TEDSummit 2019
Laura Boykin: How we're using DNA tech to help farmers fight crop diseases
Laura Boykin: Comment utiliser la technologie génomique pour lutter contre les maladies des récoltes
Filmed:
Readability: 4.1
1,215,005 views
À peu près 800 millions de personnes dans le monde dépendent du manioc pour survivre -- mais le manioc est la cible de plusieurs virus et pathogènes qu'on peut combattre selon Laura Boykin, bio-informaticienne et TED Fellow. Elle nous amène aux fermes d'Afrique de l'Est où elle travaille avec une équipe de scientifiques diversifiée et inclusive. Ils travaillent pour garder les cultures des fermiers en santé en utilisant un lab d'ADN portable et un mini superordinateur qui peut identifier des virus en quelques heures au lieu de mois.
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.
Je me lève le matin pour deux raisons.
00:12
I get out of bed for two reasons.
0
991
2326
00:15
One, small-scale family farmers
need more food.
need more food.
1
3341
4031
D’abord, les familles des fermiers
ont besoin de plus de nourriture.
ont besoin de plus de nourriture.
00:19
It's crazy that in 2019
farmers that feed us are hungry.
farmers that feed us are hungry.
2
7738
5178
C’est fou qu’en 2019 les fermiers
qui nous nourrissent soient affamés.
qui nous nourrissent soient affamés.
00:25
And two, science needs to be
more diverse and inclusive.
more diverse and inclusive.
3
13353
4833
Et ensuite, la science a besoin d’être
plus diversifiée et inclusive.
plus diversifiée et inclusive.
00:30
If we're going to solve
the toughest challenges on the planet,
the toughest challenges on the planet,
4
18679
3422
Si on veut réussir les défis
les plus difficiles sur la planète,
les plus difficiles sur la planète,
00:34
like food insecurity for the millions
living in extreme poverty,
living in extreme poverty,
5
22125
4333
comme la sécurité alimentaire des
millions de personnes les plus pauvres,
millions de personnes les plus pauvres,
00:38
it's going to take all of us.
6
26482
1619
nous devons tous et toutes aider.
00:40
I want to use the latest technology
7
28680
2580
Je veux utiliser la technologie de pointe
00:43
with the most diverse
and inclusive teams on the planet
and inclusive teams on the planet
8
31284
3293
avec les équipes les plus diversifiées
et inclusives de la planète
et inclusives de la planète
00:46
to help farmers have more food.
9
34601
2067
pour aider les fermiers.
00:49
I'm a computational biologist.
10
37545
1881
Je suis une bio-informaticienne.
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
Je sais — C’est quoi et comment ça peut
aider à mettre fin à la famine ?
aider à mettre fin à la famine ?
00:54
Basically, I like computers and biology
12
42878
3246
En gros, j’aime les ordinateurs
et la biologie.
et la biologie.
00:58
and somehow,
putting that together is a job.
putting that together is a job.
13
46148
2444
On les met ensemble et on a un métier.
01:00
(Laughter)
14
48616
1083
(Rires)
01:01
I don't have a story
15
49723
1520
Mon envie d’être biologiste
01:03
of wanting to be a biologist
from a young age.
from a young age.
16
51267
3286
ne commence pas dès mon enfance.
01:06
The truth is, I played
basketball in college.
basketball in college.
17
54577
3706
La vérité est que je jouais
au basket à l’université.
au basket à l’université.
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
Mon programme d’aide financière
exigeait que j’aie un emploi étudiant.
exigeait que j’aie un emploi étudiant.
01:16
So one random day,
19
64300
1540
Alors un jour,
01:17
I wandered to the nearest building
to my dorm room.
to my dorm room.
20
65864
3197
j’ai marché vers le bâtiment
le plus proche de mon dortoir
le plus proche de mon dortoir
01:21
And it just so happens
it was the biology building.
it was the biology building.
21
69085
2680
et il se trouve que
c’était le bâtiment de biologie.
c’était le bâtiment de biologie.
01:24
I went inside and looked at the job board.
22
72347
2586
J’entre et je regarde le tableau
des offres d’emploi.
des offres d’emploi.
01:27
Yes, this is pre-the-internet.
23
75493
2164
Oui, c’était avant l’Internet.
01:30
And I saw a three-by-five card
24
78430
2007
Là, je vois une annonce
01:32
advertising a job
to work in the herbarium.
to work in the herbarium.
