ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com
TED2017

Jun Wang: How digital DNA could help you make better health choices

ジュン・ワン: デジタルDNAがより良い健康の選択を助ける

Filmed:
1,303,361 views

食べ物や薬があなたの健康に与える影響を、事前に正確に知る事が出来たらどうでしょう? ジノミクスの研究者ジュン・ワンは人々のためのデジタル・ドッペルゲンガー(自分の生き写し)の開発に取り組んでいます。それらは遺伝子コードから始まり、食物摂取や睡眠、スマートトイレが集める様々なデータを取り入れて出来上がります。こうした貴重な情報を用いて、ワンは、個人そして集団レベルの両方で、私たちが健康を考える方法を変えてしまう仕組みを作りたいと考えています。
- Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management. Full bio

Double-click the English transcript below to play the video.

00:12
Today今日 I'm here, actually実際に,
to poseポーズ you a question質問.
0
952
2568
今日は
皆さんに質問を提起したいと思います
00:16
What is life?
1
4056
1150
「生命とはなんだろう?」
00:17
It has been really puzzling困惑 me
for more than 25 years,
2
5740
3663
25年以上私が考えさせられた質問です
00:21
and will probably多分 continue持続する doing so
for the next 25 years.
3
9427
3582
これからの25年も
それは続くでしょう
00:25
This is the thesis論文 I did
when I was still in undergraduate学部 school学校.
4
13774
4571
これは私が学部生の時の論文です
00:31
While my colleagues同僚 still treated治療された
computersコンピュータ as big大きい calculators電卓,
5
19435
6942
私の同級生は まだコンピュータを
大きな電卓として扱っていましたが
00:38
I started開始した to teach教える computersコンピュータ to learn学ぶ.
6
26401
2301
私はコンピュータに
学習することを教え始めました
00:41
I built建てられた digitalデジタル ladyレディ beetlesカブトムシ
7
29561
3383
デジタル・テントウムシを作り
00:44
and tried試した to learn学ぶ from realリアル ladyレディ beetlesカブトムシ,
just to do one thing:
8
32968
4587
本物のテントウムシから
1つのことを学ぼうと試みました
00:49
searchサーチ for foodフード.
9
37579
1150
餌を探すのです
00:51
And after very simple単純 neuralニューラル networkネットワーク --
10
39321
2774
非常に単純なニューラル・ネットワークや
00:54
genetic遺伝的な algorithmsアルゴリズム and so on --
11
42119
2271
遺伝的アルゴリズムなどを使うと—
00:56
look at the patternパターン.
12
44414
1357
実物とほとんど同じ
00:57
They're almostほぼ identical同一 to realリアル life.
13
45795
3022
パターンが現れます
01:01
A very striking印象的な learning学習 experience経験
for a twenty-year-old20歳.
14
49977
3888
20歳の僕にとっては
非常に印象的な学習体験でした
01:07
Life is a learning学習 programプログラム.
15
55603
2907
生命は学習プログラムです
01:12
When you look
at all of this wonderful素晴らしい world世界,
16
60259
3533
これらの素晴らしい世界を見てみると
01:15
everyすべて species has
its own自分の learning学習 programプログラム.
17
63816
3192
動物種にはそれぞれ独自の学習プログラムが
あることが分かります
01:19
The learning学習 programプログラム is genomeゲノム,
18
67585
2761
その学習プログラムとは
ジノムであり
01:22
and the codeコード of that programプログラム is DNADNA.
19
70370
3604
DNAをプログラムコードとして用います
01:27
The different異なる genomesゲノム of each species
represent代表する different異なる survival生存 strategies戦略.
20
75157
5977
それぞれの動物種のジノムは
それぞれに生存戦略を持ち
01:33
They represent代表する hundreds数百 of millions何百万
of years of evolution進化.
21
81618
4214
何億年という進化の歴史を経てきました
01:38
The interactionインタラクション betweenの間に
everyすべて species'種' ancestor祖先
22
86879
3792
すべての動物種の祖先の間の相互作用や
01:42
and the environment環境.
23
90695
1970
環境などの影響を受けました
01:46
I was really fascinated魅惑的な about the world世界,
24
94150
2439
私は世界に魅了されていました
01:48
about the DNADNA,
25
96613
1182
DNAという
01:49
about, you know, the language言語 of life,
26
97819
2943
いわば命の言語—
01:52
the programプログラム of learning学習.
27
100786
1646
生命の学習プログラムに
01:54
So I decided決定しました to co-found共発見
the institute研究所 to read読む them.
28
102767
4733
それで私はそれらを読み解くための機関を
共同創立することにしました
01:59
I read読む manyたくさんの of them.
29
107524
1362
たくさんのジノムを解析します
02:01
We probably多分 read読む more than halfハーフ
of the prior前の animal動物 genomesゲノム in the world世界.
30
109589
4129
こんにちまでに おそらく
世界の半分以上の動物ジノムを
02:06
I mean, up to date日付.
31
114315
1404
解析してきました
02:09
We did learn学ぶ a lot.
