ABOUT THE SPEAKER
Riccardo Sabatini - Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions.

Why you should listen

Data scientist Riccardo Sabatini harnesses numerical methods for a surprising variety of fields, from material science research to the study of food commodities (as a past director of the EU research project FoodCAST). His most recent research centers on computational genomics and how to crack the code of life.

In addition to his data research, Sabatini is deeply involved in education for entrepreneurs. He is the founder and co-director of the Quantum ESPRESSO Foundation, an advisor in several data-driven startups, and funder of The HUB Trieste, a social impact accelerator.

More profile about the speaker
Riccardo Sabatini | Speaker | TED.com
TED2016

Riccardo Sabatini: How to read the genome and build a human being

ریکاردو ساباتینی: چگونگی خواندن نقشه ژنتیکی و تولید انسان

Filmed:
1,834,677 views

رمز و رازها ، بیماری و زیبایی ، همگی روی نقشه ژنتیکی انسان نوشته شده اند، ساختاری کامل از ژنها که برای تولید انسان نیاز است.اکنون ، ریکاردو ساباتینی ، بعنوان یک دانشمند و کارآفرین با حدس زدن قد ، رنگ چشم ، سن و حتی چهره ، آن هم با یک شیشه کوچک خون ،به ما نشان می دهد که توانایی خواندن این ساختار پیچیده را داریم. ساباتینی می گوید ، فهمِ تازه ی ما از ساختار ژنتیکی به ما این امکان را می دهد تا مرحله ی درمان بیماری هایی چون سرطان را شخصی تر کنیم. ما قدرت تغییر آنچه زندگی می نامیم را داریم ، از این قدرت چگونه استفاده خواهیم کرد ؟
- Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio

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

00:12
For the nextبعد 16 minutesدقایق,
I'm going to take you on a journeyسفر
0
612
2762
در شانزده دقیقه‌ ی آینده
شما را به سفری می‌ برم
00:15
that is probablyشاید
the biggestبزرگترین dreamرویا of humanityبشریت:
1
3398
3086
که احتمالا بزرگترین رویای بشریت است :
00:18
to understandفهمیدن the codeکد of life.
2
6508
2015
فهمیدن رمز زندگی.
همه چیز برای من
ازسالها پیش آغاز شد
00:21
So for me, everything startedآغاز شده
manyبسیاری, manyبسیاری yearsسالها agoپیش
3
9072
2743
00:23
when I metملاقات کرد the first 3D printerچاپگر.
4
11839
2723
وقتی اولین چاپگر سه بُعدی را دیدم.
00:26
The conceptمفهوم was fascinatingشگفت انگیز.
5
14586
1674
روش کار آن بسیار سحرآمیز بود
00:28
A 3D printerچاپگر needsنیاز دارد threeسه elementsعناصر:
6
16284
2022
هر چاپگر سه بعدی به سه عنصر نیاز دارد:
00:30
a bitبیت of informationاطلاعات, some
rawخام materialمواد, some energyانرژی,
7
18330
4134
مقداری اطلاعات ، مقداری ماده اولیه
مقداری انرژی ،
00:34
and it can produceتولید کردن any objectشی
that was not there before.
8
22488
3334
و می‌تواند هر شیء که پیش از این
وجود نداشته را تولید کند.
00:38
I was doing physicsفیزیک,
I was comingآینده back home
9
26517
2137
فیزیک می خواندم و
در حال برگشت به خانه بودم
00:40
and I realizedمتوجه شدم that I actuallyدر واقع
always knewمی دانست a 3D printerچاپگر.
10
28678
3438
و پی بردم که همیشه
یک چاپگر سه بعدی را می شناختم.
00:44
And everyoneهر کس does.
11
32140
1336
همه می شناسند.
00:45
It was my momمامان.
12
33500
1158
آن ، مادرم بود.
00:46
(Laughterخنده)
13
34682
1001
(خنده حاضران)
00:47
My momمامان takes threeسه elementsعناصر:
14
35707
2414
مادرم سه عامل اصلی را دریافت می‌کند :
00:50
a bitبیت of informationاطلاعات, whichکه is betweenبین
my fatherپدر and my momمامان in this caseمورد,
15
38145
3973
ذره‌ای اطلاعات ، که در این مورد
بین پدرم و مادرم است
00:54
rawخام elementsعناصر and energyانرژی
in the sameیکسان mediaرسانه ها, that is foodغذا,
16
42142
4157
مواد خام و انرژی در همین رابطه
که مواد خواراکی است ،
00:58
and after severalچند monthsماه ها, producesتولید می کند me.
17
46323
2508
و بعد از چند ماه ، مرا بوجود می‌آورد.
01:00
And I was not existentوجود دارد before.
18
48855
1812
ضمنا پیش از این من وجود خارجی نداشتم.
01:02
So apartجدا از هم from the shockشوکه شدن of my momمامان
discoveringکشف that she was a 3D printerچاپگر,
19
50691
3762
اینکه مادرم شوکه شد وقتی فهمید
که یک چاپگر سه بُعدی است به کنار ،
01:06
I immediatelyبلافاصله got mesmerizedمسخ شده
by that pieceقطعه,
20
54477
4738
من بی درنگ مبهوت بخش اول شدم
اولین بخش ، اطلاعات .
01:11
the first one, the informationاطلاعات.
21
59239
1717
01:12
What amountمیزان of informationاطلاعات does it take
22
60980
2251
برای ساختنِ یک انسان چه
مقدار اطلاعات نیاز است ؟
01:15
to buildساختن and assembleجمع کن a humanانسان?
23
63255
1936
خیلی زیاد ؟ خیلی کم ؟
01:17
Is it much? Is it little?
24
65215
1574
01:18
How manyبسیاری thumbشست drivesدرایوها can you fillپر کن?
25
66813
2180
با آن ، چند فلش مموری را
می توانید پُر کنید ؟
01:21
Well, I was studyingدر حال مطالعه physicsفیزیک
at the beginningشروع
26
69017
2624
خوب ، اوایل من فیزیک مطالعه می‌کردم
01:23
and I tookگرفت this approximationتقریبی of a humanانسان
as a giganticغول پیکر Legoلگو pieceقطعه.
27
71665
5597
و من یک انسان را
بصورت یک لِگوی بزرگ فرض کردم
01:29
So, imagineتصور کن that the buildingساختمان
blocksبلوک ها are little atomsاتم ها
28
77286
3785
بنابراین ، تصور کنید که
هر قطعه ، یک اتم است .
01:33
and there is a hydrogenهیدروژن here,
a carbonکربن here, a nitrogenنیتروژن here.
29
81095
4653
و یک هیدروژن اینجاست ،
یک کربن اینجا ، یک نیتروژن اینجا .
01:37
So in the first approximationتقریبی,
30
85772
1571
در اولین تخمین زدن
01:39
if I can listفهرست the numberعدد of atomsاتم ها
that composeساختن a humanانسان beingبودن,
31
87367
4343
اگر بتوانم تعداد اتمهایی که
یک انسان از آنها ساخته شده را لیست کنم
01:43
I can buildساختن it.
32
91734
1387
می‌توانم آنرا بسازم.
01:45
Now, you can runاجرا کن some numbersشماره
33
93145
2029
اکنون ، می توانید اعداد را ردیف کنید
01:47
and that happensاتفاق می افتد to be
quiteکاملا an astonishingشگفت آور numberعدد.
34
95198
3277
و آن عدد بشدت شگفت آور است.
01:50
So the numberعدد of atomsاتم ها,
35
98499
2757
تعداد اتمها
01:53
the fileپرونده that I will saveصرفه جویی in my thumbشست
driveراندن to assembleجمع کن a little babyعزیزم,
36
101280
4755
فایلی که تعداد اتمهای یک کودک را
روی فلش مموری بریزم ،
01:58
will actuallyدر واقع fillپر کن an entireکل Titanicتایتانیک
of thumbشست drivesدرایوها --
37
106059
4667
در حقیقت ، یک کشتی تایتانیک را
از فلش مموری پر خواهد کرد
02:02
multipliedچند برابر 2,000 timesبار.
38
110750
2718
ضرب در دو هزار
02:05
This is the miracleمعجزه of life.
39
113957
3401
این است معجزه‌ی زندگی .
02:09
Everyهرکدام time you see from now on
a pregnantباردار ladyخانم,
40
117382
2612
از الان ، هربار که زنی باردار دیدید ،
02:12
she's assemblingمونتاژ the biggestبزرگترین
amountمیزان of informationاطلاعات
41
120018
2856
او در حال سر هم کردن عظیم ترین
میزانِ اطلاعاتی است
02:14
that you will ever encounterرویارویی.
42
122898
1556
که به عمرتان دیده اید.
02:16
Forgetفراموش کردن bigبزرگ dataداده ها, forgetفراموش کردن
anything you heardشنیدم of.
