Susan Solomon: The promise of research with stem cells

95,493 views ・ 2012-09-13

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Μετάφραση: Toula Papapantou Επιμέλεια: Konstantinos Kechagias
00:16
So, embryonic stem cells
1
16381
2989
Τα εμβρυονικά βλαστοκύτταρα
00:19
are really incredible cells.
2
19370
3300
είναι πραγματικά απίστευτα κύτταρα.
00:22
They are our body's own repair kits,
3
22670
2788
Είναι τα εργαλεία επιδιόρθωσης του ίδιου του σώματός μας,
00:25
and they're pluripotent, which means they can morph into
4
25458
2964
και είναι πολυδύναμα, πράγμα που σημαίνει ότι μπορούν να
00:28
all of the cells in our bodies.
5
28422
2432
προσαρμόζονται σε όλα τα κύτταρα του σώματός μας.
00:30
Soon, we actually will be able to use stem cells
6
30854
2688
Σύντομα θα έχουμε τη δυνατότητα να χρησιμοποιούμε τα βλαστοκύτταρα
00:33
to replace cells that are damaged or diseased.
7
33542
2985
για να αντικαταστήσουμε κατεστραμμένα ή άρρωστα κύτταρα.
00:36
But that's not what I want to talk to you about,
8
36527
2431
Δε θα σας μιλήσω όμως γι' αυτό,
00:38
because right now there are some really
9
38958
2678
διότι τώρα κάνουμε
00:41
extraordinary things that we are doing with stem cells
10
41636
3946
εξαιρετικά πράγματα με τα βλαστοκύτταρα
00:45
that are completely changing
11
45582
1607
που αλλάζουν ριζικά
00:47
the way we look and model disease,
12
47189
2899
τον τρόπο που εξετάζουμε και κατηγοριοποιούμε τις ασθένειες,
00:50
our ability to understand why we get sick,
13
50088
2519
την ικανότητα να κατανοούμε γιατί αρρωσταίνουμε,
00:52
and even develop drugs.
14
52607
2431
ακόμη και την παραγωγή φαρμάκων.
00:55
I truly believe that stem cell research is going to allow
15
55038
4313
Ειλικρινά πιστεύω ότι αυτή η έρευνα στα βλαστοκύτταρα θα επιτρέψει
00:59
our children to look at Alzheimer's and diabetes
16
59351
4505
στα παιδιά μας να αντιμετωπίζουν τη νόσο Αλτσχάιμερ, τον διαβήτη
01:03
and other major diseases the way we view polio today,
17
63856
4391
και άλλες σημαντικές ασθένειες όπως αντιμετωπίζουμε την πολιομυελίτιδα σήμερα,
01:08
which is as a preventable disease.
18
68247
3201
δηλαδή σαν μια ασθένεια που μπορεί να προληφθεί.
01:11
So here we have this incredible field, which has
19
71448
3223
Έχουμε λοιπόν αυτό τον καταπληκτικό τομέα, που
01:14
enormous hope for humanity,
20
74671
4387
είναι απεριόριστα ελπιδοφόρος για την ανθρωπότητα,
01:19
but much like IVF over 35 years ago,
21
79058
3520
όπως η εξωσωματική γονιμοποίηση πριν από 35 χρόνια,
01:22
until the birth of a healthy baby, Louise,
22
82578
2334
μέχρι τη γέννηση ενός υγιούς μωρού, της Λουίζας,
01:24
this field has been under siege politically and financially.
23
84912
5069
αυτός ο τομέας τελούσε υπό πολιορκία, πολιτικά και οικονομικά.
01:29
Critical research is being challenged instead of supported,
24
89981
4272
Σημαντικές έρευνες αμφισβητούνται αντί να υποστηρίζονται,
01:34
and we saw that it was really essential to have
25
94253
4360
και είδαμε ότι ήταν πράγματι ουσιαστικό
01:38
private safe haven laboratories where this work
26
98613
3531
να έχουμε την ασφάλεια ιδιωτικών εργαστηρίων όπου αυτή η δουλειά
01:42
could be advanced without interference.
27
102144
2830
θα μπορούσε να προχωρήσει χωρίς καμία παρέμβαση.
01:44
And so, in 2005,
28
104974
2531
Έτσι, το 2005,
01:47
we started the New York Stem Cell Foundation Laboratory
29
107505
2612
ιδρύσαμε το Ίδρυμα- Εργαστήριο Βλαστοκυττάρων της Νέας Υόρκης
01:50
so that we would have a small organization that could
30
110117
3589
για να έχουμε ένα μικρό οργανισμό
01:53
do this work and support it.
31
113706
3312
που θα μπορούσε να κάνει και να υποστηρίζει αυτή τη δουλειά.