32
117443
1235
私たちは多くのことを学びました
02:11
We did sequenceシーケンス, alsoまた、,
one species manyたくさんの, manyたくさんの times ...
33
119297
3868
ヒトジノムは何度も解析しました
02:15
human人間 genomeゲノム.
34
123189
1159
02:16
We sequencedシーケンスされた the first Asianアジア人.
35
124372
1762
アジア人初の遺伝子解析をしました
02:18
I sequencedシーケンスされた it myself私自身 manyたくさんの, manyたくさんの times,
36
126158
2838
私自身の遺伝子は何度も解析しました
02:21
just to take advantage利点 of that platformプラットフォーム.
37
129020
2559
解析基盤を活用したというわけです
02:24
Look at all those repeating繰り返す baseベース pairsペア:
38
132968
2906
繰り返し現れる塩基対
02:27
ATCGATCG.
39
135898
1468
「ATCG」
02:29
You don't understandわかる anything there.
40
137390
1914
これだけでは何も分かりません
02:31
But look at that one baseベース pairペア.
41
139328
1594
しかし この塩基対—
02:32
Those five letters手紙, the AGGAAAGGAA.
42
140946
2523
5つの文字「AGGAA」
02:35
These five SNPsSNPs represent代表する
a very specific特定 haplotypeハプロタイプ
43
143884
3477
これらの5つの一塩基多型(SNP)は
EPAS1と呼ばれる遺伝子領域にある
02:39
in the Tibetanチベット人 population人口
44
147385
1841
チベット人に非常に特徴的な
02:41
around the gene遺伝子 calledと呼ばれる EPASEPA1.
45
149250
1999
ハプロタイプ(DNA配列)を表しており
02:43
That gene遺伝子 has been proved証明された --
46
151273
1731
その遺伝子は
02:45
it's highly高く selective選択的 --
47
153028
1263
選択性が強く
02:46
it's the most最も significant重要な signature署名
of positiveポジティブ selection選択 of Tibetansチベット人
48
154315
4347
チベット人が高い標高へ適応して来たという
正の自然選択の
02:50
for the higher高い altitude高度 adaptation適応.
49
158686
1682
最も重要な証です
02:53
You know what?
50
161102
1214
実は
02:54
These five SNPsSNPs were the result結果
of integration統合 of Denisovansデニソヴァン,
51
162340
5787
これらの5つのSNPはデニソワ人—
あるいはデニソワ人由来の個人が
03:00
or Denisovan-likeDenisovan のような individuals個人 into humans人間.
52
168151
3252
ヒトへ統合した結果なのです
03:04
This is the reason理由
why we need to read読む those genomesゲノム.
53
172229
2531
これがまさに私たちが
ジノムを解読する理由です
03:06
To understandわかる history歴史,
54
174784
1381
歴史を理解し
03:08
to understandわかる what kind種類
of learning学習 processプロセス
55
176189
4098
何百万年もの間
ジノムがどのような学習プロセスを
03:12
the genomeゲノム has been throughを通して
for the millions何百万 of years.
56
180311
3374
経たかを理解するためです
03:17
By reading読書 a genomeゲノム,
it can give you a lot of information情報 --
57
185498
2923
ジノムを解析することで
多くのことが分かります
03:20
tells伝える you the bugsバグ in the genomeゲノム --
58
188445
1673
例えば ジノム中にあるバグ
03:22
I mean, birth誕生 defects欠陥,
monogenetic一元的な disorders障害.
59
190142
3180
先天性欠損症や
単一遺伝子疾患なども分かります
03:25
Reading読書 a dropドロップ of blood血液
60
193346
1306
一滴の血液から
03:26
could tell you why you got a fever,
61
194676
2108
何故熱があるのか
03:28
or it tells伝える you whichどの medicine医学
and dosage投薬量 needsニーズ to be used
62
196808
3104
投与すべき薬やその適量を
03:31
when you're sick病気, especially特に for cancer.
63
199936
2721
病気の時など—
特にがんになった時に伝えてくれるでしょう
03:35
A lot of things could be studied研究した,
but look at that:
64
203675
3120
多くのことが研究から分かりますが
これを見てください
03:38
30 years ago, we were still poor貧しい in China中国.
65
206819
2960
30年前の中国はまだ貧しく
03:43
Only .67 percentパーセント of the Chinese中国語
adult大人 population人口 had diabetes糖尿病.
66
211108
3662
糖尿病を患っていたのは
成人人口の0.67%だけでした
03:47
Look at now: 11 percentパーセント.
67
215187
2143
それが現在は11%です
03:49
Genetics遺伝学 cannotできない change変化する over 30 years --
68
217877
3128
遺伝子は 30年間 —1世代だけでは
03:53
only one generation世代.
69
221029
1261
変わりません
03:54
It must必須 be something different異なる.
70
222905
1627
何か別の理由があるはずです
03:56
Dietダイエット?
71
224556
1198
食生活でしょうか?
03:57
The environment環境?
72
225778
1150
環境?
03:59
Lifestyleライフ スタイル?
73
227552
1150
ライフスタイル?
