TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: Les maths peuvent nous aider à dévoiler les secrets du cancer
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva traduit de la biologie vers les mathématiques et vice versa. Elle écrit des modèles mathématiques qui décrivent la dynamique du cancer, avec pour objectif le développement de nouveaux médicaments qui prennent les tumeurs pour cible. « Le pouvoir et la beauté de la modélisation mathématique réside dans le fait qu'elle nous fait formaliser, de façon très rigoureuse, ce que nous pensons savoir, dit Kareva. Elle peut nous guider vers ce que nous devrions continuer à explorer et ce qui pourrait être une impasse. » Tout cela repose sur le fait de poser la bonne question et de la traduire en la bonne équation, et inversement.
Irina Kareva - Theoretical biologist
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Double-click the English transcript below to play the video.
00:12
I am a translator.
0
549
1243
Je suis traductrice.
00:14
I translate from biology into mathematics
1
2514
3191
Je traduis de la biologie
vers la mathématiques
vers la mathématiques
00:17
and vice versa.
2
5729
1150
et vice versa.
00:19
I write mathematical models
3
7588
1790
J'écris des modèles mathématiques
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
qui sont des systèmes
d'équations différentielles
d'équations différentielles
00:24
to describe biological mechanisms,
5
12273
1947
pour décrire des mécanismes biologiques,
00:26
such as cell growth.
6
14244
1158
telles que la croissance cellulaire.
00:28
Essentially, it works like this.
7
16122
1848
Essentiellement, ceci fonctionne ainsi.
00:30
First, I identify the key elements
8
18573
2469
J'identifie d'abord les éléments clés
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
qui pourraient induire
le comportement au fil du temps
le comportement au fil du temps
00:35
of a particular mechanism.
10
23867
1539
d'un mécanisme en particulier.
00:38
Then, I formulate assumptions
11
26230
1891
Puis je formule des hypothèses
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
quant à comment ces éléments
interagissent entre eux
interagissent entre eux
00:43
and with their environment.
13
31055
1337
et avec leur environnement.
00:44
It may look something like this.
14
32916
1772
Cela peut ressembler à ceci.
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
Puis je traduis
ces hypothèses en équations,
ces hypothèses en équations,
00:50
which may look something like this.
16
38610
1824
ce qui peut ressemble à ceci.
00:53
Finally, I analyze my equations
17
41434
1890
Finalement, j'analyse mes équations
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
et je traduis les résultats
dans le langage de la biologie.
dans le langage de la biologie.
01:00
A key aspect of mathematical modeling
19
48156
2420
Un aspect clé
de la modélisation mathématique
de la modélisation mathématique
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
est qu'en tant que modélisateurs,
nous ne pensons pas
à ce que sont les choses,
à ce que sont les choses,
01:06
we think about what they do.
21
54532
1855
nous pensons à ce qu'elles font.
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
Nous pensons aux relations
entre les individus,
entre les individus,
01:10
whether they be cells, animals or people,
23
58924
2886
que ce soient des cellules,
des animaux ou des gens,
des animaux ou des gens,
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
et comment ils interagissent entre eux
et avec leur environnement.
et avec leur environnement.
01:17
Let me give you an example.
25
65639
1340
Laissez-moi vous donner un exemple.
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
Qu'est-ce que les renards et les cellules
immunitaires ont en commun ?
immunitaires ont en commun ?
01:24
They're both predators,
27
72793
1459
Ce sont tous deux des prédateurs,
01:26
except foxes feed on rabbits,
28
74744
2723
mais les renards se nourrissent de lapins,
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
les cellules immunitaires d'envahisseurs
telles que les cellules cancéreuses.
telles que les cellules cancéreuses.
01:33
But from a mathematical point of view,
30
81273
2345
D'un point de vue mathématique,
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
un système qualitativement identique
d'équations de type prédateur-proie
d'équations de type prédateur-proie
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
décrira les interactions
entre les renards et les lapins
entre les renards et les lapins
01:43
and cancer and immune cells.
33
91091
1774
et le cancer et les cellules immunitaires.
