TEDMED 2010
Danny Hillis: Understanding cancer through proteomics
ダニー・ヒリス：プロテオミクスによって癌を理解する
Filmed:
Readability: 3.6
465,363 views
ダニー・ヒリスが癌研究における次の分野、身体のタンパク質の研究であるプロテオミクスについて論証します。ゲノミクスが身体を構成する材料を記載するものである一方、プロテオミクスはこれらの材料で何が生成されているか示すとヒリスは説明します。体内で起こっていることをタンパク質のレベルで理解すれば、癌がどのように発症するかを理解する手がかりになるかもしれません。
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
I admit that I'm a little bit nervous here
0
0
3000
今ちょっと緊張しています
00:18
because I'm going to say some radical things,
1
3000
3000
癌についての考え方を変えるべきだという
00:21
about how we should think about cancer differently,
2
6000
3000
大胆な発言をするつもりですが
00:24
to an audience that contains a lot of people
3
9000
2000
私より癌に詳しい人が
00:26
who know a lot more about cancer than I do.
4
11000
3000
会場にたくさんいるからです
00:30
But I will also contest that I'm not as nervous as I should be
5
15000
3000
と言ってもそこまで緊張していません
00:33
because I'm pretty sure I'm right about this.
6
18000
2000
ちょっと自信があるので
00:35
(Laughter)
7
20000
2000
（笑）
00:37
And that this, in fact, will be
8
22000
2000
実際これは
00:39
the way that we treat cancer in the future.
9
24000
3000
未来の癌治療法となるでしょう
00:43
In order to talk about cancer,
10
28000
2000
癌について話す前に
00:45
I'm going to actually have to --
11
30000
3000
実際しなくてはいけないのが―
00:48
let me get the big slide here.
12
33000
3000
ちょっとここで大事なスライドを
00:53
First, I'm going to try to give you a different perspective of genomics.
13
38000
3000
まず違ったゲノミクスの見解を説明します
00:56
I want to put it in perspective of the bigger picture
14
41000
2000
他に起こっていることをすべて含む
00:58
of all the other things that are going on --
15
43000
3000
もっと大きな全体像での視点を説明し それから
01:01
and then talk about something you haven't heard so much about, which is proteomics.
16
46000
3000
あまり知られていないプロテオミクスについて話します
01:04
Having explained those,
17
49000
2000
これらを説明すれば
01:06
that will set up for what I think will be a different idea
18
51000
3000
私が考えている今までと違う癌治療の
01:09
about how to go about treating cancer.
19
54000
2000
取り組み方に話が繋がります
01:11
So let me start with genomics.
20
56000
2000
まずゲノミクスから
01:13
It is the hot topic.
21
58000
2000
今注目の話題です
01:15
It is the place where we're learning the most.
22
60000
2000
私たちが最も多く学んでいる
01:17
This is the great frontier.
23
62000
2000
最先端分野です
01:19
But it has its limitations.
24
64000
3000
しかしそれなりの限界もあります
01:22
And in particular, you've probably all heard the analogy
25
67000
3000
特に皆さんもご存知のゲノムは
01:25
that the genome is like the blueprint of your body,
26
70000
3000
体の設計図のようなものという点です
01:28
and if that were only true, it would be great,
27
73000
2000
本当なら素晴らしいのですが
01:30
but it's not.
28
75000
2000
そうではありません
01:32
It's like the parts list of your body.
29
77000
2000
ゲノムは部品のリストのようなもので
01:34
It doesn't say how things are connected,
30
79000
2000
どう組み立てられているか
01:36
what causes what and so on.
31
81000
3000
何がどう作用するかなどは分かりません
01:39
So if I can make an analogy,
32
84000
2000
つまり例えて言うと
01:41
let's say that you were trying to tell the difference
33
86000
2000
まともな良いレストランと
01:43
between a good restaurant, a healthy restaurant
34
88000
3000
まともでないレストランの違いを
01:46
and a sick restaurant,
35
91000
2000
見分けようとしているのに
01:48
and all you had was the list of ingredients
36
93000
2000
手持ちの材料の
01:50
that they had in their larder.
37
95000
3000
リストしかないようなものです
01:53
So it might be that, if you went to a French restaurant
38
98000
3000
だから例えばフランス料理店に行って
01:56
and you looked through it and you found
39
101000
2000
マーガリンはあるが
01:58
they only had margarine and they didn't have butter,
40
103000
2000
バターはないと分かったら
02:00
you could say, "Ah, I see what's wrong with them.
41
105000
2000
「問題が分かりました
02:02
I can make them healthy."
42
107000
2000
修正しましょう」と言えます
02:04
And there probably are special cases of that.
43
109000
2000
そのようなケースはあるでしょう
02:06
You could certainly tell the difference
44
111000
2000
食品貯蔵庫に何があるかで
02:08
between a Chinese restaurant and a French restaurant
45
113000
2000
中華とフランス料理店の違いは
02:10
by what they had in a larder.
46
115000
2000
確実に分かります
02:12
So the list of ingredients does tell you something,
47
117000
3000
材料のリストから分かることは確かにあり
02:15
and sometimes it tells you something that's wrong.
48
120000
3000
そこから何がおかしいのか分かることもあります
02:19
If they have tons of salt,
49
124000
2000
塩が大量にあったら
02:21
you might guess they're using too much salt, or something like that.
50
126000
3000
塩の使いすぎを疑ったりできます
02:24
But it's limited,
51
129000
2000
でもそれには限界があります
02:26
because really to know if it's a healthy restaurant,
52
131000
2000
本当にレストランを評価するには
02:28
you need to taste the food, you need to know what goes on in the kitchen,
53
133000
3000
料理の味見をしたり 厨房の様子を見たりして
02:31
you need the product of all of those ingredients.
