TEDxBoston 2011
Richard Resnick: Welcome to the genomic revolution
Richard Resnick: Üdvözöljük a genomikai forradalomban
Filmed:
Readability: 4.2
1,041,798 views
Richard Resnick ebben a jól érthető TEDxBoston előadásában bemutatja, hogyan fogja hamarosan az olcsó és gyors genomszekvenálás az egészségügyet (a biztosításokat és a politikát is) a feje tetejére állítani.
Richard Resnick - Entrepreneur
Richard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software. Full bio
Richard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software. Full bio
Double-click the English transcript below to play the video.
00:15
Ladies and gentlemen,
0
0
2000
Hölgyeim és uraim,
00:17
I present to you the human genome.
1
2000
3000
bemutatom Önöknek az emberi genomot [teljes genetikai állomány].
00:20
(Applause)
2
5000
3000
(Taps)
00:23
Chromosome one, top left.
3
8000
2000
Egyes kromoszóma balra fent.
00:25
Bottom right are the sex chromosomes.
4
10000
2000
Jobbra lent vannak az ivari kromoszómák.
00:27
Women have two copies of that big X chromosome;
5
12000
2000
Nőknek két példány van a nagy X kromoszómából;
00:29
men have the X
6
14000
2000
férfiaknak van az X,
00:31
and, of course, that small copy of the Y.
7
16000
2000
és természetesen az a kis Y.
00:33
Sorry boys, but it's just a tiny little thing that makes you different.
8
18000
4000
Sajnálom fiúk, de csak ez a kis darab tesz titeket különbözővé.
00:37
So if you zoom in on this genome,
9
22000
3000
Szóval ha belenagyítunk a genomba,
00:40
then what you see, of course, is this double helix structure --
10
25000
3000
akkor látható persze, ez a kettős spirál szerkezet --
00:43
the code of life spelled out with these four biochemical letters,
11
28000
2000
és az életet kódoló négy biokémiai betű,
00:45
or we call them bases, right:
12
30000
2000
vagy ahogy mi hívjuk, bázisok:
00:47
A, C, G and T.
13
32000
2000
A, C, G és T.
00:49
How many are there in the human genome? Three billion.
14
34000
2000
Mennyi van belőlük az emberi genomban? Három milliárd.
00:51
Is that a big number?
15
36000
2000
Nagy szám ez?
00:53
Well, everybody can throw around big numbers.
16
38000
2000
Nos, mindenki tud nagy számokkal dobálózni.
00:55
But in fact, if I were to place one base
17
40000
2000
Azonban, ha bázisokra cserélnénk
00:57
on each pixel of this 1280 by 800 resolution screen,
18
42000
3000
ennek az 1280x800-as felbontású kijelzőnek minden pixelét,
01:00
we would need 3,000 screens to take a look at the genome.
19
45000
3000
3000 kijelzőre lenne szükségünk a teljes genomhoz.
01:03
So it's really quite big.
20
48000
2000
Szóval tényleg elég nagy ez a szám.
01:05
And perhaps because of its size,
21
50000
2000
És talán a mérete miatt,
01:07
a group of people -- all, by the way, with Y chromosomes --
22
52000
3000
egy csoport -- mindannyian egyébként Y kromoszómások --
01:10
decided they would want to sequence it.
23
55000
2000
úgy döntöttek, hogy megszekvenálják.
01:12
(Laughter)
24
57000
2000
(Nevetés)
01:14
And so 15 years, actually, and about four billion dollars later,
25
59000
3000
Így aztán 15 év, és kb. négy milliárd dollár múlva,
01:17
the genome was sequenced and published.
26
62000
2000
a genomot szekvenálták és leközölték.
01:19
In 2003, the final version was published, and they keep working on it.
27
64000
3000
2003-ban közölték a végleges változatot, és folyamatosan dolgoznak rajta.
01:22
That was all done on a machine that looks like this.
28
67000
2000
Ezt a munkát egy ilyen gépen végezték.
01:24
It costs about a dollar for each base --
29
69000
2000
Mintegy egy dollárba kerül minden bázis --
01:26
a very slow way of doing it.
30
71000
2000
nagyon lassan megy, ha így csinálják.