01:57
What we saw very quickly is the world of both medical
32
117018
3385
Σύντομα διαπιστώσαμε ότι τόσο ο κόσμος της ιατρικής έρευνας όσο
02:00
research, but also developing drugs and treatments,
33
120403
3376
και αυτός της παρασκευής φαρμάκων και θεραπειών,
02:03
is dominated by, as you would expect, large organizations,
34
123779
3713
κυριαρχείται, όπως καταλαβαίνετε, από μεγάλους οργανισμούς,
02:07
but in a new field, sometimes large organizations
35
127492
3119
αλλά σε ένα νέο πεδίο οι μεγάλοι οργανισμοί, μερικές φορές,
02:10
really have trouble getting out of their own way,
36
130611
2168
έχουν πραγματική αδυναμία να ξεφύγουν από τα καθιερωμένα,
02:12
and sometimes they can't ask the right questions,
37
132779
2436
και καμιά φορά δεν μπορούν να κάνουν τις σωστές ερωτήσεις,
02:15
and there is an enormous gap that's just gotten larger
38
135215
3356
και υπάρχει μεγάλο χάσμα, που έγινε μεγαλύτερο
02:18
between academic research on the one hand
39
138571
3211
ανάμεσα στην ακαδημαϊκή έρευνα
02:21
and pharmaceutical companies and biotechs
40
141782
2701
και τις εταιρείες φαρμάκων και βιοτεχνολογίας
02:24
that are responsible for delivering all of our drugs
41
144483
3266
που έχουν την ευθύνη να παράγουν όλα τα φάρμακα
02:27
and many of our treatments, and so we knew that
42
147749
2390
και πολλές από τις θεραπείες, και έτσι γνωρίζαμε ότι
02:30
to really accelerate cures and therapies, we were going
43
150139
3946
για να επιταχύνουμε πραγματικά τις νοσηλείες και τις θεραπείες, έπρεπε να
02:34
to have to address this with two things:
44
154085
2807
το προσεγγίσουμε με τις δύο παρακάτω επιλογές:
02:36
new technologies and also a new research model.
45
156892
3222
νέες τεχνολογίες και ένα νέο ερευνητικό μοντέλο.
02:40
Because if you don't close that gap, you really are
46
160114
3759
Διότι αν δεν γεφυρώσεις αυτό το χάσμα, θα βρεθείς
02:43
exactly where we are today.
47
163873
1607
ακριβώς εκεί που είμαστε σήμερα.
02:45
And that's what I want to focus on.
48
165480
1667
Σ' αυτό λοιπόν θέλω να επικεντρωθώ.
02:47
We've spent the last couple of years pondering this,
49
167147
3550
Περάσαμε τα δυο τελευταία χρόνια μελετώντας το,
02:50
making a list of the different things that we had to do,
50
170697
2391
κάνοντας μια λίστα των διαφορετικών πραγμάτων που έπρεπε να υλοποιήσουμε,
02:53
and so we developed a new technology,
51
173088
2631
και έτσι αναπτύξαμε μια νέα τεχνολογία.
02:55
It's software and hardware,
52
175719
1251
Πρόκειται για λογισμικό και υλισμικό,
02:56
that actually can generate thousands and thousands of
53
176970
3503
που στην πραγματικότητα ενεργοποιούν χιλιάδες επί χιλιάδων
03:00
genetically diverse stem cell lines to create
54
180473
3170
διαφορετικές γενετικά γραμμές βλαστοκυττάρων για να δημιουργήσουν
03:03
a global array, essentially avatars of ourselves.
55
183643
3787
ένα παγκόσμιο πίνακα, ουσιαστικά είδωλα του εαυτού μας.
03:07
And we did this because we think that it's actually going
56
187430
3434
Αυτό το κάναμε γιατί πιστεύαμε ότι θα μας
03:10
to allow us to realize the potential, the promise,
57
190864
3415
επέτρεπε να κατανοήσουμε το δυναμικό, την υπόσχεση,
03:14
of all of the sequencing of the human genome,
58
194279
3080
όλων των ακολουθιών του ανθρώπινου γονιδιώματος
03:17
but it's going to allow us, in doing that,
59
197359
2504
και επιπλέον στην πορεία αυτή θα μας επιτρέψει
03:19
to actually do clinical trials in a dish with human cells,
60
199863
5008
να κάνουμε κλινικές δοκιμές σε τρυβλία με ανθρώπινα κύτταρα,
03:24
not animal cells, to generate drugs and treatments
61
204871
4159
όχι με κύτταρα ζώων, ώστε να δημιουργήσουμε φάρμακα και θεραπείες
03:29
that are much more effective, much safer,
62
209030
3249
που είναι πολύ αποτελεσματικότερα, ασφαλέστερα,
03:32
much faster, and at a much lower cost.
63
212279
3256
ταχύτερα και σε πολύ χαμηλότερο κόστος.
03:35
So let me put that in perspective for you
64
215535
2384
Επιτρέψτε μου λοιπόν να σας εξηγήσω
03:37
and give you some context.
65
217919
1416
και να σας δώσω το γενικό πλαίσιο.
03:39
This is an extremely new field.
66
219335
4832
Αποτελεί ένα εντελώς νέο τομέα.
