TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: La matematica può aiutare a scoprire i segreti del cancro
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva traduce la biologia in matematica e viceversa. Scrive modelli matematici che descrivono le dinamiche del cancro, con l'obiettivo di sviluppare nuovi farmaci contro i tumori. "Il potere e la bellezza dei modelli matematici giace nel fatto che fanno formalizzare, in un modo estremamente rigoroso, quello che pensiamo di sapere" dice Kareva. "Possono farci capire dove dovremmo continuare a guardare e dove potrebbe esserci un vicolo cieco." Tutto si riduce a fare la giusta domanda e nel tradurla nella giusta equazione, e viceversa.
Irina Kareva - Theoretical biologist
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Double-click the English transcript below to play the video.
00:12
I am a translator.
0
549
1243
Sono una traduttrice.
00:14
I translate from biology into mathematics
1
2514
3191
Traduco dalla biologia alla matematica
e viceversa.
00:17
and vice versa.
2
5729
1150
00:19
I write mathematical models
3
7588
1790
Scrivo modelli matematici
che nel mio caso sono sistemi
di equazioni differenziali,
di equazioni differenziali,
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
per descrivere meccanismi biologici
00:24
to describe biological mechanisms,
5
12273
1947
come la crescita cellulare.
00:26
such as cell growth.
6
14244
1158
00:28
Essentially, it works like this.
7
16122
1848
In pratica, funziona in questo modo.
00:30
First, I identify the key elements
8
18573
2469
Prima di tutto, identifico
gli elementi fondamentali
gli elementi fondamentali
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
che credo influenzino nel tempo
il comportamento
il comportamento
00:35
of a particular mechanism.
10
23867
1539
di un meccanismo in particolare.
00:38
Then, I formulate assumptions
11
26230
1891
Poi, faccio delle supposizioni
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
su come questi elementi
interagiscono fra di loro
interagiscono fra di loro
00:43
and with their environment.
13
31055
1337
e con il loro ambiente.
00:44
It may look something like this.
14
32916
1772
Questo disegno vi dà un'idea.
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
Poi, traduco questi
presupposti in equazioni,
presupposti in equazioni,
00:50
which may look something like this.
16
38610
1824
per esempio come queste.
00:53
Finally, I analyze my equations
17
41434
1890
Infine, analizzo le mie equazioni
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
e traduco i risultati di nuovo
nella lingua della biologia.
nella lingua della biologia.
01:00
A key aspect of mathematical modeling
19
48156
2420
Un aspetto fondamentale
dei modelli matematici
dei modelli matematici
è che noi, che creiamo i modelli,
non pensiamo a cosa sono le cose,
non pensiamo a cosa sono le cose,
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
ma pensiamo a cosa fanno.
01:06
we think about what they do.
21
54532
1855
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
Pensiamo alla relazione fra gli individui,
01:10
whether they be cells, animals or people,
23
58924
2886
che siano cellule, animali o persone,
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
e come interagiscono
fra loro e il loro ambiente.
fra loro e il loro ambiente.
01:17
Let me give you an example.
25
65639
1340
Vi faccio un esempio.
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
Che cosa hanno in comune
le volpi e le cellule immunitarie?
le volpi e le cellule immunitarie?
01:24
They're both predators,
27
72793
1459
Sono entrambi predatori,
01:26
except foxes feed on rabbits,
28
74744
2723
solo che le volpi si nutrono di conigli,
e le cellule immunitarie si nutrono
degli invasori, come le cellule tumorali.
degli invasori, come le cellule tumorali.
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
01:33
But from a mathematical point of view,
30
81273
2345
Ma dal punto di vista matematico,
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
un sistema qualitativo
di equazioni del tipo predatore-preda
di equazioni del tipo predatore-preda
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
descriverà le interazioni
fra le volpi e i conigli
fra le volpi e i conigli
e fra cancro e cellule immunitarie.
01:43
and cancer and immune cells.
33
91091
1774
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
I sistemi predatore-preda
sono stati studiati a lungo
sono stati studiati a lungo
nella letteratura scientifica,
01:48
in scientific literature,
35
96341
1269
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
descrivendo le interazioni
di due popolazioni,
di due popolazioni,
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
dove la sopravvivenza
dipende dal consumo dell'altro.
dipende dal consumo dell'altro.
