ABOUT THE SPEAKER
Irina Kareva - Theoretical biologist
Irina 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.


More profile about the speaker
Irina Kareva | Speaker | TED.com
TED@Merck KGaA, Darmstadt, Germany

Irina Kareva: Math can help uncover cancer's secrets

イリーナ・カリヴァ: 数学が解明するがんの秘密

Filmed:
1,223,313 views

イリーナ・カリヴァは生物学と数学の間の翻訳をしています。がんの動態を記述する数学モデルを作ることで、腫瘍を標的にした新薬の開発を目指しています。カリヴァは言います。「数学的モデルの偉力と美は、それが私たちが知っていると思うことを厳密な形で定式化させる点にあります。どこに目を向けるべきか、どこが行き止まりかを指し示してくれるのです」。そしてそのためにするのは、正しい質問を問い、適切な方程式に書き直し、その結果に生物学的意味付けをするということなのです。
- Theoretical biologist
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翻訳者.
0
549
1243
私は「翻訳者」です
00:14
I translate翻訳する from biology生物学 into mathematics数学
1
2514
3191
生物学から数学へ
またその逆の
「翻訳」をします
00:17
and vice versaその逆.
2
5729
1150
私は数学的なモデルを
作っていて—
00:19
I write書きます mathematical数学 modelsモデル
3
7588
1790
00:21
whichどの, in my case場合, are systemsシステム
of differentialディファレンシャル equations方程式,
4
9402
2847
私の場合 微分方程式ですが
それで細胞の成長のような
00:24
to describe説明する biological生物学的 mechanismsメカニズム,
5
12273
1947
生物学的メカニズムを記述します
00:26
suchそのような as cell細胞 growth成長.
6
14244
1158
基本的には こんな感じです
00:28
Essentially本質的に, it works作品 like this.
7
16122
1848
まず あるメカニズムを
動かしているものが何か
00:30
First, I identify識別する the keyキー elements要素
8
18573
2469
00:33
that I believe mayかもしれない be driving運転
behavior動作 over time
9
21066
2777
その基本的要素を
00:35
of a particular特に mechanism機構.
10
23867
1539
探し出します
00:38
Then, I formulate公式化する assumptions仮定
11
26230
1891
それから それらの要素が
00:40
about how these elements要素
interact相互作用する with each other
12
28145
2886
お互い同士や周囲と
どう相互作用するか
仮説を立てます
00:43
and with their彼らの environment環境.
13
31055
1337
00:44
It mayかもしれない look something like this.
14
32916
1772
たとえば こんな感じです
00:46
Then, I translate翻訳する
these assumptions仮定 into equations方程式,
15
34712
3317
さらに その仮定を
方程式に書き直します
00:50
whichどの mayかもしれない look something like this.
16
38610
1824
たとえば こんな感じの
最後にその方程式を分析し
00:53
Finally最後に, I analyze分析する my equations方程式
17
41434
1890
00:55
and translate翻訳する the results結果 back
into the language言語 of biology生物学.
18
43348
3101
結果を 生物学の言葉へと
翻訳します
数学的モデルを作る上で
重要なポイントは
01:00
A keyキー aspectアスペクト of mathematical数学 modelingモデリング
19
48156
2420
01:02
is that we, as modelersモデラー,
do not think about what things are;
20
50600
3908
物事が何であるかを
考えるのではなく
その挙動を
考えるということです
01:06
we think about what they do.
21
54532
1855
01:08
We think about relationships関係
betweenの間に individuals個人,
22
56411
2489
対象が細胞であれ
動物や人間であれ
01:10
whetherかどうか they be cells細胞, animals動物 or people,
23
58924
2886
各要素の間の関係が
どうなっているのか
互いや周囲に対して
どう相互作用するのかを考えるんです
01:13
and how they interact相互作用する with each other
and with their彼らの environment環境.
24
61834
3048
01:17
Let me give you an example.
25
65639
1340
例を挙げましょう
01:19
What do foxesキツネ and immune免疫 cells細胞
have in common一般?
26
67719
3803
キツネと免疫細胞に
共通するものは何でしよう?
どちらも捕食者だということです
01:24
They're bothどちらも predators捕食者,
27
72793
1459
01:26
exceptを除いて foxesキツネ feedフィード on rabbitsウサギ,
28
74744
2723
違うのは キツネが
食べるのはウサギで
01:29
and immune免疫 cells細胞 feedフィード on invaders侵略者,
suchそのような as cancer cells細胞.
