16:07
and trying to understand how biology
381
955000
2000
و سعی کنید که بفهمید زیست شناسی چطور خیلی از این مساله ها را حل کرده است.
16:09
can make such amazing things. Thank you.
382
957000
2000
متشکرم
16:12
(Applause)
383
960000
7000
(تشویق)
ABOUT THE SPEAKER
Paul Rothemund - DNA origamistPaul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of.
Why you should listen
Paul Rothemund won a MacArthur grant this year for a fairly mystifying study area: "folding DNA." It brings up the question: Why fold DNA? The answer is -- because the power to manipulate DNA in this way could change the way we make things at a very basic level.
Rothemund's work combines the study of self-assembly (watch the TEDTalks from Neil Gershenfeld and Saul Griffith for more on this) with the research being done in DNA nanotechnology -- and points the way toward self-assembling devices at microscale, making computer memory, for instance, smaller, faster and maybe even cheaper.
Paul Rothemund | Speaker | TED.com