TED2005
James Watson: How we discovered DNA
James Watson a DNS felfedezéséről
Filmed:
Readability: 3.9
1,901,584 views
A Nobel-díjas James Watson nyitja meg a TED2005-öt egy őszinte és vidám történettel arról, hogy hogyan fedezte fel ő és társa, Francis Crick, a DNS szerkezetét.
James Watson - Biologist, Nobel laureate
Nobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets. Full bio
Nobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets. Full bio
Double-click the English transcript below to play the video.
00:25
Well, I thought there would be a podium, so I'm a bit scared.
0
0
3000
Azt hittem, lesz itt egy színpad, így most egy kissé meg vagyok rémülve.
00:28
(Laughter)
1
3000
3000
(Nevetés)
00:31
Chris asked me to tell again how we found the structure of DNA.
2
6000
3000
Chris arra kért, meséljem el, hogyan jöttünk rá a DNS szerkezetére.
00:34
And since, you know, I follow his orders, I'll do it.
3
9000
3000
És mivel én betartom az utasításait, ezt fogom tenni.
00:37
But it slightly bores me.
4
12000
2000
Bár egy kicsit már untat a téma.
00:39
(Laughter)
5
14000
2000
(Nevetés)
00:41
And, you know, I wrote a book. So I'll say something --
6
16000
5000
És, mint tudják, írtam egy könyvet. Így arról fogok beszélni --
00:46
(Laughter)
7
21000
2000
(Nevetés)
00:48
-- I'll say a little about, you know, how the discovery was made,
8
23000
3000
-- arról fogok beszélni, hogyan született a felfedezés,
00:51
and why Francis and I found it.
9
26000
2000
és miért Francis és én voltunk a felfedezők.
00:53
And then, I hope maybe I have at least five minutes to say
10
28000
4000
Aztán talán lesz öt percem elmondani,
00:57
what makes me tick now.
11
32000
4000
mi izgat mostanában.
01:01
In back of me is a picture of me when I was 17.
12
36000
5000
A háttérben egy képet látnak rólam, 17 éves koromban.
01:06
I was at the University of Chicago, in my third year,
13
41000
3000
A Chicago Egyetemen készült, amikor harmadéves voltam,
01:09
and I was in my third year because the University of Chicago
14
44000
6000
és azért voltam harmadéves, mert a Chicago Egyetemre
01:15
let you in after two years of high school.
15
50000
2000
két év középiskola után lehetett bejutni.
01:17
So you -- it was fun to get away from high school -- (Laughter) --
16
52000
6000
Tehát -- mókás dolog volt elhagyni a középiskolát.
01:23
because I was very small, and I was no good in sports,
17
58000
3000
Mivel kicsi voltam és nem voltam jó sportoló,
01:26
or anything like that.
18
61000
1000
vagy ilyesmi.
01:27
But I should say that my background -- my father was, you know,
19
62000
6000
Ami a családi hátteremet illeti -- apámat
01:33
raised to be an Episcopalian and Republican,
20
68000
2000
protenstánsnak és republikánusnak nevelték.
01:35
but after one year of college, he became an atheist and a Democrat.
21
70000
5000
Egy év főiskola után azonban ateista és demokrata lett.
01:40
(Laughter)
22
75000
3000
(Nevetés)
01:43
And my mother was Irish Catholic,
23
78000
2000
Anyám ír katolikus volt,
01:45
and -- but she didn't take religion too seriously.
24
80000
5000
-- bár soha nem vette túl komolyan a vallást.
01:50
And by the age of 11, I was no longer going to Sunday Mass,
25
85000
4000
Így 11 éves koromban a vasárnapi mise helyett
01:54
and going on birdwatching walks with my father.
26
89000
4000
én inkább madárlesre jártam az apámmal.
01:58
So early on, I heard of Charles Darwin.
27
93000
4000
Így már elég korán hallottam Charles Darwin-ról.
02:02
I guess, you know, he was the big hero.
28
97000
3000
Azt hiszem, ő nagy hős volt.
02:05
And, you know, you understand life as it now exists through evolution.
29
100000
6000
És azt hiszem, az élet jelenlegi formáját az evolúción keresztül ismerhetjük meg.
02:11
And at the University of Chicago I was a zoology major,
30
106000
4000
A Chicago Egyetemen pedig a zoológia fő tantárgy volt.
02:15
and thought I would end up, you know, if I was bright enough,
31
110000
3000
És azt reméltem, hogy ha elég jól tanulok,
02:18
maybe getting a Ph.D. from Cornell in ornithology.
32
113000
5000
PhD-zhetek ornitológiából Cornell-nél.
02:23
Then, in the Chicago paper, there was a review of a book
33
118000
6000
Aztán egy chicago-i lapban megjelent egy könyvszemle
02:29
called "What is Life?" by the great physicist, Schrodinger.
34
124000
4000
a nagy fizikus, Schrödinger "Mi az élet?" című könyvéről.
02:33
And that, of course, had been a question I wanted to know.
35
128000
3000
És természetesen ez volt a kérdés, amire én is tudni akartam a választ.
02:36
You know, Darwin explained life after it got started,
36
131000
3000
Darwin ugyanis jól elmagyarázta az életet, ha már egyszer elkezdődött,
02:39
but what was the essence of life?
37
134000
2000
de mi az élet lényege?
02:41
And Schrodinger said the essence was information
38
136000
4000
És Schrödinger azt mondta, hogy a lényeg az információ,
02:45
present in our chromosomes, and it had to be present
39
140000
4000
ami a kromoszómáinkban van, és hogy ennek meg kell lennie
02:49
on a molecule. I'd never really thought of molecules before.
40
144000
6000
egy molekulában. Azelőtt soha gondoltam a molekulákra igazán.
02:55
You know chromosomes, but this was a molecule,
41
150000
4000
Ismerik a kromoszómákat, de ez egy molekula volt
02:59
and somehow all the information was probably present
42
154000
3000
ami valahogy valószínűleg minden információt tartalmazott
03:02
in some digital form. And there was the big question
43
157000
4000
valami digitális formában. És itt volt a nagy kérdés,
03:06
of, how did you copy the information?
