TED2017
Jun Wang: How digital DNA could help you make better health choices
Jun Wang: Como o DNA digital pode ajudá-lo a fazer escolhas mais saudáveis
Filmed:
Readability: 3.8
1,303,361 views
E se você pudesse saber exatamente como a comida ou os medicamentos impactariam em sua saúde, antes de ingeri-los? O pesquisador em genômica Jun Wang está trabalhando para desenvolver dublês digitais para pessoas reais; eles começam com o código genético, mas também serão fatorados em outros dados, desde a comida ingerida até o sono e dados coletados de uma privada inteligente. Com todas essas informações valiosas, Wang espera criar um mecanismo que mude a forma como pensamos sobre a saúde, tanto individual quanto coletivamente.
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management. Full bio
At iCarbonX, Jun Wang aims to establish a big data platform for health management. Full bio
Double-click the English transcript below to play the video.
00:12
Today I'm here, actually,
to pose you a question.
to pose you a question.
0
952
2568
Na verdade, estou aqui hoje
para colocar uma questão a vocês.
para colocar uma questão a vocês.
00:16
What is life?
1
4056
1150
O que é a vida?
00:17
It has been really puzzling me
for more than 25 years,
for more than 25 years,
2
5740
3663
Essa questão tem me desafiado
há mais de 25 anos,
há mais de 25 anos,
00:21
and will probably continue doing so
for the next 25 years.
for the next 25 years.
3
9427
3582
e, provavelmente, vai continuar
me desafiando pelos próximos 25 anos.
me desafiando pelos próximos 25 anos.
00:25
This is the thesis I did
when I was still in undergraduate school.
when I was still in undergraduate school.
4
13774
4571
Esta é a tese que desenvolvi
quando ainda estava na graduação.
quando ainda estava na graduação.
00:31
While my colleagues still treated
computers as big calculators,
computers as big calculators,
5
19435
6942
Enquanto meus colegas ainda tratavam
os computadores como grandes calculadoras,
os computadores como grandes calculadoras,
00:38
I started to teach computers to learn.
6
26401
2301
comecei a ensinar
os computadores a aprenderem.
os computadores a aprenderem.
00:41
I built digital lady beetles
7
29561
3383
Construí joaninhas digitais
00:44
and tried to learn from real lady beetles,
just to do one thing:
just to do one thing:
8
32968
4587
e tentei fazê-las aprenderem
uma única coisa com as joaninhas reais:
uma única coisa com as joaninhas reais:
00:49
search for food.
9
37579
1150
procurar por comida.
00:51
And after very simple neural network --
10
39321
2774
E, depois de algumas
redes neurais bem simples,
redes neurais bem simples,
00:54
genetic algorithms and so on --
11
42119
2271
algoritmos genéticos e coisas assim,
00:56
look at the pattern.
12
44414
1357
vejam o padrão.
00:57
They're almost identical to real life.
13
45795
3022
Quase idêntico à vida real.
01:01
A very striking learning experience
for a twenty-year-old.
for a twenty-year-old.
14
49977
3888
Uma experiência de aprendizado
muito marcante para alguém com 28 anos.
muito marcante para alguém com 28 anos.
01:07
Life is a learning program.
15
55603
2907
A vida é um programa de aprendizado.
01:12
When you look
at all of this wonderful world,
at all of this wonderful world,
16
60259
3533
Quando você olha esse mundo maravilhoso,
01:15
every species has
its own learning program.
its own learning program.
17
63816
3192
todas as espécies têm
seu próprio programa de aprendizado.
seu próprio programa de aprendizado.
01:19
The learning program is genome,
18
67585
2761
O programa de aprendizado é o genoma,
01:22
and the code of that program is DNA.
19
70370
3604
e o código desse programa é o DNA.
01:27
The different genomes of each species
represent different survival strategies.
represent different survival strategies.
20
75157
5977
Os diferentes genomas de cada espécie
representam diferentes
estratégias de sobrevivência.
estratégias de sobrevivência.
01:33
They represent hundreds of millions
of years of evolution.
of years of evolution.
21
81618
4214
Eles representam centenas de milhões
de anos de evolução.
de anos de evolução.
01:38
The interaction between
every species' ancestor
every species' ancestor
22
86879
3792
A interação entre o ancestral
de cada espécie
de cada espécie
01:42
and the environment.
23
90695
1970
e o meio ambiente.
01:46
I was really fascinated about the world,
24
94150
2439
Eu estava realmente fascinado pelo mundo,
01:48
about the DNA,
25
96613
1182
pelo DNA,
01:49
about, you know, the language of life,
26
97819
2943
pela linguagem da vida,
01:52
the program of learning.
27
100786
1646
o programa de aprendizagem.
01:54
So I decided to co-found
the institute to read them.
the institute to read them.
28
102767
4733
Então decidi participar da fundação
de um instituto para ler genomas.
de um instituto para ler genomas.
01:59
I read many of them.
29
107524
1362
Eu li muitos.
