ABOUT THE SPEAKER
Cynthia Kenyon - Biochemist, geneticist
When it comes to aging well, having “good genes” (or rather, mutant ones) is key, says Cynthia Kenyon. She unlocked the genetic secret of longevity in roundworms — and now she’s working to do the same for humans.

Why you should listen

Cynthia Kenyon is revolutionizing our understanding of aging. As an expert in biochemistry and biophysics at the University of California at San Francisco, she is particularly interested in the influence that genetics have on age-related diseases (from cancer to heart failure) in living things.

Her biggest breakthrough was figuring out that there’s a “universal hormonal control for aging”: carbohydrate intake, which can have a dramatic effect on how two critical genes behave, reducing insulin production and boosting repair and renovation activities. So far, her theory has proved true for worms, mice, rats, and monkeys — and she suspects it applies to humans, too.

By studying aging, Kenyon believes that she and other scientists (many of whom have successfully duplicated her experiments) will be able to pinpoint the molecules responsible for the onset of age-related diseases in people and prevent them. She’s co-founded a drug-development company called Elixir Pharmaceuticals to do just that.

She says: "The link between aging and age-related disease suggests an entirely new way to combat many diseases all at once; namely, by going after their greatest risk factor: aging itself."

More profile about the speaker
Cynthia Kenyon | Speaker | TED.com
TEDGlobal 2011

Cynthia Kenyon: Experiments that hint of longer lives

Cynthia Kenyon: Experimente, welche auf längeres Leben hinweisen

Filmed:
1,030,469 views

Was bestimmt das Altern? Biochemikerin Cynthia Kenyon hat eine einfache, genetische Mutation entdeckt, welche die Lebenserwartung eines simplen Wurms – C. elegans – verdoppeln kann. Die Lehren aus dieser und anderen Entdeckungen deuten darauf, wie wir eines Tages massgeblich jugendliches menschliches Leben verlängern können.
- Biochemist, geneticist
When it comes to aging well, having “good genes” (or rather, mutant ones) is key, says Cynthia Kenyon. She unlocked the genetic secret of longevity in roundworms — and now she’s working to do the same for humans. Full bio

Double-click the English transcript below to play the video.