44
161000
2000
hogy hogyan másolódik az információ.
03:08
So that was the book. And so, from that moment on,
45
163000
5000
Szóval ez volt a könyv. És ettől a pillanattól kezdve
03:13
I wanted to be a geneticist --
46
168000
5000
genetikus akartam lenni --
03:18
understand the gene and, through that, understand life.
47
173000
2000
hogy megértsem a géneket, és rajtuk keresztül az életet.
03:20
So I had, you know, a hero at a distance.
48
175000
5000
És volt egy példaképem akkoriban.
03:25
It wasn't a baseball player; it was Linus Pauling.
49
180000
2000
Nem, nem egy baseball-játékos, hanem Linus Pauling.
03:27
And so I applied to Caltech and they turned me down.
50
182000
6000
Aztán jelentkeztem a Caltech-hez, de elutasítottak.
03:33
(Laughter)
51
188000
2000
(Nevetés)
03:35
So I went to Indiana,
52
190000
1000
Így aztán Indianába mentem,
03:36
which was actually as good as Caltech in genetics,
53
191000
3000
ami genetikában semmivel sem volt rosszabb, mint a Caltech,
03:39
and besides, they had a really good basketball team. (Laughter)
54
194000
4000
és ráadásul príma kosárlabda csapatuk volt.
03:43
So I had a really quite happy life at Indiana.
55
198000
3000
Igazán boldogan éltem Indianában.
03:46
And it was at Indiana I got the impression
56
201000
3000
És Indianában támadt az az ötletem is,
03:49
that, you know, the gene was likely to be DNA.
57
204000
2000
hogy a gén valószínűleg nem más mint a DNS.
03:51
And so when I got my Ph.D., I should go and search for DNA.
58
206000
4000
A PhD megszerzése után a DNS kutatásába fogtam.
03:55
So I first went to Copenhagen because I thought, well,
59
210000
6000
Ezért először Koppenhágába mentem, mert úgy gondoltam,
04:01
maybe I could become a biochemist,
60
216000
1000
hogy talán biokémikusnak kéne lennem.
04:02
but I discovered biochemistry was very boring.
61
217000
3000
Rájöttem azonban, hogy a biokémia borzasztó unalmas dolog.
04:05
It wasn't going anywhere toward, you know, saying what the gene was;
62
220000
4000
Semmi olyannal nem foglalkozik, ami elvezetne a gének megismeréséhez.
04:09
it was just nuclear science. And oh, that's the book, little book.
63
224000
4000
Ez pusztán atomtudomány volt. És igen, ez az a kis könyvecske.
04:13
You can read it in about two hours.
64
228000
2000
Két óra alatt végig lehet olvasni.
04:15
And -- but then I went to a meeting in Italy.
65
230000
4000
-- de aztán Olaszországba mentem egy kongresszusra.
04:19
And there was an unexpected speaker who wasn't on the program,
66
234000
5000
És ott egy, a programban nem is szereplő előadó
04:24
and he talked about DNA.
67
239000
2000
a DNS-ről beszélt.
04:26
And this was Maurice Wilkins. He was trained as a physicist,
68
241000
3000
Ő volt Maurice Wilkins. Ő képzett fizikus volt,
04:29
and after the war he wanted to do biophysics, and he picked DNA
69
244000
4000
és a háború után biofizikával akart foglalkozni, és a DNS-t választotta,
04:33
because DNA had been determined at the Rockefeller Institute
70
248000
3000
mert a Rockefeller Institute megállapítása szerint a DNS
04:36
to possibly be the genetic molecules on the chromosomes.
71
251000
4000
lehet a kromoszómák genetikai molekulája.
04:40
Most people believed it was proteins.
72
255000
1000
A legtöbben inkább a fehérjékre gondoltak,
04:41
But Wilkins, you know, thought DNA was the best bet,
73
256000
4000
Wilkins azonban úgy vélte, hogy a DNS a legjobb jelölt,
04:45
and he showed this x-ray photograph.
74
260000
4000
és bemutatta ezt a röntgen-felvételt.
04:49
Sort of crystalline. So DNA had a structure,
75
264000
4000
Egyfajta kristály. Tehát a DNS-nek belső szerkezete van,
04:53
even though it owed it to probably different molecules
76
268000
3000
bár ezt valószínűleg különböző molekulák okozzák,
04:56
carrying different sets of instructions.
77
271000
2000
amelyek különböző utasításokat hordoznak.
04:58
So there was something universal about the DNA molecule.
78
273000
2000
Volt tehát valami univerzális a DNS molekula körül.
05:00
So I wanted to work with him, but he didn't want a former birdwatcher,
79
275000
5000
Én tehát dolgoztam volna vele, de neki nem hiányzott egy egykori madarász,
05:05
and I ended up in Cambridge, England.
80
280000
1000
így hát Angliában, Cambridge-ben kötöttem ki.
05:06
So I went to Cambridge,
81
281000
2000
Tehát Cambridge-be mentem,
05:08
because it was really the best place in the world then
82
283000
3000
mert akkoriban ez volt a világon a legjobb hely
05:11
for x-ray crystallography. And x-ray crystallography is now a subject
83
286000
4000
a röntgen-krisztallográfia számára. És a röntgen-krisztallográfia most
05:15
in, you know, chemistry departments.
84
290000
2000
a kémiai részlegekhez tartozik.
05:17
I mean, in those days it was the domain of the physicists.
85
292000
3000
Úgy értem, hogy akkoriban a fizika egyik szakterülete volt.
05:20
So the best place for x-ray crystallography
86
295000
4000
Tehát a legjobb hely egy röntgen-krisztallográfus számára
05:24
was at the Cavendish Laboratory at Cambridge.
87
299000
3000
a Cambridge-i Cavendish Laboratory volt.
05:27
And there I met Francis Crick.
88
302000
6000
És ott találkoztam Francis Crick-kel.
05:33
I went there without knowing him. He was 35. I was 23.