02:01
We probably read more than half
of the prior animal genomes in the world.
of the prior animal genomes in the world.
30
109589
4129
Nós provavelmente lemos mais da metade
dos genomas de animais no mundo.
dos genomas de animais no mundo.
02:06
I mean, up to date.
31
114315
1404
Até agora.
02:09
We did learn a lot.
32
117443
1235
Aprendemos muito.
02:11
We did sequence, also,
one species many, many times ...
one species many, many times ...
33
119297
3868
Nós também sequenciamos
uma espécie muitas e muitas vezes...
uma espécie muitas e muitas vezes...
02:15
human genome.
34
123189
1159
o genoma humano.
02:16
We sequenced the first Asian.
35
124372
1762
Sequenciamos o primeiro asiático.
02:18
I sequenced it myself many, many times,
36
126158
2838
Eu mesmo sequenciei a mim mesmo
muitas e muitas vezes,
muitas e muitas vezes,
02:21
just to take advantage of that platform.
37
129020
2559
só para aproveitar aquela plataforma.
02:24
Look at all those repeating base pairs:
38
132968
2906
Vejam todos esses pares
de bases repetidos:
de bases repetidos:
02:27
ATCG.
39
135898
1468
ATCG.
02:29
You don't understand anything there.
40
137390
1914
Não se entende nada aqui.
02:31
But look at that one base pair.
41
139328
1594
Mas olhem este par de bases.
02:32
Those five letters, the AGGAA.
42
140946
2523
Estas cinco letras, AGGAA.
02:35
These five SNPs represent
a very specific haplotype
a very specific haplotype
43
143884
3477
Esses cinco SNPs representam um haplótipo
muito específico da população tibetana
muito específico da população tibetana
02:39
in the Tibetan population
44
147385
1841
02:41
around the gene called EPAS1.
45
149250
1999
em torno do gene EPAS1.
02:43
That gene has been proved --
46
151273
1731
Foi provado que esse gene,
02:45
it's highly selective --
47
153028
1263
altamente seletivo,
02:46
it's the most significant signature
of positive selection of Tibetans
of positive selection of Tibetans
48
154315
4347
é a característica mais significante
da seleção positiva dos tibetanos
da seleção positiva dos tibetanos
02:50
for the higher altitude adaptation.
49
158686
1682
para adaptação a altitudes elevadas.
02:53
You know what?
50
161102
1214
E sabem o que mais?
02:54
These five SNPs were the result
of integration of Denisovans,
of integration of Denisovans,
51
162340
5787
Essas variações genéticas resultaram
da integração do hominídeo de Denisova,
da integração do hominídeo de Denisova,
03:00
or Denisovan-like individuals into humans.
52
168151
3252
ou de indivíduos
como os denisovanos, em humanos.
como os denisovanos, em humanos.
03:04
This is the reason
why we need to read those genomes.
why we need to read those genomes.
53
172229
2531
Por isso temos que ler esses genomas.
03:06
To understand history,
54
174784
1381
Para entender a história,
03:08
to understand what kind
of learning process
of learning process
55
176189
4098
para entender por qual tipo
de processo de aprendizagem
de processo de aprendizagem
03:12
the genome has been through
for the millions of years.
for the millions of years.
56
180311
3374
o genoma vem passando há milhões de anos.
03:17
By reading a genome,
it can give you a lot of information --
it can give you a lot of information --
57
185498
2923
Ao ler o genoma, obtemos
muitas informações,
muitas informações,
ele nos mostra os erros no genoma,
03:20
tells you the bugs in the genome --
58
188445
1673
03:22
I mean, birth defects,
monogenetic disorders.
monogenetic disorders.
59
190142
3180
ou seja, defeitos de nascença,
distúrbios monogênicos.
distúrbios monogênicos.
03:25
Reading a drop of blood
60
193346
1306
Ler uma gota de sangue
03:26
could tell you why you got a fever,
61
194676
2108
pode dizer por que você teve febre,
03:28
or it tells you which medicine
and dosage needs to be used
and dosage needs to be used
62
196808
3104
ou qual remédio e dosagem deve ser usada
03:31
when you're sick, especially for cancer.
63
199936
2721
quando você está doente,
especialmente no câncer.
especialmente no câncer.
03:35
A lot of things could be studied,
but look at that:
but look at that:
64
203675
3120
Muitas coisas podem
ser estudadas, mas vejam isso:
ser estudadas, mas vejam isso:
03:38
30 years ago, we were still poor in China.
65
206819
2960
há 30 anos, ainda éramos pobres na China.
03:43
Only .67 percent of the Chinese
adult population had diabetes.
adult population had diabetes.
66
211108
3662
Apenas 0,67% da população adulta
de chineses tinha diabetes.
de chineses tinha diabetes.
03:47
Look at now: 11 percent.
67
215187
2143
Vejam agora: 11%.
03:49
Genetics cannot change over 30 years --
68
217877
3128
A genética não pode mudar em 30 anos,
03:53
only one generation.
69
221029
1261
apenas uma geração.
03:54
It must be something different.
