TED2006
Joe DeRisi: Solving medical mysteries
Joe DeRisi rozwiązuje medyczne zagadki za pomocą ViroScan
Filmed:
Readability: 4.3
474,538 views
Biochemik Joe DeRisi opowiada o nowych zadziwiających sposobach diagnozowania wirusów (i leczenia chorób przez nie powodowanych) poprzez DNA. Jego osiągnięcia być może pomogą zrozumieć malarię, SARS, ptasią grypę -- oraz te 60 procent infekcji wirusowych, które nie są dziś diagnozowane.
Joe DeRisi - Biochemist
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria. Full bio
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria. Full bio
Double-click the English transcript below to play the video.
00:12
How can we investigate
0
0
3000
Jak możemy zbadać
00:15
this flora of viruses that surround us, and aid medicine?
1
3000
5000
wirusową florę, która nas otacza i pomóc medycynie?
00:20
How can we turn our cumulative knowledge of virology
2
8000
4000
Jak możemy przekształcić całą naszą wiedzę o wirusach
00:24
into a simple, hand-held, single diagnostic assay?
3
12000
4000
w pojedynczy, prosty i poręczny test diagnostyczny?
00:28
I want to turn everything we know right now about detecting viruses
4
16000
3000
Chcę przekształcić wszystko, co wiemy obecnie o wykrywaniu wirusów
00:31
and the spectrum of viruses that are out there
5
19000
2000
i o całym spektrum istniejących wirusów,
00:33
into, let's say, a small chip.
6
21000
3000
w, powiedzmy, niewielki chip.
00:36
When we started thinking about this project --
7
24000
2000
Kiedy zaczęliśmy myśleć nad tym projektem --
00:38
how we would make a single diagnostic assay
8
26000
3000
jak można zrobić pojedynczy test diagnostyczny
00:41
to screen for all pathogens simultaneously --
9
29000
3000
do przebadania wszystkich patogenów jednocześnie,
00:44
well, there's some problems with this idea.
10
32000
2000
nasunęło się kilka problemów.
00:46
First of all, viruses are pretty complex,
11
34000
4000
Po pierwsze, wirusy są dosyć złożone,
00:50
but they're also evolving very fast.
12
38000
4000
a do tego bardzo szybko ewoluują.
00:54
This is a picornavirus.
13
42000
1000
To jest pikornawirus.
00:55
Picornaviruses -- these are things that include
14
43000
2000
Pikornawirusy powodują między innymi
00:57
the common cold and polio, things like this.
15
45000
3000
przeziębienia, polio i inne choroby.
01:00
You're looking at the outside shell of the virus,
16
48000
2000
Patrzycie teraz na zewnętrzną otoczkę wirusa,
01:02
and the yellow color here are those parts of the virus
17
50000
3000
w żółtym kolorze pokazane są te części wirusa
01:05
that are evolving very, very fast,
18
53000
2000
które ewoluują niezmiernie szybko,
01:07
and the blue parts are not evolving very fast.
19
55000
2000
a na niebiesko te, które ewoluują wolniej.
01:09
When people think about making pan-viral detection reagents,
20
57000
3000
Gdy myśli się o stworzeniu środka wykrywającego wszelkie wirusy,
01:12
usually it's the fast-evolving problem that's an issue,
21
60000
4000
zwykle ta szybkość ewolucji jest problemem,
01:16
because how can we detect things if they're always changing?
22
64000
2000
bo jak wykryć coś, co bez przerwy się zmienia?
01:18
But evolution is a balance:
23
66000
2000
Ale ewolucja to równowaga:
01:20
where you have fast change, you also have ultra-conservation --
24
68000
4000
tam, gdzie są szybkie zmiany, tam jest też niezmienność --
01:24
things that almost never change.
25
72000
2000
rzeczy, które prawie nigdy się nie zmieniają.
01:26
And so we looked into this a little more carefully,
26
74000
3000
Przyjrzeliśmy się temu dokładniej
01:29
and I'm going to show you data now.
27
77000
1000
i teraz pokażę wam dane.
01:30
This is just some stuff you can do on the computer from the desktop.
28
78000
3000
Takie rzeczy można zrobić na zwykłym komputerze.
01:33
I took a bunch of these small picornaviruses,
29
81000
2000
Wziąłem grupę tych małych pikornawirusów,
01:35
like the common cold, like polio and so on,
30
83000
2000
tych od przeziębienia, polio i tak dalej,
01:37
and I just broke them down into small segments.
31
85000
4000
i rozbiłem je na małe segmenty,
01:41
And so took this first example, which is called coxsackievirus,
32
89000
3000
na przykład ten pierwszy, zwany wirusem coxsackie,
01:44
and just break it into small windows.
33
92000
2000
i rozbiłem go na małe okienka.
01:46
And I'm coloring these small windows blue
34
94000
2000
Okienka koloruję na niebiesko,
01:48
if another virus shares an identical sequence in its genome
35
96000
5000
jeśli genom innego wirusa zawiera taką samą sekwencję,
01:53
to that virus.
36
101000
1000
jak ten wirus.
01:54
These sequences right up here --
37
102000
2000
Te sekwencje tutaj --
01:56
which don't even code for protein, by the way --
38
104000
2000
które, nawiasem mówiąc, nawet nie kodują białek --
01:58
are almost absolutely identical across all of these,
39
106000
3000
są prawie zupełnie identyczne we wszystkich tych wirusach,
02:01
so I could use this sequence as a marker
40
109000
4000
więc mogę użyć tej sekwencji jako znacznika
02:05
to detect a wide spectrum of viruses,
41
113000
2000
do wykrywania szerokiego spektrum wirusów,
02:07
without having to make something individual.
42
115000
3000
bez potrzeby oznaczania każdego indywidualnie.
02:10
Now, over here there's great diversity:
43
118000
2000
Za to tutaj widać wielką różnorodność:
02:12
that's where things are evolving fast.
44
120000
2000
w tym miejscu zmieniają się szybko.
02:14
Down here you can see slower evolution: less diversity.
45
122000
4000
Tutaj widać wolniejszą ewolucję i mniej zróżnicowania.