25
80461
3155
pour un travail à l’herbier.
01:36
I quickly took down the number,
26
84601
2001
Je me dépêche de noter le numéro,
01:38
because it said "flexible hours,"
27
86626
1705
car ça disait « horaires flexibles »
01:40
and I needed that to work around
my basketball schedule.
my basketball schedule.
28
88355
3257
et j’avais besoin de ça
pour continuer le basket.
pour continuer le basket.
01:44
I ran to the library
to figure out what an herbarium was.
to figure out what an herbarium was.
29
92204
4587
J’ai couru à la bibliothèque pour savoir
ce qu’était un herbier.
ce qu’était un herbier.
01:48
(Laughter)
30
96815
2207
(Rires)
01:51
And it turns out
31
99046
1309
Et figurez-vous
01:52
an herbarium is where they store
dead, dried plants.
dead, dried plants.
32
100379
4079
qu’un herbier, c’est là où l’on entrepose
des plantes mortes.
des plantes mortes.
01:57
I was lucky to land the job.
33
105379
1714
J’ai été chanceuse, j’ai eu le poste.
01:59
So my first scientific job
34
107117
3206
Ainsi, mon premier travail en sciences
02:02
was gluing dead plants onto paper
for hours on end.
for hours on end.
35
110347
5335
était de coller des plantes mortes
sur du papier à longueur de journée.
sur du papier à longueur de journée.
02:07
(Laughter)
36
115706
3278
(Rires)
02:11
It's so glamorous.
37
119008
1150
C’était si prestigieux.
02:12
This is how I became
a computational biologist.
a computational biologist.
38
120182
3139
C’est comme ça que je suis devenue
bio-informaticienne.
bio-informaticienne.
02:16
During that time,
39
124323
1183
Pendant ce temps,
02:17
genomics and computing were coming of age.
40
125530
2722
la génomique et l’informatique
avaient fait leur chemin.
avaient fait leur chemin.
02:20
And I went on to do my masters
41
128276
2404
J’ai fait ma maîtrise
02:22
combining biology and computers.
42
130704
3095
en jumelant biologie et informatique.
02:25
During that time,
43
133823
1165
Pendant ce temps,
02:27
I worked at Los Alamos National Lab
44
135012
1779
j’étais au lab national de Los Alamos
02:28
in the theoretical biology
and biophysics group.
and biophysics group.
45
136815
2518
travaillant pour le groupe de biophysique.
02:31
And it was there I had my first encounter
with the supercomputer,
with the supercomputer,
46
139776
3730
Là, j’ai vu pour la première fois
un superordinateur,
un superordinateur,
02:35
and my mind was blown.
47
143530
1674
j’étais époustouflée.
02:37
With the power of supercomputing,
48
145840
2039
Toute la puissance du calcul intensif,
02:39
which is basically thousands
of connected PCs on steroids,
of connected PCs on steroids,
49
147903
4223
c'est-à-dire des milliers d’ordis dopés
aux stéroïdes et connectés,
aux stéroïdes et connectés,
a servi à comprendre la complexité
de l’influenza et l’hépatite C.
de l’influenza et l’hépatite C.
02:44
we were able to uncover the complexities
of influenza and hepatitis C.
of influenza and hepatitis C.
50
152150
5473
02:50
And it was during this time
that I saw the power
that I saw the power
51
158134
2331
C’est à ce moment-là
que j’ai compris le potentiel
que j’ai compris le potentiel
02:52
of using computers
and biology combined, for humanity.
and biology combined, for humanity.
52
160489
4120
d’utiliser la biologie et les ordis
pour aider le monde.
pour aider le monde.
02:56
And I wanted this to be my career path.
53
164633
2372
Je voulais en faire ma carrière.
03:00
So, since 1999,
54
168030
1777
Donc, depuis 1999,
03:01
I've spent the majority
of my scientific career
of my scientific career
55
169831
2698
j’ai passé la plupart
de mon parcours scientifique
de mon parcours scientifique
03:04
in very high-tech labs,
56
172553
1929
dans des laboratoires très modernes
03:06
surrounded by really expensive equipment.
57
174506
2733
entourée d’équipement sophistiqué.
03:09
So many ask me
58
177712
1643
Plusieurs me demandent
03:11
how and why do I work
for farmers in Africa.
for farmers in Africa.
59
179379
3867
comment et pourquoi je travaille
pour des fermiers africains.
pour des fermiers africains.