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
E queste stesse equazioni
forniscono un quadro
forniscono un quadro
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
per capire le interazioni
cancro-immunologia,
cancro-immunologia,
02:00
where cancer is the prey,
40
108464
1841
dove il cancro è la preda
02:02
and the immune system is the predator.
41
110329
2372
e il sistema immunitario è il predatore.
02:04
And the prey employs all sorts of tricks
to prevent the predator from killing it,
to prevent the predator from killing it,
42
112725
4032
E la preda fa di tutto per evitare
che il predatore la uccida,
che il predatore la uccida,
02:08
ranging from camouflaging itself
43
116781
1820
dal travestimento
02:10
to stealing the predator's food.
44
118625
1839
al furto del cibo del predatore.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
Questo può avere
delle implicazioni interessanti.
delle implicazioni interessanti.
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
Per esempio, nonostante il grande
successo nel campo della immunoterapia,
successo nel campo della immunoterapia,
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
l'efficacia è ancora limitata
02:23
when it comes solid tumors.
48
131269
1542
se si parla di tumori solidi.
02:25
But if you think about it ecologically,
49
133423
2559
Ma ecologicamente,
02:28
both cancer and immune cells --
50
136006
2090
sia le cellule tumorali
che quelle immuni--
che quelle immuni--
02:30
the prey and the predator --
51
138120
1600
la preda e il predatore--
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
hanno bisogno di sostanze
come il glucosio per sopravvivere.
come il glucosio per sopravvivere.
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
Se le cellule tumorali superano quelle
immunitarie per le sostanze necessarie
immunitarie per le sostanze necessarie
02:40
in the tumor microenvironment,
54
148171
1793
nel microambiente tumorale,
02:41
then the immune cells will physically
not be able to do their job.
not be able to do their job.
55
149988
3414
allora le cellule immunitarie
non riusciranno a fare il loro lavoro.
non riusciranno a fare il loro lavoro.
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
Questo modello
predatore-preda-condivisione delle risorse
predatore-preda-condivisione delle risorse
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
è una cosa a cui ho lavorato
nella mia ricerca.
nella mia ricerca.
02:51
And it was recently shown experimentally
58
159504
2724
Ed è stato recentemente
dimostrato in modo sperimentale
dimostrato in modo sperimentale
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
che ripristinare l'equilibrio metabolico
nel microambiente tumorale,
nel microambiente tumorale,
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
cioè assicurarsi che le cellule
immunitarie ricevano il cibo,
immunitarie ricevano il cibo,
03:01
can give them, the predators, back
their edge in fighting cancer, the prey.
their edge in fighting cancer, the prey.
61
169885
5245
può ridare ai predatori, un vantaggio
nel combattere il cancro, la preda.
nel combattere il cancro, la preda.
03:08
This means that if you abstract a bit,
62
176440
2339
Ovvero, in modo astratto,
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
potete pensare al cancro
come ad un ecosistema,
come ad un ecosistema,
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
dove popolazioni eterogenee di cellule
competono e collaborano
competono e collaborano
03:18
for space and nutrients,
65
186093
2017
per lo spazio e le sostanze nutritive,
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
interagiscono con i predatori,
il sistema immunitario,
il sistema immunitario,
03:22
migrate -- metastases --
67
190830
2241
migrano, le metastasi,
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
tutto all'interno dell'ecosistema
del corpo umano.
del corpo umano.
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
E cosa sappiamo degli ecosistemi
dalla biologia della conservazione?
dalla biologia della conservazione?
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
Che uno dei modi migliori
per far estinguere una specie
per far estinguere una specie
03:35
is not to target them directly
71
203519
1952
non è colpirla direttamente,
03:37
but to target their environment.
72
205495
2439
ma colpire il suo ambiente.
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
E così, una volta che abbiamo identificato
le componenti chiave
le componenti chiave
03:43
of the tumor environment,
74
211974
1644
dell'ambiente tumorale,
03:45
we can propose hypotheses
75
213642
1948
possiamo fare delle ipotesi
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
e simulare scenari e
interventi terapeutici
interventi terapeutici
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
in modo del tutto sicuro e conveniente
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
e mirare a componenti diversi
del microambiente
del microambiente
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
in modo da uccidere il cancro
senza far male a chi lo ospita,
senza far male a chi lo ospita,
04:01
such as me or you.