02:18
Now, by the time we get out here to, let's say,
46
126000
2000
Ale zanim dojdziemy tutaj do, powiedzmy,
02:20
acute bee paralysis virus --
47
128000
2000
wirusa ostrego paraliżu pszczół --
02:22
probably a bad one to have if you're a bee ---
48
130000
2000
pewnie groźny, jeśli jest się pszczołą --
02:24
this virus shares almost no similarity to coxsackievirus,
49
132000
5000
ten wirus wykazuje znikome podobieństwo do wirusa coxsackie,
02:29
but I can guarantee you that the sequences that are most conserved
50
137000
4000
ale zapewniam was, że sekwencje najmniej zmienne
02:33
among these viruses on the right-hand of the screen
51
141000
2000
wśród wirusów po prawej stronie ekranu
02:35
are in identical regions right up here.
52
143000
3000
znajdują się w tych samych regionach tutaj.
02:38
And so we can encapsulate these regions of ultra-conservation
53
146000
3000
Możemy wyszczególnić te regiony,
02:41
through evolution -- how these viruses evolved --
54
149000
3000
które pozostały niezmienne w trakcie ewolucji wirusów,
02:44
by just choosing DNA elements or RNA elements
55
152000
3000
wybierając po prostu fragmenty DNA lub RNA
02:47
in these regions to represent on our chip as detection reagents.
56
155000
4000
z tych regionów, by służyły jako detektory na naszym chipie.
02:51
OK, so that's what we did, but how are we going to do that?
57
159000
3000
OK, to właśnie zrobiliśmy, ale w jaki sposób?
02:54
Well, for a long time, since I was in graduate school,
58
162000
2000
Od dłuższego czasu, od ostatnich lat studiów,
02:56
I've been messing around making DNA chips --
59
164000
3000
bawiłem się w robienie chipów DNA,
02:59
that is, printing DNA on glass.
60
167000
2000
czyli nadrukowywanie DNA na szkle.
03:01
And that's what you see here:
61
169000
1000
To właśnie widzicie tutaj:
03:02
These little salt spots are just DNA tacked onto glass,
62
170000
3000
te plamki soli to DNA przytwierdzone do szkła,
03:05
and so I can put thousands of these on our glass chip
63
173000
3000
w ten sposób można nanieść ich tysiące na szklany chip
03:08
and use them as a detection reagent.
64
176000
2000
i użyć ich jako detektorów.
03:10
We took our chip over to Hewlett-Packard
65
178000
2000
Zabraliśmy nasz chip do Hewlett-Packard
03:12
and used their atomic force microscope on one of these spots,
66
180000
2000
i zbadaliśmy jedną z takich kropek
03:14
and this is what you see:
67
182000
2000
pod ich mikroskopem sił atomowych -- i oto, co widać:
03:16
you can actually see the strands of DNA lying flat on the glass here.
68
184000
3000
można rzeczywiście zobaczyć nici DNA leżące na szkle.
03:19
So, what we're doing is just printing DNA on glass --
69
187000
3000
To, co robimy, to drukowanie DNA na szkle --
03:22
little flat things -- and these are going to be markers for pathogens.
70
190000
4000
te małe płaskie nitki -- i to będą znaczniki patogenów.
03:26
OK, I make little robots in lab to make these chips,
71
194000
3000
W laboratorium konstruuję małe roboty do robienia chipów
03:29
and I'm really big on disseminating technology.
72
197000
3000
i jestem naprawdę niezły w rozprowadzaniu technologii.
03:32
If you've got enough money to buy just a Camry,
73
200000
3000
Jeśli macie tyle pieniędzy, żeby kupić Camry,
03:35
you can build one of these too,
74
203000
2000
też możecie zbudować takiego robota,
03:37
and so we put a deep how-to guide on the Web, totally free,
75
205000
4000
umieściliśmy w sieci szczegółową instrukcję, zupełnie darmową,
03:41
with basically order-off-the-shelf parts.
76
209000
2000
ze wszystkimi dostępnymi częściami --
03:43
You can build a DNA array machine in your garage.
77
211000
3000
można zbudować taką maszynę do chipów DNA w garażu.
03:46
Here's the section on the all-important emergency stop switch.
78
214000
3000
Ta część instrukcji jest o najważniejszym wyłączniku awaryjnym.
03:49
(Laughter)
79
217000
2000
(śmiech)
03:51
Every important machine's got to have a big red button.
80
219000
3000
Każda poważna maszyna musi mieć duży czerwony guzik.
03:54
But really, it's pretty robust.
81
222000
2000
Ale tak naprawdę to całkiem solidne i nieskomplikowane.
03:56
You can actually be making DNA chips in your garage
82
224000
3000
Można produkować chipy DNA w garażu
03:59
and decoding some genetic programs pretty rapidly. It's a lot of fun.
83
227000
4000
i odczytywać informacje genetyczne całkiem szybko. To niezła zabawa.
04:03
(Laughter)
84
231000
1000
(śmiech)
04:04
And so what we did -- and this is a really cool project --
85
232000
4000
Oto, co zrobiliśmy -- to naprawdę fajny projekt --
04:08
we just started by making a respiratory virus chip.
86
236000
2000
zaczęliśmy od chipa do diagnozowania
04:10
I talked about that --
87
238000
2000
wirusów chorób dróg oddechowych. Mówiłem o tym --
04:12
you know, that situation where you go into the clinic
88
240000
2000
wiecie, o sytuacji, kiedy idziecie do przychodni
04:14
and you don't get diagnosed?
89
242000
2000
i nie mogą postawić wam diagnozy?
04:16
Well, we just put basically all the human respiratory viruses
90
244000
2000
Więc po prostu umieściliśmy wszystkie wirusy zakażające drogi oddechowe
04:18
on one chip, and we threw in herpes virus for good measure --
91
246000
3000
na jednym chipie i dorzuciliśmy wirusa opryszczki dla kontroli --
04:21
I mean, why not?
92
249000
1000
czemu nie?
