Math can help uncover cancer's secrets | Irina Kareva

74,286 views ・ 2018-04-25

TED


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

Μετάφραση: Dimitra Diamanti Επιμέλεια: Chryssa R. Takahashi
00:12
I am a translator.
0
12549
1243
Είμαι μεταφράστρια.
00:14
I translate from biology into mathematics
1
14514
3191
Μεταφράζω από βιολογία σε μαθηματικά
00:17
and vice versa.
2
17729
1150
και το αντίθετο.
00:19
I write mathematical models
3
19588
1790
Δημιουργώ μαθηματικά μοντέλα,
00:21
which, in my case, are systems of differential equations,
4
21402
2847
που στην περίπτωσή μου αφορούν σύστημα διαφορετικών εξισώσεων
00:24
to describe biological mechanisms,
5
24273
1947
περιγραφής βιολογικών μηχανισμών,
00:26
such as cell growth.
6
26244
1158
όπως η ανάπτυξη των κυττάρων.
00:28
Essentially, it works like this.
7
28122
1848
Ουσιαστικά, λειτουργεί κάπως έτσι:
00:30
First, I identify the key elements
8
30573
2469
Αρχικά, προσδιορίζω τα βασικά στοιχεία
00:33
that I believe may be driving behavior over time
9
33066
2777
που πιστεύω ότι οδηγούν σε προοδευτική συμπεριφορά
00:35
of a particular mechanism.
10
35867
1539
συγκεκριμένων μηχανισμών.
00:38
Then, I formulate assumptions
11
38230
1891
Κατόπιν, διατυπώνω συμπεράσματα
00:40
about how these elements interact with each other
12
40145
2886
σχετικά με το πώς αυτά τα στοιχεία αλληλεπιδρούν μεταξύ τους
00:43
and with their environment.
13
43055
1337
και με το περιβάλλον τους.
00:44
It may look something like this.
14
44916
1772
Κάπως έτσι δηλαδή.
00:46
Then, I translate these assumptions into equations,
15
46712
3317
Στη συνέχεια, μεταφράζω τα συμπεράσματα σε εξισώσεις,
00:50
which may look something like this.
16
50610
1824
δηλαδή κάπως έτσι.
00:53
Finally, I analyze my equations
17
53434
1890
Τέλος, αναλύω τις εξισώσεις μου
00:55
and translate the results back into the language of biology.
18
55348
3101
και μεταφράζω τα αποτελέσματα ξανά στη γλώσσα της βιολογίας.
01:00
A key aspect of mathematical modeling
19
60156
2420
Ένα βασικό στοιχείο της μαθηματικής μοντελοποίησης
01:02
is that we, as modelers, do not think about what things are;
20
62600
3908
είναι ότι εμείς, ως δημιουργοί μοντέλων, δεν σκεφτόμαστε τι είναι τα πράγματα,
01:06
we think about what they do.
21
66532
1855
αλλά πώς λειτουργούν.
01:08
We think about relationships between individuals,
22
68411
2489
Σκεφτόμαστε τις σχέσεις που έχουν μεταξύ τους,
01:10
whether they be cells, animals or people,
23
70924
2886
είτε είναι κύτταρα, ζώα ή άνθρωποι
01:13
and how they interact with each other and with their environment.
24
73834
3048
και πώς αλληλεπιδρούν μεταξύ τους και με το περιβάλλον τους.
01:17
Let me give you an example.
25
77639
1340
Να σας δώσω ένα παράδειγμα.
01:19
What do foxes and immune cells have in common?
26
79719
3803
Τι κοινό έχουν οι αλεπούδες με τα κύτταρα του ανοσοποιητικού;
01:24
They're both predators,
27
84793
1459
Είναι και τα δύο θηρευτές,
01:26
except foxes feed on rabbits,
28
86744
2723
μόνο που οι αλεπούδες τρέφονται με κουνέλια,
01:29
and immune cells feed on invaders, such as cancer cells.
29
89491
3330
ενώ το ανοσοποιητικό με εισβολείς, όπως τα καρκινικά κύτταρα.
