TED2008
Paul Rothemund: DNA folding, in detail
Paul Rothemund détaille le pliage de l'ADN
Filmed:
Readability: 4
752,456 views
En 2007, Paul Rothemund avait donné à TED un court aperçu de sa spécialité, le pliage de l'ADN. Maintenant, il expose de façon claire et détaillée l'immense promesse de ce domaine - de créer des machines minuscules qui s'assemblent elles-mêmes.
Paul Rothemund - DNA origamist
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Double-click the English transcript below to play the video.
00:12
So, people argue vigorously about the definition of life.
0
0
3000
Les gens débattent vigoureusement sur la définition de la Vie.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
3000
5000
Ils se demandent si on devrait parler de reproduction, de métabolisme ou d'évolution.
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
8000
2000
Je ne saurais y répondre, je ne vous parlerai donc pas de cela.
00:22
I will say that life involves computation.
3
10000
3000
Je dirai plutôt que la vie implique des procédés calculatoires et logiques.
00:25
So this is a computer program.
4
13000
2000
Voici donc un programme informatique.
00:27
Booted up in a cell, the program would execute,
5
15000
3000
Lancé dans une cellule le programme va s'exécuter
00:30
and it could result in this person;
6
18000
3000
et il pourrait en résulter cette personne
00:33
or with a small change, it could result in this person;
7
21000
3000
ou, avec un petit changement, cette personne,
00:36
or another small change, this person;
8
24000
2000
ou, avec un autre petit changement, cette personne,
00:38
or with a larger change, this dog,
9
26000
3000
ou, avec un changement plus important, ce chien
00:41
or this tree, or this whale.
10
29000
2000
ou cet arbre ou cette baleine
00:43
So now, if you take this metaphor
11
31000
2000
Donc, si maintenant vous acceptez cette métaphore
00:45
[of] genome as program seriously,
12
33000
2000
du génome en tant que programme,
00:47
you have to consider that Chris Anderson
13
35000
2000
vous devez admettre que Chris Anderson
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
37000
3000
est un objet fabriqué par ordinateur, tout comme Jim Watson,
00:52
Craig Venter, as are all of us.
15
40000
3000
Craig Venter, ainsi que nous tous.
00:55
And in convincing yourself that this metaphor is true,
16
43000
2000
Et pour vous convaincre que cette métaphore est vraie,
00:57
there are lots of similarities between genetic programs
17
45000
2000
il y a des tas de ressemblances entre les programmes génétiques
00:59
and computer programs that could help to convince you.
18
47000
3000
et les programmes informatiques qui pourraient vous y aider.
01:02
But one, to me, that's most compelling
19
50000
2000
Mais celle qui est pour moi la plus convaincante
01:04
is the peculiar sensitivity to small changes
20
52000
3000
c'est la curieuse sensibilité aux petits changements
01:07
that can make large changes in biological development -- the output.
21
55000
3000
qui peuvent entraîner de grands changements dans le développement du résultat.
01:10
A small mutation can take a two-wing fly
22
58000
2000
Une petite mutation peut transformer une mouche avec deux ailes
01:12
and make it a four-wing fly.
23
60000
1000
en une mouche à quatre ailes.
01:13
Or it could take a fly and put legs where its antennae should be.
24
61000
4000
Elle pourrait aussi faire pousser des pattes là où devraient se trouver ses antennes.
01:17
Or if you're familiar with "The Princess Bride,"
25
65000
2000
Ou si vous connaissez "Le Mariage de la Princesse au Bouton d'Or",
01:19
it could create a six-fingered man.
26
67000
2000
elle pourrait être à l'origine d'un homme à six doigts.
01:21
Now, a hallmark of computer programs
27
69000
2000
Or l'une des caractéristiques des programmes informatiques
01:23
is just this kind of sensitivity to small changes.
28
71000
3000
est justement cette sensibilité aux petits changements.
01:26
If your bank account's one dollar, and you flip a single bit,
29
74000
2000
Si votre compte en banque contient un dollar et que vous inversez un seul bit
01:28
you could end up with a thousand dollars.
30
76000
2000
vous pourriez finir avec mille dollars.
01:30
So these small changes are things that I think
31
78000
3000
Ainsi je pense que ces petits changements sont les choses qui
01:33
that -- they indicate to us that a complicated computation
32
81000
2000
nous permettent de comprendre que les grandes modifications
01:35
in development is underlying these amplified, large changes.
33
83000
4000
de l'évolution sont issues de processus calculatoires complexes.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
87000
6000
Donc, tout ceci nous indique que des programmes moléculaires sont sous-jacents à la biologie
01:45
and it shows the power of molecular programs -- biology does.
35
93000
4000
et cela montre la puissance de ces programmes que la biologie crée.
01:49
And what I want to do is write molecular programs,
36
97000
2000
Et ce que j'aimerais faire c'est écrire des programmes moléculaires
01:51
potentially to build technology.
37
99000
2000
pour potentiellement aboutir à un objet technologique
01:53
And there are a lot of people doing this,
38
101000
1000
Et il y a beaucoup de gens qui travaillent sur ce sujet,
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
102000
3000
beaucoup de biologistes spécialisés dans la synthèse y travaillent, comme Craig Venter,
01:57
And they concentrate on using cells.
40
105000
2000
et ils se concentrent sur l'utilisation des cellules.
01:59
They're cell-oriented.
41
107000
2000
Ils se basent sur les cellules.
02:01
So my friends, molecular programmers, and I
42
109000
2000
Parallèlement, mes amis, des programmeurs moléculaires, et moi même
02:03
have a sort of biomolecule-centric approach.
43
111000
2000
avons une approche centrée sur les bio-molécules.
