TED2016
Riccardo Sabatini: How to read the genome and build a human being
Рикардо Сабатини: Как расшифровать геном и создать человека
Filmed:
Readability: 3.6
1,834,677 views
В человеческом геноме — полном наборе генетических инструкций, необходимых для создания человека, есть место и тайнам, и болезням, и красоте. Сегодня, как показывает нам учёный и предприниматель Рикардо Сабатини, мы способны прочитать этот запутанный код и предсказать рост, цвет глаз, возраст и даже строение лица человека, используя лишь пробирку с его кровью. А скоро, по словам Сабатини, новые знания о геноме позволят нам персонализировать лечение таких заболеваний, как рак. В наших силах изменить привычный ход жизни. Как мы этим воспользуемся?
Riccardo Sabatini - Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio
Double-click the English transcript below to play the video.
00:12
For the next 16 minutes,
I'm going to take you on a journey
I'm going to take you on a journey
0
612
2762
Следующие 16 минут мы с вами
проведём в путешествии к тому,
проведём в путешествии к тому,
00:15
that is probably
the biggest dream of humanity:
the biggest dream of humanity:
1
3398
3086
что, возможно, является
величайшей мечтой человечества:
величайшей мечтой человечества:
00:18
to understand the code of life.
2
6508
2015
к пониманию кода жизни.
00:21
So for me, everything started
many, many years ago
many, many years ago
3
9072
2743
Для меня это путешествие началось
много-много лет назад,
много-много лет назад,
00:23
when I met the first 3D printer.
4
11839
2723
когда я увидел первый 3D-принтер.
00:26
The concept was fascinating.
5
14586
1674
Просто потрясающий принцип:
00:28
A 3D printer needs three elements:
6
16284
2022
3D-принтеру необходимы три вещи —
00:30
a bit of information, some
raw material, some energy,
raw material, some energy,
7
18330
4134
немного информации,
исходный материал и энергия,
исходный материал и энергия,
00:34
and it can produce any object
that was not there before.
that was not there before.
8
22488
3334
и тогда он способен напечатать
любой не существовавший ранее предмет.
любой не существовавший ранее предмет.
Я тогда занимался физикой
и, возвращаясь как-то домой,
и, возвращаясь как-то домой,
00:38
I was doing physics,
I was coming back home
I was coming back home
9
26517
2137
00:40
and I realized that I actually
always knew a 3D printer.
always knew a 3D printer.
10
28678
3438
осознал, что на самом деле
всегда был знакóм с 3D-принтером.
всегда был знакóм с 3D-принтером.
00:44
And everyone does.
11
32140
1336
Как и любой из нас.
00:45
It was my mom.
12
33500
1158
Этот принтер — моя мама.
00:46
(Laughter)
13
34682
1001
(Смех)
00:47
My mom takes three elements:
14
35707
2414
Мама взяла три ингредиента:
00:50
a bit of information, which is between
my father and my mom in this case,
my father and my mom in this case,
15
38145
3973
немного информации — в данном случае
от себя и от папы, —
от себя и от папы, —
00:54
raw elements and energy
in the same media, that is food,
in the same media, that is food,
16
42142
4157
исходный материал и энергию, то есть пищу,
00:58
and after several months, produces me.
17
46323
2508
и через несколько месяцев
она произвела на свет меня —
она произвела на свет меня —
01:00
And I was not existent before.
18
48855
1812
не существовавший ранее объект.
01:02
So apart from the shock of my mom
discovering that she was a 3D printer,
discovering that she was a 3D printer,
19
50691
3762
Шокировав маму новостью о том,
что она на самом деле 3D-принтер,
что она на самом деле 3D-принтер,
01:06
I immediately got mesmerized
by that piece,
by that piece,
20
54477
4738
я был совершенно зачарован
одним из ингредиентов,
одним из ингредиентов,
01:11
the first one, the information.
21
59239
1717
самым первым — информацией.
01:12
What amount of information does it take
22
60980
2251
Сколько нужно информации,
01:15
to build and assemble a human?
23
63255
1936
чтобы произвести человека?
01:17
Is it much? Is it little?
24
65215
1574
Много? Мало?
01:18
How many thumb drives can you fill?
25
66813
2180
Сколько нужно флеш-карт,
чтобы всё уместилось?
чтобы всё уместилось?
01:21
Well, I was studying physics
at the beginning
at the beginning
26
69017
2624
Я когда-то изучал физику
01:23
and I took this approximation of a human
as a gigantic Lego piece.
as a gigantic Lego piece.
27
71665
5597
и представил человека
как конструкцию LEGO гигантских размеров.
как конструкцию LEGO гигантских размеров.
01:29
So, imagine that the building
blocks are little atoms
blocks are little atoms
28
77286
3785
Вообразите, что она состоит
из маленьких атомов:
из маленьких атомов:
01:33
and there is a hydrogen here,
a carbon here, a nitrogen here.
a carbon here, a nitrogen here.
29
81095
4653
водорода, углерода, азота.
