Taste3 2008
Barry Schuler: Genomics 101
Barry Schuler: Grundkurs Genomik – eine Einführung
Filmed:
Readability: 3.8
454,548 views
Was ist Genomik? Wie beeinflusst sie unser Leben? in diesem fesselnden Elementarvortrag über die Genom-Revolution sagt der Unternehmer Barry Schuler, dass wir uns mindestens gesündere und schmackhaftere Nahrung erwarten dürfen. Er schlägt vor, mit dem Spätburgunder anzufangen, um bessere Reben zu konstruieren.
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Double-click the English transcript below to play the video.
00:16
What's happening in genomics,
0
0
2000
Worum geht's bei der Genomik,
00:18
and how this revolution is about to change everything we know
1
2000
5000
und wie wird diese Revolution
einfach alles verändern, was
einfach alles verändern, was
00:23
about the world, life, ourselves, and how we think about them.
2
7000
7000
wir über die Welt, das Leben, uns selbst
wissen und wie wir darüber denken?
wissen und wie wir darüber denken?
00:30
If you saw 2001: A Space Odyssey,
3
14000
3000
Wer ›2001: Odyssee im Weltraum‹
gesehen hat, weiß,
gesehen hat, weiß,
00:33
and you heard the boom, boom, boom, boom, and you saw the monolith,
4
17000
4000
dass Arthur C. Clarke
mit dem »bum, bum, bum, bum« und
mit dem »bum, bum, bum, bum« und
00:37
you know, that was Arthur C. Clarke's representation
5
21000
4000
dem Monolithen ausdrücken wollte,
dass wir an einem
dass wir an einem
00:41
that we were at a seminal moment in the evolution of our species.
6
25000
4000
Wendepunkt in der Evolution
unserer Art stehen.
unserer Art stehen.
00:45
In this case, it was picking up bones and creating a tool,
7
29000
4000
Es ging darum, Knochen als Werkzeug
zu benutzen – will sagen:
zu benutzen – will sagen:
00:49
using it as a tool, which meant that apes just, sort of,
8
33000
4000
die Affen rennen rum und essen
und treiben es miteinander
und treiben es miteinander
00:53
running around and eating and doing each other
9
37000
2000
und finden plötzlich heraus,
00:55
figured out they can make things if they used a tool.
10
39000
6000
dass sie Dinge herstellen können,
wenn sie dazu ein Werkzeug benutzen.
wenn sie dazu ein Werkzeug benutzen.
01:01
And that moved us to the next level.
11
45000
3000
Das hat uns auf die nächste Stufe gebracht.
01:04
And, you know, we in the last 30 years in particular
12
48000
4000
Speziell in den letzten 30 Jahren
haben wir einen geradezu
haben wir einen geradezu
01:08
have seen this acceleration in knowledge and technology,
13
52000
4000
rasanten Fortschritt in Wissenschaft
und Technologie gesehen,
und Technologie gesehen,
01:12
and technology has bred more knowledge and given us tools.
14
56000
3000
was uns noch mehr Wissen und
Werkzeuge eingebracht hat.
Werkzeuge eingebracht hat.
01:15
And we've seen many seminal moments.
15
59000
2000
Es gab viele bahnbrechende Schritte.
01:17
We've seen the creation of small computers in the '70s and early '80s,
16
61000
4000
Es kamen die Kleinrechner
in den 70ern und frühen 80ern,
in den 70ern und frühen 80ern,
01:21
and who would have thought back then that every single person
17
65000
3000
und wer hätte je gedacht, dass jeder von uns
01:24
would not have just one computer but probably 20,
18
68000
3000
nicht nur einen Computer, sondern eher 20
01:27
in your home, and in not just your P.C. but in every device --
19
71000
5000
daheim haben würden, und es ist
nicht nur der PC, sondern in jedem Gerät –
nicht nur der PC, sondern in jedem Gerät –
01:32
in your washing machine, your cell phone.
20
76000
3000
in der Waschmaschine, im Mobiltelefon,
01:35
You're walking around; your car has 12 microprocessors.
21
79000
4000
Man bewegt sich wohin: Das Auto
hat zwölf Microprozessoren.
hat zwölf Microprozessoren.
01:39
Then we go along and create the Internet
22
83000
2000
Und dann erfinden wir das Internet
01:41
and connect the world together; we flatten the world.
23
85000
3000
und verbinden die Welt, machen sie flach.
01:44
We've seen so much change, and we've given ourselves these tools now --
24
88000
5000
In der letzten Zeit hat sich sehr viel
verändert, und wir haben uns selbst
verändert, und wir haben uns selbst
01:49
these high-powered tools --
25
93000
2000
neue Werkzeuge geschaffen –
01:51
that are allowing us to turn the lens inward
26
95000
4000
sehr mächtige Werkzeuge –
mit denen wir nach innen
mit denen wir nach innen
01:55
into something that is common to all of us, and that is a genome.
27
99000
5000
auf etwas schauen können, was wir alle
gemein haben, und das ist das Genom.
gemein haben, und das ist das Genom.
02:00
How's your genome today? Have you thought about it lately?
28
104000
5000
Wie geht's Ihrem Genom heute?
Haben Sie in letzter Zeit mal dran gedacht?
Haben Sie in letzter Zeit mal dran gedacht?
02:05
Heard about it, at least? You probably hear about genomes these days.
29
109000
5000
Oder was von gehört? Wahrscheinlich
hört man heutzutage was über Genome.
hört man heutzutage was über Genome.
02:10
I thought I'd take a moment to tell you what a genome is.
30
114000
3000
Ich erzähl Ihnen mal kurz,
was ein Genom ist.
was ein Genom ist.
02:13
It's, sort of, like if you ask people,
31
117000
2000
Wenn man die Leute fragt:
02:15
Well, what is a megabyte or megabit? And what is broadband?
32
119000
3000
»Was bedeuten Megabyte, Megabit, Breitband?«
02:18
People never want to say, I really don't understand.
33
122000
3000
sagen die ungern: »Ich weiß nicht so genau.«
02:21
So, I will tell you right off of the bat.
34
125000
1000
Ich erzähl es Ihnen.
02:22
You've heard of DNA; you probably studied a little bit in biology.
35
126000
4000
Sie haben schon einmal was von DNA gehört,
vielleicht in Biologie.
vielleicht in Biologie.
02:26
A genome is really a description for
all of the DNA that is in a living organism.
all of the DNA that is in a living organism.
36
130000
7000
Ein Genom ist die Beschreibung der gesamten
DNA in einem lebenden Organismus.
DNA in einem lebenden Organismus.
02:33
And one thing that is common to all of life is DNA.
37
137000
6000
DNA ist das, was allem Leben gemein ist.
