TEDMED 2010
Danny Hillis: Understanding cancer through proteomics
대니 힐리스: 단백체학을 통해 암 이해하기
Filmed:
Readability: 3.6
465,363 views
대니 힐리스는 몸 속에 발현된 단백질들에 대해 탐구하는 단백체학(프로테오믹스,Proteomics:단백질체 유전학)를 적용하여 암에 관한 차세대 연구를 진행했습니다. 힐리스의 설명에 의하면, 유전체학이 우리 몸을 구성하는 성분들의 목록을 보여주는 것이라면 단백체학이란 무엇이 그러한 구성들을 만들어 내는지를 보여주는 학문입니다. 몸 안에서 일어나는 일들을 단백질 수준에서 이해하는 것이 암이 어떻게 발생하는지에 대한 새로운 이해를 가능케 해 줄 것입니다.
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
I admit that I'm a little bit nervous here
0
0
3000
좀 긴장되는군요.
00:18
because I'm going to say some radical things,
1
3000
3000
암을 어떻게 다르게 생각해야 하는지에 관한
00:21
about how we should think about cancer differently,
2
6000
3000
다소 급진적인 내용들을
00:24
to an audience that contains a lot of people
3
9000
2000
많은 사람들 앞에서 얘기하려니 말입니다.
00:26
who know a lot more about cancer than I do.
4
11000
3000
특히 저보다 암에 대해 훨씬 잘 아는 분들 앞에서요.
00:30
But I will also contest that I'm not as nervous as I should be
5
15000
3000
하지만 제가 꼭 긴장해야 하는 건 아니라고 생각합니다.
00:33
because I'm pretty sure I'm right about this.
6
18000
2000
제 관점이 옳다고 확신하거든요.
00:35
(Laughter)
7
20000
2000
(웃음)
00:37
And that this, in fact, will be
8
22000
2000
사실, 제가 얘기하려는 건
00:39
the way that we treat cancer in the future.
9
24000
3000
미래에 암을 어떻게 다룰지에 대한 것입니다.
00:43
In order to talk about cancer,
10
28000
2000
암에 대해 얘기하기 전에
00:45
I'm going to actually have to --
11
30000
3000
해야할 얘기가 있습니다.
00:48
let me get the big slide here.
12
33000
3000
슬라이드를 보세요.
00:53
First, I'm going to try to give you a different perspective of genomics.
13
38000
3000
먼저, 유전체학에 대해 좀 다른 얘길 해보죠.
00:56
I want to put it in perspective of the bigger picture
14
41000
2000
유전체학에서 진행 중인 모든 것을 포함할 수 있는
00:58
of all the other things that are going on --
15
43000
3000
큰 그림으로서의 관점을 얘기한 후,
01:01
and then talk about something you haven't heard so much about, which is proteomics.
16
46000
3000
조금 생소할 수도 있는 단백체학에 대해 이야기하겠습니다.
01:04
Having explained those,
17
49000
2000
오늘 얘기를 들으시면
01:06
that will set up for what I think will be a different idea
18
51000
3000
암을 다루는 데 있어서 다른 관점을 갖게 되시리라
01:09
about how to go about treating cancer.
19
54000
2000
기대합니다.
01:11
So let me start with genomics.
20
56000
2000
유전체학부터 얘기해보죠.
01:13
It is the hot topic.
21
58000
2000
정말 흥미로운 주제입니다.
01:15
It is the place where we're learning the most.
22
60000
2000
가장 많은 걸 배워야 하는 학문 분야죠.
01:17
This is the great frontier.
23
62000
2000
범위가 정말 광범위하지만,
01:19
But it has its limitations.
24
64000
3000
여기에도 한계는 있습니다.
01:22
And in particular, you've probably all heard the analogy
25
67000
3000
다들 이런 비유를 들어봤을 겁니다.
01:25
that the genome is like the blueprint of your body,
26
70000
3000
"유전체는 우리 몸의 청사진과 같다."
01:28
and if that were only true, it would be great,
27
73000
2000
만일 이게 진실이라면 정말 대단하겠지만
01:30
but it's not.
28
75000
2000
그렇지가 못합니다.
01:32
It's like the parts list of your body.
29
77000
2000
우리 몸의 구성요소들에 대한 목록에 불과하죠.
01:34
It doesn't say how things are connected,
30
79000
2000
유전체만으로는 요소들이 어떻게 연결되는지,
01:36
what causes what and so on.
31
81000
3000
무엇을 유발하는지, 뭐가 진행되는지 알 수 없습니다.
01:39
So if I can make an analogy,
32
84000
2000
저라면 유전체를 이렇게 비유할 겁니다.
01:41
let's say that you were trying to tell the difference
33
86000
2000
건강에 좋은 요리를 파는 식당과
01:43
between a good restaurant, a healthy restaurant
34
88000
3000
그렇지 못한 식당의 차이에 대해
01:46
and a sick restaurant,
35
91000
2000
얘기하려는데
01:48
and all you had was the list of ingredients
36
93000
2000
식당 창고에 저장해둔 식재료 목록만을
01:50
that they had in their larder.
37
95000
3000
가지고 있는 상황이라고요.
01:53
So it might be that, if you went to a French restaurant
38
98000
3000
프랑스식 식당의 예를 들어볼까요?
01:56
and you looked through it and you found
39
101000
2000
창고 목록을 훑어보고는
01:58
they only had margarine and they didn't have butter,
40
103000
2000
버터는 없고 마가린만 있다는 걸 알게 됩니다.
02:00
you could say, "Ah, I see what's wrong with them.
41
105000
2000
그리곤 얘기하죠. "이 식당의 문제점을 압니다.
02:02
I can make them healthy."
42
107000
2000
제가 여기 요리를 건강에 좋게 바꿔드리죠."
02:04
And there probably are special cases of that.
43
109000
2000
가끔 특별한 경우에는,
02:06
You could certainly tell the difference
44
111000
2000
예를 들어 중화요리점과 프랑스식 식당을
02:08
between a Chinese restaurant and a French restaurant
45
113000
2000
비교하는 경우에는, 각 식당의 창고만 보고도
02:10
by what they had in a larder.
46
115000
2000
차이를 확실히 얘기할 수 있을 겁니다.
02:12
So the list of ingredients does tell you something,
47
117000
3000
저장된 재료의 목록을 보면 각 식당의 특징을 알 수 있죠.
02:15
and sometimes it tells you something that's wrong.
48
120000
3000
하지만 종종 잘못된 판단을 하게 만들 때도 있습니다.
02:19
If they have tons of salt,
49
124000
2000
많은 양의 소금이 저장돼있다면,
02:21
you might guess they're using too much salt, or something like that.
50
126000
3000
식당이 너무 많은 소금을 사용한다고 추측할지도 모릅니다.
02:24
But it's limited,
51
129000
2000
이런 추측은 한계가 있죠.
