Taste3 2008
Barry Schuler: Genomics 101
Barry Schuler: Príncipios de Genómica
Filmed:
Readability: 3.8
454,548 views
O que é a genómica? Como é que vai afectar as nossas vidas? Nesta iniciação intrigante à revolução da genómica, o empreendedor Barry Schuler diz-nos que podemos pelo menos esperar comida mais saudável e saborosa. Sugere que comecemos com as uvas pinot noire, para produzir novos vinhos.
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Double-click the English transcript below to play the video.
00:16
What's happening in genomics,
0
0
2000
O que está a acontecer com a genómica,
00:18
and how this revolution is about to change everything we know
1
2000
5000
e como esta revolução está prestes a mudar tudo aquilo que conhecemos
00:23
about the world, life, ourselves, and how we think about them.
2
7000
7000
acerca do mundo, vida, nós proprios, e a maneira como pensamos acerca destas coisas.
00:30
If you saw 2001: A Space Odyssey,
3
14000
3000
Se viram 2001: Odisseia no Espaço,
00:33
and you heard the boom, boom, boom, boom, and you saw the monolith,
4
17000
4000
e ouviram o boom, boom, boom, boom, boom, e viram o monolito
00:37
you know, that was Arthur C. Clarke's representation
5
21000
4000
aquela era a representação de Arthur C. Clarke
00:41
that we were at a seminal moment in the evolution of our species.
6
25000
4000
do facto de estarmos num momento crucial na evolução da nossa espécie.
00:45
In this case, it was picking up bones and creating a tool,
7
29000
4000
Neste caso, foi pegar em ossos e fazer uma ferramenta,
00:49
using it as a tool, which meant that apes just, sort of,
8
33000
4000
e usando-os como uma ferramenta, o que significa que macacos que de certa forma
00:53
running around and eating and doing each other
9
37000
2000
andavam simplesmente a correr, a comer e a terem sexo uns com os outros
00:55
figured out they can make things if they used a tool.
10
39000
6000
descobriram que podiam fazer coisas se usassem uma ferramenta.
01:01
And that moved us to the next level.
11
45000
3000
E isso levou-nos para o nível seguinte.
01:04
And, you know, we in the last 30 years in particular
12
48000
4000
E sabem, particularmente nos últimos 30 anos
01:08
have seen this acceleration in knowledge and technology,
13
52000
4000
nós assistimos a uma aceleração no conhecimento e tecnologia,
01:12
and technology has bred more knowledge and given us tools.
14
56000
3000
e a tecnologia criou mais conhecimento e deu-nos mais ferramentas.
01:15
And we've seen many seminal moments.
15
59000
2000
E vimos muitos momentos decisivos.
01:17
We've seen the creation of small computers in the '70s and early '80s,
16
61000
4000
Vimos a criação de computadores pequenos nos anos 70 e início dos 80
01:21
and who would have thought back then that every single person
17
65000
3000
e quem imaginava naquela altura que cada pessoa
01:24
would not have just one computer but probably 20,
18
68000
3000
não teria apenas um, mas provavelmente 20,
01:27
in your home, and in not just your P.C. but in every device --
19
71000
5000
na nossa casa, e não só num PC mas em qualquer aparelho --
01:32
in your washing machine, your cell phone.
20
76000
3000
na vossa máquina de lavar roupa, o vosso telemóvel.
01:35
You're walking around; your car has 12 microprocessors.
21
79000
4000
Vocês andam por aí; o vosso carro tem 12 microprocessadores.
01:39
Then we go along and create the Internet
22
83000
2000
Depois continuamos e criamos a Internet
01:41
and connect the world together; we flatten the world.
23
85000
3000
e conectamos o mundo, tornamo-lo plano.
01:44
We've seen so much change, and we've given ourselves these tools now --
24
88000
5000
Já vimos tantas mudanças, e demos estas ferramentas a nós próprios --
01:49
these high-powered tools --
25
93000
2000
estas ferramentas de alta potência --
01:51
that are allowing us to turn the lens inward
26
95000
4000
que nos estão a permitir virar as lentes para dentro
01:55
into something that is common to all of us, and that is a genome.
27
99000
5000
para algo que é comum a todos nós, e isso é um genoma.
02:00
How's your genome today? Have you thought about it lately?
28
104000
5000
Como está o vosso genoma hoje? Pensaram nisso ultimamente?
02:05
Heard about it, at least? You probably hear about genomes these days.
29
109000
5000
Ouviram falar, pelo menos? Provavelmente ouvem falar de genomas nos dias de hoje.
02:10
I thought I'd take a moment to tell you what a genome is.
30
114000
3000
E eu pensei em tirar um momento para vos dizer o que é um genoma.
02:13
It's, sort of, like if you ask people,
31
117000
2000
É, como que se perguntassem às pessoas,
02:15
Well, what is a megabyte or megabit? And what is broadband?
32
119000
3000
O que é um megabyte ou um megabit? O que é a banda-larga?
02:18
People never want to say, I really don't understand.
33
122000
3000
As pessoas nunca querem dizer, eu realmente não entendo.
02:21
So, I will tell you right off of the bat.
34
125000
1000
Portanto, vou contar-vos agora mesmo.
02:22
You've heard of DNA; you probably studied a little bit in biology.
35
126000
4000
Ouviram falar do ADN; provavelmente estudaram um bocadinho em biologia.
02:26
A genome is really a description for
all of the DNA that is in a living organism.
all of the DNA that is in a living organism.
36
130000
7000
Um genoma é na verdade uma descrição de todo o ADN presente num organismo vivo.
02:33
And one thing that is common to all of life is DNA.
37
137000
6000
E uma coisa que é comum a toda a vida é o ADN.
