TED2006
Joe DeRisi: Solving medical mysteries
Джо ДеРизи и его «Вироскан» раскрывают тайны медицины
Filmed:
Readability: 4.3
474,538 views
Биохимик Джо ДеРизи рассказывает о новых уникальных методах, позволяющих выявлять вирусы (и излечивать вызванные ими болезни) с помощью ДНК. Его работа может помочь нам понять причины малярии, атипичной пневмонии, птичьего гриппа — и еще 60% повседневных вирусных инфекций, которые ранее оставались невыявленными.
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. Full bio
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 investigate
0
0
3000
Как мы можем исследовать
00:15
this flora of viruses that surround us, and aid medicine?
1
3000
5000
окружающую нас вирусную флору и помочь медицине?
00:20
How can we turn our cumulative knowledge of virology
2
8000
4000
Как мы можем превратить накопленные нами знания по вирусологии
00:24
into a simple, hand-held, single diagnostic assay?
3
12000
4000
в один простой портативный диагностический прибор?
00:28
I want to turn everything we know right now about detecting viruses
4
16000
3000
Я хочу превратить всё, что мы знаем на данный момент о диагностике вирусов
00:31
and the spectrum of viruses that are out there
5
19000
2000
и диапазоне вирусов, окружающих нас,
00:33
into, let's say, a small chip.
6
21000
3000
в, с позволения сказать, маленький чип.
00:36
When we started thinking about this project --
7
24000
2000
Когда мы начали думать об этом проекте —
00:38
how we would make a single diagnostic assay
8
26000
3000
о том, как сделать единый диагностический прибор,
00:41
to screen for all pathogens simultaneously --
9
29000
3000
чтобы выявить все болезнетворные факторы одновременно —
00:44
well, there's some problems with this idea.
10
32000
2000
с воплощением этой идеи в жизнь возникли некоторые проблемы.
00:46
First of all, viruses are pretty complex,
11
34000
4000
Прежде всего, вирусы весьма сложны,
00:50
but they're also evolving very fast.
12
38000
4000
и к тому же они эволюционируют очень быстро.
00:54
This is a picornavirus.
13
42000
1000
Это пикорнавирус.
00:55
Picornaviruses -- these are things that include
14
43000
2000
Пикорнавирусы включают вирусы
00:57
the common cold and polio, things like this.
15
45000
3000
банальной простуды, полиомиелита и других подобных заболеваний.
01:00
You're looking at the outside shell of the virus,
16
48000
2000
Вы видите внешнюю оболочку вируса,
01:02
and the yellow color here are those parts of the virus
17
50000
3000
и жёлтым цветом здесь выделены те его части,
01:05
that are evolving very, very fast,
18
53000
2000
которые развиваются очень быстро,
01:07
and the blue parts are not evolving very fast.
19
55000
2000
а синим — те, которые развиваются медленней.
01:09
When people think about making pan-viral detection reagents,
20
57000
3000
Когда люди задумываются о создании выявляющих поливирусы реагентов,
01:12
usually it's the fast-evolving problem that's an issue,
21
60000
4000
главным препятствием становится стремительное развитие вирусов,
01:16
because how can we detect things if they're always changing?
22
64000
2000
ибо как можно обнаружить то, что постоянно меняется?
01:18
But evolution is a balance:
23
66000
2000
Но развитие основано на равновесии:
01:20
where you have fast change, you also have ultra-conservation --
24
68000
4000
когда что-то одно быстро меняется, что-то другое сохраняется неизменным,
01:24
things that almost never change.
25
72000
2000
почти никогда не меняясь.
01:26
And so we looked into this a little more carefully,
26
74000
3000
Таким образом, мы решили исследовать этот вопрос более подробно,
01:29
and I'm going to show you data now.
27
77000
1000
и сейчас я покажу вам результаты.
01:30
This is just some stuff you can do on the computer from the desktop.
28
78000
3000
Эту работу можно проделать на обычном компьютере.
01:33
I took a bunch of these small picornaviruses,
29
81000
2000
Я взял несколько пикорнавирусов,
01:35
like the common cold, like polio and so on,
30
83000
2000
таких как возбудители простуды, полиомиелита и другие,
01:37
and I just broke them down into small segments.
31
85000
4000
и разделил их на крошечные сегменты.
01:41
And so took this first example, which is called coxsackievirus,
32
89000
3000
В качестве первого экземпляра был взят вирус Коксаки,
01:44
and just break it into small windows.
33
92000
2000
который был разбит на маленькие ячейки.
01:46
And I'm coloring these small windows blue
34
94000
2000
И я закрашиваю эти маленькие ячейки синим цветом,
01:48
if another virus shares an identical sequence in its genome
35
96000
5000
если в геноме другого вируса есть последовательности, идентичные
01:53
to that virus.
36
101000
1000
вирусу Коксаки.
01:54
These sequences right up here --
37
102000
2000
Их можно увидеть здесь —
01:56
which don't even code for protein, by the way --
38
104000
2000
и к слову, они даже не несут информацию о белке —
01:58
are almost absolutely identical across all of these,
39
106000
3000
они почти полностью одинаковы во всём этом ряде вирусов,
02:01
so I could use this sequence as a marker
40
109000
4000
поэтому я смог использовать эту последовательность как маркер
02:05
to detect a wide spectrum of viruses,
41
113000
2000
для выявления широкого спектра вирусов,
02:07
without having to make something individual.
42
115000
3000
не работая с каждым из них отдельно.
02:10
Now, over here there's great diversity:
43
118000
2000
Здесь видно большое разнообразие:
02:12
that's where things are evolving fast.
44
120000
2000
эти части вирусов быстро развиваются.
02:14
Down here you can see slower evolution: less diversity.
45
122000
4000
А здесь заметно менее стремительное развитие: разнообразия уже меньше.
