TEDSummit 2019
Sara-Jane Dunn: The next software revolution: programming biological cells
Sara-Jane Dunn: A próxima revolução de software: a programação de células biológicas
Filmed:
Readability: 5.2
1,706,478 views
As células do corpo são como software de computador: elas são "programadas" para realizar funções específicas em momentos específicos. Se pudermos entender melhor esse processo, poderemos ter acesso à capacidade de reprogramar células, diz a bióloga computacional Sara-Jane Dunn. Em uma palestra da vanguarda da ciência, ela explica como sua equipe estuda células-tronco embrionárias para adquirir um novo conhecimento dos programas biológicos que alimentam a vida e desenvolver um "software vivo" que poderia transformar a medicina, a agricultura e a energia.
Sara-Jane Dunn - Computational biologist
Sara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information. Full bio
Sara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information. Full bio
Double-click the English transcript below to play the video.
00:12
The second half of the last century
was completely defined
was completely defined
0
750
4509
A segunda metade do século passado
foi completamente definida
foi completamente definida
00:17
by a technological revolution:
1
5283
1999
por uma revolução tecnológica:
00:19
the software revolution.
2
7306
1435
a revolução do software.
00:21
The ability to program electrons
on a material called silicon
on a material called silicon
3
9313
4808
A capacidade de programar elétrons
em um material chamado silício
em um material chamado silício
00:26
made possible technologies,
companies and industries
companies and industries
4
14145
3073
possibilitou tecnologias,
empresas e indústrias
empresas e indústrias
00:29
that were at one point
unimaginable to many of us,
unimaginable to many of us,
5
17242
3977
que eram, em algum momento,
inimagináveis para muitos de nós,
inimagináveis para muitos de nós,
00:33
but which have now fundamentally changed
the way the world works.
the way the world works.
6
21243
3915
mas que, agora, mudaram fundamentalmente
a maneira como o mundo funciona.
a maneira como o mundo funciona.
00:38
The first half of this century, though,
7
26158
1921
Porém a primeira metade deste século
00:40
is going to be transformed
by a new software revolution:
by a new software revolution:
8
28103
3978
será transformada por uma nova
revolução de software:
revolução de software:
00:44
the living software revolution.
9
32105
2435
a revolução do software vivo.
00:46
And this will be powered by the ability
to program biochemistry
to program biochemistry
10
34921
4050
Ela será movida pela capacidade
de programar a bioquímica
de programar a bioquímica
00:50
on a material called biology.
11
38995
2295
em um material chamado biologia.
00:53
And doing so will enable us to harness
the properties of biology
the properties of biology
12
41314
4141
Isso nos permitirá aproveitar
as propriedades da biologia
as propriedades da biologia
00:57
to generate new kinds of therapies,
13
45479
2656
para gerar novos tipos de terapias,
01:00
to repair damaged tissue,
14
48159
1868
reparar tecidos danificados,
01:02
to reprogram faulty cells
15
50051
2725
reprogramar células defeituosas
01:04
or even build programmable
operating systems out of biochemistry.
operating systems out of biochemistry.
16
52800
4554
ou até construir sistemas operacionais
programáveis a partir da bioquímica.
programáveis a partir da bioquímica.
Se conseguirmos perceber isso,
e precisamos perceber,
e precisamos perceber,
01:10
If we can realize this --
and we do need to realize it --
and we do need to realize it --
17
58420
3573
01:14
its impact will be so enormous
18
62017
2162
o impacto será tão grande
01:16
that it will make the first
software revolution pale in comparison.
software revolution pale in comparison.
19
64203
3877
que a primeira revolução do software
perderá importância na comparação.
perderá importância na comparação.
01:20
And that's because living software
would transform the entirety of medicine,
would transform the entirety of medicine,
20
68104
4234
Isso ocorre porque o software vivo
transformaria toda a medicina,
transformaria toda a medicina,
01:24
agriculture and energy,
21
72362
1559
agricultura e energia,
01:25
and these are sectors that dwarf
those dominated by IT.
those dominated by IT.
22
73945
3828
que são setores que diminuem
aqueles dominados pela TI.
aqueles dominados pela TI.
01:30
Imagine programmable plants
that fix nitrogen more effectively
that fix nitrogen more effectively
23
78812
4174
Imaginem plantas programáveis que fixam
o nitrogênio de maneira mais eficaz
o nitrogênio de maneira mais eficaz
01:35
or resist emerging fungal pathogens,
24
83010
2905
ou resistem a patógenos
fúngicos emergentes,
fúngicos emergentes,
01:37
or even programming crops
to be perennial rather than annual
to be perennial rather than annual
25
85939
3537
ou até mesmo programar as safras
para serem perenes, em vez de anuais,
para serem perenes, em vez de anuais,
01:41
so you could double
your crop yields each year.
your crop yields each year.
26
89500
2268
para que a produção
seja duplicada a cada ano.
seja duplicada a cada ano.
Isso transformaria a agricultura
01:43
That would transform agriculture
27
91792
2098
01:45
and how we'll keep our growing
and global population fed.
and global population fed.
28
93914
4104
e o modo como manteremos alimentada
nossa crescente população global.
nossa crescente população global.
01:50
Or imagine programmable immunity,
29
98794
2262
Ou imaginem uma imunidade programável,
01:53
designing and harnessing molecular devices
that guide your immune system
that guide your immune system
30
101080
4238
o projeto e o aproveitamento
de dispositivos moleculares
de dispositivos moleculares
que guiam o sistema imunológico
01:57
to detect, eradicate
or even prevent disease.
or even prevent disease.