00:15
Have you ever wanted to staybleibe youngjung a little longerlänger
0
0
3000
Wolltest Du schon immer ein bisschen jünger bleiben,
00:18
and put off agingAltern?
1
3000
2000
und das Altern auf später verschieben?
00:20
This is a dreamTraum of the agesAlter.
2
5000
3000
Dieser Traum existiert sein Urzeiten.
00:23
But scientistsWissenschaftler have for a long time
3
8000
2000
Aber Wissenschaftler dachten für lange Zeit,
00:25
thought this just was never going to be possiblemöglich.
4
10000
2000
dass das niemals möglich sein würde.
00:27
They thought you just weartragen out, there's nothing you can do about it --
5
12000
3000
Sie dachten, dass man langsam abnützt und man nichts dagegen tun kann --
00:30
kindArt of like an oldalt shoeSchuh.
6
15000
2000
wie ein alter Schuh.
00:32
But if you look in natureNatur,
7
17000
2000
Aber wenn man auf die Natur achtet,
00:34
you see that differentanders kindsArten of animalsTiere
8
19000
2000
sieht man, dass verschiedene Tierarten
00:36
can have really differentanders lifespansLebenserwartung.
9
21000
2000
ganz verschiedene Lebenserwartungen besitzen.
00:38
Now these animalsTiere are differentanders from one anotherein anderer,
10
23000
2000
Nun, diese Tiere differenzieren sich voneinander,
00:40
because they have differentanders genesGene.
11
25000
2000
weil sie unterschiedliche Gene besitzen.
00:42
So that suggestsschlägt vor
12
27000
2000
Das weist darauf hin,
00:44
that somewhereirgendwo in these genesGene, somewhereirgendwo in the DNADNA,
13
29000
2000
dass sich irgendwo in diesen Genen, irgendwo in der DNA
00:46
are genesGene for agingAltern,
14
31000
2000
Gene für das Altern
00:48
genesGene that allowzulassen them to have differentanders lifespansLebenserwartung.
15
33000
2000
und die unterschiedlichen Lebenserwartungen befinden.
00:50
So if there are genesGene like that,
16
35000
2000
Wenn solche Gene existieren,
00:52
then you can imaginevorstellen that,
17
37000
2000
kann man sich vorstellen,
00:54
if you could changeVeränderung one of the genesGene in an experimentExperiment,
18
39000
2000
dass wenn man diese Gene in einem Experiment verändert,
00:56
an agingAltern geneGen,
19
41000
2000
diese Alters Gene,
00:58
maybe you could slowlangsam down agingAltern and extenderweitern lifespanLebensdauer.
20
43000
3000
könnte man das Altern verlangsamen und die Lebenserwartung ausdehnen.
01:01
And if you could do that, then you could find the genesGene for agingAltern.
21
46000
3000
Und wenn man das tun könnte, könnte man die Gene für das Altern finden.
01:04
And if they existexistieren and you can find them,
22
49000
2000
Und wenn sie existieren und man sie finden kann,
01:06
then maybe one could eventuallyschließlich do something about it.
23
51000
3000
könnte jemand sich möglicherweise etwas mit ihnen anfangen.
01:09
So we'vewir haben setSet out to look for genesGene that controlsteuern agingAltern.
24
54000
3000
Also haben wir uns daran gemacht, Gene zu finden, die das Altern kontrollieren.
01:12
And we didn't studyStudie any of these animalsTiere.
25
57000
3000
Und wir haben keine dieser Tiere studiert.
01:15
InsteadStattdessen, we studiedstudiert a little, tinysehr klein, roundrunden wormWurm callednamens C. eleganselegans,
26
60000
3000
Stattdessen, studierten wir einen winzigen, kleinen, runden Wurm namens C. elegans,
01:18
whichwelche is just about the sizeGröße of a commaKomma in a sentenceSatz.
27
63000
3000
welcher nur so gross ist, wie das Komma in einem Satz.
01:21
And we were really optimisticoptimistisch that we could find something
28
66000
3000
Und wir waren wirklich optimistisch etwas zu finden,
01:24
because there had been a reportBericht of a long-livedlanglebig mutantMutant.
29
69000
3000
denn es existierte ein Bericht über einen langlebigen Mutanten.
01:27
So we startedhat angefangen to changeVeränderung genesGene at randomzufällig,
30
72000
2000
Also änderten wir nach Zufallsprinzip Gene ab,
01:29
looking for long-livedlanglebig animalsTiere.
31
74000
2000
nach langlebigen Tieren suchend.
01:31
And we were very luckyglücklich to find
32
76000
2000
Und wir hatten das Glück herauszufinden,
01:33
that mutationsMutationen that damageBeschädigung one singleSingle geneGen callednamens daf-DAF-2
33
78000
4000
dass Mutationen, die ein einzelnes Gen namens Daf-2 beschädigten,
01:37
doubledverdoppelt the lifespanLebensdauer of the little wormWurm.
34
82000
3000
die Lebenserwartung des kleinen Wurms verdoppelten.
01:40
So you can see in blackschwarz, after a monthMonat --
35
85000
2000
In Schwarz sieht man, nach einem Monat --
01:42
they're very short-livedkurzlebig; that's why we like to studyStudie them
36
87000
2000
sie sind sehr kurzlebig, deshalb studieren wir sie gerne
01:44
for studiesStudien of agingAltern --
37
89000
2000
für Studien über das Altern --
01:46
in blackschwarz, after a monthMonat, the normalnormal wormsWürmer are all deadtot.
38
91000
3000
in Schwarz, nach einem Monat, sind alle normalen Würmer tot.
01:49
But at that time,
39
94000
2000
Aber zu diesem Zeitpunkt,
01:51
mostdie meisten of the mutantMutant wormsWürmer are still aliveam Leben.
40
96000
2000
sind die meisten Mutanten Würmer noch am Leben.
01:53
And it isn't untilbis twicezweimal as long
41
98000
2000
Und es dauert doppelt so lang,
01:55
that they're all deadtot.
42
100000
2000
bis alle tot sind.
01:57
And now I want to showShow what they actuallytatsächlich look like in this movieFilm here.
43
102000
3000
Und nun möchte ich zeigen, wie sie tatsächlich aussehen, in diesem Film hier.
02:00
So the first thing you're going to see
44
105000
2000
So, das Erste, dass ihr sehen werdet,
02:02
is the normalnormal wormWurm
45
107000
2000
ist der normale Wurm
02:04
when it's about collegeHochschule studentSchüler ageAlter -- a youngjung adultErwachsene.
46
109000
3000
wenn er ungefähr im Studenten Alter ist -- ein junger Erwachsener.
02:07
It's quiteganz a cuteniedlich little fellowGefährte.
47
112000
3000
Er ist ein eigentlich ganz süsser Genosse.
02:10
And nextNächster you're going to see the long-livedlanglebig mutantMutant when it's youngjung.
48
115000
3000
Und als nächstes seht ihr den langlebigen Mutanten, wenn er noch jung ist.
02:13
So this animalTier is going to liveLeben twicezweimal as long.
49
118000
2000
Dieses Tier wird doppelt so lange leben.
02:15
Is it miserableelend? It doesn't seemscheinen to be.
50
120000
2000
Geht es ihm schlecht? Es scheint nicht so.
02:17
It's activeaktiv. You can't tell the differenceUnterschied really.
51
122000
3000
Er ist aktiv. Man kann keinen wirklichen Unterschied feststellen.
02:20
And they can be completelyvollständig fertilefruchtbar --
52
125000
2000
Und sie können vollständig fruchtbar sein --
02:22
have the samegleich numberNummer of progenyNachkommen as the normalnormal wormsWürmer do.
53
127000
2000
die gleiche Nummer an Nachkommen wie normale Würmer haben.
02:24
Now get out your handkerchiefsTaschentücher here.
54
129000
2000
Nun dürft ihr eure Taschentücher hervornehmen.
02:26
You're going to see, in just two weeksWochen,
55
131000
2000
Ihr werdet sehen, dass in nur zwei Wochen,
02:28
the normalnormal wormsWürmer are oldalt.
56
133000
2000
die normalen Würmer alt sind.
02:30
You can see the little headKopf movingbewegend down at the bottomBoden there.
57
135000
3000
Ihr seht hier unten, wie der kleine Kopf sich bewegt.
02:33
But everything elsesonst is just lyingliegend there.
58
138000
2000
Aber alles andere liegt nur da.
02:35
The animal'sdes Tieres clearlydeutlich in the nursingKrankenpflege home.