02:18
Now, by the time we get out here to, let's say,
46
126000
2000
А теперь, если, предположим, взять
02:20
acute bee paralysis virus --
47
128000
2000
вирус острого паралича пчёл —
02:22
probably a bad one to have if you're a bee ---
48
130000
2000
вероятно, весьма опасный, если вы пчела —
02:24
this virus shares almost no similarity to coxsackievirus,
49
132000
5000
у этого вируса почти нет сходства с вирусом Коксаки,
02:29
but I can guarantee you that the sequences that are most conserved
50
137000
4000
но я ручаюсь, что наиболее стабильные цепочки генов
02:33
among these viruses on the right-hand of the screen
51
141000
2000
у этих вирусов с правой стороны экрана
02:35
are in identical regions right up here.
52
143000
3000
находятся в тех же областях, что и у остальных.
02:38
And so we can encapsulate these regions of ultra-conservation
53
146000
3000
Таким образом, мы можем выделить участки с максимальной стабильностью
02:41
through evolution -- how these viruses evolved --
54
149000
3000
в ходе эволюции вируса -
02:44
by just choosing DNA elements or RNA elements
55
152000
3000
выбрав всего лишь фрагменты ДНК или РНК
02:47
in these regions to represent on our chip as detection reagents.
56
155000
4000
в данных участках в качестве выявляющих реагентов для нашего чипа.
02:51
OK, so that's what we did, but how are we going to do that?
57
159000
3000
Итак, это наша задача, но как её выполнить?
02:54
Well, for a long time, since I was in graduate school,
58
162000
2000
Долгие годы, с того момента, как я начал изучать эту проблему в университете,
02:56
I've been messing around making DNA chips --
59
164000
3000
я бился над созданием ДНК-чипов -
02:59
that is, printing DNA on glass.
60
167000
2000
как например,отпечатывание ДНК на стекле.
03:01
And that's what you see here:
61
169000
1000
И вот что вы здесь видите:
03:02
These little salt spots are just DNA tacked onto glass,
62
170000
3000
Эти крошечные солевые пятна - всего лишь прикрепленная к стеклу ДНК,
03:05
and so I can put thousands of these on our glass chip
63
173000
3000
и я могу поместить тысячи таких ДНК на такой стеклянный чип
03:08
and use them as a detection reagent.
64
176000
2000
и использовать их в качестве выявляющих реагентов.
03:10
We took our chip over to Hewlett-Packard
65
178000
2000
Мы передали свой чип компании Hewlett-Packard
03:12
and used their atomic force microscope on one of these spots,
66
180000
2000
и использовали их мощный атомарный микроскоп для исследования одного из таких пятен,
03:14
and this is what you see:
67
182000
2000
И вот что там видно:
03:16
you can actually see the strands of DNA lying flat on the glass here.
68
184000
3000
на этом стекле вы можете увидеть нити ДНК.
03:19
So, what we're doing is just printing DNA on glass --
69
187000
3000
И мы всего лишь отпечатываем ДНК на стекле -
03:22
little flat things -- and these are going to be markers for pathogens.
70
190000
4000
на маленьких стеклышках - и эти отпечатки становятся маркерами для патогенов.
03:26
OK, I make little robots in lab to make these chips,
71
194000
3000
Для создания этих чипов в лаборатории я использую крошечных роботов,
03:29
and I'm really big on disseminating technology.
72
197000
3000
я увлекся внедрением этой технологии в повседневную жизнь.
03:32
If you've got enough money to buy just a Camry,
73
200000
3000
Если ваших средств достаточно на покупку Камри,
03:35
you can build one of these too,
74
203000
2000
вы тоже можете построить одного из таких роботов,
03:37
and so we put a deep how-to guide on the Web, totally free,
75
205000
4000
и для этого мы разместили в Интернете абсолютно бесплатное руководство к действию
03:41
with basically order-off-the-shelf parts.
76
209000
2000
с основной последовательностью действий по сборке.
03:43
You can build a DNA array machine in your garage.
77
211000
3000
Вы можете построить прибор для отпечатки набора фрагментов ДНК в своём собственном гараже.
03:46
Here's the section on the all-important emergency stop switch.
78
214000
3000
А этот раздел посвящен остановке в случае аварийной ситуации.
03:49
(Laughter)
79
217000
2000
(Смех)
03:51
Every important machine's got to have a big red button.
80
219000
3000
У каждого значительного механизма должна быть большая красная кнопка.
03:54
But really, it's pretty robust.
81
222000
2000
Но честно говоря, он редко выходит из строя.
03:56
You can actually be making DNA chips in your garage
82
224000
3000
Вы в самом деле можете создавать ДНК-чипы у себя в гараже
03:59
and decoding some genetic programs pretty rapidly. It's a lot of fun.
83
227000
4000
и достаточно быстро расшифровывать генетические программы. Это весело.
04:03
(Laughter)
84
231000
1000
(Смех)
04:04
And so what we did -- and this is a really cool project --
85
232000
4000
Итак, что же мы сделали - и это весьма интересный проект-
04:08
we just started by making a respiratory virus chip.
86
236000
2000
мы начали создавать ДНК-чип респираторного вируса.
04:10
I talked about that --
87
238000
2000
Я рассказывал об этом -
04:12
you know, that situation where you go into the clinic
88
240000
2000
вам известна ситуация, когда вы приходите в клинику,
04:14
and you don't get diagnosed?
89
242000
2000
а причину вашего заболевания не могут выявить?
04:16
Well, we just put basically all the human respiratory viruses
90
244000
2000
Мы поместили ДНК основных респираторных вирусов человека
04:18
on one chip, and we threw in herpes virus for good measure --
91
246000
3000
на один чип, добавив туда же для ровного счета вирус герпеса -
04:21
I mean, why not?
