TED2008
Craig Venter: On the verge of creating synthetic life
Craig Venter a szintetikus élet létrehozásának határán
Filmed:
Readability: 4.7
1,196,566 views
"Létrehozhatunk-e új életet a digitális univerzumunkból?" - kérdezi Craig Venter. A válasza: igen -- és meglehetősen hamar. Végigmegy a legújabb kutatásain és megígéri, hogy nemsokára képesek leszünk megépíteni és beindítani egy szintetikus kromoszómát.
Craig Venter - Biologist, genetics pioneer
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels. Full bio
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels. Full bio
Double-click the English transcript below to play the video.
00:19
You know, I've talked about some of these projects before --
0
1000
2000
Tudják, már beszéltem néhány ilyen projektről ezelőtt,
00:21
about the human genome and what that might mean,
1
3000
4000
a humán genomról, és hogy ez mit is jelenthet,
00:25
and discovering new sets of genes.
2
7000
3000
illetve új génkészletek felfedezéséről.
00:28
We're actually starting at a new point:
3
10000
3000
Tulajdonképpen egy új problémához kezdünk hozzá:
00:31
we've been digitizing biology,
4
13000
4000
digitalizáljuk a biológiát,
00:35
and now we're trying to go from that digital code
5
17000
3000
és most próbálunk áttérni erről a digitális kódról
00:38
into a new phase of biology
6
20000
2000
a biológia egy új szakaszára,
00:40
with designing and synthesizing life.
7
22000
3000
az élet megtervezésével és szintetizálásával.
00:43
So, we've always been trying to ask big questions.
8
25000
3000
Szóval mi mindig is nagy kérdéseket próbáltunk feltenni.
00:48
"What is life?" is something that I think many biologists
9
30000
2000
"Mi az élet?" Ez olyasvalami, amit azt hiszem, sok biológus
00:50
have been trying to understand
10
32000
2000
próbál megérteni
00:52
at various levels.
11
34000
2000
különböző szinteken.
00:54
We've tried various approaches,
12
36000
3000
Különböző megközelítésekkel próbálkoztunk,
00:57
paring it down to minimal components.
13
39000
3000
leszűkítve ezt minimális komponensekre.
01:01
We've been digitizing it now for almost 20 years;
14
43000
2000
Már majdnem 20 éve digitalizáljuk.
01:03
when we sequenced the human genome,
15
45000
2000
Amikor megszekvenáltuk az emberi genomot,
01:05
it was going from the analog world of biology
16
47000
3000
ez átkerült a biológia analóg világából
01:08
into the digital world of the computer.
17
50000
4000
a számítógép digitális világába.
01:12
Now we're trying to ask, "Can we regenerate life
18
54000
4000
Most azzal a kérdéssel foglalkozunk, regenerálhatjuk-e az életet,
01:16
or can we create new life
19
58000
2000
vagy létrehozhatunk-e új életet
01:18
out of this digital universe?"
20
60000
3000
ebből a digitális univerzumból?
01:21
This is the map of a small organism,
21
63000
3000
Ez egy kis organizmus térképe,
01:24
Mycoplasma genitalium,
22
66000
2000
a Mycoplasma genitaliumé.
01:26
that has the smallest genome for a species
23
68000
3000
Ennek a fajnak van a legkisebb olyan genomja,
01:29
that can self-replicate in the laboratory,
24
71000
3000
amely képes az önreplikációra laboratóriumban.
01:32
and we've been trying to just see if
25
74000
2000
És arra próbáltunk meg rájönni, hogy
01:34
we can come up with an even smaller genome.
26
76000
3000
előállhatunk-e egy még kisebb genommal.
01:38
We're able to knock out on the order of 100 genes
27
80000
2000
Képesek vagyunk sorrendben kiütni száz gént
01:40
out of the 500 or so that are here.
28
82000
3000
abból a nagyjából ötszázból, ami itt van.
01:43
When we look at its metabolic map,
29
85000
2000
De amikor megnézzük a metabolikus térképét,
01:45
it's relatively simple
30
87000
2000
ez viszonylag egyszerű
01:47
compared to ours --
31
89000
2000
a mienkhez képest.
01:49
trust me, this is simple --
32
91000
2000
Higgyék el nekem, ez egyszerű.
01:51
but when we look at all the genes
33
93000
2000
Amikor azonban az összes gént nézzük,
01:53
that we can knock out one at a time,
34
95000
3000
amiket egyesével ki tudunk ütni,
01:56
it's very unlikely that this would yield
35
98000
2000
nagyon valószínűtlen, hogy ez
01:58
a living cell.
36
100000
2000
egy élő sejtet fog adni.
02:01
So we decided the only way forward
37
103000
2000
Ezért úgy döntöttünk, az egyetlen út előttünk az,
02:03
was to actually synthesize this chromosome
38
105000
3000
hogy ténylegesen szintetizáljuk ezt a kromoszómát,
02:06
so we could vary the components
39
108000
3000
azért, hogy változtatni tudjuk a komponenseket,
02:09
to ask some of these most fundamental questions.
40
111000
4000
hogy feltegyünk néhányat az alapvető kérdések közül.