02:05
We're interested in using DNA, RNA and protein,
44
113000
3000
Nous sommes intéressés par l'utilisation de l'ADN, l'ARN et des protéines
02:08
and building new languages for building things from the bottom up,
45
116000
3000
et nous créons de nouveaux langages pour construire en partant de la base,
02:11
using biomolecules,
46
119000
1000
en utilisant les molécules bio-molécules,
02:12
potentially having nothing to do with biology.
47
120000
3000
des objets n'ayant potentiellement rien à voir avec la biologie.
02:15
So, these are all the machines in a cell.
48
123000
4000
Donc, voici toute la machinerie qui se trouve dans la cellule.
02:19
There's a camera.
49
127000
2000
Il y a une camera.
02:21
There's the solar panels of the cell,
50
129000
1000
Il y a les panneaux solaires de la cellule,
02:22
some switches that turn your genes on and off,
51
130000
2000
des interrupteurs pour activer ou non les gènes,
02:24
the girders of the cell, motors that move your muscles.
52
132000
3000
les étais de la cellule, les moteurs qui bougent vos muscles.
02:27
My little group of molecular programmers
53
135000
2000
Mon petit groupe de programmeurs moléculaires
02:29
are trying to refashion all of these parts from DNA.
54
137000
4000
essaye de refaçonner toutes ces parties à partir de l'ADN.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
141000
2000
Nous ne sommes pas de fanatiques de l'ADN, mais l'ADN est le meilleur matériau
02:35
easiest to understand and easy to program material to do this.
56
143000
3000
pour faire ça, il est bon marché, facile à comprendre et à programmer.
02:38
And as other things become easier to use --
57
146000
2000
Et comme d'autres choses qui sont devenues plus faciles à utiliser,
02:40
maybe protein -- we'll work with those.
58
148000
3000
comme les protéines, nous travaillerons aussi avec.
02:43
If we succeed, what will molecular programming look like?
59
151000
2000
Si nous réussissons, à quoi ressemblera la programmation moléculaire ?
02:45
You're going to sit in front of your computer.
60
153000
2000
Vous allez vous asseoir en face de votre ordinateur.
02:47
You're going to design something like a cell phone,
61
155000
2000
Vous allez créer quelque chose comme un téléphone portable,
02:49
and in a high-level language, you'll describe that cell phone.
62
157000
2000
et dans un langage haut niveau, vous décririez ce qu'est un téléphone portable.
02:51
Then you're going to have a compiler
63
159000
2000
Puis vous allez avoir un compilateur
02:53
that's going to take that description
64
161000
1000
qui va prendre cette description
02:54
and it's going to turn it into actual molecules
65
162000
2000
et la transformer en de véritables molécules
02:56
that can be sent to a synthesizer
66
164000
2000
qui peuvent être envoyées à un synthétiseur
02:58
and that synthesizer will pack those molecules into a seed.
67
166000
3000
et ce synthétiseur réunira ces molécules dans une graine.
03:01
And what happens if you water and feed that seed appropriately,
68
169000
3000
Ce qu'il se passera si vous arrosez et nourrissez cette graine correctement,
03:04
is it will do a developmental computation,
69
172000
2000
c'est que cela entrainera un processus de croissance,
03:06
a molecular computation, and it'll build an electronic computer.
70
174000
3000
un processus moléculaire, et cela créera un ordinateur électronique.
03:09
And if I haven't revealed my prejudices already,
71
177000
2000
Et même si je n'ai pas encore mis en avant mes idées,
03:12
I think that life has been about molecular computers
72
180000
2000
je pense que la vie est faite d'ordinateurs moléculaires
03:14
building electrochemical computers,
73
182000
2000
qui construisent des ordinateurs électrochimiques
03:16
building electronic computers,
74
184000
2000
qui eux-mêmes construisent des ordinateurs électroniques
03:18
which together with electrochemical computers
75
186000
2000
qui associés aux ordinateurs électrochimiques
03:20
will build new molecular computers,
76
188000
2000
construiront de nouveaux ordinateurs moléculaires
03:22
which will build new electronic computers, and so forth.
77
190000
3000
qui construiront de nouveaux ordinateurs électroniques et ainsi de suite.
03:25
And if you buy all of this,
78
193000
1000
Si vous adhérez à cette idée et
03:26
and you think life is about computation, as I do,
79
194000
2000
que vous pensez que la vie est assimilable à la programmation, comme je le crois,
03:28
then you look at big questions through the eyes of a computer scientist.
80
196000
3000
alors vous appréhendez les questions importantes comme le ferait un informaticien.
03:31
So one big question is, how does a baby know when to stop growing?
81
199000
4000
Et l'une des grandes questions est : comment un bébé sait-il quand il doit s'arrêter de grandir ?
03:35
And for molecular programming,
82
203000
2000
Pour la programmation moléculaire
03:37
the question is how does your cell phone know when to stop growing?
83
205000
2000
la question est : comment votre téléphone cellulaire sait-il quand il faut s'arrêter de grandir ?
03:39
(Laughter)
84
207000
1000
(Rires)
03:40
Or how does a computer program know when to stop running?
85
208000
3000
Ou comment un programme sait-il quand il faut s'arrêter de tourner ?
03:43
Or more to the point, how do you know if a program will ever stop?
86
211000
3000
Ou plus précisément, comment sait-on si un programme s'arrêtera un jour ?
03:46
There are other questions like this, too.
87
214000
2000
Il y a d'autres questions comme celles-ci.
03:48
One of them is Craig Venter's question.
88
216000
2000
L'une d'entre elle nous vient de Craig Venter.
03:50
Turns out I think he's actually a computer scientist.
89
218000
2000
Je pense qu'il se révèle être au final un informaticien.
03:52
He asked, how big is the minimal genome
90
220000
3000
Il se demandait qu'elle est la taille minimale d'un génome
03:55
that will give me a functioning microorganism?
91
223000
2000
qui me donnerait un micro-organisme fonctionnel ?