03:44
In 1998, human embryonic stem cells
67
224167
2832
Το 1998 τα ανθρώπινα εμβρυονικά βλαστοκύτταρα
03:46
were first identified, and just nine years later,
68
226999
3512
εντοπίστηκαν για πρώτη φορά και εννέα χρόνια μετά
03:50
a group of scientists in Japan were able to take skin cells
69
230511
4305
μια ομάδα επιστημόνων στην Ιαπωνία κατάφερε να πάρει δερματικά κύτταρα
03:54
and reprogram them with very powerful viruses
70
234816
3195
και να τα αναπρογραμματίσει με πολύ ισχυρούς ιούς
03:58
to create a kind of pluripotent stem cell
71
238011
4242
για να δημιουργήσει ένα είδος πολυδύναμου βλαστικού κυττάρου
04:02
called an induced pluripotent stem cell,
72
242253
2090
που ονομάζεται αποδιαφοροποιημένο πολυδύναμο βλαστοκύτταρο,
04:04
or what we refer to as an IPS cell.
73
244343
3008
ή αυτό που αποκαλούμε κύτταρο iPS.
04:07
This was really an extraordinary advance, because
74
247351
3198
Ήταν πράγματι μια εντυπωσιακή πρόοδος, διότι
04:10
although these cells are not human embryonic stem cells,
75
250549
2544
παρόλο που αυτά τα κύτταρα δεν είναι ανθρώπινα εμβρυονικά κύτταρα,
04:13
which still remain the gold standard,
76
253093
1794
που εξακολουθούν να είναι ο χρυσός κανόνας,
04:14
they are terrific to use for modeling disease
77
254887
3470
είναι εκπληκτικά χρήσιμα στη μοντελοποίηση ασθενειών
04:18
and potentially for drug discovery.
78
258357
2730
και, δυνητικά, στην ανακάλυψη φαρμάκων.
04:21
So a few months later, in 2008, one of our scientists
79
261087
3040
Λίγους μήνες μετά λοιπόν, το 2008, ένας από τους επιστήμονές μας
04:24
built on that research. He took skin biopsies,
80
264127
3200
βασίστηκε σε εκείνη την έρευνα. Πήρε βιοψίες δέρματος
04:27
this time from people who had a disease,
81
267327
2028
αυτή τη φορά από ασθενείς με
04:29
ALS, or as you call it in the U.K., motor neuron disease.
82
269355
2914
Αμυοτροφική πλευρική σκλήρυνση ή, στην ορολογία του Ην. Βασίλειου, Νόσος Κινητικού Νευρώνα.
04:32
He turned them into the IPS cells
83
272269
1698
Τα μετέτρεψε σε αποδιαφοροποιημένα πολυδύναμα κύτταρα
04:33
that I've just told you about, and then he turned those
84
273967
2686
για τα οποία μόλις σας μίλησα και μετά
04:36
IPS cells into the motor neurons that actually
85
276653
2704
αυτά τα κύτταρα τα μετέτρεψε σε κινητικούς νευρώνες
04:39
were dying in the disease.
86
279357
1461
που πέθαιναν από την ασθένεια.
04:40
So basically what he did was to take a healthy cell
87
280818
3019
Βασικά, λοιπόν, αυτό που έκανε ήταν να πάρει υγιή κύτταρα
04:43
and turn it into a sick cell,
88
283837
1714
και να τα μετατρέψει σε ασθενή κύτταρα,
04:45
and he recapitulated the disease over and over again
89
285551
3558
και επανέλαβε πολλές φορές την ασθένεια
04:49
in the dish, and this was extraordinary,
90
289109
3360
σε δοκιμαστικό σωλήνα και ήταν εκπληκτικό,
04:52
because it was the first time that we had a model
91
292469
2248
διότι ήταν η πρώτη φορά που είχαμε ένα μοντέλο
04:54
of a disease from a living patient in living human cells.
92
294717
4188
μιας ασθένειας από έναν ζώντα ασθενή σε ζώντα ανθρώπινα κύτταρα.
04:58
And as he watched the disease unfold, he was able
93
298905
3120
Καθώς παρακολουθούσε την εξέλιξη της ασθένειας, κατάφερε
05:02
to discover that actually the motor neurons were dying
94
302025
3011
ν' ανακαλύψει ότι οι νευρώνες πέθαιναν
05:05
in the disease in a different way than the field
95
305036
2127
από την ασθένεια με διαφορετικό τρόπο από ό,τι
05:07
had previously thought. There was another kind of cell
96
307163
2494
γνωρίζαμε μέχρι τώρα. Υπήρχε ένα άλλο είδος κυττάρου
05:09
that actually was sending out a toxin
97
309657
2201
που εξέπεμπε μια τοξίνη
05:11
and contributing to the death of these motor neurons,
98
311858
2511
και συνέβαλλε στο θάνατο αυτών των κινητικών νευρώνων,
05:14
and you simply couldn't see it
99
314369
1358
και απλώς δεν ήταν ορατό
05:15
until you had the human model.
100
315727
1790
μέχρι τη χρήση του ανθρώπινου μοντέλου.
