Taste3 2008
Barry Schuler: Genomics 101
Filmed:
Readability: 3.8
454,548 views
Qu'est ce que la genomique? Comment cela va t-il affecter nos vies? De cette revolution genomique , l'entrepreneur BArry Chuler nous dit que nous devons attendre l'amelioration de la medecine telle qu'on la connait aujourd'hui et aussi la creation de vin de meilleure qualite.
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
Ce qui est en train de se passer en génomique,
00:18
and how this revolution is about to change everything we know
1
2000
5000
et comment cette révolution va changer tout ce que nous savons
00:23
about the world, life, ourselves, and how we think about them.
2
7000
7000
sur le monde, sur la vie, sur nous-mêmes, et comment nous y pensons.
00:30
If you saw 2001: A Space Odyssey,
3
14000
3000
Si vous avez vu "2001, l’Odyssée de l’espace",
00:33
and you heard the boom, boom, boom, boom, and you saw the monolith,
4
17000
4000
et que vous avez entendu le "Boum boum boum" et vu le monolithe,
00:37
you know, that was Arthur C. Clarke's representation
5
21000
4000
c'était la représentation d'Arthur C. Clarke
00:41
that we were at a seminal moment in the evolution of our species.
6
25000
4000
comme quoi nous étions à un moment clé de l'évolution de notre espèce.
00:45
In this case, it was picking up bones and creating a tool,
7
29000
4000
Il s'agissait alors de prendre un os, de créer un outil,
00:49
using it as a tool, which meant that apes just, sort of,
8
33000
4000
de l'utiliser en tant que tel, ce qui signifiait que ces singes qui
00:53
running around and eating and doing each other
9
37000
2000
couraient dans tous les sens, mangeaient, et faisaient l'amour,
00:55
figured out they can make things if they used a tool.
10
39000
6000
comprenaient qu'ils pourraient faire des choses s'ils utilisaient un outil.
01:01
And that moved us to the next level.
11
45000
3000
Ceci nous a amené à un niveau supérieur.
01:04
And, you know, we in the last 30 years in particular
12
48000
4000
Depuis les 30 dernières années particulièrement,
01:08
have seen this acceleration in knowledge and technology,
13
52000
4000
nous avons vécu cette accélération de la connaissance et de la technologie,
01:12
and technology has bred more knowledge and given us tools.
14
56000
3000
technologie qui a généré plus de connaissance et nous a donné des outils.
01:15
And we've seen many seminal moments.
15
59000
2000
Nous avons vécu plusieurs moments clés.
01:17
We've seen the creation of small computers in the '70s and early '80s,
16
61000
4000
Il y a eu la création des ordinateurs personnels dans les années 70 et 80,
01:21
and who would have thought back then that every single person
17
65000
3000
qui aurait cru alors que chaque personne
01:24
would not have just one computer but probably 20,
18
68000
3000
aurait non pas un mais 20 ordinateurs,
01:27
in your home, and in not just your P.C. but in every device --
19
71000
5000
dans sa maison, pas seulement dans un PC mais dans chaque appareil --
01:32
in your washing machine, your cell phone.
20
76000
3000
dans la machine à laver, le téléphone mobile.
01:35
You're walking around; your car has 12 microprocessors.
21
79000
4000
Vous vous promenez, votre voiture a 12 microprocesseurs.
01:39
Then we go along and create the Internet
22
83000
2000
Puis, on a continué, on a créé Internet
01:41
and connect the world together; we flatten the world.
23
85000
3000
et connecté le monde; nous avons aplati le monde.
01:44
We've seen so much change, and we've given ourselves these tools now --
24
88000
5000
Nous avons vu tellement de changements, nous nous sommes donnés ces outils --
01:49
these high-powered tools --
25
93000
2000
des outils très puissants --
01:51
that are allowing us to turn the lens inward
26
95000
4000
qui nous permettent de retourner le microscope vers nous-mêmes
01:55
into something that is common to all of us, and that is a genome.
27
99000
5000
sur quelque chose qui nous est commun à tous, qui est le génome.
02:00
How's your genome today? Have you thought about it lately?
28
104000
5000
Comment va votre génome aujourd'hui? Avez-vous pensez à lui récemment?
02:05
Heard about it, at least? You probably hear about genomes these days.
29
109000
5000
Sans doute, vous en avez au moins entendu parler en ce moment.
02:10
I thought I'd take a moment to tell you what a genome is.
30
114000
3000
Je pensais passer un moment à vous expliquer ce qu'est un génome.
02:13
It's, sort of, like if you ask people,
31
117000
2000
C'est comme de demander aux gens
02:15
Well, what is a megabyte or megabit? And what is broadband?
32
119000
3000
"Qu'est qu'un mégabit? qu'est-ce que la bande passante?"
02:18
People never want to say, I really don't understand.
33
122000
3000
Les gens n'osent jamais dire, je ne comprends pas vraiment.
02:21
So, I will tell you right off of the bat.
34
125000
1000
Eh bien je vais vous l'expliquer.
02:22
You've heard of DNA; you probably studied a little bit in biology.
35
126000
4000
Vous avez entendu parler de l'ADN . Vous l'avez probablement étudié en 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
Un génome est la description de tout l'ADN d'un organisme vivant.
02:33
And one thing that is common to all of life is DNA.
37
137000
6000
Le point commun à toutes les formes de vie est l'ADN.
02:39
It doesn't matter whether you're a yeast;
38
143000
2000
Que vous soyez une levure,
02:41
it doesn't matter whether you're a mouse;
39
145000
2000
une souris,
02:43
doesn't matter whether you're a fly; we all have DNA.
40
147000
4000
une mouche, on a tous un ADN.
02:47
The DNA is organized in words, call them: genes and chromosomes.
