How we're using DNA tech to help farmers fight crop diseases | Laura Boykin

38,779 views ・ 2019-11-04

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Despoina ZAGKLAVARA Επιμέλεια: Vasiliki Soultani
00:12
I get out of bed for two reasons.
0
12991
2326
Έχω δύο λόγους να σηκώνομαι το πρωί από το κρεβάτι.
00:15
One, small-scale family farmers need more food.
1
15341
4031
Ο ένας, στις μικρές οικογενειακές φάρμες οι αγρότισσες χρειάζονται επιπλέον φαγητό.
00:19
It's crazy that in 2019 farmers that feed us are hungry.
2
19738
5178
Είναι τρελό ότι το 2019 οι αγρότισσες που μας θρέφουν, πεινάνε.
00:25
And two, science needs to be more diverse and inclusive.
3
25353
4833
Και ο δεύτερος, η επιστήμη πρέπει να είναι πιο ευρεία και ανοιχτή για όλους.
00:30
If we're going to solve the toughest challenges on the planet,
4
30679
3422
Αν πρόκειται να λύσουμε τις δυσκολότερες προκλήσεις του πλανήτη,
00:34
like food insecurity for the millions living in extreme poverty,
5
34125
4333
όπως η έλλειψη φαγητού για τα εκατομμύρια που ζουν σε συνθήκες απόλυτης φτώχειας,
00:38
it's going to take all of us.
6
38482
1619
χρειάζεται να συνεισφέρουμε όλοι.
00:40
I want to use the latest technology
7
40680
2580
Θέλω να εφαρμόζω την πιο σύγχρονη τεχνολογία
00:43
with the most diverse and inclusive teams on the planet
8
43284
3293
με τις πιο ετερόκλητες και ανοιχτές ομάδες στον πλανήτη
00:46
to help farmers have more food.
9
46601
2067
για να εξασφαλίσουμε στις αγρότισσες περισσότερο φαγητό.
00:49
I'm a computational biologist.
10
49545
1881
Είμαι υπολογιστική βιολόγος.
00:51
I know -- what is that and how is it going to help end hunger?
11
51450
3404
Ξέρω -- τι είναι αυτό και πώς θα βοηθήσει στην εξάλειψη της πείνας;
00:54
Basically, I like computers and biology
12
54878
3246
Βασικά, μου αρέσουν οι υπολογιστές και η βιολογία
00:58
and somehow, putting that together is a job.
13
58148
2444
και με κάποιον τρόπο, συνδυάζονται σε μια δουλειά,
01:00
(Laughter)
14
60616
1083
(Γέλια)
01:01
I don't have a story
15
61723
1520
Δεν έχω μια ιστορία
01:03
of wanting to be a biologist from a young age.
16
63267
3286
για το πώς ήθελα να γίνω βιολόγος από μικρή.
01:06
The truth is, I played basketball in college.
17
66577
3706
Η αλήθεια είναι, έπαιζα μπάσκετ στο κολέγιο.
01:10
And part of my financial aid package was I needed a work-study job.
18
70585
5143
Και μέρος της υποτροφίας μου προέβλεπε να δουλεύω παράλληλα με τις σπουδές.
01:16
So one random day,
19
76300
1540
Έτσι μια μέρα,
01:17
I wandered to the nearest building to my dorm room.
20
77864
3197
κατευθύνθηκα στο κοντινότερο κτήριο από την εστία μου.
01:21
And it just so happens it was the biology building.
21
81085
2680
Και έτυχε να είναι το τμήμα βιολογίας.
01:24
I went inside and looked at the job board.
22
84347
2586
Μπήκα μέσα και κοίταξα τον πίνακα με τις θέσεις εργασίας.
01:27
Yes, this is pre-the-internet.
23
87493
2164
Ναι, μιλάμε για την προ διαδικτύου εποχή.
01:30
And I saw a three-by-five card
24
90430
2007
Και είδα μια ανακοίνωση τρία επί πέντε
01:32
advertising a job to work in the herbarium.
25
92461
3155
που αφορούσε σε μια θέση εργασίας στο φυτολόγιο.
