TED2019
David Baker: 5 challenges we could solve by designing new proteins
David Baker: Öt feladat, amelyet új fehérjék tervezésével oldhatunk meg
Filmed:
Readability: 6.4
1,781,320 views
A fehérjék figyelemre méltó molekuláris gépek: megemésztik táplálékunkat, idegsejtjeinket tüzelik, táplálják immunrendszerünket és így tovább. Mi lenne, ha új fehérjéket tervezhetnénk, melyek funkciójával sosem találkoztunk a természetben? Vessünk egy pillantást a jövőbe! David Baker ismerteti, hogy a Fehérjetervező Intézetének munkatársai miként hoznak létre teljesen új fehérjéket a semmiből, és rávilágít, mi módon képesek megbirkózni az emberiség előtt álló öt nehéz feladattal. (Ez a nagyszabású terv része a Merész Projekt nevű TED kezdeményezésnek, amelynek célja globális változás ösztönzése és finanszírozása.)
David Baker - Computational biologist
David Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology. Full bio
David Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to tell you about the most
amazing machines in the world
amazing machines in the world
0
982
4059
A világ legbámulatosabb
gépeiről fogok beszélni,
gépeiről fogok beszélni,
00:17
and what we can now do with them.
1
5065
1768
és arról, hogy mit tehetünk velük.
00:19
Proteins,
2
7396
1163
Fehérjékről,
00:20
some of which you see inside a cell here,
3
8583
2250
némelyik itt e sejtben látható.
00:22
carry out essentially all the important
functions in our bodies.
functions in our bodies.
4
10857
3459
Majdnem minden fontos funkciót
ők látnak el testünkben.
ők látnak el testünkben.
00:26
Proteins digest your food,
5
14972
1879
Fehérjék emésztik meg táplálékunkat,
00:28
contract your muscles,
6
16875
1706
húzzák össze izmainkat,
00:30
fire your neurons
7
18605
1577
tüzelnek idegsejtjeinkben
00:32
and power your immune system.
8
20206
1616
és táplálják immunrendszerünket.
00:34
Everything that happens in biology --
9
22400
1976
A biológiában minden –
00:36
almost --
10
24400
1151
majdnem minden –
00:37
happens because of proteins.
11
25575
1412
fehérjék miatt történik.
00:39
Proteins are linear chains
of building blocks called amino acids.
of building blocks called amino acids.
12
27698
4075
A fehérjék aminosavak láncolatából állnak.
00:44
Nature uses an alphabet of 20 amino acids,
13
32366
3233
A természet 20 aminosavból
álló ábécét használ,
álló ábécét használ,
00:47
some of which have names
you may have heard of.
you may have heard of.
14
35623
2275
némelyikük nevét hallhatták is.
00:50
In this picture, for scale,
each bump is an atom.
each bump is an atom.
15
38921
3542
A képen minden dudor
egy-egy atomot jelképez.
egy-egy atomot jelképez.
00:55
Chemical forces between the amino acids
cause these long stringy molecules
cause these long stringy molecules
16
43351
4644
Az aminosavak közti kémiai erők hatására
hosszú láncmolekulák keletkeznek,
hosszú láncmolekulák keletkeznek,
01:00
to fold up into unique,
three-dimensional structures.
three-dimensional structures.
17
48019
3461
amelyek jellemző térszerkezetté alakulnak.
01:03
The folding process,
18
51937
1340
A hajtogatási folyamat,
01:05
while it looks random,
19
53301
1434
véletlenszerűnek látszik,
01:06
is in fact very precise.
20
54759
1963
de valójában igen pontos.
01:08
Each protein folds
to its characteristic shape each time,
to its characteristic shape each time,
21
56746
4397
Minden fehérje mindig
a rá jellemző alakot veszi föl,
a rá jellemző alakot veszi föl,
01:13
and the folding process
takes just a fraction of a second.
takes just a fraction of a second.
22
61167
3388
a hajtogatási folyamat
a másodperc tört része alatt végbemegy.
a másodperc tört része alatt végbemegy.
01:18
And it's the shapes of proteins
23
66029
1844
A fehérjéknek ez az alakja teszi lehetővé,
01:19
which enable them to carry out
their remarkable biological functions.
their remarkable biological functions.
24
67897
3970
hogy nevezetes biológiai
feladatukat ellássák.
feladatukat ellássák.
