Susan Solomon: The promise of research with stem cells

95,334 views ・ 2012-09-13

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Fordító: Edit Dr. Kósa Lektor: Anna Patai
00:16
So, embryonic stem cells
1
16381
2989
Az embrionális őssejtek
00:19
are really incredible cells.
2
19370
3300
valóban hihetetlen sejtek.
00:22
They are our body's own repair kits,
3
22670
2788
A testünk saját javítókészletei,
00:25
and they're pluripotent, which means they can morph into
4
25458
2964
és pluripotensek, ami azt jelenti, hogy
00:28
all of the cells in our bodies.
5
28422
2432
mindenféle sejtté átváltozhatnak.
00:30
Soon, we actually will be able to use stem cells
6
30854
2688
Hamarosan képesek leszünk az őssejteket arra használni,
00:33
to replace cells that are damaged or diseased.
7
33542
2985
hogy helyettesítsék a károsodott vagy megbetegedett sejteket.
00:36
But that's not what I want to talk to you about,
8
36527
2431
De nem erről akarok beszélni,
00:38
because right now there are some really
9
38958
2678
mivel most éppen van néhány igazán
00:41
extraordinary things that we are doing with stem cells
10
41636
3946
rendkívüli dolog, amit az őssejtekkel csinálunk,
00:45
that are completely changing
11
45582
1607
amelyek teljesen megváltoztatják azt,
00:47
the way we look and model disease,
12
47189
2899
ahogy látjuk és modellezzük a betegségeket,
00:50
our ability to understand why we get sick,
13
50088
2519
a képességünket arra, hogy megértsük, miért betegszünk meg,
00:52
and even develop drugs.
14
52607
2431
sőt még a gyógyszerfejlesztést is.
00:55
I truly believe that stem cell research is going to allow
15
55038
4313
Én igazán hiszem, hogy az őssejtkutatás lehetővé teszi
00:59
our children to look at Alzheimer's and diabetes
16
59351
4505
a gyermekeink számára, hogy úgy tekintsenek az Alzheimer-kórra és a diabéteszre,
01:03
and other major diseases the way we view polio today,
17
63856
4391
valamint más főbb betegségekre, mint ahogy ma mi tekintünk a himlőre,
01:08
which is as a preventable disease.
18
68247
3201
vagyis megelőzhető betegségként.
01:11
So here we have this incredible field, which has
19
71448
3223
Tehát itt van ez a hihetetlen terület, amely
01:14
enormous hope for humanity,
20
74671
4387
hatalmas remény az emberiség számára,
01:19
but much like IVF over 35 years ago,
21
79058
3520
de ugyanúgy, ahogy az IVF-et (In Vitro Fertilizáció) 35 évvel ezelőtt,
01:22
until the birth of a healthy baby, Louise,
22
82578
2334
míg az első egészséges baba, Louise meg nem született,
01:24
this field has been under siege politically and financially.
23
84912
5069
ezt a területet is támadják politikailag és pénzügyileg.
01:29
Critical research is being challenged instead of supported,
24
89981
4272
A kritikus fontosságú kutatásokat támogatás helyett kifogásolják,
01:34
and we saw that it was really essential to have
25
94253
4360
és úgy láttuk, alapvetően szükséges, hogy legyenek
01:38
private safe haven laboratories where this work
26
98613
3531
magán, biztonságos menedéklaborjaink, ahol ezt a munkát
01:42
could be advanced without interference.
27
102144
2830
beavatkozás nélkül vihetjük előre.
01:44
And so, in 2005,
28
104974
2531
És így 2005-ben
01:47
we started the New York Stem Cell Foundation Laboratory
29
107505
2612
megalapítottuk a New York Stem Cell Foundation Laboratoryt (New York-i Őssejt Alapítvány Laboratóriuma)
01:50
so that we would have a small organization that could
30
110117
3589
azért, hogy legyen egy kis szervezetünk,
01:53
do this work and support it.
31
113706
3312
amely csinálhatja és támogathatja ezt a munkát.
