TED2008
Craig Venter: On the verge of creating synthetic life
Craig Venter está prestes a criar vida sintética
Filmed:
Readability: 4.7
1,196,566 views
"Podemos criar vida a partir do nosso universo digital?" pergunta Craig Venter. A resposta é "sim" -- e logo. Ele apresenta sua mais recente pesquisa e promete que em breve seremos capazes de construir um cromossomo sintético funcional.
Craig Venter - Biologist, genetics pioneer
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels. Full bio
In 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels. Full bio
Double-click the English transcript below to play the video.
00:19
You know, I've talked about some of these projects before --
0
1000
2000
Como sabem, eu já falei sobre alguns desses projetos antes
00:21
about the human genome and what that might mean,
1
3000
4000
sobre o genoma humano e a sua importância
00:25
and discovering new sets of genes.
2
7000
3000
e a descoberta de novos conjuntos de genes.
00:28
We're actually starting at a new point:
3
10000
3000
De fato estamos começando em um novo ponto:
00:31
we've been digitizing biology,
4
13000
4000
nós temos digitalizado a biologia,
00:35
and now we're trying to go from that digital code
5
17000
3000
e agora tentamos ir desse código digital
00:38
into a new phase of biology
6
20000
2000
para uma nova fase na biologia,
00:40
with designing and synthesizing life.
7
22000
3000
projetar e sintetizar vida.
00:43
So, we've always been trying to ask big questions.
8
25000
3000
Então, sempre temos feito grandes perguntas.
00:48
"What is life?" is something that I think many biologists
9
30000
2000
"O que é vida?" é algo que acho que muitos biólogos
00:50
have been trying to understand
10
32000
2000
têm tentado compreender
00:52
at various levels.
11
34000
2000
em vários níveis.
00:54
We've tried various approaches,
12
36000
3000
Nós temos tentado várias abordagens,
00:57
paring it down to minimal components.
13
39000
3000
reduzindo-a aos seus componentes mínimos.
01:01
We've been digitizing it now for almost 20 years;
14
43000
2000
Nós estamos digitalizando isso agora por quase 20 anos.
01:03
when we sequenced the human genome,
15
45000
2000
Quando nós sequenciamos o genoma humano,
01:05
it was going from the analog world of biology
16
47000
3000
partiu-se do mundo análogo da biologia
01:08
into the digital world of the computer.
17
50000
4000
para o mundo digital do computador.
01:12
Now we're trying to ask, "Can we regenerate life
18
54000
4000
Agora tentamos perguntar, podemos regenerar vida,
01:16
or can we create new life
19
58000
2000
ou podemos criar nova vida,
01:18
out of this digital universe?"
20
60000
3000
a partir desse universo digital?
01:21
This is the map of a small organism,
21
63000
3000
Esse é o mapa de um pequeno organismo,
01:24
Mycoplasma genitalium,
22
66000
2000
Mycoplasma genitalium,
01:26
that has the smallest genome for a species
23
68000
3000
que apresenta o menor genoma para uma espécie
01:29
that can self-replicate in the laboratory,
24
71000
3000
que pode se auto-replicar em laboratório.
01:32
and we've been trying to just see if
25
74000
2000
E nós estivemos tentando apenas ver se
01:34
we can come up with an even smaller genome.
26
76000
3000
conseguimos chegar a um genoma ainda menor.
01:38
We're able to knock out on the order of 100 genes
27
80000
2000
Nós somos capazes de eliminar algo em torno de cem genes
01:40
out of the 500 or so that are here.
28
82000
3000
dos cerca de 500 que temos aqui.
01:43
When we look at its metabolic map,
29
85000
2000
Mas quando olhamos para o seu mapa metabólico
01:45
it's relatively simple
30
87000
2000
ele é relativamente simples
01:47
compared to ours --
31
89000
2000
comparado ao nosso.
01:49
trust me, this is simple --
32
91000
2000
Acreditem, isso é simples.
01:51
but when we look at all the genes
33
93000
2000
Mas quando olhamos todos esses genes
01:53
that we can knock out one at a time,
34
95000
3000
que podemos eliminar um por um,
01:56
it's very unlikely that this would yield
35
98000
2000
é pouco provável que isso resultaria
01:58
a living cell.
36
100000
2000
em uma célula viva.
02:01
So we decided the only way forward
37
103000
2000
Então, decidimos que a única maneira de ir adiante
02:03
was to actually synthesize this chromosome
38
105000
3000
era sintetizar esse cromossomo de fato
02:06
so we could vary the components
39
108000
3000
podendo variar os componentes
02:09
to ask some of these most fundamental questions.
40
111000
4000
para contestar algumas dessas questões mais fundamentais.
