TEDMED 2010
Danny Hillis: Understanding cancer through proteomics
Danny Hillis: Hiểu rõ ung thư qua Protein học.
Filmed:
Readability: 3.6
465,363 views
Danny Hills đặt ra giả thuyết cho giới hạn tiếp theo của nghiên cứu ung thư: Protein học, ngành nghiên cứu về protein trong cơ thể. Như Hillis giải thích, hệ gen cho chúng ta danh sách nguyên liệu của cơ thể, trong khi proteomics cho chúng ta biết thành phẩm từ các nguyên liệu đó. Hiểu được những gì đang diễn ra trong cơ thể bạn ở cấp độ protein có thể dẫn đến những hiểu biết mới về cách mà ung thư phát triển.
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
I admit that I'm a little bit nervous here
0
0
3000
Phải nói rằng tôi hơi lo lắng một chút
00:18
because I'm going to say some radical things,
1
3000
3000
vì tôi sẽ nói vài điều căn bản,
00:21
about how we should think about cancer differently,
2
6000
3000
về cách nghĩ khác về ung thư
00:24
to an audience that contains a lot of people
3
9000
2000
tới những khán giả mà có nhiều người
00:26
who know a lot more about cancer than I do.
4
11000
3000
am hiểu về ung thư hơn cả tôi.
Nhưng tôi cũng nghi ngờ rằng
tôi không lo lắng như tôi tưởng
tôi không lo lắng như tôi tưởng
00:30
But I will also contest that I'm not as nervous as I should be
5
15000
3000
00:33
because I'm pretty sure I'm right about this.
6
18000
2000
bởi tôi khá chắc là tôi đúng về điều này.
00:35
(Laughter)
7
20000
2000
(Cười lớn)
00:37
And that this, in fact, will be
8
22000
2000
Và trên thực tế,
00:39
the way that we treat cancer in the future.
9
24000
3000
đây sẽ là cách điều trị ung thư trong tương lai.
00:43
In order to talk about cancer,
10
28000
2000
Để nói về ung thư,
00:45
I'm going to actually have to --
11
30000
3000
tôi sẽ phải nói rằng chúng ta phải...
00:48
let me get the big slide here.
12
33000
3000
để tôi chiếu một slide lớn ở đây.
00:53
First, I'm going to try to give you a different perspective of genomics.
13
38000
3000
Đầu tiên, tôi sẽ cho các bạn thấy
một góc nhìn khác về hệ gen học
một góc nhìn khác về hệ gen học
00:56
I want to put it in perspective of the bigger picture
14
41000
2000
Tôi muốn đặt nó vào một bức tranh lớn hơn
00:58
of all the other things that are going on --
15
43000
3000
tất cả những gì đang diễn ra
01:01
and then talk about something you haven't heard so much about, which is proteomics.
16
46000
3000
và rồi sẽ nói đôi điều về cái
mà bạn chưa từng nghe qua như Protein học.
mà bạn chưa từng nghe qua như Protein học.
01:04
Having explained those,
17
49000
2000
Giải thích những điều này
01:06
that will set up for what I think will be a different idea
18
51000
3000
là cơ sở cho cái mà tôi nghĩ
là một ý tưởng khác
là một ý tưởng khác
01:09
about how to go about treating cancer.
19
54000
2000
về cách tiến hành điều trị ung thư.
01:11
So let me start with genomics.
20
56000
2000
Hãy bắt đầu với hệ gen học.
01:13
It is the hot topic.
21
58000
2000
Đây là một chủ đề nổi bật.
01:15
It is the place where we're learning the most.
22
60000
2000
Đây là thứ chúng ta
được học nhiều điều nhất
được học nhiều điều nhất
01:17
This is the great frontier.
23
62000
2000
Đó là một vấn đề lớn.
01:19
But it has its limitations.
24
64000
3000
Nhưng nó cũng có những phần trọng yếu.
Cụ thể hơn, các bạn có thể
đều đã nghe về tương quan
đều đã nghe về tương quan
01:22
And in particular, you've probably all heard the analogy
25
67000
3000
01:25
that the genome is like the blueprint of your body,
26
70000
3000
rằng hệ gen cũng như là
bản vẽ cơ thể của chúng ta,
bản vẽ cơ thể của chúng ta,
01:28
and if that were only true, it would be great,
27
73000
2000
và nếu như nó là sự thật thì thật tuyệt,
01:30
but it's not.
28
75000
2000
nhưng không phải vậy.
01:32
It's like the parts list of your body.
29
77000
2000
Nó như là danh sách
các bộ phận cơ thể bạn.
các bộ phận cơ thể bạn.
01:34
It doesn't say how things are connected,
30
79000
2000
Nó không chỉ ra cách các bộ phận
được liên kết với nhau như thế nào,
được liên kết với nhau như thế nào,
01:36
what causes what and so on.
31
81000
3000
điều gì dẫn đến điều gì
và nhiều thứ khác..
và nhiều thứ khác..
01:39
So if I can make an analogy,
32
84000
2000
Cho nên nếu có thể đặt ra
một phép tương quan,
một phép tương quan,
01:41
let's say that you were trying to tell the difference
33
86000
2000
rằng bạn đang cố tìm sự khác nhau
01:43
between a good restaurant, a healthy restaurant
34
88000
3000
giữa một nhà hàng có đồ ăn ngon,
đảm bảo chất lượng,
đảm bảo chất lượng,
01:46
and a sick restaurant,
35
91000
2000
với một nhà hàng chất lượng kém,
01:48
and all you had was the list of ingredients
36
93000
2000
và tất cả những gì bạn có
là danh sách về tất cả các nguyên liệu
là danh sách về tất cả các nguyên liệu
01:50
that they had in their larder.
37
95000
3000
mà họ có trong kho thực phẩm của họ.
Nếu vậy, khi bạn đến một nhà hàng Pháp
01:53
So it might be that, if you went to a French restaurant
38
98000
3000
01:56
and you looked through it and you found
39
101000
2000
bạn nhìn quanh kho và thấy rằng
01:58
they only had margarine and they didn't have butter,
40
103000
2000
họ có mỡ động vật thay vì bơ,
02:00
you could say, "Ah, I see what's wrong with them.
41
105000
2000
bạn có thể nói rằng,
"Ah tôi tìm ra vấn đề của họ rồi,
"Ah tôi tìm ra vấn đề của họ rồi,
02:02
I can make them healthy."
42
107000
2000
Tôi có thể giúp nhà hàng họ
nấu ăn một cách lành mạnh hơn."
nấu ăn một cách lành mạnh hơn."
02:04
And there probably are special cases of that.
43
109000
2000
Và có thể có các trường hợp đặc biệt như vậy.
02:06
You could certainly tell the difference
44
111000
2000
Bạn hoàn toàn có thể tìm ra điểm khác nhau
02:08
between a Chinese restaurant and a French restaurant
45
113000
2000
giữa một nhà hàng Trung Quốc
và một nhà hàng Pháp
và một nhà hàng Pháp
02:10
by what they had in a larder.
46
115000
2000
qua những gì họ có trong kho thực phẩm.
02:12
So the list of ingredients does tell you something,
47
117000
3000
Cho nên danh sách nguyên liệu
có cho bạn biết vài điều,
có cho bạn biết vài điều,
02:15
and sometimes it tells you something that's wrong.
48
120000
3000
và đôi khi nó cho bạn thấy được
khuyết điểm nằm ở đâu.
khuyết điểm nằm ở đâu.
02:19
If they have tons of salt,
49
124000
2000
Nếu họ có quá nhiều muối,
02:21
you might guess they're using too much salt, or something like that.
50
126000
3000
bạn có thể đoán rằng
họ dùng quá nhiều muối, hoặc đại loại như thế.
họ dùng quá nhiều muối, hoặc đại loại như thế.
