Juan Enriquez: The life-code that will reshape the future

Juan Enriquez habla acerca de genómica y nuestro futuro

87,492 views

2007-05-16 ・ TED


New videos

Juan Enriquez: The life-code that will reshape the future

Juan Enriquez habla acerca de genómica y nuestro futuro

87,492 views ・ 2007-05-16

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Carlo Dezerega Revisor: Gabriela Sellart
00:26
I'm supposed to scare you, because it's about fear, right?
0
26000
3000
Se supone que los debo espantar, porque se trata de miedo ¿correcto?
00:30
And you should be really afraid,
1
30000
2000
Y realmente deberían tener miedo,
00:32
but not for the reasons why you think you should be.
2
32000
2000
pero no por las razones que creen.
00:35
You should be really afraid that --
3
35000
2000
Realmente debieran tener miedo de...
00:37
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
37000
4000
si subimos la primera lámina a esta cosa -- ahí vamos -- de quedar excluídos.
00:43
Because if you spend this week thinking about Iraq and
5
43000
4000
Porque si pasaron esta semana pensando sobre Irak y
00:47
thinking about Bush and thinking about the stock market,
6
47000
4000
pensando sobre Bush y pensando sobre los mercados de acciones,
00:51
you're going to miss one of the greatest adventures that we've ever been on.
7
51000
2000
van a perderse una de las mayores aventuras que jamás hayamos tenido.
00:54
And this is what this adventure's really about.
8
54000
2000
Y de esto se trata realmente esta aventura.
00:56
This is crystallized DNA.
9
56000
4000
Esto es ADN cristalizado.
01:00
Every life form on this planet -- every insect, every bacteria, every plant,
10
60000
3000
Todos los seres vivos en este planeta, cada insecto, cada bacteria, cada
01:03
every animal, every human, every politician -- (Laughter)
11
63000
3000
planta, cada animal, cada humano, cada político (Risas)
01:08
is coded in that stuff.
12
68000
2000
está codificado en esa cosa.
01:10
And if you want to take a single crystal of DNA, it looks like that.
13
70000
4000
Y si quieres tomar un solo cristal de ADN, así es como se ve.
01:14
And we're just beginning to understand this stuff.
14
74000
2000
Y recién estamos comenzando a entender todo esto.
01:17
And this is the single most exciting adventure that we have ever been on.
15
77000
3000
Y esta es la aventura más excitante que jamás hayamos tenido.
01:21
It's the single greatest mapping project we've ever been on.
16
81000
3000
Es el proyecto de mapeo más grande que jamás hayamos tenido.
01:24
If you think that the mapping of America's made a difference,
17
84000
2000
Si crees que el mapeo de América logró hacer una diferencia,
01:26
or landing on the moon, or this other stuff,
18
86000
3000
o el aterrizaje en la luna, o estas otras cosas,
01:29
it's the map of ourselves and the map of every plant
19
89000
3000
es el mapa de nosotros y el mapa de cada planta
01:32
and every insect and every bacteria that really makes a difference.
20
92000
3000
y cada insecto y cada bacteria lo que realmente va a lograr hacer una diferencia.
01:35
And it's beginning to tell us a lot about evolution.
21
95000
3000
Y está comenzando a explicarnos mucho acerca de la evolución
01:40
(Laughter)
22
100000
4000
(Risas).
01:44
It turns out that what this stuff is --
23
104000
2000
Resulta que esta cosa es --
01:46
and Richard Dawkins has written about this --
24
106000
2000
y Richard Dawkins ha escrito sobre esto --
01:48
is, this is really a river out of Eden.
25
108000
2000
esto es realmente el río que sale del Edén.
01:50
So, the 3.2 billion base pairs inside each of your cells
26
110000
4000
Entonces, los 3,2 miles de millones de pares base dentro de cada una de sus células
01:54
is really a history of where you've been for the past billion years.
27
114000
3000
son en realidad la historia de dónde han estado por los últimos mil millones de años.
01:57
And we could start dating things,
28
117000
1000
Y podemos comenzar a fechar cosas,
01:58
and we could start changing medicine and archeology.
29
118000
3000
y comenzar a cambiar la medicina y arqueología.
02:02
It turns out that if you take the human species about 700 years ago,
30
122000
3000
Resulta que si tomas a la especie humana alrededor de 700 años atrás,
02:05
white Europeans diverged from black Africans in a very significant way.
31
125000
3000
los Europeos blancos divergieron de los Africanos Negros de una forma muy significativa.
02:08
White Europeans were subject to the plague.
32
128000
5000
Los Europeos blancos sufrieron la plaga.
02:14
And when they were subject to the plague, most people didn't survive,
33
134000
3000
Y cuando sufrieron la plaga, la mayoría no sobrevivió,
02:17
but those who survived had a mutation on the CCR5 receptor.
34
137000
4000
pero los que sí lo hicieron tuvieron una mutación en el receptor CCR5.
02:21
And that mutation was passed on to their kids
35
141000
2000
Y les pasaron esta mutación a sus hijos
02:23
because they're the ones that survived,
36
143000
2000
porque ellos habían sobrevivido,
02:25
so there was a great deal of population pressure.
37
145000
2000
así que había mucha presión para repoblar.
02:27
In Africa, because you didn't have these cities,
38
147000
2000
En África, dado que no habían grandes ciudades,
02:29
you didn't have that CCR5 population pressure mutation.
39
149000
3000
no se tuvo esa mutación CCR5 causada por la presión poblacional.
02:32
We can date it to 700 years ago.
40
152000
3000
Podemos fechar esto hace 700 años.
02:35
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
155000
4000
Esta es una de las razones por las cuales el SIDA se está propagando en África tan rápidamente,
02:39
and not as fast across Europe.
42
159000
4000
pero en Europa va más lento.
02:43
And we're beginning to find these little things for malaria,
43
163000
3000
Y estamos comenzando a encontrar estas pequeñas cosas
02:46
for sickle cell, for cancers.
44
166000
3000
para la malaria, para anemia, para cánceres.
02:50
And in the measure that we map ourselves,
45
170000
2000
Y en la medida en que nos mapeamos a nosotros mismos,
02:52
this is the single greatest adventure that we'll ever be on.
46
172000
2000
esta es la aventura más grande en que jamás estaremos.
02:54
And this Friday, I want you to pull out a really good bottle of wine,
47
174000
4000
Y este viernes, quiero que saquen una excelente botella de vino,
02:58
and I want you to toast these two people.
48
178000
2000
y quiero que brinden por estas dos personas.
