ABOUT THE SPEAKER
Joe DeRisi - Biochemist
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria.

Why you should listen

Joseph DeRisi is a molecular biologist and biochemist, on the hunt for the genomic basis of illness. His lab at UCSF is focused on the cause of malaria, and he's also poked into SARS, avian flu and other new diseases as they crop up. His approach combines scientific rigor with a nerd's boundary-breaking enthusiasm for new techniques -- one of the qualities that helped him win a MacArthur "genius" grant in 2004. A self-confessed computer geek, DeRisi designed and programmed a groundbreaking tool for finding (and fighting) viruses -- the ViroChip, a DNA microarray that test for the presence of all known viruses in one step.

In 2008, DeRisi won the Heinz Award for Technology, the Economy and Employment.

More profile about the speaker
Joe DeRisi | Speaker | TED.com
TED2006

Joe DeRisi: Solving medical mysteries

Mistérios médicos resolvidos através do ViroScan de Joe DeRisi.

Filmed:
474,538 views

O bioquímico Joe DeRisi fala sobre inovadoras formas de diagnosticar vírus (e tratar as doenças que causam) utilizando ADN. O seu trabalho pode ajudar a perceber a malária, SARS, a gripe das aves e 60% das infecções virais diárias que escapam ao diagnóstico.
- Biochemist
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria. Full bio

Double-click the English transcript below to play the video.