59
140000
2000
Das Tier ist offensichtlich im Altersheim.
02:37
And if you look at the tissuesGewebe of the animalTier, they're startingbeginnend to deteriorateverschlechtern.
60
142000
3000
Und, wenn ihr das Gewebe der Tiere betrachtet, sieht man, wie sie anfangen zu zerfallen.
02:40
You know, even if you've never seengesehen one of these little C. eleganselegans --
61
145000
2000
Ihr wisst, sogar wenn ihr noch nie einen dieser kleinen C. elgans gesehen habt --
02:42
whichwelche probablywahrscheinlich mostdie meisten of you haven'thabe nicht seengesehen one --
62
147000
2000
die meisten von euch haben wahrscheinlich noch keinen gesehen --
02:44
you can tell they're oldalt -- isn't that interestinginteressant?
63
149000
3000
dass sie alt sind -- ist das nicht interessant?
02:47
So there's something about agingAltern that's kindArt of universalUniversal-.
64
152000
3000
Hier ist nun etwas über das Altern, das universal ist.
02:50
And now here is the daf-DAF-2 mutantMutant.
65
155000
3000
Und hier haben wir nun den Daf-2 Mutanten.
02:53
One geneGen is changedgeändert out of 20,000, and look at it.
66
158000
2000
Ein Gen von 20,000 wurde modifiziert, und schaut es an.
02:55
It's the samegleich ageAlter, but it's not in the nursingKrankenpflege home;
67
160000
3000
Es ist im gleichen Alter, aber es ist nicht im Altersheim;
02:58
it's going skiingSkifahren.
68
163000
3000
es geht Ski-Fahren.
03:01
This is what's really coolcool: it's agingAltern more slowlylangsam.
69
166000
3000
Das ist, was richtig cool ist: Es altert langsamer.
03:04
It takes this wormWurm two daysTage
70
169000
2000
Dieser Wurm braucht zwei Tage,
03:06
to ageAlter as much as the normalnormal wormWurm agesAlter in one day.
71
171000
2000
um so viel zu altern, wie der normale Wurm an einem Tag.
03:08
And when I tell people about this,
72
173000
2000
Und wenn ich Leuten dies erzähle,
03:10
they tendneigen to think of maybe an 80 or 90 year-oldj hrige personPerson
73
175000
4000
tendieren sie dazu, an Leute zu denken, welche 80 oder 90 Jahre alt sind,
03:14
who lookssieht aus really good for beingSein 90 or 80.
74
179000
2000
aber wirklich gut für ihr Alter von 90 oder 80 Jahren aussehen.
03:16
But it's really more like this:
75
181000
2000
Aber eigentlich ist es eher so:
03:18
let's say you're a 30 year-oldj hrige guy -- or in your 30s --
76
183000
3000
sagen wir, du bist ein 30-jähriger Typ -- oder in deinen 30ern --
03:21
and you're a bachelorBachelor and you're datingDating people.
77
186000
2000
und du bist ein Bachelor und gehst mit Leuten aus.
03:23
And you meetTreffen someonejemand you really like, you get to know her.
78
188000
3000
Und du triffst jemanden, den du wirklich magst, du möchtest sie gerne kennenlernen.
03:26
And you're in a restaurantRestaurant, and you say, "Well how oldalt are you?"
79
191000
3000
Und ihr seid in einem Restaurant, und du sagst, "Nun, wie alt bist du?"
03:29
She sayssagt, "I'm 60."
80
194000
2000
Und sie sagt, "Ich bin 60."
03:31
That's what it's like. And you would never know.
81
196000
2000
So ist es. Und du würdest es nie wissen.
03:33
You would never know, untilbis she told you.
82
198000
2000
Du würdest es nie wissen, bis sie es dir sagen würde.
03:35
(LaughterLachen)
83
200000
4000
(Gelächter)
03:39
Okay.
84
204000
2000
Okay.
03:41
So what is the daf-DAF-2 geneGen?
85
206000
2000
Also was ist Daf-2 Gen?
03:43
Well as you know, genesGene, whichwelche are partTeil of the DNADNA,
86
208000
2000
Wie ihr wisst, Gene, welche Bestandteil der DNA sind,
03:45
they're instructionsAnleitung to make a proteinEiweiß that does something.
87
210000
3000
sind Bedienungsanleitungen um Proteine herzustellen, die etwas tun.
03:48
And the daf-DAF-2 geneGen
88
213000
2000
Und das Daf-2 Gen
03:50
encodeskodiert a hormoneHormon receptorRezeptor.
89
215000
2000
kodiert einen Hormon Rezeptor.
03:52
So what you see in the pictureBild there
90
217000
2000
Also was in diesem Bild seht,
03:54
is a cellZelle with a hormoneHormon receptorRezeptor in redrot
91
219000
2000
ist eine Zelle mit einem Hormon Rezeptor in Rot
03:56
punchingStanzen throughdurch the edgeRand of the cellZelle.
92
221000
2000
welche den Rand einer Zelle durchdringt.
03:58
So partTeil of it is like a baseballBaseball gloveHandschuh.
93
223000
2000
Ein Teil von ihr ist wie ein Baseballhandschuh.
04:00
PartTeil of it's on the outsidedraußen,
94
225000
2000
Ein Teil davon ist aussen,
04:02
and it's catchingfangend the hormoneHormon as it comeskommt by in greenGrün.
95
227000
2000
und es fängt das Hormon, wenn das Hormon eintritt, in Grün.
04:04
And the other partTeil is on the insideinnen
96
229000
2000
Und der andere Teil befindet sich innen,
04:06
where it sendssendet signalsSignale into the cellZelle.
97
231000
2000
wo es Signale in die Zelle sendet.
04:08
Okay, so what is the daf-DAF-2 receptorRezeptor
98
233000
2000
Okay, was sagt nun der Daf-2 Rezeptor
04:10
tellingErzählen the insideinnen of the cellZelle?
99
235000
2000
dem Inneren der Zelle?
04:12
I just told you that, if you make a mutationMutation in the daf-DAF-2 geneGen cellZelle,
100
237000
3000
Ich habe euch gerade gesagt, dass wenn man die Daf-2 Gen Zelle mutiert,
04:15
that you get a receptorRezeptor that doesn't work as well;
101
240000
2000
einen Rezeptor hat, der nicht mehr so gut funktioniert;
04:17
the animalTier livesLeben longerlänger.
102
242000
2000
das Tier lebt länger.
04:19
So that meansmeint that the normalnormal functionFunktion of this hormoneHormon receptorRezeptor
103
244000
3000
Das heisst, dass die normale Funktion dieses Hormon Rezeptors
04:22
is to speedGeschwindigkeit up agingAltern.
104
247000
2000
das Beschleunigen des Altern ist.
04:24
That's what that arrowPfeil meansmeint.
105
249000
2000
Das ist die Bedeutung dieses Pfeils.
04:26
It speedsGeschwindigkeiten up agingAltern. It makesmacht it go fasterschneller.
106
251000
2000
Er beschleunigt das Altern. Er macht, dass es schneller geht.
04:28
So it's like the animalTier has the grimgrimmig reaperSchnitter insideinnen of itselfselbst,
107
253000
2000
Es ist, als ob das Tier den Sensenmann in sich selber trägt,
04:30
speedingdie Beschleunigung up agingAltern.
108
255000
2000
und das Altern beschleunigt.
04:32
So this is altogetherinsgesamt really, really interestinginteressant.
109
257000
3000
Im Vollen und Ganzen ist das äusserst interessant.
04:35
It sayssagt that agingAltern is subjectFach to controlsteuern by the genesGene,
110
260000
3000
Das heisst, dass das Altern von Genen kontrolliert wird,
04:38
and specificallyspeziell by hormonesHormone.
111
263000
3000
und spezifisch von Hormonen.
04:41
So what kindArt of hormonesHormone are these?
112
266000
2000
Was für eine Art von Hormonen ist das also?
04:43
There's lots of hormonesHormone. There's testosteroneTestosteron, adrenalinAdrenalin.
113
268000
2000
Es gibt viele Hormone. Da wären Testosteron, Adrenalin.
04:45
You know about a lot of them.
114
270000
2000
Ihr wisst viel über die.
04:47
These hormonesHormone are similarähnlich
115
272000
2000
Diese Hormone sind
04:49
to hormonesHormone that we have in our bodiesKörper.
116
274000
2000
Hormonen in unserem Körper ähnlich.
04:51
The daf-DAF-2 hormoneHormon receptorRezeptor
117
276000
2000
Der Daf-2 Hormon Rezeptor
04:53
is very similarähnlich to the receptorRezeptor
118
278000
2000
ähnelt sehr dem Rezeptor
04:55
for the hormoneHormon insulinInsulin and IGF-IGF-1.
119
280000
3000
für die Hormone Insulin und IGF-1.
04:58
Now you've all heardgehört of at leastam wenigsten insulinInsulin.