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
Les systèmes de type
prédateur-proie ont été étudiés
prédateur-proie ont été étudiés
dans la littérature scientifique,
01:48
in scientific literature,
35
96341
1269
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
décrivant les interactions
de deux populations
de deux populations
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
où la survie de l'une dépend
de la consommation de l'autre.
de la consommation de l'autre.
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
Ces mêmes équations fournissent un cadre
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
pour comprendre les interactions
cancer-immunologie
cancer-immunologie
02:00
where cancer is the prey,
40
108464
1841
où la proie est le cancer
02:02
and the immune system is the predator.
41
110329
2372
et le système immunitaire le prédateur.
02:04
And the prey employs all sorts of tricks
to prevent the predator from killing it,
to prevent the predator from killing it,
42
112725
4032
La proie utilise toutes sortes de ruses
pour empêcher le prédateur de la tuer,
pour empêcher le prédateur de la tuer,
02:08
ranging from camouflaging itself
43
116781
1820
allant du camouflage
02:10
to stealing the predator's food.
44
118625
1839
au vol de la nourriture du prédateur.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
Cela peut avoir des implications
très intéressantes.
très intéressantes.
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
Par exemple, malgré d'énormes réussites
dans le domaine de l'immunothérapie,
dans le domaine de l'immunothérapie,
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
cela a encore une efficacité limitée
02:23
when it comes solid tumors.
48
131269
1542
quand il s'agit des tumeurs solides.
02:25
But if you think about it ecologically,
49
133423
2559
Mais d'un point de vue écologique,
02:28
both cancer and immune cells --
50
136006
2090
le cancer et les cellules immunitaires --
02:30
the prey and the predator --
51
138120
1600
la proie et le prédateur --
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
ont besoins de nutriments
comme le glucose pour survivre.
comme le glucose pour survivre.
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
Si le cancer bat les cellules immunitaires
pour les nutriments communs
pour les nutriments communs
02:40
in the tumor microenvironment,
54
148171
1793
dans le micro-environnement tumoral,
02:41
then the immune cells will physically
not be able to do their job.
not be able to do their job.
55
149988
3414
alors les cellules immunitaires
ne pourront physiquement
pas faire leur boulot.
pas faire leur boulot.
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
Ce modèle de ressources communes
au prédateur et à la proie
au prédateur et à la proie
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
est une chose sur laquelle j'ai travaillé.
02:51
And it was recently shown experimentally
58
159504
2724
Il a récemment été démontré
expérimentalement
expérimentalement
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
que rétablir l'équilibre métabolique
dans le micro-environnement tumoral --
dans le micro-environnement tumoral --
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
s'assurer que les cellules
immunitaires aient à manger --
immunitaires aient à manger --
03:01
can give them, the predators, back
their edge in fighting cancer, the prey.
their edge in fighting cancer, the prey.
61
169885
5245
peut rendre aux prédateurs leur avantage
dans la lutte contre le cancer, la proie.
dans la lutte contre le cancer, la proie.
03:08
This means that if you abstract a bit,
62
176440
2339
En résumé, cela signifie
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
que si vous pouvez voir le cancer
comme un écosystème
comme un écosystème
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
où des populations hétérogènes
de cellules rivalisent et coopèrent
de cellules rivalisent et coopèrent
03:18
for space and nutrients,
65
186093
2017
pour de la place et des nutriments,
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
interagissent avec des prédateurs --
le système immunitaire --
le système immunitaire --
03:22
migrate -- metastases --
67
190830
2241
migrent -- les métastases --
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
tout cela dans l'écosystème
du corps humain.
du corps humain.
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
Que savons-nous des écosystèmes
d'après la biologie de la conservation ?
d'après la biologie de la conservation ?
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
Une des meilleures façons
d'anéantir une espèce
d'anéantir une espèce
03:35
is not to target them directly
71
203519
1952
n'est pas de la prendre pour cible directe
03:37
but to target their environment.
72
205495
2439
mais de prendre pour cible
son environnement.
son environnement.
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
Alors une fois que nous avons identifié
les composants clés
les composants clés
03:43
of the tumor environment,
74
211974
1644
de l'environnement tumoral,
03:45
we can propose hypotheses
75
213642
1948
nous pouvons proposer des hypothèses
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
et simuler des scénarios
et des interventions thérapeutiques
et des interventions thérapeutiques
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
de façon sûre et à prix abordable
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
et prendre pour cible divers composants
du micro-environnement
du micro-environnement
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
afin de tuer le cancer
sans nuire à l'hôte,
sans nuire à l'hôte,
04:01
such as me or you.