04:01
Even identical同一 twins双子
could develop開発する totally完全に differently異なって.
74
229399
4242
一卵性双生児でも
全く違った発達をするんです
04:07
It could be one becomes〜になる
very obese肥満, the other is not.
75
235059
2877
1人は肥満
もう1人はそうではなく
04:11
One develops発展する a cancer
and the other does not.
76
239034
2502
一方ががんを発症しても
もう一方はしないというように
04:13
Not mentioning言及 living生活
in a very stressed強調された environment環境.
77
241560
4905
非常にストレスの高い環境での生活の
影響は言うまでもありません
04:19
I moved移動した to Shenzhen深セン 10 years ago ...
78
247566
2595
私は10年前に深センに引っ越しました
04:22
for some reason理由, people mayかもしれない know.
79
250185
2738
理由をご存知の方もいるかもしれません
04:25
If the gene's遺伝子の under stress応力,
80
253969
1939
遺伝子はストレスを受けると
04:27
it behaves動作する totally完全に differently異なって.
81
255932
1667
全く異なる振る舞いを見せます
04:30
Life is a journey.
82
258863
1381
人生は旅です
04:32
A gene遺伝子 is just a starting起動 pointポイント,
83
260817
2508
遺伝子は 単なる出発点で
04:35
not the end終わり.
84
263349
1150
終着点ではありません
04:37
You have this statistical統計的 riskリスク
of certainある diseases病気 when you are bornうまれた.
85
265286
4488
皆さんは生まれたとき
特定の病気のリスクを持っています
04:42
But everyすべて day you make different異なる choices選択肢,
86
270392
3563
しかし毎日 様々な選択を行い
04:45
and those choices選択肢 will increase増加する
or decrease減少 the riskリスク of certainある diseases病気.
87
273979
4538
それが特定の
疾患リスクを増減します
04:51
But do you know
where you are on the curve曲線?
88
279428
2259
あなたは自分の曲線の
どこにいるかを知っていますか?
04:54
What's the past過去 curve曲線 look like?
89
282443
2159
過去にどんな曲線を描いていましたか?
04:56
What kind種類 of decisions決定
are you facing直面する everyすべて day?
90
284959
2465
毎日どんな選択をしていますか?
04:59
And what kind種類 of decision決定 is the right one
91
287761
2467
そしてどんな選択が
05:02
to make your own自分の right curve曲線
over your life journey?
92
290252
4234
あなたの人生に正しい曲線を
描くために必要なのでしょうか?
05:07
What's that?
93
295445
1150
それは何でしょう?
05:09
The only thing you cannotできない change変化する,
94
297320
1969
あなたが唯一変えられない
05:11
you cannotできない reverse back,
95
299313
2181
元に戻せないものは
05:13
is time.
96
301518
1228
時間です
05:14
Probably多分 not yetまだ; maybe in the future未来.
97
302770
2001
未来は可能になるかもしれませんが
05:16
(Laughter笑い)
98
304795
1110
(笑)
05:17
Well, you cannotできない change変化する
the decision決定 you've made,
99
305929
2819
さて あなたは一度した選択を
変えることはできません
05:20
but can we do something there?
100
308772
1541
でも何かできないでしょうか?
05:22
Can we actually実際に try to run走る
multiple複数 optionsオプション on me,
101
310643
5102
複数の選択肢を
実際に私の体でシミュレートしてみて
05:27
and try to predict予測する right
on the consequence結果,
102
315769
3559
そして実際の結果を予測し
それに基づいて
05:31
and be ableできる to make the right choice選択?
103
319352
2183
正しい選択をすることが
できるでしょうか?
05:34
After all,
104
322153
1172
つまるところ
05:35
we are our choices選択肢.
105
323349
1852
私たちは自分の選択の結果です
05:38
These ladyレディ beetlesカブトムシ came来た to me afterwardsその後.
106
326413
2574
あのテントウムシのアイデアが
また浮かびました
05:41
25 years ago, I made
the digitalデジタル ladyレディ beetlesカブトムシ
107
329642
3463
25年前 本物のテントウムシを
シミュレートしようと
05:45
to try to simulateシミュレートする realリアル ladyレディ beetlesカブトムシ.
108
333129
1784
デジタル・テントウムシを作りました
05:47
Can I make a digitalデジタル me ...
109
335503
1785
…自分をシミュレートする
05:49
to simulateシミュレートする me?
110
337897
1324
デジタルの私を作ったら?
05:51
I understandわかる the neuralニューラル
networkネットワーク could become〜になる
111
339955
2561
ニューラル・ネットワークは
05:54
much more sophisticated洗練された
and complicated複雑な there.
112
342540
3086
はるかに洗練され
複雑になると思います
05:57
Can I make that one,
113
345650
1554
「デジタルの私」を造り
05:59
and try to run走る multiple複数 optionsオプション
on that digitalデジタル me --
114
347228
3882
それに複数のシナリオを試してみて
06:03
to compute計算する that?
115
351134
1260
結果を割り出すと良いのでは?
