TED2008
Paul Rothemund: DNA folding, in detail
Paul Rothemund svela i segreti del DNA folding
Filmed:
Readability: 4
752,456 views
Nel 2007 Paul Rothemund ha presentato a TED un breve resoconto delle sue ricerche sul il DNA folding. In questa occasione esporrà in dettaglio le immense promesse di questo campo: creare nanomacchine che si autoassemblano.
Paul Rothemund - DNA origamist
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Paul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of. Full bio
Double-click the English transcript below to play the video.
00:12
So, people argue vigorously about the definition of life.
0
0
3000
Si dibatte animatamente sulla definizione di vita.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
3000
5000
Ci si chiede se debba includere riproduzione, metabolismo, o evoluzione.
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
8000
2000
Io non lo so e non dirò nulla a riguardo.
00:22
I will say that life involves computation.
3
10000
3000
Quello che dirò, invece, è che la vita è calcolo.
00:25
So this is a computer program.
4
13000
2000
Per esempio, questo è un programma per computer.
00:27
Booted up in a cell, the program would execute,
5
15000
3000
Caricato in una cellula, il programma viene eseguito
00:30
and it could result in this person;
6
18000
3000
e può produrre questa persona
00:33
or with a small change, it could result in this person;
7
21000
3000
oppure, con un piccolo cambiamento, può produrre questa persona
00:36
or another small change, this person;
8
24000
2000
o con un altro piccolo cambiamento, questa persona
00:38
or with a larger change, this dog,
9
26000
3000
o con un cambiamento più sostanzioso, questo cane
00:41
or this tree, or this whale.
10
29000
2000
o questo albero, o questa balena.
00:43
So now, if you take this metaphor
11
31000
2000
Quindi se ora prendete seriamente questa metafora
00:45
[of] genome as program seriously,
12
33000
2000
del genoma come programma,
00:47
you have to consider that Chris Anderson
13
35000
2000
siete costretti a considerare che Chris Anderson
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
37000
3000
è un manufatto prodotto da un computer e lo stesso vale per Jim Watson,
00:52
Craig Venter, as are all of us.
15
40000
3000
per Craig Venter e per tutti noi.
00:55
And in convincing yourself that this metaphor is true,
16
43000
2000
E a convincervi che la metafora è fondata
00:57
there are lots of similarities between genetic programs
17
45000
2000
ci sono numerose analogie tra programmi genetici
00:59
and computer programs that could help to convince you.
18
47000
3000
e programmi per computer utili a convincervi.
01:02
But one, to me, that's most compelling
19
50000
2000
Ma la più persuasiva delle somiglianze, secondo me,
01:04
is the peculiar sensitivity to small changes
20
52000
3000
è la particolare sensibilità alle piccole variazioni
01:07
that can make large changes in biological development -- the output.
21
55000
3000
che può produrre grandi cambiamenti nello sviluppo biologico, cioè nell'output.
01:10
A small mutation can take a two-wing fly
22
58000
2000
Una piccola mutazione può prendere una mosca con due ali
01:12
and make it a four-wing fly.
23
60000
1000
e farla diventare una mosca con quattro ali.
01:13
Or it could take a fly and put legs where its antennae should be.
24
61000
4000
O può prendere una mosca e metterle delle zampe al posto delle antenne.
01:17
Or if you're familiar with "The Princess Bride,"
25
65000
2000
Oppure, se conoscete "La Storia Fantastica",
01:19
it could create a six-fingered man.
26
67000
2000
potrebbe creare un uomo con sei dita.
01:21
Now, a hallmark of computer programs
27
69000
2000
Una delle caratteristiche distintive dei programmi per computer
01:23
is just this kind of sensitivity to small changes.
28
71000
3000
è proprio questo tipo di sensibilità alle piccole variazioni.
01:26
If your bank account's one dollar, and you flip a single bit,
29
74000
2000
Se il vostro conto in banca è un dollaro e cambiate un singolo bit,
01:28
you could end up with a thousand dollars.
30
76000
2000
potete finire con mille dollari.
01:30
So these small changes are things that I think
31
78000
3000
E proprio queste piccole variazioni sono quello che, credo,
01:33
that -- they indicate to us that a complicated computation
32
81000
2000
ci indicano come lo sviluppo di un calcolo complesso
01:35
in development is underlying these amplified, large changes.
33
83000
4000
sia alla base dell'amplificazione che porta a questi cambiamenti sostanziali.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
87000
6000
Tutto ciò indica che alla base della biologia ci sono programmi molecolari
01:45
and it shows the power of molecular programs -- biology does.
35
93000
4000
e dimostra la potenza dei programmi molecolari eseguiti nel mondo biologico.
01:49
And what I want to do is write molecular programs,
36
97000
2000
Quello che voglio fare io, è scrivere programmi molecolari,
01:51
potentially to build technology.
37
99000
2000
possibilmente per produrre tecnologia.
01:53
And there are a lot of people doing this,
38
101000
1000
Molte persone stanno tentando di fare lo stesso,
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
102000
3000
molti biologi di sintesi procedono come Craig Venter
01:57
And they concentrate on using cells.
40
105000
2000
concentrandosi sull'utilizzo di cellule.
01:59
They're cell-oriented.
41
107000
2000
Sono orientati alle cellule.
02:01
So my friends, molecular programmers, and I
42
109000
2000
I miei amici programmatori molecolari ed io, invece,
02:03
have a sort of biomolecule-centric approach.
43
111000
2000
abbiamo una sorta di approccio biomolecole-centrico.
02:05
We're interested in using DNA, RNA and protein,
44
113000
3000
Vogliamo usare DNA, RNA e proteine
02:08
and building new languages for building things from the bottom up,
45
116000
3000
e strutturare nuovi linguaggi per costruire manufatti dal basso
02:11
using biomolecules,
46
119000
1000
usando biomolecole,
02:12
potentially having nothing to do with biology.