02:24
But it's limited,
51
129000
2000
Nhưng nó rất hạn chế,
vì để thực sự biết
một nhà hàng có tốt không,
một nhà hàng có tốt không,
02:26
because really to know if it's a healthy restaurant,
52
131000
2000
02:28
you need to taste the food, you need to know what goes on in the kitchen,
53
133000
3000
bạn cần nếm thức ăn và biết
những gì diễn ra trong bếp,
những gì diễn ra trong bếp,
02:31
you need the product of all of those ingredients.
54
136000
3000
bạn cần thành phẩm
của tất cả các nguyên liệu.
của tất cả các nguyên liệu.
02:34
So if I look at a person
55
139000
2000
Cho nên nếu tôi xét một người
02:36
and I look at a person's genome, it's the same thing.
56
141000
3000
thì tôi dựa vào hệ gen của anh ta,
Nó cũng tương tự như thế.
Nó cũng tương tự như thế.
02:39
The part of the genome that we can read
57
144000
2000
Phần hệ gen mà ta có thể đọc
02:41
is the list of ingredients.
58
146000
2000
chính là danh sách nguyên liệu.
02:43
And so indeed,
59
148000
2000
Và tất nhiên, có đôi lần chúng ta
02:45
there are times when we can find ingredients
60
150000
2000
có thể tìm thấy các nguyên liệu không tốt.
02:47
that [are] bad.
61
152000
2000
02:49
Cystic fibrosis is an example of a disease
62
154000
2000
Xơ nang là một bệnh ví dụ
02:51
where you just have a bad ingredient and you have a disease,
63
156000
3000
mà nếu bạn có "nguyên liệu xấu"
thì bạn mắc bệnh,
thì bạn mắc bệnh,
02:54
and we can actually make a direct correspondence
64
159000
3000
và chúng ta có thể suy ra trực tiếp
02:57
between the ingredient and the disease.
65
162000
3000
sự tương quan giữa "căn bệnh" và "nguyên liệu".
03:00
But most things, you really have to know what's going on in the kitchen,
66
165000
3000
Nhưng ngoài ra,
bạn cần phải biết điều gì đang diễn ra ở đó,
bạn cần phải biết điều gì đang diễn ra ở đó,
03:03
because, mostly, sick people used to be healthy people --
67
168000
2000
bởi vì đa số người bệnh
đều đã từng khỏe mạnh,
đều đã từng khỏe mạnh,
03:05
they have the same genome.
68
170000
2000
họ có hệ gen giống nhau.
03:07
So the genome really tells you much more
69
172000
2000
Cho nên gen cho bạn biết nhiều thứ
03:09
about predisposition.
70
174000
2000
về cơ địa.
03:11
So what you can tell
71
176000
2000
Điều bạn có thể biết được
03:13
is you can tell the difference between an Asian person and a European person
72
178000
2000
là sự khác nhau
giữa người châu Á và châu Âu
giữa người châu Á và châu Âu
03:15
by looking at their ingredients list.
73
180000
2000
bằng cách xem
danh sách nguyên liệu của họ.
danh sách nguyên liệu của họ.
03:17
But you really for the most part can't tell the difference
74
182000
3000
Nhưng đa phần
bạn không thể thấy sự khác nhau
bạn không thể thấy sự khác nhau
03:20
between a healthy person and a sick person --
75
185000
3000
giữa người khỏe mạnh và người bệnh
03:23
except in some of these special cases.
76
188000
2000
ngoại trừ các trường hợp đặc biệt.
03:25
So why all the big deal
77
190000
2000
Vậy tại sao mọi người lại coi trọng
03:27
about genetics?
78
192000
2000
di truyền học đến vậy?
03:29
Well first of all,
79
194000
2000
Đầu tiên,
03:31
it's because we can read it, which is fantastic.
80
196000
3000
bởi vì chúng ta có thể đọc nó,
và điều đó thật tuyệt.
và điều đó thật tuyệt.
03:34
It is very useful in certain circumstances.
81
199000
3000
Nó rất hữu ích
trong vài trường hợp nhất định.
trong vài trường hợp nhất định.
03:37
It's also the great theoretical triumph
82
202000
3000
Nó cũng là thắng lợi to lớn
về mặt lý thuyết
về mặt lý thuyết
03:40
of biology.
83
205000
2000
cho ngành sinh học.
03:42
It's the one theory
84
207000
2000
Nó là giả thuyết duy nhất
mà các nhà sinh học học tìm ra đúng.
03:44
that the biologists ever really got right.
85
209000
2000
03:46
It's fundamental to Darwin
86
211000
2000
Nó là cơ sở cho Darwin
03:48
and Mendel and so on.
87
213000
2000
và Mendel và những người khác.
03:50
And so it's the one thing where they predicted a theoretical construct.
88
215000
3000
Và là thứ duy nhất người ta có thể
dự đoán cấu trúc.
dự đoán cấu trúc.
03:54
So Mendel had this idea of a gene
89
219000
2000
Cho nên Mendel có ý tưởng rằng
03:56
as an abstract thing,
90
221000
3000
gen là một thứ trừu tượng,
03:59
and Darwin built a whole theory
91
224000
2000
và Darwin xây dựng cả một giả thuyết
04:01
that depended on them existing,
92
226000
2000
dựa vào sự tồn tại của gen,
04:03
and then Watson and Crick
93
228000
2000
và sau đó Watson và Crick
04:05
actually looked and found one.
94
230000
2000
đã nghiên cứu và khám phá ra gen.
04:07
So this happens in physics all the time.
95
232000
2000
Điều này xảy ra suốt trong vật lý.
04:09
You predict a black hole,
96
234000
2000
Bạn dự đoán một hố đen,
04:11
and you look out the telescope and there it is, just like you said.
97
236000
3000
và bạn nhìn ra kính viễn vọng
và bạn nhìn thấy nó.
và bạn nhìn thấy nó.
04:14
But it rarely happens in biology.
98
239000
2000
Nhưng điều này
hiếm khi xảy ra trong sinh học.
hiếm khi xảy ra trong sinh học.
04:16
So this great triumph -- it's so good,
99
241000
3000
Cho nên chiến thắng vĩ đại này
-- nó tốt đến mức
-- nó tốt đến mức
04:19
there's almost a religious experience
100
244000
2000
nó gần như là một trải nghiệm tôn giáo
04:21
in biology.
101
246000
2000
trong sinh học.
04:23
And Darwinian evolution
102
248000
2000
Và thuyết tiến hóa của Darwin
04:25
is really the core theory.
103
250000
3000
chính là giả thuyết nòng cốt.
Cho nên một lý do khác mà nó rất nổi tiếng
04:30
So the other reason it's been very popular
104
255000
2000
04:32
is because we can measure it, it's digital.
105
257000
3000
là bởi vì chúng ta có thể
đo lường chúng một cách số hóa
đo lường chúng một cách số hóa
04:35
And in fact,
106
260000
2000
Và trên thực tế,
04:37
thanks to Kary Mullis,
107
262000
2000
nhờ có Kary Mullis,
04:39
you can basically measure your genome in your kitchen
108
264000
4000
bạn cơ bản có thể đo lường
hệ gen của bạn trong nhà bếp của bạn
hệ gen của bạn trong nhà bếp của bạn
04:43
with a few extra ingredients.
109
268000
3000
với thêm vài nguyên liệu khác.
04:46
So for instance, by measuring the genome,
110
271000
3000
Ví dụ, bằng việc đo lường hệ gen,
04:49
we've learned a lot about how we're related to other kinds of animals
111
274000
4000
ta biết được rất nhiều về mối quan hệ
của ta với các loài động vật khác
của ta với các loài động vật khác
04:53
by the closeness of our genome,
112
278000
3000
qua sự gần gũi về bộ gen,
04:56
or how we're related to each other -- the family tree,
113
281000
3000
hay cách mà chúng ta
có liên quan với nhau - cây phả hệ,
có liên quan với nhau - cây phả hệ,
04:59
or the tree of life.