89
308000
3000
Mikor odakerültem, még nem ismertem. Ő 35 éves volt, én 23.
05:36
And within a day, we had decided that
90
311000
5000
Aztán egy nap alatt úgy döntöttünk,
05:41
maybe we could take a shortcut to finding the structure of DNA.
91
316000
5000
hogy talán tudnánk egy módszert a DNS szerkezetének felderítésére.
05:46
Not solve it like, you know, in rigorous fashion, but build a model,
92
321000
6000
Nem egy szigorúan vett megoldásra gondoltunk, hanem egy modell építésére.
05:52
an electro-model, using some coordinates of, you know,
93
327000
4000
Egy elektro-modellt, bizonyos koordináták,
05:56
length, all that sort of stuff from x-ray photographs.
94
331000
3000
mint például hosszúságok használatával, a röntgenképek alapján.
05:59
But just ask what the molecule -- how should it fold up?
95
334000
3000
Csak annak megállapítására, hogy milyen a molekula -- hogy van összehajtogatva?
06:02
And the reason for doing so, at the center of this photograph,
96
337000
4000
Éppen ezért, akit ennek a képnek a közepén látnak,
06:06
is Linus Pauling. About six months before, he proposed
97
341000
3000
az Linus Pauling. Hat hónappal azelőtt ő vetette fel
06:09
the alpha helical structure for proteins. And in doing so,
98
344000
4000
a fehérjék alfa hélixes szerkezetét. És ez által
06:13
he banished the man out on the right,
99
348000
2000
száműzte a jobb oldali férfit,
06:15
Sir Lawrence Bragg, who was the Cavendish professor.
100
350000
3000
Sir Lawrence Bragg, Cavendish-i professzort.
06:18
This is a photograph several years later,
101
353000
2000
Ez a kép évekkel később készült,
06:20
when Bragg had cause to smile.
102
355000
2000
amikor Bragg-nek már volt oka mosolyogni.
06:22
He certainly wasn't smiling when I got there,
103
357000
2000
Akkortájt biztosan nem mosolygott, amikor én odakerültem,
06:24
because he was somewhat humiliated by Pauling getting the alpha helix,
104
359000
4000
mert kissé megalázta Pauling az alfa hélix-szel
06:28
and the Cambridge people failing because they weren't chemists.
105
363000
4000
őt és a Cambridge-ieket, mert hiszen ő nem volt kémikus.
06:32
And certainly, neither Crick or I were chemists,
106
367000
5000
És tulajdonképpen sem Crick, sem és nem voltunk azok,
06:37
so we tried to build a model. And he knew, Francis knew Wilkins.
107
372000
6000
ezért próbáltunk modellt építeni. És ő, Francis, ismerte Wilkins-t.
06:43
So Wilkins said he thought it was the helix.
108
378000
2000
Tehát Wilkins azt mondta, ő gondolta, hogy ez egy hélix.
06:45
X-ray diagram, he thought was comparable with the helix.
109
380000
3000
A röntgen-diagram, szerinte, hasonlított egy hélixre.
06:48
So we built a three-stranded model.
110
383000
2000
Így hát egy háromszálú modellt építettünk.
06:50
The people from London came up.
111
385000
2000
Aztán eljöttek hozzánk a londoniak.
06:52
Wilkins and this collaborator, or possible collaborator,
112
387000
5000
Wilkins és ez a munkatársa, vagy valószínű munkatársa,
06:57
Rosalind Franklin, came up and sort of laughed at our model.
113
392000
3000
Rosalind Franklin, eljöttek, és egy jót nevettek a modellünkön.
07:00
They said it was lousy, and it was.
114
395000
2000
Azt mondták, pocsék, és tényleg az volt.
07:02
So we were told to build no more models; we were incompetent.
115
397000
5000
Azt javasolták, ne építsünk több modellt; nem értünk hozzá.
07:07
(Laughter)
116
402000
4000
(Nevetés)
07:11
And so we didn't build any models,
117
406000
2000
Így hát nem építettünk több modellt,
07:13
and Francis sort of continued to work on proteins.
118
408000
3000
Francis pedig a fehérjékkel folytatta a munkáját.
07:16
And basically, I did nothing. And -- except read.
119
411000
6000
Én pedig, alapvetően semmit nem csináltam. Az -- olvasást leszámítva.
07:22
You know, basically, reading is a good thing; you get facts.
120
417000
3000
Olvasni, tudják, jó dolog; az ember tényekhez jut.
07:25
And we kept telling the people in London
121
420000
3000
Közben folyamatosan mondtuk a londoniaknak,
07:28
that Linus Pauling's going to move on to DNA.
122
423000
2000
hogy Linus Pauling a DNS-t kutatja.
07:30
If DNA is that important, Linus will know it.
123
425000
2000
Ha a DNS a fontos, azt Linus tudni fogja.
07:32
He'll build a model, and then we're going to be scooped.
124
427000
2000
Ő egy modellt fog építeni, mi pedig vereséget szenvedünk.
07:34
And, in fact, he'd written the people in London:
125
429000
2000
És valóban, írt egy levelet a londoniaknak:
07:36
Could he see their x-ray photograph?
126
431000
3000
Láthatná-e a röntgen-felvételüket?
07:39
And they had the wisdom to say "no." So he didn't have it.
127
434000
3000
Ők bölcsen azt felelték: "nem". Így hát nem kapta meg.
07:42
But there was ones in the literature.
128
437000
2000
Bár volt belőle néhány az irodalomban.
07:44
Actually, Linus didn't look at them that carefully.
129
439000
2000
Valójában Linus nem nézte meg őket elég alaposan.
07:46
But about, oh, 15 months after I got to Cambridge,
130
441000
6000
Azonban, úgy 15 hónappal Cambridge-be érkezésem után,
07:52
a rumor began to appear from Linus Pauling's son,
131
447000
3000
pletyka kelt szárnyra Linus Pauling fiától,
07:55
who was in Cambridge, that his father was now working on DNA.
132
450000
4000
aki Cambridge-ben volt, és azt mondta, hogy apja a DNS-en dolgozik.
