TED2006
Joe DeRisi: Solving medical mysteries
ViroScan на Джо ДеРиси разгадава мистерии в медицината
Filmed:
Readability: 4.3
474,538 views
Биохимикът Джо ДеРиси разказва за невероятни нови методи за диагностика на вируси (и лекуване на болестите които те причиняват) с помоща на ДНК. Неговите постижения може да ни помогнат да разберем маларията, САРС, птичи грип - и 60 процента от всекидневните вирусни инфекции които остават недиагностицирани.
Joe DeRisi - Biochemist
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria. Full bio
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria. Full bio
Double-click the English transcript below to play the video.
00:12
How can we investigate
0
0
3000
Как можем да проучваме
00:15
this flora of viruses that surround us, and aid medicine?
1
3000
5000
тази флора от вируси, която ни заобикаля, и да подпомагаме медицината?
00:20
How can we turn our cumulative knowledge of virology
2
8000
4000
Как можем да превърнем натрупаните си познания по вирология
00:24
into a simple, hand-held, single diagnostic assay?
3
12000
4000
в един-единствен, подръчен диагностичен анализ?
00:28
I want to turn everything we know right now about detecting viruses
4
16000
3000
Искам веднага да превърна всичко, което знаем за откриването на вируси
00:31
and the spectrum of viruses that are out there
5
19000
2000
и за спектъра от съществуващи вируси
00:33
into, let's say, a small chip.
6
21000
3000
в, да кажем, един малък чип.
00:36
When we started thinking about this project --
7
24000
2000
Когато започнахме да мислим за този проект...
00:38
how we would make a single diagnostic assay
8
26000
3000
как бихме направили един-единствен диагностичен анализ
00:41
to screen for all pathogens simultaneously --
9
29000
3000
за пресяване за всички патогени едновременно...
00:44
well, there's some problems with this idea.
10
32000
2000
ами, с тази идея има няколко проблема.
00:46
First of all, viruses are pretty complex,
11
34000
4000
Първо, вирусите са доста сложни,
00:50
but they're also evolving very fast.
12
38000
4000
а също така еволюират много бързо.
00:54
This is a picornavirus.
13
42000
1000
Това е пикорнавирус.
00:55
Picornaviruses -- these are things that include
14
43000
2000
Пикорнавирусите... те включват
00:57
the common cold and polio, things like this.
15
45000
3000
обикновената настинка, полиомиелита и подобни неща.
01:00
You're looking at the outside shell of the virus,
16
48000
2000
Гледаш външната черупка на вируса -
01:02
and the yellow color here are those parts of the virus
17
50000
3000
жълтият цвят тук са онези части от вируса,
01:05
that are evolving very, very fast,
18
53000
2000
които еволюират много, много бързо,
01:07
and the blue parts are not evolving very fast.
19
55000
2000
а сините части не еволюират много бързо.
01:09
When people think about making pan-viral detection reagents,
20
57000
3000
Когато хората мислят за създаване на реагенти за пан-вирално откриване,
01:12
usually it's the fast-evolving problem that's an issue,
21
60000
4000
обикновено бързото развитие е проблем,
01:16
because how can we detect things if they're always changing?
22
64000
2000
защото как може да откриваме нещо, ако то постоянно се променя?
01:18
But evolution is a balance:
23
66000
2000
Но еволюцията е баланс:
01:20
where you have fast change, you also have ultra-conservation --
24
68000
4000
когато има бърза промяна, има също и ултра-консервация -
01:24
things that almost never change.
25
72000
2000
неща, които почти никога не се променят.
01:26
And so we looked into this a little more carefully,
26
74000
3000
И така, разгледахме това малко по-внимателно,
01:29
and I'm going to show you data now.
27
77000
1000
и сега ще ви покажа данни.
01:30
This is just some stuff you can do on the computer from the desktop.
28
78000
3000
Това са просто някои неща, които може да направите на компютъра в къщи.
01:33
I took a bunch of these small picornaviruses,
29
81000
2000
Взех куп от тези малки пикорнавируси
01:35
like the common cold, like polio and so on,
30
83000
2000
като обикновената настинка, полиомиелита и така нататък,
01:37
and I just broke them down into small segments.
31
85000
4000
просто ги разбих на малки сегменти,
01:41
And so took this first example, which is called coxsackievirus,
32
89000
3000
така направих този пръв пример, наречен Коксакивирус
01:44
and just break it into small windows.
33
92000
2000
и просто го разбих на малки прозорци.
01:46
And I'm coloring these small windows blue
34
94000
2000
Оцветявам тези малки прозорци в синьо,
01:48
if another virus shares an identical sequence in its genome
35
96000
5000
ако друг вирус споделя идентична секвенция в генома си
01:53
to that virus.
36
101000
1000
с този вирус.
01:54
These sequences right up here --
37
102000
2000
Тези секвенции тук горе...
01:56
which don't even code for protein, by the way --
38
104000
2000
които дори не са код за протеин, между другото...
01:58
are almost absolutely identical across all of these,
39
106000
3000
са почти абсолютно идентични при всички тези,
02:01
so I could use this sequence as a marker
40
109000
4000
така че бих могъл да използвам тази секвенция като маркер
02:05
to detect a wide spectrum of viruses,
41
113000
2000
за откриване на широк спектър от вируси,
02:07
without having to make something individual.
42
115000
3000
без да се налага да правя нещо индивидуално.
02:10
Now, over here there's great diversity:
43
118000
2000
А тук има огромно разнообразие:
02:12
that's where things are evolving fast.
44
120000
2000
ето къде нещата се равиват бързо.
02:14
Down here you can see slower evolution: less diversity.
45
122000
4000
Тук долу виждате по-бавната еволюция: по-малко разнообразие.