02:39
It doesn't matter whether you're a yeast;
38
143000
2000
Egal, ob Sie eine Hefe sind;
02:41
it doesn't matter whether you're a mouse;
39
145000
2000
egal, ob Sie eine Maus sind;
02:43
doesn't matter whether you're a fly; we all have DNA.
40
147000
4000
egal ob Sie eine Fliege sind –
wir alle haben DNA.
wir alle haben DNA.
02:47
The DNA is organized in words, call them: genes and chromosomes.
41
151000
7000
Die DNA ist in Worten angeordnet,
den sogenannten Genen und Chromosomen
den sogenannten Genen und Chromosomen
02:54
And when Watson and Crick in the '50s
42
158000
4000
Als Watson und Crick in den 50ern erstmals
02:58
first decoded this beautiful double helix that we know as the DNA molecule --
43
162000
6000
diese wundervolle Doppelhelix entzifferten,
die wir heute als das DNA-Molekül kennen –
die wir heute als das DNA-Molekül kennen –
03:04
very long, complicated molecule --
44
168000
2000
ein sehr langes, komplexes Molekül –
03:06
we then started on this journey to understand that
45
170000
4000
begann unsere Reise zum Verständnis
der DNA als Sprache,
der DNA als Sprache,
03:10
inside of that DNA is a language that determines the characteristics, our traits,
46
174000
6000
die unsere charakteristischen Eigenschaften
bestimmt, was wir vererbt bekommen,
bestimmt, was wir vererbt bekommen,
03:16
what we inherit, what diseases we may get.
47
180000
3000
welche Krankheiten wir bekommen können.
03:19
We've also along the way discovered that this is a very old molecule,
48
183000
6000
Unterwegs haben wir herausgefunden,
dass dieses Molekül schon sehr alt ist,
dass dieses Molekül schon sehr alt ist,
03:25
that all of the DNA in your body has been around forever,
49
189000
6000
dass die ganze DNA praktisch
schon immer in unserem Körper steckt,
schon immer in unserem Körper steckt,
03:31
since the beginning of us, of us as creatures.
50
195000
4000
seit unseren Anfängen als Kreaturen.
03:35
There is a historical archive.
51
199000
2000
Sie ist ein Geschichtsarchiv.
03:37
Living in your genome is the history of our species,
52
201000
5000
In unserem Genom steckt
sowohl die Geschichte unserer Art
sowohl die Geschichte unserer Art
03:42
and you as an individual human being, where you're from,
53
206000
6000
als auch die jedes Einzelnen von uns,
wo wir herkommen, und sie reicht
wo wir herkommen, und sie reicht
03:48
going back thousands and thousands and thousands of years,
54
212000
3000
Tausende und Abertausende
von Jahren zurück,
von Jahren zurück,
03:51
and that's now starting to be understood.
55
215000
3000
und das fangen wir gerade zu verstehen an.
03:54
But also, the genome is really the instruction manual.
56
218000
5000
Das Genom ist so etwas
wie eine Betriebsanleitung.
wie eine Betriebsanleitung.
03:59
It is the program. It is the code of life.
57
223000
3000
Es ist das Programm.
Es ist der Code des Lebens.
Es ist der Code des Lebens.
04:02
It is what makes you function;
58
226000
2000
Das lässt uns funktionieren;
04:04
it is what makes every organism function.
59
228000
4000
das lässt jeden Organismus funktionieren.
04:08
DNA is a very elegant molecule.
60
232000
3000
DNA ist ein sehr elegantes Molekül.
04:11
It's long and it's complicated.
61
235000
2000
Es ist lang und kompliziert.
04:13
Really all you have to know about it is that there's four letters:
62
237000
5000
Man braucht nur zu wissen, dass es sich
aus vier Buchstaben zusammensetzt:
aus vier Buchstaben zusammensetzt:
04:18
A, T, C, G; they represent the name of a chemical.
63
242000
4000
A, T, C, G; sie stehen für
die Namen von chemischen Substanzen.
die Namen von chemischen Substanzen.
04:22
And with these four letters, you can create a language:
64
246000
5000
Mit diesen vier Buchstaben
kann man eine Sprache bilden,
kann man eine Sprache bilden,
04:27
a language that can describe anything, and very complicated things.
65
251000
5000
mit der man selbst komplizierteste
Sachverhalte beschreiben kann.
Sachverhalte beschreiben kann.
04:32
You know, they are generally put together in pairs,
66
256000
3000
Allgemein fasst man sie zu Paaren zusammen,
04:35
creating a word or what we call base pairs.
67
259000
3000
die dann die Worte bilden – die Basenpaare.
04:38
And you would, you know, when you think about it,
68
262000
3000
Wenn man mal drüber nachdenkt:
04:41
four letters, or the representation of four things, makes us work.
69
265000
6000
vier Buchstaben, oder die Bezeichner
für vier Dinge, lassen uns funktionieren.
für vier Dinge, lassen uns funktionieren.
04:47
And that may not sound very intuitive,
70
271000
3000
Das hört sich nicht sehr naturgegeben an,
04:50
but let me flip over to something else you know about, and that's computers.
71
274000
4000
aber lassen Sie mich mal
zu etwas anderem wechseln: Computer.
zu etwas anderem wechseln: Computer.
04:54
Look at this screen here and, you know, you see pictures
72
278000
4000
Sehen Sie auf diesen Bildschirm:
man sieht Bilder und Wörter,
man sieht Bilder und Wörter,
04:58
and you see words, but really all there are are ones and zeros.
73
282000
4000
aber tatsächlich besteht das alles
aus Einsen und Nullen.
aus Einsen und Nullen.
05:02
The language of technology is binary;
74
286000
4000
Wahrscheinlich haben Sie irgendwann
schon einmal davon gehört:
schon einmal davon gehört:
05:06
you've probably heard that at some point in time.
75
290000
2000
Die Sprache der Technologie ist binär.
05:08
Everything that happens in digital is converted,
76
292000
4000
Alles was im Digitalen abläuft,
wird konvertiert,
wird konvertiert,
05:12
or a representation, of a one and a zero.
77
296000
3000
durch die Eins und die Null dargestellt.
05:15
So, when you're listening to iTunes and your favorite music,
78
299000
5000
Wenn man also iTunes und seiner
Lieblingsmusik lauscht, werden da
Lieblingsmusik lauscht, werden da
05:20
that's really just a bunch of ones and zeros playing very quickly.
79
304000
3000
ganz schnell viele Einsen
und Nullen abgespielt.
und Nullen abgespielt.
05:23
When you're seeing these pictures, it's all ones and zeros,
80
307000
3000
Man sieht diese Bilder –
alles Einsen und Nullen.
alles Einsen und Nullen.
05:26
and when you're talking on your telephone, your cell phone,
81
310000
3000
Man telefoniert mit dem Mobiltelefon,
05:29
and it's going over the network,
82
313000
2000
und wie von Zauberhand
05:31
your voice is all being turned into ones and zeros and magically whizzed around.