43
124478
2950
داده های بزرگ و هرچه شنیده اید
را فراموش کنید
02:19
This is the biggestبزرگترین amountمیزان
of informationاطلاعات that existsوجود دارد.
44
127452
2881
این عظیم ترین میزان اطلاعات موجود است.
02:22
(Applauseتشویق و تمجید)
45
130357
3833
(تشویق حاضران)
02:26
But natureطبیعت, fortunatelyخوشبختانه, is much smarterهوشمندانه
than a youngجوان physicistفیزیکدان,
46
134214
4644
اما خوشبختانه طبیعت از یک فیزیکدان جوان
بسیار با هوش تر است
02:30
and in fourچهار billionبیلیون yearsسالها, managedاداره می شود
to packبسته this informationاطلاعات
47
138882
3576
و ظرف چهار میلیارد سال
این اطلاعات را بسته بندی کرده است
02:34
in a smallکوچک crystalکریستال we call DNADNA.
48
142482
2705
در کریستالی کوچک
که ما آنرا دی اِن اِی می‌نامیم.
02:37
We metملاقات کرد it for the first time in 1950
when Rosalindروزالیند Franklinفرانکلین,
49
145605
4312
اولین بار در سال ۱۹۵۰ با آن برخورد داشتیم
وقتی که روزالیند فرنکلین
02:41
an amazingحیرت آور scientistدانشمند, a womanزن,
50
149941
1556
دانشمندی شگفت انگیز ، یک زن
02:43
tookگرفت a pictureعکس of it.
51
151521
1389
از آن عکسبرداری کرد.
02:44
But it tookگرفت us more than 40 yearsسالها
to finallyسرانجام pokeبهم زدن insideداخل a humanانسان cellسلول,
52
152934
5188
اما چهل سال طول کشید که بتوانیم
سلول انسان را بشکافیم
02:50
take out this crystalکریستال,
53
158146
1602
این کریستال را بیرون بیاوریم
02:51
unrollباز کردن it, and readخواندن it for the first time.
54
159772
3080
بازش کنیم و برای اولین آنرا بار بخوانیم
الفبای این رمزها ، بسیار ساده از آب در آمد
02:55
The codeکد comesمی آید out to be
a fairlyمنصفانه simpleساده alphabetالفبا,
55
163615
3241
02:58
fourچهار lettersنامه ها: A, T, C and G.
56
166880
3772
چهار حرف : A و T و C و G.
03:02
And to buildساختن a humanانسان,
you need threeسه billionبیلیون of them.
57
170676
3490
و برای ساخت یک انسان
شما به سه میلیارد از آنها نیاز دارید.
03:06
Threeسه billionبیلیون.
58
174933
1179
سه میلیارد .
03:08
How manyبسیاری are threeسه billionبیلیون?
59
176136
1579
سه میلیارد چقدر است ؟
03:09
It doesn't really make
any senseاحساس as a numberعدد, right?
60
177739
2762
بعنوان یک عدد ، زیاد قابل درک نیست
درست ؟
03:12
So I was thinkingفكر كردن how
I could explainتوضیح myselfخودم better
61
180525
4085
بنابراین به این موضوع می اندیشیدم
که چطور بهتر برای خودم تشریح کنم
03:16
about how bigبزرگ and enormousعظیم this codeکد is.
62
184634
3050
که این کُد ، تا چه اندازه بزرگ و عظیم است.
03:19
But there is -- I mean,
I'm going to have some help,
63
187708
3054
راه حلی هم وجود دارد .
الان به کمک احتیاج خواهم داشت.
03:22
and the bestبهترین personفرد to help me
introduceمعرفی کنید the codeکد
64
190786
3227
و بهترین کسی که برای معرفی این کد
به من کمک می کند
03:26
is actuallyدر واقع the first man
to sequenceتوالی it, Drدکتر. Craigکریگ Venterونتر.
65
194037
3522
در حقیقت همان کسی است که برای اولین بار
آنرا مرتب کرد ، دکتر کریگ ونتر
03:29
So welcomeخوش آمدی onstageصحنه, Drدکتر. Craigکریگ Venterونتر.
66
197583
3390
بسیار خوب ، دکتر کریگ ونتر تشویق بفرمایید.
03:32
(Applauseتشویق و تمجید)
67
200997
6931
(تشویق حاضران)
03:39
Not the man in the fleshگوشت,
68
207952
2256
البته نه بصورت جسمانی
03:43
but for the first time in historyتاریخ,
69
211448
2345
اما برای اولین بار در تاریخ
03:45
this is the genomeژنوم of a specificخاص humanانسان,
70
213817
3462
این نقشه ژنتیکیِ یک انسان ویژه است
03:49
printedچاپ شده page-by-pageصفحه به صفحه, letter-by-letterحرف با حرف:
71
217303
3760
که صفحه به صفحه و حرف به حرف
چاپ شده است
03:53
262,000 pagesصفحات of informationاطلاعات,
72
221087
3996
دویست و شصت و دو هزار صفحه اطلاعات
03:57
450 kilogramsکیلوگرم, shippedحمل می شود
from the Unitedیونایتد Statesایالت ها to Canadaکانادا
73
225107
4364
چهارصد و پنجاه کیلوگرم
با کشتی از آمریکا به کانادا حمل شده است
04:01
thanksبا تشکر to Brunoبرونو Bowdenبوودن,
Luluلولو.comکام, a start-upشروع, did everything.
74
229495
4843
ضمن تشکر از برونو بودِن
lulu.com ، یک استارتاپ همه کار کرد.
04:06
It was an amazingحیرت آور featشاهکار.
75
234362
1463
شاهکار شگفت انگیزی بود
04:07
But this is the visualبصری perceptionادراک
of what is the codeکد of life.
76
235849
4297
کُدِ زندگی ، بصورت بصری به این شکل
نمایان می شود.
04:12
And now, for the first time,
I can do something funسرگرم کننده.
77
240170
2478
و حالا برای اولین بار
می توانم کاری بامزه انجام دهم.
04:14
I can actuallyدر واقع pokeبهم زدن insideداخل it and readخواندن.
78
242672
2547
در حقیقت می توانم یکی انتخاب کنم و بخوانم.
04:17
So let me take an interestingجالب هست
bookکتاب ... like this one.
79
245243
4625
اجازه بدهید یک کتاب جالب توجه انتخاب کنم
مثل این یکی.
من حاشیه نویسی کردم ؛ کتاب خیلی بزرگی است.
04:25
I have an annotationحاشیه نویسی;
it's a fairlyمنصفانه bigبزرگ bookکتاب.
80
253077
2534
04:27
So just to let you see
what is the codeکد of life.
81
255635
3727
فقط برای اینکه شما ببینید
کُد زندگی چگونه است
04:32
Thousandsهزاران نفر and thousandsهزاران نفر and thousandsهزاران نفر
82
260566
3391
هزاران و هزاران و هزاران
04:35
and millionsمیلیون ها نفر of lettersنامه ها.
83
263981
2670
و میلیونها حرف
04:38
And they apparentlyظاهرا make senseاحساس.
84
266675
2396
که ظاهرا بی معنا هستند
04:41
Let's get to a specificخاص partبخشی.
85
269095
1757
اجازه بدهید به قسمت خاصی برویم