02:18
Now, by the time we get out here to, let's say,
46
126000
2000
Докато стигнем тук навън до, да кажем,
02:20
acute bee paralysis virus --
47
128000
2000
вируса на острата пчелна парализа...
02:22
probably a bad one to have if you're a bee ---
48
130000
2000
вероятно е много зле да го пипнеш, ако си пчела...
02:24
this virus shares almost no similarity to coxsackievirus,
49
132000
5000
този вирус няма почти никакви сходства с коксакиевирус,
02:29
but I can guarantee you that the sequences that are most conserved
50
137000
4000
но мога да ви гарантирам, че секвенциите, най-много запазени
02:33
among these viruses on the right-hand of the screen
51
141000
2000
сред тези вируси от дясната страна на екрана
02:35
are in identical regions right up here.
52
143000
3000
са в идентични региони тук горе.
02:38
And so we can encapsulate these regions of ultra-conservation
53
146000
3000
И така можем да капсулираме тези региони на ултра-консервация
02:41
through evolution -- how these viruses evolved --
54
149000
3000
чрез еволюция... как са еволюирали тези вируси...
02:44
by just choosing DNA elements or RNA elements
55
152000
3000
просто като изберем ДНК елементи или РНК елементи
02:47
in these regions to represent on our chip as detection reagents.
56
155000
4000
в тези региони, които да представим на нашия чип като реагенти за откриване.
02:51
OK, so that's what we did, but how are we going to do that?
57
159000
3000
Ето какво направихме, но как да го сторим?
02:54
Well, for a long time, since I was in graduate school,
58
162000
2000
Ами, от дълго време, откакто бях в университета
02:56
I've been messing around making DNA chips --
59
164000
3000
бърникам и правя ДНК чипове...
02:59
that is, printing DNA on glass.
60
167000
2000
тоест, отпечатвам ДНК върху стъкло.
03:01
And that's what you see here:
61
169000
1000
Ето какво виждате тук:
03:02
These little salt spots are just DNA tacked onto glass,
62
170000
3000
тези малки солени петна са просто ДНК, прикрепена на стъкло,
03:05
and so I can put thousands of these on our glass chip
63
173000
3000
така че мога да сложа хиляди такива на нашия стъклен чип
03:08
and use them as a detection reagent.
64
176000
2000
и да ги използвам като реагент за откриване.
03:10
We took our chip over to Hewlett-Packard
65
178000
2000
Отнесохме нашия чип в "Хюлет-Пакард",
03:12
and used their atomic force microscope on one of these spots,
66
180000
2000
разгледахме едно от тези петна с техния атомно захранван микроскоп
03:14
and this is what you see:
67
182000
2000
и ето какво виждате:
03:16
you can actually see the strands of DNA lying flat on the glass here.
68
184000
3000
всъщност виждате нишките ДНК, легнали на стъклото тук.
03:19
So, what we're doing is just printing DNA on glass --
69
187000
3000
Онова, което правим, е просто да отпечатваме ДНК върху стъкло...
03:22
little flat things -- and these are going to be markers for pathogens.
70
190000
4000
малки плоски неща... и това ще са маркери за патогени.
03:26
OK, I make little robots in lab to make these chips,
71
194000
3000
Така, правя малки роботи в лабораторията, които да правят тези чипове
03:29
and I'm really big on disseminating technology.
72
197000
3000
и наистина ме бива в разпространението на технология.
03:32
If you've got enough money to buy just a Camry,
73
200000
3000
Ако имате достатъчно пари да купите само едно "Камри",
03:35
you can build one of these too,
74
203000
2000
и вие може да изградите едно от тези
03:37
and so we put a deep how-to guide on the Web, totally free,
75
205000
4000
и затова поставяме задълбочен наръчник в мрежата, напълно безплатно,
03:41
with basically order-off-the-shelf parts.
76
209000
2000
по същество с широко достъпни части...
03:43
You can build a DNA array machine in your garage.
77
211000
3000
може да изградите машина за анализ на ДНК в гаража си.
03:46
Here's the section on the all-important emergency stop switch.
78
214000
3000
Ето частта за изключително важния стоп превключвател.
03:49
(Laughter)
79
217000
2000
(Смях)
03:51
Every important machine's got to have a big red button.
80
219000
3000
Всяка важна машина трябва да има едно голямо червено копче.
03:54
But really, it's pretty robust.
81
222000
2000
Но всъщност е доста яка.
03:56
You can actually be making DNA chips in your garage
82
224000
3000
Всъщност може да правите ДНК чипове в гаража си
03:59
and decoding some genetic programs pretty rapidly. It's a lot of fun.
83
227000
4000
и да декодирате някои генетични програми доста бързо. Много е забавно.
04:03
(Laughter)
84
231000
1000
(Смях)
04:04
And so what we did -- and this is a really cool project --
85
232000
4000
И така, онова, което правихме... наистина страхотен проект...
04:08
we just started by making a respiratory virus chip.
86
236000
2000
започнахме просто като направихме чип за дихателни вируси.
04:10
I talked about that --
87
238000
2000
Говорих за това...
04:12
you know, that situation where you go into the clinic
88
240000
2000
разбирате ли, ситуацията, при която влизаш в клиниката
04:14
and you don't get diagnosed?
89
242000
2000
и не ти поставят диагноза?
04:16
Well, we just put basically all the human respiratory viruses
90
244000
2000
Е, по същество просто поставяме всички човешки дихателни вируси
04:18
on one chip, and we threw in herpes virus for good measure --
91
246000
3000
на един чип, а включихме и вируса на херпес за цвят...
04:21
I mean, why not?
92
249000
1000
искам да кажа, защо не?