06:05
Then I could liveライブ in different異なる universes宇宙,
116
353025
2963
そうすれば私は複数の世界に
06:08
in parallel平行, at the same同じ time.
117
356012
2764
並行して同時に生きることになり
06:11
Then I would choose選択する
whateverなんでも is good for me.
118
359148
2513
最良のシナリオが選択が出来るでしょう
06:14
I probably多分 have the most最も comprehensive包括的な
digitalデジタル me on the planet惑星.
119
362243
3842
私はおそらく地球上で最も包括的な
「デジタルの私」を持っています
06:18
I've spent過ごした a lot of dollarsドル
on me, on myself私自身.
120
366109
2657
そのために多額の投資をしました
06:21
And the digitalデジタル me told me
I have a genetic遺伝的な riskリスク of gout痛風
121
369987
5206
そしてデジタルの私によると
私は痛風の遺伝的リスクを
06:27
by all of those things there.
122
375217
1667
持っているということです
06:29
You need different異なる technology技術 to do that.
123
377254
2111
それには異なる技術が必要です
06:31
You need the proteinsタンパク質, genes遺伝子,
124
379389
1570
それから タンパク質、遺伝子
06:32
you need metabolized代謝された antibodies抗体,
125
380983
2526
代謝物や抗体も
06:35
you need to screen画面 all your body
126
383533
2492
そして あなたに付着していたり体内にいる
06:38
about the bacteriasバクテリア and virusesウイルス
coveringカバーする you, or in you.
127
386049
3624
バクテリアやウイルスの存在を調べます
06:41
You need to have
all the smartスマート devicesデバイス there --
128
389697
2788
そしてあらゆるスマートデバイスを
駆使する必要があります
06:44
smartスマート cars, smartスマート house, smartスマート tablesテーブル,
129
392509
3416
スマートカー、スマートハウス
スマートテーブル
06:47
smartスマート watch, smartスマート phone電話
to trackトラック all of your activitiesアクティビティ there.
130
395949
3329
スマートウォッチ、スマートフォン
それらであなたの活動を追跡します
06:51
The environment環境 is important重要 --
131
399302
1477
環境も重要です
06:52
everything'sすべての important重要 --
132
400803
1221
あらゆる情報が重要です
06:54
and don't forget忘れる the smartスマート toiletトイレ.
133
402048
1746
スマート・トイレも忘れないでください
06:55
(Laughter笑い)
134
403818
1031
(笑)
06:56
It's suchそのような a waste廃棄物, right?
135
404873
1774
たいへんな無駄をしています
06:58
Everyすべて day, so much invaluable非常に貴重な information情報
just has been flushedフラッシュした into the water.
136
406671
5685
毎日たくさんの貴重な情報が
トイレに流されてしまいます
07:04
And you need them.
137
412796
1236
それらは貴重な情報です
07:06
You need to measure測定 all of them.
138
414056
1524
そうした情報を全て測定するべきです
07:07
You need to be ableできる to measure測定
everything around you
139
415604
2623
周囲のあらゆるものを測定し
データにする必要があります
07:10
and compute計算する them.
140
418251
1217
07:12
And the digitalデジタル me told me
I have a genetic遺伝的な defect欠陥.
141
420113
3883
デジタルの私は
私に遺伝的欠陥があると教えてくれました
07:16
I have a very high高い riskリスク of gout痛風.
142
424797
2071
痛風にかかる可能性が非常に高いんです
07:19
I don't feel anything now,
143
427868
1597
今は症状もなく
07:21
I'm still healthy健康.
144
429489
1372
まだ健康です
07:22
But look at my uric尿 acid levelレベル.
145
430885
1501
でも私の尿酸値を見てください
07:24
It's doubleダブル the normal正常 range範囲.
146
432410
1815
通常の2倍です
07:26
And the digitalデジタル me searched検索された
all the medicine医学 books,
147
434919
2821
そして デジタルの私は医学書を検索し
07:29
and it tells伝える me, "OK, you could
drinkドリンク burdockゴボウ teaお茶" --
148
437764
4168
そして「ゴボウ茶を飲むと良いでしょう」
と教えてくれます
07:33
I cannotできない even pronounce発音する it right --
149
441956
1698
難しくて発音もできません
07:35
(Laughter笑い)
150
443678
1035
(笑)
07:36
That is from old古い Chinese中国語 wisdom知恵.
151
444737
1814
古代中国の知恵なんです
07:39
And I drank飲んだ that teaお茶 for three months数ヶ月.
152
447076
2759
そして3ヶ月間そのお茶を飲み続けた後
07:41
My uric尿 acid has now gone行った back to normal正常.
153
449859
2541
私の尿酸値は正常値に戻りました
07:45
I mean, it worked働いた for me.
154
453118
1675
私には効果があったんです
07:46
All those thousands of years
of wisdom知恵 worked働いた for me.
155
454817
2516
何千年にも渡る知恵の
効果があったんです
07:49
I was lucky幸運な.
156
457357
1150
私は幸運でした
07:50
But I'm probably多分 not lucky幸運な for you.