70
222905
1627
Deve ser algo diferente.
03:56
Diet?
71
224556
1198
A alimentação?
03:57
The environment?
72
225778
1150
O meio ambiente?
03:59
Lifestyle?
73
227552
1150
O estilo de vida?
04:01
Even identical twins
could develop totally differently.
could develop totally differently.
74
229399
4242
Mesmo gêmeos idênticos
podem se desenvolver
podem se desenvolver
de forma totalmente diferente.
04:07
It could be one becomes
very obese, the other is not.
very obese, the other is not.
75
235059
2877
Um pode ficar obeso, o outro não.
04:11
One develops a cancer
and the other does not.
and the other does not.
76
239034
2502
Um desenvolve um câncer, o outro não.
04:13
Not mentioning living
in a very stressed environment.
in a very stressed environment.
77
241560
4905
Sem falar em viver em um ambiente
extremamente estressante.
extremamente estressante.
04:19
I moved to Shenzhen 10 years ago ...
78
247566
2595
Eu me mudei para Shenzhen há 10 anos...
04:22
for some reason, people may know.
79
250185
2738
por algumas razões, alguns podem saber.
04:25
If the gene's under stress,
80
253969
1939
Se o gene está sob estresse,
04:27
it behaves totally differently.
81
255932
1667
ele se comporta de forma
totalmente diferente.
totalmente diferente.
04:30
Life is a journey.
82
258863
1381
A vida é uma jornada.
04:32
A gene is just a starting point,
83
260817
2508
Um gene é só um ponto de partida,
04:35
not the end.
84
263349
1150
não é o final.
04:37
You have this statistical risk
of certain diseases when you are born.
of certain diseases when you are born.
85
265286
4488
Ao nascer, você tem riscos estatísticos
de ter algumas doenças.
de ter algumas doenças.
04:42
But every day you make different choices,
86
270392
3563
Mas, a cada dia,
você faz escolhas diferentes,
você faz escolhas diferentes,
04:45
and those choices will increase
or decrease the risk of certain diseases.
or decrease the risk of certain diseases.
87
273979
4538
e essas escolhas vão aumentar ou reduzir
o risco de certas doenças.
o risco de certas doenças.
04:51
But do you know
where you are on the curve?
where you are on the curve?
88
279428
2259
Mas você sabe onde está na curva?
04:54
What's the past curve look like?
89
282443
2159
Como se parece a curva do passado?
04:56
What kind of decisions
are you facing every day?
are you facing every day?
90
284959
2465
Que tipo de decisão
você enfrenta a cada dia?
você enfrenta a cada dia?
04:59
And what kind of decision is the right one
91
287761
2467
E que tipo de decisão é a correta
05:02
to make your own right curve
over your life journey?
over your life journey?
92
290252
4234
para fazer sua própria curva
ser correta ao longo da sua vida?
ser correta ao longo da sua vida?
05:07
What's that?
93
295445
1150
O que é isso?
05:09
The only thing you cannot change,
94
297320
1969
A única coisa que você não pode mudar,
05:11
you cannot reverse back,
95
299313
2181
que você não pode reverter,
05:13
is time.
96
301518
1228
é o tempo.
05:14
Probably not yet; maybe in the future.
97
302770
2001
Provavelmente ainda não, talvez no futuro.
05:16
(Laughter)
98
304795
1110
(Risos)
05:17
Well, you cannot change
the decision you've made,
the decision you've made,
99
305929
2819
Bem, você não pode mudar
as decisões que já tomou,
as decisões que já tomou,
05:20
but can we do something there?
100
308772
1541
mas você pode fazer algo?
05:22
Can we actually try to run
multiple options on me,
multiple options on me,
101
310643
5102
Podemos realmente tentar executar
múltiplas opções em mim,
múltiplas opções em mim,
05:27
and try to predict right
on the consequence,
on the consequence,
102
315769
3559
tentar prever as consequências,
05:31
and be able to make the right choice?
103
319352
2183
e conseguir fazer a escolha certa?
05:34
After all,
104
322153
1172
Afinal,
05:35
we are our choices.
105
323349
1852
somos nossas escolhas.
05:38
These lady beetles came to me afterwards.
106
326413
2574
Depois de um tempo
comecei a pensar nessas joaninhas.
comecei a pensar nessas joaninhas.
05:41
25 years ago, I made
the digital lady beetles
the digital lady beetles
107
329642
3463
Há 25 anos, fiz as joaninhas digitais
para tentar simular joaninhas reais.
05:45
to try to simulate real lady beetles.
108
333129
1784
05:47
Can I make a digital me ...
109
335503
1785
Posso fazer um eu digital...
05:49
to simulate me?
110
337897
1324
para simular a mim mesmo?
05:51
I understand the neural
network could become
network could become
111
339955
2561
Entendo que a rede neural pode ficar
05:54
much more sophisticated
and complicated there.
and complicated there.
112
342540
3086
muito mais sofisticada e complicada.