41
151000
7000
L'ADN est organisé en mots que l'on pourrait appeler gènes et chromosomes.
02:54
And when Watson and Crick in the '50s
42
158000
4000
Quand Watson et Crick dans les années 50
02:58
first decoded this beautiful double helix that we know as the DNA molecule --
43
162000
6000
ont décodé les premiers la magnifique double-hélice de la molécule d'ADN --
03:04
very long, complicated molecule --
44
168000
2000
molécule très longue, compliquée --
03:06
we then started on this journey to understand that
45
170000
4000
on a commencé ce cheminement vers la compréhension
03:10
inside of that DNA is a language that determines the characteristics, our traits,
46
174000
6000
du langage, à l'intérieur de l'ADN, qui détermine les caractéristiques, les traits,
03:16
what we inherit, what diseases we may get.
47
180000
3000
dont nous héritons, les maladies que nous pouvons développer.
03:19
We've also along the way discovered that this is a very old molecule,
48
183000
6000
Nous avons aussi découvert que c'est une très vieille molécule,
03:25
that all of the DNA in your body has been around forever,
49
189000
6000
que tout l'ADN dans notre corps existe depuis toujours,
03:31
since the beginning of us, of us as creatures.
50
195000
4000
depuis le début de notre histoire en tant qu'espèce.
03:35
There is a historical archive.
51
199000
2000
C'est une archive historique.
03:37
Living in your genome is the history of our species,
52
201000
5000
Notre génome est l'histoire de notre espèce,
03:42
and you as an individual human being, where you're from,
53
206000
6000
votre histoire en tant qu'individu, votre origine
03:48
going back thousands and thousands and thousands of years,
54
212000
3000
remontant sur des milliers et des milliers d'années,
03:51
and that's now starting to be understood.
55
215000
3000
c'est que nous commençons à comprendre.
03:54
But also, the genome is really the instruction manual.
56
218000
5000
Mais le génome est aussi la notice d'utilisation..
03:59
It is the program. It is the code of life.
57
223000
3000
C'est le programme, le code de la vie.
04:02
It is what makes you function;
58
226000
2000
Cela vous permet de vivre,
04:04
it is what makes every organism function.
59
228000
4000
cela permet à n'importe quel organisme de vivre.
04:08
DNA is a very elegant molecule.
60
232000
3000
L'ADN est une molécule très élégante.
04:11
It's long and it's complicated.
61
235000
2000
Une molécule très longue et compliquée.
04:13
Really all you have to know about it is that there's four letters:
62
237000
5000
Tout ce que vous devez vraiment savoir sur l'ADN est qu'il est composé de 4 lettres:
04:18
A, T, C, G; they represent the name of a chemical.
63
242000
4000
A, T, C, G, elles représentent chacune le nom d'un composé chimique.
04:22
And with these four letters, you can create a language:
64
246000
5000
Avec ces quatre lettres vous pouvez créer un langage:
04:27
a language that can describe anything, and very complicated things.
65
251000
5000
un langage qui puisse tout décrire, les choses les plus compliquées.
04:32
You know, they are generally put together in pairs,
66
256000
3000
Elles sont généralement réunies en paires,
04:35
creating a word or what we call base pairs.
67
259000
3000
ce que l'on appelle les paires de base.
04:38
And you would, you know, when you think about it,
68
262000
3000
Si vous pouviez, si vous y réfléchissez,
04:41
four letters, or the representation of four things, makes us work.
69
265000
6000
4 lettres, ou plus exactement la représentation de 4 choses, nous font fonctionner.
04:47
And that may not sound very intuitive,
70
271000
3000
Cela n'est peut-être pas très intuitif,
04:50
but let me flip over to something else you know about, and that's computers.
71
274000
4000
mais tournons-nous vers quelque chose que vous connaissez, l'informatique.
04:54
Look at this screen here and, you know, you see pictures
72
278000
4000
Regardez cet écran ici, vous voyez des images,
04:58
and you see words, but really all there are are ones and zeros.
73
282000
4000
vous voyez des mots mais en réalité, ce sont des 0 et des 1.
05:02
The language of technology is binary;
74
286000
4000
Le langage de cette technologie est binaire;
05:06
you've probably heard that at some point in time.
75
290000
2000
vous avez sans doute déjà entendu cela.
05:08
Everything that happens in digital is converted,
76
292000
4000
Tout ce qui se passe dans le monde numérique est converti,
05:12
or a representation, of a one and a zero.
77
296000
3000
ou représenté par des 0 et des 1.
05:15
So, when you're listening to iTunes and your favorite music,
78
299000
5000
Quand vous écoutez votre musique favorite sur iTunes,
05:20
that's really just a bunch of ones and zeros playing very quickly.
79
304000
3000
ce sont juste des 0 et des 1 qui sont joués très rapidement.
05:23
When you're seeing these pictures, it's all ones and zeros,
80
307000
3000
Quand vous regardez ces images, ce sont juste des 0 et des 1,
05:26
and when you're talking on your telephone, your cell phone,
81
310000
3000
quand vous parlez au téléphone ou sur votre mobile,
05:29
and it's going over the network,
82
313000
2000
cela va sur le réseau,
05:31
your voice is all being turned into ones and zeros and magically whizzed around.
83
315000
4000
votre voix est transformée en 0 et 1 et est transportée magiquement sur le réseau.
05:35
And look at all the complex things and wonderful things
84
319000
3000
Remarquez toutes les autres choses compliquées et merveilleuses
05:38
we've been able to create with just a one and a zero.
85
322000
3000
que nous avons pu créer avec des 0 et des 1.
05:41
Well, now you ramp that up to four, and you have a lot of complexity,
86
325000
6000
Eh bien, passez à 4 lettres et vous avez une complexité encore plus grande,
05:47
a lot of ways to describe mechanisms.