01:57
What we saw very quickly is the world of both medical
32
117018
3385
Nagyon gyorsan észrevettük, hogy mind a gyógyszerkutatás,
02:00
research, but also developing drugs and treatments,
33
120403
3376
mind a gyógyszer- és gyógykezelés-fejlesztés világát,
02:03
is dominated by, as you would expect, large organizations,
34
123779
3713
ahogy az várható is volt, nagy szervezetek uralják,
02:07
but in a new field, sometimes large organizations
35
127492
3119
de egy új területen néha a nagy szervezeteknek
02:10
really have trouble getting out of their own way,
36
130611
2168
nehéz elhagyni a régi módszereket,
02:12
and sometimes they can't ask the right questions,
37
132779
2436
és néha nem tudják feltenni a megfelelő kérdéseket.
02:15
and there is an enormous gap that's just gotten larger
38
135215
3356
Van egy egyre bővülő, hatalmas rés
02:18
between academic research on the one hand
39
138571
3211
a tudományos kutatás és egyrészt a
02:21
and pharmaceutical companies and biotechs
40
141782
2701
gyógyszeripari vállalatok és a biotechnológiai cégek között,
02:24
that are responsible for delivering all of our drugs
41
144483
3266
amelyek az összes gyógyszerünk és
02:27
and many of our treatments, and so we knew that
42
147749
2390
sok kezelésünk előállításáért felelősek, és így mi tudtuk, hogy
02:30
to really accelerate cures and therapies, we were going
43
150139
3946
ahhoz, hogy tényleg felgyorsítsuk a gyógyítást és a terápiákat,
02:34
to have to address this with two things:
44
154085
2807
két dologgal kell ezt intéznünk:
02:36
new technologies and also a new research model.
45
156892
3222
új technológiákkal és új kutatási modellel.
02:40
Because if you don't close that gap, you really are
46
160114
3759
Mert ha az ember nem zárja be azt a rést, akkor
02:43
exactly where we are today.
47
163873
1607
pontosan ott van, ahol ma vagyunk.
02:45
And that's what I want to focus on.
48
165480
1667
És erre akarok összpontosítani.
02:47
We've spent the last couple of years pondering this,
49
167147
3550
Az utolsó pár évet ennek a mérlegelésével töltöttük,
02:50
making a list of the different things that we had to do,
50
170697
2391
listát készítettünk azokról a dolgokról, amiket meg kell csinálnunk,
02:53
and so we developed a new technology,
51
173088
2631
és így kifejlesztettünk egy új technológiát.
02:55
It's software and hardware,
52
175719
1251
Ez olyan szoftver és hardver,
02:56
that actually can generate thousands and thousands of
53
176970
3503
amely tulajdonképpen létre tud hozni több ezer
03:00
genetically diverse stem cell lines to create
54
180473
3170
genetikailag különböző őssejtvonalat, hogy létrehozzon
03:03
a global array, essentially avatars of ourselves.
55
183643
3787
egy globális sort, lényegében önmagunk avatárját.
03:07
And we did this because we think that it's actually going
56
187430
3434
Ezt azért csináltuk, mert úgy gondoljuk, hogy ez
03:10
to allow us to realize the potential, the promise,
57
190864
3415
lehetővé teszi, hogy megvalósítsuk a lehetőséget, az ígéretet,
03:14
of all of the sequencing of the human genome,
58
194279
3080
amely a humán genom megszekvenálásából fakad,
03:17
but it's going to allow us, in doing that,
59
197359
2504
de azt is lehetővé teszi, hogy
03:19
to actually do clinical trials in a dish with human cells,
60
199863
5008
klinikai kísérleteket végezzünk Petri-csészében emberi sejtekkel,
03:24
not animal cells, to generate drugs and treatments
61
204871
4159
nem állati sejtekkel, lehetővé teszi, hogy olyan gyógyszereket és gyógykezeléseket állítsunk elő,
03:29
that are much more effective, much safer,
62
209030
3249
amelyek sokkal hatékonyabbak, sokkal biztonságosabbak,
03:32
much faster, and at a much lower cost.
63
212279
3256
sokkal gyorsabbak és sokkal kevesebbe kerülnek.
03:35
So let me put that in perspective for you
64
215535
2384
Hadd mutassam meg nagyobb perspektívába helyezve,
03:37
and give you some context.
65
217919
1416
hadd mutassam meg összefüggéseiben.
03:39
This is an extremely new field.
66
219335
4832
Ez egy nagyon új terület.