80
229794
1570
come me o voi.
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
E così, mentre il primo obiettivo
della mia ricerca
della mia ricerca
04:08
is to advance research and innovation
82
236055
2266
è far avanzare la ricerca e l'innovazione
04:10
and to reduce its cost,
83
238345
1896
e ridurne i costi,
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
il vero scopo è, ovviamente,
quello di salvare vite.
quello di salvare vite.
04:15
And that's what I try to do
85
243278
1771
Ed è ciò che provo a fare
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
applicando modelli
matematici alla biologia,
matematici alla biologia,
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
ed in particolare
allo sviluppo di farmaci.
allo sviluppo di farmaci.
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
Un campo che fino a poco tempo fa
ha avuto un ruolo marginale,
ha avuto un ruolo marginale,
04:26
but it has matured.
89
254975
1452
ma che è cresciuto.
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
E adesso ci sono dei metodi matematici
molto ben sviluppati,
molto ben sviluppati,
04:31
a lot of preprogrammed tools,
91
259624
1899
molti strumenti pre programmati,
04:33
including free ones,
92
261547
1496
inclusi quelli gratuiti,
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
e una quantità sempre crescente
di potenza computazionale disponibile.
di potenza computazionale disponibile.
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
La potenza e la bellezza
dei modelli matematici
dei modelli matematici
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
si trova nel fatto che ci fa formalizzare,
04:46
in a very rigorous way,
96
274806
2087
in modo molto rigoroso,
04:48
what we think we know.
97
276917
1465
ciò che pensiamo di sapere.
04:50
We make assumptions,
98
278904
1444
Facciamo delle supposizioni,
04:52
translate them into equations,
99
280372
1568
le traduciamo in equazioni,
04:53
run simulations,
100
281964
1311
facciamo simulazioni,
04:55
all to answer the question:
101
283299
1773
tutto per rispondere alla domanda:
04:57
In a world where my assumptions are true,
102
285096
2246
In un mondo dove le mie
supposizioni sono vere,
supposizioni sono vere,
04:59
what do I expect to see?
103
287366
1570
che cosa mi aspetto di vedere?
05:01
It's a pretty simple conceptual framework.
104
289890
2086
È un contesto concettuale molto semplice.
05:04
It's all about asking the right questions.
105
292000
2226
Si tratta solo di fare le domande giuste.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Ma può creare numerose opportunità
per testare ipotesi biologiche.
per testare ipotesi biologiche.
05:11
If our predictions match our observations,
107
299696
2600
Se le previsioni corrispondono
alle osservazioni,
alle osservazioni,
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
ottimo! Abbiamo fatto bene, così
possiamo fare altre previsioni
possiamo fare altre previsioni
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
cambiando questo o
quell'aspetto del modello.
quell'aspetto del modello.
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
Se, invece, le nostre previsioni
non corrispondono alle osservazioni,
non corrispondono alle osservazioni,
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
allora alcune delle
nostre supposizioni sono sbagliate
nostre supposizioni sono sbagliate
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
e così la comprensione
dei meccanismi principali
dei meccanismi principali
05:29
of underlying biology
113
317523
1439
della biologia sottostante
05:30
is still incomplete.
114
318986
1270
è ancora incompleta.
05:32
Luckily, since this is a model,
115
320829
2362
Fortunatamente, dato che
questo è un modello,
questo è un modello,
05:35
we control all the assumptions.
116
323215
1889
controlliamo tutte le supposizioni.
05:37
So we can go through them, one by one,
117
325128
2140
Così le possiamo valutare una ad una,
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
e identificare quale o quali stiano
causando la discrepanza.
causando la discrepanza.
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
E poi possiamo riempire questo
nuovo vuoto di conoscenza
nuovo vuoto di conoscenza
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
usando sia approcci sperimentali
che teoretici.
che teoretici.
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
Ovviamente, ogni ecosistema è
estremamente complesso,
estremamente complesso,
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
e identificare tutte le parti
in movimento, non solo è molto difficile,
in movimento, non solo è molto difficile,
05:57
but also not very informative.