05:57
Can I make that one,
113
345650
1554
Posso fazer isso
05:59
and try to run multiple options
on that digital me --
on that digital me --
114
347228
3882
e tentar rodar múltiplas opções
no meu eu digital, para calcular isso?
no meu eu digital, para calcular isso?
06:03
to compute that?
115
351134
1260
06:05
Then I could live in different universes,
116
353025
2963
Então eu poderia viver
em diferentes universos,
em diferentes universos,
06:08
in parallel, at the same time.
117
356012
2764
em paralelo, ao mesmo tempo.
06:11
Then I would choose
whatever is good for me.
whatever is good for me.
118
359148
2513
Então eu escolheria o que é bom para mim.
06:14
I probably have the most comprehensive
digital me on the planet.
digital me on the planet.
119
362243
3842
Eu provavelmente tenho o eu digital
mais abrangente do planeta.
mais abrangente do planeta.
06:18
I've spent a lot of dollars
on me, on myself.
on me, on myself.
120
366109
2657
Gastei muitos dólares
em mim, em mim mesmo.
em mim, em mim mesmo.
06:21
And the digital me told me
I have a genetic risk of gout
I have a genetic risk of gout
121
369987
5206
E meu eu digital me disse
que tenho risco genético de ter gota
que tenho risco genético de ter gota
06:27
by all of those things there.
122
375217
1667
por todas estas coisas aqui.
06:29
You need different technology to do that.
123
377254
2111
É preciso uma tecnologia
diferente para isso.
diferente para isso.
06:31
You need the proteins, genes,
124
379389
1570
Você precisa de proteínas, genes,
06:32
you need metabolized antibodies,
125
380983
2526
anticorpos metabolizados,
06:35
you need to screen all your body
126
383533
2492
precisa mapear todo seu corpo,
06:38
about the bacterias and viruses
covering you, or in you.
covering you, or in you.
127
386049
3624
para saber todas as bactérias e vírus
que estão em você ou dentro de você.
que estão em você ou dentro de você.
06:41
You need to have
all the smart devices there --
all the smart devices there --
128
389697
2788
Você precisa ter diversos
aparelhos inteligentes...
aparelhos inteligentes...
06:44
smart cars, smart house, smart tables,
129
392509
3416
carros, casa, mesas,
06:47
smart watch, smart phone
to track all of your activities there.
to track all of your activities there.
130
395949
3329
relógio e telefone inteligentes
para rastrear todas as suas atividades.
para rastrear todas as suas atividades.
06:51
The environment is important --
131
399302
1477
O ambiente é importante,
tudo é importante...
tudo é importante...
06:52
everything's important --
132
400803
1221
e não se esqueça da privada inteligente.
06:54
and don't forget the smart toilet.
133
402048
1746
06:55
(Laughter)
134
403818
1031
(Risos)
06:56
It's such a waste, right?
135
404873
1774
É um desperdício, não é?
06:58
Every day, so much invaluable information
just has been flushed into the water.
just has been flushed into the water.
136
406671
5685
A cada dia, tanta informação inestimável
sendo mandada por água abaixo.
sendo mandada por água abaixo.
07:04
And you need them.
137
412796
1236
E você precisa delas.
07:06
You need to measure all of them.
138
414056
1524
Você precisa medir todas elas.
07:07
You need to be able to measure
everything around you
everything around you
139
415604
2623
Você deve ser capaz
de medir tudo à sua volta
de medir tudo à sua volta
07:10
and compute them.
140
418251
1217
e considerar todas elas no cálculo.
07:12
And the digital me told me
I have a genetic defect.
I have a genetic defect.
141
420113
3883
E meu eu digital me disse
que tenho um defeito genético.
que tenho um defeito genético.
07:16
I have a very high risk of gout.
142
424797
2071
Tenho alto risco de ter gota.
07:19
I don't feel anything now,
143
427868
1597
Não sinto nada, agora,
07:21
I'm still healthy.
144
429489
1372
ainda estou saudável.
07:22
But look at my uric acid level.
145
430885
1501
Mas vejam meu nível de ácido úrico.
É o dobro da média normal.
É o dobro da média normal.
07:24
It's double the normal range.
146
432410
1815
07:26
And the digital me searched
all the medicine books,
all the medicine books,
147
434919
2821
E meu eu digital pesquisou
todos os livros de medicina,
todos os livros de medicina,
07:29
and it tells me, "OK, you could
drink burdock tea" --
drink burdock tea" --
148
437764
4168
e me disse: "OK, você pode
tomar chá de bardana".
tomar chá de bardana".
07:33
I cannot even pronounce it right --
149
441956
1698
Não sei nem pronunciar isso...
(Risos)
07:35
(Laughter)
150
443678
1035
Isso vem da antiga sabedoria chinesa.
07:36
That is from old Chinese wisdom.
151
444737
1814
07:39
And I drank that tea for three months.
152
447076
2759
Eu tomei esse chá por três meses.
07:41
My uric acid has now gone back to normal.
153
449859
2541
Meu ácido úrico voltou aos níveis normais.