47
120000
3000
manufatti che potenzialmente non hanno nulla a che fare con la biologia.
02:15
So, these are all the machines in a cell.
48
123000
4000
Questi sono tutti i macchinari presenti in una cellula.
02:19
There's a camera.
49
127000
2000
Ci sono una macchina fotografica.
02:21
There's the solar panels of the cell,
50
129000
1000
i pannelli solari della cellula,
02:22
some switches that turn your genes on and off,
51
130000
2000
degli interruttori che attivano e disattivano i vostri geni,
02:24
the girders of the cell, motors that move your muscles.
52
132000
3000
l'impalcatura della cellula, motori che muovono i muscoli.
02:27
My little group of molecular programmers
53
135000
2000
Il mio manipolo di programmatori molecolari
02:29
are trying to refashion all of these parts from DNA.
54
137000
4000
sta tentando di riprodurre tutte queste parti a partire da del DNA.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
141000
2000
Non siamo fanatici del DNA, ma il DNA è il materiale più economico,
02:35
easiest to understand and easy to program material to do this.
56
143000
3000
il più semplice da capire e il più facile da programmare per raggiungere lo scopo.
02:38
And as other things become easier to use --
57
146000
2000
Se altri supporti diverranno più semplici da utilizzare,
02:40
maybe protein -- we'll work with those.
58
148000
3000
magari delle proteine, utilizzeremo quelli.
02:43
If we succeed, what will molecular programming look like?
59
151000
2000
Nel caso dovessimo riuscirci, come apparirebbe la programmazione molecolare?
02:45
You're going to sit in front of your computer.
60
153000
2000
Vi siederete al vostro computer.
02:47
You're going to design something like a cell phone,
61
155000
2000
Progetterete qualcosa, ad esempio un cellulare,
02:49
and in a high-level language, you'll describe that cell phone.
62
157000
2000
e descriverete quel cellulare in un linguaggio di alto livello.
02:51
Then you're going to have a compiler
63
159000
2000
Poi avrete un compilatore
02:53
that's going to take that description
64
161000
1000
che prenderà la vostra descrizione
02:54
and it's going to turn it into actual molecules
65
162000
2000
e la trasformerà in molecole
02:56
that can be sent to a synthesizer
66
164000
2000
che potranno essere mandate ad un sintetizzatore
02:58
and that synthesizer will pack those molecules into a seed.
67
166000
3000
e il sintetizzatore le impacchetterà in un seme.
03:01
And what happens if you water and feed that seed appropriately,
68
169000
3000
E quello che accadrà se bagnerete e nutrirete per bene quel seme,
03:04
is it will do a developmental computation,
69
172000
2000
è che eseguirà un calcolo per svilupparsi,
03:06
a molecular computation, and it'll build an electronic computer.
70
174000
3000
un calcolo molecolare, e costruirà un computer elettronico.
03:09
And if I haven't revealed my prejudices already,
71
177000
2000
E nel caso non avessi già rivelato la mia idea,
03:12
I think that life has been about molecular computers
72
180000
2000
credo che la vita sia fatta di computer molecolari
03:14
building electrochemical computers,
73
182000
2000
che costruiscono computer elettrochimici
03:16
building electronic computers,
74
184000
2000
che costruiscono computer elettronici
03:18
which together with electrochemical computers
75
186000
2000
che insieme con i computer elettrochimici
03:20
will build new molecular computers,
76
188000
2000
costruiranno nuovi computer molecolari
03:22
which will build new electronic computers, and so forth.
77
190000
3000
che costruiranno nuovi computer elettronici e così via.
03:25
And if you buy all of this,
78
193000
1000
E se credete a tutto ciò
03:26
and you think life is about computation, as I do,
79
194000
2000
e pensate come me che la vita sia tutta un calcolo,
03:28
then you look at big questions through the eyes of a computer scientist.
80
196000
3000
allora inizierete a guardare alle grandi domande attraverso gli occhi di un informatico.
03:31
So one big question is, how does a baby know when to stop growing?
81
199000
4000
Una di queste grandi domande è: "come fa un bambino a sapere quando smettere di crescere?"
03:35
And for molecular programming,
82
203000
2000
E per un programmatore molecolare
03:37
the question is how does your cell phone know when to stop growing?
83
205000
2000
la domanda è: "come fa il vostro cellulare a sapere quando smettere di crescere?"
03:39
(Laughter)
84
207000
1000
(Risate)
03:40
Or how does a computer program know when to stop running?
85
208000
3000
Oppure: "come fa un programma per computer a sapere quando interrompere l'esecuzione?"
03:43
Or more to the point, how do you know if a program will ever stop?
86
211000
3000
O, più precisamente, "come facciamo a sapere se un programma terminerà mai?"
03:46
There are other questions like this, too.
87
214000
2000
Ci sono altre domande come questa.
03:48
One of them is Craig Venter's question.
88
216000
2000
Una di queste è la domanda di Craig Venter
03:50
Turns out I think he's actually a computer scientist.
89
218000
2000
il quale, a questo punto, si rivela un vero informatico.
03:52
He asked, how big is the minimal genome
90
220000
3000
Si è chiesto: "quanto è grande il genoma più piccolo
03:55
that will give me a functioning microorganism?
91
223000
2000
che mi dia un micro-organismo funzionante?"
03:57
How few genes can I use?
92
225000
2000
"Quanti geni, minimo, sono costretto ad usare?"
03:59
This is exactly analogous to the question,
93
227000
2000
Questa è esattamente analoga alla domanda
04:01
what's the smallest program I can write
94
229000
1000
di quale sia il programma più corto che si possa scrivere
04:02
that will act exactly like Microsoft Word?