120
283000
2000
Nun habt ihr sich alle zumindest von Insulin gehört.
05:00
InsulinInsulin is a hormoneHormon that promotesfördert die the uptakeAufnahme of nutrientsNährstoffe
121
285000
3000
Insulin ist ein Hormon, dass die Aufnahme von Nährstoffen
05:03
into your tissuesGewebe after you eatEssen a mealMahlzeit.
122
288000
2000
in das Gewebe fördert, nachdem ihr gegessen habt.
05:05
And the hormoneHormon IGF-IGF-1 promotesfördert die growthWachstum.
123
290000
3000
Und das Hormon IGF-1 fördert das Wachstum.
05:08
So these functionsFunktionen were knownbekannt for these hormonesHormone for a long time,
124
293000
3000
Diese Funktionen der Hormone waren für lange Zeit bekannt,
05:11
but our studiesStudien suggestedempfohlen
125
296000
2000
aber unsere Studien suggerieren,
05:13
that maybe they had a thirddritte functionFunktion that nobodyniemand knewwusste about --
126
298000
2000
dass sie vielleicht eine dritte Funktion ausübten, über die niemand bescheid wusste --
05:15
maybe they alsoebenfalls affectbeeinflussen agingAltern.
127
300000
2000
vielleicht beeinflussen sie ebenfalls das Altern.
05:17
And it's looking like that's the caseFall.
128
302000
2000
Und es scheint, als wäre das der Fall.
05:19
So after we madegemacht our discoveriesEntdeckungen with little C. eleganselegans,
129
304000
3000
Nachdem wir unsere Entdeckungen mit dem kleinen C. elegans gemacht hatten,
05:22
people who workedhat funktioniert on other kindsArten of animalsTiere
130
307000
2000
fragten uns Leute, welche mit anderen Tieren arbeiteten,
05:24
startedhat angefangen askingfragen, if we madegemacht the samegleich daf-DAF-2 mutationMutation,
131
309000
3000
ob wenn man die gleiche Daf-2 Mutation,
05:27
the hormoneHormon receptorRezeptor mutationMutation, in other animalsTiere,
132
312000
3000
der Hormon Rezeptor Mutation, in anderen Tieren durchführte,
05:30
will they liveLeben longerlänger?
133
315000
2000
sie länger leben würden.
05:32
And that is the caseFall in fliesfliegt.
134
317000
2000
Und das ist der Fall bei Fliegen.
05:34
If you changeVeränderung this hormoneHormon pathwayWeg in fliesfliegt, they liveLeben longerlänger.
135
319000
3000
Wenn man diesen Hormon Prozess in Fliegen ändert, leben sie länger.
05:37
And alsoebenfalls in miceMäuse -- and miceMäuse are mammalsSäugetiere like us.
136
322000
3000
Ebenfalls in Mäusen -- und Mäuse sind Säugetiere wie wir.
05:40
So it's an ancientAntike pathwayWeg,
137
325000
2000
Es ist also ein sehr alter Prozess,
05:42
because it mustsollen have arisenentstanden a long time agovor in evolutionEvolution
138
327000
2000
denn er muss vor langer Zeit angefangen haben,
05:44
sucheine solche that it still worksWerke in all these animalsTiere.
139
329000
3000
wenn er in all diesen Tieren noch immer funktioniert.
05:47
And alsoebenfalls, the commonverbreitet precursorVorläufer alsoebenfalls gavegab riseerhebt euch to people.
140
332000
3000
Ebenfalls, ein gemeinsamer Vorläufer liess Leute aufrecht gehen.
05:50
So maybe it's workingArbeiten in people the samegleich way.
141
335000
2000
Also funktioniert es in Leuten vielleicht auf gleiche Art und Weise.
05:52
And there are hintsHinweise of this.
142
337000
2000
Und dafür gibt es Hinweise.
05:54
So for exampleBeispiel, there was one studyStudie that was doneerledigt
143
339000
2000
Beispielsweise, es wurde eine Studie durchgeführt,
05:56
in a populationBevölkerung of AshkenaziAshkenazi JewsJuden in NewNeu YorkYork CityStadt.
144
341000
3000
in einer Population von Ashkenazi Juden in New York City.
05:59
And just like any populationBevölkerung,
145
344000
2000
Und wie in jeder anderen Population,
06:01
mostdie meisten of the people liveLeben to be about 70 or 80,
146
346000
3000
lebten die meisten Leute bis zum Alter von 70 oder 80,
06:04
but some liveLeben to be 90 or 100.
147
349000
2000
aber manche wurden 90 oder 100.
06:06
And what they foundgefunden
148
351000
2000
Und was man herausfand, war,
06:08
was that people who livedlebte to 90 or 100
149
353000
3000
dass die Leute, die bis 90 oder 100 lebten,
06:11
were more likelywahrscheinlich to have daf-DAF-2 mutationsMutationen --
150
356000
3000
mit höherer Wahrscheinlichkeit eine Daf-2 Mutation besassen --
06:14
that is, changesÄnderungen in the geneGen
151
359000
2000
das heisst, eine Änderung in den Genen,
06:16
that encodeskodiert the receptorRezeptor for IGF-IGF-1.
152
361000
2000
die den IGF-1 Rezeptor kodieren.
06:18
And these changesÄnderungen madegemacht the geneGen not actHandlung as well
153
363000
5000
Und diese Änderungen führten dazu, dass das Gen nicht so gut funktionierte,
06:23
as the normalnormal geneGen would have actedgehandelt.
154
368000
2000
wie ein normales Gen.
06:25
It damagedbeschädigt the geneGen.
155
370000
2000
Sie beschädigten das Gen.
06:27
So those are hintsHinweise
156
372000
2000
Das sind also Hinweise,
06:29
suggestingschlägt vor that humansMenschen are susceptibleanfällig
157
374000
2000
die suggerieren, dass Menschen beeinflussbar
06:31
to the effectsAuswirkungen of the hormonesHormone for agingAltern.
158
376000
2000
durch die Effekte der Hormone für das Altern sind.
06:33
So the nextNächster questionFrage, of courseKurs, is:
159
378000
2000
Also ist die nächste Frage, natürlich:
06:35
Is there any effectbewirken on age-relatedaltersbedingt diseaseKrankheit?
160
380000
3000
Gibt es Auswirkungen bezüglich altersbedingter Krankheiten?
06:38
As you ageAlter, you're much more likelywahrscheinlich
161
383000
2000
Um so älter ihr werdet, umso wahrscheinlicher ist es,
06:40
to get cancerKrebs, Alzheimer'sAlzheimer Krankheit diseaseKrankheit,
162
385000
2000
dass ihr Krebs bekommt, Alzheimer,
06:42
heartHerz diseaseKrankheit, all sortssortiert of diseasesKrankheiten.
163
387000
2000
Herzleiden, alle Arten von Krankheiten.
06:44
It turnswendet sich out that these long-livedlanglebig mutantsMutanten
164
389000
2000
Es stellt sich heraus, dass all diese langlebigen Mutanten
06:46
are more resistantbeständig to all these diseasesKrankheiten.
165
391000
2000
all diesen Krankheiten gegenüber resistenter sind.
06:48
They hardlykaum get cancerKrebs,
166
393000
2000
Sie bekommen fast nie Krebs,
06:50
and when they do it's not as severeschwer.
167
395000
2000
und selbst wenn, dann nicht mit gleicher Schwere.
06:52
So it's really interestinginteressant, and it makesmacht senseSinn in a way,
168
397000
2000
Es ist also wirklich interessant, und es ergibt einen gewissen Sinn,
06:54
that they're still youngjung,
169
399000
2000
da sie noch immer jung sind,
06:56
so why would they be gettingbekommen diseasesKrankheiten of agingAltern untilbis theirihr oldalt?
170
401000
3000
also warum würden sie Krankheiten bekommen, bevor sie alt würden?
07:00
So it suggestsschlägt vor
171
405000
2000
Das weist darauf hin,
07:02
that, if we could have a therapeutictherapeutisch or a pillPille to take
172
407000
3000
dass wenn wir eine Therapie oder eine einnehmbare Pille haben könnten,
07:05
to replicatereplizieren some of these effectsAuswirkungen in humansMenschen,
173
410000
2000
die manche dieser Effekte in Menschen replizieren,
07:07
maybe we would have a way
174
412000
2000
wir vielleicht einen Weg hätten,
07:09
of combatingBekämpfung von lots of differentanders age-relatedaltersbedingt diseasesKrankheiten
175
414000
2000
diese ganzen verschiedenen altersbedingten Krankheiten zu bekämpfen,
07:11
all at onceEinmal.
176
416000
2000
alle auf einmal.
07:13
So how can a hormoneHormon ultimatelyletzten Endes affectbeeinflussen the ratePreis of agingAltern?