00:12
How can we investigateinvestigar
0
0
3000
Como é que, como podemos nós investigar
00:15
this floraflora of virusesvírus that surroundsurround us, and aidajuda medicineremédio?
1
3000
5000
esta diversidade de vírus que nos rodeiam, e ajudar a medicina?
00:20
How can we turnvirar our cumulativecumulativo knowledgeconhecimento of virologyvirologia
2
8000
4000
Como podemos transformar o nosso conhecimento cumulativo de virologia
00:24
into a simplesimples, hand-heldHand-Held, singlesolteiro diagnosticdiagnóstico assayensaio?
3
12000
4000
num instrumento de diagnóstico simples e possível de segurar numa mão?
00:28
I want to turnvirar everything we know right now about detectingdetecção de virusesvírus
4
16000
3000
Quero transformar tudo o que sabemos neste momento sobre detectar vírus
00:31
and the spectrumespectro of virusesvírus that are out there
5
19000
2000
e sobre o espectro de vírus que por aí anda
00:33
into, let's say, a smallpequeno chiplasca.
6
21000
3000
em, digamos, um pequeno chip.
00:36
When we startedcomeçado thinkingpensando about this projectprojeto --
7
24000
2000
Quando começámos a pensar sobre este projecto,
00:38
how we would make a singlesolteiro diagnosticdiagnóstico assayensaio
8
26000
3000
como iríamos construir um instrumento simples de diagnóstico
00:41
to screentela for all pathogenspatógenos simultaneouslysimultaneamente --
9
29000
3000
para analisar em simultâneo todos os agentes patogénicos,
00:44
well, there's some problemsproblemas with this ideaidéia.
10
32000
2000
bem, surgiram alguns problemas com esta ideia.
00:46
First of all, virusesvírus are prettybonita complexcomplexo,
11
34000
4000
Em primeiro lugar, os vírus são bastante complexos,
00:50
but they're alsoAlém disso evolvingevoluindo very fastvelozes.
12
38000
4000
e também evoluem bastante depressa.
00:54
This is a picornaviruspicornavírus.
13
42000
1000
Isto é um picornavírus.
00:55
PicornavirusesPicornaviruses -- these are things that includeincluir
14
43000
2000
Picornavírus - estes incluem
00:57
the commoncomum coldfrio and poliopoliomielite, things like this.
15
45000
3000
a constipação comum e a pólio, e assim.
01:00
You're looking at the outsidelado de fora shellConcha of the virusvírus,
16
48000
2000
Estamos a observar a cápsula exterior do vírus,
01:02
and the yellowamarelo colorcor here are those partspartes of the virusvírus
17
50000
3000
e esta cor amarela aqui são regiões do vírus
01:05
that are evolvingevoluindo very, very fastvelozes,
18
53000
2000
que evoluem muito, muito rapidamente,
01:07
and the blueazul partspartes are not evolvingevoluindo very fastvelozes.
19
55000
2000
e as regiões azuis não estão a evoluir muito depressa.
01:09
When people think about makingfazer pan-viralPan-viral detectiondetecção reagentsreagentes,
20
57000
3000
Quando se tentam fazer reagentes de detecção pan-viral,
01:12
usuallygeralmente it's the fast-evolvingrápida evolução problemproblema that's an issuequestão,
21
60000
4000
geralmente o maior problema decorre da evolução rápida,
01:16
because how can we detectdetectar things if they're always changingmudando?
22
64000
2000
porque como podemos nós detectar estruturas se elas estão sempre a mudar?
01:18
But evolutionevolução is a balanceequilibrar:
23
66000
2000
Mas a evolução é um equilíbrio:
01:20
where you have fastvelozes changemudança, you alsoAlém disso have ultra-conservationultraconservação --
24
68000
4000
onde ocorrem mudanças rápidas, também existe ultra-conservação,
01:24
things that almostquase never changemudança.
25
72000
2000
coisas que quase nunca mudam.
01:26
And so we lookedolhou into this a little more carefullycuidadosamente,
26
74000
3000
Então olhámos para isto um pouco mais atentamente,
01:29
and I'm going to showexposição you datadados now.
27
77000
1000
e agora vou mostrar-vos alguma informação.
01:30
This is just some stuffcoisa you can do on the computercomputador from the desktopárea de trabalho.
28
78000
3000
Isto são somente algumas coisas que vocês podiam fazer com o computador da vossa secretária.
01:33
I tooktomou a bunchgrupo of these smallpequeno picornavirusespicornaviruses,
29
81000
2000
Peguei nuns quantos destes pequenos picornavírus,
01:35
like the commoncomum coldfrio, like poliopoliomielite and so on,
30
83000
2000
como a constipação comum, a pólio e por aí adiante,
01:37
and I just brokequebrou them down into smallpequeno segmentssegmentos.
31
85000
4000
e quebrei-os em pequenos segmentos,
01:41
And so tooktomou this first exampleexemplo, whichqual is calledchamado coxsackievirusvírus Coxsackie,
32
89000
3000
e então peguei neste primeiro exemplo, que é chamado de coxsackievírus,
01:44
and just breakpausa it into smallpequeno windowsjanelas.
33
92000
2000
e parti-o em pequenas aberturas.
01:46
And I'm coloringpara colorir these smallpequeno windowsjanelas blueazul
34
94000
2000
E estou a colorir essas pequenas aberturas de azul
01:48
if anotheroutro virusvírus sharescompartilha an identicalidêntico sequenceseqüência in its genomegenoma
35
96000
5000
se outro vírus partilhar uma sequência idêntica no seu genoma
01:53
to that virusvírus.
36
101000
1000
com a desse vírus.
01:54
These sequencessequências de right up here --
37
102000
2000
Estas sequências aqui,
01:56
whichqual don't even codecódigo for proteinproteína, by the way --
38
104000
2000
que nem sequer codificam proteínas, a propósito,
01:58
are almostquase absolutelyabsolutamente identicalidêntico acrossatravés all of these,
39
106000
3000
são praticamente idênticas entre todos estes,
02:01
so I could use this sequenceseqüência as a markermarcador
40
109000
4000
então posso utilizar esta sequência como um marcador
02:05
to detectdetectar a wideLargo spectrumespectro of virusesvírus,
41
113000
2000
para detectar um vasto espectro de vírus,
02:07
withoutsem havingtendo to make something individualIndividual.
42
115000
3000
sem ter que construir algo específico.
02:10
Now, over here there's great diversitydiversidade:
43
118000
2000
Agora, aqui existe grande diversidade:
02:12
that's where things are evolvingevoluindo fastvelozes.
44
120000
2000
é onde tudo evolui rapidamente.
02:14
Down here you can see slowerMais devagar evolutionevolução: lessMenos diversitydiversidade.
45
122000
4000
Aqui podem observar uma evolução mais lenta: menor diversidade.
02:18
Now, by the time we get out here to, let's say,
46
126000
2000
Agora, quando nós aqui chegarmos, digamos,
02:20
acuteagudo beeabelha paralysisparalisia virusvírus --
47
128000
2000
ao vírus da paralisia aguda das abelhas,
02:22
probablyprovavelmente a badmau one to have if you're a beeabelha ---
48
130000
2000
provavelmente um mau vírus a ter se forem abelhas,
02:24
this virusvírus sharescompartilha almostquase no similaritysemelhança to coxsackievirusvírus Coxsackie,
49
132000
5000
este vírus não partilha praticamente nenhuma similaridade com o coxsackevírus,
02:29
but I can guaranteegarantia you that the sequencessequências de that are mosta maioria conservedconservada
50
137000
4000
mas posso garantir-vos que as sequências que são mais conservadas
02:33
amongentre these virusesvírus on the right-handmão direita of the screentela
51
141000
2000
entre estes vírus no lado direito do ecrã
02:35
are in identicalidêntico regionsregiões right up here.
52
143000
3000
encontram-se em regiões idênticas aqui.
02:38
And so we can encapsulateencapsular these regionsregiões of ultra-conservationultraconservação
53
146000
3000
E então nós podemos encapsular estas regiões de ultra-conservação
02:41
throughatravés evolutionevolução -- how these virusesvírus evolvedevoluiu --
54
149000
3000
através da evolução, como estes vírus evoluíram,
02:44