95
230000
2000
e che appaia esattamente come Microsoft Word.
04:04
(Laughter)
96
232000
1000
(Risate)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
233000
4000
E allo stesso modo in cui egli scrive batteri sempre più piccoli,
04:09
he's writing genomes that will work,
98
237000
1000
con genomi funzionanti,
04:10
we could write smaller programs
99
238000
2000
noi potremmo scrivere programmi più compatti
04:12
that would do what Microsoft Word does.
100
240000
2000
che funzionino come Microsoft Word.
04:14
But for molecular programming, our question is,
101
242000
2000
Ma in tema di programmazione molecolare, la nostra domanda è:
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
244000
4000
"quante molecole dobbiamo mettere nel nostro seme per ottenere un cellulare?"
04:20
What's the smallest number we can get away with?
103
248000
2000
"Qual è il numero più piccolo con cui ce la possiamo cavare?"
04:22
Now, these are big questions in computer science.
104
250000
2000
Queste sono domande fondamentali in informatica.
04:24
These are all complexity questions,
105
252000
2000
Sono tutte domande di complessità
04:26
and computer science tells us that these are very hard questions.
106
254000
2000
e l'informatica ci dice che queste sono domande estremamente difficili.
04:28
Almost -- many of them are impossible.
107
256000
2000
Molte sono impossibili.
04:30
But for some tasks, we can start to answer them.
108
258000
3000
Ma per alcuni compiti possiamo iniziare a rispondere.
04:33
So, I'm going to start asking those questions
109
261000
1000
Quindi inizierò a porre tali domande
04:34
for the DNA structures I'm going to talk about next.
110
262000
3000
per le strutture di DNA di cui adesso parlerò.
04:37
So, this is normal DNA, what you think of as normal DNA.
111
265000
3000
Questo è del normalissimo DNA, quello a cui pensate quando pensate a del DNA.
04:40
It's double-stranded, it's a double helix,
112
268000
2000
Ha due filamenti ed è una doppia elica,
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
270000
3000
contiene A, T, C e G che si appaiano per tenere insieme i due filamenti.
04:45
And I'm going to draw it like this sometimes,
114
273000
2000
A volte lo disegnerò in questo modo
04:47
just so I don't scare you.
115
275000
2000
per non spaventarvi.
04:49
We want to look at individual strands and not think about the double helix.
116
277000
3000
Vogliamo concentrarci sui singoli filamenti, senza pensare alla doppia elica.
04:52
When we synthesize it, it comes single-stranded,
117
280000
3000
Quando sintetizziamo del DNA, produciamo filamenti singoli,
04:55
so we can take the blue strand in one tube
118
283000
3000
e possiamo mettere il filamento blu in una provetta
04:58
and make an orange strand in the other tube,
119
286000
2000
e il filamento arancione nell'altra provetta.
05:00
and they're floppy when they're single-stranded.
120
288000
2000
e i filamenti sono flessibili quando sono spaiati.
05:02
You mix them together and they make a rigid double helix.
121
290000
3000
Ma messi insieme formano una doppia elica che è rigida.
05:05
Now for the last 25 years,
122
293000
2000
Negli ultimi 25 anni
05:07
Ned Seeman and a bunch of his descendants
123
295000
2000
Ned Seeman e un drappello di seguaci
05:09
have worked very hard and made beautiful three-dimensional structures
124
297000
3000
hanno lavorato intensamente e costruito fantastiche strutture tridimensionali
05:12
using this kind of reaction of DNA strands coming together.
125
300000
3000
utilizzando questo tipo di reazione in cui due filamenti di DNA si uniscono.
05:15
But a lot of their approaches, though elegant, take a long time.
126
303000
3000
Ma, sebbene eleganti, i loro approcci richiedono molto tempo.
05:18
They can take a couple of years, or it can be difficult to design.
127
306000
3000
Possono richiedere un paio d'anni o essere complicati da progettare.
05:21
So I came up with a new method a couple of years ago
128
309000
3000
Allora, un paio di anni fa, ho inventato un metodo
05:24
I call DNA origami
129
312000
1000
che ho chiamato origami di DNA,
05:25
that's so easy you could do it at home in your kitchen
130
313000
2000
così semplice che potete applicarlo nella cucina di casa
05:27
and design the stuff on a laptop.
131
315000
2000
e progettare il tutto su un laptop.
05:29
But to do it, you need a long, single strand of DNA,
132
317000
3000
Ma per farlo avete bisogno di un lungo filamento di DNA
05:32
which is technically very difficult to get.
133
320000
2000
che tecnicamente è estremamente difficile da ottenere.
05:34
So, you can go to a natural source.
134
322000
2000
Allora ci si può rivolgere ad una fonte naturale.
05:36
You can look in this computer-fabricated artifact,
135
324000
2000
Possiamo cercare in questo artefatto generato al computer
05:38
and he's got a double-stranded genome -- that's no good.
136
326000
2000
ma contiene un genoma con un doppio filamento che non va bene.
05:40
You look in his intestines. There are billions of bacteria.
137
328000
3000
Possiamo guardare nel suo intestino. Ci sono miliardi di batteri.
05:43
They're no good either.
138
331000
2000
E nemmeno quelli vanno bene.
05:45
Double strand again, but inside them, they're infected with a virus
139
333000
2000
Ancora doppio filamento. Ma al loro interno sono infettati da un virus
05:47
that has a nice, long, single-stranded genome
140
335000
3000
che ha un genoma con un lungo filamento spaiato
05:50
that we can fold like a piece of paper.
141
338000
2000
che possiamo ripiegare come un pezzo di carta,
05:52
And here's how we do it.