114
284000
2000
hay là cây sự sống.
05:01
There's a huge amount of information about the genetics
115
286000
3000
Có một lượng thông tin khổng lồ
về di truyền học
về di truyền học
05:04
just by comparing the genetic similarity.
116
289000
3000
chỉ qua việc so sánh sự tương đồng gen.
05:07
Now of course, in medical application,
117
292000
2000
Dĩ nhiên, ứng dụng trong y học,
05:09
that is very useful
118
294000
2000
điều đó rất hữu ích
05:11
because it's the same kind of information
119
296000
3000
bởi đó chính là loại thông tin
05:14
that the doctor gets from your family medical history --
120
299000
3000
mà bác sĩ có được từ tiền sử y khoa
của gia đình bạn
của gia đình bạn
05:17
except probably,
121
302000
2000
ngoại trừ có thể,
05:19
your genome knows much more about your medical history than you do.
122
304000
3000
hệ gen của bạn cho biết nhiều
về tiền sử bệnh của bạn hơn chính bạn.
về tiền sử bệnh của bạn hơn chính bạn.
05:22
And so by reading the genome,
123
307000
2000
Vậy nên qua việc đọc hệ gen,
05:24
we can find out much more about your family than you probably know.
124
309000
3000
chúng ta có thể biết nhiều
về gia đình bạn hơn cả chính bạn.
về gia đình bạn hơn cả chính bạn.
05:27
And so we can discover things
125
312000
2000
Và vì thế chúng tôi có thể
khám phá ra những điều
khám phá ra những điều
05:29
that probably you could have found
126
314000
2000
mà bạn có thể tìm thấy
05:31
by looking at enough of your relatives,
127
316000
2000
nó ở người thân
05:33
but they may be surprising.
128
318000
3000
nhưng chúng có thể rất đáng ngạc nhiên.
Tôi đã làm thử bài 23andMe (23 và Tôi)
05:36
I did the 23andMe thing
129
321000
2000
05:38
and was very surprised to discover that I am fat and bald.
130
323000
3000
và đã rất ngạc nhiên
khi phát hiện ra rằng tôi mập và hói.
khi phát hiện ra rằng tôi mập và hói.
(Cười lớn)
05:41
(Laughter)
131
326000
7000
05:48
But sometimes you can learn much more useful things about that.
132
333000
3000
Nhưng đôi khi bạn có thể biết được
nhiều điều hữu ích về điều đó.
nhiều điều hữu ích về điều đó.
05:51
But mostly
133
336000
3000
Nhưng hầu hết
điều bạn cần biết để biết rằng
bạn có bệnh không,
bạn có bệnh không,
05:54
what you need to know, to find out if you're sick,
134
339000
2000
05:56
is not your predispositions,
135
341000
2000
không phụ thuộc vào cơ địa của bạn,
05:58
but it's actually what's going on in your body right now.
136
343000
3000
mà là những gì đang thật sự diễn ra
trong cơ thể bạn.
trong cơ thể bạn.
06:01
So to do that, what you really need to do,
137
346000
2000
Vậy để làm được điều đó,
điều bạn thật sự cần làm
điều bạn thật sự cần làm
06:03
you need to look at the things
138
348000
2000
là nhìn vào những thứ
06:05
that the genes are producing
139
350000
2000
mà gen của bạn đang sản xuất ra
06:07
and what's happening after the genetics,
140
352000
2000
và những gì diễn ra
sau quá trình di truyền
sau quá trình di truyền
06:09
and that's what proteomics is about.
141
354000
2000
và đó chính là nội dung của Protein học.
06:11
Just like genome mixes the study of all the genes,
142
356000
3000
Cũng như hệ gen làm nên
ngành nghiên cứu về tất cả các loại gen
ngành nghiên cứu về tất cả các loại gen
06:14
proteomics is the study of all the proteins.
143
359000
3000
Protein học là ngành nghiên cứu
về tất cả các loại Protein.
về tất cả các loại Protein.
06:17
And the proteins are all of the little things in your body
144
362000
2000
Và Protein là tất cả những thứ bé nhỏ
trong cơ thể bạn
trong cơ thể bạn
06:19
that are signaling between the cells --
145
364000
3000
đang phát ra tín hiệu
giữa các tế bào với nhau
giữa các tế bào với nhau
06:22
actually, the machines that are operating --
146
367000
2000
thực chất, những cơ quan đang hoạt động
06:24
that's where the action is.
147
369000
2000
đó là nơi các hoạt động diễn ra.
06:26
Basically, a human body
148
371000
3000
Về cơ bản, cơ thể con người
06:29
is a conversation going on,
149
374000
3000
là một cuộc hội thoại đang diễn ra
06:32
both within the cells and between the cells,
150
377000
3000
giữa các tế bào và nội bào với nhau
06:35
and they're telling each other to grow and to die,
151
380000
3000
về việc sinh trưởng và chết đi,
06:38
and when you're sick,
152
383000
2000
và khi bạn bị bệnh,
06:40
something's gone wrong with that conversation.
153
385000
2000
điều gì đã xảy ra với cuộc hội thoại đó
06:42
And so the trick is --
154
387000
2000
Vậy nên vấn đề ở đây là gì?
06:44
unfortunately, we don't have an easy way to measure these
155
389000
3000
Không may, chúng ta không có phương pháp
nào để giải quyết cả,
nào để giải quyết cả,
06:47
like we can measure the genome.
156
392000
2000
cũng như việc đo lường hệ gen.
06:49
So the problem is that measuring --
157
394000
3000
Cho nên vấn đề là đo lường
06:52
if you try to measure all the proteins, it's a very elaborate process.
158
397000
3000
nếu bạn đo lường tất cả các Protein,
đó là quá trình rất phức tạp.
đó là quá trình rất phức tạp.
06:55
It requires hundreds of steps,
159
400000
2000
Nó yêu cầu hàng trăm bước,
06:57
and it takes a long, long time.
160
402000
2000
và rất nhiều thời gian.
06:59
And it matters how much of the protein it is.
161
404000
2000
Điều quan trọng là có bao nhiêu Protein,
07:01
It could be very significant that a protein changed by 10 percent,
162
406000
3000
nếu lượng Protein thay đổi 10%
thì rất đáng quan tâm.
thì rất đáng quan tâm.
07:04
so it's not a nice digital thing like DNA.
163
409000
3000
Vì vậy nó không đơn giản bằng DNA.
07:07
And basically our problem is somebody's in the middle
164
412000
2000
Về cơ bản thì
vấn đề chính là vài người,
vấn đề chính là vài người,
07:09
of this very long stage,
165
414000
2000
trong quá trình dài hơi này,
07:11
they pause for just a moment,
166
416000
2000
họ chỉ tạm ngừng một chút
07:13
and they leave something in an enzyme for a second,
167
418000
2000
và bỏ quên vài thứ trong Enzim
07:15
and all of a sudden all the measurements from then on
168
420000
2000
và tất nhiên tất cả các số liệu từ trước
07:17
don't work.
169
422000
2000
trở nên vô dụng.
07:19
And so then people get very inconsistent results
170
424000
2000
Vì thế ta không thu được
cùng một kết quả
cùng một kết quả
07:21
when they do it this way.
171
426000
2000
khi thực hiện theo cách này.
07:23
People have tried very hard to do this.
172
428000
2000
Rất nhiều người đã thử nghiên cứu.
07:25
I tried this a couple of times
173
430000
2000
Tôi cũng đã thử một vài lần
07:27
and looked at this problem and gave up on it.