54
136000
3000
すべての材料による結果を見なくてはなりません
02:34
So if I look at a person
55
139000
2000
ですから患者を診て
02:36
and I look at a person's genome, it's the same thing.
56
141000
3000
その人のゲノムを見ても同様です
02:39
The part of the genome that we can read
57
144000
2000
ゲノムから解読できるのは
02:41
is the list of ingredients.
58
146000
2000
材料のリストです
02:43
And so indeed,
59
148000
2000
つまり実際に
02:45
there are times when we can find ingredients
60
150000
2000
材料に問題があるケースを
02:47
that [are] bad.
61
152000
2000
見つけられることもあります
02:49
Cystic fibrosis is an example of a disease
62
154000
2000
例えば嚢胞性線維症は
02:51
where you just have a bad ingredient and you have a disease,
63
156000
3000
遺伝子に問題がある病気なので
02:54
and we can actually make a direct correspondence
64
159000
3000
実際に材料である遺伝子と
02:57
between the ingredient and the disease.
65
162000
3000
病気を直接結びつけることができます
03:00
But most things, you really have to know what's going on in the kitchen,
66
165000
3000
でも大抵は 厨房の様子を知る必要があります
03:03
because, mostly, sick people used to be healthy people --
67
168000
2000
普通 病人は健康だったわけで
03:05
they have the same genome.
68
170000
2000
ゲノムは同じだからです
03:07
So the genome really tells you much more
69
172000
2000
つまりゲノムはどちらかと言うと
03:09
about predisposition.
70
174000
2000
体質についての情報なのです
03:11
So what you can tell
71
176000
2000
ですから遺伝子リストを見れば
03:13
is you can tell the difference between an Asian person and a European person
72
178000
2000
アジア人とヨーロッパ人の
03:15
by looking at their ingredients list.
73
180000
2000
違いが分かります
03:17
But you really for the most part can't tell the difference
74
182000
3000
でも概して健康な人と病人の違いは
03:20
between a healthy person and a sick person --
75
185000
3000
特別なケースを除いて
03:23
except in some of these special cases.
76
188000
2000
ほとんど分からないのです
03:25
So why all the big deal
77
190000
2000
だとするとなぜ
03:27
about genetics?
78
192000
2000
遺伝学が重要なのか？
03:29
Well first of all,
79
194000
2000
まず最初に
03:31
it's because we can read it, which is fantastic.
80
196000
3000
遺伝子を解読できるのは素晴らしく
03:34
It is very useful in certain circumstances.
81
199000
3000
特定の状況で非常に有益だからです
03:37
It's also the great theoretical triumph
82
202000
3000
生物学上の偉大な
03:40
of biology.
83
205000
2000
理論的功績でもあります
03:42
It's the one theory
84
207000
2000
生物学者たちの理論で
03:44
that the biologists ever really got right.
85
209000
2000
唯一本当に正しかったものです
03:46
It's fundamental to Darwin
86
211000
2000
ゲノミクスはダーウィンや
03:48
and Mendel and so on.
87
213000
2000
メンデルなどの理論に必須です
03:50
And so it's the one thing where they predicted a theoretical construct.
88
215000
3000
唯一の予言通りの理論的構成概念だと言えます
03:54
So Mendel had this idea of a gene
89
219000
2000
遺伝子は理論的なものであると
03:56
as an abstract thing,
90
221000
3000
メンデルは考え ダーウィンは
03:59
and Darwin built a whole theory
91
224000
2000
遺伝子の存在を前提に
04:01
that depended on them existing,
92
226000
2000
一連の理論を打ち立てました
04:03
and then Watson and Crick
93
228000
2000
その後ワトソンとクリックが
04:05
actually looked and found one.
94
230000
2000
実際に遺伝子構造を発見しました
04:07
So this happens in physics all the time.
95
232000
2000
物理学ではよくある話です
04:09
You predict a black hole,
96
234000
2000
ブラックホールが予測され
04:11
and you look out the telescope and there it is, just like you said.
97
236000
3000
望遠鏡で確認するとその通りでした
04:14
But it rarely happens in biology.
98
239000
2000
生物学では滅多にないことです
04:16
So this great triumph -- it's so good,
99
241000
3000
ですからこれは偉業です 本当に素晴らしく
04:19
there's almost a religious experience
100
244000
2000
生物学の宗教的体験と
04:21
in biology.
101
246000
2000
言えるほどです
04:23
And Darwinian evolution
102
248000
2000
しかもダーウィンの進化論は
04:25
is really the core theory.
103
250000
3000
コア理論です
04:30
So the other reason it's been very popular
104
255000
2000
もう一つの注目の理由は
04:32
is because we can measure it, it's digital.
105
257000
3000
遺伝子は測定できデジタルだということです
04:35
And in fact,
106
260000
2000
それどころか
04:37
thanks to Kary Mullis,
107
262000
2000
キャリー・マリスのおかげで
04:39
you can basically measure your genome in your kitchen
108
264000
4000
いくつかの材料があれば 自分の遺伝子の計測を
04:43
with a few extra ingredients.
109
268000
3000
キッチンで行うことも可能です
04:46
So for instance, by measuring the genome,
110
271000
3000
ゲノムを計測することで 例えば
04:49
we've learned a lot about how we're related to other kinds of animals
111
274000
4000
その類似性から他の動物とのつながりや
04:53
by the closeness of our genome,
112
278000
3000
人が互いにどう関係しているのかなど
04:56
or how we're related to each other -- the family tree,
113
281000
3000
家系図や生物の系統樹について
04:59
or the tree of life.