01:24
For example,
25
72520
1151
Például a hemoglobin alakja a tüdőben
01:25
hemoglobin has a shape
in the lungs perfectly suited
in the lungs perfectly suited
26
73695
3508
tökéletesen idomult
az oxigénmolekula megkötéséhez.
01:29
for binding a molecule of oxygen.
27
77227
1987
01:31
When hemoglobin moves to your muscle,
28
79759
1892
Az izmunkba kerülő hemoglobin alakja
01:33
the shape changes slightly
29
81675
1932
kissé megváltozik,
01:35
and the oxygen comes out.
30
83631
2191
és az oxigén kikerül belőle.
01:39
The shapes of proteins,
31
87494
1366
A fehérjék alakját
01:40
and hence their remarkable functions,
32
88884
2213
és ebből következően nevezetes feladatukat
01:43
are completely specified by the sequence
of amino acids in the protein chain.
of amino acids in the protein chain.
33
91121
5778
a fehérjeláncban lévő
aminosav-szekvencia szabja meg.
aminosav-szekvencia szabja meg.
01:49
In this picture, each letter
on top is an amino acid.
on top is an amino acid.
34
97331
3941
A kép tetején lévő
minden betű egy-egy aminosav.
minden betű egy-egy aminosav.
01:54
Where do these sequences come from?
35
102860
1837
Honnan származnak ezek a szekvenciák?
01:57
The genes in your genome
specify the amino acid sequences
specify the amino acid sequences
36
105586
4824
Testünk fehérjéiben
az aminosav-szekvenciákat
az aminosav-szekvenciákat
a genomunkban lévő gének határozzák meg.
02:02
of your proteins.
37
110434
1398
02:03
Each gene encodes the amino acid
sequence of a single protein.
sequence of a single protein.
38
111856
3738
Minden gén egy-egy fehérje
aminosav-szekvenciáját kódolja.
aminosav-szekvenciáját kódolja.
02:09
The translation between
these amino acid sequences
these amino acid sequences
39
117515
3802
Az aminosav-szekvenciák, a szerkezetek
02:13
and the structures
and functions of proteins
and functions of proteins
40
121341
2458
és a fehérjék rendeltetése
közti transzlációt
közti transzlációt
02:15
is known as the protein folding problem.
41
123823
2057
fehérje-hajtogatási problémának hívjuk.
02:18
It's a very hard problem
42
126439
1545
Nagyon nehéz probléma,
02:20
because there's so many different
shapes a protein can adopt.
shapes a protein can adopt.
43
128008
3180
mert a fehérje rengeteg alakot ölthet.
02:24
Because of this complexity,
44
132073
1645
Bonyolultsága miatt
az ember a fehérjék erejét
a természetben lévő aminosav-szekvenciák
a természetben lévő aminosav-szekvenciák
02:25
humans have only been able
to harness the power of proteins
to harness the power of proteins
45
133742
2937
02:28
by making very small changes
to the amino acid sequences
to the amino acid sequences
46
136703
3468
nagyon csekély változtatásával
02:32
of the proteins we've found in nature.
47
140195
2091
képes igába fogni.
02:34
This is similar to the process
that our Stone Age ancestors used
that our Stone Age ancestors used
48
142835
3858
Ez hasonló a kőkorszaki ősünk
által alkalmazott folyamathoz,
által alkalmazott folyamathoz,
02:38
to make tools and other implements
from the sticks and stones
from the sticks and stones
49
146717
3359
amellyel a körötte lévő
botokból és kövekből
botokból és kövekből
szerszámokat s egyéb eszközöket gyártott.
02:42
that we found in the world around us.
50
150100
2003
02:45
But humans did not learn to fly
by modifying birds.
by modifying birds.
51
153226
5024
De az ember nem tanult meg repülni
madarak módosítása révén.
madarak módosítása révén.
02:50
(Laughter)
52
158790
2017
(Nevetés)
02:52
Instead, scientists, inspired by birds,
uncovered the principles of aerodynamics.
uncovered the principles of aerodynamics.
53
160831
6310
A madaraktól ihletet merítve a kutatók
inkább föltárták az aerodinamika elveit.
inkább föltárták az aerodinamika elveit.
02:59
Engineers then used those principles
to design custom flying machines.
to design custom flying machines.