31
105342
3830
para detectar, erradicar,
ou até mesmo prevenir doenças.
ou até mesmo prevenir doenças.
02:01
This would transform medicine
32
109196
1571
Isso transformaria a medicina
02:02
and how we'll keep our growing
and aging population healthy.
and aging population healthy.
33
110791
3489
e o modo como manteremos saudável
nossa crescente população de idosos.
nossa crescente população de idosos.
02:07
We already have many of the tools
that will make living software a reality.
that will make living software a reality.
34
115501
4203
Já temos muitas das ferramentas
que tornarão o software vivo
uma realidade.
uma realidade.
02:11
We can precisely edit genes with CRISPR.
35
119728
2347
Podemos editar genes
com precisão usando o CRISPR,
com precisão usando o CRISPR,
02:14
We can rewrite the genetic code
one base at a time.
one base at a time.
36
122099
3083
reescrever o código genético
uma base por vez
uma base por vez
02:17
We can even build functioning
synthetic circuits out of DNA.
synthetic circuits out of DNA.
37
125206
4436
e até construir circuitos sintéticos
funcionais a partir do DNA.
funcionais a partir do DNA.
02:22
But figuring out how and when
to wield these tools
to wield these tools
38
130428
2469
Mas descobrir como e quando
usar essas ferramentas
usar essas ferramentas
02:24
is still a process of trial and error.
39
132921
2422
ainda é um processo de tentativa e erro.
02:27
It needs deep expertise,
years of specialization.
years of specialization.
40
135367
3660
Requer conhecimento profundo
e anos de especialização.
e anos de especialização.
02:31
And experimental protocols
are difficult to discover
are difficult to discover
41
139051
3037
Protocolos experimentais
são difíceis de descobrir
são difíceis de descobrir
02:34
and all too often, difficult to reproduce.
42
142112
2582
e frequentemente difíceis de reproduzir.
02:37
And, you know, we have a tendency
in biology to focus a lot on the parts,
in biology to focus a lot on the parts,
43
145256
4473
Na biologia, temos a tendência
de focar muito as partes,
de focar muito as partes,
02:41
but we all know that something like flying
wouldn't be understood
wouldn't be understood
44
149753
3133
mas todos sabemos que algo como voar
não seria entendido
apenas pelo estudo das penas.
apenas pelo estudo das penas.
02:44
by only studying feathers.
45
152910
1339
02:46
So programming biology is not yet
as simple as programming your computer.
as simple as programming your computer.
46
154846
4521
Programar biologia não é tão simples
quanto programar um computador.
quanto programar um computador.
02:51
And then to make matters worse,
47
159391
1678
Para piorar a situação,
02:53
living systems largely bear no resemblance
to the engineered systems
to the engineered systems
48
161093
4010
sistemas vivos não têm grande semelhança
com sistemas de engenharia
com sistemas de engenharia
02:57
that you and I program every day.
49
165127
2096
que programamos todos os dias.
02:59
In contrast to engineered systems,
living systems self-generate,
living systems self-generate,
50
167691
4111
Ao contrário de sistemas de engenharia,
sistemas vivos se autogeram,
sistemas vivos se autogeram,
03:03
they self-organize,
51
171826
1471
se auto-organizam,
03:05
they operate at molecular scales.
52
173321
1687
operam em escalas moleculares.
03:07
And these molecular-level interactions
53
175032
2136
Essas interações de nível molecular
03:09
lead generally to robust
macro-scale output.
macro-scale output.
54
177192
3018
levam geralmente a resultados
robustos em macroescala.
robustos em macroescala.
03:12
They can even self-repair.
55
180234
2720
Esses sistemas conseguem
até mesmo se autocorrigirem.
até mesmo se autocorrigirem.
03:16
Consider, for example,
the humble household plant,
the humble household plant,
56
184256
2994
Considerem, por exemplo,
a humilde planta doméstica,
a humilde planta doméstica,
03:19
like that one sat
on your mantelpiece at home
on your mantelpiece at home
57
187274
2187
como aquela de sua casa,
que você se esquece de regar.
03:21
that you keep forgetting to water.
58
189485
1787
03:23
Every day, despite your neglect,
that plant has to wake up
that plant has to wake up
59
191749
3615
Todos os dias, apesar de sua negligência,
essa planta precisa acordar
essa planta precisa acordar
03:27
and figure out how
to allocate its resources.
to allocate its resources.
60
195388
2747
e descobrir como alocar seus recursos.
03:30
Will it grow, photosynthesize,
produce seeds, or flower?
produce seeds, or flower?
61
198159
3571
Ela crescerá, fará fotossíntese,
produzirá sementes ou flores?
produzirá sementes ou flores?
03:33
And that's a decision that has to be made
at the level of the whole organism.
at the level of the whole organism.
62
201754
3939
Essa é uma decisão que deve ser tomada
no nível de todo o organismo.
no nível de todo o organismo.
03:37
But a plant doesn't have a brain
to figure all of that out.
to figure all of that out.
63
205717
3481
Mas uma planta não tem cérebro
para tomar decisões.
para tomar decisões.
03:41
It has to make do
with the cells on its leaves.
with the cells on its leaves.
64
209222
2717
Ela tem que se virar
com as células de suas folhas,
com as células de suas folhas,
03:43
They have to respond to the environment
65
211963
1903
que precisam reagir ao meio ambiente
03:45
and make the decisions
that affect the whole plant.
that affect the whole plant.
66
213890
2649
e tomar as decisões
que afetam toda a planta.
que afetam toda a planta.