03:44
In 1998, human embryonic stem cells
67
224167
2832
1998-ban azonosították először a humán embrionális őssejteket,
03:46
were first identified, and just nine years later,
68
226999
3512
és mindössze 9 évvel később
03:50
a group of scientists in Japan were able to take skin cells
69
230511
4305
egy tudóscsoport Japánban képes volt a bőrsejteket
03:54
and reprogram them with very powerful viruses
70
234816
3195
újraprogramozni nagyon erős vírusokkal,
03:58
to create a kind of pluripotent stem cell
71
238011
4242
és létrehozni egyfajta pluripotens őssejtet,
04:02
called an induced pluripotent stem cell,
72
242253
2090
amit indukált pluripotens őssejtnek neveznek,
04:04
or what we refer to as an IPS cell.
73
244343
3008
vagyis amit iPS sejtként emlegetünk.
04:07
This was really an extraordinary advance, because
74
247351
3198
Ez tényleg rendkívüli haladás volt, mivel,
04:10
although these cells are not human embryonic stem cells,
75
250549
2544
bár ezek a sejtek nem humán embrionális őssejtek,
04:13
which still remain the gold standard,
76
253093
1794
amelyek mindig is megmaradnak aranystandardnak,
04:14
they are terrific to use for modeling disease
77
254887
3470
nagyon jól használhatók a betegségek modellezésére
04:18
and potentially for drug discovery.
78
258357
2730
és esetleg gyógyszerfejlesztésre.
04:21
So a few months later, in 2008, one of our scientists
79
261087
3040
Néhány hónappal később, 2008-ban az egyik tudósunk
04:24
built on that research. He took skin biopsies,
80
264127
3200
erre a kísérletre épített. Bőr biopsziákat vett,
04:27
this time from people who had a disease,
81
267327
2028
ezúttal olyan emberekből, akik
04:29
ALS, or as you call it in the U.K., motor neuron disease.
82
269355
2914
ALS, vagy ahogy az Egyesült Királyságban hívják, motoneuron betegségben szenvedtek.
04:32
He turned them into the IPS cells
83
272269
1698
Átalakította őket iPS sejtekké,
04:33
that I've just told you about, and then he turned those
84
273967
2686
amikről az előbb beszéltem, majd ezeket az iPS sejteket
04:36
IPS cells into the motor neurons that actually
85
276653
2704
átalakította mozgató idegsejtekké, amelyek
04:39
were dying in the disease.
86
279357
1461
elpusztulnak a betegségben.
04:40
So basically what he did was to take a healthy cell
87
280818
3019
Tehát alapvetően azt csinálta, hogy vett egy egészséges sejtet,
04:43
and turn it into a sick cell,
88
283837
1714
és átalakította beteg sejtté,
04:45
and he recapitulated the disease over and over again
89
285551
3558
és újra meg újra megismételte a betegséget
04:49
in the dish, and this was extraordinary,
90
289109
3360
a Petri-csészében, és ez rendkívüli volt, mivel
04:52
because it was the first time that we had a model
91
292469
2248
ez volt az első eset, hogy élő páciensből származó
04:54
of a disease from a living patient in living human cells.
92
294717
4188
élő emberi sejtekben volt modellünk egy betegségről.
04:58
And as he watched the disease unfold, he was able
93
298905
3120
És ahogy figyelte a betegség kibontakozását, felfedezte,
05:02
to discover that actually the motor neurons were dying
94
302025
3011
hogy a mozgató idegsejtek másképp
05:05
in the disease in a different way than the field
95
305036
2127
pusztulnak el,
05:07
had previously thought. There was another kind of cell
96
307163
2494
mint ahogy korábban gondolták. Volt egy másik fajta sejt,
05:09
that actually was sending out a toxin
97
309657
2201
amely mérget küldött ki,
05:11
and contributing to the death of these motor neurons,
98
311858
2511
és ezzel hozzájárult ezeknek a mozgató idegsejteknek a pusztulásához,
05:14
and you simply couldn't see it
99
314369
1358
és ezt egyszerűen nem lehetett látni,
05:15
until you had the human model.
100
315727
1790
amíg nem volt meg az emberi modellünk.
05:17
So you could really say that
101
317517
2667
Tehát tényleg azt mondhatjuk, hogy
05:20
researchers trying to understand the cause of disease
102
320184
3906
azok a kutatók, akik megpróbálták megérteni a betegség okát
05:24
without being able to have human stem cell models
103
324090
4152
anélkül, hogy lett volna emberi őssejtmodelljük,
05:28
were much like investigators trying to figure out
104
328242
2760
nagyon hasonlítottak azokhoz a nyomozókhoz, akik megpróbálták kitalálni,
05:31
what had gone terribly wrong in a plane crash
105
331002
3241
mi romlott el szörnyen egy repülőgép-szerencsétlenségben,
05:34
without having a black box, or a flight recorder.