87
331000
4000
beaucoup de façons de décrire des mécanismes.
05:51
So, let's talk about what that means.
88
335000
2000
Voyons un peu ce que cela veut dire.
05:53
So, if you look at a human genome,
89
337000
2000
Si vous observez un génome humain,
05:55
they consist of 3.2 billion of these base pairs. That's a lot.
90
339000
6000
il est constitué de 3,2 milliards de paires de bases. C'est beaucoup.
06:01
And they mix up in all different fashions,
91
345000
2000
Ces paires de bases sont arrangées de différentes façons,
06:03
and that makes you a human being.
92
347000
3000
qui font de vous un être humain.
06:06
If you convert that to binary, just to give you a little bit of sizing,
93
350000
5000
Convertissez ça en binaire, juste pour donner une idée de dimensionnement,
06:11
we're actually smaller than the program Microsoft Office.
94
355000
4000
c'est en fait plus petit que le logiciel Microsoft Office.
06:15
It's not really all that much data.
95
359000
4000
Ça ne fait pas tant de données que cela.
06:19
I will also tell you we're at least as buggy.
96
363000
3000
Je vous dirai que nous sommes aussi buggés.
06:22
(Laughter)
97
366000
3000
(Rires)
06:25
This here is a bug in my genome
98
369000
4000
C'est un bug dans mon génome
06:29
that I have struggled with for a long, long time.
99
373000
5000
avec lequel je me bats pendant longtemps.
06:34
When you get sick, it is a bug in your genome.
100
378000
5000
Quand vous êtes malade, c'est un bug dans votre génome.
06:39
In fact, many, many diseases we have struggled with for a long time,
101
383000
5000
En fait, il y a beaucoup de maladies avec lesquelles nous luttons depuis longtemps,
06:44
like cancer, we haven't been able to cure
102
388000
3000
comme le cancer, que nous avons été incapables de guérir
06:47
because we just don't understand how it works at the genomic level.
103
391000
4000
parce que nous ne comprenons pas ce qui se passe au niveau génomique.
06:51
We are starting to understand that.
104
395000
2000
C'est ce que nous commençons à comprendre.
06:53
So, up to this point we tried to fix it
105
397000
2000
Jusqu'à aujourd'hui, nous avons essayé de réparer cela
06:55
by using what I call shit-against-the-wall pharmacology,
106
399000
4000
en utilisant une pharmacologie empirique,
06:59
which means, well, let's just throw chemicals at it,
107
403000
3000
c'est-à-dire qu'on balance des médicaments,
07:02
and maybe it's going to make it work.
108
406000
2000
et on espère que ça marchera.
07:04
But if you really understand why does a cell go from normal cell to cancer?
109
408000
7000
Mais si vous voulez réellement comprendre pourquoi une cellule normale devient cancéreuse...
07:11
What is the code?
110
415000
2000
Quel est le code?
07:13
What are the exact instructions that are making it do that?
111
417000
4000
Quelles ont les instructions précises qui sont données à la cellule pour cela?
07:17
then you can go about the process of trying to fix it and figure it out.
112
421000
4000
Ensuite, vous pouvez envisager de réparer le processus et de le comprendre.
07:21
So, for your next dinner over a great bottle of wine, here's a few factoids for you.
113
425000
5000
Voici, pour votre prochain diner en ville, quelques chiffres.
07:26
We actually have about 24,000 genes that do things.
114
430000
4000
On a 24000 gènes qui font quelque chose.
07:30
We have about a hundred, 120,000 others
115
434000
4000
On en a environ 100, 120000 autres
07:34
that don't appear to function every day,
116
438000
3000
qui ne semblent pas fonctionner tous les jours,
07:37
but represent this archival history of how we used to work as a species
117
441000
5000
mais qui représentent cette archive de notre fonctionnement en tant qu'espèce
07:42
going back tens of thousands of years.
118
446000
3000
depuis des dizaines de milliers d'années.
07:45
You might also be interested in knowing
119
449000
2000
Vous pourriez aussi être intéressés de savoir
07:47
that a mouse has about the same amount of genes.
120
451000
2000
qu'une souris a à peu près le même nombre de gènes.
07:49
They recently sequenced Pinot Noir, and it also has about 30,000 genes,
121
453000
7000
Le cépage Pinot Noir a été récemment séquencé. Il contient aussi 30000 gènes,
07:56
so the number of genes you have may not necessarily represent the complexity
122
460000
4000
le nombres de gènes ne représente donc pas la complexité de l'espèce
08:00
or the evolutionary order of any particular species.
123
464000
5000
ou son niveau d'évolution.
08:05
Now, look around: just look next to your neighbor,
124
469000
3000
Maintenant, regardez votre voisin,
08:08
look forward, look backward. We all look pretty different.
125
472000
2000
regardez devant, derrière. On a tous l'air plutôt différents.
08:10
A lot of very handsome and pretty people here, skinny, chubby,
126
474000
4000
Beaucoup de gens beaux, sveltes, enveloppés,
08:14
different races, cultures. We are all 99.9% genetically equal.
127
478000
8000
de races et de cultures différentes. Nous sommes tous à 99,9% identiques.
08:22
It is one one-hundredth of one percent of genetic material
128
486000
4000
Cela fait 1/100e de 1% de notre matériel génétique
08:26
that makes the difference between any one of us.
129
490000
3000
qui explique les différences entre nous.
08:29
That's a tiny amount of material,
130
493000
2000
Ce n'est pas beaucoup,
08:31
but the way that ultimately expresses itself
131
495000
4000
mais la manière dont nous l'exprimons au final
08:35
is what makes changes in humans and in all species.
132
499000
5000
explique les différences entre humains et dans toutes les espèces.
08:40
So, we are now able to read genomes.
133
504000
3000
Nous sommes capables de lire les génomes.