01:33
But from a mathematical point of view,
30
93273
2345
Αλλά από μαθηματική άποψη,
01:35
a qualitatively same system of predator-prey type equations
31
95642
4156
μια υποθετική εξίσωση θηρευτή-θηράματος
01:39
will describe interactions between foxes and rabbits
32
99822
3245
θα περιέγραφε την αλληλεπίδραση αλεπούδων-κουνελιών
01:43
and cancer and immune cells.
33
103091
1774
και καρκίνου-ανοσοποιητικού.
01:45
Predator-prey type systems have been studied extensively
34
105609
2708
Η μεθοδολογία θηρευτή-θηράματος έχει μελετηθεί αναλυτικά
01:48
in scientific literature,
35
108341
1269
στην επιστημονική βιβλιογραφία
01:49
describing interactions of two populations,
36
109634
2378
περιγράφοντας αλληλεπιδράσεις δύο πληθυσμών,
01:52
where survival of one depends on consuming the other.
37
112036
2775
όπου η επιβίωση του ενός εξαρτάται από την κατανάλωση του άλλου.
01:55
And these same equations provide a framework
38
115485
2620
Και αυτές οι ίδιες εξισώσεις είναι το πλαίσιο
01:58
for understanding cancer-immune interactions,
39
118129
2311
κατανόησης της διάδρασης καρκίνου-ανοσοποιητικού,
02:00
where cancer is the prey,
40
120464
1841
όπου ο καρκίνος είναι το θήραμα
02:02
and the immune system is the predator.
41
122329
2372
και το ανοσοποιητικό ο θηρευτής.
02:04
And the prey employs all sorts of tricks to prevent the predator from killing it,
42
124725
4032
Και το θήραμα επιστρατεύει διάφορα κόλπα ώστε να μην το αφανίσει ο θηρευτής,
02:08
ranging from camouflaging itself
43
128781
1820
όπως το να καμουφλάρεται
02:10
to stealing the predator's food.
44
130625
1839
ή το να κλέβει την τροφή του θηρευτή.
02:13
This can have some very interesting implications.
45
133352
2562
Αυτό έχει κάποιες ενδιαφέρουσες συνέπειες.
02:15
For example, despite enormous successes in the field of immunotherapy,
46
135938
4822
Για παράδειγμα, παρά την τεράστια εξέλιξη στον τομέα της ανοσοθεραπείας,
02:20
there still remains somewhat limited efficacy
47
140784
2461
υπάρχει ακόμη περιορισμένη αποτελεσματικότητα
02:23
when it comes solid tumors.
48
143269
1542
στους συμπαγείς όγκους.
02:25
But if you think about it ecologically,
49
145423
2559
Όμως, αν το σκεφτείς οικολογικά
02:28
both cancer and immune cells --
50
148006
2090
και ο καρκίνος και το ανοσοποιητικό,
02:30
the prey and the predator --
51
150120
1600
το θήραμα και ο θηρευτής,
02:31
require nutrients such as glucose to survive.
52
151744
3031
θέλουν θρεπτικά συστατικά, όπως η γλυκόζη, για να επιβιώσουν.
02:35
If cancer cells outcompete the immune cells for shared nutrients
53
155358
4789
Αν τα καρκινικά κύτταρα υπερτερούν του ανοσοποιητικού στους κοινούς πόρους
02:40
in the tumor microenvironment,
54
160171
1793
στο μικροπεριβάλλον του όγκου,
02:41
then the immune cells will physically not be able to do their job.
55
161988
3414
τότε το ανοσοποιητικό δεν θα μπορέσει να κάνει τη δουλειά του.
02:46
This predator-prey-shared resource type model
56
166291
2868
Αυτό το μοντέλο κοινών πόρων μεταξύ θηρευτή-θηράματος
02:49
is something I've worked on in my own research.
57
169183
2297
το έχω μελετήσει και στη δική μου έρευνα
02:51
And it was recently shown experimentally
58
171504
2724
και τα πειράματα έδειξαν πρόσφατα
02:54
that restoring the metabolic balance in the tumor microenvironment --
59
174252
4054
ότι αν επανέλθει η μεταβολική ισορροπία στο μικροπεριβάλλον του όγκου --
02:58
that is, making sure immune cells get their food --
60
178330
3531
δηλαδή, αν τα κύτταρα του ανοσοποιητικού λαμβάνουν την τροφή τους --
03:01
can give them, the predators, back their edge in fighting cancer, the prey.
61
181885
5245
έχουν το πλεονέκτημα, ο θηρευτής δηλαδή, να πολεμήσει τον καρκίνο, το θήραμα.
03:08
This means that if you abstract a bit,
62
188440
2339
Αυτό αν το συνοψίσουμε κάπως,
03:10
you can think about cancer itself as an ecosystem,
63
190803
2955
μπορούμε να φανταστούμε τον καρκίνο σαν ένα οικοσύστημα,
03:13
where heterogeneous populations of cells compete and cooperate
64
193782
4287
όπου ετερογενείς πληθυσμοί κυττάρων ανταγωνίζονται και συνεργάζονται
03:18
for space and nutrients,
65
198093
2017
για χώρο και τροφή,
03:20
interact with predators -- the immune system --
66
200134
2672
αλληλεπιδρούν με τον θηρευτή -- το ανοσοποιητικό σύστημα --
03:22
migrate -- metastases --
67
202830
2241
μετακινούνται -- κάνουν μετάσταση --
03:25
all within the ecosystem of the human body.
68
205095
2467
όλα μέσα στο οικοσύστημα του ανθρώπινου σώματος.
03:28
And what do we know about most ecosystems from conservation biology?
69
208221
3869
Και τι γνωρίζουμε για τα οικοσυστήματα από τη βιολογία της διατήρησης;
03:32
That one of the best ways to extinguish species
70
212643
2852
Ότι ο καλύτερος τρόπος για την εξάλειψη ενός είδους
03:35
is not to target them directly
71
215519
1952
δεν είναι να το στοχεύσεις απ' ευθείας,
03:37
but to target their environment.
72
217495
2439
αλλά να στοχεύσεις το περιβάλλον του.
03:40
And so, once we have identified the key components
73
220880
3070
Έτσι, εφόσον καταλάβουμε τη βασική δομή
03:43
of the tumor environment,
74
223974
1644
του περιβάλλοντος του όγκου,
03:45
we can propose hypotheses
75
225642
1948
μπορούμε να σχηματίσουμε μια υπόθεση
03:47
and simulate scenarios and therapeutic interventions
76
227614
3294
και να προσομοιώσουμε σενάρια και θεραπευτικές παρεμβάσεις
03:50
all in a completely safe and affordable way
77
230932
3425
με απόλυτα ασφαλή και οικονομικό τρόπο,
03:54
and target different components of the microenvironment
78
234381
3369
στοχεύοντας διαφορετικές δομές του μικροπεριβάλλοντος
03:57
in such a way as to kill the cancer without harming the host,
79
237774
3996
με τρόπο που θα εξαλείψει τον καρκίνο χωρίς να βλάψει τον ξενιστή,
04:01
such as me or you.
80
241794
1570
δηλαδή εμένα ή εσάς.
04:05
And so while the immediate goal of my research
81
245029
3002
Και ενώ ο άμεσος στόχος της έρευνάς μου
04:08
is to advance research and innovation
82
248055
2266
είναι η προώθηση της έρευνας και της καινοτομίας
04:10
and to reduce its cost,
83
250345
1896
και η μείωση του κόστους,
04:12
the real intent, of course, is to save lives.
84
252265
2517
ο πραγματικός στόχος φυσικά, είναι να σώσει ζωές.
04:15
And that's what I try to do
85
255278
1771
Και αυτό προσπαθώ να κάνω
04:17
through mathematical modeling applied to biology,
86
257073
2747
εφαρμόζοντας μαθηματικά μοντέλα στη βιολογία,
04:19
and in particular, to the development of drugs.
87
259844
2471
και συγκεκριμένα, στην εξέλιξη των φαρμάκων.
04:22
It's a field that until relatively recently has remained somewhat marginal,
88
262895
4056
Ένα πεδίο που μέχρι πρόσφατα παρέμενε στο περιθώριο,
04:26
but it has matured.
89
266975
1452
τώρα όμως έχει ωριμάσει.
04:28
And there are now very well-developed mathematical methods,
90
268451
3149
Και σήμερα υπάρχουν πολύ ανεπτυγμένες μαθηματικές μέθοδοι,
04:31
a lot of preprogrammed tools,
91
271624
1899
πολλά εργαλεία προγραμματισμού,
04:33
including free ones,
92
273547
1496
κάποια ακόμη και δωρεάν,
04:35
and an ever-increasing amount of computational power available to us.
93
275067
4047
και η συνεχώς αυξανόμενη δύναμη των υπολογιστών, όλα στη διάθεσή μας.
04:40
The power and beauty of mathematical modeling
94
280718
3399
Η δύναμη και η ομορφιά των μαθηματικών μοντέλων
είναι ότι μας επιτρέπουν να επισημοποιήσουμε,
04:44
lies in the fact that it makes you formalize,
95
284141
2641
04:46
in a very rigorous way,
96
286806
2087
με έναν ιδιαίτερα σχολαστικό τρόπο,
04:48
what we think we know.
97
288917
1465
ό,τι πιστεύουμε ότι γνωρίζουμε.
04:50
We make assumptions,
98
290904
1444
Κάνουμε υποθέσεις,
04:52
translate them into equations,
99
292372
1568
τις μεταφράζουμε σε εξισώσεις,
04:53
run simulations,
100
293964
1311
διεξάγουμε προσομιώσεις,
04:55
all to answer the question:
101
295299
1773
όλα για να απαντήσουμε στην ερώτηση:
04:57
In a world where my assumptions are true,
102
297096
2246
Σε έναν κόσμο όπου οι υποθέσεις μου αληθεύουν,
04:59
what do I expect to see?
103
299366
1570
τι περιμένω να δω;
05:01
It's a pretty simple conceptual framework.
104
301890
2086
Είναι ένα απλό, εννοιολογικό πλαίσιο.
05:04
It's all about asking the right questions.
105
304000
2226
Πρέπει μόνο να κάνετε τις σωστές ερωτήσεις.
05:06
But it can unleash numerous opportunities for testing biological hypotheses.
106
306603
4095
Μπορεί όμως να παρέχει άπειρες ευκαιρίες για πειραματισμό υποθέσεων.
05:11
If our predictions match our observations,
107
311696
2600
Αν οι προβλέψεις μας ταιριάζουν με τις παρατηρήσεις μας
05:14
great! -- we got it right, so we can make further predictions
108
314320
3027
τέλεια -- το πετύχαμε, οπότε κάνουμε κι άλλες υποθέσεις
05:17
by changing this or that aspect of the model.
109
317371
2560
αλλάζοντας τα χαρακτηριστικά του μοντέλου.
05:20
If, however, our predictions do not match our observations,
110
320733
3700
Αν, όμως, οι προβλέψεις μας δεν ταιριάζουν με τις παρατηρήσεις μας,
05:24
that means that some of our assumptions are wrong,
111
324457
2585
αυτό σημαίνει ότι κάποιες υποθέσεις είναι λανθασμένες
05:27
and so our understanding of the key mechanisms
112
327066
2433
και η κατανόηση του βασικού μηχανισμού
05:29
of underlying biology
113
329523
1439
της θεμελιώδους βιολογίας
05:30
is still incomplete.
114
330986
1270
είναι ακόμα ελλιπής.
05:32
Luckily, since this is a model,
115
332829
2362
Για καλή μας τύχη, αφού μιλάμε για μοντέλα,
05:35
we control all the assumptions.
116
335215
1889
έχουμε τον έλεγχο όλων των υποθέσεων.
05:37
So we can go through them, one by one,
117
337128
2140
Οπότε, μπορούμε να τις ξαναδούμε, μία-μία
05:39
identifying which one or ones are causing the discrepancy.
118
339292
3829
και να καταλάβουμε ποια, ή ποιες ευθύνονται για την απόκλιση.
05:43
And then we can fill this newly identified gap in knowledge
119
343637
3356
Και έπειτα να γεμίσουμε το κενό με νέα γνώση
05:47
using both experimental and theoretical approaches.
120
347017
2715
με πειραματική και θεωρητική προσέγγιση.
05:50
Of course, any ecosystem is extremely complex,
121
350699
2821
Φυσικά, κάθε οικοσύστημα είναι ιδιαίτερα περίπλοκο
05:53
and trying to describe all the moving parts is not only very difficult,
122
353544
3843
και η περιγραφή όλων των μερών δεν είναι μόνο δύσκολη,
05:57
but also not very informative.
123
357411
1662
αλλά ούτε και τόσο κατατοπιστική.
05:59
There's also the issue of timescales,
124
359518
2066
Υπάρχουν και τα χρονοδιαγράμματα,
06:01
because some processes take place on a scale of seconds, some minutes,
125
361608
3668
καθώς οι διαδικασίες ολοκληρώνονται σε δευτερόλεπτα, ή σε λεπτά,
06:05
some days, months and years.
126
365300
1948
σε μέρες, μήνες ή χρόνια.
06:07
It may not always be possible to separate those out experimentally.
127
367272
3199
Δεν είναι πάντα εφικτό να τα ξεχωρίσεις πειραματικά.
06:11
And some things happen so quickly or so slowly
128
371143
3384
Και κάποια πράγματα γίνονται τόσο γρήγορα ή τόσο αργά,
06:14
that you may physically never be able to measure them.
129
374551
2720
που ίσως να μην μπορείς να τα μετρήσεις.
06:17
But as mathematicians,
130
377295
2288
Αλλά, ως μαθηματικοί,
06:19
we have the power to zoom in on any subsystem in any timescale
131
379607
5645
μπορούμε να ζουμάρουμε σε οποιοδήποτε υποσύστημα, ανά πάσα στιγμή
και να προσομοιώσουμε τα αποτελέσματα των παρεμβάσεων
06:25
and simulate effects of interventions
132
385276
2124
06:27
that take place in any timescale.
133
387424
2701
που συνέβησαν σε οποιονδήποτε χρόνο.
06:31
Of course, this isn't the work of a modeler alone.
134
391942
2934
Φυσικά, ο δημιουργός μοντέλων δεν τα κάνει όλα μόνος του.
06:34
It has to happen in close collaboration with biologists.
135
394900
3289
Συνεργάζεται στενά με βιολόγους.
Και απαιτείται κάποια δυνατότητα μετάφρασης
06:38
And it does demand some capacity of translation
136
398213
3004
06:41
on both sides.
137
401241
1204
και από τις δύο πλευρές.
06:43
But starting with a theoretical formulation of a problem
138
403550
3788
Αλλά ξεκινώντας με τη θεωρητική ανάπτυξη ενός προβλήματος
06:47
can unleash numerous opportunities for testing hypotheses
139
407362
3497
παρέχονται άπειρες ευκαιρίες για πειραματισμό υποθέσεων
06:50
and simulating scenarios and therapeutic interventions,
140
410883
3239
και προσομοίωση σεναρίων και θεραπευτικών παρεμβάσεων,
με έναν απόλυτα ασφαλή τρόπο.
06:54
all in a completely safe way.
141
414146
2070
06:56
It can identify gaps in knowledge and logical inconsistencies
142
416977
5175
Μπορεί να βρεθούν κενά γνώσης και λογικές ασυνέπειες
07:02
and can help guide us as to where we should keep looking
143
422176
2839
και μπορούν να μας δείξουν προς τα που πρέπει να κοιτάξουμε
07:05
and where there may be a dead end.
144
425039
1895
και που μπορεί να υπάρχουν αδιέξοδα.
07:07
In other words:
145
427632
1247
Με άλλα λόγια:
07:08
mathematical modeling can help us answer questions
146
428903
3494
Τα μαθηματικά μοντέλα μας βοηθούν να απαντήσουμε ερωτήματα
που επηρεάζουν την υγεία των ανθρώπων --
07:12
that directly affect people's health --
147
432421
2388
07:15
that affect each person's health, actually --
148
435942
2704
που επηρρεάζουν την υγεία του καθένα μας--
07:18
because mathematical modeling will be key
149
438670
2676
γιατί τα μαθηματικά μοντέλα θα αποτελέσουν το κλειδί
07:21
to propelling personalized medicine.
150
441370
1834
της πρωώθησης εξατομικευμένων φαρμάκων.
07:24
And it all comes down to asking the right question
151
444112
3067
Και όλα εξαρτώνται από την κατάλληλη ερώτηση
07:27
and translating it to the right equation ...
152
447711
2075
και τη μετάφρασή της στην κατάλληλη εξίσωση...
07:30
and back.
153
450670
1150
και το αντίθετο.
07:32
Thank you.
154
452533
1151
Σας ευχαριστώ.
07:33
(Applause)
155
453708
3299
(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