114
284000
2000
多くのことを学びました
05:01
There's a huge amount of information about the genetics
115
286000
3000
遺伝子の類以性を比較するだけで
05:04
just by comparing the genetic similarity.
116
289000
3000
遺伝学について莫大な情報が得られます
05:07
Now of course, in medical application,
117
292000
2000
当然それは医学的応用でも
05:09
that is very useful
118
294000
2000
非常に有益です
05:11
because it's the same kind of information
119
296000
3000
医者が患者の家族の病歴から得るのと
05:14
that the doctor gets from your family medical history --
120
299000
3000
同じような情報が得られるからです
05:17
except probably,
121
302000
2000
それどころかたぶん
05:19
your genome knows much more about your medical history than you do.
122
304000
3000
患者自身より多くの病歴情報を提供できます
05:22
And so by reading the genome,
123
307000
2000
ですからゲノムを解読すれば
05:24
we can find out much more about your family than you probably know.
124
309000
3000
家族について知らなかったことも分かります
05:27
And so we can discover things
125
312000
2000
親戚のことを十分見れば
05:29
that probably you could have found
126
314000
2000
分かるかもしれないことを
05:31
by looking at enough of your relatives,
127
316000
2000
発見できるわけですが
05:33
but they may be surprising.
128
318000
3000
驚く事実もあるかもしれません
05:36
I did the 23andMe thing
129
321000
2000
私も23andMeをやりましたが
05:38
and was very surprised to discover that I am fat and bald.
130
323000
3000
自分が肥満で髪が薄いと分かり驚きました
05:41
(Laughter)
131
326000
7000
（笑）
05:48
But sometimes you can learn much more useful things about that.
132
333000
3000
でももっと役に立つことが分かる時もあります
05:51
But mostly
133
336000
3000
とはいえ大抵の場合
05:54
what you need to know, to find out if you're sick,
134
339000
2000
病気かどうか調べるには
05:56
is not your predispositions,
135
341000
2000
体質を知ることでなく
05:58
but it's actually what's going on in your body right now.
136
343000
3000
体内で起こっている事を知る必要があります
06:01
So to do that, what you really need to do,
137
346000
2000
そのためには
06:03
you need to look at the things
138
348000
2000
遺伝子が生成しているものを
06:05
that the genes are producing
139
350000
2000
遺伝的作用後に起こっている事を
06:07
and what's happening after the genetics,
140
352000
2000
調べることです
06:09
and that's what proteomics is about.
141
354000
2000
これを行うのがプロテオミクスです
06:11
Just like genome mixes the study of all the genes,
142
356000
3000
ゲノムがすべての遺伝子の研究であるように
06:14
proteomics is the study of all the proteins.
143
359000
3000
プロテオミクスはすべてのタンパク質の研究です
06:17
And the proteins are all of the little things in your body
144
362000
2000
細胞間のシグナル伝達をする
06:19
that are signaling between the cells --
145
364000
3000
体内の小さな物質はすべてタンパク質で
06:22
actually, the machines that are operating --
146
367000
2000
それが実際の稼働マシンです
06:24
that's where the action is.
147
369000
2000
重要なのはここなのです
06:26
Basically, a human body
148
371000
3000
基本的に人間の身体は
06:29
is a conversation going on,
149
374000
3000
細胞内や細胞同士での
06:32
both within the cells and between the cells,
150
377000
3000
コミュニケーションで成り立っています
06:35
and they're telling each other to grow and to die,
151
380000
3000
細胞は入れ替わりの指示を出し合っているのです
06:38
and when you're sick,
152
383000
2000
でも病気になると
06:40
something's gone wrong with that conversation.
153
385000
2000
コミュニケーションに支障が出ます
06:42
And so the trick is --
154
387000
2000
ですから大切なのは―
06:44
unfortunately, we don't have an easy way to measure these
155
389000
3000
残念なことに これらをゲノムのように
06:47
like we can measure the genome.
156
392000
2000
簡単に計測する方法がないので
06:49
So the problem is that measuring --
157
394000
3000
計測が問題なのですが
06:52
if you try to measure all the proteins, it's a very elaborate process.
158
397000
3000
すべてのタンパク質を計測するのは大変です
06:55
It requires hundreds of steps,
159
400000
2000
何百もの手順を要し
06:57
and it takes a long, long time.
160
402000
2000
時間も非常に長くかかります
06:59
And it matters how much of the protein it is.
161
404000
2000
タンパク質の量の差は重大で
07:01
It could be very significant that a protein changed by 10 percent,
162
406000
3000
10％の差が大きな違いになることもあります
07:04
so it's not a nice digital thing like DNA.
163
409000
3000
DNAのように測定しやすくないのです
07:07
And basically our problem is somebody's in the middle
164
412000
2000
そこで基本的な問題は誰かが
07:09
of this very long stage,
165
414000
2000
この非常に長い工程の途中で
07:11
they pause for just a moment,
166
416000
2000
ちょっと休憩して
07:13
and they leave something in an enzyme for a second,
167
418000
2000
何かを酵素に入れたままにすると
07:15
and all of a sudden all the measurements from then on
168
420000
2000
突然ここから先の測定が
07:17
don't work.
169
422000
2000
うまく行かなくなることです
07:19
And so then people get very inconsistent results
170
424000
2000
このようなやり方をすると
07:21
when they do it this way.
171
426000
2000
全く一貫性のない結果が出ます
07:23
People have tried very hard to do this.
172
428000
2000
様々な試みがされてきていて
07:25
I tried this a couple of times
173
430000
2000
私も何度かこの問題に
07:27
and looked at this problem and gave up on it.