03:48
So somehow there must be a program
running inside these cells,
running inside these cells,
67
216563
3988
De alguma forma, deve haver um programa
em execução dentro dessas células,
em execução dentro dessas células,
03:52
a program that responds
to input signals and cues
to input signals and cues
68
220575
2727
que responde às pistas
e aos sinais de entrada
e aos sinais de entrada
03:55
and shapes what that cell will do.
69
223326
1940
e modela o que essa célula fará.
03:57
And then those programs must operate
in a distributed way
in a distributed way
70
225679
3247
Depois, esses programas
devem operar de modo distribuído
devem operar de modo distribuído
04:00
across individual cells,
71
228950
1337
entre células individuais
04:02
so that they can coordinate
and that plant can grow and flourish.
and that plant can grow and flourish.
72
230311
4123
para que possam se coordenar
e para que essa planta
consiga crescer e florescer.
consiga crescer e florescer.
04:07
If we could understand
these biological programs,
these biological programs,
73
235675
3316
Se conseguíssemos entender
esses programas biológicos
esses programas biológicos
04:11
if we could understand
biological computation,
biological computation,
74
239015
3122
e a computação biológica,
04:14
it would transform our ability
to understand how and why
to understand how and why
75
242161
3937
isso transformaria nossa capacidade
de entender como e por que
de entender como e por que
04:18
cells do what they do.
76
246122
1546
as células fazem o que fazem.
04:20
Because, if we understood these programs,
77
248152
1987
Porque, se entendêssemos esses programas,
poderíamos detectar e eliminar erros.
poderíamos detectar e eliminar erros.
04:22
we could debug them when things go wrong.
78
250163
2133
04:24
Or we could learn from them how to design
the kind of synthetic circuits
the kind of synthetic circuits
79
252320
4193
Ou poderíamos aprender com eles
a projetar o tipo de circuitos sintéticos
a projetar o tipo de circuitos sintéticos
04:28
that truly exploit
the computational power of biochemistry.
the computational power of biochemistry.
80
256537
4474
que realmente exploram
o poder computacional da bioquímica.
o poder computacional da bioquímica.
04:34
My passion about this idea
led me to a career in research
led me to a career in research
81
262407
3018
Minha paixão por essa ideia
me levou a uma carreira de pesquisa
me levou a uma carreira de pesquisa
04:37
at the interface of maths,
computer science and biology.
computer science and biology.
82
265449
3631
em matemática, biologia
e ciência da computação.
e ciência da computação.
04:41
And in my work, I focus on the concept
of biology as computation.
of biology as computation.
83
269104
4726
Em meu trabalho, eu me concentro
no conceito de biologia como computação.
no conceito de biologia como computação.
04:46
And that means asking
what do cells compute,
what do cells compute,
84
274334
3142
Isso significa perguntar
o que as células computam,
o que as células computam,
04:49
and how can we uncover
these biological programs?
these biological programs?
85
277500
3517
e como podemos descobrir
esses programas biológicos.
esses programas biológicos.
04:53
And I started to ask these questions
together with some brilliant collaborators
together with some brilliant collaborators
86
281760
3757
Comecei a fazer essas perguntas
com alguns colaboradores geniais
com alguns colaboradores geniais
da Microsoft Research
e da Universidade de Cambridge,
e da Universidade de Cambridge,
04:57
at Microsoft Research
and the University of Cambridge,
and the University of Cambridge,
87
285541
2571
onde, juntos, queríamos entender
05:00
where together we wanted to understand
88
288136
2283
05:02
the biological program
running inside a unique type of cell:
running inside a unique type of cell:
89
290443
4177
o programa biológico em execução
dentro de um tipo único de célula:
dentro de um tipo único de célula:
05:06
an embryonic stem cell.
90
294644
1894
uma célula-tronco embrionária.
Essas células são únicas
porque são totalmente simples.
porque são totalmente simples.
05:09
These cells are unique
because they're totally naïve.
because they're totally naïve.
91
297136
3160
05:12
They can become anything they want:
92
300320
2168
Elas conseguem se transformar
no que quiserem:
no que quiserem:
05:14
a brain cell, a heart cell,
a bone cell, a lung cell,
a bone cell, a lung cell,
93
302512
2565
uma célula cerebral,
cardíaca, óssea, pulmonar,
cardíaca, óssea, pulmonar,
05:17
any adult cell type.
94
305101
1897
qualquer tipo de célula adulta.
05:19
This naïvety, it sets them apart,
95
307022
1677
Essa simplicidade as diferencia,
05:20
but it also ignited the imagination
of the scientific community,
of the scientific community,
96
308723
3001
mas também estimula a imaginação
da comunidade científica,
da comunidade científica,
05:23
who realized, if we could
tap into that potential,
tap into that potential,
97
311748
3263
que percebeu que, se conseguíssemos
aproveitar esse potencial,
aproveitar esse potencial,
05:27
we would have a powerful
tool for medicine.
tool for medicine.
98
315035
2351
teríamos uma ferramenta poderosa
para a medicina.
para a medicina.
05:29
If we could figure out
how these cells make the decision
how these cells make the decision
99
317917
2621
Se conseguíssemos descobrir
como essas células decidem
como essas células decidem
05:32
to become one cell type or another,
100
320562
2131
se tornar um tipo de célula ou outra,
05:34
we might be able to harness them
101
322717
1690
poderíamos aproveitá-las
para gerar células necessárias
para gerar células necessárias
05:36
to generate cells that we need
to repair diseased or damaged tissue.
to repair diseased or damaged tissue.
102
324431
4553
para reparar tecidos
doentes ou danificados.
doentes ou danificados.