03:15
Well, because of my computing skills,
60
183804
2302
Eh bien, grâce à mes compétences
informatiques,
informatiques,
03:18
in 2013, a team of East African scientists
61
186130
4539
en 2013, une équipe de scientifiques
de l’Afrique de l’Est
de l’Afrique de l’Est
03:22
asked me to join the team
in the plight to save cassava.
in the plight to save cassava.
62
190693
4089
m’a demandé de les joindre
pour sauver le manioc.
pour sauver le manioc.
03:27
Cassava is a plant whose leaves and roots
feed 800 million people globally.
feed 800 million people globally.
63
195766
6970
Le manioc nourrit 800 millions de
personnes avec ses feuilles et racines.
personnes avec ses feuilles et racines.
03:35
And 500 million in East Africa.
64
203639
3037
De même que 500 millions
en Afrique de l’Est.
en Afrique de l’Est.
03:38
So that's nearly a billion people
65
206994
2007
C’est presque un milliard de personnes
03:41
relying on this plant
for their daily calories.
for their daily calories.
66
209025
2968
qui comptent sur cette plante pour manger.
03:44
If a small-scale family farmer
has enough cassava,
has enough cassava,
67
212581
3845
Si une fermière a suffisamment de manioc,
03:48
she can feed her family
68
216450
2144
elle peut nourrir toute sa famille
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
et en vendre pour utiliser l’argent
pour les frais de scolarité,
pour les frais de scolarité,
03:54
medical expenses and savings.
70
222688
2135
les frais médicaux, et économiser.
03:57
But cassava is under attack in Africa.
71
225752
3531
Mais le manioc est en danger en Afrique.
04:01
Whiteflies and viruses
are devastating cassava.
are devastating cassava.
72
229665
4436
Les mouches blanches et les virus
s’attaquent aux plants.
s’attaquent aux plants.
04:06
Whiteflies are tiny insects
73
234593
2206
Les mouches blanches
sont de petits insectes
sont de petits insectes
04:08
that feed on the leaves
of over 600 plants.
of over 600 plants.
74
236823
2818
qui se nourrissent des feuilles
de plus de 600 plantes.
de plus de 600 plantes.
04:11
They are bad news.
75
239665
1801
C’est une calamité.
04:13
There are many species;
76
241490
1159
Il y a maintes espèces,
04:14
they become pesticide resistant;
77
242673
2269
qui deviennent résistantes aux pesticides
04:16
and they transmit hundreds
of plant viruses
of plant viruses
78
244966
4254
et propagent des centaines
de virus aux plantes
de virus aux plantes
04:21
that cause cassava brown streak disease
79
249244
2524
comme le virus de la mosaïque
04:23
and cassava mosaic disease.
80
251792
1800
et celui de la striure brune.
04:26
This completely kills the plant.
81
254085
2134
Tout ça tue la plante.
04:29
And if there's no cassava,
82
257038
1817
Et sans manioc,
04:30
there's no food or income
for millions of people.
for millions of people.
83
258879
3999
il n’y a ni nourriture, ni argent
pour des millions de personnes.
pour des millions de personnes.
04:36
It took me one trip to Tanzania
84
264141
2476
Il a suffi d'un seul voyage en Tanzanie
04:38
to realize that these women
need some help.
need some help.
85
266641
2738
pour comprendre que ces femmes
avaient besoin d’aide.
avaient besoin d’aide.
04:41
These amazing, strong,
small-scale family farmers,
small-scale family farmers,
86
269403
4253
Ces incroyables fermières,
04:45
the majority women,
87
273680
1268
la plupart des femmes,
04:46
are doing it rough.
88
274972
1267
travaillent dur.
04:48
They don't have enough food
to feed their families,
to feed their families,
89
276744
2436
Il n’y a pas assez de nourriture
pour leur famille,
pour leur famille,
04:51
and it's a real crisis.
90
279204
1588
c’est une véritable crise.
04:53
What happens is
91
281530
1499
Ce qui arrive,
04:55
they go out and plant fields of cassava
when the rains come.
when the rains come.
92
283053
2992
c’est qu’on plante du manioc
pendant la saison des pluies.
pendant la saison des pluies.
04:58
Nine months later,
93
286069
1706
Neuf mois plus tard,
04:59
there's nothing, because of these
pests and pathogens.
pests and pathogens.
94
287799
3080
il n’y a plus rien à cause des insectes
et des pathogènes.
et des pathogènes.