02:39
It doesn't matter whether you're a yeast;
38
143000
2000
Não importa se são uma levedura;
02:41
it doesn't matter whether you're a mouse;
39
145000
2000
não interessa se são um rato;
02:43
doesn't matter whether you're a fly; we all have DNA.
40
147000
4000
não interessa se são uma mosca; todos nós temos ADN.
02:47
The DNA is organized in words, call them: genes and chromosomes.
41
151000
7000
O ADN está organizado em palavras, chamemos-lhes: genes e cromossomas.
02:54
And when Watson and Crick in the '50s
42
158000
4000
E quando Watson e Crick nos anos 50
02:58
first decoded this beautiful double helix that we know as the DNA molecule --
43
162000
6000
descodificaram, pela primeira vez, esta linda hélice dupla que conhecemos como molécula de ADN --
03:04
very long, complicated molecule --
44
168000
2000
uma molécula muito longa e complicada --
03:06
we then started on this journey to understand that
45
170000
4000
Nós começámos esta jornada para compreender que
03:10
inside of that DNA is a language that determines the characteristics, our traits,
46
174000
6000
dentro daquele ADN está uma linguagem que determina as características, os nossos traços,
03:16
what we inherit, what diseases we may get.
47
180000
3000
o que herdamos, que doenças podemos ter.
03:19
We've also along the way discovered that this is a very old molecule,
48
183000
6000
Também descobrimos pelo caminho que esta é uma molécula muito velha,
03:25
that all of the DNA in your body has been around forever,
49
189000
6000
que todo o ADN no vosso corpo tem estado aí sempre,
03:31
since the beginning of us, of us as creatures.
50
195000
4000
desde o início de nós, nós como criaturas.
03:35
There is a historical archive.
51
199000
2000
Há um arquivo histórico.
03:37
Living in your genome is the history of our species,
52
201000
5000
A viver no nosso genoma está a história da nossa espécie,
03:42
and you as an individual human being, where you're from,
53
206000
6000
e de vocês como seres humanos individuais, de onde vêm,
03:48
going back thousands and thousands and thousands of years,
54
212000
3000
desde há milhares e milhares e milhares de anos,
03:51
and that's now starting to be understood.
55
215000
3000
e está agora a começar a ser entendido.
03:54
But also, the genome is really the instruction manual.
56
218000
5000
Mas também, o genoma é de facto um manual de instruções.
03:59
It is the program. It is the code of life.
57
223000
3000
É o programa. É o código da vida.
04:02
It is what makes you function;
58
226000
2000
É o que vos faz funcionar;
04:04
it is what makes every organism function.
59
228000
4000
é o que faz qualquer organismo funcionar.
04:08
DNA is a very elegant molecule.
60
232000
3000
O ADN é uma molécula muito elegante.
04:11
It's long and it's complicated.
61
235000
2000
É longa e é complicada.
04:13
Really all you have to know about it is that there's four letters:
62
237000
5000
O que vocês têm de perceber realmente sobre ela é que há quatro letras:
04:18
A, T, C, G; they represent the name of a chemical.
63
242000
4000
A, T, C, G; elas representam o nome de um composto químico.
04:22
And with these four letters, you can create a language:
64
246000
5000
E com estas quatro letras, podem criar uma linguagem:
04:27
a language that can describe anything, and very complicated things.
65
251000
5000
uma linguagem que pode descrever qualquer coisa, até coisas muito complicadas.
04:32
You know, they are generally put together in pairs,
66
256000
3000
Como sabem, costumam juntar-se aos pares,
04:35
creating a word or what we call base pairs.
67
259000
3000
criando uma palavra, ou o que chamamos por pares de base.
04:38
And you would, you know, when you think about it,
68
262000
3000
E poderiam, sabem, quando pensam nisso,
04:41
four letters, or the representation of four things, makes us work.
69
265000
6000
quatro letras, ou a representação de quatro coisas, fazem-nos funcionar.
04:47
And that may not sound very intuitive,
70
271000
3000
E isso pode não parecer muito intuitivo,
04:50
but let me flip over to something else you know about, and that's computers.
71
274000
4000
mas deixem-me virar para outra coisa que vocês conhecem bem, que são computadores.
04:54
Look at this screen here and, you know, you see pictures
72
278000
4000
Olhem para este ecrã aqui e, sabem, vêem imagens
04:58
and you see words, but really all there are are ones and zeros.
73
282000
4000
e vêem palavras, mas na realidade tudo o que há são uns e zeros.
05:02
The language of technology is binary;
74
286000
4000
A linguagem da tecnologia é binária;
05:06
you've probably heard that at some point in time.
75
290000
2000
provavelmente já o tinham ouvido nalguma altura.
05:08
Everything that happens in digital is converted,
76
292000
4000
Tudo o que se passa em digital é convertido,
05:12
or a representation, of a one and a zero.
77
296000
3000
ou é uma representação, de um 1 e um 0.
05:15
So, when you're listening to iTunes and your favorite music,
78
299000
5000
Portanto, quando estão a ouvir o iTunes e a vossa música favorita,
05:20
that's really just a bunch of ones and zeros playing very quickly.
79
304000
3000
isso é na realidade só um monte de uns e zeros a tocarem rapidamente.
05:23
When you're seeing these pictures, it's all ones and zeros,
80
307000
3000
Quando vêem estas imagens, são só uns e zeros,
05:26
and when you're talking on your telephone, your cell phone,
81
310000
3000
e quando estão a falar ao telefone, o vosso telemóvel,
05:29
and it's going over the network,
82
313000
2000
e o sinal vai pela rede,
05:31
your voice is all being turned into ones and zeros and magically whizzed around.
83
315000
4000
a vossa voz está a ser transformada em uns e zeros e magicamente espalhada por aí.
05:35
And look at all the complex things and wonderful things
84
319000
3000
E olhem para todas as coisas complexas e maravilhosas
05:38
we've been able to create with just a one and a zero.