02:13
And so we started down the road of:
41
115000
2000
E então iniciamos o caminho rumo a,
02:15
can we synthesize a chromosome?
42
117000
3000
"Podemos sintetizar um cromossomo?"
02:19
Can chemistry permit making
43
121000
2000
A química nos permite construir
02:21
these really large molecules
44
123000
2000
essas moléculas realmente grandes
02:23
where we've never been before?
45
125000
2000
algo que nunca fizemos antes?
02:25
And if we do, can we boot up a chromosome?
46
127000
3000
E, se nós fizermos, poderemos ligar um cromossomo?
02:28
A chromosome, by the way, is just a piece of inert chemical material.
47
130000
3000
Um cromossomo, a propósio, é só um pedaço inerte de material químico.
02:32
So, our pace of digitizing life has been increasing
48
134000
3000
Então, nosso ritmo de digitalização da vida tem aumentado
02:35
at an exponential pace.
49
137000
3000
em um ritmo exponencial.
02:38
Our ability to write the genetic code
50
140000
3000
Nossa habilidade em escrever o código genético
02:41
has been moving pretty slowly
51
143000
2000
tem se modificado bem lentamente,
02:43
but has been increasing,
52
145000
3000
mas tem crescido.
02:46
and our latest point would put it on, now, an exponential curve.
53
148000
4000
E nosso último ponto a colocaria numa curva exponencial.
02:51
We started this over 15 years ago.
54
153000
2000
Começamos isso há 15 anos atrás.
02:53
It took several stages, in fact,
55
155000
3000
Levou vários estágios, de fato,
02:56
starting with a bioethical review before we did the first experiments.
56
158000
3000
começando com uma revisão bioética antes de realizarmos os primeiros experimentos.
03:00
But it turns out synthesizing DNA
57
162000
2000
Mas descobriu-se que sintetizar DNA
03:02
is very difficult.
58
164000
2000
é muito difícil.
03:04
There are tens of thousands of machines around the world
59
166000
3000
Há dezenas de milhares de máquinas pelo mundo
03:07
that make small pieces of DNA --
60
169000
2000
que fazem pequenos pedaços de DNA,
03:09
30 to 50 letters in length --
61
171000
3000
segmentos de 30 a 50 letras,
03:12
and it's a degenerate process, so the longer you make the piece,
62
174000
3000
e esse é um processo degenerativo, então quanto maior o pedaço construído,
03:15
the more errors there are.
63
177000
2000
mais erros haverão.
03:17
So we had to create a new method
64
179000
2000
Então tivemos que criar um novo método
03:19
for putting these little pieces together and correct all the errors.
65
181000
3000
para colocar todos esses pequenos pedaços juntos e corrigir todos os erros.
03:23
And this was our first attempt, starting with the digital information
66
185000
3000
E essa foi nossa primeira tentativa, começando com a informação digital
03:26
of the genome of phi X174.
67
188000
2000
do genoma do Phi X 174.
03:28
It's a small virus that kills bacteria.
68
190000
3000
Esse é um pequeno vírus que ataca bactérias.
03:32
We designed the pieces, went through our error correction
69
194000
3000
Nós projetamos os pedaços, passamos pelo nosso corretor de erros,
03:35
and had a DNA molecule
70
197000
2000
e obtemos uma molécula de DNA
03:37
of about 5,000 letters.
71
199000
3000
de cerca de 5.000 letras.
03:40
The exciting phase came when we took this piece of inert chemical
72
202000
4000
A parte empolgante começou quando pegamos esse pedaço de material químico inerte
03:44
and put it in the bacteria,
73
206000
2000
e inserimos em uma bacteria,
03:46
and the bacteria started to read this genetic code,
74
208000
4000
e a bactéria começou a ler esse código genético,
03:50
made the viral particles.
75
212000
2000
fabricando as partículas virais.
03:52
The viral particles then were released from the cells
76
214000
2000
As partículas virais foram então liberadas das células,
03:54
and came back and killed the E. coli.
77
216000
3000
voltaram e mataram as E. coli.
03:57
I was talking to the oil industry recently
78
219000
3000
Eu estive conversando com a industria de petróleo, recentemente,
04:00
and I said they clearly understood that model.
79
222000
3000
e disse que eles entendem este modelo claramente.
04:03
(Laughter)
80
225000
3000
(Risos)
04:06
They laughed more than you guys are. (Laughter)
81
228000
3000
Eles riram mais do que vocês.
04:10
And so, we think this is a situation
82
232000
2000
Então pensamos que esta é uma situação
04:12
where the software can actually build its own hardware
83
234000
3000
onde o software pode, realmente, construir seu próprio hardware
04:15
in a biological system.
84
237000
2000
em um sistema biológico.