142
340000
1000
ed ecco come si fa.
05:53
This is part of that genome.
143
341000
1000
Questa è una parte di quel genoma.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
342000
3000
Aggiungiamo una manciata di brevi filamenti di DNA sintetico che chiamo "graffette".
05:57
Each one has a left half that binds the long strand in one place,
145
345000
4000
Una metà di ogni graffetta si lega al filamento lungo in una certa zona
06:01
and a right half that binds it in a different place,
146
349000
3000
mentre l'altra metà si lega da un'altra parte
06:04
and brings the long strand together like this.
147
352000
2000
e unisce il filamento lungo ripiegandolo in questo modo.
06:07
The net action of many of these on that long strand
148
355000
2000
Il risultato finale di molte graffette sul filamento lungo
06:09
is to fold it into something like a rectangle.
149
357000
2000
è di ripiegarlo a formare un rettangolo.
06:11
Now, we can't actually take a movie of this process,
150
359000
2000
Purtroppo non possiamo filmare questo processo,
06:13
but Shawn Douglas at Harvard
151
361000
2000
ma Shawn Douglas ad Harvard
06:15
has made a nice visualization for us
152
363000
2000
ha creato una bella visualizzazione
06:17
that begins with a long strand and has some short strands in it.
153
365000
4000
che incomincia con un lungo filamento ed alcuni filamenti corti.
06:21
And what happens is that we mix these strands together.
154
369000
4000
E quello che accade è che mischiamo questi filamenti.
06:25
We heat them up, we add a little bit of salt,
155
373000
2000
Li scaldiamo, aggiungiamo un po' di sale,
06:27
we heat them up to almost boiling and cool them down,
156
375000
2000
li riscaldiamo quasi fino a ebollizione e li raffreddiamo,
06:29
and as we cool them down,
157
377000
1000
e mentre li lasciamo raffreddare,
06:30
the short strands bind the long strands
158
378000
2000
i filamenti corti si legano ai filamenti lunghi
06:32
and start to form structure.
159
380000
2000
e iniziano a formare delle strutture
06:34
And you can see a little bit of double helix forming there.
160
382000
3000
e lì potete vedere un tratto di doppia elica che si sta formando.
06:38
When you look at DNA origami,
161
386000
2000
Quando si guarda ai DNA origami,
06:40
you can see that what it really is,
162
388000
3000
li si vede per quello che sono davvero,
06:43
even though you think it's complicated,
163
391000
1000
anche se pensate che sono complicati,
06:44
is a bunch of double helices that are parallel to each other,
164
392000
3000
sono una manciata di doppie eliche parallele tra loro
06:47
and they're held together
165
395000
2000
tenute insieme
06:49
by places where short strands go along one helix
166
397000
2000
in regioni in cui i filamenti corti seguono un'elica
06:51
and then jump to another one.
167
399000
2000
e poi saltano ad un'altra.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
401000
3000
Quindi c'è un filamento che va così, segue un'elica, poi si piega,
06:56
it jumps to another helix and comes back.
169
404000
2000
salta ad un'altra elica e torna indietro
06:58
That holds the long strand like this.
170
406000
2000
e in questo modo tiene insieme il filamento lungo.
07:00
Now, to show that we could make any shape or pattern
171
408000
3000
Ora, per dimostrare che possiamo produrre ogni forma
07:03
that we wanted, I tried to make this shape.
172
411000
2000
che vogliamo, ho provato a creare questa.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
414000
2000
Volevo piegare del DNA facendolo andare su per un occhio,
07:08
down the nose, up the nose, around the forehead,
174
416000
3000
giù per il naso, su per il naso, attorno alla fronte,
07:11
back down and end in a little loop like this.
175
419000
3000
e giù di nuovo a finire in un cappietto.
07:14
And so, I thought, if this could work, anything could work.
176
422000
3000
E ho pensato che se questo fosse riuscito allora qualunque forma sarebbe stata possibile.
07:17
So I had the computer program design the short staples to do this.
177
425000
3000
Quindi ho lasciato che un programma progettasse le graffette per farlo.
07:20
I ordered them; they came by FedEx.
178
428000
2000
Le ho ordinate e sono arrivate via FedEx.
07:22
I mixed them up, heated them, cooled them down,
179
430000
2000
Ho mescolato il tutto, ho riscaldato, lasciato raffreddare
07:24
and I got 50 billion little smiley faces
180
432000
4000
e ho ottenuto 50 miliardi di faccine sorridenti
07:28
floating around in a single drop of water.
181
436000
2000
che nuotavano in una sola goccia d'acqua.
07:30
And each one of these is just
182
438000
2000
E ognuna di queste è soltanto
07:32
one-thousandth the width of a human hair, OK?
183
440000
4000
un millesimo della sezione di un capello umano, chiaro?
07:36
So, they're all floating around in solution, and to look at them,
184
444000
3000
Le faccine sono in soluzione e per guardarle
07:39
you have to get them on a surface where they stick.
185
447000
2000
bisogna depositarle e farle aderire ad una superficie.
07:41
So, you pour them out onto a surface
186
449000
2000
Quindi le versiamo su una superficie
07:43
and they start to stick to that surface,
187
451000
2000
e quando vi aderiscono,
07:45
and we take a picture using an atomic-force microscope.
188
453000
2000
facciamo un foto usando un microscopio a forza atomica
07:47
It's got a needle, like a record needle,
189
455000
2000
che ha una puntina, come la testina di un giradischi,
07:49
that goes back and forth over the surface,
190
457000
2000
che va avanti e indietro sulla superficie,
07:51
bumps up and down, and feels the height of the first surface.
191
459000
3000
e si muove su e giù a seconda del profilo della superficie
07:54
It feels the DNA origami.