05:41
But realizing that vision
is not without its challenges,
is not without its challenges,
103
329794
2930
Mas perceber que essa visão
não está isenta de desafios,
não está isenta de desafios,
05:44
not least because these particular cells,
104
332748
2764
principalmente porque
essas células específicas
essas células específicas
05:47
they emerge just six days
after conception.
after conception.
105
335536
2829
surgem apenas seis dias após a concepção
05:50
And then within a day or so, they're gone.
106
338826
2055
e, cerca de um dia depois, elas se foram.
Seguiram os diferentes caminhos
05:52
They have set off down the different paths
107
340905
2057
que formam todas as estruturas
e órgãos do corpo adulto.
e órgãos do corpo adulto.
05:54
that form all the structures
and organs of your adult body.
and organs of your adult body.
108
342986
3050
05:59
But it turns out that cell fates
are a lot more plastic
are a lot more plastic
109
347770
3079
Mas acontece que o destino das células
é muito mais plástico
é muito mais plástico
do que poderíamos imaginar.
06:02
than we might have imagined.
110
350873
1413
06:04
About 13 years ago, some scientists
showed something truly revolutionary.
showed something truly revolutionary.
111
352310
4321
Cerca de 13 anos atrás, alguns cientistas
mostraram algo realmente revolucionário.
mostraram algo realmente revolucionário.
06:09
By inserting just a handful of genes
into an adult cell,
into an adult cell,
112
357393
4346
Ao introduzir apenas um punhado de genes
em uma célula adulta,
em uma célula adulta,
como uma das células da pele,
06:13
like one of your skin cells,
113
361763
1764
06:15
you can transform that cell
back to the naïve state.
back to the naïve state.
114
363551
3959
podemos transformar essa célula
de volta ao estado simples.
de volta ao estado simples.
06:19
And it's a process that's actually
known as "reprogramming,"
known as "reprogramming,"
115
367534
3175
É um processo conhecido
como "reprogramação",
como "reprogramação",
06:22
and it allows us to imagine
a kind of stem cell utopia,
a kind of stem cell utopia,
116
370733
3359
que nos permite imaginar
um tipo de utopia de células-tronco:
um tipo de utopia de células-tronco:
06:26
the ability to take a sample
of a patient's own cells,
of a patient's own cells,
117
374116
3641
a capacidade de coletar uma amostra
das células de um paciente,
das células de um paciente,
06:29
transform them back to the naïve state
118
377781
2360
transformá-las de volta ao estado simples
06:32
and use those cells to make
whatever that patient might need,
whatever that patient might need,
119
380165
3130
e usá-las para fazer
o que o paciente precisar,
o que o paciente precisar,
06:35
whether it's brain cells or heart cells.
120
383319
2075
sejam células cerebrais ou cardíacas.
06:38
But over the last decade or so,
121
386541
1765
Mas, ao longo da última década,
06:40
figuring out how to change cell fate,
122
388330
3044
descobrir como mudar o destino das células
06:43
it's still a process of trial and error.
123
391398
2152
ainda é um processo de tentativa e erro.
06:45
Even in cases where we've uncovered
successful experimental protocols,
successful experimental protocols,
124
393911
4508
Mesmo nos casos em que descobrimos
protocolos experimentais bem-sucedidos,
protocolos experimentais bem-sucedidos,
06:50
they're still inefficient,
125
398443
1467
eles ainda são ineficientes,
06:51
and we lack a fundamental understanding
of how and why they work.
of how and why they work.
126
399934
4238
e nos falta um entendimento fundamental
de como e por que eles funcionam.
de como e por que eles funcionam.
06:56
If you figured out how to change
a stem cell into a heart cell,
a stem cell into a heart cell,
127
404650
3005
Descobrir como transformar
uma célula-tronco em uma cardíaca
uma célula-tronco em uma cardíaca
não dirá como transformar
uma célula-tronco
uma célula-tronco
06:59
that hasn't got any way of telling you
how to change a stem cell
how to change a stem cell
128
407679
3089
em uma célula cerebral.
07:02
into a brain cell.
129
410792
1201
07:04
So we wanted to understand
the biological program
the biological program
130
412633
2931
Queríamos entender
o programa biológico em execução
dentro de uma célula-tronco embrionária.
dentro de uma célula-tronco embrionária.
07:07
running inside an embryonic stem cell,
131
415588
2447
07:10
and understanding the computation
performed by a living system
performed by a living system
132
418059
3506
O entendimento da computação
realizada por um sistema vivo
realizada por um sistema vivo
começa por uma pergunta
incrivelmente simples:
incrivelmente simples:
07:13
starts with asking
a devastatingly simple question:
a devastatingly simple question:
133
421589
4253
"O que esse sistema
realmente precisa fazer?"
realmente precisa fazer?"
07:17
What is it that system actually has to do?
134
425866
3356
07:21
Now, computer science actually
has a set of strategies
has a set of strategies
135
429838
2850
A ciência da computação
tem um conjunto de estratégias
tem um conjunto de estratégias
07:24
for dealing with what it is the software
and hardware are meant to do.
and hardware are meant to do.
136
432712
3827
para lidar com o que o software
e o hardware estão destinados a fazer.
e o hardware estão destinados a fazer.
07:28
When you write a program,
you code a piece of software,
you code a piece of software,
137
436563
2660
Ao escrever um programa,
você codifica um software,
você codifica um software,
e quer que ele seja
executado corretamente.
executado corretamente.
07:31
you want that software to run correctly.
138
439247
2000
Você quer desempenho, funcionalidade.
07:33
You want performance, functionality.