92
249000
1000
а почему бы нет?
04:22
The first thing you do as a scientist is,
93
250000
2000
В первую очередь ученый
04:24
you make sure stuff works.
94
252000
1000
должен убедиться, что материал работает.
04:25
And so what we did is, we take tissue culture cells
95
253000
3000
И вот что мы сделали: взяли культивируемую клеточную среду
04:28
and infect them with various viruses,
96
256000
2000
и инфицировали клетки разными вирусами,
04:30
and we take the stuff and fluorescently label the nucleic acid,
97
258000
4000
затем взяли этот материал и флюоресцентно маркировали полинуклеотид,
04:34
the genetic material that comes out of these tissue culture cells --
98
262000
3000
генетический материал, выделенный из этих культивируемых клеток,
04:37
mostly viral stuff -- and stick it on the array to see where it sticks.
99
265000
4000
вирусный материал - и поместили его на чип, чтобы определить, к какому участку он приклеится.
04:41
Now, if the DNA sequences match, they'll stick together,
100
269000
2000
Итак, если последовательности ДНК соответствуют друг другу, они склеиваются,
04:43
and so we can look at spots.
101
271000
2000
и тогда мы можем обратить внимание на пятна.
04:45
And if spots light up, we know there's a certain virus in there.
102
273000
2000
Если они светятся, мы понимаем, что в данном месте точно находится вирус.
04:47
That's what one of these chips really looks like,
103
275000
2000
Вот как выглядит один из таких чипов,
04:49
and these red spots are, in fact, signals coming from the virus.
104
277000
3000
и эти красные пятна представляют собой поступающие от вирусов сигналы.
04:52
And each spot represents a different family of virus
105
280000
3000
Каждое пятно соответствует определенному семейству вирусов
04:55
or species of virus.
106
283000
1000
или виду вируса.
04:56
And so, that's a hard way to look at things,
107
284000
2000
Это изображение достаточно трудно для восприятия,
04:58
so I'm just going to encode things as a little barcode,
108
286000
2000
поэтому я хочу представить данные в виде определенного штрих-кода,
05:00
grouped by family, so you can see the results in a very intuitive way.
109
288000
4000
сформированного по семействам для более наглядного отображения результатов.
05:04
What we did is, we took tissue culture cells
110
292000
2000
Мы взяли культивируемую клеточную среду
05:06
and infected them with adenovirus,
111
294000
2000
и инфицировали клетки аденовирусом,
05:08
and you can see this little yellow barcode next to adenovirus.
112
296000
4000
и вы можете рассмотреть этот желтый штрих-код около аденовируса.
05:12
And, likewise, we infected them with parainfluenza-3 --
113
300000
3000
И подобным образом мы инфицировали эти клетки вирусом парагриппа 3-ого типа -
05:15
that's a paramyxovirus -- and you see a little barcode here.
114
303000
2000
это парамиксовирус - и вы можете увидеть здесь этот штрих-код.
05:17
And then we did respiratory syncytial virus.
115
305000
3000
Затем последовал респираторный синтициальный вирус.
05:20
That's the scourge of daycare centers everywhere --
116
308000
2000
Это повсеместный бич всех детских садов -
05:22
it's like boogeremia, basically.
117
310000
2000
сопли, проще говоря.
05:24
(Laughter)
118
312000
1000
(Смех)
05:25
You can see that this barcode is the same family,
119
313000
4000
Как вы видите, этот штрих-код обозначает одно и то же семейство,
05:29
but it's distinct from parainfluenza-3,
120
317000
2000
но он отличен от вируса парагриппа 3-ого типа,
05:31
which gives you a very bad cold.
121
319000
2000
вызывающего тяжелейшую простуду.
05:33
And so we're getting unique signatures, a fingerprint for each virus.
122
321000
3000
Так у нас появляются уникальные показатели, отпечатки пальцев для каждого вируса.
05:36
Polio and rhino: they're in the same family, very close to each other.
123
324000
3000
Полио и риновирусы принадлежат одному семейству и очень похожи друг на друга.
05:39
Rhino's the common cold, and you all know what polio is,
124
327000
2000
Риновирусы вызывают банальную простуду, а что такое полиовирус вам прекрасно известно,
05:41
and you can see that these signatures are distinct.
125
329000
3000
и вы видите, что показатели этих вирусов различны.
05:44
And Kaposi's sarcoma-associated herpes virus
126
332000
3000
А ассоциированный с саркомой Капоши вирус герпеса
05:47
gives a nice signature down here.
127
335000
2000
демонстрирует здесь весьма яркие показатели.
05:49
And so it is not any one stripe or something
128
337000
2000
И это не любая полоска или что-либо,
05:51
that tells me I have a virus of a particular type here;
129
339000
2000
сообщающая мне о наличии в образце вируса определенной разновидности;
05:53
it's the barcode that in bulk represents the whole thing.
130
341000
4000
это штрих-код, который дает представление о ситуации в целом.
05:57
All right, I can see a rhinovirus --
131
345000
2000
Отлично, я вижу один риновирус -
05:59
and here's the blow-up of the rhinovirus's little barcode --
132
347000
2000
а это увеличенный снимок риновирусного штрих-кода -
06:01
but what about different rhinoviruses?
133
349000
2000
но как быть с другими риновирусами?
06:03
How do I know which rhinovirus I have?
134
351000
2000
Откуда я узнаю, какой именно это риновирус?
06:05
There're 102 known variants of the common cold,
135
353000
3000
Существует 102 известных варианта вирусов простуды,
06:08
and there're only 102 because people got bored collecting them:
136
356000
3000
и их всего лишь 102 просто потому, что люди устали их считать:
06:11
there are just new ones every year.