07:45
I mean, it worked for me.
154
453118
1675
Quer dizer, para mim, funcionou.
07:46
All those thousands of years
of wisdom worked for me.
of wisdom worked for me.
155
454817
2516
Todos esses milhares de anos de sabedoria
funcionaram para mim, tive sorte.
funcionaram para mim, tive sorte.
07:49
I was lucky.
156
457357
1150
07:50
But I'm probably not lucky for you.
157
458864
3508
Mas, provavelmente,
não tenho sorte por você.
não tenho sorte por você.
07:55
All of this existing
knowledge in the world
knowledge in the world
158
463189
2165
Todo esse conhecimento existente no mundo
07:57
cannot possibly be efficient enough
or personalized enough for yourself.
or personalized enough for yourself.
159
465378
5824
pode não ser eficiente ou personalizado
o suficiente para você.
o suficiente para você.
08:03
The only way to make
that digital me work ...
that digital me work ...
160
471872
2655
A única forma
desse eu digital funcionar...
desse eu digital funcionar...
08:07
is to learn from yourself.
161
475424
2057
é aprender consigo mesmo.
08:11
You have to ask a lot
of questions about yourself:
of questions about yourself:
162
479093
2404
Você deve fazer muitas perguntas
sobre você mesmo.
sobre você mesmo.
08:13
"What if?" --
163
481521
1673
"E se...?"
08:15
I'm being jet-lagged now here.
164
483218
1803
Estou sendo submetido a "jet-lag" agora.
Vocês não percebem, mas estou.
Vocês não percebem, mas estou.
08:17
You don't probably see it, but I do.
165
485045
1958
08:20
What if I eat less?
166
488073
1792
E se eu comer menos?
08:21
When I took metformin,
supposedly to live longer?
supposedly to live longer?
167
489889
2948
Se eu tomar metformina, vou viver mais?
08:25
What if I climb Mt. Everest?
168
493574
1347
E se eu escalar o Evereste?
08:26
It's not that easy.
169
494945
1302
Não é fácil.
08:28
Or run a marathon?
170
496271
1330
Ou correr uma maratona?
08:30
What if I drink a bottle of mao-tai,
171
498132
2314
E se eu tomar uma garrafa de maotai,
08:32
which is a Chinese liquor,
172
500470
1336
que é um licor chinês,
08:33
and I get really drunk?
173
501830
1194
e ficar muito bêbado?
08:35
I was doing a video rehearsal last time
with the folks here,
with the folks here,
174
503048
4429
Eu estava ensaiando um vídeo
com essas pessoas,
com essas pessoas,
08:39
when I was drunk,
175
507501
1269
quando fiquei bêbado,
08:40
and I totally delivered
a different speech.
a different speech.
176
508794
2089
e dei um discurso totalmente diferente.
08:42
(Laughter)
177
510907
2869
(Risos)
E se eu trabalhar menos?
08:45
What if I work less, right?
178
513800
2301
08:48
I have been less stressed, right?
179
516125
1882
Eu me estressaria menos, certo?
Isso provavelmente nunca me aconteceu.
08:50
So that probably never happened to me,
180
518031
1810
08:51
I was really stressed every day,
181
519865
2098
Eu me estressei muito todos os dias,
mas espero poder me estressar menos.
08:53
but I hope I could be less stressed.
182
521987
1966
08:56
These early studies told us,
183
524291
2179
Esses estudos iniciais nos mostram
08:58
even with the same banana,
184
526494
1983
que, mesmo comendo a mesma banana,
09:00
we have totally different
glucose-level reactions
glucose-level reactions
185
528501
2987
teríamos reações totalmente diferentes
nos níveis de glicose,
nos níveis de glicose,
09:03
over different individuals.
186
531512
1386
em indivíduos diferentes.
09:04
How about me?
187
532922
1150
E eu?
09:06
What is the right breakfast for me?
188
534416
1998
Qual é o café da manhã correto para mim?
09:08
I need to do two weeks
of controlled experiments,
of controlled experiments,
189
536438
2918
Preciso fazer duas semanas
de experimentos controlados,
de experimentos controlados,
09:11
of testing all kinds of different
food ingredients on me,
food ingredients on me,
190
539380
3745
testando todo tipo de ingredientes,
09:15
and check my body's reaction.
191
543149
2288
e verificar a reação do meu corpo.
09:17
And I don't know
the precise nutrition for me,
the precise nutrition for me,
192
545461
3117
E não sei qual é a prescrição
nutricional exata para mim.
nutricional exata para mim.
09:20
for myself.
193
548602
1150
09:23
Then I wanted to search
all the Chinese old wisdom
all the Chinese old wisdom
194
551193
4364
Então eu quis pesquisar
em toda a antiga sabedoria chinesa
em toda a antiga sabedoria chinesa
09:27
about how I can live longer,
and healthier.
and healthier.
195
555581
2992
como posso viver mais
e de forma mais saudável.
e de forma mais saudável.
09:30
I did it.
196
558889
1228
Eu fiz isso.