02:26
because really to know if it's a healthy restaurant,
52
131000
2000
제대로 판단하기 위해서는, 요리의 맛을 봐야 하고
02:28
you need to taste the food, you need to know what goes on in the kitchen,
53
133000
3000
부엌에서 무슨 일이 진행 중인지 알아야 하며,
02:31
you need the product of all of those ingredients.
54
136000
3000
최종 결과물을 봐야 합니다.
02:34
So if I look at a person
55
139000
2000
제가 누군가의
02:36
and I look at a person's genome, it's the same thing.
56
141000
3000
유전체를 검사할 때도 마찬가지입니다.
02:39
The part of the genome that we can read
57
144000
2000
유전체의 특정 부분을 통해 우리가 알 수 있는 건
02:41
is the list of ingredients.
58
146000
2000
구성 요소들의 목록 뿐입니다.
02:43
And so indeed,
59
148000
2000
솔직히 말하자면
02:45
there are times when we can find ingredients
60
150000
2000
그 요소들을 찾기 위해 많은 시간을 보냈지만
02:47
that [are] bad.
61
152000
2000
결과는 별로였죠.
02:49
Cystic fibrosis is an example of a disease
62
154000
2000
낭포성 섬유증 환자의 경우에는
02:51
where you just have a bad ingredient and you have a disease,
63
156000
3000
그 환자가 병을 일으키는 요소를 갖고 있기 때문에 발병합니다.
02:54
and we can actually make a direct correspondence
64
159000
3000
이 병에 있어서 우리는 요소와 질병간의
02:57
between the ingredient and the disease.
65
162000
3000
직접적 관련성을 얘기할 수 있죠.
03:00
But most things, you really have to know what's going on in the kitchen,
66
165000
3000
하지만 그 외의 대부분은 부엌에서 일어나는 일을 알아야 합니다.
03:03
because, mostly, sick people used to be healthy people --
67
168000
2000
대부분의 경우 아픈 사람들은 과거에 건강했던 사람들이고,
03:05
they have the same genome.
68
170000
2000
유전체는 그대로이기 때문이죠.
03:07
So the genome really tells you much more
69
172000
2000
다시 말해 유전체가 말해줄 수 있는 건
03:09
about predisposition.
70
174000
2000
병에 대한 소인 뿐입니다.
03:11
So what you can tell
71
176000
2000
요소들의 목록만으로도
03:13
is you can tell the difference between an Asian person and a European person
72
178000
2000
우리는 아시아인과 유럽인의 차이를
03:15
by looking at their ingredients list.
73
180000
2000
얘기할 수 있습니다.
03:17
But you really for the most part can't tell the difference
74
182000
3000
하지만 건강한 사람과 아픈 사람의 차이는
03:20
between a healthy person and a sick person --
75
185000
3000
요소들의 목록만으론 얘기할 수 없습니다.
03:23
except in some of these special cases.
76
188000
2000
몇 몇 경우들을 제외하고는 말입니다.
03:25
So why all the big deal
77
190000
2000
그렇다면 유전체학의 무엇이
03:27
about genetics?
78
192000
2000
그렇게 매력적인 걸까요?
03:29
Well first of all,
79
194000
2000
첫번째로 꼽을 수 있는 것은
03:31
it's because we can read it, which is fantastic.
80
196000
3000
그 내용을 읽을 수 있다는 점입니다. 환상적이죠.
03:34
It is very useful in certain circumstances.
81
199000
3000
이것은 특정 상황에서 정말 유용합니다.
03:37
It's also the great theoretical triumph
82
202000
3000
생물학에 있어서 대단한 학문적 업적이라
03:40
of biology.
83
205000
2000
할 수 있습니다.
03:42
It's the one theory
84
207000
2000
생물학자들 사이에
03:44
that the biologists ever really got right.
85
209000
2000
이견이 없는 단 하나의 이론입니다.
03:46
It's fundamental to Darwin
86
211000
2000
멘델과 다윈, 또 몇 몇 사람들이
03:48
and Mendel and so on.
87
213000
2000
그 기반이죠.
03:50
And so it's the one thing where they predicted a theoretical construct.
88
215000
3000
그들이 예측했던 이론적 구성이 한 데 모아진 것 입니다.
03:54
So Mendel had this idea of a gene
89
219000
2000
멘델은 '유전자'라는 핵심 개념을
03:56
as an abstract thing,
90
221000
3000
도출했습니다.
03:59
and Darwin built a whole theory
91
224000
2000
다윈은 그 개념 위에서
04:01
that depended on them existing,
92
226000
2000
이론의 전체적인 틀을 세웠죠.
04:03
and then Watson and Crick
93
228000
2000
이후 왓슨과 크릭이
04:05
actually looked and found one.
94
230000
2000
유전자를 발견하고 직접 관찰했습니다.
04:07
So this happens in physics all the time.
95
232000
2000
이것은 물리학에서야 항상 일어나는 일입니다.
04:09
You predict a black hole,
96
234000
2000
블랙홀을 예측했다면,
04:11
and you look out the telescope and there it is, just like you said.
97
236000
3000
망원경을 통해 블랙홀이 예측대로 존재하는지 확인하는 식이죠.
04:14
But it rarely happens in biology.
98
239000
2000
하지만 생물학에서는 정말 드문 일입니다.
04:16
So this great triumph -- it's so good,
99
241000
3000
이 위대한 업적은 -- 매우 좋은 이론이고 --
04:19
there's almost a religious experience
100
244000
2000
생물학의 역사에 있어서 거의 종교적인
04:21
in biology.
101
246000
2000
경험이었습니다.
04:23
And Darwinian evolution
102
248000
2000
다윈의 진화설은
04:25
is really the core theory.
103
250000
3000
정말 핵심적인 이론입니다.
04:30
So the other reason it's been very popular
104
255000
2000
이 이론이 꾸준히 인기있는 이유는
04:32
is because we can measure it, it's digital.
105
257000
3000
그것이 측정 가능한, 디지털 형식이란 점입니다.
04:35
And in fact,
106
260000
2000
사실
04:37
thanks to Kary Mullis,
107
262000
2000
케리 멀리스(유전자증폭반응 고안자) 덕분에
04:39
you can basically measure your genome in your kitchen
108
264000
4000
극미량의 구성 요소들만으로도 여러분 부엌에서 만들어지는
04:43
with a few extra ingredients.
109
268000
3000
유전체를 평가할 수 있습니다.
04:46
So for instance, by measuring the genome,
110
271000
3000
예를 들어 유전체를 분석함으로써
04:49
we've learned a lot about how we're related to other kinds of animals
111
274000
4000
우리가 다른 종의 동물들과 어떻게 연결되어 있는지 많은 것들을 알게 되었죠.
04:53
by the closeness of our genome,
112
278000
3000
유전체의 근원관계(유사도)를 따짐으로써,
04:56
or how we're related to each other -- the family tree,
113
281000
3000
또는 가계도 또는 계통 분류도를 통해
04:59
or the tree of life.
114
284000
2000
서로 어떻게 연결되어 알 수 있죠.