192
462000
2000
tastando la forma dell'origami di DNA.
07:56
There's the atomic-force microscope working
193
464000
2000
Ecco il microscopio a forza atomica al lavoro
07:59
and you can see that the landing's a little rough.
194
467000
1000
e potete vedere che l'atterraggio è stato un po' brusco.
08:00
When you zoom in, they've got, you know,
195
468000
2000
Quando ingrandiamo vediamo che hanno
08:02
weak jaws that flip over their heads
196
470000
1000
mandibole deboli che si piegano sulle teste
08:03
and some of their noses get punched out, but it's pretty good.
197
471000
3000
e che alcuni nasi vengono spazzati via, ma non è male.
08:06
You can zoom in and even see the extra little loop,
198
474000
2000
Possiamo addirittura ingrandire e vedere il cappietto extra,
08:08
this little nano-goatee.
199
476000
2000
questo nano pizzetto.
08:10
Now, what's great about this is anybody can do this.
200
478000
3000
Ora, quello che è meraviglioso è che chiunque può farlo.
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
481000
4000
E un giorno, circa un anno dopo aver ottenuto questi risultati, non richiesto, ho ricevuto questo per posta.
08:17
Anyone know what this is? What is it?
202
485000
3000
Qualcuno sa cosa sia? Cos'è?
08:20
It's China, right?
203
488000
2000
È la Cina, no?
08:22
So, what happened is, a graduate student in China,
204
490000
2000
Quello che è accaduto è che una dottoranda in Cina,
08:24
Lulu Qian, did a great job.
205
492000
2000
Lulu Qian, ha fatto un gran bel lavoro.
08:26
She wrote all her own software
206
494000
2000
Si è scritta da sola il programma
08:28
to design and built this DNA origami,
207
496000
2000
per progettare e costruire questo origami di DNA,
08:30
a beautiful rendition of China, which even has Taiwan,
208
498000
3000
una bellissima interpretazione della Cina, che ha addirittura Taiwan,
08:33
and you can see it's sort of on the world's shortest leash, right?
209
501000
3000
e potete vedere che è al guinzaglio più corto del mondo..
08:36
(Laughter)
210
504000
2000
(Risate)
08:39
So, this works really well
211
507000
1000
Quindi tutto funziona a meraviglia
08:41
and you can make patterns as well as shapes, OK?
212
509000
2000
e possiamo creare disegni oltre che forme.
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
512000
3000
Possiamo disegnare una mappa delle Americhe e scrivere DNA con del DNA.
08:47
And what's really neat about it --
214
515000
3000
E quello che che è davvero divertente
08:50
well, actually, this all looks like nano-artwork,
215
518000
2000
è che questi oggetti sembrano nano opere d'arte,
08:52
but it turns out that nano-artwork
216
520000
1000
ma in effetti, tutto ciò di cui abbiamo bisogno
08:53
is just what you need to make nano-circuits.
217
521000
2000
per costruire nano circuiti sono proprio delle nano opere d'arte.
08:55
So, you can put circuit components on the staples,
218
523000
2000
Possiamo mettere i componenti dei circuiti sulle graffette,
08:57
like a light bulb and a light switch.
219
525000
2000
per esempio una lampadina e un interruttore,
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
527000
3000
lasciare che si assemblino e ottenere un circuito.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
530000
3000
E poi potremmo sciacquare via il DNA e lasciare il circuito.
09:05
So, this is what some colleagues of mine at Caltech did.
222
533000
2000
Questo è quello che alcuni dei miei colleghi hanno fatto al Caltech.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
535000
3000
Hanno preso degli origami di DNA, sistemato dei nanotubi di carbonio,
09:10
made a little switch, you see here, wired it up,
224
538000
2000
costruito un piccolo interruttore, ecco, collegato tutto,
09:12
tested it and showed that it is indeed a switch.
225
540000
3000
collaudato e mostrato che funziona davvero come un interruttore.
09:15
Now, this is just a single switch
226
543000
2000
Ora questo è soltanto un singolo interruttore
09:17
and you need half a billion for a computer, so we have a long way to go.
227
545000
4000
e ne avremmo bisogno di mezzo miliardo per un computer, quindi c'è ancora molta strada da fare.
09:21
But this is very promising
228
549000
2000
Ma è davvero incoraggiante
09:23
because the origami can organize parts just one-tenth the size
229
551000
5000
dato che gli origami possono sistemare al posto giusto parti che sono un decimo più piccole
09:28
of those in a normal computer.
230
556000
1000
di quelle in un normale computer.
09:29
So it's very promising for making small computers.
231
557000
3000
Quindi è molto promettente per la costruzione di computer miniaturizzati.
09:32
Now, I want to get back to that compiler.
232
560000
3000
Ora vorrei tornare al compilatore.
09:35
The DNA origami is a proof that that compiler actually works.
233
563000
3000
L'origami di DNA è la dimostrazione che il compilatore funziona davvero.
09:39
So, you start with something in the computer.
234
567000
2000
Quindi, si inizia con qualche oggetto nel computer.
09:41
You get a high-level description of the computer program,
235
569000
3000
Si scrive una descrizione di alto livello del programma,
09:44
a high-level description of the origami.
236
572000
2000
una descrizione di alto livello dell'origami.
09:46
You can compile it to molecules, send it to a synthesizer,
237
574000
3000
Lo si può poi compilare in molecole, mandarlo ad un sintetizzatore
09:49
and it actually works.
238
577000
1000
e funziona davvero.
09:50
And it turns out that a company has made a nice program
239
578000
4000
E un'azienda ha scritto un bel programma
09:54
that's much better than my code, which was kind of ugly,
240
582000
2000
molto meglio del mio codice che era piuttosto orribile,
09:56
and will allow us to do this in a nice,
241
584000
1000
che ci permette di fare tutto questo in modo efficace
09:57
visual, computer-aided design way.