07:59
And so, one day Peter came in and he said he was Peter Pauling,
133
454000
4000
És egyik nap megjelent Peter, és azt mondta, hogy ő Peter Pauling,
08:03
and he gave me a copy of his father's manuscripts.
134
458000
2000
és átadta nekem apja egyik jegyzetét.
08:05
And boy, I was scared because I thought, you know, we may be scooped.
135
460000
6000
Ettől aztán én jól megijedtem, mert azt hittem, legyőztek bennünket.
08:11
I have nothing to do, no qualifications for anything.
136
466000
3000
Nincs mit csinálnom, nem értek semmihez.
08:14
(Laughter)
137
469000
2000
(Nevetés)
08:16
And so there was the paper, and he proposed a three-stranded structure.
138
471000
6000
És akkor ott volt ez a papír, ami egy háromszálú struktúrát javasolt.
08:22
And I read it, and it was just -- it was crap.
139
477000
2000
Elolvastam, és -- csupa marhaság volt.
08:24
(Laughter)
140
479000
5000
(Nevetés)
08:29
So this was, you know, unexpected from the world's --
141
484000
3000
Tehát, értik, az ember nem erre számít a világ --
08:32
(Laughter)
142
487000
2000
(Nevetés)
08:34
-- and so, it was held together by hydrogen bonds
143
489000
3000
-- és hidrogénkötések kapcsolták össze
08:37
between phosphate groups.
144
492000
2000
a foszfátcsoportok között.
08:39
Well, if the peak pH that cells have is around seven,
145
494000
4000
Nos, ha a sejtekben a legmagasabb pH-érték hét körül van,
08:43
those hydrogen bonds couldn't exist.
146
498000
3000
akkor ezek a hidrogénkötések nem létezhetnek.
08:46
We rushed over to the chemistry department and said,
147
501000
2000
Átrohantunk a kémiai részlegbe, és azt kérdeztük:
08:48
"Could Pauling be right?" And Alex Hust said, "No." So we were happy.
148
503000
6000
"Igaza lehet Pauling-nak?" Alex Hust felelt: "Nem." Örültünk.
08:54
(Laughter)
149
509000
2000
(Nevetés)
08:56
And, you know, we were still in the game, but we were frightened
150
511000
3000
Tehát még mindig játékban voltunk, de féltünk,
08:59
that somebody at Caltech would tell Linus that he was wrong.
151
514000
4000
hogy valaki a Caltech-nél megmondja Linus-nak, hogy tévedett.
09:03
And so Bragg said, "Build models."
152
518000
2000
Ekkor Bragg azt mondta: "Építsetek modelleket!'
09:05
And a month after we got the Pauling manuscript --
153
520000
4000
És egy hónappal azután, hogy megkaptuk Pauling kéziratát,
09:09
I should say I took the manuscript to London, and showed the people.
154
524000
5000
elvittem a kéziratot Londonba, és megmutattam az ottaniaknak.
09:14
Well, I said, Linus was wrong and that we're still in the game
155
529000
3000
Nos hát, Linus tévedett, így hát továbbra is versenyben vagyunk
09:17
and that they should immediately start building models.
156
532000
2000
és hogy azonnal el kell kezdenünk a modellépítést.
09:19
But Wilkins said "no." Rosalind Franklin was leaving in about two months,
157
534000
5000
Wilkins nemet mondott, Rosalind Franklin két hónap múlva elutazik,
09:24
and after she left he would start building models.
158
539000
3000
és ő csak utána kezd modelleket építeni.
09:27
And so I came back with that news to Cambridge,
159
542000
4000
Ezzel a hírrel jöttem vissza Cambridge-be,
09:31
and Bragg said, "Build models."
160
546000
1000
ahol Bragg azt mondta: "Építsetek modelleket!"
09:32
Well, of course, I wanted to build models.
161
547000
1000
Én természetesen akartam modellt építeni.
09:33
And there's a picture of Rosalind. She really, you know,
162
548000
6000
Itt pedig egy kép Rosalind-ról. Ő valójában,
09:39
in one sense she was a chemist,
163
554000
2000
bizonyos értelemben kémikus volt,
09:41
but really she would have been trained --
164
556000
2000
azonban tanulnia kellett volna --
09:43
she didn't know any organic chemistry or quantum chemistry.
165
558000
3000
nem tudott semmit a szerves kémiáról vagy a kvantumkémiáról.
09:46
She was a crystallographer.
166
561000
1000
Ő krisztallográfus volt.
09:47
And I think part of the reason she didn't want to build models
167
562000
5000
Gondolom, az egyik oka annak, hogy nem akart modellt építeni
09:52
was, she wasn't a chemist, whereas Pauling was a chemist.
168
567000
3000
az volt, hogy ő nem volt kémikus, Pauling viszont igen.
09:55
And so Crick and I, you know, started building models,
169
570000
5000
Így hát Crick és én kezdtünk el modelleket építeni,
10:00
and I'd learned a little chemistry, but not enough.
170
575000
3000
és tanultunk egy kis kémiát, de nem eleget.
10:03
Well, we got the answer on the 28th February '53.
171
578000
4000
A választ 1953. február 28-án találtuk meg.
10:07
And it was because of a rule, which, to me, is a very good rule:
172
582000
4000
Ez pedig egy szabálynak, egy szerintem nagyon jó szabálynak köszönhető:
10:11
Never be the brightest person in a room, and we weren't.
173
586000
6000
Sose légy a legokosabb ember a szobában, és mi nem voltunk.
10:17
We weren't the best chemists in the room.
174
592000
2000
Nem mi voltunk a legjobb kémikusok a szobában.
10:19
I went in and showed them a pairing I'd done,
175
594000
2000
Bementem, és mutattam nekik egy párosítást, amit csináltam
10:21
and Jerry Donohue -- he was a chemist -- he said, it's wrong.
176
596000
4000
mire Jerry Donohue -- egy kémikus -- azt mondta, hogy ez hibás.
10:25
You've got -- the hydrogen atoms are in the wrong place.