05:02
And I thought to myself,
95
290903
2158
Je me suis dit :
05:05
how in the world can farmers be hungry?
96
293085
3198
comment ça se fait
que les fermiers soient affamés ?
que les fermiers soient affamés ?
05:08
So I decided to spend
some time on the ground
some time on the ground
97
296815
2320
Donc, j’ai passé du temps sur le terrain
avec les fermiers et les scientifiques
avec les fermiers et les scientifiques
05:11
with the farmers and the scientists
98
299159
1680
05:12
to see if I had any skills
that could be helpful.
that could be helpful.
99
300863
2603
pour voir si je pouvais aider.
05:16
The situation on the ground is shocking.
100
304427
2856
La situation m’a frappée.
05:19
The whiteflies have destroyed the leaves
that are eaten for protein,
that are eaten for protein,
101
307307
4270
Les mouches avaient détruit les feuilles -
une source de protéines -
une source de protéines -
05:23
and the viruses have destroyed the roots
that are eaten for starch.
that are eaten for starch.
102
311601
3582
et les virus avaient détruit les racines -
source d’amidon.
source d’amidon.
05:27
An entire growing season will pass,
103
315592
2445
À la fin de la saison de culture,
05:30
and the farmer will lose
an entire year of income and food,
an entire year of income and food,
104
318061
4110
un fermier perd un an de revenu
et de nourriture
et de nourriture
05:34
and the family will suffer
a long hunger season.
a long hunger season.
105
322195
3198
et la famille passe une longue saison
sans manger.
sans manger.
05:37
This is completely preventable.
106
325942
2080
On peut empêcher tout ça.
05:40
If the farmer knew
107
328046
1324
Si le fermier savait
05:41
what variety of cassava
to plant in her field,
to plant in her field,
108
329394
3064
quelle variété de manioc planter,
05:44
that was resistant
to those viruses and pathogens,
to those viruses and pathogens,
109
332482
4325
une qui soit résistante à ces virus
et pathogènes,
et pathogènes,
05:48
they would have more food.
110
336831
1905
il aurait plus de nourriture.
05:50
We have all the technology we need,
111
338760
2835
On a tout ce qu’il faut,
05:53
but the knowledge and the resources
112
341619
3204
mais le savoir-faire et les ressources
05:56
are not equally distributed
around the globe.
around the globe.
113
344847
3135
sont mal distribuées dans le monde.
06:00
So what I mean specifically is,
114
348712
2562
Ce que je veux dire, c’est que
06:03
the older genomic technologies
115
351298
1852
les vieilles technologies génomiques
06:05
that have been required
to uncover the complexities
to uncover the complexities
116
353174
2863
qui ont permis de comprendre la complexité
06:08
in these pests and pathogens --
117
356061
3062
de ces insectes et de ces pathogènes --
06:11
these technologies were not made
for sub-Saharan Africa.
for sub-Saharan Africa.
118
359147
2998
ces technologies sont inutilisables
en Afrique subsaharienne :
en Afrique subsaharienne :
06:15
They cost upwards of a million dollars;
119
363058
2341
elles coûtent des millions de dollars,
06:17
they require constant power
120
365423
1888
ont besoin d’être toujours alimentées
06:19
and specialized human capacity.
121
367335
1800
et nécessite une main-d’œuvre spécialisée.
06:21
These machines are few
and far between on the continent,
and far between on the continent,
122
369970
2861
Ces machines sont peu nombreuses
et loin l’une de l’autre,
et loin l’une de l’autre,
06:24
which is leaving many scientists
battling on the front lines no choice
battling on the front lines no choice
123
372855
4621
alors les scientifiques
n’ont d’autre choix
n’ont d’autre choix
que d’envoyer les échantillons
à l’étranger.
à l’étranger.
06:29
but to send the samples overseas.
124
377500
1999
06:31
And when you send the samples overseas,
125
379523
1960
Et quand ça fait ça,
06:33
samples degrade, it costs a lot of money,
126
381507
2626
les échantillons se détériorent,
ça coûte de l’argent
ça coûte de l’argent
06:36
and trying to get the data back
over weak internet
over weak internet
127
384157
3167
et retourner les résultats avec
une mauvaise connexion Internet
une mauvaise connexion Internet
06:39
is nearly impossible.
128
387348
1400
est presque impossible.
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
Alors, ça peut prendre jusqu’à six mois
avant d’obtenir les résultats.
avant d’obtenir les résultats.