01:28
Well folks, I'm here to tell you
31
73000
2000
Nos emberek, azért jöttem, hogy elmondjam,
01:30
that the world has completely changed
32
75000
2000
a világ teljesen megváltozott,
01:32
and none of you know about it.
33
77000
2000
és Önök erről egyáltalán nem tudnak.
01:34
So now what we do is we take a genome,
34
79000
2000
Manapság ez így működik: vesszük a genomot,
01:36
we make maybe 50 copies of it,
35
81000
2000
gyártunk belőle talán 50 példányt,
01:38
we cut all those copies up into little 50-base reads,
36
83000
3000
ezeket a kópiákat mind 50 bázis hosszú darabokra vágjuk,
01:41
and then we sequence them, massively parallel.
37
86000
2000
aztán szekvenáljuk őket, masszívan párhuzamosan.
01:43
And then we bring that into software,
38
88000
2000
Aztán egy szoftveres megoldással
01:45
and we reassemble it and we tell you what the story is.
39
90000
2000
újra összerakjuk, és elmeséljük, hogy mit találtunk.
01:47
And so just to give you a picture of what this looks like,
40
92000
3000
Csak hogy szemléltessem, hogyan néz ez ki,
01:50
the Human Genome Project: 3 gigabases, right.
41
95000
2000
az Emberi Genom Projekt: 3 gigabázis, igen.
01:52
One run on one of these machines:
42
97000
2000
Egy futtatás egy ilyen gépen:
01:54
200 gigabases in a week.
43
99000
3000
200 gigabázis egy hét alatt.
01:57
And that 200 is going to change to 600 this summer,
44
102000
3000
Ez a 200 nyárra 600-ra fog emelkedni,
02:00
and there's no sign of this pace slowing.
45
105000
3000
és nem úgy tűnik, hogy lassulna a tempó.
02:03
So the price of a base, to sequence a base,
46
108000
3000
Egy bázis szekvenálásának az ára
02:06
has fallen 100 million times.
47
111000
3000
100 milliomod részére csökkent.
02:09
That's the equivalent of you filling up your car with gas in 1998,
48
114000
3000
Ez olyan, mintha megtankolták volna az autójukat 1998-ban,
02:12
waiting until 2011,
49
117000
2000
vártak volna 2011-ig,
02:14
and now you can drive to Jupiter and back twice.
50
119000
2000
és most mehetnének vele a Jupiterig és vissza kétszer.
02:16
(Laughter)
51
121000
5000
(Nevetés)
02:21
World population,
52
126000
2000
A világ népessége,
02:23
PC placements,
53
128000
2000
számítógépeladások,
02:25
the archive of all the medical literature,
54
130000
3000
az orvosi szakirodalom teljes archívuma,
02:28
Moore's law,
55
133000
2000
Moore törvénye,
02:30
the old way of sequencing, and here's all the new stuff.
56
135000
3000
a szekvenálás régi módszere, és itt vannak az új dolgok.
02:33
Guys, this is a log scale;
57
138000
2000
Emberek, ez egy logaritmikus skála,
02:35
you don't typically see lines that go up like that.
58
140000
3000
általában nincsenek ilyen meredeken emelkedő görbék.
02:38
So the worldwide capacity to sequence human genomes
59
143000
3000
Nos, a világ emberi genomot szekvenáló képessége
02:41
is something like 50,000 to 100,000 human genomes this year.
60
146000
3000
50.000 és 100.000 emberi genom körül van idén.
02:44
And we know this based on the machines that are being placed.
61
149000
3000
És ezt az alapján tudjuk, hogy milyen gépeket telepítenek.
02:47
This is expected to double, triple or maybe quadruple
62
152000
3000
Várhatóan mindez duplázódni, triplázódni, esetleg négyszereződni fog
02:50
year over year for the foreseeable future.
63
155000
2000
évről évre a belátható jövőben.
02:52
In fact, there's one lab in particular
64
157000
2000
Valójában van egy labor,
02:54
that represents 20 percent of all that capacity.
65
159000
3000
amely ennek a kapacitásnak a 20 százalékát biztosítja.