04:43
Let me readخواندن it to you:
86
271571
1362
اجازه دهید برایتان بخوانم :
04:44
(Laughterخنده)
87
272957
1021
(خنده‌ی حاضران)
04:46
"AAGAAG, AATAAT, ATAATA."
88
274002
4006
«AAG , AAT ,ATA»
04:50
To you it soundsبرای تلفن های موبایل like muteبی صدا lettersنامه ها,
89
278965
2067
برای شما این حروف بی معنا هستند
04:53
but this sequenceتوالی givesمی دهد
the colorرنگ of the eyesچشم ها to Craigکریگ.
90
281056
4041
اما این توالیِ حروف ، رنگ چشم را
برای کریگ مشخص می کنند
04:57
I'll showنشان بده you anotherیکی دیگر partبخشی of the bookکتاب.
91
285633
1932
بخش دیگری از کتاب را نشانتان خواهم داد.
04:59
This is actuallyدر واقع a little
more complicatedبغرنج.
92
287589
2094
درحقیقت این قسمت اندکی پیچیده است.
05:02
Chromosomeکروموزوم 14, bookکتاب 132:
93
290983
2647
کروموزوم ۱۴، کتاب ۱۳۲
05:05
(Laughterخنده)
94
293654
2090
(خنده‌ی حاضران)
05:07
As you mightممکن expectانتظار.
95
295768
1277
همانطور که انتظار دارید.
05:09
(Laughterخنده)
96
297069
3466
(خنده ی حاضران)
05:14
"ATTATT, CTTCTT, GATTGATT."
97
302857
4507
«ATT, CTT, GATT»
05:20
This humanانسان is luckyخوش شانس,
98
308329
1687
این انسان خوش شانسی است
05:22
because if you missاز دست دادن just
two lettersنامه ها in this positionموقعیت --
99
310040
4517
برای اینکه اگر کسی دو حرف
در این موقعیت کم داشته باشد
05:26
two lettersنامه ها of our threeسه billionبیلیون --
100
314581
1877
دو حرف از سه میلیارد
05:28
he will be condemnedمحکوم
to a terribleوحشتناک diseaseمرض:
101
316482
2019
محکوم به تحمل بیماری وحشتناکی خواهد شد
05:30
cysticکیستیک fibrosisفیبروز.
102
318525
1440
سیستیک فایبروسیس
05:31
We have no cureدرمان for it,
we don't know how to solveحل it,
103
319989
3413
ما درمان و راه حلی برای آن نمی دانیم.
05:35
and it's just two lettersنامه ها
of differenceتفاوت from what we are.
104
323426
3755
و با آنچه که هستیم فقط دو حرف فرق دارد.
05:39
A wonderfulفوق العاده bookکتاب, a mightyتوانا bookکتاب,
105
327585
2705
یک کتاب عجیب ، کتابِ اعظم
05:43
a mightyتوانا bookکتاب that helpedکمک کرد me understandفهمیدن
106
331115
1998
کتاب اعظمی که به من کمک کرد تا بفهمم
05:45
and showنشان بده you something quiteکاملا remarkableقابل توجه.
107
333137
2753
و به شما یک نکته جالب توجه را نشان دهم.
05:48
Everyهرکدام one of you -- what makesباعث می شود
me, me and you, you --
108
336480
4435
هرکدام از شما
آنچه مرا من و شما را شما می کند
05:52
is just about fiveپنج millionمیلیون of these,
109
340939
2954
فقط پنج میلیون از این حروف هستند
05:55
halfنیم a bookکتاب.
110
343917
1228
نیمی از کتاب
05:58
For the restباقی مانده,
111
346015
1663
بقیه
05:59
we are all absolutelyکاملا identicalیکسان.
112
347702
2562
همگی ما کاملا یکسان هستیم
06:03
Fiveپنج hundredصد pagesصفحات
is the miracleمعجزه of life that you are.
113
351008
4018
پانصد صفحه ، معجزه ی زندگی
که شما هستید.
06:07
The restباقی مانده, we all shareاشتراک گذاری it.
114
355050
2531
در بقیه موارد همگی مشترک هستیم.
06:09
So think about that again
when we think that we are differentناهمسان.
115
357605
2909
دوباره بیاندیشید وقتی که
ما فکر میکنیم با هم متفاوتیم
06:12
This is the amountمیزان that we shareاشتراک گذاری.
116
360538
2221
ما تا این اندازه با هم مشترکیم.
06:15
So now that I have your attentionتوجه,
117
363441
3429
حال که توجه شما را به خود جلب کرده ام
06:18
the nextبعد questionسوال is:
118
366894
1359
پرسش بعدی این است :
06:20
How do I readخواندن it?
119
368277
1151
چگونه رمزها را بخوانم؟
06:21
How do I make senseاحساس out of it?
120
369452
1509
چگونه معنی آنرا متوجه شوم ؟
06:23
Well, for howeverبا این حال good you can be
at assemblingمونتاژ Swedishسوئدی furnitureمبلمان,
121
371409
4240
خوب ، به همان خوبی که می توانید
اثاثه سوئدی را بپینید
06:27
this instructionدستورالعمل manualکتابچه راهنمای
is nothing you can crackترک in your life.
122
375673
3563
این کتاب راهنما ، چیزی نیست
که بتوانید در عمر خود، راز آنرا بشکافید
06:31
(Laughterخنده)
123
379260
1603
(خنده ی حاضران)
06:32
And so, in 2014, two famousمشهور TEDstersTEDsters,
124
380887
3112
و اینگونه ، در سال ۲۰۱۴
دو نفر از سخنرانانِ مشهورِ TED
06:36
Peterپیتر Diamandisدیامندیس and Craigکریگ Venterونتر himselfخودت,
125
384023
2540
پیتر دیاماندیس وخودِ کریگ ونتر
06:38
decidedقرار بر این شد to assembleجمع کن a newجدید companyشرکت.
126
386587
1927
تصمیم به تاسیس یک شرکت جدید گرفتند.
06:40
Humanانسان Longevityطول عمر was bornبدنیا آمدن,
127
388538
1412
« عمرِ انسان » متولد شد.
06:41
with one missionماموریت:
128
389974
1370
با یک ماموریت :
06:43
tryingتلاش کن everything we can try
129
391368
1861
که تمام سعی مان را بکنیم
06:45
and learningیادگیری everything
we can learnیاد گرفتن from these booksکتاب ها,
130
393253
2759
و تا آنجا که می توانیم
از این کتابها بیاموزیم
06:48
with one targetهدف --
131
396036
1705
با یک هدف
06:50
makingساخت realواقعی the dreamرویا
of personalizedشخصی medicineدارو,
132
398862
2801
جامه واقعیت پوشاندن به رویای
طب شخصی
06:53
understandingدرك كردن what things
should be doneانجام شده to have better healthسلامتی
133
401687
3767
فهمیدنِ اینکه چه چیزی
باعث سلامتی و بهبود می شود.
06:57
and what are the secretsاسرار in these booksکتاب ها.
134
405478
2283
و رازِ این کتابها چیست .
07:00
An amazingحیرت آور teamتیم, 40 dataداده ها scientistsدانشمندان
and manyبسیاری, manyبسیاری more people,
