TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: Wiskunde kan helpen met het blootleggen van de geheimen van kanker
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva vertaalt biologie naar wiskunde en weer terug. Ze schrijft wiskundige modellen die de dynamiek van kankercellen beschrijven, met als doel de ontwikkeling van nieuwe medicijnen om tumoren te bestrijden. Zij stelt dat wiskundige modellen kunnen helpen om heel concreet te formuleren wat we denken te weten. Ze kunnen laten zien waar de gaten in onze huidige kennis liggen, waar we nog verder onderzoek naar moeten verrichten en welke sporen juist dood zullen lopen. Het komt er volgens Kareva op neer, de juiste vraag te stellen, deze te vertalen naar de juiste vergelijking, en vervolgens weer terug.
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
Ik ben een vertaler.
Ik vertaal van biologie naar wiskunde
00:14
I translate from biology into mathematics
1
2514
3191
en andersom.
00:17
and vice versa.
2
5729
1150
Ik schrijf wiskundige modellen;
00:19
I write mathematical models
3
7588
1790
in mijn geval: stelsels
van differentiaalvergelijkingen
van differentiaalvergelijkingen
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
om biologische mechanismen,
zoals celgroei te beschrijven.
zoals celgroei te beschrijven.
00:24
to describe biological mechanisms,
5
12273
1947
00:26
such as cell growth.
6
14244
1158
In principe werkt het als volgt:
00:28
Essentially, it works like this.
7
16122
1848
eerst stel ik de hoofdelementen vast
00:30
First, I identify the key elements
8
18573
2469
die gedurende een bepaalde periode
het gedrag bepalen
het gedrag bepalen
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
van een bepaald mechanisme.
00:35
of a particular mechanism.
10
23867
1539
Vervolgens formuleer ik veronderstellingen
00:38
Then, I formulate assumptions
11
26230
1891
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
over de interactie tussen de variabelen
en de interactie met hun omgeving.
00:43
and with their environment.
13
31055
1337
Dat kan er zo uitzien.
00:44
It may look something like this.
14
32916
1772
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
De veronderstellingen vertaal
ik naar vergelijkingen.
ik naar vergelijkingen.
En dat kan er zo uitzien.
00:50
which may look something like this.
16
38610
1824
Tot slot analyseer ik mijn vergelijkingen
00:53
Finally, I analyze my equations
17
41434
1890
en vertaal ik de resultaten terug
naar de taal van de biologie.
naar de taal van de biologie.
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
Een basisprincipe van
wiskundig modelleren
wiskundig modelleren
01:00
A key aspect of mathematical modeling
19
48156
2420
is dat wij niet focussen
op wat dingen zijn,
op wat dingen zijn,
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
maar op wat ze doen.
01:06
we think about what they do.
21
54532
1855
We denken na over
relaties tussen individuen,
relaties tussen individuen,
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
of het nu cellen,
dieren of mensen zijn,
dieren of mensen zijn,
01:10
whether they be cells, animals or people,
23
58924
2886
en hoe ze onderling en
met hun omgeving communiceren.
met hun omgeving communiceren.
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
Een voorbeeld:
01:17
Let me give you an example.
25
65639
1340
wat hebben vossen en immuuncellen gemeen?
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
Het zijn beide predatoren,
01:24
They're both predators,
27
72793
1459
01:26
except foxes feed on rabbits,
28
74744
2723
alleen jagen vossen op konijnen
en immuuncellen op indringers,
zoals kankercellen.
zoals kankercellen.
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
Vanuit een wiskundige perspectief
01:33
But from a mathematical point of view,
30
81273
2345
kan een kwalitatief identiek type
predator-prooivergelijking
predator-prooivergelijking
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
zowel de interacties beschrijven
tussen vossen en konijnen,
tussen vossen en konijnen,
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
als tussen kanker- en immuuncellen.
01:43
and cancer and immune cells.
33
91091
1774
Predator-prooirelaties
zijn uitgebreid onderzocht
zijn uitgebreid onderzocht
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
in wetenschappelijke literatuur.
01:48
in scientific literature,
35
96341
1269
Ze beschrijven interacties tussen twee
populaties,
populaties,
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
waarbij de een overleeft
door de ander te consumeren.
door de ander te consumeren.
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
Dezelfde vergelijkingen bieden een kader
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
voor het begrijpen van
kanker-immuun interacties
kanker-immuun interacties
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
waar de kanker de prooi is
02:00
where cancer is the prey,
40
108464
1841
en het immuunsysteem de predator.
02:02
and the immune system is the predator.
41
110329
2372
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
De prooi gebruikt allerlei trucks om te
voorkomen dat de predator hem doodt.
voorkomen dat de predator hem doodt.
Variërend van camouflage
02:08
ranging from camouflaging itself
43
116781
1820
tot voedsel stelen van de predator.
02:10
to stealing the predator's food.
44
118625
1839
Dit kan interessante
gevolgen hebben.
gevolgen hebben.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
Bijvoorbeeld:
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
ondanks grote successen
in de immunotherapie
in de immunotherapie
is er nog steeds een beperkte werkzaamheid
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
als het om tumoren gaat.