54
167165
4395
Mérnökök aztán az elvek alapján
repülőgépeket terveztek.
repülőgépeket terveztek.
03:04
In a similar way,
55
172195
1245
Évek óta
03:05
we've been working for a number of years
56
173464
1942
hasonlóképpen dolgozunk
03:07
to uncover the fundamental
principles of protein folding
principles of protein folding
57
175430
3269
a fehérje-hajtogatás alapvető
szabályainak feltárásán
szabályainak feltárásán
03:10
and encoding those principles
in the computer program called Rosetta.
in the computer program called Rosetta.
58
178723
4059
és az elveknek a Rosetta nevű
számítógépes programba kódolásán.
számítógépes programba kódolásán.
03:15
We made a breakthrough in recent years.
59
183742
2513
Az utóbbi években áttörést értünk el.
03:19
We can now design completely new proteins
from scratch on the computer.
from scratch on the computer.
60
187029
4459
A semmiből számítógéppel
teljesen új fehérjéket tudunk tervezni.
teljesen új fehérjéket tudunk tervezni.
03:24
Once we've designed the new protein,
61
192396
2068
Ha már megvagyunk a tervezéssel,
03:27
we encode its amino acid sequence
in a synthetic gene.
in a synthetic gene.
62
195242
3903
a fehérje aminosav-szekvenciáját
szintetikus génbe kódoljuk.
szintetikus génbe kódoljuk.
03:31
We have to make a synthetic gene
63
199656
1888
Szintetikus gént kell előállítanunk,
03:33
because since the protein
is completely new,
is completely new,
64
201568
2251
hiszen a fehérje teljesen új,
03:35
there's no gene in any organism on earth
which currently exists that encodes it.
which currently exists that encodes it.
65
203843
4762
és a Föld egyik élőlényében sincs
olyan gén, amelyik kódolná.
olyan gén, amelyik kódolná.
03:41
Our advances in understanding
protein folding
protein folding
66
209697
4187
A fehérje-hajtogatás megértésének előnye
03:45
and how to design proteins,
67
213908
1722
és a fehérjetervezés mikéntje
03:47
coupled with the decreasing cost
of gene synthesis
of gene synthesis
68
215654
3628
a génszintézis csökkenő
költségével párosul.
költségével párosul.
03:51
and the Moore's law increase
in computing power,
in computing power,
69
219306
3499
A számítási teljesítménynek
a Moore-törvény szerinti növekedése
a Moore-törvény szerinti növekedése
03:54
now enable us to design
tens of thousands of new proteins,
tens of thousands of new proteins,
70
222829
4736
új alakú és új rendeltetésű új fehérjék
03:59
with new shapes and new functions,
71
227589
2339
tízezreinek számítógépes tervezését
04:01
on the computer,
72
229952
1513
és szintetikus génbe kódolását
04:03
and encode each one of those
in a synthetic gene.
in a synthetic gene.
73
231489
3915
teszi lehetővé.
04:08
Once we have those synthetic genes,
74
236248
1668
Ha megvannak a szintetikus génjeink,
04:09
we put them into bacteria
75
237940
1545
baktériumokba juttatjuk őket,
04:11
to program them to make
these brand-new proteins.
these brand-new proteins.
76
239509
3305
hogy e vadonatúj fehérjék
előállítását programozzuk velük.
előállítását programozzuk velük.
04:15
We then extract the proteins
77
243197
2073
Aztán kivonjuk a fehérjét,
04:17
and determine whether they function
as we designed them to
as we designed them to
78
245294
3436
és eldöntjük, úgy működik-e,
ahogy terveztük,
ahogy terveztük,
04:20
and whether they're safe.
79
248754
1411
és biztonságos-e.
04:23
It's exciting to be able
to make new proteins,
to make new proteins,
80
251867
2465
Érdekfeszítő, hogy képesek
vagyunk új fehérjéket készíteni,
vagyunk új fehérjéket készíteni,
04:26
because despite the diversity in nature,
81
254356
2496
mert a természet sokoldalúsága dacára
04:28
evolution has only sampled a tiny fraction
of the total number of proteins possible.
of the total number of proteins possible.
82
256876
6092
az evolúció a lehetséges fehérjéknek
csak elhanyagolható töredékét mintázta be.
csak elhanyagolható töredékét mintázta be.