177
600000
3000
A hidrogénatomok rossz helyen vannak.
10:28
I just put them down like they were in the books.
178
603000
3000
Pont úgy helyeztem el őket, ahogy a könyvekben láttam.
10:31
He said they were wrong.
179
606000
1000
De ő azt mondta, így nem jó.
10:32
So the next day, you know, after I thought, "Well, he might be right."
180
607000
4000
Másnap, miután gondolkoztam, azt mondtam, "Lehet, hogy igaza van."
10:36
So I changed the locations, and then we found the base pairing,
181
611000
4000
Így hát módosítottam az elhelyezésen, és így megtaláltuk a bázispárosítást,
10:40
and Francis immediately said the chains run in absolute directions.
182
615000
3000
mire Francis azonnal rávágta, hogy a láncok abszolút irányokba mutatnak.
10:43
And we knew we were right.
183
618000
2000
És akkor tudtuk, hogy jó úton járunk.
10:45
So it was a pretty, you know, it all happened in about two hours.
184
620000
7000
Gyönyörű volt, mindössze két óra alatt történt az egész.
10:52
From nothing to thing.
185
627000
4000
Semmiből valami.
10:56
And we knew it was big because, you know, if you just put A next to T
186
631000
5000
És tudtuk, hogy óriási dolog, mert ha A-t teszünk a T mellé
11:01
and G next to C, you have a copying mechanism.
187
636000
3000
és G-t a C mellé, akkor megvan a másoló mechanizmus.
11:04
So we saw how genetic information is carried.
188
639000
4000
Láttuk tehát, mi hordozza a genetikai információt.
11:08
It's the order of the four bases.
189
643000
1000
A kulcs a négy bázis sorrendje.
11:09
So in a sense, it is a sort of digital-type information.
190
644000
4000
Ez tehát, bizonyos értelemben egyfajta digitális információ.
11:13
And you copy it by going from strand-separating.
191
648000
5000
A másolás pedig a szálak szétválasztásával történik.
11:18
So, you know, if it didn't work this way, you might as well believe it,
192
653000
8000
Ha pedig mégsem így működne a dolog, akkor is el hitték volna,
11:26
because you didn't have any other scheme.
193
661000
1000
mert nem volt másik séma.
11:27
(Laughter)
194
662000
3000
(Nevetés)
11:30
But that's not the way most scientists think.
195
665000
3000
A legtöbb tudós azonban nem így gondolkodik.
11:33
Most scientists are really rather dull.
196
668000
3000
A legtöbb tudós nagyon unalmas alak.
11:36
They said, we won't think about it until we know it's right.
197
671000
2000
Azt mondták, nem foglalkozunk evvel, amíg nem tudjuk, hogy valóban így van.
11:38
But, you know, we thought, well, it's at least 95 percent right or 99 percent right.
198
673000
6000
Mi pedig úgy gondoltuk, hogy legalább 95, de lehet, hogy 99 százalékig így van.
11:44
So think about it. The next five years,
199
679000
4000
Tehát foglalkoztunk vele. A következő öt évben
11:48
there were essentially something like five references
200
683000
2000
mintegy öt hivatkozás volt
11:50
to our work in "Nature" -- none.
201
685000
2000
a munkánkra a Nature-ben -- az semmi.
11:53
And so we were left by ourselves,
202
688000
2000
Így tehát magunkra maradtunk,
11:55
and trying to do the last part of the trio: how do you --
203
690000
5000
és egyedül próbáltuk megtalálni a trió utolsó elemét: hogyan --
12:00
what does this genetic information do?
204
695000
4000
mit csinál ez a genetikai információ?
12:04
It was pretty obvious that it provided the information
205
699000
4000
Nyilvánvaló volt, hogy ez szolgáltatja az információt
12:08
to an RNA molecule, and then how do you go from RNA to protein?
206
703000
3000
egy RNS molekula számára, de aztán hogy jutunk el az RNS-től a fehérjéig?
12:11
For about three years we just -- I tried to solve the structure of RNA.
207
706000
5000
Körülbelül három évig csak -- kerestük az RNS struktúrájára a megoldást.
12:16
It didn't yield. It didn't give good x-ray photographs.
208
711000
3000
Sikertelenül. Nem születtek jó röntgenképek.
12:19
I was decidedly unhappy; a girl didn't marry me.
209
714000
3000
Én kifejezetten boldogtalan voltam; egy lány nem akart hozzám jönni.
12:22
It was really, you know, sort of a shitty time.
210
717000
3000
Őszintén szólva, elég sz@r időszak volt.
12:25
(Laughter)
211
720000
3000
(Nevetés)
12:28
So there's a picture of Francis and I before I met the girl,
212
723000
4000
Itt egy kép Francis-ről és rólam, mielőtt megismertem a lányt,
12:32
so I'm still looking happy.
213
727000
1000
itt még boldog voltam.
12:33
(Laughter)
214
728000
3000
(Nevetés)
12:36
But there is what we did when we didn't know
215
731000
3000
És hogy mit csináltunk, amikor nem tudtuk,
12:39
where to go forward: we formed a club and called it the RNA Tie Club.
216
734000
6000
hogyan tovább: alakítottunk egy klubot RNS Nyakkendősök Klubja néven.
12:45
George Gamow, also a great physicist, he designed the tie.
217
740000
4000
George Gamow, egy másik nagy fizikus tervezte a nyakkendőt.
12:49
He was one of the members. The question was:
218
744000
3000
Ő volt az egyik tag is. A kérdés így szólt:
12:52
How do you go from a four-letter code
219
747000
2000
Hogyan lehet eljutni egy négybetűs kódtól
12:54
to the 20-letter code of proteins?
220
749000
2000
a fehérjék 20 betűs kódjáig?
12:56
Feynman was a member, and Teller, and friends of Gamow.
221
751000
5000
Tag volt még Feynmann és Teller, Gamow barátai.
13:01
But that's the only -- no, we were only photographed twice.
222
756000
6000
De csak egyszer -- nem, csak kétszer fényképeztek le bennünket.