83
315000
4000
saust die Stimme als Folge
von Einsen und Nullen durchs Netz.
von Einsen und Nullen durchs Netz.
05:35
And look at all the complex things and wonderful things
84
319000
3000
Was für komplexe und
wunderbare Dinge man
wunderbare Dinge man
05:38
we've been able to create with just a one and a zero.
85
322000
3000
nur mit einer Eins und
einer Null kreieren kann.
einer Null kreieren kann.
05:41
Well, now you ramp that up to four, and you have a lot of complexity,
86
325000
6000
Jetzt stocken wir das mal auf vier auf,
dann haben wir ganz schön viel Komplexität,
dann haben wir ganz schön viel Komplexität,
05:47
a lot of ways to describe mechanisms.
87
331000
4000
ganz schön viele Methoden,
Mechanismen zu beschreiben.
Mechanismen zu beschreiben.
05:51
So, let's talk about what that means.
88
335000
2000
Was bedeutet das?
05:53
So, if you look at a human genome,
89
337000
2000
Das menschliche Genom
05:55
they consist of 3.2 billion of these base pairs. That's a lot.
90
339000
6000
besteht aus 3,2 Milliarden Basenpaaren.
Das ist eine ganze Menge.
Das ist eine ganze Menge.
06:01
And they mix up in all different fashions,
91
345000
2000
Die vielen möglichen Kombinationen
06:03
and that makes you a human being.
92
347000
3000
machen aus Ihnen einen Menschen.
06:06
If you convert that to binary, just to give you a little bit of sizing,
93
350000
5000
Wenn man das binär schriebe,
nur um mal eine Größenordnung anzugeben,
nur um mal eine Größenordnung anzugeben,
06:11
we're actually smaller than the program Microsoft Office.
94
355000
4000
wären wir kleiner als
das Programm Microsoft Office.
das Programm Microsoft Office.
06:15
It's not really all that much data.
95
359000
4000
Es sind nämlich tatsächlich
gar nicht so viele Daten,
gar nicht so viele Daten,
06:19
I will also tell you we're at least as buggy.
96
363000
3000
aber mindestens genauso viele Defekte.
06:22
(Laughter)
97
366000
3000
(Lachen)
06:25
This here is a bug in my genome
98
369000
4000
Das hier ist ein Defekt in meinem Genom,
06:29
that I have struggled with for a long, long time.
99
373000
5000
mit dem ich mich schon seit langer,
langer Zeit rumschlage.
langer Zeit rumschlage.
06:34
When you get sick, it is a bug in your genome.
100
378000
5000
Wenn Sie krank werden, ist das
ein Defekt in Ihrem Genom.
ein Defekt in Ihrem Genom.
06:39
In fact, many, many diseases we have struggled with for a long time,
101
383000
5000
Viele der Krankheiten, mit denen
wir uns schon lange rumgeschlagen haben,
wir uns schon lange rumgeschlagen haben,
06:44
like cancer, we haven't been able to cure
102
388000
3000
wie zum Beispiel Krebs,
konnten wir nicht heilen,
konnten wir nicht heilen,
06:47
because we just don't understand how it works at the genomic level.
103
391000
4000
weil wir einfach nicht wussten,
was da auf Genomebene abläuft.
was da auf Genomebene abläuft.
06:51
We are starting to understand that.
104
395000
2000
Wir fangen erst an, das zu verstehen.
06:53
So, up to this point we tried to fix it
105
397000
2000
Bisher haben wir versucht,
06:55
by using what I call shit-against-the-wall pharmacology,
106
399000
4000
eine Art ›Scheiß die Wand an‹-
Pharmakologie zu betreiben,
Pharmakologie zu betreiben,
06:59
which means, well, let's just throw chemicals at it,
107
403000
3000
nach dem Motto:
»Lasst uns Chemie draufwerfen,
»Lasst uns Chemie draufwerfen,
07:02
and maybe it's going to make it work.
108
406000
2000
vielleicht klappt's ja.«
07:04
But if you really understand why does a cell go from normal cell to cancer?
109
408000
7000
Wenn man wirklich verstünde, warum aus
einer normalen Zelle eine Krebszelle wird,
einer normalen Zelle eine Krebszelle wird,
07:11
What is the code?
110
415000
2000
was der Code dafür ist,
07:13
What are the exact instructions that are making it do that?
111
417000
4000
welche Anweisungen genau sie das tun lassen,
07:17
then you can go about the process of trying to fix it and figure it out.
112
421000
4000
könnte man versuchen,
eine Reparatur in Angriff zu nehmen.
eine Reparatur in Angriff zu nehmen.
07:21
So, for your next dinner over a great bottle of wine, here's a few factoids for you.
113
425000
5000
Für den Smalltalk bei Ihrem nächsten
Abendessen mit einem köstlichen Wein:
Abendessen mit einem köstlichen Wein:
07:26
We actually have about 24,000 genes that do things.
114
430000
4000
Wir haben etwa 24.000 Gene, die etwas tun,
07:30
We have about a hundred, 120,000 others
115
434000
4000
und etwa 100-, 120.000 andere,
die nicht jeden Tag
die nicht jeden Tag
07:34
that don't appear to function every day,
116
438000
3000
etwas zu tun haben,
sondern das Zehntausende
sondern das Zehntausende
07:37
but represent this archival history of how we used to work as a species
117
441000
5000
von Jahren zurückreichende
Geschichtsarchiv darüber bilden,
Geschichtsarchiv darüber bilden,
07:42
going back tens of thousands of years.
118
446000
3000
wie wir als Art mal funktioniert haben.
07:45
You might also be interested in knowing
119
449000
2000
Vielleicht auch interessant:
07:47
that a mouse has about the same amount of genes.
120
451000
2000
eine Maus hat auch etwa so viele Gene.
07:49
They recently sequenced Pinot Noir, and it also has about 30,000 genes,
121
453000
7000
Unlängst haben sie Spätburgunder sequenziert,
und der hat auch etwa 30.000 Gene.
und der hat auch etwa 30.000 Gene.
07:56
so the number of genes you have may not necessarily represent the complexity
122
460000
4000
Die Anzahl der Gene stellt also
nicht unbedingt die Komplexität
nicht unbedingt die Komplexität
08:00
or the evolutionary order of any particular species.
123
464000
5000
oder die Evolutions-Ordnung
einer speziellen Art dar.
einer speziellen Art dar.
08:05
Now, look around: just look next to your neighbor,
124
469000
3000
Jetzt schauen Sie sich mal
an Ihrem Platz um:
an Ihrem Platz um:
08:08
look forward, look backward. We all look pretty different.
125
472000
2000
wir sehen alle verschieden aus.
08:10
A lot of very handsome and pretty people here, skinny, chubby,
126
474000
4000
Ein Haufen attraktiver und hübscher
Leute hier, mager, mollig,
Leute hier, mager, mollig,
08:14
different races, cultures. We are all 99.9% genetically equal.