05:01
There's a huge amount of information about the genetics
115
286000
3000
유전학에는 방대한 양의 정보가 있는데
05:04
just by comparing the genetic similarity.
116
289000
3000
이는 유전학적 유사성을 비교해서 얻은 것입니다.
05:07
Now of course, in medical application,
117
292000
2000
당연히, 의학적인 관점에서
05:09
that is very useful
118
294000
2000
이것은 매우 유용합니다.
05:11
because it's the same kind of information
119
296000
3000
의사가 여러분 가족의 의료 기록을 통해 얻는 정보와
05:14
that the doctor gets from your family medical history --
120
299000
3000
같은 종류의 정보에 해당하기 때문이죠.
05:17
except probably,
121
302000
2000
단, 여러분의 유전체는
05:19
your genome knows much more about your medical history than you do.
122
304000
3000
여러분의 의학적 역사를 여러분보다 훨씬 더 많이 알고 있습니다.
05:22
And so by reading the genome,
123
307000
2000
따라서 유전체 해독을 통해서
05:24
we can find out much more about your family than you probably know.
124
309000
3000
여러분의 가족에 대해 여러분보다 더 많은 것들을 알아낼 수 있죠.
05:27
And so we can discover things
125
312000
2000
또한 우리는
05:29
that probably you could have found
126
314000
2000
여러분의 친척들에 대해서도
05:31
by looking at enough of your relatives,
127
316000
2000
여러분이 알던 것보다 많은 것들,
05:33
but they may be surprising.
128
318000
3000
그들이 놀라워할 만한 것들을 밝혀낼 수 있습니다.
05:36
I did the 23andMe thing
129
321000
2000
23andMe사의 DNA 테스트를 했을 때,
05:38
and was very surprised to discover that I am fat and bald.
130
323000
3000
제가 뚱뚱하고 대머리라는 것을 밝혀내서 깜짝 놀랐었죠.
05:41
(Laughter)
131
326000
7000
(웃음)
05:48
But sometimes you can learn much more useful things about that.
132
333000
3000
이것 외에도 꽤 유용한 것들을 알아낼 수 있습니다.
05:51
But mostly
133
336000
3000
하지만, 대부분의 경우
05:54
what you need to know, to find out if you're sick,
134
339000
2000
여러분이 아플 때, 밝혀내고 싶은 것은
05:56
is not your predispositions,
135
341000
2000
'당신의 병적 소인'에 대한 것이 아니라
05:58
but it's actually what's going on in your body right now.
136
343000
3000
'당신의 몸에서 현재 무슨 일이 일어나고 있는가'하는 것이죠.
06:01
So to do that, what you really need to do,
137
346000
2000
이를 위해 여러분이 해야 할 일은,
06:03
you need to look at the things
138
348000
2000
유심히 봐야 할 것들은
06:05
that the genes are producing
139
350000
2000
유전자가 만들어내는 것,
06:07
and what's happening after the genetics,
140
352000
2000
유전자 다음에 일어나고 있는 일들입니다.
06:09
and that's what proteomics is about.
141
354000
2000
그리고 이것이 바로 단백체학이죠.
06:11
Just like genome mixes the study of all the genes,
142
356000
3000
유전체가 모든 유전자들에 대한 연구를 포괄하듯이
06:14
proteomics is the study of all the proteins.
143
359000
3000
단백체학은 모든 단백질들에 대한 연구입니다.
06:17
And the proteins are all of the little things in your body
144
362000
2000
여러분 몸의 작은 하나까지 모두가 단백질입니다.
06:19
that are signaling between the cells --
145
364000
3000
실질적으로 기계를 작동시키기 위해 일어나는
06:22
actually, the machines that are operating --
146
367000
2000
세포들 사이에 전달되고 있는 신호들이자
06:24
that's where the action is.
147
369000
2000
실제 활동이 일어나는 곳입니다.
06:26
Basically, a human body
148
371000
3000
기본적으로, 인간의 몸은
06:29
is a conversation going on,
149
374000
3000
대화가 계속 진행되고 있습니다.
06:32
both within the cells and between the cells,
150
377000
3000
세포 내에서, 또 세포 사이에서 말이죠.
06:35
and they're telling each other to grow and to die,
151
380000
3000
이를 통해 어떤 것은 자라게 하고 어떤 것은 죽게 합니다.
06:38
and when you're sick,
152
383000
2000
당신이 아프다는 것은,
06:40
something's gone wrong with that conversation.
153
385000
2000
이 대화 중 무엇인가가 잘못되고 있다는 의미입니다.
06:42
And so the trick is --
154
387000
2000
그런데 문제가 하나 있습니다.
06:44
unfortunately, we don't have an easy way to measure these
155
389000
3000
불행히도, 유전체 분석에서와 같은 간단한 측정법을
06:47
like we can measure the genome.
156
392000
2000
이 분야에선 갖고 있지 않다는 점이죠.
06:49
So the problem is that measuring --
157
394000
3000
측정법의 문제점이란 이런 겁니다.
06:52
if you try to measure all the proteins, it's a very elaborate process.
158
397000
3000
모든 단백질들을 분석하고자 한다면, 그건 정말 고된 일입니다.
06:55
It requires hundreds of steps,
159
400000
2000
수백 단계를 거쳐야 하고,
06:57
and it takes a long, long time.
160
402000
2000
길고 긴 시간을 투자해야 하죠.
06:59
And it matters how much of the protein it is.
161
404000
2000
단백질 하나에서도 어느 정도를 봐야 하느냐도 문제입니다.
07:01
It could be very significant that a protein changed by 10 percent,
162
406000
3000
10%정도의 단백질 변이만으로도 확연한 변화를 일으킬 수 있습니다.
07:04
so it's not a nice digital thing like DNA.
163
409000
3000
DNA 같이 디지털적인 것이 아니죠.
07:07
And basically our problem is somebody's in the middle
164
412000
2000
가장 기본적인 문제는 누군가 매우 긴 측정단계에서
07:09
of this very long stage,
165
414000
2000
가장 기본적인 문제는 누군가 매우 긴 측정단계에서
07:11
they pause for just a moment,
166
416000
2000
도중에 잠깐이라도 일을 멈추면,
07:13
and they leave something in an enzyme for a second,
167
418000
2000
효소에 무엇인가가 잠시 남을 수 있고
07:15
and all of a sudden all the measurements from then on
168
420000
2000
그 이후부터의 모든 측정 작업은 순식간에
07:17
don't work.
169
422000
2000
무너집니다.
07:19
And so then people get very inconsistent results
170
424000
2000
따라서 이런 방식으로는 결국, 일관성없는
07:21
when they do it this way.
171
426000
2000
결과만 나올 뿐입니다.
07:23
People have tried very hard to do this.
172
428000
2000
저를 포함한 많은 사람들이 이 방법에
07:25
I tried this a couple of times
173
430000
2000
수많은 시간을 투자했었습니다.
07:27
and looked at this problem and gave up on it.
