Craig Venter: A voyage of DNA, genes and the sea

55,088 views ・ 2007-05-02

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Edit Dr. Kósa Lektor: Krisztian Stancz
00:25
At the break, I was asked by several people
0
25000
2000
A szünetben többen megkérdezték,
00:27
about my comments about the aging debate.
1
27000
3000
mit szólok az öregedésről szóló vitához.
00:30
And this will be my only comment on it.
2
30000
2000
Ez lesz az egyetlen hozzászólásom a témához.
00:32
And that is, I understand
3
32000
2000
Mégpedig az, hogy úgy gondolom,
00:34
that optimists greatly outlive pessimists.
4
34000
2000
az optimisták jelentősen tovább élnek, mint a pesszimisták.
00:36
(Laughter)
5
36000
4000
(Nevetés)
00:41
What I'm going to tell you about in my 18 minutes is
6
41000
3000
A következő 18 percben arról fogok beszélni,
00:44
how we're about to switch from reading the genetic code
7
44000
4000
mennyire közel vagyunk ahhoz, hogy áttérjünk a genetikai kód olvasásáról
00:48
to the first stages of beginning
8
48000
2000
annak az első szakaszára,
00:50
to write the code ourselves.
9
50000
2000
hogy mi magunk írjuk a kódot.
00:53
It's only 10 years ago this month
10
53000
2000
Ebben a hónapban van tíz éve annak, hogy
00:55
when we published the first sequence
11
55000
2000
publikáltuk egy szabadon élő
00:57
of a free-living organism,
12
57000
2000
organizmus, a Haemophilus influenzae
00:59
that of haemophilus influenzae.
13
59000
2000
első szekvenciáját.
01:01
That took a genome project
14
61000
2000
Ez levitte a genomprojekt hosszát
01:03
from 13 years down to four months.
15
63000
3000
13 évről négy hónapra.
01:07
We can now do that same genome project
16
67000
2000
Most ugyanazt a genomprojektet
01:09
in the order of
17
69000
2000
nagyjából
01:11
two to eight hours.
18
71000
2000
kettő-nyolc óra alatt meg tudjuk csinálni.
01:13
So in the last decade, a large number of genomes have been added:
19
73000
3000
Így az elmúlt évtizedben számos új genomot kaptunk:
01:16
most human pathogens,
20
76000
3000
a többségük emberi kórokozó,
01:19
a couple of plants,
21
79000
2000
egy pár növény,
01:21
several insects and several mammals,
22
81000
3000
több rovar és emlős,
01:24
including the human genome.
23
84000
3000
többek között az emberi genom.
01:27
Genomics at this stage of the thinking
24
87000
3000
A genomika a gondolkodásnak ebben a szakaszában,
01:30
from a little over 10 years ago
25
90000
2000
egy kicsit több mint 10 évvel ezelőtt
01:32
was, by the end of this year, we might have
26
92000
2000
azt jósolta, hogy ennek az évnek a végére már esetleg
01:34
between three and five genomes sequenced;
27
94000
3000
három-öt megszekvenált genom lesz;
01:37
it's on the order of several hundred.
28
97000
3000
nagyjából több száz van.
01:40
We just got a grant from the Gordon and Betty Moore Foundation
29
100000
3000
Éppen most kaptunk egy támogatást a Gordon és Betty Moore Alapítványtól,
01:43
to sequence 130 genomes this year,
30
103000
3000
hogy megszekvenáljunk 130 genomot ebben az évben,
01:46
as a side project from environmental organisms.
31
106000
4000
mellékprojektként a környezetből származó szervezetekből.
01:50
So the rate of reading the genetic code has changed.
32
110000
3000
Tehát a genetikai kód leolvasásának sebessége megváltozott.
01:54
But as we look, what's out there,
33
114000
2000
De ha megnézzük, hogy mi van odakint,
01:56
we've barely scratched the surface
34
116000
2000
csupán a felületét karcoltuk meg
01:58
on what is available on this planet.
35
118000
4000
annak, ami rendelkezésre áll ezen a bolygón.
02:02
Most people don't realize it, because they're invisible,
36
122000
3000
A legtöbb ember nem veszi ezt észre, mert ezek láthatatlanok,
02:05
but microbes make up about a half of the Earth's biomass,
37
125000
4000
de a mikrobák a föld biomasszájának körülbelül a felét adják,
02:09
whereas all animals only make up about
38
129000
3000
míg az állatok csak körülbelül
02:12
one one-thousandth of all the biomass.
39
132000
2000
egy ezredét.
02:14
And maybe it's something that people in Oxford don't do very often,
40
134000
3000
Ez talán olyasvalami, amit az oxfordi emberek nem túl gyakran csinálnak,
02:17
but if you ever make it to the sea,
41
137000
2000
de ha valaha is kimennek a tengerre,
02:19
and you swallow a mouthful of seawater,
42
139000
3000
és lenyelnek egy korty tengervizet,
02:22
keep in mind that each milliliter
43
142000
2000
ne feledjék, hogy minden egyes milliliterben
02:24
has about a million bacteria
44
144000
2000
körülbelül egymillió baktérium van,
02:26
and on the order of 10 million viruses.
45
146000
3000
és nagyjából 10 millió vírus.
