TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: A matemática pode desvendar os segredos do câncer
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva traduz a biologia para a matemática, e vice-versa. Ela escreve modelos matemáticos que descrevem a dinâmica do câncer, com o objetivo de desenvolver novos medicamentos que atinjam os tumores. "O poder e a beleza dos modelos matemáticos estão no fato de que eles nos permitem formalizar, de forma bem metódica, o que achamos que sabemos", diz Kareva. "Isso pode nos mostrar onde podemos continuar procurando e onde talvez haja um beco sem saída." Tudo se resume a fazer a pergunta certa e traduzi-la na equação certa, e vice-versa.
Irina Kareva - Theoretical biologist
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Double-click the English transcript below to play the video.
Eu sou tradutora.
00:12
I am a translator.
0
549
1243
Traduzo da biologia para a matemática
00:14
I translate from biology into mathematics
1
2514
3191
e vice-versa.
00:17
and vice versa.
2
5729
1150
00:19
I write mathematical models
3
7588
1790
Escrevo modelos matemáticos
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
que, no meu caso, são sistemas
de equações diferenciais,
de equações diferenciais,
00:24
to describe biological mechanisms,
5
12273
1947
que descrevem mecanismos biológicos,
como o crescimento celular.
como o crescimento celular.
00:26
such as cell growth.
6
14244
1158
00:28
Essentially, it works like this.
7
16122
1848
Basicamente é assim:
00:30
First, I identify the key elements
8
18573
2469
primeiro, eu identifico
os elementos principais
os elementos principais
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
que creio estarem influenciando no tempo
o comportamento
de um mecanismo específico.
de um mecanismo específico.
00:35
of a particular mechanism.
10
23867
1539
Depois, formulo teses sobre como esses
elementos interagem uns com os outros
elementos interagem uns com os outros
00:38
Then, I formulate assumptions
11
26230
1891
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
e com o seu ambiente.
00:43
and with their environment.
13
31055
1337
00:44
It may look something like this.
14
32916
1772
Fica mais ou menos assim.
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
Aí, eu traduzo essas teses em equações,
que ficam mais ou menos assim.
que ficam mais ou menos assim.
00:50
which may look something like this.
16
38610
1824
Por fim, eu analiso as minhas equações
00:53
Finally, I analyze my equations
17
41434
1890
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
e traduzo os resultados de volta
para linguagem da biologia.
para linguagem da biologia.
01:00
A key aspect of mathematical modeling
19
48156
2420
Um aspecto fundamental
dos modelos matemáticos
dos modelos matemáticos
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
é que nós que os criamos
não pensamos no que as coisas são,
não pensamos no que as coisas são,
01:06
we think about what they do.
21
54532
1855
mas no que elas fazem.
Pensamos nas relações entre os indivíduos,
sejam eles células, animais ou pessoas,
sejam eles células, animais ou pessoas,
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
01:10
whether they be cells, animals or people,
23
58924
2886
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
e em como interagem uns com os outros
e com seu ambiente.
e com seu ambiente.
Vou dar um exemplo.
01:17
Let me give you an example.
25
65639
1340
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
O que raposas e glóbulos
brancos têm em comum?
brancos têm em comum?
Ambos são predadores:
01:24
They're both predators,
27
72793
1459
raposas caçam coelhos
01:26
except foxes feed on rabbits,
28
74744
2723
e os glóbulos brancos caçam invasores,
como células cancerosas.
como células cancerosas.
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
De um ponto de vista matemático,
01:33
But from a mathematical point of view,
30
81273
2345
um sistema qualitativo predador-presa
semelhante de equações
semelhante de equações
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
descreverá as interações
entre raposas e coelhos
entre raposas e coelhos
01:43
and cancer and immune cells.
33
91091
1774
assim como entre o câncer
e os glóbulos brancos.
e os glóbulos brancos.
Sistemas do tipo predador-presa
foram estudados amplamente
foram estudados amplamente
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
na literatura científica,
01:48
in scientific literature,
35
96341
1269
descrevendo as interações
de duas populações,
de duas populações,
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
onde a sobrevivência de uma
depende do abate da outra.
depende do abate da outra.
