TEDxBoston 2011
Richard Resnick: Welcome to the genomic revolution
Ričards Resniks: Sveicināti genomiskajā revolūcijā
Filmed:
Readability: 4.2
1,041,798 views
Šajā saprotamajā TEDxBoston runā Ričards Resniks parāda, kā lēta un ātra genoma sekvencēšana var apgriezt kājām gaisā visu veselības aprūpi (kā arī apdrošināšanu un politiku).
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
Dāmas un kungi,
00:17
I present to you the human genome.
1
2000
3000
iepazīstinu jūs ar cilvēka genomu.
00:20
(Applause)
2
5000
3000
(Aplausi)
00:23
Chromosome one, top left.
3
8000
2000
Pirmā hromosoma, augšā pa kreisi.
00:25
Bottom right are the sex chromosomes.
4
10000
2000
Lejā pa labi ir dzimuma hromosomas.
00:27
Women have two copies of that big X chromosome;
5
12000
2000
Sievietēm ir šīs lielās X hromosomas divas kopijas;
00:29
men have the X
6
14000
2000
vīriešiem ir viena
00:31
and, of course, that small copy of the Y.
7
16000
2000
un, protams, mazā Y hromosomas kopija.
00:33
Sorry boys, but it's just a tiny little thing that makes you different.
8
18000
4000
Piedodiet, puiši, bet tā ir tikai sīka, maza lietiņa, kas padara jūs atšķirīgus.
00:37
So if you zoom in on this genome,
9
22000
3000
Pietuvinot šo genomu,
00:40
then what you see, of course, is this double helix structure --
10
25000
3000
jūs, protams, redzat dubultu spirālveida struktūru,
00:43
the code of life spelled out with these four biochemical letters,
11
28000
2000
dzīvības kodu, kas apzīmēts ar šiem četriem bioķīmiskajiem burtiem,
00:45
or we call them bases, right:
12
30000
2000
mēs tos saucam par bāzēm:
00:47
A, C, G and T.
13
32000
2000
A, C, G un T.
00:49
How many are there in the human genome? Three billion.
14
34000
2000
Cik daudz to ir cilvēka genomā? Trīs miljardi.
00:51
Is that a big number?
15
36000
2000
Vai tas ir liels skaitlis?
00:53
Well, everybody can throw around big numbers.
16
38000
2000
Ikviens var mētāties ar lieliem skaitļiem.
00:55
But in fact, if I were to place one base
17
40000
2000
Taču faktiski, ja mēs novietotu vienu bāzi
00:57
on each pixel of this 1280 by 800 resolution screen,
18
42000
3000
uz katra no šī 1280 x 800 lielās izšķirtspējas ekrāna pikseļa,
01:00
we would need 3,000 screens to take a look at the genome.
19
45000
3000
mums genoma apskatīšanai vajadzētu 3,000 ekrānu.
01:03
So it's really quite big.
20
48000
2000
Tātad tas tiešām ir diezgan liels.
01:05
And perhaps because of its size,
21
50000
2000
Iespējams, tieši tā izmēra dēļ
01:07
a group of people -- all, by the way, with Y chromosomes --
22
52000
3000
cilvēku grupa, visi, starp citu, ar Y hromosomām,
01:10
decided they would want to sequence it.
23
55000
2000
izlēma, ka viņi vēlētos to sekvencēt.
01:12
(Laughter)
24
57000
2000
(Smiekli)
01:14
And so 15 years, actually, and about four billion dollars later,
25
59000
3000
15 gadus un apmēram 4 miljardus dolārus vēlāk
01:17
the genome was sequenced and published.
26
62000
2000
genoms bija sekvencēts un publicēts.
01:19
In 2003, the final version was published, and they keep working on it.
27
64000
3000
2003. gadā tika publicēta gala versija, un viņi turpina pie tās strādāt.
01:22
That was all done on a machine that looks like this.
28
67000
2000
To visu paveica ar aparātu, kas izskatās šādi.
01:24
It costs about a dollar for each base --
29
69000
2000
Katrai bāzei tas izmaksā apmēram dolāru,
01:26
a very slow way of doing it.
30
71000
2000
ļoti lēns veids, lai to izdarītu.