04:17
But we wanted to go much larger:
85
239000
2000
Mas queríamos ir mais além.
04:19
we wanted to build the entire bacterial chromosome --
86
241000
3000
Nós queríamos construir o cromossomo bacteriano inteiro.
04:22
it's over 580,000 letters of genetic code --
87
244000
4000
São mais de 580.000 letras de código genético.
04:26
so we thought we'd build them in cassettes the size of the viruses
88
248000
3000
Então pensamos em contruí-lo em partes do tamanho dos vírus,
04:29
so we could actually vary the cassettes
89
251000
2000
de forma a podermos variar as partes
04:31
to understand
90
253000
2000
para entender
04:33
what the actual components of a living cell are.
91
255000
3000
quais são os componentes efetivos de uma célula viva.
04:36
Design is critical,
92
258000
2000
Projetar é crítico,
04:38
and if you're starting with digital information in the computer,
93
260000
3000
e se você inicia com a informação digital no computador,
04:41
that digital information has to be really accurate.
94
263000
4000
essa informação deve ser realmente precisa.
04:45
When we first sequenced this genome in 1995,
95
267000
3000
Quando nós primeiramente sequenciamos esse genoma em 1995,
04:48
the standard of accuracy was one error per 10,000 base pairs.
96
270000
4000
o padrão de precisão era de um erro a cada 10.000 pares de bases.
04:52
We actually found, on resequencing it,
97
274000
2000
Nós descobrimos, re-sequenciando este genoma,
04:54
30 errors; had we used that original sequence,
98
276000
3000
30 erros. Se tivessemos usado aquela sequência original,
04:57
it never would have been able to be booted up.
99
279000
3000
ela nunca teria sido capaz de funcionar.
05:00
Part of the design is designing pieces
100
282000
2000
Parte de projetar é desenhar pedaços
05:02
that are 50 letters long
101
284000
3000
de cerca de 50 letras
05:05
that have to overlap with all the other 50-letter pieces
102
287000
3000
que precisa se encaixar com todos os outros pedaços de 50 letras
05:08
to build smaller subunits
103
290000
2000
para construir subunidades menores
05:10
we have to design so they can go together.
104
292000
3000
que precisamos desenhar de forma que elas possam se combinar.
05:13
We design unique elements into this.
105
295000
3000
Nós desenhamos elementos únicos nessas sequências.
05:16
You may have read that we put watermarks in.
106
298000
2000
Vocês devem ter lido que colocamos marcas-d'água nelas.
05:18
Think of this:
107
300000
2000
Pensem nisso:
05:20
we have a four-letter genetic code -- A, C, G and T.
108
302000
3000
nós temos um código genético de quatro letras: A, C, G e T.
05:23
Triplets of those letters
109
305000
3000
Trincas dessas letras -- essas letras
05:26
code for roughly 20 amino acids,
110
308000
2000
codificam apenas 20 aminoácidos --
05:28
such that there's a single letter designation
111
310000
3000
assim há uma designação de uma única letra
05:31
for each of the amino acids.
112
313000
2000
para cada aminoácido.
05:33
So we can use the genetic code to write out words,
113
315000
3000
Então podemos usar o código genético para escrever palavras,
05:36
sentences, thoughts.
114
318000
2000
frases, pensamentos.
05:39
Initially, all we did was autograph it.
115
321000
2000
Inicialmente, tudo que fizemos foi autografar a sequência.
05:41
Some people were disappointed there was not poetry.
116
323000
3000
Alguns ficaram desapontados por não ser poesia.
05:44
We designed these pieces so
117
326000
2000
Nós projetamos os pedaços de modo
05:46
we can just chew back with enzymes;
118
328000
3000
que pudessemos digeri-los com enzimas.
05:50
there are enzymes that repair them and put them together.
119
332000
3000
Há enzimas que fazes reparos e os ligam.
05:53
And we started making pieces,
120
335000
2000
E começamos fazendo os pedaços,
05:55
starting with pieces that were 5,000 to 7,000 letters,
121
337000
4000
inicialmente com pedaços de 5 a 7.000 letras
05:59
put those together to make 24,000-letter pieces,
122
341000
4000
juntando-os para fazer pedaços de 24.000 letras,
06:03
then put sets of those going up to 72,000.
123
345000
4000
e então unir conjuntos desses até pedaços de 72.000 letras.
06:07
At each stage, we grew up these pieces in abundance
124
349000
2000
Em cada estágio, aumentamos abundantemente esses pedaços
06:09
so we could sequence them
125
351000
2000
de forma que pudéssemos sequenciá-los
06:11
because we're trying to create a process that's extremely robust
126
353000
3000
porque estamos tentando criar um processo que é extremamente robusto --
06:14
that you can see in a minute.
127
356000
3000
que vocês poderão ver em um minuto.