04:35
I told you that nature uses
an alphabet of 20 amino acids,
an alphabet of 20 amino acids,
83
263572
3495
Említettem, hogy 20 aminosavból
álló ábécét használ a természet,
álló ábécét használ a természet,
04:39
and a typical protein is a chain
of about 100 amino acids,
of about 100 amino acids,
84
267091
4449
és a tipikus fehérje
kb. 100 aminosav láncolata.
kb. 100 aminosav láncolata.
04:43
so the total number of possibilities
is 20 times 20 times 20, 100 times,
is 20 times 20 times 20, 100 times,
85
271564
5552
A lehetőségek száma 20x20... x20x20,
százszor, ez = 20¹⁰⁰,
százszor, ez = 20¹⁰⁰,
04:49
which is a number on the order
of 10 to the 130th power,
of 10 to the 130th power,
86
277140
3817
ez pedig 10¹³⁰ nagyságrendű szám.
Ez sokkal több, mint a fehérjék száma,
04:52
which is enormously more
than the total number of proteins
than the total number of proteins
87
280981
3812
04:56
which have existed
since life on earth began.
since life on earth began.
88
284817
2416
melyek valaha léteztek
a földi élet keletkezése óta.
a földi élet keletkezése óta.
04:59
And it's this unimaginably large space
89
287990
2691
Ezt az elképzelhetetlenül nagy teret most
05:02
we can now explore
using computational protein design.
using computational protein design.
90
290705
3530
számítógépes fehérjetervezéssel
fedezhetjük fel.
fedezhetjük fel.
05:07
Now the proteins that exist on earth
91
295747
2369
A Földön lévő fehérjék azért fejlődtek,
05:10
evolved to solve the problems
faced by natural evolution.
faced by natural evolution.
92
298140
3993
hogy megoldják a természetes
evolúció szabta feladatokat.
evolúció szabta feladatokat.
05:14
For example, replicating the genome.
93
302705
2353
Pl. a genommásolást.
05:18
But we face new challenges today.
94
306128
2284
De ma új feladatok előtt állunk.
05:20
We live longer, so new
diseases are important.
diseases are important.
95
308436
2737
Tovább élünk, ezért újabb
betegségek válnak fontossá.
betegségek válnak fontossá.
05:23
We're heating up and polluting the planet,
96
311197
2215
Fölhevítjük és szennyezzük a bolygónkat,
05:25
so we face a whole host
of ecological challenges.
of ecological challenges.
97
313436
3558
ezért seregnyi ökológiai
gond tornyosul elénk.
gond tornyosul elénk.
05:29
If we had a million years to wait,
98
317977
1808
Ha évmilliókat várhatnánk,
05:31
new proteins might evolve
to solve those challenges.
to solve those challenges.
99
319809
3208
új fehérjék tán megoldanák e feladatokat.
05:35
But we don't have
millions of years to wait.
millions of years to wait.
100
323787
2059
De nincs ennyi időnk.
05:38
Instead, with computational
protein design,
protein design,
101
326488
2871
Számítógépes fehérjetervezéssel viszont
05:41
we can design new proteins
to address these challenges today.
to address these challenges today.
102
329383
4439
új fehérjéket tervezhetünk,
hogy ma foglalkozhassunk e teendőkkel.
hogy ma foglalkozhassunk e teendőkkel.
05:47
Our audacious idea is to bring
biology out of the Stone Age
biology out of the Stone Age
103
335693
4450
Merész elképzelésünk,
hogy a biológiát fehérjetervezéssel
hogy a biológiát fehérjetervezéssel
05:52
through technological revolution
in protein design.
in protein design.
104
340167
2975
műszaki forradalom útján
hozzuk ki a kőkorból.
hozzuk ki a kőkorból.
05:56
We've already shown
that we can design new proteins
that we can design new proteins
105
344113
2864
Már bizonyítottuk,
hogy új alakú s szerepű
új fehérjéket tudunk tervezni.
új fehérjéket tudunk tervezni.
05:59
with new shapes and functions.
106
347001
1683
06:01
For example, vaccines work
by stimulating your immune system
by stimulating your immune system
107
349174
4308
Pl. a védőoltások arra sarkallják
immunrendszerünket,
immunrendszerünket,
06:05
to make a strong response
against a pathogen.
against a pathogen.