02:29
Less than 5,000 microbial species
46
149000
3000
Kevesebb, mint 5000 mikrobafajt
02:32
have been characterized as of two years ago,
47
152000
2000
írtak le két évvel ezelőttig,
02:34
and so we decided to do something about it.
48
154000
2000
ezért úgy döntöttünk, hogy teszünk valamit ez ügyben.
02:36
And we started the Sorcerer II Expedition,
49
156000
3000
Elindítottuk a Sorcerer-II expedíciót
02:39
where we were, as with great oceanographic expeditions,
50
159000
3000
amin, mint ahogy nagy oceanográfiai expedíciók,
02:42
trying to sample the ocean every 200 miles.
51
162000
3000
megpróbáltunk mintát venni az óceánból 300 kilométerenként.
02:47
We started in Bermuda for our test project,
52
167000
2000
Bermudán kezdtünk a tesztprojektünkkel,
02:49
then moved up to Halifax,
53
169000
2000
aztán tovább mentünk Halifaxba,
02:51
working down the U.S. East Coast,
54
171000
2000
le az USA keleti partján,
02:53
the Caribbean Sea, the Panama Canal,
55
173000
3000
a Karib-tengeren, a Panama-csatornán,
02:58
through to the Galapagos, then across the Pacific,
56
178000
2000
át a Galápagos-szigetekhez, majd keresztül a Csendes-óceánon,
03:00
and we're in the process now of working our way
57
180000
2000
és most kelünk át
03:02
across the Indian Ocean.
58
182000
2000
az Indiai-óceánon.
03:04
It's very tough duty; we're doing this on a sailing vessel,
59
184000
3000
Nagyon kemény munka ez; egy vitorlás hajón dolgozunk,
03:07
in part to help excite young people
60
187000
2000
részben azért, hogy lelkesítsük a fiatalokat,
03:09
about going into science.
61
189000
3000
hogy tudományos pályára lépjenek.
03:12
The experiments are incredibly simple.
62
192000
2000
A kísérletek hihetetlenül egyszerűek.
03:14
We just take seawater and we filter it,
63
194000
3000
Csak vesszük a tengervizet és megszűrjük,
03:17
and we collect different size organisms on different filters,
64
197000
4000
a különböző méretű szervezeteket különböző szűrőkön gyűjtjük össze,
03:21
and then take their DNA back to our lab in Rockville,
65
201000
3000
majd a DNS-üket visszavisszük a laborunkba Rockville-be,
03:24
where we can sequence a hundred million letters
66
204000
3000
ahol naponta százmillió betűnyi
03:27
of the genetic code every 24 hours.
67
207000
2000
genetikai kódot tudunk megszekvenálni.
03:29
And with doing this,
68
209000
2000
Ily módon
03:31
we've made some amazing discoveries.
69
211000
2000
néhány csodálatos felfedezést tettünk.
03:33
For example, it was thought that the visual pigments
70
213000
2000
Például, azt gondolták a látópigmentekről,
03:35
that are in our eyes -- there was only one or two organisms
71
215000
2000
amelyek a szemünkben vannak -- csak egy vagy két olyan szervezet
03:38
in the environment that had these same pigments.
72
218000
4000
van a környezetben, amelyeknek ugyanilyen pigmentjeik vannak.
03:42
It turns out, almost every species
73
222000
2000
Kiderült, hogy szinte minden faj
03:44
in the upper parts of the ocean
74
224000
2000
az óceán felső részében
03:46
in warm parts of the world
75
226000
2000
a világ meleg részein
03:48
have these same photoreceptors,
76
228000
2000
ugyanilyen fotoreceptorokkal rendelkezik,
03:50
and use sunlight as the source of their energy
77
230000
3000
és a napfényt használják energiaforrásként
03:53
and communication.
78
233000
2000
és kommunikációra.
03:55
From one site, from one barrel of seawater,
79
235000
3000
Egy helyről, egy hordó tengervízből
03:58
we discovered 1.3 million new genes
80
238000
3000
1,3 millió új gént fedeztünk fel,
04:01
and as many as 50,000 new species.
81
241000
4000
és nem kevesebb mint ötvenezer új fajt.
04:05
We've extended this to the air
82
245000
2000
Kiterjesztettük a kutatásokat a levegőre
04:07
now with a grant from the Sloan Foundation.
83
247000
3000
a Sloan Alapítvány támogatásával.
04:10
We're measuring how many viruses and bacteria
84
250000
2000
Megmérjük, hány vírust és baktériumot
04:12
all of us are breathing in and out every day,
85
252000
3000
lélegzünk be és ki minden nap,
04:15
particularly on airplanes
86
255000
2000
különösen a repülőgépeken
04:17
or closed auditoriums.
87
257000
2000
vagy zárt előadótermekben.
04:19
(Laughter)
88
259000
3000
(Nevetés)
04:22
We filter through some simple apparatuses;
89
262000
2000
Egyszerű készülékeken át szűrünk;
04:24
we collect on the order of a billion microbes from just a day
90
264000
3000
durván egymilliárd mikrobát gyűjtünk mindössze egy napi
04:27
filtering on top of a building in New York City.
91
267000
4000
szűrésből, New York City egyik épületének a tetején.