137
359000
2000
новые разновидности появляются ежегодно.
06:13
And so, here are four different rhinoviruses,
138
361000
2000
Существует четыре разных риновируса,
06:15
and you can see, even with your eye,
139
363000
2000
и можно увидеть даже невооруженным взглядом,
06:17
without any fancy computer pattern-matching
140
365000
2000
без затейливых компьютерных сопоставлений образцов
06:19
recognition software algorithms,
141
367000
2000
алгоритмов програмного обеспечения для распознавания,
06:21
that you can distinguish each one of these barcodes from each other.
142
369000
3000
для того, чтобы отличить один штрих-код от любого другого.
06:24
Now, this is kind of a cheap shot,
143
372000
2000
Итак это что-то вроде удара по больному месту,
06:26
because I know what the genetic sequence of all these rhinoviruses is,
144
374000
3000
так как мне известно, какова генетическая последовательность всех этих риновирусов,
06:29
and I in fact designed the chip
145
377000
1000
и я даже спроектировал чип
06:30
expressly to be able to tell them apart,
146
378000
2000
чтобы отличать их друг от друга,
06:32
but what about rhinoviruses that have never seen a genetic sequencer?
147
380000
4000
но как быть с риновирусами, которые никогда не видел ни один генетик?
06:36
We don't know what the sequence is; just pull them out of the field.
148
384000
2000
Нам неизвестна их генетическая последовательность, и мы просто закрываем на них глаза.
06:38
So, here are four rhinoviruses
149
386000
2000
Итак, вот четыре риновируса,
06:40
we never knew anything about --
150
388000
2000
о которых нам на было ничего известно -
06:42
no one's ever sequenced them -- and you can also see
151
390000
3000
никто никогда не исследовал их генетически - и как видите,
06:45
that you get unique and distinguishable patterns.
152
393000
2000
эти образцы уникальны и различимы.
06:47
You can imagine building up some library, whether real or virtual,
153
395000
3000
Представьте, что вы построили реальную или виртуальную библиотеку
06:50
of fingerprints of essentially every virus.
154
398000
2000
"отпечатков пальцев" всех значимых вирусов.
06:52
But that's, again, shooting fish in a barrel, you know, right?
155
400000
3000
Вы ведь знаете, что это проще простого, так?
06:55
You have tissue culture cells. There are a ton of viruses.
156
403000
2000
У вас есть культивируемая клеточная среда. И тонна вирусов.
06:57
What about real people?
157
405000
2000
А что насчет живых людей?
06:59
You can't control real people, as you probably know.
158
407000
2000
Как вам и самим, наверное, известно, вы не можете их контролировать.
07:01
You have no idea what someone's going to cough into a cup,
159
409000
4000
Вы даже представить себе не можете, что именно попадет в чашку человека при кашле,
07:05
and it's probably really complex, right?
160
413000
3000
а ведь состав может быть очень сложным , не правда ли?
07:08
It could have lots of bacteria, it could have more than one virus,
161
416000
3000
В слюне может быть множество бактерий и вирусов,
07:11
and it certainly has host genetic material.
162
419000
2000
и безусловно, генетический материал хозяина.
07:13
So how do we deal with this?
163
421000
1000
Так как же со всем этим разобраться?
07:14
And how do we do the positive control here?
164
422000
2000
И как в данном случае осуществлять положительный контроль?
07:16
Well, it's pretty simple.
165
424000
2000
Что ж, довольно просто.
07:18
That's me, getting a nasal lavage.
166
426000
2000
На этой фотографии я делаю назальный смыв.
07:20
And the idea is, let's experimentally inoculate people with virus.
167
428000
5000
Идея заключается в вакцинировании людей в условиях эксперимента.
07:25
This is all IRB-approved, by the way; they got paid.
168
433000
5000
Кстати, с одобрения международного экспертного совета; и участие в эксперименте оплачивается.
07:30
And basically we experimentally inoculate people
169
438000
3000
Мы прививали людей экспериментальной вакциной
07:33
with the common cold virus.
170
441000
1000
против ОРВИ.
07:34
Or, even better, let's just take people
171
442000
2000
Или, даже лучше, давайте возьмем людей
07:36
right out of the emergency room --
172
444000
1000
непосредственно в приемном покое -
07:37
undefined, community-acquired respiratory tract infections.
173
445000
4000
с неопределенным диагнозом, бытовой инфекцией дыхательных путей.
07:41
You have no idea what walks in through the door.
174
449000
2000
Вы не представляете, кто может зайти в дверь.
07:43
So, let's start off with the positive control first,
175
451000
3000
Что ж, давайте займемся сперва положительным контролем,
07:46
where we know the person was healthy.
176
454000
2000
зная, что человек здоров.
07:48
They got a shot of virus up the nose,
177
456000
2000
Вирусы попадают в его организм через нос,
07:50
let's see what happens.
178
458000
1000
и что же происходит?
07:51
Day zero: nothing happening.
179
459000
2000
День первый: ничего не происходит.
07:53
They're healthy; they're clean -- it's amazing.
180
461000
2000
Человек здоров; он не заражен - это невероятно.
07:55
Actually, we thought the nasal tract might be full of viruses
181
463000
2000
Фактически, мы считали, что носовые ходы могут быть забиты вирусами,
07:57
even when you're walking around healthy.
182
465000
1000
даже когда вы прогуливаетесь в полном здравии.
07:58
It's pretty clean. If you're healthy, you're pretty healthy.
183
466000
2000
Это относительная незараженность. Если вы здоровы, вы относительно здоровы.
08:00
Day two: we get a very robust rhinovirus pattern,
184
468000
4000
День второй: мы получаем полноценный образец риновируса,
08:04
and it's very similar to what we get in the lab
185
472000
2000
который весьма схож с тем, что мы получаем в лаборатории
08:06
doing our tissue culture experiment.