85
322000
3000
que nós conseguimos criar com apenas um 1 e um 0.
05:41
Well, now you ramp that up to four, and you have a lot of complexity,
86
325000
6000
Bem, agora aumentem isso para quatro, e têm uma grande complexidade,
05:47
a lot of ways to describe mechanisms.
87
331000
4000
muitas maneiras de descrever mecanismos.
05:51
So, let's talk about what that means.
88
335000
2000
Portanto, vamos falar sobre o que isso significa.
05:53
So, if you look at a human genome,
89
337000
2000
Ora, se olharem para o genoma humano,
05:55
they consist of 3.2 billion of these base pairs. That's a lot.
90
339000
6000
ele é constituido por 3,2 mil milhões de pares de base. É muito.
06:01
And they mix up in all different fashions,
91
345000
2000
E misturam-se de todas as maneiras,
06:03
and that makes you a human being.
92
347000
3000
e isso torna-vos um ser humano.
06:06
If you convert that to binary, just to give you a little bit of sizing,
93
350000
5000
Se converterem isso para binário, só para vos dar a noção das dimensões,
06:11
we're actually smaller than the program Microsoft Office.
94
355000
4000
somos de facto mais pequenos que o programa Microsoft Office.
06:15
It's not really all that much data.
95
359000
4000
Não é de facto muita informação
06:19
I will also tell you we're at least as buggy.
96
363000
3000
Digo-vos também que temos pelo menos tantos erros.
06:22
(Laughter)
97
366000
3000
(risos)
06:25
This here is a bug in my genome
98
369000
4000
Isto aqui é um erro no meu genoma
06:29
that I have struggled with for a long, long time.
99
373000
5000
com o qual me tenho debatido desde há muito, muito tempo.
06:34
When you get sick, it is a bug in your genome.
100
378000
5000
Quando adoecem, é um erro no vosso genoma.
06:39
In fact, many, many diseases we have struggled with for a long time,
101
383000
5000
De facto, muitas, muitas doenças com que nos debatemos há muito tempo,
06:44
like cancer, we haven't been able to cure
102
388000
3000
como o cancro, que não conseguimos curar
06:47
because we just don't understand how it works at the genomic level.
103
391000
4000
porque simplesmente não percebemos como é que funciona ao nível genómico.
06:51
We are starting to understand that.
104
395000
2000
Estamos a começar a compreender isso.
06:53
So, up to this point we tried to fix it
105
397000
2000
Por isso, tentámos até agora consertá-lo
06:55
by using what I call shit-against-the-wall pharmacology,
106
399000
4000
usando o que se denomina de farmacologia de "atirar barro à parede"
06:59
which means, well, let's just throw chemicals at it,
107
403000
3000
o que significa, bem, vamos lá atirar químicos para aquilo,
07:02
and maybe it's going to make it work.
108
406000
2000
e talvez vá funcionar.
07:04
But if you really understand why does a cell go from normal cell to cancer?
109
408000
7000
Mas e se percebecemos a causa para uma célula normal tornar-se cancerígena?
07:11
What is the code?
110
415000
2000
Qual é o código?
07:13
What are the exact instructions that are making it do that?
111
417000
4000
Quais são instruções concretas que o estão a fazer?
07:17
then you can go about the process of trying to fix it and figure it out.
112
421000
4000
Aí podem focar-se na descoberta do processo de reparação.
07:21
So, for your next dinner over a great bottle of wine, here's a few factoids for you.
113
425000
5000
Portanto, para o vosso próximo jantar acompanhado de uma boa garrafa de vinho, aqui vão alguns factos.
07:26
We actually have about 24,000 genes that do things.
114
430000
4000
Na verdade temos cerca de 24000 genes para fazer coisas.
07:30
We have about a hundred, 120,000 others
115
434000
4000
Temos certa de 120000 outros
07:34
that don't appear to function every day,
116
438000
3000
que parecem não funcionar todos os dias,
07:37
but represent this archival history of how we used to work as a species
117
441000
5000
mas que representam o arquivo histórico de como funcionamos como espécies
07:42
going back tens of thousands of years.
118
446000
3000
desde há dezenas de milhares de anos.
07:45
You might also be interested in knowing
119
449000
2000
Devem estar também interessados em saber
07:47
that a mouse has about the same amount of genes.
120
451000
2000
que um rato tem mais ou menos a mesma quantidade de genes.
07:49
They recently sequenced Pinot Noir, and it also has about 30,000 genes,
121
453000
7000
Sequenciaram recentemente a Pinot Noir, e também tem cerca de 30000 genes,
07:56
so the number of genes you have may not necessarily represent the complexity
122
460000
4000
portanto o número de genes que temos não representa necessariamente a complexidade
08:00
or the evolutionary order of any particular species.
123
464000
5000
ou a ordem evolucionária de qualquer espécie em particular.
08:05
Now, look around: just look next to your neighbor,
124
469000
3000
Agora olhem à volta: olhem para o vosso vizinho,
08:08
look forward, look backward. We all look pretty different.
125
472000
2000
olhem para a frente, olhem para trás. Todos nós parecemos bastantes diferentes.
08:10
A lot of very handsome and pretty people here, skinny, chubby,
126
474000
4000
Há muita gente gira e bonita aqui, magrinha, gordinha,
08:14
different races, cultures. We are all 99.9% genetically equal.
127
478000
8000
diferentes raças, culturas. Somos todos 99,9% geneticamente iguais.
08:22
It is one one-hundredth of one percent of genetic material
128
486000
4000
É um décimo de 1% de material genético
08:26
that makes the difference between any one of us.
129
490000
3000
que faz a differença entre todos nós.
08:29
That's a tiny amount of material,
130
493000
2000
É uma quantidade ínfima de material,
08:31
but the way that ultimately expresses itself
131
495000
4000
mas a maneira como se expressa em última instância
08:35
is what makes changes in humans and in all species.