04:31
And we're in the process of sequencing all that
92
271000
2000
És most éppen ezek megszekvenálásának
04:33
at the present time.
93
273000
2000
a közepén tartunk.
04:35
Just on the data collection side,
94
275000
2000
Az adatgyűjtés oldaláról nézve,
04:37
just where we are through the Galapagos,
95
277000
3000
ahol éppen most vagyunk, túl a Galápagos-szigeteken,
04:40
we're finding that almost every 200 miles,
96
280000
2000
szinte minden 300 km-nél
04:42
we see tremendous diversity
97
282000
2000
óriási sokféleséget látunk
04:44
in the samples in the ocean.
98
284000
2000
az óceánból vett mintákban.
04:47
Some of these make logical sense,
99
287000
2000
Ezek közül néhánynak van logikus magyarázata,
04:49
in terms of different temperature gradients.
100
289000
3000
a különböző hőmérsékleti grádienseket tekintve.
04:52
So this is a satellite photograph
101
292000
2000
Ez egy műholdas fénykép,
04:54
based on temperatures -- red being warm,
102
294000
2000
amely a hőmérsékleten alapul -- a vörös meleg,
04:56
blue being cold --
103
296000
3000
a kék hideg --
04:59
and we found there's a tremendous difference between
104
299000
3000
és azt találtuk, hogy hatalmas különbség van
05:02
the warm water samples and the cold water samples,
105
302000
2000
a meleg vizű és a hideg vizű minták között,
05:04
in terms of abundant species.
106
304000
3000
a fajok bőségét illetően.
05:07
The other thing that surprised us quite a bit
107
307000
2000
A másik dolog, ami kicsit meglepett minket,
05:09
is these photoreceptors detect different wavelengths of light,
108
309000
4000
hogy ezek a fotoreceptorok a fény különböző hullámhosszait érzékelik,
05:13
and we can predict that based on their amino acid sequence.
109
313000
4000
és ezt meg tudjuk jósolni az aminosav-sorrendjük alapján.
05:17
And these vary tremendously from region to region.
110
317000
3000
Ezek régiónként borzasztóan változnak.
05:20
Maybe not surprisingly,
111
320000
2000
Talán nem meglepő, hogy
05:22
in the deep ocean, where it's mostly blue,
112
322000
2000
a mély óceánban, ahol főleg kékség van,
05:24
the photoreceptors tend to see blue light.
113
324000
4000
a fotoreceptorok hajlamosak a kék fényt látni.
05:28
When there's a lot of chlorophyll around,
114
328000
2000
Amikor sok klorofill van körülöttük,
05:30
they see a lot of green light.
115
330000
2000
sok zöld fényt látnak.
05:32
But they vary even more,
116
332000
2000
De még jobban változnak
05:34
possibly moving towards infrared and ultraviolet
117
334000
3000
talán az infravörös és az ultraibolya felé elmozdulva
05:37
in the extremes.
118
337000
2000
a szélsőséges környezetben.
05:40
Just to try and get an assessment
119
340000
2000
Csak hogy megpróbáljunk egy becslést adni arról,
05:42
of what our gene repertoire was,
120
342000
2000
hogy milyen volt a génrepertoárunk,
05:44
we assembled all the data --
121
344000
2000
összegyűjtöttük az összes adatot --
05:46
including all of ours thus far from the expedition,
122
346000
3000
beleértve a mi adatainkat is, így messze az expedíciótól,
05:49
which represents more than half of all the gene data on the planet --
123
349000
3000
melyek a bolygó génadatainak több mint a felét képviselik --
05:52
and it totaled around 29 million genes.
124
352000
4000
és ez összesen mintegy 29 millió gén.
05:56
And we tried to put these into gene families
125
356000
2000
Megpróbáltuk ezeket géncsaládokba sorolni,
05:58
to see what these discoveries are:
126
358000
2000
hogy lássuk, mik ezek a felfedezések:
06:00
Are we just discovering new members of known families,
127
360000
3000
Csupán ismert családok új tagjait találjuk meg,
06:03
or are we discovering new families?
128
363000
2000
vagy új családokat fedezünk fel?
06:05
And it turns out we have about 50,000
129
365000
2000
Kiderült, hogy körülbelül 50.000
06:07
major gene families,
130
367000
3000
fontosabb géncsaládunk van,
06:10
but every new sample we take in the environment
131
370000
3000
de minden új mintával, amit a környezetből veszünk,
06:13
adds in a linear fashion to these new families.
132
373000
3000
az új családok száma lineárisan emelkedik.
06:16
So we're at the earliest stages of discovery
133
376000
2000
Tehát a felfedezés legkorábbi szakaszában vagyunk
06:18
about basic genes,
134
378000
3000
az alapvető génekkel, komponensekkel
06:21
components and life on this planet.
135
381000
3000
és az élettel kapcsolatban ezen a bolygón.
06:25
When we look at the so-called evolutionary tree,
136
385000
3000
Amikor megnézzük az úgynevezett evolúciós fát,
06:28
we're up on the upper right-hand corner with the animals.
137
388000
4000
mi fent vagyunk a jobb felső sarokban az állatokkal együtt.