242
585000
2000
attraverso una progettazione grafica computerizzata.
10:00
So, now you can say, all right,
243
588000
1000
A questo punto vi potreste chiedere:
10:01
why isn't DNA origami the end of the story?
244
589000
2000
"perché gli origami di DNA non sono la fine della storia?"
10:03
You have your molecular compiler, you can do whatever you want.
245
591000
2000
"Avendo il compilatore molecolare si può fare ciò che si vuole".
10:05
The fact is that it does not scale.
246
593000
3000
Il fatto è che il procedimento non è scalabile.
10:08
So if you want to build a human from DNA origami,
247
596000
3000
Quindi se vogliamo costruire un essere umano con un origami di DNA
10:11
the problem is, you need a long strand
248
599000
2000
il problema è che abbiamo bisogno di un lungo filamento
10:13
that's 10 trillion trillion bases long.
249
601000
3000
lungo 10 milioni di miliardi di miliardi di basi.
10:16
That's three light years' worth of DNA,
250
604000
2000
Dato che sarebbero tre anni luce di DNA,
10:18
so we're not going to do this.
251
606000
2000
non useremo questo metodo.
10:20
We're going to turn to another technology,
252
608000
2000
Invece passeremo ad un'altra tecnologia
10:22
called algorithmic self-assembly of tiles.
253
610000
2000
chiamata autoassemblaggio algoritmico di tasselli.
10:24
It was started by Erik Winfree,
254
612000
2000
È stata introdotta da Erik Winfree,
10:26
and what it does,
255
614000
1000
e funziona utilizzando
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
615000
4000
tasselli che sono un centesimo delle dimensioni di un origami di DNA.
10:31
You zoom in, there are just four DNA strands
257
619000
2000
Ingrandendo ci sono solo quattro filamenti di DNA
10:34
and they have little single-stranded bits on them
258
622000
2000
su cui ci sono segmentini fatti di un unico filamento
10:36
that can bind to other tiles, if they match.
259
624000
2000
che possono legarsi ad altri tasselli se combaciano.
10:38
And we like to draw these tiles as little squares.
260
626000
3000
Disegnamo questi tasselli come dei quadratini.
10:42
And if you look at their sticky ends, these little DNA bits,
261
630000
2000
E se guardate alle loro estremità adesive, quei segmentini di DNA,
10:44
you can see that they actually form a checkerboard pattern.
262
632000
3000
potete vedere che formano una scacchiera.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
635000
3000
Quindi questi tasselli formano una complicata scacchiera che si autoassembla.
10:50
And the point of this, if you didn't catch that,
264
638000
2000
E il punto qui, nel caso vi sia sfuggito,
10:52
is that tiles are a kind of molecular program
265
640000
3000
è che i tasselli sono una sorta di programma molecolare
10:55
and they can output patterns.
266
643000
3000
che possono produrre delle strutture come output.
10:58
And a really amazing part of this is
267
646000
2000
E la parte davvero meravigliosa
11:00
that any computer program can be translated
268
648000
2000
è che ogni programma per computer può essere tradotto
11:02
into one of these tile programs -- specifically, counting.
269
650000
3000
in uno di questi programmi a tasselli, in particolare un contatore.
11:05
So, you can come up with a set of tiles
270
653000
3000
Quindi possiamo immaginare un insieme di tasselli
11:08
that when they come together, form a little binary counter
271
656000
3000
che quando si assemblano formano un piccolo contatore binario
11:11
rather than a checkerboard.
272
659000
2000
invece di una scacchiera.
11:13
So you can read off binary numbers five, six and seven.
273
661000
3000
In modo da leggere i numeri binari cinque, sei e sette.
11:16
And in order to get these kinds of computations started right,
274
664000
3000
E per iniziare correttamente questo tipo di computazioni
11:19
you need some kind of input, a kind of seed.
275
667000
2000
abbiamo bisogno di qualche input, un seme di qualche sorta.
11:21
You can use DNA origami for that.
276
669000
2000
Ad esempio possiamo usare un origami di DNA.
11:23
You can encode the number 32
277
671000
2000
Possiamo codificare il numero 32
11:25
in the right-hand side of a DNA origami,
278
673000
2000
sulla destra di un origami di DNA
11:27
and when you add those tiles that count,
279
675000
2000
e quando aggiungiamo tasselli che contano,
11:29
they will start to count -- they will read that 32
280
677000
3000
questi iniziano a contare, leggendo quel 32
11:32
and they'll stop at 32.
281
680000
2000
e si fermeranno a 32.
11:34
So, what we've done is we've figured out a way
282
682000
3000
Quello che abbiamo fatto è trovare un modo
11:37
to have a molecular program know when to stop going.
283
685000
3000
per cui il programma molecolare sappia quando interrompere l'esecuzione.
11:40
It knows when to stop growing because it can count.
284
688000
2000
Sa quando smettere di crescere perché sa contare.
11:42
It knows how big it is.
285
690000
2000
Sa quanto è grande.
11:44
So, that answers that sort of first question I was talking about.
286
692000
3000
Quindi questo risponde al genere di domande di cui parlavo.
11:47
It doesn't tell us how babies do it, however.
287
695000
3000
Non ci dice come facciano i bambini, tuttavia.
11:50
So now, we can use this counting to try and get at much bigger things
288
698000
4000
Ora possiamo utilizzare il contare per ottenere oggetti molto più grandi
11:54
than DNA origami could otherwise.
289
702000
1000
di quelli possibili con gli origami di DNA.