186
474000
1000
во время экспериментов с клеточными культурами.
08:07
So that's great, but again, cheap shot, right?
187
475000
3000
Здорово, но это опять удар по больному месту, не так ли?
08:10
We put a ton of virus up this guy's nose. So --
188
478000
2000
Мы поселили тонну вирусов в нос этого мужчины. Итак -
08:12
(Laughter)
189
480000
1000
(Смех)
08:13
-- I mean, we wanted it to work. He really had a cold.
190
481000
4000
Я имею в виду, мы хотели, чтобы это сработало. Он и правда подхватил простуду.
08:17
So, how about the people who walk in off the street?
191
485000
4000
А как насчет людей, прогуливающихся по улице?
08:21
Here are two individuals represented by their anonymous ID codes.
192
489000
2000
Вот безликие идентификационные коды двух человек.
08:23
They both have rhinoviruses; we've never seen this pattern in lab.
193
491000
4000
Они оба заражены риновирусами; мы никогда не видели такие образцы в лаборатории.
08:27
We sequenced part of their viruses;
194
495000
2000
Мы исследовали генетические последовательности части этих вирусов;
08:29
they're new rhinoviruses no one's actually even seen.
195
497000
3000
они абсолютно новые и ранее никем не замеченные.
08:32
Remember, our evolutionary-conserved sequences
196
500000
2000
Помните, те застывшие в развитии последовательности генов,
08:34
we're using on this array allow us to detect
197
502000
2000
которые мы используем на чипе, позволяют нам выявлять
08:36
even novel or uncharacterized viruses,
198
504000
2000
даже ранее неизвестные или неохарактеризованные вирусы,
08:38
because we pick what is conserved throughout evolution.
199
506000
4000
так как мы отбираем то, что сохранилось в ходе эволюции.
08:42
Here's another guy. You can play the diagnosis game yourself here.
200
510000
3000
Это другой человек. И здесь вы можете сами поиграть в диагностов.
08:45
These different blocks represent
201
513000
2000
Отдельные участки представляют здесь
08:47
the different viruses in this paramyxovirus family,
202
515000
2000
разные вирусы семейства паравирусов,
08:49
so you can kind of go down the blocks
203
517000
1000
и вы можете исследовать эти участки
08:50
and see where the signal is.
204
518000
2000
и увидеть, где заметен импульс.
08:52
Well, doesn't have canine distemper; that's probably good.
205
520000
3000
Ну, собачьего бешенства нет, и это уже неплохо.
08:55
(Laughter)
206
523000
2000
(Смех)
08:57
But by the time you get to block nine,
207
525000
2000
Но достигнув девятого участка,
08:59
you see that respiratory syncytial virus.
208
527000
2000
вы увидите этот синцитиальный респираторный вирус.
09:01
Maybe they have kids. And then you can see, also,
209
529000
3000
Может быть, у этого человека есть дети. И вы можете также наблюдать
09:04
the family member that's related: RSVB is showing up here.
210
532000
2000
члена его семьи: данный вирус обозначен и здесь.
09:06
So, that's great.
211
534000
1000
Что ж, замечательно.
09:07
Here's another individual, sampled on two separate days --
212
535000
3000
А это другой человек, наблюдаемый в течение двух дней -
09:10
repeat visits to the clinic.
213
538000
2000
при повторных посещениях клиники.
09:12
This individual has parainfluenza-1,
214
540000
3000
У него парагрипп 1 типа,
09:15
and you can see that there's a little stripe over here
215
543000
2000
и прямо здесь мы можем видеть крошечную маркировочную линию
09:17
for Sendai virus: that's mouse parainfluenza.
216
545000
3000
вируса Сендай: это мышиный парагрипп.
09:20
The genetic relationships are very close there. That's a lot of fun.
217
548000
4000
Генетическая связь между ними очень тесна. И это очень весело.
09:24
So, we built out the chip.
218
552000
1000
Итак, мы создали чип.
09:25
We made a chip that has every known virus ever discovered on it.
219
553000
4000
Мы создали чип, на котором есть генетическая информация о любом известном нам вирусе.
09:29
Why not? Every plant virus, every insect virus, every marine virus.
220
557000
3000
А почему бы нет? Любой растительный вирус, любой вирус насекомых, любой морской вирус.
09:32
Everything that we could get out of GenBank --
221
560000
2000
Всё, что мы можем достать из генетического банка -
09:34
that is, the national repository of sequences.
222
562000
2000
так называемый, всенародный склад генетических последовательностей.
09:36
Now we're using this chip. And what are we using it for?
223
564000
3000
И теперь мы используем такой чип. Но зачем мы это делаем?
09:39
Well, first of all, when you have a big chip like this,
224
567000
2000
Что ж, прежде всего когда у вас есть такой большой чип,
09:41
you need a little bit more informatics,
225
569000
2000
вам нужна большая информативная поодержка,
09:43
so we designed the system to do automatic diagnosis.
226
571000
2000
поэтому мы спроектировали систему, способную к автоматической диагностике.
09:45
And the idea is that we simply have virtual patterns,
227
573000
3000
И план заключается в наличии у нас виртуальных образцов,
09:48
because we're never going to get samples of every virus --
228
576000
2000
так как мы никогда не заполучим образцы всех вирусов -
09:50
it would be virtually impossible. But we can get virtual patterns,
229
578000
3000
это было бы просто невозможно. Но мы можем использовать виртуальные образцы,
09:53
and compare them to our observed result --
230
581000
2000
и сравнивать их с результатами экспериментов -
09:55
which is a very complex mixture -- and come up with some sort of score
231
583000
4000
весьма запутанными - и вести что-то вроде счета,
09:59
of how likely it is this is a rhinovirus or something.
