Taste3 2008
Barry Schuler: Genomics 101
Barry Schuler: Primeira aula de Genômica
Filmed:
Readability: 3.8
454,548 views
O que e genômica? Como ela afetará nossas vidas? Nessa base intrigante da revolução da genômica, o empresário Barry Schuler diz que nós podemos no mínimo esperar alimentos mais saudáveis e mais saborosos. Ele sugere que comecemos com a uva pionot noir, para fabricar vinhos melhores.
Barry Schuler - Entrepreneur
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Barry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics. Full bio
Double-click the English transcript below to play the video.
00:16
What's happening in genomics,
0
0
2000
O que está acontecendo em genômica,
00:18
and how this revolution is about to change everything we know
1
2000
5000
e como essa revolução está prestes a mudar tudo o que sabemos
00:23
about the world, life, ourselves, and how we think about them.
2
7000
7000
sobre o mundo, a vida, nós mesmos e a maneira que pensamos sobre essas coisas.
00:30
If you saw 2001: A Space Odyssey,
3
14000
3000
Se você viu 2001: Uma Odisséia no Espaço;
00:33
and you heard the boom, boom, boom, boom, and you saw the monolith,
4
17000
4000
e se você escutou o boom, boom, boom, boom, e se você viu o monolito,
00:37
you know, that was Arthur C. Clarke's representation
5
21000
4000
você sabe, que aquela era a representação de Arthur C. Clarke
00:41
that we were at a seminal moment in the evolution of our species.
6
25000
4000
para dizer que estávamos em um momento seminal na evolução da nossa espécie.
00:45
In this case, it was picking up bones and creating a tool,
7
29000
4000
Neste caso, era pegando ossos e criando uma ferramenta,
00:49
using it as a tool, which meant that apes just, sort of,
8
33000
4000
usando os ossos como uma ferramenta, o que significava que os primatas apenas, tipo,
00:53
running around and eating and doing each other
9
37000
2000
andando por aí, e comendo e transando
00:55
figured out they can make things if they used a tool.
10
39000
6000
perceberam que eles podiam fazer coisas se eles usassem uma ferramenta.
01:01
And that moved us to the next level.
11
45000
3000
E aquilo nos levou ao próximo nível.
01:04
And, you know, we in the last 30 years in particular
12
48000
4000
E, você sabe, nos nos últimos 30 anos em particular
01:08
have seen this acceleration in knowledge and technology,
13
52000
4000
temos visto essa aceleração em conhecimento e tecnologia
01:12
and technology has bred more knowledge and given us tools.
14
56000
3000
e a tecnologia tem desenvolvido mais conhecimento e nos dado ferramentas.
01:15
And we've seen many seminal moments.
15
59000
2000
E nós temos visto muitos momentos seminais.
01:17
We've seen the creation of small computers in the '70s and early '80s,
16
61000
4000
Nós temos visto a criação dos computadores pequenos nos anos 70 e no começo dos anos 80,
01:21
and who would have thought back then that every single person
17
65000
3000
e quem teria pensado que todas as pessoas
01:24
would not have just one computer but probably 20,
18
68000
3000
não teriam apenas um computador, mas provavelmente 20,
01:27
in your home, and in not just your P.C. but in every device --
19
71000
5000
na sua casa, e não apenas o seu computador pessoal mas em cada objeto --
01:32
in your washing machine, your cell phone.
20
76000
3000
na sua máquina de lavar roupas, seu celular.
01:35
You're walking around; your car has 12 microprocessors.
21
79000
4000
Você esta andando por aí; seu carro tem 12 microprocessadores.
01:39
Then we go along and create the Internet
22
83000
2000
Aí a gente vai e cria a internet
01:41
and connect the world together; we flatten the world.
23
85000
3000
e conecta todo o mundo, a gente deixa o mundo plano.
01:44
We've seen so much change, and we've given ourselves these tools now --
24
88000
5000
Nós temos visto tantas mudanças, e nós nos demos essas ferramentas agora --
01:49
these high-powered tools --
25
93000
2000
essas ferramentas de alta potência --
01:51
that are allowing us to turn the lens inward
26
95000
4000
que estão nos permitindo virar as lentes para dentro
01:55
into something that is common to all of us, and that is a genome.
27
99000
5000
para algo que é comum para todos nós, e que é o genoma.
02:00
How's your genome today? Have you thought about it lately?
28
104000
5000
Como está o seu genoma hoje? Você pensou sobre isso ultimamente?
02:05
Heard about it, at least? You probably hear about genomes these days.
29
109000
5000
Escutou sobre isso, pelo menos? Você provavelmente escutou sobre genomas esses dias.
02:10
I thought I'd take a moment to tell you what a genome is.
30
114000
3000
Eu pensei em tirar um momento para contar a vocês o que é o genoma.
02:13
It's, sort of, like if you ask people,
31
117000
2000
É, algo como, como se você perguntar às pessoas,
02:15
Well, what is a megabyte or megabit? And what is broadband?
32
119000
3000
Bem, o que é um megabyte ou um megabit? E o que é banda larga?
02:18
People never want to say, I really don't understand.
33
122000
3000
As pessoas nunca querem dizer, eu realmente não entendo.
02:21
So, I will tell you right off of the bat.
34
125000
1000
Então, eu vou dizer para vocês diretamente.
02:22
You've heard of DNA; you probably studied a little bit in biology.
35
126000
4000
Você já escutou sobre o DNA; você provavelmente estudou um pouco disso em biologia.
02:26
A genome is really a description for
all of the DNA that is in a living organism.
all of the DNA that is in a living organism.
36
130000
7000
O genoma é realmente uma descrição para todo o DNA que está em um organismo vivo.
02:33
And one thing that is common to all of life is DNA.
37
137000
6000
E uma coisa que é comum para todas as formas de vida é o DNA.
02:39
It doesn't matter whether you're a yeast;
38
143000
2000
Não importa se você é um fungo;
02:41
it doesn't matter whether you're a mouse;
39
145000
2000
não importa se você é um rato;
02:43
doesn't matter whether you're a fly; we all have DNA.