157
458864
3508
でも皆が運が良い訳ではありません
07:55
All of this existing既存の
knowledge知識 in the world世界
158
463189
2165
このような世界中の知恵が
07:57
cannotできない possiblyおそらく be efficient効率的な enough十分な
or personalizedパーソナライズド enough十分な for yourselfあなた自身.
159
465378
5824
十分に効率的に あなたに合わせて
個別に提供されることなど不可能です
08:03
The only way to make
that digitalデジタル me work ...
160
471872
2655
そのデジタルの私を
実現するための唯一の手段は...
08:07
is to learn学ぶ from yourselfあなた自身.
161
475424
2057
自分から学ぶことです
08:11
You have to ask尋ねる a lot
of questions質問 about yourselfあなた自身:
162
479093
2404
あなたは自分自身について
多くの質問をしなければなりません
08:13
"What if?" --
163
481521
1673
「もしも?」
08:15
I'm beingであること jet-laggedジェットラグ now here.
164
483218
1803
私は今ここに時差ボケで立っています
08:17
You don't probably多分 see it, but I do.
165
485045
1958
おそらくみなさんには
分からないでしょうけれど
08:20
What if I eat食べる lessもっと少なく?
166
488073
1792
食事の量を減らしたり—
08:21
When I took取った metforminメトホルミン,
supposedly恐らく to liveライブ longerより長いです?
167
489889
2948
長生きするためにメトフォルミンを
摂取すればどうなる?
08:25
What if I climb登る Mtマウント. Everestエベレスト?
168
493574
1347
エベレスト山に登ったりした場合は?
08:26
It's not that easy簡単.
169
494945
1302
大変なことです
08:28
Or run走る a marathonマラソン?
170
496271
1330
あるいはマラソンを走るのは?
08:30
What if I drinkドリンク a bottleボトル of mao-taiマオタイ,
171
498132
2314
中国のお酒 茅台(マオタイ)酒を
08:32
whichどの is a Chinese中国語 liquor,
172
500470
1336
1瓶飲んで
08:33
and I get really drunk酔った?
173
501830
1194
しこたま酔っ払ったら?
08:35
I was doing a videoビデオ rehearsalリハーサル last time
with the folks人々 here,
174
503048
4429
最後にリハーサルをしていた時は
08:39
when I was drunk酔った,
175
507501
1269
酔っ払っていて
08:40
and I totally完全に delivered配信された
a different異なる speechスピーチ.
176
508794
2089
その時の私のスピーチは全く別物でした
08:42
(Laughter笑い)
177
510907
2869
(笑)
08:45
What if I work lessもっと少なく, right?
178
513800
2301
仕事を減らせばどうでしょうか?
08:48
I have been lessもっと少なく stressed強調された, right?
179
516125
1882
ストレスが減るはずですよね?
08:50
So that probably多分 never happened起こった to me,
180
518031
1810
私は常に働きづめで
08:51
I was really stressed強調された everyすべて day,
181
519865
2098
毎日ストレスを感じていました
08:53
but I hope希望 I could be lessもっと少なく stressed強調された.
182
521987
1966
それが改善すると良いのですが
08:56
These early早い studies研究 told us,
183
524291
2179
初期の研究から分かったのは
08:58
even with the same同じ bananaバナナ,
184
526494
1983
同じバナナを食べても
09:00
we have totally完全に different異なる
glucose-levelグルコースレベル reactions反応
185
528501
2987
我々の血糖値の応答は
個人で完全に異なるということです
09:03
over different異なる individuals個人.
186
531512
1386
09:04
How about me?
187
532922
1150
私はどうでしょう?
09:06
What is the right breakfast朝ごはん for me?
188
534416
1998
私に合った朝食メニューは?
09:08
I need to do two weeks
of controlled制御された experiments実験,
189
536438
2918
私は2週間の比較実験を行い
09:11
of testingテスト all kinds種類 of different異なる
foodフード ingredients材料 on me,
190
539380
3745
あらゆる食品成分への
09:15
and checkチェック my body's身体 reaction反応.
191
543149
2288
自分の体の反応を観察する必要があります
09:17
And I don't know
the precise正確 nutrition栄養 for me,
192
545461
3117
でも自分が摂るべき栄養について
09:20
for myself私自身.
193
548602
1150
正確には知りません
09:23
Then I wanted to searchサーチ
all the Chinese中国語 old古い wisdom知恵
194
551193
4364
中国の古い知恵から
09:27
about how I can liveライブ longerより長いです,
and healthierより健康的.
195
555581
2992
健康長寿の方法を
見つけたかったのです
09:30
I did it.
196
558889
1228
やってみました
09:32
Some of them are really unachievable達成不可能な.
197
560141
2251
いくつかの事は本当に実現不可能です
09:34
I did this once一度 last October10月,
198
562742
2865
昨年10月にこれを一回だけやりました
09:37
by not eating食べる for sevenセブン days日々.
199
565631
1718
7日間食べ物を口にせず
09:40
I did a fast速い for sevenセブン days日々
with six6 partnersパートナー of mine鉱山.
200
568149
4124
6人のパートナーと
7日間の断食をしました
09:44
Look at those people.