127
478000
8000
alle Rassen, alle Kulturen. Aber:
genetisch sind wir zu 99,9 % gleich.
genetisch sind wir zu 99,9 % gleich.
08:22
It is one one-hundredth of one percent of genetic material
128
486000
4000
Schon [ein Hundertstel] eines Prozentes
08:26
that makes the difference between any one of us.
129
490000
3000
macht die Unterschiede zwischen uns aus.
08:29
That's a tiny amount of material,
130
493000
2000
Das ist nur eine winziges bisschen
08:31
but the way that ultimately expresses itself
131
495000
4000
an Material, aber darin,
wie es sich darstellt,
wie es sich darstellt,
08:35
is what makes changes in humans and in all species.
132
499000
5000
liegen die Unterschieden zwischen
den Menschen, und bei allen Arten.
den Menschen, und bei allen Arten.
08:40
So, we are now able to read genomes.
133
504000
3000
Wir können jetzt also Genome lesen.
08:43
The first human genome took 10 years, three billion dollars.
134
507000
5000
Das erste menschliche Genom brauchte
zehn Jahre und drei Milliarden Dollar.
zehn Jahre und drei Milliarden Dollar.
08:48
It was done by Dr. Craig Venter.
135
512000
3000
Das hat damals Dr. Craig Venter gemacht.
08:51
And then James Watson's -- one of the co-founders of DNA --
136
515000
4000
Dann wurde James Watsons Genom
– einer der Gründer der DNA –
– einer der Gründer der DNA –
08:55
genome was done for two million dollars, and in just two months.
137
519000
4000
für zwei Millionen Dollar und
in nur zwei Monaten sequenziert.
in nur zwei Monaten sequenziert.
08:59
And if you think about the computer industry
138
523000
2000
Bei Computern sind wir
09:01
and how we've gone from big computers to little ones
139
525000
3000
von großen Rechnern auf kleine gekommen,
09:04
and how they get more powerful and faster all the time,
140
528000
4000
und sie werden laufend
mächtiger und schneller –
mächtiger und schneller –
09:08
the same thing is happening with gene sequencing now:
141
532000
2000
die gleiche Entwicklung
09:10
we are on the cusp of being able to sequence human genomes
142
534000
4000
haben wir beim Sequenzieren
von Genen: menschliche Genome
von Genen: menschliche Genome
09:14
for about 5,000 dollars in about an hour or a half-hour;
143
538000
5000
werden in den nächsten fünf Jahren
für etwa 5000 Dollar in weniger
für etwa 5000 Dollar in weniger
09:19
you will see that happen in the next five years.
144
543000
2000
als einer Stunde sequenziert.
09:21
And what that means is, you are going to walk around
145
545000
2000
Das bedeutet, dass man
09:23
with your own personal genome on a smart card. It will be here.
146
547000
6000
mit einer Plastikkarte rumlaufen kann,
auf der das eigene Genom gespeichert ist.
auf der das eigene Genom gespeichert ist.
09:29
And when you buy medicine,
147
553000
2000
Wenn man dann Medizin kauft,
09:31
you won't be buying a drug that's used for everybody.
148
555000
3000
kauft man keine Medizin für jedermann mehr.
09:34
You will give your genome to the pharmacist,
149
558000
3000
Man gibt dem Apotheker
sein Genom, und der macht
sein Genom, und der macht
09:37
and your drug will be made for you
150
561000
2000
daraus eine maßgeschneiderte Medizin
09:39
and it will work much better than the ones that were --
151
563000
2000
die besser ist als die heutigen –
09:41
you won't have side effects.
152
565000
2000
sie hat keinerlei Nebenwirkungen.
09:43
All those side effects, you know, oily residue and, you know,
153
567000
3000
Die Nebenwirkungen, ölige Rückstände und
09:46
whatever they say in those commercials: forget about that.
154
570000
4000
all das Zeug, von dem sie
in der Werbung reden: Vergiss es.
in der Werbung reden: Vergiss es.
09:50
They're going to make all that stuff go away.
155
574000
2000
Das wird alles verschwinden.
09:52
What does a genome look like?
156
576000
3000
Wie sieht ein Genom aus?
09:55
Well, there it is. It is a long, long series of these base pairs.
157
579000
6000
So. – Es ist eine lange,
lange Folge dieser Basenpaare.
lange Folge dieser Basenpaare.
10:01
If you saw the genome for a mouse or for a human it would look no different than this,
158
585000
4000
Das Genom einer Maus oder
eines Menschen sieht ungefähr so aus,
eines Menschen sieht ungefähr so aus,
10:05
but what scientists are doing now is
159
589000
2000
aber mittlerweile verstehen
10:07
they're understanding what these do and what they mean.
160
591000
4000
die Wissenschaftler, was die tun,
und was sie bedeuten.
und was sie bedeuten.
10:11
Because what Nature is doing is double-clicking all the time.
161
595000
4000
Weil: Die Natur doppelt-klickt die ganze Zeit.
10:15
In other words, the first couple of sentences here,
162
599000
4000
Anders ausgedrückt: wenn man
davon ausgeht, dass das hier
davon ausgeht, dass das hier
10:19
assuming this is a grape plant:
163
603000
2000
eine Traubenpflanze ist, heißt das:
10:21
make a root, make a branch, create a blossom.
164
605000
4000
bilde eine Wurzel, bilde
einen Zweig, bilde eine Blüte.
einen Zweig, bilde eine Blüte.
10:25
In a human being, down in here it could be:
165
609000
4000
Bei einem Menschen könnte das heißen:
10:29
make blood cells, start cancer.
166
613000
4000
produziere Blutzellen, mach Krebs.
10:33
For me it may be: every calorie you consume, you conserve,
167
617000
7000
Für mich könnte das sein: Speichere
jede Kalorie, die vorbei kommt –
jede Kalorie, die vorbei kommt –
10:40
because I come from a very cold climate.
168
624000
3000
weil ich aus einer sehr kalten Gegend komme.
10:43
For my wife: eat three times as much and you never put on any weight.
169
627000
4000
Für meine Frau: Iss dreimal so viel
und lege kein Gramm zu.
und lege kein Gramm zu.
10:47
It's all hidden in this code,
170
631000
2000
Alles verborgen in diesem Code,
10:49
and it's starting to be understood at breakneck pace.
171
633000
4000
und wir kommen ihm mit
atemberaubenden Tempo auf den Grund.
atemberaubenden Tempo auf den Grund.
10:54
So, what can we do with genomes now that we can read them,
172
638000
3000
Jetzt lesen wir Genome
wie das Buch des Lebens –
wie das Buch des Lebens –
10:57
now that we're starting to have the book of life?
173
641000
2000
was können wir damit anfangen?
10:59
Well, there's many things. Some are exciting.