139
441271
1790
Quer evitar erros,
07:35
You want to prevent bugs.
140
443085
1217
que podem lhe custar muito.
07:36
They can cost you a lot.
141
444326
1308
07:38
So when a developer writes a program,
142
446168
1842
Quando um desenvolvedor programa,
ele poderia anotar
uma série de especificações
uma série de especificações
07:40
they could write down
a set of specifications.
a set of specifications.
143
448034
2270
que o programa deveria fazer.
07:42
These are what your program should do.
144
450328
1871
Talvez deveria comparar
o tamanho de dois números
o tamanho de dois números
07:44
Maybe it should compare
the size of two numbers
the size of two numbers
145
452223
2268
ou ordená-los de forma crescente.
07:46
or order numbers by increasing size.
146
454515
1792
07:49
Technology exists that allows us
automatically to check
automatically to check
147
457037
4695
A tecnologia nos permite
verificar automaticamente
verificar automaticamente
07:53
whether our specifications are satisfied,
148
461756
2378
se nossas especificações são atendidas,
se o programa faz o que deveria fazer.
07:56
whether that program
does what it should do.
does what it should do.
149
464158
2633
07:59
And so our idea was that in the same way,
150
467266
2856
Então, nossa ideia era que, do mesmo modo,
as observações experimentais,
que avaliamos no laboratório,
que avaliamos no laboratório,
08:02
experimental observations,
things we measure in the lab,
things we measure in the lab,
151
470146
3068
08:05
they correspond to specifications
of what the biological program should do.
of what the biological program should do.
152
473238
5033
correspondam às especificações
do que o programa biológico deveria fazer.
do que o programa biológico deveria fazer.
Só precisávamos descobrir uma forma
08:10
So we just needed to figure out a way
153
478769
1876
08:12
to encode this new type of specification.
154
480669
3183
de codificar esse novo tipo
de especificação.
de especificação.
08:16
So let's say you've been busy in the lab
and you've been measuring your genes
and you've been measuring your genes
155
484594
3654
Digamos que você estivesse ocupado
no laboratório avaliando seus genes
no laboratório avaliando seus genes
e descobrisse que, se o gene A está ativo,
08:20
and you've found that if Gene A is active,
156
488272
2436
então o gene B ou C parece estar ativo.
08:22
then Gene B or Gene C seems to be active.
157
490732
3388
08:26
We can write that observation down
as a mathematical expression
as a mathematical expression
158
494678
3582
Podemos anotar essa observação
como uma expressão matemática
como uma expressão matemática
08:30
if we can use the language of logic:
159
498284
2373
se pudermos usar a linguagem da lógica:
08:33
If A, then B or C.
160
501125
2328
se A, então B ou C.
08:36
Now, this is a very simple example, OK.
161
504242
2454
Esse é um exemplo muito simples,
apenas para exemplificar a questão.
08:38
It's just to illustrate the point.
162
506720
1743
Podemos codificar expressões muito ricas
08:40
We can encode truly rich expressions
163
508487
2924
08:43
that actually capture the behavior
of multiple genes or proteins over time
of multiple genes or proteins over time
164
511435
4153
que capturam o comportamento de múltiplos
genes ou proteínas ao longo do tempo
genes ou proteínas ao longo do tempo
através de vários experimentos diferentes.
08:47
across multiple different experiments.
165
515612
2536
Assim, ao traduzir nossas observações
08:50
And so by translating our observations
166
518521
2626
08:53
into mathematical expression in this way,
167
521171
1993
em expressão matemática dessa forma,
08:55
it becomes possible to test whether
or not those observations can emerge
or not those observations can emerge
168
523188
5098
é possível testar se essas observações
podem ou não surgir
podem ou não surgir
09:00
from a program of genetic interactions.
169
528310
3054
de um programa de interações genéticas.
Desenvolvemos uma ferramenta
para fazer exatamente isso.
para fazer exatamente isso.
09:04
And we developed a tool to do just this.
170
532063
2556
09:06
We were able to use this tool
to encode observations
to encode observations
171
534643
2882
Conseguimos utilizá-la
para codificar observações
para codificar observações
09:09
as mathematical expressions,
172
537549
1407
como expressões matemáticas,
09:10
and then that tool would allow us
to uncover the genetic program
to uncover the genetic program
173
538980
3610
e essa ferramenta nos permitia
descobrir o programa genético
descobrir o programa genético
que poderia explicar todas elas.
09:14
that could explain them all.
174
542614
1538
09:17
And we then apply this approach
175
545481
2280
Em seguida, aplicamos
essa abordagem para descobrir
essa abordagem para descobrir
09:19
to uncover the genetic program
running inside embryonic stem cells
running inside embryonic stem cells
176
547785
4083
o programa genético em execução
dentro das células-tronco embrionárias
dentro das células-tronco embrionárias
para ver se conseguíamos entender
como induzir aquele estado simples.
como induzir aquele estado simples.
09:23
to see if we could understand
how to induce that naïve state.
how to induce that naïve state.
177
551892
4189
09:28
And this tool was actually built
178
556105
1952
Essa ferramenta,
na verdade, foi construída
na verdade, foi construída
09:30
on a solver that's deployed
routinely around the world
routinely around the world
179
558081
2652
num solucionador implantado
frequentemente no mundo todo
frequentemente no mundo todo
09:32
for conventional software verification.
180
560757
2269
para verificação de software convencional.
09:35
So we started with a set
of nearly 50 different specifications
of nearly 50 different specifications
181
563630
3691
Começamos com um conjunto
de quase 50 especificações diferentes
de quase 50 especificações diferentes
09:39
that we generated from experimental
observations of embryonic stem cells.
observations of embryonic stem cells.