201
572778
1259
皆を見てください
09:46
One smileスマイル.
202
574061
1151
一人だけ笑っています
09:47
You know why he smiled微笑んだ?
203
575236
1151
彼はなぜ微笑んでいるのでしょう?
09:48
He cheated騙された.
204
576411
1167
ズルしたからですよ
09:49
(Laughter笑い)
205
577602
1000
(笑)
09:50
He drank飲んだ one cupカップ of coffeeコーヒー at night,
206
578626
3136
彼が 夜 コーヒーを1杯飲んだのを
09:53
and we caught捕らえられた it from the dataデータ.
207
581786
1485
データが物語っていました
09:55
(Laughter笑い)
208
583295
1045
(笑)
09:56
We measured測定された everything from the dataデータ.
209
584364
2460
すべてのデータを測定しました
09:58
We were ableできる to trackトラック them,
210
586848
2214
それを追跡して
10:01
and we could really see --
211
589086
1558
色々な事が分かりました
10:02
for example, my immune免疫 systemシステム,
212
590668
2001
例えば 私の免疫系
10:04
just to give you a little hintヒント there.
213
592693
1762
1つの例ですが
10:06
My immune免疫 systemシステム changedかわった
dramatically劇的に over 24 hours時間 there.
214
594479
4304
私の免疫系はそこでの24時間で
劇的に変化しました
10:11
And my antibody抗体 regulates規制する my proteinsタンパク質
215
599918
3133
私の抗体がタンパク質を調節し
10:15
for that dramatic劇的 change変化する.
216
603075
1536
その劇的な変化をもたらしたんです
10:16
And everybodyみんな was doing that.
217
604635
1381
皆の体にもその変化が起こっていました
10:18
Even if we're essentially基本的に
totally完全に different異なる at the very beginning始まり.
218
606040
3332
皆の体が基本的には
始めに全く異なっていてもです
10:21
And that probably多分 will be
an interesting面白い treatment処理 in the future未来
219
609396
3045
これはおそらく将来的に
がんのようなものの治療法に
10:24
for cancer and things like that.
220
612465
1643
繋がるでしょう
10:26
It becomes〜になる very, very interesting面白い.
221
614132
1630
非常に興味深い展望が開けています
10:28
But something you probably多分
don't want to try,
222
616286
2701
あなたが多分 試したくないような
治療法もあります
10:31
like drinking飲酒 fecal糞便 water
from a healthierより健康的 individual個人,
223
619011
3676
健康になるために
健康な人の糞便水を飲むような
10:34
whichどの will make you feel healthierより健康的.
224
622711
1667
そんなことです
10:36
This is from old古い Chinese中国語 wisdom知恵.
225
624402
1715
これも 古代からの中国の知恵です
10:38
Look at that, right?
226
626141
1436
すごいでしょう
10:39
Like 1,700 years ago,
227
627601
2166
1,700年前
10:41
it's already既に there, in the book.
228
629791
2280
それは既に本に書かれていたんです
10:44
But I still hate嫌い the smell臭い.
229
632608
1327
匂いはとても好きになれませんが
10:46
(Laughter笑い)
230
634237
1150
(笑)
10:47
I want to find out the true真実 way to do it,
231
635411
2406
その正確な方法を見つけ出したいんです
10:49
maybe find a combination組み合わせ of cocktailsカクテル
of bacteriasバクテリア and drinkドリンク it,
232
637841
4354
多分バクテリアのカクテルを
見つけて飲んだら
10:54
it probably多分 will make me better.
233
642219
1524
健康になれるかも
10:55
So I'm trying試す to do that.
234
643767
1191
それも試みています
10:56
Even thoughしかし I'm trying試す this hardハード,
235
644982
3002
こんなに必死に取り組んでも
11:00
it's so difficult難しい to testテスト out
all possible可能 conditions条件.
236
648008
5026
すべての可能性を試すのは
非現実的です
11:05
It's not possible可能 to do
all kinds種類 of experiments実験 at all ...
237
653058
5237
全ての実験をやるなんて
到底無理です
11:11
but we do have sevenセブン billion
learning学習 programsプログラム on this planet惑星.
238
659341
3813
でも地球上には70億人の学習プログラム
つまり人々がいます
11:15
Sevenセブン billion.
239
663178
1266
70億ですよ
11:16
And everyすべて programプログラム
is runningランニング in different異なる conditions条件
240
664468
3651
そして皆 異なる条件下で
プログラムを走らせています
11:20
and doing different異なる experiments実験.
241
668143
1781
様々な実験をしています
11:21
Can we all measure測定 them?
242
669948
1851
それらすべてを測定することが
できないでしょうか?
11:24
Sevenセブン years ago,
I wrote書きました an essayエッセイ in "Science科学"
243
672962
3215
7年前 私は「サイエンス」誌に
ヒトジノム発見の10周年を祝う
11:28
to celebrate祝う the human人間 genome'sゲノム
10-year-年 anniversary記念日.