135
408329
4250
یک تیم فوق العاده ، شامل چهل دانشمند
متخصص پردازش داده ها و خیلی افراد دیگر
07:04
a pleasureلذت to work with.
136
412603
1350
که کار با آنها لذت بخش است
07:05
The conceptمفهوم is actuallyدر واقع very simpleساده.
137
413977
2253
ایده ی اصلی در حقیقت بسیار ساده است
07:08
We're going to use a technologyتکنولوژی
calledبه نام machineدستگاه learningیادگیری.
138
416254
3158
ما از تکنولوژی بنام « فراگیری ماشین»
استفاده خواهیم کرد.
07:11
On one sideسمت, we have genomesژنوم ها --
thousandsهزاران نفر of them.
139
419436
4539
از یک سو ، هزاران نقشه ژنتیکی
در دست داریم.
07:15
On the other sideسمت, we collectedجمع آوری شده
the biggestبزرگترین databaseبانک اطلاعاتی of humanانسان beingsموجودات:
140
423999
3997
از سوی دیگر، بزرگترین اطلاعات
مربوط به انسان را جمع آوری می کنیم
07:20
phenotypesفنوتیپ ها, 3D scanاسکن کردن, NMRNMR --
everything you can think of.
141
428020
4296
رُخ نمودها ، اسکن های سه بُعدی، NMR
هرچه که فکرش را بکنید.
07:24
Insideداخل there, on these two oppositeمخالف sidesدو طرف,
142
432340
2899
و در میان این دو
07:27
there is the secretراز of translationترجمه.
143
435263
2442
راز ترجمه نهفته است
07:29
And in the middleوسط, we buildساختن a machineدستگاه.
144
437729
2472
و در میان ، ما یک دستگاه ساختیم
07:32
We buildساختن a machineدستگاه
and we trainقطار a machineدستگاه --
145
440801
2385
ما یک دستگاه ساختیم
و به آن آموختیم
07:35
well, not exactlyدقیقا one machineدستگاه,
manyبسیاری, manyبسیاری machinesماشین آلات --
146
443210
3210
خوب البته نه یک دستگاه
دستگاههای زیادی ساختیم
07:38
to try to understandفهمیدن and translateترجمه کردن
the genomeژنوم in a phenotypeفنوتیپ.
147
446444
4544
که نقشه ی ژنتیکی را بفهمد و
به رُخ نمود ترجمه کند.
07:43
What are those lettersنامه ها,
and what do they do?
148
451362
3340
این حروف چه هستند ،
و چه کاری انجام می دهند؟
07:46
It's an approachرویکرد that can
be used for everything,
149
454726
2747
این رویکردی است که
موارد استفاده ی بیشماری دارد.
07:49
but usingاستفاده كردن it in genomicsژنومیک
is particularlyبه خصوص complicatedبغرنج.
150
457497
2993
اما استفاده از آن مخصوصا در علم ژنتیک
پیچیده است
07:52
Little by little we grewرشد کرد and we wanted
to buildساختن differentناهمسان challengesچالش ها.
151
460514
3276
کم کم رشد کردیم و خواستیم
تا چالش های مختلف بیافرینیم
07:55
We startedآغاز شده from the beginningشروع,
from commonمشترک traitsصفات.
152
463814
2732
از نقطه ی آغاز شروع کردیم
از شاخصه های مشترک
07:58
Commonمشترک traitsصفات are comfortableراحت
because they are commonمشترک,
153
466570
2603
شاخصه های مشترک آسان هستند
چون مشترک هستند
08:01
everyoneهر کس has them.
154
469197
1184
همه ، آنها را دارند
08:02
So we startedآغاز شده to askپرسیدن our questionsسوالات:
155
470405
2494
بنابراین شروع به پرسش کردیم :
08:04
Can we predictپیش بینی heightارتفاع?
156
472923
1380
آیا می توانیم قد را حدس بزنیم ؟
با خواندن کتابها می‌توان
قدتان را حدس زد ؟
08:06
Can we readخواندن the booksکتاب ها
and predictپیش بینی your heightارتفاع?
157
474985
2177
08:09
Well, we actuallyدر واقع can,
158
477186
1151
در حقیقت می توانیم
08:10
with fiveپنج centimetersسانتیمتر of precisionدقت.
159
478361
1793
با پنج ساتی متر اختلاف
08:12
BMIشاخص توده بدنی is fairlyمنصفانه connectedمتصل to your lifestyleسبک زندگی,
160
480178
3135
وزنتان بشدت به شیوه‌ی زندگیتان مربوط است
08:15
but we still can, we get in the ballparkپارکینگ,
eightهشت kilogramsکیلوگرم of precisionدقت.
161
483337
3864
اما می توانیم با اختلاف هشت کیلوگرم
آنرا حدس بزنیم
08:19
Can we predictپیش بینی eyeچشم colorرنگ?
162
487225
1231
رنگ چشم چطور ؟
08:20
Yeah, we can.
163
488480
1158
بله ، می توانیم.
08:21
Eightyهشتاد percentدرصد accuracyدقت.
164
489662
1324
با هشتاد درصد دقت.
08:23
Can we predictپیش بینی skinپوست colorرنگ?
165
491466
1858
رنگ پوست را می توان حدس زد؟
08:25
Yeah we can, 80 percentدرصد accuracyدقت.
166
493348
2441
بله می توانیم ، با ۸۰ درصد دقت
رنگ پوست را حدس زد.
08:27
Can we predictپیش بینی ageسن?
167
495813
1340
سن را می توان حدس زد ؟
08:30
We can, because apparentlyظاهرا,
the codeکد changesتغییرات duringدر حین your life.
168
498121
3739
می توانیم ، چون ظاهرا
کد در طول زندگی تغییر می کنند
08:33
It getsمی شود shorterکوتاه تر, you loseاز دست دادن piecesقطعات,
it getsمی شود insertionsدرج.
169
501884
3282
کوتاهتر می شود ،تکه هایی را از دست می دهید
تکه های جدید بوجود می آیند
08:37
We readخواندن the signalsسیگنال ها, and we make a modelمدل.
170
505190
2555
ما علامتها را می خوانیم و
نمونه را می سازیم
08:40
Now, an interestingجالب هست challengeچالش:
171
508438
1475
و حالا یک چالش جالب :
08:41
Can we predictپیش بینی a humanانسان faceصورت?
172
509937
1729
چهره یک فرد را می‌توان حدس زد؟
تا حدودی پیچیده است
08:45
It's a little complicatedبغرنج,
173
513014
1278
08:46
because a humanانسان faceصورت is scatteredپراکنده
amongدر میان millionsمیلیون ها نفر of these lettersنامه ها.
174
514316
3191
چون اطلاعات مربوط به چهره
مابین میلیونها حرف پخش شده است
08:49
And a humanانسان faceصورت is not
a very well-definedبه خوبی تعریف شده است objectشی.
175
517531
2629
و چهره ی انسان یک شیء
تعریف شده مشخصی نیست
08:52
So, we had to buildساختن an entireکل tierدرجه of it
176
520184
2051
ما مجبور شدیم
که حلال این مشکل را بسازیم
08:54
to learnیاد گرفتن and teachتدریس کنید
a machineدستگاه what a faceصورت is,
177
522259
2710
که به دستگاه بیاموزیم
که یک چهره چیست
08:56
and embedجاسازی and compressفشرده کردن it.
178
524993
2037
و اطلاعات آنرا متراکم و جاسازی کند.
08:59
And if you're comfortableراحت
with machineدستگاه learningیادگیری,
179
527054
2248
و اگر شما با فراگیری ماشین
آشنایی داشته باشید
09:01
you understandفهمیدن what the challengeچالش is here.
180
529326
2284
درک میکنید که چه چالشی در میان است
09:04
Now, after 15 yearsسالها -- 15 yearsسالها after
we readخواندن the first sequenceتوالی --
181
532108
5991
بعد از ۱۵ سال که
ما اولین توالیِ کدها را خواندیم
09:10
this Octoberاکتبر, we startedآغاز شده
to see some signalsسیگنال ها.
182
538123
2902
اکتبر امسال ، نشانه هایی را دریافت کردیم.
09:13
And it was a very emotionalعاطفی momentلحظه.
183
541049
2455
و آن ، لحظه ی بسیار هیجان انگیزی بود.
09:15
What you see here is a subjectموضوع
comingآینده in our labآزمایشگاه.
184
543528
3745
آنچه که اینجا می بینید سوژه‌ای بود
که وارد آزمایشگاه ما شد
09:19
This is a faceصورت for us.
185
547619
1928
این چهره ای است که در اختیار داریم
09:21
So we take the realواقعی faceصورت of a subjectموضوع,
we reduceكاهش دادن the complexityپیچیدگی,
186
549571
3631
بنابراین ما چهره ی سوژه را دریافت می کنیم
از پیچیدگیهای آن می کاهیم
09:25
because not everything is in your faceصورت --
187
553226
1970
چون هرچیزی درچهره ی شما نیست
09:27
lots of featuresامکانات and defectsعیوب
and asymmetriesنامتقارن come from your life.
188
555220
3786
بسیاری از شاخصه ها و نارسایی
و عدم تقارن در چهره از زندگیِ شما می آیند.
09:31
We symmetrizeتقلید کردن the faceصورت,
and we runاجرا کن our algorithmالگوریتم.
189
559030
3469
ما چهره را متقارن می کنیم
سپس الگوریتم مان را راه میاندازیم.
09:35
The resultsنتایج that I showنشان بده you right now,
190
563245
1898
نتایجی که من اکنون به شما نشان می دهم
09:37
this is the predictionپیش بینی we have
from the bloodخون.
191
565167
3372
پیشگویی است که ما
از روی نمونه خون انجام دادیم
09:41
(Applauseتشویق و تمجید)
192
569596
1524
(تشویق حاضران)
09:43
Wait a secondدومین.
193
571144
1435
یک لحظه صبر کنید.
09:44
In these secondsثانیه, your eyesچشم ها are watchingتماشا کردن,
left and right, left and right,
194
572603
4692
در این لحظات ، چشمان شما به چپ و راست
نگاه می کنند
09:49
and your brainمغز wants
those picturesتصاویر to be identicalیکسان.
195
577319
3930
و مغز شما می خواهد که تصاویر
شبیه به هم باشند
09:53
So I askپرسیدن you to do
anotherیکی دیگر exerciseورزش, to be honestصادقانه.
196
581273
2446
بنابراین من از شما می خواهم
که صادقانه طور دیگر عمل کنید.
09:55
Please searchجستجو کردن for the differencesتفاوت ها,
197
583743
2287
خواهش می کنم در جستجوی تفاوتها باشید
09:58
whichکه are manyبسیاری.
198
586054
1361
که زیاد هم هستند.
09:59
The biggestبزرگترین amountمیزان of signalسیگنال
comesمی آید from genderجنسیت,
199
587439
2603
بیشترین مقدار نشانه ها
مربوط به جنسیت هستند ،
10:02
then there is ageسن, BMIشاخص توده بدنی,
the ethnicityقومیت componentجزء of a humanانسان.
200
590066
5201
بعد از آن ، سن ، وزن
مولفه های نژادی یک فرد
10:07
And scalingپوسته پوسته شدن up over that signalسیگنال
is much more complicatedبغرنج.
201
595291
3711
وافزایش یک نشانه
کار را بسیار پیچیده تر می کند.
10:11
But what you see here,
even in the differencesتفاوت ها,
202
599026
3250
اما با وجود اختلافها
آنچه که شما می بینید
10:14
letsاجازه می دهد you understandفهمیدن
that we are in the right ballparkپارکینگ,
203
602300
3595
به شما می فهماند
که درست تخمین زده شده است،
10:17
that we are gettingگرفتن closerنزدیک تر.
204
605919
1348
که ما نزدیکتر شده ایم.
10:19
And it's alreadyقبلا givingدادن you some emotionsاحساسات.
205
607291
2349
و همین حالا هم شما را هیجانزده کرده است.
10:21
This is anotherیکی دیگر subjectموضوع
that comesمی آید in placeمحل,
206
609664
2703
این سوژه ی دیگری است
10:24
and this is a predictionپیش بینی.
207
612391
1409
و این هم پیشگویی.
10:25
A little smallerکوچکتر faceصورت, we didn't get
the completeتکمیل cranialجمجمه structureساختار,
208
613824
4596
چهره کوچکتر شده ،
ما تمام ساختار جمجمه را درست حدس نزدیم
10:30
but still, it's in the ballparkپارکینگ.
209
618444
2651
اما همچنان ، درست حدس زده شده است
10:33
This is a subjectموضوع that comesمی آید in our labآزمایشگاه,
210
621634
2224
این سوژه ای است که به آزمایشگاه ما آمد
10:35
and this is the predictionپیش بینی.
211
623882
1443
و این هم چهره ی تخمین زده شده.
10:38
So these people have never been seenمشاهده گردید
in the trainingآموزش of the machineدستگاه.
212
626056
4676
این افراد در زمان تمرینِ ماشین
هرگز حضور نداشتند.
10:42
These are the so-calledباصطلاح "held-outبرگزار شد" setتنظیم.
213
630756
2837
اینها دسته ی «ذخیره» نام دارند.
10:45
But these are people that you will
probablyشاید never believe.
214
633617
3740
اما همچنین اینها کسانی هستند که
شما احتمالا باور نخواهید کرد.
10:49
We're publishingانتشارات everything
in a scientificعلمی publicationانتشار,
215
637381
2676
ما همه ی جزئیات را در
یک نشریه علمی منتشر می کنیم،
10:52
you can readخواندن it.
216
640081
1151
می توانید آنرا مطالعه کنید.
10:53
But sinceاز آنجا که we are onstageصحنه,
Chrisکریس challengedبه چالش کشیده شد me.
217
641256
2344
اما از آنجائیکه ما روی صحنه هستیم
کریس مرا به چالش کشید.
10:55