03:57
How few genes can I use?
92
225000
2000
Quelle est le nombre minimal de gènes que je pourrais utiliser ?
03:59
This is exactly analogous to the question,
93
227000
2000
C'est exactement la même question que :
04:01
what's the smallest program I can write
94
229000
1000
quelle est le plus petit programme que je puisse écrire
04:02
that will act exactly like Microsoft Word?
95
230000
2000
qui marcherait exactement comme Microsoft Word ?
04:04
(Laughter)
96
232000
1000
(rires)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
233000
4000
Et de la même manière qu'il écrit une bactérie plus petite,
04:09
he's writing genomes that will work,
98
237000
1000
qu'il écrit un génome fonctionnel,
04:10
we could write smaller programs
99
238000
2000
nous pourrions écrire des programmes plus petits
04:12
that would do what Microsoft Word does.
100
240000
2000
qui feraient ce que fait Microsoft Word.
04:14
But for molecular programming, our question is,
101
242000
2000
Mais pour la programmation moléculaire, notre question est :
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
244000
4000
combien de molécules devons-nous mettre dans la graine pour obtenir un téléphone cellulaire ?
04:20
What's the smallest number we can get away with?
103
248000
2000
Quelle est la plus petite quantité pour y arriver ?
04:22
Now, these are big questions in computer science.
104
250000
2000
Bon, ce sont les grandes questions du domaine informatique.
04:24
These are all complexity questions,
105
252000
2000
Ce sont des questions en lien avec la complexité,
04:26
and computer science tells us that these are very hard questions.
106
254000
2000
et l'informatique nous dis que ce sont des questions très difficiles.
04:28
Almost -- many of them are impossible.
107
256000
2000
Presque -- beaucoup d'entre elles sont impossibles à résoudre.
04:30
But for some tasks, we can start to answer them.
108
258000
3000
Mais pour certaines tâches, on peut commencer à y répondre.
04:33
So, I'm going to start asking those questions
109
261000
1000
Donc, je vais commencer par poser ces questions
04:34
for the DNA structures I'm going to talk about next.
110
262000
3000
pour la structure de l'ADN dont je vais vous parler.
04:37
So, this is normal DNA, what you think of as normal DNA.
111
265000
3000
Bon, voici de l'ADN normal, ce que vous pensez être de l'ADN normal.
04:40
It's double-stranded, it's a double helix,
112
268000
2000
il est a deux brins, c'est une double hélice,
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
270000
3000
qui possèdent l'adénine (A), la thymine (T), la cytosine (C) et la guanine (G) qui s'associent pour maintenir les deux brins ensemble.
04:45
And I'm going to draw it like this sometimes,
114
273000
2000
Et je vais les représenter comme ça,
04:47
just so I don't scare you.
115
275000
2000
de sorte à ce que je ne vous effraie pas.
04:49
We want to look at individual strands and not think about the double helix.
116
277000
3000
On se concentre uniquement sur un seul brin et non la double hélice.
04:52
When we synthesize it, it comes single-stranded,
117
280000
3000
Quand nous synthétisons de l'ADN nous n'obtenons qu'un brin,
04:55
so we can take the blue strand in one tube
118
283000
3000
on peut donc avoir le brin bleu dans un tube
04:58
and make an orange strand in the other tube,
119
286000
2000
et le brin orange dans un autre tube
05:00
and they're floppy when they're single-stranded.
120
288000
2000
et ils sont tout mous quand il n'y a qu'un brin.
05:02
You mix them together and they make a rigid double helix.
121
290000
3000
Vous les mélangez et ils forment une double hélice rigide.
05:05
Now for the last 25 years,
122
293000
2000
Durant les 25 dernières années,
05:07
Ned Seeman and a bunch of his descendants
123
295000
2000
Ned Seeman et plusieurs de ces disciples
05:09
have worked very hard and made beautiful three-dimensional structures
124
297000
3000
ont travaillé très dur et ont fait de très belles structures tri-dimensionnelles
05:12
using this kind of reaction of DNA strands coming together.
125
300000
3000
utilisant la capacité des brins d'ADN à s'associer.
05:15
But a lot of their approaches, though elegant, take a long time.
126
303000
3000
Mais beaucoup de leurs approches, bien qu'élégantes, prennent du temps.
05:18
They can take a couple of years, or it can be difficult to design.
127
306000
3000
Elles pouvaient prendre des années ou être compliquées à concevoir.
05:21
So I came up with a new method a couple of years ago
128
309000
3000
J'ai donc eu l'idée d'une nouvelle méthode il y a quelques années de cela,
05:24
I call DNA origami
129
312000
1000
je l'appelle l'ADN origami
05:25
that's so easy you could do it at home in your kitchen
130
313000
2000
c'est si simple que vous pourriez le faire chez vous dans votre cuisine
05:27
and design the stuff on a laptop.
131
315000
2000
et concevoir la chose sur votre ordinateur portable.
05:29
But to do it, you need a long, single strand of DNA,
132
317000
3000
Mais pour cela, vous avez besoin d'un long brin d'ADN,
05:32
which is technically very difficult to get.
133
320000
2000
qui est techniquement très difficile à obtenir.
05:34
So, you can go to a natural source.
134
322000
2000
Vous pouvez aller le chercher dans une source naturelle.
05:36
You can look in this computer-fabricated artifact,
135
324000
2000
Vous pouvez regarder dans cet objet conçu par ordinateur,
05:38
and he's got a double-stranded genome -- that's no good.
136
326000
2000
il possède un génome en double hélice qui ne correspond pas.
05:40
You look in his intestines. There are billions of bacteria.
137
328000
3000
En regardant dans ses intestins. Il y a des milliards de bactéries.
05:43
They're no good either.
138
331000
2000
Elles ne sont pas bonnes non plus.
05:45
Double strand again, but inside them, they're infected with a virus
139
333000
2000
Toujours double brin, mais à l'intérieur, elles sont infectées par un virus
05:47
that has a nice, long, single-stranded genome
140
335000
3000
qui possède un génome en brin suffisamment long.
05:50
that we can fold like a piece of paper.
141
338000
2000
que l'on peut plier comme une feuille de papier,
05:52
And here's how we do it.
142
340000
1000
et voici comment nous faisons.
05:53
This is part of that genome.
143
341000
1000
Voici une partie du génome.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
342000
3000
Nous ajoutons quelques brins d'ADN synthétiques que j'appelle "agrafes".
05:57
Each one has a left half that binds the long strand in one place,
145
345000
4000
Chacune d'entre elles a une moitié gauche qui se lie au grand brin à un endroit
06:01
and a right half that binds it in a different place,
146
349000
3000
et une moitié droite qui se lie à un autre endroit
06:04
and brings the long strand together like this.
147
352000
2000
et rassemble le long brin de cette manière.
06:07
The net action of many of these on that long strand
148
355000
2000
L'effet cumulé de plusieurs de ces pliages sur le long brin
06:09
is to fold it into something like a rectangle.
149
357000
2000
est de le plier comme un rectangle.
06:11
Now, we can't actually take a movie of this process,
150
359000
2000
On ne peut pas filmer le procédés
06:13
but Shawn Douglas at Harvard
151
361000
2000
mais Shawn Douglas de Havard
06:15
has made a nice visualization for us
152
363000
2000
en a fait une bonne visualisation pour nous
06:17
that begins with a long strand and has some short strands in it.
153
365000
4000
qui commence avec un brin long et des plus petits.
06:21
And what happens is that we mix these strands together.
154
369000
4000
Et ce qui se passe est que nous mélangeons les brins.
06:25
We heat them up, we add a little bit of salt,
155
373000
2000
On les réchauffe, on ajoute un peu de sel,
06:27
we heat them up to almost boiling and cool them down,
156
375000
2000
on les réchauffe presque jusqu'à ébullition puis on les refroidi
06:29
and as we cool them down,
157
377000
1000
et pendant le refroidissement,
06:30
the short strands bind the long strands
158
378000
2000
les brins courts se lient au brin long
06:32
and start to form structure.
159
380000
2000
et commencent à former une structure
06:34
And you can see a little bit of double helix forming there.
160
382000
3000
et vous pouvez voir un petit bout de la double hélice se former.
06:38
When you look at DNA origami,
161
386000
2000
Lorsque vous regardez l'ADN origami
06:40
you can see that what it really is,
162
388000
3000
vous pouvez voir ce que c'est réellement,
06:43
even though you think it's complicated,
163
391000
1000
même si vous trouvez cela compliqué,
06:44
is a bunch of double helices that are parallel to each other,
164
392000
3000
ce sont plusieurs doubles hélices parallèles
06:47
and they're held together
165
395000
2000
qui sont attachées pour les endroits
06:49
by places where short strands go along one helix
166
397000
2000
où les brins courts sont liés à une hélice
06:51
and then jump to another one.
167
399000
2000
et saute vers une autre.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
401000
3000
Le brin qui est ici se lie le long de cette hélice
06:56
it jumps to another helix and comes back.
169
404000
2000
et saute vers une autre hélice puis revient,
06:58
That holds the long strand like this.
170
406000
2000
c'est comme ainsi que l'on maintient le long brin .
07:00
Now, to show that we could make any shape or pattern
171
408000
3000
Maintenant, pour montrer que nous pourrions faire les formes ou les motifs
07:03
that we wanted, I tried to make this shape.
172
411000
2000
que nous voulons, j'ai essayé de faire cette forme.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
414000
2000
Je voulais plier l'ADN de manière à ce qu'il monte au dessus de l'œil,
07:08
down the nose, up the nose, around the forehead,
174
416000
3000
descende en dessous du nez, remonte au dessus du nez, fasse le tour du front,
07:11
back down and end in a little loop like this.
175
419000
3000
redescende et finisse par une petite boucle, comme ceci.
07:14
And so, I thought, if this could work, anything could work.
176
422000
3000
Bien sur, je pensais que si cela pouvait marcher tout pouvait marcher.
07:17
So I had the computer program design the short staples to do this.
177
425000
3000
J'ai donc demandé au programme de créer les agrafes qui donneraient ce résultat.
07:20
I ordered them; they came by FedEx.
178
428000
2000
Je les ai commandées et elles sont arrivées par FedEx.
07:22
I mixed them up, heated them, cooled them down,
179
430000
2000
Je les ai mélangés, chauffés, refroidis,
07:24
and I got 50 billion little smiley faces
180
432000
4000
et j'ai obtenu 50 milliards de petits smileys
07:28
floating around in a single drop of water.
181
436000
2000
flottants dans une simple goutte d'eau.
07:30
And each one of these is just
182
438000
2000
Chacun d'entre eux fait à peine
07:32
one-thousandth the width of a human hair, OK?
183
440000
4000
un millième de la taille d'un cheveu humain, d'accord ?
07:36
So, they're all floating around in solution, and to look at them,
184
444000
3000
Bon, ils flottent dans une solution, pour les observer
07:39
you have to get them on a surface where they stick.
185
447000
2000
vous devez les mettre sur une surface à laquelle ils adhèrent.
07:41
So, you pour them out onto a surface
186
449000
2000
Alors, on les met sur cette surface
07:43
and they start to stick to that surface,
187
451000
2000
à laquelle ils commencent à coller,
07:45
and we take a picture using an atomic-force microscope.
188
453000
2000
puis on les prend en photo avec un microscope à force atomique.