03:01
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
181000
4000
Porque este viernes hace 50 años atrás, Watson y Crick descubrieron la estructura del ADN
03:05
and that is almost as important a date
50
185000
3000
y esa es una fecha casi tan importante como el
03:08
as the 12th of February when we first mapped ourselves,
51
188000
3000
12 de Febrero cuando por primera vez nos mapeamos
03:11
but anyway, we'll get to that.
52
191000
2000
pero, en todo caso, después hablaremos de eso.
03:13
I thought we'd talk about the new zoo.
53
193000
2000
Pensé que hablaríamos del nuevo zoológico.
03:15
So, all you guys have heard about DNA, all the stuff that DNA does,
54
195000
4000
Entonces, todos ustedes han oído sobre ADN, todas las cosas que hace el ADN,
03:19
but some of the stuff we're discovering is kind of nifty
55
199000
3000
pero algunas de las que estamos descubriendo son como ingeniosas
03:22
because this turns out to be the single most abundant species on the planet.
56
202000
5000
porque esto resulta ser la especie más abundante en el planeta.
03:27
If you think you're successful or cockroaches are successful,
57
207000
3000
Si crees que los humanos son exitosos o las cucarachas lo son,
03:30
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
210000
3000
resulta que hay diez billones de billones de Pleurococos allá afuera.
03:33
And we didn't know that Pleurococcus was out there,
59
213000
3000
Y no sabíamos ni siquiera que los Pleurococos existían,
03:36
which is part of the reason
60
216000
1000
lo que es una de las razones
03:37
why this whole species-mapping project is so important.
61
217000
5000
por la que este proyecto de mapeo de especies es tan importante.
03:42
Because we're just beginning to learn
62
222000
2000
Porque recién estamos comenzando a comprender
03:44
where we came from and what we are.
63
224000
1000
de dónde venimos y lo que somos.
03:46
And we're finding amoebas like this. This is the amoeba dubia.
64
226000
3000
Y estamos encontrando amebas como esta. Esta es una Ameba dubia.
03:50
And the amoeba dubia doesn't look like much,
65
230000
2000
Y la Ameba dubia no parece muy interesante,
03:52
except that each of you has about 3.2 billion letters,
66
232000
3000
excepto que cada uno de ustedes tiene como 3,2 miles de millones de letras,
03:55
which is what makes you you,
67
235000
2000
que es lo que te hace a ti a ti
03:57
as far as gene code inside each of your cells,
68
237000
3000
en lo que respecta a tu código genético dentro de cada una de tus células
04:00
and this little amoeba which, you know,
69
240000
3000
y esta pequeña ameba que, como saben,
04:03
sits in water in hundreds and millions and billions,
70
243000
2000
hay cientos y millones y billones en el agua,
04:06
turns out to have 620 billion base pairs of gene code inside.
71
246000
6000
resulta que tiene 620 miles de millones de bases pares de código genético.
04:12
So, this little thingamajig has a genome
72
252000
3000
Entonces, ésta cosita tiene un genoma
04:15
that's 200 times the size of yours.
73
255000
2000
que es 200 veces el tamaño del tuyo.
04:18
And if you're thinking of efficient information storage mechanisms,
74
258000
3000
Y si estás pensando acerca de mecanismos eficientes para almacenar información,
04:22
it may not turn out to be chips.
75
262000
2000
estos pueden resultar no ser chips.
04:25
It may turn out to be something that looks a little like that amoeba.
76
265000
4000
Pueden resultar ser algo que se parece un poco a esa ameba.
04:29
And, again, we're learning from life and how life works.
77
269000
4000
Y, de nuevo, estamos aprendiendo de la vida y de cómo funciona.
04:33
This funky little thing: people didn't used to think
78
273000
4000
De esta cosita medio extraña, la gente antes pensaba que no
04:37
that it was worth taking samples out of nuclear reactors
79
277000
3000
valía la pena sacar muestras de los reactores nucleares
04:40
because it was dangerous and, of course, nothing lived there.
80
280000
3000
porque era peligroso y, por supuesto, nada vivía allí.
04:43
And then finally somebody picked up a microscope
81
283000
3000
Y entonces finalmente alguien tomó un microscopio
04:46
and looked at the water that was sitting next to the cores.
82
286000
3000
y miró en el agua que estaba alrededor de los núcleos.
04:49
And sitting next to that water in the cores
83
289000
2000
Y ahí en el agua de los núcleos estaba
04:51
was this little Deinococcus radiodurans, doing a backstroke,
84
291000
3000
este pequeño Deinococo radiodurans, nadando tranquilito,
04:54
having its chromosomes blown apart every day,
85
294000
2000
teniendo sus cromosomas volados cada día,
04:56
six, seven times, restitching them,
86
296000
3000
seis, siete veces, recomponiéndolos,
04:59
living in about 200 times the radiation that would kill you.
87
299000
2000
viviendo en como 200 veces la radiación que te mataría.
05:02
And by now you should be getting a hint as to how diverse
88
302000
3000
Y ya debieran estar teniendo una idea de cuán diverso
05:05
and how important and how interesting this journey into life is,
89
305000
2000
e importante e interesante es este viaje hacia la vida,
05:07
and how many different life forms there are,
90
307000
3000
y cuantas formas de vida distintas hay,
05:10
and how there can be different life forms living in
91
310000
3000
y cómo puede haber diferentes formas de vida viviendo en lugares
05:13
very different places, maybe even outside of this planet.
92
313000
3000
muy distintos, quizás incluso fuera de este planeta.
05:17
Because if you can live in radiation that looks like this,
93
317000
2000
Porque si se puede vivir en radiación como esta,
05:19
that brings up a whole series of interesting questions.
94
319000
3000
se genera una serie de preguntas interesantes.
05:23
This little thingamajig: we didn't know this thingamajig existed.
95
323000
3000
No sabíamos que existía esta pequeña cosita.
05:27
We should have known that this existed
96
327000
2000
Deberíamos haber sabido que existía
05:29
because this is the only bacteria that you can see to the naked eye.
97
329000
3000
ya que es la única bacteria que se puede ver a simple vista.
05:32
So, this thing is 0.75 millimeters.
98
332000
3000
Entonces, esta cosa es 0,75 milímetros.
05:35
It lives in a deep trench off the coast of Namibia.
99
335000
2000
Vive en una fosa profunda en el mar cerca de la costa de Namibia.
05:38
And what you're looking at with this namibiensis
100
338000
2000
Y lo que estás viendo con este namibiensis
05:40
is the biggest bacteria we've ever seen.
101
340000
2000
es la bacteria más grande que hayamos visto.