by just choosingescolhendo DNADNA elementselementos or RNARNA elementselementos
55
152000
3000
escolhendo somente elementos de ADN ou ARN
02:47
in these regionsregiões to representrepresentar on our chiplasca as detectiondetecção reagentsreagentes.
56
155000
4000
nestas regiões para representar no nosso chip como reagentes de detecção.
02:51
OK, so that's what we did, but how are we going to do that?
57
159000
3000
Sim, então foi assim que fizémos, mas como fomos nós fazer isso?
02:54
Well, for a long time, sinceDesde a I was in graduategraduado schoolescola,
58
162000
2000
Bem, durante muito tempo, desde que eu andava na faculdade,
02:56
I've been messinga brincar around makingfazer DNADNA chipssalgadinhos --
59
164000
3000
tenho andado entretido a construir chips de ADN,
02:59
that is, printingimpressão DNADNA on glassvidro.
60
167000
2000
isto é, a imprimir ADN em vidro.
03:01
And that's what you see here:
61
169000
1000
E é isso que vêm aqui:
03:02
These little saltsal spotspontos are just DNADNA tackedtacheado ontopara glassvidro,
62
170000
3000
Estas pequenas manchas são apenas ADN impresso em vidro,
03:05
and so I can put thousandsmilhares of these on our glassvidro chiplasca
63
173000
3000
e eu posso colocar milhares nos chips de vidro
03:08
and use them as a detectiondetecção reagentReagente.
64
176000
2000
e utilizá-las como reagentes de detecção.
03:10
We tooktomou our chiplasca over to Hewlett-PackardHewlett-Packard
65
178000
2000
Levámos o nosso chip à Hewlett-Packard
03:12
and used theirdeles atomicatômico forceforça microscopemicroscópio on one of these spotspontos,
66
180000
2000
e utilizámos o microscópio de força atómica num destes pontos,
03:14
and this is what you see:
67
182000
2000
e isto é o que é visível:
03:16
you can actuallyna realidade see the strandsvertentes of DNADNA lyingdeitado flatplano on the glassvidro here.
68
184000
3000
podem ver-se as cadeias de ADN estendidas sobre o vidro.
03:19
So, what we're doing is just printingimpressão DNADNA on glassvidro --
69
187000
3000
Então, o que nós estamos a fazer é imprimir ADN em vidro,
03:22
little flatplano things -- and these are going to be markersmarcadores for pathogenspatógenos.
70
190000
4000
pequenas coisas achatadas, que vai servir de marcador para patogénios.
03:26
OK, I make little robotsrobôs in lablaboratório to make these chipssalgadinhos,
71
194000
3000
Assim, contruí pequenos robôs no laboratório para montar os chips,
03:29
and I'm really biggrande on disseminatingdivulgação de technologytecnologia.
72
197000
3000
e sou um adepto da disseminação da tecnologia.
03:32
If you've got enoughsuficiente moneydinheiro to buyComprar just a CamryCamry,
73
200000
3000
Se têm dinheiro suficiente para comprar uma Camry,
03:35
you can buildconstruir one of these too,
74
203000
2000
também podem contruir isto,
03:37
and so we put a deepprofundo how-toHow-to guideguia on the WebWeb, totallytotalmente freelivre,
75
205000
4000
por isso disponibilizamos um manual de instruções compleno na web, gratuitamente,
03:41
with basicallybasicamente order-off-the-shelfordem-off-the-shelf partspartes.
76
209000
2000
basicamente com a indicação das peças a encomendar,
03:43
You can buildconstruir a DNADNA arraymatriz machinemáquina in your garagegaragem.
77
211000
3000
podem construir uma máquina de microarrays na garagem.
03:46
Here'sAqui é the sectionseção on the all-importantmuito importante emergencyemergência stop switchinterruptor.
78
214000
3000
Aqui está a secção dos imprescindíveis botões stop de emergência.
03:49
(LaughterRiso)
79
217000
2000
(Risos)
03:51
EveryCada importantimportante machine'smáquina got to have a biggrande redvermelho buttonbotão.
80
219000
3000
Qualquer máquina importante tem de ter um grande botão vermelho.
03:54
But really, it's prettybonita robustrobusto.
81
222000
2000
Agora a sério, é bastante resistente.
03:56
You can actuallyna realidade be makingfazer DNADNA chipssalgadinhos in your garagegaragem
82
224000
3000
Podiam de facto estar a fazer chips de ADN na vossa garagem,
03:59
and decodingdecodificação some geneticgenético programsprogramas prettybonita rapidlyrapidamente. It's a lot of funDiversão.
83
227000
4000
e a descodificar alguns programas genéticos rapidamente. É bastante divertido.
04:03
(LaughterRiso)
84
231000
1000
(Risos)
04:04
And so what we did -- and this is a really coollegal projectprojeto --
85
232000
4000
E então o que fizémos, e este é um projecto muito interessante,
04:08
we just startedcomeçado by makingfazer a respiratoryrespiratório virusvírus chiplasca.
86
236000
2000
começámos por fazer um chip de vírus respiratórios.
04:10
I talkedfalou about that --
87
238000
2000
Eu falei sobre,
04:12
you know, that situationsituação where you go into the clinicclínica
88
240000
2000
sabem, a situação em que se dirigem a uma clínica
04:14
and you don't get diagnoseddiagnosticada?
89
242000
2000
e não são diagnosticados?
04:16
Well, we just put basicallybasicamente all the humanhumano respiratoryrespiratório virusesvírus
90
244000
2000
Bem, nós pusémos basicamente todos os vírus respiratórios humanos
04:18
on one chiplasca, and we threwjogou in herpesherpes virusvírus for good measurea medida --
91
246000
3000
num chip, e aproveitámos e pusémos também o vírus do herpes por precaução,
04:21
I mean, why not?
92
249000
1000
quer dizer, porque não?
04:22
The first thing you do as a scientistcientista is,
93
250000
2000
A primeira coisa que fazem enquanto cientistas é,
04:24
you make sure stuffcoisa workstrabalho.
94
252000
1000
têm de se certificar que o teste funciona.
04:25
And so what we did is, we take tissuelenço de papel culturecultura cellscélulas
95
253000
3000
Então fizémos uma cultura de células
04:28
and infectinfectar them with variousvários virusesvírus,
96
256000
2000
e infectámo-la com vários vírus,
04:30
and we take the stuffcoisa and fluorescentlyfluorescente labelrótulo the nucleicácidos nucleicos acidácido,
97
258000
4000
e pegámos na preparação e marcámos por flurescência o ácido nucleico,
04:34
the geneticgenético materialmaterial that comesvem out of these tissuelenço de papel culturecultura cellscélulas --
98
262000
3000
o material genético que obtivémos dessa cultura celular -
04:37
mostlyna maioria das vezes viralviral stuffcoisa -- and stickbastão it on the arraymatriz to see where it sticksvaras.
99
265000
4000
sobretudo material viral - e colocámo-lo sobre o chip para ver onde hibridava.
04:41
Now, if the DNADNA sequencessequências de matchpartida, they'lleles vão stickbastão togetherjuntos,
100
269000
2000
Agora, se as sequências de ADN corresponderem, elas ficam unidas,
04:43
and so we can look at spotspontos.
101
271000
2000
e então podemos depois ir ver os pontos.
04:45
And if spotspontos lightluz up, we know there's a certaincerto virusvírus in there.
102
273000
2000
E se alguns pontos emitirem flurescência, sabemos que existe um certo vírus lá.
04:47
That's what one of these chipssalgadinhos really looksparece like,
103
275000
2000
Este é o aspecto de um desses chips,
04:49
and these redvermelho spotspontos are, in factfacto, signalssinais comingchegando from the virusvírus.
104
277000
3000
e estes pontos vermelhos são de facto sinal proveniente do vírus.
04:52
And eachcada spotlocal representsrepresenta a differentdiferente familyfamília of virusvírus
105
280000
3000
E cada ponto representa uma família diferente de vírus
04:55
or speciesespécies of virusvírus.
106
283000
1000
ou espécies de vírus.
04:56
And so, that's a hardDifícil way to look at things,
107
284000
2000
Assim, esta é uma forma complicada de ver o resultado,
04:58
so I'm just going to encodecodificar things as a little barcodecódigo de barras,