06:17
We're trying to get to the point of automation.
128
359000
3000
Estamos tentando chegar ao ponto de automação.
06:20
So, this looks like a basketball playoff.
129
362000
2000
Isso se assemelha às finais do basquete.
06:22
When we get into these really large pieces
130
364000
2000
Quando chegamos nesses pedaços realmente grandes --
06:24
over 100,000 base pairs,
131
366000
4000
com mais de 100.000 pares de bases --
06:28
they won't any longer grow readily in E. coli --
132
370000
2000
eles não crescem de imediato em E. coli.
06:30
it exhausts all the modern tools of molecular biology --
133
372000
4000
Isso exaure todas as modernas ferramentas da biologia molecular.
06:34
and so we turned to other mechanisms.
134
376000
4000
E então nos voltamos para outros mecanismos.
06:38
We knew there's a mechanism called homologous recombination
135
380000
3000
Sabíamos que existia um mecanismo denominado recombinação homóloga,
06:41
that biology uses to repair DNA
136
383000
3000
que a biologia utiliza para reparar DNA,
06:44
that can put pieces together.
137
386000
3000
que pode unir esses pedaços.
06:47
Here's an example of it:
138
389000
1000
Aqui está um exemplo disso.
06:48
there's an organism called
139
390000
1000
Há um organismo chamado
06:49
Deinococcus radiodurans
140
391000
2000
Deinococcus radiodurans
06:51
that can take three millions rads of radiation.
141
393000
3000
que pode suportar três milhões rads de radiação.
06:54
You can see in the top panel, its chromosome just gets blown apart.
142
396000
4000
Vocês podem ver no painel, que o cromossomo se fragmenta.
06:58
Twelve to 24 hours later, it put it
143
400000
3000
12 a 24 horas depois, ele se
07:01
back together exactly as it was before.
144
403000
2000
reconstitui exatamente como era antes.
07:03
We have thousands of organisms that can do this.
145
405000
3000
Nós temos milhares de organismos capazes de fazer isso.
07:06
These organisms can be totally desiccated;
146
408000
2000
Esses organismos podem ser totalmente dessecados.
07:08
they can live in a vacuum.
147
410000
2000
Eles podem viver no vácuo.
07:11
I am absolutely certain that life can exist in outer space,
148
413000
3000
Estou absolutamente convicto que possa existir vida no espaço,
07:14
move around, find a new aqueous environment.
149
416000
3000
se mover, encontrar um novo ambiente aquoso.
07:17
In fact, NASA has shown a lot of this is out there.
150
419000
4000
De fato, a NASA tem mostrado um monte disso por aí.
07:21
Here's an actual micrograph of the molecule we built
151
423000
4000
Aqui está um micrográfico da molécula que construímos
07:25
using these processes, actually just using yeast mechanisms
152
427000
4000
usando esses processos -- na verdade usando apenas mecanismos de levedura
07:29
with the right design of the pieces we put them in;
153
431000
3000
com o correto desenho dos pedaços que colocamos.
07:32
yeast puts them together automatically.
154
434000
3000
A levedura os une automaticamente.
07:35
This is not an electron micrograph;
155
437000
2000
Esse não um micrográfico eletrônico;
07:37
this is just a regular photomicrograph.
156
439000
2000
é apenas uma fotomicrografia normal.
07:39
It's such a large molecule
157
441000
2000
Esta é uma molécula tão grande
07:41
we can see it with a light microscope.
158
443000
3000
que podemos visualisá-la com microscópio óptico.
07:44
These are pictures over about a six-second period.
159
446000
3000
Essas são fotos de um período de cerca de seis segundos.
07:47
So, this is the publication we had just a short while ago.
160
449000
4000
Essa é a publicação que fizemos há pouco tempo atrás.
07:51
This is over 580,000 letters of genetic code;
161
453000
3000
São mais de 580.000 letras de código genético.
07:54
it's the largest molecule ever made by humans of a defined structure.
162
456000
5000
É a maior molécula, de uma estrutura definida, feita por humanos.
07:59
It's over 300 million molecular weight.
163
461000
3000
Ela pesa mais de 300 milhões de massa molecular.
08:02
If we printed it out at a 10 font with no spacing,
164
464000
3000
Se imprimissemos em fonte 10, sem espaços,
08:05
it takes 142 pages
165
467000
2000
seriam necessárias 142 páginas
08:07
just to print this genetic code.
166
469000
4000
apenas para imprimir esse código genético.
08:11
Well, how do we boot up a chromosome? How do we activate this?
167
473000
3000
Bem, como ligamos um cromossomo? Como o ativamos?
08:14
Obviously, with a virus it's pretty simple;
168
476000
3000
Obviamente, com vírus é muito simples.