04:22
The first thing you do as a scientist is,
93
250000
2000
Pierwszą rzeczą, jaką naukowiec robi
04:24
you make sure stuff works.
94
252000
1000
jest upewnienie się, że wszystko działa.
04:25
And so what we did is, we take tissue culture cells
95
253000
3000
My wzięliśmy komórki z hodowli tkankowych
04:28
and infect them with various viruses,
96
256000
2000
i zaraziliśmy je różnymi wirusami,
04:30
and we take the stuff and fluorescently label the nucleic acid,
97
258000
4000
potem wyznakowaliśmy fluorescencyjnie kwasy nukleinowe,
04:34
the genetic material that comes out of these tissue culture cells --
98
262000
3000
czyli materiał genetyczny otrzymany z tych komórek --
04:37
mostly viral stuff -- and stick it on the array to see where it sticks.
99
265000
4000
głównie wirusowy -- i nanieśliśmy na chip, żeby zobaczyć, gdzie się przyczepi.
04:41
Now, if the DNA sequences match, they'll stick together,
100
269000
2000
Jeśli sekwencje DNA pasują do siebie, przyczepiają się
04:43
and so we can look at spots.
101
271000
2000
i możemy przyjrzeć się kropkom.
04:45
And if spots light up, we know there's a certain virus in there.
102
273000
2000
Jeśli kropki się zaświecą, wiemy, że jest tam konkretny wirus.
04:47
That's what one of these chips really looks like,
103
275000
2000
Tak wygląda jeden z takich chipów,
04:49
and these red spots are, in fact, signals coming from the virus.
104
277000
3000
te czerwone kropki sygnalizują obecność wirusa.
04:52
And each spot represents a different family of virus
105
280000
3000
Każda kropka reprezentuje inną rodzinę
04:55
or species of virus.
106
283000
1000
lub gatunek wirusa.
04:56
And so, that's a hard way to look at things,
107
284000
2000
Jednak w ten sposób trudno jest coś zobaczyć,
04:58
so I'm just going to encode things as a little barcode,
108
286000
2000
więc przedstawię to jako mały kod kreskowy, pogrupowany rodzinami,
05:00
grouped by family, so you can see the results in a very intuitive way.
109
288000
4000
żeby można było odczytać wyniki w bardzo intuicyjny sposób.
05:04
What we did is, we took tissue culture cells
110
292000
2000
Wzięliśmy komórki z hodowli tkankowej
05:06
and infected them with adenovirus,
111
294000
2000
i zaraziliśmy je adenowirusem,
05:08
and you can see this little yellow barcode next to adenovirus.
112
296000
4000
tu widać mały żółty kod kreskowy obok adenowirusa.
05:12
And, likewise, we infected them with parainfluenza-3 --
113
300000
3000
Podobnie zaraziliśmy wirusem paragrypy typu 3 --
05:15
that's a paramyxovirus -- and you see a little barcode here.
114
303000
2000
to jest paramyksowirus -- i tu jest mały kod kreskowy.
05:17
And then we did respiratory syncytial virus.
115
305000
3000
Potem to samo zrobiliśmy z wirusem RSV.
05:20
That's the scourge of daycare centers everywhere --
116
308000
2000
To prawdziwa plaga wszystkich przedszkoli,
05:22
it's like boogeremia, basically.
117
310000
2000
jedno wielkie smarkowisko.
05:24
(Laughter)
118
312000
1000
(śmiech)
05:25
You can see that this barcode is the same family,
119
313000
4000
Widzicie, że ten kod kreskowy to ta sama rodzina,
05:29
but it's distinct from parainfluenza-3,
120
317000
2000
ale różni się od wirusa paragrypy typu 3,
05:31
which gives you a very bad cold.
121
319000
2000
powodującego ciężkie przeziębienie.
05:33
And so we're getting unique signatures, a fingerprint for each virus.
122
321000
3000
W ten sposób otrzymujemy unikalne sygnatury, " odcisk palca" każdego wirusa.
05:36
Polio and rhino: they're in the same family, very close to each other.
123
324000
3000
Polio i rinowirus: są w tej samej rodzinie, bardzo do siebie podobne.
05:39
Rhino's the common cold, and you all know what polio is,
124
327000
2000
Rino to przeziębienie, czym jest polio, wszyscy wiecie,
05:41
and you can see that these signatures are distinct.
125
329000
3000
i jak widać, ich sygnatury są różne.
05:44
And Kaposi's sarcoma-associated herpes virus
126
332000
3000
Wirus opryszczki mięsaka Kaposiego (KSHV)
05:47
gives a nice signature down here.
127
335000
2000
daje tutaj bardzo ładny ślad.
05:49
And so it is not any one stripe or something
128
337000
2000
To nie jest jakiś pojedynczy pasek,
05:51
that tells me I have a virus of a particular type here;
129
339000
2000
który mówi, że mamy tu wirusa konkretnego typu;
05:53
it's the barcode that in bulk represents the whole thing.
130
341000
4000
to kod kreskowy w całości przedstawia wszystko.
05:57
All right, I can see a rhinovirus --
131
345000
2000
OK; widzę tu rinowirusa --
05:59
and here's the blow-up of the rhinovirus's little barcode --
132
347000
2000
tutaj jest powiększenie jego kodu kreskowego --
06:01
but what about different rhinoviruses?
133
349000
2000
ale co z różnymi odmianami rinowirusa?
06:03
How do I know which rhinovirus I have?
134
351000
2000
Skąd mam wiedzieć, którego rinowirusa mam?
06:05
There're 102 known variants of the common cold,
135
353000
3000
Znane są 102 warianty przeziębienia,
06:08
and there're only 102 because people got bored collecting them:
136
356000
3000
a jest ich tylko 102, bo ludziom znudziło się je kolekcjonować:
06:11
there are just new ones every year.
137
359000
2000
co roku pojawiają się nowe.
06:13
And so, here are four different rhinoviruses,
138
361000
2000
Tu są cztery różne rinowirusy
06:15
and you can see, even with your eye,
139
363000
2000
i gołym okiem można zobaczyć,
06:17
without any fancy computer pattern-matching
140
365000
2000
bez wymyślnych programów komputerowych
06:19
recognition software algorithms,
141
367000
2000
z algorytmami rozpoznającymi wzory,
06:21
that you can distinguish each one of these barcodes from each other.