108
286000
2000
então eu vou apenas codificar a informação como um pequeno código de barras,
05:00
groupedagrupados by familyfamília, so you can see the resultsresultados in a very intuitiveintuitivo way.
109
288000
4000
agrupado por famílias, para que possam ver os resultados de uma forma mais intuitiva.
05:04
What we did is, we tooktomou tissuelenço de papel culturecultura cellscélulas
110
292000
2000
O que fizémos foi, pegámos em culturas de células de tecido
05:06
and infectedinfectado them with adenovirusadenovírus,
111
294000
2000
e infectámo-las com adenovírus,
05:08
and you can see this little yellowamarelo barcodecódigo de barras nextPróximo to adenovirusadenovírus.
112
296000
4000
e podem ver este pequeno código de barras amarelo próximo do adenovírus.
05:12
And, likewiseDa mesma forma, we infectedinfectado them with parainfluenza-parainfluenza-3 --
113
300000
3000
E, de forma semelhante, infectámos com parainfluenza-3 -
05:15
that's a paramyxovirusparamixovírus -- and you see a little barcodecódigo de barras here.
114
303000
2000
um paramyxovírus - e vêm um pequeno código de barras aqui.
05:17
And then we did respiratoryrespiratório syncytialsincicial virusvírus.
115
305000
3000
Depois fizémos com o vírus sincicial respiratório.
05:20
That's the scourgeflagelo of daycarecreche centerscentros everywhereem toda parte --
116
308000
2000
O flagelo dos centros de dia por toda a parte -
05:22
it's like boogeremiaboogeremia, basicallybasicamente.
117
310000
2000
é o "bicho papão", basicamente.
05:24
(LaughterRiso)
118
312000
1000
(Risos)
05:25
You can see that this barcodecódigo de barras is the samemesmo familyfamília,
119
313000
4000
Podem ver que este código de barras é da mesma família,
05:29
but it's distinctdistinto from parainfluenza-parainfluenza-3,
120
317000
2000
mas é distinto do parainfluenza-3,
05:31
whichqual gives you a very badmau coldfrio.
121
319000
2000
que vos dá uma má constipação.
05:33
And so we're gettingobtendo uniqueúnico signaturesassinaturas, a fingerprintimpressão digital for eachcada virusvírus.
122
321000
3000
E assim obtemos assinaturas únicas, uma impressão digital para cada vírus.
05:36
PolioPólio and rhinoRinoceronte: they're in the samemesmo familyfamília, very closefechar to eachcada other.
123
324000
3000
O pólio e o rino: estão ambas na mesma família, muito perto uma da outra.
05:39
Rhino'sDo rinoceronte the commoncomum coldfrio, and you all know what poliopoliomielite is,
124
327000
2000
Rino é a constipação comum, e todos sabem o que é a Pólio,
05:41
and you can see that these signaturesassinaturas are distinctdistinto.
125
329000
3000
e podem verificar que estas assinaturas são diferentes.
05:44
And Kaposi'sKaposi sarcoma-associatedsarcoma-associado herpesherpes virusvírus
126
332000
3000
E o vírus do herpes associado ao sarcoma de Kaposi
05:47
gives a nicebom signatureassinatura down here.
127
335000
2000
dá-nos uma bela assinatura aqui.
05:49
And so it is not any one stripelistra or something
128
337000
2000
E não é uma risca qualquer ou assim
05:51
that tellsconta me I have a virusvírus of a particularespecial typetipo here;
129
339000
2000
que me diz que tenho um vírus de um determinado tipo aqui;
05:53
it's the barcodecódigo de barras that in bulkmassa representsrepresenta the wholetodo thing.
130
341000
4000
é o código de barras que no seu todo representa essa informação.
05:57
All right, I can see a rhinovirusrinovírus --
131
345000
2000
Está bem, eu posso ver um rinovírus -
05:59
and here'saqui está the blow-upBlow-up of the rhinovirus'sdo rinovírus little barcodecódigo de barras --
132
347000
2000
e aqui está ampliado do código de barras do rinovírus -
06:01
but what about differentdiferente rhinovirusesrinovírus?
133
349000
2000
mas então e diferentes rinovírus?
06:03
How do I know whichqual rhinovirusrinovírus I have?
134
351000
2000
Como sei que rinovírus tenho?
06:05
There'reLá está 102 knownconhecido variantsvariantes of the commoncomum coldfrio,
135
353000
3000
Existem 102 variantes da constipação comum,
06:08
and there're only 102 because people got boredentediado collectingcoletando them:
136
356000
3000
e são apenas 102 porque as pessoas se fartaram de os catalogar:
06:11
there are just newNovo onesuns everycada yearano.
137
359000
2000
surgem novos todos os anos.
06:13
And so, here are fourquatro differentdiferente rhinovirusesrinovírus,
138
361000
2000
Aqui estão quatro rinovírus diferentes,
06:15
and you can see, even with your eyeolho,
139
363000
2000
e podem ver, até com os vossos olhos,
06:17
withoutsem any fancychique computercomputador pattern-matchingcorrespondência de padrões
140
365000
2000
sem qualquer programa especial de reconhecimento
06:19
recognitionreconhecimento softwareProgramas algorithmsalgoritmos,
141
367000
2000
de padrões semelhantes através de algorítmos,
06:21
that you can distinguishdistinguir eachcada one of these barcodescódigos de barras from eachcada other.
142
369000
3000
que é possível distinguir estes códigos de barras um do outro.
06:24
Now, this is kindtipo of a cheapbarato shottiro,
143
372000
2000
Agora, este é uma espécie de exemplo base,
06:26
because I know what the geneticgenético sequenceseqüência of all these rhinovirusesrinovírus is,
144
374000
3000
porque eu sei qual é a sequência genética de todos estes rinovírus,
06:29
and I in factfacto designedprojetado the chiplasca
145
377000
1000
e de facto eu desenhei o chip
06:30
expresslyexpressamente to be ablecapaz to tell them apartseparados,
146
378000
2000
propositadamente para ser possível diferenciá-los,
06:32
but what about rhinovirusesrinovírus that have never seenvisto a geneticgenético sequencersequenciador?
147
380000
4000
mas e então rinovírus que nunca viram um sequenciador genético?
06:36
We don't know what the sequenceseqüência is; just pullpuxar them out of the fieldcampo.
148
384000
2000
Não sabemos qual é a sequência; apenas os obtivémos.
06:38
So, here are fourquatro rhinovirusesrinovírus
149
386000
2000
Aqui temos então quatro rinovírus
06:40
we never knewsabia anything about --
150
388000
2000
dos quais nunca soubémos nada -
06:42
no one'suns ever sequencedsequenciado them -- and you can alsoAlém disso see
151
390000
3000
nunca ninguém os sequenciou - e também podem ver
06:45
that you get uniqueúnico and distinguishabledistinguíveis patternspadrões.
152
393000
2000
que obtém padrões únicos e distinguíveis.
06:47
You can imagineImagine buildingconstrução up some librarybiblioteca, whetherse realreal or virtualvirtual,
153
395000
3000
Podem imaginar a construção de uma biblioteca, real ou virtual,
06:50
of fingerprintsimpressões digitais of essentiallyessencialmente everycada virusvírus.
154
398000
2000
de impressões digitais de basicamente todos os vírus.
06:52
But that's, again, shootingtiroteio fishpeixe in a barrelbarril, you know, right?
155
400000
3000
Mas isso é, de novo, caçar galinhas na capoeira, entendem?
06:55
You have tissuelenço de papel culturecultura cellscélulas. There are a tontonelada of virusesvírus.
156
403000
2000
Têm tecidos em cultura celular: existem centenas de vírus.
06:57
What about realreal people?
157
405000
2000
E então com pessoas a sério?
06:59
You can't controlao controle realreal people, as you probablyprovavelmente know.
158
407000
2000
Não podem controlar pessoas a sério, como provavelmente têm conhecimento.
07:01
You have no ideaidéia what someone'sde alguém going to coughtosse into a cupcopo,
159
409000
4000
Não fazem ideia do que uma pessoa vai tossir para um copo,
07:05
and it's probablyprovavelmente really complexcomplexo, right?
160
413000
3000
e é decerto muito complexo, não?
07:08