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
Essas equações oferecem uma perspectiva
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
pra entendermos as interações
entre o câncer e o sistema imunológico,
entre o câncer e o sistema imunológico,
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
02:00
where cancer is the prey,
40
108464
1841
sendo o câncer a presa
e o sistema imunológico o predador.
e o sistema imunológico o predador.
02:02
and the immune system is the predator.
41
110329
2372
02:04
And the prey employs all sorts of tricks
to prevent the predator from killing it,
to prevent the predator from killing it,
42
112725
4032
A presa utiliza todo tipo de truque
para evitar que o predador a abata,
para evitar que o predador a abata,
02:08
ranging from camouflaging itself
43
116781
1820
desde se camuflar
a roubar o alimento do predador.
a roubar o alimento do predador.
02:10
to stealing the predator's food.
44
118625
1839
Isso pode ter implicações
bem interessantes.
bem interessantes.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
Por exemplo, apesar dos enormes sucessos
no campo da imunoterapia,
no campo da imunoterapia,
ainda há certa limitação de eficácia
no que se refere a tumores sólidos,
no que se refere a tumores sólidos,
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
02:23
when it comes solid tumors.
48
131269
1542
mas, ecologicamente falando,
02:25
But if you think about it ecologically,
49
133423
2559
tanto o câncer quanto os glóbulos brancos,
02:28
both cancer and immune cells --
50
136006
2090
02:30
the prey and the predator --
51
138120
1600
presa e predador,
precisam de nutrientes
como a glicose para sobreviverem.
como a glicose para sobreviverem.
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
Quando as células cancerosas
vencem os glóbulos brancos
vencem os glóbulos brancos
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
na disputa por nutrientes
no microambiente do tumor,
no microambiente do tumor,
02:40
in the tumor microenvironment,
54
148171
1793
os glóbulos brancos ficam fisicamente
incapazes de fazer seu trabalho.
incapazes de fazer seu trabalho.
02:41
then the immune cells will physically
not be able to do their job.
not be able to do their job.
55
149988
3414
Esse modelo de recurso compartilhado
entre predador e presa
entre predador e presa
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
é algo que estudei em minha pesquisa.
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
Recentemente, foi mostrado num experimento
02:51
And it was recently shown experimentally
58
159504
2724
que restaurar o equilíbrio metabólico
no microambiente do tumor,
no microambiente do tumor,
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
ou seja, garantir que os glóbulos
brancos se alimentem,
brancos se alimentem,
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
03:01
can give them, the predators, back
their edge in fighting cancer, the prey.
their edge in fighting cancer, the prey.
61
169885
5245
pode devolver a eles,
que são os predadores,
que são os predadores,
sua capacidade de combate
ao câncer, que é a presa.
ao câncer, que é a presa.
Isso significa que, se usarmos
um pouco a imaginação,
um pouco a imaginação,
03:08
This means that if you abstract a bit,
62
176440
2339
podemos enxergar o câncer
como um ecossistema,
como um ecossistema,
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
onde populações celulares heterogêneas
competem e cooperam
competem e cooperam
por espaço e nutrientes,
03:18
for space and nutrients,
65
186093
2017
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
interagem com predadores
- o sistema imunológico -
- o sistema imunológico -
03:22
migrate -- metastases --
67
190830
2241
migram - metástase -
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
tudo dentro do ecossistema
que é corpo humano.
que é corpo humano.
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
E o que nos diz a biologia da preservação
sobre a maioria dos ecossistemas?
sobre a maioria dos ecossistemas?
Que uma das melhores formas
de extinguir uma espécie
de extinguir uma espécie
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
03:35
is not to target them directly
71
203519
1952
não é atingi-la diretamente,
03:37
but to target their environment.
72
205495
2439
mas atingir seu ambiente.
Assim, uma vez que identificamos
os componentes fundamentais
os componentes fundamentais
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
03:43
of the tumor environment,
74
211974
1644
do ambiente do tumor,
03:45
we can propose hypotheses
75
213642
1948
podemos propor hipóteses,
simular cenários
e intervenções terapêuticas
e intervenções terapêuticas
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
de forma totalmente segura e acessível,
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
e atingir diferentes componentes
do microambiente
do microambiente
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
de forma a matar o câncer
sem prejudicar o hospedeiro,
sem prejudicar o hospedeiro,
04:01
such as me or you.