174
432000
2000
取り組んだのですが諦めました
07:29
I kept getting this call from this oncologist
175
434000
2000
デイビッド・アグスという癌専門医から
07:31
named David Agus.
176
436000
2000
何度も電話がかかっていました
07:33
And Applied Minds gets a lot of calls
177
438000
3000
Applied Mindsでは問題を抱えている人から
07:36
from people who want help with their problems,
178
441000
2000
助けを求める電話が多くあります
07:38
and I didn't think this was a very likely one to call back,
179
443000
3000
それでこの人もあきらめるだろうと思い
07:41
so I kept on giving him to the delay list.
180
446000
3000
先送りし続けていました
07:44
And then one day,
181
449000
2000
ところがある日
07:46
I get a call from John Doerr, Bill Berkman
182
451000
2000
ジョン・ドーアとビル・バークマンと
07:48
and Al Gore on the same day
183
453000
2000
アル・ゴアから同じ日に言われました
07:50
saying return David Agus's phone call.
184
455000
2000
デイビッド・アグスに電話しろと
07:52
(Laughter)
185
457000
2000
（笑）
07:54
So I was like, "Okay. This guy's at least resourceful."
186
459000
2000
「少なくとも駆け引きはうまいな」と
07:56
(Laughter)
187
461000
4000
（笑）
08:00
So we started talking,
188
465000
2000
そうして私たちは話すことになり
08:02
and he said, "I really need a better way to measure proteins."
189
467000
3000
「もっと良いタンパク質の測定方法が必要です」と言うので
08:05
I'm like, "Looked at that. Been there.
190
470000
2000
「検討してやってみましたが
08:07
Not going to be easy."
191
472000
2000
難しいですよ」と言うと
08:09
He's like, "No, no. I really need it.
192
474000
2000
「でも本当に必要なんです」と言うのです
08:11
I mean, I see patients dying every day
193
476000
4000
「体内で何が起こっているか分からず
08:15
because we don't know what's going on inside of them.
194
480000
3000
死んでいく患者を毎日見ています
08:18
We have to have a window into this."
195
483000
2000
原因を究明する手段が必要なんです」と
08:20
And he took me through
196
485000
2000
そして実際に必要となる例を
08:22
specific examples of when he really needed it.
197
487000
3000
説明してくれました
08:25
And I realized, wow, this would really make a big difference,
198
490000
2000
もし本当に出来たら
08:27
if we could do it,
199
492000
2000
大きな貢献だと気付きました
08:29
and so I said, "Well, let's look at it."
200
494000
2000
そこで検討することになったのです
08:31
Applied Minds has enough play money
201
496000
2000
Applied Mindsの予算は十分で
08:33
that we can go and just work on something
202
498000
2000
外からの資金や承認なしで
08:35
without getting anybody's funding or permission or anything.
203
500000
3000
プロジェクトを行うことができます
08:38
So we started playing around with this.
204
503000
2000
そこでいろいろ検討を始めました
08:40
And as we did it, we realized this was the basic problem --
205
505000
3000
そして基本的な問題に気付きました
08:43
that taking the sip of coffee --
206
508000
2000
「コーヒーで一服」があるのは
08:45
that there were humans doing this complicated process
207
510000
2000
人がこの作業をしているからです
08:47
and that what really needed to be done
208
512000
2000
実際本当に必要なのは
08:49
was to automate this process like an assembly line
209
514000
3000
組立ラインのように この工程を自動化して
08:52
and build robots
210
517000
2000
機械を作って
08:54
that would measure proteomics.
211
519000
2000
プロテオミクスの測定をすることです
08:56
And so we did that,
212
521000
2000
そこでそれを実現しました
08:58
and working with David,
213
523000
2000
デイビッドと共同で最終的に
09:00
we made a little company called Applied Proteomics eventually,
214
525000
3000
Applied Proteomicsという小さな会社を設立し
09:03
which makes this robotic assembly line,
215
528000
3000
一貫したタンパク質の測定を行う
09:06
which, in a very consistent way, measures the protein.
216
531000
3000
機械的な組立ラインを作りました
09:09
And I'll show you what that protein measurement looks like.
217
534000
3000
タンパク質測定についてはあとでお見せします
09:13
Basically, what we do
218
538000
2000
基本的にどうするかというと
09:15
is we take a drop of blood
219
540000
2000
患者から一滴
09:17
out of a patient,
220
542000
2000
採血し
09:19
and we sort out the proteins
221
544000
2000
その一滴の血から
09:21
in the drop of blood
222
546000
2000
タンパク質を選り分けます
09:23
according to how much they weigh,
223
548000
2000
重量はどのくらいか
09:25
how slippery they are,
224
550000
2000
どのくらい滑るかによって
09:27
and we arrange them in an image.
225
552000
3000
これらを画像として並べます
09:30
And so we can look at literally
226
555000
2000
そして文字通り
09:32
hundreds of thousands of features at once
227
557000
2000
何十万もの特徴を一度に
09:34
out of that drop of blood.
228
559000
2000
一滴の血から見ることができます
09:36
And we can take a different one tomorrow,
229
561000
2000
翌日別のサンプルを測定すれば
09:38
and you will see your proteins tomorrow will be different --
230
563000
2000
前日と異なると分かるでしょう
09:40
they'll be different after you eat or after you sleep.
231
565000
3000
食後や睡眠後のタンパク質の性質は変化するのです
09:43
They really tell us what's going on there.
232
568000
3000
何が起こっているのかよく分かります
09:46
And so this picture,
233
571000
2000
ですからこの画像は
09:48
which looks like a big smudge to you,
234
573000
2000
大きな染みのように見えますが
09:50
is actually the thing that got me really thrilled about this
235
575000
4000
私はこれを見てとても感激しました
09:54
and made me feel like we were on the right track.