29
77491
3330
免疫細胞が食べるのは
がん細胞のような侵略者だという点です
01:33
But from a mathematical数学 pointポイント of view見る,
30
81273
2345
でも数学的な視点からすると
01:35
a qualitatively定性的に same同じ systemシステム
of predator-prey捕食者 - 獲物 typeタイプ equations方程式
31
83642
4156
質的には 同じ捕食者-被捕食者の
関係を表す方程式によって
キツネとウサギの関係も
01:39
will describe説明する interactionsインタラクション
betweenの間に foxesキツネ and rabbitsウサギ
32
87822
3245
がんと免疫細胞の関係も
表せます
01:43
and cancer and immune免疫 cells細胞.
33
91091
1774
捕食者-被捕食者の
システムについては
01:45
Predator-prey捕食者-被食者 typeタイプ systemsシステム
have been studied研究した extensively広く
34
93609
2708
研究論文がたくさんあり
01:48
in scientific科学的 literature文献,
35
96341
1269
2つの集団の一方の生存が
他方を食べることに依存する場合の
01:49
describing記述 interactionsインタラクション
of two populations人口,
36
97634
2378
01:52
where survival生存 of one depends依存する
on consuming消費する the other.
37
100036
2775
相互作用として記述されています
01:55
And these same同じ equations方程式
provide提供する a frameworkフレームワーク
38
103485
2620
それと同じ方程式が
がんと免疫細胞の相互作用を
理解する枠組みを与えてくれ
01:58
for understanding理解
cancer-immuneがん免疫 interactionsインタラクション,
39
106129
2311
02:00
where cancer is the prey獲物,
40
108464
1841
そこでは がんが被捕食者
02:02
and the immune免疫 systemシステム is the predator捕食者.
41
110329
2372
免疫細胞が捕食者です
02:04
And the prey獲物 employs従業員 all sortsソート of tricksトリック
to prevent防ぐ the predator捕食者 from killing殺す it,
42
112725
4032
被捕食者は捕食者に殺されまいとして
あらゆることをします
02:08
ranging範囲 from camouflagingカモフラージュ itself自体
43
116781
1820
自らを偽装することから
02:10
to stealing窃盗 the predator's捕食者の foodフード.
44
118625
1839
捕食者の食べ物を
盗むことまで
02:13
This can have some very
interesting面白い implications意義.
45
121352
2562
これは いろいろ面白いことを
意味し得ます
たとえば 免疫療法は
大きな成功を収めていますが
02:15
For example, despite何と enormous巨大な successes成功
in the fieldフィールド of immunotherapy免疫療法,
46
123938
4822
固形腫瘍に関しては
02:20
there still remains残っている
somewhat幾分 limited限られた efficacy効能
47
128784
2461
依然 限定的な効果しか
上げていません
02:23
when it comes来る solid固体 tumors腫瘍.
48
131269
1542
しかし生態学的に考えるなら
02:25
But if you think about it ecologically生態学的に,
49
133423
2559
がんと免疫細胞—
02:28
bothどちらも cancer and immune免疫 cells細胞 --
50
136006
2090
被捕食者と捕食者は
02:30
the prey獲物 and the predator捕食者 --
51
138120
1600
02:31
require要求する nutrients栄養素
suchそのような as glucoseグルコース to survive生き残ります.
52
139744
3031
いずれも生存のために
ブドウ糖のような栄養を必要とします
腫瘍微小環境で共有されている
栄養の獲得において
02:35
If cancer cells細胞 outcompete競技者
the immune免疫 cells細胞 for shared共有 nutrients栄養素
53
143358
4789
もし がん細胞が
免疫細胞に勝るなら
02:40
in the tumor腫瘍 microenvironment微環境,
54
148171
1793
免疫細胞は その機能を
果たせなくなります
02:41
then the immune免疫 cells細胞 will physically物理的に
not be ableできる to do their彼らの jobジョブ.
55
149988
3414
この「捕食者と被捕食者が共有するリソース」
という形のモデルが
02:46
This predator-prey-sharedプレデターの獲物共有
resourceリソース typeタイプ modelモデル
56
154291
2868
02:49
is something I've worked働いた on
in my own自分の research研究.