174
432000
2000
rồi cũng từ bỏ bởi vì vấn đề đó.
07:29
I kept getting this call from this oncologist
175
434000
2000
Tôi liên tục nhận được những cuộc gọi
07:31
named David Agus.
176
436000
2000
từ nhà ung thư học tên David Agus.
07:33
And Applied Minds gets a lot of calls
177
438000
3000
Trí Tuệ Ứng Dụng nhận được
rất nhiều cuộc gọi
rất nhiều cuộc gọi
07:36
from people who want help with their problems,
178
441000
2000
từ những người muốn giúp họ
07:38
and I didn't think this was a very likely one to call back,
179
443000
3000
Và tôi đã không nghĩ rằng
đây là một cuộc gọi nên gọi lại,
đây là một cuộc gọi nên gọi lại,
07:41
so I kept on giving him to the delay list.
180
446000
3000
cho nên tôi cứ cho
anh ta vào danh sách chờ.
anh ta vào danh sách chờ.
07:44
And then one day,
181
449000
2000
Và cho đến một ngày,
tôi nhận được cuộc gọi
từ John Doerr,
từ John Doerr,
07:46
I get a call from John Doerr, Bill Berkman
182
451000
2000
Bill Berkman và Al Gore
trong cùng một ngày
trong cùng một ngày
07:48
and Al Gore on the same day
183
453000
2000
07:50
saying return David Agus's phone call.
184
455000
2000
bảo tôi hãy gọi điện lại cho David Agus.
07:52
(Laughter)
185
457000
2000
(Cười lớn)
07:54
So I was like, "Okay. This guy's at least resourceful."
186
459000
2000
Tôi kiểu,
"Cậu này có vẻ có nhiều thông tin đây."
"Cậu này có vẻ có nhiều thông tin đây."
07:56
(Laughter)
187
461000
4000
(Cười lớn)
08:00
So we started talking,
188
465000
2000
Chúng tôi bắt đầu trò chuyện,
08:02
and he said, "I really need a better way to measure proteins."
189
467000
3000
và anh ta nói "Tôi rất cần
một cách tốt hơn để đo lường Protein"
một cách tốt hơn để đo lường Protein"
08:05
I'm like, "Looked at that. Been there.
190
470000
2000
Và tôi thì, "Tôi không thể tìm ra được,
08:07
Not going to be easy."
191
472000
2000
sẽ không dễ đâu."
08:09
He's like, "No, no. I really need it.
192
474000
2000
Anh ta thì
"Không, không. Tôi thật sự cần nó.
"Không, không. Tôi thật sự cần nó.
08:11
I mean, I see patients dying every day
193
476000
4000
Ý tôi là, tôi nhìn
bệnh nhân chết đi mỗi ngày
bệnh nhân chết đi mỗi ngày
08:15
because we don't know what's going on inside of them.
194
480000
3000
vì ta không biết
điều gì đang diễn ra bên trong cơ thể họ.
điều gì đang diễn ra bên trong cơ thể họ.
08:18
We have to have a window into this."
195
483000
2000
Chúng ta cần một cửa sổ nhìn vào trong ấy"
08:20
And he took me through
196
485000
2000
Và anh ta giảng cho tôi
08:22
specific examples of when he really needed it.
197
487000
3000
các ví dụ cụ thể
về những lần anh ta rất cần nó.
về những lần anh ta rất cần nó.
08:25
And I realized, wow, this would really make a big difference,
198
490000
2000
Và tôi nhận ra đây có thể
là một thay đổi lớn
là một thay đổi lớn
08:27
if we could do it,
199
492000
2000
nếu chúng tôi có thể thực hiện được nó,
08:29
and so I said, "Well, let's look at it."
200
494000
2000
vậy nên tôi nói, "Hãy cùng tìm hiểu nào."
08:31
Applied Minds has enough play money
201
496000
2000
Trí Tuệ Ứng Dụng chi đủ kinh phí
08:33
that we can go and just work on something
202
498000
2000
để chúng tôi cứ thể mà
tiến hành nghiên cứu
tiến hành nghiên cứu
08:35
without getting anybody's funding or permission or anything.
203
500000
3000
thứ gì đó mà không cần tài trợ
hay xin phép ai hay gì cả.
hay xin phép ai hay gì cả.
08:38
So we started playing around with this.
204
503000
2000
Vậy là chúng tôi bắt đầu
lao vào nghiên cứu.
lao vào nghiên cứu.
08:40
And as we did it, we realized this was the basic problem --
205
505000
3000
Trong lúc nghiên cứu,
chúng tôi nhận ra đây là vấn đề cơ bản --
chúng tôi nhận ra đây là vấn đề cơ bản --
08:43
that taking the sip of coffee --
206
508000
2000
cái hớp cà phê đó --
việc con người phải làm
cái quá trình phức tạp này
cái quá trình phức tạp này
08:45
that there were humans doing this complicated process
207
510000
2000
08:47
and that what really needed to be done
208
512000
2000
và cái thật sự cần được thực hiện
08:49
was to automate this process like an assembly line
209
514000
3000
là tự động hóa
quá trình này như một dây chuyền
quá trình này như một dây chuyền
08:52
and build robots
210
517000
2000
và tạo nên các robot
08:54
that would measure proteomics.
211
519000
2000
để đo lường các chỉ số Protein.
08:56
And so we did that,
212
521000
2000
Vậy nên chúng tôi tiến hành thực hiện nó,
08:58
and working with David,
213
523000
2000
và cùng với David,
09:00
we made a little company called Applied Proteomics eventually,
214
525000
3000
chúng tôi đã sáng lập
một công ty nhỏ tên Protein Học Ứng Dụng
một công ty nhỏ tên Protein Học Ứng Dụng
09:03
which makes this robotic assembly line,
215
528000
3000
thiết kế dây chuyền robot
09:06
which, in a very consistent way, measures the protein.
216
531000
3000
đo lường Protein theo một cách tỉ mỉ.
09:09
And I'll show you what that protein measurement looks like.
217
534000
3000
Và tôi sẽ cho bạn thấy
cách đo lường protein ấy như thế nào
cách đo lường protein ấy như thế nào
09:13
Basically, what we do
218
538000
2000
Về cơ bản, những gì chúng tôi làm
09:15
is we take a drop of blood
219
540000
2000
là lấy một giọt máu
09:17
out of a patient,
220
542000
2000
của một bệnh nhân,
09:19
and we sort out the proteins
221
544000
2000
phân loại các protein
09:21
in the drop of blood
222
546000
2000
có trong giọt máu đó
09:23
according to how much they weigh,
223
548000
2000
dựa theo trọng lượng
09:25
how slippery they are,
224
550000
2000
và độ trơn của chúng,
09:27
and we arrange them in an image.
225
552000
3000
sắp xếp chúng
trong một hình ảnh.
trong một hình ảnh.
09:30
And so we can look at literally
226
555000
2000
Vì thế chúng tôi có thể nhìn thấy
09:32
hundreds of thousands of features at once
227
557000
2000
hàng trăm ngàn đặc điểm cùng một lúc
09:34
out of that drop of blood.
228
559000
2000
chỉ từ một giọt máu.
09:36
And we can take a different one tomorrow,
229
561000
2000
Ta có thể
lấy một giọt khác ngày mai,
lấy một giọt khác ngày mai,
09:38
and you will see your proteins tomorrow will be different --
230
563000
2000
và bạn sẽ thấy rằng
các protein sẽ khác đi,
các protein sẽ khác đi,
09:40
they'll be different after you eat or after you sleep.
231
565000
3000
chúng sẽ khác sau khi bạn ăn
hay sau khi bạn ngủ.
hay sau khi bạn ngủ.
09:43
They really tell us what's going on there.