174
432000
2000
문제점을 발견한 후에는 포기해버렸었죠.
07:29
I kept getting this call from this oncologist
175
434000
2000
제게 계속 전화를 하는 데이비드 아구스라는
07:31
named David Agus.
176
436000
2000
종양학자가 있었습니다.
07:33
And Applied Minds gets a lot of calls
177
438000
3000
Applied Minds사로도 수많은 사람들이
07:36
from people who want help with their problems,
178
441000
2000
문제해결을 도와달라는 연락을 해왔기 때문에
07:38
and I didn't think this was a very likely one to call back,
179
443000
3000
저는 이것이 그런 전화의 하나라고 생각하고,
07:41
so I kept on giving him to the delay list.
180
446000
3000
나중에 연락하겠다고만 했죠.
07:44
And then one day,
181
449000
2000
그러던 어느 날,
07:46
I get a call from John Doerr, Bill Berkman
182
451000
2000
저는 존 도르, 빌 버크만, 심지어 엘 고어로부터
07:48
and Al Gore on the same day
183
453000
2000
전화를 받았습니다.
07:50
saying return David Agus's phone call.
184
455000
2000
데이비드 아구스에게 연락하라더군요.
07:52
(Laughter)
185
457000
2000
(웃음)
07:54
So I was like, "Okay. This guy's at least resourceful."
186
459000
2000
"그래. 이 친구는 적어도 수완은 있군." 싶었습니다.
07:56
(Laughter)
187
461000
4000
(웃음)
08:00
So we started talking,
188
465000
2000
이렇게 얘기가 시작됐습니다.
08:02
and he said, "I really need a better way to measure proteins."
189
467000
3000
그가 말했죠. "단백질을 측정하는 더 나은 방법이 필요합니다."
08:05
I'm like, "Looked at that. Been there.
190
470000
2000
제가 대답했습니다. "겪어본 바로는,
08:07
Not going to be easy."
191
472000
2000
결코 쉬운 일이 아닐겁니다."
08:09
He's like, "No, no. I really need it.
192
474000
2000
아구스 왈, "전 정말 절실합니다.
08:11
I mean, I see patients dying every day
193
476000
4000
제가 환자들 몸 속에서 무슨 일이 일어나는질 모르고
08:15
because we don't know what's going on inside of them.
194
480000
3000
그 무지 때문에 제 환자들이 매일 죽어갑니다.
08:18
We have to have a window into this."
195
483000
2000
몸 속을 들여다 볼 창문이 절실합니다."
08:20
And he took me through
196
485000
2000
그리고 그는 제게
08:22
specific examples of when he really needed it.
197
487000
3000
그가 절실한 이유들을 이야기했습니다.
08:25
And I realized, wow, this would really make a big difference,
198
490000
2000
그리고 저는 이 일이 정말 큰 변화를 만들 수 있겠구나라고 깨달았습니다.
08:27
if we could do it,
199
492000
2000
해내기만 한다면 말이죠.
08:29
and so I said, "Well, let's look at it."
200
494000
2000
그래서 전 이렇게 말했습니다. "좋아요. 한 번 살펴봅시다."
08:31
Applied Minds has enough play money
201
496000
2000
Applied Minds사에는 여유자금이 충분했기 때문에
08:33
that we can go and just work on something
202
498000
2000
곧장 그리로 가 작업을 시작했죠.
08:35
without getting anybody's funding or permission or anything.
203
500000
3000
누군가의 지원이나 승인 또는 그 외의 어떤 것들도 받지 않고요.
08:38
So we started playing around with this.
204
503000
2000
우리는 문제점을 탐색하기 시작했습니다.
08:40
And as we did it, we realized this was the basic problem --
205
505000
3000
그리고 해냈죠. 가장 기본적인 문제점을 깨달은 겁니다.
08:43
that taking the sip of coffee --
206
508000
2000
문제점은 굉장히 단순한 것이었습니다.
08:45
that there were humans doing this complicated process
207
510000
2000
이 복잡한 일을 수행하는 게 인간이란 게 문제였던 것이었죠.
08:47
and that what really needed to be done
208
512000
2000
정말로 해야 했던 일은,
08:49
was to automate this process like an assembly line
209
514000
3000
복잡한 단계들을 자동화시키는 것,
08:52
and build robots
210
517000
2000
단백질체를 측정할
08:54
that would measure proteomics.
211
519000
2000
로봇을 만드는 일이었던 것입니다.
08:56
And so we did that,
212
521000
2000
그래서 로봇을 만들었습니다.
08:58
and working with David,
213
523000
2000
데이빗과 함께 일하면서,
09:00
we made a little company called Applied Proteomics eventually,
214
525000
3000
우리는 최종적으로 Applied Proteomics라는 작은 회사를 만들었습니다.
09:03
which makes this robotic assembly line,
215
528000
3000
로봇 조립 라인을 만드는 회사였습니다.
09:06
which, in a very consistent way, measures the protein.
216
531000
3000
매우 일관적인 방법으로 단백질을 측정할 수 있게 된 거죠.
09:09
And I'll show you what that protein measurement looks like.
217
534000
3000
이제 이 단백질 측정방법을 보여드리겠습니다.
09:13
Basically, what we do
218
538000
2000
기본적으로 우리가 한 것은
09:15
is we take a drop of blood
219
540000
2000
환자로부터
09:17
out of a patient,
220
542000
2000
혈액 한 방울을 채취해서
09:19
and we sort out the proteins
221
544000
2000
그 한 방울 속의 단백질들을
09:21
in the drop of blood
222
546000
2000
분리해내는 것이었습니다.
09:23
according to how much they weigh,
223
548000
2000
그리고 무게에 따라,
09:25
how slippery they are,
224
550000
2000
또 얼마나 불안정한 상태인지에 따라
09:27
and we arrange them in an image.
225
552000
3000
단백질들을 배열시켜 이미지를 만들었죠.
09:30
And so we can look at literally
226
555000
2000
말 그대로,
09:32
hundreds of thousands of features at once
227
557000
2000
혈액 한 방울을 통해 수천, 수백의 특징들을
09:34
out of that drop of blood.
228
559000
2000
한 눈에 볼 수 있게 된 것입니다.
09:36
And we can take a different one tomorrow,
229
561000
2000
다음 날이면, 조금 다른 것을 얻을 수 있습니다.
09:38
and you will see your proteins tomorrow will be different --
230
563000
2000
날마다 달라진 단백질들이 나타나게 되죠.
09:40
they'll be different after you eat or after you sleep.
231
565000
3000
먹거나 잠을 잔 후에도 단백질들이 달라지고
09:43
They really tell us what's going on there.
232
568000
3000
이것이 무슨 일이 일어나고 있는지 말해주는 거죠.
09:46
And so this picture,
233
571000
2000
따라서 이 사진은,
09:48
which looks like a big smudge to you,
234
573000
2000
여러분에게는 커다란 얼룩에 불과할 수도 있지만
09:50
is actually the thing that got me really thrilled about this
235
575000
4000
제게는 정말 스릴 넘치는 것이자
09:54
and made me feel like we were on the right track.