182
567345
4506
que geramos a partir
de observações experimentais
de observações experimentais
de células-tronco embrionárias.
Ao codificar essas observações
nessa ferramenta,
nessa ferramenta,
09:43
And by encoding these
observations in this tool,
observations in this tool,
183
571875
2636
conseguimos descobrir
o primeiro programa molecular
o primeiro programa molecular
09:46
we were able to uncover
the first molecular program
the first molecular program
184
574535
3185
09:49
that could explain all of them.
185
577744
1961
que poderia explicar todas elas.
09:52
Now, that's kind of a feat
in and of itself, right?
in and of itself, right?
186
580309
2513
Isso por si só é uma façanha.
Conseguir conciliar
todas essas observações diferentes
todas essas observações diferentes
09:54
Being able to reconcile
all of these different observations
all of these different observations
187
582846
2902
09:57
is not the kind of thing
you can do on the back of an envelope,
you can do on the back of an envelope,
188
585772
3067
não é o tipo de coisa que se pode fazer
no verso de um envelope,
no verso de um envelope,
mesmo que ele seja muito grande.
10:00
even if you have a really big envelope.
189
588863
2648
10:04
Because we've got
this kind of understanding,
this kind of understanding,
190
592190
2158
Com esse tipo de entendimento,
poderíamos dar um passo adiante
poderíamos dar um passo adiante
10:06
we could go one step further.
191
594372
1462
e usar esse programa para prever
o que essa célula podia fazer
o que essa célula podia fazer
10:07
We could use this program to predict
what this cell might do
what this cell might do
192
595858
3371
10:11
in conditions we hadn't yet tested.
193
599253
2176
em condições que ainda
não havíamos testado.
não havíamos testado.
10:13
We could probe the program in silico.
194
601453
2401
Poderíamos examinar o programa
por meio de simulações.
por meio de simulações.
10:16
And so we did just that:
195
604735
1247
Foi o que fizemos:
geramos previsões,
que testamos no laboratório,
que testamos no laboratório,
10:18
we generated predictions
that we tested in the lab,
that we tested in the lab,
196
606006
3180
10:21
and we found that this program
was highly predictive.
was highly predictive.
197
609210
3032
e descobrimos que esse programa
era altamente preditivo.
era altamente preditivo.
10:24
It told us how we could
accelerate progress
accelerate progress
198
612266
2625
Ele informava como poderíamos
acelerar o progresso
acelerar o progresso
10:26
back to the naïve state
quickly and efficiently.
quickly and efficiently.
199
614915
3060
de volta ao estado simples
de maneira rápida e eficiente,
de maneira rápida e eficiente,
10:29
It told us which genes
to target to do that,
to target to do that,
200
617999
2570
quais genes selecionar para fazer isso
10:32
which genes might even
hinder that process.
hinder that process.
201
620593
2624
e quais deles até podem
dificultar esse processo.
dificultar esse processo.
10:35
We even found the program predicted
the order in which genes would switch on.
the order in which genes would switch on.
202
623241
4990
Até descobrimos que o programa previa
a ordem na qual os genes seriam ativados.
a ordem na qual os genes seriam ativados.
10:40
So this approach really allowed us
to uncover the dynamics
to uncover the dynamics
203
628980
3140
Essa abordagem nos permitiu
descobrir a dinâmica
descobrir a dinâmica
10:44
of what the cells are doing.
204
632144
2402
do que as células estão fazendo.
10:47
What we've developed, it's not a method
that's specific to stem cell biology.
that's specific to stem cell biology.
205
635728
3642
Não desenvolvemos um método específico
para a biologia de células-tronco.
para a biologia de células-tronco.
Em vez disso, esse método permite entender
a computação realizada pela célula
a computação realizada pela célula
10:51
Rather, it allows us to make sense
of the computation
of the computation
206
639394
2684
10:54
being carried out by the cell
207
642102
1685
10:55
in the context of genetic interactions.
208
643811
2831
no contexto de interações genéticas.
10:58
So really, it's just one building block.
209
646666
2288
É apenas um componente básico.
A área precisa desenvolver,
com urgência, novas abordagens
com urgência, novas abordagens
11:00
The field urgently needs
to develop new approaches
to develop new approaches
210
648978
2685
11:03
to understand biological
computation more broadly
computation more broadly
211
651687
2695
para entender a computação biológica
de modo mais amplo e em níveis diferentes,
de modo mais amplo e em níveis diferentes,
11:06
and at different levels,
212
654406
1367
11:07
from DNA right through
to the flow of information between cells.
to the flow of information between cells.
213
655797
4129
desde o DNA até o fluxo
de informações entre as células.
de informações entre as células.
11:11
Only this kind of
transformative understanding
transformative understanding
214
659950
2797
Somente esse tipo
de entendimento transformador
de entendimento transformador
nos permitirá aproveitar a biologia
de maneiras previsíveis e confiáveis.
de maneiras previsíveis e confiáveis.
11:14
will enable us to harness biology
in ways that are predictable and reliable.
in ways that are predictable and reliable.