08:43
The first human genome took 10 years, three billion dollars.
134
507000
5000
Le premier génome humain a pris 10 ans et a coûté 3 milliards de dollars.
08:48
It was done by Dr. Craig Venter.
135
512000
3000
Cela a été accompli par Craig Venter.
08:51
And then James Watson's -- one of the co-founders of DNA --
136
515000
4000
Puis James Watson, un des co-découvreurs de l'ADN,
08:55
genome was done for two million dollars, and in just two months.
137
519000
4000
a séquencé un génome pour un coût de deux millions de dollars, en deux mois.
08:59
And if you think about the computer industry
138
523000
2000
Si vous regardez l'industrie informatique,
09:01
and how we've gone from big computers to little ones
139
525000
3000
comment nous sommes passés de gros ordinateurs à des petits
09:04
and how they get more powerful and faster all the time,
140
528000
4000
et comment leur puissance et leur rapidité ont augmenté,
09:08
the same thing is happening with gene sequencing now:
141
532000
2000
la même chose est en train de se passer pour le séquençage :
09:10
we are on the cusp of being able to sequence human genomes
142
534000
4000
on est sur le point de pouvoir séquencer des génomes humains
09:14
for about 5,000 dollars in about an hour or a half-hour;
143
538000
5000
pour 5000 dollars et en une heure ou une demi-heure;
09:19
you will see that happen in the next five years.
144
543000
2000
cela va arriver dans les cinq prochaines années.
09:21
And what that means is, you are going to walk around
145
545000
2000
Cela veut dire que vous vous baladerez
09:23
with your own personal genome on a smart card. It will be here.
146
547000
6000
avec votre génome sur une carte à puce. Ça va arriver.
09:29
And when you buy medicine,
147
553000
2000
Et quand vous achèterez vos médicaments,
09:31
you won't be buying a drug that's used for everybody.
148
555000
3000
vous n'achèterez plus un médicament prévu pour tous.
09:34
You will give your genome to the pharmacist,
149
558000
3000
Vous donnerez votre génome au pharmacien,
09:37
and your drug will be made for you
150
561000
2000
et le médicament sera fait pour vous.
09:39
and it will work much better than the ones that were --
151
563000
2000
Et il marchera bien mieux que ceux d'aujourd'hui.
09:41
you won't have side effects.
152
565000
2000
Vous n'aurez pas d'effets secondaires.
09:43
All those side effects, you know, oily residue and, you know,
153
567000
3000
Tous ces effets secondaires, les résidus huileux,
09:46
whatever they say in those commercials: forget about that.
154
570000
4000
tout ce dont ils parlent dans les pubs: oubliez tout cela.
09:50
They're going to make all that stuff go away.
155
574000
2000
Ils feront disparaître tout cela.
09:52
What does a genome look like?
156
576000
3000
A quoi ressemble un génome?
09:55
Well, there it is. It is a long, long series of these base pairs.
157
579000
6000
En voilà un. C'est une très longue série de paires de base.
10:01
If you saw the genome for a mouse or for a human it would look no different than this,
158
585000
4000
Regardez le génome d'une souris ou d'un humain, il ne sera pas différent,
10:05
but what scientists are doing now is
159
589000
2000
mais ce que font les scientifiques maintenant,
10:07
they're understanding what these do and what they mean.
160
591000
4000
c'est comprendre ce qu'ils font et ce qu'ils signifient.
10:11
Because what Nature is doing is double-clicking all the time.
161
595000
4000
Parce que la Nature est tout le temps en train de double-cliquer.
10:15
In other words, the first couple of sentences here,
162
599000
4000
En d'autre mots, les premières phrases ici,
10:19
assuming this is a grape plant:
163
603000
2000
en supposant que ce soit une plant de vigne,
10:21
make a root, make a branch, create a blossom.
164
605000
4000
fais une racine, fais une branche, crée un bourgeon.
10:25
In a human being, down in here it could be:
165
609000
4000
Chez un être humain, cela pourrait être :
10:29
make blood cells, start cancer.
166
613000
4000
fais des cellules sanguines, démarre un cancer.
10:33
For me it may be: every calorie you consume, you conserve,
167
617000
7000
Pour moi cela serait : chaque calorie que tu ingères, conserve-la
10:40
because I come from a very cold climate.
168
624000
3000
parce que je viens d'un climat très froid.
10:43
For my wife: eat three times as much and you never put on any weight.
169
627000
4000
Pour ma femme : mange trois fois plus et tu prendras jamais du poids.
10:47
It's all hidden in this code,
170
631000
2000
Tout cela est caché dans ce code,
10:49
and it's starting to be understood at breakneck pace.
171
633000
4000
on commence à le comprendre à un rythme soutenu.
10:54
So, what can we do with genomes now that we can read them,
172
638000
3000
Que pouvons-nous faire des génomes maintenant que nous savons les lire,
10:57
now that we're starting to have the book of life?
173
641000
2000
maintenant que nous avons le livre de la vie?
10:59
Well, there's many things. Some are exciting.
174
643000
3000
Beaucoup de choses. Certaines sont excitantes.
11:02
Some people will find very scary. I will tell you a couple of things
175
646000
4000
Certains pourraient les trouver très effrayantes : je vous dirai des choses
11:06
that will probably make you want to projectile puke on me, but that's okay.
176
650000
4000
qui vous donneront peut-être envie de vomir sur moi, mais vous avez le droit.
11:10
So, you know, we now can learn the history of organisms.
177
654000
4000
Nous pouvons maintenant apprendre l'histoire des organismes.
11:14
You can do a very simple test: scrape your cheek; send it off.
178
658000
3000
Faites un test très simple : prenez des cellules de votre bouche et envoyez-les.