04:22
The first thing you do as a scientist is,
93
250000
2000
Първото, което правиш като учен е,
04:24
you make sure stuff works.
94
252000
1000
трябва да се увериш, че това нещо работи.
04:25
And so what we did is, we take tissue culture cells
95
253000
3000
Затова просто взехме клетки от тъканни култури
04:28
and infect them with various viruses,
96
256000
2000
и ги заразихме с различни вируси,
04:30
and we take the stuff and fluorescently label the nucleic acid,
97
258000
4000
взехме материала и сложихме флуоресцентни етикети на нуклеиновата киселина,
04:34
the genetic material that comes out of these tissue culture cells --
98
262000
3000
генетичния материал, който излиза от тези клетки от тъканни култури...
04:37
mostly viral stuff -- and stick it on the array to see where it sticks.
99
265000
4000
най-вече вирусен материал... и го сложихме върху анализа, за да видим къде ще прилегне.
04:41
Now, if the DNA sequences match, they'll stick together,
100
269000
2000
Ако ДНК секвенциите съвпаднат, ще прилепнат заедно,
04:43
and so we can look at spots.
101
271000
2000
затова можем да гледаме петната.
04:45
And if spots light up, we know there's a certain virus in there.
102
273000
2000
Ако петната светнат, знаем, че там вътре има определен вирус.
04:47
That's what one of these chips really looks like,
103
275000
2000
Ето как изглежда един от тези чипове,
04:49
and these red spots are, in fact, signals coming from the virus.
104
277000
3000
а тези червени петна всъщност са сигнал, идващ от вируса.
04:52
And each spot represents a different family of virus
105
280000
3000
Всяко петно представлява различно семейство вирус
04:55
or species of virus.
106
283000
1000
или видове вирус.
04:56
And so, that's a hard way to look at things,
107
284000
2000
Това е труден начин да се разглеждат нещата,
04:58
so I'm just going to encode things as a little barcode,
108
286000
2000
затова просто ще кодирам нещата като малък баркод,
05:00
grouped by family, so you can see the results in a very intuitive way.
109
288000
4000
групирани по семейство, така че да може да видите резултатите по много интуитивен начин.
05:04
What we did is, we took tissue culture cells
110
292000
2000
Онова, което направихме беше да вземем клетки от тъканни култури
05:06
and infected them with adenovirus,
111
294000
2000
и да ги заразим с аденовирус,
05:08
and you can see this little yellow barcode next to adenovirus.
112
296000
4000
и виждате този малък жълт баркод до аденовирус.
05:12
And, likewise, we infected them with parainfluenza-3 --
113
300000
3000
Подобно заразихме с параинфлуенца-3...
05:15
that's a paramyxovirus -- and you see a little barcode here.
114
303000
2000
това е парамиксовирус... и виждате малък баркод тук.
05:17
And then we did respiratory syncytial virus.
115
305000
3000
А после направихме дихателен синкитиален вирус.
05:20
That's the scourge of daycare centers everywhere --
116
308000
2000
Това е бичът на всички детски градини...
05:22
it's like boogeremia, basically.
117
310000
2000
по същество прилича на бугеремия.
05:24
(Laughter)
118
312000
1000
(Смях)
05:25
You can see that this barcode is the same family,
119
313000
4000
Виждате... виждате, че този баркод е в същото семейство,
05:29
but it's distinct from parainfluenza-3,
120
317000
2000
но е различен от параинфлуенца-3,
05:31
which gives you a very bad cold.
121
319000
2000
която причинява много лоша настинка.
05:33
And so we're getting unique signatures, a fingerprint for each virus.
122
321000
3000
Така че получаваме уникални сигнатури, пръстов отпечатък за всеки вирус.
05:36
Polio and rhino: they're in the same family, very close to each other.
123
324000
3000
Полио и рино: те са в едно и също семейство, много близки един до друг.
05:39
Rhino's the common cold, and you all know what polio is,
124
327000
2000
Рино е обикновената настинка, а всички знаете какво е полиомиелит,
05:41
and you can see that these signatures are distinct.
125
329000
3000
и виждате, че тези сигнатури са различни.
05:44
And Kaposi's sarcoma-associated herpes virus
126
332000
3000
А свързаният със саркомата на Капоши херпесен вирус
05:47
gives a nice signature down here.
127
335000
2000
дава хубава сигнатура тук долу.
05:49
And so it is not any one stripe or something
128
337000
2000
И така, няма една ивица или нещо такова,
05:51
that tells me I have a virus of a particular type here;
129
339000
2000
което да показва, че имам определен тип вирус тук,
05:53
it's the barcode that in bulk represents the whole thing.
130
341000
4000
а баркодът, който представлява цялото нещо.
05:57
All right, I can see a rhinovirus --
131
345000
2000
Така, виждам риновирус...
05:59
and here's the blow-up of the rhinovirus's little barcode --
132
347000
2000
а тук е увеличението на малкия баркод на риновируса...
06:01
but what about different rhinoviruses?
133
349000
2000
ами различните риновируси?
06:03
How do I know which rhinovirus I have?
134
351000
2000
Как да разбера кой риновирус имам?
06:05
There're 102 known variants of the common cold,
135
353000
3000
Има 102 познати варианта на обикновената настинка,
06:08
and there're only 102 because people got bored collecting them:
136
356000
3000
а има само 102, защото на хората им омръзва да ги събират:
06:11
there are just new ones every year.
137
359000
2000
всяка година има нови.
06:13
And so, here are four different rhinoviruses,
138
361000
2000
И така, тук има четири различни риновируса
06:15
and you can see, even with your eye,
139
363000
2000
и виждате, дори с просто око,
06:17
without any fancy computer pattern-matching
140
365000
2000
без никакво завързано компютърно напасване на модели
06:19
recognition software algorithms,
141
367000
2000
и софтуерни алгоритми за разпознаване,
06:21
that you can distinguish each one of these barcodes from each other.