215
662771
4986
11:21
But to program biology,
we will also need to develop
we will also need to develop
216
669029
3042
Mas, para programar a biologia,
também precisaremos desenvolver
os tipos de ferramentas e linguagens
os tipos de ferramentas e linguagens
11:24
the kinds of tools and languages
217
672095
1995
que permitam aos experimentalistas
e aos cientistas da computação
e aos cientistas da computação
11:26
that allow both experimentalists
and computational scientists
and computational scientists
218
674114
3408
11:29
to design biological function
219
677546
2497
projetar funções biológicas,
e que esses projetos sejam compilados
até o código de máquina da célula,
até o código de máquina da célula,
11:32
and have those designs compile down
to the machine code of the cell,
to the machine code of the cell,
220
680067
3505
sua bioquímica,
11:35
its biochemistry,
221
683596
1181
para que possamos, então,
construir essas estruturas.
construir essas estruturas.
11:36
so that we could then
build those structures.
build those structures.
222
684801
2484
11:39
Now, that's something akin
to a living software compiler,
to a living software compiler,
223
687309
3673
Isso é algo semelhante
a um compilador de software vivo,
a um compilador de software vivo,
11:43
and I'm proud to be
part of a team at Microsoft
part of a team at Microsoft
224
691006
2216
e me orgulho de fazer parte
de uma equipe da Microsoft
que trabalha para desenvolver um.
que trabalha para desenvolver um.
11:45
that's working to develop one.
225
693246
1652
11:47
Though to say it's a grand challenge
is kind of an understatement,
is kind of an understatement,
226
695366
3226
Embora seja um eufemismo
dizer que é um grande desafio,
dizer que é um grande desafio,
a sua realização
11:50
but if it's realized,
227
698616
1173
seria a ponte final entre o software
e o cérebro humano.
e o cérebro humano.
11:51
it would be the final bridge
between software and wetware.
between software and wetware.
228
699813
3709
Mais amplamente, porém, a programação
da biologia só será possível
da biologia só será possível
11:57
More broadly, though, programming biology
is only going to be possible
is only going to be possible
229
705006
3415
se pudermos transformar a área
em algo verdadeiramente interdisciplinar.
em algo verdadeiramente interdisciplinar.
12:00
if we can transform the field
into being truly interdisciplinary.
into being truly interdisciplinary.
230
708445
4279
12:04
It needs us to bridge
the physical and the life sciences,
the physical and the life sciences,
231
712748
2952
Precisamos relacionar
as ciências físicas e a vida,
as ciências físicas e a vida,
e os cientistas de cada uma
dessas disciplinas
dessas disciplinas
12:07
and scientists from
each of these disciplines
each of these disciplines
232
715724
2267
12:10
need to be able to work together
with common languages
with common languages
233
718015
2731
precisam conseguir trabalhar juntos
com linguagens comuns
com linguagens comuns
12:12
and to have shared scientific questions.
234
720770
2719
e compartilhar questões científicas.
A longo prazo, vale lembrar que muitas
das empresas gigantes de software
das empresas gigantes de software
12:16
In the long term, it's worth remembering
that many of the giant software companies
that many of the giant software companies
235
724757
3993
e a tecnologia com a qual
trabalhamos todos os dias
trabalhamos todos os dias
12:20
and the technology
that you and I work with every day
that you and I work with every day
236
728774
2492
dificilmente poderiam ser imaginadas
12:23
could hardly have been imagined
237
731290
1503
quando começamos a programar
em microchips de silício.
em microchips de silício.
12:24
at the time we first started
programming on silicon microchips.
programming on silicon microchips.
238
732817
3605
12:28
And if we start now to think about
the potential for technology
the potential for technology
239
736446
3031
Se começarmos agora a pensar
no potencial da tecnologia
possibilitada pela biologia computacional,
possibilitada pela biologia computacional,
12:31
enabled by computational biology,
240
739501
2426
veremos alguns dos passos
que precisamos seguir pelo caminho
que precisamos seguir pelo caminho
12:33
we'll see some of the steps
that we need to take along the way
that we need to take along the way
241
741951
2935
para torná-la realidade.
12:36
to make that a reality.
242
744910
1433
12:39
Now, there is the sobering thought
that this kind of technology
that this kind of technology
243
747231
3082
É desanimador pensar
que esse tipo de tecnologia
que esse tipo de tecnologia
12:42
could be open to misuse.
244
750337
1777
pode estar aberto ao uso indevido.
12:44
If we're willing to talk
about the potential
about the potential
245
752138
2163
Se quisermos falar sobre o potencial
de programar células imunológicas,
de programar células imunológicas,
12:46
for programming immune cells,
246
754325
1436
também devemos pensar no potencial
de bactérias projetadas para evitá-las.
de bactérias projetadas para evitá-las.
12:47
we should also be thinking
about the potential of bacteria
about the potential of bacteria
247
755785
3188
12:50
engineered to evade them.
248
758997
1661
12:52
There might be people willing to do that.
249
760682
2087
Pode haver pessoas dispostas a fazer isso.
12:55
Now, one reassuring thought in this
250
763506
1722
Um pensamento animador a respeito,
12:57
is that -- well, less so
for the scientists --
for the scientists --
251
765252
2289
menos para os cientistas,
12:59
is that biology is
a fragile thing to work with.
a fragile thing to work with.
252
767565
3269
é a fragilidade do trabalho
com a biologia.
com a biologia.
13:02
So programming biology
is not going to be something
is not going to be something
253
770858
2412
Programar biologia não será algo
que você fará no galpão do quintal.
que você fará no galpão do quintal.
13:05
you'll be doing in your garden shed.
254
773294
1848
13:07
But because we're at the outset of this,
255
775642
2080
Mas, como estamos no início,
13:09
we can move forward
with our eyes wide open.
with our eyes wide open.
256
777746
2583
podemos avançar com os olhos bem abertos.