236
579000
2000
우리가 잘 하고 있다고 느끼게 해 주는 것입니다.
09:56
So if I zoom into that picture,
237
581000
2000
이제 이 사진을 확대해서
09:58
I can just show you what it means.
238
583000
2000
그 의미들에 대해 설명해드리겠습니다.
10:00
We sort out the proteins -- from left to right
239
585000
3000
우리는 얻어낸 단백질들을
10:03
is the weight of the fragments that we're getting,
240
588000
3000
무게에 따라 왼쪽에서 오른쪽으로 분류했습니다.
10:06
and from top to bottom is how slippery they are.
241
591000
3000
위에서 아래로는 얼마나 불안정한 상태인지에 따라 분류했죠.
10:09
So we're zooming in here just to show you a little bit of it.
242
594000
3000
이제 이 부분을 확대해보겠습니다.
10:12
And so each of these lines
243
597000
2000
여기 각각의 선들은
10:14
represents some signal that we're getting out of a piece of a protein.
244
599000
3000
단백질 조각으로부터 우리가 얻어낸 신호들을 의미합니다.
10:17
And you can see how the lines occur
245
602000
2000
여기 흩어져 있는 작은 덩어리들 안에서
10:19
in these little groups of bump, bump, bump, bump, bump.
246
604000
4000
이 선들이 어떻게 나타나는지 보이시죠.
10:23
And that's because we're measuring the weight so precisely that --
247
608000
3000
우리는 서로 다른 동위원소가 갖는 탄소량의 무게를
10:26
carbon comes in different isotopes,
248
611000
2000
매우 정확하게 측정할 수 있기 때문에,
10:28
so if it has an extra neutron on it,
249
613000
3000
거기에 추가적인 중성자가 있다면
10:31
we actually measure it as a different chemical.
250
616000
4000
그것을 다른 화합물로 간주하고 측정하게 됩니다.
10:35
So we're actually measuring each isotope as a different one.
251
620000
3000
그래서 저흰 각 동위원소를 각각 다른 것으로서 측정합니다.
10:38
And so that gives you an idea
252
623000
3000
이걸 보시면 이게 얼마나
10:41
of how exquisitely sensitive this is.
253
626000
2000
정교하고 섬세한 지 알 수 있죠.
10:43
So seeing this picture
254
628000
2000
이 그림을 보게 되면
10:45
is sort of like getting to be Galileo
255
630000
2000
마치 갈릴레오가
10:47
and looking at the stars
256
632000
2000
하늘에 떠 있는 별만 바라보다가
10:49
and looking through the telescope for the first time,
257
634000
2000
처음으로 망원경을 통해 별을 관찰하는 것과 비슷합니다.
10:51
and suddenly you say, "Wow, it's way more complicated than we thought it was."
258
636000
3000
그리곤 이렇게 말하겠죠. "세상에. 이거 우리가 생각했던 것보다 훨씬 복잡하네."
10:54
But we can see that stuff out there
259
639000
2000
하지만 여기 흩어져 있는 것들이
10:56
and actually see features of it.
260
641000
2000
실제로는 각각의 특징을 보여줍니다.
10:58
So this is the signature out of which we're trying to get patterns.
261
643000
3000
우리가 얻고자 했던 패턴들을 표시해 둔 것이죠.
11:01
So what we do with this
262
646000
2000
그럼 우리가 한 일이 무엇인지 예를 들어보겠습니다.
11:03
is, for example, we can look at two patients,
263
648000
2000
여기 두 명의 환자가 있습니다.
11:05
one that responded to a drug and one that didn't respond to a drug,
264
650000
3000
한 명은 약이 효과를 보이는 반면 다른 한명은 그렇지 않네요.
11:08
and ask, "What's going on differently
265
653000
2000
"두 환자들 몸 속에서 어떤 차이가 일어나고 있는거지?"
11:10
inside of them?"
266
655000
2000
하는 의문이 생기겠죠.
11:12
And so we can make these measurements precisely enough
267
657000
3000
이제 우린 소개된 방법으로 충분히 정확한 측정 결과들을 얻어내고,
11:15
that we can overlay two patients and look at the differences.
268
660000
3000
두 환자들의 결과를 비교해 환자간의 차이점을 보여줍니다.
11:18
So here we have Alice in green
269
663000
2000
녹색이 앨리스의 결과고
11:20
and Bob in red.
270
665000
2000
빨간색이 밥입니다.
11:22
We overlay them. This is actual data.
271
667000
3000
둘을 겹쳐볼까요? 이건 실제 데이터입니다.
11:25
And you can see, mostly it overlaps and it's yellow,
272
670000
3000
둘에서 겹쳐진 부분은 노란색으로 나타납니다.
11:28
but there's some things that just Alice has
273
673000
2000
하지만 앨리스만 가지고 있거나
11:30
and some things that just Bob has.
274
675000
2000
밥만 가지고 있는 건 원래의 색깔입니다.
11:32
And if we find a pattern of things
275
677000
3000
우리가 약에 반응하는 사람들의
11:35
of the responders to the drug,
276
680000
3000
특정 패턴을 찾아낸다면,
11:38
we see that in the blood,
277
683000
2000
혈액을 통해
11:40
they have the condition
278
685000
2000
그들의 상태를 확인하고
11:42
that allows them to respond to this drug.
279
687000
2000
효과적인 치료제를 처방할 수 있는 겁니다.
11:44
We might not even know what this protein is,
280
689000
2000
비록 이 단백질이 무엇인지 모르더라도,
11:46
but we can see it's a marker
281
691000
2000
질병에 대한 반응지표는
11:48
for the response to the disease.
282
693000
2000
확인할 수 있는 것입니다.
11:53
So this already, I think,
283
698000
2000
제가 생각하기에 이것은 이미
11:55
is tremendously useful in all kinds of medicine.
284
700000
3000
모든 종류의 약들에 대해 엄청나게 유용합니다.
11:58
But I think this is actually
285
703000
2000
하지만 저는 이것이
12:00
just the beginning
286
705000
2000
암을 어떻게 다뤄야 할지의
12:02
of how we're going to treat cancer.
287
707000
2000
시작에 불과하다고 생각합니다.
12:04
So let me move to cancer.
288
709000
2000
자, 암에 대해 얘기해봅시다.
12:06
The thing about cancer --
289
711000
2000
암이란 주제에 있어-
12:08
when I got into this,
290
713000
2000
제가 이것을 들여다보기 시작했을 때
12:10
I really knew nothing about it,
291
715000
2000
암에 대해 아는 게 정말 없었죠.
12:12
but working with David Agus,
292
717000
2000
하지만 데이비드 아구스와 일하면서
12:14
I started watching how cancer was actually being treated
293
719000
3000
암이 어떻게 다뤄지는지, 또 제거 수술이 어떻게 이뤄지는지
12:17
and went to operations where it was being cut out.