01:37
So in the first approximation,
30
85772
1571
Тогда получается,
01:39
if I can list the number of atoms
that compose a human being,
that compose a human being,
31
87367
4343
что если составить список всех атомов,
из которых состоит человек,
из которых состоит человек,
01:43
I can build it.
32
91734
1387
то можно его создать.
01:45
Now, you can run some numbers
33
93145
2029
Что ж, можно произвести подсчёты
01:47
and that happens to be
quite an astonishing number.
quite an astonishing number.
34
95198
3277
и получить совершенно невероятное число.
01:50
So the number of atoms,
35
98499
2757
Количество атомов,
01:53
the file that I will save in my thumb
drive to assemble a little baby,
drive to assemble a little baby,
36
101280
4755
тот самый файл, который нужно сохранить
на флешке, чтобы создать ребёнка...
на флешке, чтобы создать ребёнка...
01:58
will actually fill an entire Titanic
of thumb drives --
of thumb drives --
37
106059
4667
На самом деле вам придётся заполнить
такими флешками целый «Титаник»,
такими флешками целый «Титаник»,
02:02
multiplied 2,000 times.
38
110750
2718
точнее, 2 000 таких «Титаников».
02:05
This is the miracle of life.
39
113957
3401
Вот оно — чудо жизни.
02:09
Every time you see from now on
a pregnant lady,
a pregnant lady,
40
117382
2612
Отныне, встретив беременную женщину,
помните:
помните:
02:12
she's assembling the biggest
amount of information
amount of information
41
120018
2856
она собирает воедино самый большой
массив информации,
массив информации,
02:14
that you will ever encounter.
42
122898
1556
о котором вы когда-либо слышали.
02:16
Forget big data, forget
anything you heard of.
anything you heard of.
43
124478
2950
Куда до него большим данным
и прочим штукам.
и прочим штукам.
02:19
This is the biggest amount
of information that exists.
of information that exists.
44
127452
2881
Это самый большой в мире массив данных.
02:22
(Applause)
45
130357
3833
(Аплодисменты)
02:26
But nature, fortunately, is much smarter
than a young physicist,
than a young physicist,
46
134214
4644
К счастью, природа намного разумнее
молодого физика
молодого физика
02:30
and in four billion years, managed
to pack this information
to pack this information
47
138882
3576
и за 4 миллиарда лет умудрилась
упаковать всю эту информацию
упаковать всю эту информацию
02:34
in a small crystal we call DNA.
48
142482
2705
в маленький кристаллик под названием ДНК.
02:37
We met it for the first time in 1950
when Rosalind Franklin,
when Rosalind Franklin,
49
145605
4312
Впервые мы увидели ДНК в 1950 году,
когда Розалинд Франклин,
когда Розалинд Франклин,
02:41
an amazing scientist, a woman,
50
149941
1556
замечательная женщина-учёный,
02:43
took a picture of it.
51
151521
1389
смогла получить её снимок.
02:44
But it took us more than 40 years
to finally poke inside a human cell,
to finally poke inside a human cell,
52
152934
5188
Но понадобилось больше 40 лет,
чтобы забраться в человеческую клетку,
чтобы забраться в человеческую клетку,
02:50
take out this crystal,
53
158146
1602
достать этот кристаллик,
02:51
unroll it, and read it for the first time.
54
159772
3080
развернуть и впервые его прочесть.
02:55
The code comes out to be
a fairly simple alphabet,
a fairly simple alphabet,
55
163615
3241
Код оказался довольно простой азбукой —
02:58
four letters: A, T, C and G.
56
166880
3772
всего четыре буквы: А, Т, С и G.
03:02
And to build a human,
you need three billion of them.
you need three billion of them.
57
170676
3490
И чтобы создать человека,
понадобится 3 миллиарда этих букв.
понадобится 3 миллиарда этих букв.
03:06
Three billion.
58
174933
1179
3 миллиарда.
03:08
How many are three billion?
59
176136
1579
Насколько это много?
03:09
It doesn't really make
any sense as a number, right?
any sense as a number, right?
60
177739
2762
Само число нам ни о чём не говорит.
03:12
So I was thinking how
I could explain myself better
I could explain myself better
61
180525
4085
Я задумался, как понагляднее объяснить,
03:16
about how big and enormous this code is.
62
184634
3050
насколько этот код грандиозен и огромен.
03:19
But there is -- I mean,
I'm going to have some help,
I'm going to have some help,
63
187708
3054
Мне понадобится помощь,
03:22
and the best person to help me
introduce the code
introduce the code
64
190786
3227
и кто лучше может представить вам
код жизни,
код жизни,
03:26
is actually the first man
to sequence it, Dr. Craig Venter.
to sequence it, Dr. Craig Venter.
65
194037
3522
чем человек, впервые его расшифровавший,
Крейг Вентер?
Крейг Вентер?
03:29
So welcome onstage, Dr. Craig Venter.
66
197583
3390
Итак, добро пожаловать на сцену,
Крейг Вентер.