142
369000
3000
че може да различите тези баркодове един от друг.
06:24
Now, this is kind of a cheap shot,
143
372000
2000
Това е малко евтин кадър,
06:26
because I know what the genetic sequence of all these rhinoviruses is,
144
374000
3000
защото знам каква е генетичната секвенция на всички тези риновируси
06:29
and I in fact designed the chip
145
377000
1000
и всъщност съм проектирал чипа
06:30
expressly to be able to tell them apart,
146
378000
2000
изрично за да мога да ги различа,
06:32
but what about rhinoviruses that have never seen a genetic sequencer?
147
380000
4000
ами риновирусите, които никога не са виждали генетична секвенция?
06:36
We don't know what the sequence is; just pull them out of the field.
148
384000
2000
Не знаем каква е секвенцията; просто се изтеглят на място.
06:38
So, here are four rhinoviruses
149
386000
2000
Ето четири риновируса,
06:40
we never knew anything about --
150
388000
2000
за които никога не сме знаели нищо...
06:42
no one's ever sequenced them -- and you can also see
151
390000
3000
никой никога не се е занимавал със секвенциите им... и също виждате,
06:45
that you get unique and distinguishable patterns.
152
393000
2000
че се получават уникални и неразличими модели.
06:47
You can imagine building up some library, whether real or virtual,
153
395000
3000
Може да си представите изграждането на някаква библиотека, била тя реална или виртуална,
06:50
of fingerprints of essentially every virus.
154
398000
2000
от отпечатъци на практически всеки вирус.
06:52
But that's, again, shooting fish in a barrel, you know, right?
155
400000
3000
Но това отново е като да стреляш по риба в буре, нали?
06:55
You have tissue culture cells. There are a ton of viruses.
156
403000
2000
Имаш клетки от тъканни култури: има един тон вирус.
06:57
What about real people?
157
405000
2000
Ами истинските хора?
06:59
You can't control real people, as you probably know.
158
407000
2000
Не можеш да контролираш истинските хора, както вероятно знаете.
07:01
You have no idea what someone's going to cough into a cup,
159
409000
4000
Нямате представа кога някой ще се изкашля в чаша,
07:05
and it's probably really complex, right?
160
413000
3000
а това вероятно е наистина сложно, нали?
07:08
It could have lots of bacteria, it could have more than one virus,
161
416000
3000
Може да има много бактерии, може да има повече от един вирус
07:11
and it certainly has host genetic material.
162
419000
2000
и със сигурност има генетичен материал от гостоприемника,
07:13
So how do we deal with this?
163
421000
1000
така че как да се справим с това?
07:14
And how do we do the positive control here?
164
422000
2000
И как да осъществяваме позитивния контрол тук?
07:16
Well, it's pretty simple.
165
424000
2000
Е, много просто.
07:18
That's me, getting a nasal lavage.
166
426000
2000
Това съм аз, правят ми промивка на носа.
07:20
And the idea is, let's experimentally inoculate people with virus.
167
428000
5000
Идеята е експериментално да заразяваме хора с вирус,
07:25
This is all IRB-approved, by the way; they got paid.
168
433000
5000
така че... това е одобрено от Институционния контролен борд, между другото - платено им е.
07:30
And basically we experimentally inoculate people
169
438000
3000
И по същество експериментално заразяваме хора
07:33
with the common cold virus.
170
441000
1000
с вируса на обикновената настинка.
07:34
Or, even better, let's just take people
171
442000
2000
Или, дори по-добре - просто да вземем хора
07:36
right out of the emergency room --
172
444000
1000
направо от спешното отделение...
07:37
undefined, community-acquired respiratory tract infections.
173
445000
4000
неопределени, придобити от общността инфекции на дихателния тракт.
07:41
You have no idea what walks in through the door.
174
449000
2000
Нямате представа какво влиза през вратата.
07:43
So, let's start off with the positive control first,
175
451000
3000
Да започнем първо с позитивния контрол,
07:46
where we know the person was healthy.
176
454000
2000
при което знаем, че лицето е било здраво.
07:48
They got a shot of virus up the nose,
177
456000
2000
Инжектират им вирус в носа,
07:50
let's see what happens.
178
458000
1000
да видим какво се случва.
07:51
Day zero: nothing happening.
179
459000
2000
Ден нула: не се случва нищо.
07:53
They're healthy; they're clean -- it's amazing.
180
461000
2000
Здрави са; чисти са... изумително е.
07:55
Actually, we thought the nasal tract might be full of viruses
181
463000
2000
Всъщност мислехме, че назалният тракт може би е пълен с вируси,
07:57
even when you're walking around healthy.
182
465000
1000
дори ако се разхождаш наоколо здрав.
07:58
It's pretty clean. If you're healthy, you're pretty healthy.
183
466000
2000
Той е доста чист. Ако си здрав, си доста здрав.
08:00
Day two: we get a very robust rhinovirus pattern,
184
468000
4000
Ден втори получаваме много енергичен модел на риновирус,
08:04
and it's very similar to what we get in the lab
185
472000
2000
доста подобен на онова, което получаваме в лабораторията,
08:06
doing our tissue culture experiment.
186
474000
1000
като правим експеримента си с тъканни култури.
08:07
So that's great, but again, cheap shot, right?
187
475000
3000
Това е страхотно, но отново, евтин кадър, нали?
08:10
We put a ton of virus up this guy's nose. So --
188
478000
2000
Пъхаме един тон вируси в носа на този тип. И така...