09:32
Some of them are really unachievable.
197
560141
2251
Algumas coisas
são impossíveis de se fazer.
são impossíveis de se fazer.
09:34
I did this once last October,
198
562742
2865
Fiz isso em outubro passado,
09:37
by not eating for seven days.
199
565631
1718
fiquei sete dias sem comer.
09:40
I did a fast for seven days
with six partners of mine.
with six partners of mine.
200
568149
4124
Fiz jejum por sete dias, com seis colegas.
09:44
Look at those people.
201
572778
1259
Vejam estas pessoas.
09:46
One smile.
202
574061
1151
Um deles sorriu.
Sabem por que ele sorriu?
Ele trapaceou.
Ele trapaceou.
09:47
You know why he smiled?
203
575236
1151
09:48
He cheated.
204
576411
1167
(Risos)
09:49
(Laughter)
205
577602
1000
09:50
He drank one cup of coffee at night,
206
578626
3136
Ele tomou uma xícara de café de noite,
09:53
and we caught it from the data.
207
581786
1485
e descobrimos isso pelos dados.
(Risos)
09:55
(Laughter)
208
583295
1045
Nós medimos tudo através dos dados.
09:56
We measured everything from the data.
209
584364
2460
09:58
We were able to track them,
210
586848
2214
Nós rastreamos os dados,
10:01
and we could really see --
211
589086
1558
e podíamos ver, realmente...
10:02
for example, my immune system,
212
590668
2001
por exemplo, meu sistema imunológico,
10:04
just to give you a little hint there.
213
592693
1762
só para dar uma amostra a vocês,
10:06
My immune system changed
dramatically over 24 hours there.
dramatically over 24 hours there.
214
594479
4304
meu sistema imunológico mudou
drasticamente em 24 horas.
drasticamente em 24 horas.
10:11
And my antibody regulates my proteins
215
599918
3133
E meus anticorpos regulam minhas proteínas
10:15
for that dramatic change.
216
603075
1536
para essa mudança drástica.
10:16
And everybody was doing that.
217
604635
1381
E todos estavam fazendo isso,
10:18
Even if we're essentially
totally different at the very beginning.
totally different at the very beginning.
218
606040
3332
mesmo que fôssemos
totalmente diferentes no começo.
totalmente diferentes no começo.
10:21
And that probably will be
an interesting treatment in the future
an interesting treatment in the future
219
609396
3045
E provavelmente esse será
um tratamento interessante no futuro
um tratamento interessante no futuro
10:24
for cancer and things like that.
220
612465
1643
para o câncer e coisas assim.
10:26
It becomes very, very interesting.
221
614132
1630
Foi muito, muito interessante.
10:28
But something you probably
don't want to try,
don't want to try,
222
616286
2701
Mas algumas coisas vocês
não vão querer experimentar,
não vão querer experimentar,
10:31
like drinking fecal water
from a healthier individual,
from a healthier individual,
223
619011
3676
como tomar água fecal
de um indivíduo saudável,
de um indivíduo saudável,
10:34
which will make you feel healthier.
224
622711
1667
que vai deixar você mais saudável.
10:36
This is from old Chinese wisdom.
225
624402
1715
Isso vem da antiga sabedoria chinesa.
10:38
Look at that, right?
226
626141
1436
Vejam isso.
10:39
Like 1,700 years ago,
227
627601
2166
Algo de 1,7 mil anos atrás,
10:41
it's already there, in the book.
228
629791
2280
e ainda está lá, no livro.
10:44
But I still hate the smell.
229
632608
1327
Mas eu ainda detesto o cheiro.
10:46
(Laughter)
230
634237
1150
(Risos)
10:47
I want to find out the true way to do it,
231
635411
2406
Quero encontrar
o jeito certo de fazer isso,
o jeito certo de fazer isso,
10:49
maybe find a combination of cocktails
of bacterias and drink it,
of bacterias and drink it,
232
637841
4354
talvez se descobrir uma combinação
de um coquetel de bactérias,
de um coquetel de bactérias,
provavelmente vai me fazer melhor.
10:54
it probably will make me better.
233
642219
1524
Então estou tentando fazer isso.
10:55
So I'm trying to do that.
234
643767
1191
10:56
Even though I'm trying this hard,
235
644982
3002
Mas, mesmo eu me esforçando tanto,
11:00
it's so difficult to test out
all possible conditions.
all possible conditions.
236
648008
5026
é muito difícil testar
todas as condições possíveis.
todas as condições possíveis.
11:05
It's not possible to do
all kinds of experiments at all ...
all kinds of experiments at all ...
237
653058
5237
Não é possível
fazer todos os experimentos...
fazer todos os experimentos...
11:11
but we do have seven billion
learning programs on this planet.
learning programs on this planet.
238
659341
3813
Mas temos 7 bilhões de programas
de aprendizado neste planeta.
de aprendizado neste planeta.
11:15
Seven billion.
239
663178
1266
Sete bilhões.