236
579000
2000
間違ってなかったと思いました
09:56
So if I zoom into that picture,
237
581000
2000
この画像を拡大すると
09:58
I can just show you what it means.
238
583000
2000
どういうことかお見せできます
10:00
We sort out the proteins -- from left to right
239
585000
3000
私たちはタンパク質を選り分け 左から右は
10:03
is the weight of the fragments that we're getting,
240
588000
3000
検知した破片の重さで
10:06
and from top to bottom is how slippery they are.
241
591000
3000
上から下はどのくらい滑るかです
10:09
So we're zooming in here just to show you a little bit of it.
242
594000
3000
拡大して少しお見せします
10:12
And so each of these lines
243
597000
2000
それぞれの線が
10:14
represents some signal that we're getting out of a piece of a protein.
244
599000
3000
タンパク質の破片から得る信号を表します
10:17
And you can see how the lines occur
245
602000
2000
線がバンバンバンと
10:19
in these little groups of bump, bump, bump, bump, bump.
246
604000
4000
小さなグループとなって見られるのが分かると思います
10:23
And that's because we're measuring the weight so precisely that --
247
608000
3000
これは重量を非常に精密に測定しているからです
10:26
carbon comes in different isotopes,
248
611000
2000
炭素の同位体は様々ですが
10:28
so if it has an extra neutron on it,
249
613000
3000
中性子が1つ多い場合
10:31
we actually measure it as a different chemical.
250
616000
4000
実際に異なる化学物質として測定されます
10:35
So we're actually measuring each isotope as a different one.
251
620000
3000
つまりそれぞれの同位体を別々に測定しているわけです
10:38
And so that gives you an idea
252
623000
3000
ですからいかに極めて感度が高い測定か
10:41
of how exquisitely sensitive this is.
253
626000
2000
分かると思います
10:43
So seeing this picture
254
628000
2000
この画像を見るのは
10:45
is sort of like getting to be Galileo
255
630000
2000
ガリレオが初めて
10:47
and looking at the stars
256
632000
2000
望遠鏡を使って星を観察し
10:49
and looking through the telescope for the first time,
257
634000
2000
「思ったよりずっと複雑だ」と
10:51
and suddenly you say, "Wow, it's way more complicated than we thought it was."
258
636000
3000
突然気付くのに似ています
10:54
But we can see that stuff out there
259
639000
2000
それでも見ることはできて
10:56
and actually see features of it.
260
641000
2000
実際に特徴も分かるわけです
10:58
So this is the signature out of which we're trying to get patterns.
261
643000
3000
これが私たちがパターンを掴もうとしている記号です
11:01
So what we do with this
262
646000
2000
どのようなことをするかと言うと
11:03
is, for example, we can look at two patients,
263
648000
2000
例えば薬に反応した患者と
11:05
one that responded to a drug and one that didn't respond to a drug,
264
650000
3000
反応しなかった患者の2人を見て
11:08
and ask, "What's going on differently
265
653000
2000
体内で起こっていることで
11:10
inside of them?"
266
655000
2000
違う点は何か調べるのです
11:12
And so we can make these measurements precisely enough
267
657000
3000
これらの測定を十分合わせることで
11:15
that we can overlay two patients and look at the differences.
268
660000
3000
2人の結果を重ねて違いを探すことができます
11:18
So here we have Alice in green
269
663000
2000
この緑がアリスで
11:20
and Bob in red.
270
665000
2000
赤がボブです
11:22
We overlay them. This is actual data.
271
667000
3000
2つを重ねます 実際のデータです
11:25
And you can see, mostly it overlaps and it's yellow,
272
670000
3000
ご覧の通り ほとんどが重なっていて黄色です
11:28
but there's some things that just Alice has
273
673000
2000
でもアリスだけにある部分があり
11:30
and some things that just Bob has.
274
675000
2000
ボブだけにある部分もあります
11:32
And if we find a pattern of things
275
677000
3000
薬に反応する患者に見られる
11:35
of the responders to the drug,
276
680000
3000
パターンが分かれば
11:38
we see that in the blood,
277
683000
2000
それが血液中に見られれば
11:40
they have the condition
278
685000
2000
この薬品に反応することができる
11:42
that allows them to respond to this drug.
279
687000
2000
条件を持っていると分かります
11:44
We might not even know what this protein is,
280
689000
2000
どのタンパク質か分からなくても
11:46
but we can see it's a marker
281
691000
2000
それが病気に対応する
11:48
for the response to the disease.
282
693000
2000
マーカーだと分かります
11:53
So this already, I think,
283
698000
2000
ですからこれは既に
11:55
is tremendously useful in all kinds of medicine.
284
700000
3000
様々な医学に非常に役立つと思います
11:58
But I think this is actually
285
703000
2000
でも実際のところ
12:00
just the beginning
286
705000
2000
今後の癌治療を行う上での
12:02
of how we're going to treat cancer.
287
707000
2000
第一歩にすぎません
12:04
So let me move to cancer.
288
709000
2000
ですから癌について話しましょう
12:06
The thing about cancer --
289
711000
2000
癌については―
12:08
when I got into this,
290
713000
2000
これに関わることになった時
12:10
I really knew nothing about it,
291
715000
2000
私には癌の知識がありませんでしたが
12:12
but working with David Agus,
292
717000
2000
デイビッド・アグスと協力しながら
12:14
I started watching how cancer was actually being treated
293
719000
3000
癌が実際にどう治療されているか観察するようになり
12:17
and went to operations where it was being cut out.