01:36
I quickly took down the number,
26
96601
2001
Σημείωσα γρήγορα τον αριθμό,
01:38
because it said "flexible hours,"
27
98626
1705
γιατί έλεγε, «ευέλικτο ωράριο»,
01:40
and I needed that to work around my basketball schedule.
28
100355
3257
και το χρειαζόμουν αυτό για να συνδυάσω και το πρόγραμμα του μπάσκετ.
01:44
I ran to the library to figure out what an herbarium was.
29
104204
4587
Έτρεξα στη βιβλιοθήκη για να βρω τι είναι το φυτολόγιο.
01:48
(Laughter)
30
108815
2207
(Γέλια)
01:51
And it turns out
31
111046
1309
Και αποδείχτηκε
01:52
an herbarium is where they store dead, dried plants.
32
112379
4079
ότι το φυτολόγιο είναι το μέρος όπου αποθηκεύουν νεκρά, ξερά φυτά.
01:57
I was lucky to land the job.
33
117379
1714
Ήμουν τυχερή που βρήκα αυτή τη δουλειά.
01:59
So my first scientific job
34
119117
3206
Στην πρώτη μου λοιπόν επιστημονική δουλειά
02:02
was gluing dead plants onto paper for hours on end.
35
122347
5335
κολλούσα νεκρά φυτά στο χαρτί για ατέλειωτες ώρες.
02:07
(Laughter)
36
127706
3278
(Γέλια)
Ήταν τόσο φαντασμαγορικό.
02:11
It's so glamorous.
37
131008
1150
02:12
This is how I became a computational biologist.
38
132182
3139
Έτσι έγινα υπολογιστική βιολόγος.
02:16
During that time,
39
136323
1183
Εκείνο το διάστημα,
02:17
genomics and computing were coming of age.
40
137530
2722
η γονιδιωματική και η υπολογιστική εξελίσσονταν.
02:20
And I went on to do my masters
41
140276
2404
Και συνέχισα με το μεταπτυχιακό μου
02:22
combining biology and computers.
42
142704
3095
συνδυάζοντας βιολογία και υπολογιστές.
02:25
During that time,
43
145823
1165
Εκείνο τον καιρό,
εργαζόμουν στο Εθνικό Εργαστήριο του Λος Άλαμος
02:27
I worked at Los Alamos National Lab
44
147012
1779
02:28
in the theoretical biology and biophysics group.
45
148815
2518
στην ομάδα θεωρητικής βιολογίας και βιοφυσικής.
02:31
And it was there I had my first encounter with the supercomputer,
46
151776
3730
Και εκεί για πρώτη φορά ήρθα σε επαφή με τον υπερυπολογιστή,
02:35
and my mind was blown.
47
155530
1674
και τα έχασα.
02:37
With the power of supercomputing,
48
157840
2039
Με τη δύναμη των υπερυπολογιστών,
02:39
which is basically thousands of connected PCs on steroids,
49
159903
4223
που είναι στην ουσία χιλιάδες υπολογιστές συνδεδεμένοι σε στεροειδή,
02:44
we were able to uncover the complexities of influenza and hepatitis C.
50
164150
5473
ανακαλύψαμε τις περιπλοκότητες της γρίπης και της ηπατίτιδας C.
02:50
And it was during this time that I saw the power
51
170134
2331
Και τότε είδα τη δύναμη
02:52
of using computers and biology combined, for humanity.
52
172489
4120
της συνδυασμένης χρήσης υπολογιστών και βιολογίας, για την ανθρωπότητα.
02:56
And I wanted this to be my career path.
53
176633
2372
Και ήθελα να το ακολουθήσω ως καριέρα.
03:00
So, since 1999,
54
180030
1777
Έτσι, από το 1999,
03:01
I've spent the majority of my scientific career
55
181831
2698
περνάω το μεγαλύτερο μέρος της επιστημονικής μου καριέρας
03:04
in very high-tech labs,
56
184553
1929
σε εργαστήρια πολύ προηγμένης τεχνολογίας,
03:06
surrounded by really expensive equipment.
57
186506
2733
περιτριγυρισμένη από πολύ ακριβό εξοπλισμό.