174
643000
3000
Viele Dinge. Einige sind richtig spannend,
11:02
Some people will find very scary. I will tell you a couple of things
175
646000
4000
andere richtig gruselig.
Ich erzähle Ihnen ein paar Sachen –
Ich erzähle Ihnen ein paar Sachen –
11:06
that will probably make you want to projectile puke on me, but that's okay.
176
650000
4000
wenn Sie mich dann ankotzen,
könnte ich das verstehen.
könnte ich das verstehen.
11:10
So, you know, we now can learn the history of organisms.
177
654000
4000
Wir können jetzt die Geschichte
von Organismen verstehen.
von Organismen verstehen.
11:14
You can do a very simple test: scrape your cheek; send it off.
178
658000
3000
Das ist ganz einfach:
Man schabt sich an der Wange,
Man schabt sich an der Wange,
11:17
You can find out where your relatives come from;
179
661000
3000
schickt es ein, und kann damit
seinen Stammbaum
seinen Stammbaum
11:20
you can do your genealogy going back thousands of years.
180
664000
3000
über Tausende von Jahren aufstellen.
11:23
We can understand functionality. This is really important.
181
667000
3000
Wir kommen endlich dahinter,
wie es funktioniert.
wie es funktioniert.
11:26
We can understand, for example, why we create plaque in our arteries,
182
670000
5000
Wir kommen zum Beispiel dahinter,
warum sich unsere Arterien zusetzen,
warum sich unsere Arterien zusetzen,
11:31
what creates the starchiness inside of a grain,
183
675000
4000
wie die Stärke in ein Getreidekorn kommt,
11:35
why does yeast metabolize sugar and produce carbon dioxide.
184
679000
7000
warum Hefe Zucker abbaut und
Kohlendioxid produziert.
Kohlendioxid produziert.
11:43
We can also look at, at a grander scale, what creates problems,
185
687000
3000
Wir können in großem Stil
Probleme analysieren,
Probleme analysieren,
11:46
what creates disease, and how we may be able to fix them.
186
690000
4000
was Krankheiten erzeugt,
und wie wir sie heilen können.
und wie wir sie heilen können.
11:50
Because we can understand this,
187
694000
2000
Weil wir all das jetzt verstehen,
11:52
we can fix them, make better organisms.
188
696000
3000
können wir es richten und besser machen.
11:55
Most importantly, what we're learning
189
699000
2000
Das Wichtigste ist das Verständnis,
11:57
is that Nature has provided us a spectacular toolbox.
190
701000
5000
dass uns Mutter Natur für uns
einen eindrucksvollen Werkzeugkasten
einen eindrucksvollen Werkzeugkasten
12:02
The toolbox exists.
191
706000
2000
zusammengestellt hat.
12:04
An architect far better and smarter than us has given us that toolbox,
192
708000
5000
Ein Architekt viel besser und klüger
als wir hat uns diese Werkzeuge gegeben,
als wir hat uns diese Werkzeuge gegeben,
12:09
and we now have the ability to use it.
193
713000
3000
und jetzt können wir sie auch benutzen.
12:12
We are now not just reading genomes; we are writing them.
194
716000
4000
Wir lesen nicht nur Genome,
wir schreiben sie auch.
wir schreiben sie auch.
12:16
This company, Synthetic Genomics, I'm involved with,
195
720000
2000
Ich bin bei Synthetic Genomics.
12:18
created the first full synthetic genome for a little bug,
196
722000
4000
Wir haben das erste Genom
für einen sehr primitiven Käfer
für einen sehr primitiven Käfer
12:22
a very primitive creature called Mycoplasma genitalium.
197
726000
3000
namens Mycoplasma genitalium synthetisiert.
12:25
If you have a UTI, you've probably -- or ever had a UTI --
198
729000
4000
Wer mal eine Harnwegsinfektion
hatte, ist mit dem kleinen Kerl
hatte, ist mit dem kleinen Kerl
12:29
you've come in contact with this little bug.
199
733000
3000
wahrscheinlich schon in Kontakt gekommen.
12:32
Very simple -- only has about 246 genes --
200
736000
3000
Er ist wirklich einfach – hat nur 246 Gene –
12:35
but we were able to completely synthesize that genome.
201
739000
6000
aber wir konnten ihn
vollständig synthetisieren.
vollständig synthetisieren.
12:42
Now, you have the genome and you say to yourself,
202
746000
3000
Dann hat man also das Genom und fragt sich:
12:45
So, if I plug this synthetic genome -- if I pull the old one out and plug it in --
203
749000
5000
»Wenn ich jetzt dieses synthetische Genom
statt des alten reintue –
statt des alten reintue –
12:50
does it just boot up and live?
204
754000
2000
lebt der dann einfach los?«
12:52
Well, guess what. It does.
205
756000
3000
Raten Sie mal. – Ja, macht er.
12:56
Not only does it do that; if you took the genome -- that synthetic genome --
206
760000
6000
Und nicht nur das: Wenn man das Genom
hernimmt – das synthetische – und es
hernimmt – das synthetische – und es
13:02
and you plugged it into a different critter, like yeast,
207
766000
3000
in ein anderes Viech reinsetzt, zum Beispiel
13:05
you now turn that yeast into Mycoplasma.
208
769000
4000
in Hefe, dann hat man
aus der Hefe Mycoplasma gemacht.
aus der Hefe Mycoplasma gemacht.
13:09
It's, sort of, like booting up a PC with a Mac O.S. software.
209
773000
5000
Es ist so, als ob man einen PC
mit Mac OS Software hochfahren wollte.
mit Mac OS Software hochfahren wollte.
13:14
Well, actually, you could do it the other way.
210
778000
2000
Ach nee, eher andersherum.
13:16
So, you know, by being able to write a genome
211
780000
4000
Wenn man so will, ist
das Schreiben des Genoms
das Schreiben des Genoms
13:20
and plug it into an organism,
212
784000
3000
und das Einsetzen in
einen anderen Organismus
einen anderen Organismus
13:23
the software, if you will, changes the hardware.
213
787000
5000
als ob die Software die Hardware ändert.
13:28
And this is extremely profound.
214
792000
2000
Das ist sehr tiefgreifend.
13:30
So, last year the French and Italians announced
215
794000
3000
Letztes Jahr haben Franzosen und Italiener
13:33
they got together and they went ahead and they sequenced Pinot Noir.
216
797000
4000
sich zusammengetan und
Spätburgunder sequenziert.
Spätburgunder sequenziert.
13:37
The genomic sequence now exists for the entire Pinot Noir organism,
217
801000
6000
Jetzt existiert das Genom für
den kompletten Spätburgunderorganismus,
den kompletten Spätburgunderorganismus,
13:43
and they identified, once again, about 29,000 genes.
218
807000
4000
und sie haben – mal wieder –
etwa 29.000 Gene identifiziert.
etwa 29.000 Gene identifiziert.