244
676201
3292
エッセイをこう書きました
11:32
I said, "Sequenceシーケンス yourselfあなた自身,
245
680175
1654
「自分自身の塩基配列を解析しよう
11:33
for one and for all."
246
681853
1623
自分と皆のために」
11:35
But now I'm going to say,
247
683798
1868
しかし今ならこう言います
11:37
"Digitalizeデジタル化します。 yourselfあなた自身 for one and for all."
248
685690
3746
「自分と皆のために
自分自身をデジタル化しよう」
11:42
When we make this digitalデジタル me
into a digitalデジタル we,
249
690275
5600
この「デジタルの私」が
「デジタルの皆」になる時
11:47
when we try to form an internetインターネット of life,
250
695899
3752
私たちが「生命のインターネット」を
作る時
11:51
when people can learn学ぶ from each other,
251
699675
2861
人々がお互いから学ぶとき
11:54
when people can learn学ぶ
from their彼らの experience経験,
252
702560
2707
人々が皆の経験やデータから
学ぶことができたときに
11:57
their彼らの dataデータ,
253
705291
1731
人々がその経験やデータから
学ぶことができたときに
11:59
when people can really form
a digitalデジタル me by themselves自分自身
254
707046
3601
人々が自分の「デジタルの私」をつくり
12:02
and we learn学ぶ from it,
255
710671
1611
それから学ぶことができる時
12:05
the digitalデジタル we will be
totally完全に different異なる with a digitalデジタル me.
256
713416
5732
「デジタルの私たち」は
「デジタルの私」により生まれ変わります
12:11
But it can only come from the digitalデジタル me.
257
719172
3420
それにはまず「デジタルの私」が必要です
12:16
And this is what I try to propose提案する here.
258
724103
2979
それが私がここで提案したい事です
12:20
Join参加する me --
259
728121
1150
皆さんも—
12:21
become〜になる we,
260
729944
1150
「私たち」に加わり
12:23
and everybodyみんな should buildビルドする up
their彼らの own自分の digitalデジタル me,
261
731792
4938
自分のデジタル版を作り
12:28
because only by that
will you learn学ぶ more about you,
262
736754
4519
それによって
自分について学びを深めるのです
12:33
about me,
263
741297
1424
「私」について
12:34
about us ...
264
742745
1165
「私たち」について
12:36
about the question質問 I just posedポーズされた
at the very beginning始まり:
265
744678
3680
それが冒頭の質問に答えるでしょう
12:40
"What is life?"
266
748382
1150
「生命とはなんだろう?」
12:42
Thank you.
267
750066
1169
ありがとうございました
12:43
(Applause拍手)
268
751259
5950
(拍手)
12:49
Chrisクリス Andersonアンダーソン:
One quickクイック question質問 for you.
269
757233
2761
クリス・アンダーソン:
簡単な質問をさせてください
12:52
I mean, the work is amazing素晴らしい.
270
760818
1974
素晴らしいお仕事です
12:54
I suspect容疑者 one question質問 people have is,
271
762816
3198
これらの素晴らしい個別化医療技術の
可能性を待ちわびながらも
12:58
as we look forward前進 to these amazing素晴らしい
technicalテクニカル possibilities可能性
272
766038
3281
皆さんが疑問に思うのは
13:01
of personalizedパーソナライズド medicine医学,
273
769343
1361
13:02
in the near-term近い将来 it feels感じる like
they're only going to be affordable手頃な価格
274
770728
3303
短期的にはごく限られた人々だけに
手が届くものになるのではないか
13:06
for a few少数 people, right?
275
774055
1276
という事でしょう
13:07
It costsコスト manyたくさんの dollarsドル to do
all the sequencingシークエンシング and so forth前進.
276
775355
2991
塩基配列を解析するには
多くの費用がかかります
13:10
Is this going to lead to a kind種類 of,
277
778889
2912
これはある意味—
13:13
you know, increasing増加する inequality不平等?
278
781825
2317
格差の拡大に繋がるのではないでしょうか?
13:16
Or do you have this visionビジョン
that the knowledge知識 that you get
279
784166
3911
それとも 初期に解析された
限られた人数からの知識が
13:20
from the pioneersパイオニア
280
788101
1352
素早く広まって
13:21
can actually実際に be
prettyかなり quickly早く disseminated頒布された
281
789477
2096
より広範な人々に
13:23
to help a broaderより広い setセット of recipients受信者?
282
791597
4124
恩恵が及ぶとお考えですか?
13:27
Jun6月 Wangワン: Well, good question質問.
283
795745
1534
ジュン・ワング:良い質問ですね
13:29
I'll tell you that sevenセブン years ago,
when I co-founded共同設立 BGIBGI,
284
797303
3551
7年前のことです
私がBGIを共同設立し
13:32
and servedサービスされた as the CEO最高経営責任者(CEO)
of the company会社 there,
285
800878
3405
最高経営責任者(CEO)を務めていた時
13:36
the only goalゴール there for me to do
286
804307
2381
その時点での私の唯一の目標は
13:38
was to driveドライブ the sequencingシークエンシング costコスト down.