142
369000
3000
że można odróżnić każdy z tych kodów od innych.
06:24
Now, this is kind of a cheap shot,
143
372000
2000
No tak, to jest w zasadzie tani chwyt,
06:26
because I know what the genetic sequence of all these rhinoviruses is,
144
374000
3000
bo znam sekwencje genetyczne wszystkich tych rinowirusów
06:29
and I in fact designed the chip
145
377000
1000
i właściwie to ja zaprojektowałem ten chip tak,
06:30
expressly to be able to tell them apart,
146
378000
2000
żeby dało się je odróżnić,
06:32
but what about rhinoviruses that have never seen a genetic sequencer?
147
380000
4000
ale co z rinowirusami, które nigdy nie widziały sekwenatora genetycznego?
06:36
We don't know what the sequence is; just pull them out of the field.
148
384000
2000
Nie znamy ich sekwencji; po prostu bierzemy je ze środowiska.
06:38
So, here are four rhinoviruses
149
386000
2000
Tu są cztery rinowirusy,
06:40
we never knew anything about --
150
388000
2000
o których nic nie wiedzieliśmy --
06:42
no one's ever sequenced them -- and you can also see
151
390000
3000
nikt ich nie zsekwencjonował -- i także widać,
06:45
that you get unique and distinguishable patterns.
152
393000
2000
że można otrzymać niepowtarzalne i rozróżnialne wzory.
06:47
You can imagine building up some library, whether real or virtual,
153
395000
3000
Można wyobrazić sobie stworzenie bilioteki, prawdziwej bądź wirtualnej,
06:50
of fingerprints of essentially every virus.
154
398000
2000
"odcisków palca" praktycznie każdego wirusa.
06:52
But that's, again, shooting fish in a barrel, you know, right?
155
400000
3000
Ale to znowu, no wiecie -- bułka z masłem.
06:55
You have tissue culture cells. There are a ton of viruses.
156
403000
2000
W komórkach z hodowli tkankowych są tony wirusów.
06:57
What about real people?
157
405000
2000
A co z prawdziwymi ludźmi?
06:59
You can't control real people, as you probably know.
158
407000
2000
Jak wiecie, nie da się kontrolować ludzi.
07:01
You have no idea what someone's going to cough into a cup,
159
409000
4000
Nie wiadomo, co ktoś może nakaszleć do kubeczka
07:05
and it's probably really complex, right?
160
413000
3000
i pewnie jest to bardzo złożone, prawda?
07:08
It could have lots of bacteria, it could have more than one virus,
161
416000
3000
Może zawierać mnóstwo bakterii albo więcej niż jednego wirusa
07:11
and it certainly has host genetic material.
162
419000
2000
i z pewnością zawiera materiał genetyczny gospodarza,
07:13
So how do we deal with this?
163
421000
1000
więc jak się za to zabrać?
07:14
And how do we do the positive control here?
164
422000
2000
I czego użyć jako pozytywnej kontroli?
07:16
Well, it's pretty simple.
165
424000
2000
To całkiem proste.
07:18
That's me, getting a nasal lavage.
166
426000
2000
To ja w trakcie płukania nosa.
07:20
And the idea is, let's experimentally inoculate people with virus.
167
428000
5000
Pomysł polega na tym, żeby eksperymentalnie zarazić ludzi wirusem
07:25
This is all IRB-approved, by the way; they got paid.
168
433000
5000
-- to wszystko zatwierdziła komisja etyczna, płaci im się za to.
07:30
And basically we experimentally inoculate people
169
438000
3000
Więc eksperymentalnie zarażamy ludzi
07:33
with the common cold virus.
170
441000
1000
wirusem przeziębienia.
07:34
Or, even better, let's just take people
171
442000
2000
Czy też jeszcze lepiej, weźmy ludzi
07:36
right out of the emergency room --
172
444000
1000
prosto z poczekalni lekarskiej --
07:37
undefined, community-acquired respiratory tract infections.
173
445000
4000
nieokreślone, nabyte w społeczności infekcje dróg oddechowych.
07:41
You have no idea what walks in through the door.
174
449000
2000
Nie wiadomo, co się pojawi.
07:43
So, let's start off with the positive control first,
175
451000
3000
Zacznijmy od pozytywnej kontroli,
07:46
where we know the person was healthy.
176
454000
2000
gdzie wiemy, że ta osoba była zdrowa.
07:48
They got a shot of virus up the nose,
177
456000
2000
Dostała dawkę wirusa do nosa,
07:50
let's see what happens.
178
458000
1000
zobaczmy, co się dzieje.
07:51
Day zero: nothing happening.
179
459000
2000
Dzień zero: nic się nie dzieje.
07:53
They're healthy; they're clean -- it's amazing.
180
461000
2000
Badane osoby są zdrowe, wolne od wirusów - to zadziwiające.
07:55
Actually, we thought the nasal tract might be full of viruses
181
463000
2000
Myśleliśmy, że kanał nosowy jest pełen wirusów
07:57
even when you're walking around healthy.
182
465000
1000
nawet u zdrowej osoby.
07:58
It's pretty clean. If you're healthy, you're pretty healthy.
183
466000
2000
Tak naprawdę jest czysty. Jeśli jesteś zdrowy, to jesteś zdrowy i tyle.
08:00
Day two: we get a very robust rhinovirus pattern,
184
468000
4000
Dzień drugi: otrzymaliśmy wyraźny wzór rinowirusa,
08:04
and it's very similar to what we get in the lab
185
472000
2000
bardzo podobny do tego, co otrzymujemy w laboratorium
08:06
doing our tissue culture experiment.
186
474000
1000
podczas doświadczeń na hodowlach tkankowych.
08:07
So that's great, but again, cheap shot, right?
187
475000
3000
Wszystko pięknie, ale to znowu tani chwyt, nie?
08:10
We put a ton of virus up this guy's nose. So --
188
478000
2000
Wprowadziliśmy człowiekowi tonę wirusa do nosa.