13:47
They have discovered pathways that create flavors,
219
811000
3000
Sie haben die für Geschmacksrichtungen
13:50
although it's very important to understand
220
814000
2000
zuständige Region gefunden,
13:52
that those compounds that it's cranking out
221
816000
3000
aber man darf nicht vergessen, dass wir
13:55
have to match a receptor in our genome, in our tongue,
222
819000
3000
einen Rezeptor in unserem Genom,
auf der Zunge,
auf der Zunge,
13:58
for us to understand and interpret those flavors.
223
822000
3000
brauchen, damit wir sie
auch schmecken können.
auch schmecken können.
14:01
They've also discovered that
224
825000
2000
Sie haben auch herausgefunden,
14:03
there's a heck of a lot of activity going on producing aroma as well.
225
827000
4000
dass da ganz schön was los ist,
um auch Aroma zu produzieren.
um auch Aroma zu produzieren.
14:07
They've identified areas of vulnerability to disease.
226
831000
3000
Sie haben Regionen für
Anfälligkeiten gefunden.
Anfälligkeiten gefunden.
14:10
They now are understanding, and the work is going on,
227
834000
4000
Jetzt kann man den
vollständigen Code lesen und so
vollständigen Code lesen und so
14:14
exactly how this plant works, and we have the capability to know,
228
838000
4000
dahinter kommen – und daran
arbeiten sie weiter –,
arbeiten sie weiter –,
14:18
to read that entire code and understand how it ticks.
229
842000
4000
wie genau diese Pflanze funktioniert
und wie sie tickt.
und wie sie tickt.
14:22
So, then what do you do?
230
846000
2000
Was macht man daraus?
14:24
Knowing that we can read it, knowing that we can write it, change it,
231
848000
4000
Wir wissen, dass wir ihn lesen,
schreiben, ändern können,
schreiben, ändern können,
14:28
maybe write its genome from scratch. So, what do you do?
232
852000
4000
vielleicht sogar das Genom
ganz neu schreiben. Also, was tun?
ganz neu schreiben. Also, was tun?
14:32
Well, one thing you could do is what some people might call Franken-Noir.
233
856000
4000
Eines der Dinge, die man machen könnte,
wäre ›Monsterburgunder‹.
wäre ›Monsterburgunder‹.
14:36
(Laughter)
234
860000
3000
(Lachen)
14:39
We can build a better vine.
235
863000
2000
Wir können bessere Reben bauen.
14:41
By the way, just so you know:
236
865000
2000
Ach ja, mal so nebenbei –
14:43
you get stressed out about genetically modified organisms;
237
867000
4000
falls Sie Stress wegen genetisch
veränderter Organismen haben:
veränderter Organismen haben:
14:47
there is not one single vine in this valley or anywhere
238
871000
3000
es gibt weder hier noch sonstwo
irgendeine Rebe,
irgendeine Rebe,
14:50
that is not genetically modified.
239
874000
2000
die nicht genetisch verändert ist.
14:52
They're not grown from seeds; they're grafted into root stock;
240
876000
3000
Sie wachsen nicht aus Samen,
sie werden veredelt,
sie werden veredelt,
14:55
they would not exist in nature on their own.
241
879000
2000
sie würden alleine nicht überleben.
14:57
So, don't worry about, don't stress about that stuff. We've been doing this forever.
242
881000
4000
Also kein Stress mit dem Zeug.
Das haben wir schon immer gemacht.
Das haben wir schon immer gemacht.
15:01
So, we could, you know, focus on disease resistance;
243
885000
3000
Wir könnten jetzt auf Robustheit abzielen,
15:04
we can go for higher yields without necessarily having
244
888000
4000
auf höhere Erträge, ohne die Anbaumethoden
15:08
dramatic farming techniques to do it, or costs.
245
892000
3000
zu ändern, oder auf geringere Kosten.
15:11
We could conceivably expand the climate window:
246
895000
3000
Wir könnten das Klimafenster
deutlich erweitern,
deutlich erweitern,
15:14
we could make Pinot Noir grow maybe in Long Island, God forbid.
247
898000
5000
wir könnten Spätburgunder auf
Long Island anbauen – verhüt's Gott.
Long Island anbauen – verhüt's Gott.
15:19
(Laughter)
248
903000
3000
(Lachen)
15:23
We could produce better flavors and aromas.
249
907000
3000
Man könnte sich viele Dinge vorstellen:
15:26
You want a little more raspberry, a little more chocolate here or there?
250
910000
3000
bessere Geschmacksrichtungen und Aromas –
15:29
All of these things could conceivably be done,
251
913000
3000
mehr Himbeere, mehr Schoko hier oder dort?
15:32
and I will tell you I'd pretty much bet that it will be done.
252
916000
3000
Ich sag' Ihnen eines:
es wird gemacht werden.
es wird gemacht werden.
15:35
But there's an ecosystem here.
253
919000
2000
Aber es gibt da ein Ökosystem.
15:37
In other words, we're not, sort of, unique little organisms running around;
254
921000
5000
Wir laufen nicht als kleine Organismen
allein auf der Welt rum, sondern sind
allein auf der Welt rum, sondern sind
15:42
we are part of a big ecosystem.
255
926000
2000
Teil eines großen Ökosystems.
15:44
In fact -- I'm sorry to inform you --
256
928000
3000
Tatsächlich – tut mir leid, aber so ist es –
15:47
that inside of your digestive tract is about 10 pounds of microbes
257
931000
4000
wohnen in Ihrem Verdauungstrakt
etwa zehn Pfund Mikroben,
etwa zehn Pfund Mikroben,
15:51
which you're circulating through your body quite a bit.
258
935000
3000
die Sie ganz schön
in Ihrem Körper rumschicken.
in Ihrem Körper rumschicken.
15:54
Our ocean's teaming with microbes;
259
938000
3000
Unsere Meere und die Mikroben
haben sich verbündet:
haben sich verbündet:
15:57
in fact, when Craig Venter went and sequenced the microbes in the ocean,
260
941000
5000
die Zahl der bekannten Arten verdreifachte
sich in den ersten drei Monaten
sich in den ersten drei Monaten
16:02
in the first three months tripled the known species on the planet
261
946000
4000
nachdem Craig Venter begann,
Meeresmikroben aus nur
Meeresmikroben aus nur
16:06
by discovering all-new microbes in the first 20 feet of water.
262
950000
3000
wenigen Metern Tiefe zu sequenzieren.
16:09
We now understand that those microbes have more impact on our climate
263
953000
4000
Wir wissen heute, dass der Einfluss
der Mikroben auf unser Klima
der Mikroben auf unser Klima
16:13
and regulating CO2 and oxygen than plants do,
264
957000
4000
und auf die Regulierung von CO2
und Sauerstoff größer ist
und Sauerstoff größer ist
16:17
which we always thought oxygenate the atmosphere.