It could have lots of bacteriabactérias, it could have more than one virusvírus,
161
416000
3000
Pode ter inúmeras bactérias, mais do que um vírus,
07:11
and it certainlyCertamente has hosthospedeiro geneticgenético materialmaterial.
162
419000
2000
e certamente tem material genético do hospedeiro,
07:13
So how do we dealacordo with this?
163
421000
1000
então como lidamos nós com isso?
07:14
And how do we do the positivepositivo controlao controle here?
164
422000
2000
E como fazemos nós o controlo positivo nesta situação?
07:16
Well, it's prettybonita simplesimples.
165
424000
2000
Bem, é simples.
07:18
That's me, gettingobtendo a nasalnasal lavagelavagem.
166
426000
2000
Este sou eu, a fazer uma lavagem nasal.
07:20
And the ideaidéia is, let's experimentallyexperimentalmente inoculateInocular people with virusvírus.
167
428000
5000
E a ideia é experimentalmente inocular pessoas com vírus
07:25
This is all IRB-approvedIRB-aprovado, by the way; they got paidpago.
168
433000
5000
para nós - a propósito tudo isto é aprovado pelo comité de ética IRB, foram pagos.
07:30
And basicallybasicamente we experimentallyexperimentalmente inoculateInocular people
169
438000
3000
E basicamento nós experimentalmente inoculámos pessoas
07:33
with the commoncomum coldfrio virusvírus.
170
441000
1000
com o vírus da constipação comum.
07:34
Or, even better, let's just take people
171
442000
2000
Ou, melhor ainda, pegámos só em pessoas
07:36
right out of the emergencyemergência roomquarto --
172
444000
1000
directamente da sala das urgências -
07:37
undefinedNão definido, community-acquiredadquirida na Comunidade respiratoryrespiratório tracttrato infectionsinfecções.
173
445000
4000
com infecções do tracto respiratório adquiridas na comunidade e indefinidas.
07:41
You have no ideaidéia what walksanda em in throughatravés the doorporta.
174
449000
2000
Não fazem ideia do que entra pela porta.
07:43
So, let's startcomeçar off with the positivepositivo controlao controle first,
175
451000
3000
Então, vamos começar primeiro pelo controlo positivo,
07:46
where we know the personpessoa was healthysaudável.
176
454000
2000
onde sabemos que a pessoa estava saudável.
07:48
They got a shottiro of virusvírus up the nosenariz,
177
456000
2000
Elas receberam uma dose de vírus pelo nariz,
07:50
let's see what happensacontece.
178
458000
1000
vamos ver o que acontece.
07:51
Day zerozero: nothing happeningacontecendo.
179
459000
2000
Dia 0: nada acontece.
07:53
They're healthysaudável; they're cleanlimpar \ limpo -- it's amazingsurpreendente.
180
461000
2000
Estão saudáveis, estão limpas - é fantástico.
07:55
ActuallyNa verdade, we thought the nasalnasal tracttrato mightpoderia be fullcheio of virusesvírus
181
463000
2000
Na realidade, pensámos que o tracto nasal pudesse estar cheio de vírus
07:57
even when you're walkingcaminhando around healthysaudável.
182
465000
1000
mesmo quando andam por aí saudáveis.
07:58
It's prettybonita cleanlimpar \ limpo. If you're healthysaudável, you're prettybonita healthysaudável.
183
466000
2000
É bastante limpo. Se estão saudáveis, estão bastante saudáveis.
08:00
Day two: we get a very robustrobusto rhinovirusrinovírus patternpadronizar,
184
468000
4000
Dia 2: surge um padrão consistente com rinovírus,
08:04
and it's very similarsemelhante to what we get in the lablaboratório
185
472000
2000
e é bastante similar ao obtido em laboratório
08:06
doing our tissuelenço de papel culturecultura experimentexperimentar.
186
474000
1000
durante a experiência com tecidos em cultura celular.
08:07
So that's great, but again, cheapbarato shottiro, right?
187
475000
3000
Fantástico, mas de novo, tiro fácil, não é?
08:10
We put a tontonelada of virusvírus up this guy'srapazes nosenariz. So --
188
478000
2000
Pusémos uma quantidade de vírus no nariz deste indivíduo. Então,
08:12
(LaughterRiso)
189
480000
1000
(Risos)
08:13
-- I mean, we wanted it to work. He really had a coldfrio.
190
481000
4000
quero dizer, queríamos que funcionasse. Quero dizer, ele teve mesmo uma constipação.
08:17
So, how about the people who walkandar in off the streetrua?
191
485000
4000
Mas, e então com as pessoas apanhámos à saída da rua?
08:21
Here are two individualsindivíduos representedrepresentado by theirdeles anonymousanônimo IDID codescódigos de.
192
489000
2000
Aqui estão dois indivíduos representados pelos seus códigos de identificação anónimos.
08:23
They bothambos have rhinovirusesrinovírus; we'venós temos never seenvisto this patternpadronizar in lablaboratório.
193
491000
4000
Ambos têm rinovírus; nunca vimos este padrão no laboratório.
08:27
We sequencedsequenciado partparte of theirdeles virusesvírus;
194
495000
2000
Sequenciámos partes dos seus vírus;
08:29
they're newNovo rhinovirusesrinovírus no one'suns actuallyna realidade even seenvisto.
195
497000
3000
são novos rinovírus que nunca ninguém houvera visto.
08:32
RememberLembre-se, our evolutionary-conservedevolutivo-conservada sequencessequências de
196
500000
2000
Lembrem-se, as nossas sequências evolucionárias conservadas
08:34
we're usingusando on this arraymatriz allowpermitir us to detectdetectar
197
502000
2000
que estamos a usar neste teste permitem-nos detectar
08:36
even novelromance or uncharacterizeddescaracterizada virusesvírus,
198
504000
2000
mesmo vírus novos e não classificados,
08:38
because we pickescolher what is conservedconservada throughoutao longo evolutionevolução.
199
506000
4000
porque nós escolhemos o que é conservado durante a evolução.
08:42
Here'sAqui é anotheroutro guy. You can playToque the diagnosisdiagnóstico gamejogos yourselfvocê mesmo here.
200
510000
3000
Aqui está outro indivíduo. Podem jogar vocês próprios ao diagnóstico aqui.
08:45
These differentdiferente blocksblocos representrepresentar
201
513000
2000
Estes diferentes blocos representam
08:47
the differentdiferente virusesvírus in this paramyxovirusparamixovírus familyfamília,
202
515000
2000
os diferentes vírus na família do paramixovírus,
08:49
so you can kindtipo of go down the blocksblocos
203
517000
1000
pelo que podem percorrer os blocos
08:50
and see where the signalsinal is.
204
518000
2000
e ver onde está o sinal, percebem.
08:52
Well, doesn't have caninecanino distempercinomose; that's probablyprovavelmente good.
205
520000
3000
Bem, não tem cinomose canina; o que é provavelmente bom sinal.
08:55
(LaughterRiso)
206
523000
2000
(Risos)
08:57
But by the time you get to blockquadra ninenove,
207
525000
2000
Mas quando chegarem ao bloco nove,
08:59
you see that respiratoryrespiratório syncytialsincicial virusvírus.
208
527000
2000
encontram o vírus sincicial respiratório.
09:01
Maybe they have kidsfilhos. And then you can see, alsoAlém disso,
209
529000
3000
Talvez tenham filhos. E aí podem ver, também,
09:04
the familyfamília membermembro that's relatedrelacionado: RSVBRSVB is showingmostrando up here.
210
532000
2000
o mebro familiar relacionado: o vírus sincicial respiratório aparece aqui.
09:06
So, that's great.
211
534000
1000
Fantástico.
09:07
Here'sAqui é anotheroutro individualIndividual, sampledamostrados on two separateseparado daysdias --
212
535000
3000
Aqui está um outro indivíduo, a que foram recolhidas amostras em dois dias distintos -
09:10
repeatrepetir visitsvisitas to the clinicclínica.
213
538000
2000
visitas repetidas à clínica.
09:12
This individualIndividual has parainfluenza-parainfluenza-1,
214
540000
3000
Este indíviduo tem parainfluenza-1,
09:15
and you can see that there's a little stripelistra over here
215
543000
2000
e podem verificar que existe uma pequena risca aqui
09:17
for SendaiSendai virusvírus: that's mouserato parainfluenzaparainfluenza.
216
545000
3000
para o vírus Sendai: o parainfluenza dos ratos.