Крейг Вентер.
03:32
(Applause)
67
200997
6931
(Аплодисменты)
03:39
Not the man in the flesh,
68
207952
2256
Не сам Крейг во плоти,
03:43
but for the first time in history,
69
211448
2345
но, впервые в истории,
03:45
this is the genome of a specific human,
70
213817
3462
генóм конкретного человека,
03:49
printed page-by-page, letter-by-letter:
71
217303
3760
распечатанный постранично,
буква за буквой,
буква за буквой,
03:53
262,000 pages of information,
72
221087
3996
262 000 страниц информации,
03:57
450 kilograms, shipped
from the United States to Canada
from the United States to Canada
73
225107
4364
450 килограммов, доставленных
из США в Канаду, —
из США в Канаду, —
04:01
thanks to Bruno Bowden,
Lulu.com, a start-up, did everything.
Lulu.com, a start-up, did everything.
74
229495
4843
спасибо Бруно Бодену и компании Lulu.com,
которые всё организовали.
которые всё организовали.
04:06
It was an amazing feat.
75
234362
1463
Это был целый подвиг.
04:07
But this is the visual perception
of what is the code of life.
of what is the code of life.
76
235849
4297
Вот наглядное представление кода жизни.
04:12
And now, for the first time,
I can do something fun.
I can do something fun.
77
240170
2478
А сейчас я впервые могу
проделать кое-что занятное.
проделать кое-что занятное.
04:14
I can actually poke inside it and read.
78
242672
2547
Я могу заглянуть внутрь и почитать.
04:17
So let me take an interesting
book ... like this one.
book ... like this one.
79
245243
4625
Давайте-ка я возьму интересную книжку,
к примеру вот эту.
к примеру вот эту.
04:25
I have an annotation;
it's a fairly big book.
it's a fairly big book.
80
253077
2534
У меня тут закладка —
том довольно увесистый.
том довольно увесистый.
04:27
So just to let you see
what is the code of life.
what is the code of life.
81
255635
3727
Давайте я покажу вам,
как выглядит код жизни.
как выглядит код жизни.
04:32
Thousands and thousands and thousands
82
260566
3391
Тысячи, тысячи, тысячи,
04:35
and millions of letters.
83
263981
2670
миллионы букв.
04:38
And they apparently make sense.
84
266675
2396
И они явно что-то означают.
04:41
Let's get to a specific part.
85
269095
1757
Давайте заглянем вот сюда.
04:43
Let me read it to you:
86
271571
1362
Я вам почитаю:
04:44
(Laughter)
87
272957
1021
(Смех)
04:46
"AAG, AAT, ATA."
88
274002
4006
«ААG, AAT, ATA».
04:50
To you it sounds like mute letters,
89
278965
2067
Для вас это ничего не значащие буквы,
04:53
but this sequence gives
the color of the eyes to Craig.
the color of the eyes to Craig.
90
281056
4041
но эта последовательность отвечает
за цвет глаз Крейга.
за цвет глаз Крейга.
04:57
I'll show you another part of the book.
91
285633
1932
Я покажу вам ещё одну книгу.
04:59
This is actually a little
more complicated.
more complicated.
92
287589
2094
Здесь чуть посложнее.
05:02
Chromosome 14, book 132:
93
290983
2647
Хромосома 14, том 132.
05:05
(Laughter)
94
293654
2090
(Смех)
05:07
As you might expect.
95
295768
1277
Как и следовало ожидать.
05:09
(Laughter)
96
297069
3466
(Смех)
05:14
"ATT, CTT, GATT."
97
302857
4507
«AТT, CTT, GATT».
05:20
This human is lucky,
98
308329
1687
Этому человеку повезло,
05:22
because if you miss just
two letters in this position --
two letters in this position --
99
310040
4517
потому что, пропади хотя бы две буквы
вот в этом месте —
вот в этом месте —
05:26
two letters of our three billion --
100
314581
1877
всего две буквы из трёх миллиардов, —
05:28
he will be condemned
to a terrible disease:
to a terrible disease:
101
316482
2019
он был бы обречён на ужасный недуг:
05:30
cystic fibrosis.
102
318525
1440
муковисцидоз.
05:31
We have no cure for it,
we don't know how to solve it,
we don't know how to solve it,
103
319989
3413
Лекарств от него не придумано,
мы не знаем, что с этим делать, —
мы не знаем, что с этим делать, —
05:35
and it's just two letters
of difference from what we are.
of difference from what we are.
104
323426
3755
и всего лишь две буквы отделяют нас
от этой болезни.
от этой болезни.
05:39
A wonderful book, a mighty book,
105
327585
2705
Удивительная, мощная книга,
05:43
a mighty book that helped me understand
106
331115
1998
которая помогла мне понять
05:45
and show you something quite remarkable.
107
333137
2753
и показать вам
нечто весьма примечательное.
нечто весьма примечательное.