02:57
It's called the Beijing Genomics Institute.
66
162000
3000
Pekingi Genomikai Intézetnek hívják.
03:00
The Chinese are absolutely winning this race to the new Moon, by the way.
67
165000
4000
Egyébként a kínaiak vitán felül nyerésre állnak ebben a új holdraszállási versenyben.
03:04
What does this mean for medicine?
68
169000
2000
Mit jelent ez az orvostudománynak?
03:06
So a woman is age 37.
69
171000
2000
Egy nő 37 éves.
03:08
She presents with stage 2 estrogen receptor-positive breast cancer.
70
173000
4000
2-es stádiumú ösztrogénreceptor-pozitív mellrákot mutatnak ki nála.
03:12
She is treated with surgery, chemotherapy and radiation.
71
177000
3000
Megműtik, kemoterápiát és sugárkezelést kap.
03:15
She goes home.
72
180000
2000
Hazamegy.
03:17
Two years later, she comes back with stage three C ovarian cancer.
73
182000
3000
Két évvel később visszajön 3-as stádiumú C típusú petefészekrákkal.
03:20
Unfortunately, treated again with surgery and chemotherapy.
74
185000
3000
Sajnos megint műtik és kemoterápiát kap.
03:23
She comes back three years later at age 42
75
188000
2000
Három év múlva visszajön 42 évesen
03:25
with more ovarian cancer, more chemotherapy.
76
190000
3000
újra petefészekrákkal és újra kemoterápiát kap.
03:28
Six months later,
77
193000
2000
Hat hónappal később
03:30
she comes back with acute myeloid leukemia.
78
195000
3000
akut mieloid leukémiával jelentkezik.
03:34
She goes into respiratory failure and dies eight days later.
79
199000
3000
Légzési elégtelensége lesz, és meghal nyolc nap múlva.
03:37
So first, the way in which this woman was treated, in as little as 10 years,
80
202000
3000
Először is, mindössze 10 év múlva, ahogy ezt a nőt kezelték,
03:40
will look like bloodletting.
81
205000
3000
olyan lesz mint a középkori érvágás.
03:43
And it's because of people like my colleague, Rick Wilson,
82
208000
2000
Mindez azért, mert vannak olyan emberek, mint a kollegám, Rick Wilson,
03:45
at the Genome Institute at Washington University,
83
210000
3000
a Genomikai Intézetben a Washingtoni Egyetemen,
03:48
who decided to take a look at this woman postmortem.
84
213000
2000
aki úgy döntött, hogy megvizsgálja ezt a nőt halálát követően.
03:50
And he sequenced, he took skin cells, healthy skin,
85
215000
3000
Szekvenált, vett bőr sejteket, egészséges bőrből,
03:53
and cancerous bone marrow,
86
218000
2000
és rákos csontvelőt,
03:55
and he sequenced the whole genomes of both of them
87
220000
2000
és a teljes genomot szekvenálta mindkettőből
03:57
in a couple of weeks, no big deal.
88
222000
3000
néhány hét alatt, nem nagy ügy.
04:00
And then he compared those two genomes in software,
89
225000
2000
Aztán összehasonlította a két genomot egy programmal,
04:02
and what he found, among other things,
90
227000
2000
és azt találta, egyebek közt,
04:04
was a deletion, a 2,000-base deletion
91
229000
2000
hogy hiányzott 2.000 bázis
04:06
across three billion bases
92
231000
2000
a három milliárdból
04:08
in a particular gene called TP53.
93
233000
2000
egy gén esetében, amit TP53-nak hívnak.
04:10
If you have this deleterious mutation in this gene,
94
235000
3000
Ha valakinek ez a deléciós mutációja megvan ebben a génben,
04:13
you're 90 percent likely to get cancer in your life.
95
238000
3000
akkor 90 százalék eséllyel élete során rákos lesz.
04:16
So unfortunately, this doesn't help this woman,
96
241000
2000
Ez így sajnos nem segít ennek a nőnek,
04:18
but it does have severe, profound if you will,
97
243000
3000
de van egy nagyon komoly, sőt ha úgy tetszik meghatározó
04:21
implications to her family.
98
246000
2000
következménye a család szempontjából.