294
722000
3000
제대로 볼 수 있었습니다.
12:20
And as I looked at it,
295
725000
2000
사실 보는 것만으로는
12:22
to me it didn't make sense
296
727000
2000
어떻게 암에 접근해야 하는지에 대해
12:24
how we were approaching cancer,
297
729000
2000
아무런 깨달음도 얻을 수 없었죠.
12:26
and in order to make sense of it,
298
731000
3000
깨달음을 얻기 위해서 저는
12:29
I had to learn where did this come from.
299
734000
3000
암의 원인이 무엇인지부터 배워야 했습니다.
12:32
We're treating cancer almost like it's an infectious disease.
300
737000
4000
우리는 암을 마치 세균감염에 의한 질병처럼 다루고 있습니다.
12:36
We're treating it as something that got inside of you
301
741000
2000
여러분의 몸 안에 생긴, 죽여 없애야 하는 것으로
12:38
that we have to kill.
302
743000
2000
취급하고 있죠.
12:40
So this is the great paradigm.
303
745000
2000
이것은 심각한 고정관념이라 할 수 있습니다.
12:42
This is another case
304
747000
2000
생물학에서 이론적 고정관념인
12:44
where a theoretical paradigm in biology really worked --
305
749000
2000
병원균 이론이 잘 맞아 떨어지기는 하지만-
12:46
was the germ theory of disease.
306
751000
3000
그 것과는 별개의 문제입니다.
12:49
So what doctors are mostly trained to do
307
754000
2000
의사들이 주로 수련하는 것은
12:51
is diagnose --
308
756000
2000
진단법입니다.
12:53
that is, put you into a category
309
758000
2000
여러분을 카테고리로 분류하는 거죠.
12:55
and apply a scientifically proven treatment
310
760000
2000
그리고 진단결과에 따라 과학적으로 입증된
12:57
for that diagnosis --
311
762000
2000
치료법을 적용합니다.
12:59
and that works great for infectious diseases.
312
764000
3000
이 방법은 감염에 의한 질병에는 대단히 효과적입니다.
13:02
So if we put you in the category
313
767000
2000
매독에 걸린 걸로 분류되면
13:04
of you've got syphilis, we can give you penicillin.
314
769000
3000
의사는 페니실린을 처방할 겁니다.
13:07
We know that that works.
315
772000
2000
그 효과도 예상하고 있죠.
13:09
If you've got malaria, we give you quinine
316
774000
2000
말라리아에 걸렸다면 퀴닌이나
13:11
or some derivative of it.
317
776000
2000
그 대체제들을 처방할 것입니다.
13:13
And so that's the basic thing doctors are trained to do,
318
778000
3000
이것이 의사들이 훈련받아 온 기본적인 것들이죠.
13:16
and it's miraculous
319
781000
2000
감염에 의한 질병에 있어
13:18
in the case of infectious disease --
320
783000
3000
이런 방식은 어찌나 효과적인지
13:21
how well it works.
321
786000
2000
기적처럼 보일 정도입니다.
13:23
And many people in this audience probably wouldn't be alive
322
788000
3000
만일 의사가 이렇게 하지 않았다면 여러분 중 대다수는
13:26
if doctors didn't do this.
323
791000
2000
살아있지 못했을 것입니다.
13:28
But now let's apply that
324
793000
2000
하지만 이제 암을,
13:30
to systems diseases like cancer.
325
795000
2000
시스템적인 질병으로 생각해봅시다.
13:32
The problem is that, in cancer,
326
797000
2000
암에 있어서 문제점은,
13:34
there isn't something else
327
799000
2000
무언가 침입한 것이 아니라
13:36
that's inside of you.
328
801000
2000
여러분 몸 자체라는 점입니다.
13:38
It's you; you're broken.
329
803000
2000
바로 여러분 때문이고, 자신의 몸이 망가졌기 때문이죠.
13:40
That conversation inside of you
330
805000
4000
여러분 몸 안의 대화가
13:44
got mixed up in some way.
331
809000
2000
어떤 부분에서 마구 뒤섞인 거죠.
13:46
So how do we diagnose that conversation?
332
811000
2000
이런 대화를 우리가 어떻게 진단할 수 있을까요?
13:48
Well, right now what we do is we divide it by part of the body --
333
813000
3000
현재 우리가 하고 있는 일은
13:51
you know, where did it appear? --
334
816000
3000
암이 발생한 신체적 부분에 따라
13:54
and we put you in different categories
335
819000
2000
환자를 다양한 카테고리로 분류하듯이
13:56
according to the part of the body.
336
821000
2000
신체를 여러 부위로 나누는 것입니다.
13:58
And then we do a clinical trial
337
823000
2000
그리고 나서 임상실험들을 수행하죠
14:00
for a drug for lung cancer
338
825000
2000
폐암이라면 그에 해당하는 약을
14:02
and one for prostate cancer and one for breast cancer,
339
827000
3000
전립선암, 유방암이라면 또 각각에 해당하는 약을 써보는 겁니다.
14:05
and we treat these as if they're separate diseases
340
830000
3000
암들을 서로 다른 질병으로 취급하고,
14:08
and that this way of dividing them
341
833000
2000
몸안의 잘못된 부분과 관련있는 것들을
14:10
had something to do with what actually went wrong.
342
835000
2000
구분하는 방법을 취하는 것입니다.
14:12
And of course, it really doesn't have that much to do
343
837000
2000
물론, 무엇이 잘못되었는지 파악하는 것은
14:14
with what went wrong
344
839000
2000
어려운 일은 아닙니다.
14:16
because cancer is a failure of the system.
345
841000
3000
암은 시스템상의 오류이기 때문이죠.
14:19
And in fact, I think we're even wrong
346
844000
2000
그리고 사실, 암을 하나로 지칭하는 것이야 말로
14:21
when we talk about cancer as a thing.
347
846000
3000
정말 잘못된 것이라고 생각합니다.
14:24
I think this is the big mistake.
348
849000
2000
정말 큰 실수라고 생각해요.
14:26
I think cancer should not be a noun.
349
851000
4000
저는 암을 하나의 명사로 통칭해서는 안 된다고 생각합니다.
14:30
We should talk about cancering
350
855000
2000
암에 대해 얘기할 때는
14:32
as something we do, not something we have.
351
857000
3000
결과가 아닌 진행과정을 얘기해야 합니다.
14:35
And so those tumors,
352
860000
2000
종양이라는 것도
14:37
those are symptoms of cancer.
353
862000
2000
암의 증상에 불과한 거죠.
14:39
And so your body is probably cancering all the time,
354
864000
3000
따라서 여러분 몸은 항상 암이 진행되고 있다고 볼 수 있습니다.
14:42
but there are lots of systems in your body
355
867000
3000
하지만 몸 안에는 수많은 시스템이 있기 때문에
14:45
that keep it under control.
356
870000
2000
암을 통제할 수 있는 것입니다.