05:48
Every one of you -- what makes
me, me and you, you --
me, me and you, you --
108
336480
4435
То, что делает меня мной,
а вас вами, —
а вас вами, —
05:52
is just about five million of these,
109
340939
2954
всего лишь пять миллионов букв,
05:55
half a book.
110
343917
1228
половина тома.
05:58
For the rest,
111
346015
1663
В остальном
05:59
we are all absolutely identical.
112
347702
2562
мы совершенно идентичны.
06:03
Five hundred pages
is the miracle of life that you are.
is the miracle of life that you are.
113
351008
4018
Чудо жизни, коим вы являетесь, —
это всего пять сотен страниц.
это всего пять сотен страниц.
06:07
The rest, we all share it.
114
355050
2531
Всё остальное у всех одинаково.
06:09
So think about that again
when we think that we are different.
when we think that we are different.
115
357605
2909
Вспомните об этом, когда услышите,
что все мы разные.
что все мы разные.
06:12
This is the amount that we share.
116
360538
2221
Всё это у нас одинаково.
06:15
So now that I have your attention,
117
363441
3429
Теперь, когда я вас заинтересовал,
06:18
the next question is:
118
366894
1359
задам новый вопрос:
06:20
How do I read it?
119
368277
1151
а как читать этот код?
06:21
How do I make sense out of it?
120
369452
1509
Как в нём разобраться?
06:23
Well, for however good you can be
at assembling Swedish furniture,
at assembling Swedish furniture,
121
371409
4240
Что ж, даже если вы специалист
по сбору мебели из IKEA,
по сбору мебели из IKEA,
06:27
this instruction manual
is nothing you can crack in your life.
is nothing you can crack in your life.
122
375673
3563
на то, чтобы раскусить эту инструкцию,
вам не хватит всей жизни.
вам не хватит всей жизни.
06:31
(Laughter)
123
379260
1603
(Смех)
06:32
And so, in 2014, two famous TEDsters,
124
380887
3112
В 2014 году два знаменитых участника TED,
06:36
Peter Diamandis and Craig Venter himself,
125
384023
2540
Питер Диамандис и Крейг Вентер,
06:38
decided to assemble a new company.
126
386587
1927
решили создать новую компанию.
06:40
Human Longevity was born,
127
388538
1412
Так появилась Human Longevity,
06:41
with one mission:
128
389974
1370
миссией которой было
06:43
trying everything we can try
129
391368
1861
испытать всё, что можно испытать,
06:45
and learning everything
we can learn from these books,
we can learn from these books,
130
393253
2759
исследовать всё, что можно
исследовать в этих книгах,
исследовать в этих книгах,
06:48
with one target --
131
396036
1705
с одной целью:
воплотить в реальность мечту
о персонализированной медицине,
о персонализированной медицине,
06:50
making real the dream
of personalized medicine,
of personalized medicine,
132
398862
2801
06:53
understanding what things
should be done to have better health
should be done to have better health
133
401687
3767
понять, что нужно сделать,
чтобы улучшить здоровье
чтобы улучшить здоровье
06:57
and what are the secrets in these books.
134
405478
2283
и разгадать все загадки этих книг.
07:00
An amazing team, 40 data scientists
and many, many more people,
and many, many more people,
135
408329
4250
Замечательная команда — 40 специалистов
по обработке данных и многие другие люди,
по обработке данных и многие другие люди,
07:04
a pleasure to work with.
136
412603
1350
прекрасные коллеги.
07:05
The concept is actually very simple.
137
413977
2253
Идея на самом деле очень проста.
07:08
We're going to use a technology
called machine learning.
called machine learning.
138
416254
3158
Мы используем технологию под названием
«машинное обучение».
«машинное обучение».
07:11
On one side, we have genomes --
thousands of them.
thousands of them.
139
419436
4539
С одной стороны,
у нас есть тысячи геномов.
у нас есть тысячи геномов.
07:15
On the other side, we collected
the biggest database of human beings:
the biggest database of human beings:
140
423999
3997
С другой стороны, мы собрали огромнейшую
базу данных о различных индивидуумах:
базу данных о различных индивидуумах:
07:20
phenotypes, 3D scan, NMR --
everything you can think of.
everything you can think of.
141
428020
4296
фенотипы, 3D-снимки, магнитный резонанс —
чего там только нет.
чего там только нет.
07:24
Inside there, on these two opposite sides,
142
432340
2899
Две противоположные стороны
07:27
there is the secret of translation.
143
435263
2442
связаны секретом трансляции генов.
07:29
And in the middle, we build a machine.
144
437729
2472
Мы создали для этого машину
07:32
We build a machine
and we train a machine --
and we train a machine --
145
440801
2385
и научили её —
07:35
well, not exactly one machine,
many, many machines --
many, many machines --
146
443210
3210
вообще-то, не одну, а много-много машин —
07:38
to try to understand and translate
the genome in a phenotype.
the genome in a phenotype.
147
446444
4544
научили понимать и транслировать
геном в фенотип.
геном в фенотип.