03:09
So many ask me
58
189712
1643
Πολλοί με ρωτούν
03:11
how and why do I work for farmers in Africa.
59
191379
3867
πώς και γιατί δουλεύω για αγρότισσες στην Αφρική.
03:15
Well, because of my computing skills,
60
195804
2302
Λοιπόν, χάρη στην ειδίκευσή μου στους υπολογιστές,
03:18
in 2013, a team of East African scientists
61
198130
4539
το 2013, μια ομάδα επιστημόνων από την Ανατολική Αφρική
03:22
asked me to join the team in the plight to save cassava.
62
202693
4089
μου ζήτησε να συμμετάσχω στην ομάδα που μάχεται για τη σωτηρία της κασάβας.
03:27
Cassava is a plant whose leaves and roots feed 800 million people globally.
63
207766
6970
Τα φύλλα και οι ρίζες του φυτού κασάβα θρέφουν 800 εκατομμύρια ανθρώπους,
παγκοσμίως.
03:35
And 500 million in East Africa.
64
215639
3037
Και 500 εκατομμύρια στην Ανατολική Αφρική.
03:38
So that's nearly a billion people
65
218994
2007
Σχεδόν ένα δισεκατομμύριο άνθρωποι
03:41
relying on this plant for their daily calories.
66
221025
2968
στηρίζονται σε αυτό το φυτό για τη καθημερινή πρόσληψη θερμίδων.
03:44
If a small-scale family farmer has enough cassava,
67
224581
3845
Αν μια αγρότισσα μιας μικρής οικογενειακής φάρμας έχει αρκετή κασάβα,
03:48
she can feed her family
68
228450
2144
μπορεί να θρέψει την οικογένειά της
03:50
and she can sell it at the market for important things like school fees,
69
230618
4046
και να την πουλήσει για σημαντικές ανάγκες όπως τα σχολικά δίδακτρα,
03:54
medical expenses and savings.
70
234688
2135
ιατρικά έξοδα και αποταμίευση.
03:57
But cassava is under attack in Africa.
71
237752
3531
Αλλά η κασάβα στην Αφρική βρίσκεται υπό απειλή.
04:01
Whiteflies and viruses are devastating cassava.
72
241665
4436
Οι αλευρωδίδες και οι ιοί καταστρέφουν την κασάβα.
04:06
Whiteflies are tiny insects
73
246593
2206
Οι αλευρωδίδες είναι μικροσκοπικά έντομα
04:08
that feed on the leaves of over 600 plants.
74
248823
2818
που τρέφονται με φύλλα από πάνω από 600 φυτά.
04:11
They are bad news.
75
251665
1801
Είναι κακοί οιωνοί.
04:13
There are many species;
76
253490
1159
Υπάρχουν πολλά είδη,
04:14
they become pesticide resistant;
77
254673
2269
αναπτύσσουν ανθεκτικότητα στα παρασιτοκτόνα,
04:16
and they transmit hundreds of plant viruses
78
256966
4254
και μεταδίδουν εκατοντάδες ιούς των φυτών
04:21
that cause cassava brown streak disease
79
261244
2524
που προκαλούν στην κασάβα την ασθένεια των καφέ σημαδιών
04:23
and cassava mosaic disease.
80
263792
1800
και την ασθένεια του μωσαϊκού.
04:26
This completely kills the plant.
81
266085
2134
Αυτή εξοντώνει ολοκληρωτικά τα φυτά.
04:29
And if there's no cassava,
82
269038
1817
Και αν εκλείψει η κασάβα,
04:30
there's no food or income for millions of people.
83
270879
3999
θα εκλείψει το φαγητό ή το εισόδημα από εκατομμύρια ανθρώπους.
04:36
It took me one trip to Tanzania
84
276141
2476
Χρειάστηκε ένα ταξίδι στην Τανζανία
04:38
to realize that these women need some help.
85
278641
2738
για να συνειδητοποιήσω ότι οι γυναίκες αυτές θέλουν βοήθεια.
04:41
These amazing, strong, small-scale family farmers,
86
281403
4253
Αυτοί οι καταπληκτικοί, δυνατοί αγρότες από μικρές οικογενειακές φάρμες,
04:45
the majority women,
87
285680
1268
κατά βάσει γυναίκες,
04:46
are doing it rough.