132
499000
5000
é o que faz a diferença em humanos e em todas as espécies.
08:40
So, we are now able to read genomes.
133
504000
3000
Ora, agora nós somos capazes de ler genomas.
08:43
The first human genome took 10 years, three billion dollars.
134
507000
5000
O primeiro genoma humano demorou 10 anos, $3 mil milhões
08:48
It was done by Dr. Craig Venter.
135
512000
3000
foi feito pelo Doutor Craig Venter.
08:51
And then James Watson's -- one of the co-founders of DNA --
136
515000
4000
E depois foi o genoma de James Watson -- um dos co-descobridores do ADN --
08:55
genome was done for two million dollars, and in just two months.
137
519000
4000
por $2 mil milhões, e apenas em dois meses.
08:59
And if you think about the computer industry
138
523000
2000
E se pensarem na indústria de computadores
09:01
and how we've gone from big computers to little ones
139
525000
3000
e como passámos de grandes computadores para pequenos
09:04
and how they get more powerful and faster all the time,
140
528000
4000
e como é que ficam constantemente mais poderosos e rápidos,
09:08
the same thing is happening with gene sequencing now:
141
532000
2000
a mesma coisa se está a passar com sequenciação de genes agora:
09:10
we are on the cusp of being able to sequence human genomes
142
534000
4000
estamos perto de conseguir sequenciar genomas humanos
09:14
for about 5,000 dollars in about an hour or a half-hour;
143
538000
5000
por cerca de $5000 em apenas uma hora, ou meia hora;
09:19
you will see that happen in the next five years.
144
543000
2000
vão ver isso acontecer nós próximos cinco anos.
09:21
And what that means is, you are going to walk around
145
545000
2000
E o que isso significa é que vão andar por aí
09:23
with your own personal genome on a smart card. It will be here.
146
547000
6000
com o vosso genoma pessoal num cartão electrónico. Estará aqui.
09:29
And when you buy medicine,
147
553000
2000
E quando comprarem medicamentos,
09:31
you won't be buying a drug that's used for everybody.
148
555000
3000
não vão comprar um fármaco que é usado por todos.
09:34
You will give your genome to the pharmacist,
149
558000
3000
Darão o vosso genoma ao farmacêutico,
09:37
and your drug will be made for you
150
561000
2000
e o vosso fármaco será feito para vocês
09:39
and it will work much better than the ones that were --
151
563000
2000
e funcionará muito melhor que os outros.
09:41
you won't have side effects.
152
565000
2000
Não terão efeitos secundarios.
09:43
All those side effects, you know, oily residue and, you know,
153
567000
3000
Todos aqueles efeitos secundários, sabem, resíduo gorduroso
09:46
whatever they say in those commercials: forget about that.
154
570000
4000
e o que quer que seja que eles dizem nos anúncios: esqueçam-nos.
09:50
They're going to make all that stuff go away.
155
574000
2000
Eles irão fazer todas essas coisas desaparecer.
09:52
What does a genome look like?
156
576000
3000
Com o que é que se parece um genoma?
09:55
Well, there it is. It is a long, long series of these base pairs.
157
579000
6000
Bem, aqui está. É uma longa, longa série de pares de base.
10:01
If you saw the genome for a mouse or for a human it would look no different than this,
158
585000
4000
Se vissem um genoma de um rato em vez do de um humano, não seria diferente disto,
10:05
but what scientists are doing now is
159
589000
2000
mas o que os cientistas estão a fazer agora é,
10:07
they're understanding what these do and what they mean.
160
591000
4000
estão a aprender o que é que estas coisas fazem e o que significam.
10:11
Because what Nature is doing is double-clicking all the time.
161
595000
4000
Porque o que a Natureza está a fazer é dar instruções a toda a hora.
10:15
In other words, the first couple of sentences here,
162
599000
4000
Por outras palavras, o primeiro conjunto de indicações aqui,
10:19
assuming this is a grape plant:
163
603000
2000
assumindo que isto é uma videira:
10:21
make a root, make a branch, create a blossom.
164
605000
4000
fazer uma raíz, fazer um ramo, criar um rebento.
10:25
In a human being, down in here it could be:
165
609000
4000
Num ser humano, aqui poderia ser:
10:29
make blood cells, start cancer.
166
613000
4000
fazer células sanguíneas, iniciar o cancro.
10:33
For me it may be: every calorie you consume, you conserve,
167
617000
7000
Para mim pode ser: cada caloria que consomes, conservas,
10:40
because I come from a very cold climate.
168
624000
3000
porque venho de um clima muito frio.
10:43
For my wife: eat three times as much and you never put on any weight.
169
627000
4000
Para a minha mulher: come três vezes mais e nunca ganhes peso.
10:47
It's all hidden in this code,
170
631000
2000
Está tudo escondido neste código,
10:49
and it's starting to be understood at breakneck pace.
171
633000
4000
e está a começar a ser entendido a um ritmo acelerado.
10:54
So, what can we do with genomes now that we can read them,
172
638000
3000
Portanto, o que podemos fazer com genomas agora que podemos lê-los,
10:57
now that we're starting to have the book of life?
173
641000
2000
agora que estamos a obter o livro da vida?
10:59
Well, there's many things. Some are exciting.
174
643000
3000
Bem, há muitas coisas. Algumas são entusiasmantes.
11:02
Some people will find very scary. I will tell you a couple of things
175
646000
4000
Algumas pessoas irão achá-lo assustador: vou contar-vos umas coisas
11:06
that will probably make you want to projectile puke on me, but that's okay.
176
650000
4000
que provavelmente irão fazer com que queiram projectar vómito contra mim, mas tudo bem.
11:10
So, you know, we now can learn the history of organisms.