57
157183
2297
私が研究で
取り組んできたものです
02:51
And it was recently最近 shown示された experimentally実験的に
58
159504
2724
最近 実験的に示されたことですが
腫瘍微小環境の
代謝のバランスを回復すると—
02:54
that restoring復元する the metabolicK K K K balanceバランス
in the tumor腫瘍 microenvironment微環境 --
59
162252
4054
つまり 免疫細胞がちゃんと
食べ物を得られるようにすると
02:58
that is, making作る sure
immune免疫 cells細胞 get their彼らの foodフード --
60
166330
3531
03:01
can give them, the predators捕食者, back
their彼らの edgeエッジ in fighting戦う cancer, the prey獲物.
61
169885
5245
免疫細胞は 被捕食者であるがんとの戦いで
優位を取り戻せるのです
03:08
This means手段 that if you abstract抽象 a bitビット,
62
176440
2339
すこし抽象化するなら
がん組織そのものが
1つの生態系と見なせ
03:10
you can think about cancer itself自体
as an ecosystem生態系,
63
178803
2955
03:13
where heterogeneous不均質な populations人口 of cells細胞
compete競争する and cooperate協力する
64
181782
4287
その中で 異なる種類の細胞が
場所と栄養を求めて
競合や協力をし
03:18
for spaceスペース and nutrients栄養素,
65
186093
2017
捕食者である免疫システムと
渡り合ったり
03:20
interact相互作用する with predators捕食者 --
the immune免疫 systemシステム --
66
188134
2672
移動 つまり転移をしたり
しているということで
03:22
migrate移行する -- metastases転移 --
67
190830
2241
03:25
all within以内 the ecosystem生態系
of the human人間 body.
68
193095
2467
すべてが人体という
生態系の中で起こっているわけです
保全生物学の知見から 多くの生態系について
言えることは何でしょう?
03:28
And what do we know about most最も
ecosystems生態系 from conservation保全 biology生物学?
69
196221
3869
03:32
That one of the bestベスト ways方法
to extinguish消す species
70
200643
2852
種を絶滅させるには
03:35
is not to targetターゲット them directly直接
71
203519
1952
直接それを狙うよりも
03:37
but to targetターゲット their彼らの environment環境.
72
205495
2439
その環境を狙うほうが
効果的だということです
03:40
And so, once一度 we have identified特定された
the keyキー componentsコンポーネント
73
208880
3070
だから腫瘍環境の
主要な要素を特定できれば
03:43
of the tumor腫瘍 environment環境,
74
211974
1644
03:45
we can propose提案する hypotheses仮説
75
213642
1948
仮説の作成や
03:47
and simulateシミュレートする scenariosシナリオ
and therapeutic治療的 interventions介入
76
215614
3294
シナリオや治療法の
シミュレーションが
03:50
all in a completely完全に safe安全
and affordable手頃な価格 way
77
218932
3425
まったく安全で
安価に行えるようになり
03:54
and targetターゲット different異なる componentsコンポーネント
of the microenvironment微環境
78
222381
3369
微小環境の様々な要素を
標的にして
03:57
in suchそのような a way as to kill殺します the cancer
withoutなし harming害を与える the hostホスト,
79
225774
3996
がんだけを殺し
私や皆さんのような宿主を
傷つけない方法を探れます
04:01
suchそのような as me or you.
80
229794
1570
04:05
And so while the immediate即時
goalゴール of my research研究
81
233029
3002
私の研究の直接の目的は
04:08
is to advance前進 research研究 and innovation革新
82
236055
2266
研究やイノベーションを進め
04:10
and to reduce減らす its costコスト,
83
238345
1896
コストを下げることですが
04:12
the realリアル intent意図, of courseコース,
is to saveセーブ lives人生.
84
240265
2517
本当の目的は
人の命を救うことなんです
04:15
And that's what I try to do
85
243278
1771
私はそれを
数学的モデルを生物学—
特に薬の開発に適用することで
04:17
throughを通して mathematical数学 modelingモデリング
applied適用された to biology生物学,
86
245073
2747
04:19
and in particular特に,
to the development開発 of drugs薬物.
87
247844
2471
行おうとしています
04:22
It's a fieldフィールド that until〜まで relatively比較的
recently最近 has remained残った somewhat幾分 marginal限界的,
88
250895
4056
この分野は比較的最近まで
あまり注目されてはいませんでしたが
04:26
but it has matured成熟した.