06:45
And by then, it's too late.
130
393465
1754
Et souvent c’est déjà trop tard.
06:47
The crop is already gone,
131
395243
1587
La récolte est déjà passée.
06:48
which results in further poverty
and more hunger.
and more hunger.
132
396854
3166
Ce qui crée davantage
de pauvreté et de famine.
de pauvreté et de famine.
06:53
We knew we could fix this.
133
401306
2158
On pouvait arranger tout ça.
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
on a entendu parler
de ce séquenceur d’ADN portable
de ce séquenceur d’ADN portable
07:02
called an Oxford Nanopore MinION.
136
410227
2509
nommé Oxford Nanopore MinION.
07:04
This was being used
in West Africa to fight Ebola.
in West Africa to fight Ebola.
137
412760
4153
Il était utilisé en Afrique de l’Ouest
pour combattre l’Ebola.
pour combattre l’Ebola.
07:08
So we thought:
138
416937
1497
On s'est dit :
07:10
Why can't we use this
in East Africa to help farmers?
in East Africa to help farmers?
139
418458
3286
pourquoi ne pas l’utiliser
en Afrique de l’Est aussi ?
en Afrique de l’Est aussi ?
07:13
So, what we did was we set out to do that.
140
421768
4333
On s’est arrangé pour faire ça.
07:18
At the time, the technology was very new,
141
426609
2698
À ce moment-là,
la technologie était récente
la technologie était récente
07:21
and many doubted we could
replicate this on the farm.
replicate this on the farm.
142
429331
2952
et plusieurs doutaient
qu’on puisse réussir.
qu’on puisse réussir.
07:24
When we set out to do this,
143
432879
1317
Quand on planifiait ceci,
07:26
one of our "collaborators" in the UK
144
434220
3881
un de nos « collaborateurs »
au Royaume-Uni
au Royaume-Uni
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
nous a dit que ça ne fonctionnerait
jamais en Afrique de l’Est,
jamais en Afrique de l’Est,
07:33
let alone on the farm.
146
441776
1466
encore moins dans une ferme.
07:35
So we accepted the challenge.
147
443863
1769
On a relevé le défi.
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
La personne a même parié deux
bouteilles du meilleur champagne
bouteilles du meilleur champagne
07:44
that we would never get that to work.
149
452411
2958
qu’on ne réussirait jamais.
07:48
Two words:
150
456871
1579
Une question :
07:50
pay up.
151
458474
1151
Tu les envoies quand ?
07:51
(Laughter)
152
459649
2174
(Rires)
07:53
(Applause)
153
461847
4152
(Applaudissements)
07:58
Pay up, because we did it.
154
466023
2913
« Tu les envoies quand »
parce qu’on a réussi.
parce qu’on a réussi.
08:00
We took the entire high-tech molecular lab
155
468960
3285
On a amené le labo moléculaire
08:04
to the farmers of Tanzania,
Kenya and Uganda,
Kenya and Uganda,
156
472269
3649
aux fermiers en Tanzanie,
au Kenya et en Ouganda
au Kenya et en Ouganda
08:07
and we called it Tree Lab.
157
475942
2032
et on l’a appelé le « Lab Arbre ».
08:10
So what did we do?
158
478942
1191
Alors, qu’a-t-on fait ?
08:12
Well, first of all,
we gave ourselves a team name --
we gave ourselves a team name --
159
480157
2579
Avant tout, on s’est donné un nom --
08:14
it's called the Cassava Virus
Action Project.
Action Project.
160
482760
2174
le Projet d’Action contre le
Virus du manioc.
Virus du manioc.
08:16
We made a website,
161
484958
1357
On a fait un site Web,
08:18
we gathered support from the genomics
and computing communities,
and computing communities,
162
486339
3611
on a du soutien des communautés
en génomique et informatique,
en génomique et informatique,
08:21
and away we went to the farmers.
163
489974
1881
et on est allé chez les fermiers.
08:24
Everything that we need for our Tree Lab
164
492411
2809
Tout ce dont notre Lab a besoin,
08:27
is being carried by the team here.
165
495244
2409
l’équipe, ici, s’en occupe.
08:29
All of the molecular and computational
requirements needed
requirements needed
166
497677
4047
Tout le nécessaire en biomol
et en informatique
et en informatique
08:33
to diagnose sick plants is there.