232
587000
3000
какова вероятность, что это именно риновирус.
10:02
And this is what this looks like.
233
590000
2000
И вот на что это похоже.
10:04
If, for example, you used a cell culture
234
592000
2000
Если, например, вы использовали клеточную культуру,
10:06
that's chronically infected with papilloma,
235
594000
2000
постоянно инфицируемую папилломовирусом,
10:08
you get a little computer readout here,
236
596000
2000
вы получаете компьютерную выборку показателей,
10:10
and our algorithm says it's probably papilloma type 18.
237
598000
4000
и согласно нашему алгоритму это папилломовирус 18 типа.
10:14
And that is, in fact, what these particular cell cultures
238
602000
2000
И именно им на самом деле клеточная культура
10:16
are chronically infected with.
239
604000
2000
постоянно инфицируется.
10:18
So let's do something a little bit harder.
240
606000
2000
А теперь кое-что потруднее.
10:20
We put the beeper in the clinic.
241
608000
1000
В клинике мы установили звуковой сигнализатор.
10:21
When somebody shows up, and the hospital doesn't know what to do
242
609000
3000
Каждый раз, когда в клинику попадал человек
10:24
because they can't diagnose it, they call us.
243
612000
2000
с неизвестным диагнозом, они звонили нам.
10:26
That's the idea, and we're setting this up in the Bay Area.
244
614000
2000
Вот это идея, и мы воплотили её в жизнь в Сан-Франциско.
10:28
And so, this case report happened three weeks ago.
245
616000
2000
И эта история болезни имела место быть три недели назад.
10:30
We have a 28-year-old healthy woman, no travel history,
246
618000
3000
У нас есть 28-летняя здоровая женщина, никогда не выезжавшая за пределы родных мест,
10:33
[unclear], doesn't smoke, doesn't drink.
247
621000
3000
(неразборчиво), некурящая, не пьющая алкогольные напитки,
10:36
10-day history of fevers, night sweats, bloody sputum --
248
624000
4000
с десятидневной лихорадкой, ночными потоотделениями, кровянистой мокротой
10:40
she's coughing up blood -- muscle pain.
249
628000
2000
она кашляет кровью - и мышечной болью.
10:42
She went to the clinic, and they gave her antibiotics
250
630000
4000
Когда она попала в клинику,ей назначили антибиотики
10:46
and then sent her home.
251
634000
1000
и отправили домой.
10:47
She came back after ten days of fever, right? Still has the fever,
252
635000
4000
Она вернулась после десяти дней лихорадки, так? По-прежнему, с лихорадкой,
10:51
and she's hypoxic -- she doesn't have much oxygen in her lungs.
253
639000
3000
и с гипоксией - за счет недостатка кислорода в легких.
10:54
They did a CT scan.
254
642000
1000
Ей провели компьютерную томографию.
10:55
A normal lung is all sort of dark and black here.
255
643000
4000
Все, что здесь темное и черное, - это нормальная легочная ткань.
10:59
All this white stuff -- it's not good.
256
647000
2000
А вот всё, что белого цвета, - в этом уже нет ничего хорошего.
11:01
This sort of tree and bud formation indicates there's inflammation;
257
649000
3000
Такая легочная структура в виде разветвленной структуры с завязями показывает, что ткань воспалена;
11:04
there's likely to be infection.
258
652000
2000
и воспаление, скорее всего, инфекционное.
11:06
OK. So, the patient was treated then
259
654000
3000
Пациентку лечили
11:09
with a third-generation cephalosporin antibiotic and doxycycline,
260
657000
4000
цефалоспоринами третьего поколения и доксициклином,
11:13
and on day three, it didn't help: she had progressed to acute failure.
261
661000
4000
и на третий день это не помогло: болезнь спрогрессировала в острую легочную недостаточность.
11:17
They had to intubate her, so they put a tube down her throat
262
665000
3000
Им пришлось заинтубировать пациентку, поместив интубационную трубку в её горло
11:20
and they began to mechanically ventilate her.
263
668000
1000
и подключить её к аппарату искусственной вентиляции легких.
11:21
She could no longer breathe for herself.
264
669000
2000
Она не могла больше дышать самостоятельно.
11:23
What to do next? Don't know.
265
671000
2000
А что делать дальше? Неизвестно.
11:25
Switch antibiotics: so they switched to another antibiotic,
266
673000
3000
Поменять антибиотики: они перешли на другой антибиотик,
11:28
Tamiflu.
267
676000
2000
Тамифлю.
11:30
It's not clear why they thought she had the flu,
268
678000
2000
Непонятно, почему они решили, что у пациентки грипп,
11:32
but they switched to Tamiflu.
269
680000
2000
но перешли на Темифлю.
11:34
And on day six, they basically threw in the towel.
270
682000
2000
И на шестой день, они, наконец, сдались.
11:36
You do an open lung biopsy when you've got no other options.
271
684000
4000
За неимением другого выбора, была проведена открытая биопсия легких.
11:40
There's an eight percent mortality rate with just doing this procedure,
272
688000
2000
А уровень смертности при такой операции составляет восемь процентов,
11:42
and so basically -- and what do they learn from it?
273
690000
3000
и что же - что они узнали таким способом?
11:45
You're looking at her open lung biopsy.
274
693000
2000
Вы смотрите на открытую биопсию легких этой пациентки.
11:47
And I'm no pathologist, but you can't tell much from this.
275
695000
2000
Я не патологоанатом, но что можно сказать, глядя на это?
11:49
All you can tell is, there's a lot of swelling: bronchiolitis.
276
697000
3000
Единственное - здесь есть признаки значительного отека - бронхиолита.
11:52
It was "unrevealing": that's the pathologist's report.
277
700000
3000
Болезнь недиагносцируема: это заключение патологоанатома.