106
334243
3997
anélkül, hogy lett volna fekete dobozuk vagy fedélzeti adatrögzítőjük.
05:38
They could hypothesize about what had gone wrong,
107
338240
2602
Hipotéziseket alkothattak arról, hogy mi romlott el,
05:40
but they really had no way of knowing what led
108
340842
3112
de valójában nem volt módjuk megtudni,
05:43
to the terrible events.
109
343954
2172
mi vezetett a szörnyű eseményekhez.
05:46
And stem cells really have given us the black box
110
346126
4183
Az őssejtek tényleg megadták nekünk a betegségek
05:50
for diseases, and it's an unprecedented window.
111
350309
3968
fekete dobozát, és ez egy példátlan ablak.
05:54
It really is extraordinary, because you can recapitulate
112
354277
3245
Ez valóban rendkívüli, mivel sok-sok betegséget
05:57
many, many diseases in a dish, you can see
113
357522
3247
megismételhetünk a Petri-csészében, és jóval azelőtt láthatjuk,
06:00
what begins to go wrong in the cellular conversation
114
360769
3536
mi kezd elromlani a sejtek közti kommunikációban,
06:04
well before you would ever see
115
364305
2424
mielőtt egyáltalán észrevennénk
06:06
symptoms appear in a patient.
116
366729
2536
a tünetek megjelenését a betegben.
06:09
And this opens up the ability,
117
369265
2523
És ez megnyitja a lehetőséget arra,
06:11
which hopefully will become something that
118
371788
2814
amely remélhetőleg a közeljövőben
06:14
is routine in the near term,
119
374602
2647
mindennapossá fog válni,
06:17
of using human cells to test for drugs.
120
377249
4146
hogy emberi sejteket használjunk a gyógyszerek tesztelésére.
06:21
Right now, the way we test for drugs is pretty problematic.
121
381395
5464
Jelenleg az a mód, ahogy a gyógyszereket tesztelik, eléggé problematikus.
06:26
To bring a successful drug to market, it takes, on average,
122
386859
3318
Egy sikeres gyógyszernek a piacra kerülése átlagosan
06:30
13 years — that's one drug —
123
390177
2186
13 év - ez egyetlen gyógyszer -
06:32
with a sunk cost of 4 billion dollars,
124
392363
3388
4 milliárd dolláros költséggel,
06:35
and only one percent of the drugs that start down that road
125
395751
4867
és azoknak a gyógyszereknek, amelyek elindulnak ezen az úton,
06:40
are actually going to get there.
126
400618
2248
mindössze egy százaléka jut el idáig.
06:42
You can't imagine other businesses
127
402866
2125
Az ember el sem tudja képzelni,
06:44
that you would think of going into
128
404991
1449
hogy lenne még egy olyan vállalkozás,
06:46
that have these kind of numbers.
129
406440
1755
ami ilyen számokat ér el.
06:48
It's a terrible business model.
130
408195
1802
Ez egy szörnyű üzleti modell.
06:49
But it is really a worse social model because of
131
409997
3989
De valójában még rosszabb társadalmi modell amiatt,
06:53
what's involved and the cost to all of us.
132
413986
3328
amit tartalmaz, és amennyibe mindannyiunknak kerül.
06:57
So the way we develop drugs now
133
417314
3752
Tehát a módszer, ahogy ma a gyógyszereket fejlesztjük,
07:01
is by testing promising compounds on --
134
421066
3200
az, hogy teszteljük az ígéretes komponenseket --
07:04
We didn't have disease modeling with human cells,
135
424266
1880
Nem volt emberi sejtes betegségmodellünk,
07:06
so we'd been testing them on cells of mice
136
426146
3464
ezért egerek, vagy más állatok sejtjein teszteljük őket,
07:09
or other creatures or cells that we engineer,
137
429610
3667
vagy olyan sejteken, amiket mi szerkesztettünk meg,
07:13
but they don't have the characteristics of the diseases
138
433277
3061
de azokban nincsenek meg a betegségek jellemzői,
07:16
that we're actually trying to cure.
139
436338
2336
amiket valójában próbálunk meggyógyítani.
07:18
You know, we're not mice, and you can't go into
140
438674
3046
Tudják, mi nem egerek vagyunk, és az ember nem mehet bele
07:21
a living person with an illness
141
441720
2418
egy élő beteg személybe és húzhat ki belőle
07:24
and just pull out a few brain cells or cardiac cells
142
444138
2928
néhány agysejtet vagy szívsejtet,
07:27
and then start fooling around in a lab to test
143
447066
2289
és kezdhet el kószálni a laborban,
07:29
for, you know, a promising drug.
144
449355
3561
ígéretes gyógyszert keresve.
07:32
But what you can do with human stem cells, now,
145
452916
3585
De most a humán őssejtekkel meg lehet csinálni,
07:36
is actually create avatars, and you can create the cells,
146
456501
4337
hogy valójában avatárokat hozunk létre, és létre lehet hozni
07:40
whether it's the live motor neurons
147
460838
1967
a sejteket, mindegy, hogy élő mozgató idegsejtek,
07:42
or the beating cardiac cells or liver cells
148
462805
3010
vagy a szív dobogó sejtjei vagy májsejtek
07:45
or other kinds of cells, and you can test for drugs,
149
465815
4109
vagy másfajta sejtek, és tesztelhetjük a gyógyszereket,
07:49
promising compounds, on the actual cells
150
469924
3125
az ígéretes összetevőket az aktuális sejteken,
07:53
that you're trying to affect, and this is now,
151
473049
3631
amelyekre megpróbálunk hatni, és ez most van,
07:56
and it's absolutely extraordinary,
152
476680
2814
és ez abszolút rendkívüli,
07:59
and you're going to know at the beginning,
153
479494
3156
és tudni fogjuk kezdettől fogva,
08:02
the very early stages of doing your assay development
154
482650
3744
a mérés kifejlesztésének nagyon korai stádiumától,
08:06
and your testing, you're not going to have to wait 13 years
155
486394
3389
és a teszteléstől, nem kell 13 évet várni,
08:09
until you've brought a drug to market, only to find out
156
489783
3319
amíg a gyógyszer piacra kerül, csak hogy kiderüljön,
08:13
that actually it doesn't work, or even worse, harms people.
157
493102
5056
hogy ez nem működik, vagy ami még rosszabb, árt az embereknek.
08:18
But it isn't really enough just to look at
158
498158
4340
De igazából nem elég csak ránézni a
08:22
the cells from a few people or a small group of people,
159
502498
3782
néhány emberből vagy egy embercsoportból származó sejtekre,
08:26
because we have to step back.
160
506280
1644
mert hátrébb kell lépnünk.
08:27
We've got to look at the big picture.
161
507924
1851
A nagy képet kell néznünk.
08:29
Look around this room. We are all different,
162
509775
3136
Nézzenek körül ebben a teremben. Mindannyian különbözők vagyunk,
08:32
and a disease that I might have,
163
512911
2740
és egy olyan betegség, ami esetleg nekem van,
08:35
if I had Alzheimer's disease or Parkinson's disease,
164
515651
2877
ha Alzheimer-kórom vagy Parkinson-kórom lenne,
08:38
it probably would affect me differently than if
165
518528
3766
valószínűleg másképp hatna rám, mintha
08:42
one of you had that disease,
166
522294
1641
valakinek Önök közül ilyen betegsége lenne,
08:43
and if we both had Parkinson's disease,
167
523935
4345
és ha mindkettőnknek Parkinson-kórja lenne,
08:48
and we took the same medication,
168
528280
2268
és ugyanazt a gyógyszert szednénk,
08:50
but we had different genetic makeup,
169
530548
2747
de más a genetikai összeállításunk,
08:53
we probably would have a different result,
170
533295
2285
valószínűleg más lenne az eredmény,
08:55
and it could well be that a drug that worked wonderfully
171
535580
3731
és meglehet, hogy az a gyógyszer, ami csodálatosan
08:59
for me was actually ineffective for you,
172
539311
3579
hatásos nálam, nem hatna Önre,
09:02
and similarly, it could be that a drug that is harmful for you
173
542890
4692
és hasonlóan, lehet, hogy az a gyógyszer, ami árt Önnek,
09:07
is safe for me, and, you know, this seems totally obvious,
174
547582
4302
biztonságos a számomra, és tudják, ez teljesen nyilvánvalónak látszik,
09:11
but unfortunately it is not the way
175
551884
2728
de sajnos, a gyógyszeripar
09:14
that the pharmaceutical industry has been developing drugs
176
554612
3186
nem így fejleszti a gyógyszereket,
09:17
because, until now, it hasn't had the tools.
177
557798
3986
mivel mostanáig nem voltak meg az eszközei.
09:21
And so we need to move away
178
561784
2292
El kell mozdulnunk
09:24
from this one-size-fits-all model.
179
564076
2954
ettől az egy-méret-mindenkinek-jó modelltől.
09:27
The way we've been developing drugs is essentially
180
567030
3177
Az, ahogyan mi fejlesztjük a gyógyszereket,
09:30
like going into a shoe store,
181
570207
1379
alapvetően olyan, mintha az ember bemenne a cipőboltba,
09:31
no one asks you what size you are, or
182
571586
2283
és senki sem kérdezné meg, mi a mérete vagy hogy
09:33
if you're going dancing or hiking.
183
573869
2210
táncolni megy-e vagy túrázni.
09:36
They just say, "Well, you have feet, here are your shoes."
184
576079
2808
Csak azt mondanák: "Nos, Önnek van lába, tessék a cipő."
09:38
It doesn't work with shoes, and our bodies are
185
578887
3600
Ez nem működik a cipőkkel, a testünk pedig
09:42
many times more complicated than just our feet.
186
582487
3472
sokkal bonyolultabb, mint a lábunk.
09:45
So we really have to change this.
187
585959
2541
Tehát tényleg változtatnunk kell ezen.
09:48
There was a very sad example of this in the last decade.
188
588500
5184
Az elmúlt évtizedben volt erre egy nagyon szomorú példa.
09:53
There's a wonderful drug, and a class of drugs actually,
189
593684
2648
Van egy csodálatos gyógyszer, és tulajdonképpen egy gyógyszercsoport,
09:56
but the particular drug was Vioxx, and
190
596332
2680
de az a bizonyos gyógyszer a Vioxx volt,
09:59
for people who were suffering from severe arthritis pain,
191
599012
4376
és azoknak az embereknek, akik komoly artritiszes fájdalmaktól szenvedtek,
10:03
the drug was an absolute lifesaver,
192
603388
3392
ez a gyógyszer abszolút életmentő volt,
10:06
but unfortunately, for another subset of those people,
193
606780
5080
de sajnos, az emberek egy része számára
10:11
they suffered pretty severe heart side effects,
194
611860
4769
nagyon súlyos kardiológiai mellékhatásokat okozott,
10:16
and for a subset of those people, the side effects were
195
616629
2728
és az emberek egy részénél ezek a mellékhatások,
10:19
so severe, the cardiac side effects, that they were fatal.
196
619357
3897
a kardiológiai mellékhatások olyan súlyosak voltak, hogy belehaltak.
10:23
But imagine a different scenario,
197
623254
4042
De képzeljenek el egy más forgatókönyvet,
10:27
where we could have had an array, a genetically diverse array,
198
627296
4302
ahol lett volna egy tömbünk, egy genetikailag változatos tömbünk
10:31
of cardiac cells, and we could have actually tested
199
631598
3626
a szívsejtekből, és le tudtuk volna tesztelni a gyógyszert,
10:35
that drug, Vioxx, in petri dishes, and figured out,
200
635224
5081
a Vioxx-ot Petri-csészékben, és kideríthettük volna,
10:40
well, okay, people with this genetic type are going to have
201
640305
3744
hogy az ilyen genetikai típusú embereknél
10:44
cardiac side effects, people with these genetic subgroups
202
644049
5000
kardiológiai mellékhatásai lesznek, az emilyen genetikai alcsoportnak
10:49
or genetic shoes sizes, about 25,000 of them,
203
649049
5144
vagy genetikai cipőméretnek, körülbelül 25 ezer embernek
10:54
are not going to have any problems.
204
654193
2760
semmi baja nem lesz.
10:56
The people for whom it was a lifesaver
205
656953
2615
Azok az emberek, akik számára életmentő volt,
10:59
could have still taken their medicine.
206
659568
1677
még mindig szedhetnék a gyógyszert.
11:01
The people for whom it was a disaster, or fatal,
207
661245
4386
Azoknak, akik számára csapás volt, vagy halálos,
11:05
would never have been given it, and
208
665631
2091
sosem adták volna, és
11:07
you can imagine a very different outcome for the company,
209
667722
2583
el lehet képzelni egy teljesen más eredményt a cég számára,
11:10
who had to withdraw the drug.
210
670305
2768
amelynek vissza kellett vonnia a gyógyszert.
11:13
So that is terrific,
211
673073
2816
Szóval ez szörnyű,
11:15
and we thought, all right,
212
675889
1834
és mi úgy gondoltuk, rendben van,
11:17
as we're trying to solve this problem,
213
677723
2759
ahogy próbáltuk megoldani a problémát,
11:20
clearly we have to think about genetics,
214
680482
2197
nyilvánvalóan a genetikára kell gondolnunk,
11:22
we have to think about human testing,
215
682679
2834
az emberi tesztelésre kell gondolnunk,
11:25
but there's a fundamental problem,
216
685513
1579
de van egy alapvető probléma,
11:27
because right now, stem cell lines,
217
687092
2699
mivel most az őssejtvonalakat,
11:29
as extraordinary as they are,
218
689791
1710
amilyen rendkívüliek,
11:31
and lines are just groups of cells,
219
691501
1744
és a vonalak csupán sejtcsoportok,
11:33
they are made by hand, one at a time,
220
693245
4332
ezeket kézzel készítik, egyszerre egyet,
11:37
and it takes a couple of months.
221
697577
2224
és ez eltart pár hónapig.
11:39
This is not scalable, and also when you do things by hand,
222
699801
4366
Ez nem méretezhető, és ráadásul amikor ezt az ember kézzel csinálja,
11:44
even in the best laboratories,
223
704167
1543
még a legjobb laborokban is
11:45
you have variations in techniques,
224
705710
3161
különböző technikák vannak,
11:48
and you need to know, if you're making a drug,
225
708871
3181
és tudnunk kell, hogy ha gyógyszert készítünk,
11:52
that the Aspirin you're going to take out of the bottle
226
712052
1898
az az aszpirin, amit kiveszünk az üvegből
11:53
on Monday is the same as the Aspirin
227
713950
2440
hétfőn, ugyanaz az aszpirin, mint amit
11:56
that's going to come out of the bottle on Wednesday.
228
716390
2081
szerdán fogunk kivenni.
11:58
So we looked at this, and we thought, okay,
229
718471
3791
Tehát megnéztük ezt, és úgy gondoltuk, oké,
12:02
artisanal is wonderful in, you know, your clothing
230
722262
3152
a kézművesség nagyszerű ha ruházatról,
12:05
and your bread and crafts, but
231
725414
2944
kenyérről és a népművészetről van szó,
12:08
artisanal really isn't going to work in stem cells,
232
728358
2983
de nem fog igazán működni az őssejtekkel,
12:11
so we have to deal with this.
233
731341
2390
szóval foglalkoznunk kell vele.
12:13
But even with that, there still was another big hurdle,
234
733731
3920
De még így is volt egy nagy akadály,
12:17
and that actually brings us back to
235
737651
3564
és ezzel visszatérünk
12:21
the mapping of the human genome, because
236
741215
2384
a humán genom térképezéséhez, mert
12:23
we're all different.
237
743599
2711
mindannyian különbözőek vagyunk.
12:26
We know from the sequencing of the human genome
238
746310
2832
A humán genom megszevenálásából tudjuk, hogy
12:29
that it's shown us all of the A's, C's, G's and T's
239
749142
2557
megmutatta nekünk az összes A-t, C-t, G-t és T-t,
12:31
that make up our genetic code,
240
751699
2468
amiből a genetikai kódunk áll,
12:34
but that code, by itself, our DNA,
241
754167
4269
de a kód önmagában, a DNS-ünk
12:38
is like looking at the ones and zeroes of the computer code
242
758436
4599
olyan, mintha egy számítógépes kód egyeseit és nulláit néznénk,
12:43
without having a computer that can read it.
243
763035
2825
anélkül, hogy lenne egy számítógépünk, amely el tudja olvasni.
12:45
It's like having an app without having a smartphone.
244
765860
3288
Olyan, mintha lenne egy appünk okostelefon nélkül.
12:49
We needed to have a way of bringing the biology
245
769148
3884
Kellett egy módszer, amivel behozzuk a biológiát
12:53
to that incredible data,
246
773032
2209
ezekbe a hihetetlen adatokba,
12:55
and the way to do that was to find
247
775241
3115
és a módszernek, ahhoz, hogy ezt megtegyük,
12:58
a stand-in, a biological stand-in,
248
778356
2687
találnia kellett egy hasonmást, egy biológiai hasonmást,
13:01
that could contain all of the genetic information,
249
781043
4025
amely tartalmazza az összes genetikai információt,
13:05
but have it be arrayed in such a way
250
785068
2528
de olyan módon van elrendezve,
13:07
as it could be read together
251
787596
2864
hogy össze lehessen olvasni,
13:10
and actually create this incredible avatar.
252
790460
3256
és tulajdonképpen létrehozni ezt a hihetetlen avatárt.
13:13
We need to have stem cells from all the genetic sub-types
253
793716
3704
Az összes genetikai altípusból szükségünk volt őssejtekre,
13:17
that represent who we are.
254
797420
2952
amelyek reprezentálják, hogy kik is vagyunk.
13:20
So this is what we've built.
255
800372
2760
Szóval ezt építettük.
13:23
It's an automated robotic technology.
256
803132
3320
Ez egy automatizált robottechnológia.
13:26
It has the capacity to produce thousands and thousands
257
806452
2608
Megvan a kapacitása ahhoz, hogy több ezer
13:29
of stem cell lines. It's genetically arrayed.
258
809060
4239
őssejtvonalat hozzon létre. Ez genetikailag rendezett.
13:33
It has massively parallel processing capability,
259
813299
3749
Megbízható párhuzamos feldolgozó képességgel rendelkezik,
13:37
and it's going to change the way drugs are discovered,
260
817048
3320
és meg fogja változtatni azt, ahogyan a gyógyszereket felfedezik,
13:40
we hope, and I think eventually what's going to happen
261
820368
3835
reméljük, és azt hiszem, végül is az fog történni,
13:44
is that we're going to want to re-screen drugs,
262
824203
2199
hogy újra akarjuk majd szűrni a gyógyszereket
13:46
on arrays like this, that already exist,
263
826402
2491
ilyen mérésekkel, azokat, amik már léteznek,
13:48
all of the drugs that currently exist,
264
828893
1871
az összes gyógyszert, ami jelenleg létezik,
13:50
and in the future, you're going to be taking drugs
265
830764
2911
és a jövőben az ember olyan gyógyszereket és
13:53
and treatments that have been tested for side effects
266
833675
2872
kezeléseket kap, amelyeket a mellékhatásokat illetően
13:56
on all of the relevant cells,
267
836547
2303
leteszteltek minden releváns sejten,
13:58
on brain cells and heart cells and liver cells.
268
838850
3153
agysejteken és szívsejteken és májsejteken.
14:02
It really has brought us to the threshold
269
842003
3329
Ez tényleg a személyre szabott orvoslás
14:05
of personalized medicine.
270
845332
2214
küszöbére hozott el bennünket.
14:07
It's here now, and in our family,
271
847546
4441
Itt van, és a családunkban,
14:11
my son has type 1 diabetes,
272
851987
2938
a fiamnak 1-es típusú diabétesze van,
14:14
which is still an incurable disease,
273
854925
2648
amely még mindig gyógyíthatatlan betegség,
14:17
and I lost my parents to heart disease and cancer,
274
857573
3442
és a szüleimet szívbetegségben és rákban vesztettem el,
14:21
but I think that my story probably sounds familiar to you,
275
861015
3733
de azt hiszem, a történetem valószínűleg ismerősen cseng Önök számára,
14:24
because probably a version of it is your story.
276
864748
4230
mert valószínűleg az Önök történetének egy változata.
14:28
At some point in our lives, all of us,
277
868978
3944
Életünk egy bizonyos pontján mi mindannyian,
14:32
or people we care about, become patients,
278
872922
2736
vagy azok az emberek, akikkel törődünk, betegek lesznek,
14:35
and that's why I think that stem cell research
279
875658
2609
és ezért gondolom, hogy az őssejtkutatás
14:38
is incredibly important for all of us.
280
878267
3383
hihetetlenül fontos mindannyiunk számára.
14:41
Thank you. (Applause)
281
881650
3668
Köszönöm. (Taps)
14:45
(Applause)
282
885318
7108
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7