06:32
Of those roughly 29 million genes,
138
392000
4000
Abból a nagyjából 29 millió génből
06:36
we only have around 24,000
139
396000
2000
csak körülbelül 24 ezer van
06:38
in our genome.
140
398000
2000
a mi a genomunkban.
06:40
And if you take all animals together,
141
400000
2000
És ha az összes állatot összevetjük,
06:42
we probably share less than 30,000
142
402000
3000
valószínűleg kevesebb mint harmincezer génben osztozunk,
06:45
and probably maybe a dozen
143
405000
3000
és valószínűleg talán egy tucat
06:48
or more thousand different gene families.
144
408000
3000
vagy több ezer különböző géncsaládban.
06:52
I view that these genes are now
145
412000
2000
Úgy gondolom, hogy ezek a gének már
06:54
not only the design components of evolution.
146
414000
3000
nem csak az evolúció tervezői összetevői.
06:57
And we think in a gene-centric view --
147
417000
2000
Génközpontúan gondolkodunk --
06:59
maybe going back to Richard Dawkins' ideas --
148
419000
3000
talán visszatérve Richard Dawkins ötleteihez --
07:02
than in a genome-centric view,
149
422000
2000
nem genomközpontúan,
07:04
which are different constructs of these gene components.
150
424000
4000
melyek ezen génösszetevőknek a különböző konstrukciói.
07:09
Synthetic DNA, the ability to synthesize DNA,
151
429000
3000
A szintetikus DNS, a DNS szintetizálására való képesség
07:12
has changed at sort of the same pace
152
432000
2000
ugyanolyan mértékben változott meg,
07:14
that DNA sequencing has
153
434000
2000
mint a DNS-szekvenálás
07:16
over the last decade or two,
154
436000
2000
az elmúlt egy-két évtizedben,
07:18
and is getting very rapid and very cheap.
155
438000
3000
és nagyon gyorssá és nagyon olcsóvá válik.
07:21
Our first thought about synthetic genomics came
156
441000
2000
Az első gondolataink a szintetikus genomikáról akkor támadtak,
07:23
when we sequenced the second genome back in 1995,
157
443000
4000
amikor a második genomot szekvenáltuk 1995-ben,
07:27
and that from mycoplasma genitalium.
158
447000
2000
a Mycoplasma genitaliumból.
07:29
And we have really nice T-shirts that say,
159
449000
3000
Igazán szép pólóink vannak azzal a felirattal, hogy
07:32
you know, "I heart my genitalium."
160
452000
2000
"Szeretem a genitaliumomat."
07:34
This is actually just a microorganism.
161
454000
3000
Ez tulajdonképpen csak egy mikroorganizmus.
07:38
But it has roughly 500 genes.
162
458000
4000
De nagyjából 500 génje van.
07:42
Haemophilus had 1,800 genes.
163
462000
2000
A Haemophilusnak 1800 génje volt.
07:44
And we simply asked the question,
164
464000
2000
Egyszerűen feltettük a kérdést,
07:46
if one species needs 800, another 500,
165
466000
2000
ha egy fajnak 800-ra van szüksége, egy másiknak 500-ra,
07:48
is there a smaller set of genes
166
468000
2000
van-e a géneknek egy olyan kisebb csoportja, amely
07:50
that might comprise a minimal operating system?
167
470000
4000
esetleg egy minimális operációs rendszert tartalmaz?
07:54
So we started doing transposon mutagenesis.
168
474000
3000
Elkezdtünk, transzpozon mutagenezist csinálni.
07:57
Transposons are just small pieces of DNA
169
477000
3000
A transzpozonok a DNS olyan kis részei,
08:00
that randomly insert in the genetic code.
170
480000
2000
amelyek véletlenszerűen beszúródnak a genetikai kódba.
08:02
And if they insert in the middle of the gene, they disrupt its function.
171
482000
3000
Ha egy gén közepére épülnek be, megzavarják a működését.
08:06
So we made a map of all the genes
172
486000
2000
Készítettünk egy térképet az összes olyan génről,
08:08
that could take transposon insertions
173
488000
2000
amely elviselheti a transzpozon beszúrásokat,
08:10
and we called those "non-essential genes."
174
490000
2000
és ezeket "nem esszenciális gének”-nek neveztük el.
08:13
But it turns out the environment is very critical for this,
175
493000
3000
De kiderült, hogy a környezet nagyon kritikus ebből a szempontból,
08:16
and you can only
176
496000
2000
és csak arra alapozva lehet
08:18
define an essential or non-essential gene
177
498000
3000
egy gént esszenciálisnak vagy nem esszenciálisnak definiálni,
08:21
based on exactly what's in the environment.
178
501000
3000
hogy pontosan mi van a környezetben.
08:25
We also tried to take a more directly intellectual approach
179
505000
2000
Megpróbálkoztunk egy közvetlenebb szellemi megközelítéssel is,
08:27
with the genomes of 13 related organisms,
180
507000
5000
13 rokon szervezet genomjával,
08:32
and we tried to compare all of those, to see what they had in common.
181
512000
3000
megpróbáltuk összehasonlítani őket, hogy lássuk, mi bennük a közös.
08:36
And we got these overlapping circles. And we found only 173 genes
182
516000
4000
Ezeket az egymást átfedő köröket kaptuk. Azt találtuk, hogy csak 173 gén
08:40
common to all 13 organisms.