13:07
And on both occasions, you know, one of us was missing the tie.
223
762000
3000
És mindkét alkalommal egyikünkről hiányzott a nyakkendő.
13:10
There's Francis up on the upper right,
224
765000
3000
Francis ott van, jobbra fent,
13:13
and Alex Rich -- the M.D.-turned-crystallographer -- is next to me.
225
768000
5000
és Alex Rich -- orvos-krisztallográfus -- mellettem.
13:18
This was taken in Cambridge in September of 1955.
226
773000
4000
Ez Cambridge-ben készült, 1955 szeptemberében.
13:22
And I'm smiling, sort of forced, I think,
227
777000
6000
Én mosolygok, azt hiszem egy kicsit kényszeredetten,
13:28
because the girl I had, boy, she was gone.
228
783000
3000
mert a barátnőm, sajnos lelépett.
13:31
(Laughter)
229
786000
4000
(Nevetés)
13:35
And so I didn't really get happy until 1960,
230
790000
5000
Így hát egészen 1960-ig nem voltam igazán boldog,
13:40
because then we found out, basically, you know,
231
795000
4000
amikor végre rájöttünk,
13:44
that there are three forms of RNA.
232
799000
2000
hogy az RNS-nek három formája van.
13:46
And we knew, basically, DNA provides the information for RNA.
233
801000
3000
És alapvetően tudtuk, hogy a DNS adja az információt az RNS-nek.
13:49
RNA provides the information for protein.
234
804000
2000
Az RNS adja az információt a fehérjének.
13:51
And that let Marshall Nirenberg, you know, take RNA -- synthetic RNA --
235
806000
5000
És ennek alapján Marshall Nirenberg RNS-t - szintetikus RNS-t --
13:56
put it in a system making protein. He made polyphenylalanine,
236
811000
6000
tett egy rendszerbe, hogy fehérjét készítsen. Polifenil-alanint készített,
14:02
polyphenylalanine. So that's the first cracking of the genetic code,
237
817000
8000
polifenil-alanint. És ez volt a genetikai kód első feltörése,
14:10
and it was all over by 1966.
238
825000
2000
és ez volt 1966-ban.
14:12
So there, that's what Chris wanted me to do, it was --
239
827000
3000
Ez volt tehát, amit Chris akart tőlem, ez volt --
14:15
so what happened since then?
240
830000
4000
és hogy mi történt azóta?
14:19
Well, at that time -- I should go back.
241
834000
3000
Nos, akkor vissza kell mennem.
14:22
When we found the structure of DNA, I gave my first talk
242
837000
5000
Amikor felfedeztük a DNS szerkezetét, megtartottam első előadásomat
14:27
at Cold Spring Harbor. The physicist, Leo Szilard,
243
842000
3000
Cold Sprig Harbor-ban. Szilárd Leó, a fizikus,
14:30
he looked at me and said, "Are you going to patent this?"
244
845000
3000
rám nézett és azt kérdezte: "Tervezi szabadalmaztatni ezt?"
14:33
And -- but he knew patent law, and that we couldn't patent it,
245
848000
5000
És -- de ő ismerte a szabadalmi jogot, és hogy mi ezt nem szabadalmaztathatjuk,
14:38
because you couldn't. No use for it.
246
853000
2000
mivel nem tudjuk. Nincs semmi haszna.
14:40
(Laughter)
247
855000
2000
(Nevetés)
14:42
And so DNA didn't become a useful molecule,
248
857000
4000
Így mivel a DNS nem vált hasznos molekulává,
14:46
and the lawyers didn't enter into the equation until 1973,
249
861000
5000
és a jogászok 1973-ig nem szóltak közbe,
14:51
20 years later, when Boyer and Cohen in San Francisco
250
866000
5000
20 évvel később Boyer és Cohen San Francisco-ban
14:56
and Stanford came up with their method of recombinant DNA,
251
871000
2000
és Stanford-ban bejelentették a rekombináns DNS-re vonatkozó módszerüket,
14:58
and Stanford patented it and made a lot of money.
252
873000
3000
és Stanford a szabadalommal egy rakás pénzt keresett.
15:01
At least they patented something
253
876000
1000
Legalább szabadalmaztattak valamit,
15:02
which, you know, could do useful things.
254
877000
3000
ami, hogy is mondjam, hasznos dolgokra képes.
15:05
And then, they learned how to read the letters for the code.
255
880000
3000
Aztán megtanulták olvasni a kód betűit.
15:08
And, boom, we've, you know, had a biotech industry. And,
256
883000
5000
Aztán egyszer csak beköszöntött a biotechnológiai ipar. És,
15:13
but we were still a long ways from, you know,
257
888000
7000
bár még mindig messze voltunk
15:20
answering a question which sort of dominated my childhood,
258
895000
2000
gyerekkoromat meghatározó kérdés megválaszolásától,
15:22
which is: How do you nature-nurture?
259
897000
5000
azaz hogy: Az öröklés vagy a tanulás a meghatározó?
15:27
And so I'll go on. I'm already out of time,
260
902000
4000
Így hát tovább folytatom. Mert fogy az idő,
15:31
but this is Michael Wigler, a very, very clever mathematician
261
906000
3000
de ez itt Michael Wigler, egy nagyon, nagyon okos matematikus,
15:34
turned physicist. And he developed a technique
262
909000
3000
akiből fizikus lett. Ő kidolgozott egy technikát,
15:37
which essentially will let us look at sample DNA
263
912000
4000
ami lehetővé teszi, hogy DNS mintákat vizsgáljunk,
15:41
and, eventually, a million spots along it.
264
916000
2000
és, végül, milliónyi kis területet rajtuk.
15:43
There's a chip there, a conventional one. Then there's one
265
918000
3000
Ez itt egy közönséges chip. Ezt a másikat pedig
15:46
made by a photolithography by a company in Madison
266
921000
3000
fotolitográfiával készítette egy cég Madison-ban,
15:49
called NimbleGen, which is way ahead of Affymetrix.