07:43
What are those letters,
and what do they do?
and what do they do?
148
451362
3340
Что это за буквы, за что они отвечают?
07:46
It's an approach that can
be used for everything,
be used for everything,
149
454726
2747
Такой подход применим повсюду,
07:49
but using it in genomics
is particularly complicated.
is particularly complicated.
150
457497
2993
но в геномике он особенно замысловат.
07:52
Little by little we grew and we wanted
to build different challenges.
to build different challenges.
151
460514
3276
Потихоньку мы развивались
и ставили перед собой различные задачи.
и ставили перед собой различные задачи.
07:55
We started from the beginning,
from common traits.
from common traits.
152
463814
2732
Мы начали с простого —
с общих характеристик.
с общих характеристик.
07:58
Common traits are comfortable
because they are common,
because they are common,
153
466570
2603
С ними удобно работать,
потому что они общие,
потому что они общие,
08:01
everyone has them.
154
469197
1184
они есть у каждого.
08:02
So we started to ask our questions:
155
470405
2494
Мы начали задаваться вопросами.
08:04
Can we predict height?
156
472923
1380
Можно ли предугадать рост?
08:06
Can we read the books
and predict your height?
and predict your height?
157
474985
2177
Можно ли прочесть эти тома
и угадать ваш рост?
и угадать ваш рост?
08:09
Well, we actually can,
158
477186
1151
На самом деле можно —
08:10
with five centimeters of precision.
159
478361
1793
с точностью до 5 сантиметров.
08:12
BMI is fairly connected to your lifestyle,
160
480178
3135
Индекс массы тела часто связан
с образом жизни,
с образом жизни,
08:15
but we still can, we get in the ballpark,
eight kilograms of precision.
eight kilograms of precision.
161
483337
3864
но его тоже можно предсказать
с погрешностью в 8 килограммов.
с погрешностью в 8 килограммов.
08:19
Can we predict eye color?
162
487225
1231
Спрогнозировать цвет глаз?
08:20
Yeah, we can.
163
488480
1158
Можем.
08:21
Eighty percent accuracy.
164
489662
1324
С точностью 80%.
08:23
Can we predict skin color?
165
491466
1858
Цвет кожи?
08:25
Yeah we can, 80 percent accuracy.
166
493348
2441
С точностью 80%.
08:27
Can we predict age?
167
495813
1340
Можем ли мы угадать возраст?
08:30
We can, because apparently,
the code changes during your life.
the code changes during your life.
168
498121
3739
Да, потому что, по всей видимости,
код меняется с возрастом:
код меняется с возрастом:
08:33
It gets shorter, you lose pieces,
it gets insertions.
it gets insertions.
169
501884
3282
укорачивается, какие-то кусочки теряются,
какие-то появляются.
какие-то появляются.
08:37
We read the signals, and we make a model.
170
505190
2555
Мы считываем сигналы, мы создаём модель.
08:40
Now, an interesting challenge:
171
508438
1475
Вот интересная задачка:
08:41
Can we predict a human face?
172
509937
1729
можем ли мы предугадать черты лица?
08:45
It's a little complicated,
173
513014
1278
Это непросто,
потому что гены, отвечающие за черты лица,
зашифрованы в миллионнах букв.
зашифрованы в миллионнах букв.
08:46
because a human face is scattered
among millions of these letters.
among millions of these letters.
174
514316
3191
08:49
And a human face is not
a very well-defined object.
a very well-defined object.
175
517531
2629
Лицо человека
трудно поддаётся определению.
трудно поддаётся определению.
08:52
So, we had to build an entire tier of it
176
520184
2051
Над этим пришлось поработать отдельно:
08:54
to learn and teach
a machine what a face is,
a machine what a face is,
177
522259
2710
изучить и объяснить машине,
что такое лицо,
что такое лицо,
08:56
and embed and compress it.
178
524993
2037
а затем встроить эти данные в алгоритм.
08:59
And if you're comfortable
with machine learning,
with machine learning,
179
527054
2248
Если вы разбираетесь в машинном обучении,
09:01
you understand what the challenge is here.
180
529326
2284
вы понимаете, насколько это сложно.
09:04
Now, after 15 years -- 15 years after
we read the first sequence --
we read the first sequence --
181
532108
5991
Спустя 15 лет после первой расшифровки,
09:10
this October, we started
to see some signals.
to see some signals.
182
538123
2902
в октябре этого года,
мы начали получать первые сигналы.
мы начали получать первые сигналы.
09:13
And it was a very emotional moment.
183
541049
2455
Это был очень волнующий момент.
09:15
What you see here is a subject
coming in our lab.
coming in our lab.
184
543528
3745
Здесь вы видите лицо участницы
эксперимента нашей лаборатории,
эксперимента нашей лаборатории,
09:19
This is a face for us.
185
547619
1928
мы работали с этим лицом.