08:12
(Laughter)
189
480000
1000
(Смях)
08:13
-- I mean, we wanted it to work. He really had a cold.
190
481000
4000
...искам да кажа, искахме да подейства. Имам предвид, той наистина имаше настинка.
08:17
So, how about the people who walk in off the street?
191
485000
4000
Ами хората, които влизат от улицата?
08:21
Here are two individuals represented by their anonymous ID codes.
192
489000
2000
Има двама индивиди, представени от анонимните си идентификационни кодове.
08:23
They both have rhinoviruses; we've never seen this pattern in lab.
193
491000
4000
И двамата имат риновируси; никога не сме виждали този модел в лабораторията.
08:27
We sequenced part of their viruses;
194
495000
2000
Направихме секвенции на част от техните вируси;
08:29
they're new rhinoviruses no one's actually even seen.
195
497000
3000
те са нови вируси, каквито всъщност никой не е виждал.
08:32
Remember, our evolutionary-conserved sequences
196
500000
2000
Помните, че нашите еволюционно запазени секвенции,
08:34
we're using on this array allow us to detect
197
502000
2000
които използваме при този анализ ни позволяват да откриваме
08:36
even novel or uncharacterized viruses,
198
504000
2000
дори непознати досега или нехарактеризирани вируси,
08:38
because we pick what is conserved throughout evolution.
199
506000
4000
защото подбираме онова, което е консервирано по време на еволюцията.
08:42
Here's another guy. You can play the diagnosis game yourself here.
200
510000
3000
Ето и друг. Тук може сами да играете играта на диагнозата.
08:45
These different blocks represent
201
513000
2000
Тези различни блокове представят
08:47
the different viruses in this paramyxovirus family,
202
515000
2000
различните вироси в това парамиксовирусно семейство,
08:49
so you can kind of go down the blocks
203
517000
1000
така че може един вид да слизаш по блоковете
08:50
and see where the signal is.
204
518000
2000
и да видиш къде е сигналът, разбирате ли.
08:52
Well, doesn't have canine distemper; that's probably good.
205
520000
3000
Е, няма кучешко неразположение (Гана); това вероятно е добре.
08:55
(Laughter)
206
523000
2000
(Смях)
08:57
But by the time you get to block nine,
207
525000
2000
Но докато стигнеш до девети блок,
08:59
you see that respiratory syncytial virus.
208
527000
2000
виждаш този дихателен синкитиален вирус.
09:01
Maybe they have kids. And then you can see, also,
209
529000
3000
Може би има деца. И тогава виждате също
09:04
the family member that's related: RSVB is showing up here.
210
532000
2000
членът от семейството, който е свързан: RSVB се показва тук.
09:06
So, that's great.
211
534000
1000
Така че това е страхотно.
09:07
Here's another individual, sampled on two separate days --
212
535000
3000
Ето друг индивид, от когото са взети проби в два отделни дни...
09:10
repeat visits to the clinic.
213
538000
2000
повторни посещения в клиниката.
09:12
This individual has parainfluenza-1,
214
540000
3000
Този индивид има параинфлуенца-1
09:15
and you can see that there's a little stripe over here
215
543000
2000
и виждате, че тук има една малка ивица
09:17
for Sendai virus: that's mouse parainfluenza.
216
545000
3000
за вируса сендай: това е миша параинфлуенца.
09:20
The genetic relationships are very close there. That's a lot of fun.
217
548000
4000
Генетичните връзки са много близки тук. Много забавно.
09:24
So, we built out the chip.
218
552000
1000
И така, изградихме чипа.
09:25
We made a chip that has every known virus ever discovered on it.
219
553000
4000
Направихме чип, върху който има всеки познат вирус, откриван някога.
09:29
Why not? Every plant virus, every insect virus, every marine virus.
220
557000
3000
Защо не? Всеки растителен вирус, всеки насекомен вирус, всеки морски вирус.
09:32
Everything that we could get out of GenBank --
221
560000
2000
Всичко, което можахме да измъкнем от ГенБанк...
09:34
that is, the national repository of sequences.
222
562000
2000
тоест, националното хранилище за секвенции.
09:36
Now we're using this chip. And what are we using it for?
223
564000
3000
Сега използваме този чип. А за какво го използваме?
09:39
Well, first of all, when you have a big chip like this,
224
567000
2000
Е, първо, когато имаш такъв голям чип,
09:41
you need a little bit more informatics,
225
569000
2000
ти е нужна малко повече информатика,
09:43
so we designed the system to do automatic diagnosis.
226
571000
2000
затова проектирахме системата да поставя автоматична диагноза.
09:45
And the idea is that we simply have virtual patterns,
227
573000
3000
А идеята е, че просто имаме вирусни модели...
09:48
because we're never going to get samples of every virus --
228
576000
2000
защото никога няма да получим проби от всеки вирус;
09:50
it would be virtually impossible. But we can get virtual patterns,
229
578000
3000
би било практически невъзможно. Но можем да получим виртуални модели
09:53
and compare them to our observed result --
230
581000
2000
и да ги сравняваме с наблюдавания резултат,
09:55
which is a very complex mixture -- and come up with some sort of score
231
583000
4000
което е много сложна смес, и да излезем с някакъв вид резултат
09:59
of how likely it is this is a rhinovirus or something.
232
587000
3000
за това доколко е вероятно това да е риновирус, или нещо такова.
10:02
And this is what this looks like.
233
590000
2000
Ето как изглежда.
10:04
If, for example, you used a cell culture
234
592000
2000
Ако, например, се използва клетъчна култура,
10:06
that's chronically infected with papilloma,
235
594000
2000
хронично заразена с папилома,
10:08
you get a little computer readout here,
236
596000
2000
тук се получава малко компютърно съобщение,
10:10
and our algorithm says it's probably papilloma type 18.