267
924000
5000
a neve NimbleGen, és ami jóval az Affymetrix előtt jár.
15:54
And we use their technique.
268
929000
2000
Az ő eljárásukat használjuk.
15:56
And what you can do is sort of compare DNA of normal segs versus cancer.
269
931000
5000
És ezzel képesek vagyunk normál és rákos szegmensek DNS-ének összehasonlítására.
16:01
And you can see on the top
270
936000
4000
És itt felül látható,
16:05
that cancers which are bad show insertions or deletions.
271
940000
5000
hogy a rákos felvételen többletek és hiányok mutatkoznak.
16:10
So the DNA is really badly mucked up,
272
945000
3000
Tehát a DNS eléggé el van rontva,
16:13
whereas if you have a chance of surviving,
273
948000
2000
míg ha van esély a túlélésre,
16:15
the DNA isn't so mucked up.
274
950000
2000
a DNS nincs ennyire tönkretéve.
16:17
So we think that this will eventually lead to what we call
275
952000
3000
Úgy gondoljuk, hogy ez végül oda vezet, amit úgy hívunk, hogy
16:20
"DNA biopsies." Before you get treated for cancer,
276
955000
4000
"DNS biopszia". A rák elleni kezelés megkezdése előtt
16:24
you should really look at this technique,
277
959000
2000
érdemes ezt a technikát alkalmazni,
16:26
and get a feeling of the face of the enemy.
278
961000
3000
és valami képet kapni az ellenségről.
16:29
It's not a -- it's only a partial look, but it's a --
279
964000
3000
Ez nem egy -- ez csak egy részleges kép, de ez --
16:32
I think it's going to be very, very useful.
280
967000
3000
azt hiszem, nagyon, nagyon hasznosnak fog bizonyulni.
16:35
So, we started with breast cancer
281
970000
2000
Mi a mellrákkal kezdtük,
16:37
because there's lots of money for it, no government money.
282
972000
3000
mivel erre rengeteg pénz van, nem állami pénz.
16:40
And now I have a sort of vested interest:
283
975000
4000
Ami pedig jelenleg nagyon érdekel:
16:44
I want to do it for prostate cancer. So, you know,
284
979000
2000
ugyanezt el akarom végezni prosztatarákkal is. Így tehát
16:46
you aren't treated if it's not dangerous.
285
981000
3000
nem lesz kezelés, ha az nem rosszindulatú.
16:49
But Wigler, besides looking at cancer cells, looked at normal cells,
286
984000
6000
Wigler azonban, a rákos sejtek vizsgálatán kívül, egészséges sejteket is vizsgált,
16:55
and made a really sort of surprising observation.
287
990000
3000
és egy igazán meglepő felfedezést tett.
16:58
Which is, all of us have about 10 places in our genome
288
993000
4000
Mégpedig azt, hogy mindannyiunk DNS-ében van kb. 10 olyan hely,
17:02
where we've lost a gene or gained another one.
289
997000
2000
ahol génhiány vagy géntöbblet van.
17:05
So we're sort of all imperfect. And the question is well,
290
1000000
6000
Ebben az értelemben tehát nem vagyunk tökéletesek. A kérdés pedig az,
17:11
if we're around here, you know,
291
1006000
2000
hogy ha mi itt vagyunk,
17:13
these little losses or gains might not be too bad.
292
1008000
3000
akkor ezek az apró hiányosságok vagy többletek nem is annyira rosszak.
17:16
But if these deletions or amplifications occurred in the wrong gene,
293
1011000
5000
Ha azonban ezek a törlések vagy erősítések egy rossz génen jelentkeznek,
17:21
maybe we'll feel sick.
294
1016000
1000
lehet, hogy megbetegszünk.
17:22
So the first disease he looked at is autism.
295
1017000
4000
Elsőként az autizmust vizsgálta.
17:26
And the reason we looked at autism is we had the money to do it.
296
1021000
5000
Ennek pedig az az oka, hogy ehhez állt rendelkezésre a pénz.
17:31
Looking at an individual is about 3,000 dollars. And the parent of a child
297
1026000
5000
Egy személy megvizsgálása kb. 3000 dollárba kerül. Egy szülő, akinek gyermeke
17:36
with Asperger's disease, the high-intelligence autism,
298
1031000
2000
a magas intelligenciás autizmusban, Asperger-kórban szenvedett,
17:38
had sent his thing to a conventional company; they didn't do it.
299
1033000
5000
elküldte ezt egy hagyományos céghez; ők nem csinálták meg.
17:43
Couldn't do it by conventional genetics, but just scanning it
300
1038000
3000
A hagyományos genetika nem segített, egy egyszerű szkenneléssel viszont
17:46
we began to find genes for autism.
301
1041000
3000
mi kezdtük megtalálni az autizmus génjeit.
17:49
And you can see here, there are a lot of them.
302
1044000
4000
Itt láthatják, hogy elég sok van belőlük.
17:53
So a lot of autistic kids are autistic
303
1048000
4000
Így rengeteg autista gyermek azért autista,
17:57
because they just lost a big piece of DNA.
304
1052000
2000
mert DNS-ükből hiányzik egy nagy darab.
17:59
I mean, big piece at the molecular level.
305
1054000
2000
Úgy értem, hogy molekuláris szinten nagy darab.
18:01
We saw one autistic kid,
306
1056000
2000
Láttunk egy autista gyermeket,
18:03
about five million bases just missing from one of his chromosomes.
307
1058000
3000
akinek mintegy ötmillió bázis hiányzott a kromoszómáiból.
18:06
We haven't yet looked at the parents, but the parents probably
308
1061000
3000
A szülőkön még nem végeztünk vizsgálatot, de náluk valószínűleg
18:09
don't have that loss, or they wouldn't be parents.
309
1064000
3000
nem mutatkozik ekkora hiány, egyébként nem lehetnének szülők.
18:12
Now, so, our autism study is just beginning. We got three million dollars.
310
1067000
7000
Ez az autizmus-kutatásunk tehát csak most kezdődik. 3 millió dollár áll rendelkezésünkre.