177
654000
4000
Portanto, agora podemos aprender a história dos organismos.
11:14
You can do a very simple test: scrape your cheek; send it off.
178
658000
3000
Podem fazer um teste muito simples: Raspem a vossa bochecha, enviem-na para o laboratório.
11:17
You can find out where your relatives come from;
179
661000
3000
Podem descobrir de onde os vossos antepassados vieram;
11:20
you can do your genealogy going back thousands of years.
180
664000
3000
podem construir a vossa genalogia milhares de anos atrás.
11:23
We can understand functionality. This is really important.
181
667000
3000
Podemos perceber a funcionalidade. Isto é muito importante.
11:26
We can understand, for example, why we create plaque in our arteries,
182
670000
5000
Podemos perceber, por exemplo, porque é que criamos placas nas nossas artérias,
11:31
what creates the starchiness inside of a grain,
183
675000
4000
o que cria o amido dentro de uma semente,
11:35
why does yeast metabolize sugar and produce carbon dioxide.
184
679000
7000
porque é que as leveduras metabolizam o açúcar e produzem dióxido de carbono.
11:43
We can also look at, at a grander scale, what creates problems,
185
687000
3000
Podemos também ver numa escala muito maior, o que é que cria problemas,
11:46
what creates disease, and how we may be able to fix them.
186
690000
4000
o que causa doenças, e como é que podemos tratá-las.
11:50
Because we can understand this,
187
694000
2000
Porque podemos perceber isso,
11:52
we can fix them, make better organisms.
188
696000
3000
podemos consertá-lo, criar organismos melhores.
11:55
Most importantly, what we're learning
189
699000
2000
Mais importante ainda, o que estamos a aprender
11:57
is that Nature has provided us a spectacular toolbox.
190
701000
5000
é que a Natureza nos forneceu uma caixa de ferramentas espetaculares.
12:02
The toolbox exists.
191
706000
2000
A caixa de ferramentas existe.
12:04
An architect far better and smarter than us has given us that toolbox,
192
708000
5000
Um arquitecto muito melhor e mais esperto deu-nos essa caixa de ferramentas,
12:09
and we now have the ability to use it.
193
713000
3000
e agora temos a capacidade de a utilizar.
12:12
We are now not just reading genomes; we are writing them.
194
716000
4000
Não estamos apenas a ler genomas; estamos a escrevê-los.
12:16
This company, Synthetic Genomics, I'm involved with,
195
720000
2000
Esta companhia, Synthetic Genomics, onde estou envolvido,
12:18
created the first full synthetic genome for a little bug,
196
722000
4000
criou o primeiro genoma completamente sintético de um pequeno bicho,
12:22
a very primitive creature called Mycoplasma genitalium.
197
726000
3000
uma criatura muito primitiva chamada Mycoplasma genitalium.
12:25
If you have a UTI, you've probably -- or ever had a UTI --
198
729000
4000
Se têm uma infecção urinária - ou tiveram -
12:29
you've come in contact with this little bug.
199
733000
3000
entraram em contacto com este pequeno bicho.
12:32
Very simple -- only has about 246 genes --
200
736000
3000
Muito simples - tem apenas 246 genes -
12:35
but we were able to completely synthesize that genome.
201
739000
6000
mas fomos capazes de sintetizar completamente o genoma.
12:42
Now, you have the genome and you say to yourself,
202
746000
3000
Agora, têm o genoma e dizem para vocês próprios,
12:45
So, if I plug this synthetic genome -- if I pull the old one out and plug it in --
203
749000
5000
portanto, se eu ligar este genoma sintético - se tirar o antigo e ligar este -
12:50
does it just boot up and live?
204
754000
2000
será que se inicia e vive?
12:52
Well, guess what. It does.
205
756000
3000
Bem, adivinhem. Vive.
12:56
Not only does it do that; if you took the genome -- that synthetic genome --
206
760000
6000
Não faz apenas isso; se tirarem o genoma -- o sintético --
13:02
and you plugged it into a different critter, like yeast,
207
766000
3000
e o ligarem a uma criatura diferente, como uma levedura,
13:05
you now turn that yeast into Mycoplasma.
208
769000
4000
transformam a levedura em Mycoplasma.
13:09
It's, sort of, like booting up a PC with a Mac O.S. software.
209
773000
5000
É do género, ligar um PC com um software da Mac OS.
13:14
Well, actually, you could do it the other way.
210
778000
2000
Bem, de facto podem fazê-lo de outra maneira.
13:16
So, you know, by being able to write a genome
211
780000
4000
Portanto, ao ser capaz de escrever um genoma
13:20
and plug it into an organism,
212
784000
3000
e ligá-lo a um organismo,
13:23
the software, if you will, changes the hardware.
213
787000
5000
pode dizer-se que o software muda o hardware.
13:28
And this is extremely profound.
214
792000
2000
E isto é extremamente profundo.
13:30
So, last year the French and Italians announced
215
794000
3000
Ora, no ano passado Franceses e Italianos anunciaram
13:33
they got together and they went ahead and they sequenced Pinot Noir.
216
797000
4000
que se juntaram e que sequenciaram Pinot Noir.
13:37
The genomic sequence now exists for the entire Pinot Noir organism,
217
801000
6000
A sequência genómica existe agora para o organismo Pinot Noir inteiro,
13:43
and they identified, once again, about 29,000 genes.
218
807000
4000
e identificaram, mais uma vez, cerca de 29 000 genes.
13:47
They have discovered pathways that create flavors,
219
811000
3000
Descobriram vias que criam sabores,
13:50
although it's very important to understand
220
814000
2000
embora seja muito importante perceber
13:52
that those compounds that it's cranking out
221
816000
3000
que estes compostos que são produzidos
13:55
have to match a receptor in our genome, in our tongue,
222
819000
3000
têm de corresponder a um receptor no nosso genoma, na nossa língua,
13:58
for us to understand and interpret those flavors.