108
353506
3122
hogy a kórokozóra hatékonyan reagáljanak.
06:09
To make better vaccines,
109
357698
1551
A jobb oltóanyagok gyártásához
06:11
we've designed protein particles
110
359273
2302
fehérjerészecskéket terveztünk,
06:13
to which we can fuse
proteins from pathogens,
proteins from pathogens,
111
361599
3587
amelyhez kórokozóból nyerjük a fehérjét,
06:17
like this blue protein here,
from the respiratory virus RSV.
from the respiratory virus RSV.
112
365210
4334
pl. ezt a kék fehérjét a légúti
óriássejtes vírusból, az RSV-ből.
óriássejtes vírusból, az RSV-ből.
06:22
To make vaccine candidates
113
370131
1730
Oltóanyag-jelöltek gyártásakor
06:23
that are literally bristling
with the viral protein,
with the viral protein,
114
371885
3663
amelyek szó szerint
vírusfehérjéktől hemzsegnek,
vírusfehérjéktől hemzsegnek,
06:27
we find that such vaccine candidates
115
375572
2570
derült ki, hogy efféle oltóanyag-jelöltek
06:30
produce a much stronger
immune response to the virus
immune response to the virus
116
378166
3302
sokkal erősebb immunválaszt váltanak ki,
06:33
than any previous vaccines
that have been tested.
that have been tested.
117
381492
2703
mint az előzőleg bevizsgált oltóanyagok.
06:36
This is important because RSV
is currently one of the leading causes
is currently one of the leading causes
118
384648
3850
Ez igen lényeges,
hiszen világszerte az RSV
a csecsemőkori halálozás egyik fő okozója.
a csecsemőkori halálozás egyik fő okozója.
06:40
of infant mortality worldwide.
119
388522
2229
06:44
We've also designed new proteins
to break down gluten in your stomach
to break down gluten in your stomach
120
392414
3963
Új fehérjéket is terveztünk
a gluténérzékenység,
a gluténérzékenység,
azaz cöliákia okozta sikérlebontási
nehézség elhárítására,
nehézség elhárítására,
06:48
for celiac disease
121
396401
1597
06:50
and other proteins to stimulate
your immune system to fight cancer.
your immune system to fight cancer.
122
398022
4376
és más fehérjéket is, hogy rák elleni
küzdelemre ösztönözzük az immunrendszert.
küzdelemre ösztönözzük az immunrendszert.
06:55
These advances are the beginning
of the protein design revolution.
of the protein design revolution.
123
403338
3939
Ezek az eredmények a fehérjetervezés
forradalmának kezdetét jelentik.
forradalmának kezdetét jelentik.
07:00
We've been inspired by a previous
technological revolution:
technological revolution:
124
408850
3190
Ehhez az előző műszaki
forradalmak nyújtanak ihletet:
forradalmak nyújtanak ihletet:
07:04
the digital revolution,
125
412064
1345
a digitális forradalom,
07:05
which took place in large part
due to advances in one place,
due to advances in one place,
126
413433
5125
amely zömmel egyetlen helyszín,
a Bell Laboratories
vívmányainak köszönhető.
vívmányainak köszönhető.
07:10
Bell Laboratories.
127
418582
1272
07:12
Bell Labs was a place with an open,
collaborative environment,
collaborative environment,
128
420337
3294
A Bell Labs nyitott, együttműködő hely;
07:15
and was able to attract top talent
from around the world.
from around the world.
129
423655
3183
képes volt magához vonzani
a világ legtehetségesebbjeit.
a világ legtehetségesebbjeit.
07:19
And this led to a remarkable
string of innovations --
string of innovations --
130
427418
3442
Az eredmény kiváló újítások:
07:22
the transistor, the laser,
satellite communication
satellite communication
131
430884
4191
a tranzisztor, a lézer,
a műholdas hírközlés
a műholdas hírközlés
07:27
and the foundations of the internet.
132
435099
1726
és az internet létrehozása.
07:29
Our goal is to build
the Bell Laboratories of protein design.
the Bell Laboratories of protein design.
133
437761
3841
Célunk a fehérjetervezés
Bell Labjának létrehozása.
Bell Labjának létrehozása.