13:12
We can ask the difficult
questions up front,
questions up front,
257
780353
2324
Podemos fazer as perguntas
difíceis com antecedência,
difíceis com antecedência,
13:14
we can put in place
the necessary safeguards
the necessary safeguards
258
782701
3040
pôr em prática as proteções necessárias
13:17
and, as part of that,
we'll have to think about our ethics.
we'll have to think about our ethics.
259
785765
2797
e, como parte disso,
teremos que pensar em nossa ética.
teremos que pensar em nossa ética.
13:20
We'll have to think about putting bounds
on the implementation
on the implementation
260
788586
3172
Teremos que pensar em colocar limites
na implementação da função biológica.
na implementação da função biológica.
13:23
of biological function.
261
791782
1498
13:25
So as part of this, research in bioethics
will have to be a priority.
will have to be a priority.
262
793604
3715
Como parte disso, a pesquisa em bioética
terá que ser uma prioridade.
terá que ser uma prioridade.
Não pode ser relegada ao segundo plano
13:29
It can't be relegated to second place
263
797343
2407
13:31
in the excitement
of scientific innovation.
of scientific innovation.
264
799774
2514
na empolgação da inovação científica.
Mas o prêmio final,
o destino final dessa jornada,
o destino final dessa jornada,
13:35
But the ultimate prize,
the ultimate destination on this journey,
the ultimate destination on this journey,
265
803154
3474
seriam aplicações e indústrias inovadoras
13:38
would be breakthrough applications
and breakthrough industries
and breakthrough industries
266
806652
3444
13:42
in areas from agriculture and medicine
to energy and materials
to energy and materials
267
810120
3444
em áreas como agricultura,
medicina, energia e materiais
medicina, energia e materiais
13:45
and even computing itself.
268
813588
2261
e até a própria computação.
13:48
Imagine, one day we could be powering
the planet sustainably
the planet sustainably
269
816490
3148
Imaginem, um dia, podermos alimentar
o planeta de modo sustentável
o planeta de modo sustentável
13:51
on the ultimate green energy
270
819662
1859
com a energia verde final,
13:53
if we could mimic something
that plants figured out millennia ago:
that plants figured out millennia ago:
271
821545
3943
se pudéssemos imitar algo
que as plantas descobriram há milênios:
que as plantas descobriram há milênios:
13:57
how to harness the sun's energy
with an efficiency that is unparalleled
with an efficiency that is unparalleled
272
825512
3771
como aproveitar a energia do Sol
com uma eficiência sem paralelo
com uma eficiência sem paralelo
14:01
by our current solar cells.
273
829307
1856
por nossas células solares atuais.
14:03
If we understood that program
of quantum interactions
of quantum interactions
274
831695
2601
Se entendêssemos esse programa
de interações quânticas
de interações quânticas
que permitem que as plantas absorvam
a luz do Sol com tanta eficiência,
a luz do Sol com tanta eficiência,
14:06
that allow plants to absorb
sunlight so efficiently,
sunlight so efficiently,
275
834320
3264
14:09
we might be able to translate that
into building synthetic DNA circuits
into building synthetic DNA circuits
276
837608
3944
poderíamos traduzir isso na construção
de circuitos de DNA sintético
de circuitos de DNA sintético
14:13
that offer the material
for better solar cells.
for better solar cells.
277
841576
2913
que oferecessem o material
para células solares melhores.
para células solares melhores.
14:17
There are teams and scientists working
on the fundamentals of this right now,
on the fundamentals of this right now,
278
845349
3693
Há equipes e cientistas trabalhando
nos fundamentos disso neste momento.
nos fundamentos disso neste momento.
Se talvez recebessem a atenção
e o investimento adequados,
e o investimento adequados,
14:21
so perhaps if it got the right attention
and the right investment,
and the right investment,
279
849066
3243
isso poderia ocorrer em 10 ou 15 anos.
14:24
it could be realized in 10 or 15 years.
280
852333
2280
Estamos no início
de uma revolução tecnológica.
de uma revolução tecnológica.
14:27
So we are at the beginning
of a technological revolution.
of a technological revolution.
281
855457
3197
14:31
Understanding this ancient type
of biological computation
of biological computation
282
859067
3221
Compreender esse tipo antigo
de computação biológica
de computação biológica
14:34
is the critical first step.
283
862312
2132
é o primeiro passo decisivo.
Se pudermos perceber isso,
14:36
And if we can realize this,
284
864468
1317
14:37
we would enter in the era
of an operating system
of an operating system
285
865809
2842
entraremos na era
de um sistema operacional
de um sistema operacional
que executa software vivo.
14:40
that runs living software.
286
868675
1905
Muito obrigada.
14:42
Thank you very much.
287
870604
1166
14:43
(Applause)
288
871794
2690
(Aplausos)
ABOUT THE SPEAKER
Sara-Jane Dunn - Computational biologistSara-Jane Dunn is a scientist working at the interface between biology and computation, using mathematics and computational analysis to make sense of how living systems process information.
Why you should listen
Sara-Jane Dunn started her career as a mathematician, finding a niche in "mathematical biology" -- a field where mathematical models and simulations provide insights into the behavior and development of living systems. For Dunn, this research opened up new ways to explore old problems, from understanding how diseases spread to how cancer evolves. To this end, she created computational models of the gut that could be used to test hypotheses about the earliest stages of colorectal cancer.
At Microsoft Research, Dunn collaborates with experimenters in embryonic stem cell biology and seeks to uncover the biological program that governs how these unique cells are able to generate all of the different cell types of your adult body. This work could, in time, "unlock" biology and make cells programmable, which could fundamentally transform medicine, agriculture and even how we power the planet.
Sara-Jane Dunn | Speaker | TED.com