08:12
(Laughter)
189
480000
1000
(śmiech)
08:13
-- I mean, we wanted it to work. He really had a cold.
190
481000
4000
To znaczy, chcieliśmy, żeby to zadziałało. On naprawdę był przeziębiony.
08:17
So, how about the people who walk in off the street?
191
485000
4000
A co z ludźmi przychodzącymi z ulicy?
08:21
Here are two individuals represented by their anonymous ID codes.
192
489000
2000
Tutaj są dwie osoby oznaczone anonimowymi numerami identyfikacyjnymi.
08:23
They both have rhinoviruses; we've never seen this pattern in lab.
193
491000
4000
Obie mają rinowirusy; nigdy nie widzieliśmy takiego wzoru w laboratorium.
08:27
We sequenced part of their viruses;
194
495000
2000
Zsekwencjonowaliśmy fragmenty tych wirusów;
08:29
they're new rhinoviruses no one's actually even seen.
195
497000
3000
to nowe rinowirusy, których jeszcze nikt dotychczas nie widział.
08:32
Remember, our evolutionary-conserved sequences
196
500000
2000
Przypominam, że te ewolucyjnie niezmienne sekwencje,
08:34
we're using on this array allow us to detect
197
502000
2000
których używamy na naszej matrycy,
08:36
even novel or uncharacterized viruses,
198
504000
2000
pozwalają wykryć również nowe, nieopisane wirusy,
08:38
because we pick what is conserved throughout evolution.
199
506000
4000
bo wybieramy to, co jest niezmienne w trakcie ewolucji.
08:42
Here's another guy. You can play the diagnosis game yourself here.
200
510000
3000
Tu jest następny przeziębiony, możecie sami pobawić się w diagnozę.
08:45
These different blocks represent
201
513000
2000
Te słupki reprezentują
08:47
the different viruses in this paramyxovirus family,
202
515000
2000
różne wirusy z rodziny paramyksowirusów,
08:49
so you can kind of go down the blocks
203
517000
1000
więc trzeba przesuwać się wzdłuż tych słupków
08:50
and see where the signal is.
204
518000
2000
i sprawdzić, gdzie jest sygnał.
08:52
Well, doesn't have canine distemper; that's probably good.
205
520000
3000
No tak, nie ma nosówki; to raczej dobrze.
08:55
(Laughter)
206
523000
2000
(śmiech)
08:57
But by the time you get to block nine,
207
525000
2000
Ale gdy dochodzi się do dziewiątego słupka
08:59
you see that respiratory syncytial virus.
208
527000
2000
widać wirusa RSV.
09:01
Maybe they have kids. And then you can see, also,
209
529000
3000
Być może mają dzieci. Dalej widać też
09:04
the family member that's related: RSVB is showing up here.
210
532000
2000
spokrewnionego członka rodziny: RSV-B tu się pokazuje.
09:06
So, that's great.
211
534000
1000
No i świetnie.
09:07
Here's another individual, sampled on two separate days --
212
535000
3000
Tu kolejna osoba: pobierano próbki w dwa różne dni
09:10
repeat visits to the clinic.
213
538000
2000
przy kolejnych wizytach w przychodni.
09:12
This individual has parainfluenza-1,
214
540000
3000
Ta osoba ma wirus paragrypy typu 1
09:15
and you can see that there's a little stripe over here
215
543000
2000
i widzicie tu mały prążek
09:17
for Sendai virus: that's mouse parainfluenza.
216
545000
3000
dla wirusa Sendai, to jest mysia paragrypa.
09:20
The genetic relationships are very close there. That's a lot of fun.
217
548000
4000
Pokrewieństwo genetyczne jest tu bardzo bliskie. To niezła zabawa.
09:24
So, we built out the chip.
218
552000
1000
Skonstruowaliśmy więc chip.
09:25
We made a chip that has every known virus ever discovered on it.
219
553000
4000
Zrobiliśmy chip, który zawiera każdego kiedykolwiek odkrytego wirusa.
09:29
Why not? Every plant virus, every insect virus, every marine virus.
220
557000
3000
Dlaczego nie? Każdego wirusa roślinnego, owadziego, morskiego.
09:32
Everything that we could get out of GenBank --
221
560000
2000
Wszystko, co dało się znaleźć w GenBanku,
09:34
that is, the national repository of sequences.
222
562000
2000
czyli w narodowym banku sekwencji.
09:36
Now we're using this chip. And what are we using it for?
223
564000
3000
Teraz używamy tego chipa. Do czego?
09:39
Well, first of all, when you have a big chip like this,
224
567000
2000
Po pierwsze, gdy się ma tak duży chip,
09:41
you need a little bit more informatics,
225
569000
2000
potrzeba trochę więcej informatyki,
09:43
so we designed the system to do automatic diagnosis.
226
571000
2000
więc zaprojektowaliśmy system tak, by dokonywał automatycznej diagnozy.
09:45
And the idea is that we simply have virtual patterns,
227
573000
3000
Chodzi o to, że mamy wirtualne wzory --
09:48
because we're never going to get samples of every virus --
228
576000
2000
ponieważ nigdy nie uda się zebrać próbek każdego wirusa,
09:50
it would be virtually impossible. But we can get virtual patterns,
229
578000
3000
to praktycznie niemożliwe. Ale możemy wziąć wirtualne wzory
09:53
and compare them to our observed result --
230
581000
2000
i porównać je do zaobserwowanego wyniku,
09:55
which is a very complex mixture -- and come up with some sort of score
231
583000
4000
który jest bardzo złożoną mieszaniną; i dojść do jakiejś wartości
09:59
of how likely it is this is a rhinovirus or something.
232
587000
3000
która określi prawdopodobieństwo, że to rinowirus albo coś innego.
10:02
And this is what this looks like.
233
590000
2000
A oto jak to wygląda.