05:17
So you could really say that
101
317517
2667
Μπορούμε λοιπόν να πούμε ότι
05:20
researchers trying to understand the cause of disease
102
320184
3906
οι ερευνητές που προσπαθούσαν να κατανοήσουν την αιτία της ασθένειας
05:24
without being able to have human stem cell models
103
324090
4152
χωρίς χρήση ανθρώπινων μοντέλων εμβρυονικών κυττάρων
05:28
were much like investigators trying to figure out
104
328242
2760
ήταν σαν ερευνητές που προσπαθούσαν να κατανοήσουν
05:31
what had gone terribly wrong in a plane crash
105
331002
3241
τι πήγε στραβά σε μια πτώση αεροπλάνου,
05:34
without having a black box, or a flight recorder.
106
334243
3997
χωρίς να έχουν το μαύρο κουτί, ή τον καταγραφέα πτήσεων.
05:38
They could hypothesize about what had gone wrong,
107
338240
2602
Μπορούσαν να κάνουν υποθέσεις σχετικά με το τι πήγε λάθος
05:40
but they really had no way of knowing what led
108
340842
3112
αλλά στην πραγματικότητα δεν είχαν τρόπο να γνωρίζουν τι οδήγησε
05:43
to the terrible events.
109
343954
2172
στο τραγικό συμβάν.
05:46
And stem cells really have given us the black box
110
346126
4183
Και τα βλαστοκύτταρα μας έδωσαν πράγματι το μαύρο κουτί
05:50
for diseases, and it's an unprecedented window.
111
350309
3968
για τις ασθένειες και αποτελεί ένα παράθυρο χωρίς προηγούμενο.
05:54
It really is extraordinary, because you can recapitulate
112
354277
3245
Είναι πράγματι εξαιρετικό, διότι μπορείς να αναπαράγεις
05:57
many, many diseases in a dish, you can see
113
357522
3247
πάρα πολλές ασθένειες στο εργαστήριο, μπορείς να δεις
06:00
what begins to go wrong in the cellular conversation
114
360769
3536
τι αρχίζει να πηγαίνει στραβά στην κυτταρική συνομιλία
06:04
well before you would ever see
115
364305
2424
πολύ νωρίτερα από
06:06
symptoms appear in a patient.
116
366729
2536
την εμφάνιση των συμπτωμάτων στον ασθενή.
06:09
And this opens up the ability,
117
369265
2523
Αυτό ανοίγει τη δυνατότητα
06:11
which hopefully will become something that
118
371788
2814
που ελπίζουμε ότι θα γίνει κάτι
06:14
is routine in the near term,
119
374602
2647
σαν ρουτίνα στο προσεχές μέλλον,
06:17
of using human cells to test for drugs.
120
377249
4146
με τη χρήση ανθρώπινων κυττάρων για δοκιμές φαρμάκων.
06:21
Right now, the way we test for drugs is pretty problematic.
121
381395
5464
Αυτή τη στιγμή, ο τρόπος που δοκιμάζονται τα φάρμακα είναι αρκετά προβληματικός.
06:26
To bring a successful drug to market, it takes, on average,
122
386859
3318
Για να έρθει ένα φάρμακο στην αγορά, χρειάζονται, κατά μέσο όρο,
06:30
13 years — that's one drug —
123
390177
2186
13 χρόνια- μιλάμε για ένα φάρμακο-
06:32
with a sunk cost of 4 billion dollars,
124
392363
3388
με ένα πάγιο κόστος 4 δισεκατομμύρια δολάρια,
06:35
and only one percent of the drugs that start down that road
125
395751
4867
και μόνο ένα τοις εκατό των φαρμάκων που ξεκινούν τη διαδικασία
06:40
are actually going to get there.
126
400618
2248
πρόκειται να την τελειώσουν.
06:42
You can't imagine other businesses
127
402866
2125
Δε μπορούμε να φανταστούμε άλλες επιχειρήσεις
06:44
that you would think of going into
128
404991
1449
που θα σκέφτονταν να μπουν σε
06:46
that have these kind of numbers.
129
406440
1755
τέτοια διαδικασία με αυτά τα αριθμητικά δεδομένα.
06:48
It's a terrible business model.
130
408195
1802
Είναι ένα κάκιστο επιχειρηματικό μοντέλο.
06:49
But it is really a worse social model because of
131
409997
3989
Είναι όμως ένα χειρότερο κοινωνικό μοντέλο εξαιτίας
06:53
what's involved and the cost to all of us.
132
413986
3328
του τι περιλαμβάνει και του κόστους για όλους μας.
06:57
So the way we develop drugs now
133
417314
3752
Ο τρόπος λοιπόν που φτιάχνουμε τα φάρμακα τώρα
07:01
is by testing promising compounds on --
134
421066
3200
είναι δοκιμάζοντας υποσχόμενες χημικές ενώσεις -
07:04
We didn't have disease modeling with human cells,
135
424266
1880
Δεν είχαμε μοντελοποιήσεις ασθενειών με ανθρώπινα κύτταρα,
07:06
so we'd been testing them on cells of mice
136
426146
3464
και έτσι τα δοκιμάζαμε στα κύτταρα των ποντικών
07:09
or other creatures or cells that we engineer,
137
429610
3667
ή άλλων πλασμάτων ή κυττάρων που κατασκευάζουμε,
07:13
but they don't have the characteristics of the diseases
138
433277
3061
αλλά δεν έχουν τα χαρακτηριστικά των ασθενειών
07:16
that we're actually trying to cure.