09:21
So we take the real face of a subject,
we reduce the complexity,
we reduce the complexity,
186
549571
3631
Мы берём данные его черт, упрощаем их,
09:25
because not everything is in your face --
187
553226
1970
так как нам не нужно всё —
09:27
lots of features and defects
and asymmetries come from your life.
and asymmetries come from your life.
188
555220
3786
многие особенности и дефекты приобретаются
уже в течение жизни.
уже в течение жизни.
09:31
We symmetrize the face,
and we run our algorithm.
and we run our algorithm.
189
559030
3469
Мы делаем лицо более симметричным
и запускаем наш алгоритм.
и запускаем наш алгоритм.
09:35
The results that I show you right now,
190
563245
1898
Результаты, которые я вам покажу, —
09:37
this is the prediction we have
from the blood.
from the blood.
191
565167
3372
это то, что нам удалось предсказать
на основе образца крови.
на основе образца крови.
09:41
(Applause)
192
569596
1524
(Аплодисменты)
09:43
Wait a second.
193
571144
1435
Секундочку.
09:44
In these seconds, your eyes are watching,
left and right, left and right,
left and right, left and right,
194
572603
4692
Сейчас вы переводите взгляд слева направо,
справа налево:
справа налево:
09:49
and your brain wants
those pictures to be identical.
those pictures to be identical.
195
577319
3930
вашему мозгу хочется найти
признаки идентичности этих изображений.
признаки идентичности этих изображений.
09:53
So I ask you to do
another exercise, to be honest.
another exercise, to be honest.
196
581273
2446
Для чистоты эксперимента
давайте сделаем по-другому.
давайте сделаем по-другому.
09:55
Please search for the differences,
197
583743
2287
Пожалуйста, поищите различия,
09:58
which are many.
198
586054
1361
их здесь немало.
09:59
The biggest amount of signal
comes from gender,
comes from gender,
199
587439
2603
Самый сильный сигнал отвечает за пол,
10:02
then there is age, BMI,
the ethnicity component of a human.
the ethnicity component of a human.
200
590066
5201
затем возраст, индекс массы тела,
этническую принадлежность.
этническую принадлежность.
10:07
And scaling up over that signal
is much more complicated.
is much more complicated.
201
595291
3711
Разобраться в этих сигналах
совсем непросто.
совсем непросто.
10:11
But what you see here,
even in the differences,
even in the differences,
202
599026
3250
Но то, что вы здесь видите,
даже различия,
даже различия,
10:14
lets you understand
that we are in the right ballpark,
that we are in the right ballpark,
203
602300
3595
показывает, что мы на верном пути,
10:17
that we are getting closer.
204
605919
1348
мы всё ближе к истине.
10:19
And it's already giving you some emotions.
205
607291
2349
Уже только это будоражит эмоции.
10:21
This is another subject
that comes in place,
that comes in place,
206
609664
2703
Это ещё один наш испытуемый,
10:24
and this is a prediction.
207
612391
1409
а это полученный прогноз.
10:25
A little smaller face, we didn't get
the complete cranial structure,
the complete cranial structure,
208
613824
4596
Лицо не такое крупное, не совсем удалось
передать строение черепа,
передать строение черепа,
10:30
but still, it's in the ballpark.
209
618444
2651
но всё равно — очень близко.
10:33
This is a subject that comes in our lab,
210
621634
2224
Вот другой испытуемый,
10:35
and this is the prediction.
211
623882
1443
а вот наш расчёт.
10:38
So these people have never been seen
in the training of the machine.
in the training of the machine.
212
626056
4676
Когда мы обучали машину,
мы не использовали эти изображения.
мы не использовали эти изображения.
10:42
These are the so-called "held-out" set.
213
630756
2837
Это так называемый «резерв».
10:45
But these are people that you will
probably never believe.
probably never believe.
214
633617
3740
Но в случае с этими людьми
вам трудно оценить наш успех.
вам трудно оценить наш успех.
10:49
We're publishing everything
in a scientific publication,
in a scientific publication,
215
637381
2676
Мы всё опубликуем в научной статье,
10:52
you can read it.
216
640081
1151
вы сможете её почитать.
10:53
But since we are onstage,
Chris challenged me.
Chris challenged me.
217
641256
2344
Однако Крис поставил передо мной
непростую задачу.
непростую задачу.
10:55
I probably exposed myself
and tried to predict
and tried to predict
218
643624
3626
Возможно, я рисковал, но я попытался
спрогнозировать внешность человека,
спрогнозировать внешность человека,
10:59
someone that you might recognize.
219
647274
2831
которого вы способны узнать.
11:02
So, in this vial of blood --
and believe me, you have no idea
and believe me, you have no idea
220
650470
4425
Итак, в этой пробирке с кровью —
поверьте, вы даже не представляете,
поверьте, вы даже не представляете,
11:06
what we had to do to have
this blood now, here --
this blood now, here --
221
654919
2880
на что нам пришлось пойти,
чтобы добыть эту пробирку, —
чтобы добыть эту пробирку, —
11:09
in this vial of blood is the amount
of biological information
of biological information
222
657823
3901
в этой пробирке находится
биологическая информация,
биологическая информация,
11:13
that we need to do a full genome sequence.