265
961000
2000
als der der Pflanzen.
16:19
We find microbial life in every part of the planet:
266
963000
4000
Wir finden mikrobielles Leben
überall auf dem Planeten:
überall auf dem Planeten:
16:23
in ice, in coal, in rocks, in volcanic vents; it's an amazing thing.
267
967000
8000
in Eis, in Kohle, in Vulkanschloten,
in Felsen – es ist einfach faszinierend.
in Felsen – es ist einfach faszinierend.
16:31
But we've also discovered, when it comes to plants, in plants,
268
975000
5000
Wir haben auch entdeckt, dass bei
den Pflanzen, soviel wir bis jetzt
den Pflanzen, soviel wir bis jetzt
16:36
as much as we understand and are starting to understand their genomes,
269
980000
4000
von ihnen und ihren Genomen
zu verstehen begonnen haben,
zu verstehen begonnen haben,
16:40
it is the ecosystem around them,
270
984000
3000
das Ökosystem, das sie umgibt,
und die Mikroben,
und die Mikroben,
16:43
it is the microbes that live in their root systems,
271
987000
3000
die in Ihren Wurzeln leben, mindestens
16:46
that have just as much impact on the character of those plants
272
990000
4000
genau so viel Einfluss auf
die Charakteristik dieser Pflanzen
die Charakteristik dieser Pflanzen
16:50
as the metabolic pathways of the plants themselves.
273
994000
4000
haben wie das Stoffwechselsystem
der Pflanzen selbst.
der Pflanzen selbst.
16:54
If you take a closer look at a root system,
274
998000
3000
Sieht man sich so ein Wurzelgeflecht
näher an,
näher an,
16:57
you will find there are many, many, many diverse microbial colonies.
275
1001000
4000
findet man enorm viele
verschiedene mikrobielle Kolonien.
verschiedene mikrobielle Kolonien.
17:01
This is not big news to viticulturists;
276
1005000
2000
Für Weinbauern ist das nichts Neues,
17:03
they have been, you know, concerned with water and fertilization.
277
1007000
4000
sie haben sich schon länger
mit Wasser und Düngung beschäftigt.
mit Wasser und Düngung beschäftigt.
17:07
And, again, this is, sort of, my notion of shit-against-the-wall pharmacology:
278
1011000
6000
Das ist wieder so ein Fall meiner
›Scheiß die Wand an‹-Pharmakologie: Man weiß,
›Scheiß die Wand an‹-Pharmakologie: Man weiß,
17:13
you know certain fertilizers make the plant more healthy so you put more in.
279
1017000
4000
gewisse Dünger sind für die Pflanze besser –
also drauf damit.
also drauf damit.
17:17
You don't necessarily know with granularity
280
1021000
4000
Man weiß nicht unbedingt genau,
welche Organismen
welche Organismen
17:21
exactly what organisms are providing what flavors and what characteristics.
281
1025000
6000
welche Geschmacksrichtungen und
welche Charakteristika hervorbringen.
welche Charakteristika hervorbringen.
17:27
We can start to figure that out.
282
1031000
3000
Das können wir jetzt herausarbeiten.
17:30
We all talk about terroir; we worship terroir;
283
1034000
3000
Alle reden über das Terroir, huldigen ihm:
17:33
we say, Wow, is my terroir great! It's so special.
284
1037000
3000
»Poh, tolles Terroir! Ganz was Besonderes –
17:36
I've got this piece of land and it creates terroir like you wouldn't believe.
285
1040000
4000
mein eines Stück Land da
produziert Terroir wie nix.«
produziert Terroir wie nix.«
17:40
Well, you know, we really, we argue and debate about it --
286
1044000
4000
Wir argumentieren und debattieren
darüber – wir schieben es
darüber – wir schieben es
17:44
we say it's climate, it's soil, it's this. Well, guess what?
287
1048000
3000
aufs Klima, auf den Boden, auf dies und das.
17:47
We can figure out what the heck terroir is.
288
1051000
3000
Jetzt können wir herausfinden,
was Terroir ist.
was Terroir ist.
17:50
It's in there, waiting to be sequenced.
289
1054000
3000
Es wartet nur darauf, sequenziert zu werden.
17:53
There are thousands of microbes there.
290
1057000
2000
Da leben Tausende von Mikroben.
17:55
They're easy to sequence: unlike a human,
291
1059000
2000
Ihre 1.000 oder 2.000 Gene sind
17:57
they, you know, have a thousand, two thousand genes;
292
1061000
2000
viel einfacher sequenzierbar
17:59
we can figure out what they are.
293
1063000
2000
als die des Menschen.
18:01
All we have to do is go around and sample, dig into the ground, find those bugs,
294
1065000
7000
Wir müssen nur ein bisschen graben, Proben nehmen,
die Käfer finden, sie sequenzieren
die Käfer finden, sie sequenzieren
18:08
sequence them, correlate them to the kinds of characteristics we like and don't like --
295
1072000
5000
und in Bezug zu den gewünschten
Charakteristika setzen – das ist nur
Charakteristika setzen – das ist nur
18:13
that's just a big database -- and then fertilize.
296
1077000
3000
eine große Datenbank – und dann zu düngen.
18:16
And then we understand what is terroir.
297
1080000
3000
Dann verstehen wir, was Terroir ausmacht.
18:20
So, some people will say, Oh, my God, are we playing God?
298
1084000
2000
Einige Leute werden fragen:
18:22
Are we now, if we engineer organisms, are we playing God?
299
1086000
5000
»Um Himmels Willen, spielen wir nicht Gott,
wenn wir Organismen entwickeln?«
wenn wir Organismen entwickeln?«
18:27
And, you know, people would always ask James Watson --
300
1091000
3000
Die Leute haben James Watson immer gefragt –
18:30
he's not always the most politically correct guy ...
301
1094000
2000
der ist nicht immer politisch korrekt –
18:32
(Laughter)
302
1096000
1000
(Lachen)
18:33
... and they would say, "Are, you know, are you playing God?"
303
1097000
5000
– sie fragten ihn also:
»Spielen Sie da nicht Gott?«
»Spielen Sie da nicht Gott?«
18:38
And he had the best answer I ever heard to this question:
304
1102000
3000
Er gab die beste Antwort auf diese Frage:
18:41
"Well, somebody has to."
305
1105000
2000
»Tja, irgendjemand muss es ja tun.«
18:43
(Laughter)
306
1107000
3000
(Lachen)
18:46
I consider myself a very spiritual person,
307
1110000
4000
Ich betrachte mich selbst
als spirituellen Menschen,
als spirituellen Menschen,
18:50
and without, you know, the organized religion part,
308
1114000
3000
nur ohne den organisierten Religionsanteil,
18:53
and I will tell you: I don't believe there's anything unnatural.