40
147000
4000
não importa se você é uma mosca; todos nós temos DNA.
02:47
The DNA is organized in words, call them: genes and chromosomes.
41
151000
7000
O DNA está organizado em palavras, você pode chamá-las de: genes e cromossomos.
02:54
And when Watson and Crick in the '50s
42
158000
4000
E quando Watson e Crick nos anos 50
02:58
first decoded this beautiful double helix that we know as the DNA molecule --
43
162000
6000
foram os primeiros a decodificar esta bonita dupla hélice que nós conhecemos como a molécula de DNA --
03:04
very long, complicated molecule --
44
168000
2000
molécula muito longa, complicada --
03:06
we then started on this journey to understand that
45
170000
4000
nós então começamos esta jornada para entender que
03:10
inside of that DNA is a language that determines the characteristics, our traits,
46
174000
6000
dentro do DNA está uma linguagem que determina as caracteristicas, nossas características,
03:16
what we inherit, what diseases we may get.
47
180000
3000
o que nós herdamos, quais as doenças que nós podemos ter.
03:19
We've also along the way discovered that this is a very old molecule,
48
183000
6000
Nós também, no caminho, descobrimos que esta é uma molécula muito velha,
03:25
that all of the DNA in your body has been around forever,
49
189000
6000
que todo o DNA no nosso corpo existe desde sempre,
03:31
since the beginning of us, of us as creatures.
50
195000
4000
desde o começo de nós, de nós como criaturas.
03:35
There is a historical archive.
51
199000
2000
Existe um arquivo histórico.
03:37
Living in your genome is the history of our species,
52
201000
5000
Vivendo em nosso genoma está a história de nossa espécie,
03:42
and you as an individual human being, where you're from,
53
206000
6000
e você como um ser humano individual, de onde você vem,
03:48
going back thousands and thousands and thousands of years,
54
212000
3000
voltando atrás milhares e milhares e milhares de anos,
03:51
and that's now starting to be understood.
55
215000
3000
e que agora está começando a ser entendido.
03:54
But also, the genome is really the instruction manual.
56
218000
5000
Mas também, o genoma é realmente o manual de instruções.
03:59
It is the program. It is the code of life.
57
223000
3000
É o programa. É o código da vida.
04:02
It is what makes you function;
58
226000
2000
É o que faz você funcionar;
04:04
it is what makes every organism function.
59
228000
4000
é o que faz todos os organismos funcionarem.
04:08
DNA is a very elegant molecule.
60
232000
3000
O DNA é uma molécula muito elegante.
04:11
It's long and it's complicated.
61
235000
2000
É longa e é complicada.
04:13
Really all you have to know about it is that there's four letters:
62
237000
5000
Realmente, tudo o que você tem que saber sobre ele é que existem quatro letras:
04:18
A, T, C, G; they represent the name of a chemical.
63
242000
4000
A, T, C, G; elas representam o nome de um químico.
04:22
And with these four letters, you can create a language:
64
246000
5000
E com essas quatro letras, você pode criar uma linguagem:
04:27
a language that can describe anything, and very complicated things.
65
251000
5000
uma linguagem que pode descrever qualquer coisa, e coisas muito complicadas.
04:32
You know, they are generally put together in pairs,
66
256000
3000
Você sabe, elas estão geralmente colocadas juntas em pares,
04:35
creating a word or what we call base pairs.
67
259000
3000
criando uma palavra ou o que a gente chama de pares base.
04:38
And you would, you know, when you think about it,
68
262000
3000
E você poderia, você sabe, quando você pensa sobre isso,
04:41
four letters, or the representation of four things, makes us work.
69
265000
6000
quatro letras, ou a representação de quatro coisas, fazem a gente trabalhar.
04:47
And that may not sound very intuitive,
70
271000
3000
E isto pode não soar muito intuitivo,
04:50
but let me flip over to something else you know about, and that's computers.
71
274000
4000
mas deixe me mudar para outra coisa que você sabe, e isto é computadores.
04:54
Look at this screen here and, you know, you see pictures
72
278000
4000
Olhe para esta tela aqui, e você sabe, você vê imagens
04:58
and you see words, but really all there are are ones and zeros.
73
282000
4000
e você vê palavras, mas na realidade tudo o que existe são uns e zeros.
05:02
The language of technology is binary;
74
286000
4000
A linguagem da tecnologia é binária;
05:06
you've probably heard that at some point in time.
75
290000
2000
você provavelmente já escutou isso alguma vez na vida.
05:08
Everything that happens in digital is converted,
76
292000
4000
Tudo que acontece digitalmente é convertido,
05:12
or a representation, of a one and a zero.
77
296000
3000
ou uma representação, como uns e zeros.
05:15
So, when you're listening to iTunes and your favorite music,
78
299000
5000
Então, quando você está ouvindo o iTunes e a sua música favorita,
05:20
that's really just a bunch of ones and zeros playing very quickly.
79
304000
3000
que é na realidade apenas um monte de uns e zeros tocando muito rapidamente.
05:23
When you're seeing these pictures, it's all ones and zeros,
80
307000
3000
Quando você está olhando essas imagens, é tudo uns e zeros,
05:26
and when you're talking on your telephone, your cell phone,
81
310000
3000
e quando você está falando no seu telefone, seu celular,
05:29
and it's going over the network,
82
313000
2000
e está navegando na rede,
05:31
your voice is all being turned into ones and zeros and magically whizzed around.
83
315000
4000
sua voz está sendo transformada em uns e zeros e magicamente espalhada por aí.
05:35
And look at all the complex things and wonderful things
84
319000
3000
E veja todas as coisas complexas e maravilhosas
05:38
we've been able to create with just a one and a zero.
85
322000
3000
que nós temos sido capazes de criar apenas com os número um e zero.
05:41
Well, now you ramp that up to four, and you have a lot of complexity,
86
325000
6000
Bem, agora você multiplica isso por quatro, e você tem uma grande complexidade,
05:47
a lot of ways to describe mechanisms.
87
331000
4000
várias maneiras de descrever mecanismos.
05:51
So, let's talk about what that means.
88
335000
2000
Então, vamos falar sobre o que isso significa.