05:42
So, it's about the size of a little period on a sentence.
102
342000
3000
Es como del tamaño de un punto en una oración.
05:46
Again, we didn't know this thing was there three years ago.
103
346000
4000
De nuevo, hace tres años ni sabíamos que esta cosa existía.
05:50
We're just beginning this journey of life in the new zoo.
104
350000
3000
Estamos recién empezando este viaje en el nuevo zoológico.
05:54
This is a really odd one. This is Ferroplasma.
105
354000
3000
Este es uno realmente extraño. Este es Ferroplasma.
05:58
The reason why Ferroplasma is interesting is because it eats iron,
106
358000
3000
La razón de por qué el Ferroplasma es interesante es porque come hierro,
06:02
lives inside the equivalent of battery acid,
107
362000
3000
vive dentro del equivalente del ácido de batería
06:06
and excretes sulfuric acid.
108
366000
2000
y excreta ácido sulfúrico.
06:10
So, when you think of odd life forms,
109
370000
2000
Entonces, cuando piensas de formas de vida extrañas,
06:12
when you think of what it takes to live,
110
372000
3000
cuando piensas qué se requiere para vivir,
06:16
it turns out this is a very efficient life form,
111
376000
2000
resulta que esta forma de vida es muy eficiente,
06:18
and they call it an archaea. Archaea means "the ancient ones."
112
378000
4000
y se denomina arquea. Arquea se refiere a que es de "los antiguos".
06:22
And the reason why they're ancient is because this thing came up
113
382000
4000
Y la razón de por qué son tan antiguos es porque esta cosa surgió cuando
06:26
when this planet was covered
114
386000
2000
el planeta estaba cubierto por cosas
06:28
by things like sulfuric acid in batteries,
115
388000
1000
similares al ácido sulfúrico de baterías,
06:29
and it was eating iron when the earth was part of a melted core.
116
389000
4000
y comía hierro cuando la tierra era parte de un núcleo líquido.
06:34
So, it's not just dogs and cats and whales and dolphins
117
394000
4000
Entonces, no es sólo perros y gatos y ballenas y delfines
06:38
that you should be aware of and interested in on this little journey.
118
398000
4000
que deberían tener presente y tomar en cuenta en este viajecito.
06:42
Your fear should be that you are not,
119
402000
3000
Debieran tener miedo porque
06:45
that you're paying attention to stuff which is temporal.
120
405000
3000
están prestando atención a cosas temporales.
06:48
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
408000
5000
Me refiero a que George Bush -- él se va ir, ¿bueno? La vida no.
06:54
Whether the humans survive or don't survive,
122
414000
3000
Si los humanos sobreviven o no,
06:57
these things are going to be living on this planet or other planets.
123
417000
3000
estas cosas estarán viviendo en este planeta o en otros planetas.
07:00
And it's just beginning to understand this code of DNA
124
420000
4000
Y es comenzando a entender este código ADN
07:04
that's really the most exciting intellectual adventure
125
424000
3000
lo que es la aventura intelectual más excitante
07:07
that we've ever been on.
126
427000
3000
en que jamás hayamos estado.
07:10
And you can do strange things with this stuff. This is a baby gaur.
127
430000
4000
Y puedes hacer cosas extrañas con este código. Este es un gar bebé.
07:14
Conservation group gets together,
128
434000
2000
Un grupo de conservación se reúne,
07:16
tries to figure out how to breed an animal that's almost extinct.
129
436000
4000
e intenta descubrir como cruzar un animal que está casi extinto.
07:21
They can't do it naturally, so what they do with this thing is
130
441000
3000
No lo pueden hacer naturalmente, así que lo que hacen con esto
07:24
they take a spoon, take some cells out of an adult gaur's mouth, code,
131
444000
5000
es tomar una cuchara, sacar unas células de la boca de un gar adulto, codificarlas,
07:30
take the cells from that and insert it into a fertilized cow's egg,
132
450000
4000
toman las células generadas de eso y las insertan en un huevo de vaca fertilizado,
07:35
reprogram cow's egg -- different gene code.
133
455000
3000
y reprograman el huevo bovino con un código diferente.
07:39
When you do that, the cow gives birth to a gaur.
134
459000
4000
Cuando haces esto, la vaca da a luz a un gar.
07:44
We are now experimenting with bongos, pandas, elands, Sumatran tigers,
135
464000
6000
Actualmente estamos experimentando con bongos, pandas, elans, tigres de sumatra,
07:50
and the Australians -- bless their hearts --
136
470000
3000
y los australianos -- ellos son fantásticos --
07:53
are playing with these things.
137
473000
1000
están jugando con estas cosas.
07:54
Now, the last of these things died in September 1936.
138
474000
4000
Ahora, el último de estos murió en septiembre de 1936.
07:58
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
478000
4000
Estos son tigres de tasmania. El último conocido murió en el zoológico de Hobart.
08:02
But it turns out that as we learn more about gene code
140
482000
3000
Pero resulta que mientras más aprendemos del código genético
08:05
and how to reprogram species,
141
485000
2000
y de como reprogramar especies,
08:07
we may be able to close the gene gaps in deteriorate DNA.
142
487000
5000
podemos llegar a completar los huecos genéticos en ADN deteriorado.
08:12
And when we learn how to close the gene gaps,
143
492000
3000
Y cuando aprendamos como cerrar los huecos genéticos,
08:15
then we can put a full string of DNA together.
144
495000
2000
podremos unir una oración completa de ADN.
08:18
And if we do that, and insert this into a fertilized wolf's egg,
145
498000
4000
Y si logramos eso, e insertamos esto en un huevo fertilizado de lobo,
08:23
we may give birth to an animal
146
503000
2000
podríamos dar a luz a un animal
08:25
that hasn't walked the earth since 1936.
147
505000
2000
que no ha pisado la tierra desde 1936.
08:28
And then you can start going back further,
148
508000
2000
Y entonces puedes comenzar a ir más atrás,
08:30
and you can start thinking about dodos,
149
510000
2000
y puedes empezar a pensar en los dodos,
08:33
and you can think about other species.
150
513000
1000
y puedes pensar en otras especies.
08:35
And in other places, like Maryland, they're trying to figure out
151
515000
3000
Y en otros lugares, como Maryland, están tratando de
08:38
what the primordial ancestor is.
152
518000
2000
descubrir cuál es el antecesor inicial.