10:04
If, for example, you used a cell culture
234
592000
2000
Jeśli na przykład użyliśmy hodowli komórkowej
10:06
that's chronically infected with papilloma,
235
594000
2000
chronicznie zainfekowanej wirusem brodawczaka,
10:08
you get a little computer readout here,
236
596000
2000
otrzymujemy odczyt komputerowy
10:10
and our algorithm says it's probably papilloma type 18.
237
598000
4000
i nasz algorytm mówi, że to prawdopodobnie wirus brodawczaka typu 18.
10:14
And that is, in fact, what these particular cell cultures
238
602000
2000
I rzeczywiście, to właśnie tym wirusem
10:16
are chronically infected with.
239
604000
2000
są zarażone nasze badane komórki.
10:18
So let's do something a little bit harder.
240
606000
2000
Zróbmy więc coś trudniejszego.
10:20
We put the beeper in the clinic.
241
608000
1000
Umieściliśmy pager w klinice.
10:21
When somebody shows up, and the hospital doesn't know what to do
242
609000
3000
Gdy pojawi się ktoś, z kim szpital nie wie, co zrobić,
10:24
because they can't diagnose it, they call us.
243
612000
2000
bo nie umieją postawić diagnozy, wzywają nas.
10:26
That's the idea, and we're setting this up in the Bay Area.
244
614000
2000
Taki jest pomysł, teraz uruchamiamy go w aglomeracji San Francisco.
10:28
And so, this case report happened three weeks ago.
245
616000
2000
To jest przypadek sprzed trzech tygodni.
10:30
We have a 28-year-old healthy woman, no travel history,
246
618000
3000
Mamy 28-letnią zdrową kobietę, nie podróżowała,
10:33
[unclear], doesn't smoke, doesn't drink.
247
621000
3000
nie pali, nie pije.
10:36
10-day history of fevers, night sweats, bloody sputum --
248
624000
4000
Od 10 dni gorączkuje, ma nocne poty, krwawą flegmę --
10:40
she's coughing up blood -- muscle pain.
249
628000
2000
-- kaszle krwią -- ma bóle mięśniowe.
10:42
She went to the clinic, and they gave her antibiotics
250
630000
4000
Przyszła do kliniki, dali jej antybiotyki
10:46
and then sent her home.
251
634000
1000
i posłali do domu.
10:47
She came back after ten days of fever, right? Still has the fever,
252
635000
4000
Wróciła po dziesięciu dniach gorączki, tak -- ciągle gorączkuje --
10:51
and she's hypoxic -- she doesn't have much oxygen in her lungs.
253
639000
3000
i do tego hypoksja -- nie ma wystarczająco dużo tlenu w płucach.
10:54
They did a CT scan.
254
642000
1000
Zrobili tomografię komputerową.
10:55
A normal lung is all sort of dark and black here.
255
643000
4000
Normalne płuco to wszystko, co tu jest ciemne i czarne.
10:59
All this white stuff -- it's not good.
256
647000
2000
To wszystko białe -- nic dobrego.
11:01
This sort of tree and bud formation indicates there's inflammation;
257
649000
3000
Ta struktura przypominająca drzewo i pączki wskazuje na stan zapalny;
11:04
there's likely to be infection.
258
652000
2000
prawdopodobnie jest tam zakażenie.
11:06
OK. So, the patient was treated then
259
654000
3000
OK. Pacjentka była dalej leczona
11:09
with a third-generation cephalosporin antibiotic and doxycycline,
260
657000
4000
antybiotykiem cefalosporynowym trzeciej generacji oraz doksycykliną
11:13
and on day three, it didn't help: she had progressed to acute failure.
261
661000
4000
i na trzeci dzień, nie pomogło: rozwinęła się niewydolność oddechowa.
11:17
They had to intubate her, so they put a tube down her throat
262
665000
3000
Musieli ją intubować, więc włożyli jej rurkę przez gardło
11:20
and they began to mechanically ventilate her.
263
668000
1000
i zaczęli mechanicznie ją wentylować.
11:21
She could no longer breathe for herself.
264
669000
2000
Nie mogła już samodzielnie oddychać.
11:23
What to do next? Don't know.
265
671000
2000
Co dalej? Nie wiadomo.
11:25
Switch antibiotics: so they switched to another antibiotic,
266
673000
3000
Zmienić antybiotyki, więc podali jej inny antybiotyk
11:28
Tamiflu.
267
676000
2000
i Tamiflu, które --
11:30
It's not clear why they thought she had the flu,
268
678000
2000
-- nie jest jasne, czemu myśleli, że ma grypę --
11:32
but they switched to Tamiflu.
269
680000
2000
ale zaczęli podawać jej Tamiflu.
11:34
And on day six, they basically threw in the towel.
270
682000
2000
Szóstego dnia poddali się.
11:36
You do an open lung biopsy when you've got no other options.
271
684000
4000
Biopsję na otwartym płucu robi się tylko wtedy, gdy nie ma już wyjścia.
11:40
There's an eight percent mortality rate with just doing this procedure,
272
688000
2000
Samo wykonanie tej procedury wiąże się z 8% śmiertelnością.
11:42
and so basically -- and what do they learn from it?
273
690000
3000
I czego się dowiadują?
11:45
You're looking at her open lung biopsy.
274
693000
2000
Tu widzicie biopsję jej płuca.
11:47
And I'm no pathologist, but you can't tell much from this.
275
695000
2000
Nie jestem patologiem, ale z tego nie da się wiele wywnioskować.
11:49
All you can tell is, there's a lot of swelling: bronchiolitis.
276
697000
3000
Jedno, co da się stwierdzić, to obrzęk: zapalenie oskrzelików.
11:52
It was "unrevealing": that's the pathologist's report.
277
700000
3000
Raport patologa brzmiał: nierozstrzygające.
11:55
And so, what did they test her for?
278
703000
3000
Na co ją zbadali?
11:58
They have their own tests, of course,
279
706000
1000
Oczywiście mają tam własne testy,
11:59
and so they tested her for over 70 different assays,
280
707000
3000
więc przeprowadzili ponad 70 różnych badań,
12:02
for every sort of bacteria and fungus and viral assay
281
710000
3000
na przeróżne bakterie, grzyby i wirusy,
12:05
you can buy off the shelf:
282
713000
2000
testy, które można kupić gotowe:
12:07
SARS, metapneumovirus, HIV, RSV -- all these.