287
806712
1983
遺伝子解析コストを引き下げることでした
13:41
It started開始した from 100 million百万 dollarsドル
per〜ごと human人間 genomeゲノム.
288
809044
2775
ヒトジノム1人分あたり
1億ドルから始まり
13:43
Now, it's a coupleカップル hundred dollarsドル
for a human人間 genomeゲノム.
289
811843
2591
今や ヒトジノム解析は数百ドルです
13:46
The only reason理由 to do it
is to get more people to benefit利益 from it.
290
814458
3614
より多くの人々が
その恩恵を受けられる事が目標です
13:50
So for the digitalデジタル me,
it's the same同じ thing.
291
818378
2157
「デジタルの私」についても同じことです
13:52
Now, you probably多分 need,
292
820559
1489
おそらく—
13:54
you know, one million百万 dollarsドル
to digitizeデジタル化する a person.
293
822072
3229
1人をデジタル化するのに
100万ドルはかかるでしょう
13:57
I think it has to be 100 dollarsドル.
294
825801
1675
これは100ドルになるべきです
13:59
It has to be free無料 for manyたくさんの of those people
that urgently緊急に need that.
295
827987
4049
そして緊急にそれを必要とする人々が
無料で使えるべきです
14:04
So this is our goalゴール.
296
832372
1267
これが私たちの目標です
14:05
And it seems思われる that with all
this merging合併 of the technology技術,
297
833993
3423
こうした技術の統合が起こる事によって
14:09
I'm thinking考え that in the very near近く future未来,
298
837440
2592
非常に近い将来—
14:12
let's say three to five years,
299
840056
2365
3年から5年後に
14:14
it will come to reality現実.
300
842445
1482
それが現実になると考えています
14:15
And this is the whole全体 ideaアイディア
of why I founded設立 iCarbonXiCarbonX,
301
843951
3979
そしてこれが
iCarbonX を設立した理由でした
14:19
my second二番 company会社.
302
847954
1219
私の2つめの会社です
14:21
It's really trying試す to get the costコスト down
303
849197
2868
コストダウンに注力して
14:24
to a levelレベル where everyすべて individual個人
could have the benefit利益.
304
852089
3420
皆が利用できるよう努力しています
14:27
CACA: All right, so the dream is not
eliteエリート health健康 servicesサービス for few少数,
305
855533
3048
クリス:なるほど 夢はエリートだけの
ヘルスサービスではなく
14:30
it's to really try
306
858605
1234
皆のためのもので
14:31
and actually実際に make overall全体 health健康 careお手入れ
much more costコスト effective効果的な --
307
859863
3111
そして医療全体の費用効率を
高めるものなんですね
14:34
JWJW: But we started開始した
from some early早い adoptersアダプター,
308
862998
2430
ジュン:我々はこのアイデアを信じる
14:37
people believing信じる ideasアイデア and so on,
309
865452
2506
何人かの人々から始めましたが
14:39
but eventually最終的に, it will become〜になる
everybody'sみんな benefit利益.
310
867982
3642
結局 これはみんなの利益になるでしょう
14:44
CACA: Well, Jun6月, I think
it's got to be true真実 to say
311
872303
2333
クリス:ジュン 本当にこう言えると思います
14:46
you're one of the most最も amazing素晴らしい
scientific科学的 minds on the planet惑星,
312
874660
2958
あなたは地球上で最も素晴らしい
科学者の1人ですね
14:49
and it's an honor名誉 to have you.
313
877642
1429
ご登壇頂いて光栄です
14:51
JWJW: Thank you.
314
879095
1158
ジュン:ありがとうございます
14:52
(Applause拍手)
315
880277
1150
(拍手)
Translated by Eriko T.
Reviewed by Masaki Yanagishita

▲Back to top

ABOUT THE SPEAKER
Jun Wang - Genomics researcher
At iCarbonX, Jun Wang aims to establish a big data platform for health management.

Why you should listen

In 1999, Jun Wang founded the Bioinformatics Department of Beijing Genomics Institute (BGI, now known as BGI Shenzhen), one of China’s premier research facilities. Until July 2015, Wang led the institution of 5,000+ people engaged in studies of genomics and its informatics, including genome assembly, annotation, expression, comparative genomics, molecular evolution, transcriptional regulation, genome variation analysis, database construction as well as methodology development such as the sequence assembler and alignment tools. He also focuses on interpretation of the definition of "gene" by expression and conservation study. In 2003, Wang was also involved in the SARS genome analysis and the silkworm genome assembly and analysis in cooperation with Chinese Southeast Agricultural University. The Pig Genome Project was completed at BGI under his leadership, as well as the chicken genome variation map and the TreeFam in collaboration with the Sanger Institute. In 2007, he and his group finished the first Asian diploid genome, the 1000 genome project, and many more projects. He initiated the "million genomes project" which seeks to better understand health based on human, plant, animal and micro-ecosystem genomes.

In late 2015, Wang founded a new institute/company, iCarbonX, aiming to develop an artificial intelligence engine to interpret and mine multiple health-related data and help people better manage their health and defeat disease.

More profile about the speaker
Jun Wang | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee