How data is helping us unravel the mysteries of the brain | Steve McCarroll

Fordító: Nora Suranyi Lektor: Ádám Kósa

Nine years ago,

Kilenc évvel ezelőtt

my sister discovered lumps in her neck and arm

a nővérem csomókat fedezett fel nyakán és karjában.

and was diagnosed with cancer.

A diagnózisból kiderült, hogy rákos.

From that day, she started to benefit

Attól a naptól kezdve hasznára vált az ismeret,

from the understanding that science has of cancer.

amit a tudomány tartott a rákról.

Every time she went to the doctor,

Minden alkalommal az orvos

they measured specific molecules

megmérte azon molekuláknak a számát,

that gave them information about how she was doing

melyek meghatározták az állapotát

and what to do next.

és a következő lépést.

New medical options became available every few years.

Új gyógyászati lehetőségek váltak elérhetővé évről évre.

Everyone recognized that she was struggling heroically

Mindenki látta, hogy hősiesen küzd

with a biological illness.

ezzel a biológiai betegséggel.

This spring, she received an innovative new medical treatment

Tavasszal egy klinikai kísérlet részeként lehetősége volt egy új és innovatív

in a clinical trial.

kezelés kipróbálására.

It dramatically knocked back her cancer.

A kezelésnek hála a tumor visszahúzódott.

Guess who I'm going to spend this Thanksgiving with?

Tippeljenek, kivel fogom tölteni a Hálaadást?

My vivacious sister,

Az életerős testvéremmel,

who gets more exercise than I do,

aki fizikailag aktívabb nálam,

and who, like perhaps many people in this room,

és aki - mint ahogy néhány ember itt ebben a teremben -

increasingly talks about a lethal illness

múlt időben beszél

in the past tense.

egy halálos betegségről.

Science can, in our lifetimes -- even in a decade --

A tudomány, a mi életünkben, akár tíz éven belül átalakíthatja,

transform what it means to have a specific illness.

mit is jelent egy bizonyos betegségben szenvedni.

But not for all illnesses.

De nem mindegyikre igaz ez.

My friend Robert and I were classmates in graduate school.

A barátommal, Roberttel osztálytársak voltunk középiskolába.

Robert was smart,

Robert intelligens volt,

but with each passing month,

de ahogy teltek a hónapok,

his thinking seemed to become more disorganized.

a gondolkodása egyre zavarodottabbá vált.

He dropped out of school, got a job in a store ...

Az iskolát otthagyta, és egy boltban kezdett el dolgozni.

But that, too, became too complicated.

De a munka is bonyolulttá vált.

Robert became fearful and withdrawn.

Robert félőssé és elszigetelté vált.

A year and a half later, he started hearing voices

Másfél évvel később hangokat kezdett hallani,

and believing that people were following him.

és azt képzelte, hogy követik őt.

Doctors diagnosed him with schizophrenia,

Skizofréniával diagnosztizálták,

and they gave him the best drug they could.

és a létező legjobb gyógyszert kapta,

That drug makes the voices somewhat quieter,

ami csendesítette a belső hangokat,

but it didn't restore his bright mind or his social connectedness.

de nem sikerült visszaállítani briliáns elméjét, és javítani társas kapcsolatain.

Robert struggled to remain connected

Robert próbált kapcsolatban maradni

to the worlds of school and work and friends.

az iskola világával, a munkával és barátaival,

He drifted away,

de az élete lassan kisiklott,

and today I don't know where to find him.

ma pedig azt sem tudom, hol keressem.

If he watches this,

Ha most néz,

I hope he'll find me.

remélem felkeres.

Why does medicine have so much to offer my sister,

Miért segített a gyógyszer testvéremnek,

and so much less to offer millions of people like Robert?

de miért nem több millió olyan embernek, mint Robert?

The need is there.

Van rá igény.

The World Health Organization estimates that brain illnesses

A WHO adatai szerint az agy betegségei,

like schizophrenia, bipolar disorder and major depression

mint pl. skizofrénia, bipoláris zavar vagy depresszió,

are the world's largest cause of lost years of life and work.

a legnagyobb mértékben rabolja el az éveket az embertől.

That's in part because these illnesses often strike early in life,

Ugyanis ezek gyakran korán jelentkeznek,

in many ways, in the prime of life,

sokszor a nagybetűs élet kezdetén,

just as people are finishing their educations, starting careers,

a tanulmányok befejezésével a karrierkezdés, a kapcsolatok

forming relationships and families.

és családalapítás idején.

These illnesses can result in suicide;

Ezek a betegségek öngyilkossággal is végződhetnek,

they often compromise one's ability to work at one's full potential;

és akadályozzák a beteget maximális teljesítményének elérésében;

and they're the cause of so many tragedies harder to measure:

emellett okozói megszámlálhatatlan számú tragédiának:

lost relationships and connections,

elveszett kapcsolatok és kötelékek,

missed opportunities to pursue dreams and ideas.

kihagyott lehetőségek az álmok elérésére.

These illnesses limit human possibilities

Ezek a fajta betegségek oly módon korlátoznak minket,

in ways we simply cannot measure.

hogy az mérhetetlen.

We live in an era in which there's profound medical progress

Egy mélyreható orvostudományi fejlődés korában élünk

on so many other fronts.

mindenféle fronton.

My sister's cancer story is a great example,

A testvérem betegségének története nagyszerű példa,

and we could say the same of heart disease.

és így van ez a szívmegbetegedéseknél is.

Drugs like statins will prevent millions of heart attacks and strokes.

Gyógyszerek, mint a statins, milliókat mentenek meg a szívrohamtól.

When you look at these areas of profound medical progress

Amikor ezt a mélyreható fejlődést nézzük az egészségügyben

in our lifetimes,

életünk során,

they have a narrative in common:

narratívájukban közös:

scientists discovered molecules that matter to an illness,

a tudósok a betegségre nézve fontos molekulákat fedeztek fel,

they developed ways to detect and measure those molecules in the body,

és kialakítottak módokat ezen molekulák felismerésére és mérésére,

and they developed ways to interfere with those molecules

valamint azok megállítására

using other molecules -- medicines.

más molekulákkal, azaz gyógyszerekkel.

It's a strategy that has worked again and again and again.

Ez egy stratégia, ami folyamatos sikerrel járt.

But when it comes to the brain, that strategy has been limited,

De az agy esetében az eszközeink korlátozottak,

because today, we don't know nearly enough, yet,

mert még nem tudunk eleget arról,

about how the brain works.

hogyan is működik az agy.

We need to learn which of our cells matter to each illness,

Fel kell ismernünk, mely sejtek játszanak szerepet az egyes betegségeknél,

and which molecules in those cells matter to each illness.

illetve mely molekulái vezetnek a betegség kialakulásához.

And that's the mission I want to tell you about today.

Ez az a küldetés, amiről szeretnék ma beszélni.

My lab develops technologies with which we try to turn the brain

A laboratóriumom technológiákat fejleszt, amivel az agyat megpróbáljuk

into a big-data problem.

adathalmazként kezelni.

You see, before I became a biologist, I worked in computers and math,

Informatikával és számtannal foglalkoztam biológusi pályám előtt,

and I learned this lesson:

és egyet megtanultam:

wherever you can collect vast amounts of the right kinds of data

Ha nagy mennyiségben tudunk használható adatot gyűjteni

about the functioning of a system,

egy adott rendszer működéséről,

you can use computers in powerful new ways

akkor a technológia számos hatékony lehetőséggel szolgál

to make sense of that system and learn how it works.

egy rendszer működésének és mibenlétének megismeréséhez.

Today, big-data approaches are transforming

Ma a nagy mennyiségű adathoz való viszonyulás

ever-larger sectors of our economy,

átalakítja szélesebb ágazatait a gazdaságnak,

and they could do the same in biology and medicine, too.

és ugyanez lehetséges a biológia és a gyógyászat területén.

But you have to have the right kinds of data.

Ehhez megfelelő adatok kellenek.

You have to have data about the right things.

Megfelelő adatok megfelelő dolgokról.

And that often requires new technologies and ideas.

Ez pedig gyakran igényel új technológiákat és gondolatokat.

And that is the mission that animates the scientists in my lab.

Ez az a küldetés, ami lelkesíti a kutatókat laboratóriumomban.

Today, I want to tell you two short stories from our work.

Most meg szeretnék osztani két rövid történetet önökkel.