89
254975
1452
今や 成熟していて
04:28
And there are now very well-developedよく発達した
mathematical数学 methodsメソッド,
90
256451
3149
とても発展した
数学的手法があり
無料のものも含め
04:31
a lot of preprogrammed事前にプログラム toolsツール,
91
259624
1899
沢山のソフトウェアが
作られていて
04:33
includingを含む free無料 onesもの,
92
261547
1496
04:35
and an ever-increasing増え続ける amount
of computational計算上の powerパワー available利用可能な to us.
93
263067
4047
使える計算能力は
日々増え続けています
04:40
The powerパワー and beauty美しさ
of mathematical数学 modelingモデリング
94
268718
3399
数学的モデルの偉力と美は
私たちが
知っていると思うことを
04:44
lies in the fact事実
that it makes作る you formalize正式化する,
95
272141
2641
04:46
in a very rigorous厳しい way,
96
274806
2087
厳密な形で
定式化できる点にあります
04:48
what we think we know.
97
276917
1465
04:50
We make assumptions仮定,
98
278904
1444
私たちが仮説を作り
04:52
translate翻訳する them into equations方程式,
99
280372
1568
それを方程式に書き直し
シミュレーションを
実行するとき
04:53
run走る simulationsシミュレーション,
100
281964
1311
04:55
all to answer回答 the question質問:
101
283299
1773
1つの疑問に
答えようとしています
04:57
In a world世界 where my assumptions仮定 are true真実,
102
285096
2246
自分の仮説が
正しいとしたら
04:59
what do I expect期待する to see?
103
287366
1570
何を見ることになるか?
05:01
It's a prettyかなり simple単純 conceptual概念的な frameworkフレームワーク.
104
289890
2086
これはすごくシンプルな
概念的枠組みです
05:04
It's all about asking尋ねる the right questions質問.
105
292000
2226
まず正しい質問を問うことが
何より重要ですが
05:06
But it can unleash解き放つ numerous多数 opportunities機会
for testingテスト biological生物学的 hypotheses仮説.
106
294603
4095
これは生物学的な仮説をテストする
多くの機会をもたらしてくれます
もしモデルから予測されることが
観察と一致するなら素晴らしいです
05:11
If our predictions予測 match一致 our observations観察,
107
299696
2600
05:14
great! -- we got it right,
so we can make furtherさらに predictions予測
108
302320
3027
モデルがうまく
機能しているということで
モデルのそこかしこを変えて
さらに予測をすることができます
05:17
by changing変化 this or that
aspectアスペクト of the modelモデル.
109
305371
2560
05:20
If, howeverしかしながら, our predictions予測
do not match一致 our observations観察,
110
308733
3700
でも予測が
観察と一致しないなら
仮定がどこか
間違っていることを意味し
05:24
that means手段 that some
of our assumptions仮定 are wrong違う,
111
312457
2585
05:27
and so our understanding理解
of the keyキー mechanismsメカニズム
112
315066
2433
背後にある生物学的
メカニズムの理解が
05:29
of underlying根底にある biology生物学
113
317523
1439
どこかまだ
不完全だということです
05:30
is still incomplete不完全な.
114
318986
1270
05:32
Luckily幸いにも, since以来 this is a modelモデル,
115
320829
2362
さいわい これはモデルなので
あらゆる仮定を
制御できます
05:35
we controlコントロール all the assumptions仮定.
116
323215
1889
05:37
So we can go throughを通して them, one by one,
117
325128
2140
だから仮定の
1つひとつをチェックして
05:39
identifying識別 whichどの one or onesもの
are causing原因 the discrepancy不一致.
118
327292
3829
どこで齟齬が生じているのか
特定できます
05:43
And then we can fill埋める this newly新しく
identified特定された gapギャップ in knowledge知識
119
331637
3356
新たに見つかった
知識の穴を埋めるには
実験的手段と 理論的手段の
両方が使えます
05:47
usingを使用して bothどちらも experimental実験的
and theoretical理論的 approachesアプローチ.
120
335017
2715
05:50
Of courseコース, any ecosystem生態系
is extremely極端な complex複合体,
121
338699
2821
もちろん生態系は
皆とても複雑なものなので
05:53
and trying試す to describe説明する all the moving動く
parts部品 is not only very difficult難しい,
122
341544
3843
あらゆる変動要因を記述しようとするのは
大変なだけでなく
05:57
but alsoまた、 not very informative有益な.