18:19
I think it will cost at least 10 to 20 before you'd be in a position
311
1074000
4000
Azt hiszem, legalább 10-20 millióra lesz szükség ahhoz, hogy
18:23
to help parents who've had an autistic child,
312
1078000
3000
segíteni tudjunk azoknak, akiknek autista gyerekük van,
18:26
or think they may have an autistic child,
313
1081000
2000
vagy azt hiszik, hogy autista gyerekeik születhetnek,
18:28
and can we spot the difference?
314
1083000
2000
és ki tudjuk-e mutatni a különbséget?
18:30
So this same technique should probably look at all.
315
1085000
3000
Tehát ugyanezt az eljárást kéne alkalmazni mindegyikük esetén.
18:33
It's a wonderful way to find genes.
316
1088000
4000
Ez egy gyönyörű módja a gének megtalálásának.
18:37
And so, I'll conclude by saying
317
1092000
2000
Végül pedig arról beszélnék,
18:39
we've looked at 20 people with schizophrenia.
318
1094000
2000
hogy megvizsgáltunk 20 skizofréniás személyt.
18:41
And we thought we'd probably have to look at several hundred
319
1096000
4000
És azt hittük, hogy legalább több százat meg kell vizsgálnunk,
18:45
before we got the picture. But as you can see,
320
1100000
2000
mielőtt teljes képet kapunk. De ahogy itt látható,
18:47
there's seven out of 20 had a change which was very high.
321
1102000
4000
a 20-ból hétnél rendkívül magas változásokat találtunk.
18:51
And yet, in the controls there were three.
322
1106000
3000
A kontrollban pedig mindössze háromnál.
18:54
So what's the meaning of the controls?
323
1109000
2000
De mit is a jelent ez a kontroll?
18:56
Were they crazy also, and we didn't know it?
324
1111000
2000
Ők is őrültek voltak, csak nem tudtunk róla?
18:58
Or, you know, were they normal? I would guess they're normal.
325
1113000
4000
Vagy ők normálisak voltak? Én azt hiszem, ők normálisak.
19:02
And what we think in schizophrenia is there are genes of predisposure,
326
1117000
7000
És úgy gondoljuk, hogy a skizofréniánál vannak fogékonysági gének,
19:09
and whether this is one that predisposes --
327
1124000
6000
és ha ez válik fogékonnyá --
19:15
and then there's only a sub-segment of the population
328
1130000
4000
és akkor csak a népesség egyetlen csoportja
19:19
that's capable of being schizophrenic.
329
1134000
2000
válhat skizofrénné.
19:21
Now, we don't have really any evidence of it,
330
1136000
4000
Most még nincs bizonyítékunk erre,
19:25
but I think, to give you a hypothesis, the best guess
331
1140000
5000
de hogy elmondjak önöknek egy hipotézist, van okunk feltételezni,
19:30
is that if you're left-handed, you're prone to schizophrenia.
332
1145000
6000
hogy a balkezesek hajlamosak a skizofréniára.
19:36
30 percent of schizophrenic people are left-handed,
333
1151000
3000
A skizofrének 30 százaléka balkezes,
19:39
and schizophrenia has a very funny genetics,
334
1154000
3000
és a skizofréniának nagyon érdekes a genetikája,
19:42
which means 60 percent of the people are genetically left-handed,
335
1157000
4000
ami azt jelenti, hogy az emberek 60 százaléka genetikailag balkezes,
19:46
but only half of it showed. I don't have the time to say.
336
1161000
3000
de a valóságban csak ezek fele. Nincs időm erről beszélni.
19:49
Now, some people who think they're right-handed
337
1164000
3000
Tehát sokan, akik úgy hiszik, hogy jobbkezesek,
19:52
are genetically left-handed. OK. I'm just saying that, if you think,
338
1167000
6000
genetikailag balkezesek. Jó. Ezt csak azért mondom, hogy ha úgy gondolnák,
19:58
oh, I don't carry a left-handed gene so therefore my, you know,
339
1173000
4000
hogy nekem nincs balkezes génem, tehát
20:02
children won't be at risk of schizophrenia. You might. OK?
340
1177000
3000
a gyerekeimet nem fenyegeti a skizofrénia. De igen. Érthető?
20:05
(Laughter)
341
1180000
3000
(Nevetés)
20:08
So it's, to me, an extraordinarily exciting time.
342
1183000
3000
Ez számomra egy rendkívül izgalmas időszak.
20:11
We ought to be able to find the gene for bipolar;
343
1186000
2000
Meg kellene találnunk a mániás depresszió génjét;
20:13
there's a relationship.
344
1188000
1000
van köztük összefüggés.
20:14
And if I had enough money, we'd find them all this year.
345
1189000
4000
Ha lesz rá elegendő pénzünk, még az idén meg is fogjuk találni.
20:18
I thank you.
346
1193000
1000
Köszönöm.
ABOUT THE SPEAKER
James Watson - Biologist, Nobel laureateNobel laureate James Watson took part in one of the most important scientific breakthroughs of the 20th century: the discovery of the structure of DNA. More than 50 years later, he continues to investigate biology's deepest secrets.
Why you should listen
James Watson has led a long, remarkable life, starting at age 12, when he was one of radio's high-IQ Quiz Kids. By age 15, he had enrolled in the University of Chicago, and by 25, working with Francis Crick (and drawing, controversially, on the research of Maurice Wilkins and Rosalind Franklin), he had made the discovery that would eventually win the three men the Nobel Prize.
Watson and Crick's 1953 discovery of DNA's double-helix structure paved the way for the astounding breakthroughs in genetics and medicine that marked the second half of the 20th century. And Watson's classic 1968 memoir of the discovery, The Double Helix, changed the way the public perceives scientists, thanks to its candid account of the personality conflicts on the project.
From 1988 to 1994, he ran the Human Genome Project. His current passion is the quest to identify genetic bases for major illnesses; in 2007 he put his fully sequenced genome online, the second person to do so, in an effort to encourage personalized medicine and early detection and prevention of diseases.
James Watson | Speaker | TED.com