07:47
It's got a needle, like a record needle,
189
455000
2000
Il est muni d'une aiguille, comme celle d'un tourne-disque,
07:49
that goes back and forth over the surface,
190
457000
2000
qui va et vient sur la surface,
07:51
bumps up and down, and feels the height of the first surface.
191
459000
3000
monte et descend et évalue la hauteur de la première surface.
07:54
It feels the DNA origami.
192
462000
2000
L'aiguille détecte l'ADN origami.
07:56
There's the atomic-force microscope working
193
464000
2000
Là on voit le microscope à force atomique à l'œuvre
07:59
and you can see that the landing's a little rough.
194
467000
1000
et vous pouvez voir que le résultat est grossier.
08:00
When you zoom in, they've got, you know,
195
468000
2000
Si on y regarde de plus près, certains ont
08:02
weak jaws that flip over their heads
196
470000
1000
la mâchoire décrochée qui flotte au dessus de leur tête.
08:03
and some of their noses get punched out, but it's pretty good.
197
471000
3000
et d'autres ont le nez écrasé, mais le résultat est plutôt bon.
08:06
You can zoom in and even see the extra little loop,
198
474000
2000
Si on zoom encore on peut même voir la petite boucle,
08:08
this little nano-goatee.
199
476000
2000
ce petit "nano-bouc".
08:10
Now, what's great about this is anybody can do this.
200
478000
3000
Ce qui est génial c'est que n'importe qui peut le faire.
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
481000
4000
Un an après mes travaux, j'ai reçu ceci sans en avoir fait la demande.
08:17
Anyone know what this is? What is it?
202
485000
3000
Quelqu'un sait ce que c'est ? Qu'est ce que c'est ?
08:20
It's China, right?
203
488000
2000
C'est la Chine, non ?
08:22
So, what happened is, a graduate student in China,
204
490000
2000
En fait, une étudiante diplômée d'une université chinoise,
08:24
Lulu Qian, did a great job.
205
492000
2000
Lulu Qian, a fait un travail incroyable.
08:26
She wrote all her own software
206
494000
2000
Elle a écrit son propre programme
08:28
to design and built this DNA origami,
207
496000
2000
pour concevoir et construire cet ADN origami,
08:30
a beautiful rendition of China, which even has Taiwan,
208
498000
3000
une belle représentation de la Chine, il y a même Taïwan,
08:33
and you can see it's sort of on the world's shortest leash, right?
209
501000
3000
tenu par la plus petite laisse du monde.
08:36
(Laughter)
210
504000
2000
(Rires)
08:39
So, this works really well
211
507000
1000
Bon, ça marche vraiment bien
08:41
and you can make patterns as well as shapes, OK?
212
509000
2000
et on peut aussi bien faire des motifs que des formes, OK ?
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
512000
3000
Vous pouvez aussi créer une carte de l'Amérique et écrire ADN avec de l'ADN.
08:47
And what's really neat about it --
214
515000
3000
Et vous savez en quoi c'est merveilleux ?
08:50
well, actually, this all looks like nano-artwork,
215
518000
2000
Certes tout ceci ressemble à de l'art nanoscopique,
08:52
but it turns out that nano-artwork
216
520000
1000
mais il semble que l'art nanoscopique
08:53
is just what you need to make nano-circuits.
217
521000
2000
puisse être la base des nano-circuits.
08:55
So, you can put circuit components on the staples,
218
523000
2000
On peut donc introduire des composants électriques sur les agrafes,
08:57
like a light bulb and a light switch.
219
525000
2000
une ampoule et un interrupteur par exemple.
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
527000
3000
Les éléments se mettent en place d'eux même et forment un circuit.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
530000
3000
Par la suite on peut enlever l'ADN pour ne garder que le circuit.
09:05
So, this is what some colleagues of mine at Caltech did.
222
533000
2000
C'est ce qu'on fait certains de mes collègues de Caltech.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
535000
3000
Ils ont pris de l'ADN origami, fabriqué des nanotubes de carbone,
09:10
made a little switch, you see here, wired it up,
224
538000
2000
créé un petit interrupteur, qu'on voit ici, ils ont relié le tout,
09:12
tested it and showed that it is indeed a switch.
225
540000
3000
et les tests ont montré que c'est bien un interrupteur.
09:15
Now, this is just a single switch
226
543000
2000
Bon, ce n'est qu'un simple interrupteur
09:17
and you need half a billion for a computer, so we have a long way to go.
227
545000
4000
et pour un ordinateur il en faudrait un demi milliard, il y a encore du chemin à faire.
09:21
But this is very promising
228
549000
2000
Mais tout ceci est très prometteur
09:23
because the origami can organize parts just one-tenth the size
229
551000
5000
car l'ADN origami peut assembler des éléments 10 fois plus petits
09:28
of those in a normal computer.
230
556000
1000
que ceux d'un ordinateur actuel.
09:29
So it's very promising for making small computers.
231
557000
3000
C'est donc très encourageant pour la fabrication de petits ordinateurs.
09:32
Now, I want to get back to that compiler.
232
560000
3000
Je voudrais maintenant revenir à ce compilateur.
09:35
The DNA origami is a proof that that compiler actually works.
233
563000
3000
L'ADN origami montre que ce compilateur fonctionne vraiment.
09:39
So, you start with something in the computer.
234
567000
2000
On commence donc avec quelque chose d'informatique.
09:41
You get a high-level description of the computer program,
235
569000
3000
Vous obtenez un programme dans un langage haut niveau,
09:44
a high-level description of the origami.
236
572000
2000
une description compréhensible du pliage.
09:46
You can compile it to molecules, send it to a synthesizer,
237
574000
3000
Vous pouvez le compiler pour obtenir des molécules et les envoyer au synthétiseur
09:49
and it actually works.
238
577000
1000
et tout cela fonctionne.