123
345411
1662
ma anche poco informativo.
05:59
There's also the issue of timescales,
124
347518
2066
C'è anche il problema della tempistica,
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
perché alcuni procedimenti avvengono
in secondi, alcuni in minuti,
in secondi, alcuni in minuti,
06:05
some days, months and years.
126
353300
1948
alcuni in giorni, mesi e anni.
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
E separarli sperimentalmente potrebbe
non essere sempre possibile.
non essere sempre possibile.
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
E alcune cose accadono
così velocemente o lentamente
così velocemente o lentamente
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
che non è possibile misurarle fisicamente.
06:17
But as mathematicians,
130
365295
2288
Ma da matematici,
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
abbiamo il potere di avvicinarci
ad ogni sottosistema in ogni tempistica
ad ogni sottosistema in ogni tempistica
06:25
and simulate effects of interventions
132
373276
2124
e simulare gli effetti degli interventi
06:27
that take place in any timescale.
133
375424
2701
che accadono in ogni lasso di tempo.
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Certamente questo non è il lavoro
di un solo modellatore.
di un solo modellatore.
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
Deve accadere in stretta
collaborazione con i biologi.
collaborazione con i biologi.
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
E richiede una certa
capacità di traduzione
capacità di traduzione
06:41
on both sides.
137
389241
1204
da entrambe le parti.
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
Ma partire da una formulazione
teoretica di un problema
teoretica di un problema
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
può creare numerose opportunità
per testare le ipotesi
per testare le ipotesi
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
e simulare scenari e
interventi terapeutici,
interventi terapeutici,
06:54
all in a completely safe way.
141
402146
2070
in modo del tutto sicuro.
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
Può identificare divari di conoscenza
e inconsistenze logiche
e inconsistenze logiche
e può farci capire dove
dovremmo continuare a guardare
dovremmo continuare a guardare
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
e dove potrebbe esserci un vicolo cieco.
07:05
and where there may be a dead end.
144
413039
1895
07:07
In other words:
145
415632
1247
In altre parole:
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
i modelli matematici possono aiutarci
a trovare risposte a quelle domande
a trovare risposte a quelle domande
07:12
that directly affect people's health --
147
420421
2388
che riguardano
la salute delle persone,
la salute delle persone,
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
in realtà, che riguardano la salute
di ogni persona,
di ogni persona,
07:18
because mathematical modeling will be key
149
426670
2676
perché i modelli matematici
saranno la chiave
saranno la chiave
07:21
to propelling personalized medicine.
150
429370
1834
per sviluppare
la medicina personalizzata.
la medicina personalizzata.
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
E tutto si riduce a fare la domanda giusta
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
e tradurla nella giusta equazione
07:30
and back.
153
438670
1150
e viceversa
07:32
Thank you.
154
440533
1151
Grazie.
07:33
(Applause)
155
441708
3299
(Applausi)
ABOUT THE SPEAKER
Irina Kareva - Theoretical biologistIrina Kareva is looking for answers to biological questions using mathematical modeling.
Why you should listen
Dr. Irina Kareva studies cancer as an evolving ecosystem, bringing in insights from various disciplines -- from evolutionary biology to paleontology to ergodic theory -- to understand how we can manage, if not cure, cancer like a chronic disease. She has authored more than 25 publications, including several papers with her parents, who are also mathematicians. The Kareva clan was featured in a Nature article entitled "Relationships: Scions of Science."
Kareva is a research scientist at EMD Serono Research Center near Boston Massachusetts, US. Her book, Understanding Cancer from a Systems Biology Point of View: From Observation to Theory and Back, was recently published by Elsevier, and a second book on mathematical modeling of the evolution of heterogeneous populations will be released in mid-2019.
In addition to her scientific studies and endeavors, Kareva also holds a degree in music and works actively as a professional opera singer. She is a member of the Boston Symphony Orchestra’s Tanglewood Festival Chorus, has performed solo roles in local productions, religious music performances, and can even occasionally be heard in pieces as varied as video game soundtracks and heavy metal recordings.
Irina Kareva | Speaker | TED.com