05:53
So, if you look at a human genome,
89
337000
2000
Então, se você olhar o genoma humano,
05:55
they consist of 3.2 billion of these base pairs. That's a lot.
90
339000
6000
ele consiste de 3,2 bilhões desses pares de bases. Isso é bastante.
06:01
And they mix up in all different fashions,
91
345000
2000
E eles se misturam de várias maneiras diferentes,
06:03
and that makes you a human being.
92
347000
3000
e isso é o que faz de você um ser humano.
06:06
If you convert that to binary, just to give you a little bit of sizing,
93
350000
5000
Se você converter isso para o sistema binário, apenas para te dar uma dimensāo,
06:11
we're actually smaller than the program Microsoft Office.
94
355000
4000
nós somos menores que o programa Microsoft Office.
06:15
It's not really all that much data.
95
359000
4000
Não são afinal tantos dados.
06:19
I will also tell you we're at least as buggy.
96
363000
3000
Eu também te digo que nós somos no mínimo tão sujeitos a problemas.
06:22
(Laughter)
97
366000
3000
(risos)
06:25
This here is a bug in my genome
98
369000
4000
Este aqui é um bug no meu genoma
06:29
that I have struggled with for a long, long time.
99
373000
5000
que eu tenho lutado contra por muito, muito tempo.
06:34
When you get sick, it is a bug in your genome.
100
378000
5000
Quando você fica doente, é um bug no seu genoma.
06:39
In fact, many, many diseases we have struggled with for a long time,
101
383000
5000
Na verdade, várias, várias doenças contra as quais lutamos por muito tempo,
06:44
like cancer, we haven't been able to cure
102
388000
3000
como o câncer, nós não conseguimos curar
06:47
because we just don't understand how it works at the genomic level.
103
391000
4000
porque nós simplesmente nāo compreendemos como elas funcionam a um nível genômico.
06:51
We are starting to understand that.
104
395000
2000
Nós estamos começando a entender isso.
06:53
So, up to this point we tried to fix it
105
397000
2000
Então, até agora nós tentamos consertar
06:55
by using what I call shit-against-the-wall pharmacology,
106
399000
4000
usando o que eu chamo de farmacologia da jogar-cocô-na-parede,
06:59
which means, well, let's just throw chemicals at it,
107
403000
3000
o que significa, bem, vamos apenas jogar substâncias químicas nisso aí,
07:02
and maybe it's going to make it work.
108
406000
2000
e talvez isso vai fazer com que funcione.
07:04
But if you really understand why does a cell go from normal cell to cancer?
109
408000
7000
Mas se você realmente entende porque uma célula normal torna-se cancerosa?
07:11
What is the code?
110
415000
2000
Qual é o código?
07:13
What are the exact instructions that are making it do that?
111
417000
4000
Quais são as exatas instruções que estāo fazendo com que as células façam isso?
07:17
then you can go about the process of trying to fix it and figure it out.
112
421000
4000
Entāo você pode continuar com o processo de tentar consertá-las e entendê-las.
07:21
So, for your next dinner over a great bottle of wine, here's a few factoids for you.
113
425000
5000
Então, para o seu próximo jantar com uma ótima garrafa de vinho, aqui vāo alguns factóides para você.
07:26
We actually have about 24,000 genes that do things.
114
430000
4000
Nós temos cerca de 24.000 genes que fazem coisas.
07:30
We have about a hundred, 120,000 others
115
434000
4000
Nós temos cerca de cem, 120.000 outros
07:34
that don't appear to function every day,
116
438000
3000
que não parecem funcionar todos os dias.
07:37
but represent this archival history of how we used to work as a species
117
441000
5000
mas representam esse arquivo histórico de como nós constumamos funcionar como uma espécie
07:42
going back tens of thousands of years.
118
446000
3000
voltando atrás dezenas de milhares de anos.
07:45
You might also be interested in knowing
119
449000
2000
Você também pode estar interessado em saber
07:47
that a mouse has about the same amount of genes.
120
451000
2000
que um rato tem aproximadamente a mesma quantidade de genes.
07:49
They recently sequenced Pinot Noir, and it also has about 30,000 genes,
121
453000
7000
Eles recentemente sequenciaram a Pinot Noir, e também tem cerca de 30.000 genes,
07:56
so the number of genes you have may not necessarily represent the complexity
122
460000
4000
assim, o número de genes que você tem não necessariamente representa a complexidade
08:00
or the evolutionary order of any particular species.
123
464000
5000
ou a ordem evolucionária de nenhuma espécie em particular.
08:05
Now, look around: just look next to your neighbor,
124
469000
3000
Agora, olhe ao redor: apenas olhe para o seu vizinho do lado,
08:08
look forward, look backward. We all look pretty different.
125
472000
2000
olhe para a frente, olhe para trás. Nós todos somos bem diferentes.
08:10
A lot of very handsome and pretty people here, skinny, chubby,
126
474000
4000
Várias pessoas muito bonitas, bonitas, magras, gordas, aqui,
08:14
different races, cultures. We are all 99.9% genetically equal.
127
478000
8000
raças diferentes, culturas. Nós somos todos 99,9% geneticamente iguais.
08:22
It is one one-hundredth of one percent of genetic material
128
486000
4000
É uma centésima parte de 1% de material genético
08:26
that makes the difference between any one of us.
129
490000
3000
que faz a diferença entre qualquer um de nós.
08:29
That's a tiny amount of material,
130
493000
2000
Isso é uma quantidade bem pequena de material,
08:31
but the way that ultimately expresses itself
131
495000
4000
mas a maneira que este material se expressa
08:35
is what makes changes in humans and in all species.
132
499000
5000
é o que faz as mudanças nos humanos e em todas as espécies.
08:40
So, we are now able to read genomes.
133
504000
3000
Então, nós agora somos capazes de ler genomas.
08:43
The first human genome took 10 years, three billion dollars.
134
507000
5000
O primeiro genoma humano levou dez anos, $3 bilhões.
08:48
It was done by Dr. Craig Venter.
135
512000
3000
Foi feita pelo Doutor Craig Venter.