232
568000
3000
Chúng thật sự cho ta biết
những gì đang diễn ra.
những gì đang diễn ra.
09:46
And so this picture,
233
571000
2000
Vậy nên hình ảnh này,
09:48
which looks like a big smudge to you,
234
573000
2000
trông như một vết bẩn lớn với bạn,
09:50
is actually the thing that got me really thrilled about this
235
575000
4000
lại là thứ khiến tôi sướng run lên
09:54
and made me feel like we were on the right track.
236
579000
2000
và khiến tôi thấy rằng
chúng tôi đi đúng hướng.
chúng tôi đi đúng hướng.
09:56
So if I zoom into that picture,
237
581000
2000
Vậy nên nếu tôi phóng to hình ảnh này,
09:58
I can just show you what it means.
238
583000
2000
tôi có thể chỉ cho các bạn ý nghĩa của nó.
10:00
We sort out the proteins -- from left to right
239
585000
3000
Chúng tôi phân loại protein
- từ trái qua phải
- từ trái qua phải
10:03
is the weight of the fragments that we're getting,
240
588000
3000
là trọng lượng của các mảnh
mà chúng tôi thu được,
mà chúng tôi thu được,
10:06
and from top to bottom is how slippery they are.
241
591000
3000
và từ trên xuống dưới
là độ trơn của chúng.
là độ trơn của chúng.
10:09
So we're zooming in here just to show you a little bit of it.
242
594000
3000
Vậy chúng tôi phóng to vào đây
để chỉ cho các bạn thấy một chút của nó.
để chỉ cho các bạn thấy một chút của nó.
10:12
And so each of these lines
243
597000
2000
Mỗi một đường này
tượng trưng cho một tín hiệu
chúng tôi thu được từ một mảnh protein
chúng tôi thu được từ một mảnh protein
10:14
represents some signal that we're getting out of a piece of a protein.
244
599000
3000
10:17
And you can see how the lines occur
245
602000
2000
Và bạn có thể thấy
cách các đường thẳng này tạo nên
cách các đường thẳng này tạo nên
10:19
in these little groups of bump, bump, bump, bump, bump.
246
604000
4000
các cụm đốm, đốm, đốm, đốm, đốm.
10:23
And that's because we're measuring the weight so precisely that --
247
608000
3000
Và đó là bởi vì chúng tôi đang đo
trọng lượng chính xác đến mức
trọng lượng chính xác đến mức
10:26
carbon comes in different isotopes,
248
611000
2000
carbon có nhiều đồng vị khác nhau,
10:28
so if it has an extra neutron on it,
249
613000
3000
cho nên nếu nó có thêm một neutron,
10:31
we actually measure it as a different chemical.
250
616000
4000
chúng tôi đo nó như một hóa chất khác.
10:35
So we're actually measuring each isotope as a different one.
251
620000
3000
Vậy nên chúng tôi thật ra đang đo
từng đồng vị như một chất khác nhau.
từng đồng vị như một chất khác nhau.
10:38
And so that gives you an idea
252
623000
3000
Và nó cho bạn khái niệm
10:41
of how exquisitely sensitive this is.
253
626000
2000
về độ nhạy cảm tinh tế của quá trình này.
10:43
So seeing this picture
254
628000
2000
Vậy nên nhìn thấy hình ảnh này
10:45
is sort of like getting to be Galileo
255
630000
2000
đại loại như được trở thành Galileo
10:47
and looking at the stars
256
632000
2000
nhìn vào các vì sao
10:49
and looking through the telescope for the first time,
257
634000
2000
qua kính viễn vọng lần đầu tiên,
10:51
and suddenly you say, "Wow, it's way more complicated than we thought it was."
258
636000
3000
và chợt nói, "Wow,
nó phức tạp hơn chúng ta tưởng nhiều."
nó phức tạp hơn chúng ta tưởng nhiều."
10:54
But we can see that stuff out there
259
639000
2000
Nhưng chúng ta có thể thấy
cái thứ ngoài kia
cái thứ ngoài kia
10:56
and actually see features of it.
260
641000
2000
thấy các đặc điểm của nó.
10:58
So this is the signature out of which we're trying to get patterns.
261
643000
3000
Cho nên đây là dấu ấn của cái mà
chúng tôi đang cố gắng tìm hoa văn của nó.
chúng tôi đang cố gắng tìm hoa văn của nó.
11:01
So what we do with this
262
646000
2000
Chúng ta có thể sử dụng thông tin này
11:03
is, for example, we can look at two patients,
263
648000
2000
ví dụ như, chúng ta nhìn vào hai bệnh nhân
11:05
one that responded to a drug and one that didn't respond to a drug,
264
650000
3000
một phản ứng với một loại thuốc
và một không phản ứng với thuốc,
và một không phản ứng với thuốc,
11:08
and ask, "What's going on differently
265
653000
2000
và hỏi, "Điều khác nhau gì đang diễn ra
11:10
inside of them?"
266
655000
2000
bên trong họ?"
11:12
And so we can make these measurements precisely enough
267
657000
3000
Vậy nên chúng ta có thể có
những đo lường đủ chính xác
những đo lường đủ chính xác
11:15
that we can overlay two patients and look at the differences.
268
660000
3000
để có thể đặt hai bệnh nhân lên
và tìm ra điểm khác biệt.
và tìm ra điểm khác biệt.
11:18
So here we have Alice in green
269
663000
2000
Ở đây chúng ta có màu xanh lá là Alice
11:20
and Bob in red.
270
665000
2000
và màu đỏ là Bob.
11:22
We overlay them. This is actual data.
271
667000
3000
Chúng ta cân đo họ. Đây là dữ liệu thật.
11:25
And you can see, mostly it overlaps and it's yellow,
272
670000
3000
Và bạn có thể thấy,
đa số chúng trùng nhau và nó có màu vàng,
đa số chúng trùng nhau và nó có màu vàng,
11:28
but there's some things that just Alice has
273
673000
2000
nhưng có những thứ chỉ có Alice có
11:30
and some things that just Bob has.
274
675000
2000
và có những thứ chỉ có Bob có.
11:32
And if we find a pattern of things
275
677000
3000
Và nếu như chúng ta có thể tìm ra
quy luật của những thứ
quy luật của những thứ
11:35
of the responders to the drug,
276
680000
3000
của những người phản ứng với thuốc,
11:38
we see that in the blood,
277
683000
2000
chúng ta thấy rằng trong máu họ
11:40
they have the condition
278
685000
2000
có điều kiện
11:42
that allows them to respond to this drug.
279
687000
2000
cho phép họ phản ứng với loại thuốc này.
11:44
We might not even know what this protein is,
280
689000
2000
Chúng ta có thể thậm chí
không biết đây là loại protein gì,
không biết đây là loại protein gì,
11:46
but we can see it's a marker
281
691000
2000
nhưng ta có thể đây là dấu hiệu
11:48
for the response to the disease.
282
693000
2000
cho phản ứng với bệnh.
11:53
So this already, I think,
283
698000
2000
Theo tôi nghĩ, điều này đã
11:55
is tremendously useful in all kinds of medicine.
284
700000
3000
vô cùng hữu ích cho mọi loại y học.
11:58
But I think this is actually
285
703000
2000
Nhưng tôi nghĩ rằng đây thật ra
12:00
just the beginning
286
705000
2000
chỉ là khởi đầu
12:02
of how we're going to treat cancer.
287
707000
2000
cho cách mà chúng ta sẽ điều trị ung thư.
12:04
So let me move to cancer.
288
709000
2000
Vậy hãy để tôi nói đến ung thư.