02:13
And so we started down the road of:
41
115000
2000
Elindultunk azon az úton, hogy
02:15
can we synthesize a chromosome?
42
117000
3000
"Tudunk-e szintetizálni egy kromoszómát?"
02:19
Can chemistry permit making
43
121000
2000
Megengedi-e a kémia, hogy
02:21
these really large molecules
44
123000
2000
elkészítsük ezeket az igazán nagy molekulákat,
02:23
where we've never been before?
45
125000
2000
ahol még sosem jártunk azelőtt?
02:25
And if we do, can we boot up a chromosome?
46
127000
3000
És ha megcsináljuk, be tudunk-e indítani egy kromoszómát?
02:28
A chromosome, by the way, is just a piece of inert chemical material.
47
130000
3000
A kromoszóma egyébként csak egy darab semleges kémiai anyag.
02:32
So, our pace of digitizing life has been increasing
48
134000
3000
Szóval az élet digitalizálásának sebessége
02:35
at an exponential pace.
49
137000
3000
exponenciálisan növekszik.
02:38
Our ability to write the genetic code
50
140000
3000
A genetikai kód írására való képességünk
02:41
has been moving pretty slowly
51
143000
2000
kicsit lassan halad,
02:43
but has been increasing,
52
145000
3000
de növekszik.
02:46
and our latest point would put it on, now, an exponential curve.
53
148000
4000
És a legutóbbi eredményünk már exponenciális görbét ad.
02:51
We started this over 15 years ago.
54
153000
2000
Több mint 15 évvel ezelőtt kezdtük mindezt.
02:53
It took several stages, in fact,
55
155000
3000
Valójában számos szakaszból állt,
02:56
starting with a bioethical review before we did the first experiments.
56
158000
3000
egy bioetikai felülvizsgálattal kezdve, mielőtt még az első kísérleteket elvégeztük.
03:00
But it turns out synthesizing DNA
57
162000
2000
Azonban kiderült, hogy DNS-t szintetizálni
03:02
is very difficult.
58
164000
2000
nagyon nehéz.
03:04
There are tens of thousands of machines around the world
59
166000
3000
A világon több tízezer olyan gép van,
03:07
that make small pieces of DNA --
60
169000
2000
amely kis darab DNS-eket készít,
03:09
30 to 50 letters in length --
61
171000
3000
30-50 betű hosszúakat,
03:12
and it's a degenerate process, so the longer you make the piece,
62
174000
3000
és ez egy degeneráló folyamat, úgyhogy minél hosszabb a darab, amit csinálsz,
03:15
the more errors there are.
63
177000
2000
annál több hiba van benne.
03:17
So we had to create a new method
64
179000
2000
Ezért új módszert kellett létrehoznunk arra,
03:19
for putting these little pieces together and correct all the errors.
65
181000
3000
hogy ezeket a kicsi darabokat összerakjuk, és kijavítsuk az összes hibát.
03:23
And this was our first attempt, starting with the digital information
66
185000
3000
Ez volt az első kísérletünk, amit a Phi X 174
03:26
of the genome of phi X174.
67
188000
2000
genomjának digitális információjával kezdtünk.
03:28
It's a small virus that kills bacteria.
68
190000
3000
Ez egy kicsi vírus, amely baktériumokat pusztít el.
03:32
We designed the pieces, went through our error correction
69
194000
3000
Megterveztük a darabokat, végigmentünk a hibajavításon,
03:35
and had a DNA molecule
70
197000
2000
és lett egy körülbelül
03:37
of about 5,000 letters.
71
199000
3000
ötezer betű hosszú DNS-molekulánk.
03:40
The exciting phase came when we took this piece of inert chemical
72
202000
4000
Akkor jött el az izgalmas szakasz, amikor fogtuk ezt a darab
03:44
and put it in the bacteria,
73
206000
2000
semleges kémiai anyagot, és betettük a baktériumba,
03:46
and the bacteria started to read this genetic code,
74
208000
4000
és a baktérium elkezdte leolvasni ezt a genetikai kódot,
03:50
made the viral particles.
75
212000
2000
és elkészítette a vírusrészecskéket.
03:52
The viral particles then were released from the cells
76
214000
2000
A vírusrészecskék aztán kiszabadultak a sejtekből,
03:54
and came back and killed the E. coli.
77
216000
3000
majd visszajöttek és megölték az E. colit.
03:57
I was talking to the oil industry recently
78
219000
3000
Nemrégiben beszélgettem az olajiparral,
04:00
and I said they clearly understood that model.
79
222000
3000
és mondhatom, teljesen megértették ezt a modellt.
04:03
(Laughter)
80
225000
3000
(Nevetés)
04:06
They laughed more than you guys are. (Laughter)
81
228000
3000
Jobban nevettek, mint maguk, fiúk.
04:10
And so, we think this is a situation
82
232000
2000
Azt gondoljuk, ez egy olyan helyzet,
04:12
where the software can actually build its own hardware
83
234000
3000
ahol a szoftver valóban meg tudja építeni a saját hardverét
04:15
in a biological system.
84
237000
2000
egy biológiai rendszerben.