02:23
when it comes solid tumors.
48
131269
1542
Maar ecologisch gezien,
02:25
But if you think about it ecologically,
49
133423
2559
hebben zowel kanker- als immuuncellen,
02:28
both cancer and immune cells --
50
136006
2090
de prooi en de predator,
02:30
the prey and the predator --
51
138120
1600
voedingsstoffen zoals glucose nodig
om te overleven.
om te overleven.
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
Als de kankercellen zoveel
nutriënten opnemen
nutriënten opnemen
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
dat er rond de tumor een tekort ontstaat
voor de immuuncellen,
voor de immuuncellen,
02:40
in the tumor microenvironment,
54
148171
1793
dan zijn deze niet in staat om
hun werk te doen.
hun werk te doen.
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
Dit predator-prooimodel waarbij
hulpbronnen gedeeld worden,
hulpbronnen gedeeld worden,
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
heb ik zelf onderzocht.
Uit experimenten is pas gebleken
02:51
And it was recently shown experimentally
58
159504
2724
dat herstel van de metabolische balans
in het micromilieu van de tumor
in het micromilieu van de tumor
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
oftewel: zorgen voor genoeg voedsel
voor de immuuncellen,
voor de immuuncellen,
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
hen, de predatoren, hun voorsprong
teruggeeft op de kanker: de prooi.
teruggeeft op de kanker: de prooi.
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
Maken we dit abstract
03:08
This means that if you abstract a bit,
62
176440
2339
dan kun je kanker zien als een ecosysteem
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
waar heterogene populaties cellen
concurreren en samenwerken
concurreren en samenwerken
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
om ruimte en nutriënten te verkrijgen,
03:18
for space and nutrients,
65
186093
2017
communiceren met predatoren:
het immuunsysteem,
het immuunsysteem,
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
migreren: metastase,
03:22
migrate -- metastases --
67
190830
2241
allemaal binnen het ecosysteem
van het menselijk lichaam.
van het menselijk lichaam.
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
En wat weten we over de meeste ecosystemen
vanuit de 'conservation biology'?
vanuit de 'conservation biology'?
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
Een van de beste manieren
om soorten te doen uitsterven
om soorten te doen uitsterven
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
is niet het direct aanvallen van de soort,
03:35
is not to target them directly
71
203519
1952
03:37
but to target their environment.
72
205495
2439
maar beïnvloeding van hun omgeving.
Als we de hoofdfactoren
hebben vastgesteld
hebben vastgesteld
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
in de omgeving van de tumor,
03:43
of the tumor environment,
74
211974
1644
kunnen we hypotheses opstellen
03:45
we can propose hypotheses
75
213642
1948
en scenario's en
therapeutische ingrepen simuleren
therapeutische ingrepen simuleren
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
op volledig veilige en betaalbare wijze
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
en verschillende componenten
van de omgeving aanvallen
van de omgeving aanvallen
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
om de kanker te doden zonder de gastheer,
zoals jij of ik, kwaad te doen.
zoals jij of ik, kwaad te doen.
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
04:01
such as me or you.
80
229794
1570
Al is het hoofddoel van mijn onderzoek
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
04:08
is to advance research and innovation
82
236055
2266
het verbeteren van onderzoek en innovatie
en de kosten hiervan te verminderen,
04:10
and to reduce its cost,
83
238345
1896
de echte intentie is natuurlijk:
het redden van levens.
het redden van levens.
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
En dat probeer ik te doen
04:15
And that's what I try to do
85
243278
1771
met het toepassen van wiskundige
modellen op de biologie
modellen op de biologie
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
en vooral op de
ontwikkeling van medicijnen.
ontwikkeling van medicijnen.
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
Het is een tot voor kort
vrij marginaal onderzoeksgebied,
vrij marginaal onderzoeksgebied,
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
maar het is gegroeid.
04:26
but it has matured.
89
254975
1452
Nu zijn er goed ontwikkelde
wiskundige methodes,
wiskundige methodes,
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
veel voorgeprogrammeerde tools,
04:31
a lot of preprogrammed tools,
91
259624
1899
waarvan sommige zelfs gratis
04:33
including free ones,
92
261547
1496
en een immer toenemende
hoeveelheid computercapaciteit.
hoeveelheid computercapaciteit.
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
De kracht en schoonheid
van wiskundig modelleren
van wiskundig modelleren
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
zit hem in het feit dat het ons
op rigoureuze wijze doet formaliseren
op rigoureuze wijze doet formaliseren
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
04:46
in a very rigorous way,
96
274806
2087
wat we denken te weten.
04:48
what we think we know.
97
276917
1465
We veronderstellen iets,
04:50
We make assumptions,
98
278904
1444
vertalen dat in vergelijkingen,
04:52
translate them into equations,
99
280372
1568
draaien simulaties,
04:53
run simulations,
100
281964
1311
voor het antwoord op de vraag:
04:55
all to answer the question:
101
283299
1773
in een wereld waarin
mijn aannames waar zijn,
mijn aannames waar zijn,
04:57
In a world where my assumptions are true,
102
285096
2246
wat verwacht ik daar te zien?