12:06
The thing about cancer --
289
711000
2000
Vấn đề của ung thư
12:08
when I got into this,
290
713000
2000
khi mà tôi bắt đầu vấn đề này,
12:10
I really knew nothing about it,
291
715000
2000
tôi thật sự chẳng biết gì về nó,
12:12
but working with David Agus,
292
717000
2000
nhưng làm việc với David Agus,
12:14
I started watching how cancer was actually being treated
293
719000
3000
tôi bắt đầu theo dõi
cách ung thư được điều trị
cách ung thư được điều trị
12:17
and went to operations where it was being cut out.
294
722000
3000
và tham gia xem
các ca phẫu thuật cắt khối u.
các ca phẫu thuật cắt khối u.
12:20
And as I looked at it,
295
725000
2000
Và khi tôi nhìn nó,
12:22
to me it didn't make sense
296
727000
2000
đối với tôi nó chẳng có ý nghĩa gì cả
12:24
how we were approaching cancer,
297
729000
2000
cách chúng ta từng tiếp cận ung thư,
12:26
and in order to make sense of it,
298
731000
3000
và để khiến nó có nghĩa,
12:29
I had to learn where did this come from.
299
734000
3000
tôi phải học bắt nguồn của nó.
12:32
We're treating cancer almost like it's an infectious disease.
300
737000
4000
Chúng ta điều trị ung thư
cứ như nó là một căn bệnh truyền nhiễm.
cứ như nó là một căn bệnh truyền nhiễm.
12:36
We're treating it as something that got inside of you
301
741000
2000
Chúng ta điều trị nó
như một thứ đi vào cơ thể ta
như một thứ đi vào cơ thể ta
12:38
that we have to kill.
302
743000
2000
mà chúng ta phải giết nó.
12:40
So this is the great paradigm.
303
745000
2000
Và đây là hình mẫu lớn.
12:42
This is another case
304
747000
2000
Đây là một trường hợp nữa
12:44
where a theoretical paradigm in biology really worked --
305
749000
2000
mà một ví dụ giả định trong sinh học
thực sự hoạt động
thực sự hoạt động
12:46
was the germ theory of disease.
306
751000
3000
đó là thuyết vi khuẩn của bệnh.
12:49
So what doctors are mostly trained to do
307
754000
2000
Bác sĩ thường được đào tạo
để chuẩn đoán
12:51
is diagnose --
308
756000
2000
12:53
that is, put you into a category
309
758000
2000
đó là, phân loại bạn vào một mục
12:55
and apply a scientifically proven treatment
310
760000
2000
và áp dụng một liệu pháp
đã được khoa học chứng minh
đã được khoa học chứng minh
12:57
for that diagnosis --
311
762000
2000
điều trị cho chẩn đoán bệnh đó
12:59
and that works great for infectious diseases.
312
764000
3000
và điều đó áp dụng tốt
cho các bệnh truyền nhiễm.
cho các bệnh truyền nhiễm.
13:02
So if we put you in the category
313
767000
2000
Cho nên nếu chúng tôi phân bạn vào mục
13:04
of you've got syphilis, we can give you penicillin.
314
769000
3000
nhiễm giang mai,
chúng tôi sẽ cho bạn penicillin.
chúng tôi sẽ cho bạn penicillin.
13:07
We know that that works.
315
772000
2000
Chúng tôi biết rằng cách đó hiệu quả.
13:09
If you've got malaria, we give you quinine
316
774000
2000
Nếu bị sốt rét,
chúng tôi sẽ cho bạn quinine
chúng tôi sẽ cho bạn quinine
13:11
or some derivative of it.
317
776000
2000
hay một loại thuốc tương tự.
13:13
And so that's the basic thing doctors are trained to do,
318
778000
3000
Và đó là thứ cơ bản
mà bác sĩ được đào tạo,
mà bác sĩ được đào tạo,
13:16
and it's miraculous
319
781000
2000
và nó hiệu quả đến kỳ diệu
13:18
in the case of infectious disease --
320
783000
3000
trong các trường hợp bệnh truyền nhiễm
Chứng tỏ được tính hiệu nghiệm đó
13:21
how well it works.
321
786000
2000
13:23
And many people in this audience probably wouldn't be alive
322
788000
3000
rất người trong khán phòng này
có lẽ đã không còn sống sót
có lẽ đã không còn sống sót
13:26
if doctors didn't do this.
323
791000
2000
nếu như các bác sĩ không làm vậy.
13:28
But now let's apply that
324
793000
2000
Nhưng bây giờ hãy áp dụng điều đó
13:30
to systems diseases like cancer.
325
795000
2000
cho các loại bệnh hệ thống như ung thư.
13:32
The problem is that, in cancer,
326
797000
2000
Vấn đề là, trong ung thư,
13:34
there isn't something else
327
799000
2000
không hề có một thứ gì khác
13:36
that's inside of you.
328
801000
2000
trong cơ thể bạn.
13:38
It's you; you're broken.
329
803000
2000
Nó chính là bạn, cơ thể bạn có lỗi.
13:40
That conversation inside of you
330
805000
4000
Cuộc hội thoại trong cơ thể bạn
13:44
got mixed up in some way.
331
809000
2000
bị xáo trộn bằng cách nào đó.
13:46
So how do we diagnose that conversation?
332
811000
2000
Vậy làm sao để chúng ta chẩn đoán được?
13:48
Well, right now what we do is we divide it by part of the body --
333
813000
3000
Chúng tôi chia nó ra thành
từng phần cơ thể
từng phần cơ thể
13:51
you know, where did it appear? --
334
816000
3000
bạn biết đấy, nơi nó xuất hiện
13:54
and we put you in different categories
335
819000
2000
và chúng tôi phân bạn
vào các mục khác nhau
vào các mục khác nhau
13:56
according to the part of the body.
336
821000
2000
dựa trên phần cơ thể đó.
13:58
And then we do a clinical trial
337
823000
2000
Sau đó chúng tôi sẽ tiến hành
thử nghiệm lâm sàng
thử nghiệm lâm sàng
14:00
for a drug for lung cancer
338
825000
2000
cho một loại thuốc ung thư phổi,
14:02
and one for prostate cancer and one for breast cancer,
339
827000
3000
một loại cho ung thư tuyến tiền liệt
và một loại cho ung thư vú,
và một loại cho ung thư vú,
14:05
and we treat these as if they're separate diseases
340
830000
3000
và chúng tôi điều trị chúng
như các căn bệnh riêng biệt
như các căn bệnh riêng biệt
14:08
and that this way of dividing them
341
833000
2000
và cách phân chia này
14:10
had something to do with what actually went wrong.
342
835000
2000
liên quan đến những gì đang diễn ra.
14:12
And of course, it really doesn't have that much to do
343
837000
2000
Và đương nhiên,
nó không tác động nhiều đến
nó không tác động nhiều đến
14:14
with what went wrong
344
839000
2000
căn bệnh
14:16
because cancer is a failure of the system.
345
841000
3000
vì ung thư là sự đổ vỡ của hệ thống.
14:19
And in fact, I think we're even wrong
346
844000
2000
Và thực tế, tôi nghĩ chúng ta cũng sai
14:21
when we talk about cancer as a thing.
347
846000
3000
khi chúng ta nói về ung thư
như một thứ gì đó.
như một thứ gì đó.
14:24
I think this is the big mistake.
348
849000
2000
Tôi nghĩ đây là một sai lầm lớn.
14:26
I think cancer should not be a noun.
349
851000
4000
Tôi nghĩ rằng ung thư
không nên là một danh từ.
không nên là một danh từ.
14:30
We should talk about cancering
350
855000
2000
Chúng ta nên nói về ung thư
14:32
as something we do, not something we have.
351
857000
3000
như một việc chúng ta làm,
chứ không phải một thứ chúng ta có.
chứ không phải một thứ chúng ta có.
14:35
And so those tumors,
352
860000
2000
Vậy nên những khối u này,
14:37
those are symptoms of cancer.