237
598000
4000
а нашият алгоритъм казва, че вероятно е папилома тип 18.
10:14
And that is, in fact, what these particular cell cultures
238
602000
2000
С това всъщност са хронично заразени
10:16
are chronically infected with.
239
604000
2000
тези клетъчни култури.
10:18
So let's do something a little bit harder.
240
606000
2000
Да направим нещо малко по-трудно.
10:20
We put the beeper in the clinic.
241
608000
1000
Слагаме пейджъра в клиниката.
10:21
When somebody shows up, and the hospital doesn't know what to do
242
609000
3000
Когато се появи някой и болницата не знае какво да прави,
10:24
because they can't diagnose it, they call us.
243
612000
2000
защото не могат да поставят диагноза, се обаждат на нас.
10:26
That's the idea, and we're setting this up in the Bay Area.
244
614000
2000
Това е идеята, и уреждаме това в районът на Санфранциския залив.
10:28
And so, this case report happened three weeks ago.
245
616000
2000
И така, докладът за този случай беше преди три седмици.
10:30
We have a 28-year-old healthy woman, no travel history,
246
618000
3000
Имаме 28-годишна здрава жена, без пътувания,
10:33
[unclear], doesn't smoke, doesn't drink.
247
621000
3000
[неясно], не пуши, не пие.
10:36
10-day history of fevers, night sweats, bloody sputum --
248
624000
4000
10-дневна температура, нощно изпотяване, кървава слюнка...
10:40
she's coughing up blood -- muscle pain.
249
628000
2000
кашля кръв... мускулни болки.
10:42
She went to the clinic, and they gave her antibiotics
250
630000
4000
Отишла в клиниката, дали й антибиотици
10:46
and then sent her home.
251
634000
1000
и я изпратили вкъщи.
10:47
She came back after ten days of fever, right? Still has the fever,
252
635000
4000
Върнала се след десет дни с висока температура... още имала температура...
10:51
and she's hypoxic -- she doesn't have much oxygen in her lungs.
253
639000
3000
и била хипоксична... нямала много кислород в белите си дробове.
10:54
They did a CT scan.
254
642000
1000
Направили компютърна томография.
10:55
A normal lung is all sort of dark and black here.
255
643000
4000
Един нормален бял дроб е тъмен и черен тук.
10:59
All this white stuff -- it's not good.
256
647000
2000
Всичко това, бялото... не е добре.
11:01
This sort of tree and bud formation indicates there's inflammation;
257
649000
3000
Тази формация, подобна на дърво и пъпки, показва, че има възпаление;
11:04
there's likely to be infection.
258
652000
2000
вероятно е да е инфекция.
11:06
OK. So, the patient was treated then
259
654000
3000
Така. Значи, тогава пациентката била лекувана
11:09
with a third-generation cephalosporin antibiotic and doxycycline,
260
657000
4000
с антибиотик цефалоспорин трето поколение и доксициклин,
11:13
and on day three, it didn't help: she had progressed to acute failure.
261
661000
4000
а на третия ден, това не помогнало; състоянието й се влошило до остра недостатъчност.
11:17
They had to intubate her, so they put a tube down her throat
262
665000
3000
Трябвало да я интубират, затова поставили тръба в гърлото й
11:20
and they began to mechanically ventilate her.
263
668000
1000
и започнали да я вентилират механично.
11:21
She could no longer breathe for herself.
264
669000
2000
Вече не можела да диша сама.
11:23
What to do next? Don't know.
265
671000
2000
А какво да правят после? Не знаели.
11:25
Switch antibiotics: so they switched to another antibiotic,
266
673000
3000
Да сменят антибиотиците - затова сменили с друг антибиотик
11:28
Tamiflu.
267
676000
2000
и "Тамифлу", което...
11:30
It's not clear why they thought she had the flu,
268
678000
2000
не е ясно защо са смятали, че тя има грип...
11:32
but they switched to Tamiflu.
269
680000
2000
но сменили с "Тамифлу".
11:34
And on day six, they basically threw in the towel.
270
682000
2000
А на шестия ден по същество се отказали.
11:36
You do an open lung biopsy when you've got no other options.
271
684000
4000
Отворена белодробна биопсия се прави, когато нямаш други възможности.
11:40
There's an eight percent mortality rate with just doing this procedure,
272
688000
2000
Има осемпроцентна смъртност само при провеждане на тази процедура,
11:42
and so basically -- and what do they learn from it?
273
690000
3000
така че по същество... а какво научават от нея?
11:45
You're looking at her open lung biopsy.
274
693000
2000
Гледате нейната отворена белодробна биопсия.
11:47
And I'm no pathologist, but you can't tell much from this.
275
695000
2000
Не съм патолог, но от това не може да се разбере много.
11:49
All you can tell is, there's a lot of swelling: bronchiolitis.
276
697000
3000
Може да се разбере само, че има силно подуване: бронхиолит.
11:52
It was "unrevealing": that's the pathologist's report.
277
700000
3000
Не е разкрила нищо; това е докладът на патолога.
11:55
And so, what did they test her for?
278
703000
3000
А какви тестове са й провели?
11:58
They have their own tests, of course,
279
706000
1000
Разбира се, имат свои собствени тестове,
11:59
and so they tested her for over 70 different assays,
280
707000
3000
така че я тествали за над 70 различни проби,
12:02
for every sort of bacteria and fungus and viral assay
281
710000
3000
за всеки вид бактерия, гъбички и вирусни проби,
12:05
you can buy off the shelf:
282
713000
2000
които може да се купят:
12:07
SARS, metapneumovirus, HIV, RSV -- all these.
283
715000
3000
SARS, метапневмовирус, ХИВ, RSV... всичко това.
12:10
Everything came back negative, over 100,000 dollars worth of tests.
284
718000
4000
Всичко излязло отрицателно. Тестове на стойност над 100 000 долара.
12:14
I mean, they went to the max for this woman.
285
722000
3000
Имам предвид, че са направили максимума за тази жена.
12:17
And basically on hospital day eight, that's when they called us.
286
725000
3000
И всъщност на осмия ден в болницата ни се обадиха.
12:20
They gave us endotracheal aspirate --
287
728000
2000
Дадоха ни ендотрахиален аспират...
12:22
you know, a little fluid from the throat,
288
730000
2000
малко течност от гърлото,
12:24
from this tube that they got down there -- and they gave us this.
289
732000
2000
от една тръба, която поставили там... и ни дадоха това.
12:26
We put it on the chip; what do we see? Well, we saw parainfluenza-4.
290
734000
5000
Поставихме го на чипа и какво видяхме? Е, видяхме параинфлуенца-4.
12:31
Well, what the hell's parainfluenza-4?
291
739000
2000
А какво е параинфлуенца-4, по дяволите?
12:33
No one tests for parainfluenza-4. No one cares about it.
292
741000
3000
Никой не прави тестове за параинфлуенца-4. На никого не му пука за нея.
12:36
In fact, it's not even really sequenced that much.
293
744000
3000
Всъщност дори не са правени кой знае колко секвенции за нея.
12:39
There's just a little bit of it sequenced.
294
747000
2000
За съвсем малка част от нея е правена секвенция.
12:41
There's almost no epidemiology or studies on it.
295
749000
2000
Почти няма епидемиология или проучвания за нея.
12:43
No one would even consider it,
296
751000
2000
Никой никога не би я взел предвид,
12:45
because no one had a clue that it could cause respiratory failure.
297
753000
3000
защото на никого не може да му хрумне, че тя може да предизвика дихателна недостатъчност.
12:48
And why is that? Just lore. There's no data --
298
756000
3000
А защо така? Просто наука. Няма данни...
12:51
no data to support whether it causes severe or mild disease.
299
759000
4000
няма данни, които да подкрепят дали тя причинява тежко или леко заболяване.
12:55
Clearly, we have a case of a healthy person that's going down.
300
763000
3000
Явно имаме случай на здрав човек, който е повален.
12:58
OK, that's one case report.
301
766000
3000
Това е доклад за един случай.
13:01
I'm going to tell you one last thing in the last two minutes
302
769000
2000
Ще ви кажа едно последно нещо през последните две минути,
13:03
that's unpublished -- it's going to come out tomorrow --
303
771000
3000
което е непубликувано... ще излезе утре...
13:06
and it's an interesting case of how you might use this chip
304
774000
3000
един интересен случай за това как би могъл да се използва този чип
13:09
to find something new and open a new door.
305
777000
2000
за откриване на нещо ново и за отваряне на нова врата.
13:11
Prostate cancer. I don't need to give you many statistics
306
779000
4000
Рак на простатата. Не е нужно да ви давам много статистически данни
13:15
about prostate cancer. Most of you already know it:
307
783000
3000
за рака на простатата. повечето от вас вече знаят:
13:18
third leading cause of cancer deaths in the U.S.
308
786000
2000
трета водеща причина за смърт от рак в САЩ.
13:20
Lots of risk factors,
309
788000
2000
Много рискови фактори,
13:22
but there is a genetic predisposition to prostate cancer.
310
790000
4000
но има генетично предразположение към рак на простатата.
13:26
For maybe about 10 percent of prostate cancer,
311
794000
2000
За може би около 10 процента от рака на простатата
13:28
there are folks that are predisposed to it.
312
796000
2000
има хора, които са предразположени към него.
13:30
And the first gene that was mapped in association studies
313
798000
4000
А първият ген, който бил описан в проучвания за връзка
13:34
for this, early-onset prostate cancer, was this gene called RNASEL.
314
802000
4000
за този ранно проявяващ се рак на простатата бил един ген, наречен RNASEL.
13:38
What is that? It's an antiviral defense enzyme.
315
806000
3000
Какво е това? Това е ензим за антивирусна защита.
13:41
So, we're sitting around and thinking,
316
809000
2000
Значи, седим и си мислим:
13:43
"Why would men who have the mutation --
317
811000
2000
Защо мъже, които имат мутацията,
13:45
a defect in an antiviral defense system -- get prostate cancer?
318
813000
5000
дефект в системата за антивирусна защита, се разболяват от рак на простатата?
13:50
It doesn't make sense -- unless, maybe, there's a virus?"
319
818000
3000
Изглежда безсмислено - освен ако е възможно да има вирус.
13:53
So, we put tumors --- and now we have over 100 tumors -- on our array.
320
821000
6000
Затова включваме тумори... а сега имаме над 100 тумора... в своя анализ.
13:59
And we know who's got defects in RNASEL and who doesn't.
321
827000
3000
Знаем кой има дефекти в RNASEL и кой не.
14:02
And I'm showing you the signal from the chip here,
322
830000
3000
Тук ви показвам сигнала от клипа
14:05
and I'm showing you for the block of retroviral oligos.
323
833000
4000
и ви го показвам заради блокажа на ретровирусни олиго.
14:09
And what I'm telling you here from the signal, is
324
837000
2000
Онова, което ви казвам тук от сигнала е,
14:11
that men who have a mutation in this antiviral defense enzyme,
325
839000
4000
че мъже, които имат мутация в този ензим за антивирусна защита
14:15
and have a tumor, often have -- 40 percent of the time --
326
843000
4000
и които имат тумор, често имат... в 40 процента от случаите...