11:17
You can find out where your relatives come from;
179
661000
3000
Vous pourrez savoir d'où viennent vos ancêtres;
11:20
you can do your genealogy going back thousands of years.
180
664000
3000
vous pourrez faire remonter votre généalogie sur des milliers d'années.
11:23
We can understand functionality. This is really important.
181
667000
3000
On peut comprendre la fonctionnalité. Ceci est très important.
11:26
We can understand, for example, why we create plaque in our arteries,
182
670000
5000
On peut comprendre, par exemple, pourquoi des plaques se créent dans les artères,
11:31
what creates the starchiness inside of a grain,
183
675000
4000
ce qui crée l'amertume dans une graine,
11:35
why does yeast metabolize sugar and produce carbon dioxide.
184
679000
7000
pourquoi la levure métabolise le sucre et produit du dioxyde de carbone.
11:43
We can also look at, at a grander scale, what creates problems,
185
687000
3000
On peut aussi étudier à plus grande échelle la source de problèmes,
11:46
what creates disease, and how we may be able to fix them.
186
690000
4000
ce qui crée des maladies et comment on pourrait les soigner.
11:50
Because we can understand this,
187
694000
2000
Puisque nous pouvons comprendre ces problèmes,
11:52
we can fix them, make better organisms.
188
696000
3000
on peut les résoudre et créer des organismes meilleurs.
11:55
Most importantly, what we're learning
189
699000
2000
Encore plus important : nous apprenons
11:57
is that Nature has provided us a spectacular toolbox.
190
701000
5000
que la Nature nous a donné une boite à outils incroyable.
12:02
The toolbox exists.
191
706000
2000
Cette boite à outils existe.
12:04
An architect far better and smarter than us has given us that toolbox,
192
708000
5000
Un architecte bien meilleur et bien plus intelligent que nous, nous l'a donnée,
12:09
and we now have the ability to use it.
193
713000
3000
et maintenant nous avons les capacités pour l'utiliser.
12:12
We are now not just reading genomes; we are writing them.
194
716000
4000
Nous ne faisons pas que lire les génomes, nous les écrivons.
12:16
This company, Synthetic Genomics, I'm involved with,
195
720000
2000
"Synthetic Genomics", la société dans laquelle je suis impliqué,
12:18
created the first full synthetic genome for a little bug,
196
722000
4000
a créé le premier génome synthétique d'une bactérie,
12:22
a very primitive creature called Mycoplasma genitalium.
197
726000
3000
une créature très primitive appelée Mycoplasma genitalium.
12:25
If you have a UTI, you've probably -- or ever had a UTI --
198
729000
4000
Si vous avez une infection urinaire, probablement que -- plutôt si vous en avez eu une un jour --
12:29
you've come in contact with this little bug.
199
733000
3000
vous avez été en contact avec cette bactérie.
12:32
Very simple -- only has about 246 genes --
200
736000
3000
Très simple, seulement 246 gènes,
12:35
but we were able to completely synthesize that genome.
201
739000
6000
nous avons été capables de synthétiser son génome.
12:42
Now, you have the genome and you say to yourself,
202
746000
3000
Maintenant que l'on a le génome, on se dit :
12:45
So, if I plug this synthetic genome -- if I pull the old one out and plug it in --
203
749000
5000
si je place ce génome synthétique -- si je remplace l'ancien et met le nouveau --
12:50
does it just boot up and live?
204
754000
2000
est-ce que la bactérie va naître et vivre?
12:52
Well, guess what. It does.
205
756000
3000
Vous savez quoi? Ça marche!
12:56
Not only does it do that; if you took the genome -- that synthetic genome --
206
760000
6000
Mais pas seulement : si on prend le génome -- le génome synthétique --
13:02
and you plugged it into a different critter, like yeast,
207
766000
3000
et qu'on le place dans un autre micro-organisme, disons la levure,
13:05
you now turn that yeast into Mycoplasma.
208
769000
4000
on transforme la levure en mycoplasma.
13:09
It's, sort of, like booting up a PC with a Mac O.S. software.
209
773000
5000
C'est comme si on démarrait un PC avec les logiciels d'Apple.
13:14
Well, actually, you could do it the other way.
210
778000
2000
Eh bien, en fait, on pourrait le faire à l'inverse.
13:16
So, you know, by being able to write a genome
211
780000
4000
Ainsi, en étant capable d'écrire un génome
13:20
and plug it into an organism,
212
784000
3000
et de le transférer dans un autre organisme,
13:23
the software, if you will, changes the hardware.
213
787000
5000
le logiciel, si on veut, change le matériel.
13:28
And this is extremely profound.
214
792000
2000
Cela a beaucoup de conséquences.
13:30
So, last year the French and Italians announced
215
794000
3000
L'année dernière, les Français et les Italiens ont annoncé
13:33
they got together and they went ahead and they sequenced Pinot Noir.
216
797000
4000
qu'ils s'étaient unis et avaient réussi à séquencer le pinot Noir.
13:37
The genomic sequence now exists for the entire Pinot Noir organism,
217
801000
6000
La séquence génomique existe maintenant pour le Pinot Noir,
13:43
and they identified, once again, about 29,000 genes.
218
807000
4000
et ils ont identifié, encore une fois, 29000 gènes.
13:47
They have discovered pathways that create flavors,
219
811000
3000
Ils ont découvert ce qui crée les saveurs,
13:50
although it's very important to understand
220
814000
2000
bien qu'il soit très important de comprendre
13:52
that those compounds that it's cranking out
221
816000
3000
que ces composés qui sont produits
13:55
have to match a receptor in our genome, in our tongue,
222
819000
3000
doivent correspondre à un récepteur situé sur notre langue,
13:58
for us to understand and interpret those flavors.
223
822000
3000
pour que nous soyons capables de déguster les saveurs du vin.