14:47
And so to give you an idea
357
872000
2000
실질적인 이해를 돕기 위해
14:49
of an analogy of what I mean
358
874000
2000
제가 암이라는 것을 동사로 취급함으로써
14:51
by thinking of cancering as a verb,
359
876000
3000
제가 의미하는 바가 무엇인지 비유해보도록 하겠습니다.
14:54
imagine we didn't know anything about plumbing,
360
879000
3000
우리가 배관시설에 대해 전혀 아는 게 없을 때,
14:57
and the way that we talked about it,
361
882000
2000
이것에 대해 어떻게 얘기하는지 상상해보죠.
14:59
we'd come home and we'd find a leak in our kitchen
362
884000
3000
집에 왔는데 부엌에서 물이 새는 것을 발견했습니다.
15:02
and we'd say, "Oh, my house has water."
363
887000
4000
"이런, 집 안에 물이 고여 있네." 라고 말하겠죠.
15:06
We might divide it -- the plumber would say, "Well, where's the water?"
364
891000
3000
상황을 나눠보죠. 배관공이 묻습니다 "물이 어디에 있나요?"
15:09
"Well, it's in the kitchen." "Oh, you must have kitchen water."
365
894000
3000
"부엌이요." "아, 부엌에서 물이 새는군요."
15:12
That's kind of the level at which it is.
366
897000
3000
바로 이런 상황입니다.
15:15
"Kitchen water,
367
900000
2000
"부엌에서 물이 새면요?"
15:17
well, first of all, we'll go in there and we'll mop out a lot of it.
368
902000
2000
먼저, 우리는 그 안에 들어가 걸레질을 할 겁니다.
15:19
And then we know that if we sprinkle Drano around the kitchen,
369
904000
3000
주변에 드레이노(얼룩제거제)를 뿌리는 게
15:22
that helps.
370
907000
3000
도움이 된다는 것도 알고 있죠.
15:25
Whereas living room water,
371
910000
2000
그에 반해 거실에 물이 새는 경우에는
15:27
it's better to do tar on the roof."
372
912000
2000
천장에 방수제를 바르는 것이 낫습니다.
15:29
And it sounds silly,
373
914000
2000
어리석게 들릴 수도 있지만,
15:31
but that's basically what we do.
374
916000
2000
그것이 우리가 기본적으로 하는 것입니다.
15:33
And I'm not saying you shouldn't mop up your water if you have cancer,
375
918000
3000
당신이 암일 때 걸레질로 없애려 해서는 안된다는 얘기가 아닙니다.
15:36
but I'm saying that's not really the problem;
376
921000
3000
다만 그것이 진짜 문제가 아니란 점을 말하고 싶은거죠.
15:39
that's the symptom of the problem.
377
924000
2000
문제의 증상을 봐야 한다는 겁니다.
15:41
What we really need to get at
378
926000
2000
우리가 정말로 해야할 일은
15:43
is the process that's going on,
379
928000
2000
병이 진행되는 과정을 살피고,
15:45
and that's happening at the level
380
930000
2000
그 정도 진행단계에서는 무슨 일이 일어날지를
15:47
of the proteonomic actions,
381
932000
2000
단백체학적 활동으로 파악하고,
15:49
happening at the level of why is your body not healing itself
382
934000
3000
정상적인 상태에서는 몸 스스로 치료할 수 있는 단계인데도
15:52
in the way that it normally does?
383
937000
2000
어째서 자연치유가 되지 않는지를 물어야 하는 것입니다.
15:54
Because normally, your body is dealing with this problem all the time.
384
939000
3000
보통 우리 몸은 항상 이런 문제를 겪고 있거든요.
15:57
So your house is dealing with leaks all the time,
385
942000
3000
여러분의 집도 물이 새는 문제를 항상 안고 있습니다.
16:00
but it's fixing them. It's draining them out and so on.
386
945000
4000
하지만 그걸 고치잖아요. 닦아낸다든지 해서요.
16:04
So what we need
387
949000
3000
우리에게 필요한 것은
16:07
is to have a causative model
388
952000
4000
몸안에 실제 일어나는 일을 볼 수 있는
16:11
of what's actually going on,
389
956000
2000
인과관계 모델을 갖는 것입니다.
16:13
and proteomics actually gives us
390
958000
3000
단백체학이 이 인과관계 모델을
16:16
the ability to build a model like that.
391
961000
3000
구성할 수 있게 해줍니다.
16:19
David got me invited
392
964000
2000
데이빗이 국립암센터 강의자로
16:21
to give a talk at National Cancer Institute
393
966000
2000
저를 초대한 적이 있는데요.
16:23
and Anna Barker was there.
394
968000
3000
거기 애나 바커도 참석했었습니다.
16:27
And so I gave this talk
395
972000
2000
그 때 같은 내용의 강연을 하고 물어봤죠.
16:29
and said, "Why don't you guys do this?"
396
974000
3000
"왜 당신들은 이렇게 하지 않나요?"
16:32
And Anna said,
397
977000
2000
애나가 대답했습니다.
16:34
"Because nobody within cancer
398
979000
3000
"암을 연구하는 사람중에 누구도
16:37
would look at it this way.
399
982000
2000
그런 식으로 접근하지 않았거든요.
16:39
But what we're going to do, is we're going to create a program
400
984000
3000
하지만 이제 특정 프로그램을 만들어서 진행하려고 합니다.
16:42
for people outside the field of cancer
401
987000
2000
암 이외의 분야에 있는 연구자들이
16:44
to get together with doctors
402
989000
2000
암에 대해 잘 알고 있는
16:46
who really know about cancer
403
991000
3000
의사들과 함께
16:49
and work out different programs of research."
404
994000
4000
차별화된 연구를 수행할 수 있게 하려고 해요."
16:53
So David and I applied to this program
405
998000
2000
그래서 데이빗과 제가 그 프로그램에 지원했죠.
16:55
and created a consortium
406
1000000
2000
그리고 남부캘리포니아대학에 연구단을
16:57
at USC
407
1002000
2000
만들었습니다.
16:59
where we've got some of the best oncologists in the world
408
1004000
3000
스탠포드대, 텍사스주립대, 콜드 스프링 하버 연구소에서 온
17:02
and some of the best biologists in the world,
409
1007000
3000
세계적으로 가장 뛰어난 종양학자들,
17:05
from Cold Spring Harbor,
410
1010000
2000
세계적으로 가장 뛰어난 생물학자들이
17:07
Stanford, Austin --
411
1012000
2000
연구에 동참하고 있습니다.
17:09
I won't even go through and name all the places --
412
1014000
3000
저는 5년 정도 걸릴 연구 프로젝트를 얻기 위해
17:12
to have a research project
413
1017000
3000
여기 저기 거치면서
17:15
that will last for five years
414
1020000
2000
이름만 써넣길 바라지 않습니다.
17:17
where we're really going to try to build a model of cancer like this.
415
1022000
3000
암 모델을 만들어 내기 위한 일을 하고 싶을 뿐이죠.