80
229794
1570
tel que vous ou moi.
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
Si l'objectif immédiat de ma recherche
04:08
is to advance research and innovation
82
236055
2266
est d'avancer la recherche et l'innovation
04:10
and to reduce its cost,
83
238345
1896
et d'en réduire le coût,
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
le but réel est évidemment
de sauver des vies.
de sauver des vies.
04:15
And that's what I try to do
85
243278
1771
C'est ce que j'essaye de faire
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
avec de la modélisation mathématique
appliquée à la biologie
appliquée à la biologie
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
et, en particulier,
au développement de médicaments.
au développement de médicaments.
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
C'est un domaine qui, jusqu'à récemment,
est demeuré plutôt marginal,
est demeuré plutôt marginal,
04:26
but it has matured.
89
254975
1452
mais il a évolué.
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
Il y a maintenant des méthodes
mathématiques bien développées,
mathématiques bien développées,
04:31
a lot of preprogrammed tools,
91
259624
1899
beaucoup d'outils préprogrammés,
04:33
including free ones,
92
261547
1496
y compris des outils gratuits,
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
et une puissance de calcul toujours
plus importante à notre disposition.
plus importante à notre disposition.
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
Le pouvoir et la beauté
de la modélisation mathématique
de la modélisation mathématique
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
réside dans le fait
qu'elle vous fait formaliser
qu'elle vous fait formaliser
04:46
in a very rigorous way,
96
274806
2087
de façon rigoureuse
04:48
what we think we know.
97
276917
1465
ce que nous pensons savoir.
04:50
We make assumptions,
98
278904
1444
Nous faisons des hypothèses,
04:52
translate them into equations,
99
280372
1568
les traduisons en équations,
04:53
run simulations,
100
281964
1311
exécutons des simulations,
04:55
all to answer the question:
101
283299
1773
tout cela pour répondre à la question :
04:57
In a world where my assumptions are true,
102
285096
2246
dans un monde où
mes hypothèses sont vraies,
mes hypothèses sont vraies,
04:59
what do I expect to see?
103
287366
1570
qu'est-ce que je m'attends à voir ?
05:01
It's a pretty simple conceptual framework.
104
289890
2086
C'est un cadre conceptuel assez simple.
05:04
It's all about asking the right questions.
105
292000
2226
Il s'agit de poser les bonnes questions.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Mais il peut révéler
de nombreuses opportunités
de nombreuses opportunités
de test de nos hypothèses biologiques.
05:11
If our predictions match our observations,
107
299696
2600
Si nos prévisions correspondent
à nos observations,
à nos observations,
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
génial ! Nous avons raison,
nous pouvoir faire d'autres prévisions
nous pouvoir faire d'autres prévisions
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
en changeant cet aspect-ci
ou cet aspect-là du modèle.
ou cet aspect-là du modèle.
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
Si, cependant, nos prévisions
ne correspondent pas à nos observations,
ne correspondent pas à nos observations,
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
certaines de nos hypothèses sont fausses
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
et notre compréhension
des mécanismes clés
des mécanismes clés
05:29
of underlying biology
113
317523
1439
qui sous-tendent la biologie
05:30
is still incomplete.
114
318986
1270
est encore incomplète.
05:32
Luckily, since this is a model,
115
320829
2362
Heureusement, puisque c'est un modèle,
05:35
we control all the assumptions.
116
323215
1889
nous contrôlons toutes les hypothèses.
05:37
So we can go through them, one by one,
117
325128
2140
Nous pouvons les passer
en revue, une à une,
en revue, une à une,
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
pour identifier laquelle ou lesquelles
sont à l'origine de la divergence.
sont à l'origine de la divergence.
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
Nous pouvons remplir cette lacune
de savoir nouvellement identifiée
de savoir nouvellement identifiée
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
en utilisant des approches
expérimentales et théoriques.
expérimentales et théoriques.
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
Bien sûr, tout écosystème
est extrêmement complexe
est extrêmement complexe
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
et essayer de décrire tous les parties
en mouvement est très difficile
en mouvement est très difficile
05:57
but also not very informative.