04:17
But we wanted to go much larger:
85
239000
2000
De sokkal tovább akartunk menni.
04:19
we wanted to build the entire bacterial chromosome --
86
241000
3000
Meg akartuk építeni a teljes baktériumkromoszómát.
04:22
it's over 580,000 letters of genetic code --
87
244000
4000
Ez több mint 580 ezer betűs genetikai kód.
04:26
so we thought we'd build them in cassettes the size of the viruses
88
248000
3000
Úgy gondoltuk, vírusméretű kazettákban építjük meg őket,
04:29
so we could actually vary the cassettes
89
251000
2000
hogy így majd variálni tudjuk a kazettákat,
04:31
to understand
90
253000
2000
hogy megértsük,
04:33
what the actual components of a living cell are.
91
255000
3000
mik az élő sejt tényleges komponensei.
04:36
Design is critical,
92
258000
2000
A tervezés kritikus,
04:38
and if you're starting with digital information in the computer,
93
260000
3000
és ha az ember a számítógépben lévő digitális információval kezd,
04:41
that digital information has to be really accurate.
94
263000
4000
annak a digitális információnak tényleg pontosnak kell lennie.
04:45
When we first sequenced this genome in 1995,
95
267000
3000
Amikor először szekvenáltuk meg ezt a genomot 1995-ben,
04:48
the standard of accuracy was one error per 10,000 base pairs.
96
270000
4000
a pontossági elvárás tízezer bázispárra egy hiba volt.
04:52
We actually found, on resequencing it,
97
274000
2000
Valójában, amikor újraszekvenáltuk,
04:54
30 errors; had we used that original sequence,
98
276000
3000
harminc hibát találtunk. Ha azt az eredeti szekvenciát használtuk volna,
04:57
it never would have been able to be booted up.
99
279000
3000
sose lett volna képes beindulni.
05:00
Part of the design is designing pieces
100
282000
2000
A tervezés egyik része azon darabok megtervezése,
05:02
that are 50 letters long
101
284000
3000
amelyek ötven betű hosszúak,
05:05
that have to overlap with all the other 50-letter pieces
102
287000
3000
amelyeknek átfedésben kell lenniük az összes többi ötvenbetűs darabbal,
05:08
to build smaller subunits
103
290000
2000
hogy kisebb alegységeket építsenek fel,
05:10
we have to design so they can go together.
104
292000
3000
és úgy kellett terveznünk, hogy össze tudjanak illeszkedni.
05:13
We design unique elements into this.
105
295000
3000
Egyedi elemeket tervezünk bele.
05:16
You may have read that we put watermarks in.
106
298000
2000
Talán olvasták, hogy vízjeleket tettünk bele.
05:18
Think of this:
107
300000
2000
Gondolják meg:
05:20
we have a four-letter genetic code -- A, C, G and T.
108
302000
3000
van egy négybetűs genetikai kódunk: A, C, G és T.
05:23
Triplets of those letters
109
305000
3000
Ezeknek a betűknek a tripletjei --
05:26
code for roughly 20 amino acids,
110
308000
2000
durván húsz aminosavat kódolnak --
05:28
such that there's a single letter designation
111
310000
3000
úgy, hogy van egy egybetűs jelölés
05:31
for each of the amino acids.
112
313000
2000
mindegyik aminosavra.
05:33
So we can use the genetic code to write out words,
113
315000
3000
Így használhatjuk a genetikai kódot szavak,
05:36
sentences, thoughts.
114
318000
2000
mondatok, gondolatok leírására.
05:39
Initially, all we did was autograph it.
115
321000
2000
Eredetileg csak aláírtuk.
05:41
Some people were disappointed there was not poetry.
116
323000
3000
Néhány ember csalódott volt, hogy nem volt benne költészet.
05:44
We designed these pieces so
117
326000
2000
Úgy terveztük ezeket a darabokat,
05:46
we can just chew back with enzymes;
118
328000
3000
hogy vissza tudjuk emészteni enzimekkel.
05:50
there are enzymes that repair them and put them together.
119
332000
3000
Vannak olyan enzimek, amelyek megjavítják és összerakják őket.
05:53
And we started making pieces,
120
335000
2000
Elkezdtünk darabokat készíteni,
05:55
starting with pieces that were 5,000 to 7,000 letters,
121
337000
4000
olyan darabokkal kezdve, amelyek öt-hétezer betűsek,
05:59
put those together to make 24,000-letter pieces,
122
341000
4000
egymáshoz illeszkednek, 24.000-betűs darabokat hozva létre,
06:03
then put sets of those going up to 72,000.
123
345000
4000
majd ezeknek a készleteit összeraktuk egészen 72.000-ig.
06:07
At each stage, we grew up these pieces in abundance
124
349000
2000
Minden szakaszban bőven növesztettük ezeket a darabokat,
06:09
so we could sequence them
125
351000
2000
hogy meg tudjuk szekvenálni őket,
06:11
because we're trying to create a process that's extremely robust
126
353000
3000
mivel megpróbálunk egy különösen erőteljes eljárást létrehozni --
06:14
that you can see in a minute.