177
418000
2000
Also wie kann ein Hormon schlussendlich die Geschwindigkeit des Alterns einschränken?
07:15
How could that work?
178
420000
2000
Wie könnte das funktionieren?
07:17
Well it turnswendet sich out that in the daf-DAF-2 mutantsMutanten,
179
422000
3000
Es stellt sich heraus, dass in Daf-2 Mutanten
07:20
a wholeganze lot of genesGene are switchedgeschaltet on in the DNADNA
180
425000
3000
eine Menge Gene in der DNA aktiviert sind,
07:23
that encodeCodieren proteinsProteine that protectschützen the cellsZellen and the tissuesGewebe,
181
428000
3000
welche Proteine kodieren, die Zellen und Gewebe beschützen,
07:26
and repairreparieren damageBeschädigung.
182
431000
2000
und Schäden beheben.
07:28
And the way that they're switchedgeschaltet on
183
433000
3000
Und die Art und Weise wie sie aktiviert sind,
07:31
is by a geneGen regulatorRegler proteinEiweiß callednamens FOXOFOXO.
184
436000
3000
wird von einem regulierendem Protein namens FOXO bestimmt.
07:34
So in a daf-DAF-2 mutantMutant --
185
439000
2000
In einem Daf-2 Mutanten --
07:36
you see that I have the X drawngezeichnet here throughdurch the receptorRezeptor.
186
441000
2000
ihr seht, dass ich das X durch den Rezeptor gezeichnet habe.
07:38
The receptorRezeptor isn't workingArbeiten as well.
187
443000
2000
Der Rezeptor arbeitet nicht so gut.
07:40
UnderUnter those conditionsBedingungen, the FOXOFOXO proteinEiweiß in blueblau
188
445000
3000
Unter diesen Umständen, ist das FOXO Protein in Blau
07:43
has goneWeg into the nucleusKern --
189
448000
2000
in den Nukleus gegangen --
07:45
that little compartmentAbteil there in the middleMitte of the cellZelle --
190
450000
2000
das kleine Abteil hier in der Mitte der Zelle --
07:47
and it's sittingSitzung down on a geneGen bindingBindung to it.
191
452000
2000
und es setzt sich auf ein Gen, verbindet sich mit ihm.
07:49
You see one geneGen. There are lots of genesGene actuallytatsächlich that bindbinden on FOXOFOXO.
192
454000
2000
Ihr seht ein Gen. Tatsächlich gibt es eine Menge Gene, die sich an das FOXO binden.
07:51
And it's just sittingSitzung on one of them.
193
456000
2000
Und es sitzt einfach auf einem von ihnen.
07:53
So FOXOFOXO turnswendet sich on a lot of genesGene.
194
458000
2000
FOXO aktiviert eine Menge Gene.
07:55
And the genesGene it turnswendet sich on includesbeinhaltet antioxidantAntioxidans genesGene,
195
460000
3000
Und die Gene, die es aktiviert beinhalten Antioxidantien,
07:58
genesGene I call carrot-giverKarotte-Geber genesGene,
196
463000
2000
Gene, welche ich "Karotten-Geber" Gene nenne,
08:00
whosederen proteinEiweiß productsProdukte
197
465000
2000
deren Proteinerzeugnisse
08:02
actuallytatsächlich help other proteinsProteine to functionFunktion well --
198
467000
2000
tatsächlich anderen Proteinen helfen, ebenfalls gut zu funktionieren --
08:04
to foldfalten correctlykorrekt and functionFunktion correctlykorrekt.
199
469000
2000
sich korrekt zu falten und korrekt zu funktionieren.
08:06
And it can alsoebenfalls escortEscort them to the garbageMüll cansBüchsen of the cellZelle
200
471000
3000
Es kann sie auch zu den Müllkübeln der Zelle eskortieren,
08:09
and recyclerecyceln them if they're damagedbeschädigt.
201
474000
2000
und sie recyclen, sollten sie beschädigt sein.
08:11
DNADNA repairreparieren genesGene
202
476000
2000
DNA Reparatur Gene
08:13
are more activeaktiv in these animalsTiere.
203
478000
2000
sind aktiver in diesen Tieren.
08:15
And the immuneimmun systemSystem is more activeaktiv.
204
480000
2000
Und das Immunsystem ist aktiver.
08:17
And manyviele of these differentanders genesGene, we'vewir haben showngezeigt,
205
482000
3000
Und viele dieser verschiedenen Gene, haben wir gezeigt,
08:20
actuallytatsächlich contributebeitragen to the long lifespanLebensdauer of the daf-DAF-2 mutantMutant.
206
485000
3000
unterstützen die lange Lebensspanne der Daf-2 Mutanten.
08:23
So it's really interestinginteressant.
207
488000
2000
Es ist also wirklich interessant.
08:25
These animalsTiere have withininnerhalb them
208
490000
2000
Diese Tiere tragen in sich
08:27
the latentlatent capacityKapazität to liveLeben much longerlänger than they normallynormalerweise do.
209
492000
3000
die latente Leistung in sich, länger zu leben, als sie normalerweise tun.
08:30
They have the abilityFähigkeit
210
495000
2000
Sie haben die Möglichkeit
08:32
to protectschützen themselvessich from manyviele kindsArten of damageBeschädigung,
211
497000
2000
sich selber vor verschiedenen Beschädigungen zu schützen,
08:34
whichwelche we think makesmacht them liveLeben longerlänger.
212
499000
3000
was, wie wir annehmen, dazu führt, dass sie länger leben.
08:37
So what about the normalnormal wormWurm?
213
502000
2000
Was ist also mit den normalen Würmern?
08:39
Well when the daf-DAF-2 receptorRezeptor is activeaktiv,
214
504000
3000
Nun, wenn der Daf-2 Rezeptor aktiv ist,
08:42
then it triggerslöst aus a seriesSerie of eventsVeranstaltungen
215
507000
2000
dann löst das eine Reihe von Events aus
08:44
that preventverhindern FOXOFOXO
216
509000
2000
die verhindert, dass FOXO
08:46
from gettingbekommen into the nucleusKern where the DNADNA is.
217
511000
3000
in den Nukleus gelangt, wo die DNA ist.
08:49
So it can't turnWende the genesGene on.
218
514000
2000
Es kann die Gene nicht aktivieren.
08:51
That's how it worksWerke. That's why we don't see the long lifespanLebensdauer,
219
516000
2000
So funktioniert es. Das ist der Grund, warum wir keine lange Lebensspanne sehen,
08:53
untilbis we have the daf-DAF-2 mutantMutant.
220
518000
2000
bis wir einen Daf-2 Mutanten haben.
08:55
But what good is this for the wormWurm?
221
520000
2000
Aber was bringt das diesem Wurm?
08:57
Well we think that insulinInsulin and IGF-IGF-1 hormonesHormone
222
522000
3000
Wir denken, dass Insulin und IGF-1 Hormone
09:00
are hormonesHormone that are particularlyinsbesondere activeaktiv
223
525000
2000
Hormone sind, die insbesondere
09:02
underunter favorablegünstig conditionsBedingungen -- in the good timesmal --
224
527000
2000
unter vorteilhaften Umständen aktiv sind -- in guten Zeiten --
09:04
when foodLebensmittel is plentifulreichlich and there's not a lot of stressStress in the environmentUmwelt.
225
529000
3000
wenn Essen zur Genüge vorhanden ist, und nicht viel Stress in der Umwelt existiert.
09:07
Then they promotefördern the uptakeAufnahme of nutrientsNährstoffe.
226
532000
2000
Dann fördern sie die Aufnahme von Nährstoffen.
09:09
You can storeGeschäft the foodLebensmittel, use it for energyEnergie,
227
534000
3000
Man kann das Essen lagern, es für Energie verwenden,
09:12
growgrößer werden, etcetc.
228
537000
2000
wachsen, etc.
09:14
But what we think is that, underunter conditionsBedingungen of stressStress,
229
539000
3000
Aber was wir denken ist, dass unter stressigen Umständen
09:17
the levelsEbenen of these hormonesHormone dropfallen --
230
542000
2000
diese Hormon Level absinken --
09:19
for exampleBeispiel, havingmit limitedbegrenzt foodLebensmittel supplyliefern.
231
544000
3000
beispielsweise, wenn Nahrung begrenzt vorhanden ist.
09:22
And that, we think,
232
547000
2000
Und das, nehmen wir an,
09:24
is registeredregistriert by the animalTier as a dangerAchtung signalSignal,
233
549000
2000
wird von dem Tier als Warnsignal aufgenommen,
09:26
a signalSignal that things are not okay
234
551000
2000
ein Signal, dass Dinge nicht in Ordnung sind
09:28
and that it should rollrollen out its protectiveSchutz capacityKapazität.
235
553000
3000