11:55
Here's the DNA origami, and what we can do
290
703000
3000
Ecco un origami di DNA, quello che possiamo fare
11:58
is we can write 32 on both edges of the DNA origami,
291
706000
3000
è scrivere 32 su entrambi i lati dell'origami di DNA
12:01
and we can now use our watering can
292
709000
2000
usare il nostro annaffiatoio
12:03
and water with tiles, and we can start growing tiles off of that
293
711000
4000
bagnare con dei tasselli e iniziare a far crescere i tasselli dall'origami
12:07
and create a square.
294
715000
2000
fino a creare un quadrato.
12:09
The counter serves as a template
295
717000
3000
Il contatore serve da contorno
12:12
to fill in a square in the middle of this thing.
296
720000
2000
per poi riempire il quadrato nel mezzo.
12:14
So, what we've done is we've succeeded
297
722000
1000
Quindi quello che abbiamo fatto è riuscire
12:15
in making something much bigger than a DNA origami
298
723000
3000
a costruire qualcosa molto più grande di un origami di DNA
12:18
by combining DNA origami with tiles.
299
726000
3000
combinando origami di DNA e tasselli.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
729000
3000
E la cosa interessante è che è anche riprogrammabile.
12:24
You can just change a couple of the DNA strands in this binary representation
301
732000
4000
Potremmo cambiare appena un paio di filamenti di DNA in questa rappresentazione binaria
12:28
and you'll get 96 rather than 32.
302
736000
3000
e ottenere 96 invece che 32.
12:31
And if you do that, the origami's the same size,
303
739000
3000
E l'origami resterebbe della stessa dimensione,
12:34
but the resulting square that you get is three times bigger.
304
742000
4000
ma il quadrato che ne risulterebbe sarebbe tre volte più grande.
12:39
So, this sort of recapitulates
305
747000
1000
Quindi questo riassume
12:40
what I was telling you about development.
306
748000
2000
quello che vi dicevo sullo sviluppo.
12:42
You have a very sensitive computer program
307
750000
3000
Abbiamo un programma per computer molto sensibile
12:45
where small changes -- single, tiny, little mutations --
308
753000
3000
in cui piccoli cambiamenti, singole minuscole mutazioni,
12:48
can take something that made one size square
309
756000
2000
possono portare qualcosa che costruiva un quadrato di una certa misura
12:50
and make something very much bigger.
310
758000
3000
a costruirne uno molto più grande.
12:54
Now, this -- using counting to compute
311
762000
3000
Ora, l'utilizzo del contare
12:57
and build these kinds of things
312
765000
2000
per costruire questo tipo di oggetti
12:59
by this kind of developmental process
313
767000
2000
attraverso questo tipo di processi di sviluppo
13:01
is something that also has bearing on Craig Venter's question.
314
769000
4000
ha anche attinenza con la domanda di Craig Venter.
13:05
So, you can ask, how many DNA strands are required
315
773000
2000
E possiamo chiederci: "quanti filamenti di DNA sono necessari
13:07
to build a square of a given size?
316
775000
2000
per costruire un quadrato di una data misura?"
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
777000
5000
Se volessimo costruire un quadrato di dimensione 10, 100 o 1000
13:14
if we used DNA origami alone,
318
782000
2000
nel caso usassimo soltanto origami di DNA
13:16
we would require a number of DNA strands that's the square
319
784000
3000
avremmo bisogno di un numero di filamenti che è il quadrato
13:19
of the size of that square;
320
787000
2000
della dimensione del quadrato,
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
789000
2000
quindi avremmo bisogno di cento, diecimila o un milione di filamenti di DNA.
13:23
That's really not affordable.
322
791000
2000
Non ce lo possiamo davvero permettere.
13:25
But if we use a little computation --
323
793000
2000
Ma se usiamo un po' di calcolo,
13:27
we use origami, plus some tiles that count --
324
795000
4000
cioè degli origami più dei tasselli che contano,
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
799000
3000
allora ci riusciamo usando 100, 200 o 300 filamenti di DNA.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
802000
5000
Ed ecco che possiamo ridurre esponenzialmente il numero dei filamenti di DNA che utilizziamo
13:39
if we use counting, if we use a little bit of computation.
327
807000
3000
se contiamo, se usiamo un po' di calcolo.
13:42
And so computation is some very powerful way
328
810000
3000
Quindi calcolare è una strada molto potente
13:45
to reduce the number of molecules you need to build something,
329
813000
3000
per ridurre il numero di molecole di cui abbiamo bisogno per costruire qualcosa,
13:48
to reduce the size of the genome that you're building.
330
816000
3000
per ridurre la dimensione del genoma che stiamo costruendo.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
819000
3000
E in fine torno a quell'idea un po' folle
13:54
about computers building computers.
332
822000
2000
dei computer che costruiscono computer.
13:56
If you look at the square that you build with the origami
333
824000
3000
Se osservate il quadrato che abbiamo costruito con gli origami
13:59
and some counters growing off it,
334
827000
2000
e i contatori che vi crescono,
14:01
the pattern that it has is exactly the pattern that you need
335
829000
3000
la sua struttura è esattamente la struttura di cui avete bisogno
14:04
to make a memory.
336
832000
1000
per costruire una memoria.
14:05
So if you affix some wires and switches to those tiles --
337
833000
3000
Quindi se applicate fili e interruttori a quei tasselli,
14:08
rather than to the staple strands, you affix them to the tiles --
338
836000
3000
invece che alle graffette, le applicate ai tasselli,
14:11
then they'll self-assemble the somewhat complicated circuits,
339
839000
3000
allora i tasselli si autoassembleranno in circuiti complessi,
14:14
the demultiplexer circuits, that you need to address this memory.
340
842000
3000
nei circuiti de-multiplexer di cui avete bisogno per indirizzare questa memoria.