183
520000
3000
közös a 13 szervezetben.
08:43
The pool expanded a little bit if we ignored
184
523000
2000
A készlet egy kicsit kibővült, ha figyelmen kívül hagytunk
08:45
one intracellular parasite;
185
525000
2000
egy sejten belüli parazitát;
08:47
it expanded even more
186
527000
2000
még jobban kibővült,
08:49
when we looked at core sets of genes
187
529000
2000
amikor a körülbelül 310 gén alapvető
08:51
of around 310 or so.
188
531000
2000
csoportjait vizsgáltuk.
08:53
So we think that we can expand
189
533000
2000
Úgy gondoljuk, hogy ki lehet bővíteni
08:55
or contract genomes, depending on your point of view here,
190
535000
3000
vagy le lehet rövidíteni a genomokat, nézőponttól függően,
08:58
to maybe 300 to 400 genes
191
538000
3000
talán 300-400 génre
09:01
from the minimal of 500.
192
541000
2000
a minimális ötszázból.
09:03
The only way to prove these ideas
193
543000
3000
Az egyetlen mód ezen elképzelések bizonyítására
09:06
was to construct an artificial chromosome with those genes in them,
194
546000
3000
az volt, hogy előállítunk egy mesterséges kromoszómát azokkal a génekkel,
09:09
and we had to do this in a cassette-based fashion.
195
549000
3000
és ezt egy kazetta alapú vonalon kellett megcsinálnunk.
09:12
We found that synthesizing accurate DNA
196
552000
2000
Úgy találtuk, hogy a pontos DNS szintetizálása
09:14
in large pieces was extremely difficult.
197
554000
3000
nagy darabokban rendkívül nehéz.
09:17
Ham Smith and Clyde Hutchison, my colleagues on this,
198
557000
3000
Ham Smith és Clyde Hutchison kollégáim
09:20
developed an exciting new method
199
560000
2000
egy izgalmas új módszert fejlesztettek ki,
09:22
that allowed us to synthesize a 5,000-base pair virus
200
562000
3000
amely lehetővé tette, hogy egy ötezer bázispárú vírust szintetizáljunk
09:25
in only a two-week period
201
565000
2000
mindössze egy kéthetes időszakban.
09:27
that was 100 percent accurate,
202
567000
3000
Ez 100 százalékban pontos volt,
09:30
in terms of its sequence and its biology.
203
570000
2000
a szekvenciája és a biológiája tekintetében is.
09:33
It was a quite exciting experiment -- when we just took the synthetic piece of DNA,
204
573000
4000
Ez egy elég izgalmas kísérlet volt -- amikor vettük a szintetikus DNS darabot,
09:37
injected it in the bacteria and all of a sudden,
205
577000
2000
befecskendeztük a baktériumokba és hirtelen
09:39
that DNA started driving the production of the virus particles
206
579000
5000
az a DNS elkezdte irányítani a vírus részecskék termelését,
09:44
that turned around and then killed the bacteria.
207
584000
3000
amelyek megfordultak, és aztán megölték a baktériumokat.
09:47
This was not the first synthetic virus --
208
587000
2000
Nem ez volt az első szintetikus vírus --
09:49
a polio virus had been made a year before --
209
589000
3000
a gyermekbénulás vírusát már egy évvel azelőtt megcsinálták --
09:53
but it was only one ten-thousandth as active
210
593000
2000
de csak tízezrednyire volt aktív,
09:55
and it took three years to do.
211
595000
3000
és három évbe telt megcsinálni.
09:58
This is a cartoon of the structure of phi X 174.
212
598000
4000
Ez a phi X 174 szerkezetének a vázlata.
10:02
This is a case where the software now builds its own hardware,
213
602000
4000
Ez egy olyan eset, ahol a szoftver építi a saját hardverét,
10:06
and that's the notions that we have with biology.
214
606000
4000
és ezek azok az elképzelésink, amik a biológiával kapcsolatosak.
10:10
People immediately jump to concerns about biological warfare,
215
610000
4000
Az emberek azonnal elkezdtek aggódni a biológiai hadviselés miatt,
10:14
and I had recent testimony before a Senate committee,
216
614000
4000
és nemrégiben volt egy meghallgatásom egy szenátusi bizottság előtt,
10:18
and a special committee the U.S. government has set up
217
618000
2000
valamint egy különbizottság előtt, amit az amerikai kormány
10:20
to review this area.
218
620000
2000
állított fel, hogy felülvizsgálja ezt a területet.
10:22
And I think it's important to keep reality in mind,
219
622000
3000
Úgy gondolom, fontos, hogy szem előtt tartsuk a realitást
10:25
versus what happens with people's imaginations.
220
625000
4000
azzal szemben, ami az emberek képzeletében történik.
10:29
Basically, any virus that's been sequenced today --
221
629000
3000
Alapvetően bármelyik megszekvenált vírus
10:32
that genome can be made.
222
632000
2000
genomját meg lehet csinálni.
10:34
And people immediately freak out about things about Ebola or smallpox,
223
634000
4000
Az emberek azonnal kiborulnak a dolgok miatt, az Ebola vagy a himlő miatt,
10:38
but the DNA from this organism is not infective.