08:51
And then James Watson's -- one of the co-founders of DNA --
136
515000
4000
E depois o James Watson -- um dos co-descobridores do DNA --
08:55
genome was done for two million dollars, and in just two months.
137
519000
4000
o genoma foi feito por $2 milhões, e em apenas dois meses.
08:59
And if you think about the computer industry
138
523000
2000
E se você pensar na indústria de computadores
09:01
and how we've gone from big computers to little ones
139
525000
3000
e como nós fomos de grandes computadores para pequenos
09:04
and how they get more powerful and faster all the time,
140
528000
4000
e como eles ficaram mais poderosos e rápidos todo o tempo,
09:08
the same thing is happening with gene sequencing now:
141
532000
2000
a mesma coisa está acontecendo com o sequenciamento genético agora:
09:10
we are on the cusp of being able to sequence human genomes
142
534000
4000
nós estamos na iminênicia de ser capazes de sequenciar o genoma humano
09:14
for about 5,000 dollars in about an hour or a half-hour;
143
538000
5000
por aproximadamente $5.000 em aproximadamente uma hora ou meia hora;
09:19
you will see that happen in the next five years.
144
543000
2000
você verá isso acontecer nos próximos cinco anos.
09:21
And what that means is, you are going to walk around
145
545000
2000
E o que isso significa é, você irá andar por aí
09:23
with your own personal genome on a smart card. It will be here.
146
547000
6000
com o seu genoma pessoal em um smart card. Ele estará lá.
09:29
And when you buy medicine,
147
553000
2000
E quando você comprar remédios,
09:31
you won't be buying a drug that's used for everybody.
148
555000
3000
você não estará comprando um remédio que é usado por todos.
09:34
You will give your genome to the pharmacist,
149
558000
3000
Você dará o seu genoma para o farmacêutico,
09:37
and your drug will be made for you
150
561000
2000
e o seu remédio será feito para você
09:39
and it will work much better than the ones that were --
151
563000
2000
e irá funcionar muito melhor do que os outros funcionavam.
09:41
you won't have side effects.
152
565000
2000
Você não terá efeitos colaterais.
09:43
All those side effects, you know, oily residue and, you know,
153
567000
3000
Todos aqueles efeitos colaterais, você sabe, resíduo oleoso, você sabe,
09:46
whatever they say in those commercials: forget about that.
154
570000
4000
o que quer que eles digam nos comerciais: esqueçam tudo aquilo.
09:50
They're going to make all that stuff go away.
155
574000
2000
Eles irão fazer com que todas essas coisas desapareçam.
09:52
What does a genome look like?
156
576000
3000
Com o que se parece um genoma?
09:55
Well, there it is. It is a long, long series of these base pairs.
157
579000
6000
Bem, aqui está. É uma longa, longa série desses pares de bases.
10:01
If you saw the genome for a mouse or for a human it would look no different than this,
158
585000
4000
Se você viu o genoma de um rato ou de um humano não seria diferente deste,
10:05
but what scientists are doing now is
159
589000
2000
mas o que os cientistas estão fazendo agora é,
10:07
they're understanding what these do and what they mean.
160
591000
4000
eles estão entendendo o que esses genes fazem e o que eles significam.
10:11
Because what Nature is doing is double-clicking all the time.
161
595000
4000
Porque o que a natureza está fazendo é dando cliques duplos todo o tempo.
10:15
In other words, the first couple of sentences here,
162
599000
4000
Em outras palavras, as primeiras duas sentenças aqui,
10:19
assuming this is a grape plant:
163
603000
2000
assumindo que isso é uma planta de uva:
10:21
make a root, make a branch, create a blossom.
164
605000
4000
faz uma raiz, faz um galho, cria uma flor.
10:25
In a human being, down in here it could be:
165
609000
4000
Em um ser humano, aqui embaixo poderia ser:
10:29
make blood cells, start cancer.
166
613000
4000
faz células sangüíneas, inicia um câncer.
10:33
For me it may be: every calorie you consume, you conserve,
167
617000
7000
Para mim pode ser: cada caloria que você consome, você conserva,
10:40
because I come from a very cold climate.
168
624000
3000
porque eu venho de um clima muito frio.
10:43
For my wife: eat three times as much and you never put on any weight.
169
627000
4000
Para minha esposa: coma três vezes o que ele come e nunca ganhe nenhum peso.
10:47
It's all hidden in this code,
170
631000
2000
Está tudo escondido neste código,
10:49
and it's starting to be understood at breakneck pace.
171
633000
4000
e isto está começando a ser entendido a uma velocidade muito rápida.
10:54
So, what can we do with genomes now that we can read them,
172
638000
3000
Então, o que nós podemos fazer com os genomas agora que nós podemos lê-los,
10:57
now that we're starting to have the book of life?
173
641000
2000
agora que nós estamos começando a ter o livro da vida?
10:59
Well, there's many things. Some are exciting.
174
643000
3000
Bem, existem muitas coisas. Algumas são empolgantes.
11:02
Some people will find very scary. I will tell you a couple of things
175
646000
4000
Algumas pessoas irão achar isso muito amedrontador: Eu lhe direi algumas coisas
11:06
that will probably make you want to projectile puke on me, but that's okay.
176
650000
4000
que irão provavelmente fazer com que você queira vomitar em mim, mas tudo bem.
11:10
So, you know, we now can learn the history of organisms.
177
654000
4000
Então, você sabe, nós podemos aprender a história dos organismos.
11:14
You can do a very simple test: scrape your cheek; send it off.
178
658000
3000
Você pode fazer um teste muito simples: raspe a sua bochecha; mande para um laboratório.
11:17
You can find out where your relatives come from;
179
661000
3000
Você pode descobrir de onde vem os seus parentes;
11:20
you can do your genealogy going back thousands of years.
180
664000
3000
você pode fazer a sua genealogia voltando atrás milhares de anos.
11:23
We can understand functionality. This is really important.
181
667000
3000
Nós podemos entender a funcionalidade. Isso é realmente importante.
11:26
We can understand, for example, why we create plaque in our arteries,
182
670000
5000
Nós podemos entender, por exemplo, porque nós criamos placas em nossas artérias,
11:31
what creates the starchiness inside of a grain,
183
675000
4000
o que cria o amido dentro de um grão,
11:35
why does yeast metabolize sugar and produce carbon dioxide.
184
679000
7000
porque as leveduras metabolizam o açúcar e produzem dióxido de carbono.
11:43
We can also look at, at a grander scale, what creates problems,
185
687000
3000
Nós também podemos olhar para, em uma maior escala, o que cria os problemas,
11:46
what creates disease, and how we may be able to fix them.
186
690000
4000
o que cria as doenças, e como nós podemos curá-las.
11:50
Because we can understand this,
187
694000
2000
Por que nós podemos entender isso,
11:52
we can fix them, make better organisms.
188
696000
3000
nós podemos consertar, fazer organismos melhores.
11:55
Most importantly, what we're learning
189
699000
2000
Mais importante, o que nós estamos aprendendo
11:57
is that Nature has provided us a spectacular toolbox.
190
701000
5000
é que a natureza nos deu uma caixa de ferramentas espetacular.
12:02
The toolbox exists.
191
706000
2000
A caixa de ferramentas existe.
12:04
An architect far better and smarter than us has given us that toolbox,
192
708000
5000
Um arquiteto muito melhor e mais inteligente que nós nos deu essa caixa de ferramentas,
12:09
and we now have the ability to use it.
193
713000
3000
e nós agora temos a habilidade de usá-las.
12:12
We are now not just reading genomes; we are writing them.
194
716000
4000
Nós estamos agora não apenas lendo os genomas; nós os estamos escrevendo.
12:16
This company, Synthetic Genomics, I'm involved with,
195
720000
2000
Esta empresa, a Synthetic Genomics, com a qual eu estou envolvido,
12:18
created the first full synthetic genome for a little bug,
196
722000
4000
criou o primeiro genoma completamente sintético para um pequeno inseto,
12:22
a very primitive creature called Mycoplasma genitalium.
197
726000
3000
uma criatura muito primitiva chamada Mycoplasma genitalium.
12:25
If you have a UTI, you've probably -- or ever had a UTI --
198
729000
4000
Se você tem uma infecção urinária, você provavelmente já teve -- ou se você já teve uma infecção urinária --
12:29
you've come in contact with this little bug.
199
733000
3000
você já entrou em contato com este pequeno inseto.
12:32
Very simple -- only has about 246 genes --
200
736000
3000
Muito simples -- tem apenas cerca de 246 genes --
12:35
but we were able to completely synthesize that genome.
201
739000
6000
mas nós fomos capazes de sintetizar completamente este genoma.
12:42
Now, you have the genome and you say to yourself,
202
746000
3000
Agora, você tem o genoma e você diz para você mesmo,
12:45
So, if I plug this synthetic genome -- if I pull the old one out and plug it in --
203
749000
5000
Então, se eu plugar este genoma sintético -- se eu tirar o outro antigo e plugar este novo --
12:50
does it just boot up and live?
204
754000
2000
ele apenas inicia e vive?
12:52
Well, guess what. It does.
205
756000
3000
Bem, adivinhe o quê. Isso acontece.
12:56
Not only does it do that; if you took the genome -- that synthetic genome --
206
760000
6000
Não apenas isso acontece; se você pegar o genoma -- o genoma sintético --
13:02
and you plugged it into a different critter, like yeast,
207
766000
3000
e se você plugá-lo em uma criatura diferente, como uma levedura,
13:05
you now turn that yeast into Mycoplasma.
208
769000
4000
você agora transforma aquela levedura em um Mycoplasma.
13:09
It's, sort of, like booting up a PC with a Mac O.S. software.
209
773000
5000
Isto é, como se fosse, como se você iniciasse um PC com um software de Mac OS.
13:14
Well, actually, you could do it the other way.
210
778000
2000
Bem, na verdade, você pode fazer da outra maneira.
13:16
So, you know, by being able to write a genome
211
780000
4000
Então, você sabe, sendo capaz de escrever um genoma
13:20
and plug it into an organism,
212
784000
3000
e plugá-lo em outro organismo,
13:23
the software, if you will, changes the hardware.
213
787000
5000
o software, se você chamar assim, muda o hardware.
13:28
And this is extremely profound.
214
792000
2000
E isso é extremamente profundo.
13:30
So, last year the French and Italians announced
215
794000
3000
Então, no ano passado os Franceses e os Italianos anunciaram
13:33
they got together and they went ahead and they sequenced Pinot Noir.
216
797000
4000
que eles se juntaram e que eles foram em frente e sequenciaram o Pinot Noir.
13:37
The genomic sequence now exists for the entire Pinot Noir organism,
217
801000
6000
A seqüência genômica agora existe para o organismo Pinot Noir inteiro,
13:43
and they identified, once again, about 29,000 genes.
218
807000
4000
e eles identificaram, mais uma vez, cerca de 29.000 genes.
13:47
They have discovered pathways that create flavors,
219
811000
3000
Eles descobriram caminhos que criam sabores,
13:50
although it's very important to understand
220
814000
2000
ainda que seja muito importante entender
13:52
that those compounds that it's cranking out
221
816000
3000
que esses compostos que estão se destacando
13:55
have to match a receptor in our genome, in our tongue,
222
819000
3000
têm que encontrar um receptor em nosso genoma, na nossa língua,
13:58
for us to understand and interpret those flavors.
223
822000
3000
para nós compreendermos e interpretarmos esses sabores.
14:01
They've also discovered that
224
825000
2000
Eles também descobriram que
14:03
there's a heck of a lot of activity going on producing aroma as well.
225
827000
4000
existe muita atividade acontecendo para a produção de aroma também.
14:07
They've identified areas of vulnerability to disease.
226
831000
3000
Eles identificaram áreas de vulnerabilidade à doenças.
14:10
They now are understanding, and the work is going on,
227
834000
4000
Eles agora estão compreendendo, e o trabalho ainda continua,
14:14
exactly how this plant works, and we have the capability to know,
228
838000
4000
exatamente como esta planta trabalha, e o que nós temos a capacidade de saber,
14:18
to read that entire code and understand how it ticks.
229
842000
4000
de ler todo esse código e entender como ele funciona.
14:22
So, then what do you do?
230
846000
2000
Então, o que você faz?
14:24
Knowing that we can read it, knowing that we can write it, change it,
231
848000
4000
Sabendo que nós podemos ler o genoma, sabendo que podemos escrevê-lo, mudá-lo,
14:28
maybe write its genome from scratch. So, what do you do?
232
852000
4000
talvez escrever o genoma desde o começo. Então, o que você faz?
14:32
Well, one thing you could do is what some people might call Franken-Noir.
233
856000
4000
Bem, uma das coisas que você pode fazer é o que algumas pessoas podem chamar de Franken-Noir.
14:36
(Laughter)
234
860000
3000
(risos)
14:39
We can build a better vine.
235
863000
2000
Nós podemos construir uma vinha melhor.
14:41
By the way, just so you know:
236
865000
2000
Por falar nisso, só para você saber:
14:43
you get stressed out about genetically modified organisms;
237
867000
4000
você se estressa quando fala de organismos geneticamente modificados;
14:47
there is not one single vine in this valley or anywhere
238
871000
3000
não existe nenhuma vinha neste vale ou em qualquer lugar
14:50
that is not genetically modified.
239
874000
2000
que não seja geneticamente modificada.
14:52
They're not grown from seeds; they're grafted into root stock;
240
876000
3000
Elas não são plantadas a partir de sementes; elas são enxertadas em colmos e raízes;
14:55
they would not exist in nature on their own.
241
879000
2000
elas não existiriam sozinhas na natureza.
14:57
So, don't worry about, don't stress about that stuff. We've been doing this forever.
242
881000
4000
Então, não se preocupe, não se estresse com esse assunto. Nós temos feito isso desde sempre.
15:01
So, we could, you know, focus on disease resistance;
243
885000
3000
Então, se pudermos, você sabe, focar na resistência a doenças;
15:04
we can go for higher yields without necessarily having
244
888000
4000
nós podemos tentar maiores produtividades sem necessariamente ter
15:08
dramatic farming techniques to do it, or costs.
245
892000
3000
técnicas de cultivo dramáticas para fazê-lo, ou custos.
15:11
We could conceivably expand the climate window:
246
895000
3000
Nós poderiamos expandir a janela climática:
15:14
we could make Pinot Noir grow maybe in Long Island, God forbid.
247
898000
5000
nós poderiamos fazer Pinot Noir crescer talvez em Long Island, Deus me livre.
15:19
(Laughter)
248
903000
3000
(risos)
15:23
We could produce better flavors and aromas.
249
907000
3000
Nós poderiamos produzir melhores sabores e aromas.
15:26
You want a little more raspberry, a little more chocolate here or there?
250
910000
3000
Você quer um pouco mais de framboesa, um pouco mais de chocolate aqui ou lá?
15:29
All of these things could conceivably be done,
251
913000
3000
Todas essas coisas são possíveis de ser feitas,
15:32
and I will tell you I'd pretty much bet that it will be done.
252
916000
3000
e eu irei te dizer, eu, com certeza, aposto que isto será feito.
15:35
But there's an ecosystem here.
253
919000
2000
Mas existe um ecossistema aqui,
15:37
In other words, we're not, sort of, unique little organisms running around;
254
921000
5000
Em outras palavras, nós não somos, tipo, pequenos organismos singulares andando por aí;
15:42
we are part of a big ecosystem.
255
926000
2000
nós somos parte de um grande ecossistema.
15:44
In fact -- I'm sorry to inform you --
256
928000
3000
Na verdade -- desculpem informá-los --
15:47
that inside of your digestive tract is about 10 pounds of microbes
257
931000
4000
que dentro do seu aparelho digestivo estão cerca de 5 quilos de micróbios
15:51
which you're circulating through your body quite a bit.
258
935000
3000
que você está circulando bastante pelo seu corpo.
15:54
Our ocean's teaming with microbes;
259
938000
3000
Nosso oceano está cheio de micróbios;
15:57
in fact, when Craig Venter went and sequenced the microbes in the ocean,
260
941000
5000
na verdade, quando Craig Venter foi e sequenciou os micróbios do oceano,
16:02
in the first three months tripled the known species on the planet
261
946000
4000
nos primeiros três meses ele triplicou as espécies conhecidas do planeta
16:06
by discovering all-new microbes in the first 20 feet of water.
262
950000
3000
descobrindo todos esses novos micróbios nos primeiros 20 pés de água.
16:09
We now understand that those microbes have more impact on our climate
263
953000
4000
Nós agora entendemos que esses micróbios têm mais impacto no nosso clima
16:13
and regulating CO2 and oxygen than plants do,
264
957000
4000
e na regulagem de CO2 e oxigênio do que as plantas têm,
16:17
which we always thought oxygenate the atmosphere.
265
961000
2000
que nós sempre pensamos que oxigenava a atmosfera.
16:19
We find microbial life in every part of the planet:
266
963000
4000
Nós encontramos vida microbiana em todas as partes do planeta:
16:23
in ice, in coal, in rocks, in volcanic vents; it's an amazing thing.
267
967000
8000
no gelo, no carvão, nas pedras, nas aberturas vulcânicas; é uma coisa impressionante.
16:31
But we've also discovered, when it comes to plants, in plants,
268
975000
5000
Mas nós também descobrimos, que quando se fala de plantas, nas plantas,
16:36
as much as we understand and are starting to understand their genomes,
269
980000
4000
pelo muito que nós compreendemos e estamos começando a entender seus genomas,
16:40
it is the ecosystem around them,
270
984000
3000
é o ecossistema ao redor delas,
16:43
it is the microbes that live in their root systems,
271
987000
3000
e são os micróbios que vivem nos seus sistemas radiculares,
16:46
that have just as much impact on the character of those plants
272
990000
4000
que têm tanto impacto no caráter dessas plantas
16:50
as the metabolic pathways of the plants themselves.
273
994000
4000
como as rotas metabólicas dessas plantas.
16:54
If you take a closer look at a root system,
274
998000
3000
Se você olhar melhor o sistema radicular delas,
16:57
you will find there are many, many, many diverse microbial colonies.
275
1001000
4000
você irá encontrar lá muitas, muitas, muitas colônias microbianas diferentes.
17:01
This is not big news to viticulturists;
276
1005000
2000
Isso não é novidade para os viticultores;
17:03
they have been, you know, concerned with water and fertilization.
277
1007000
4000
eles são, você sabe, preocupados com água e fertilizantes.
17:07
And, again, this is, sort of, my notion of shit-against-the-wall pharmacology:
278
1011000
6000
E, mais uma vez, isso é, um tipo de, minha noção de farmacologia de jogar-cocô-na-parede:
17:13
you know certain fertilizers make the plant more healthy so you put more in.
279
1017000
4000
você sabe que certos fertilizantes tornam a planta mais mais saudável então você coloca mais.
17:17
You don't necessarily know with granularity
280
1021000
4000
Você não necessariamente sabe qual a granularidade
17:21
exactly what organisms are providing what flavors and what characteristics.
281
1025000
6000
exatamente qual organismo está conferindo que sabores e quais características.
17:27
We can start to figure that out.
282
1031000
3000
Nós podemos começar a tentar entender isso.
17:30
We all talk about terroir; we worship terroir;
283
1034000
3000
Nós falamos sobre terreno; nós idolatramos o terreno;
17:33
we say, Wow, is my terroir great! It's so special.
284
1037000
3000
nós dizemos, Uau, esse meu terreno é ótimo! É tão especial.
17:36
I've got this piece of land and it creates terroir like you wouldn't believe.
285
1040000
4000
Eu tenho esse pedaço de terra e ele cria um terreno que você não vai acreditar.
17:40
Well, you know, we really, we argue and debate about it --
286
1044000
4000
Bem, você sabe, nós realmente, nós discutimos e debatemos sobre isso --
17:44
we say it's climate, it's soil, it's this. Well, guess what?
287
1048000
3000
nós dizemos que é o clima, que é o solo, que é isso. Bem, adivinhe o quê?
17:47
We can figure out what the heck terroir is.
288
1051000
3000
Nós podemos entender que diabos terreno é.
17:50
It's in there, waiting to be sequenced.
289
1054000
3000
Está aqui, esperando para ser sequenciado.
17:53
There are thousands of microbes there.
290
1057000
2000
Existem milhares de micróbios lá.
17:55
They're easy to sequence: unlike a human,
291
1059000
2000
Eles são fáceis de sequenciar: diferente de um humano,
17:57
they, you know, have a thousand, two thousand genes;
292
1061000
2000
eles, você sabe, têm mil, dois mil genes;
17:59
we can figure out what they are.
293
1063000
2000
nós podemos entender o que eles são.
18:01
All we have to do is go around and sample, dig into the ground, find those bugs,
294
1065000
7000
Tudo o que nós temos que fazer é andar ao redor e amostrar, cavocar no chão, encontrar esses pestinhas,
18:08
sequence them, correlate them to the kinds of characteristics we like and don't like --
295
1072000
5000
sequenciá-los, correlacioná-los com os tipos e características que nós gostamos e não gostamos --
18:13
that's just a big database -- and then fertilize.
296
1077000
3000
isso é apenas um grande banco de dados -- e então fertilizar.
18:16
And then we understand what is terroir.
297
1080000
3000
E daí nós entenderemos o que é terreno.
18:20
So, some people will say, Oh, my God, are we playing God?
298
1084000
2000
Então, algumas pessoas irão dizer, Oh, meu Deus, estamos brincando de Deus?
18:22
Are we now, if we engineer organisms, are we playing God?
299
1086000
5000
Nós estaremos, se nós engenheirarmos organismos, estaremos brincando de Deus?
18:27
And, you know, people would always ask James Watson --
300
1091000
3000
E, você sabe, pessoas iriam sempre perguntar a James Watson --
18:30
he's not always the most politically correct guy ...
301
1094000
2000
ele nem sempre foi o cara mais politicamente correto ...
18:32
(Laughter)
302
1096000
1000
(risos)
18:33
... and they would say, "Are, you know, are you playing God?"
303
1097000
5000
... e eles vão dizer, "Você, você sabe, você está brincando de Deus?"
18:38
And he had the best answer I ever heard to this question:
304
1102000
3000
E ele tem a melhor resposta que eu já ouvi para essa pergunta:
18:41
"Well, somebody has to."
305
1105000
2000
"Bem, alguém tem que fazer isso."
18:43
(Laughter)
306
1107000
3000
(risos)
18:46
I consider myself a very spiritual person,
307
1110000
4000
Eu me considero uma pessoa muito espiritualizada,
18:50
and without, you know, the organized religion part,
308
1114000
3000
e sem, você sabe, a parte da organização religiosa,
18:53
and I will tell you: I don't believe there's anything unnatural.
309
1117000
4000
e eu vou te dizer: Eu não acredito que exista algo não natural.
18:57
I don't believe that chemicals are unnatural.
310
1121000
4000
Eu não acredito que substâncias químicas não sejam naturais.
19:01
I told you I'm going to make some of you puke.
311
1125000
2000
Eu disse a vocês que eu vou fazer alguns de vocês vomitarem.
19:03
It's very simple: we don't invent molecules, compounds.
312
1127000
4000
É muito simples: nós não inventamos moléculas, compostos.
19:07
They're here. They're in the universe.
313
1131000
2000
Elas estão aí. Elas estão no universo,
19:09
We reorganize things, we change them around,
314
1133000
3000
Nós reorganizamos as coisas, nós mudamos elas de lugar,
19:12
but we don't make anything unnatural.
315
1136000
3000
mas nós não fazemos nada que não seja natural.
19:15
Now, we can create bad impacts --
316
1139000
2000
Agora, nós causamos impactos ruins --
19:17
we can poison ourselves; we can poison the Earth --
317
1141000
2000
nós podemos nos envenenar; nós podemos envenenar a Terra --
19:19
but that's just a natural outcome of a mistake we made.
318
1143000
4000
mas isso é apenas o resultado natural de um erro que nós cometermos.
19:23
So, what's happening today is, Nature is presenting us with a toolbox,
319
1147000
4000
Então, o que está acontecendo hoje é, a natureza está nos presenteando com uma caixa de ferramentas,
19:27
and we find that this toolbox is very extensive.
320
1151000
4000
e nós percebemos que esta caixa de ferramentas é muito grande.
19:31
There are microbes out there that actually make gasoline, believe it or not.
321
1155000
4000
Que existem micróbios lá fora que podem fazer gasolina, acredite ou não.
19:35
There are microbes, you know -- go back to yeast.
322
1159000
2000
Existem micróbios, você sabe -- voltando nas leveduras.
19:37
These are chemical factories;
323
1161000
2000
Essas são fábricas químicas;
19:39
the most sophisticated chemical factories are provided by Nature,
324
1163000
4000
as fábricas de químicos mais sofisticadas são fornecidas pela natureza,
19:43
and we now can use those.
325
1167000
3000
e agora nós podemos usá-las.
19:46
There also is a set of rules.
326
1170000
2000
Também existem algumas regras.
19:48
Nature will not allow you to --
327
1172000
3000
A natureza não vai permitir que você --
19:51
we could engineer a grape plant, but guess what.
328
1175000
2000
nós podemos engenheirar uma planta de uva, mas adivinhe o quê
19:53
We can't make the grape plant produce babies.
329
1177000
2000
Nós não podemos fazer com que a planta de uva produza bebês.
19:55
Nature has put a set of rules out there.
330
1179000
3000
A natureza colocou algumas regras lá fora.
19:58
We can work within the rules; we can't break the rules;
331
1182000
3000
Nós podemos trabalhar dentro das regras; nós não podemos quebrar as regras;
20:01
we're just learning what the rules are.
332
1185000
2000
nós estamos apenas aprendendo quais são essas regras.
20:03
I just ask the question, if you could cure all disease --
333
1187000
4000
Eu apenas faço a pergunta, se você puder curar todas as doenças --
20:07
if you could make disease go away,
334
1191000
2000
se você puder fazer as doenças desaparecer,
20:09
because we understand how it actually works,
335
1193000
2000
porque nós entendemos como realmente funciona,
20:11
if we could end hunger by being able to create nutritious, healthy plants
336
1195000
5000
se nós pudermos eliminar a fome sendo capazes de criar plantas nutritivas, saudáveis
20:16
that grow in very hard-to-grow environments,
337
1200000
3000
que crescem em ambientes de difícil crescimento,
20:19
if we could create clean and plentiful energy --
338
1203000
3000
se nós pudermos criar energia limpa e abundante --
20:22
we, right in the labs at Synthetic Genomics,
339
1206000
3000
nós, aqui nos laboratórios da Synthetic Genomics,
20:25
have single-celled organisms that are taking carbon dioxide
340
1209000
4000
temos organismos de uma única célula que estão pegando o dióxido de carbono
20:29
and producing a molecule very similar to gasoline.
341
1213000
4000
e produzindo uma molécula muito parecida com a gasolina.
20:33
So, carbon dioxide -- the stuff we want to get rid of -- not sugar, not anything.
342
1217000
5000
Então, o dióxido de carbono -- essa coisa da qual a gente quer se ver livre -- não açúcar, nem nada parecido.
20:38
Carbon dioxide, a little bit of sunlight,
343
1222000
3000
Dióxido de carbono, um pouquinho de luz solar,
20:41
you end up with a lipid that is highly refined.
344
1225000
5000
você tem um lipídio que é altamente refinado.
20:46
We could solve our energy problems; we can reduce CO2,;
345
1230000
4000
Nós podemos resolver nossos problemas energéticos; nós podemos reduzir o CO2,
20:50
we could clean up our oceans; we could make better wine.
346
1234000
3000
nós podemos limpar nossos oceanos; nós podemos fazer vinhos melhores.
20:53
If we could, would we?
347
1237000
3000
Se nós podemos, nós vamos fazer?
20:56
Well, you know, I think the answer is very simple:
348
1240000
3000
Bem, você sabe, eu acho que a resposta é muito simples:
20:59
working with Nature, working with this tool set that we now understand,
349
1243000
5000
Trabalhando com a natureza, trabalhando com essas ferramentas que agora nós compreendemos,
21:04
is the next step in humankind's evolution.
350
1248000
3000
é o próximo passo na evolução da humanidade.
21:07
And all I can tell you is, stay healthy for 20 years.
351
1251000
4000
E tudo o que eu posso te dizer é, fique saudável por 20 anos.
21:11
If you can stay healthy for 20 years, you'll see 150, maybe 300.
352
1255000
3000
Se você puder ficar saudável por 20 anos, você verá 150, talvez 300.
21:14
Thank you.
353
1258000
2000
Muito obrigado.
ABOUT THE SPEAKER
Barry Schuler - EntrepreneurBarry Schuler's multimedia firm Medior built key interactive technologies for AOL, helping millions connect to the Internet through a simple, accessible interface. Now, through venture capital (and wine appreciation), he wants to do the same for genomics.
Why you should listen
If in the mid-'90s tech revolution you found yourself intimidated by command lines (or computers in general), chances are you had your first encounter with email through America Online. Above those first-month-free CDs, the main appeal was its easy-as-a-microwave interface, which Barry Schuler and his team at Medior designed. While the other techies were complaining of eternal September, Schuler remained a populist, passionate about spreading accessibility to the next generation of services that he foresaw changing the world. (Earlier, he had developed and marketed color desktop apps for Apple.)
Schuler later served as AOL's CEO when it acquired Time Warner. But now, as high-tech democratization continues, Schuler wants to direct the momentum toward genomics. As managing director of Draper Fisher Jurvetson, he's funding next-thing projects in tech, and he also serves on the board of Synthetic Genomics. A lover of wine (and a proponent of using genetics to enhance wine grapes), he owns Meteor Vineyard in Napa Valley. He's currently CEO of Raydiance, which is developing laser technology for healthcare use.
Barry Schuler | Speaker | TED.com