11:16
And every program
is running in different conditions
is running in different conditions
240
664468
3651
E cada programa está rodando
em condições diferentes
em condições diferentes
11:20
and doing different experiments.
241
668143
1781
e fazendo experimentos diferentes.
11:21
Can we all measure them?
242
669948
1851
Podemos medi-los?
11:24
Seven years ago,
I wrote an essay in "Science"
I wrote an essay in "Science"
243
672962
3215
Há sete anos, escrevi um ensaio
na revista "Science"
na revista "Science"
11:28
to celebrate the human genome's
10-year anniversary.
10-year anniversary.
244
676201
3292
para comemorar o décimo aniversário
do genoma humano.
do genoma humano.
11:32
I said, "Sequence yourself,
245
680175
1654
Eu disse: "Sequencie-se,
11:33
for one and for all."
246
681853
1623
para você e para todos".
11:35
But now I'm going to say,
247
683798
1868
Mas agora vou dizer:
11:37
"Digitalize yourself for one and for all."
248
685690
3746
"Digitalize-se, para você e para todos".
11:42
When we make this digital me
into a digital we,
into a digital we,
249
690275
5600
Quando tornarmos o eu digital
em um nós digital,
em um nós digital,
11:47
when we try to form an internet of life,
250
695899
3752
quando tentarmos fazer
uma internet da vida,
uma internet da vida,
11:51
when people can learn from each other,
251
699675
2861
em que as pessoas possam aprender
umas com as outras,
umas com as outras,
11:54
when people can learn
from their experience,
from their experience,
252
702560
2707
em que as pessoas possam aprender
com suas experiências
com suas experiências
11:57
their data,
253
705291
1731
e seus dados,
11:59
when people can really form
a digital me by themselves
a digital me by themselves
254
707046
3601
em que as pessoas possam realmente
fazer um eu digital por elas próprias
fazer um eu digital por elas próprias
12:02
and we learn from it,
255
710671
1611
e aprendermos com isso,
12:05
the digital we will be
totally different with a digital me.
totally different with a digital me.
256
713416
5732
o nós digital será totalmente
diferente do eu digital.
diferente do eu digital.
12:11
But it can only come from the digital me.
257
719172
3420
Mas ele só pode vir do eu digital.
12:16
And this is what I try to propose here.
258
724103
2979
E é isso que tento propor aqui.
12:20
Join me --
259
728121
1150
Juntem-se a mim...
12:21
become we,
260
729944
1150
vamos nos tornar em nós,
12:23
and everybody should build up
their own digital me,
their own digital me,
261
731792
4938
e todos poderão construir
seu próprio eu digital,
seu próprio eu digital,
12:28
because only by that
will you learn more about you,
will you learn more about you,
262
736754
4519
porque somente assim
você vai aprender mais sobre você,
você vai aprender mais sobre você,
12:33
about me,
263
741297
1424
sobre mim,
12:34
about us ...
264
742745
1165
sobre nós...
12:36
about the question I just posed
at the very beginning:
at the very beginning:
265
744678
3680
sobre a pergunta que coloquei no início:
12:40
"What is life?"
266
748382
1150
"O que é a vida?"
12:42
Thank you.
267
750066
1169
Obrigado.
12:43
(Applause)
268
751259
5950
(Aplausos)
12:49
Chris Anderson:
One quick question for you.
One quick question for you.
269
757233
2761
Chris Anderson:
Uma pergunta rápida para você.
Uma pergunta rápida para você.
12:52
I mean, the work is amazing.
270
760818
1974
Quero dizer, o trabalho é incrível.
12:54
I suspect one question people have is,
271
762816
3198
Eu imagino que uma dúvida
que as pessoas têm é:
que as pessoas têm é:
12:58
as we look forward to these amazing
technical possibilities
technical possibilities
272
766038
3281
olhando à frente, para essas maravilhosas
possibilidades técnicas
possibilidades técnicas
13:01
of personalized medicine,
273
769343
1361
de medicina personalizada,
13:02
in the near-term it feels like
they're only going to be affordable
they're only going to be affordable
274
770728
3303
a curto prazo parece
que só estarão acessíveis
que só estarão acessíveis
para poucas pessoas, certo?
13:06
for a few people, right?
275
774055
1276
13:07
It costs many dollars to do
all the sequencing and so forth.
all the sequencing and so forth.
276
775355
2991
Custa muitos dólares fazer
todo o sequenciamento e tal.
todo o sequenciamento e tal.
13:10
Is this going to lead to a kind of,
277
778889
2912
Isso vai levar a um aumento
da desigualdade?
da desigualdade?
13:13
you know, increasing inequality?
278
781825
2317
13:16
Or do you have this vision
that the knowledge that you get
that the knowledge that you get
279
784166
3911
Ou você tem essa ideia
de que o conhecimento adquirido
de que o conhecimento adquirido
13:20
from the pioneers
280
788101
1352
dos pioneiros
13:21
can actually be
pretty quickly disseminated
pretty quickly disseminated
281
789477
2096
pode realmente ser
rapidamente disseminado
rapidamente disseminado
13:23
to help a broader set of recipients?