14:01
They've also discovered that
224
825000
2000
Ils ont aussi découvert
14:03
there's a heck of a lot of activity going on producing aroma as well.
225
827000
4000
qu'il y a beaucoup d'activité dans les cellules pour produire les arômes.
14:07
They've identified areas of vulnerability to disease.
226
831000
3000
Ils ont identifié les zones de vulnérabilité aux maladies.
14:10
They now are understanding, and the work is going on,
227
834000
4000
Ils sont maintenant en train de comprendre, et ce travail est en cours,
14:14
exactly how this plant works, and we have the capability to know,
228
838000
4000
comment ces plantes vivent, et on a la capacité
14:18
to read that entire code and understand how it ticks.
229
842000
4000
de lire tout le code et de comprendre comment il fonctionne.
14:22
So, then what do you do?
230
846000
2000
Qu'est-ce que vous faites alors?
14:24
Knowing that we can read it, knowing that we can write it, change it,
231
848000
4000
Sachant que vous le pouvez lire, que vous pouvez l'écrire, le changer
14:28
maybe write its genome from scratch. So, what do you do?
232
852000
4000
on pourrait peut-être en écrire un de but en blanc. Que décidez-vous?
14:32
Well, one thing you could do is what some people might call Franken-Noir.
233
856000
4000
Une chose pourrait être de créer un Franken-Noir, comme certains disent.
14:36
(Laughter)
234
860000
3000
(Rires)
14:39
We can build a better vine.
235
863000
2000
On pourrait élaborer une vigne meilleure.
14:41
By the way, just so you know:
236
865000
2000
Au fait, juste pour votre information
14:43
you get stressed out about genetically modified organisms;
237
867000
4000
si vous stressez au sujet des organismes génétiquement modifiés;
14:47
there is not one single vine in this valley or anywhere
238
871000
3000
il n'y a pas une seule vigne dans la Napa Valley ou ailleurs
14:50
that is not genetically modified.
239
874000
2000
qui ne soit pas génétiquement modifiée.
14:52
They're not grown from seeds; they're grafted into root stock;
240
876000
3000
Elles ne proviennent pas de graines mais de racines greffées;
14:55
they would not exist in nature on their own.
241
879000
2000
elles n'existeraient pas d'elles-mêmes dans la nature.
14:57
So, don't worry about, don't stress about that stuff. We've been doing this forever.
242
881000
4000
Donc ne stressez pas, on fait cela depuis toujours.
15:01
So, we could, you know, focus on disease resistance;
243
885000
3000
On pourrait aussi s'intéresser à la résistance aux pathologies;
15:04
we can go for higher yields without necessarily having
244
888000
4000
on pourrait aussi avoir de meilleurs rendements sans avoir à utiliser
15:08
dramatic farming techniques to do it, or costs.
245
892000
3000
des techniques de production draconiennes, ou sans avoir des coûts exorbitants.
15:11
We could conceivably expand the climate window:
246
895000
3000
On pourrait élargir le spectre de climats possibles:
15:14
we could make Pinot Noir grow maybe in Long Island, God forbid.
247
898000
5000
on pourrait faire pousser du pinot noir sur Long Island, que Dieu nous pardonne.
15:19
(Laughter)
248
903000
3000
(Rires)
15:23
We could produce better flavors and aromas.
249
907000
3000
On pourrait produire des saveurs et des arômes meilleurs.
15:26
You want a little more raspberry, a little more chocolate here or there?
250
910000
3000
Vous voulez un peu plus de mûres, de chocolat ici ou là?
15:29
All of these things could conceivably be done,
251
913000
3000
Toutes ces choses pourraient être faites,
15:32
and I will tell you I'd pretty much bet that it will be done.
252
916000
3000
et je vous le dis, j'en prends le pari : on le fera.
15:35
But there's an ecosystem here.
253
919000
2000
Mais il y a un écosystème.
15:37
In other words, we're not, sort of, unique little organisms running around;
254
921000
5000
En d'autres termes, nous ne sommes pas les seuls organismes dans le coin;
15:42
we are part of a big ecosystem.
255
926000
2000
nous sommes une partie d'un énorme écosystème.
15:44
In fact -- I'm sorry to inform you --
256
928000
3000
En fait -- je suis désolé de vous le dire --
15:47
that inside of your digestive tract is about 10 pounds of microbes
257
931000
4000
à l'intérieur de vos conduits digestifs, il y a environ 5 kg de microbes
15:51
which you're circulating through your body quite a bit.
258
935000
3000
que vous faites pas mal circuler dans notre organisme.
15:54
Our ocean's teaming with microbes;
259
938000
3000
Notre océan grouille de microbes;
15:57
in fact, when Craig Venter went and sequenced the microbes in the ocean,
260
941000
5000
en fait, quand Craig Venter est allé séquencer les microbes dans l'océan,
16:02
in the first three months tripled the known species on the planet
261
946000
4000
en trois mois, il a multiplié par 3 le nombre d'espèces connues sur la planète
16:06
by discovering all-new microbes in the first 20 feet of water.
262
950000
3000
en découvrant les microbes présents dans les dix premiers mètres de profondeur.
16:09
We now understand that those microbes have more impact on our climate
263
953000
4000
Nous savons maintenant que ces microbes ont plus d'impact sur notre climat
16:13
and regulating CO2 and oxygen than plants do,
264
957000
4000
et la régulation du CO2 que les plantes,
16:17
which we always thought oxygenate the atmosphere.
265
961000
2000
dont nous avons toujours pensé qu'elles oxygénaient l'atmosphère.
16:19
We find microbial life in every part of the planet:
266
963000
4000
On trouve de la vie microbienne partout sur la planète:
16:23
in ice, in coal, in rocks, in volcanic vents; it's an amazing thing.