I probablyشاید exposedدر معرض myselfخودم
and triedتلاش کرد to predictپیش بینی
218
643624
3626
که شاید خودم را به خطر بیاندازم
و کسی را همینجا حدس بزنم
10:59
someoneکسی that you mightممکن recognizeتشخیص.
219
647274
2831
کسی که شما بتوانید او را تشخیص دهید.
11:02
So, in this vialویال of bloodخون --
and believe me, you have no ideaاندیشه
220
650470
4425
در این شیشه محتوی خون--
باور کنید، فکرش را هم نمی کنید
11:06
what we had to do to have
this bloodخون now, here --
221
654919
2880
که الان برای بدست آوردن این،
مجبور به انجام چه کاری شدیم.
11:09
in this vialویال of bloodخون is the amountمیزان
of biologicalبیولوژیکی informationاطلاعات
222
657823
3901
در این شیشه محتوی خون
بقدری اطلاعات بیولوژیکی داریم
11:13
that we need to do a fullپر شده genomeژنوم sequenceتوالی.
223
661748
2277
که برای درست کردن
رشته کامل ژنها نیاز است
11:16
We just need this amountمیزان.
224
664049
2070
فقط به همین اندازه نیاز داریم.
11:18
We ranفرار کرد this sequenceتوالی,
and I'm going to do it with you.
225
666528
3205
اطلاعات را ردیف کردیم
و من الان با شما آنرا انجام خواهم داد.
11:21
And we startشروع کن to layerلایه up
all the understandingدرك كردن we have.
226
669757
3979
و ما لایه به لایه
به درک خود اضافه می کنیم.
11:25
In the vialویال of bloodخون,
we predictedپیش بینی شده he's a maleنر.
227
673760
3350
از این خون ، ما حدس زدیم که او یک مرد است
11:29
And the subjectموضوع is a maleنر.
228
677134
1364
و سوژه هم یک مرد است.
11:30
We predictپیش بینی that he's a meterمتر and 76 cmسانتی متر.
229
678996
2438
حدس زدیم که قد او یک متر و ۷۶ سانتیمتر است.
11:33
The subjectموضوع is a meterمتر and 77 cmسانتی متر.
230
681458
2392
قد سوژه یک متر و ۷۷ سانتیمتر است.
11:35
So, we predictedپیش بینی شده that he's 76;
the subjectموضوع is 82.
231
683874
4110
وزن او را ۷۶ کیلوگرم حدس زدیم
سوژه ۸۲ کیلوگرم وزن دارد.
11:40
We predictپیش بینی his ageسن, 38.
232
688701
2632
سن او را ۳۸ سال تخمین زدیم
11:43
The subjectموضوع is 35.
233
691357
1904
سوژه ۳۵ سال سن دارد.
11:45
We predictپیش بینی his eyeچشم colorرنگ.
234
693851
2124
رنگ چشمش را حدس زدیم.
11:48
Too darkتاریک است.
235
696824
1211
زیادی تیره شد.
11:50
We predictپیش بینی his skinپوست colorرنگ.
236
698059
1555
رنگ پوست او را حدس زدیم.
11:52
We are almostتقریبا there.
237
700026
1410
تقریبا درست حدس زدیم.
11:53
That's his faceصورت.
238
701899
1373
این چهره ی اوست.
11:57
Now, the revealآشکار ساختن momentلحظه:
239
705172
3269
و حالا ، لحظه ی فاش شدن :
12:00
the subjectموضوع is this personفرد.
240
708465
1770
سوژه ، این فرد است.
12:02
(Laughterخنده)
241
710259
1935
(خنده ی حاضران)
12:04
And I did it intentionallyاز قصد.
242
712218
2058
و من عمدا این کار را کردم.
12:06
I am a very particularخاص
and peculiarعجیب و غریب ethnicityقومیت.
243
714300
3692
من از یک نژاد خاص و عجیب هستم
12:10
Southernجنوب Europeanاروپایی, Italiansایتالیایی ها --
they never fitمناسب in modelsمدل ها.
244
718016
2950
اروپایی جنوبی، ایتالیایی
هرگز نمونه ی خوبی نیستند.
12:12
And it's particularخاص -- that ethnicityقومیت
is a complexپیچیده cornerگوشه caseمورد for our modelمدل.
245
720990
5130
و این خیلی خاص است ، نژادی که
گوشه ی پیچیده ی پرونده ی نمونه های ماست
12:18
But there is anotherیکی دیگر pointنقطه.
246
726144
1509
اما یک موضوع دیگر هم وجود دارد.
12:19
So, one of the things that we use
a lot to recognizeتشخیص people
247
727677
3477
یکی از کارهایی که ما برای
تشخیص افراد انجام می دهیم
12:23
will never be writtenنوشته شده است in the genomeژنوم.
248
731178
1722
هرگز روی نقشه ژنتیکی ثبت نمی شود.
12:24
It's our freeرایگان will, it's how I look.
249
732924
2317
این اراده ی آزاد ماست
که من این شکلی هستم.
12:27
Not my haircutاصلاح مو in this caseمورد,
but my beardریش cutبرش.
250
735265
3229
نه مدل موهای من در این مورد خاص،
بلکه مدل ریش من.
12:30
So I'm going to showنشان بده you, I'm going to,
in this caseمورد, transferانتقال it --
251
738518
3553
بنابراین الان نشانتان خواهم داد
انرا جابجا خواهم کرد.
12:34
and this is nothing more
than Photoshopفتوشاپ, no modelingمدل سازی --
252
742095
2765
و این چیزی نیست جز فتوشاپ،
نمونه برداری نشده است
12:36
the beardریش on the subjectموضوع.
253
744884
1713
ریش از روی سوژه جابجا می شود
12:38
And immediatelyبلافاصله, we get
much, much better in the feelingاحساس.
254
746621
3472
و بلافاصله ،حس بهتری به ما دست می دهد.
12:42
So, why do we do this?
255
750955
2709
چرا ما این کار را انجام می دهیم؟
12:47
We certainlyقطعا don't do it
for predictingپیش بینی heightارتفاع
256
755938
5140
مطمئنا ما اینکار را برای حدس اندازه قد
انجام نمی دهیم
12:53
or takingگرفتن a beautifulخوشگل pictureعکس
out of your bloodخون.
257
761102
2372
یا اینکه چهره ای زیبا
از خونِ شما استخراج کنیم
12:56
We do it because the sameیکسان technologyتکنولوژی
and the sameیکسان approachرویکرد,
258
764390
4018
اینکار را می‌کنیم چون همین تکنولوژی
و همین رویکرد
13:00
the machineدستگاه learningیادگیری of this codeکد,
259
768432
2520
فراگیریِ ماشین از این کُد
13:02
is helpingکمک us to understandفهمیدن how we work,
260
770976
3137
ما را در فهمیدنِ اینکه چگونه کار می کنیم
کمک می کند.
13:06
how your bodyبدن worksآثار,
261
774137
1486
اینکه بدنِ شما چگونه کار می کند
13:07
how your bodyبدن agesسنین,
262
775647
1665
چگونه بدن شما پیر می شود
13:09
how diseaseمرض generatesتولید می کند in your bodyبدن,