und dass die Schutzwirkung eingeleitet werden sollte.
09:31
So it activatesaktiviert FOXOFOXO, FOXOFOXO goesgeht to the DNADNA,
236
556000
3000
Also wird FOXO aktiviert, das FOXO geht in die DNA,
09:34
and that triggerslöst aus the expressionAusdruck of these genesGene
237
559000
2000
und das
09:36
that improvesverbessert the abilityFähigkeit of the cellZelle
238
561000
2000
die die Fähigkeit der Zelle verbessert,
09:38
to protectschützen itselfselbst and repairreparieren itselfselbst.
239
563000
2000
sich selber zu schützen und reparieren.
09:40
And that's why we think the animalsTiere liveLeben longerlänger.
240
565000
2000
Und deshalb denken wir, dass die Tiere länger leben.
09:42
So you can think of FOXOFOXO
241
567000
2000
Man kann sich FOXO
09:44
as beingSein like a buildingGebäude superintendentSuperintendent.
242
569000
3000
als Gebäude Inspektor vorstellen.
09:47
So maybe he's a little bitBit lazyfaul,
243
572000
2000
Vielleicht ist er ein bisschen faul,
09:49
but he's there, he's takingunter carePflege of the buildingGebäude.
244
574000
2000
aber er ist da, und kümmert sich um die Instandhaltung des Gebäudes.
09:51
But it's deterioratingsich verschlechternd.
245
576000
2000
Aber es zerfällt.
09:53
And then suddenlyplötzlich, he learnslernt that there's going to be a hurricaneHurrikan.
246
578000
3000
Und dann, plötzlich, erfährt er, dass ein Orkan bevorsteht.
09:56
So he doesn't actuallytatsächlich do anything himselfselbst.
247
581000
2000
Also macht er selber eigentlich nichts.
09:58
He getsbekommt on the telephoneTelefon --
248
583000
2000
Er geht an das Telefon --
10:00
just like FOXOFOXO getsbekommt on the DNADNA --
249
585000
2000
wie FOXO in die DNA geht --
10:02
and he callsAnrufe up
250
587000
2000
und ruft
10:04
the rooferDachdecker, the windowFenster personPerson,
251
589000
2000
den Dachdecker, Fassadenmonteur,
10:06
the painterMaler, the floorStock personPerson.
252
591000
3000
den Maler, den Zimmerer.
10:09
And they all come and they fortifystärken the houseHaus.
253
594000
2000
Und sie kommen alle um das Haus zu verstärken.
10:11
And then the hurricaneHurrikan comeskommt throughdurch,
254
596000
2000
Und der Orkan kommt durch,
10:13
and the houseHaus is in much better conditionBedingung than it would normallynormalerweise have been in.
255
598000
2000
und das Gebäude ist in wesentlich besserem Zustand als es eigentlich gewesen wäre.
10:15
And not only that, it can alsoebenfalls just last longerlänger,
256
600000
3000
Und nicht nur das, es wird jetzt auch länger stehen,
10:18
even if there isn't a hurricaneHurrikan.
257
603000
2000
sogar wenn ein weiterer Orkan ausbleibt.
10:20
So that's the conceptKonzept here
258
605000
2000
Das ist also das Konzept
10:22
for how we think this life extensionErweiterung abilityFähigkeit existsexistiert.
259
607000
4000
für unsere Vorstellung, wie diese Lebensverlängerung möglich ist.
10:26
Now the really coolcool thing about FOXOFOXO
260
611000
2000
Die wirklich coole Sache mit FOXO ist,
10:28
is that there are differentanders formsFormen of it.
261
613000
2000
dass verschiedene Formen existieren.
10:30
We all have FOXOFOXO genesGene,
262
615000
3000
Wir haben alle FOXO Gene,
10:33
but we don't all have exactlygenau the samegleich formbilden of the FOXOFOXO geneGen.
263
618000
3000
aber wir haben nicht exakt die gleiche Form von FOXO Genen.
10:36
Just like we all have eyesAugen,
264
621000
2000
Genau so wie wir alle Augen haben,
10:38
but some of us have blueblau eyesAugen and some of us have brownbraun eyesAugen.
265
623000
3000
aber manche von uns haben blaue Augen, und andere haben braune Augen.
10:41
And there are certainsicher formsFormen of the FOXOFOXO geneGen
266
626000
3000
Und es gibt gewisse Formen des FOXO Gens,
10:44
that have foundgefunden to be more frequentlyhäufig presentGeschenk
267
629000
2000
die öfter in Leuten des Alters
10:46
in people who liveLeben to be 90 or 100.
268
631000
2000
90 oder 100 vorhanden sind.
10:48
And that's the caseFall all over the worldWelt,
269
633000
2000
Und das ist der Fall auf der ganzen Welt,
10:50
as you can see from these starsSterne.
270
635000
2000
wie man an den Sternen erkennen kann.
10:52
And eachjede einzelne one of these starsSterne representsrepräsentiert a populationBevölkerung
271
637000
2000
Und jeder dieser Sterne repräsentiert eine Population
10:54
where scientistsWissenschaftler have askedaufgefordert,
272
639000
2000
wo Wissenschaftler die Frage gestellt haben,
10:56
"Okay, are there differencesUnterschiede in the typeArt of FOXOFOXO genesGene
273
641000
2000
"Okay, gibt es Unterschiede in den Typen von FOXO Genen
10:58
amongunter people who liveLeben a really long time?" and there are.
274
643000
3000
bei Leuten, die eine wirklich lange Zeit leben?" und die gibt es.
11:01
We don't know the detailsDetails of how this worksWerke,
275
646000
2000
Wir kennen nicht die Details darüber, wie es funktioniert,
11:03
but we do know then
276
648000
2000
aber wir wissen, dass
11:05
that FOXOFOXO genesGene can impactEinfluss
277
650000
2000
FOXO Gene eine Auswirkung auf
11:07
the lifespanLebensdauer of people.
278
652000
2000
die Lebenserwartung von Menschen haben.
11:09
And that meansmeint that, maybe if we tweakzwicken it a little bitBit,
279
654000
3000
Und das heisst, vielleicht, wenn wir es ein bisschen modifizieren,
11:12
we can increaseerhöhen, ansteigen the healthGesundheit and longevityLanglebigkeit of people.
280
657000
4000
dass wir die Gesundheit und Langlebigkeit der Leute erhöhen können.
11:16
So this is really excitingaufregend to me.
281
661000
2000
Das ist wirklich aufregend für mich.
11:18
A FOXOFOXO is a proteinEiweiß that we foundgefunden in these little, roundrunden wormsWürmer
282
663000
2000
Ein FOXO ist ein Protein, dass wir in diesem kleinen, runden Wurm gefunden haben,
11:20
to affectbeeinflussen lifespanLebensdauer,
283
665000
2000
und die Lebenserwartung beeinflusst,
11:22
and here it affectsbeeinflusst lifespanLebensdauer in people.
284
667000
2000
und hier beeinflusst es Lebenserwartung in Menschen.
11:24
So we'vewir haben been tryingversuchen in our labLabor now
285
669000
2000
In unserem Laboratorium haben wir versucht
11:26
to developentwickeln drugsDrogen
286
671000
2000
Medikamente zu entwickeln,
11:28
that will activateAktivieren this FOXOFOXO cellZelle
287
673000
2000
die diese FOXO Zelle aktivieren,
11:30
usingmit humanMensch cellsZellen now
288
675000
2000
und verwenden jetzt dabei menschliche Zellen,
11:32
in orderAuftrag to try and come up with drugsDrogen
289
677000
2000
um zu versuchen Medikamente zu finden,
11:34
that will delayverzögern agingAltern and age-relatedaltersbedingt diseasesKrankheiten.
290
679000
3000
die das Altern und altersbedingte Krankheiten hinauszögern.
11:37
And I'm really optimisticoptimistisch that this is going to work.
291
682000
3000
Und ich bin wirklich optimistisch, dass dies funktionieren wird.
11:40
There are lots of differentanders proteinsProteine that are knownbekannt to affectbeeinflussen agingAltern.
292
685000
3000
Es gibt viele verschiedene Proteine, von welchen bekannt ist, dass sie das Alter beeinflussen.
11:43
And for at leastam wenigsten one of them, there is a drugDroge.
293
688000
3000
Und zumindest für eines von ihnen, existiert ein Medikament.
11:46
There's one callednamens TORTOR, whichwelche is anotherein anderer nutrientNährstoff sensorSensor,
294
691000
2000
Es gibt eines, das sich TOR nennt, ein weiterer Nährstoffsensor,
11:48
like the insulinInsulin pathwayWeg.
295
693000