14:17
So you can actually make a complicated circuit
341
845000
2000
Ed ecco che potete costruire un circuito complesso
14:19
using a little bit of computation.
342
847000
2000
se solo usate un po' di calcolo.
14:21
It's a molecular computer building an electronic computer.
343
849000
3000
È un computer molecolare che costruisce un computer elettronico.
14:24
Now, you ask me, how far have we gotten down this path?
344
852000
3000
Ora mi chiederete: "quanta strada abbiamo fatto finora?"
14:27
Experimentally, this is what we've done in the last year.
345
855000
3000
Questo è quanto abbiamo fatto sperimentalmente lo scorso anno.
14:30
Here is a DNA origami rectangle,
346
858000
2000
Questo è un origami di DNA rettangolare
14:33
and here are some tiles growing from it.
347
861000
2000
e questi sono dei tasselli che vi crescono accanto.
14:35
And you can see how they count.
348
863000
2000
E potete vedere come contano.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
865000
12000
Uno, due, tre, quattro, cinque, sei, nove, dieci, undici, dodici, diciassette.
14:49
So it's got some errors, but at least it counts up.
350
877000
4000
Ci sono un po' di errori, ma almeno il conteggio procede.
14:53
(Laughter)
351
881000
1000
(Risate)
14:54
So, it turns out we actually had this idea nine years ago,
352
882000
3000
Abbiamo avuto quest'idea nove anni fa
14:57
and that's about the time constant for how long it takes
353
885000
3000
e la costante di tempo necessaria per sviluppare
15:00
to do these kinds of things, so I think we made a lot of progress.
354
888000
2000
questo genere di cose è più o meno questa, quindi direi che abbiamo fatto molti progressi.
15:02
We've got ideas about how to fix these errors.
355
890000
2000
Abbiamo idee su come correggere gli errori.
15:04
And I think in the next five or 10 years,
356
892000
2000
E penso che nei prossimi cinque o dieci anni
15:06
we'll make the kind of squares that I described
357
894000
2000
costruiremo i quadrati che ho descritto
15:08
and maybe even get to some of those self-assembled circuits.
358
896000
3000
e forse arriveremo anche ad alcuni di quei circuiti che si autoassemblano.
15:11
So now, what do I want you to take away from this talk?
359
899000
4000
Ora, cosa voglio che vi rimanga di questo seminario?
15:15
I want you to remember that
360
903000
2000
Vorrei che vi ricordiate che
15:17
to create life's very diverse and complex forms,
361
905000
4000
per creare forme di vita complesse e diversificate,
15:21
life uses computation to do that.
362
909000
2000
la vita stessa applica dei processi di calcolo..
15:23
And the computations that it uses, they're molecular computations,
363
911000
4000
E quei calcoli sono in realtà calcoli molecolari,
15:27
and in order to understand this and get a better handle on it,
364
915000
2000
e per capire a fondo tutto ciò,
15:29
as Feynman said, you know,
365
917000
2000
come disse Feynman,
15:31
we need to build something to understand it.
366
919000
2000
per capire davvero qualcosa dobbiamo costruirlo.
15:33
And so we are going to use molecules and refashion this thing,
367
921000
4000
Quindi l'idea è di utilizzare molecole per riprodurre tutto,
15:37
rebuild everything from the bottom up,
368
925000
2000
ricostruire tutto dal basso,
15:39
using DNA in ways that nature never intended,
369
927000
3000
usando il DNA in modi che la natura non aveva in progetto,
15:42
using DNA origami,
370
930000
2000
usando gli origami di DNA
15:44
and DNA origami to seed this algorithmic self-assembly.
371
932000
3000
e gli origami di DNA come semi per l'autoassemblaggio algoritmico.
15:47
You know, so this is all very cool,
372
935000
2000
Tutto ciò è davvero entusiasmante,
15:50
but what I'd like you to take from the talk,
373
938000
1000
ma quello che vorrei vi ricordaste
15:51
hopefully from some of those big questions,
374
939000
2000
traendo spunto da alcune di quelle grandi domande,
15:53
is that this molecular programming isn't just about making gadgets.
375
941000
3000
è che la programmazione molecolare non è solo volta a costruire aggeggini
15:56
It's not just making about --
376
944000
2000
Non è solo costruire
15:58
it's making self-assembled cell phones and circuits.
377
946000
2000
cellulari e circuiti che si autoassemblano.
16:00
What it's really about is taking computer science
378
948000
2000
Piuttosto è prendere l'informatica
16:02
and looking at big questions in a new light,
379
950000
3000
e considerare le grandi domande sotto una nuova luce,
16:05
asking new versions of those big questions
380
953000
2000
riformulare quelle grandi domande
16:07
and trying to understand how biology
381
955000
2000
e cercare di capire come il mondo biologico
16:09
can make such amazing things. Thank you.
382
957000
2000
possa produrre queste meraviglie. Grazie.
16:12
(Applause)
383
960000
7000
(Applausi)
ABOUT THE SPEAKER
Paul Rothemund - DNA origamistPaul Rothemund folds DNA into shapes and patterns. Which is a simple enough thing to say, but the process he has developed has vast implications for computing and manufacturing -- allowing us to create things we can now only dream of.
Why you should listen
Paul Rothemund won a MacArthur grant this year for a fairly mystifying study area: "folding DNA." It brings up the question: Why fold DNA? The answer is -- because the power to manipulate DNA in this way could change the way we make things at a very basic level.
Rothemund's work combines the study of self-assembly (watch the TEDTalks from Neil Gershenfeld and Saul Griffith for more on this) with the research being done in DNA nanotechnology -- and points the way toward self-assembling devices at microscale, making computer memory, for instance, smaller, faster and maybe even cheaper.
Paul Rothemund | Speaker | TED.com