263
777336
2769
چگونه بیماری در جسم شما بوجود می آید.
13:12
how your cancerسرطان growsرشد می کند and developsتوسعه می یابد,
264
780129
2972
سرطانِ شما چگونه پیشرفت می کند.
13:15
how drugsمواد مخدر work
265
783125
1783
داروها چگونه کار می کنند.
13:16
and if they work on your bodyبدن.
266
784932
2314
و آیا اصلا در بدن شما کارآیی دارند .
13:19
This is a hugeبزرگ challengeچالش.
267
787713
1667
این چالش بسیار بزرگی است.
13:21
This is a challengeچالش that we shareاشتراک گذاری
268
789894
1638
این چالشی است مشترک بین ما
13:23
with thousandsهزاران نفر of other
researchersمحققان around the worldجهان.
269
791556
2579
و هزاران محقق در سراسر جهان.
13:26
It's calledبه نام personalizedشخصی medicineدارو.
270
794159
2222
نامش طب شخصی است.
13:29
It's the abilityتوانایی to moveحرکت
from a statisticalآماری approachرویکرد
271
797125
3460
توانایی حرکت از
رویکرد آماری
13:32
where you're a dotنقطه in the oceanاقیانوس,
272
800609
2032
جائیکه شما قطره‌ای هستید از دریا
13:34
to a personalizedشخصی approachرویکرد,
273
802665
1813
به رویکرد شخصی است ،
13:36
where we readخواندن all these booksکتاب ها
274
804502
2185
جائیکه ما تمام این کتابها را می‌خوانیم
13:38
and we get an understandingدرك كردن
of exactlyدقیقا how you are.
275
806711
2864
و بطور کامل از آنچه شما هستید
آگاه می شویم.
13:42
But it is a particularlyبه خصوص
complicatedبغرنج challengeچالش,
276
810260
3362
اما این چالش بسیار پیچیده است
13:45
because of all these booksکتاب ها, as of todayامروز,
277
813646
3998
چون تا به امروز
فقط حدود دو درصد از این کتابها را می‌فهمیم.
13:49
we just know probablyشاید two percentدرصد:
278
817668
2642
13:53
fourچهار booksکتاب ها of more than 175.
279
821027
3653
چهار کتاب از بیش از ۱۷۵ کتاب.
13:58
And this is not the topicموضوع of my talk,
280
826021
3206
و این موضوع بحث امروز من نیست ،
14:02
because we will learnیاد گرفتن more.
281
830145
2598
چون ما باز هم خواهیم آموخت.
14:05
There are the bestبهترین mindsذهنها
in the worldجهان on this topicموضوع.
282
833378
2669
بهترین مغزهای جهان
مشغول مطالعه روی این موضوع هستند.
14:09
The predictionپیش بینی will get better,
283
837048
1834
بهتر تخمین خواهیم زد.
14:10
the modelمدل will get more preciseدقیق.
284
838906
2253
نمونه ها دقیق تر خواهند شد.
14:13
And the more we learnیاد گرفتن,
285
841183
1858
و هرچه بیشتر بیاموزیم،
14:15
the more we will
be confrontedمقابله با with decisionsتصمیمات
286
843065
4830
بیشتر با این تصمیم‌ها روبرو خواهیم شد
14:19
that we never had to faceصورت before
287
847919
3021
که تا پیش از این مجبور نبودیم
با آنها روبرو شویم
14:22
about life,
288
850964
1435
درباره زندگی
14:24
about deathمرگ,
289
852423
1674
درباره مرگ
14:26
about parentingپدر و مادر.
290
854121
1603
درباره پدر و مادر شدن
ما در حال لمس درونی ترین
جزئیات زندگی هستیم.
14:32
So, we are touchingلمس کردن the very
innerدرونی detailجزئیات on how life worksآثار.
291
860626
4746
14:38
And it's a revolutionانقلاب
that cannotنمی توان be confinedمحدود است
292
866118
3158
و این انقلابی است که
نمی تواند محدود شود
14:41
in the domainدامنه of scienceعلوم پایه or technologyتکنولوژی.
293
869300
2659
در محدوده ی علم و تکنولوژی.
14:44
This mustباید be a globalجهانی است conversationگفتگو.
294
872960
2244
باید گفتگوی جهانی شکل بگیرد.
14:47
We mustباید startشروع کن to think of the futureآینده
we're buildingساختمان as a humanityبشریت.
295
875798
5217
ما باید به آینده ای که بعنوان انسان
در حال ساخت آن هستیم بیاندیشیم.
14:53
We need to interactتعامل with creativesخلاقیت ها,
with artistsهنرمندان, with philosophersفیلسوفان,
296
881039
4064
باید با نوابغ ، هنرمندان و فلاسفه
و با سیاستمدارن داد و ستد داشته باشیم.
14:57
with politiciansسیاستمداران.
297
885127
1510
14:58
Everyoneهر کس is involvedگرفتار,
298
886661
1158
همه درگیر هستند.
14:59
because it's the futureآینده of our speciesگونه ها.
299
887843
2825
چون این ، آینده ی گونه ی ماست.
15:03
Withoutبدون fearترس, but with the understandingدرك كردن
300
891273
3968
بدون ترس اما همراه با فهم و درک
15:07
that the decisionsتصمیمات
that we make in the nextبعد yearسال
301
895265
3871
که تصمیماتی که ما در سال آینده می گیریم
15:11
will changeتغییر دادن the courseدوره of historyتاریخ foreverبرای همیشه.
302
899160
3789
مسیر تاریخ را برای همیشه تغییر خواهد داد.
15:15
Thank you.
303
903732
1160
سپاسگزارم.
15:16
(Applauseتشویق و تمجید)
304
904916
10159
(تشویق حاضران)
Translated by Saeed Sarhaddy
Reviewed by soheila Jafari

▲Back to top

ABOUT THE SPEAKER
Riccardo Sabatini - Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions.

Why you should listen

Data scientist Riccardo Sabatini harnesses numerical methods for a surprising variety of fields, from material science research to the study of food commodities (as a past director of the EU research project FoodCAST). His most recent research centers on computational genomics and how to crack the code of life.

In addition to his data research, Sabatini is deeply involved in education for entrepreneurs. He is the founder and co-director of the Quantum ESPRESSO Foundation, an advisor in several data-driven startups, and funder of The HUB Trieste, a social impact accelerator.

More profile about the speaker
Riccardo Sabatini | Speaker | TED.com