223
822000
3000
para que possamos interpretar esses sabores.
14:01
They've also discovered that
224
825000
2000
Também descobriram que
14:03
there's a heck of a lot of activity going on producing aroma as well.
225
827000
4000
há também muita actividade envolvida na produção de aroma.
14:07
They've identified areas of vulnerability to disease.
226
831000
3000
Identificaram áreas de vulnerabilidade para doenças.
14:10
They now are understanding, and the work is going on,
227
834000
4000
Estão agora a compreender, e o trabalho está focado nisso,
14:14
exactly how this plant works, and we have the capability to know,
228
838000
4000
como é que a planta funciona exactamente, e temos a capacidade de saber,
14:18
to read that entire code and understand how it ticks.
229
842000
4000
de ler o código inteiro e compreender como é que actua.
14:22
So, then what do you do?
230
846000
2000
Então, o que é que fazem?
14:24
Knowing that we can read it, knowing that we can write it, change it,
231
848000
4000
Sabendo que o podemos ler, sabendo que o podemos escrever, mudar,
14:28
maybe write its genome from scratch. So, what do you do?
232
852000
4000
talvez até escrever o genoma desde o início. Então, o que fazem?
14:32
Well, one thing you could do is what some people might call Franken-Noir.
233
856000
4000
Bem, uma coisa que podem fazer é o que algumas pessoas chamam Franken-Noir.
14:36
(Laughter)
234
860000
3000
(Risos)
14:39
We can build a better vine.
235
863000
2000
Podemos criar um vinho melhor.
14:41
By the way, just so you know:
236
865000
2000
Já agora, só para que saibam:
14:43
you get stressed out about genetically modified organisms;
237
867000
4000
vocês ficam em stress com organismos geneticamente modificados;
14:47
there is not one single vine in this valley or anywhere
238
871000
3000
não há uma única vinha neste vale ou em qualquer lado
14:50
that is not genetically modified.
239
874000
2000
que não seja geneticamente modificada.
14:52
They're not grown from seeds; they're grafted into root stock;
240
876000
3000
Não crescem a partir de sementes; são enxertados na raiz;
14:55
they would not exist in nature on their own.
241
879000
2000
não existiriam na Natureza só por si.
14:57
So, don't worry about, don't stress about that stuff. We've been doing this forever.
242
881000
4000
Por isso, nao se preocupem com isso, não entrem em stress por causa dessas coisas. Temos feito isso desde sempre.
15:01
So, we could, you know, focus on disease resistance;
243
885000
3000
Por isso, podíamos focar-nos, por exemplo, em resistência a doenças;
15:04
we can go for higher yields without necessarily having
244
888000
4000
ter rendimentos maiores sem ter de recorrer necessariamente
15:08
dramatic farming techniques to do it, or costs.
245
892000
3000
a técnicas de agricultura dramáticas, ou custos, para o fazer.
15:11
We could conceivably expand the climate window:
246
895000
3000
Podiamos em princípio expandir a janela climática:
15:14
we could make Pinot Noir grow maybe in Long Island, God forbid.
247
898000
5000
podiamos fazer crescer a Pinot Noir em Long Island, deus o proíba.
15:19
(Laughter)
248
903000
3000
(Risos)
15:23
We could produce better flavors and aromas.
249
907000
3000
Podíamos produzir sabores e aromas melhores.
15:26
You want a little more raspberry, a little more chocolate here or there?
250
910000
3000
Querem um bocadinho mais de framboesa, um bocadinho de chocolate aqui ou ali?
15:29
All of these things could conceivably be done,
251
913000
3000
Todas estas coisas sao concebíveis,
15:32
and I will tell you I'd pretty much bet that it will be done.
252
916000
3000
e digo-vos que eu apostaria com grande certeza que serão feitas.
15:35
But there's an ecosystem here.
253
919000
2000
Mas há aqui um ecossistema.
15:37
In other words, we're not, sort of, unique little organisms running around;
254
921000
5000
Noutras palavras, não somos os únicos organismos por aí;
15:42
we are part of a big ecosystem.
255
926000
2000
fazemos parte de um grande ecossistema.
15:44
In fact -- I'm sorry to inform you --
256
928000
3000
de facto - lamento informar-vos -
15:47
that inside of your digestive tract is about 10 pounds of microbes
257
931000
4000
que dentro do vosso tubo digestivo estão cerca de quatro quilos de micróbios
15:51
which you're circulating through your body quite a bit.
258
935000
3000
que vão circulando um pouco dentro de vocês.
15:54
Our ocean's teaming with microbes;
259
938000
3000
Os oceanos estão repletos de micróbios;
15:57
in fact, when Craig Venter went and sequenced the microbes in the ocean,
260
941000
5000
de facto, quando o Craig Venter sequenciou os micróbios do oceano,
16:02
in the first three months tripled the known species on the planet
261
946000
4000
triplicou o número de espécies conhecidas no planeta nos primeiros três meses
16:06
by discovering all-new microbes in the first 20 feet of water.
262
950000
3000
ao descobrir micróbios completamente novos nos primeiros 6 metros de água.
16:09
We now understand that those microbes have more impact on our climate
263
953000
4000
Percebemos agora que esses micróbios têm mais impacto no nosso clima
16:13
and regulating CO2 and oxygen than plants do,
264
957000
4000
e na regulação dos níveis de CO2 e oxigénio do que as plantas,
16:17
which we always thought oxygenate the atmosphere.
265
961000
2000
que sempre pensámos que oxigenavam a atmosfera.
16:19
We find microbial life in every part of the planet:
266
963000
4000
Encontramos vida microbiana em todo o planeta:
16:23
in ice, in coal, in rocks, in volcanic vents; it's an amazing thing.