04:59
what do I expect to see?
103
287366
1570
Het is een simpel conceptueel kader.
05:01
It's a pretty simple conceptual framework.
104
289890
2086
Het gaat erom de juiste vraag te stellen.
05:04
It's all about asking the right questions.
105
292000
2226
Het biedt echter veel mogelijkheden
om biologische hypotheses te testen.
om biologische hypotheses te testen.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Als onze voorspellingen matchen
met onze waarnemingen
met onze waarnemingen
05:11
If our predictions match our observations,
107
299696
2600
mooi! -- we hebben gelijk en kunnen
nieuwe voorspellingen doen
nieuwe voorspellingen doen
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
door iets aan een aspect van
het model te veranderen.
het model te veranderen.
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
Als de voorspellingen niet overeenstemmen
met onze waarnemingen
met onze waarnemingen
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
betekent het dat sommige
aannames onjuist zijn
aannames onjuist zijn
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
en is onze kennis van
alle hoofdmechanismen
alle hoofdmechanismen
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
van de onderliggende biologie
05:29
of underlying biology
113
317523
1439
nog niet volledig.
05:30
is still incomplete.
114
318986
1270
Gelukkig, gezien het een model betreft,
05:32
Luckily, since this is a model,
115
320829
2362
controleren wij alle aannames,
05:35
we control all the assumptions.
116
323215
1889
en kunnen we ze één voor één nagaan
05:37
So we can go through them, one by one,
117
325128
2140
om te identificeren welke de
discrepantie veroorzaken.
discrepantie veroorzaken.
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
Dan kunnen we dit nieuw ontdekte
gat in onze kennis gaan vullen
gat in onze kennis gaan vullen
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
met zowel experimentele
als theoretische benaderingen.
als theoretische benaderingen.
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
Gezien ecosystemen erg complex zijn,
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
is het niet alleen erg moeilijk
om alle onderdelen te beschrijven,
om alle onderdelen te beschrijven,
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
maar ook weinig informatief.
05:57
but also not very informative.
123
345411
1662
Dan is er nog het probleem met de tijd;
05:59
There's also the issue of timescales,
124
347518
2066
sommige processen vinden plaats
in secondes, sommige in minuten
in secondes, sommige in minuten
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
sommige in dagen, maanden of jaren.
06:05
some days, months and years.
126
353300
1948
Het is niet altijd mogelijk om deze
experimenteel te scheiden.
experimenteel te scheiden.
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
En sommige dingen gebeuren
zo snel of langzaam
zo snel of langzaam
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
dat we niet in staat zijn om ze te meten.
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
Maar als wiskundigen
06:17
But as mathematicians,
130
365295
2288
kunnen we inzoomen op elk subsysteem
in elke tijdschaal
in elke tijdschaal
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
en effecten van interventies simuleren
06:25
and simulate effects of interventions
132
373276
2124
die plaatsvinden in
elke willekeurige tijdschaal.
elke willekeurige tijdschaal.
06:27
that take place in any timescale.
133
375424
2701
Natuurlijk werkt een modeleerder
hier niet alleen aan.
hier niet alleen aan.
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Dit moet in nauwe samenwerking
met biologen gebeuren.
met biologen gebeuren.
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
Dat vraagt om enig vermogen
tot vertalen
tot vertalen
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
van beide kanten.
06:41
on both sides.
137
389241
1204
Maar beginnen met een theoretische
formulering van een probleem
formulering van een probleem
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
kan veel mogelijkheden opleveren
voor het testen van hypotheses
voor het testen van hypotheses
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
en het simuleren van scenario's en
therapeutische ingrepen
therapeutische ingrepen
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
op een volledig veilige manier.
06:54
all in a completely safe way.
141
402146
2070
Het kan gaten in kennis opsporen
en logische tegenstrijdigheden
en logische tegenstrijdigheden
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
en ons laten zien
waar we verder moeten zoeken
waar we verder moeten zoeken
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
en waar het spoor dood loopt.
07:05
and where there may be a dead end.
144
413039
1895
Met andere woorden:
07:07
In other words:
145
415632
1247
wiskundige systemen kunnen
vragen helpen beantwoorden
vragen helpen beantwoorden
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
die direct invloed hebben
op mensen hun gezondheid,
op mensen hun gezondheid,
07:12
that directly affect people's health --
147
420421
2388
eigenlijk op een ieders gezondheid,
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
omdat wiskundige modellen
de sleutel zullen zijn
de sleutel zullen zijn
07:18
because mathematical modeling will be key
149
426670
2676
tot het personaliseren van medicijnen.
07:21
to propelling personalized medicine.
150
429370
1834
Het komt allemaal neer op
het stellen van de juiste vraag
het stellen van de juiste vraag
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
en deze te vertalen naar
de juiste vergelijking...
de juiste vergelijking...
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
en terug.
07:30
and back.
153
438670
1150
Dank jullie wel.
07:32
Thank you.
154
440533
1151
(Applaus)
07:33
(Applause)
155
441708
3299
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