04:23
I mean, if they have the same mutation,
99
248000
2000
Arra gondolok, hogy ha megvan nekik ugyanez a mutációjuk,
04:25
and they get this genetic test, and they understand it,
100
250000
3000
és elvégeztetik ezt a genetikai tesztet, és megértik, miről van szó,
04:28
then they can go and get regular screens, and they can catch cancer early
101
253000
3000
akkor rendszeres szűrésen vehetnek részt, és időben észrevehetik a rákot,
04:31
and potentially live a significantly longer life.
102
256000
2000
és lényegesen tovább élhetnek.
04:33
Let me introduce you now to the Beery twins,
103
258000
2000
Hadd mutassam be Önöknek a Beery ikreket,
04:35
diagnosed with cerebral palsy at the age of two.
104
260000
2000
akiket agyi bénulással diagnosztizáltak kétévesen.
04:37
Their mom is a very brave woman
105
262000
2000
Édesanyjuk egy nagyon bátor asszony,
04:39
who didn't believe that the symptoms weren't matching up,
106
264000
2000
aki nem hitte el, hogy a tünetek nem egyeztek,
04:41
and through some heroic efforts and a lot of Internet searching,
107
266000
2000
és hősies probálkozásaival, és rengeteg internetes kereséssel
04:43
she was able to convince the medical community
108
268000
3000
meggyőzte az orvosokat,
04:46
that, in fact, they had something else.
109
271000
2000
hogy tulajdonképpen más volt a bajuk.
04:48
What they had was dopa-responsive dystonia.
110
273000
3000
Az ő betegségük dopamin-reaktív disztónia volt.
04:51
And so they were given L-Dopa,
111
276000
2000
Ezért L-dopamint kaptak,
04:53
and their symptoms did improve,
112
278000
2000
és a tüneteik tényleg javultak,
04:55
but they weren't totally asymptomatic.
113
280000
2000
de nem lettek teljesen tünetmentesek.
04:57
Significant problems remained.
114
282000
2000
Jelentős problémák maradtak.
04:59
Turns out the gentleman in this picture is a guy named Joe Beery,
115
284000
2000
Úgy történt, hogy ezen a képen ez az úr Joe Beery,
05:01
who was lucky enough to be the CIO
116
286000
2000
aki abban a szerencsés helyzetben volt, hogy vezetője
05:03
of a company called Life Technologies.
117
288000
2000
egy cégnek, melyet Life Technologies-nak hívnak.
05:05
They're one of the two companies
118
290000
2000
Ők egyike a két cégnek,
05:07
that makes these massive whole genome sequencing tools.
119
292000
3000
amelyek ezeket a hatalmas teljesgenom-szekvenálókat gyártják.
05:10
And so what he did was he got his kids sequenced.
120
295000
3000
Így ő azt csinálta, hogy szekvenáltatta a gyerekeit.
05:13
And what they found was a series of mutations in a gene called SPR,
121
298000
3000
Azt találták, hogy az SPR nevű génben sorozatos mutációk történtek,
05:16
which is responsible for producing serotonin, among other things.
122
301000
4000
és ez a gén felel többek között a szerotonin termeléséért.
05:20
So on top of L-Dopa, they gave these kids a serotonin precursor drug,
123
305000
3000
Ezért az L-dopaminon kívül, még a szerotonin előanyagát is adták a gyerekeknek,
05:23
and they're effectively normal now.
124
308000
2000
és gyakorlatilag most már normálisak.
05:25
Guys, this would never have happened without whole genome sequencing.
125
310000
3000
Emberek, ez nem történhetett volna meg a teljesgenom-szekvenálás nélkül.
05:28
And at the time -- this was a few years ago -- it cost $100,000.
126
313000
2000
És ez akkoriban -- néhány évvel ezelőtt volt -- 100.000 dollárba került.
05:30
Today it's $10,000. Next year it's $1,000.
127
315000
2000
Ma ugyanez 10.000 dollár. Jövőre 1.000 dollár lesz.
05:32
The year after it's $100, give or take a year.
128
317000
2000
Az azutáni évben 100 dollár lesz, esetleg még egy év múlva.