2000
wie der Insulin Prozess.
11:50
And mutationsMutationen that damageBeschädigung the TORTOR geneGen --
296
695000
2000
Und Mutationen, die das TOR Gen beschädigen --
11:52
just like the daf-DAF-2 mutationsMutationen --
297
697000
2000
genau wie die Daf-2 Mutationen --
11:54
extenderweitern lifespanLebensdauer in wormsWürmer
298
699000
2000
erhöhen die Lebenserwartung in Würmern
11:56
and fliesfliegt and miceMäuse.
299
701000
3000
und Fliegen und Mäusen.
11:59
But in this caseFall, there's alreadybereits a drugDroge callednamens rapamycinRapamycin
300
704000
2000
In diesem Fall aber, existiert bereits eine Droge namens Rapamycin,
12:01
that bindsbindet to the TORTOR proteinEiweiß
301
706000
2000
die das TOR Protein an sich bindet
12:03
and inhibitshemmt its activityAktivität.
302
708000
2000
und dessen Aktivität unterbindet.
12:05
And you can take rapamycinRapamycin and give it to a mouseMaus --
303
710000
3000
Und man kann Rapamycin einer Maus verabreichen --
12:08
even when it's prettyziemlich oldalt, like ageAlter 60 for a humanMensch,
304
713000
2000
und sogar wenn sie ziemlich alt ist, wie das Alter 60 für einen Menschen,
12:10
that oldalt for a mouseMaus --
305
715000
2000
eine so alte Maus --
12:12
if you give the mouseMaus rapamycinRapamycin,
306
717000
2000
und man gibt der Maus Rapamycin,
12:14
it will liveLeben longerlänger.
307
719000
2000
dann wird sie länger leben.
12:16
Now I don't want you all to go out takingunter rapamycinRapamycin.
308
721000
2000
Nun, ich will nicht, dass ihr nun alle geht und Rapamycin einnehmt.
12:18
It is a drugDroge for people,
309
723000
2000
Es ist eine Droge für Menschen,
12:20
but the reasonGrund is it suppressesunterdrückt the immuneimmun systemSystem.
310
725000
3000
aber der Grund dafür ist, ist, dass es das Immun System unterdrückt.
12:23
So people take it to preventverhindern organOrgan transplantsTransplantationen from beingSein rejectedabgelehnt.
311
728000
4000
Menschen nehmen es also ein, um zu verhindern, dass Spenderorgane abgestossen werden.
12:27
So this maykann not be the perfectperfekt drugDroge
312
732000
2000
Das mag also nicht das perfekte Medikament sein
12:29
for stayingbleiben youngjung longerlänger.
313
734000
2000
um länger jung zu bleiben.
12:31
But still, here in the yearJahr 2011,
314
736000
3000
Aber trotzdem, in diesem Jahr 2011,
12:34
there's a drugDroge that you can give to miceMäuse at a prettyziemlich oldalt ageAlter
315
739000
2000
gibt es ein Medikament, das man einer Maus in hohem Alter verabreichen kann,
12:36
that will extenderweitern theirihr lifespanLebensdauer,
316
741000
2000
und es wird die Lebenserwartung steigern,
12:38
whichwelche comeskommt out of this scienceWissenschaft
317
743000
2000
was aus all der Wissenschaft herausgeht,
12:40
that's been doneerledigt in all these differentanders animalsTiere.
318
745000
2000
die in diesen verschiedenen Tieren durchgeführt wurde.
12:42
So I'm really optimisticoptimistisch,
319
747000
2000
Also bin ich wirklich optimistisch,
12:44
and I think it won'tGewohnheit be too long, I hopeHoffnung,
320
749000
2000
und ich denke es wird nicht zu lange dauern, hoffe ich,
12:46
before this age-olduralt dreamTraum beginsbeginnt to come truewahr.
321
751000
3000
bevor dieser uralte Traum beginnt, Realität zu werden.
12:49
Thank you.
322
754000
2000
Dankesehr.
12:51
(ApplauseApplaus)
323
756000
9000
(Applaus)
13:00
MattMatt RidleyRidley: Thank you, CynthiaCynthia.
324
765000
3000
Matt Ridley: Danke sehr, Cynthia.
13:03
Let me get this straightGerade.
325
768000
2000
Lass mich etwas klarstellen.
13:05
AlthoughObwohl you're looking for a drugDroge
326
770000
2000
Obwohl du nach einem Medikament suchst,
13:07
that can solvelösen agingAltern
327
772000
2000
dass das Altern verhindern kann,
13:09
in oldalt menMänner like me,
328
774000
3000
in alten Männern wie mir,
13:12
what you could do now prettyziemlich well in the labLabor,
329
777000
3000
was du nun ziemlich gut im Laboratorium machen könntest,
13:15
if you were alloweddürfen ethicallyethisch,
330
780000
2000
wenn du ethisch dazu befugt wärst,
13:17
is startAnfang a humanMensch life from scratchkratzen
331
782000
3000
ist es, menschliches Leben von Grund auf zu kreieren
13:20
with alteredverändert genesGene that would make it liveLeben for a lot longerlänger?
332
785000
3000
mit modifizierten Genen, welche es dazu befähigen würde, viel länger zu leben?
13:23
CKCK: AhAch, so the kindsArten of drugsDrogen I was talkingim Gespräch about
333
788000
3000
CK: Ah, also die Art Medikamente, von denen ich sprach,
13:26
would not changeVeränderung the genesGene,
334
791000
2000
würde nicht die Gene verändern,
13:28
they would just bindbinden to the proteinEiweiß itselfselbst
335
793000
3000
sondern würden sich nur an das Protein selber binden
13:31
and changeVeränderung its activityAktivität.
336
796000
2000
und dessen Aktivität ändern.
13:33
So if you stop takingunter the drugDroge, the proteinEiweiß would go back to normalnormal.
337
798000
3000
Also wenn man aufhören würde, das Medikament zu nehmen, würde das Protein wieder in den Normalzustand versetzt werden.
13:36
You could changeVeränderung the genesGene in principlePrinzip.
338
801000
3000
Prinzipiell könnte man die Gene abändern.
13:39
There isn't the technologyTechnologie to do that.
339
804000
2000
Die Technologie, dies zu tun, existiert nicht.
13:41
But I don't think that's a good ideaIdee.
340
806000
2000
Aber ich denke, das wäre keine gute Idee.
13:43
And the reasonGrund is
341
808000
2000
Der Grund ist,
13:45
that these hormonesHormone,
342
810000
2000
dass diese Hormone,
13:47
like the insulinInsulin and the IGFIGF hormonesHormone and the TORTOR pathwayWeg,
343
812000
3000
wie das Insulin das IGF Hormon und der TOR Prozess,
13:50
they're essentialwesentlich.
344
815000
2000
essenziell sind.
13:52
If you knockKnock them out completelyvollständig, then you're very sickkrank.
345
817000
3000
Wenn man sie komplett ausser Gefecht setzt, dann wird man ganz krank.
13:55
So it mightMacht be that you would just have to fine tuneTune it very carefullyvorsichtig
346
820000
3000
Möglicherweise muss man sie ganz präzise abstimmen,
13:58
to get the benefitsVorteile withoutohne gettingbekommen any problemsProbleme.
347
823000
3000
um Vorteile ohne Probleme zu schaffen.
14:01
And I think that's much better,
348
826000
2000
Und ich denke es ist viel besser,
14:03
that kindArt of controlsteuern would be much better as a drugDroge.
349
828000
2000
diese Art von Kontrolle wäre viel besser als ein Medikament.
14:05
And alsoebenfalls, there are other waysWege of activatingaktivierend FOXOFOXO
350
830000
3000
Ausserdem, es gibt andere Möglichkeiten, FOXO zu aktivieren,
14:08
that don't even involvebeinhalten insulinInsulin or IGF-IGF-1
351
833000
2000
die nicht einmal Insulin oder IGF-1 involvieren,
14:10
that mightMacht even be safersicherer.
352
835000
2000
was möglicherweise noch sicherer wäre.
14:12
MRHERR: I wasn'twar nicht suggestingschlägt vor that I was going to go and do it, but ...
353
837000
3000
MR: Ich habe nicht vorgeschlagen, dass ich es losziehen würde und es tun würde, aber ...
14:15
(LaughterLachen)
354
840000
2000
(Gelächter)
14:19
There's a phenomenonPhänomen whichwelche you have writtengeschrieben about and spokengesprochen about,
355
844000
4000
Es gibt ein Phänomen, über welches du geschrieben und gesprochen hast,
14:23
whichwelche is a negligiblevernachlässigbar senescenceSeneszenz.
356
848000
3000
welches unerhebliches Altern ist.
14:26