167
501748
3301
pour diagnostiquer les plantes
malades, est là.
malades, est là.
08:37
And it's actually all
on this stage here as well.
on this stage here as well.
168
505431
2828
En fait, tout est sur cette scène aussi.
08:41
We figured if we could get the data
closer to the problem,
closer to the problem,
169
509161
3587
En ayant les données proches du problème,
08:44
and closer to the farmer,
170
512772
1618
et proche de la fermière,
08:46
the quicker we could tell her
what was wrong with her plant.
what was wrong with her plant.
171
514414
3356
on pouvait rapidement lui dire
ce qui n’allait pas.
ce qui n’allait pas.
08:50
And not only tell her what was wrong --
172
518169
1873
Et pas seulement ça --
08:52
give her the solution.
173
520066
1392
on lui donnait une solution.
08:53
And the solution is,
174
521482
1325
La solution, c’est
08:54
burn the field and plant varieties
175
522831
2623
de brûler le terrain et semer des plants
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
résistants aux pathogènes qu’elle avait.
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
La première chose qu’on faisait
était une extraction d’ADN.
était une extraction d’ADN.
09:06
And we used this machine here.
178
534170
2539
Et on utilisait cette machine-là.
09:09
It's called a PDQeX,
179
537050
3199
C’est une PDQeX,
09:12
which stands for
"Pretty Damn Quick Extraction."
"Pretty Damn Quick Extraction."
180
540273
3891
ça veut dire « Plus Diligent Que ton Ex »
09:16
(Laughter)
181
544188
2048
(Rires)
09:18
I know.
182
546260
1150
Je sais.
09:19
My friend Joe is really cool.
183
547768
2494
Mon ami Joe est pas mal cool.
Un de plus grands défis
quand on extrait de l’ADN
quand on extrait de l’ADN
09:23
One of the biggest challenges
in doing a DNA extraction
in doing a DNA extraction
184
551394
3360
c’est l’équipement qui coûte cher
09:26
is it usually requires
very expensive equipment,
very expensive equipment,
185
554778
3315
09:30
and takes hours.
186
558117
1404
et ça prend des heures.
09:31
But with this machine,
187
559545
1492
Mais avec cette machine
09:33
we've been able to do it in 20 minutes,
188
561061
2754
on peut le faire en 20 minutes,
09:35
at a fraction of the cost.
189
563839
1246
pour une fraction du prix.
09:37
And this runs off of a motorcycle battery.
190
565109
2888
Et c’est alimenté
par une batterie de moto.
par une batterie de moto.
Avec ça, on prépare l’extraction d’ADN
pour la mettre dans une génothèque,
pour la mettre dans une génothèque,
09:41
From there, we take the DNA extraction
and prepare it into a library,
and prepare it into a library,
191
569164
5143
09:46
getting it ready to load on
192
574331
1779
prête à être chargée
09:48
to this portable, handheld
genomic sequencer,
genomic sequencer,
193
576134
4292
dans ce séquenceur portable,
09:52
which is here,
194
580450
1151
qui est ici.
09:53
and then we plug this
into a mini supercomputer,
into a mini supercomputer,
195
581625
3738
Après, on le connecte
à ce mini superordinateur,
à ce mini superordinateur,
09:57
which is called a MinIT.
196
585387
1822
appelé MinIT.
09:59
And both of these things are plugged
into a portable battery pack.
into a portable battery pack.
197
587728
4102
Et tous les deux sont connectés
à une batterie portative.
à une batterie portative.
10:04
So we were able to eliminate
198
592569
1873
On élimine ainsi la nécessité
10:06
the requirements
of main power and internet,
of main power and internet,
199
594466
2405
d’une source d’alimentation et d’Internet,
10:08
which are two very limiting factors
on a small-scale family farm.
on a small-scale family farm.
200
596895
3928
deux facteurs limitants
pour une famille de fermiers.
pour une famille de fermiers.
10:13
Analyzing the data quickly
can also be a problem.
can also be a problem.
201
601807
2871
L’analyse de données devient
aussi un problème.
aussi un problème.
10:17
But this is where me being
a computational biologist came in handy.
a computational biologist came in handy.
202
605033
3906
Et c’est là que moi, bio-informaticienne,
j’interviens.
j’interviens.
10:21
All that gluing of dead plants,
203
609382
2230
Tout mon temps
à coller des plantes mortes,
à coller des plantes mortes,
10:23
and all that measuring,
204
611636
1560
à mesurer des trucs,
10:25
and all that computing
205
613220
1992
à travailler sur l’ordi
10:27
finally came in handy
in a real-world, real-time way.
in a real-world, real-time way.