09:50
And it turns out that a company has made a nice program
239
578000
4000
Et il s'avère qu'une entreprise a fait un programme
09:54
that's much better than my code, which was kind of ugly,
240
582000
2000
bien meilleur que mon code, qui n'était pas très propre,
09:56
and will allow us to do this in a nice,
241
584000
1000
qui nous permet d'utiliser une interface graphique
09:57
visual, computer-aided design way.
242
585000
2000
de création assistée par ordinateur.
10:00
So, now you can say, all right,
243
588000
1000
On est en droit de se demander
10:01
why isn't DNA origami the end of the story?
244
589000
2000
pour quelle raison l'ADN origami n'est pas suffisant.
10:03
You have your molecular compiler, you can do whatever you want.
245
591000
2000
Vous avez votre compilateur de molécules, vous pouvez faire ce que vous voulez.
10:05
The fact is that it does not scale.
246
593000
3000
Toujours est-il que l'on a un problème d'échelle.
10:08
So if you want to build a human from DNA origami,
247
596000
3000
Le problème est que si vous voulez construire un humain à partir d'origami d'ADN
10:11
the problem is, you need a long strand
248
599000
2000
vous avez besoin d'un brin long
10:13
that's 10 trillion trillion bases long.
249
601000
3000
qui contient 10 trillion de trillion de bases (A,T,G,C).
10:16
That's three light years' worth of DNA,
250
604000
2000
Cela équivaut à 3 années lumière d'ADN,
10:18
so we're not going to do this.
251
606000
2000
donc on ne vas pas faire ça.
10:20
We're going to turn to another technology,
252
608000
2000
On va se tourner vers une autre technologie
10:22
called algorithmic self-assembly of tiles.
253
610000
2000
appelée auto assemblage algorithmique de tuiles.
10:24
It was started by Erik Winfree,
254
612000
2000
Le premier à l'avoir utilisé est Erik Winfree,
10:26
and what it does,
255
614000
1000
ce que fait cette technologie
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
615000
4000
c'est qu'elle utilise des tuiles 100 fois plus grands que l'ADN origami.
10:31
You zoom in, there are just four DNA strands
257
619000
2000
Si on zoome ce ne sont que quatre brins d'ADN
10:34
and they have little single-stranded bits on them
258
622000
2000
qui possèdent des portions simple brin
10:36
that can bind to other tiles, if they match.
259
624000
2000
qui peuvent se lier à d'autres tuiles si elles correspondent.
10:38
And we like to draw these tiles as little squares.
260
626000
3000
Et on aime bien dessiner ces tuiles en forme de petits carrés.
10:42
And if you look at their sticky ends, these little DNA bits,
261
630000
2000
Si vous regardez leurs extrémités, ces petites portions d'ADN,
10:44
you can see that they actually form a checkerboard pattern.
262
632000
3000
vous pouvez voir que les tuiles forment un motif de damier.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
635000
3000
Ces tuiles vont donc former un damier complexe qui s'assemble tout seul.
10:50
And the point of this, if you didn't catch that,
264
638000
2000
Et l'intérêt, si vous ne l'aviez par encore remarqué,
10:52
is that tiles are a kind of molecular program
265
640000
3000
est que ces tuiles sont comme des programmes moléculaires
10:55
and they can output patterns.
266
643000
3000
qui permettent d'obtenir des motifs.
10:58
And a really amazing part of this is
267
646000
2000
Ce qui est vraiment incroyable
11:00
that any computer program can be translated
268
648000
2000
c'est que l'on peut retranscrire tout programme informatique
11:02
into one of these tile programs -- specifically, counting.
269
650000
3000
à l'aide de ces tuiles programmable et en particulier pour compter
11:05
So, you can come up with a set of tiles
270
653000
3000
On peut donc créer des tuiles
11:08
that when they come together, form a little binary counter
271
656000
3000
qui une fois assemblées forment un compteur binaire
11:11
rather than a checkerboard.
272
659000
2000
plutôt qu'un damier.
11:13
So you can read off binary numbers five, six and seven.
273
661000
3000
On peut obtenir les nombres 5,6 et 7 en binaires.
11:16
And in order to get these kinds of computations started right,
274
664000
3000
Afin de lancer de tels calculs
11:19
you need some kind of input, a kind of seed.
275
667000
2000
on a besoin d'une base, une sorte de graine.
11:21
You can use DNA origami for that.
276
669000
2000
Et pour cela on peut utiliser l'ADN origami.
11:23
You can encode the number 32
277
671000
2000
On peut encoder le nombre 32
11:25
in the right-hand side of a DNA origami,
278
673000
2000
dans la partie gauche de l'ADN origami
11:27
and when you add those tiles that count,
279
675000
2000
et lorsque l'on ajoute les tuiles qui permettent de compter,
11:29
they will start to count -- they will read that 32
280
677000
3000
elles vont commencer à compter en lisant ce nombre.
11:32
and they'll stop at 32.
281
680000
2000
et elles vont s'arrêter à 32.
11:34
So, what we've done is we've figured out a way
282
682000
3000
Ce que nous avons donc réussi à trouver c'est un moyen
11:37
to have a molecular program know when to stop going.
283
685000
3000
d'avoir un programme moléculaire qui sait quand il doit s'arrêter d'évoluer.
11:40
It knows when to stop growing because it can count.
284
688000
2000
Il sait quand s'arrêter parce qu'il est capable de compter.
11:42
It knows how big it is.
285
690000
2000
Il connait sa taille.
11:44
So, that answers that sort of first question I was talking about.
286
692000
3000
Donc cela répond à la première question que j'ai évoqué.
11:47
It doesn't tell us how babies do it, however.
287
695000
3000
En revanche cela ne nous dit pas comment les bébés font.
11:50
So now, we can use this counting to try and get at much bigger things
288
698000
4000
On peut donc utiliser ce compteur pour obtenir des choses plus grandes
11:54
than DNA origami could otherwise.