267
967000
8000
no gelo, carvão, pedras, fumarolas; é uma coisa fantástica.
16:31
But we've also discovered, when it comes to plants, in plants,
268
975000
5000
Mas também descobrimos, no que diz respeito a plantas, nas plantas,
16:36
as much as we understand and are starting to understand their genomes,
269
980000
4000
tanto quanto estamos a compreender os seus genomas,
16:40
it is the ecosystem around them,
270
984000
3000
estão envolvidos também no ecossistema que as rodeia,
16:43
it is the microbes that live in their root systems,
271
987000
3000
os micróbios que vivem nos seus sistemas de raízes,
16:46
that have just as much impact on the character of those plants
272
990000
4000
que têm tanto impacto no carácter dessas plantas
16:50
as the metabolic pathways of the plants themselves.
273
994000
4000
como as próprias vias metabólicas das plantas.
16:54
If you take a closer look at a root system,
274
998000
3000
Se olharem com atenção para o sistema de raízes,
16:57
you will find there are many, many, many diverse microbial colonies.
275
1001000
4000
irão encontrar muitas, muitas, muitas colónias microbianas diversas.
17:01
This is not big news to viticulturists;
276
1005000
2000
Isto não é grande novidade para os vinicultores;
17:03
they have been, you know, concerned with water and fertilization.
277
1007000
4000
eles têm andando preocupados com água e fertilização.
17:07
And, again, this is, sort of, my notion of shit-against-the-wall pharmacology:
278
1011000
6000
E mais uma vez isto é a minha noção de farmacologia de atirar barro à parede:
17:13
you know certain fertilizers make the plant more healthy so you put more in.
279
1017000
4000
sabem que certos fertilizantes fazem as plantas mais saudáveis por isso põem mais.
17:17
You don't necessarily know with granularity
280
1021000
4000
Não sabem necessariamente com grande pormenor
17:21
exactly what organisms are providing what flavors and what characteristics.
281
1025000
6000
quais são precisamente os organismos que fornecem quais sabores e quais características.
17:27
We can start to figure that out.
282
1031000
3000
Podemos começar a entender isso.
17:30
We all talk about terroir; we worship terroir;
283
1034000
3000
Falamos todos do terroir; veneramos o terroir;
17:33
we say, Wow, is my terroir great! It's so special.
284
1037000
3000
dizemos, wow, o meu terroir é optimo! É tão especial.
17:36
I've got this piece of land and it creates terroir like you wouldn't believe.
285
1040000
4000
Eu tenho este pedaço de terra e cria um terroir que nem imaginam.
17:40
Well, you know, we really, we argue and debate about it --
286
1044000
4000
Bem, como sabem, nós na realidade argumentamos e debatemos acerca disso -
17:44
we say it's climate, it's soil, it's this. Well, guess what?
287
1048000
3000
dizemos que é o clima, o solo, é aquilo. Bem, adivinhem?
17:47
We can figure out what the heck terroir is.
288
1051000
3000
Podemos descobrir o que raio é o terroir.
17:50
It's in there, waiting to be sequenced.
289
1054000
3000
Está lá, à espera de ser sequenciado.
17:53
There are thousands of microbes there.
290
1057000
2000
Há milhares de micróbios lá.
17:55
They're easy to sequence: unlike a human,
291
1059000
2000
São fáceis de sequenciar: ao contrário dos humanos,
17:57
they, you know, have a thousand, two thousand genes;
292
1061000
2000
eles têm mil, dois mil genes;
17:59
we can figure out what they are.
293
1063000
2000
nós podemos descobrir o que são.
18:01
All we have to do is go around and sample, dig into the ground, find those bugs,
294
1065000
7000
Tudo o que temos de fazer é ir lá e colher amostras, cavar, encontrar esses bichos,
18:08
sequence them, correlate them to the kinds of characteristics we like and don't like --
295
1072000
5000
sequenciá-los, correlacioná-los com os tipos de características que gostamos ou não gostamos -
18:13
that's just a big database -- and then fertilize.
296
1077000
3000
é apenas uma grande base de dados - e depois fertilizar.
18:16
And then we understand what is terroir.
297
1080000
3000
E aí percebemos o que é o terroir.
18:20
So, some people will say, Oh, my God, are we playing God?
298
1084000
2000
Ora, algumas pessoas podem dizer, Oh, meu deus, estamos a fazer o papel de Deus?
18:22
Are we now, if we engineer organisms, are we playing God?
299
1086000
5000
Se estivermos a fazer engenharia de organismos, estamos a fazer o papel de Deus?
18:27
And, you know, people would always ask James Watson --
300
1091000
3000
E sempre houve pessoas que iam perguntar a James Watson -
18:30
he's not always the most politically correct guy ...
301
1094000
2000
ele não é sempre o tipo mais policamente correcto...
18:32
(Laughter)
302
1096000
1000
(Risos)
18:33
... and they would say, "Are, you know, are you playing God?"
303
1097000
5000
....e diriam, "Está a fazer o papel de Deus?"
18:38
And he had the best answer I ever heard to this question:
304
1102000
3000
E ele tinha a melhor resposta que eu ouvi para esta pergunta:
18:41
"Well, somebody has to."
305
1105000
2000
"Bem, alguém tem de o fazer."
18:43
(Laughter)
306
1107000
3000
(Risos)
18:46
I consider myself a very spiritual person,
307
1110000
4000
Eu considero-me uma pessoa muito espiritual,
18:50
and without, you know, the organized religion part,
308
1114000
3000
e sem a parte das religião institucionalizada,
18:53
and I will tell you: I don't believe there's anything unnatural.
309
1117000
4000
e digo-vos: Eu não acredito que haja algo sobrenatural.
18:57
I don't believe that chemicals are unnatural.
310
1121000
4000
Eu não acredito que compostos químicos sejam sobrenaturais.