206
615236
4151
est devenu utile
dans le monde réel, en temps réel.
dans le monde réel, en temps réel.
10:31
I was able to make customized databases
207
619411
3053
Je faisais des bases de données
personnalisées
personnalisées
10:34
and we were able to give the farmers
results in three hours
results in three hours
208
622488
4595
et on donnait des résultats
aux fermiers en trois heures
aux fermiers en trois heures
10:39
versus six months.
209
627107
1864
au lieu de six mois.
10:41
(Applause)
210
629694
6968
(Applaudissements)
10:50
The farmers were overjoyed.
211
638085
2634
Les fermiers étaient fous de joie.
10:53
So how do we know
that we're having impact?
that we're having impact?
212
641799
2796
Comment sait-on qu’on est
en train de changer la donne ?
en train de changer la donne ?
10:56
Nine moths after our Tree Lab,
213
644619
2000
Neuf mois après notre passage,
10:58
Asha went from having
zero tons per hectare
zero tons per hectare
214
646643
3230
Asha a passé de 0 tonne par hectare
11:01
to 40 tons per hectare.
215
649897
2008
à 40 tonnes par hectare.
11:03
She had enough to feed her family
216
651929
1799
Plus qu’assez pour nourrir sa famille
11:05
and she was selling it at the market,
217
653752
2690
et elle en vendait aussi sur le marché.
11:08
and she's now building a house
for her family.
for her family.
218
656466
2735
En ce moment, Asha construit
une maison pour sa famille.
une maison pour sa famille.
Oui, vraiment super.
11:12
Yeah, so cool.
219
660212
1159
11:13
(Applause)
220
661395
4254
(Applaudissements)
11:17
So how do we scale Tree Lab?
221
665673
1866
Comment faire grandir « Lab Arbre » ?
11:19
The thing is,
222
667940
1380
En fait,
les fermières africaines
sont déjà organisées.
sont déjà organisées.
11:21
farmers are scaled already in Africa.
223
669344
2103
11:23
These women work in farmer groups,
224
671471
1889
Ces femmes travaillent en groupe.
11:25
so helping Asha actually helped
3,000 people in her village,
3,000 people in her village,
225
673384
4126
En aidant Asha, on a aidé 3 000 personnes
de son village.
de son village.
11:29
because she shared the results
and also the solution.
and also the solution.
226
677534
3652
C’est possible parce qu’elle a partagé
les résultats et la solution.
les résultats et la solution.
11:33
I remember every single
farmer I've ever met.
farmer I've ever met.
227
681673
4191
Je me rappelle chaque fermière
que j’ai vue ;
que j’ai vue ;
11:38
Their pain and their joy
228
686665
3563
leurs peines et leurs joies
11:42
is engraved in my memories.
229
690252
1800
sont gravées dans ma tête.
11:44
Our science is for them.
230
692958
1865
Notre science est pour elles.
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
« Lab Arbre » est notre meilleure chance
pour la sécurité alimentaire.
pour la sécurité alimentaire.
11:53
I never dreamt
232
701180
1786
Je n’aurais jamais imaginé
11:54
that the best science
I would ever do in my life
I would ever do in my life
233
702990
2944
que ma plus grande contribution
11:57
would be on that blanket in East Africa,
234
705958
3499
serait faite sur cette couverture
en Afrique de l’Est
en Afrique de l’Est
12:01
with the highest-tech genomic gadgets.
235
709481
2366
avec des gadgets de pointe.
12:04
But our team did dream
236
712312
2452
Notre équipe rêvait
12:06
that we could give farmers answers
in three hours versus six months,
in three hours versus six months,
237
714788
4270
de pouvoir donner des résultats
en trois heures au lieu de six mois
en trois heures au lieu de six mois
12:11
and then we did it.
238
719082
1436
et on l’a fait.
12:12
Because that's the power
of diversity and inclusion in science.
of diversity and inclusion in science.
239
720542
4108
Parce que c’est ça le pouvoir de la
diversité et l’inclusion en science.
diversité et l’inclusion en science.
12:17
Thank you.
240
725156
1151
Merci.
12:18
(Applause)
241
726331
3151
(Applaudissements)
12:21
(Cheers)
242
729506
4083
(Acclamations)
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