309
1117000
4000
und ich glaube nicht, dass es
irgendetwas Unnatürliches gibt.
irgendetwas Unnatürliches gibt.
18:57
I don't believe that chemicals are unnatural.
310
1121000
4000
Ich glaube nicht, dass
Chemikalien unnatürlich sind.
Chemikalien unnatürlich sind.
19:01
I told you I'm going to make some of you puke.
311
1125000
2000
Auch wenn Sie es zum Kotzen finden:
19:03
It's very simple: we don't invent molecules, compounds.
312
1127000
4000
Wir erfinden einfach keine Moleküle,
Zusammensetzungen –
Zusammensetzungen –
19:07
They're here. They're in the universe.
313
1131000
2000
sie sind schon im Universum.
19:09
We reorganize things, we change them around,
314
1133000
3000
Wir ordnen Dinge neu,
wir ändern an ihnen rum,
wir ändern an ihnen rum,
19:12
but we don't make anything unnatural.
315
1136000
3000
aber wir erschaffen nichts Unnatürliches.
19:15
Now, we can create bad impacts --
316
1139000
2000
Die Folgen können schlecht sein –
19:17
we can poison ourselves; we can poison the Earth --
317
1141000
2000
wenn wir uns oder die Erde vergiften –
19:19
but that's just a natural outcome of a mistake we made.
318
1143000
4000
aber das ist nur die Folge
eines von uns gemachten Fehlers.
eines von uns gemachten Fehlers.
19:23
So, what's happening today is, Nature is presenting us with a toolbox,
319
1147000
4000
Jetzt hat uns Mutter Natur
einen Werkzeugkasten gegeben,
einen Werkzeugkasten gegeben,
19:27
and we find that this toolbox is very extensive.
320
1151000
4000
und die Werkzeuge in diesem Kasten
sind sehr mächtig.
sind sehr mächtig.
19:31
There are microbes out there that actually make gasoline, believe it or not.
321
1155000
4000
Ob Sie's glauben oder nicht:
es gibt Mikroben, die Benzin machen.
es gibt Mikroben, die Benzin machen.
19:35
There are microbes, you know -- go back to yeast.
322
1159000
2000
Es gibt – nochmal zur Hefe:
19:37
These are chemical factories;
323
1161000
2000
das sind chemische Fabriken.
19:39
the most sophisticated chemical factories are provided by Nature,
324
1163000
4000
Die ausgeklügelsten chemischen Fabriken
schenkt uns Mutter Natur,
schenkt uns Mutter Natur,
19:43
and we now can use those.
325
1167000
3000
und die können wir jetzt benutzen.
19:46
There also is a set of rules.
326
1170000
2000
Es gibt da auch Regeln.
19:48
Nature will not allow you to --
327
1172000
3000
Die Natur wird nicht zulassen –
19:51
we could engineer a grape plant, but guess what.
328
1175000
2000
wir könnten eine Traube entwerfen,
19:53
We can't make the grape plant produce babies.
329
1177000
2000
aber die kann keine Babys produzieren.
19:55
Nature has put a set of rules out there.
330
1179000
3000
Die Natur hat ein paar Regeln aufgestellt.
19:58
We can work within the rules; we can't break the rules;
331
1182000
3000
Wir lernen diese Regeln gerade erst, aber
20:01
we're just learning what the rules are.
332
1185000
2000
wir können sie nicht verletzen.
20:03
I just ask the question, if you could cure all disease --
333
1187000
4000
Ich frage Sie: Wenn wir
alle Krankheiten heilen oder gar
alle Krankheiten heilen oder gar
20:07
if you could make disease go away,
334
1191000
2000
ausradieren könnten, weil wir
20:09
because we understand how it actually works,
335
1193000
2000
jetzt wissen wie’s geht,
20:11
if we could end hunger by being able to create nutritious, healthy plants
336
1195000
5000
wenn wir Hunger durch nahrhafte, gesunde,
aber völlig anspruchslose Pflanzen
aber völlig anspruchslose Pflanzen
20:16
that grow in very hard-to-grow environments,
337
1200000
3000
ausrotten könnten, wenn wir genug
20:19
if we could create clean and plentiful energy --
338
1203000
3000
saubere Energie produzieren könnten –
20:22
we, right in the labs at Synthetic Genomics,
339
1206000
3000
in den Laboren von Synthetic Genomics
20:25
have single-celled organisms that are taking carbon dioxide
340
1209000
4000
haben wir Einzeller, die nehmen
Kohlendioxid auf und
Kohlendioxid auf und
20:29
and producing a molecule very similar to gasoline.
341
1213000
4000
verwandeln es in ein Molekül,
das Benzin sehr ähnlich ist.
das Benzin sehr ähnlich ist.
20:33
So, carbon dioxide -- the stuff we want to get rid of -- not sugar, not anything.
342
1217000
5000
Kohlendioxid – das Zeug, das wir
loswerden wollen – nicht Zucker,
loswerden wollen – nicht Zucker,
20:38
Carbon dioxide, a little bit of sunlight,
343
1222000
3000
nicht irgendetwas, sondern Kohlendioxid,
20:41
you end up with a lipid that is highly refined.
344
1225000
5000
ein bisschen Sonnenlicht, und heraus
kommt ein hoch raffiniertes Lipid.
kommt ein hoch raffiniertes Lipid.
20:46
We could solve our energy problems; we can reduce CO2,;
345
1230000
4000
Wir könnten unsere Energieprobleme lösen,
CO2 reduzieren,
CO2 reduzieren,
20:50
we could clean up our oceans; we could make better wine.
346
1234000
3000
die Meere sauber bekommen,
besseren Wein machen.
besseren Wein machen.
20:53
If we could, would we?
347
1237000
3000
Wenn wir all das könnten –
würden wir es auch tun?
würden wir es auch tun?
20:56
Well, you know, I think the answer is very simple:
348
1240000
3000
Ich glaube, die Antwort ist ganz einfach:
20:59
working with Nature, working with this tool set that we now understand,
349
1243000
5000
mit den Werkzeugen der Natur,
die wir jetzt verstehen, zu arbeiten
die wir jetzt verstehen, zu arbeiten
21:04
is the next step in humankind's evolution.
350
1248000
3000
ist der nächste Schritt
in der Evolution des Menschen.
in der Evolution des Menschen.
21:07
And all I can tell you is, stay healthy for 20 years.
351
1251000
4000
Ich kann Ihnen nur raten:
bleiben Sie noch 20 Jahre gesund,
bleiben Sie noch 20 Jahre gesund,
21:11
If you can stay healthy for 20 years, you'll see 150, maybe 300.
352
1255000
3000
dann können Sie 150 oder sogar 300 werden.
21:14
Thank you.
353
1258000
2000
Vielen Dank.
ABOUT THE SPEAKER
Barry Schuler - EntrepreneurBarry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.
Why you should listen
If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)
Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.
Barry Schuler | Speaker | TED.com