267
967000
8000
dans la glace, le charbon, les rochers, les volcans; c'est étonnant.
16:31
But we've also discovered, when it comes to plants, in plants,
268
975000
5000
Mais puisqu'on parle des plantes, nous avons aussi découvert,
16:36
as much as we understand and are starting to understand their genomes,
269
980000
4000
pour autant que nous comprenions leurs génomes,
16:40
it is the ecosystem around them,
270
984000
3000
qu'il existe un écosystème autour d'elles,
16:43
it is the microbes that live in their root systems,
271
987000
3000
ce sont les microbes vivant dans leurs racines,
16:46
that have just as much impact on the character of those plants
272
990000
4000
qui ont beaucoup d'impact sur leur comportement,
16:50
as the metabolic pathways of the plants themselves.
273
994000
4000
sur les voies métaboliques des plantes elles-mêmes.
16:54
If you take a closer look at a root system,
274
998000
3000
Si vous regardez de plus près les racines d'une plante,
16:57
you will find there are many, many, many diverse microbial colonies.
275
1001000
4000
vous allez trouver tout un tas de colonies microbiennes différentes.
17:01
This is not big news to viticulturists;
276
1005000
2000
Ce n'est pas une découverte pour les viticulteurs;
17:03
they have been, you know, concerned with water and fertilization.
277
1007000
4000
ils ont toujours fait très attention à l'arrosage et à la fertilisation.
17:07
And, again, this is, sort of, my notion of shit-against-the-wall pharmacology:
278
1011000
6000
Encore une fois, je reviens sur mon terme de pharmacologie sortie du chapeau:
17:13
you know certain fertilizers make the plant more healthy so you put more in.
279
1017000
4000
connaissant un fertilisant qui améliore la pousse de la plante, vous en mettez plus.
17:17
You don't necessarily know with granularity
280
1021000
4000
Vous ne savez peut-être pas avec précision
17:21
exactly what organisms are providing what flavors and what characteristics.
281
1025000
6000
quels organismes microbiens apportent telle saveur et telle caractéristique.
17:27
We can start to figure that out.
282
1031000
3000
On peut commencer à le comprendre.
17:30
We all talk about terroir; we worship terroir;
283
1034000
3000
On parle tous de terroir; on vénère le terroir;
17:33
we say, Wow, is my terroir great! It's so special.
284
1037000
3000
On dit: mon terroir est super, il est si spécifique.
17:36
I've got this piece of land and it creates terroir like you wouldn't believe.
285
1040000
4000
J'ai cette partie de terrain et cela donne un terroir exceptionnel.
17:40
Well, you know, we really, we argue and debate about it --
286
1044000
4000
Nous discutons, nous débattons souvent de cela --
17:44
we say it's climate, it's soil, it's this. Well, guess what?
287
1048000
3000
on dit :c'est le climat, le sol, c'est ceci. Eh bien, devinez quoi?
17:47
We can figure out what the heck terroir is.
288
1051000
3000
On peut comprendre ce qu'est le terroir.
17:50
It's in there, waiting to be sequenced.
289
1054000
3000
C'est là-dedans, il n'y a plus qu'à le séquencer.
17:53
There are thousands of microbes there.
290
1057000
2000
Il y a des milliers de microbes ici.
17:55
They're easy to sequence: unlike a human,
291
1059000
2000
Ils sont faciles à séquencer: contrairement à l'humain,
17:57
they, you know, have a thousand, two thousand genes;
292
1061000
2000
ils ont mille, deux mille gènes;
17:59
we can figure out what they are.
293
1063000
2000
vous pouvez découvrir ce qu'ils sont.
18:01
All we have to do is go around and sample, dig into the ground, find those bugs,
294
1065000
7000
Tout ce qu'il y a à faire, c'est choisir un échantillon, creuser, trouver ces microbes,
18:08
sequence them, correlate them to the kinds of characteristics we like and don't like --
295
1072000
5000
les séquencer, les corréler aux caractéristiques que nous apprécions et à celles que nous n'aimons pas --
18:13
that's just a big database -- and then fertilize.
296
1077000
3000
c'est juste un grosse base de données -- et enfin fertiliser.
18:16
And then we understand what is terroir.
297
1080000
3000
Alors nous aurons compris ce qu'est un terroir.
18:20
So, some people will say, Oh, my God, are we playing God?
298
1084000
2000
Certains diront : Oh mon Dieu, nous prenons-nous pour Dieu?
18:22
Are we now, if we engineer organisms, are we playing God?
299
1086000
5000
Est-ce que, si nous créons de nouveaux organismes, nous nous prenons pour Dieu?
18:27
And, you know, people would always ask James Watson --
300
1091000
3000
Les gens demandent toujours à James Watson --
18:30
he's not always the most politically correct guy ...
301
1094000
2000
il n'est pas toujours le gars le plus politiquement correct... --
18:32
(Laughter)
302
1096000
1000
(Rires)
18:33
... and they would say, "Are, you know, are you playing God?"
303
1097000
5000
ils lui demandent : "Est-ce que vous vous prenez pour Dieu?"
18:38
And he had the best answer I ever heard to this question:
304
1102000
3000
Il a la meilleure réponse que j'ai jamais entendue :
18:41
"Well, somebody has to."
305
1105000
2000
"Quelqu'un doit bien le faire."
18:43
(Laughter)
306
1107000
3000
(Rires)
18:46
I consider myself a very spiritual person,
307
1110000
4000
Je me considère comme une personne très religieuse,
18:50
and without, you know, the organized religion part,
308
1114000
3000
la religion organisée mise à part,
18:53
and I will tell you: I don't believe there's anything unnatural.
309
1117000
4000
je vous dirais : je ne crois pas que qu'il existe quelque chose de non-naturel.
18:57
I don't believe that chemicals are unnatural.