80
229794
1570
o ser humano.
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
Embora o objetivo principal
da minha pesquisa
da minha pesquisa
04:08
is to advance research and innovation
82
236055
2266
seja o avanço da pesquisa e inovação
e a redução de seus custos,
e a redução de seus custos,
04:10
and to reduce its cost,
83
238345
1896
a real intenção, claro, é salvar vidas.
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
É isso que tento fazer
04:15
And that's what I try to do
85
243278
1771
através de modelos matemáticos
aplicados à biologia
aplicados à biologia
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
e ao desenvolvimento
de medicamentos, principalmente.
de medicamentos, principalmente.
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
É uma área que até recentemente
ficou meio que apagada,
ficou meio que apagada,
mas que amadureceu.
04:26
but it has matured.
89
254975
1452
Hoje existem modelos matemáticos
muito bem desenvolvidos,
muito bem desenvolvidos,
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
04:31
a lot of preprogrammed tools,
91
259624
1899
diversas ferramentas pré-programadas,
04:33
including free ones,
92
261547
1496
inclusive gratuitas,
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
e uma quantidade cada vez maior
de capacidade computacional disponível.
de capacidade computacional disponível.
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
O poder e a beleza dos modelos matemáticos
estão no fato de que
conseguimos formalizar,
conseguimos formalizar,
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
04:46
in a very rigorous way,
96
274806
2087
de forma bem metódica,
aquilo que achamos que sabemos.
04:48
what we think we know.
97
276917
1465
Criamos teses, as traduzimos em equações,
realizamos simulações,
realizamos simulações,
04:50
We make assumptions,
98
278904
1444
04:52
translate them into equations,
99
280372
1568
04:53
run simulations,
100
281964
1311
tudo isso pra responder à pergunta:
04:55
all to answer the question:
101
283299
1773
04:57
In a world where my assumptions are true,
102
285096
2246
"Num mundo em que
minhas teses são verdadeiras,
minhas teses são verdadeiras,
04:59
what do I expect to see?
103
287366
1570
o que espero ver?"
É uma perspectiva conceitual bem simples,
05:01
It's a pretty simple conceptual framework.
104
289890
2086
trata-se apenas de fazer
as perguntas certas,
as perguntas certas,
05:04
It's all about asking the right questions.
105
292000
2226
mas pode trazer diversas oportunidades
para o teste de hipóteses biológicas.
para o teste de hipóteses biológicas.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Se nossas observações batem
com nossas previsões, ótimo,
com nossas previsões, ótimo,
05:11
If our predictions match our observations,
107
299696
2600
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
nós acertamos e podemos
fazer novas previsões
fazer novas previsões
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
modificando um ou outro aspecto do modelo.
Porém, se nossas observações
não batem com nossas previsões,
não batem com nossas previsões,
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
isso significa que algumas
das nossas teses estão incorretas
das nossas teses estão incorretas
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
e nossa compreensão dos mecanismos
fundamentais da biologia subjacente
fundamentais da biologia subjacente
05:29
of underlying biology
113
317523
1439
ainda está incompleta.
05:30
is still incomplete.
114
318986
1270
05:32
Luckily, since this is a model,
115
320829
2362
Felizmente, como se trata de um modelo,
nós controlamos todas as teses.
nós controlamos todas as teses.
05:35
we control all the assumptions.
116
323215
1889
Podemos revisá-las, uma a uma,
05:37
So we can go through them, one by one,
117
325128
2140
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
e identificar quais delas
estão causando discrepância,
estão causando discrepância,
e podemos preencher
essa lacuna de conhecimento
essa lacuna de conhecimento
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
utilizando abordagens
experimentais e teóricas.
experimentais e teóricas.
Claro que qualquer ecossistema
é extremamente complexo
é extremamente complexo
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
e tentar descrever todas
as partes integrantes é não só difícil,
as partes integrantes é não só difícil,
05:57
but also not very informative.
123
345411
1662
mas também não muito informativo.