17:20
We're doing it in mice first,
416
1025000
2000
지금은 쥐를 대상으로 연구하고 있습니다.
17:22
and we will kill a lot of mice
417
1027000
2000
이 일을 하는 과정에서
17:24
in the process of doing this,
418
1029000
2000
굉장히 많은 쥐들을 죽여야 겠죠.
17:26
but they will die for a good cause.
419
1031000
2000
하지만 값진 희생이 될 겁니다.
17:28
And we will actually try to get to the point
420
1033000
3000
우리는 언제 암이 발생하는지
17:31
where we have a predictive model
421
1036000
2000
예측 가능한 모델을 얻을 수 있는,
17:33
where we can understand,
422
1038000
2000
우리가 이해할 수 있는
17:35
when cancer happens,
423
1040000
2000
핵심을 얻고자 합니다.
17:37
what's actually happening in there
424
1042000
2000
그 안에서 실제로 어떤 일이 일어나는지
17:39
and which treatment will treat that cancer.
425
1044000
3000
어떤 치료가 암을 치유할 수 있는지 등을 말입니다.
17:42
So let me just end with giving you a little picture
426
1047000
3000
이제 간단한 그림으로 강연을 끝내기로 하죠.
17:45
of what I think cancer treatment will be like in the future.
427
1050000
3000
미래에는 암 치료가 이렇게 되리라 기대하고 있습니다.
17:48
So I think eventually,
428
1053000
2000
그리고 궁극적으로 저는
17:50
once we have one of these models for people,
429
1055000
2000
사람들을 위한 이런 모델들 중 하나를 만들길 바랍니다.
17:52
which we'll get eventually --
430
1057000
2000
궁극적으로 우리가 얻어야 하는 것은 --
17:54
I mean, our group won't get all the way there --
431
1059000
2000
여기서 모든 방법을 얻길 바라는 게 아닙니다.
17:56
but eventually we'll have a very good computer model --
432
1061000
3000
다만 세계 기후를 예측하는 모델과 같이
17:59
sort of like a global climate model for weather.
433
1064000
3000
매우 좋은 컴퓨터 모델을 갖게 되길 바랍니다.
18:02
It has lots of different information
434
1067000
3000
매우 다양한 정보들이 그 안에 있을 것이고,
18:05
about what's the process going on in this proteomic conversation
435
1070000
3000
단백체 안의 대화들이 어떻게 진행되고 있는지
18:08
on many different scales.
436
1073000
2000
수많은 수준에서 연구될 것입니다.
18:10
And so we will simulate
437
1075000
2000
그리고 그 모델을 통해
18:12
in that model
438
1077000
2000
여러분의 특정 암을
18:14
for your particular cancer --
439
1079000
3000
시뮬레이션 할 것입니다.
18:17
and this also will be for ALS,
440
1082000
2000
이건 루게릭병를 위한 게 될 수도 있고
18:19
or any kind of system neurodegenerative diseases,
441
1084000
3000
모든 종류의 신경계 변성 질환이나 기타 다른 질병들에도
18:22
things like that --
442
1087000
2000
쓰일 수 있을 것입니다.
18:24
we will simulate
443
1089000
2000
우리는 일반인 뿐만아니라
18:26
specifically you,
444
1091000
2000
특히 한 사람을 대상으로,
18:28
not just a generic person,
445
1093000
2000
개인의 몸 안에서
18:30
but what's actually going on inside you.
446
1095000
2000
실제로 일어나는 일을 시뮬레이션 할 것입니다.
18:32
And in that simulation, what we could do
447
1097000
2000
그리고 이를 통해 우리가 할 수 있는 일은
18:34
is design for you specifically
448
1099000
2000
한 사람만을 위해 특화된 일련의 치료과정을
18:36
a sequence of treatments,
449
1101000
2000
디자인하는 것입니다.
18:38
and it might be very gentle treatments, very small amounts of drugs.
450
1103000
3000
부작용도 적고 매우 적은 양의 약을 사용하는 치료가 되겠죠.
18:41
It might be things like, don't eat that day,
451
1106000
3000
어떤 날은 먹지 말라거나
18:44
or give them a little chemotherapy,
452
1109000
2000
소량의 화학적 치료만을 수행할 수 있을 것입니다.
18:46
maybe a little radiation.
453
1111000
2000
아주 적은 방사선을 이용할 수도 있겠죠.
18:48
Of course, we'll do surgery sometimes and so on.
454
1113000
3000
물론, 가끔은 수술도 해야 할 겁니다.
18:51
But design a program of treatments specifically for you
455
1116000
3000
하지만 개인별로 특화된 치료 프로그램이
18:54
and help your body
456
1119000
3000
여러분의 몸이
18:57
guide back to health --
457
1122000
3000
다시 건강하게 돌아갈 수 있도록
19:00
guide your body back to health.
458
1125000
2000
도와주고 이끌어줄 것입니다.
19:02
Because your body will do most of the work of fixing it
459
1127000
4000
여러분 몸이 대부분의 문제점을 스스로 고칠 수 있도록
19:06
if we just sort of prop it up in the ways that are wrong.
460
1131000
3000
잘못된 방향으로 가고 있는 것을 바로 잡아주기만 하는 거죠.
19:09
We put it in the equivalent of splints.
461
1134000
2000
몸이 균형을 이룰 수 있도록 뒷받침을 해주는 것입니다.
19:11
And so your body basically has lots and lots of mechanisms
462
1136000
2000
여러분 몸은 기본적으로 암을 치료하기 위한
19:13
for fixing cancer,
463
1138000
2000
많은 방편들을 갖고 있기 때문에,
19:15
and we just have to prop those up in the right way
464
1140000
3000
우리는 그런 치유 메커니즘이 제 자리를 찾고
19:18
and get them to do the job.
465
1143000
2000
제 역할을 하도록 만들어 주는 것으로 충분합니다.
19:20
And so I believe that this will be the way
466
1145000
2000
저는 미래에는 암이 이런 방식으로
19:22
that cancer will be treated in the future.
467
1147000
2000
치유될 것이라고 믿고 있습니다.
19:24
It's going to require a lot of work,
468
1149000
2000
이를 위해 수많은 작업들과
19:26
a lot of research.
469
1151000
2000
많은 연구가 필요하겠지만,
19:28
There will be many teams like our team
470
1153000
3000
저희와 같은 많은 연구진들이
19:31
that work on this.
471
1156000
2000
이 일을 진행하고 있습니다.
19:33
But I think eventually,
472
1158000
2000
하지만, 언젠가는
19:35
we will design for everybody
473
1160000
2000
누구나 주문제작 방식의 암치료 계획을
19:37
a custom treatment for cancer.
474
1162000
4000
세울 수 있게 되리라고 생각합니다.
19:41
So thank you very much.
475
1166000
2000
진심으로 감사드리며, 마치겠습니다.
19:43
(Applause)
476
1168000
6000
(박수)
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com