11:55
And so, what did they test her for?
278
703000
3000
Так для чего же они её обследовали?
11:58
They have their own tests, of course,
279
706000
1000
Безусловно, они делали анализы,
11:59
and so they tested her for over 70 different assays,
280
707000
3000
и проводили анализы по более, чем семидесяти показателям,
12:02
for every sort of bacteria and fungus and viral assay
281
710000
3000
анализы на все виды бактерий, грибов и вирусов,
12:05
you can buy off the shelf:
282
713000
2000
существующих в природе:
12:07
SARS, metapneumovirus, HIV, RSV -- all these.
283
715000
3000
ОРВИ, метапневмовирус, ВИЧ, РСВ - на все.
12:10
Everything came back negative, over 100,000 dollars worth of tests.
284
718000
4000
Все анализы стоимостью более 100000 долларов за анализ были отрицательны.
12:14
I mean, they went to the max for this woman.
285
722000
3000
Я имею в виду, что они сделали для этой женщины всё, что могли.
12:17
And basically on hospital day eight, that's when they called us.
286
725000
3000
И наконец, на восьмой день позвонили нам.
12:20
They gave us endotracheal aspirate --
287
728000
2000
Они дали нам эндотрахиальный аспират -
12:22
you know, a little fluid from the throat,
288
730000
2000
знаете, жидкость из горла,
12:24
from this tube that they got down there -- and they gave us this.
289
732000
2000
из трубки, поставленной ими - отдали её нам.
12:26
We put it on the chip; what do we see? Well, we saw parainfluenza-4.
290
734000
5000
Мы поместили его на чип, и что же мы увидели? Увидели мы вирус парагриппа 4-ого типа.
12:31
Well, what the hell's parainfluenza-4?
291
739000
2000
И что же, ради всего святого, это за вирус?
12:33
No one tests for parainfluenza-4. No one cares about it.
292
741000
3000
Не существует анализов на парагрипп 4-ого типа. Никто не воспринимает его всерьез.
12:36
In fact, it's not even really sequenced that much.
293
744000
3000
Его генетические последовательности выделены не полностью.
12:39
There's just a little bit of it sequenced.
294
747000
2000
Выделена лишь малая их часть.
12:41
There's almost no epidemiology or studies on it.
295
749000
2000
Эпидемиологических научных трудов об этом вирусе не существует.
12:43
No one would even consider it,
296
751000
2000
Никто даже не мог предположить именно этот вирус,
12:45
because no one had a clue that it could cause respiratory failure.
297
753000
3000
так как ни у кого не было подозрений, что он может вызывать дыхательную недостаточность.
12:48
And why is that? Just lore. There's no data --
298
756000
3000
Отчего так? Обычная практика.У нас нет данных -
12:51
no data to support whether it causes severe or mild disease.
299
759000
4000
нет данных, что этот вирус может вызывать заболевания разной степени сложности.
12:55
Clearly, we have a case of a healthy person that's going down.
300
763000
3000
Очевидно, разговор идет о единичном случае заболевания.
12:58
OK, that's one case report.
301
766000
3000
Ладно, это всего лишь одна история болезни.
13:01
I'm going to tell you one last thing in the last two minutes
302
769000
2000
Но в последние две минуты я хочу вам рассказать ещё кое-что
13:03
that's unpublished -- it's going to come out tomorrow --
303
771000
3000
неопубликованное - о чем станет известно только завтра -
13:06
and it's an interesting case of how you might use this chip
304
774000
3000
и это интересная информация о том, как вы можете использовать этот чип
13:09
to find something new and open a new door.
305
777000
2000
для открытия новых горизонтов.
13:11
Prostate cancer. I don't need to give you many statistics
306
779000
4000
Рак предстательной железы. Нет нужды приводить здесь статистические данные
13:15
about prostate cancer. Most of you already know it:
307
783000
3000
о раке предстательной железы. Почти каждый их знает:
13:18
third leading cause of cancer deaths in the U.S.
308
786000
2000
третье место среди причин смерти раковых больных в США.
13:20
Lots of risk factors,
309
788000
2000
Множество факторов риска,
13:22
but there is a genetic predisposition to prostate cancer.
310
790000
4000
но существует генетическая предрасположенность к этому виду рака.
13:26
For maybe about 10 percent of prostate cancer,
311
794000
2000
Где-то 10% больных раком предстательной железы -
13:28
there are folks that are predisposed to it.
312
796000
2000
это люди, имеющие к нему предрасположенность.
13:30
And the first gene that was mapped in association studies
313
798000
4000
И первым геном, выявленным в совместных исследованиях
13:34
for this, early-onset prostate cancer, was this gene called RNASEL.
314
802000
4000
рака предстательной железы на ранней стадии, стал ген, названный рибонуклеаза L.
13:38
What is that? It's an antiviral defense enzyme.
315
806000
3000
Что это такое? Это защитный антивирусный фермент.
13:41
So, we're sitting around and thinking,
316
809000
2000
Итак мы сидим и думаем:
13:43
"Why would men who have the mutation --
317
811000
2000
"Почему мужчины с генной мутацией -
13:45
a defect in an antiviral defense system -- get prostate cancer?
318
813000
5000
повреждением антивирусной защитной системы - заболевают раком предстательной железы?
13:50
It doesn't make sense -- unless, maybe, there's a virus?"
319
818000
3000
Это бессмысленно - разве что, может, там есть вирус?"
13:53
So, we put tumors --- and now we have over 100 tumors -- on our array.
320
821000
6000
И так мы помещаем опухоли - а сейчас у нас их более ста - на свой чип.
13:59
And we know who's got defects in RNASEL and who doesn't.
321
827000
3000
И мы знаем, у кого есть дефект рибонуклеазы L, а у кого нет.