Também há o problema das escalas de tempo,
05:59
There's also the issue of timescales,
124
347518
2066
pois alguns processos ocorrem numa
escala de segundos, outros em minutos,
escala de segundos, outros em minutos,
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
outros em dias, meses e anos.
06:05
some days, months and years.
126
353300
1948
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
Nem sempre é possível
separá-los de forma experimental.
separá-los de forma experimental.
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
Além disso, algumas coisas acontecem
tão rapidamente ou tão lentamente
tão rapidamente ou tão lentamente
que talvez nunca sejamos fisicamente
capazes de mensurá-las.
capazes de mensurá-las.
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
06:17
But as mathematicians,
130
365295
2288
Porém, como matemáticos,
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
temos o poder de analisar qualquer
subsistema em qualquer escala de tempo
subsistema em qualquer escala de tempo
06:25
and simulate effects of interventions
132
373276
2124
e simular os efeitos de intervenções
que ocorrem em qualquer escala de tempo.
que ocorrem em qualquer escala de tempo.
06:27
that take place in any timescale.
133
375424
2701
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Claro, isso não é obra apenas
de quem cria os modelos.
de quem cria os modelos.
Precisa acontecer com a participação
ativa de biólogos,
ativa de biólogos,
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
e requer alguma capacidade
de tradução de ambas as partes.
de tradução de ambas as partes.
06:41
on both sides.
137
389241
1204
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
Começar com uma formulação
teórica de um problema
teórica de um problema
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
pode trazer diversas oportunidades
para o teste de hipóteses,
para o teste de hipóteses,
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
para a simulação de cenários
e para intervenções terapêuticas,
e para intervenções terapêuticas,
06:54
all in a completely safe way.
141
402146
2070
de forma totalmente segura.
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
Isso pode ajudar a identificar lapsos
de conhecimento e inconsistências,
de conhecimento e inconsistências,
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
nos mostrar onde devemos
continuar buscando
continuar buscando
07:05
and where there may be a dead end.
144
413039
1895
e onde pode haver um beco sem saída.
07:07
In other words:
145
415632
1247
Em outras palavras,
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
os modelos matemáticos podem
nos ajudar a responder a perguntas
nos ajudar a responder a perguntas
07:12
that directly affect people's health --
147
420421
2388
que afetam diretamente
a saúde das pessoas,
a saúde das pessoas,
que afetam a saúde
de cada um de nós, na verdade,
de cada um de nós, na verdade,
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
07:18
because mathematical modeling will be key
149
426670
2676
porque os modelos
matemáticos serão a chave
matemáticos serão a chave
07:21
to propelling personalized medicine.
150
429370
1834
para o avanço da medicina personalizada.
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
E tudo se resume
a fazermos a pergunta certa
a fazermos a pergunta certa
e traduzi-la à equação certa,
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
e vice-versa.
07:30
and back.
153
438670
1150
Obrigada.
07:32
Thank you.
154
440533
1151
07:33
(Applause)
155
441708
3299
(Aplausos)
ABOUT THE SPEAKER
Irina Kareva - Theoretical biologistIrina Kareva is looking for answers to biological questions using mathematical modeling.
Why you should listen
Dr. Irina Kareva studies cancer as an evolving ecosystem, bringing in insights from various disciplines -- from evolutionary biology to paleontology to ergodic theory -- to understand how we can manage, if not cure, cancer like a chronic disease. She has authored more than 25 publications, including several papers with her parents, who are also mathematicians. The Kareva clan was featured in a Nature article entitled "Relationships: Scions of Science."
Kareva is a research scientist at EMD Serono Research Center near Boston Massachusetts, US. Her book, Understanding Cancer from a Systems Biology Point of View: From Observation to Theory and Back, was recently published by Elsevier, and a second book on mathematical modeling of the evolution of heterogeneous populations will be released in mid-2019.
In addition to her scientific studies and endeavors, Kareva also holds a degree in music and works actively as a professional opera singer. She is a member of the Boston Symphony Orchestra’s Tanglewood Festival Chorus, has performed solo roles in local productions, religious music performances, and can even occasionally be heard in pieces as varied as video game soundtracks and heavy metal recordings.
Irina Kareva | Speaker | TED.com