19:01
I told you I'm going to make some of you puke.
311
1125000
2000
Eu disse-vos que ia fazer alguns de vocês vomitar.
19:03
It's very simple: we don't invent molecules, compounds.
312
1127000
4000
É muito simples: nós não inventamos moléculas, compostos.
19:07
They're here. They're in the universe.
313
1131000
2000
Eles estão aqui. Estão no universo.
19:09
We reorganize things, we change them around,
314
1133000
3000
Nós reorganizamos coisas, mudamo-las,
19:12
but we don't make anything unnatural.
315
1136000
3000
mas não fazemos nada sobrenatural.
19:15
Now, we can create bad impacts --
316
1139000
2000
Agora, podemos criar maus impactos -
19:17
we can poison ourselves; we can poison the Earth --
317
1141000
2000
podemos envenar-nos; podemos envenenar a Terra -
19:19
but that's just a natural outcome of a mistake we made.
318
1143000
4000
mas é apenas um resultado de um erro que fizémos.
19:23
So, what's happening today is, Nature is presenting us with a toolbox,
319
1147000
4000
Por isso, o que se está a passar hoje é, a Natureza está a presentear-nos com uma caixa de ferramentas,
19:27
and we find that this toolbox is very extensive.
320
1151000
4000
e achamos que esta é muito longa.
19:31
There are microbes out there that actually make gasoline, believe it or not.
321
1155000
4000
Há micróbios lá fora que fazem de facto gasolina, acreditem ou não.
19:35
There are microbes, you know -- go back to yeast.
322
1159000
2000
Há micróbios, sabem, voltando às leveduras.
19:37
These are chemical factories;
323
1161000
2000
São fábricas químicas;
19:39
the most sophisticated chemical factories are provided by Nature,
324
1163000
4000
as mais sofisticadas que a Natureza nos fornece,
19:43
and we now can use those.
325
1167000
3000
e podemos agora utilizá-las.
19:46
There also is a set of rules.
326
1170000
2000
Há também um conjunto de regras.
19:48
Nature will not allow you to --
327
1172000
3000
A Natureza não vos permite -
19:51
we could engineer a grape plant, but guess what.
328
1175000
2000
podemos fazer engenharia de videiras, mas adivinhem.
19:53
We can't make the grape plant produce babies.
329
1177000
2000
Não podemos fazer uma videira produzir bebés.
19:55
Nature has put a set of rules out there.
330
1179000
3000
A Natureza impôs um conjunto de regras.
19:58
We can work within the rules; we can't break the rules;
331
1182000
3000
Podemos trabalhar dentro dessas regras; não as podemos quebrar;
20:01
we're just learning what the rules are.
332
1185000
2000
estamos apenas a aprender que regras são essas.
20:03
I just ask the question, if you could cure all disease --
333
1187000
4000
Eu apenas faço a pergunta, se pudessem curar todas as doenças -
20:07
if you could make disease go away,
334
1191000
2000
se pudessem fazer com as doenças desaparecessem,
20:09
because we understand how it actually works,
335
1193000
2000
porque percebemos de facto como funcionam,
20:11
if we could end hunger by being able to create nutritious, healthy plants
336
1195000
5000
se pudéssemos acabar com a fome ao sermos capazes de criar, plantas saudáveis e nutricionais
20:16
that grow in very hard-to-grow environments,
337
1200000
3000
que crescem em ambientes inférteis,
20:19
if we could create clean and plentiful energy --
338
1203000
3000
se pudéssemos criar energia limpa e rentável -
20:22
we, right in the labs at Synthetic Genomics,
339
1206000
3000
nós, nos laboratórios da Synthetic Genomics,
20:25
have single-celled organisms that are taking carbon dioxide
340
1209000
4000
temos organismos unicelulares que estão a pegar no dióxido de carbono
20:29
and producing a molecule very similar to gasoline.
341
1213000
4000
e a produzir uma molécula muito semelhante à gasolina.
20:33
So, carbon dioxide -- the stuff we want to get rid of -- not sugar, not anything.
342
1217000
5000
Portanto, o dióxido de carbono - aquilo de que nos queremos ver livres - não é açúcar, nem nada.
20:38
Carbon dioxide, a little bit of sunlight,
343
1222000
3000
Dióxido de carbono, um pouco de luz solar,
20:41
you end up with a lipid that is highly refined.
344
1225000
5000
e acabamos com um lípido altamente refinado.
20:46
We could solve our energy problems; we can reduce CO2,;
345
1230000
4000
Podíamos resolver os nossos problemas energéticos, podíamos reduzir CO2,
20:50
we could clean up our oceans; we could make better wine.
346
1234000
3000
podíamos limpar os nossos oceanos; podíamos produzir vinho melhor.
20:53
If we could, would we?
347
1237000
3000
Se pudéssemos, faríamos?
20:56
Well, you know, I think the answer is very simple:
348
1240000
3000
Bem, a resposta é muito simples:
20:59
working with Nature, working with this tool set that we now understand,
349
1243000
5000
Trabalhando com a Natureza, trabalhando com esta ferramenta que agora compreendemos,
21:04
is the next step in humankind's evolution.
350
1248000
3000
é o próximo passo na evolução humana.
21:07
And all I can tell you is, stay healthy for 20 years.
351
1251000
4000
E tudo o vos posso dizer é, mantenham-se saudáveis por 20 anos.
21:11
If you can stay healthy for 20 years, you'll see 150, maybe 300.
352
1255000
3000
Se se puderem manter saudáveis por 20 anos, verão 150, talvez 300.
21:14
Thank you.
353
1258000
2000
Obrigado.
ABOUT THE SPEAKER
Barry Schuler - EntrepreneurBarry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.
Why you should listen
If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)
Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.
Barry Schuler | Speaker | TED.com