08:40
Because each of us contains our entire gene code
153
520000
3000
Porque cada uno de nosotros contiene el código genético completo
08:43
of where we've been for the past billion years,
154
523000
3000
de lo que hemos sido por los últimos mil millones de años,
08:46
because we've evolved from that stuff,
155
526000
2000
porque evolucionamos desde esa cosa,
08:48
you can take that tree of life and collapse it back,
156
528000
2000
se puede tomar el árbol de la vida y recorrerlo hacia atrás,
08:50
and in the measure that you learn to reprogram,
157
530000
3000
y en la medida que aprendes a reprogramar esto
08:53
maybe we'll give birth to something
158
533000
2000
quizás demos luz a algo
08:55
that is very close to the first primordial ooze.
159
535000
2000
muy similar al lodo primordial.
08:57
And it's all coming out of things that look like this.
160
537000
2000
Y todo surge de cosas que se ven así.
08:59
These are companies that didn't exist five years ago.
161
539000
2000
Estas son compañías que no existían hace cinco años.
09:01
Huge gene sequencing facilities the size of football fields.
162
541000
4000
Plantas inmensas para secuenciar genes del tamaño de canchas de fútbol.
09:05
Some are public. Some are private.
163
545000
2000
Algunas son públicas, algunas son privadas.
09:07
It takes about 5 billion dollars to sequence a human being the first time.
164
547000
3000
Se necesitan como 5 mil millones de dólares para secuenciar un ser humano la primera vez.
09:11
Takes about 3 million dollars the second time.
165
551000
2000
Se necesitan como 3 millones de dólares la segunda vez.
09:13
We will have a 1,000-dollar genome within the next five to eight years.
166
553000
4000
Dentro de los próximos cinco a ocho años tendremos un genoma por mil dólares.
09:17
That means each of you will contain on a CD your entire gene code.
167
557000
4000
Eso significa que cada uno de ustedes tendrá su código genético completo en un CD.
09:22
And it will be really boring. It will read like this.
168
562000
2000
Y será muy aburrido. Se parecerá a esto
09:25
(Laughter)
169
565000
2000
(Risas).
09:27
The really neat thing about this stuff is that's life.
170
567000
2000
Lo que es realmente entretenido es que esto es la vida.
09:29
And Laurie's going to talk about this one a little bit.
171
569000
3000
Y Laurie va a hablarles un poquito de este.
09:32
Because if you happen to find this one inside your body,
172
572000
2000
Porque si llegas a encontrar este dentro de tu cuerpo,
09:34
you're in big trouble, because that's the source code for Ebola.
173
574000
2000
estás en grandes problemas ya que es el código fuente del Ebola.
09:38
That's one of the deadliest diseases known to humans.
174
578000
2000
Esta es una de las enfermedades más letales conocidas por los humanos.
09:40
But plants work the same way and insects work the same way,
175
580000
2000
Pero las plantas y los insectos funcionan de la misma manera,
09:42
and this apple works the same way.
176
582000
2000
y esta manzana funciona de la misma manera.
09:44
This apple is the same thing as this floppy disk.
177
584000
2000
Esta manzana es lo mismo que este disco.
09:46
Because this thing codes ones and zeros,
178
586000
2000
Porque este disco se codifica en unos y ceros,
09:48
and this thing codes A, T, C, Gs, and it sits up there,
179
588000
2000
y esta cosa se codifica en A, T, C y G, y está allí arriba
09:50
absorbing energy on a tree, and one fine day
180
590000
3000
absorbiendo energía en un árbol, hasta que un día
09:53
it has enough energy to say, execute, and it goes [thump]. Right?
181
593000
4000
tiene suficiente energía para decir EJECUTAR y hace bong en el suelo.
09:57
(Laughter)
182
597000
3000
¿No es cierto? (Risas)
10:00
And when it does that, pushes a .EXE, what it does is,
183
600000
4000
Y cuando ha hecho esto, activa un .EXE que lo que hace es
10:04
it executes the first line of code, which reads just like that,
184
604000
3000
que ejecuta la primera línea de código, que se lee así,
10:07
AATCAGGGACCC, and that means: make a root.
185
607000
3000
AATCAGGGACCC, y que significa: haz una raíz.
10:10
Next line of code: make a stem.
186
610000
2000
Próxima línea de código: haz una rama.
10:12
Next line of code, TACGGGG: make a flower that's white,
187
612000
3000
Próxima línea de código, TACGGGG: haz una flor que sea blanca,
10:15
that blooms in the spring, that smells like this.
188
615000
3000
que florezca en primavera, que huela así.
10:18
In the measure that you have the code
189
618000
2000
En la medida que tienes el código y
10:20
and the measure that you read it --
190
620000
3000
medida que lo vas leyendo --
10:23
and, by the way, the first plant was read two years ago;
191
623000
2000
y, a todo esto, la primera planta fue leída hace dos años atrás;
10:25
the first human was read two years ago;
192
625000
2000
el primer humano fue leído hace dos años atrás;
10:27
the first insect was read two years ago.
193
627000
2000
el primer insecto fue leído hace dos años atrás.
10:29
The first thing that we ever read was in 1995:
194
629000
3000
La primera cosa que leímos fue en 1995:
10:32
a little bacteria called Haemophilus influenzae.
195
632000
2000
una pequeña bacteria llamada Hemofilus influenza.
10:35
In the measure that you have the source code, as all of you know,
196
635000
3000
En la medida que tengas el código fuente, como todos ustedes saben,
10:38
you can change the source code, and you can reprogram life forms
197
638000
2000
puedes cambiar el código fuente, y puedes reprogramar formas de vida
10:40
so that this little thingy becomes a vaccine,
198
640000
2000
para que esta pequeña cosita se convierta en una vacuna,
10:42
or this little thingy starts producing biomaterials,
199
642000
3000
o esta pequeña cosita comience a producir biomateriales,
10:45
which is why DuPont is now growing a form of polyester
200
645000
3000
que es la razón por la cual DuPont está cultivando ahora un tipo de poliéster
10:48
that feels like silk in corn.
201
648000
2000
que se siente como seda dentro del maíz.
10:51
This changes all rules. This is life, but we're reprogramming it.
202
651000
5000
Esto cambia todas las reglas. Esto es la vida, pero estamos reprogramándola.
10:58
This is what you look like. This is one of your chromosomes.
203
658000
4000
Así es como te ves. Este es uno de tus cromosomas.
11:02
And what you can do now is,
204
662000
2000
Y lo que ahora se puede hacer es,
11:04
you can outlay exactly what your chromosome is,
205
664000
3000
que puedes ver exactamente qué es tu cromosoma,
11:07
and what the gene code on that chromosome is right here,
206
667000
3000
y cuál es el código de ese cromosoma, y para qué sirve
11:10
and what those genes code for, and what animals they code against,
207
670000
3000
el código de esos genes y contra qué animales se manifiestan,
11:13
and then you can tie it to the literature.
208
673000
2000
y lo puedes relacionar a la literatura.
11:15
And in the measure that you can do that, you can go home today,
209
675000
3000
Y en la medida que puedas hacer esto, puedes ir hoy a tu casa,
11:18
and get on the Internet, and access
210
678000
2000
y subir a Internet, e ingresar a la biblioteca más
11:20
the world's biggest public library, which is a library of life.
211
680000
3000
grande del mundo, que es una biblioteca de la vida.
11:24
And you can do some pretty strange things
212
684000
2000
Y puedes hacer cosas bastante extrañas ya que,
11:26
because in the same way as you can reprogram this apple,
213
686000
2000
de la misma manera que puedes reprogramar esta manzana,
11:29
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
689000
2000
si vas al laboratorio de Cliff Tabin en la escuela médica de Harvard,
11:32
he's reprogramming chicken embryos to grow more wings.
215
692000
4000
él está reprogramando embriones de pollo para que nazcan con más alas.
11:38
Why would Cliff be doing that? He doesn't have a restaurant.
216
698000
3000
¿Por qué haría Cliff esto? Si no tiene un restaurante.
11:41
(Laughter)
217
701000
1000
(Risas).
11:43
The reason why he's reprogramming that animal to have more wings
218
703000
3000
La razón de por qué está reprogramando ese animal para que tenga
11:46
is because when you used to play with lizards as a little child,
219
706000
3000
más alas es porque cuando de niño jugabas con lagartijas,
11:49
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
709000
4000
y tomabas la lagartija, a veces se le caía la cola, pero le volvía a crecer.
11:53
Not so in human beings:
221
713000
3000
No es así en las personas:
11:56
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
716000
3000
cortas un brazo, o cortas una pierna y no vuelve a crecer.
11:59
But because each of your cells contains your entire gene code,
223
719000
4000
Pero ya que cada una de tus células contiene tu código completo,
12:04
each cell can be reprogrammed, if we don't stop stem cell research
224
724000
4000
cada célula puede reprogramarse (si es que no detenemos la investigación de células madres
12:08
and if we don't stop genomic research,
225
728000
2000
y no detenemos la investigación genómica),
12:10
to express different body functions.
226
730000
3000
para expresar distintas funciones corporales.
12:14
And in the measure that we learn how chickens grow wings,
227
734000
3000
Y a medida que aprendemos cómo los pollos generan las alas,
12:17
and what the program is for those cells to differentiate,
228
737000
2000
y cuál es el programa que se utiliza para diferenciar esas células,
12:19
one of the things we're going to be able to do
229
739000
3000
una de las cosas que podremos hacer
12:22
is to stop undifferentiated cells, which you know as cancer,
230
742000
3000
será detener las células no diferenciadas que ustedes conocen como cáncer,
12:26
and one of the things we're going to learn how to do
231
746000
2000
y una de las cosas que aprenderemos a hacer
12:28
is how to reprogram cells like stem cells
232
748000
3000
es cómo reprogramar células madres
12:31
in such a way that they express bone, stomach, skin, pancreas.
233
751000
6000
de tal manera que se conviertan en hueso, estómago, piel, páncreas.
12:38
And you are likely to be wandering around -- and your children --
234
758000
3000
Y es probable que tú -- y tus hijos -- anden caminando
12:41
on regrown body parts in a reasonable period of time,
235
761000
3000
dentro de un tiempo razonable con partes del cuerpo regeneradas,
12:45
in some places in the world where they don't stop the research.
236
765000
3000
en algunas partes del mundo donde no detengan la investigación.
12:50
How's this stuff work? If each of you differs
237
770000
5000
¿Cómo funciona esta cosa? Si cada uno de ustedes difiere
12:55
from the person next to you by one in a thousand, but only three percent codes,
238
775000
3000
con la persona de al lado por un milésimo, y sólo 3 por ciento de código,
12:58
which means it's only one in a thousand times three percent,
239
778000
2000
lo que significa sólo uno en mil por tres por ciento,
13:00
very small differences in expression and punctuation
240
780000
3000
diferencias muy pequeñas en expresión y puntuación
13:03
can make a significant difference. Take a simple declarative sentence.
241
783000
3000
pueden causar diferencias significativas. Tomemos una frase simple.
13:08
(Laughter)
242
788000
2000
"Una mujer sin su hombre no es nada" (Risas).
13:10
Right?
243
790000
1000
¿Correcto?
13:11
That's perfectly clear. So, men read that sentence,
244
791000
4000
Está perfectamente claro. Entonces, los hombres leen esto, y ven esta oración
13:15
and they look at that sentence, and they read this.
245
795000
2000
y la leen así. "Una mujer, sin su hombre, no es nada"
13:23
Okay?
246
803000
1000
¿Okey?
13:24
Now, women look at that sentence and they say, uh-uh, wrong.
247
804000
4000
Ahora, las mujeres miran esto y dicen na-a, equivocado.
13:28
This is the way it should be seen.
248
808000
2000
Esta es la manera que se debe leer.
13:32
(Laughter)
249
812000
8000
"Una mujer: sin ella, su hombre no es nada" (Risas).
13:40
That's what your genes are doing.
250
820000
1000
Eso es lo que están haciendo tus genes.
13:41
That's why you differ from this person over here by one in a thousand.
251
821000
5000
Esa es tu diferencia con esta otra persona de por acá por uno en mil.
13:46
Right? But, you know, he's reasonably good looking, but...
252
826000
3000
¿Está bien? Pero, tú sabes, él es razonablemente apuesto, pero...
13:49
I won't go there.
253
829000
2000
no voy a hacer ese chiste.
13:52
You can do this stuff even without changing the punctuation.
254
832000
3000
Puedes hacer estas cosas aún sin cambiar la puntuación.
13:56
You can look at this, right?
255
836000
4000
¿Puedes ver esto, no cierto? (El Servicio Recaudador de Impuestos)
14:00
And they look at the world a little differently.
256
840000
2000
Y ellos ven el mundo un poco distinto.
14:02
They look at the same world and they say...
257
842000
2000
Ellos miran al mismo mundo y dicen...
14:04
(Laughter)
258
844000
6000
(NUESTRO) (Risas).
14:10
That's how the same gene code -- that's why you have 30,000 genes,
259
850000
4000
Eso es como el mismo código genético -- por eso tienes 30.000 genes,
14:14
mice have 30,000 genes, husbands have 30,000 genes.
260
854000
3000
los ratones tienen 30.000 genes, los maridos tienen 30.000 genes.
14:17
Mice and men are the same. Wives know that, but anyway.
261
857000
3000
Ratones y maridos son lo mismo. Las esposas saben esto, pero en fin.
14:21
You can make very small changes in gene code
262
861000
2000
Puedes hacer cambios muy pequeños en el código
14:23
and get really different outcomes,
263
863000
2000
y obtener resultados muy distintos,
14:27
even with the same string of letters.
264
867000
2000
incluso con el mismo orden de letras.
14:31
That's what your genes are doing every day.
265
871000
2000
Eso es lo que tus genes hacen todos los días.
14:34
That's why sometimes a person's genes
266
874000
2000
Por esto es que a veces los genes de una persona
14:36
don't have to change a lot to get cancer.
267
876000
2000
no necesitan variar mucho para que le de cáncer.
14:42
These little chippies, these things are the size of a credit card.
268
882000
4000
Estas pequeñas cositas son del tamaño de una tarjeta de crédito.
14:47
They will test any one of you for 60,000 genetic conditions.
269
887000
2000
Pueden chequear a cualquiera de ustedes contra 60 mil condiciones genéticas.
14:50
That brings up questions of privacy and insurability
270
890000
3000
Eso genera interrogantes con respecto a la privacidad y asegurabilidad
14:53
and all kinds of stuff, but it also allows us to start going after diseases,
271
893000
2000
y un montón de otras cosas, pero también nos permite empezar a combatir enfermedades
14:56
because if you run a person who has leukemia through something like this,
272
896000
3000
porque si chequeas una persona que tiene leucemia contra algo como esto
15:00
it turns out that three diseases with
273
900000
2000
resulta que tres enfermedades con
15:02
completely similar clinical syndromes
274
902000
4000
síndromes clínicos exactamente iguales
15:06
are completely different diseases.
275
906000
2000
son en realidad enfermedades completamente distintas.
15:08
Because in ALL leukemia, that set of genes over there over-expresses.
276
908000
3000
Porque en la leucemia ALL, el set de genes de arriba se sobre-expresa.
15:11
In MLL, it's the middle set of genes,
277
911000
2000
En la leucemia MLL es el conjunto de genes del medio,
15:13
and in AML, it's the bottom set of genes.
278
913000
2000
y en leucemia AML, es el conjunto de genes de abajo.
15:15
And if one of those particular things is expressing in your body,
279
915000
5000
Y si una de esas cosas se puede observar en tu cuerpo,
15:20
then you take Gleevec and you're cured.
280
920000
2000
entonces tomas Gleevec y te mejoras.
15:23
If it is not expressing in your body,
281
923000
2000
Si no se está expresando en tu cuerpo,
15:25
if you don't have one of those types --
282
925000
2000
si no tienes uno de estos tipos --
15:27
a particular one of those types -- don't take Gleevec.
283
927000
3000
uno de estos tipos específicos -- no tomes Gleevec,
15:30
It won't do anything for you.
284
930000
1000
no te servirá de nada.
15:32
Same thing with Receptin if you've got breast cancer.
285
932000
2000
La misma cosas pasa con Receptin si tienes cáncer de mama.
15:35
Don't have an HER-2 receptor? Don't take Receptin.
286
935000
3000
Si no tienes un receptor HER-2, no tomes Receptin.
15:38
Changes the nature of medicine. Changes the predictions of medicine.
287
938000
4000
Cambia el curso de la medicina. Cambia las predicciones de la medicina.
15:42
Changes the way medicine works.
288
942000
2000
Cambia la manera en que la medicina funciona.
15:44
The greatest repository of knowledge when most of us went to college
289
944000
3000
Cuando la mayoría de nosotros estudíamos, el repositorio más grande de información
15:47
was this thing, and it turns out that
290
947000
2000
era esta cosa, y resulta que
15:49
this is not so important any more.
291
949000
2000
ya no es tan importante.
15:51
The U.S. Library of Congress, in terms of its printed volume of data,
292
951000
4000
La Biblioteca del Congreso de los EE.UU., en términos de volumen de data impresa,
15:55
contains less data than is coming out of a good genomics company
293
955000
4000
contiene menos datos que lo que está saliendo cada mes de
15:59
every month on a compound basis.
294
959000
3000
una buena empresa de genómica.
16:02
Let me say that again: A single genomics company
295
962000
3000
Déjenme decirlo de nuevo: una sola empresa de genómica
16:05
generates more data in a month, on a compound basis,
296
965000
3000
genera más datos en un mes, comparando datos totales,
16:08
than is in the printed collections of the Library of Congress.
297
968000
3000
que lo que hay en las colecciones impresas de la Biblioteca del Congreso.
16:12
This is what's been powering the U.S. economy. It's Moore's Law.
298
972000
4000
Esto es lo que está empujando la economía de los EE.UU. Es la ley de Moore.
16:16
So, all of you know that the price of computers halves every 18 months
299
976000
5000
Entonces, todos ustedes saben que el costo de los computadores baja a la mitad cada 18 meses
16:21
and the power doubles, right?
300
981000
2000
mientras su potencia se duplica, ¿correcto?
16:23
Except that when you lay that side by side with the speed
301
983000
4000
Excepto que cuando comparas esto con la velocidad
16:27
with which gene data's being deposited in GenBank,
302
987000
3000
con la cual los datos genéticos están siendo almacenados en GenBank,
16:30
Moore's Law is right here: it's the blue line.
303
990000
4000
la ley de Moore está justo aquí: es la línea azul.
16:35
This is on a log scale, and that's what superexponential growth means.
304
995000
4000
Esta es una escala logarítmica, y por lo tanto esto es lo que llamamos crecimiento superexponencial.
16:39
This is going to push computers to have to grow faster
305
999000
4000
Esto va a empujar a los computadores a crecer más rápido
16:43
than they've been growing, because so far,
306
1003000
2000
de lo que han crecido ya que hasta ahora,
16:45
there haven't been applications that have been required
307
1005000
3000
no han existido aplicaciones que han requerido un crecimiento
16:48
that need to go faster than Moore's Law. This stuff does.
308
1008000
3000
más veloz que el de la ley de Moore. Esto sí lo requiere.
16:51
And here's an interesting map.
309
1011000
2000
Y acá tenemos un mapa interesante.
16:53
This is a map which was finished at the Harvard Business School.
310
1013000
4000
Este es un mapa que fue terminado en la escuela de negocios de Harvard.
16:57
One of the really interesting questions is, if all this data's free,
311
1017000
3000
Una de las preguntas más interesantes es; si todos estos datos son gratis,
17:00
who's using it? This is the greatest public library in the world.
312
1020000
4000
¿entonces quién los usa? Esta es la biblioteca pública más grande del mundo.
17:04
Well, it turns out that there's about 27 trillion bits
313
1024000
3000
Bueno, resulta que hay alrededor de 27 billones de bits
17:07
moving inside from the United States to the United States;
314
1027000
3000
moviéndose dentro de los Estados Unidos;
17:10
about 4.6 trillion is going over to those European countries;
315
1030000
4000
alrededor de 4,6 billones están siendo enviados hacía esos países europeos;
17:14
about 5.5's going to Japan; there's almost no communication
316
1034000
3000
alrededor de 5,5 se transfieren a Japón; casi no hay comunicación
17:17
between Japan, and nobody else is literate in this stuff.
317
1037000
4000
dentro de Japón y nadie más puede leer esta cosa.
17:21
It's free. No one's reading it. They're focusing on the war;
318
1041000
5000
Es gratis. Nadie los está leyendo. Están enfocados en la guerra;
17:26
they're focusing on Bush; they're not interested in life.
319
1046000
2000
están enfocados en Bush; no están interesados en la vida.
17:29
So, this is what a new map of the world looks like.
320
1049000
2000
Entonces, así es como se ve el nuevo mapa del mundo.
17:32
That is the genomically literate world. And that is a problem.
321
1052000
6000
Este es el mundo que comprende la genómica. Y esto es un problema.
17:38
In fact, it's not a genomically literate world.
322
1058000
2000
De hecho, ni siquiera es el mundo que comprende genómica.
17:40
You can break this out by states.
323
1060000
2000
Puedes dividirlo por estados.
17:42
And you can watch states rise and fall depending on
324
1062000
2000
Y puedes ver cómo los estados surgen o caen dependiendo
17:44
their ability to speak a language of life,
325
1064000
2000
de si son capaces de hablar la lengua de la vida,
17:46
and you can watch New York fall off a cliff,
326
1066000
2000
y puedes ver a Nueva York caerse por el barranco,
17:48
and you can watch New Jersey fall off a cliff,
327
1068000
2000
y puedes ver a Nueva Jersey caerse por el barranco,
17:50
and you can watch the rise of the new empires of intelligence.
328
1070000
3000
y puedes ver como surgen los nuevos imperios de la inteligencia.
17:54
And you can break it out by counties, because it's specific counties.
329
1074000
3000
Y puedes dividirlo por condados ya que son condados específicos.
17:57
And if you want to get more specific,
330
1077000
2000
Y si quieres ser aún más específico,
17:59
it's actually specific zip codes.
331
1079000
2000
en realidad son códigos postales específicos
18:01
(Laughter)
332
1081000
2000
(Risas).
18:03
So, you want to know where life is happening?
333
1083000
3000
Entonces, ¿quieres saber dónde está aconteciendo esta nueva vida?
18:06
Well, in Southern California it's happening in 92121. And that's it.
334
1086000
5000
Bueno, en el sur de California está en el código 92121. Y sólo allí.
18:12
And that's the triangle between Salk, Scripps, UCSD,
335
1092000
5000
Y eso es el triángulo entre las calles Sulk, Scripps, UCSD,
18:17
and it's called Torrey Pines Road.
336
1097000
2000
y se llama Torrey Pines Road.
18:19
That means you don't need to be a big nation to be successful;
337
1099000
3000
Significa que no necesitas ser un país grande para ser exitoso;
18:22
it means you don't need a lot of people to be successful;
338
1102000
2000
significa que no necesitas tanta gente para ser exitoso;
18:24
and it means you can move most of the wealth of a country
339
1104000
3000
y significa que puedes mover casi toda la riqueza de un país
18:27
in about three or four carefully picked 747s.
340
1107000
3000
en tres o cuatro 747s bien escogidos.
18:31
Same thing in Massachusetts. Looks more spread out but --
341
1111000
4000
Lo mismo pasa en Massachusetts. Parece más esparcido, pero --
18:35
oh, by the way, the ones that are the same color are contiguous.
342
1115000
3000
ah, por si acaso, los que son del mismo color son contiguos.
18:39
What's the net effect of this?
343
1119000
2000
¿Cúal es el efecto neto de esto?
18:41
In an agricultural society, the difference between
344
1121000
2000
En una sociedad basada en la agricultura, la diferencia entre
18:43
the richest and the poorest,
345
1123000
1000
los más ricos y los más pobres,
18:45
the most productive and the least productive, was five to one. Why?
346
1125000
4000
los más productivos y los menos productivos, era de cinco a uno. ¿Por qué?
18:49
Because in agriculture, if you had 10 kids
347
1129000
2000
Porque en agricultura, si tenías 10 hijos
18:51
and you grow up a little bit earlier and you work a little bit harder,
348
1131000
3000
y te despertabas un poquito más temprano y trabajabas un poquito más duro,
18:54
you could produce about five times more wealth, on average,
349
1134000
2000
podías llegar a producir, en promedio como cinco veces más riqueza
18:56
than your neighbor.
350
1136000
1000
que tu vecino.
18:58
In a knowledge society, that number is now 427 to 1.
351
1138000
3000
En una sociedad basada en el conocimiento, esa diferencia es de 427 a 1.
19:02
It really matters if you're literate, not just in reading and writing
352
1142000
4000
Es realmente importante que puedas leer y escribir, no sólo en
19:06
in English and French and German,
353
1146000
2000
Inglés y Francés y Alemán,
19:08
but in Microsoft and Linux and Apple.
354
1148000
2000
sino que en Microsoft y Linux y Apple.
19:11
And very soon it's going to matter if you're literate in life code.
355
1151000
4000
Y muy pronto la diferencia va a estar en la comprensión del código de la vida.
19:15
So, if there is something you should fear,
356
1155000
2000
Entonces, si debieras tenerle miedo a algo,
19:17
it's that you're not keeping your eye on the ball.
357
1157000
3000
es que no estas mirando en la dirección apropiada.
19:20
Because it really matters who speaks life.
358
1160000
2000
Porque realmente importa quién puede hablar en lenguaje de la vida.
19:23
That's why nations rise and fall.
359
1163000
2000
Los países surgen y caen por esto.
19:26
And it turns out that if you went back to the 1870s,
360
1166000
3000
Y resulta que si volvieras a los 1870s,
19:29
the most productive nation on earth was Australia, per person.
361
1169000
3000
la nación más productiva en la tierra, por persona, era Australia.