09:20
The geneticgenético relationshipsrelacionamentos are very closefechar there. That's a lot of funDiversão.
217
548000
4000
As relações genéticas são muito próximas. É muito interessanto.
09:24
So, we builtconstruído out the chiplasca.
218
552000
1000
Então, nós construímos o chip.
09:25
We madefeito a chiplasca that has everycada knownconhecido virusvírus ever discovereddescobriu on it.
219
553000
4000
Criámos um chip com todos os vírus conhecidos.
09:29
Why not? EveryCada plantplantar virusvírus, everycada insectinseto virusvírus, everycada marinefuzileiro naval virusvírus.
220
557000
3000
Porque não? Todos os vírus das plantas, todos os vírus dos insectos, todos os vírus marinhos.
09:32
Everything that we could get out of GenBankGenBank --
221
560000
2000
Tudo o que conseguimos descobrir no GenBank,
09:34
that is, the nationalnacional repositoryrepositório of sequencessequências de.
222
562000
2000
ou seja, no repositório nacional de sequências.
09:36
Now we're usingusando this chiplasca. And what are we usingusando it for?
223
564000
3000
Actualmente estamos a utilizar este chip. E para que o estamos nós a utilizar?
09:39
Well, first of all, when you have a biggrande chiplasca like this,
224
567000
2000
Bem, em primeiro lugar, quando têm um grande chip como este,
09:41
you need a little bitpouco more informaticsInformática,
225
569000
2000
precisam de um pouco mais de informática,
09:43
so we designedprojetado the systemsistema to do automaticAutomático diagnosisdiagnóstico.
226
571000
2000
para isso desenhámos um sistema para automatizar o diagnóstico.
09:45
And the ideaidéia is that we simplysimplesmente have virtualvirtual patternspadrões,
227
573000
3000
E a ideia é, simplesmente temos padrões virtuais,
09:48
because we're never going to get samplesamostras of everycada virusvírus --
228
576000
2000
porque nunca vamos conseguir arranjar amostras de todos os vírus;
09:50
it would be virtuallyvirtualmente impossibleimpossível. But we can get virtualvirtual patternspadrões,
229
578000
3000
seria virtualmente impossível. Mas podemos ter padrões virtuais,
09:53
and comparecomparar them to our observedobservado resultresultado --
230
581000
2000
e compará-los com o nosso resultado observado,
09:55
whichqual is a very complexcomplexo mixturemistura -- and come up with some sortordenar of scorePonto
231
583000
4000
que é uma complexa mistura, e nos fornece uma espécie de pontuação
09:59
of how likelyprovável it is this is a rhinovirusrinovírus or something.
232
587000
3000
sobre quão provável é isto ser um rinovírus ou algo do género.
10:02
And this is what this looksparece like.
233
590000
2000
E é com isto que se parece.
10:04
If, for exampleexemplo, you used a cellcélula culturecultura
234
592000
2000
Se, por exempli usaram um cultura celular
10:06
that's chronicallycronicamente infectedinfectado with papillomapapiloma,
235
594000
2000
está cronicamente infectada com papiloma
10:08
you get a little computercomputador readoutleitura here,
236
596000
2000
recebem uma notificação do computador,
10:10
and our algorithmalgoritmo de saysdiz it's probablyprovavelmente papillomapapiloma typetipo 18.
237
598000
4000
e o nosso algorítmo diz que é provavelmente papiloma tipo 18.
10:14
And that is, in factfacto, what these particularespecial cellcélula culturesculturas
238
602000
2000
E é, de facto, com o que estas culturas celulares em particular
10:16
are chronicallycronicamente infectedinfectado with.
239
604000
2000
estão cronicamente infectadas.
10:18
So let's do something a little bitpouco hardermais difíceis.
240
606000
2000
Vamos então fazer algo um pouco mais complicado.
10:20
We put the beepersinal sonoro in the clinicclínica.
241
608000
1000
Pusémos o beeper na clínica.
10:21
When somebodyalguém showsmostra up, and the hospitalhospital doesn't know what to do
242
609000
3000
Quando alguém surge, e o hospital não sabe o que fazer
10:24
because they can't diagnosediagnosticar it, they call us.
243
612000
2000
porque não o conseguem diagnosticar, eles contactam-nos.
10:26
That's the ideaidéia, and we're settingconfiguração this up in the BayBaía AreaÁrea.
244
614000
2000
É essa a ideia, e nós estamos a implementá-la na zona baixa.
10:28
And so, this casecaso reportrelatório happenedaconteceu threetrês weekssemanas agoatrás.
245
616000
2000
E assim, foi-nos reportado este caso há três semanas.
10:30
We have a 28-year-old-ano de idade healthysaudável womanmulher, no travelviagem historyhistória,
246
618000
3000
Temos uma mulher de 28 anos saudável, sem historial de viagens,
10:33
[unclearnão está claro], doesn't smokefumaça, doesn't drinkbeber.
247
621000
3000
não fuma, não bebe.
10:36
10-day-dia historyhistória of feversfebres, night sweatssuar, bloodysangrento sputumescarro --
248
624000
4000
Com febre há 10 dias, suores nocturnos, sangue na expectoração -
10:40
she's coughingtosse up bloodsangue -- musclemúsculo paindor.
249
628000
2000
tem tossido sangue - dores musculares.
10:42
She wentfoi to the clinicclínica, and they gavedeu her antibioticsantibióticos
250
630000
4000
Dirigiu-se à clínica e deram-lhe antibióticos, certo,
10:46
and then sentenviei her home.
251
634000
1000
e enviaram-na para casa.
10:47
She cameveio back after tendez daysdias of feverfebre, right? Still has the feverfebre,
252
635000
4000
Regressou após 10 dias de febre, certo, ainda tem febre,
10:51
and she's hypoxichipóxica -- she doesn't have much oxygenoxigênio in her lungspulmões.
253
639000
3000
e está hipóxica - não tem muito oxigénio nos pulmões.
10:54
They did a CTCT scanvarredura.
254
642000
1000
Fizeram uma TAC.
10:55
A normalnormal lungpulmão is all sortordenar of darkSombrio and blackPreto here.
255
643000
4000
Um pulmão normal é por regra escuro e preto aqui.
10:59
All this whitebranco stuffcoisa -- it's not good.
256
647000
2000
Esta coloração branca, não é boa.
11:01
This sortordenar of treeárvore and budbroto formationformação indicatesindica there's inflammationinflamação;
257
649000
3000
Esta espécie de árvore e vesículas indica que existe inflamação;
11:04
there's likelyprovável to be infectioninfecção.
258
652000
2000
é provável que exista uma infecção.
11:06
OK. So, the patientpaciente was treatedtratado then
259
654000
3000
Certo. Então, o paciente foi depois tratado
11:09
with a third-generationterceira geração cephalosporincefalosporina antibioticantibiótico and doxycyclinedoxiciclina,
260
657000
4000
com um antibiótico cefalosporin de terceira geração, e doxiciclina,
11:13
and on day threetrês, it didn't help: she had progressedprogrediu to acuteagudo failurefalha.
261
661000
4000
e no terceiro dia, sem se resolver: ela progrediu para falha aguda.
11:17
They had to intubateentubar her, so they put a tubetubo down her throatgarganta
262
665000
3000
Tiveram que intubá-la, então colocaram-lhe um tubo na garganta
11:20
and they begancomeçasse to mechanicallymecanicamente ventilateventilar her.
263
668000
1000
e começaram a ventilá-la mecânicamente.
11:21
She could no longermais longo breatherespirar for herselfela mesma.
264
669000
2000
Não conseguia respirara autonomamente.
11:23
What to do nextPróximo? Don't know.
265
671000
2000
O que fazer a seguir? Não se sabe.
11:25
SwitchInterruptor antibioticsantibióticos: so they switchedtrocado to anotheroutro antibioticantibiótico,
266
673000
3000
Mudar de antibióticos, então eles mudaram-lhe os antibióticos,
11:28
TamifluTamiflu.
267
676000
2000
e Tamiflu, que -
11:30
It's not clearClaro why they thought she had the flugripe,
268
678000
2000
não é claro porque pensaram que tinha gripe -
11:32
but they switchedtrocado to TamifluTamiflu.
269
680000
2000
mas administraram-lhe Tamiflu.
11:34