88
286972
1267
αντιμετωπίζουν πολλές δυσκολίες.
04:48
They don't have enough food to feed their families,
89
288744
2436
Το φαγητό δεν επαρκεί για τις οικογενειακές ανάγκες
04:51
and it's a real crisis.
90
291204
1588
και πρόκειται για μια πραγματική κρίση.
04:53
What happens is
91
293530
1499
Αυτό που συμβαίνει είναι,
04:55
they go out and plant fields of cassava when the rains come.
92
295053
2992
ότι φυτεύουν τα χωράφια με κασάβα όταν πρόκειται να βρέξει.
04:58
Nine months later,
93
298069
1706
Εννέα μήνες μετά,
04:59
there's nothing, because of these pests and pathogens.
94
299799
3080
δεν υπάρχει τίποτα, εξαιτίας αυτών των παρασίτων και παθογόνων.
05:02
And I thought to myself,
95
302903
2158
Και σκέφτηκα,
05:05
how in the world can farmers be hungry?
96
305085
3198
πώς είναι δυνατόν αγρότισσες να πεινάνε;
05:08
So I decided to spend some time on the ground
97
308815
2320
Αποφάσισα για κάποιο καιρό να βρεθώ δίπλα
05:11
with the farmers and the scientists
98
311159
1680
στις αγρότισσες και τους επιστήμονες
05:12
to see if I had any skills that could be helpful.
99
312863
2603
για να δω αν οι ικανότητές μου μπορούσαν να φανούν χρήσιμες.
05:16
The situation on the ground is shocking.
100
316427
2856
Η κατάσταση από κοντά ήταν σοκαριστική.
05:19
The whiteflies have destroyed the leaves that are eaten for protein,
101
319307
4270
Οι αλευρωδίδες είχαν καταστρέψει τα φύλλα που είναι πλούσια σε πρωτεΐνες,
05:23
and the viruses have destroyed the roots that are eaten for starch.
102
323601
3582
και οι ιοί είχαν καταστρέψει τις ρίζες που είναι πηγή αμύλου.
05:27
An entire growing season will pass,
103
327592
2445
Μια ολόκληρη περίοδος καλλιέργειας θα περάσει
05:30
and the farmer will lose an entire year of income and food,
104
330061
4110
και η αγρότισσα θα χάσει το εισόδημα και το φαγητό ενός έτους
05:34
and the family will suffer a long hunger season.
105
334195
3198
και η οικογένεια θα υποφέρει μια μακρά περίοδο πείνας.
05:37
This is completely preventable.
106
337942
2080
Αυτό μπορεί να αποφευχθεί.
05:40
If the farmer knew
107
340046
1324
Αν η αγρότισσα ήξερε
05:41
what variety of cassava to plant in her field,
108
341394
3064
ποια ποικιλία κασάβας να φυτεύσει στο χωράφι τους,
05:44
that was resistant to those viruses and pathogens,
109
344482
4325
που θα ήταν ανθεκτική στους ιούς και τα παθογόνα,
05:48
they would have more food.
110
348831
1905
θα είχαν περισσότερο φαγητό.
05:50
We have all the technology we need,
111
350760
2835
Διαθέτουμε όλη την αναγκαία τεχνολογία,
05:53
but the knowledge and the resources
112
353619
3204
αλλά η γνώση και οι πόροι
05:56
are not equally distributed around the globe.
113
356847
3135
δεν είναι ισότιμα κατανεμημένοι ανά τον κόσμο.
06:00
So what I mean specifically is,
114
360712
2562
Αυτό που συγκεκριμένα εννοώ είναι,
06:03
the older genomic technologies
115
363298
1852
οι παλαιότερες γονιδιωματικές τεχνολογίες
06:05
that have been required to uncover the complexities
116
365174
2863
που απαιτούνταν για την ανακάλυψη των περίπλοκων χαρακτηριστικών
06:08
in these pests and pathogens --
117
368061
3062
αυτών των παρασίτων και παθογόνων --
06:11
these technologies were not made for sub-Saharan Africa.