353
862000
2000
chúng là triệu chứng của ung thư.
14:39
And so your body is probably cancering all the time,
354
864000
3000
Và có lẽ cơ thể của bạn
đang ung thư mọi lúc,
đang ung thư mọi lúc,
14:42
but there are lots of systems in your body
355
867000
3000
nhưng có rất nhiều hệ thống
trong cơ thể bạn
trong cơ thể bạn
14:45
that keep it under control.
356
870000
2000
kiểm soát việc ung thư.
14:47
And so to give you an idea
357
872000
2000
Để cho bạn dễ hình dung
14:49
of an analogy of what I mean
358
874000
2000
ý của tôi
14:51
by thinking of cancering as a verb,
359
876000
3000
khi nghĩ về ung thư như một động từ,
14:54
imagine we didn't know anything about plumbing,
360
879000
3000
hãy tưởng tượng chúng ta
không hề biết gì về sửa ống nước,
không hề biết gì về sửa ống nước,
14:57
and the way that we talked about it,
361
882000
2000
và cách mà chúng ta nói về nó,
14:59
we'd come home and we'd find a leak in our kitchen
362
884000
3000
chúng ta sẽ về nhà
và thấy vệt rỉ trong nhà bếp
và thấy vệt rỉ trong nhà bếp
15:02
and we'd say, "Oh, my house has water."
363
887000
4000
và nói rằng, "Ôi nhà tôi có nước."
15:06
We might divide it -- the plumber would say, "Well, where's the water?"
364
891000
3000
Chúng ta có thể chia nó ra
-- thợ ống nước sẽ nói, "Nước rỉ ở đâu?"
-- thợ ống nước sẽ nói, "Nước rỉ ở đâu?"
15:09
"Well, it's in the kitchen." "Oh, you must have kitchen water."
365
894000
3000
"Nó trong nhà bếp."
"Oh, vậy hẳn là bạn có nước nhà bếp."
"Oh, vậy hẳn là bạn có nước nhà bếp."
15:12
That's kind of the level at which it is.
366
897000
3000
Đây tương tự như những gì
chúng ta đang nói về ung thư.
chúng ta đang nói về ung thư.
15:15
"Kitchen water,
367
900000
2000
"Nước nhà bếp,
15:17
well, first of all, we'll go in there and we'll mop out a lot of it.
368
902000
2000
trước hết,
chúng ta sẽ vào đó và lau sạch nó.
chúng ta sẽ vào đó và lau sạch nó.
15:19
And then we know that if we sprinkle Drano around the kitchen,
369
904000
3000
Và sau đó chúng ta biết rằng rắc Drano
xung quanh bếp
xung quanh bếp
15:22
that helps.
370
907000
3000
sẽ giúp chúng ta.
15:25
Whereas living room water,
371
910000
2000
Trong khi đó, với nước phòng khách,
15:27
it's better to do tar on the roof."
372
912000
2000
sẽ tốt hơn nếu ta rải hắc ín trên mái nhà"
15:29
And it sounds silly,
373
914000
2000
Và nó nghe thật ngớ ngẩn,
15:31
but that's basically what we do.
374
916000
2000
nhưng đó cơ bản là những gì chúng ta làm.
15:33
And I'm not saying you shouldn't mop up your water if you have cancer,
375
918000
3000
Và tôi không nói rằng
bạn không nên lau khô nước
bạn không nên lau khô nước
15:36
but I'm saying that's not really the problem;
376
921000
3000
nhưng tôi nói rằng đó không phải là vấn đề
15:39
that's the symptom of the problem.
377
924000
2000
đó là triệu chứng của vấn đề.
15:41
What we really need to get at
378
926000
2000
Cái mà chúng ta cần...
15:43
is the process that's going on,
379
928000
2000
là quá trình mọi việc diễn ra,
15:45
and that's happening at the level
380
930000
2000
và nó xảy ra ở mức
15:47
of the proteonomic actions,
381
932000
2000
các hoạt động của protein,
15:49
happening at the level of why is your body not healing itself
382
934000
3000
xảy ra ở mức độ của tại sao cơ thể bạn
không thể tự chữa lành
không thể tự chữa lành
15:52
in the way that it normally does?
383
937000
2000
theo cách nó vẫn làm?
15:54
Because normally, your body is dealing with this problem all the time.
384
939000
3000
Bởi vì bình thường, cơ thể bạn
phải luôn xử lý vấn đề này.
phải luôn xử lý vấn đề này.
15:57
So your house is dealing with leaks all the time,
385
942000
3000
Cho nên nhà bạn phải xử lý rỉ nước mọi lúc
16:00
but it's fixing them. It's draining them out and so on.
386
945000
4000
nhưng nó tự sửa chữa được.
Nó tự rút nước đi và các việc khác.
Nó tự rút nước đi và các việc khác.
16:04
So what we need
387
949000
3000
Cho nên cái chúng ta cần
16:07
is to have a causative model
388
952000
4000
là có một mô hình nguyên nhân-kết quả
16:11
of what's actually going on,
389
956000
2000
của diễn biến trong cơ thể,
16:13
and proteomics actually gives us
390
958000
3000
và protein học tạo điều kiện cho chúng ta
16:16
the ability to build a model like that.
391
961000
3000
xây dựng một mô hình như vậy.
16:19
David got me invited
392
964000
2000
David giúp tôi được mời vào nói
16:21
to give a talk at National Cancer Institute
393
966000
2000
tại Học viện Ung thư Quốc gia
16:23
and Anna Barker was there.
394
968000
3000
và Anna Barker cũng có ở đó.
16:27
And so I gave this talk
395
972000
2000
Vậy nên tôi trình bày bài nói
16:29
and said, "Why don't you guys do this?"
396
974000
3000
và nói, "Tại sao quý vị
không làm như thế này?"
không làm như thế này?"
16:32
And Anna said,
397
977000
2000
Và Anna nói,
16:34
"Because nobody within cancer
398
979000
3000
"Bởi vì không ai trong ngành ung thư
16:37
would look at it this way.
399
982000
2000
nhìn sự việc theo hướng này.
16:39
But what we're going to do, is we're going to create a program
400
984000
3000
Nhưng cái chúng ta sẽ làm là
chúng ta tạo ra một chương trình
chúng ta tạo ra một chương trình
16:42
for people outside the field of cancer
401
987000
2000
cho mọi người ở ngoài ngành ung thư
16:44
to get together with doctors
402
989000
2000
hợp tác với các bác sĩ
16:46
who really know about cancer
403
991000
3000
thật sự am hiểu về ung thư
16:49
and work out different programs of research."
404
994000
4000
và lập ra các chương trình
nghiên cứu khác nhau."
nghiên cứu khác nhau."
16:53
So David and I applied to this program
405
998000
2000
Vậy nên David và tôi áp dụng vào
chương trình này
chương trình này
16:55
and created a consortium
406
1000000
2000
và thành lập một liên đoàn
16:57
at USC
407
1002000
2000
tại USC
(University of Southern California)
(University of Southern California)
16:59
where we've got some of the best oncologists in the world
408
1004000
3000
nơi chúng tôi có các nhà ung thư học
17:02
and some of the best biologists in the world,
409
1007000
3000
và các nhà sinh vật học giỏi nhất thế giới
17:05
from Cold Spring Harbor,
410
1010000
2000
từ cảng Cold Spring,
17:07
Stanford, Austin --
411
1012000
2000
Stanford, Austin ...
17:09
I won't even go through and name all the places --
412
1014000
3000
Tôi sẽ không điểm danh qua mọi địa điểm --
17:12
to have a research project
413
1017000
3000
có một dự án nghiên cứu
17:15
that will last for five years
414
1020000
2000
có thể kéo dài 5 năm
17:17
where we're really going to try to build a model of cancer like this.
