TEDSummit 2019
Laura Boykin: How we're using DNA tech to help farmers fight crop diseases
Laura Boykin: Hoe we DNA gebruiken om boeren plantenziekten te helpen bestrijden
Filmed:
Readability: 4.1
1,215,005 views
Bijna 800 miljoen mensen wereldwijd zijn afhankelijk van cassave om te overleven -- maar deze kritieke voedselbron wordt aangevallen door volledig te voorkomen virussen, zegt computationeel bioloog en TED Senior Fellow Laura Boykin. Ze neemt ons mee naar de boerderijen in Oost-Afrika, waar ze werkt met een divers team van wetenschappers om boeren te helpen hun gewassen gezond te houden met behulp van een draagbaar DNA-laboratorium en een mini-supercomputer die virussen binnen enkele uren in plaats van in maanden kunnen identificeren.
Laura Boykin - Computational biologist, activist
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
TED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families. Full bio
Double-click the English transcript below to play the video.
00:12
I get out of bed for two reasons.
0
991
2326
Twee redenen halen me uit bed.
00:15
One, small-scale family farmers
need more food.
need more food.
1
3341
4031
Ten eerste, kleine familieboeren
hebben meer voedsel nodig.
hebben meer voedsel nodig.
00:19
It's crazy that in 2019
farmers that feed us are hungry.
farmers that feed us are hungry.
2
7738
5178
Het is te gek dat in 2019
de boeren die ons voeden honger lijden.
de boeren die ons voeden honger lijden.
00:25
And two, science needs to be
more diverse and inclusive.
more diverse and inclusive.
3
13353
4833
Ten tweede, omdat wetenschap
meer divers en inclusief moet zijn.
meer divers en inclusief moet zijn.
00:30
If we're going to solve
the toughest challenges on the planet,
the toughest challenges on the planet,
4
18679
3422
Als we de grootste problemen
op de planeet willen oplossen,
op de planeet willen oplossen,
00:34
like food insecurity for the millions
living in extreme poverty,
living in extreme poverty,
5
22125
4333
zoals voedselonzekerheid
voor de miljoenen mensen
die in extreme armoede leven,
die in extreme armoede leven,
00:38
it's going to take all of us.
6
26482
1619
hebben we iedereen nodig.
00:40
I want to use the latest technology
7
28680
2580
Ik wil de nieuwste technologie gebruiken
00:43
with the most diverse
and inclusive teams on the planet
and inclusive teams on the planet
8
31284
3293
met de meest diverse
en inclusieve teams op de planeet
en inclusieve teams op de planeet
00:46
to help farmers have more food.
9
34601
2067
om landbouwers aan meer voedsel te helpen.
00:49
I'm a computational biologist.
10
37545
1881
Ik ben een computationele bioloog.
Ik weet het --
00:51
I know -- what is that
and how is it going to help end hunger?
and how is it going to help end hunger?
11
39450
3404
wat is dat en hoe gaat dat
de honger uit de wereld helpen?
de honger uit de wereld helpen?
00:54
Basically, I like computers and biology
12
42878
3246
Simpel gezegd hou ik
van computers en biologie
van computers en biologie
en op de een of andere manier
vormt dat samen een beroep.
vormt dat samen een beroep.
00:58
and somehow,
putting that together is a job.
putting that together is a job.
13
46148
2444
01:00
(Laughter)
14
48616
1083
(Gelach)
01:01
I don't have a story
15
49723
1520
Ik ben niet iemand
01:03
of wanting to be a biologist
from a young age.
from a young age.
16
51267
3286
die al op jonge leeftijd
bioloog wou worden.
bioloog wou worden.
01:06
The truth is, I played
basketball in college.
basketball in college.
17
54577
3706
De waarheid is dat ik
op de universiteit basketbal speelde.
op de universiteit basketbal speelde.
01:10
And part of my financial aid package
was I needed a work-study job.
was I needed a work-study job.
18
58585
5143
Om het hoofd boven water te houden
volgde ik een leerwerktraject.
volgde ik een leerwerktraject.
01:16
So one random day,
19
64300
1540
Op een mooie dag
01:17
I wandered to the nearest building
to my dorm room.
to my dorm room.
20
65864
3197
liep ik het gebouw
vlak bij mijn slaapruimte in.
vlak bij mijn slaapruimte in.