118
371147
2998
αυτές οι τεχνολογίες δεν προορίζονταν για την Υποσαχάρια Αφρική.
06:15
They cost upwards of a million dollars;
119
375058
2341
Κοστίζουν πάνω από εκατομμύρια δολάρια,
06:17
they require constant power
120
377423
1888
απαιτούν συνεχή παροχή ενέργειας,
06:19
and specialized human capacity.
121
379335
1800
και εξειδικευμένο εργατικό δυναμικό.
06:21
These machines are few and far between on the continent,
122
381970
2861
Αυτά τα μηχανήματα είναι λίγα και διασκορπισμένα στον πλανήτη,
06:24
which is leaving many scientists battling on the front lines no choice
123
384855
4621
γεγονός που δεν αφήνει πολλούς επιστήμονες της πρώτης γραμμής με άλλη λύση
06:29
but to send the samples overseas.
124
389500
1999
από το να στέλνουν τα δείγματα στο εξωτερικό.
06:31
And when you send the samples overseas,
125
391523
1960
Και όταν τα δείγματα στέλνονται στο εξωτερικό,
06:33
samples degrade, it costs a lot of money,
126
393507
2626
αλλοιώνονται και το κόστος είναι υψηλό,
06:36
and trying to get the data back over weak internet
127
396157
3167
και η κοινοποίηση των αποτελεσμάτων με κακή σύνδεση στο διαδίκτυο
06:39
is nearly impossible.
128
399348
1400
είναι σχεδόν αδύνατη.
06:41
So sometimes it can take six months to get the results back to the farmer.
129
401142
4299
Συχνά μπορεί να περάσει και εξάμηνο μέχρι να φτάσουν τα αποτελέσματα στην αγρότισσα.
06:45
And by then, it's too late.
130
405465
1754
Και τότε είναι πια πολύ αργά.
06:47
The crop is already gone,
131
407243
1587
Η σοδειά έχει ήδη χαθεί,
06:48
which results in further poverty and more hunger.
132
408854
3166
πράγμα που σημαίνει μεγαλύτερη φτώχεια και πείνα.
06:53
We knew we could fix this.
133
413306
2158
Ξέραμε πως μπορούσαμε να το διορθώσουμε αυτό.
06:55
In 2017,
134
415989
1404
Το 2017,
06:57
we had heard of this handheld, portable DNA sequencer
135
417417
4786
ακούσαμε για αυτό τον εύχρηστο, φορητό διαδοχέα DNA
07:02
called an Oxford Nanopore MinION.
136
422227
2509
με το όνομα Oxford Nanopore MiniON.
07:04
This was being used in West Africa to fight Ebola.
137
424760
4153
Αυτό χρησιμοποιούταν στη Δυτική Αφρική για την καταπολέμηση του Έμπολα.
07:08
So we thought:
138
428937
1497
Οπότε σκεφτήκαμε:
07:10
Why can't we use this in East Africa to help farmers?
139
430458
3286
Γιατί να μην γίνει χρήση του στην Ανατολική Αφρική
προς όφελος των αγροτών;
07:13
So, what we did was we set out to do that.
140
433768
4333
Αυτό που κάναμε λοιπόν ήταν ότι βάλαμε σκοπό να το πετύχουμε.
07:18
At the time, the technology was very new,
141
438609
2698
Εκείνον τον καιρό, η τεχνολογία ήταν πολύ καινούρια
07:21
and many doubted we could replicate this on the farm.
142
441331
2952
και πολλοί αμφέβαλαν ότι θα μπορούσαμε να την εφαρμόσουμε στις φάρμες.
07:24
When we set out to do this,
143
444879
1317
Όταν ξεκινήσαμε να το κάνουμε,
07:26
one of our "collaborators" in the UK
144
446220
3881
ένας από τους «συνεργάτες» μας στο Ηνωμένο Βασίλειο
07:30
told us that we would never get that to work in East Africa,
145
450125
3627
μας είπε ότι ποτέ δεν θα λειτουργούσε η τεχνολογία αυτή στην Ανατολική Αφρική,
07:33
let alone on the farm.
146
453776
1466
πόσο μάλλον σε μια φάρμα.
07:35
So we accepted the challenge.
147
455863
1769
Αποδεχτήκαμε λοιπόν την πρόκληση.
07:37
This person even went so far as to bet us two of the best bottles of champagne
148
457934
6453
Αυτό το άτομο μάλιστα στοιχημάτισε δύο μπουκάλια από την καλύτερη σαμπάνια
07:44
that we would never get that to work.
149
464411
2958
στο ότι δεν θα τα καταφέρναμε ποτέ.
07:48
Two words:
150
468871
1579
Δύο λέξεις:
07:50
pay up.
151
470474
1151
τώρα πλήρωνε.
07:51
(Laughter)
152
471649
2174
(Γέλια)
07:53
(Applause)
153
473847
4152
(Χειροκρότημα)
07:58
Pay up, because we did it.
154
478023
2913
Πλήρωνε, γιατί τα καταφέραμε,
08:00
We took the entire high-tech molecular lab
155
480960
3285
Φέραμε ολόκληρο το υψηλής τεχνολογίας μοριακό εργαστήριο
08:04
to the farmers of Tanzania, Kenya and Uganda,
156
484269
3649
σε αγρότισσες της Τανζανίας, της Κένυας και της Ουγκάντα,
08:07
and we called it Tree Lab.
157
487942
2032
και το ονομάσαμε «Tree Lab».
08:10
So what did we do?
158
490942
1191
Τι κάναμε δηλαδή;
08:12
Well, first of all, we gave ourselves a team name --
159
492157
2579
Πρώτα, δώσαμε στην ομάδα μας ένα όνομα --
08:14
it's called the Cassava Virus Action Project.
160
494760
2174
λέγεται, «Cassava Virus Action Project».
08:16
We made a website,
161
496958
1357
Δημιουργήσαμε μια ιστοσελίδα,
08:18
we gathered support from the genomics and computing communities,
162
498339
3611
συγκεντρώσαμε βοήθεια από κοινότητες γονιδιωματικής και υπολογιστικής,
08:21
and away we went to the farmers.
163
501974
1881
και φύγαμε για τις αγρότισσες.
08:24
Everything that we need for our Tree Lab
164
504411
2809
Ό,τι χρειαζόμαστε για το Tree Lab
08:27
is being carried by the team here.
165
507244
2409
το έχει η ομάδα εδώ μαζί της.
08:29
All of the molecular and computational requirements needed
166
509677
4047
Όλες οι μοριακές και υπολογιστικές προϋποθέσεις που χρειάζονται
08:33
to diagnose sick plants is there.
167
513748
3301
για τη διάγνωση άρρωστων φυτών, είναι εκεί.
08:37
And it's actually all on this stage here as well.
168
517431
2828
Και βρίσκονται μάλιστα όλα πάνω στη σκηνή αυτή.
08:41
We figured if we could get the data closer to the problem,
169
521161
3587
Θεωρήσαμε πως αν μπορούσαμε να φέρουμε τα δεδομένα πιο κοντά στο πρόβλημα
08:44
and closer to the farmer,
170
524772
1618
και πιο κοντά στην αγρότισσα,
08:46
the quicker we could tell her what was wrong with her plant.
171
526414
3356
θα μπορούσαμε γρηγορότερα να της πούμε τι πάει λάθος με τα φυτά της.
08:50
And not only tell her what was wrong --
172
530169
1873
Και όχι μόνο να της πούμε τι φταίει --
08:52
give her the solution.
173
532066
1392
αλλά να της δώσουμε και λύση.
08:53
And the solution is,
174
533482
1325
Και η λύση είναι,
08:54
burn the field and plant varieties
175
534831
2623
να κάψει το χωράφι και να φυτέψει ποικιλίες
08:57
that are resistant to the pests and pathogens she has in her field.
176
537478
3504
ανθεκτικές στα παράσιτα και τα παθογόνα που έχει στο χωράφι της.
09:01
So the first thing that we did was we had to do a DNA extraction.
177
541942
4204
Το πρώτο πράγμα που έπρεπε να κάνουμε ήταν η εξαγωγή DNA.
09:06
And we used this machine here.