There are some creaturesKreaturen on this planetPlanet alreadybereits
357
851000
2000
Auf diesem Planeten existieren bereits Kreaturen,
14:28
that don't really do agingAltern.
358
853000
3000
die nicht wirklich altern.
14:31
Just moveBewegung to one sideSeite for us, if you would.
359
856000
3000
Bitte begebe dich auf eine Seite für uns, wenn möglich.
14:34
CKCK: There are. There are some animalsTiere that don't seemscheinen to ageAlter.
360
859000
3000
CK: Die gibt es. Es gibt Tiere, die nicht zu altern scheinen.
14:37
For exampleBeispiel, there are some tortoisesSchildkröten callednamens Blanding'sDie Blanding turtlesSchildkröten.
361
862000
4000
Beispielsweise, es gibt die Amerikanischen Sumpfschildkröten.
14:41
And they growgrößer werden to be about this sizeGröße.
362
866000
2000
Sie werden ungefähr so gross.
14:43
And they'veSie haben been taggedVerschlagwortet mit, and they'veSie haben been foundgefunden to be 70 yearsJahre oldalt.
363
868000
3000
Und sie wurden markiert, und man hat herausgefunden, dass sie 70 Jahre alt sind.
14:46
And when you look at these 70 year-oldj hrige turtlesSchildkröten,
364
871000
2000
Und wenn man diese 70 Jahre alten Schildkröten betrachtet,
14:48
you can't tell the differenceUnterschied, just by looking,
365
873000
3000
kann man keinen wirklichen Unterschied, nur durch Betracht, ausmachen,
14:51
betweenzwischen those turtlesSchildkröten and 20 year-oldj hrige turtlesSchildkröten.
366
876000
2000
welche Schildkröten die Alten sind, und welche die Jungen.
14:53
And the 70 year-oldj hrige onesEinsen,
367
878000
2000
Und die 70 Jahre Alten,
14:55
actuallytatsächlich they're better at scoutingScouting out the good nestingnisten placessetzt,
368
880000
3000
sind tatsächlich besser darin, gute Nistplätze auszukundschaften,
14:58
and they alsoebenfalls have more progenyNachkommen everyjeden yearJahr.
369
883000
3000
und sie haben auch mehr Nachkommen jedes Jahr.
15:01
And there are other examplesBeispiele of these kindsArten of animalsTiere,
370
886000
3000
Und es gibt andere Beispiele von dieser Art von Tieren,
15:04
like turnswendet sich, certainsicher kindsArten of birdsVögel are like this.
371
889000
3000
wie Seeschwalben, gewisse Arten von Vögeln sind so.
15:07
And nobodyniemand knowsweiß if they really can liveLeben foreverfür immer,
372
892000
2000
Und niemand weiss wirklich, ob sie ewig leben können,
15:09
or what keepshält them from agingAltern.
373
894000
2000
oder was sie am Altern hindert.
15:11
It's not clearklar.
374
896000
2000
Es ist nicht klar.
15:13
If you look at birdsVögel, whichwelche liveLeben a long time,
375
898000
3000
Wenn man Vögel anschaut, welche eine lange Zeit leben können,
15:16
cellsZellen from the birdsVögel tendneigen to be more resistantbeständig
376
901000
3000
Zellen von den Vögeln tendieren resistenter
15:19
to a lot of differentanders environmentalUmwelt stressesbetont
377
904000
2000
gegenüber umweltbedingtem Stress zu sein,
15:21
like highhoch temperatureTemperatur
378
906000
2000
wie höheren Temperaturen
15:23
or hydrogenWasserstoff peroxidePeroxid, things like that.
379
908000
2000
oder Hydrogen Peroxid, solchen Dingen.
15:25
And our long-livedlanglebig mutantsMutanten are too.
380
910000
2000
Und unsere langlebigen Mutanten sind es auch.
15:27
They're more resistantbeständig to these kindsArten of stressesbetont.
381
912000
2000
Sie sind resistenter gegen solchen Stress.
15:29
So it could be that the pathwaysWege that I've been talkingim Gespräch about,
382
914000
3000
Es ist also möglich, dass der Prozess von dem ich geredet habe,
15:32
whichwelche are setSet to runLauf really quicklyschnell in the wormWurm,
383
917000
3000
welcher im Wurm ganz schnell abläuft,
15:35
have a differentanders normalnormal setSet pointPunkt
384
920000
3000
einen anderen normalen Sollwert besitzt,
15:38
in something like a birdVogel, so that a birdVogel can liveLeben a lot longerlänger.
385
923000
3000
wie beispielsweise ein Vogel, so dass der Vogel viel länger leben kann.
15:41
And maybe they're even setSet really differentlyanders
386
926000
2000
Und vielleicht sind diese Werte ganz anders
15:43
in animalsTiere with no senescenceSeneszenz at all -- but we don't know.
387
928000
3000
als in Tieren, ganze ohne Altern -- aber das wissen wir nicht.
15:46
MRHERR: But what you're talkingim Gespräch about here
388
931000
2000
MR: Aber über was du hier redest,
15:48
is not extendingErweiterung humanMensch lifespanLebensdauer
389
933000
3000
ist nicht das Verlängern der menschlichen Lebenserwartung,
15:51
by preventingVerhindern deathTod,
390
936000
2000
in dem der Tod verhindert wird,
15:53
so much as extendingErweiterung humanMensch youthspanJugend.
391
938000
2000
sondern das Verlängern der menschlichen Jugend.
15:55
CKCK: Yes, that's right.
392
940000
2000
CK: Ja, das ist korrekt.
15:57
It's more like, say, if you were a dogHund.
393
942000
2000
Es ist mehr wie, nehmen wir an, du wärst ein Hund.
15:59
You noticebeachten that you're gettingbekommen oldalt, and you look at your humanMensch
394
944000
2000
Du merkst, dass du alt wirst, und du schaust den Menschen an,
16:01
and you think, "Why isn't this humanMensch gettingbekommen oldalt?"
395
946000
2000
und du denkst, "Warum wird dieser Mensch nicht alt?"
16:03
They're not gettingbekommen oldalt in the dog'sdes Hundes lifespanLebensdauer.
396
948000
2000
Sie werden nicht alt, in einer Hunde Lebensdauer.
16:05
It's more like that.
397
950000
2000
Es ist eher so.
16:07
But now we're the humanMensch looking out and imaginingsich vorzustellen a differentanders humanMensch.
398
952000
4000
Aber nun, da wir Menschen sind und hinausschauen und uns einen anderen Menschen vorstellen.
16:11
MRHERR: Thank you very much indeedtatsächlich, CynthiaCynthia KenyonKenyon.
399
956000
3000
MR: Danke vielmals, Cynthia Kenyon.
16:14
(ApplauseApplaus)
400
959000
3000
(Applaus)
Translated by Sidney Francois
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Cynthia Kenyon - Biochemist, geneticist
When it comes to aging well, having “good genes” (or rather, mutant ones) is key, says Cynthia Kenyon. She unlocked the genetic secret of longevity in roundworms — and now she’s working to do the same for humans.

Why you should listen

Cynthia Kenyon is revolutionizing our understanding of aging. As an expert in biochemistry and biophysics at the University of California at San Francisco, she is particularly interested in the influence that genetics have on age-related diseases (from cancer to heart failure) in living things.

Her biggest breakthrough was figuring out that there’s a “universal hormonal control for aging”: carbohydrate intake, which can have a dramatic effect on how two critical genes behave, reducing insulin production and boosting repair and renovation activities. So far, her theory has proved true for worms, mice, rats, and monkeys — and she suspects it applies to humans, too.

By studying aging, Kenyon believes that she and other scientists (many of whom have successfully duplicated her experiments) will be able to pinpoint the molecules responsible for the onset of age-related diseases in people and prevent them. She’s co-founded a drug-development company called Elixir Pharmaceuticals to do just that.

She says: "The link between aging and age-related disease suggests an entirely new way to combat many diseases all at once; namely, by going after their greatest risk factor: aging itself."

More profile about the speaker
Cynthia Kenyon | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee