How to read the genome and build a human being | Riccardo Sabatini

Translator: Saeed Sarhaddy Reviewer: soheila Jafari

For the next 16 minutes, I'm going to take you on a journey

در شانزده دقیقه‌ ی آینده شما را به سفری می‌ برم

that is probably the biggest dream of humanity:

که احتمالا بزرگترین رویای بشریت است :

to understand the code of life.

فهمیدن رمز زندگی.

همه چیز برای من ازسالها پیش آغاز شد

So for me, everything started many, many years ago

when I met the first 3D printer.

وقتی اولین چاپگر سه بُعدی را دیدم.

The concept was fascinating.

روش کار آن بسیار سحرآمیز بود

A 3D printer needs three elements:

هر چاپگر سه بعدی به سه عنصر نیاز دارد:

a bit of information, some raw material, some energy,

مقداری اطلاعات ، مقداری ماده اولیه مقداری انرژی ،

and it can produce any object that was not there before.

و می‌تواند هر شیء که پیش از این وجود نداشته را تولید کند.

I was doing physics, I was coming back home

فیزیک می خواندم و در حال برگشت به خانه بودم

and I realized that I actually always knew a 3D printer.

و پی بردم که همیشه یک چاپگر سه بعدی را می شناختم.

And everyone does.

همه می شناسند.

It was my mom.

آن ، مادرم بود.

(Laughter)

(خنده حاضران)

My mom takes three elements:

مادرم سه عامل اصلی را دریافت می‌کند :

a bit of information, which is between my father and my mom in this case,

ذره‌ای اطلاعات ، که در این مورد بین پدرم و مادرم است

raw elements and energy in the same media, that is food,

مواد خام و انرژی در همین رابطه که مواد خواراکی است ،

and after several months, produces me.

و بعد از چند ماه ، مرا بوجود می‌آورد.

And I was not existent before.

ضمنا پیش از این من وجود خارجی نداشتم.

So apart from the shock of my mom discovering that she was a 3D printer,

اینکه مادرم شوکه شد وقتی فهمید که یک چاپگر سه بُعدی است به کنار ،

I immediately got mesmerized by that piece,

من بی درنگ مبهوت بخش اول شدم

اولین بخش ، اطلاعات .

the first one, the information.

What amount of information does it take

برای ساختنِ یک انسان چه مقدار اطلاعات نیاز است ؟

to build and assemble a human?

Is it much? Is it little?

خیلی زیاد ؟ خیلی کم ؟

How many thumb drives can you fill?

با آن ، چند فلش مموری را می توانید پُر کنید ؟

Well, I was studying physics at the beginning

خوب ، اوایل من فیزیک مطالعه می‌کردم

and I took this approximation of a human as a gigantic Lego piece.

و من یک انسان را بصورت یک لِگوی بزرگ فرض کردم

So, imagine that the building blocks are little atoms

بنابراین ، تصور کنید که هر قطعه ، یک اتم است .

and there is a hydrogen here, a carbon here, a nitrogen here.

و یک هیدروژن اینجاست ، یک کربن اینجا ، یک نیتروژن اینجا .

So in the first approximation,

در اولین تخمین زدن

if I can list the number of atoms that compose a human being,

اگر بتوانم تعداد اتمهایی که یک انسان از آنها ساخته شده را لیست کنم

I can build it.

می‌توانم آنرا بسازم.

Now, you can run some numbers

اکنون ، می توانید اعداد را ردیف کنید

and that happens to be quite an astonishing number.

و آن عدد بشدت شگفت آور است.

So the number of atoms,

تعداد اتمها

the file that I will save in my thumb drive to assemble a little baby,

فایلی که تعداد اتمهای یک کودک را روی فلش مموری بریزم ،

will actually fill an entire Titanic of thumb drives --

در حقیقت ، یک کشتی تایتانیک را از فلش مموری پر خواهد کرد

multiplied 2,000 times.

ضرب در دو هزار

This is the miracle of life.

این است معجزه‌ی زندگی .

Every time you see from now on a pregnant lady,

از الان ، هربار که زنی باردار دیدید ،

she's assembling the biggest amount of information

او در حال سر هم کردن عظیم ترین میزانِ اطلاعاتی است

that you will ever encounter.

که به عمرتان دیده اید.

Forget big data, forget anything you heard of.

داده های بزرگ و هرچه شنیده اید را فراموش کنید

This is the biggest amount of information that exists.

این عظیم ترین میزان اطلاعات موجود است.

(Applause)

(تشویق حاضران)

But nature, fortunately, is much smarter than a young physicist,

اما خوشبختانه طبیعت از یک فیزیکدان جوان بسیار با هوش تر است

and in four billion years, managed to pack this information

و ظرف چهار میلیارد سال این اطلاعات را بسته بندی کرده است

in a small crystal we call DNA.

در کریستالی کوچک که ما آنرا دی اِن اِی می‌نامیم.

We met it for the first time in 1950 when Rosalind Franklin,

اولین بار در سال ۱۹۵۰ با آن برخورد داشتیم وقتی که روزالیند فرنکلین

an amazing scientist, a woman,

دانشمندی شگفت انگیز ، یک زن

took a picture of it.

از آن عکسبرداری کرد.

But it took us more than 40 years to finally poke inside a human cell,

اما چهل سال طول کشید که بتوانیم سلول انسان را بشکافیم

take out this crystal,

این کریستال را بیرون بیاوریم

unroll it, and read it for the first time.

بازش کنیم و برای اولین آنرا بار بخوانیم

The code comes out to be a fairly simple alphabet,

الفبای این رمزها ، بسیار ساده از آب در آمد

four letters: A, T, C and G.

چهار حرف : A و T و C و G.

And to build a human, you need three billion of them.

و برای ساخت یک انسان شما به سه میلیارد از آنها نیاز دارید.

Three billion.

سه میلیارد .

How many are three billion?

سه میلیارد چقدر است ؟

It doesn't really make any sense as a number, right?

بعنوان یک عدد ، زیاد قابل درک نیست درست ؟

So I was thinking how I could explain myself better

بنابراین به این موضوع می اندیشیدم که چطور بهتر برای خودم تشریح کنم

about how big and enormous this code is.

که این کُد ، تا چه اندازه بزرگ و عظیم است.

But there is -- I mean, I'm going to have some help,

راه حلی هم وجود دارد . الان به کمک احتیاج خواهم داشت.

and the best person to help me introduce the code

و بهترین کسی که برای معرفی این کد به من کمک می کند

is actually the first man to sequence it, Dr. Craig Venter.

در حقیقت همان کسی است که برای اولین بار آنرا مرتب کرد ، دکتر کریگ ونتر

So welcome onstage, Dr. Craig Venter.

بسیار خوب ، دکتر کریگ ونتر تشویق بفرمایید.

(Applause)

(تشویق حاضران)

Not the man in the flesh,

البته نه بصورت جسمانی

but for the first time in history,

اما برای اولین بار در تاریخ

this is the genome of a specific human,

این نقشه ژنتیکیِ یک انسان ویژه است

printed page-by-page, letter-by-letter:

که صفحه به صفحه و حرف به حرف چاپ شده است

262,000 pages of information,

دویست و شصت و دو هزار صفحه اطلاعات

450 kilograms, shipped from the United States to Canada

چهارصد و پنجاه کیلوگرم با کشتی از آمریکا به کانادا حمل شده است

thanks to Bruno Bowden, Lulu.com, a start-up, did everything.

ضمن تشکر از برونو بودِن lulu.com ، یک استارتاپ همه کار کرد.

It was an amazing feat.

شاهکار شگفت انگیزی بود

But this is the visual perception of what is the code of life.

کُدِ زندگی ، بصورت بصری به این شکل نمایان می شود.

And now, for the first time, I can do something fun.

و حالا برای اولین بار می توانم کاری بامزه انجام دهم.

I can actually poke inside it and read.

در حقیقت می توانم یکی انتخاب کنم و بخوانم.

So let me take an interesting book ... like this one.

اجازه بدهید یک کتاب جالب توجه انتخاب کنم مثل این یکی.

من حاشیه نویسی کردم ؛ کتاب خیلی بزرگی است.

I have an annotation; it's a fairly big book.

So just to let you see what is the code of life.

فقط برای اینکه شما ببینید کُد زندگی چگونه است

Thousands and thousands and thousands

هزاران و هزاران و هزاران

and millions of letters.

و میلیونها حرف

And they apparently make sense.

که ظاهرا بی معنا هستند

Let's get to a specific part.

اجازه بدهید به قسمت خاصی برویم

Let me read it to you:

اجازه دهید برایتان بخوانم :

(Laughter)

(خنده‌ی حاضران)

"AAG, AAT, ATA."

«AAG , AAT ,ATA»

To you it sounds like mute letters,

برای شما این حروف بی معنا هستند

but this sequence gives the color of the eyes to Craig.

اما این توالیِ حروف ، رنگ چشم را برای کریگ مشخص می کنند

I'll show you another part of the book.

بخش دیگری از کتاب را نشانتان خواهم داد.

This is actually a little more complicated.

درحقیقت این قسمت اندکی پیچیده است.

Chromosome 14, book 132:

کروموزوم ۱۴، کتاب ۱۳۲

(Laughter)

(خنده‌ی حاضران)

As you might expect.

همانطور که انتظار دارید.

(Laughter)

(خنده ی حاضران)

"ATT, CTT, GATT."

«ATT, CTT, GATT»

This human is lucky,

این انسان خوش شانسی است

because if you miss just two letters in this position --

برای اینکه اگر کسی دو حرف در این موقعیت کم داشته باشد

two letters of our three billion --

دو حرف از سه میلیارد

he will be condemned to a terrible disease:

محکوم به تحمل بیماری وحشتناکی خواهد شد

cystic fibrosis.

سیستیک فایبروسیس

We have no cure for it, we don't know how to solve it,

ما درمان و راه حلی برای آن نمی دانیم.

and it's just two letters of difference from what we are.

و با آنچه که هستیم فقط دو حرف فرق دارد.

A wonderful book, a mighty book,

یک کتاب عجیب ، کتابِ اعظم

a mighty book that helped me understand

کتاب اعظمی که به من کمک کرد تا بفهمم

and show you something quite remarkable.

و به شما یک نکته جالب توجه را نشان دهم.

Every one of you -- what makes me, me and you, you --

هرکدام از شما آنچه مرا من و شما را شما می کند

is just about five million of these,

فقط پنج میلیون از این حروف هستند

half a book.

نیمی از کتاب

For the rest,

بقیه

we are all absolutely identical.

همگی ما کاملا یکسان هستیم

Five hundred pages is the miracle of life that you are.

پانصد صفحه ، معجزه ی زندگی که شما هستید.

The rest, we all share it.

در بقیه موارد همگی مشترک هستیم.

So think about that again when we think that we are different.

دوباره بیاندیشید وقتی که ما فکر میکنیم با هم متفاوتیم

This is the amount that we share.

ما تا این اندازه با هم مشترکیم.

So now that I have your attention,

حال که توجه شما را به خود جلب کرده ام

the next question is:

پرسش بعدی این است :

How do I read it?

چگونه رمزها را بخوانم؟

How do I make sense out of it?

چگونه معنی آنرا متوجه شوم ؟

Well, for however good you can be at assembling Swedish furniture,

خوب ، به همان خوبی که می توانید اثاثه سوئدی را بپینید

this instruction manual is nothing you can crack in your life.

این کتاب راهنما ، چیزی نیست که بتوانید در عمر خود، راز آنرا بشکافید

(Laughter)

(خنده ی حاضران)

And so, in 2014, two famous TEDsters,

و اینگونه ، در سال ۲۰۱۴ دو نفر از سخنرانانِ مشهورِ TED

Peter Diamandis and Craig Venter himself,

پیتر دیاماندیس وخودِ کریگ ونتر

decided to assemble a new company.

تصمیم به تاسیس یک شرکت جدید گرفتند.

Human Longevity was born,

« عمرِ انسان » متولد شد.

with one mission:

با یک ماموریت :

trying everything we can try

که تمام سعی مان را بکنیم

and learning everything we can learn from these books,

و تا آنجا که می توانیم از این کتابها بیاموزیم

with one target --

با یک هدف

making real the dream of personalized medicine,

جامه واقعیت پوشاندن به رویای طب شخصی

understanding what things should be done to have better health

فهمیدنِ اینکه چه چیزی باعث سلامتی و بهبود می شود.

and what are the secrets in these books.

و رازِ این کتابها چیست .

An amazing team, 40 data scientists and many, many more people,

یک تیم فوق العاده ، شامل چهل دانشمند متخصص پردازش داده ها و خیلی افراد دیگر

a pleasure to work with.

که کار با آنها لذت بخش است

The concept is actually very simple.

ایده ی اصلی در حقیقت بسیار ساده است

We're going to use a technology called machine learning.

ما از تکنولوژی بنام « فراگیری ماشین» استفاده خواهیم کرد.

On one side, we have genomes -- thousands of them.

از یک سو ، هزاران نقشه ژنتیکی در دست داریم.

On the other side, we collected the biggest database of human beings:

از سوی دیگر، بزرگترین اطلاعات مربوط به انسان را جمع آوری می کنیم

phenotypes, 3D scan, NMR -- everything you can think of.

رُخ نمودها ، اسکن های سه بُعدی، NMR هرچه که فکرش را بکنید.

Inside there, on these two opposite sides,

و در میان این دو

there is the secret of translation.

راز ترجمه نهفته است

And in the middle, we build a machine.

و در میان ، ما یک دستگاه ساختیم

We build a machine and we train a machine --

ما یک دستگاه ساختیم و به آن آموختیم

well, not exactly one machine, many, many machines --

خوب البته نه یک دستگاه دستگاههای زیادی ساختیم

to try to understand and translate the genome in a phenotype.

که نقشه ی ژنتیکی را بفهمد و به رُخ نمود ترجمه کند.

What are those letters, and what do they do?

این حروف چه هستند ، و چه کاری انجام می دهند؟

It's an approach that can be used for everything,

این رویکردی است که موارد استفاده ی بیشماری دارد.

but using it in genomics is particularly complicated.

اما استفاده از آن مخصوصا در علم ژنتیک پیچیده است

Little by little we grew and we wanted to build different challenges.

کم کم رشد کردیم و خواستیم تا چالش های مختلف بیافرینیم

We started from the beginning, from common traits.

از نقطه ی آغاز شروع کردیم از شاخصه های مشترک

Common traits are comfortable because they are common,

شاخصه های مشترک آسان هستند چون مشترک هستند

everyone has them.

همه ، آنها را دارند

So we started to ask our questions:

بنابراین شروع به پرسش کردیم :

Can we predict height?

آیا می توانیم قد را حدس بزنیم ؟

Can we read the books and predict your height?

با خواندن کتابها می‌توان قدتان را حدس زد ؟

Well, we actually can,

در حقیقت می توانیم

with five centimeters of precision.

با پنج ساتی متر اختلاف

BMI is fairly connected to your lifestyle,

وزنتان بشدت به شیوه‌ی زندگیتان مربوط است

but we still can, we get in the ballpark, eight kilograms of precision.

اما می توانیم با اختلاف هشت کیلوگرم آنرا حدس بزنیم

Can we predict eye color?

رنگ چشم چطور ؟

Yeah, we can.

بله ، می توانیم.

Eighty percent accuracy.

با هشتاد درصد دقت.

Can we predict skin color?

رنگ پوست را می توان حدس زد؟

Yeah we can, 80 percent accuracy.

بله می توانیم ، با ۸۰ درصد دقت رنگ پوست را حدس زد.

Can we predict age?

سن را می توان حدس زد ؟

We can, because apparently, the code changes during your life.

می توانیم ، چون ظاهرا کد در طول زندگی تغییر می کنند

It gets shorter, you lose pieces, it gets insertions.

کوتاهتر می شود ،تکه هایی را از دست می دهید تکه های جدید بوجود می آیند

We read the signals, and we make a model.

ما علامتها را می خوانیم و نمونه را می سازیم

Now, an interesting challenge:

و حالا یک چالش جالب :

Can we predict a human face?

چهره یک فرد را می‌توان حدس زد؟

تا حدودی پیچیده است

It's a little complicated,

because a human face is scattered among millions of these letters.

چون اطلاعات مربوط به چهره مابین میلیونها حرف پخش شده است

And a human face is not a very well-defined object.

و چهره ی انسان یک شیء تعریف شده مشخصی نیست

So, we had to build an entire tier of it

ما مجبور شدیم که حلال این مشکل را بسازیم

to learn and teach a machine what a face is,

که به دستگاه بیاموزیم که یک چهره چیست

and embed and compress it.

و اطلاعات آنرا متراکم و جاسازی کند.

And if you're comfortable with machine learning,

و اگر شما با فراگیری ماشین آشنایی داشته باشید

you understand what the challenge is here.

درک میکنید که چه چالشی در میان است

Now, after 15 years -- 15 years after we read the first sequence --

بعد از ۱۵ سال که ما اولین توالیِ کدها را خواندیم

this October, we started to see some signals.

اکتبر امسال ، نشانه هایی را دریافت کردیم.

And it was a very emotional moment.

و آن ، لحظه ی بسیار هیجان انگیزی بود.

What you see here is a subject coming in our lab.

آنچه که اینجا می بینید سوژه‌ای بود که وارد آزمایشگاه ما شد

This is a face for us.

این چهره ای است که در اختیار داریم

So we take the real face of a subject, we reduce the complexity,

بنابراین ما چهره ی سوژه را دریافت می کنیم از پیچیدگیهای آن می کاهیم

because not everything is in your face --

چون هرچیزی درچهره ی شما نیست

lots of features and defects and asymmetries come from your life.

بسیاری از شاخصه ها و نارسایی و عدم تقارن در چهره از زندگیِ شما می آیند.

We symmetrize the face, and we run our algorithm.

ما چهره را متقارن می کنیم سپس الگوریتم مان را راه میاندازیم.

The results that I show you right now,

نتایجی که من اکنون به شما نشان می دهم

this is the prediction we have from the blood.

پیشگویی است که ما از روی نمونه خون انجام دادیم

(Applause)

(تشویق حاضران)

Wait a second.

یک لحظه صبر کنید.

In these seconds, your eyes are watching, left and right, left and right,

در این لحظات ، چشمان شما به چپ و راست نگاه می کنند

and your brain wants those pictures to be identical.

و مغز شما می خواهد که تصاویر شبیه به هم باشند

So I ask you to do another exercise, to be honest.

بنابراین من از شما می خواهم که صادقانه طور دیگر عمل کنید.

Please search for the differences,

خواهش می کنم در جستجوی تفاوتها باشید

which are many.

که زیاد هم هستند.

The biggest amount of signal comes from gender,

بیشترین مقدار نشانه ها مربوط به جنسیت هستند ،

then there is age, BMI, the ethnicity component of a human.

بعد از آن ، سن ، وزن مولفه های نژادی یک فرد

And scaling up over that signal is much more complicated.

وافزایش یک نشانه کار را بسیار پیچیده تر می کند.

But what you see here, even in the differences,

اما با وجود اختلافها آنچه که شما می بینید

lets you understand that we are in the right ballpark,

به شما می فهماند که درست تخمین زده شده است،

that we are getting closer.

که ما نزدیکتر شده ایم.

And it's already giving you some emotions.

و همین حالا هم شما را هیجانزده کرده است.

This is another subject that comes in place,

این سوژه ی دیگری است

and this is a prediction.

و این هم پیشگویی.

A little smaller face, we didn't get the complete cranial structure,

چهره کوچکتر شده ، ما تمام ساختار جمجمه را درست حدس نزدیم

but still, it's in the ballpark.

اما همچنان ، درست حدس زده شده است

This is a subject that comes in our lab,

این سوژه ای است که به آزمایشگاه ما آمد

and this is the prediction.

و این هم چهره ی تخمین زده شده.

So these people have never been seen in the training of the machine.

این افراد در زمان تمرینِ ماشین هرگز حضور نداشتند.

These are the so-called "held-out" set.

اینها دسته ی «ذخیره» نام دارند.

But these are people that you will probably never believe.

اما همچنین اینها کسانی هستند که شما احتمالا باور نخواهید کرد.

We're publishing everything in a scientific publication,

ما همه ی جزئیات را در یک نشریه علمی منتشر می کنیم،

you can read it.

می توانید آنرا مطالعه کنید.

But since we are onstage, Chris challenged me.

اما از آنجائیکه ما روی صحنه هستیم کریس مرا به چالش کشید.

I probably exposed myself and tried to predict

که شاید خودم را به خطر بیاندازم و کسی را همینجا حدس بزنم

someone that you might recognize.

کسی که شما بتوانید او را تشخیص دهید.

So, in this vial of blood -- and believe me, you have no idea

در این شیشه محتوی خون-- باور کنید، فکرش را هم نمی کنید

what we had to do to have this blood now, here --

که الان برای بدست آوردن این، مجبور به انجام چه کاری شدیم.

in this vial of blood is the amount of biological information

در این شیشه محتوی خون بقدری اطلاعات بیولوژیکی داریم

that we need to do a full genome sequence.

که برای درست کردن رشته کامل ژنها نیاز است

We just need this amount.

فقط به همین اندازه نیاز داریم.

We ran this sequence, and I'm going to do it with you.

اطلاعات را ردیف کردیم و من الان با شما آنرا انجام خواهم داد.

And we start to layer up all the understanding we have.

و ما لایه به لایه به درک خود اضافه می کنیم.

In the vial of blood, we predicted he's a male.

از این خون ، ما حدس زدیم که او یک مرد است

And the subject is a male.

و سوژه هم یک مرد است.

We predict that he's a meter and 76 cm.

حدس زدیم که قد او یک متر و ۷۶ سانتیمتر است.

The subject is a meter and 77 cm.

قد سوژه یک متر و ۷۷ سانتیمتر است.

So, we predicted that he's 76; the subject is 82.

وزن او را ۷۶ کیلوگرم حدس زدیم سوژه ۸۲ کیلوگرم وزن دارد.

We predict his age, 38.

سن او را ۳۸ سال تخمین زدیم

The subject is 35.

سوژه ۳۵ سال سن دارد.

We predict his eye color.

رنگ چشمش را حدس زدیم.

Too dark.

زیادی تیره شد.

We predict his skin color.

رنگ پوست او را حدس زدیم.

We are almost there.

تقریبا درست حدس زدیم.

That's his face.

این چهره ی اوست.

Now, the reveal moment:

و حالا ، لحظه ی فاش شدن :

the subject is this person.

سوژه ، این فرد است.

(Laughter)

(خنده ی حاضران)

And I did it intentionally.

و من عمدا این کار را کردم.

I am a very particular and peculiar ethnicity.

من از یک نژاد خاص و عجیب هستم

Southern European, Italians -- they never fit in models.

اروپایی جنوبی، ایتالیایی هرگز نمونه ی خوبی نیستند.

And it's particular -- that ethnicity is a complex corner case for our model.

و این خیلی خاص است ، نژادی که گوشه ی پیچیده ی پرونده ی نمونه های ماست

But there is another point.

اما یک موضوع دیگر هم وجود دارد.

So, one of the things that we use a lot to recognize people

یکی از کارهایی که ما برای تشخیص افراد انجام می دهیم

will never be written in the genome.

هرگز روی نقشه ژنتیکی ثبت نمی شود.

It's our free will, it's how I look.

این اراده ی آزاد ماست که من این شکلی هستم.

Not my haircut in this case, but my beard cut.

نه مدل موهای من در این مورد خاص، بلکه مدل ریش من.

So I'm going to show you, I'm going to, in this case, transfer it --

بنابراین الان نشانتان خواهم داد انرا جابجا خواهم کرد.

and this is nothing more than Photoshop, no modeling --

و این چیزی نیست جز فتوشاپ، نمونه برداری نشده است

the beard on the subject.

ریش از روی سوژه جابجا می شود

And immediately, we get much, much better in the feeling.

و بلافاصله ،حس بهتری به ما دست می دهد.

So, why do we do this?

چرا ما این کار را انجام می دهیم؟

We certainly don't do it for predicting height

مطمئنا ما اینکار را برای حدس اندازه قد انجام نمی دهیم

or taking a beautiful picture out of your blood.

یا اینکه چهره ای زیبا از خونِ شما استخراج کنیم

We do it because the same technology and the same approach,

اینکار را می‌کنیم چون همین تکنولوژی و همین رویکرد

the machine learning of this code,

فراگیریِ ماشین از این کُد

is helping us to understand how we work,

ما را در فهمیدنِ اینکه چگونه کار می کنیم کمک می کند.

how your body works,

اینکه بدنِ شما چگونه کار می کند

how your body ages,

چگونه بدن شما پیر می شود

how disease generates in your body,

چگونه بیماری در جسم شما بوجود می آید.

how your cancer grows and develops,

سرطانِ شما چگونه پیشرفت می کند.

how drugs work

داروها چگونه کار می کنند.

and if they work on your body.

و آیا اصلا در بدن شما کارآیی دارند .

This is a huge challenge.

این چالش بسیار بزرگی است.

This is a challenge that we share

این چالشی است مشترک بین ما

with thousands of other researchers around the world.

و هزاران محقق در سراسر جهان.

It's called personalized medicine.

نامش طب شخصی است.

It's the ability to move from a statistical approach

توانایی حرکت از رویکرد آماری

where you're a dot in the ocean,

جائیکه شما قطره‌ای هستید از دریا

to a personalized approach,

به رویکرد شخصی است ،

where we read all these books

جائیکه ما تمام این کتابها را می‌خوانیم

and we get an understanding of exactly how you are.

و بطور کامل از آنچه شما هستید آگاه می شویم.

But it is a particularly complicated challenge,

اما این چالش بسیار پیچیده است

because of all these books, as of today,

چون تا به امروز فقط حدود دو درصد از این کتابها را می‌فهمیم.

we just know probably two percent:

four books of more than 175.

چهار کتاب از بیش از ۱۷۵ کتاب.

And this is not the topic of my talk,

و این موضوع بحث امروز من نیست ،

because we will learn more.

چون ما باز هم خواهیم آموخت.

There are the best minds in the world on this topic.

بهترین مغزهای جهان مشغول مطالعه روی این موضوع هستند.

The prediction will get better,

بهتر تخمین خواهیم زد.

the model will get more precise.

نمونه ها دقیق تر خواهند شد.

And the more we learn,

و هرچه بیشتر بیاموزیم،

the more we will be confronted with decisions

بیشتر با این تصمیم‌ها روبرو خواهیم شد

that we never had to face before

که تا پیش از این مجبور نبودیم با آنها روبرو شویم

about life,

درباره زندگی

about death,

درباره مرگ

about parenting.

درباره پدر و مادر شدن

ما در حال لمس درونی ترین جزئیات زندگی هستیم.

So, we are touching the very inner detail on how life works.

And it's a revolution that cannot be confined

و این انقلابی است که نمی تواند محدود شود

in the domain of science or technology.

در محدوده ی علم و تکنولوژی.

This must be a global conversation.

باید گفتگوی جهانی شکل بگیرد.

We must start to think of the future we're building as a humanity.

ما باید به آینده ای که بعنوان انسان در حال ساخت آن هستیم بیاندیشیم.

We need to interact with creatives, with artists, with philosophers,

باید با نوابغ ، هنرمندان و فلاسفه و با سیاستمدارن داد و ستد داشته باشیم.

with politicians.

Everyone is involved,

همه درگیر هستند.

because it's the future of our species.

چون این ، آینده ی گونه ی ماست.

Without fear, but with the understanding

بدون ترس اما همراه با فهم و درک

that the decisions that we make in the next year

که تصمیماتی که ما در سال آینده می گیریم

will change the course of history forever.

مسیر تاریخ را برای همیشه تغییر خواهد داد.

Thank you.

سپاسگزارم.

(Applause)

(تشویق حاضران)