178
546170
2539
Και χρησιμοποιήσαμε αυτή τη συσκευή εδώ,
09:09
It's called a PDQeX,
179
549050
3199
λέγεται ΥΠΓρΕ,
09:12
which stands for "Pretty Damn Quick Extraction."
180
552273
3891
που προέρχεται από το «Υπερβολικά Πολύ Γρήγορη Εξαγωγή».
09:16
(Laughter)
181
556188
2048
(Γέλια)
09:18
I know.
182
558260
1150
Το ξέρω.
09:19
My friend Joe is really cool.
183
559768
2494
Ο φίλος μου ο Τζο είναι απίστευτος.
09:23
One of the biggest challenges in doing a DNA extraction
184
563394
3360
Μια από τις μεγαλύτερες προκλήσεις για την εξαγωγή DNA
09:26
is it usually requires very expensive equipment,
185
566778
3315
είναι ότι συνήθως απαιτεί πολύ ακριβό εξοπλισμό,
09:30
and takes hours.
186
570117
1404
και παίρνει ώρες.
09:31
But with this machine,
187
571545
1492
Αλλά με αυτή τη συσκευή,
09:33
we've been able to do it in 20 minutes,
188
573061
2754
μπορέσαμε να το κάνουμε σε 20 λεπτά,
09:35
at a fraction of the cost.
189
575839
1246
με ελάχιστο κόστος.
09:37
And this runs off of a motorcycle battery.
190
577109
2888
Και τροφοδοτείται μάλιστα από τη μπαταρία μιας μοτοσυκλέτας.
09:41
From there, we take the DNA extraction and prepare it into a library,
191
581164
5143
Έπειτα, παίρνουμε το ειλημμένο DNA και το ετοιμάζουμε σε μια βιβλιοθήκη,
09:46
getting it ready to load on
192
586331
1779
ώστε να είναι κατάλληλο προς μεταφόρτωση
09:48
to this portable, handheld genomic sequencer,
193
588134
4292
σε αυτόν τον φορητό, εύχρηστο γονιδιωματικό διαδοχέα,
09:52
which is here,
194
592450
1151
που βρίσκεται εδώ,
09:53
and then we plug this into a mini supercomputer,
195
593625
3738
και μετά το συνδέουμε με έναν μίνι υπερυπολογιστή,
09:57
which is called a MinIT.
196
597387
1822
που λέγεται MinIT.
09:59
And both of these things are plugged into a portable battery pack.
197
599728
4102
Και οι δύο αυτές συσκευές συνδέονται μετά σε μια φορητή μπαταρία.
10:04
So we were able to eliminate
198
604569
1873
Έτσι καταφέραμε να απαλλαγούμε
10:06
the requirements of main power and internet,
199
606466
2405
από την ανάγκη για κεντρική παροχή και διαδίκτυο,
10:08
which are two very limiting factors on a small-scale family farm.
200
608895
3928
που είναι δύο από τους πιο περιοριστικούς παράγοντες σε μικρές οικογενειακές φάρμες.
10:13
Analyzing the data quickly can also be a problem.
201
613807
2871
Η γρήγορη ανάλυση των δεδομένων μπορεί επίσης να αποτελεί πρόβλημα.
10:17
But this is where me being a computational biologist came in handy.
202
617033
3906
Εδώ όμως βοήθησε η ιδιότητά μου ως υπολογιστική βιολόγος.
10:21
All that gluing of dead plants,
203
621382
2230
Όλες αυτές οι επικολλήσεις νεκρών φυτών,
10:23
and all that measuring,
204
623636
1560
οι μετρήσεις,
10:25
and all that computing
205
625220
1992
όλοι εκείνοι οι υπολογισμοί
10:27
finally came in handy in a real-world, real-time way.
206
627236
4151
τέθηκαν επιτέλους σε εφαρμογή στον πραγματικό κόσμο του σήμερα.
10:31
I was able to make customized databases
207
631411
3053
Κατάφερα να δημιουργήσω εξειδικευμένες βάσεις δεδομένων
10:34
and we were able to give the farmers results in three hours
208
634488
4595
και μπορέσαμε να δώσουμε στις αγρότισσες τα αποτελέσματα σε διάστημα τριών ωρών,
10:39
versus six months.