And on day sixseis, they basicallybasicamente threwjogou in the toweltoalha.
270
682000
2000
E ao sexto dia, basicamente atiraram a toalha ao chão.
11:36
You do an openaberto lungpulmão biopsybiópsia when you've got no other optionsopções.
271
684000
4000
Só se recorre a uma biópsia de pulmões abertos quando não existem outras alternativas.
11:40
There's an eightoito percentpor cento mortalitymortalidade ratetaxa with just doing this procedureprocedimento,
272
688000
2000
Existe uma mortalidade de 8% só associada a este procedimento,
11:42
and so basicallybasicamente -- and what do they learnaprender from it?
273
690000
3000
e basicamente - o que aprenderam eles com ele?
11:45
You're looking at her openaberto lungpulmão biopsybiópsia.
274
693000
2000
Estão a olhar para a biópsia de pulmão aberto.
11:47
And I'm no pathologistpatologista, but you can't tell much from this.
275
695000
2000
E eu não sou patologista, mas não se pode dizer muito a partir disto.
11:49
All you can tell is, there's a lot of swellinginchaço: bronchiolitisbronquiolite.
276
697000
3000
Tudo o que podem dizer é, há uma grande inflamação: bronquiolite.
11:52
It was "unrevealingdiscretas": that's the pathologist'sdo patologista reportrelatório.
277
700000
3000
Não foi esclarecedor: foi o relatório do patologista.
11:55
And so, what did they testteste her for?
278
703000
3000
E assim, a que a testaram?
11:58
They have theirdeles ownpróprio teststestes, of coursecurso,
279
706000
1000
Eles tinham os seus próprios testes, claro,
11:59
and so they testedtestado her for over 70 differentdiferente assaysensaios,
280
707000
3000
e testaram-na para mais de 70 ensaios diferentes,
12:02
for everycada sortordenar of bacteriabactérias and fungusfungo and viralviral assayensaio
281
710000
3000
para todos os tipos de batérias e fungos e vírus cujos ensaios
12:05
you can buyComprar off the shelfprateleira:
282
713000
2000
se podem encomendar:
12:07
SARSSARS, metapneumovirusMetapneumovírus, HIVHIV, RSVRSV -- all these.
283
715000
3000
SARS, metapneumovirus, VIH, RSV - todos estes.
12:10
Everything cameveio back negativenegativo, over 100,000 dollarsdólares worthque vale a pena of teststestes.
284
718000
4000
Todos voltaram negativos. Testes no valor de mais de 100,000 dólares.
12:14
I mean, they wentfoi to the maxmáximo for this womanmulher.
285
722000
3000
Isto é, foram aos limites por esta mulher.
12:17
And basicallybasicamente on hospitalhospital day eightoito, that's when they calledchamado us.
286
725000
3000
E ao oitavo dia de internamento, foi quando nos contactaram.
12:20
They gavedeu us endotrachealendotraqueal aspirateAspire --
287
728000
2000
Forneceram-nos um aspirado endotraqueal -
12:22
you know, a little fluidfluido from the throatgarganta,
288
730000
2000
compreendem, algum fluído da garganta,
12:24
from this tubetubo that they got down there -- and they gavedeu us this.
289
732000
2000
do tubo que lá inseriram - e deram-nos isto.
12:26
We put it on the chiplasca; what do we see? Well, we saw parainfluenza-parainfluenza-4.
290
734000
5000
Pusemo-lo no chip; o que vemos? Bem, vemos parainfluenza-4.
12:31
Well, what the hell'sinferno parainfluenza-parainfluenza-4?
291
739000
2000
Mas, que diabo é parainfluenza-4?
12:33
No one teststestes for parainfluenza-parainfluenza-4. No one caresse preocupa about it.
292
741000
3000
Ninguém faz testes para parainfluenza-4. No one cares about it.
12:36
In factfacto, it's not even really sequencedsequenciado that much.
293
744000
3000
De facto, nem sequer é sequenciada frequentemente.
12:39
There's just a little bitpouco of it sequencedsequenciado.
294
747000
2000
Existe apenas uma porção sequenciada.
12:41
There's almostquase no epidemiologyepidemiologia or studiesestudos on it.
295
749000
2000
Não existe praticamente epidemiologia ou estudos sobre ela.
12:43
No one would even considerconsiderar it,
296
751000
2000
Ninguém ia sequer considerá-la,
12:45
because no one had a cluepista that it could causecausa respiratoryrespiratório failurefalha.
297
753000
3000
porque ninguém tinha uma pista de que ela podia causar falha respiratória.
12:48
And why is that? Just loreLore. There's no datadados --
298
756000
3000
Porquê? Apenas senso comum. Não existe informação -
12:51
no datadados to supportApoio, suporte whetherse it causescausas severegrave or mildsuave diseasedoença.
299
759000
4000
nenhuma informação que suporte se ela causa doenças moderadas ou severas.
12:55
ClearlyClaramente, we have a casecaso of a healthysaudável personpessoa that's going down.
300
763000
3000
Claramente, temos o caso de uma pessoa saudável que está a desfalecer.
12:58
OK, that's one casecaso reportrelatório.
301
766000
3000
É um caso de estudo.
13:01
I'm going to tell you one last thing in the last two minutesminutos
302
769000
2000
Vou contar-vos uma última coisa nos últimos dois minutos
13:03
that's unpublishedNão publicado -- it's going to come out tomorrowamanhã --
303
771000
3000
que ainda não foi publicada - vai ser divulgada amanhã -
13:06
and it's an interestinginteressante casecaso of how you mightpoderia use this chiplasca
304
774000
3000
e é um caso interessante de uma aplicação para este chip
13:09
to find something newNovo and openaberto a newNovo doorporta.
305
777000
2000
para encontrar algo novo e abrir uma nova porta.
13:11
ProstatePróstata cancerCâncer. I don't need to give you manymuitos statisticsEstatisticas
306
779000
4000
Cancro da próstata. Não necessito de vos dar muitas estatísticas
13:15
about prostatepróstata cancerCâncer. MostMaioria of you already know it:
307
783000
3000
sobre o cancro da próstata. A maioria de vós já as sabe:
13:18
thirdterceiro leadingconduzindo causecausa of cancerCâncer deathsmortes in the U.S.
308
786000
2000
terceira causa de morte por cancro nos Estados Unidos.
13:20
Lots of riskrisco factorsfatores,
309
788000
2000
Inúmeros factores de risco,
13:22
but there is a geneticgenético predispositionpredisposição to prostatepróstata cancerCâncer.
310
790000
4000
mas existe uma predisposição genética para o cancro da próstata.
13:26
For maybe about 10 percentpor cento of prostatepróstata cancerCâncer,
311
794000
2000
Para cerca de 10% dos cancros da próstata,
13:28
there are folkspessoal that are predisposeduma predisposição to it.
312
796000
2000
há indivíduos que apresentam uma predisposição genética.
13:30
And the first genegene that was mappedmapeado in associationAssociação studiesestudos
313
798000
4000
E o primeiro gene que foi mapeado em estudos de associação
13:34
for this, early-onsetinício precoce prostatepróstata cancerCâncer, was this genegene calledchamado RNASELRNASEL.
314
802000
4000
para isto, cancro da próstata de ocorrência permatura, foi um gene designado RNASEL.
13:38
What is that? It's an antiviralantiviral defensedefesa enzymeenzima.
315
806000
3000
O que é? É uma enzima de defesa anti-vírica.
13:41
So, we're sittingsentado around and thinkingpensando,
316
809000
2000
Então podemos pensar,
13:43
"Why would menhomens who have the mutationmutação --
317
811000
2000
porque vão os indivíduos que têm a mutação,
13:45
a defectdefeito in an antiviralantiviral defensedefesa systemsistema -- get prostatepróstata cancerCâncer?
318
813000
5000
uma deficiência no sistema de defesa anti-viral, contrair cancro da próstata?
13:50
It doesn't make sensesentido -- unlessa menos que, maybe, there's a virusvírus?"
319
818000
3000
Não faz sentido, a não ser que talvez haja um vírus.
13:53
So, we put tumorstumores --- and now we have over 100 tumorstumores -- on our arraymatriz.
320
821000
6000
Então, colocámos tumores - e temos agora mais de 100 tumores - no nosso chip.
13:59