224
638000
4000
de az ebből a szervezetből származó DNS nem fertőző.
10:42
So even if somebody made the smallpox genome,
225
642000
3000
Így még ha valaki meg is csinálná a himlő genomot,
10:45
that DNA itself would not cause infections.
226
645000
3000
maga a DNS nem okozna fertőzést.
10:49
The real concern that security departments have
227
649000
3000
A biztonsági osztályok valós aggodalma
10:52
is designer viruses.
228
652000
2000
a megtervezett vírusokkal kapcsolatos.
10:54
And there's only two countries, the U.S. and the former Soviet Union,
229
654000
4000
Csak két ország van, az USA és a volt Szovjetunió,
10:58
that had major efforts
230
658000
2000
amely nagy erőfeszítéseket tett,
11:00
on trying to create biological warfare agents.
231
660000
3000
hogy biológiai hadviselési anyagokat próbáljon létrehozni.
11:03
If that research is truly discontinued,
232
663000
3000
Ha ezt a kutatást valóban megszüntetnék,
11:06
there should be very little activity
233
666000
2000
nagyon kevés arra vonatkozó aktivitás lenne,
11:08
on the know-how to make designer viruses in the future.
234
668000
4000
hogy a jövőben tervezett vírusokat készítsenek.
11:12
I think single-cell organisms are possible within two years.
235
672000
4000
Úgy gondolom, az egysejtű szervezetek két éven belül lehetségessé válnak.
11:16
And possibly eukaryotic cells,
236
676000
3000
Az eukarióta sejtek pedig,
11:19
those that we have,
237
679000
2000
azok, amik bennünk is vannak,
11:21
are possible within a decade.
238
681000
2000
lehetségesek egy évtizeden belül.
11:24
So we're now making several dozen different constructs,
239
684000
4000
Most több tucat különböző konstrukciót készítünk,
11:28
because we can vary the cassettes and the genes
240
688000
3000
mert megváltoztathatjuk a kazettákat és a géneket,
11:31
that go into this artificial chromosome.
241
691000
2000
amelyek ebbe a mesterséges kromoszómába kerülnek.
11:33
The key is, how do you put all of the others?
242
693000
2000
A kulcs az, hogy hogyan tesszük bele az összes többit?
11:35
We start with these fragments,
243
695000
2000
Ezekkel a fragmentumokkal kezdjük,
11:37
and then we have a homologous recombination system
244
697000
3000
és akkor lesz egy homológ rekombinációs rendszerünk,
11:40
that reassembles those into a chromosome.
245
700000
4000
ami újra összegyűjti azokat egy kromoszómába.
11:44
This is derived from an organism, deinococcus radiodurans,
246
704000
3000
Ez egy Deinococcus radiodurans nevű szervezetből származik,
11:47
that can take three million rads of radiation and not be killed.
247
707000
5000
ami hárommillió rad sugárzást is el tud viselni és nem pusztul el.
11:53
It reassembles its genome after this radiation burst
248
713000
4000
Újra összeszereli a genomját ezután a sugárzásimpulzus után
11:57
in about 12 to 24 hours,
249
717000
2000
körülbelül 12-24 óra múlva,
11:59
after its chromosomes are literally blown apart.
250
719000
3000
miután a kromoszómái szó szerint szétrobbantak.
12:02
This organism is ubiquitous on the planet,
251
722000
2000
Ez a szervezet mindenütt előfordul a bolygón,
12:04
and exists perhaps now
252
724000
2000
és talán már az űrben is létezik,
12:06
in outer space due to all our travel there.
253
726000
3000
az oda tett utazásainknak köszönhetően.
12:10
This is a glass beaker after
254
730000
2000
Ez egy üveg mérőpohár körülbelül
12:12
about half a million rads of radiation.
255
732000
2000
félmillió rad sugárzás után.
12:14
The glass started to burn and crack,
256
734000
2000
Az üveg elkezdett égni, és megrepedni,
12:16
while the microbes sitting in the bottom
257
736000
2000
míg a mikrobák, amik az alján ültek
12:18
just got happier and happier.
258
738000
2000
egyre boldogabbak lettek.
12:20
Here's an actual picture of what happens:
259
740000
2000
Itt egy kép arról, hogy mi történik:
12:22
the top of this shows the genome
260
742000
2000
a tetején látható a genom
12:24
after 1.7 million rads of radiation.
261
744000
3000
1,7 millió rad sugárzás után.
12:27
The chromosome is literally blown apart.
262
747000
2000
A kromoszóma szó szerint szétrobbant.
12:29
And here's that same DNA automatically reassembled
263
749000
4000
És itt van ugyanaz a DNS, automatikusan összeszerelődve
12:33
24 hours later.
264
753000
2000
24 órával később.
12:35
It's truly stunning that these organisms can do that,
265
755000
3000
Igazán lenyűgöző, hogy ezek a szervezetek meg tudják ezt tenni,
12:38
and we probably have thousands,
266
758000
2000
és talán több ezer,
12:40
if not tens of thousands, of different species
267
760000
2000
ha nem több tízezer különböző faj van
12:42
on this planet that are capable of doing that.
268
762000
3000
ezen a bolygón, amely képes erre.