05:34
That's how fast this is moving.
129
319000
2000
Ennyire gyorsan fejlődik ez a dolog.
05:36
So here's little Nick --
130
321000
2000
Nos itt van Nick --
05:38
likes Batman and squirt guns.
131
323000
3000
Batmant és a vízipisztolyokat szereti.
05:41
And it turns out Nick shows up at the children's hospital
132
326000
3000
Az a helyzet, hogy Nick bement a gyerekkórházba
05:44
with this distended belly like a famine victim.
133
329000
2000
olyan felpuffadt hassal, mint az éhezéstől szenvedők.
05:46
And it's not that he's not eating,
134
331000
2000
És nem arról van szó, hogy nem eszik,
05:48
it's that when he eats, his intestine basically opens up
135
333000
2000
hanem ha eszik, a belei tulajdonképpen felnyílnak,
05:50
and feces spill out into his gut.
136
335000
2000
és ürülék kerül a hasüregébe.
05:52
So a hundred surgeries later,
137
337000
2000
Vagy száz műtét után
05:54
he looks at his mom and says, "Mom,
138
339000
3000
ránézett az édesanyjára, és azt mondta: "Anya,
05:57
please pray for me. I'm in so much pain."
139
342000
3000
kérlek imádkozz értem. Annyira nagyon fáj."
06:00
His pediatrician happens to have a background in clinical genetics
140
345000
3000
A gyerekorvosa éppenséggel rendelkezik klinikai genetikai tapasztalattal,
06:03
and he has no idea what's going on,
141
348000
2000
és fogalma sincs, miért történik mindez,
06:05
but he says, "Let's get this kid's genome sequenced."
142
350000
2000
de azt mondja: "Szekvenáljuk meg ennek a gyereknek a genomját."
06:07
And what they find is a single-point mutation
143
352000
2000
Azt találták, hogy egy pontmutáció van
06:09
in a gene responsible for controlling programmed cell death.
144
354000
3000
a programozott sejthalálért felelős génben.
06:12
So the theory is that he's having some immunological reaction
145
357000
3000
Az történik, hogy a gyerek immunológiai reakcióba lép
06:15
to what's going on to the food essentially,
146
360000
3000
tulajdonképpen az emésztés folyamatával,
06:18
and that's a natural reaction, which causes some programmed cell death.
147
363000
3000
ami egy természetes folyamat, és némely sejtek programozott halálát okozzák.
06:21
But the gene that regulates that down is broken.
148
366000
2000
Viszont az ezt szabályozó gén nem működik.
06:23
And so this informs, among other things, of course,
149
368000
2000
Ez azt jelenti, többek között persze,
06:25
a treatment for bone marrow transplant, which he undertakes.
150
370000
3000
hogy csontvelő-átültetésre van szüksége, amit el is végeznek.
06:28
And after nine months of grueling recovery,
151
373000
2000
A kilenc hónapos fárasztó felépülési időszak után
06:30
he's now eating steak with A1 sauce.
152
375000
2000
most bifszteket tud enni csípős szósszal.
06:32
(Laughter)
153
377000
2000
(Nevetés)
06:34
The prospect of using the genome
154
379000
2000
Annak a lehetősége, hogy a genomot
06:36
as a universal diagnostic
155
381000
2000
általános diagnosztizáló eszközként
06:38
is upon us today.
156
383000
2000
használjuk, nagyon közel van.
06:40
Today, it's here.
157
385000
2000
Már ma elérhető.
06:42
And what it means for all of us
158
387000
2000
És azt jelenti, hogy mindannyiunk számára,
06:44
is that everybody in this room could live an extra five, 10, 20 years
159
389000
3000
hogy az itt ülők mind tovább élhetnek öt, 10, 20 évvel,
06:47
just because of this one thing.
160
392000
2000
csak emiatt az egy dolog miatt.
06:49
Which is a fantastic story,
161
394000
2000
Ami egy csodálatos dolog,
06:51
unless you think about humanity's footprint on the planet
162
396000
3000
hacsak nem gondolunk az emberiség ökológiai lábnyomára
06:54
and our ability to keep up food production.
163
399000
2000
és a képességünkre, hogy fenntartsuk az élelmiszerelőállítás szintjét.
06:56
So it turns out
164
401000
2000
Így hát
06:58
that the very same technology
165
403000
2000
ugyanez a technológia
07:00
is also being used to grow new lines
166
405000
2000
alkalmas az újfajta
07:02
of corn, wheat, soybean and other crops
167
407000
3000
kukorica, búza, szója és más termények előállítására,
07:05
that are highly tolerant of drought, of flood,
168
410000
2000
és ezek ellenállnak a szárazságnak, árvíznek,
07:07
of pests and pesticides.
169
412000
2000
kártevőknek és irtószereiknek.
07:09
Now look, as long as we continue to increase the population,
170
414000
3000
Nézzék, ha növelni akarjuk a népességet,
07:12
we're going to have to continue to grow and eat genetically modified foods,
171
417000
3000
akkor muszáj lesz genetikailag módosított terményeket előállítanunk,
07:15
and that's the only position that I'll take today.
172
420000
3000
és ebből a véleményemből nem engedek.
07:18
Unless there's anybody in the audience
173
423000
2000
Hacsak a hallgatóságból valaki
07:20
that would like to volunteer to stop eating?
174
425000
2000
nem jelenkezik önként, hogy abbahagyja az evést!
07:22
None, not one.
175
427000
2000
Nem, senki sem.
07:24
This is a typewriter,
176
429000
2000
Ez egy írógép,
07:26
a staple of every desktop for decades.
177
431000
3000
ami évtizedeken keresztül az íróasztalok része volt.
07:29
And in fact, the typewriter was essentially deleted by this thing.
178
434000
4000
És tulajdonképpen az írógépet lesöpörte ez a dolog.
07:33
And then more general versions of word processors came about.
179
438000
3000
Azután a szövegszerkesztők általános formái jelentek meg.
07:36
But ultimately, it was a disruption on top of a disruption.
180
441000
3000
De végső soron áttörés áttörést követett.
07:39
It was Bob Metcalfe inventing the Ethernet
181
444000
2000
Bob Metcalfe felfedezése, az Ethernet, volt az,
07:41
and the connection of all these computers
182
446000
2000
és az összes ilyen számítógép összekapcsolása,
07:43
that fundamentally changed everything.
183
448000
2000
amely alapvetően változtatott meg mindent.
07:45
And suddenly we had Netscape, and we had Yahoo
184
450000
3000
És hirtelen volt Netscape-ünk és Yahoo-nk
07:48
and we had, indeed, the entire dotcom bubble.
185
453000
3000
és ott volt nekünk a dotcom lufi.
07:51
(Laughter)
186
456000
3000
(Nevetés)
07:54
Not to worry though,
187
459000
2000
Aggodalomra semmi ok,
07:56
that was quickly rescued by the iPod, Facebook
188
461000
2000
hamar megmenekultünk, mert jött az iPod, a Facebook,
07:58
and, indeed, angry birds.
189
463000
2000
és hát az Angry Birds játék.
08:00
(Laughter)
190
465000
2000
(Nevetés)
08:02
Look, this is where we are today.
191
467000
3000
Nézzék, itt vagyunk most.
08:05
This is the genomic revolution today. This is where we are.
192
470000
2000
Ez ma a genomika forradalma. Itt tartunk most.
08:07
So what I'd like you to consider is:
193
472000
2000
Nos azt szeretném, ha mérlegelnék:
08:09
What does it mean
194
474000
2000
Mit jelentene az,
08:11
when these dots don't represent the individual bases of your genome,
195
476000
3000
ha ezek a pontok itt nem az önök genomjának egyes bázisait jelentenék,
08:14
but they connect to genomes all across the planet?
196
479000
3000
hanem a bolygó minden tájáról származó genomot kötnének össze?
08:17
So I just recently had to buy life insurance.
197
482000
2000
Nemrég életbiztosítást kellett kötnöm.
08:19
And I was required to answer:
198
484000
2000
Meg kellett válaszolnom:
08:21
A. I have never had a genetic test, B. I've had one, here you go,
199
486000
3000
A. Soha nem csináltattam genetikai tesztet, B. csináltattam már, íme,
08:24
and C. I've had one and I'm not telling.
200
489000
2000
és C. csináltattam már, de nem mondom el az eredményt.
08:26
Thankfully, I was able to answer A,
201
491000
2000
Szerencsére A-t tudtam válaszolni,
08:28
and I say that honestly in case my life insurance agent is listening.
202
493000
3000
és ezt őszintén mondom arra az esetre, ha az életbiztosítási ügynököm is hallana.
08:31
But what would have happened if I had said C?
203
496000
3000
De mi történt volna, ha C-t válaszoltam volna?
08:34
Consumer applications for genomics, they will flourish.
204
499000
2000
A genomika felhasználói alkalmazásai szárnyalni fognak.
08:36
Do you want to see whether you're genetically compatible
205
501000
2000
Szeretné látni, hogy genetikailag összeillik-e
08:38
with your girlfriend? Sure.
206
503000
2000
a barátnőjével? Bizonyára.
08:40
DNA sequencing on your iPhone? There's an app for that.
207
505000
3000
DNS szekvenálás az iPhone-ján? Van rá alkalmazás.
08:43
(Laughter)
208
508000
2000
(Nevetés)
08:45
Personalized genomic massage anyone?
209
510000
3000
Személyre szabott genomikai masszázst valakinek?
08:48
There's already a lab today
210
513000
2000
Már van olyan labor,
08:50
that tests for allele 334 of the AVPR1 gene,
211
515000
2000
amely az AVPR1 gén 334-es alléljére tesztel,
08:52
the so-called cheating gene.
212
517000
2000
ami az úgynevezett megcsalás gén.
08:54
So anybody who's here today with your significant other,
213
519000
4000
Szóval bárki, aki ma számára sokat jelentő párjával jött,
08:58
just turn over to them and swab their mouth,
214
523000
2000
csak forduljon felé, vegyen egy kis nyálat,
09:00
send it to the lab and you'll know for sure.
215
525000
2000
küldje el a labornak, és biztosra mehet.
09:02
(Laughter)
216
527000
2000
(Nevetés)
09:04
Do you really want to elect a president
217
529000
2000
Meg akarnak választani egy elnököt,
09:06
whose genome suggests cardiomyopathy?
218
531000
2000
aki hajlamos a szívizomelhalás betegségre?
09:08
Now think of it, it's 2016
219
533000
2000
Vegyük azt, hogy 2016 van,
09:10
and the leading candidate releases
220
535000
1000
és a vezető jelölt közzé teszi
09:11
not only her four years of back tax returns,
221
536000
2000
nem csak az adóbevallását négy évre visszamenőleg,
09:13
but also her personal genome.
222
538000
2000
hanem a teljes genomját.
09:15
And it looks really good.
223
540000
2000
És nagyon jónak tűnik.
09:17
And then she challenges all of her competitors to do the same.
224
542000
2000
Azután felszólítja az összes versenytársát, hogy tegyenek ők is így.
09:19
Do you think that's not going to happen?
225
544000
2000
Azt gondolják, hogy nem fog megtörténni?
09:21
Do you think it would have helped John McCain?
226
546000
2000
Gondolják, hogy ez segített volna John McCainnek?
09:23
(Laughter)
227
548000
2000
(Nevetés)
09:25
How many people in the audience
228
550000
2000
Önök közül kinek
09:27
have the last name Resnick like me? Raise your hand.
229
552000
2000
a vezetékneve Resnick mint nekem? Tegyék fel a kezüket.
09:29
Anybody? Nobody.
230
554000
2000
Valaki? Senki.
09:31
Typically, there's one or two.
231
556000
2000
Általában szokott lenni egy vagy kettő.
09:33
So my father's father was one of 10 Resnick brothers.
232
558000
2000
Az apám apja a 10 Resnick testvér egyike volt.
09:35
They all hated each other.
233
560000
2000
Mind utálták egymást.
09:37
And they all moved to different parts of the planet.
234
562000
2000
És mind a bolygó különböző tájaira költöztek.
09:39
So it's likely
235
564000
2000
Így valószínű,
09:41
that I'm related to every Resnick that I ever meet, but I don't know.