And we know who'squem é got defectsdefeitos in RNASELRNASEL and who doesn't.
321
827000
3000
E sabemos quem tem deficiências em RNASEL e quem não tem.
14:02
And I'm showingmostrando you the signalsinal from the chiplasca here,
322
830000
3000
E estou a mostrar-vos o sinal provindo do chip aqui,
14:05
and I'm showingmostrando you for the blockquadra of retroviralretroviral oligosoligos.
323
833000
4000
e estou a mostrá-lo para o bloco de oligos retrovirais.
14:09
And what I'm tellingdizendo you here from the signalsinal, is
324
837000
2000
E o que vos posso dizer sobre o sinal é que
14:11
that menhomens who have a mutationmutação in this antiviralantiviral defensedefesa enzymeenzima,
325
839000
4000
homens com mutações neste sistema de defesa anti-viral,
14:15
and have a tumortumor, oftenfrequentemente have -- 40 percentpor cento of the time --
326
843000
4000
e que têm um tumor, frequentemente têm - 40% das vezes -
14:19
a signatureassinatura whichqual revealsrevela a newNovo retrovirusretrovírus.
327
847000
4000
uma assinatura que revela um novo retrovírus.
14:23
OK, that's prettybonita wildselvagem. What is it?
328
851000
3000
Isto é bastante misterioso. O que é?
14:26
So, we cloneclone the wholetodo virusvírus.
329
854000
1000
Clonámos o vírus inteiro.
14:27
First of all, I'll tell you that a little automatedautomatizado predictionpredição told us
330
855000
4000
Antes de mais, vou-vos dizer que uma pequena predição automática precaveu-nos
14:31
it was very similarsemelhante to a mouserato virusvírus.
331
859000
2000
que era bastante similar a um vírus de rato.
14:33
But that doesn't tell us too much,
332
861000
1000
Mas isso não nos diz muito,
14:34
so we actuallyna realidade cloneclone the wholetodo thing.
333
862000
2000
por isso acabámos por o clonar todo.
14:36
And the viralviral genomegenoma I'm showingmostrando you right here?
334
864000
2000
E o genoma viral que eu vos estou a mostrar aqui?
14:38
It's a classicclássico gammagama retrovirusretrovírus, but it's totallytotalmente newNovo;
335
866000
3000
É um clássico gama retrovírus, mas é totalmente novo;
14:41
no one'suns ever seenvisto it before.
336
869000
1000
nínguem o houvera observado antes.
14:42
Its closestmais próximo relativerelativo is, in factfacto, from miceratos,
337
870000
3000
O seu relativo mais próximo é, de facto, de um rato,
14:45
and so we would call this a xenotropicxenotropic retrovirusretrovírus,
338
873000
4000
e por isso podemos designá-lo como um retrovírus xenotrópico,
14:49
because it's infectinginfectando a speciesespécies other than miceratos.
339
877000
3000
porque está a infectar outras espécies que não ratos.
14:52
And this is a little phylogeneticfilogenética treeárvore
340
880000
2000
E isto é uma pequena árvore filogenética
14:54
to see how it's relatedrelacionado to other virusesvírus.
341
882000
2000
para vermos como está relacionado com outros vírus.
14:56
We'veTemos donefeito it for manymuitos patientspacientes now,
342
884000
3000
E agora já o fizémos para vários pacientes,
14:59
and we can say that they're all independentindependente infectionsinfecções.
343
887000
3000
e podemos afirmar que são todos infecções independentes.
15:02
They all have the samemesmo virusvírus,
344
890000
1000
Todos eles têm o mesmo vírus,
15:03
but they're differentdiferente enoughsuficiente that there's reasonrazão to believe
345
891000
3000
mas eles são suficientemente distintos que existem razões para acreditar
15:06
that they'veeles têm been independentlyindependentemente acquiredadquiriu.
346
894000
2000
que foram adquiridos de forma independente.
15:08
Is it really in the tissuelenço de papel? And I'll endfim up with this: yes.
347
896000
2000
Estará realmente no tecido? E vou terminar com isto. Sim.
15:10
We take slicesfatias of these biopsiesbiópsias of tumortumor tissuelenço de papel
348
898000
3000
Nós tirámos amostras destas biopsias de tecido tumural
15:13
and use materialmaterial to actuallyna realidade locateLocalize the virusvírus,
349
901000
2000
e usámos material para detectar a localização do vírus,
15:15
and we find cellscélulas here with viralviral particlespartículas in them.
350
903000
4000
e encontrámos aqui células com partículas virais.
15:19
These guys really do have this virusvírus.
351
907000
2000
Estas pessoas têm de facto este vírus.
15:21
Does this virusvírus causecausa prostatepróstata cancerCâncer?
352
909000
2000
Causará este vírus cancro da próstata?
15:23
Nothing I'm sayingdizendo here impliesimplica causalitycausalidade. I don't know.
353
911000
4000
Nada do que eu disse aqui o implica enquanto causa. Não sei.
15:27
Is it a linkligação to oncogenesismixomas? I don't know.
354
915000
2000
Será um factor que condicione oncogénese? Não sei.
15:29
Is it the casecaso that these guys are just more susceptiblesuscetível to virusesvírus?
355
917000
4000
Poderá ser o caso de estes indivíduos serem mais susceptíveis ao vírus?
15:33
Could be. And it mightpoderia have nothing to do with cancerCâncer.
356
921000
3000
Pode ser. E até pode não ter nada a ver com o cancro.
15:36
But now it's a doorporta.
357
924000
1000
Mas agora é uma porta.
15:37
We have a strongForte associationAssociação betweenentre the presencepresença of this virusvírus
358
925000
3000
Temos uma forte associação entre a presença deste vírus
15:40
and a geneticgenético mutationmutação that's been linkedligado to cancerCâncer.
359
928000
3000
e a mutação genética que tem estado associada ao cancro.
15:43
That's where we're at.
360
931000
1000
É onde nós estamos.
15:44
So, it opensabre up more questionsquestões than it answersresponde, I'm afraidreceoso,
361
932000
4000
Assim, tudo isto levanta mais questões que aquelas a que responde, receio,
15:48
but that's what, you know, scienceCiência is really good at.
362
936000
2000
mas é isso, como sabem, que a ciência é boa fazer.
15:50
This was all donefeito by folkspessoal in the lablaboratório --
363
938000
2000
Tudo isto foi feito por colegas no laboratório,
15:52
I cannotnão podes take creditcrédito for mosta maioria of this.
364
940000
1000
não posso tomar crédito pela maioria disto.
15:53
This is a collaborationcolaboração betweenentre myselfEu mesmo and DonDon.
365
941000
1000
É fruto de uma colaboração entre mim e o Don.
15:54
This is the guy who startedcomeçado the projectprojeto in my lablaboratório,
366
942000
3000
Esta é a pessoa que iniciou o projecto no meu laboratório,
15:57
and this is the guy who'squem é been doing prostatepróstata stuffcoisa.
367
945000
2000
e esta é a que tem andado a investigar a próstata.
15:59
Thank you very much. (ApplauseAplausos)
368
947000
3000
Muito obrigado a todos.
Translated by João Mestre Costa
Reviewed by Jeff Caponero

▲Back to top

ABOUT THE SPEAKER
Joe DeRisi - Biochemist
Joe DeRisi hunts for the genes that make us sick. At his lab, he works to understand the genome of Plasmodium falciparum, the deadliest form of malaria.

Why you should listen

Joseph DeRisi is a molecular biologist and biochemist, on the hunt for the genomic basis of illness. His lab at UCSF is focused on the cause of malaria, and he's also poked into SARS, avian flu and other new diseases as they crop up. His approach combines scientific rigor with a nerd's boundary-breaking enthusiasm for new techniques -- one of the qualities that helped him win a MacArthur "genius" grant in 2004. A self-confessed computer geek, DeRisi designed and programmed a groundbreaking tool for finding (and fighting) viruses -- the ViroChip, a DNA microarray that test for the presence of all known viruses in one step.

In 2008, DeRisi won the Heinz Award for Technology, the Economy and Employment.

More profile about the speaker
Joe DeRisi | Speaker | TED.com