07:34
We are seeking to attract
talented scientists from around the world
talented scientists from around the world
134
442076
3515
Oda szeretnénk vonzani
a világ tehetséges kutatóit,
a világ tehetséges kutatóit,
07:37
to accelerate the protein
design revolution,
design revolution,
135
445615
2935
hogy fölgyorsítsuk
a fehérjetervezés forradalmát.
a fehérjetervezés forradalmát.
07:40
and we'll be focusing
on five grand challenges.
on five grand challenges.
136
448574
4088
Öt nagy feladatra összpontosítunk.
07:46
First, by taking proteins from flu strains
from around the world
from around the world
137
454136
5597
Az első: az összes influenza-vírustörzsből
kinyerni a fehérjét,
kinyerni a fehérjét,
07:51
and putting them on top
of the designed protein particles
of the designed protein particles
138
459757
3554
és a korábban bemutatott,
megtervezett fehérjerészecskékre
telepíteni őket.
telepíteni őket.
07:55
I showed you earlier,
139
463335
1667
07:57
we aim to make a universal flu vaccine,
140
465026
3390
Célunk az univerzális influenza-oltóanyag,
08:00
one shot of which gives a lifetime
of protection against the flu.
of protection against the flu.
141
468440
3951
egy oltással életre szóló védettséget
nyújtani az influenza ellen.
nyújtani az influenza ellen.
08:05
The ability to design --
142
473356
1612
A tervezés lehetősége...
08:06
(Applause)
143
474992
5224
(Taps)
08:12
The ability to design
new vaccines on the computer
new vaccines on the computer
144
480240
3068
Új oltóanyagok számítógépes
tervezésének lehetősége
tervezésének lehetősége
08:15
is important both to protect
against natural flu epidemics
against natural flu epidemics
145
483332
5308
mind a természetes influenza-járványok,
08:20
and, in addition, intentional
acts of bioterrorism.
acts of bioterrorism.
146
488664
3480
mind a szándékos bioterrorista tettek
elleni védelem miatt is fontos.
elleni védelem miatt is fontos.
08:25
Second, we're going far beyond
nature's limited alphabet
nature's limited alphabet
147
493272
3290
Másodszor: jócskán túl leszünk
a természet által húszra
korlátozott aminosav-ábécén,
korlátozott aminosav-ábécén,
08:28
of just 20 amino acids
148
496586
1711
08:30
to design new therapeutic candidates
for conditions such as chronic pain,
for conditions such as chronic pain,
149
498321
4735
s így ezernyi aminosav ábécéjét alkalmazva
új gyógymódokat tervezhetünk több kór,
pl. a krónikus fájdalom ellen.
pl. a krónikus fájdalom ellen.
08:35
using an alphabet
of thousands of amino acids.
of thousands of amino acids.
150
503080
2631
08:38
Third, we're building
advanced delivery vehicles
advanced delivery vehicles
151
506602
3813
Három: fejlett hordozókat hozunk létre,
amelyek a meglévő gyógyszereket pont oda
szállítják, ahol szervezetünknek kellenek.
szállítják, ahol szervezetünknek kellenek.
08:42
to target existing medications
exactly where they need to go in the body.
exactly where they need to go in the body.
152
510439
4164
08:47
For example, chemotherapy to a tumor
153
515226
2649
Pl. a kemoterápiát a daganathoz
08:49
or gene therapies to the tissue
where gene repair needs to take place.
where gene repair needs to take place.
154
517899
4303
vagy a génterápiát
a génjavítást igénylő szövethez.
a génjavítást igénylő szövethez.
08:55
Fourth, we're designing smart therapeutics
that can do calculations within the body
that can do calculations within the body
155
523000
6532
Negyedszer: okos gyógyászatot tervezünk,
amely a testben végezhet számításokat,
amely a testben végezhet számításokat,
09:01
and go far beyond current medicines,
156
529556
2214
és túltesz a mai gyógyszereken,
09:03
which are really blunt instruments.
157
531794
2264
amelyek igencsak durva eszközök.
09:06
For example, to target a small
subset of immune cells
subset of immune cells
158
534082
4349
Pl. célba vehetjük az immunsejtek
szűk alcsoportját,
szűk alcsoportját,
09:10
responsible for an autoimmune disorder,
159
538455
2081
melyek az autoimmun kórokat okozzák,
09:12
and distinguish them from the vast
majority of healthy immune cells.
majority of healthy immune cells.