294
722000
3000
癌摘出の手術にも立会いました
12:20
And as I looked at it,
295
725000
2000
でも見ていて
12:22
to me it didn't make sense
296
727000
2000
その癌に対するアプローチが
12:24
how we were approaching cancer,
297
729000
2000
もっともだと思えず
12:26
and in order to make sense of it,
298
731000
3000
どういう根拠なのか理解するため
12:29
I had to learn where did this come from.
299
734000
3000
背景を勉強しなくてはなりませんでした
12:32
We're treating cancer almost like it's an infectious disease.
300
737000
4000
癌はほとんど感染症のように治療されています
12:36
We're treating it as something that got inside of you
301
741000
2000
抹殺すべき何かが体内に
12:38
that we have to kill.
302
743000
2000
侵入したかのように治療しています
12:40
So this is the great paradigm.
303
745000
2000
これは重要なパラダイムです
12:42
This is another case
304
747000
2000
生物学の理論的パラダイムが
12:44
where a theoretical paradigm in biology really worked --
305
749000
2000
うまくいったもう1つのケースで
12:46
was the germ theory of disease.
306
751000
3000
病原細菌論です
12:49
So what doctors are mostly trained to do
307
754000
2000
一般的に医者は
12:51
is diagnose --
308
756000
2000
患者を分類する診断をし
12:53
that is, put you into a category
309
758000
2000
その診断に対する
12:55
and apply a scientifically proven treatment
310
760000
2000
科学的に立証された治療を
12:57
for that diagnosis --
311
762000
2000
行う訓練を受けています
12:59
and that works great for infectious diseases.
312
764000
3000
このやり方は感染症にはぴったりです
13:02
So if we put you in the category
313
767000
2000
梅毒だと分類したら
13:04
of you've got syphilis, we can give you penicillin.
314
769000
3000
ペニシリンを処方できます
13:07
We know that that works.
315
772000
2000
効果があることは分かっています
13:09
If you've got malaria, we give you quinine
316
774000
2000
マラリアの患者にはキニーネや
13:11
or some derivative of it.
317
776000
2000
キニーネの派生薬を投与します
13:13
And so that's the basic thing doctors are trained to do,
318
778000
3000
これが医者が習得している基本的なやり方です
13:16
and it's miraculous
319
781000
2000
感染症の場合
13:18
in the case of infectious disease --
320
783000
3000
その効き目は
13:21
how well it works.
321
786000
2000
驚異的です
13:23
And many people in this audience probably wouldn't be alive
322
788000
3000
皆さんの中にも医者がこのやり方をしていなかったら
13:26
if doctors didn't do this.
323
791000
2000
命を落としていた人も大勢いるでしょう
13:28
But now let's apply that
324
793000
2000
でもこのやり方を癌のような
13:30
to systems diseases like cancer.
325
795000
2000
系統疾患に応用するとします
13:32
The problem is that, in cancer,
326
797000
2000
問題は癌の場合
13:34
there isn't something else
327
799000
2000
体内に異物があるわけでは
13:36
that's inside of you.
328
801000
2000
ないのです
13:38
It's you; you're broken.
329
803000
2000
身体自体が故障しているのです
13:40
That conversation inside of you
330
805000
4000
あの体内のコミュニケーションが
13:44
got mixed up in some way.
331
809000
2000
狂ってしまっているのです
13:46
So how do we diagnose that conversation?
332
811000
2000
そのやり取りをどう診断するか？
13:48
Well, right now what we do is we divide it by part of the body --
333
813000
3000
現在のやり方は体の部位ごとに分けて
13:51
you know, where did it appear? --
334
816000
3000
つまり発症した部位ですが
13:54
and we put you in different categories
335
819000
2000
その体の部位によって
13:56
according to the part of the body.
336
821000
2000
患者を分類分けしています
13:58
And then we do a clinical trial
337
823000
2000
そして臨床試験をして
14:00
for a drug for lung cancer
338
825000
2000
肺癌の薬
14:02
and one for prostate cancer and one for breast cancer,
339
827000
3000
前立腺癌や乳癌の薬を試し
14:05
and we treat these as if they're separate diseases
340
830000
3000
別々の病気であるかのように治療しています
14:08
and that this way of dividing them
341
833000
2000
まるでこのような分類の仕方が
14:10
had something to do with what actually went wrong.
342
835000
2000
実際の発症に関係あるかのようにです
14:12
And of course, it really doesn't have that much to do
343
837000
2000
でももちろん体の部位と発症は
14:14
with what went wrong
344
839000
2000
あまり関係ありません
14:16
because cancer is a failure of the system.
345
841000
3000
癌は体のしくみが故障したものだからです
14:19
And in fact, I think we're even wrong
346
844000
2000
実際 癌を物体として
14:21
when we talk about cancer as a thing.
347
846000
3000
考えるのは間違っていると思います
14:24
I think this is the big mistake.
348
849000
2000
大きな間違いだと思います
14:26
I think cancer should not be a noun.
349
851000
4000
癌を名詞として扱うべきでないと思います
14:30
We should talk about cancering
350
855000
2000
何かあるものとしてでなく
14:32
as something we do, not something we have.
351
857000
3000
「癌化している」と何かしているように表現すべきです
14:35
And so those tumors,
352
860000
2000
これらの腫瘍は
14:37
those are symptoms of cancer.
353
862000
2000
癌の症状です
14:39
And so your body is probably cancering all the time,
354
864000
3000
体はおそらく常に癌化しているのです
14:42
but there are lots of systems in your body
355
867000
3000
でも体には沢山のしくみがあり
14:45
that keep it under control.