139
436338
2336
που προσπαθούμε στην πραγματικότητα να θεραπεύσουμε.
07:18
You know, we're not mice, and you can't go into
140
438674
3046
Ξέρετε, δεν είμαστε ποντίκια, και δε μπορούμε να πάμε
07:21
a living person with an illness
141
441720
2418
σε έναν ζωντανό άνθρωπο που ασθενεί
07:24
and just pull out a few brain cells or cardiac cells
142
444138
2928
και να τραβήξουμε μερικά εγκεφαλικά ή καρδιακά κύτταρα
07:27
and then start fooling around in a lab to test
143
447066
2289
και μετά να πειραματιστούμε στο εργαστήριο για να δοκιμάσουμε
07:29
for, you know, a promising drug.
144
449355
3561
ένα υποσχόμενο φάρμακο.
07:32
But what you can do with human stem cells, now,
145
452916
3585
Αυτό, όμως, που μπορούμε να κάνουμε με τα ανθρώπινα βλαστοκύτταρα τώρα
07:36
is actually create avatars, and you can create the cells,
146
456501
4337
είναι να δημιουργήσουμε είδωλα, και μπορούμε να δημιουργήσουμε τα κύτταρα,
07:40
whether it's the live motor neurons
147
460838
1967
είτε πρόκειται για κινητικούς νευρώνες
07:42
or the beating cardiac cells or liver cells
148
462805
3010
είτε για τα παλλόμενα καρδιακά κύτταρα είτε για τα ηπατικά κύτταρα
07:45
or other kinds of cells, and you can test for drugs,
149
465815
4109
είτε για άλλα κύτταρα, και μπορεί να δοκιμαστούν φάρμακα,
07:49
promising compounds, on the actual cells
150
469924
3125
υποσχόμενες χημικές ενώσεις, στα πραγματικά κύτταρα
07:53
that you're trying to affect, and this is now,
151
473049
3631
που προσπαθούμε να επηρεάσουμε, και αυτό γίνεται τώρα,
07:56
and it's absolutely extraordinary,
152
476680
2814
και είναι πολύ εξαιρετικό,
07:59
and you're going to know at the beginning,
153
479494
3156
και θα γνωρίζετε από την αρχή,
08:02
the very early stages of doing your assay development
154
482650
3744
από τα πρώιμα στάδια της ανάπτυξης και του
08:06
and your testing, you're not going to have to wait 13 years
155
486394
3389
ελέγχου και δε χρειάζεται να περιμένετε 13 χρόνια
08:09
until you've brought a drug to market, only to find out
156
489783
3319
για να φέρετε ένα φάρμακο στην αγορά, μόνο και μόνο
08:13
that actually it doesn't work, or even worse, harms people.
157
493102
5056
για να διαπιστωθεί ότι δεν είναι αποτελεσματικό ή στη χειρότερη περίπτωση ότι βλάπτει τους ανθρώπους.
08:18
But it isn't really enough just to look at
158
498158
4340
Δεν αρκεί όμως μόνο να εξετάζουμε
08:22
the cells from a few people or a small group of people,
159
502498
3782
τα κύτταρα μερικών ανθρώπων ή μιας ομάδας ανθρώπων
08:26
because we have to step back.
160
506280
1644
γιατί πρέπει να πάρουμε αποστάσεις.
08:27
We've got to look at the big picture.
161
507924
1851
Πρέπει να εξετάζουμε τη συνολική εικόνα.
08:29
Look around this room. We are all different,
162
509775
3136
Κοιτάξτε γύρω σας εδώ μέσα. Είμαστε όλοι διαφορετικοί,
08:32
and a disease that I might have,
163
512911
2740
και μια ασθένεια που πιθανόν να έχω εγώ,
08:35
if I had Alzheimer's disease or Parkinson's disease,
164
515651
2877
αν είχα Αλτσαχάιμερ ή Πάρκινσον
08:38
it probably would affect me differently than if
165
518528
3766
πιθανόν να είχε διαφορετική τροπή σε εμένα
08:42
one of you had that disease,
166
522294
1641
απ΄ό,τι σε κάποιον από εσάς,
08:43
and if we both had Parkinson's disease,
167
523935
4345
και αν είχαμε και οι δυο Πάρκινσον,
08:48
and we took the same medication,
168
528280
2268
και παίρναμε την ίδια φαρμακευτική αγωγή,
08:50
but we had different genetic makeup,
169
530548
2747
αλλά είχαμε διαφορετικό γενετικό σύστημα
08:53
we probably would have a different result,
170
533295
2285
τα αποτελέσματα θα ήταν διαφορετικά,
08:55
and it could well be that a drug that worked wonderfully
171
535580
3731
και πολύ πιθανό ένα φάρμακο που είχε θαυματουργά αποτελέσματα
08:59
for me was actually ineffective for you,
172
539311
3579
σε εμένα να μην ήταν αποτελεσματικό σε εσάς,
09:02
and similarly, it could be that a drug that is harmful for you
173
542890
4692
και παρομοίως, θα μπορούσε το φάρμακο που θα ήταν βλαβερό για εσάς
09:07
is safe for me, and, you know, this seems totally obvious,
174
547582
4302
να είναι ασφαλές για εμένα και, όπως καταλαβαίνετε,
09:11
but unfortunately it is not the way
175
551884
2728
είναι προφανές αλλά δυστυχώς δεν είναι ο τρόπος
09:14
that the pharmaceutical industry has been developing drugs
176
554612
3186
που η φαρμακευτική βιομηχανία αναπτύσσει τα φάρμακα,
09:17
because, until now, it hasn't had the tools.
177
557798
3986
διότι, μέχρι τώρα, δεν είχε τα εργαλεία.
09:21
And so we need to move away
178
561784
2292
Χρειάζεται λοιπόν να απομακρυνθούμε
09:24
from this one-size-fits-all model.
179
564076
2954
από το μοντέλο 'μία λύση για όλους'.
09:27
The way we've been developing drugs is essentially
180
567030
3177
Ο τρόπος που παρασκευάζουμε φάρμακα είναι ουσιαστικά
09:30
like going into a shoe store,
181
570207
1379
όπως μια επίσκεψη σε κατάστημα παπουτσιών,
09:31
no one asks you what size you are, or
182
571586
2283
κανείς δε ρωτά το μέγεθός σας ή
09:33
if you're going dancing or hiking.
183
573869
2210
αν τα χρειάζεστε για χορό ή πεζοπορία.
09:36
They just say, "Well, you have feet, here are your shoes."
184
576079
2808
Λένε απλώς, « Ωραία, έχετε πόδια, ορίστε τα παπούτσια σας».
09:38
It doesn't work with shoes, and our bodies are
185
578887
3600
Δεν είναι λειτουργικό με τα παπούτσια και τα σώματά μας
09:42
many times more complicated than just our feet.
186
582487
3472
δεν είναι μόνο τα πόδια μας.
09:45
So we really have to change this.
187
585959
2541
Πρέπει λοιπόν να το αλλάξουμε αυτό.
09:48
There was a very sad example of this in the last decade.
188
588500
5184
Υπάρχει ένα λυπηρό παράδειγμα την τελευταία δεκαετία.
09:53
There's a wonderful drug, and a class of drugs actually,
189
593684
2648
Υπήρχε ένα καταπληκτικό φάρμακο, μια σειρά φαρμάκων
09:56
but the particular drug was Vioxx, and
190
596332
2680
το συγκεκριμένο φάρμακο ήταν το Vioxx, και
09:59
for people who were suffering from severe arthritis pain,
191
599012
4376
για ανθρώπους που υπέφεραν από σοβαρούς αρθριτικούς πόνους
10:03
the drug was an absolute lifesaver,
192
603388
3392
το φάρμακο έσωζε κυριολεκτικά ζωές
10:06
but unfortunately, for another subset of those people,
193
606780
5080
αλλά δυστυχώς, για μια άλλη υποκατηγορία ανθρώπων,
10:11
they suffered pretty severe heart side effects,
194
611860
4769
είχε σοβαρές καρδιακές παρενέργειες,
10:16
and for a subset of those people, the side effects were
195
616629
2728
και για μια άλλη υποκατηγορία οι
10:19
so severe, the cardiac side effects, that they were fatal.
196
619357
3897
παρενέργειες ήταν τόσο σοβαρές, που ήταν μοιραίες.
10:23
But imagine a different scenario,
197
623254
4042
Φαντασθείτε ένα διαφορετικό σενάριο,
10:27
where we could have had an array, a genetically diverse array,
198
627296
4302
όπου θα μπορούσαμε να έχουμε έναν πίνακα με γενετική ποικιλότητα,
10:31
of cardiac cells, and we could have actually tested
199
631598
3626
καρδιακών κυττάρων, και να μπορούσαμε πραγματικά να δοκιμάσουμε
10:35
that drug, Vioxx, in petri dishes, and figured out,
200
635224
5081
αυτό το φάρμακο, το Vioxx, στο εργαστήριο, και να συμπεράνουμε ,
10:40
well, okay, people with this genetic type are going to have
201
640305
3744
λοιπόν, εντάξει, άνθρωποι αυτού του γενετικού τύπου
10:44
cardiac side effects, people with these genetic subgroups
202
644049
5000
πρόκειται να έχουν καρδιακές παρενέργειες, άνθρωποι αυτής της γενετικής υποκατηγορίας
10:49
or genetic shoes sizes, about 25,000 of them,
203
649049
5144
ή γενετικού μεγέθους παπουτσιών, περί τις 25.000,
10:54
are not going to have any problems.
204
654193
2760
δεν πρόκειται να έχουν προβλήματα.
10:56
The people for whom it was a lifesaver
205
656953
2615
Οι άνθρωποι των οποίων έσωσε τη ζωή
10:59
could have still taken their medicine.
206
659568
1677
θα μπορούσαν να συνεχίσουν τη λήψη του.
11:01
The people for whom it was a disaster, or fatal,
207
661245
4386
Δε θα έπρεπε ποτέ να είχε δοθεί
11:05
would never have been given it, and
208
665631
2091
σε άτομα που τα κατέστρεψε ή που αποδείχθηκε θανατηφόρο και
11:07
you can imagine a very different outcome for the company,
209
667722
2583
μπορείτε να φανταστείτε τα αποτελέσματα για την εταιρεία
11:10
who had to withdraw the drug.
210
670305
2768
η οποία έπρεπε να αποσύρει το φάρμακο.
11:13
So that is terrific,
211
673073
2816
Είναι τρομερό,
11:15
and we thought, all right,
212
675889
1834
και σκεφτήκαμε ότι εντάξει,
11:17
as we're trying to solve this problem,
213
677723
2759
στην προσπάθεια να λύσουμε το πρόβλημα,
11:20
clearly we have to think about genetics,
214
680482
2197
σαφώς και πρέπει να σκεφτούμε τη γενετική,
11:22
we have to think about human testing,
215
682679
2834
να σκεφτούμε τις δοκιμές σε ανθρώπους,
11:25
but there's a fundamental problem,
216
685513
1579
υπάρχει όμως ένα βασικό πρόβλημα
11:27
because right now, stem cell lines,
217
687092
2699
διότι τώρα οι γραμμές των βλαστοκυττάρων,
11:29
as extraordinary as they are,
218
689791
1710
όσο κι αν είναι εξαιρετικές,
11:31
and lines are just groups of cells,
219
691501
1744
και οι γραμμές είναι απλώς ομάδες κυττάρων,
11:33
they are made by hand, one at a time,
220
693245
4332
φτιάχνονται με το χέρι, μια τη φορά,
11:37
and it takes a couple of months.
221
697577
2224
και χρειάζονται κάποιοι μήνες γι αυτό.
11:39
This is not scalable, and also when you do things by hand,
222
699801
4366
Πράγμα που δεν είναι επεκτάσιμο, και επίσης όταν κάνει κανείς πράγματα με το χέρι,
11:44
even in the best laboratories,
223
704167
1543
ακόμη και στα καλύτερα εργαστήρια,
11:45
you have variations in techniques,
224
705710
3161
υπάρχει ποικιλία τεχνικών,
11:48
and you need to know, if you're making a drug,
225
708871
3181
και πρέπει κανείς να ξέρει, όταν παρασκευάζει ένα φάρμακο,
11:52
that the Aspirin you're going to take out of the bottle
226
712052
1898
ότι η Ασπιρίνη που θα βγάλεις από το μπουκάλι
11:53
on Monday is the same as the Aspirin
227
713950
2440
τη Δευτέρα είναι η ίδια
11:56
that's going to come out of the bottle on Wednesday.
228
716390
2081
με αυτή που θα βγει από το μπουκάλι την Τετάρτη.
11:58
So we looked at this, and we thought, okay,
229
718471
3791
Σκεφθήκαμε κι αυτό λοιπόν
12:02
artisanal is wonderful in, you know, your clothing
230
722262
3152
και είπαμε, εντάξει, η καλλιτεχνία είναι υπέροχη για ρούχα,
12:05
and your bread and crafts, but
231
725414
2944
για την τροφή και τις χειροτεχνίες αλλά
12:08
artisanal really isn't going to work in stem cells,
232
728358
2983
η καλλιτεχνία δε πρόκειται να λειτουργήσει με τα βλαστοκύτταρα,
12:11
so we have to deal with this.
233
731341
2390
κι αυτό πρέπει να το αντιμετωπίσουμε.
12:13
But even with that, there still was another big hurdle,
234
733731
3920
Αλλά και έτσι, είχαμε να αντιμετωπίσουμε ένα άλλο εμπόδιο
12:17
and that actually brings us back to
235
737651
3564
που μας φέρνει πίσω
12:21
the mapping of the human genome, because
236
741215
2384
στη χαρτογράφηση του ανθρώπινου γονιδιώματος, διότι
12:23
we're all different.
237
743599
2711
είμαστε όλοι διαφορετικοί.
12:26
We know from the sequencing of the human genome
238
746310
2832
Γνωρίζουμε από την αλληλουχία του ανθρώπινου γονιδιώματος
12:29
that it's shown us all of the A's, C's, G's and T's
239
749142
2557
που μας έχει δείξει όλα τα Α, C, G και T,
12:31
that make up our genetic code,
240
751699
2468
που διαμορφώνουν τον γενετικό μας κώδικα,
12:34
but that code, by itself, our DNA,
241
754167
4269
εκείνος όμως ο κώδικας, από μόνος του, το DNA μας,
12:38
is like looking at the ones and zeroes of the computer code
242
758436
4599
είναι σαν να βλέπεις τους άσσους και τα μηδέν του κώδικα των υπολογιστών
12:43
without having a computer that can read it.
243
763035
2825
χωρίς να έχεις έναν υπολογιστή για να τα διαβάσεις.
12:45
It's like having an app without having a smartphone.
244
765860
3288
Είναι σαν να έχεις μια εφαρμογή χωρίς να έχεις κινητό τελευταίας γενιάς.
12:49
We needed to have a way of bringing the biology
245
769148
3884
Χρειαζόμαστε ένα τρόπο να φέρουμε τη βιολογία
12:53
to that incredible data,
246
773032
2209
σε εκείνα τα καταπληκτικά δεδομένα,
12:55
and the way to do that was to find
247
775241
3115
και ο τρόπος να το κάνουμε αυτό ήταν να βρούμε
12:58
a stand-in, a biological stand-in,
248
778356
2687
ένα υποκατάστατο, ένα βιολογικό υποκατάστατο,
13:01
that could contain all of the genetic information,
249
781043
4025
που θα περιείχε όλες τις γενετικές πληροφορίες,
13:05
but have it be arrayed in such a way
250
785068
2528
αλλά θα τις είχε κατανεμημένες με τέτοιο τρόπο
13:07
as it could be read together
251
787596
2864
που θα μπορούσαμε να τις διαβάσουμε όλες μαζί
13:10
and actually create this incredible avatar.
252
790460
3256
και στην πραγματικότητα να δημιουργήσουμε ένα καταπληκτικό είδωλο.
13:13
We need to have stem cells from all the genetic sub-types
253
793716
3704
Χρειαζόμαστε βλαστοκύτταρα από όλα τα γενετικά υποσυστήματα
13:17
that represent who we are.
254
797420
2952
που αντιπροσωπεύουν αυτό που είμαστε.
13:20
So this is what we've built.
255
800372
2760
Αυτό λοιπόν κάναμε.
13:23
It's an automated robotic technology.
256
803132
3320
Είναι μια αυτοματοποιημένη ρομποτική τεχνολογία.
13:26
It has the capacity to produce thousands and thousands
257
806452
2608
Έχει τη δυνατότητα να παράγει χιλιάδες επί χιλιάδων
13:29
of stem cell lines. It's genetically arrayed.
258
809060
4239
γραμμές βλαστικών κυττάρων. Είναι γενετικά κατηγοριοποιημένα.
13:33
It has massively parallel processing capability,
259
813299
3749
Έχει ικανότητα μαζικής παράλληλης επεξεργασίας
13:37
and it's going to change the way drugs are discovered,
260
817048
3320
και πρόκειται να αλλάξει τον τρόπο που παρασκευάζονται τα φάρμακα,
13:40
we hope, and I think eventually what's going to happen
261
820368
3835
ελπίζουμε, και νομίζω ότι αυτό που τελικά θα συμβεί
13:44
is that we're going to want to re-screen drugs,
262
824203
2199
είναι ότι θα θέλουμε να κάνουμε εκ νέου διαλογή φαρμάκων,
13:46
on arrays like this, that already exist,
263
826402
2491
σε τέτοιες διατάξεις, που υπάρχουν ήδη,
13:48
all of the drugs that currently exist,
264
828893
1871
όλα τα φάρμακα που υπάρχουν τώρα,
13:50
and in the future, you're going to be taking drugs
265
830764
2911
και στο μέλλον, θα παίρνουμε φάρμακα
13:53
and treatments that have been tested for side effects
266
833675
2872
και θεραπείες των οποίων οι παρενέργειες έχουν δοκιμαστεί
13:56
on all of the relevant cells,
267
836547
2303
σε όλα τα αντίστοιχα κύτταρα,
13:58
on brain cells and heart cells and liver cells.
268
838850
3153
τα εγκεφαλικά, τα καρδιακά, τα ηπατικά κύτταρα.
14:02
It really has brought us to the threshold
269
842003
3329
Είμαστε πράγματι στο κατώφλι
14:05
of personalized medicine.
270
845332
2214
της εξατομικευμένης ιατρικής.
14:07
It's here now, and in our family,
271
847546
4441
Στην οικογένειά μου,
14:11
my son has type 1 diabetes,
272
851987
2938
ο γιος μου έχει διαβήτη τύπου 1,
14:14
which is still an incurable disease,
273
854925
2648
που εξακολουθεί να είναι μη θεραπεύσιμη ασθένεια,
14:17
and I lost my parents to heart disease and cancer,
274
857573
3442
και έχω χάσει τους γονείς μου από καρδιά και καρκίνο,
14:21
but I think that my story probably sounds familiar to you,
275
861015
3733
αλλά νομίζω ότι η ιστορία μου ακούγεται γνωστή,
14:24
because probably a version of it is your story.
276
864748
4230
διότι πιθανόν να είναι μια παραλλαγή της δικής σας ιστορίας.
14:28
At some point in our lives, all of us,
277
868978
3944
Σε κάποιες στιγμές της ζωής μας, όλοι μας,
14:32
or people we care about, become patients,
278
872922
2736
ή άνθρωποι για τους οποίους νοιαζόμαστε, ασθενούν,
14:35
and that's why I think that stem cell research
279
875658
2609
και γι αυτό, πιστεύω, ότι η έρευνα στα βλαστοκύτταρα
14:38
is incredibly important for all of us.
280
878267
3383
είναι απίστευτα σημαντική για όλους μας.
14:41
Thank you. (Applause)
281
881650
3668
Ευχαριστώ. (Χειροκρότημα)
14:45
(Applause)
282
885318
7108
(Χειροκρότημα)
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