223
661748
2277
необходимая для полной расшифровки генома.
11:16
We just need this amount.
224
664049
2070
Достаточно вот такого количества.
11:18
We ran this sequence,
and I'm going to do it with you.
and I'm going to do it with you.
225
666528
3205
Мы сделали расшифровку,
я вас проведу через процесс.
я вас проведу через процесс.
11:21
And we start to layer up
all the understanding we have.
all the understanding we have.
226
669757
3979
Слой за слоем складывается наша картинка.
11:25
In the vial of blood,
we predicted he's a male.
we predicted he's a male.
227
673760
3350
С помощью этой пробирки мы определили,
что это мужчина.
что это мужчина.
11:29
And the subject is a male.
228
677134
1364
И это действительно мужчина.
11:30
We predict that he's a meter and 76 cm.
229
678996
2438
Мы предсказали, что его рост — 1,76 см.
11:33
The subject is a meter and 77 cm.
230
681458
2392
Рост испытуемого — 1,77 см.
11:35
So, we predicted that he's 76;
the subject is 82.
the subject is 82.
231
683874
4110
Мы рассчитали, что он весит 76 кг,
оказалось — 82 кг.
оказалось — 82 кг.
11:40
We predict his age, 38.
232
688701
2632
Предсказанный возраст — 38 лет.
11:43
The subject is 35.
233
691357
1904
Испытуемому 35.
11:45
We predict his eye color.
234
693851
2124
Определили цвет его глаз.
11:48
Too dark.
235
696824
1211
Более тёмный оттенок.
11:50
We predict his skin color.
236
698059
1555
Теперь цвет кожи.
11:52
We are almost there.
237
700026
1410
Почти угадали.
11:53
That's his face.
238
701899
1373
Вот его лицо.
11:57
Now, the reveal moment:
239
705172
3269
Настаёт момент истины:
12:00
the subject is this person.
240
708465
1770
вот наш испытуемый.
12:02
(Laughter)
241
710259
1935
(Смех)
12:04
And I did it intentionally.
242
712218
2058
Я сделал это нарочно.
12:06
I am a very particular
and peculiar ethnicity.
and peculiar ethnicity.
243
714300
3692
У меня очень специфическая национальность.
12:10
Southern European, Italians --
they never fit in models.
they never fit in models.
244
718016
2950
Южноевропеец, итальянец —
мы вечно не вписываемся в модели.
мы вечно не вписываемся в модели.
12:12
And it's particular -- that ethnicity
is a complex corner case for our model.
is a complex corner case for our model.
245
720990
5130
А для нашей модели
этническая принадлежность очень важна.
этническая принадлежность очень важна.
12:18
But there is another point.
246
726144
1509
Но есть ещё кое-что.
12:19
So, one of the things that we use
a lot to recognize people
a lot to recognize people
247
727677
3477
Одна из черт, которую мы часто используем
для узнавания лиц,
для узнавания лиц,
12:23
will never be written in the genome.
248
731178
1722
никогда не будет отражена в геноме.
12:24
It's our free will, it's how I look.
249
732924
2317
Это наш свободный выбор, это то,
как я выгляжу.
как я выгляжу.
12:27
Not my haircut in this case,
but my beard cut.
but my beard cut.
250
735265
3229
В моём случае — не прическа,
а форма бороды.
а форма бороды.
12:30
So I'm going to show you, I'm going to,
in this case, transfer it --
in this case, transfer it --
251
738518
3553
Сейчас я вам покажу —
12:34
and this is nothing more
than Photoshop, no modeling --
than Photoshop, no modeling --
252
742095
2765
и это Photoshop и ничего больше,
никакого моделирования —
никакого моделирования —
12:36
the beard on the subject.
253
744884
1713
мы перенесём бороду вот сюда.
12:38
And immediately, we get
much, much better in the feeling.
much, much better in the feeling.
254
746621
3472
И сразу же всё становится гораздо лучше.
12:42
So, why do we do this?
255
750955
2709
Итак, зачем мы этим занимаемся?
12:47
We certainly don't do it
for predicting height
for predicting height
256
755938
5140
Конечно, не для того, чтобы угадывать рост
12:53
or taking a beautiful picture
out of your blood.
out of your blood.
257
761102
2372
или получать красивые картинки
по данным крови.
по данным крови.
12:56
We do it because the same technology
and the same approach,
and the same approach,
258
764390
4018
Мы делаем это потому,
что эта технология, этот метод,
что эта технология, этот метод,
13:00
the machine learning of this code,
259
768432
2520
машинное обучение в генетике,
13:02
is helping us to understand how we work,
260
770976
3137
помогает нам понять, как мы функционируем,
13:06
how your body works,
261
774137
1486
как работает наше тело,
13:07
how your body ages,
262
775647
1665
как оно стареет,
13:09
how disease generates in your body,
263
777336
2769
как возникают заболевания,
13:12
how your cancer grows and develops,
264
780129
2972
как появляется и развивается рак,
13:15
how drugs work
265
783125
1783
как действуют лекарства
13:16
and if they work on your body.