08:17
it's much more complicated dealing with bacteria.
169
479000
3000
É bem complicado lidar com bactérias.
08:20
It's also simpler when you go
170
482000
2000
Também é mais simples quando você
08:22
into eukaryotes like ourselves:
171
484000
2000
lida com eucariontes, como nós:
08:24
you can just pop out the nucleus
172
486000
2000
você pode apenas retirar o núcleo
08:26
and pop in another one,
173
488000
2000
e substituir por um outro,
08:28
and that's what you've all heard about with cloning.
174
490000
3000
e isso é tudo aquilo que vocês já ouviram falar sobre clonagem.
08:31
With bacteria and Archaea, the chromosome is integrated into the cell,
175
493000
4000
Com arqueobactérias, o cromossomo é integrado a célula,
08:35
but we recently showed that we can do a complete transplant
176
497000
4000
mas recentemente demonstramos que podemos fazer um transplante completo
08:39
of a chromosome from one cell to another
177
501000
2000
de um cromossomo de uma célula para outra
08:41
and activate it.
178
503000
3000
e ativá-lo.
08:44
We purified a chromosome from one microbial species --
179
506000
4000
Nós purificamos o cromossomo de uma espécie de micróbio.
08:48
roughly, these two are as distant as human and mice --
180
510000
3000
Grosso modo, esses dois são tão distantes quanto humanos e camundongos.
08:51
we added a few extra genes
181
513000
2000
Nós adicionamos alguns genes extras
08:53
so we could select for this chromosome,
182
515000
2000
de modo que pudemos selecionar esse cromossomo.
08:55
we digested it with enzymes
183
517000
2000
Nós o digerimos com enzimas
08:57
to kill all the proteins,
184
519000
2000
para eliminar todas as proteínas.
08:59
and it was pretty stunning when we put this in the cell --
185
521000
3000
E foi bastante surpreendente quando o colocamos na célula --
09:02
and you'll appreciate
186
524000
2000
e vocês irão apreciar
09:04
our very sophisticated graphics here.
187
526000
3000
nossos gráficos bem sofisticados aqui --
09:07
The new chromosome went into the cell.
188
529000
3000
o novo cromossomo entrou na célula.
09:10
In fact, we thought this might be as far as it went,
189
532000
2000
De fato, achamos que este deveria ser o mais longe que iríamos,
09:12
but we tried to design the process a little bit further.
190
534000
3000
mas tentamos desenhar o processo um pouco mais além.
09:15
This is a major mechanism of evolution right here.
191
537000
3000
Bem aqui, temos um dos principais mecanismos da evolução.
09:18
We find all kinds of species
192
540000
2000
Nós encontramos todos os tipos de espécies
09:20
that have taken up a second chromosome
193
542000
2000
que adquiriram um segundo cromossomo
09:22
or a third one from somewhere,
194
544000
2000
ou um terceiro de algum lugar,
09:24
adding thousands of new traits
195
546000
2000
adicionando milhares de novas características
09:26
in a second to that species.
196
548000
2000
em um segundo para aquela espécie.
09:28
So, people who think of evolution
197
550000
2000
Então pessoas que pensam em evolução
09:30
as just one gene changing at a time
198
552000
2000
como sendo uma mudança em um gene por vez
09:32
have missed much of biology.
199
554000
3000
perderam muito de biologia.
09:35
There are enzymes called restriction enzymes
200
557000
2000
Há enzimas denominadas enzimas de restrição
09:37
that actually digest DNA.
201
559000
2000
que efetivamente digerem DNA.
09:39
The chromosome that was in the cell
202
561000
2000
O cromossomo que estava na célula
09:41
doesn't have one;
203
563000
2000
não tinha nenhuma.
09:43
the chromosome we put in does.
204
565000
2000
A célula -- o cromossomo que inserimos -- tem.
09:45
It got expressed and it recognized
205
567000
2000
Ele foi expressado, e reconheceu
09:47
the other chromosome as foreign material,
206
569000
3000
o outro cromossomo como um corpo estranho,
09:50
chewed it up, and so we ended up
207
572000
2000
digeriu-o, e então acabamos
09:52
just with a cell with the new chromosome.
208
574000
4000
só com a célula com o novo cromossomo.
09:56
It turned blue because of the genes we put in it.
209
578000
3000
Ela tornou-se azul devido a genes que inserimos.
09:59
And with a very short period of time,
210
581000
2000
E num curto intervalo de tempo,
10:01
all the characteristics of one species were lost
211
583000
3000
todas as características de uma espécie foram perdidas,
10:04
and it converted totally into the new species
212
586000
3000
e totalmente convertida em uma nova espécie,
10:07
based on the new software that we put in the cell.
213
589000
3000
baseada no novo software que colocamos na célula.
10:10
All the proteins changed,
214
592000
2000
Todas as proteínas mudaram,
10:12
the membranes changed;
215
594000
2000
as membranas modificaram-se --
10:14
when we read the genetic code, it's exactly what we had transferred in.
216
596000
4000
quando lemos o código genético, ele é exatamente aquele que transferimos para célula.
10:18
So, this may sound like genomic alchemy,
217
600000
3000
Isto pode soar como alquimia genômica,
10:21
but we can, by moving the software of DNA around,
218
603000
4000
mas nós podemos, modificando o software DNA,
10:25
change things quite dramatically.
219
607000
4000
mudar as coisas de uma forma bastante intensa.
10:29
Now I've argued, this is not genesis;
220
611000
2000
Agora, eu argumentei, isto não é criação -
10:31
this is building on three and a half billion years of evolution.
221
613000
4000
é algo desenvolvido a partir de três bilhões e meio de anos de evolução,
10:36
And I've argued that we're about to perhaps
222
618000
2000
e eu suporto a idéia de que estamos, talvez,
10:38
create a new version of the Cambrian explosion,
223
620000
3000
prestes a criar uma nova versão da explosão Cambriana
10:41
where there's massive new speciation
224
623000
3000
em que haveverá uma nova e massiva especiação
10:45
based on this digital design.
225
627000
2000
baseada nesse projeto digital.
10:47
Why do this?
226
629000
2000
Por que fazer isto?
10:49
I think this is pretty obvious in terms of some of the needs.
227
631000
2000
Acredito que isto seja bastante óbvio em termos das necessidades.
10:51
We're about to go from six and a half
228
633000
2000
Estamos prestes a passar de seis e meio
10:53
to nine billion people over the next 40 years.
229
635000
3000
para nove bilhões de pessoas nos próximos 40 anos.
10:56
To put it in context for myself:
230
638000
2000
Contextualizando para mim mesmo:
10:58
I was born in 1946.
231
640000
2000
Nasci em 1946.
11:00
There are now three people on the planet
232
642000
2000
Existe hoje no planeta, três pessoas
11:02
for every one of us that existed in 1946;
233
644000
4000
para cada um de nós que existíamos em 1946;
11:06
within 40 years, there'll be four.
234
648000
3000
em 40 anos, serão quatro.
11:09
We have trouble feeding, providing fresh, clean water,
235
651000
3000
Temos problemas em alimentar, fornecer água pura e limpa,
11:12
medicines, fuel
236
654000
2000
remédios, combustível
11:14
for the six and a half billion.
237
656000
3000
para seis e meio bilhões.
11:17
It's going to be a stretch to do it for nine.
238
659000
2000
Será ainda pior para nove bilhões.
11:19
We use over five billion tons of coal,
239
661000
3000
Nós usamos mais de 5 bilhões de toneladas de carvão,
11:22
30 billion-plus barrels of oil --
240
664000
3000
mais 30 bilhões de barris de óleo.
11:25
that's a hundred million barrels a day.
241
667000
4000
São centenas de milhões de barris por dia.
11:29
When we try to think of biological processes
242
671000
2000
Quando tentamos pensar em processos biológicos
11:31
or any process to replace that,
243
673000
3000
ou qualquer outro processo para substituir,
11:34
it's going to be a huge challenge.
244
676000
2000
isto será um grande desafio.
11:36
Then of course, there's all that
245
678000
2000
Além disso, claro, há todo o
11:38
CO2 from this material
246
680000
2000
CO2 proveniente desse material
11:40
that ends up in the atmosphere.
247
682000
3000
que acaba na atmosfera.
11:43
We now, from our discovery around the world,
248
685000
2000
Nós agora, a partir de nossas descobertas ao redor do mundo,
11:45
have a database with about 20 million genes,
249
687000
4000
temos um banco de dados com cerca de 20 milhões de genes,
11:49
and I like to think of these as the design components of the future.
250
691000
4000
e eu gosto de pensar neles como os componentes do desenho do futuro.
11:53
The electronics industry only had a dozen or so components,
251
695000
3000
A indústria eletrônica tem apenas uma dúzia mais ou menos de componentes,
11:56
and look at the diversity that came out of that.
252
698000
4000
e vejam a diversidade que há a partir deles.
12:00
We're limited here primarily
253
702000
2000
Fundamentalmente estamos limitados
12:02
by a biological reality
254
704000
2000
por uma realidade biológica
12:04
and our imagination.
255
706000
2000
e nossa imaginação.
12:07
We now have techniques,
256
709000
2000
Nós agora temos técnicas,
12:09
because of these rapid methods of synthesis,
257
711000
3000
devido a esses rápidos métodos de síntese,
12:12
to do what we're calling combinatorial genomics.
258
714000
4000
de fazer o que estamos chamando de genômica combinatória.
12:16
We have the ability now to build a large robot
259
718000
3000
Agora temos a habilidade de construir um grande robô
12:19
that can make a million chromosomes a day.
260
721000
3000
capaz de fazer um milhão de cromossomos por dia.
12:23
When you think of processing these 20 million different genes
261
725000
3000
Quando você pensa em processar esses 20 milhões de genes diferentes,
12:26
or trying to optimize processes
262
728000
2000
ou tentar otimizar processos
12:28
to produce octane or to produce pharmaceuticals,
263
730000
3000
para produzir octano ou produzir fármacos,
12:31
new vaccines,
264
733000
3000
novas vacinas,
12:34
we can just with a small team,
265
736000
3000
podemos mudar, apenas com uma pequena equipe,
12:37
do more molecular biology
266
739000
2000
fazer mais biologia molecular
12:39
than the last 20 years of all science.
267
741000
3000
do que nos últimos 20 anos em toda a ciência.
12:42
And it's just standard selection:
268
744000
2000
E isso é apenas seleção padrão.
12:44
we can select for viability,
269
746000
2000
Nós podemos selecionar pela viabilidade,
12:46
chemical or fuel production,
270
748000
2000
produção de combustível ou química,
12:48
vaccine production, etc.
271
750000
2000
produção de vacinas, etc.
12:50
This is a screen snapshot
272
752000
3000
Esta é visualização
12:53
of some true design software
273
755000
3000
de alguns softwares de desenho reais,
12:56
that we're working on to actually be able to sit down
274
758000
3000
em que estamos trabalhando para podermos nos sentar
12:59
and design species in the computer.
275
761000
3000
e desenhar espécies no computador.
13:03
You know, we don't know necessarily what it'll look like:
276
765000
3000
Vocês sabem, nós não sabemos necessariamente como ela se parecerá.
13:06
we know exactly what their genetic code looks like.
277
768000
3000
Nós sabemos exatamente como o código genética delas será.
13:09
We're focusing on now fourth-generation fuels.
278
771000
5000
Nós estamos focando agora em combustíveis de quarta-geração.
13:15
You've seen recently, corn to ethanol
279
777000
2000
Recentemente vocês viram que etanol a partir de milho
13:17
is just a bad experiment.
280
779000
2000
é uma péssima experiência.
13:19
We have second- and third-generation fuels
281
781000
2000
Nós temos combustíveis de segunda e terceira geração
13:21
that will be coming out relatively soon
282
783000
3000
que estarão disponíveis relativamente em breve
13:24
that are sugar, to much higher-value fuels
283
786000
3000
que são açúcar, para combustíveis de valor bem mais alto
13:27
like octane or different types of butanol.
284
789000
3000
como octano ou diferentes tipos de butanol.
13:30
But the only way we think that biology
285
792000
3000
Mas a única forma que pensamos que a biologia
13:33
can have a major impact without
286
795000
2000
possa ter um impacto maior sem
13:36
further increasing the cost of food and limiting its availability
287
798000
3000
aumentar mais os custos ou limitar a disponibilidade de alimentos
13:39
is if we start with CO2 as its feedstock,
288
801000
3000
é se começarmos com o CO2 como reagente
13:42
and so we're working with designing cells to go down this road.
289
804000
4000
e então estamos trabalhando em projetar células que sigam este princípio
13:47
And we think we'll have the first fourth-generation fuels
290
809000
3000
e achamos que teremos os primeiros combustíveis de quarta-geração
13:50
in about 18 months.
291
812000
2000
em aproximadamente 18 meses.
13:52
Sunlight and CO2 is one method ...
292
814000
2000
Energia solar e CO2 são um método --
13:54
(Applause)
293
816000
5000
(Aplausos)
13:59
but in our discovery around the world,
294
821000
2000
-- mas em nossas descobertas pelo mundo,
14:01
we have all kinds of other methods.
295
823000
2000
nós temos vários outros tipos de métodos.
14:03
This is an organism we described in 1996.
296
825000
4000
Esse é um organismo descrito em 1996.
14:07
It lives in the deep ocean,
297
829000
2000
Ele vive em águas profundas,
14:09
about a mile and a half deep,
298
831000
2000
cerca de uma milha e meia de profundidade,
14:11
almost at boiling-water temperatures.
299
833000
2000
quase sob temperaturas de fervura da água.
14:13
It takes CO2 to methane
300
835000
3000
Ele transforma CO2 em metano
14:16
using molecular hydrogen as its energy source.
301
838000
3000
usando hidrogênio como fonte de energia.
14:19
We're looking to see if we can take
302
841000
2000
Nós estamos tentando ver se podemos
14:21
captured CO2,
303
843000
2000
coletar o CO2 capturado,
14:23
which can easily be piped to sites,
304
845000
2000
que pode ser facilmente encanado para terrenos,
14:25
convert that CO2 back into fuel
305
847000
3000
converter esse CO2 de volta em combustível
14:28
to drive this process.
306
850000
3000
para dirigir esse processo.
14:31
So, in a short period of time,
307
853000
2000
Então em um pequeno período de tempo,
14:33
we think that we might be able to increase
308
855000
4000
achamos que poderemos ser capazes de aumentar
14:37
what the basic question is of "What is life?"
309
859000
3000
o que é a básica questão de "O que é vida?"
14:40
We truly, you know,
310
862000
2000
Nós sinceramente, vocês sabem --
14:42
have modest goals
311
864000
2000
temos objetivos modestos
14:44
of replacing the whole petrol-chemical industry --
312
866000
3000
de substituir toda a indústria petroquímica.
14:47
(Laughter) (Applause)
313
869000
3000
(Risos) (Aplausos)
14:50
Yeah. If you can't do that at TED, where can you? --
314
872000
3000
Sim. Se você não pode fazer isto no TED, onde mais?
14:53
(Laughter)
315
875000
2000
(Risos)
14:55
become a major source of energy ...
316
877000
2000
Tornar uma principal fonte de energia.
14:57
But also, we're now working on using these same tools
317
879000
3000
Mas além disso, nós estamos agora trabalhando em usar essas mesmas ferramentas
15:00
to come up with instant sets of vaccines.
318
882000
3000
para criar conjuntos urgentes de vacinas.
15:03
You've seen this year with flu;
319
885000
2000
Vocês viram este ano com a gripe,
15:05
we're always a year behind and a dollar short
320
887000
3000
estamos sempre um ano atrás e um dólar a menos
15:08
when it comes to the right vaccine.
321
890000
2000
quando se trata de criar a vacina certa.
15:10
I think that can be changed
322
892000
2000
Acho que isto pode ser mudado
15:12
by building combinatorial vaccines in advance.
323
894000
3000
construindo vacinas combinadas antecipadamente.
15:16
Here's what the future may begin to look like
324
898000
3000
Aqui está como o futuro pode começar a parecer
15:19
with changing, now, the evolutionary tree,
325
901000
4000
pela mudança, agora, da árvore evolutiva,
15:23
speeding up evolution
326
905000
2000
acelerando a evolução
15:25
with synthetic bacteria, Archaea
327
907000
3000
com bactérias sintéticas, arqueobactérias,
15:28
and, eventually, eukaryotes.
328
910000
3000
e eventualmente eucariontes.
15:32
We're a ways away from improving people:
329
914000
2000
Estamos em vias distantes de melhoramento humano.
15:34
our goal is just to make sure that we have a chance
330
916000
3000
Nosso objetivo é apenas assegurar que tenhamos uma chance
15:37
to survive long enough to maybe do that. Thank you very much.
331
919000
3000
de sobreviver tempo suficiente para talvez fazer isto. Muito obrigado.
15:40
(Applause)
332
922000
7000
(Aplausos)
ABOUT THE SPEAKER
Craig Venter - Biologist, genetics pioneerIn 2001, Craig Venter made headlines for sequencing the human genome. In 2003, he started mapping the ocean's biodiversity. And now he's created the first synthetic lifeforms -- microorganisms that can produce alternative fuels.
Why you should listen
Craig Venter, the man who led the private effort to sequence the human genome, is hard at work now on even more potentially world-changing projects.
First, there's his mission aboard the Sorcerer II, a 92-foot yacht, which, in 2006, finished its voyage around the globe to sample, catalouge and decode the genes of the ocean's unknown microorganisms. Quite a task, when you consider that there are tens of millions of microbes in a single drop of sea water. Then there's the J. Craig Venter Institute, a nonprofit dedicated to researching genomics and exploring its societal implications.
In 2005, Venter founded Synthetic Genomics, a private company with a provocative mission: to engineer new life forms. Its goal is to design, synthesize and assemble synthetic microorganisms that will produce alternative fuels, such as ethanol or hydrogen. He was on Time magzine's 2007 list of the 100 Most Influential People in the World.
In early 2008, scientists at the J. Craig Venter Institute announced that they had manufactured the entire genome of a bacterium by painstakingly stitching together its chemical components. By sequencing a genome, scientists can begin to custom-design bootable organisms, creating biological robots that can produce from scratch chemicals humans can use, such as biofuel. And in 2010, they announced, they had created "synthetic life" -- DNA created digitally, inserted into a living bacterium, and remaining alive.
Craig Venter | Speaker | TED.com