283
715000
3000
SARS, metapneumowirus, HIV, RSV -- wszystkie takie.
12:10
Everything came back negative, over 100,000 dollars worth of tests.
284
718000
4000
I wszystkie negatywne. Testy warte ponad 100 tysięcy dolarów.
12:14
I mean, they went to the max for this woman.
285
722000
3000
Zrobili dla niej wszystko, naprawdę.
12:17
And basically on hospital day eight, that's when they called us.
286
725000
3000
I ósmego dnia zadzwonili do nas.
12:20
They gave us endotracheal aspirate --
287
728000
2000
Dali nam próbkę aspiratu tchawiczego --
12:22
you know, a little fluid from the throat,
288
730000
2000
no wiecie, trochę płynu z gardła,
12:24
from this tube that they got down there -- and they gave us this.
289
732000
2000
z tej rurki, którą tam włożyli -- to nam dali.
12:26
We put it on the chip; what do we see? Well, we saw parainfluenza-4.
290
734000
5000
Wrzuciliśmy to na chip: co widać? Zobaczyliśmy wirusa paragrypy typu 4.
12:31
Well, what the hell's parainfluenza-4?
291
739000
2000
Czym, do diabła, jest wirus paragrypy typu 4?
12:33
No one tests for parainfluenza-4. No one cares about it.
292
741000
3000
Nikt nie bada na wirusa paragrypy typu 4. Nikogo to nie obchodzi.
12:36
In fact, it's not even really sequenced that much.
293
744000
3000
Właściwie nawet nie jest w całości zsekwencjonowany.
12:39
There's just a little bit of it sequenced.
294
747000
2000
Zsekwencjonowano zaledwie mały fragment.
12:41
There's almost no epidemiology or studies on it.
295
749000
2000
Prawie nie ma badań epidemiologicznych o nim.
12:43
No one would even consider it,
296
751000
2000
Nikt by o nim nawet nie pomyślał,
12:45
because no one had a clue that it could cause respiratory failure.
297
753000
3000
bo nikt nie miał pojęcia, że może wywołać niewydolność oddechową.
12:48
And why is that? Just lore. There's no data --
298
756000
3000
Dlaczego tak jest? Tylko przekaz ustny, żadnych danych --
12:51
no data to support whether it causes severe or mild disease.
299
759000
4000
brak danych stwierdzających, czy powoduje ostrą, czy łagodną chorobę.
12:55
Clearly, we have a case of a healthy person that's going down.
300
763000
3000
Mieliśmy przypadek zdrowej osoby, nagle umierającej.
12:58
OK, that's one case report.
301
766000
3000
OK, to jeden przypadek.
13:01
I'm going to tell you one last thing in the last two minutes
302
769000
2000
W ostatnie dwie minuty powiem jeszcze o jednej rzeczy --
13:03
that's unpublished -- it's going to come out tomorrow --
303
771000
3000
-- to nieopublikowane, pojawi się to jutro --
13:06
and it's an interesting case of how you might use this chip
304
774000
3000
to interesujący przykład jak można wykorzystać ten chip,
13:09
to find something new and open a new door.
305
777000
2000
by znaleźć coś nowego i otworzyć nowe drzwi.
13:11
Prostate cancer. I don't need to give you many statistics
306
779000
4000
Rak prostaty, nie muszę podawać wielu statystyk
13:15
about prostate cancer. Most of you already know it:
307
783000
3000
o raku prostaty. Większość z was już wie,
13:18
third leading cause of cancer deaths in the U.S.
308
786000
2000
że to trzecia przyczyna śmierci na raka w USA.
13:20
Lots of risk factors,
309
788000
2000
Wiele czynników ryzyka,
13:22
but there is a genetic predisposition to prostate cancer.
310
790000
4000
ale jest też genetyczna predyspozycja do raka prostaty.
13:26
For maybe about 10 percent of prostate cancer,
311
794000
2000
W przypadku raka prostaty około 10%
13:28
there are folks that are predisposed to it.
312
796000
2000
to ludzie z predyspozycjami do niego.
13:30
And the first gene that was mapped in association studies
313
798000
4000
Pierwszy gen, jaki zlokalizowano w badaniach genetycznych
13:34
for this, early-onset prostate cancer, was this gene called RNASEL.
314
802000
4000
odpowiedzialny za wczesnego raka prostaty to gen nazywany RNASEL
13:38
What is that? It's an antiviral defense enzyme.
315
806000
3000
Co to takiego? To enzym obrony przeciwwirusowej.
13:41
So, we're sitting around and thinking,
316
809000
2000
Więc siedzieliśmy i dumaliśmy,
13:43
"Why would men who have the mutation --
317
811000
2000
dlaczego mężczyźni, którzy mają mutację,
13:45
a defect in an antiviral defense system -- get prostate cancer?
318
813000
5000
defekt w systemie obrony przeciw wirusom, dostają raka?
13:50
It doesn't make sense -- unless, maybe, there's a virus?"
319
818000
3000
To nie ma sensu -- o ile, być może, jest jakiś wirus.
13:53
So, we put tumors --- and now we have over 100 tumors -- on our array.
320
821000
6000
Umieściliśmy więc guzy - mamy teraz ponad 100 guzów - na naszym teście.
13:59
And we know who's got defects in RNASEL and who doesn't.
321
827000
3000
I wiedzieliśmy kto ma defekty w RNASEL a kto nie.
14:02
And I'm showing you the signal from the chip here,
322
830000
3000
Teraz pokazuję wam sygnał z chipa,
14:05
and I'm showing you for the block of retroviral oligos.
323
833000
4000
a tu wskazuję na blok retrowirusowach oligonukleotydów.
14:09
And what I'm telling you here from the signal, is
324
837000
2000
Co mogę powiedzieć na temat tego sygnału to to,
14:11
that men who have a mutation in this antiviral defense enzyme,
325
839000
4000
że mężczyźni z mutacją w enzymie broniącym przed wirusami,
14:15
and have a tumor, often have -- 40 percent of the time --
326
843000
4000
którzy mają guza, często mają -- 40% przypadków --
14:19
a signature which reveals a new retrovirus.