160
540560
3458
és különbséget tehetünk köztük
és az egészséges immunsejtek között.
és az egészséges immunsejtek között.
09:16
Finally, inspired by remarkable
biological materials
biological materials
161
544899
3412
Végül, ihletet merítve egyes
figyelemre méltó biológiai anyagokból,
figyelemre méltó biológiai anyagokból,
09:20
such as silk, abalone shell,
tooth and others,
tooth and others,
162
548335
5108
pl. selyemből, tengeri kagylóból,
fogból és másokból,
fogból és másokból,
09:25
we're designing new
protein-based materials
protein-based materials
163
553467
2884
új, fehérje alapú anyagokat tervezünk,
09:28
to address challenges in energy
and ecological issues.
and ecological issues.
164
556375
4163
hogy energia- és ökológiai
kérdéseket oldhassunk meg.
kérdéseket oldhassunk meg.
09:33
To do all this,
we're growing our institute.
we're growing our institute.
165
561558
2845
Ennek érdekében fejlesztjük intézetünket.
09:36
We seek to attract energetic,
talented and diverse scientists
talented and diverse scientists
166
564768
5599
Energikus, tehetséges és sokoldalú
kutatókat szeretnénk odacsábítani
kutatókat szeretnénk odacsábítani
09:42
from around the world,
at all career stages,
at all career stages,
167
570391
3080
az egész világról, pályafutásuk
bármely szakaszából,
bármely szakaszából,
hogy lépjenek be hozzánk.
09:45
to join us.
168
573495
1150
09:47
You can also participate
in the protein design revolution
in the protein design revolution
169
575304
3303
A fehérjetervezési forradalomban
a Foldit nevű internetes
a Foldit nevű internetes
09:50
through our online
folding and design game, "Foldit."
folding and design game, "Foldit."
170
578631
3744
hajtogatási és tervezési játékon
keresztül is részt vehetnek.
keresztül is részt vehetnek.
09:55
And through our distributed
computing project, Rosetta@home,
computing project, Rosetta@home,
171
583214
3851
A Rosetta@home nevű elosztott
számítási projekten keresztül
számítási projekten keresztül
09:59
which you can join from your laptop
or your Android smartphone.
or your Android smartphone.
172
587089
3731
laptopjukkal vagy Android típusú
okostelefonjukkal kapcsolódhatnak be.
okostelefonjukkal kapcsolódhatnak be.
10:04
Making the world a better place
through protein design is my life's work.
through protein design is my life's work.
173
592547
3967
A világ jobbá tétele fehérjetervezésen
keresztül az életművem.
keresztül az életművem.
10:08
I'm so excited about
what we can do together.
what we can do together.
174
596996
2278
Lázba hoz, amit együtt elérhetünk.
10:11
I hope you'll join us,
175
599583
1470
Remélem, velünk fognak tartani.
10:13
and thank you.
176
601077
1158
Köszönöm.
10:14
(Applause and cheers)
177
602259
4455
(Taps) (Ujjongás)
ABOUT THE SPEAKER
David Baker - Computational biologistDavid Baker designs new biomolecules (proteins) from first principles to address 21st-century challenges in health and technology.
Why you should listen
David Baker is fascinated by biological self-organization. For example: How does the information stored in DNA translate into the intricate world of proteins and cells? The DNA code was solved more than 50 years ago, but the protein folding code has remained one of biology's greatest challenges. Starting 20 years ago, Baker's research team began using computers to model the structures of proteins. His work has advanced to the point where he can now not only predict the shape of natural proteins but also design completely new ones. In recent years, he's designed new experimental cancer therapies, vaccines, nanomaterials and more. He believes that the emerging field of protein design will fundamentally change how people make medicines, materials and more around the world. Now that the protein folding code is solved, the sky's the limit.
Baker is a Professor of Biochemistry and the Director of the Institute for Protein Design at the University of Washington in Seattle. He's also an Investigator at the Howard Hughes Medical Institute and Adjunct Professor of Genome Sciences, Bioengineering, Chemical Engineering, Computer Science, and Physics at the UW. With his colleagues, he developed the Rosetta Commons, the Rosetta@Home project and Foldit, a science video game. He has also launched more than ten companies that are seeking to bring designed proteins into the real world.
David Baker | Speaker | TED.com