01:21
And it just so happens
it was the biology building.
it was the biology building.
21
69085
2680
Toevallig was dat het biologiegebouw.
Ik ging binnen en bekeek
het bord met werkaanbiedingen.
het bord met werkaanbiedingen.
01:24
I went inside and looked at the job board.
22
72347
2586
01:27
Yes, this is pre-the-internet.
23
75493
2164
Ja, dit was van voor het internet.
01:30
And I saw a three-by-five card
24
78430
2007
Ik zag een fiche
01:32
advertising a job
to work in the herbarium.
to work in the herbarium.
25
80461
3155
die een baan aanbood
om te werken in het herbarium.
om te werken in het herbarium.
01:36
I quickly took down the number,
26
84601
2001
Ik noteerde snel het nummer,
01:38
because it said "flexible hours,"
27
86626
1705
omdat er ‘flexibele uren’ stond
01:40
and I needed that to work around
my basketball schedule.
my basketball schedule.
28
88355
3257
en dat had ik nodig om het in te passen
in mijn basketbalschema.
in mijn basketbalschema.
01:44
I ran to the library
to figure out what an herbarium was.
to figure out what an herbarium was.
29
92204
4587
Ik haastte me naar de bibliotheek
om te weten wat een herbarium was.
om te weten wat een herbarium was.
01:48
(Laughter)
30
96815
2207
(Gelach)
01:51
And it turns out
31
99046
1309
Het blijkt
01:52
an herbarium is where they store
dead, dried plants.
dead, dried plants.
32
100379
4079
dat ze in een herbarium
dode, gedroogde planten bewaren.
dode, gedroogde planten bewaren.
01:57
I was lucky to land the job.
33
105379
1714
Het lukte me om de baan te krijgen.
01:59
So my first scientific job
34
107117
3206
Mijn eerste wetenschappelijke werk
02:02
was gluing dead plants onto paper
for hours on end.
for hours on end.
35
110347
5335
bestond in urenlang
dode planten op papier plakken.
dode planten op papier plakken.
02:07
(Laughter)
36
115706
3278
(Gelach)
02:11
It's so glamorous.
37
119008
1150
Het is zo glamoureus.
02:12
This is how I became
a computational biologist.
a computational biologist.
38
120182
3139
Zo werd ik computationele bioloog.
02:16
During that time,
39
124323
1183
In die tijd
02:17
genomics and computing were coming of age.
40
125530
2722
werden genomica en computers volwassen.
02:20
And I went on to do my masters
41
128276
2404
Ik ging mijn masters doen
02:22
combining biology and computers.
42
130704
3095
door combinatie van biologie en computers.
02:25
During that time,
43
133823
1165
Gedurende die tijd
werkte ik bij het Los Alamos National Lab
02:27
I worked at Los Alamos National Lab
44
135012
1779
02:28
in the theoretical biology
and biophysics group.
and biophysics group.
45
136815
2518
in de groep theoretische
biologie en biofysica.
biologie en biofysica.
02:31
And it was there I had my first encounter
with the supercomputer,
with the supercomputer,
46
139776
3730
Daar zag ik voor het eerst
een supercomputer
een supercomputer
en ik werd erdoor van de sokken geblazen.
02:35
and my mind was blown.
47
143530
1674
02:37
With the power of supercomputing,
48
145840
2039
Met de kracht van supercomputers,
02:39
which is basically thousands
of connected PCs on steroids,
of connected PCs on steroids,
49
147903
4223
in feite duizenden met elkaar
verbonden pc's op steroïden,
verbonden pc's op steroïden,
02:44
we were able to uncover the complexities
of influenza and hepatitis C.
of influenza and hepatitis C.
50
152150
5473
konden we de complexiteit
van griep en hepatitis C ontrafelen.
van griep en hepatitis C ontrafelen.
02:50
And it was during this time
that I saw the power
that I saw the power
51
158134
2331
Toen zag ik de kracht
02:52
of using computers
and biology combined, for humanity.
and biology combined, for humanity.
52
160489
4120
van de combinatie van computers
en biologie voor de mensheid.
en biologie voor de mensheid.
02:56
And I wanted this to be my career path.
53
164633
2372
Daar wilde ik mijn carrière van maken.
03:00
So, since 1999,
54
168030
1777
Daarom vertoef ik sinds 1999
03:01
I've spent the majority
of my scientific career
of my scientific career
55
169831
2698
het grootste deel
van mijn wetenschappelijke carrière
van mijn wetenschappelijke carrière
03:04
in very high-tech labs,
56
172553
1929
in high-tech laboratoria,
03:06
surrounded by really expensive equipment.
57
174506
2733
omringd door peperdure apparatuur.
03:09
So many ask me
58
177712
1643
Zovelen vragen mij
03:11
how and why do I work
for farmers in Africa.
for farmers in Africa.
59
179379
3867
hoe en waarom ik
voor de boeren in Afrika werk.
voor de boeren in Afrika werk.
03:15
Well, because of my computing skills,
60
183804
2302
Vanwege mijn computervaardigheden
03:18
in 2013, a team of East African scientists
61
186130
4539
vroeg in 2013 een team
van Oost-Afrikaanse wetenschappers me
van Oost-Afrikaanse wetenschappers me
03:22
asked me to join the team
in the plight to save cassava.
in the plight to save cassava.
62
190693
4089
om met het team een oplossing te zoeken
voor de benarde situatie van cassave.
voor de benarde situatie van cassave.
Cassave is een plant
03:27
Cassava is a plant whose leaves and roots
feed 800 million people globally.
feed 800 million people globally.
63
195766
6970
waarvan de bladeren en wortels
wereldwijd 800 miljoen mensen voeden --
wereldwijd 800 miljoen mensen voeden --
03:35
And 500 million in East Africa.
64
203639
3037
500 miljoen daarvan in Oost-Afrika.
03:38
So that's nearly a billion people
65
206994
2007
Bijna een miljard mensen
03:41
relying on this plant
for their daily calories.
for their daily calories.
66
209025
2968
doen beroep op deze plant
voor hun dagelijkse calorieën.
voor hun dagelijkse calorieën.
03:44
If a small-scale family farmer
has enough cassava,
has enough cassava,
67
212581
3845
Als een kleinschalige familieboerin
genoeg cassave heeft,
genoeg cassave heeft,
03:48
she can feed her family
68
216450
2144
kan ze haar gezin voeden
03:50
and she can sell it at the market
for important things like school fees,
for important things like school fees,
69
218618
4046
en het ook nog verkopen op de markt
voor belangrijke zaken als schoolgeld,
voor belangrijke zaken als schoolgeld,
03:54
medical expenses and savings.
70
222688
2135
medische kosten en spaargeld.
03:57
But cassava is under attack in Africa.
71
225752
3531
Maar cassave wordt bedreigd in Afrika.
04:01
Whiteflies and viruses
are devastating cassava.
are devastating cassava.
72
229665
4436
Wittevlieg en virussen verwoesten cassave.
04:06
Whiteflies are tiny insects
73
234593
2206
Wittevlieg zijn kleine insecten
die zich voeden met de bladeren
van meer dan 600 plantensoorten.
van meer dan 600 plantensoorten.
04:08
that feed on the leaves
of over 600 plants.
of over 600 plants.
74
236823
2818
04:11
They are bad news.
75
239665
1801
Ze zijn slecht nieuws.
04:13
There are many species;
76
241490
1159
Er bestaan vele soorten.
04:14
they become pesticide resistant;
77
242673
2269
Ze worden resistent
tegen bestrijdingsmiddelen
tegen bestrijdingsmiddelen
04:16
and they transmit hundreds
of plant viruses
of plant viruses
78
244966
4254
en ze verspreiden
honderden plantenvirussen
honderden plantenvirussen
04:21
that cause cassava brown streak disease
79
249244
2524
die cassave bruine-streep-ziekte
04:23
and cassava mosaic disease.
80
251792
1800
en mozaïek-ziekte geven.
04:26
This completely kills the plant.
81
254085
2134
Dat doodt de plant.
04:29
And if there's no cassava,
82
257038
1817
Zonder cassave
04:30
there's no food or income
for millions of people.
for millions of people.
83
258879
3999
is er geen voedsel of inkomen
voor miljoenen mensen.
voor miljoenen mensen.
04:36
It took me one trip to Tanzania
84
264141
2476
Eén reis naar Tanzania was genoeg
om te beseffen dat deze vrouwen
hulp nodig hebben.
hulp nodig hebben.
04:38
to realize that these women
need some help.
need some help.
85
266641
2738
04:41
These amazing, strong,
small-scale family farmers,
small-scale family farmers,
86
269403
4253
Deze verbazingwekkende, sterke,
kleinschalige familiale boeren,
kleinschalige familiale boeren,
04:45
the majority women,
87
273680
1268
de meerderheid vrouwen,
04:46
are doing it rough.
88
274972
1267
hebben het zwaar.
04:48
They don't have enough food
to feed their families,
to feed their families,
89
276744
2436
Ze hebben niet genoeg voedsel
om hun gezin te voeden.
om hun gezin te voeden.
04:51
and it's a real crisis.
90
279204
1588
Het is een echte crisis.
Dit gebeurt er:
04:53
What happens is
91
281530
1499
ze leggen velden van cassave aan
zodra de regens komen.
zodra de regens komen.
04:55
they go out and plant fields of cassava
when the rains come.
when the rains come.
92
283053
2992
04:58
Nine months later,
93
286069
1706
Negen maanden later
04:59
there's nothing, because of these
pests and pathogens.
pests and pathogens.
94
287799
3080
is er niets
door die plagen en ziekteverwekkers.
05:02
And I thought to myself,
95
290903
2158
Ik dacht:
05:05
how in the world can farmers be hungry?
96
293085
3198
hoe kunnen boeren nu honger lijden?
05:08
So I decided to spend
some time on the ground
some time on the ground
97
296815
2320
Daarom besloot ik er
wat tijd door te brengen
wat tijd door te brengen
05:11
with the farmers and the scientists
98
299159
1680
met de boeren en de wetenschappers
05:12
to see if I had any skills
that could be helpful.
that could be helpful.
99
300863
2603
om te zien of ik hen
kon helpen met mijn kennis.
kon helpen met mijn kennis.
05:16
The situation on the ground is shocking.
100
304427
2856
De situatie ter plaatse is schokkend.
05:19
The whiteflies have destroyed the leaves
that are eaten for protein,
that are eaten for protein,
101
307307
4270
De wittevlieg vernietigde de bladeren
die worden gegeten voor het eiwit
die worden gegeten voor het eiwit
05:23
and the viruses have destroyed the roots
that are eaten for starch.
that are eaten for starch.
102
311601
3582
en de virussen vernietigden de wortels
die worden gegeten voor het zetmeel.
die worden gegeten voor het zetmeel.
05:27
An entire growing season will pass,
103
315592
2445
Een heel groeiseizoen gaat voorbij
05:30
and the farmer will lose
an entire year of income and food,
an entire year of income and food,
104
318061
4110
en de boerin verliest
een heel jaar van inkomsten en voedsel
een heel jaar van inkomsten en voedsel
05:34
and the family will suffer
a long hunger season.
a long hunger season.
105
322195
3198
en de familie zal
een lange tijd honger lijden.
een lange tijd honger lijden.
05:37
This is completely preventable.
106
325942
2080
Dat is volledig te voorkomen.
05:40
If the farmer knew
107
328046
1324
Als de boerin wist
05:41
what variety of cassava
to plant in her field,
to plant in her field,
108
329394
3064
welke soort cassave
te planten in haar gebied,
te planten in haar gebied,
05:44
that was resistant
to those viruses and pathogens,
to those viruses and pathogens,
109
332482
4325
een die resistent is
tegen die virussen en pathogenen,
tegen die virussen en pathogenen,
05:48
they would have more food.
110
336831
1905
zou ze meer voedsel hebben.
05:50
We have all the technology we need,
111
338760
2835
We hebben alle nodige technologie,
05:53
but the knowledge and the resources
112
341619
3204
maar de kennis en de middelen
05:56
are not equally distributed
around the globe.
around the globe.
113
344847
3135
zijn niet gelijk verdeeld over de wereld.
06:00
So what I mean specifically is,
114
348712
2562
Wat ik precies bedoel,
is dat de oudere genomische technologieën
06:03
the older genomic technologies
115
351298
1852
06:05
that have been required
to uncover the complexities
to uncover the complexities
116
353174
2863
die nodig zijn om
de complexiteit te ontrafelen
de complexiteit te ontrafelen
06:08
in these pests and pathogens --
117
356061
3062
van deze plagen en pathogenen --
06:11
these technologies were not made
for sub-Saharan Africa.
for sub-Saharan Africa.
118
359147
2998
die zijn niet ontworpen
voor subsaharaans Afrika.
voor subsaharaans Afrika.
06:15
They cost upwards of a million dollars;
119
363058
2341
Ze kosten meer dan een miljoen dollar,
06:17
they require constant power
120
365423
1888
ze hebben een stroomnet nodig
06:19
and specialized human capacity.
121
367335
1800
en gespecialiseerd menselijk kunnen.
06:21
These machines are few
and far between on the continent,
and far between on the continent,
122
369970
2861
Er zijn maar weinig apparaten
en ze liggen ver verspreid,
en ze liggen ver verspreid,
06:24
which is leaving many scientists
battling on the front lines no choice
battling on the front lines no choice
123
372855
4621
wat veel wetenschappers
aan het front geen andere keus laat
aan het front geen andere keus laat
dan om de monsters
naar het buitenland te sturen.
naar het buitenland te sturen.
06:29
but to send the samples overseas.
124
377500
1999
06:31
And when you send the samples overseas,
125
379523
1960
Als je de monsters
naar het buitenland stuurt,
naar het buitenland stuurt,
06:33
samples degrade, it costs a lot of money,
126
381507
2626
degraderen ze, kost het een hoop geld
06:36
and trying to get the data back
over weak internet
over weak internet
127
384157
3167
en de data via een zwak internet
proberen terug te krijgen
proberen terug te krijgen
06:39
is nearly impossible.
128
387348
1400
is bijna onmogelijk.
06:41
So sometimes it can take six months
to get the results back to the farmer.
to get the results back to the farmer.
129
389142
4299
Soms duurt het zes maanden
om de resultaten
terug bij de boer te krijgen.
terug bij de boer te krijgen.
06:45
And by then, it's too late.
130
393465
1754
En tegen die tijd is het te laat.
06:47
The crop is already gone,
131
395243
1587
Het gewas is al weg,
06:48
which results in further poverty
and more hunger.
and more hunger.
132
396854
3166
wat leidt tot meer armoede en honger.
06:53
We knew we could fix this.
133
401306
2158
We wisten dat we dit konden oplossen.
06:55
In 2017,
134
403989
1404
In 2017
06:57
we had heard of this handheld,
portable DNA sequencer
portable DNA sequencer
135
405417
4786
hadden we gehoord van deze handheld,
draagbare DNA-sequenser:
draagbare DNA-sequenser:
07:02
called an Oxford Nanopore MinION.
136
410227
2509
de Oxford Nanopore MinION.
07:04
This was being used
in West Africa to fight Ebola.
in West Africa to fight Ebola.
137
412760
4153
Hij werd in West-Afrika gebruikt
om Ebola te bestrijden.
om Ebola te bestrijden.
07:08
So we thought:
138
416937
1497
We dachten:
waarom kunnen we hem in Oost-Afrika
niet gebruiken om landbouwers te helpen?
niet gebruiken om landbouwers te helpen?
07:10
Why can't we use this
in East Africa to help farmers?
in East Africa to help farmers?
139
418458
3286
07:13
So, what we did was we set out to do that.
140
421768
4333
Dus gingen we het proberen.
07:18
At the time, the technology was very new,
141
426609
2698
Toentertijd, omdat de technologie
nog erg nieuw was,
nog erg nieuw was,
07:21
and many doubted we could
replicate this on the farm.
replicate this on the farm.
142
429331
2952
twijfelden velen eraan
of dat zou werken op de boerderij.
of dat zou werken op de boerderij.
07:24
When we set out to do this,
143
432879
1317
Toen we ermee begonnen,
07:26
one of our "collaborators" in the UK
144
434220
3881
zegde één van onze 'medewerkers'
in het Verenigd Koninkrijk
in het Verenigd Koninkrijk
07:30
told us that we would never
get that to work in East Africa,
get that to work in East Africa,
145
438125
3627
dat dat nooit zou lukken in Oost-Afrika,
07:33
let alone on the farm.
146
441776
1466
laat staan op de boerderij.
07:35
So we accepted the challenge.
147
443863
1769
We accepteerden de uitdaging.
07:37
This person even went so far as to bet us
two of the best bottles of champagne
two of the best bottles of champagne
148
445934
6453
Deze persoon verwedde zelfs
twee flessen van de beste champagne
07:44
that we would never get that to work.
149
452411
2958
dat we het nooit
voor elkaar zouden krijgen.
voor elkaar zouden krijgen.
07:48
Two words:
150
456871
1579
Twee woorden:
07:50
pay up.
151
458474
1151
betaal maar.
07:51
(Laughter)
152
459649
2174
(Gelach)
07:53
(Applause)
153
461847
4152
(Applaus)
07:58
Pay up, because we did it.
154
466023
2913
Betalen, omdat het ons lukte.
08:00
We took the entire high-tech molecular lab
155
468960
3285
We namen het volledige
high-tech moleculair lab mee
high-tech moleculair lab mee
08:04
to the farmers of Tanzania,
Kenya and Uganda,
Kenya and Uganda,
156
472269
3649
naar de boeren
in Tanzania, Kenia en Uganda.
in Tanzania, Kenia en Uganda.
08:07
and we called it Tree Lab.
157
475942
2032
We noemden het Tree Lab.
08:10
So what did we do?
158
478942
1191
Wat hebben we gedaan?
08:12
Well, first of all,
we gave ourselves a team name --
we gave ourselves a team name --
159
480157
2579
Eerst gaven we onszelf een teamnaam --
08:14
it's called the Cassava Virus
Action Project.
Action Project.
160
482760
2174
het Cassave Virus Action Project.
08:16
We made a website,
161
484958
1357
We maakten een website,
08:18
we gathered support from the genomics
and computing communities,
and computing communities,
162
486339
3611
kregen steun van de genomica-
en informaticagemeenschappen
en informaticagemeenschappen
08:21
and away we went to the farmers.
163
489974
1881
en gingen op weg naar de boeren.
08:24
Everything that we need for our Tree Lab
164
492411
2809
Alle benodigdheden voor onze Tree Lab
08:27
is being carried by the team here.
165
495244
2409
worden vervoerd door het team hier.
08:29
All of the molecular and computational
requirements needed
requirements needed
166
497677
4047
Aan alle moleculaire
en computationele vereisten
en computationele vereisten
08:33
to diagnose sick plants is there.
167
501748
3301
om zieke planten
te diagnosticeren is voldaan.
te diagnosticeren is voldaan.
08:37
And it's actually all
on this stage here as well.
on this stage here as well.
168
505431
2828
Het staat hier nu ook allemaal.
08:41
We figured if we could get the data
closer to the problem,
closer to the problem,
169
509161
3587
We dachten dat als we de gegevens
dichter bij het probleem
dichter bij het probleem
en dichter bij de boerin
konden verzamelen,
konden verzamelen,
08:44
and closer to the farmer,
170
512772
1618
08:46
the quicker we could tell her
what was wrong with her plant.
what was wrong with her plant.
171
514414
3356
we haar sneller konden vertellen
wat er mis was met haar planten.
wat er mis was met haar planten.
08:50
And not only tell her what was wrong --
172
518169
1873
En niet alleen wat er mis was --
08:52
give her the solution.
173
520066
1392
maar ook de oplossing geven.
08:53
And the solution is,
174
521482
1325
De oplossing is:
08:54
burn the field and plant varieties
175
522831
2623
verbrand het veld en plant variëteiten
08:57
that are resistant to the pests
and pathogens she has in her field.
and pathogens she has in her field.
176
525478
3504
die resistent zijn tegen de plagen
en pathogenen op haar veld.
en pathogenen op haar veld.
09:01
So the first thing that we did
was we had to do a DNA extraction.
was we had to do a DNA extraction.
177
529942
4204
Het eerste wat we deden,
was een DNA-extractie.
was een DNA-extractie.
09:06
And we used this machine here.
178
534170
2539
We gebruikten dit toestel hier.
09:09
It's called a PDQeX,
179
537050
3199
Het heet een PDQeX,
09:12
which stands for
"Pretty Damn Quick Extraction."
"Pretty Damn Quick Extraction."
180
540273
3891
wat staat voor
'Pretty Damn Quick Extraction'.
'Pretty Damn Quick Extraction'.
09:16
(Laughter)
181
544188
2048
(Gelach)
09:18
I know.
182
546260
1150
Ik weet het.
09:19
My friend Joe is really cool.
183
547768
2494
Mijn vriend Joe is echt cool.
09:23
One of the biggest challenges
in doing a DNA extraction
in doing a DNA extraction
184
551394
3360
Een van de grootste uitdagingen
bij het doen van een DNA-extractie
bij het doen van een DNA-extractie
09:26
is it usually requires
very expensive equipment,
very expensive equipment,
185
554778
3315
is dat het meestal
zeer dure apparatuur vereist
zeer dure apparatuur vereist
09:30
and takes hours.
186
558117
1404
en uren duurt.
09:31
But with this machine,
187
559545
1492
Maar met deze machine
09:33
we've been able to do it in 20 minutes,
188
561061
2754
doen we het in 20 minuten
tegen een fractie van de kosten.
09:35
at a fraction of the cost.
189
563839
1246
09:37
And this runs off of a motorcycle battery.
190
565109
2888
En het loopt op de accu
van een motorfiets.
van een motorfiets.
09:41
From there, we take the DNA extraction
and prepare it into a library,
and prepare it into a library,
191
569164
5143
Dan nemen het DNA-extract
en verwerken het tot een bibliotheek,
en verwerken het tot een bibliotheek,
09:46
getting it ready to load on
192
574331
1779
maken het klaar
09:48
to this portable, handheld
genomic sequencer,
genomic sequencer,
193
576134
4292
voor deze draagbare,
handheld genomische sequenser,
handheld genomische sequenser,
09:52
which is here,
194
580450
1151
hier,
09:53
and then we plug this
into a mini supercomputer,
into a mini supercomputer,
195
581625
3738
en steken het dan
in een mini-supercomputer
in een mini-supercomputer
09:57
which is called a MinIT.
196
585387
1822
die MinIT heet.
09:59
And both of these things are plugged
into a portable battery pack.
into a portable battery pack.
197
587728
4102
Beiden zijn aangesloten
op een draagbare accu.
op een draagbare accu.
10:04
So we were able to eliminate
198
592569
1873
We hoefden dus geen stroomnet
en geen internet,
en geen internet,
10:06
the requirements
of main power and internet,
of main power and internet,
199
594466
2405
10:08
which are two very limiting factors
on a small-scale family farm.
on a small-scale family farm.
200
596895
3928
twee zeer beperkende factoren
op een kleinschalige familieboerderij.
op een kleinschalige familieboerderij.
10:13
Analyzing the data quickly
can also be a problem.
can also be a problem.
201
601807
2871
Snel analyseren van de gegevens
kan ook een probleem zijn.
kan ook een probleem zijn.
10:17
But this is where me being
a computational biologist came in handy.
a computational biologist came in handy.
202
605033
3906
Maar dit is waar ik van pas kwam
als computationeel bioloog.
als computationeel bioloog.
10:21
All that gluing of dead plants,
203
609382
2230
Al dat opplakken van dode planten
10:23
and all that measuring,
204
611636
1560
en al dat meten
10:25
and all that computing
205
613220
1992
en al dat computeren
10:27
finally came in handy
in a real-world, real-time way.
in a real-world, real-time way.
206
615236
4151
kwam eindelijk goed van pas
in de echte wereld, in real time.
in de echte wereld, in real time.
10:31
I was able to make customized databases
207
619411
3053
Ik kon databases op maat maken
10:34
and we were able to give the farmers
results in three hours
results in three hours
208
622488
4595
en we konden de boeren
in drie uur resultaten geven
in drie uur resultaten geven
10:39
versus six months.
209
627107
1864
in plaats van in zes maanden.
10:41
(Applause)
210
629694
6968
(Applaus)
10:50
The farmers were overjoyed.
211
638085
2634
De boeren waren dolblij.
10:53
So how do we know
that we're having impact?
that we're having impact?
212
641799
2796
Hoe kunnen we nu weten
dat we echt invloed we hebben?
dat we echt invloed we hebben?
10:56
Nine moths after our Tree Lab,
213
644619
2000
Negen maanden na onze Tree Lab
10:58
Asha went from having
zero tons per hectare
zero tons per hectare
214
646643
3230
ging Asha van nul ton per hectare
11:01
to 40 tons per hectare.
215
649897
2008
naar 40 ton per hectare.
11:03
She had enough to feed her family
216
651929
1799
Ze had genoeg om haar gezin te voeden
11:05
and she was selling it at the market,
217
653752
2690
en ze verkocht het op de markt.
11:08
and she's now building a house
for her family.
for her family.
218
656466
2735
Ze bouwt nu een huis voor haar familie.
11:12
Yeah, so cool.
219
660212
1159
Ja, zo cool.
11:13
(Applause)
220
661395
4254
(Applaus)
11:17
So how do we scale Tree Lab?
221
665673
1866
Hoe kunnen we Tree Lab nu schalen?
11:19
The thing is,
222
667940
1380
Feit is
11:21
farmers are scaled already in Africa.
223
669344
2103
dat boeren in Afrika al geschaald zijn.
11:23
These women work in farmer groups,
224
671471
1889
Deze vrouwen werken in boerengroepen,
11:25
so helping Asha actually helped
3,000 people in her village,
3,000 people in her village,
225
673384
4126
dus is Asha helpen eigenlijk
3.000 mensen in haar dorp helpen,
3.000 mensen in haar dorp helpen,
11:29
because she shared the results
and also the solution.
and also the solution.
226
677534
3652
want ze deelde de resultaten
en ook de oplossing.
en ook de oplossing.
11:33
I remember every single
farmer I've ever met.
farmer I've ever met.
227
681673
4191
Ik herinner me elke boerin
die ik ooit heb ontmoet.
die ik ooit heb ontmoet.
11:38
Their pain and their joy
228
686665
3563
Hun pijn en hun vreugde
11:42
is engraved in my memories.
229
690252
1800
zitten geëtst in mijn herinneringen.
11:44
Our science is for them.
230
692958
1865
Onze wetenschap is er voor hen.
11:47
Tree Lab is our best attempt
to help them become more food secure.
to help them become more food secure.
231
695711
5047
Tree Lab is onze beste poging
om hen te helpen
aan meer voedselzekerheid.
aan meer voedselzekerheid.
11:53
I never dreamt
232
701180
1786
Ik had nooit gedroomd
11:54
that the best science
I would ever do in my life
I would ever do in my life
233
702990
2944
dat de beste wetenschap ooit in mijn leven
11:57
would be on that blanket in East Africa,
234
705958
3499
zou gebeuren op die deken in Oost-Afrika,
12:01
with the highest-tech genomic gadgets.
235
709481
2366
met die highest-tech genomische gadgets.
12:04
But our team did dream
236
712312
2452
Maar ons team droomde ervan
12:06
that we could give farmers answers
in three hours versus six months,
in three hours versus six months,
237
714788
4270
om de boeren antwoorden te kunnen geven
in drie uur in plaats van zes maanden,
in drie uur in plaats van zes maanden,
12:11
and then we did it.
238
719082
1436
en we deden het.
12:12
Because that's the power
of diversity and inclusion in science.
of diversity and inclusion in science.
239
720542
4108
Want dat is de kracht
van diversiteit en integratie
in de wetenschap.
in de wetenschap.
12:17
Thank you.
240
725156
1151
Dank je.
12:18
(Applause)
241
726331
3151
(Applaus)
12:21
(Cheers)
242
729506
4083
(Gejuich)
ABOUT THE SPEAKER
Laura Boykin - Computational biologist, activistTED Senior Fellow Laura Boykin uses technology to help farmers in East Africa have more food to feed their families.
Why you should listen
Dr. Laura Boykin is a TED Senior Fellow, Gifted Citizen and computational biologist who uses genomics and supercomputing to help smallholder farmers in sub-Saharan Africa control whiteflies and viruses, which cause devastation to the local cassava crops. Cassava is a staple food that feeds more than 800 million people globally.
Boykin also works in partnership with African scientists to train local communities in genomics and high-performance computing skills, with the aim of tackling future insect and viral outbreaks. Recently, she founded The Cassava Virus Action Project along with collaborators in east Africa to roll out portable DNA sequencing and analyses to farmers in the region. Their mission is to increase cassava yields for 500 million farmers.
Laura Boykin | Speaker | TED.com