327
847000
4000
ślad wskazujący na nowego retrowirusa.
14:23
OK, that's pretty wild. What is it?
328
851000
3000
OK, to niesamowite. Co to jest?
14:26
So, we clone the whole virus.
329
854000
1000
Sklonowaliśmy całego wirusa.
14:27
First of all, I'll tell you that a little automated prediction told us
330
855000
4000
Po pierwsze: powiem wam, że automatyczne przewidywanie wykazało,
14:31
it was very similar to a mouse virus.
331
859000
2000
że jest bardzo podobny do mysiego wirusa.
14:33
But that doesn't tell us too much,
332
861000
1000
To nie mówi nam wiele,
14:34
so we actually clone the whole thing.
333
862000
2000
więc sklonowaliśmy całość.
14:36
And the viral genome I'm showing you right here?
334
864000
2000
A wirusowy genom, który pokazuję tutaj?
14:38
It's a classic gamma retrovirus, but it's totally new;
335
866000
3000
To klasyczny retrowirus typu gamma, ale całkowicie nowy.
14:41
no one's ever seen it before.
336
869000
1000
Nikt go wcześniej nie widział.
14:42
Its closest relative is, in fact, from mice,
337
870000
3000
Jego najbliższy krewniak pochodzi z myszy
14:45
and so we would call this a xenotropic retrovirus,
338
873000
4000
więc możemy to nazwać ksenotropicznym retrowirusem,
14:49
because it's infecting a species other than mice.
339
877000
3000
bo zakaża gatunki inne niż myszy.
14:52
And this is a little phylogenetic tree
340
880000
2000
A to jest małe drzewo filogenetyczne,
14:54
to see how it's related to other viruses.
341
882000
2000
by pokazać, jak jest spokrewniony z innymi wirusami.
14:56
We've done it for many patients now,
342
884000
3000
Zrobiliśmy to u wielu pacjentów
14:59
and we can say that they're all independent infections.
343
887000
3000
i możemy powiedzieć, że to wszystko niezależne infekcje.
15:02
They all have the same virus,
344
890000
1000
Wszyscy mają tego samego wirusa,
15:03
but they're different enough that there's reason to believe
345
891000
3000
ale różni się na tyle, by sądzić,
15:06
that they've been independently acquired.
346
894000
2000
że zostały nabyte niezależnie.
15:08
Is it really in the tissue? And I'll end up with this: yes.
347
896000
2000
Czy jest naprawdę w tkance? Zakończę na tym: Tak.
15:10
We take slices of these biopsies of tumor tissue
348
898000
3000
Bierzemy wycinek tkanki z biopsji guza
15:13
and use material to actually locate the virus,
349
901000
2000
i wykorzystujemy materiał, by zlokalizować wirusa,
15:15
and we find cells here with viral particles in them.
350
903000
4000
i znajdujemy komórki zawierające cząstki wirusa.
15:19
These guys really do have this virus.
351
907000
2000
Ci ludzie naprawdę mają tego wirusa.
15:21
Does this virus cause prostate cancer?
352
909000
2000
Czy ten wirus powoduje raka prostaty?
15:23
Nothing I'm saying here implies causality. I don't know.
353
911000
4000
Nic z tego, co tu mówię nie sugeruje przyczynowości. Nie wiem.
15:27
Is it a link to oncogenesis? I don't know.
354
915000
2000
Czy łączy się z onkogenezą? Nie wiem.
15:29
Is it the case that these guys are just more susceptible to viruses?
355
917000
4000
Czy to przez to, że ci ludzie są po prostu wrażliwsi na wirusy?
15:33
Could be. And it might have nothing to do with cancer.
356
921000
3000
Być może. I może to też nie mieć nic wspólnego z rakiem.
15:36
But now it's a door.
357
924000
1000
Ale są to drzwi.
15:37
We have a strong association between the presence of this virus
358
925000
3000
Mamy silną asocjację pomiędzy obecnością wirusa
15:40
and a genetic mutation that's been linked to cancer.
359
928000
3000
a genetyczną mutacją łączoną z rakiem.
15:43
That's where we're at.
360
931000
1000
To jest to, na czym stoimy.
15:44
So, it opens up more questions than it answers, I'm afraid,
361
932000
4000
Obawiam się, że to przynosi nam więcej pytań niż odpowiedzi,
15:48
but that's what, you know, science is really good at.
362
936000
2000
ale to właśnie to, w czym nauka jest naprawdę dobra.
15:50
This was all done by folks in the lab --
363
938000
2000
To wszystko zostało zrobione przez ludzi z laboratorium;
15:52
I cannot take credit for most of this.
364
940000
1000
większość z tego nie jest moją zasługą.
15:53
This is a collaboration between myself and Don.
365
941000
1000
To współpraca między mna i Donem.
15:54
This is the guy who started the project in my lab,
366
942000
3000
Oto człowiek, który rozpoczął ten projekt w moim laboratorium,
15:57
and this is the guy who's been doing prostate stuff.
367
945000
2000
a ten zrobił pracę na prostacie.
15:59
Thank you very much. (Applause)
368
947000
3000
Dziękuję bardzo.
ABOUT THE SPEAKER
Joe DeRisi - BiochemistJoe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria.
Why you should listen
Joseph DeRisi is a molecular biologist and biochemist, on the hunt for the genomic basis of illness. His lab at UCSF is focused on the cause of malaria, and he's also poked into SARS, avian flu and other new diseases as they crop up. His approach combines scientific rigor with a nerd's boundary-breaking enthusiasm for new techniques -- one of the qualities that helped him win a MacArthur "genius" grant in 2004. A self-confessed computer geek, DeRisi designed and programmed a groundbreaking tool for finding (and fighting) viruses -- the ViroChip, a DNA microarray that test for the presence of all known viruses in one step.
In 2008, DeRisi won the Heinz Award for Technology, the Economy and Employment.
Joe DeRisi | Speaker | TED.com