310
1121000
4000
Je ne crois pas que les substances chimiques soient non-naturelles.
19:01
I told you I'm going to make some of you puke.
311
1125000
2000
Je vous ai dit que j'allais en faire vomir quelques-uns.
19:03
It's very simple: we don't invent molecules, compounds.
312
1127000
4000
C'est très simple : nous n'inventons pas de molécules, de composés.
19:07
They're here. They're in the universe.
313
1131000
2000
Ils sont là. Ils sont dans l'Univers.
19:09
We reorganize things, we change them around,
314
1133000
3000
Nous réorganisons les choses, nous les changeons,
19:12
but we don't make anything unnatural.
315
1136000
3000
mais nous ne faisons rien qui ne soit pas naturel.
19:15
Now, we can create bad impacts --
316
1139000
2000
Certes, nous pouvons avoir un impact négatif --
19:17
we can poison ourselves; we can poison the Earth --
317
1141000
2000
on peut s'empoisonner ou empoisonner notre planète --
19:19
but that's just a natural outcome of a mistake we made.
318
1143000
4000
mais c'est juste une conséquence naturelle de notre erreur.
19:23
So, what's happening today is, Nature is presenting us with a toolbox,
319
1147000
4000
Ce qui arrive aujourd'hui, c'est que la Nature nous donne une boite à outils,
19:27
and we find that this toolbox is very extensive.
320
1151000
4000
nous trouvons que cette boite à outils permet de faire beaucoup de choses.
19:31
There are microbes out there that actually make gasoline, believe it or not.
321
1155000
4000
Il y a des microbes qui font du pétrole, croyez-le ou non.
19:35
There are microbes, you know -- go back to yeast.
322
1159000
2000
Il y a des microbes qui, -- retournons à la levure.
19:37
These are chemical factories;
323
1161000
2000
Ce sont de véritables usines chimiques;
19:39
the most sophisticated chemical factories are provided by Nature,
324
1163000
4000
les usines chimiques les plus sophistiquées sont dans la Nature,
19:43
and we now can use those.
325
1167000
3000
et nous pouvons maintenant les utiliser.
19:46
There also is a set of rules.
326
1170000
2000
Il y a des règles à respecter.
19:48
Nature will not allow you to --
327
1172000
3000
La Nature ne permettra pas de --
19:51
we could engineer a grape plant, but guess what.
328
1175000
2000
on peut modifier un cépage, mais vous savez quoi?
19:53
We can't make the grape plant produce babies.
329
1177000
2000
Nous ne savons jamais faire produire un enfant à ce cépage.
19:55
Nature has put a set of rules out there.
330
1179000
3000
La Nature a établi un ensemble de règles.
19:58
We can work within the rules; we can't break the rules;
331
1182000
3000
Nous pouvons travailler au sein de ces règles; mais nous ne pouvons pas les violer;
20:01
we're just learning what the rules are.
332
1185000
2000
nous apprenons juste ce que sont ces règles.
20:03
I just ask the question, if you could cure all disease --
333
1187000
4000
Je pose juste la question : si vous pouviez guérir toutes les maladies --
20:07
if you could make disease go away,
334
1191000
2000
si vous pouviez faire disparaître les maladies,
20:09
because we understand how it actually works,
335
1193000
2000
parce que nous comprendrions comment elles opèrent,
20:11
if we could end hunger by being able to create nutritious, healthy plants
336
1195000
5000
si nous pouvions résoudre la faim dans le monde en créant des plantes nutritives saines
20:16
that grow in very hard-to-grow environments,
337
1200000
3000
qui pousseraient dans des environnements hostiles,
20:19
if we could create clean and plentiful energy --
338
1203000
3000
si nous pouvions créer une énergie propre à profusion --
20:22
we, right in the labs at Synthetic Genomics,
339
1206000
3000
eh bien, à Synthetic Genomics,
20:25
have single-celled organisms that are taking carbon dioxide
340
1209000
4000
nous avons des organismes unicellulaires capables de capturer le dioxyde de carbone
20:29
and producing a molecule very similar to gasoline.
341
1213000
4000
et de produire une molécule très proche du pétrole.
20:33
So, carbon dioxide -- the stuff we want to get rid of -- not sugar, not anything.
342
1217000
5000
Le dioxyde de carbone -- dont nous voulons nous débarrasser -- pas le sucre, rien.
20:38
Carbon dioxide, a little bit of sunlight,
343
1222000
3000
Du dioxyde de carbone, un peu de lumière,
20:41
you end up with a lipid that is highly refined.
344
1225000
5000
et nous obtenons un produit hautement raffiné.
20:46
We could solve our energy problems; we can reduce CO2,;
345
1230000
4000
On pourrait résoudre nos problèmes d'énergie, faire baisser le CO2,
20:50
we could clean up our oceans; we could make better wine.
346
1234000
3000
nettoyer nos océans, faire de meilleurs vins.
20:53
If we could, would we?
347
1237000
3000
Si nous le pouvions, le ferions-nous?
20:56
Well, you know, I think the answer is very simple:
348
1240000
3000
Je crois que la réponse est très simple :
20:59
working with Nature, working with this tool set that we now understand,
349
1243000
5000
travailler avec la Nature, travailler avec ces outils que nous comprenons désormais,
21:04
is the next step in humankind's evolution.
350
1248000
3000
est l'étape suivante dans l'évolution de l'Humanité.
21:07
And all I can tell you is, stay healthy for 20 years.
351
1251000
4000
Tout ce que je peux vous conseiller est de rester en bonne santé pendant encore 20 ans.
21:11
If you can stay healthy for 20 years, you'll see 150, maybe 300.
352
1255000
3000
Si vous y arrivez, vous atteindrez l'âge de 150, voire 300 ans.
21:14
Thank you.
353
1258000
2000
Merci.
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