01:28
Well folks, I'm here to tell you
31
73000
2000
Cilvēki, esmu šeit, lai jums teiktu,
01:30
that the world has completely changed
32
75000
2000
ka pasaule ir pilnībā mainījusies
01:32
and none of you know about it.
33
77000
2000
un neviens no jums to neapzinās.
01:34
So now what we do is we take a genome,
34
79000
2000
Nu mēs paņemam genomu,
01:36
we make maybe 50 copies of it,
35
81000
2000
radam kādas 50 tā kopijas,
01:38
we cut all those copies up into little 50-base reads,
36
83000
3000
visas šīs kopijas sagriežam mazos 50 bāžu lielos gabalos,
01:41
and then we sequence them, massively parallel.
37
86000
2000
un tad mēs tos sekvencējam, vairumu paralēli.
01:43
And then we bring that into software,
38
88000
2000
Tad mēs tos ievietojam programmā,
01:45
and we reassemble it and we tell you what the story is.
39
90000
2000
saliekam to no jauna, un pastāstam ap ko lieta grozās.
01:47
And so just to give you a picture of what this looks like,
40
92000
3000
Lai jūs saprastu, kā tas izskatās,
01:50
the Human Genome Project: 3 gigabases, right.
41
95000
2000
Cilvēka genoma projekts: 3 gigabāzes, jā.
01:52
One run on one of these machines:
42
97000
2000
Viens iet pret vienu šajos aparātos:
01:54
200 gigabases in a week.
43
99000
3000
200 gigabāzes nedēļā.
01:57
And that 200 is going to change to 600 this summer,
44
102000
3000
Šovasar šis 200 kļūst par 600,
02:00
and there's no sign of this pace slowing.
45
105000
3000
un nekas neliecina, ka temps palēninās.
02:03
So the price of a base, to sequence a base,
46
108000
3000
Bāzes cena, bāzes sekvencēšanas cena,
02:06
has fallen 100 million times.
47
111000
3000
ir samazinājusies 100 miljonu reižu.
02:09
That's the equivalent of you filling up your car with gas in 1998,
48
114000
3000
Tas ir līdzvērtīgi tam, ja 1998. gadā būtu uzpildījuši savu mašīnu ar degvielu,
02:12
waiting until 2011,
49
117000
2000
gaidījuši līdz 2011. gadam,
02:14
and now you can drive to Jupiter and back twice.
50
119000
2000
un nu varat ar to divreiz turp un atpakaļ aizbraukt līdz Jupiteram.
02:16
(Laughter)
51
121000
5000
(Smiekli)
02:21
World population,
52
126000
2000
Pasaules apdzīvotība,
02:23
PC placements,
53
128000
2000
datoru izvietošana,
02:25
the archive of all the medical literature,
54
130000
3000
visas medicīniskās literatūras arhīvs,
02:28
Moore's law,
55
133000
2000
Mūra likums,
02:30
the old way of sequencing, and here's all the new stuff.
56
135000
3000
vecā sekvencēšanas metode, un nu šī jaunā lieta.
02:33
Guys, this is a log scale;
57
138000
2000
Cilvēki, tā ir reģistrācijas skala;
02:35
you don't typically see lines that go up like that.
58
140000
3000
Jūs parasti neredzat līnijas, kas šādi iet augšup.
02:38
So the worldwide capacity to sequence human genomes
59
143000
3000
Šogad pasaules cilvēka genomu sekvencēšanas veiktspēja
02:41
is something like 50,000 to 100,000 human genomes this year.
60
146000
3000
ir apmēram no 50,000 līdz 100,000 cilvēku genomiem.
02:44
And we know this based on the machines that are being placed.
61
149000
3000
Mēs zinām, ka tas ir balstīts uz ierīcēm, kas ir tikušas izmantotas.
02:47
This is expected to double, triple or maybe quadruple
62
152000
3000
Paredz, ka tas divkāršosies, trīskāršosies vai pat četrkāršosies
02:50
year over year for the foreseeable future.
63
155000
2000
gadu pēc gada tuvākajā nākotnē.
02:52
In fact, there's one lab in particular
64
157000
2000
Faktiski, ir viena laboratorija,
02:54
that represents 20 percent of all that capacity.
65
159000
3000
kas veic 20% visa šī apjoma.
02:57
It's called the Beijing Genomics Institute.
66
162000
3000
Tas ir Pekinas Genomikas institūts.
03:00
The Chinese are absolutely winning this race to the new Moon, by the way.
67
165000
4000
Ķīnieši, starp citu, pilnībā uzvar šajās sacensībās uz jauno Mēnesi.
03:04
What does this mean for medicine?
68
169000
2000
Ko tas nozīmē medicīnai?
03:06
So a woman is age 37.
69
171000
2000
Sievietei ir 37 gadi.
03:08
She presents with stage 2 estrogen receptor-positive breast cancer.
70
173000
4000
Viņai ir estrogēnu receptoru pozitīvs krūts vēzis 2. stadijā.
03:12
She is treated with surgery, chemotherapy and radiation.
71
177000
3000
Viņa tikusi ārstēta ar ķirurģijas, ķīmijterapijas un apstarošanas palīdzību.
03:15
She goes home.
72
180000
2000
Viņa dodas mājās.
03:17
Two years later, she comes back with stage three C ovarian cancer.
73
182000
3000
Pēc diviem gadiem viņa atgriežas ar 3. C stadijas olnīcu vēzi.
03:20
Unfortunately, treated again with surgery and chemotherapy.
74
185000
3000
Diemžēl, viņa atkal tiek ārstēta ar ķirurģijas un ķīmijterapijas palīdzību.
03:23
She comes back three years later at age 42
75
188000
2000
Viņa atgriežas pēc trim gadiem 42 gadu vecumā
03:25
with more ovarian cancer, more chemotherapy.
76
190000
3000
ar vēl nopietnāku olnīcu vēzi, vēl vairāk ķīmijterapijas.
03:28
Six months later,
77
193000
2000
Pēc sešiem mēnešiem
03:30
she comes back with acute myeloid leukemia.
78
195000
3000
viņa atgriežas ar akūtu mieloīdu leikēmiju.
03:34
She goes into respiratory failure and dies eight days later.
79
199000
3000
Viņai sākas elpošanas mazspēja un viņa pēc 8 dienām mirst.
03:37
So first, the way in which this woman was treated, in as little as 10 years,
80
202000
3000
Pirmkārt, veids, kādā šī sieviete tika ārstēta pēc mazāk nekā 10 gadiem
03:40
will look like bloodletting.
81
205000
3000
izskatīsies kā asins nolaišana.
03:43
And it's because of people like my colleague, Rick Wilson,
82
208000
2000
Tādu cilvēku dēļ kā mans kolēģis Riks Vilsons
03:45
at the Genome Institute at Washington University,
83
210000
3000
Vašingtonas universitātes Genoma institūtā,
03:48
who decided to take a look at this woman postmortem.
84
213000
2000
kurš izlēma aplūkot šo sievieti pēc nāves.
03:50
And he sequenced, he took skin cells, healthy skin,
85
215000
3000
Viņš veica sekvencēšanu, viņš paņēma ādas šūnas, veselu ādu
03:53
and cancerous bone marrow,
86
218000
2000
un slimās kaula smadzenes,
03:55
and he sequenced the whole genomes of both of them
87
220000
2000
un pāris nedēļu laikā no tām abām sekvencēja
03:57
in a couple of weeks, no big deal.
88
222000
3000
visu genomu, nekas īpašs.
04:00
And then he compared those two genomes in software,
89
225000
2000
Tad viņš programmā salīdzināja abus genomus,
04:02
and what he found, among other things,
90
227000
2000
un viena no lietām, ko viņš atklāja,
04:04
was a deletion, a 2,000-base deletion
91
229000
2000
bija delēcija, 2,000 bāžu delēcija
04:06
across three billion bases
92
231000
2000
starp 3 miljardiem bāzu
04:08
in a particular gene called TP53.
93
233000
2000
konkrētā gēnā, ko sauc TP53.
04:10
If you have this deleterious mutation in this gene,
94
235000
3000
Ja jums šajā gēnā ir šī kaitīgā mutācija,
04:13
you're 90 percent likely to get cancer in your life.
95
238000
3000
ir par 90% lielāka iespēja savā dzīvē saslimt ar vēzi.
04:16
So unfortunately, this doesn't help this woman,
96
241000
2000
Diemžēl, šai sievietei tas nepalīdzēja,
04:18
but it does have severe, profound if you will,
97
243000
3000
bet tam bija spēcīga un pamatīga
04:21
implications to her family.
98
246000
2000
saistība ar viņas ģimeni.
04:23
I mean, if they have the same mutation,
99
248000
2000
Proti, ja viņiem būtu tāda pati mutācija,
04:25
and they get this genetic test, and they understand it,
100
250000
3000
un viņi veiktu šo ģenētisko testu, un to saprastu,
04:28
then they can go and get regular screens, and they can catch cancer early
101
253000
3000
viņi varētu doties un veikt regulāras pārbaudes, un vēzi varētu noteikt agrīnā stadijā
04:31
and potentially live a significantly longer life.
102
256000
2000
un iespējams nodzīvot daudz ilgāku dzīvi.
04:33
Let me introduce you now to the Beery twins,
103
258000
2000
Ļaujiet man jūs iepazīstināt ar Bīriju dvīņiem,
04:35
diagnosed with cerebral palsy at the age of two.
104
260000
2000
kuriem divu gadu vecumā tika diagnosticēta smadzeņu paralīze.
04:37
Their mom is a very brave woman
105
262000
2000
Viņu mamma ir ļoti drosmīga sieviete,
04:39
who didn't believe that the symptoms weren't matching up,
106
264000
2000
kura neticēja, ka simptomi nesader,
04:41
and through some heroic efforts and a lot of Internet searching,
107
266000
2000
un pēc dažiem varonīgiem mēģinājumiem un ilgas meklēšanas Internetā
04:43
she was able to convince the medical community
108
268000
3000
viņa bija spējīga pārliecināt medicīnas sabiedrību,
04:46
that, in fact, they had something else.
109
271000
2000
ka viņiem ir kas cits.
04:48
What they had was dopa-responsive dystonia.
110
273000
3000
Viņiem bija dopamīna reaģējošā distonija.
04:51
And so they were given L-Dopa,
111
276000
2000
Viņiem tika dots L-Dopa,
04:53
and their symptoms did improve,
112
278000
2000
un viņu simptomi mazinājās,
04:55
but they weren't totally asymptomatic.
113
280000
2000
bet viņi nekļuva pilnībā bez simptomiem.
04:57
Significant problems remained.
114
282000
2000
Saglabājās nozīmīgas problēmas.
04:59
Turns out the gentleman in this picture is a guy named Joe Beery,
115
284000
2000
Vīrietis šajā attēlā ir Džo Bīrijs,
05:01
who was lucky enough to be the CIO
116
286000
2000
kuram paveicās ar to, ka bija uzziņu biroja vadītājs
05:03
of a company called Life Technologies.
117
288000
2000
uzņēmumā Life Technologies.
05:05
They're one of the two companies
118
290000
2000
Tas ir viens no diviem uzņēmumiem,
05:07
that makes these massive whole genome sequencing tools.
119
292000
3000
kas ražo šos lielos visa genoma sekvencēšanas rīkus.
05:10
And so what he did was he got his kids sequenced.
120
295000
3000
Viņš lika veikt sekvencēšanu saviem bērniem
05:13
And what they found was a series of mutations in a gene called SPR,
121
298000
3000
un atklāja virkni mutāciju SPR gēnā,
05:16
which is responsible for producing serotonin, among other things.
122
301000
4000
kas visvairāk ir atbildīgs par serotonīna veidošanos.
05:20
So on top of L-Dopa, they gave these kids a serotonin precursor drug,
123
305000
3000
Bez L-Dopa viņš saviem bērniem deva arī serotonīna priekšteču medikamentus,
05:23
and they're effectively normal now.
124
308000
2000
un nu viņi ir pilnībā veseli.
05:25
Guys, this would never have happened without whole genome sequencing.
125
310000
3000
Cilvēki, tas nekad nebūtu noticis bez visa genoma sekvencēšanas.
05:28
And at the time -- this was a few years ago -- it cost $100,000.
126
313000
2000
Tad, tas bija pirms dažiem gadiem, tas maksāja 100,000 dolārus.
05:30
Today it's $10,000. Next year it's $1,000.
127
315000
2000
Nu tas maksā 10,000 dolārus. Nākamgad tas maksās 1,000 dolāru.
05:32
The year after it's $100, give or take a year.
128
317000
2000
Gadu pēc tam tas maksās 100 dolāru, pieskaiti vai atņem gadu.
05:34
That's how fast this is moving.
129
319000
2000
Tik ātri tas virzas.
05:36
So here's little Nick --
130
321000
2000
Lūk, mazais Niks,
05:38
likes Batman and squirt guns.
131
323000
3000
viņam patīk Betmens un ūdens pistoles.
05:41
And it turns out Nick shows up at the children's hospital
132
326000
3000
Beigu beigās Niks attopas bērnu slimnīcā
05:44
with this distended belly like a famine victim.
133
329000
2000
ar pietūkušo vēderu kā bada upurim.
05:46
And it's not that he's not eating,
134
331000
2000
Nav tā, ka viņš neēstu,
05:48
it's that when he eats, his intestine basically opens up
135
333000
2000
bet kad viņš ēd, viņa zarnas atveras
05:50
and feces spill out into his gut.
136
335000
2000
un fekālijas izplūst viņa kuņģī.
05:52
So a hundred surgeries later,
137
337000
2000
Pēc simtiem operāciju
05:54
he looks at his mom and says, "Mom,
138
339000
3000
viņš paskatās uz savu mammu un saka: „Mamm,
05:57
please pray for me. I'm in so much pain."
139
342000
3000
lūdzies par mani. Man tik ļoti sāp.”
06:00
His pediatrician happens to have a background in clinical genetics
140
345000
3000
Viņa pediatram ir pieredze klīniskajā ģenētikā
06:03
and he has no idea what's going on,
141
348000
2000
un viņam nav ne jausmas, kas notiek,
06:05
but he says, "Let's get this kid's genome sequenced."
142
350000
2000
taču viņš saka: „Sekvencēsim šī bērna genomu.”
06:07
And what they find is a single-point mutation
143
352000
2000
Viņi noskaidroja, ka viena vienīga punktveida mutācija
06:09
in a gene responsible for controlling programmed cell death.
144
354000
3000
gēnā ir atbildīga par ieprogrammētas šūnu nāves kontrolēšanu.
06:12
So the theory is that he's having some immunological reaction
145
357000
3000
Ir teorija, ka viņam ir kāda veida imunoloģiska reakcija,
06:15
to what's going on to the food essentially,
146
360000
3000
kas būtībā iedarbojas uz ēdienu,
06:18
and that's a natural reaction, which causes some programmed cell death.
147
363000
3000
tā ir dabiska reakcija, kas izraisa dažu ieprogrammētu šūnu nāvi.
06:21
But the gene that regulates that down is broken.
148
366000
2000
Taču gēns, kas to regulē, ir bojāts.
06:23
And so this informs, among other things, of course,
149
368000
2000
Viena no lietām, par ko tas vēsta, ir
06:25
a treatment for bone marrow transplant, which he undertakes.
150
370000
3000
ārstniecības līdzeklis kaulu smadzeņu transplantam, kuru viņš sāk lietot.
06:28
And after nine months of grueling recovery,
151
373000
2000
Pēc nogurdinošas, deviņu mēnešu atveseļošanās
06:30
he's now eating steak with A1 sauce.
152
375000
2000
nu viņš ēd steiku ar pirmšķirīgu mērci.
06:32
(Laughter)
153
377000
2000
(Smiekli)
06:34
The prospect of using the genome
154
379000
2000
Genoma izmantošanas perspektīva
06:36
as a universal diagnostic
155
381000
2000
kā universāls diagnostikas līdzeklis
06:38
is upon us today.
156
383000
2000
mums šodien ir pieejams.
06:40
Today, it's here.
157
385000
2000
Nu tas ir klāt.
06:42
And what it means for all of us
158
387000
2000
Tas mums visiem nozīmē,
06:44
is that everybody in this room could live an extra five, 10, 20 years
159
389000
3000
ka ikviens šajā telpā varētu dzīvot par pieciem, 10, 20 gadiem vairāk
06:47
just because of this one thing.
160
392000
2000
tikai šīs vienas lietas dēļ.
06:49
Which is a fantastic story,
161
394000
2000
Tas ir lielisks stāsts,
06:51
unless you think about humanity's footprint on the planet
162
396000
3000
ja vien nedomājat par cilvēces pēdu nospiedumiem uz planētas
06:54
and our ability to keep up food production.
163
399000
2000
un mūsu spēju turpināt pārtikas ražošanu.
06:56
So it turns out
164
401000
2000
Kā izrādās,
06:58
that the very same technology
165
403000
2000
tieši tā pati tehnoloģija
07:00
is also being used to grow new lines
166
405000
2000
tiek arī izmantota, lai audzētu jaunas
07:02
of corn, wheat, soybean and other crops
167
407000
3000
kukurūzas, kviešu, sojas pupiņu un citas kultūras,
07:05
that are highly tolerant of drought, of flood,
168
410000
2000
kas ir ļoti izturīgas pret sausumu, plūdiem,
07:07
of pests and pesticides.
169
412000
2000
kaitēkļiem un pesticīdiem.
07:09
Now look, as long as we continue to increase the population,
170
414000
3000
Cik vien ilgi mēs turpinām palielināt populāciju,
07:12
we're going to have to continue to grow and eat genetically modified foods,
171
417000
3000
mums jāturpina audzēt un ēst ģenētiski modificētu pārtiku,
07:15
and that's the only position that I'll take today.
172
420000
3000
un tā ir vienīgā nostāja, kurai šodien piekrītu.
07:18
Unless there's anybody in the audience
173
423000
2000
Ja vien publikā nav kāds,
07:20
that would like to volunteer to stop eating?
174
425000
2000
kas brīvprātīgi pieteiktos vairs neēst?
07:22
None, not one.
175
427000
2000
Neviens, pat ne viens.
07:24
This is a typewriter,
176
429000
2000
Lūk, rakstāmmašīna,
07:26
a staple of every desktop for decades.
177
431000
3000
ikviena rakstāmgalda pamatelements gadu desmitiem.
07:29
And in fact, the typewriter was essentially deleted by this thing.
178
434000
4000
Faktiski šī lieta izstūma rakstāmmašīnu no aprites.
07:33
And then more general versions of word processors came about.
179
438000
3000
Tad parādījās arvien vispārīgākas vārdu apstrādes versijas.
07:36
But ultimately, it was a disruption on top of a disruption.
180
441000
3000
Taču galu galā tas bija pārrāvums pārrāvuma galā.
07:39
It was Bob Metcalfe inventing the Ethernet
181
444000
2000
Bobam Metkalfam izgudrojot Ethernet
07:41
and the connection of all these computers
182
446000
2000
un visu šo datoru savienojumu,
07:43
that fundamentally changed everything.
183
448000
2000
kas pilnībā visu mainīja.
07:45
And suddenly we had Netscape, and we had Yahoo
184
450000
3000
Pēkšņi parādījās Netscape, tad Yahoo,
07:48
and we had, indeed, the entire dotcom bubble.
185
453000
3000
un mēs piedzīvojām visu dotcom burbuli.
07:51
(Laughter)
186
456000
3000
(Smiekli)
07:54
Not to worry though,
187
459000
2000
Nav vērts satraukties,
07:56
that was quickly rescued by the iPod, Facebook
188
461000
2000
to ātri vien izglāba iPod, Facebook
07:58
and, indeed, angry birds.
189
463000
2000
un noteikti arī piktie putni.
08:00
(Laughter)
190
465000
2000
(Smiekli)
08:02
Look, this is where we are today.
191
467000
3000
Skatieties, te mēs esam šodien.
08:05
This is the genomic revolution today. This is where we are.
192
470000
2000
Šī ir mūsdienu genomiskā revolūcija. Te nu mēs esam.
08:07
So what I'd like you to consider is:
193
472000
2000
Es vēlos, lai jūs apdomātu:
08:09
What does it mean
194
474000
2000
Ko nozīmē,
08:11
when these dots don't represent the individual bases of your genome,
195
476000
3000
ja šie punkti neattēlo jūsu genoma raksturīgās bāzes,
08:14
but they connect to genomes all across the planet?
196
479000
3000
bet tie savienojas ar genomiem visā planētā?
08:17
So I just recently had to buy life insurance.
197
482000
2000
Man nesen bija jāiegādājas dzīvības apdrošināšana.
08:19
And I was required to answer:
198
484000
2000
Man bija jāatbild:
08:21
A. I have never had a genetic test, B. I've had one, here you go,
199
486000
3000
A. Es nekad neesmu veicis ģenētisku testu, B. Esmu veicis, vienreiz,
08:24
and C. I've had one and I'm not telling.
200
489000
2000
un C. Es esmu vienreiz veicis un es to neteikšu.
08:26
Thankfully, I was able to answer A,
201
491000
2000
Paldies Dievam, es varēju atbildēt A,
08:28
and I say that honestly in case my life insurance agent is listening.
202
493000
3000
un es to saku godīgi gadījumā, ja klausās mans dzīvības apdrošināšanas aģents.
08:31
But what would have happened if I had said C?
203
496000
3000
Bet kas būtu noticis, ja es būtu atbildējis C?
08:34
Consumer applications for genomics, they will flourish.
204
499000
2000
Genomikas patērētāju aptaujas plauktu.
08:36
Do you want to see whether you're genetically compatible
205
501000
2000
Vai jūs vēlaties uzzināt, vai esat ģenētiski saderīgs
08:38
with your girlfriend? Sure.
206
503000
2000
ar savu draudzeni? Protams.
08:40
DNA sequencing on your iPhone? There's an app for that.
207
505000
3000
DNS sekvencēšana jūsu iPhone? Lūk, aplikācija tā paveikšanai.
08:43
(Laughter)
208
508000
2000
(Smiekli)
08:45
Personalized genomic massage anyone?
209
510000
3000
Kāds vēlas personalizētu genomisko masāžu?
08:48
There's already a lab today
210
513000
2000
Ir laboratorija,
08:50
that tests for allele 334 of the AVPR1 gene,
211
515000
2000
kas testē AVPR1 gēnu alēlei 334,
08:52
the so-called cheating gene.
212
517000
2000
tā saukto blēdības gēnu.
08:54
So anybody who's here today with your significant other,
213
519000
4000
Ikviens, kas šodien ir šeit ar savu otro pusīti,
08:58
just turn over to them and swab their mouth,
214
523000
2000
vienkārši pagriezieties pret viņu un paņemiet paraugu no viņa mutes,
09:00
send it to the lab and you'll know for sure.
215
525000
2000
aizsūtiet to uz laboratoriju un jūs to skaidri zināsit.
09:02
(Laughter)
216
527000
2000
(Smiekli)
09:04
Do you really want to elect a president
217
529000
2000
Vai jūs tiešām vēlaties ievēlēt prezidentu,
09:06
whose genome suggests cardiomyopathy?
218
531000
2000
kura genomā ir nosliece uz kardiomiopātiju?
09:08
Now think of it, it's 2016
219
533000
2000
Padomājiet par to, ir 2016. gads
09:10
and the leading candidate releases
220
535000
1000
un vadošā kandidāte dara zināmas
09:11
not only her four years of back tax returns,
221
536000
2000
ne tikai savas četru gadu nodokļu deklarācijas,
09:13
but also her personal genome.
222
538000
2000
bet arī savu personīgo genomu.
09:15
And it looks really good.
223
540000
2000
Tas izskatās tiešām labi.
09:17
And then she challenges all of her competitors to do the same.
224
542000
2000
Tad viņa izaicina visus savus konkurentus, lai tie izdarītu to pašu.
09:19
Do you think that's not going to happen?
225
544000
2000
Vai, jūsuprāt, tas nenotiks?
09:21
Do you think it would have helped John McCain?
226
546000
2000
Vai, jūsuprāt, tas būtu palīdzējis Džonam Makkeinam?
09:23
(Laughter)
227
548000
2000
(Smiekli)
09:25
How many people in the audience
228
550000
2000
Cik daudz cilvēkiem publikā
09:27
have the last name Resnick like me? Raise your hand.
229
552000
2000
ir tāds pats uzvārds, Resniks, kā man? Paceliet roku.
09:29
Anybody? Nobody.
230
554000
2000
Kādam? Nevienam.
09:31
Typically, there's one or two.
231
556000
2000
Parasti ir viens vai divi.
09:33
So my father's father was one of 10 Resnick brothers.
232
558000
2000
Mana tēva tēvs bija viens no 10 Resniku brāļiem.
09:35
They all hated each other.
233
560000
2000
Viņi viens otru ienīda.
09:37
And they all moved to different parts of the planet.
234
562000
2000
Viņi visi pārcēlās dzīvot uz dažādām pasaules daļām.
09:39
So it's likely
235
564000
2000
Iespējams,
09:41
that I'm related to every Resnick that I ever meet, but I don't know.
236
566000
3000
ka esmu radinieks ikvienam Resnikam, ko esmu kādreiz saticis, bet es nezinu.
09:44
But imagine if my genome were deidentified, sitting in software,
237
569000
3000
Iedomājieties, ja mans genoms būtu identificēts, atrodoties programmā,
09:47
and a third cousin's genome was also sitting there,
238
572000
2000
un trešās pakāpes brālēna genoms arī tur būtu,
09:49
and there was software that could compare these two
239
574000
2000
un būtu programma, kas varētu salīdzināt tos abus
09:51
and make these associations.
240
576000
2000
un radīt šīs saistības.
09:53
Not hard to imagine. My company has software that does this right now.
241
578000
3000
To nav grūti iedomāties. Manam uzņēmumam ir programma, kas to šobrīd dara.
09:56
And so imagine one more thing:
242
581000
2000
Iedomājieties vēl vienu lietu:
09:58
that that software is able to ask both parties for mutual consents,
243
583000
3000
ka šī programma spēj pajautāt abām pusēm piekrišanu,
10:01
"Would you be willing to meet your third cousin?"
244
586000
2000
„Vai jūs vēlētos satikt savu trešās pakāpes brālēnu?”
10:03
And if we both say yes,
245
588000
2000
Un ja mēs abi sakām „jā”,
10:05
voila! Welcome to chromosomally LinkedIn.
246
590000
2000
volā! Sveicināti hromosomālajā LinkedIn.
10:07
(Laughter)
247
592000
4000
(Smiekli)
10:11
Now this is probably a good thing, right?
248
596000
2000
Tā droši vien ir laba lieta, vai ne?
10:13
You have bigger clan gatherings and so on.
249
598000
2000
Jums ir lielākas radinieku tikšanās utt.
10:15
But maybe it's a bad thing as well.
250
600000
2000
Taču iespējams, tā ir arī slikta lieta.
10:17
How many fathers in the room? Raise your hands.
251
602000
2000
Cik daudz telpā ir tēvu? Paceliet savas rokas.
10:19
Okay, so experts think that one to three percent of you
252
604000
3000
Labi, eksperti uzskata, ka viens no trim procentiem jūsu
10:22
are not actually the father of your child.
253
607000
2000
īstenība nav sava bērna īstais tēvs.
10:24
(Laughter)
254
609000
2000
(Smiekli)
10:26
Look --
255
611000
2000
Klau.
10:28
(Laughter)
256
613000
4000
(Smiekli)
10:32
These genomes, these 23 chromosomes,
257
617000
3000
Šie genomi, šīs 23 hromosomas,
10:35
they don't in any way represent the quality of our relationships
258
620000
3000
tās nekādā veidā neataino mūsu attiecību kvalitāti
10:38
or the nature of our society -- at least not yet.
259
623000
2000
vai mūsu sabiedrības dabu, vismaz ne pagaidām.
10:40
And like any new technology,
260
625000
2000
Kā jebkura jauna tehnoloģija,
10:42
it's really in humanity's hands
261
627000
2000
tā patiesi ir cilvēces rokās,
10:44
to wield it for the betterment of mankind, or not.
262
629000
3000
lai ar to cilvēcei darītu labu, vai arī nē.
10:47
And so I urge you all to wake up and to tune in
263
632000
3000
Es mudinu jūs visus pamosties, iesaistīties
10:50
and to influence the genomic revolution that's happening all around you.
264
635000
3000
un ietekmēt genomisko revolūciju, kas norisinās jūsu acu priekšā.
10:53
Thank you.
265
638000
2000
Paldies.
10:55
(Applause)
266
640000
2000
(Aplausi)
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