236
566000
3000
hogy rokona vagyok minden Resnicknek, akivel találkozom, és nem ismerem.
09:44
But imagine if my genome were deidentified, sitting in software,
237
569000
3000
De képzeljék el, ha a genomom ismert lenne, valahol egy programban,
09:47
and a third cousin's genome was also sitting there,
238
572000
2000
és egy harmad-unokatestvérem genomja is ott lenne,
09:49
and there was software that could compare these two
239
574000
2000
és lenne egy szoftver, ami ezeket össze tudná hasonlítani,
09:51
and make these associations.
240
576000
2000
majd összekötné a kettőt.
09:53
Not hard to imagine. My company has software that does this right now.
241
578000
3000
Nem nehéz elképzelni. A cégemnek van ilyen szoftvere már most.
09:56
And so imagine one more thing:
242
581000
2000
Képzeljenek el még egy dolgot:
09:58
that that software is able to ask both parties for mutual consents,
243
583000
3000
hogy az a szoftver képes megkérni mindkét fél beleegyezését,
10:01
"Would you be willing to meet your third cousin?"
244
586000
2000
"Szeretne találkozni a harmad-unokatestvérével?"
10:03
And if we both say yes,
245
588000
2000
És ha mindketten igent mondunk,
10:05
voila! Welcome to chromosomally LinkedIn.
246
590000
2000
íme! Üdvözlet a kromoszóma LinkedInen.
10:07
(Laughter)
247
592000
4000
(Nevetés)
10:11
Now this is probably a good thing, right?
248
596000
2000
Nos ez bizonyára egy jó dolog, nem?
10:13
You have bigger clan gatherings and so on.
249
598000
2000
Lesznek nagyobb családi találkozók, és így tovább.
10:15
But maybe it's a bad thing as well.
250
600000
2000
De lehet, hogy ez egy rossz dolog is egyben.
10:17
How many fathers in the room? Raise your hands.
251
602000
2000
Hány apa van a teremben? Kezeket fel.
10:19
Okay, so experts think that one to three percent of you
252
604000
3000
OK, nos szakértők szerint 1 és 3 százalék önök közül
10:22
are not actually the father of your child.
253
607000
2000
nem a tényleges apja gyermekének.
10:24
(Laughter)
254
609000
2000
(Nevetés)
10:26
Look --
255
611000
2000
Nézzék --
10:28
(Laughter)
256
613000
4000
(Nevetés)
10:32
These genomes, these 23 chromosomes,
257
617000
3000
Ezek a genomok, ez a 23 kromoszóma,
10:35
they don't in any way represent the quality of our relationships
258
620000
3000
ők egyáltalán nem jellemzik kapcsolataink minőségét,
10:38
or the nature of our society -- at least not yet.
259
623000
2000
vagy társadalmunk milyenségét -- legalábbis egyelőre.
10:40
And like any new technology,
260
625000
2000
És mint minden más technológia,
10:42
it's really in humanity's hands
261
627000
2000
igazán az emberiségtől függ,
10:44
to wield it for the betterment of mankind, or not.
262
629000
3000
hogy a társadalom javára fordítja-e vagy nem.
10:47
And so I urge you all to wake up and to tune in
263
632000
3000
Arra hívom fel önöket, hogy ébredjenek, és kapcsolódjanak be,
10:50
and to influence the genomic revolution that's happening all around you.
264
635000
3000
hassanak a genom forradalmára, amely mindannyiunk körül történik.
10:53
Thank you.
265
638000
2000
Köszönöm.
10:55
(Applause)
266
640000
2000
(Taps)
ABOUT THE SPEAKER
Richard Resnick - EntrepreneurRichard Resnick is on the front lines of the business of genomes, as CEO of GenomeQuest, a maker of genomic software.
Why you should listen
Richard Resnick is CEO of GenomeQuest , a company that builds software to support genomic medicine -- research and individualized treatments that take advantage of cheap and accessible genome processing. He was previously CEO of Mosaic Bioinformatics; before becoming a bio-entrepreneur, he was a member of the Human Genome Project under Eric Lander at MIT.
Richard Resnick | Speaker | TED.com