289
702000
1000
que nous n'aurions pas pu faire avec de l'ADN origami.
11:55
Here's the DNA origami, and what we can do
290
703000
3000
Voici l'ADN origami et si on écrit 32
11:58
is we can write 32 on both edges of the DNA origami,
291
706000
3000
sur deux des côtés de l'origami
12:01
and we can now use our watering can
292
709000
2000
et que l'on utilise notre arrosoir
12:03
and water with tiles, and we can start growing tiles off of that
293
711000
4000
rempli de tuiles on peut faire pousser des tuiles
12:07
and create a square.
294
715000
2000
pour créer un carré.
12:09
The counter serves as a template
295
717000
3000
Le compteur est utilisé comme modèle
12:12
to fill in a square in the middle of this thing.
296
720000
2000
pour remplir le carré du milieu.
12:14
So, what we've done is we've succeeded
297
722000
1000
Nous avons donc réussi à
12:15
in making something much bigger than a DNA origami
298
723000
3000
construire quelque chose de plus grand que l'ADN origami
12:18
by combining DNA origami with tiles.
299
726000
3000
en le combinant avec des tuiles.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
729000
3000
Et ce qui est super avec ça c'est que l'on peut aussi le reprogrammer.
12:24
You can just change a couple of the DNA strands in this binary representation
301
732000
4000
Il suffit de changer quelques brins d'ADN dans la représentation binaire
12:28
and you'll get 96 rather than 32.
302
736000
3000
pour obtenir 96 au lieu de 32.
12:31
And if you do that, the origami's the same size,
303
739000
3000
En faisant cela l'origami a la même taille
12:34
but the resulting square that you get is three times bigger.
304
742000
4000
mais le carré que l'on obtient est 3 fois plus grand.
12:39
So, this sort of recapitulates
305
747000
1000
D'une certaine manière cela récapitule
12:40
what I was telling you about development.
306
748000
2000
ce que je vous disait sur l'évolution.
12:42
You have a very sensitive computer program
307
750000
3000
On obtient un programme très sensible
12:45
where small changes -- single, tiny, little mutations --
308
753000
3000
à la moindre modification - de simples mutations minuscules
12:48
can take something that made one size square
309
756000
2000
peuvent transformer un petit carré
12:50
and make something very much bigger.
310
758000
3000
en quelque chose de beaucoup plus grand.
12:54
Now, this -- using counting to compute
311
762000
3000
Utiliser un compteur pour créer
12:57
and build these kinds of things
312
765000
2000
et construire ce genre de choses
12:59
by this kind of developmental process
313
767000
2000
avec ce type de processus de croissance
13:01
is something that also has bearing on Craig Venter's question.
314
769000
4000
est quelque chose qui est aussi lié à la question de Craig Venter.
13:05
So, you can ask, how many DNA strands are required
315
773000
2000
On peut donc se demander combien de brin d'ADN sont
13:07
to build a square of a given size?
316
775000
2000
nécessaires pour construire un carré d'une taille donnée.
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
777000
5000
Si on voulait faire un carré de taille 10, 100 ou 1000,
13:14
if we used DNA origami alone,
318
782000
2000
on n'utilisant que de l'ADN origami,
13:16
we would require a number of DNA strands that's the square
319
784000
3000
il nous faudrait un nombre de brins d'ADN qui est le carré
13:19
of the size of that square;
320
787000
2000
de la taille de ce carré,
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
789000
2000
on aurait donc besoin de 100, 10 000 ou 1 000 000 de brins d'ADN.
13:23
That's really not affordable.
322
791000
2000
Mais on ne peut pas se le permettre.
13:25
But if we use a little computation --
323
793000
2000
Mais en utilisant le calcul,
13:27
we use origami, plus some tiles that count --
324
795000
4000
on utilise l'origami et quelques tuiles qui comptent,
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
799000
3000
on s'en sort en utilisant 100, 200 ou 300 brins d'ADN.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
802000
5000
On peut donc réduire de manière exponentielle le nombre de brin d'ADN que l'on consomme
13:39
if we use counting, if we use a little bit of computation.
327
807000
3000
si on utilise les compteurs et un peu de calcul.
13:42
And so computation is some very powerful way
328
810000
3000
Ainsi le calcul est une manière très efficace
13:45
to reduce the number of molecules you need to build something,
329
813000
3000
de réduire le nombre de molécules requises pour construire quelque chose
13:48
to reduce the size of the genome that you're building.
330
816000
3000
ainsi que la taille du génome que vous construisez.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
819000
3000
Et pour finir je vais revenir sur cette idée un peu folle
13:54
about computers building computers.
332
822000
2000
de construire des ordinateurs à l'aide d'ordinateurs.
13:56
If you look at the square that you build with the origami
333
824000
3000
Si on regarde de plus près le carré que l'on construit avec l'origami
13:59
and some counters growing off it,
334
827000
2000
et quelques compteurs qui y poussent,
14:01
the pattern that it has is exactly the pattern that you need
335
829000
3000
le schéma que l'on obtient est identique au schéma nécessaire
14:04
to make a memory.
336
832000
1000
pour fabriquer une mémoire d'ordinateur.
14:05
So if you affix some wires and switches to those tiles --
337
833000
3000
Donc si on ajoute quelques fils et interrupteurs à ces tuiles,
14:08
rather than to the staple strands, you affix them to the tiles --
338
836000
3000
plutôt qu'aux agrafes, on les attache aux tuiles,
14:11
then they'll self-assemble the somewhat complicated circuits,
339
839000
3000
ils vont ensuite assembler un circuit complexe :
14:14
the demultiplexer circuits, that you need to address this memory.
340
842000
3000
le démultiplexeur nécessaire pour adresser une mémoire.
14:17
So you can actually make a complicated circuit
341
845000
2000
On peut donc obtenir un circuit complexe
14:19
using a little bit of computation.
342
847000
2000
avec de simples calculs.
14:21
It's a molecular computer building an electronic computer.
343
849000
3000
C'est un ordinateur moléculaire qui construit un ordinateur électronique.
14:24
Now, you ask me, how far have we gotten down this path?
344
852000
3000
Maintenant vous me demandez jusqu'où nous avons suivi cette voix.
14:27
Experimentally, this is what we've done in the last year.
345
855000
3000
C'est ce que nous avons fait pendant un an de manière expérimentale.
14:30
Here is a DNA origami rectangle,
346
858000
2000
Nous avons içi un rectangle d'ADN origami
14:33
and here are some tiles growing from it.
347
861000
2000
et là des tuiles qui ont poussé à partir du rectangle.
14:35
And you can see how they count.
348
863000
2000
Et on peut voir de quelle manière ils comptent.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
865000
12000
Un, deux, trois, quatre, cinq, six, neuf, dix, onze, douze, dix-sept.
14:49
So it's got some errors, but at least it counts up.
350
877000
4000
Il y a des erreurs mais au moins ça compte.
14:53
(Laughter)
351
881000
1000
(Rires)
14:54
So, it turns out we actually had this idea nine years ago,
352
882000
3000
il s'avère que nous avons eu cette idée il y a neuf ans de cela,
14:57
and that's about the time constant for how long it takes
353
885000
3000
c'est à peu près le temps qu'il nous a fallu pour faire
15:00
to do these kinds of things, so I think we made a lot of progress.
354
888000
2000
ce genre de chose, et je pense que nous avons fait beaucoup de progrès.
15:02
We've got ideas about how to fix these errors.
355
890000
2000
Nous avons plusieurs idées pour corriger ces erreurs.
15:04
And I think in the next five or 10 years,
356
892000
2000
Et je pense que d'ici cinq ou dix ans
15:06
we'll make the kind of squares that I described
357
894000
2000
nous arriverons à fabriquer le type de circuits que je vous ai présenté
15:08
and maybe even get to some of those self-assembled circuits.
358
896000
3000
et peut être même obtenir des circuits qui s'assemblent d'eux-même.
15:11
So now, what do I want you to take away from this talk?
359
899000
4000
Qu'est-ce que j'aimerais que vous reteniez de cette présentation ?
15:15
I want you to remember that
360
903000
2000
Je voudrais que vous reteniez que
15:17
to create life's very diverse and complex forms,
361
905000
4000
pour créer des formes de vies complexes et variées
15:21
life uses computation to do that.
362
909000
2000
la Vie utilise des procédés calculatoires.
15:23
And the computations that it uses, they're molecular computations,
363
911000
4000
Et les procédés utilisés sont des procédés moléculaires.
15:27
and in order to understand this and get a better handle on it,
364
915000
2000
et pour réussir à mieux comprendre et maîtriser cela,
15:29
as Feynman said, you know,
365
917000
2000
comme le disait Feynman,
15:31
we need to build something to understand it.
366
919000
2000
nous avons besoin de construire quelque chose pour le comprendre.
15:33
And so we are going to use molecules and refashion this thing,
367
921000
4000
Nous allons donc utiliser des molécules et refaçonner ces procédés,
15:37
rebuild everything from the bottom up,
368
925000
2000
tout reconstruire en partant de la base,
15:39
using DNA in ways that nature never intended,
369
927000
3000
en utilisant l'ADN d'une manière qui n'était pas prévue par la nature,
15:42
using DNA origami,
370
930000
2000
en utilisant l'ADN origami,
15:44
and DNA origami to seed this algorithmic self-assembly.
371
932000
3000
et l'ADN origami comme base pour cette algorithmique d'auto assemblage.
15:47
You know, so this is all very cool,
372
935000
2000
Vous voyez tout cela est quand même très cool,
15:50
but what I'd like you to take from the talk,
373
938000
1000
mais ce que j'aimerais que vous reteniez,
15:51
hopefully from some of those big questions,
374
939000
2000
surtout pour quelques une de ces grandes questions,
15:53
is that this molecular programming isn't just about making gadgets.
375
941000
3000
c'est que la programmation moléculaire ce n'est pas juste pour fabriquer des gadgets.
15:56
It's not just making about --
376
944000
2000
Ce n'est pas juste fabriquer --
15:58
it's making self-assembled cell phones and circuits.
377
946000
2000
pas seulement faire des téléphones et circuits qui s'auto-assemblent.
16:00
What it's really about is taking computer science
378
948000
2000
C'est surtout utiliser l'informatique pour
16:02
and looking at big questions in a new light,
379
950000
3000
regarder ces grandes questions sous un autre angle,
16:05
asking new versions of those big questions
380
953000
2000
se poser des nouvelles versions de ces grandes questions
16:07
and trying to understand how biology
381
955000
2000
et essayer de comprendre de quelle manière la biologie
16:09
can make such amazing things. Thank you.
382
957000
2000
arrive à faire des choses si extraordinaire. Merci.
16:12
(Applause)
383
960000
7000
(Applaudissements)
ABOUT THE SPEAKER
Paul Rothemund - DNA origamistPaul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of.
Why you should listen
Paul Rothemund won a MacArthur grant this year for a fairly mystifying study area: "folding DNA." It brings up the question: Why fold DNA? The answer is -- because the power to manipulate DNA in this way could change the way we make things at a very basic level.
Rothemund's work combines the study of self-assembly (watch the TEDTalks from Neil Gershenfeld and Saul Griffith for more on this) with the research being done in DNA nanotechnology -- and points the way toward self-assembling devices at microscale, making computer memory, for instance, smaller, faster and maybe even cheaper.
Paul Rothemund | Speaker | TED.com