19:32
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1172000
3000
Y Nueva Zelandía estaría por allá arriba. Y después EE. UU. subió en los 1950s,
19:35
and then Switzerland about 1973, and then the U.S. got back on top --
363
1175000
3000
y después Suiza en 1973, y después EE. UU. volvió a estar primero --
19:39
beat up their chocolates and cuckoo clocks.
364
1179000
2000
les ganamos a sus chocolates y sus relojes cucú.
19:43
And today, of course, you all know that the most productive nation
365
1183000
3000
Y todos ustedes saben que actualmente el país más productivo del
19:46
on earth is Luxembourg, producing about one third more wealth
366
1186000
3000
mundo es, por supuesto, Luxemburgo, que produce como un tercio más
19:49
per person per year than America.
367
1189000
2000
riqueza por persona cada año que los EE.UU.
19:52
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1192000
4000
Es un estado pequeñito sin mar. Sin petróleo. Sin diamantes. Sin recursos naturales.
19:56
Just smart people moving bits. Different rules.
369
1196000
5000
Sólo tienen gente inteligente moviendo bits. Las reglas cambian.
20:02
Here's differential productivity rates.
370
1202000
3000
Estas son tasas diferenciales de productividad.
20:06
Here's how many people it takes to produce a single U.S. patent.
371
1206000
3000
Aquí se ve cuantas personas toma producir una patente en EE.UU.
20:09
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1209000
4000
Más o menos 3 mil Estadounidenses, 6 mil Coréanos, 14 mil Británicos,
20:13
790,000 Argentines. You want to know why Argentina's crashing?
373
1213000
3000
780 mil Argentinos. ¿Quieren saber por qué Argentina se está hundiendo?
20:16
It's got nothing to do with inflation.
374
1216000
2000
No tiene que ver con la inflación.
20:18
It's got nothing to do with privatization.
375
1218000
2000
No tiene que ver con las privatizaciones.
20:20
You can take a Harvard-educated Ivy League economist,
376
1220000
4000
Puedes tomar un economista educado en Harvard,
20:24
stick him in charge of Argentina. He still crashes the country
377
1224000
3000
y ponerlo a cargo de Argentina. Aún así lo hundiría porque
20:27
because he doesn't understand how the rules have changed.
378
1227000
2000
no entendería como han cambiado las reglas.
20:30
Oh, yeah, and it takes about 5.6 million Indians.
379
1230000
3000
Ah, sí, y toma como 5,6 millones de Indios.
20:33
Well, watch what happens to India.
380
1233000
2000
Bueno, veamos que le pasa a la India.
20:35
India and China used to be 40 percent of the global economy
381
1235000
3000
India y China durante la revolución industrial
20:38
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1238000
5000
solían ser el 40 por ciento de la economía global, y ahora son como el 4,8 por ciento.
20:43
Two billion people. One third of the global population producing 5 percent of the wealth
383
1243000
4000
Dos mil millones de personas. Un tercio de la población mundial produciendo el
20:47
because they didn't get this change,
384
1247000
3000
5 por ciento de la riqueza porque no pasaron por este cambio,
20:50
because they kept treating their people like serfs
385
1250000
2000
porque siguieron tratando a sus habitantes como siervos
20:52
instead of like shareholders of a common project.
386
1252000
3000
y no como accionistas de un proyecto compartido.
20:56
They didn't keep the people who were educated.
387
1256000
3000
No mantuvieron a las personas con educación.
20:59
They didn't foment the businesses. They didn't do the IPOs.
388
1259000
2000
No fomentaron los negocios. No los lanzaron a la bolsa.
21:02
Silicon Valley did. And that's why they say
389
1262000
4000
En Silicon Valley sí lo hicieron. Y por eso dicen
21:06
that Silicon Valley has been powered by ICs.
390
1266000
2000
que Silicon Valley funciona a base de CIs.
21:09
Not integrated circuits: Indians and Chinese.
391
1269000
3000
No son circuitos integrados; sino que Chinos e Indios
21:12
(Laughter)
392
1272000
4000
(Risas).
21:16
Here's what's happening in the world.
393
1276000
2000
Esto es lo que está pasando en el mundo.
21:18
It turns out that if you'd gone to the U.N. in 1950,
394
1278000
3000
Resulta que si es que hubieras ido a la ONU en 1950,
21:21
when it was founded, there were 50 countries in this world.
395
1281000
2000
cuando fue fundada, habían 50 países en el mundo.
21:23
It turns out there's now about 192.
396
1283000
3000
Resulta que ahora hay como 192.
21:26
Country after country is splitting, seceding, succeeding, failing --
397
1286000
4000
Muchos países se están separando, independizando, teniendo éxito, fallando.
21:31
and it's all getting very fragmented. And this has not stopped.
398
1291000
5000
Y todo está tornándose muy fragmentado. Y no se está deteniendo.
21:36
In the 1990s, these are sovereign states
399
1296000
3000
Estos son estados soberanos que
21:39
that did not exist before 1990.
400
1299000
2000
no existían antes de 1990.
21:41
And this doesn't include fusions or name changes or changes in flags.
401
1301000
5000
Y esto no incluye fusiones o cambios de nombre o cambios de bandera.
21:46
We're generating about 3.12 states per year.
402
1306000
3000
Estamos generando 3,12 estados por año.
21:49
People are taking control of their own states,
403
1309000
3000
La gente está tomado control de sus estados,
21:52
sometimes for the better and sometimes for the worse.
404
1312000
3000
a veces para mejor y a veces para peor.
21:55
And the really interesting thing is,
405
1315000
2000
Y lo realmente interesante es,
21:57
you and your kids are empowered to build great empires,
406
1317000
2000
ustedes y sus hijos tienen el poder para construir grandes imperios,
21:59
and you don't need a lot to do it.
407
1319000
2000
y no necesitan mucho para hacerlo
22:01
(Music)
408
1321000
2000
(Música).
22:03
And, given that the music is over, I was going to talk
409
1323000
3000
Y, dado que la música ha terminado, iba a hablar
22:06
about how you can use this to generate a lot of wealth,
410
1326000
3000
de cómo puedes usar esto para generar mucha riqueza,
22:09
and how code works.
411
1329000
2000
y de cómo funciona el código.
22:11
Moderator: Two minutes.
412
1331000
1000
(Moderador: Le agrego dos minutos más!!)
22:12
(Laughter)
413
1332000
2000
(Risas).
22:14
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1334000
4000
No, voy a parar aquí y lo haremos el próximo año
22:18
because I don't want to take any of Laurie's time.
415
1338000
2000
porque no quiero tomar el tiempo de Laurie.
22:21
But thank you very much.
416
1341000
1000
Pero muchas gracias a ustedes.
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7