12:45
After these genomes are synthesized,
269
765000
2000
Miután ezeket a genomokat megszintetizáljuk,
12:47
the first step is just transplanting them
270
767000
2000
az első lépés beültetni őket
12:49
into a cell without a genome.
271
769000
4000
egy genom nélküli sejtbe.
12:53
So we think synthetic cells are going to have tremendous potential,
272
773000
4000
Úgy gondoljuk, a szintetikus sejtekben óriási lehetőség rejlik,
12:57
not only for understanding the basis of biology
273
777000
3000
nemcsak a biológia alapjának megértéséhez,
13:00
but for hopefully environmental and society issues.
274
780000
3000
hanem remélhetőleg környezetvédelmi és társadalmi kérdésekben is.
13:03
For example, from the third organism we sequenced,
275
783000
3000
Például a harmadik szervezet, amit megszekvenáltunk,
13:06
Methanococcus jannaschii -- it lives in boiling water temperatures;
276
786000
4000
a Methanococcus jannaschii -- ez a forrásban lévő víz hőmérsékletén él;
13:10
its energy source is hydrogen
277
790000
2000
az energiaforrása a hidrogén,
13:12
and all its carbon comes from CO2 it captures back from the environment.
278
792000
5000
és az összes benne lévő szén abból a szén-dioxidból származik, amit a környezetből köt meg.
13:17
So we know lots of different pathways,
279
797000
2000
Már rengeteg különböző útvonalat ismerünk,
13:19
thousands of different organisms now
280
799000
3000
több ezer különböző szervezetet,
13:22
that live off of CO2,
281
802000
2000
amelyek szén-dioxidon élnek,
13:24
and can capture that back.
282
804000
2000
azt képesek megkötni és visszaadni.
13:26
So instead of using carbon from oil
283
806000
3000
Így ahelyett, hogy olajból származó szenet
13:29
for synthetic processes,
284
809000
2000
használnánk a szintetikus folyamatokhoz,
13:31
we have the chance of using carbon
285
811000
3000
esélyünk van arra, hogy szenet használjunk,
13:34
and capturing it back from the atmosphere,
286
814000
3000
és ezt a légkörből kössük meg,
13:37
converting that into biopolymers
287
817000
2000
és átalakítsuk biopolimerekké
13:39
or other products.
288
819000
2000
vagy egyéb termékekké.
13:41
We have one organism that lives off of carbon monoxide,
289
821000
3000
Van egy olyan szervezetünk, amely szén-monoxidon él,
13:44
and we use as a reducing power
290
824000
2000
és redukáló energiaként használjuk arra,
13:46
to split water to produce hydrogen and oxygen.
291
826000
4000
hogy a vizet hidrogénre és oxigénre bontsuk.
13:50
Also, there's numerous pathways
292
830000
2000
Számos olyan útvonal is van,
13:52
that can be engineered metabolizing methane.
293
832000
4000
amelyet metán anyagcserével történő átalakítására lehet tervezni.
13:56
And DuPont has a major program with Statoil in Norway
294
836000
4000
A DuPont-nak a norvégiai Statoillal együtt van egy nagyobb programja,
14:00
to capture and convert the methane
295
840000
2000
hogy a gázmezőkből származó metánt
14:02
from the gas fields there into useful products.
296
842000
4000
megkössék, és átalakítsák hasznos termékekké.
14:06
Within a short while, I think there's going to be a new field
297
846000
2000
Rövid időn belül, azt hiszem, lesz egy új terület,
14:08
called "Combinatorial Genomics,"
298
848000
2000
amit úgy hívnak, hogy "kombinatorikus genomika",
14:10
because with these new synthesis capabilities,
299
850000
3000
mert ezekkel az új szintézis képességekkel,
14:13
these vast gene array repertoires
300
853000
3000
ezekkel a hatalmas géntömb-repertoárokkal
14:16
and the homologous recombination,
301
856000
2000
és a homológ rekombinációval
14:18
we think we can design a robot to make
302
858000
2000
úgy gondoljuk, hogy kifejleszthetünk egy robotot arra,
14:20
maybe a million different chromosomes a day.
303
860000
3000
hogy egy nap alatt esetleg egymillió különböző kromoszómát készítsen.
14:24
And therefore, as with all biology,
304
864000
2000
És ennélfogva, mint az egész biológiával,
14:26
you get selection through screening,
305
866000
3000
szűréssel válogatást kapunk,
14:29
whether you're screening for hydrogen production,
306
869000
2000
akár hidrogén termelésére szűrünk,
14:31
or chemical production, or just viability.
307
871000
3000
akár vegyipari termékre, vagy csak életképességre.
14:34
To understand the role of these genes
308
874000
2000
Az, hogy megértsük ezeknek a géneknek a szerepét,
14:36
is going to be well within reach.
309
876000
2000
rövidesen elérhető lesz.
14:38
We're trying to modify photosynthesis
310
878000
3000
Megpróbáljuk módosítani a fotoszintézist,
14:41
to produce hydrogen directly from sunlight.
311
881000
3000
hogy közvetlenül a napfényből állítsunk elő hidrogént.