209
639107
1864
αντί έξι μηνών.
10:41
(Applause)
210
641694
6968
(Χειροκρότημα)
10:50
The farmers were overjoyed.
211
650085
2634
Οι αγρότισσες κατενθουσιάστηκαν.
10:53
So how do we know that we're having impact?
212
653799
2796
Πώς ξέρουμε λοιπόν ότι καταφέραμε όντως κάτι σημαντικό;
10:56
Nine moths after our Tree Lab,
213
656619
2000
Εννέα μήνες μετά το Tree Lab,
10:58
Asha went from having zero tons per hectare
214
658643
3230
η Άσσα από τους μηδέν τόνους σοδειάς ανά εκτάριο
11:01
to 40 tons per hectare.
215
661897
2008
έφτασε τους 40 τόνους ανά εκτάριο.
11:03
She had enough to feed her family
216
663929
1799
Είχε αρκετό φαγητό για την οικογένειά της
11:05
and she was selling it at the market,
217
665752
2690
και για να πουλήσει στην αγορά,
11:08
and she's now building a house for her family.
218
668466
2735
και τώρα χτίζει ένα σπίτι για την οικογένειά της.
11:12
Yeah, so cool.
219
672212
1159
Ναι, είναι τόσο τέλειο.
11:13
(Applause)
220
673395
4254
(Χειροκρότημα)
11:17
So how do we scale Tree Lab?
221
677673
1866
Πώς κλιμακώνουμε το Tree Lab;
11:19
The thing is,
222
679940
1380
Το θέμα είναι,
11:21
farmers are scaled already in Africa.
223
681344
2103
οι αγρότισσες είναι ήδη συσπειρωμένες στην Αφρική.
11:23
These women work in farmer groups,
224
683471
1889
Αυτές οι γυναίκες δουλεύουν σε ομάδες,
11:25
so helping Asha actually helped 3,000 people in her village,
225
685384
4126
οπότε βοηθώντας την Άσσα βοηθήσαμε 3.000 άτομα στο χωριό της,
11:29
because she shared the results and also the solution.
226
689534
3652
διότι μοιράστηκε τα αποτελέσματα καθώς και τη λύση.
11:33
I remember every single farmer I've ever met.
227
693673
4191
Θυμάμαι μία προς μία τις αγρότισσες που γνώρισα.
11:38
Their pain and their joy
228
698665
3563
Ο πόνος και η χαρά τους
11:42
is engraved in my memories.
229
702252
1800
έχουν αποτυπωθεί στη μνήμη μου.
11:44
Our science is for them.
230
704958
1865
Η επιστήμη μας είναι για αυτές.
11:47
Tree Lab is our best attempt to help them become more food secure.
231
707711
5047
Το Tree Lab είναι η καλύτερή μας προσπάθεια να τους διασφαλίσουμε τροφή.
11:53
I never dreamt
232
713180
1786
Ποτέ δεν φαντάστηκα,
11:54
that the best science I would ever do in my life
233
714990
2944
ότι η καλύτερη επιστημονική δουλειά της ζωής μου
11:57
would be on that blanket in East Africa,
234
717958
3499
θα ήταν πάνω σε αυτή την κουβέρτα στην Ανατολική Αφρική,
12:01
with the highest-tech genomic gadgets.
235
721481
2366
με τα πιο προηγμένα γονιδιωματικά εργαλεία.
12:04
But our team did dream
236
724312
2452
Αλλά η ομάδα μας ονειρεύτηκε
12:06
that we could give farmers answers in three hours versus six months,
237
726788
4270
την παροχή απαντήσεων στις αγρότισσες σε τρεις ώρες αντί για έξι μήνες,
12:11
and then we did it.
238
731082
1436
και τότε το πετύχαμε.
12:12
Because that's the power of diversity and inclusion in science.
239
732542
4108
Αυτή είναι η δύναμη της διαφορετικότητας και ενσωμάτωσης στην επιστήμη.
12:17
Thank you.
240
737156
1151
Σας ευχαριστώ.
12:18
(Applause)
241
738331
3151
(Χειροκρότημα)
12:21
(Cheers)
242
741506
4083
(Επευφημίες)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7