14:02
And I'm showing you the signal from the chip here,
322
830000
3000
И я покажу вам импульс на чипе,
14:05
and I'm showing you for the block of retroviral oligos.
323
833000
4000
покажу вам комплекс ретровирусных олигопептидов.
14:09
And what I'm telling you here from the signal, is
324
837000
2000
И по вирусу можно заключить,
14:11
that men who have a mutation in this antiviral defense enzyme,
325
839000
4000
что мужчины с генной мутацией в этом антивирусном защитном ферменте
14:15
and have a tumor, often have -- 40 percent of the time --
326
843000
4000
и с опухолью, в 40 процентах обладают
14:19
a signature which reveals a new retrovirus.
327
847000
4000
признаками, свидетельствующими о новом ретровирусе.
14:23
OK, that's pretty wild. What is it?
328
851000
3000
Звучит дико. Что же это?
14:26
So, we clone the whole virus.
329
854000
1000
Итак, мы клонируем целый вирус.
14:27
First of all, I'll tell you that a little automated prediction told us
330
855000
4000
Прежде всего, автоматизированное прогнозирование показало нам,
14:31
it was very similar to a mouse virus.
331
859000
2000
что он очень похож на мышиный вирус.
14:33
But that doesn't tell us too much,
332
861000
1000
Но это ни о чем нам не говорит,
14:34
so we actually clone the whole thing.
333
862000
2000
и поэтому мы клонировали вирус целиком.
14:36
And the viral genome I'm showing you right here?
334
864000
2000
И вирусный геном я покажу вам прямо сейчас.
14:38
It's a classic gamma retrovirus, but it's totally new;
335
866000
3000
Это классический гамма ретровирус, но он абсолютно новый;
14:41
no one's ever seen it before.
336
869000
1000
никто раньше его не видел.
14:42
Its closest relative is, in fact, from mice,
337
870000
3000
Он, действительно, очень близок к мышиному вирусу,
14:45
and so we would call this a xenotropic retrovirus,
338
873000
4000
и поэтому мы могли бы назвать этот вирус ксенотропным,
14:49
because it's infecting a species other than mice.
339
877000
3000
так как он инфицирует виды организмов, не только мышей.
14:52
And this is a little phylogenetic tree
340
880000
2000
А это маленькое филогенетическое дерево
14:54
to see how it's related to other viruses.
341
882000
2000
показывает его соотношение с другими вирусами.
14:56
We've done it for many patients now,
342
884000
3000
Мы уже сделали это для многих пациентов,
14:59
and we can say that they're all independent infections.
343
887000
3000
и можно сказать, все они инфицированы независимо друг от друга.
15:02
They all have the same virus,
344
890000
1000
У них у всех вирус один и тот же,
15:03
but they're different enough that there's reason to believe
345
891000
3000
но различный настолько, становится очевидным, что
15:06
that they've been independently acquired.
346
894000
2000
они попали в организм пациентов независимо друг от друга.
15:08
Is it really in the tissue? And I'll end up with this: yes.
347
896000
2000
И все это есть в ткани? Я окончательно отвечу: да.
15:10
We take slices of these biopsies of tumor tissue
348
898000
3000
Мы взяли срезы биопсийных тканей опухоли
15:13
and use material to actually locate the virus,
349
901000
2000
и использовали этот материал для локализации вируса,
15:15
and we find cells here with viral particles in them.
350
903000
4000
обнаружив в нем клетки с вирусными частицами.
15:19
These guys really do have this virus.
351
907000
2000
У этих людей на самом деле есть данный вирус.
15:21
Does this virus cause prostate cancer?
352
909000
2000
Вызывает ли он рак предстательной железы?
15:23
Nothing I'm saying here implies causality. I don't know.
353
911000
4000
Ничто из мною сказанного не отвечает на этот вопрос. Я не знаю.
15:27
Is it a link to oncogenesis? I don't know.
354
915000
2000
Есть ли связь у вируса с онкогенезом? Не знаю.
15:29
Is it the case that these guys are just more susceptible to viruses?
355
917000
4000
Может, дело в том, что эти люди более восприимчивы к вирусам?
15:33
Could be. And it might have nothing to do with cancer.
356
921000
3000
Может быть. А может, связи между вирусом и раком нет вовсе.
15:36
But now it's a door.
357
924000
1000
Но ведь это зацепка.
15:37
We have a strong association between the presence of this virus
358
925000
3000
Нами доказана сильная связь между присутствием вируса
15:40
and a genetic mutation that's been linked to cancer.
359
928000
3000
и генетической мутацией, ведущей к раку.
15:43
That's where we're at.
360
931000
1000
Вот к чему мы пришли.
15:44
So, it opens up more questions than it answers, I'm afraid,
361
932000
4000
И я боюсь, наши исследования принесли больше вопросов, чем ответов,
15:48
but that's what, you know, science is really good at.
362
936000
2000
но наука на то и наука, чтобы спрашивать.
15:50
This was all done by folks in the lab --
363
938000
2000
Все эти открытия были сделаны в лаборатории -
15:52
I cannot take credit for most of this.
364
940000
1000
Я не могу вменять большинство из них себе в заслугу.
15:53
This is a collaboration between myself and Don.
365
941000
1000
Это результат моего сотрудничества с Доном.
15:54
This is the guy who started the project in my lab,
366
942000
3000
Этот человек запустил данный проект в моей лаборатории,
15:57
and this is the guy who's been doing prostate stuff.
367
945000
2000
а этот занимался исследованиями предстательной железы.
15:59
Thank you very much. (Applause)
368
947000
3000
Спасибо большое. (Апплодисменты)
ABOUT THE SPEAKER
Joe DeRisi - BiochemistJoe 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.
Joe DeRisi | Speaker | TED.com