123
345411
1662
mais aussi très informatif.
05:59
There's also the issue of timescales,
124
347518
2066
Il y a aussi le problème des durées
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
car certains processus se réalisent
sur une échelle en secondes, en minutes,
sur une échelle en secondes, en minutes,
06:05
some days, months and years.
126
353300
1948
en jours, en mois ou en années.
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
Il n'est pas toujours possible
de les séparer expérimentalement.
de les séparer expérimentalement.
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
Certaines choses se produisent
si vite ou si lentement
si vite ou si lentement
que nous ne sommes jamais
physiquement capables de les mesurer.
physiquement capables de les mesurer.
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
06:17
But as mathematicians,
130
365295
2288
Mais en tant que mathématiciens,
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
nous avons le pouvoir de nous concentrer
sur n'importe quel système
et n'importe quelle durée
et n'importe quelle durée
06:25
and simulate effects of interventions
132
373276
2124
et de simuler les effets d'interventions
06:27
that take place in any timescale.
133
375424
2701
qui ont lieu sur n'importe quelle durée.
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Bien sûr, ce n'est pas le travail
d'un seul modélisateur.
d'un seul modélisateur.
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
Cela doit arriver en étroite collaboration
avec des biologistes.
avec des biologistes.
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
Cela requiert une capacité de traduction
06:41
on both sides.
137
389241
1204
des deux côtés.
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
Mais démarrer avec une formulation
théorique d'un problème
théorique d'un problème
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
peut révéler de nombreuses opportunités
de test des hypothèses,
de test des hypothèses,
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
de simulations de scénarios
et d'interventions thérapeutiques
et d'interventions thérapeutiques
06:54
all in a completely safe way.
141
402146
2070
de façon entièrement sûre.
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
Cela peut identifier des lacunes de savoir
et des incohérences logiques
et des incohérences logiques
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
et nous guider vers ce que
nous devrions continuer à explorer
nous devrions continuer à explorer
07:05
and where there may be a dead end.
144
413039
1895
et ce qui pourrait être une impasse.
07:07
In other words:
145
415632
1247
En d'autres mots :
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
la modélisation mathématique
peut nous aider à répondre à des questions
peut nous aider à répondre à des questions
07:12
that directly affect people's health --
147
420421
2388
qui affectent directement
la santé des gens --
la santé des gens --
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
la santé de chaque personne --
07:18
because mathematical modeling will be key
149
426670
2676
car la modélisation
mathématique sera la clé
mathématique sera la clé
07:21
to propelling personalized medicine.
150
429370
1834
d'une médecine personnalisée.
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
Tout cela repose sur le fait
de poser la bonne question
de poser la bonne question
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
et de la traduire
en la bonne équation ...
en la bonne équation ...
07:30
and back.
153
438670
1150
et inversement.
07:32
Thank you.
154
440533
1151
Merci.
07:33
(Applause)
155
441708
3299
(Applaudissements)
ABOUT THE SPEAKER
Irina Kareva - Theoretical biologistIrina Kareva is looking for answers to biological questions using mathematical modeling.
Why you should listen
Dr. Irina Kareva studies cancer as an evolving ecosystem, bringing in insights from various disciplines -- from evolutionary biology to paleontology to ergodic theory -- to understand how we can manage, if not cure, cancer like a chronic disease. She has authored more than 25 publications, including several papers with her parents, who are also mathematicians. The Kareva clan was featured in a Nature article entitled "Relationships: Scions of Science."
Kareva is a research scientist at EMD Serono Research Center near Boston Massachusetts, US. Her book, Understanding Cancer from a Systems Biology Point of View: From Observation to Theory and Back, was recently published by Elsevier, and a second book on mathematical modeling of the evolution of heterogeneous populations will be released in mid-2019.
In addition to her scientific studies and endeavors, Kareva also holds a degree in music and works actively as a professional opera singer. She is a member of the Boston Symphony Orchestra’s Tanglewood Festival Chorus, has performed solo roles in local productions, religious music performances, and can even occasionally be heard in pieces as varied as video game soundtracks and heavy metal recordings.
Irina Kareva | Speaker | TED.com