356
870000
2000
これを管理しているのです
14:47
And so to give you an idea
357
872000
2000
「癌化する」と動詞で考えるのが
14:49
of an analogy of what I mean
358
874000
2000
どういう意味なのか
14:51
by thinking of cancering as a verb,
359
876000
3000
分かりやすくするためこう考えてください
14:54
imagine we didn't know anything about plumbing,
360
879000
3000
配管の知識がなく それに関する話も
14:57
and the way that we talked about it,
361
882000
2000
聞いたことがないとします
14:59
we'd come home and we'd find a leak in our kitchen
362
884000
3000
家に帰ってキッチンで水漏れがあった場合
15:02
and we'd say, "Oh, my house has water."
363
887000
4000
「家に水たまりがある」と言い
15:06
We might divide it -- the plumber would say, "Well, where's the water?"
364
891000
3000
「どこにあるんですか？」と配管工が聞いて
15:09
"Well, it's in the kitchen." "Oh, you must have kitchen water."
365
894000
3000
「キッチン？では『キッチン水』ですね」と診断するわけです
15:12
That's kind of the level at which it is.
366
897000
3000
このようなレベルなわけです
15:15
"Kitchen water,
367
900000
2000
「キッチン水ならまず
15:17
well, first of all, we'll go in there and we'll mop out a lot of it.
368
902000
2000
キッチンで大半を拭き取り
15:19
And then we know that if we sprinkle Drano around the kitchen,
369
904000
3000
そしてパイプ詰まり除去剤を
15:22
that helps.
370
907000
3000
撒けばましになるでしょう
15:25
Whereas living room water,
371
910000
2000
『居間水』でしたら
15:27
it's better to do tar on the roof."
372
912000
2000
タールを屋根に敷く方がいいでしょう」
15:29
And it sounds silly,
373
914000
2000
ばかばかしいですが これが
15:31
but that's basically what we do.
374
916000
2000
基本的に私たちがしていることです
15:33
And I'm not saying you shouldn't mop up your water if you have cancer,
375
918000
3000
水を拭き取るなと言うわけではありません
15:36
but I'm saying that's not really the problem;
376
921000
3000
ただ それは根本的な問題ではなく
15:39
that's the symptom of the problem.
377
924000
2000
問題に起因する症状なのです
15:41
What we really need to get at
378
926000
2000
私たちが本当に理解すべきなのは
15:43
is the process that's going on,
379
928000
2000
プロセス自体で
15:45
and that's happening at the level
380
930000
2000
プロテオミクスの活動レベルで
15:47
of the proteonomic actions,
381
932000
2000
起こっていることです
15:49
happening at the level of why is your body not healing itself
382
934000
3000
なぜ身体の自己回復作用が通常通りに
15:52
in the way that it normally does?
383
937000
2000
機能していないのかということです
15:54
Because normally, your body is dealing with this problem all the time.
384
939000
3000
通常身体はこの問題に対応しているからです
15:57
So your house is dealing with leaks all the time,
385
942000
3000
つまり家では水漏れがしょっちゅうあり
16:00
but it's fixing them. It's draining them out and so on.
386
945000
4000
家は排水などをして対応しているわけです
16:04
So what we need
387
949000
3000
何が必要かと言うと
16:07
is to have a causative model
388
952000
4000
実際に何が起こっているかを示す
16:11
of what's actually going on,
389
956000
2000
原因のモデルです
16:13
and proteomics actually gives us
390
958000
3000
プロテオミクスは実際にそのようなモデルを
16:16
the ability to build a model like that.
391
961000
3000
構築する手段を提供してくれます
16:19
David got me invited
392
964000
2000
デイビットの手配により
16:21
to give a talk at National Cancer Institute
393
966000
2000
国立癌研究所で講演したのですが
16:23
and Anna Barker was there.
394
968000
3000
そこにアンナ・バーカーがいました
16:27
And so I gave this talk
395
972000
2000
この講演をしてから
16:29
and said, "Why don't you guys do this?"
396
974000
3000
「どうしてこれをやらないんですか？」と聞くと
16:32
And Anna said,
397
977000
2000
アンナは「癌の分野で
16:34
"Because nobody within cancer
398
979000
3000
このような考え方をする人は
16:37
would look at it this way.
399
982000
2000
いないからです
16:39
But what we're going to do, is we're going to create a program
400
984000
3000
でも癌分野以外の人が集まって
16:42
for people outside the field of cancer
401
987000
2000
癌について詳しい医師と
16:44
to get together with doctors
402
989000
2000
一緒にいろいろな研究課程を
16:46
who really know about cancer
403
991000
3000
作り上げることができるプログラムを
16:49
and work out different programs of research."
404
994000
4000
作ろうと思っています」と言いました
16:53
So David and I applied to this program
405
998000
2000
そこでデイビッドと私は
16:55
and created a consortium
406
1000000
2000
これに応募しコンソーシアムを
16:57
at USC
407
1002000
2000
南カリフォルニア大学に設立しました
16:59
where we've got some of the best oncologists in the world
408
1004000
3000
ここには世界でも有数な腫瘍学者たちと
17:02
and some of the best biologists in the world,
409
1007000
3000
生物学者たちがいます
17:05
from Cold Spring Harbor,
410
1010000
2000
コールド・スプリング・ハーバー研究所
17:07
Stanford, Austin --
411
1012000
2000
スタンフォードやオースチン
17:09
I won't even go through and name all the places --
412
1014000
3000
場所を全部挙げるまでもありません
17:12
to have a research project
413
1017000
3000
そして5年間に渡る
17:15
that will last for five years
414
1020000
2000
研究をすることにしました
17:17
where we're really going to try to build a model of cancer like this.