14:19
a signature which reveals a new retrovirus.
327
847000
4000
сигнатура, която разкрива един нов ретровирус.
14:23
OK, that's pretty wild. What is it?
328
851000
3000
Доста луда работа. Какъв е той?
14:26
So, we clone the whole virus.
329
854000
1000
Значи, клонираме целия вирус.
14:27
First of all, I'll tell you that a little automated prediction told us
330
855000
4000
Първо ще ви кажа, че едно малко автоматизирано предвиждане ни каза,
14:31
it was very similar to a mouse virus.
331
859000
2000
че той е много подобен на един миши вирус.
14:33
But that doesn't tell us too much,
332
861000
1000
Но това не ни казва кой знае какво,
14:34
so we actually clone the whole thing.
333
862000
2000
така че всъщност клонираме цялото нещо.
14:36
And the viral genome I'm showing you right here?
334
864000
2000
А вирусният геном, който ви показвам тук?
14:38
It's a classic gamma retrovirus, but it's totally new;
335
866000
3000
Това е класически гама ретровирус, но е напълно нов;
14:41
no one's ever seen it before.
336
869000
1000
никой не го е виждал преди.
14:42
Its closest relative is, in fact, from mice,
337
870000
3000
Най-близкият му роднина всъщност е от мишки,
14:45
and so we would call this a xenotropic retrovirus,
338
873000
4000
затова бихме го нарекли ксенотропичен ретровирус,
14:49
because it's infecting a species other than mice.
339
877000
3000
защото заразява видове, различни от мишки.
14:52
And this is a little phylogenetic tree
340
880000
2000
А това е малко филогенично дърво,
14:54
to see how it's related to other viruses.
341
882000
2000
за да се види как е свързан с други вируси.
14:56
We've done it for many patients now,
342
884000
3000
После сме го правили за много пациенти
14:59
and we can say that they're all independent infections.
343
887000
3000
и можем да кажем, че всички те са независими инфекции.
15:02
They all have the same virus,
344
890000
1000
Всички имат същия вирус,
15:03
but they're different enough that there's reason to believe
345
891000
3000
но са достатъчно различни, за да има причина да се вярва,
15:06
that they've been independently acquired.
346
894000
2000
че са го придобили независимо.
15:08
Is it really in the tissue? And I'll end up with this: yes.
347
896000
2000
Дали наистина е в тъканта? Ще приключа с това. Да.
15:10
We take slices of these biopsies of tumor tissue
348
898000
3000
Вземаме парчета от тези биопсии от туморна тъкан,
15:13
and use material to actually locate the virus,
349
901000
2000
всъщност използваме материала, за да локализираме вируса
15:15
and we find cells here with viral particles in them.
350
903000
4000
и откриваме тук клетки с вирусни частици в тях.
15:19
These guys really do have this virus.
351
907000
2000
Те наистина имат този вирус.
15:21
Does this virus cause prostate cancer?
352
909000
2000
Причинява ли този вирус рак на простатата?
15:23
Nothing I'm saying here implies causality. I don't know.
353
911000
4000
Нищо от това, което казвам тук, не загатва за причинност. Не знам.
15:27
Is it a link to oncogenesis? I don't know.
354
915000
2000
Дали е връзка с онкогенезиса? Не знам.
15:29
Is it the case that these guys are just more susceptible to viruses?
355
917000
4000
Дали тези просто са по-податливи на вируси?
15:33
Could be. And it might have nothing to do with cancer.
356
921000
3000
Възможно е. И може да няма нищо общо с рака.
15:36
But now it's a door.
357
924000
1000
Но е възможност.
15:37
We have a strong association between the presence of this virus
358
925000
3000
Имаме силна връзка между присъствието на този вирус
15:40
and a genetic mutation that's been linked to cancer.
359
928000
3000
и една генетична мутация, която е била свързана с рака.
15:43
That's where we're at.
360
931000
1000
Ето докъде сме.
15:44
So, it opens up more questions than it answers, I'm afraid,
361
932000
4000
Боя се, че това отваря повече въпроси от онези, на които отговаря,
15:48
but that's what, you know, science is really good at.
362
936000
2000
но нали знаете, че науката е наистина добра в това.
15:50
This was all done by folks in the lab --
363
938000
2000
Всичко това се върши от хората в лабораторията -
15:52
I cannot take credit for most of this.
364
940000
1000
не мога да си приписвам заслуги за повечето от това.
15:53
This is a collaboration between myself and Don.
365
941000
1000
Това е сътрудничество между мен и Дон.
15:54
This is the guy who started the project in my lab,
366
942000
3000
Това е човекът, който стартира проекта в моята лаборатория
15:57
and this is the guy who's been doing prostate stuff.
367
945000
2000
и това е човекът, който се занимава с простатата.
15:59
Thank you very much. (Applause)
368
947000
3000
Много благодаря.
ABOUT THE SPEAKER
Joe DeRisi - BiochemistJoe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria.
Why you should listen
Joseph DeRisi is a molecular biologist and biochemist, on the hunt for the genomic basis of illness. His lab at UCSF is focused on the cause of malaria, and he's also poked into SARS, avian flu and other new diseases as they crop up. His approach combines scientific rigor with a nerd's boundary-breaking enthusiasm for new techniques -- one of the qualities that helped him win a MacArthur "genius" grant in 2004. A self-confessed computer geek, DeRisi designed and programmed a groundbreaking tool for finding (and fighting) viruses -- the ViroChip, a DNA microarray that test for the presence of all known viruses in one step.
In 2008, DeRisi won the Heinz Award for Technology, the Economy and Employment.
Joe DeRisi | Speaker | TED.com