14:44
Photosynthesis is modulated by oxygen,
312
884000
3000
A fotoszintézist az oxigén szabályozza,
14:47
and we have an oxygen-insensitive hydrogenase
313
887000
3000
és van egy oxigénre érzéketlen hidrogenázunk,
14:50
that we think will totally change this process.
314
890000
5000
ami szerintünk teljesen meg fogja változtatni ezt a folyamatot.
14:55
We're also combining cellulases,
315
895000
2000
Vegyítjük a cellulázokat,
14:57
the enzymes that break down complex sugars into simple sugars
316
897000
3000
azokat az enzimeket, amelyek az összetett cukrokat egyszerű cukrokká bontják,
15:00
and fermentation in the same cell
317
900000
3000
és az erjesztést ugyanabban a sejtben
15:03
for producing ethanol.
318
903000
2000
etil-alkohol előállítására.
15:06
Pharmaceutical production is already under way
319
906000
2000
A gyógyszerészeti termelés már folyamatban van
15:08
in major laboratories
320
908000
2000
a jelentős laboratóriumokban,
15:10
using microbes.
321
910000
2000
mikrobák használatával.
15:12
The chemistry from compounds in the environment
322
912000
3000
A környezetben lévő vegyületekből származó kémia
15:15
is orders of magnitude more complex
323
915000
2000
nagyságrendekkel összetettebb,
15:17
than our best chemists can produce.
324
917000
2000
mint amit a legjobb vegyészeink előállíthatnak.
15:20
I think future engineered species
325
920000
2000
Úgy gondolom, hogy a jövőbeli megtervezett fajok
15:22
could be the source of food,
326
922000
2000
élelmiszerforrások lehetnek,
15:24
hopefully a source of energy,
327
924000
2000
remélhetőleg energiaforrások,
15:26
environmental remediation
328
926000
3000
környezetvédelmi helyreállítás forrásai,
15:29
and perhaps
329
929000
2000
és talán
15:31
replacing the petrochemical industry.
330
931000
2000
helyettesíthetik a petrolkémiai ipart.
15:33
Let me just close with ethical and policy studies.
331
933000
3000
Hadd zárjam etikai és politikai tanulmányokkal.
15:37
We delayed the start of our experiments in 1999
332
937000
4000
1999-ben elhalasztottuk a kísérleteink megkezdését,
15:41
until we completed a year-and-a-half bioethical review
333
941000
3000
amíg be nem fejeztünk egy másfél éves bioetikai felülvizsgálatot
15:44
as to whether we should try and make an artificial species.
334
944000
4000
arról, hogy meg kellene-e próbálnunk egy mesterséges fajt létrehozni.
15:48
Every major religion participated in this.
335
948000
3000
Minden fő vallás részt vett ebben.
15:51
It was actually a very strange study,
336
951000
2000
Valójában egy nagyon furcsa tanulmány volt,
15:53
because the various religious leaders were using their scriptures as law books,
337
953000
5000
mivel a különböző vallási vezetők a szentírásaikat törvénykönyvként használták,
15:58
and they couldn't find anything in them prohibiting making life,
338
958000
3000
és semmit sem találtak bennük élet létrehozásának tilalmáról,
16:01
so it must be OK. The only ultimate concerns
339
961000
3000
tehát ennek rendben kell lennie. Az egyetlen végső aggodalom
16:04
were biological warfare aspects of this,
340
964000
3000
ennek a biológiai hadviseléssel kapcsolatos aspektusa volt,
16:08
but gave us the go ahead to start these experiments
341
968000
3000
de megadta nekünk az engedélyt a kísérletek elindításához
16:11
for the reasons we were doing them.
342
971000
2000
azon okok miatt, amiért végezzük őket.
16:13
Right now the Sloan Foundation has just funded
343
973000
2000
A Sloan Alapítvány épp most finanszírozott
16:15
a multi-institutional study on this,
344
975000
3000
egy több intézményes tanulmányt a témában,
16:18
to work out what the risk and benefits to society are,
345
978000
3000
hogy kidolgozzák, mik a társadalmi kockázatok és előnyök,
16:21
and the rules that scientific teams such as my own
346
981000
3000
és azokat a szabályokat, amiket a tudományos csoportoknak, mint amilyen az enyém is,
16:24
should be using in this area,
347
984000
2000
használniuk kell ezen a területen,
16:26
and we're trying to set good examples as we go forward.
348
986000
3000
és mi próbálunk jó példát mutatni, ahogy haladunk.
16:30
These are complex issues.
349
990000
2000
Ezek összetett problémák.
16:32
Except for the threat of bio-terrorism,
350
992000
2000
A bioterrorizmus kivételével
16:34
they're very simple issues in terms of,
351
994000
2000
nagyon egyszerű kérdések abból a szempontból,
16:36
can we design things to produce clean energy,
352
996000
4000
hogy megtervezhetünk-e dolgokat tiszta energia előállítására,
16:40
perhaps revolutionizing
353
1000000
2000
talán gyökeresen megváltoztatva
16:42
what developing countries can do
354
1002000
3000
azt, hogy mit tehetnek a fejlődő országok,
16:45
and provide through various simple processes.
355
1005000
3000
és mit nyújthatnak különböző egyszerű folyamatok révén.
16:48
Thank you very much.
356
1008000
2000
Nagyon köszönöm.
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