415
1022000
3000
nơi chúng tôi cố gắng xây dựng
một mô hình ung thư như thế này.
một mô hình ung thư như thế này.
17:20
We're doing it in mice first,
416
1025000
2000
Chúng tôi thí nghiệm trên chuột trước,
17:22
and we will kill a lot of mice
417
1027000
2000
và chúng tôi sẽ giết rất nhiều chú chuột
17:24
in the process of doing this,
418
1029000
2000
trong quá trình đó,
17:26
but they will die for a good cause.
419
1031000
2000
nhưng chúng sẽ chết vì mục đích cao cả.
17:28
And we will actually try to get to the point
420
1033000
3000
Và chúng tôi sẽ thực sự cố gắng đến mức
17:31
where we have a predictive model
421
1036000
2000
chúng tôi có được một mô hình dự đoán
17:33
where we can understand,
422
1038000
2000
để có thể hiểu
17:35
when cancer happens,
423
1040000
2000
khi nào ung thư xảy ra,
17:37
what's actually happening in there
424
1042000
2000
điều gì thực sự xảy ra trong đó
17:39
and which treatment will treat that cancer.
425
1044000
3000
và liệu pháp nào có thể
điều trị ung thư đó.
điều trị ung thư đó.
17:42
So let me just end with giving you a little picture
426
1047000
3000
Cho phép tôi kết thúc bằng một hình ảnh
17:45
of what I think cancer treatment will be like in the future.
427
1050000
3000
về liệu pháp điều trị ung thư
trong tương lai.
trong tương lai.
17:48
So I think eventually,
428
1053000
2000
Tôi nghĩ rằng dần dần
17:50
once we have one of these models for people,
429
1055000
2000
khi mà chúng ta có
một trong các mô hình này cho con người,
một trong các mô hình này cho con người,
17:52
which we'll get eventually --
430
1057000
2000
và chắc chắn từ từ chúng ta sẽ có --
17:54
I mean, our group won't get all the way there --
431
1059000
2000
ý tôi là có thể chúng tôi
sẽ không đi đến cùng
sẽ không đi đến cùng
17:56
but eventually we'll have a very good computer model --
432
1061000
3000
nhưng dần dần chúng tôi sẽ có
một mô hình máy tính thật tốt
một mô hình máy tính thật tốt
17:59
sort of like a global climate model for weather.
433
1064000
3000
kiểu như một mô hình
khí hậu toàn cầu cho thời tiết.
khí hậu toàn cầu cho thời tiết.
18:02
It has lots of different information
434
1067000
3000
Nó có nhiều loại thông tin khác nhau
18:05
about what's the process going on in this proteomic conversation
435
1070000
3000
về diễn biến của quá trình của
cuộc hội thoại protein
cuộc hội thoại protein
18:08
on many different scales.
436
1073000
2000
trên nhiều mức độ khác nhau.
18:10
And so we will simulate
437
1075000
2000
Và vì vậy chúng tôi sẽ giả định
18:12
in that model
438
1077000
2000
trên mô hình đó
18:14
for your particular cancer --
439
1079000
3000
loại ung thư của bạn
và nó cũng dùng cho
bệnh xơ cứng teo cơ 1 bên
bệnh xơ cứng teo cơ 1 bên
18:17
and this also will be for ALS,
440
1082000
2000
18:19
or any kind of system neurodegenerative diseases,
441
1084000
3000
hay bất kỳ loại
bệnh suy giảm hệ thống thần kinh nào,
bệnh suy giảm hệ thống thần kinh nào,
18:22
things like that --
442
1087000
2000
những thứ như vậy
18:24
we will simulate
443
1089000
2000
chúng tôi sẽ mô phỏng
18:26
specifically you,
444
1091000
2000
chỉ riêng cho bạn,
18:28
not just a generic person,
445
1093000
2000
chứ không phải một người chung chung,
18:30
but what's actually going on inside you.
446
1095000
2000
nhưng là thứ thật sự xảy ra bên trong bạn.
18:32
And in that simulation, what we could do
447
1097000
2000
Và trong mô hình mô phỏng đó,
18:34
is design for you specifically
448
1099000
2000
chúng tôi có thể thiết kế riêng cho bạn
18:36
a sequence of treatments,
449
1101000
2000
một chuỗi các trị liệu,
18:38
and it might be very gentle treatments, very small amounts of drugs.
450
1103000
3000
có thể là các liệu pháp rất nhẹ nhàng,
với lượng thuốc rất nhỏ,
với lượng thuốc rất nhỏ,
18:41
It might be things like, don't eat that day,
451
1106000
3000
Nó có thể là những thứ như,
đừng ăn vào ngày hôm đó,
đừng ăn vào ngày hôm đó,
18:44
or give them a little chemotherapy,
452
1109000
2000
hoặc cho họ một chút hóa trị,
18:46
maybe a little radiation.
453
1111000
2000
có thể là một chút xạ trị.
18:48
Of course, we'll do surgery sometimes and so on.
454
1113000
3000
Dĩ nhiên, chúng tôi sẽ thi thoảng
làm phẫu thuật và cứ thế nữa.
làm phẫu thuật và cứ thế nữa.
18:51
But design a program of treatments specifically for you
455
1116000
3000
Nhưng thiết kế một chương trình trị liệu
dành riêng cho bạn
dành riêng cho bạn
18:54
and help your body
456
1119000
3000
và giúp cơ thể bạn
18:57
guide back to health --
457
1122000
3000
hướng về trạng thái bình thường,
trạng thái khỏe mạnh
19:00
guide your body back to health.
458
1125000
2000
19:02
Because your body will do most of the work of fixing it
459
1127000
4000
Bởi vì cơ thể bạn sẽ làm hầu hết
việc chữa trị
việc chữa trị
19:06
if we just sort of prop it up in the ways that are wrong.
460
1131000
3000
nếu ta lựa được
những sai lầm
những sai lầm
19:09
We put it in the equivalent of splints.
461
1134000
2000
Chúng ta sẽ điều chỉnh lại nó.
19:11
And so your body basically has lots and lots of mechanisms
462
1136000
2000
Về cơ bản, cơ thể bạn
có rất nhiều cơ chế
có rất nhiều cơ chế
19:13
for fixing cancer,
463
1138000
2000
để chữa trị ung thư,
19:15
and we just have to prop those up in the right way
464
1140000
3000
và chúng ta chỉ phải
điều chỉnh chúng về đúng hướng
điều chỉnh chúng về đúng hướng
19:18
and get them to do the job.
465
1143000
2000
và khiến chúng làm việc của chúng.
19:20
And so I believe that this will be the way
466
1145000
2000
Vì vậy, tôi tin rằng đây sẽ là
19:22
that cancer will be treated in the future.
467
1147000
2000
cách điều trị ung thư trong tương lai.
19:24
It's going to require a lot of work,
468
1149000
2000
Nó đòi hỏi rất nhiều công sức bỏ ra,
19:26
a lot of research.
469
1151000
2000
rất nhiều nghiên cứu.
19:28
There will be many teams like our team
470
1153000
3000
Sẽ có nhiều các đội như đội của chúng tôi
19:31
that work on this.
471
1156000
2000
cũng làm về đề tài này.
19:33
But I think eventually,
472
1158000
2000
Nhưng tôi nghĩ rằng dần dần,
19:35
we will design for everybody
473
1160000
2000
chúng ta sẽ thiết kế cho tất cả mọi người
19:37
a custom treatment for cancer.
474
1162000
4000
một liệu pháp chữa trị ung thư riêng.
19:41
So thank you very much.
475
1166000
2000
Cảm ơn các bạn rất nhiều.
19:43
(Applause)
476
1168000
6000
(Vỗ tay)
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com