415
1022000
3000
このような癌のモデルを実際に作る試みです
17:20
We're doing it in mice first,
416
1025000
2000
まずマウスを対象にしています
17:22
and we will kill a lot of mice
417
1027000
2000
この過程で沢山の
17:24
in the process of doing this,
418
1029000
2000
マウスが死んでしまうでしょうが
17:26
but they will die for a good cause.
419
1031000
2000
マウスの死は無駄にはなりません
17:28
And we will actually try to get to the point
420
1033000
3000
実際に予測モデルを作成し
17:31
where we have a predictive model
421
1036000
2000
どのような時に癌が発症し
17:33
where we can understand,
422
1038000
2000
何が実際起こっているのか
17:35
when cancer happens,
423
1040000
2000
どの治療が癌に効果があるのかを
17:37
what's actually happening in there
424
1042000
2000
理解できるところまで
17:39
and which treatment will treat that cancer.
425
1044000
3000
達成したいと思っています
17:42
So let me just end with giving you a little picture
426
1047000
3000
ということで今後の癌治療がどうあるべきか
17:45
of what I think cancer treatment will be like in the future.
427
1050000
3000
私の考えを簡単に紹介して終わりたいと思います
17:48
So I think eventually,
428
1053000
2000
私の考えでは最終的には
17:50
once we have one of these models for people,
429
1055000
2000
このようなモデルを
17:52
which we'll get eventually --
430
1057000
2000
人間用に作り上げたら
17:54
I mean, our group won't get all the way there --
431
1059000
2000
私たちのグループはそこまでできませんが
17:56
but eventually we'll have a very good computer model --
432
1061000
3000
いずれ地球規模の気候モデルのような
17:59
sort of like a global climate model for weather.
433
1064000
3000
性能の良いコンピュータモデルができます
18:02
It has lots of different information
434
1067000
3000
これにはどのようなプロセスでプロテオミクスの
18:05
about what's the process going on in this proteomic conversation
435
1070000
3000
やり取りが行われているのか 様々なレベルの
18:08
on many different scales.
436
1073000
2000
多くの情報が含まれています
18:10
And so we will simulate
437
1075000
2000
そこでこのモデルを使って
18:12
in that model
438
1077000
2000
患者の特定の癌の
18:14
for your particular cancer --
439
1079000
3000
シミュレーションを行うのです
18:17
and this also will be for ALS,
440
1082000
2000
さらに 筋萎縮側索硬化症や
18:19
or any kind of system neurodegenerative diseases,
441
1084000
3000
その他あらゆる神経変性疾患にも対応でき
18:22
things like that --
442
1087000
2000
そのようなものを
18:24
we will simulate
443
1089000
2000
シミュレーションにかけ
18:26
specifically you,
444
1091000
2000
人が一般的にどうかでなく
18:28
not just a generic person,
445
1093000
2000
特定の患者の
18:30
but what's actually going on inside you.
446
1095000
2000
体内の状況を調べます
18:32
And in that simulation, what we could do
447
1097000
2000
そしてそのシミュレーションで
18:34
is design for you specifically
448
1099000
2000
その患者用の特別治療法を
18:36
a sequence of treatments,
449
1101000
2000
設定できるのです
18:38
and it might be very gentle treatments, very small amounts of drugs.
450
1103000
3000
少量の薬物で非常に穏やかな治療になるかもしれません
18:41
It might be things like, don't eat that day,
451
1106000
3000
例えば今日は絶食してくださいとか
18:44
or give them a little chemotherapy,
452
1109000
2000
少しだけ化学療法をしましょうとか
18:46
maybe a little radiation.
453
1111000
2000
軽い放射線療法をしましょうとか
18:48
Of course, we'll do surgery sometimes and so on.
454
1113000
3000
もちろん手術などをすることもあるでしょう
18:51
But design a program of treatments specifically for you
455
1116000
3000
でも個人に合わせた治療プログラムを設定して
18:54
and help your body
456
1119000
3000
身体が健康な状態に
18:57
guide back to health --
457
1122000
3000
戻れるようサポートして
19:00
guide your body back to health.
458
1125000
2000
身体を健康にするのです
19:02
Because your body will do most of the work of fixing it
459
1127000
4000
悪くなった状態をてこ入れするように支えてやれば
19:06
if we just sort of prop it up in the ways that are wrong.
460
1131000
3000
身体は自分でほとんどの回復作業をするからです
19:09
We put it in the equivalent of splints.
461
1134000
2000
添え木をあてるのと同じです
19:11
And so your body basically has lots and lots of mechanisms
462
1136000
2000
人間の身体には沢山の
19:13
for fixing cancer,
463
1138000
2000
癌に対応する機能があり
19:15
and we just have to prop those up in the right way
464
1140000
3000
それを正しいやり方で支えて自己治癒させれば
19:18
and get them to do the job.
465
1143000
2000
いいだけなのです
19:20
And so I believe that this will be the way
466
1145000
2000
ですから私はこれが今後の
19:22
that cancer will be treated in the future.
467
1147000
2000
癌の治療法になると思います
19:24
It's going to require a lot of work,
468
1149000
2000
たくさんの労力や研究が
19:26
a lot of research.
469
1151000
2000
必要となるでしょう
19:28
There will be many teams like our team
470
1153000
3000
たくさんの私たちのようなチームが
19:31
that work on this.
471
1156000
2000
この研究を進めるでしょう
19:33
But I think eventually,
472
1158000
2000
でも最終的には
19:35
we will design for everybody
473
1160000
2000
オーダーメイドされた個人の
19:37
a custom treatment for cancer.
474
1162000
4000
治療法がすべての癌患者に作られるでしょう
19:41
So thank you very much.
475
1166000
2000
ありがとうごさいました
19:43
(Applause)
476
1168000
6000
（拍手）
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com