282
791597
4124
para auxiliar um conjunto
mais amplo de recipientes?
mais amplo de recipientes?
13:27
Jun Wang: Well, good question.
283
795745
1534
Jun Wang: Bem, boa pergunta.
13:29
I'll tell you that seven years ago,
when I co-founded BGI,
when I co-founded BGI,
284
797303
3551
Vou dizer que há sete anos,
quando participei da fundação da BGI,
quando participei da fundação da BGI,
13:32
and served as the CEO
of the company there,
of the company there,
285
800878
3405
e fui CEO da empresa,
13:36
the only goal there for me to do
286
804307
2381
meu único objetivo
13:38
was to drive the sequencing cost down.
287
806712
1983
era reduzir o custo do sequenciamento.
13:41
It started from 100 million dollars
per human genome.
per human genome.
288
809044
2775
Ele começou custando
US$ 100 milhões por genoma humano.
US$ 100 milhões por genoma humano.
13:43
Now, it's a couple hundred dollars
for a human genome.
for a human genome.
289
811843
2591
Agora, custa algumas centenas de dólares.
13:46
The only reason to do it
is to get more people to benefit from it.
is to get more people to benefit from it.
290
814458
3614
A única razão para isso é ter
mais pessoas se beneficiando disso.
mais pessoas se beneficiando disso.
13:50
So for the digital me,
it's the same thing.
it's the same thing.
291
818378
2157
Então para o eu digital é a mesma coisa.
13:52
Now, you probably need,
292
820559
1489
Agora, você provavelmente precisa
13:54
you know, one million dollars
to digitize a person.
to digitize a person.
293
822072
3229
de US$ 1 milhão
para digitalizar uma pessoa.
para digitalizar uma pessoa.
13:57
I think it has to be 100 dollars.
294
825801
1675
Eu acho que deveria custar US$ 100.
13:59
It has to be free for many of those people
that urgently need that.
that urgently need that.
295
827987
4049
Deveria ser de graça
para muitas das pessoas
que precisam urgentemente disso.
que precisam urgentemente disso.
14:04
So this is our goal.
296
832372
1267
Então esse é nosso objetivo.
14:05
And it seems that with all
this merging of the technology,
this merging of the technology,
297
833993
3423
E parece que, com toda essa
tecnologia emergente,
tecnologia emergente,
14:09
I'm thinking that in the very near future,
298
837440
2592
acho que, no futuro próximo,
14:12
let's say three to five years,
299
840056
2365
vamos dizer, três a cinco anos,
14:14
it will come to reality.
300
842445
1482
isso vai se tornar realidade.
14:15
And this is the whole idea
of why I founded iCarbonX,
of why I founded iCarbonX,
301
843951
3979
E essa é a razão
pela qual fundei a iCarbonX,
pela qual fundei a iCarbonX,
14:19
my second company.
302
847954
1219
minha segunda empresa.
14:21
It's really trying to get the cost down
303
849197
2868
Ela está realmente
tentando reduzir o custo
tentando reduzir o custo
14:24
to a level where every individual
could have the benefit.
could have the benefit.
304
852089
3420
a um nível em que todos os indivíduos
possam ter esse benefício.
possam ter esse benefício.
14:27
CA: All right, so the dream is not
elite health services for few,
elite health services for few,
305
855533
3048
CA: Então o sonho não é
serviços de saúde de elite para poucos,
serviços de saúde de elite para poucos,
14:30
it's to really try
306
858605
1234
é realmente tentar tornar
o custo da saúde muito mais acessível...
o custo da saúde muito mais acessível...
14:31
and actually make overall health care
much more cost effective --
much more cost effective --
307
859863
3111
14:34
JW: But we started
from some early adopters,
from some early adopters,
308
862998
2430
JW: Nós começamos
com alguns adeptos iniciais,
com alguns adeptos iniciais,
14:37
people believing ideas and so on,
309
865452
2506
pessoas que acreditam nessa ideia, e tal,
14:39
but eventually, it will become
everybody's benefit.
everybody's benefit.
310
867982
3642
mas por fim vai se tornar
um benefício para todos.
um benefício para todos.
14:44
CA: Well, Jun, I think
it's got to be true to say
it's got to be true to say
311
872303
2333
CA: Bem, Jun, acho que é verdadeiro dizer
que você é uma das mentes científicas
mais incríveis do planeta,
mais incríveis do planeta,
14:46
you're one of the most amazing
scientific minds on the planet,
scientific minds on the planet,
312
874660
2958
14:49
and it's an honor to have you.
313
877642
1429
e é uma honra ter você aqui.
14:51
JW: Thank you.
314
879095
1158
JW: Obrigado.
14:52
(Applause)
315
880277
1150
(Aplausos)
ABOUT THE SPEAKER
Jun Wang - Genomics researcherAt iCarbonX, Jun Wang aims to establish a big data platform for health management.
Why you should listen
In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.
In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.
Jun Wang | Speaker | TED.com