127
356000
3000
amit mindjárt láthatnak is.
06:17
We're trying to get to the point of automation.
128
359000
3000
Megpróbálunk automatizálni a folyamatot.
06:20
So, this looks like a basketball playoff.
129
362000
2000
Ez úgy néz ki, mint egy kosárlabda rájátszás.
06:22
When we get into these really large pieces
130
364000
2000
Amikor eljutunk ezekhez az igazán nagy darabokhoz --
06:24
over 100,000 base pairs,
131
366000
4000
több mint százezer bázispárosak --
06:28
they won't any longer grow readily in E. coli --
132
370000
2000
többé már nem nőnek könnyen E. coli-ban.
06:30
it exhausts all the modern tools of molecular biology --
133
372000
4000
Ez kimeríti a molekuláris biológia összes modern eszközét.
06:34
and so we turned to other mechanisms.
134
376000
4000
Ezért más mechanizmusokhoz fordultunk.
06:38
We knew there's a mechanism called homologous recombination
135
380000
3000
Tudtuk, hogy létezik egy homológ rekombinációnak nevezett mechanizmus,
06:41
that biology uses to repair DNA
136
383000
3000
melyet a biológia a DNS megjavítására használ,
06:44
that can put pieces together.
137
386000
3000
amely össze tudja rakni a darabokat.
06:47
Here's an example of it:
138
389000
1000
Íme egy példa.
06:48
there's an organism called
139
390000
1000
Van egy organizmus, amit
06:49
Deinococcus radiodurans
140
391000
2000
Deinococcus radiodurans-nak hívnak,
06:51
that can take three millions rads of radiation.
141
393000
3000
és ez hárommillió rad sugárzást is kibír.
06:54
You can see in the top panel, its chromosome just gets blown apart.
142
396000
4000
Láthatják a felső panelben, hogy a kromoszómája szétrobbant.
06:58
Twelve to 24 hours later, it put it
143
400000
3000
12-24 órával később pontosan
07:01
back together exactly as it was before.
144
403000
2000
ugyanolyanná állt össze, mint amilyen volt.
07:03
We have thousands of organisms that can do this.
145
405000
3000
Több ezer olyan szervezet létezik, amely képes erre.
07:06
These organisms can be totally desiccated;
146
408000
2000
Ezeket a szervezeteket teljesen ki lehet szárítani.
07:08
they can live in a vacuum.
147
410000
2000
Képesek vákuumban élni.
07:11
I am absolutely certain that life can exist in outer space,
148
413000
3000
Teljesen biztos vagyok benne, hogy az élet létezhet az űrben,
07:14
move around, find a new aqueous environment.
149
416000
3000
vándorolhat, új vizes környezetet kereshet.
07:17
In fact, NASA has shown a lot of this is out there.
150
419000
4000
Valójában a NASA kimutatta, hogy sok ilyen van odakint.
07:21
Here's an actual micrograph of the molecule we built
151
423000
4000
Itt van egy valódi mikrofelvétel arról a molekuláról, amit építettünk
07:25
using these processes, actually just using yeast mechanisms
152
427000
4000
ezeknek a folyamatoknak a felhasználásával -- csupán élesztőmechanizmusokat használunk
07:29
with the right design of the pieces we put them in;
153
431000
3000
a darabok helyes megtervezésével, amiket beléjük raktunk.
07:32
yeast puts them together automatically.
154
434000
3000
Az élesztő önműködően összeilleszti őket.
07:35
This is not an electron micrograph;
155
437000
2000
Ez nem elektronmikroszkópos felvétel;
07:37
this is just a regular photomicrograph.
156
439000
2000
ez csak egy szokásos mikrofotográf.
07:39
It's such a large molecule
157
441000
2000
Ez egy olyan nagy molekula,
07:41
we can see it with a light microscope.
158
443000
3000
hogy fénymikroszkóppal látható.
07:44
These are pictures over about a six-second period.
159
446000
3000
Ezek egy körülbelül hat másodperces időszakról készült képek.
07:47
So, this is the publication we had just a short while ago.
160
449000
4000
Tehát ez az a publikáció, amit nemrégiben adtunk ki.
07:51
This is over 580,000 letters of genetic code;
161
453000
3000
Ez több mint ötszáznyolvanezer betűből álló genetikai kód.
07:54
it's the largest molecule ever made by humans of a defined structure.
162
456000
5000
Ez a legnagyobb olyan meghatározott szerkezettel rendelkező molekula,amelyet ember valaha is készített.
07:59
It's over 300 million molecular weight.
163
461000
3000
Több mint háromszázmillió molekulasúlyú.
08:02
If we printed it out at a 10 font with no spacing,
164
464000
3000
Ha kinyomtatnánk tízes betűmérettel szóközök nélkül,
08:05
it takes 142 pages
165
467000
2000
142 oldal lenne,
08:07
just to print this genetic code.
166
469000
4000
csak ennek a genetikai kódnak a nyomtatása.
08:11
Well, how do we boot up a chromosome? How do we activate this?
167
473000
3000
Nos, hogyan indítunk be egy kromoszómát? Hogyan aktiváljuk?