266
784932
2314
и действуют ли они на вас лично.
13:19
This is a huge challenge.
267
787713
1667
Это сложнейшая задача.
13:21
This is a challenge that we share
268
789894
1638
Над этой задачей мы работаем
13:23
with thousands of other
researchers around the world.
researchers around the world.
269
791556
2579
вместе с тысячами других исследователей
по всему миру.
по всему миру.
13:26
It's called personalized medicine.
270
794159
2222
Это называется
«персонализированная медицина».
«персонализированная медицина».
13:29
It's the ability to move
from a statistical approach
from a statistical approach
271
797125
3460
Это переход от статистического подхода,
13:32
where you're a dot in the ocean,
272
800609
2032
когда вы капля в море,
13:34
to a personalized approach,
273
802665
1813
к персонализированному подходу,
13:36
where we read all these books
274
804502
2185
когда мы читаем все эти книги
13:38
and we get an understanding
of exactly how you are.
of exactly how you are.
275
806711
2864
и точно понимаем все ваши особенности.
13:42
But it is a particularly
complicated challenge,
complicated challenge,
276
810260
3362
Но задача эта особенно сложна,
13:45
because of all these books, as of today,
277
813646
3998
потому что сегодня из всех этих томов
13:49
we just know probably two percent:
278
817668
2642
мы изучили, вероятно, примерно 2% —
13:53
four books of more than 175.
279
821027
3653
4 тома из более чем 175.
13:58
And this is not the topic of my talk,
280
826021
3206
Но я сегодня говорю не об этом,
14:02
because we will learn more.
281
830145
2598
потому что всё ещё впереди.
14:05
There are the best minds
in the world on this topic.
in the world on this topic.
282
833378
2669
Над этим работают лучшие умы планеты.
14:09
The prediction will get better,
283
837048
1834
Мы научимся лучше предсказывать,
14:10
the model will get more precise.
284
838906
2253
модель станет точнее.
14:13
And the more we learn,
285
841183
1858
И чем больше мы будем узнавать,
14:15
the more we will
be confronted with decisions
be confronted with decisions
286
843065
4830
тем больше перед нами
будет вставать вопросов,
будет вставать вопросов,
14:19
that we never had to face before
287
847919
3021
с которыми нам не приходилось
сталкиваться раньше:
сталкиваться раньше:
14:22
about life,
288
850964
1435
вопросов о жизни,
14:24
about death,
289
852423
1674
о смерти,
14:26
about parenting.
290
854121
1603
о рождении и воспитании детей.
14:32
So, we are touching the very
inner detail on how life works.
inner detail on how life works.
291
860626
4746
Мы касаемся самых потаённых деталей
того, как работает сама жизнь.
того, как работает сама жизнь.
14:38
And it's a revolution
that cannot be confined
that cannot be confined
292
866118
3158
Эту революцию нельзя ограничивать
14:41
in the domain of science or technology.
293
869300
2659
рамками науки и технологии.
14:44
This must be a global conversation.
294
872960
2244
Это должно обсуждаться глобально.
14:47
We must start to think of the future
we're building as a humanity.
we're building as a humanity.
295
875798
5217
Нам нужно задуматься
о будущем человечества.
о будущем человечества.
14:53
We need to interact with creatives,
with artists, with philosophers,
with artists, with philosophers,
296
881039
4064
Нужно взаимодействовать
с творческими людьми, художниками,
с творческими людьми, художниками,
14:57
with politicians.
297
885127
1510
философами, политиками.
14:58
Everyone is involved,
298
886661
1158
Это касается каждого,
14:59
because it's the future of our species.
299
887843
2825
потому что это будущее
нашего биологического вида.
нашего биологического вида.
15:03
Without fear, but with the understanding
300
891273
3968
Без страха, но с пониманием того,
15:07
that the decisions
that we make in the next year
that we make in the next year
301
895265
3871
что решения, которые мы примем
в ближайшем будущем,
в ближайшем будущем,
15:11
will change the course of history forever.
302
899160
3789
способны навсегда изменить ход истории.
15:15
Thank you.
303
903732
1160
Спасибо.
15:16
(Applause)
304
904916
10159
(Аплодисменты)
ABOUT THE SPEAKER
Riccardo Sabatini - Scientist, entrepreneurRiccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions.
Why you should listen
Data scientist Riccardo Sabatini harnesses numerical methods for a surprising variety of fields, from material science research to the study of food commodities (as a past director of the EU research project FoodCAST). His most recent research centers on computational genomics and how to crack the code of life.
In addition to his data research, Sabatini is deeply involved in education for entrepreneurs. He is the founder and co-director of the Quantum ESPRESSO Foundation, an advisor in several data-driven startups, and funder of The HUB Trieste, a social impact accelerator.
Riccardo Sabatini | Speaker | TED.com