123
345411
1662
あまり役にも立ちません
05:59
There's alsoまた、 the issue問題 of timescalesタイムスケール,
124
347518
2066
時間的尺度の問題もあります
06:01
because some processesプロセス take place場所
on a scale規模 of seconds, some minutes,
125
349608
3668
プロセスによって
数秒間のものもあれば
数分 数日 数年の
ものまであります
06:05
some days日々, months数ヶ月 and years.
126
353300
1948
06:07
It mayかもしれない not always be possible可能
to separate別々の those out experimentally実験的に.
127
355272
3199
実際の実験で それを取り出すのは
必ずしも可能ではありません
また あまりに早く あるいは
あまりにゆっくりと起きるため
06:11
And some things happen起こる
so quickly早く or so slowlyゆっくり
128
359143
3384
06:14
that you mayかもしれない physically物理的に
never be ableできる to measure測定 them.
129
362551
2720
物理的に計測することが
できないかもしれません
06:17
But as mathematicians数学者,
130
365295
2288
でも数学者には
どんな時間尺度の どんなサブシステムにも
焦点を合わせられるし
06:19
we have the powerパワー to zoomズーム in
on any subsystemサブシステム in any timescaleタイムスケール
131
367607
5645
06:25
and simulateシミュレートする effects効果 of interventions介入
132
373276
2124
どんな時間尺度で起きる
効果だろうと
06:27
that take place場所 in any timescaleタイムスケール.
133
375424
2701
シミュレーションできます
06:31
Of courseコース, this isn't the work
of a modelerモデラー alone単独で.
134
379942
2934
もちろん これはモデル作成者が
単独でやることではなく
06:34
It has to happen起こる in close閉じる
collaborationコラボレーション with biologists生物学者.
135
382900
3289
生物学者との密な協力の元で
行う必要があります
06:38
And it does demandデマンド
some capacity容量 of translation翻訳
136
386213
3004
そして どちらの側にも
ある程度の翻訳能力が
求められます
06:41
on bothどちらも sides両側.
137
389241
1204
06:43
But starting起動 with a theoretical理論的
formulation処方 of a problem問題
138
391550
3788
問題を理論的に
数式化することで
06:47
can unleash解き放つ numerous多数 opportunities機会
for testingテスト hypotheses仮説
139
395362
3497
仮説のテストや
シナリオや治療のシミュレーションを
06:50
and simulatingシミュレートする scenariosシナリオ
and therapeutic治療的 interventions介入,
140
398883
3239
まったく安全に行えるという
06:54
all in a completely完全に safe安全 way.
141
402146
2070
多くの可能性が開けます
06:56
It can identify識別する gaps隙間 in knowledge知識
and logical論理的 inconsistencies不一致
142
404977
5175
どこに知識の穴や
論理的非一貫性があるかを特定でき
07:02
and can help guideガイド us
as to where we should keep looking
143
410176
2839
どこに目を向けるべきか
07:05
and where there mayかもしれない be a deadデッド end終わり.
144
413039
1895
どこが行き止まりかを
指し示してくれるのです
07:07
In other words言葉:
145
415632
1247
別の言い方をすると
07:08
mathematical数学 modelingモデリング
can help us answer回答 questions質問
146
416903
3494
数学的モデルが
人の健康に直接関わる疑問に答える
助けになるということです
07:12
that directly直接 affect影響を与える people's人々の health健康 --
147
420421
2388
07:15
that affect影響を与える each
person's health健康, actually実際に --
148
423942
2704
個々人の健康と言った方が
良いかもしれません
07:18
because mathematical数学 modelingモデリング will be keyキー
149
426670
2676
数学的モデルが
オーダーメード医療を推進する
鍵になるからです
07:21
to propelling推進 personalizedパーソナライズド medicine医学.
150
429370
1834
07:24
And it all comes来る down
to asking尋ねる the right question質問
151
432112
3067
そして そのためにするのは
正しい質問を問い
07:27
and translating翻訳する it
to the right equation方程式 ...
152
435711
2075
適切な方程式を作り
それを生物学的に
意味付けるということです
07:30
and back.
153
438670
1150
07:32
Thank you.
154
440533
1151
ありがとうございました
07:33
(Applause拍手)
155
441708
3299
(拍手)
Translated by Yasushi Aoki
Reviewed by Masaki Yanagishita

▲Back to top

ABOUT THE SPEAKER
Irina Kareva - Theoretical biologist
Irina 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.


More profile about the speaker
Irina Kareva | 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