08:14
Obviously, with a virus it's pretty simple;
168
476000
3000
Nyilvánvalóan egy vírussal ez nagyon egyszerű.
08:17
it's much more complicated dealing with bacteria.
169
479000
3000
Sokkal bonyolultabb, ha baktériumokkal foglalkozunk.
08:20
It's also simpler when you go
170
482000
2000
Akkor is egyszerűbb, amikor
08:22
into eukaryotes like ourselves:
171
484000
2000
az ember eukariótákkal kezd, mint amilyenek mi is vagyunk:
08:24
you can just pop out the nucleus
172
486000
2000
az ember csak kikapja a sejtmagot,
08:26
and pop in another one,
173
488000
2000
és betesz egy másikat,
08:28
and that's what you've all heard about with cloning.
174
490000
3000
és ez az, amit mindannyian hallottak a klónozásról.
08:31
With bacteria and Archaea, the chromosome is integrated into the cell,
175
493000
4000
Az ősbaktériumok esetében a kromoszóma a sejtbe van integrálva,
08:35
but we recently showed that we can do a complete transplant
176
497000
4000
de nemrégiben bemutattuk, hogy teljes
08:39
of a chromosome from one cell to another
177
501000
2000
kromoszóma-átültetést tudunk csinálni egyik sejtből egy másikba,
08:41
and activate it.
178
503000
3000
és képesek vagyunk aktiválni is.
08:44
We purified a chromosome from one microbial species --
179
506000
4000
Megtisztítottuk egy mikrobatörzs kromoszómáját.
08:48
roughly, these two are as distant as human and mice --
180
510000
3000
Ez a kettő durván olyan távolságban van egymástól, mint az emberek és az egerek.
08:51
we added a few extra genes
181
513000
2000
Hozzáadtunk néhány plusz gént
08:53
so we could select for this chromosome,
182
515000
2000
azért, hogy szelektálni tudjunk ezekre a kromoszómákra.
08:55
we digested it with enzymes
183
517000
2000
Megemésztettük enzimekkel,
08:57
to kill all the proteins,
184
519000
2000
hogy elpusztítsunk minden fehérjét.
08:59
and it was pretty stunning when we put this in the cell --
185
521000
3000
Elég meglepő volt, amikor beleraktuk a sejtbe --
09:02
and you'll appreciate
186
524000
2000
és Önök értékelni fogják
09:04
our very sophisticated graphics here.
187
526000
3000
a nagyon kifinomult rajzainkat--
09:07
The new chromosome went into the cell.
188
529000
3000
az új kromoszóma bekerült a sejtbe.
09:10
In fact, we thought this might be as far as it went,
189
532000
2000
Valójában azt gondoltuk, hogy eljutottunk, ameddig lehet,
09:12
but we tried to design the process a little bit further.
190
534000
3000
de megpróbáltuk kicsit tovább tervezni az eljárást.
09:15
This is a major mechanism of evolution right here.
191
537000
3000
Ez itt az evolúció egyik fő mechanizmusa.
09:18
We find all kinds of species
192
540000
2000
Mindenféle fajt találunk,
09:20
that have taken up a second chromosome
193
542000
2000
amely valahonnan felvett egy második kromoszómát,
09:22
or a third one from somewhere,
194
544000
2000
vagy egy harmadikat,
09:24
adding thousands of new traits
195
546000
2000
amely több ezer új jellegzetességet ad hozzá
09:26
in a second to that species.
196
548000
2000
egy másodperc alatt ahhoz a fajhoz.
09:28
So, people who think of evolution
197
550000
2000
Szóval azok az emberek, akik úgy gondolnak az evolúcióra,
09:30
as just one gene changing at a time
198
552000
2000
hogy egyszerre csak egy gén változik meg,
09:32
have missed much of biology.
199
554000
3000
sok biológiát mulasztottak.
09:35
There are enzymes called restriction enzymes
200
557000
2000
Vannak restrikciós enzimeknek nevezett enzimek,
09:37
that actually digest DNA.
201
559000
2000
amelyek tulajdonképpen megemésztik a DNS-t.
09:39
The chromosome that was in the cell
202
561000
2000
Annak a kromoszómának, amely a sejtben volt,
09:41
doesn't have one;
203
563000
2000
nincs ilyen enzimje.
09:43
the chromosome we put in does.
204
565000
2000
A sejtnek -- a kromoszómának, amit betettünk -- van.
09:45
It got expressed and it recognized
205
567000
2000
Ez kifejeződött, és idegen anyagként
09:47
the other chromosome as foreign material,
206
569000
3000
ismerte fel a másik kromoszómát,
09:50
chewed it up, and so we ended up
207
572000
2000
tönkretette, és végül csak a sejt maradt
09:52
just with a cell with the new chromosome.
208
574000
4000
az új kromoszómával.
09:56
It turned blue because of the genes we put in it.
209
578000
3000
Ez kék lett azok miatt a gének miatt, amiket beletettünk.
09:59
And with a very short period of time,
210
581000
2000
És nagyon rövid idő alatt
10:01
all the characteristics of one species were lost
211
583000
3000
elveszett az egyik faj összes jellemzője,
10:04
and it converted totally into the new species
212
586000
3000
és teljesen átalakult az új fajjá,
10:07
based on the new software that we put in the cell.
213
589000
3000
ami azon az új szoftveren alapult, amit a sejtbe raktunk.
10:10
All the proteins changed,
214
592000
2000
Az összes fehérje megváltozott,
10:12
the membranes changed;
215
594000
2000
a membránok megváltoztak --
10:14
when we read the genetic code, it's exactly what we had transferred in.
216
596000
4000
amikor leolvastuk a genetikai kódot, pontosan olyan volt, mint az, amit átültettünk.
10:18
So, this may sound like genomic alchemy,
217
600000
3000
Ez lehet, hogy úgy hangzik, mint a genetikai alkímia,
10:21
but we can, by moving the software of DNA around,
218
603000
4000
de mi képesek vagyunk a DNS szoftver mozgatásával
10:25
change things quite dramatically.
219
607000
4000
elég drámaian megváltoztatni a dolgokat.
10:29
Now I've argued, this is not genesis;
220
611000
2000
Nos, okoskodtam, ez nem teremtés --
10:31
this is building on three and a half billion years of evolution.
221
613000
4000
ez egy három és fél milliárd éves evolúció továbbépítése,
10:36
And I've argued that we're about to perhaps
222
618000
2000
és azzal érveltem, hogy talán éppen a
10:38
create a new version of the Cambrian explosion,
223
620000
3000
kambriumi robbanás új verzióját hozzuk létre,
10:41
where there's massive new speciation
224
623000
3000
ahol masszív új fajkeletkezés van,
10:45
based on this digital design.
225
627000
2000
amely ezen a digitális tervezésen alapul.
10:47
Why do this?
226
629000
2000
Miért tennénk ezt?
10:49
I think this is pretty obvious in terms of some of the needs.
227
631000
2000
Azt hiszem, elég nyilvánvaló a szükségleteket tekintve.
10:51
We're about to go from six and a half
228
633000
2000
A következő 40 évben az emberek száma
10:53
to nine billion people over the next 40 years.
229
635000
3000
hat és fél milliárdról kilencmilliárdra nő.
10:56
To put it in context for myself:
230
638000
2000
Hogy kapcsolatba hozzam magammal:
10:58
I was born in 1946.
231
640000
2000
én 1946-ban születtem.
11:00
There are now three people on the planet
232
642000
2000
Most mindegyikünkre, akik 1946-ben léteztünk,
11:02
for every one of us that existed in 1946;
233
644000
4000
három ember jut a bolygón;
11:06
within 40 years, there'll be four.
234
648000
3000
40 éven belül ez a szám négy lesz.
11:09
We have trouble feeding, providing fresh, clean water,
235
651000
3000
Problémát jelent etetni, ellátni friss, tiszta vízzel,
11:12
medicines, fuel
236
654000
2000
gyógyszerekkel, üzemanyaggal
11:14
for the six and a half billion.
237
656000
3000
a hat és fél milliárdot.
11:17
It's going to be a stretch to do it for nine.
238
659000
2000
Kilencmilliárd esetében ez túlfeszített lesz.
11:19
We use over five billion tons of coal,
239
661000
3000
Több mint ötmilliárd tonna szenet,
11:22
30 billion-plus barrels of oil --
240
664000
3000
plusz 30 milliárd hordó olajat használunk.
11:25
that's a hundred million barrels a day.
241
667000
4000
Ez napi százmillió hordó.
11:29
When we try to think of biological processes
242
671000
2000
Amikor megpróbálunk azon gondolkodni, hogy biológiai,
11:31
or any process to replace that,
243
673000
3000
vagy bármilyen más eljárással helyettesítsük ezt,
11:34
it's going to be a huge challenge.
244
676000
2000
hatalmas kihívás lesz.
11:36
Then of course, there's all that
245
678000
2000
Aztán természetesen, ott van az ezekből
11:38
CO2 from this material
246
680000
2000
az anyagokból származó szén-dioxid,
11:40
that ends up in the atmosphere.
247
682000
3000
amely a légkörben köt ki.
11:43
We now, from our discovery around the world,
248
685000
2000
A világszerte tett felfedezésekből most
11:45
have a database with about 20 million genes,
249
687000
4000
van egy körülbelül 20 millió génből álló adatbázisunk,
11:49
and I like to think of these as the design components of the future.
250
691000
4000
és én szeretek úgy gondolni ezekre, mint a jövő tervezési alkatrészeire.
11:53
The electronics industry only had a dozen or so components,
251
695000
3000
Az elektronikai iparnak csak kb. egy tucat alkatrésze volt,
11:56
and look at the diversity that came out of that.
252
698000
4000
és nézzék meg a változatosságot, ami abból létrejött.
12:00
We're limited here primarily
253
702000
2000
Minket itt elsődlegesen a
12:02
by a biological reality
254
704000
2000
a biológiai realitás
12:04
and our imagination.
255
706000
2000
és a képzeletünk korlátoz.
12:07
We now have techniques,
256
709000
2000
Már vannak technikáink
12:09
because of these rapid methods of synthesis,
257
711000
3000
ezek miatt a gyors szintézis módszerek miatt
12:12
to do what we're calling combinatorial genomics.
258
714000
4000
ahhoz, hogy megcsináljuk azt, amit kombinatorikus genomikának hívunk.
12:16
We have the ability now to build a large robot
259
718000
3000
Már megvan a képességünk ahhoz, hogy egy nagy robotot építsünk,
12:19
that can make a million chromosomes a day.
260
721000
3000
amely naponta egymillió kromoszómát tud készíteni.
12:23
When you think of processing these 20 million different genes
261
725000
3000
Ha ennek a húszmillió különböző génnek a feldolgozására gondolunk,
12:26
or trying to optimize processes
262
728000
2000
vagy hogy megpróbáljuk optimalizálni az eljárásokat,
12:28
to produce octane or to produce pharmaceuticals,
263
730000
3000
hogy oktánt vagy gyógyszereket állítsunk elő,
12:31
new vaccines,
264
733000
3000
vagy új oltóanyagokat,
12:34
we can just with a small team,
265
736000
3000
változtathatunk, csupán egy kis csoporttal
12:37
do more molecular biology
266
739000
2000
több molekuláris biológiát csinálhatunk,
12:39
than the last 20 years of all science.
267
741000
3000
mint az utolsó 20 évben a teljes tudomány.
12:42
And it's just standard selection:
268
744000
2000
És ez csak szabvány kiválasztás.
12:44
we can select for viability,
269
746000
2000
Szelektálhatunk életképességre,
12:46
chemical or fuel production,
270
748000
2000
vegyi- vagy üzemanyag termelésre,
12:48
vaccine production, etc.
271
750000
2000
oltóanyag előállítására, és így tovább.
12:50
This is a screen snapshot
272
752000
3000
Ez egy képernyő-pillanatfelvétel
12:53
of some true design software
273
755000
3000
néhány valódi tervező szoftverről,
12:56
that we're working on to actually be able to sit down
274
758000
3000
amelyeken dolgozunk, hogy ténylegesen képesek legyünk
12:59
and design species in the computer.
275
761000
3000
leülni és fajokat tervezni számítógépen.
13:03
You know, we don't know necessarily what it'll look like:
276
765000
3000
Tudják, nem feltétlenül tudjuk, hogy fog ez kinézni.
13:06
we know exactly what their genetic code looks like.
277
768000
3000
Azt pontosan tudjuk, hogy néz ki a genetikai kódjuk.
13:09
We're focusing on now fourth-generation fuels.
278
771000
5000
Most a negyedik generációs üzemanyagokra koncentrálunk.
13:15
You've seen recently, corn to ethanol
279
777000
2000
A közelmúltban látták, hogy a kukoricából előállított etanol
13:17
is just a bad experiment.
280
779000
2000
csak egy rossz kísérlet.
13:19
We have second- and third-generation fuels
281
781000
2000
Vannak másod- és harmadik generációs üzemanyagaink,
13:21
that will be coming out relatively soon
282
783000
3000
amelyek viszonylag hamar fel fognak tűnni,
13:24
that are sugar, to much higher-value fuels
283
786000
3000
ezek cukrok, olyan magasabb értékű üzemanyagok előállítására,
13:27
like octane or different types of butanol.
284
789000
3000
mint az oktán vagy a butanol különböző típusai.
13:30
But the only way we think that biology
285
792000
3000
De szerintünk az egyetlen mód, hogy a biológia
13:33
can have a major impact without
286
795000
2000
nagy hatást gyakorolhat anélkül,
13:36
further increasing the cost of food and limiting its availability
287
798000
3000
hogy tovább növelné az élelmiszerek költségeit és korlátozná az elérhetőségüket
13:39
is if we start with CO2 as its feedstock,
288
801000
3000
az, ha szén-dioxiddal indítunk, nyersanyagként,
13:42
and so we're working with designing cells to go down this road.
289
804000
4000
és ezért olyan sejtek tervezésén dolgozunk, amelyek ezen az úton haladnak,
13:47
And we think we'll have the first fourth-generation fuels
290
809000
3000
és úgy gondoljuk, meglesz az első negyedik generációs üzemanyagunk
13:50
in about 18 months.
291
812000
2000
körülbelül 18 hónapon belül.
13:52
Sunlight and CO2 is one method ...
292
814000
2000
A napfény és a szén-dioxid egy módszer --
13:54
(Applause)
293
816000
5000
(Taps)
13:59
but in our discovery around the world,
294
821000
2000
-- de a világszerte tett felfedezéseinkben
14:01
we have all kinds of other methods.
295
823000
2000
mindenféle más módszer is van.
14:03
This is an organism we described in 1996.
296
825000
4000
Ez egy olyan szervezet, amit 1996-ban írtak le.
14:07
It lives in the deep ocean,
297
829000
2000
A mély óceánban él,
14:09
about a mile and a half deep,
298
831000
2000
körülbelül másfél mérföld mélységben,
14:11
almost at boiling-water temperatures.
299
833000
2000
majdnem forrási hőmérsékleten.
14:13
It takes CO2 to methane
300
835000
3000
Szén-dioxidot alakít át metánná
14:16
using molecular hydrogen as its energy source.
301
838000
3000
molekuláris hidrogént használva energiaforrásként.
14:19
We're looking to see if we can take
302
841000
2000
Megvizsgáljuk, vajon fel tudjuk-e
14:21
captured CO2,
303
843000
2000
használni a megkötött szén-dioxidot,
14:23
which can easily be piped to sites,
304
845000
2000
amelyet könnyen lehet csövön át szállítani,
14:25
convert that CO2 back into fuel
305
847000
3000
ezt a szén-dioxidot vissza tudjuk-e alakítani üzemanyaggá,
14:28
to drive this process.
306
850000
3000
irányítani ezt a folyamatot.
14:31
So, in a short period of time,
307
853000
2000
Tehát rövid időn belül
14:33
we think that we might be able to increase
308
855000
4000
úgy gondoljuk, talán képesek leszünk kibővíteni
14:37
what the basic question is of "What is life?"
309
859000
3000
a "Mi az élet?" alapvető kérdését is.
14:40
We truly, you know,
310
862000
2000
Tudják, nekünk igazán --
14:42
have modest goals
311
864000
2000
szerény céljaink vannak,
14:44
of replacing the whole petrol-chemical industry --
312
866000
3000
az egész petrolkémiai ipar helyettesítése.
14:47
(Laughter) (Applause)
313
869000
3000
(Nevetés) (Taps)
14:50
Yeah. If you can't do that at TED, where can you? --
314
872000
3000
Igen. Ha az ember nem tudja ezt megcsinálni a TED-nél, akkor hol?
14:53
(Laughter)
315
875000
2000
(Nevetés)
14:55
become a major source of energy ...
316
877000
2000
Fő energiaforrássá válni.
14:57
But also, we're now working on using these same tools
317
879000
3000
Azon is dolgozunk, hogy ugyanezeket az eszközöket használjuk
15:00
to come up with instant sets of vaccines.
318
882000
3000
arra, hogy azonnali oltóanyagkészlettel rukkoljunk elő.
15:03
You've seen this year with flu;
319
885000
2000
Az influenzával kapcsolatban látták idén,
15:05
we're always a year behind and a dollar short
320
887000
3000
hogy mindig egy év késésben vagyunk és pénzhiányban szenvedünk,
15:08
when it comes to the right vaccine.
321
890000
2000
ha a megfelelő vakcináról van szó.
15:10
I think that can be changed
322
892000
2000
Úgy gondolom, ezt meg lehet változtatni
15:12
by building combinatorial vaccines in advance.
323
894000
3000
úgy, hogy előre létrehozunk kombinatorikus oltóanyagokat.
15:16
Here's what the future may begin to look like
324
898000
3000
Íme, hogy kezd kinézni a jövő
15:19
with changing, now, the evolutionary tree,
325
901000
4000
az evolúciós fa megváltoztatásával,
15:23
speeding up evolution
326
905000
2000
az evolúció felgyorsításával
15:25
with synthetic bacteria, Archaea
327
907000
3000
a szintetikus baktériumokkal, ősbaktériumokkal,
15:28
and, eventually, eukaryotes.
328
910000
3000
és végül az eukariótákkal.
15:32
We're a ways away from improving people:
329
914000
2000
Messze vagyunk attól, hogy tökéletesítsük az embereket.
15:34
our goal is just to make sure that we have a chance
330
916000
3000
A célunk biztosítani, hogy legyen esélyünk
15:37
to survive long enough to maybe do that. Thank you very much.
331
919000
3000
elég hosszú ideig élni ahhoz, hogy talán megcsinálhassuk. Nagyon köszönöm.
15:40
(Applause)
332
922000
7000
(Taps)
ABOUT THE SPEAKER
Craig Venter - Biologist, genetics pioneerIn 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels.
Why you should listen
Craig Venter, the man who led the private effort to sequence the human genome, is hard at work now on even more potentially world-changing projects.
First, there's his mission aboard the Sorcerer II, a 92-foot yacht, which, in 2006, finished its voyage around the globe to sample, catalouge and decode the genes of the ocean's unknown microorganisms. Quite a task, when you consider that there are tens of millions of microbes in a single drop of sea water. Then there's the J. Craig Venter Institute, a nonprofit dedicated to researching genomics and exploring its societal implications.
In 2005, Venter founded Synthetic Genomics, a private company with a provocative mission: to engineer new life forms. Its goal is to design, synthesize and assemble synthetic microorganisms that will produce alternative fuels, such as ethanol or hydrogen. He was on Time magzine's 2007 list of the 100 Most Influential People in the World.
In early 2008, scientists at the J. Craig Venter Institute announced that they had manufactured the entire genome of a bacterium by painstakingly stitching together its chemical components. By sequencing a genome, scientists can begin to custom-design bootable organisms, creating biological robots that can produce from scratch chemicals humans can use, such as biofuel. And in 2010, they announced, they had created "synthetic life" -- DNA created digitally, inserted into a living bacterium, and remaining alive.
Craig Venter | Speaker | TED.com