One fundamental obstacle we face

Egyik alapvető akadály előttünk,

in trying to turn the brain into a big-data problem

hogy az agy adathalmazzá formálása során

is that our brains are composed of and built from billions of cells.

az agyunkban kialakult több milliárd sejttel kell számolnunk.

And our cells are not generalists; they're specialists.

Sejtjeink funkciója széles skálán mozog.

Like humans at work,

Mint az emberek a munkájukban,

they specialize into thousands of different cellular careers,

a sejtek is több ezer sejtfunkció vagy pozíció

or cell types.

betöltésére jelentkezhetnek.

In fact, each of the cell types in our body

Voltaképpen minden egyes sejttípus

could probably give a lively TED Talk

tarthatna egy TED-előadást

about what it does at work.

főbb feladatairól munkájában.

But as scientists, we don't even know today

De a kutatók még mai napig nem tudják,

how many cell types there are,

hányféle sejttípus létezik,

and we don't know what the titles of most of those talks would be.

és nem tudjuk azt sem, mi lenne a sejtek előadásainak a címe.

Now, we know many important things about cell types.

Sok lényeges információnk van a sejttípusokról.

They can differ dramatically in size and shape.

Méretben és formában is drasztikusan eltérnek.

One will respond to a molecule that the other doesn't respond to,

Az egyik reagál egy molekulára, amire a másik nem.

they'll make different molecules.

Különböző molekulákat tartalmaznak.

But science has largely been reaching these insights

Jórészt a tudomány eseti megoldásokat használ,

in an ad hoc way, one cell type at a time,

a sejtek és molekulák

one molecule at a time.

megismerésére.

We wanted to make it possible to learn all of this quickly and systematically.

Lehetővé akartuk tenni, hogy gyorsan és szisztematikusan tanulhassunk róluk.

Now, until recently, it was the case

Mostanáig az volt a rutin,

that if you wanted to inventory all of the molecules

hogy ha leltározni akarták az összes molekulát

in a part of the brain or any organ,

az agy vagy egyéb szerv egy részéből,

you had to first grind it up into a kind of cellular smoothie.

egy sejttel teli turmixot kellett készíteniük először.

But that's a problem.

A gond itt kezdődik.

As soon as you've ground up the cells,

A sejtek felőrlése után

you can only study the contents of the average cell --

azok csak általánosságban tanulmányozhatók,

not the individual cells.

nem pedig egyenként.

Imagine if you were trying to understand how a big city like New York works,

Mintha meg akarnák érteni a nagyvárosok, pl. New York működését,

but you could only do so by reviewing some statistics

de csak néhány statisztikai adathoz lenne

about the average resident of New York.

hozzáférésük az átlagos városlakóról.

Of course, you wouldn't learn very much,

Természetesen alig tanulnának belőle,

because everything that's interesting and important and exciting

mert ami érdekes, izgalmas és fontos,

is in all the diversity and the specializations.

az a sokszínűségben és az elkülönülésben rejlik.

And the same thing is true of our cells.

És a sejtekre is ugyanez igaz.

And we wanted to make it possible to study the brain not as a cellular smoothie

Lehetővé akartuk tenni, hogy az agyat ne sejtturmixként

but as a cellular fruit salad,

hanem gyümölcssalátaként tanulmányozzuk,

in which one could generate data about and learn from

amelyből több adat nyerhető ki, és többet megtudhatunk

each individual piece of fruit.

az egyes "gyümölcsökről".

So we developed a technology for doing that.

Így kifejlesztettünk egy technológiát.

You're about to see a movie of it.

Jön egy film erről most.

Here we're packaging tens of thousands of individual cells,

Itt csomagolunk több ezer egyedi sejtet,

each into its own tiny water droplet

mindegyiket megtartva saját környezetében,

for its own molecular analysis.

a saját molekuláris elemzésük érdekében.

When a cell lands in a droplet, it's greeted by a tiny bead,

Amikor egy sejtet egy cseppbe helyezünk egy apró vízgyöngy veszi körül,

and that bead delivers millions of DNA bar code molecules.

ami milliónyi DNS-molekulát szállít,

And each bead delivers a different bar code sequence

mindegyik más-más vonalkód sorrendiséggel

to a different cell.

sejtenként.

We incorporate the DNA bar codes

Egyesítjük a DNA-vonalkód rendszert

into each cell's RNA molecules.

minden egyes sejt ribonuksleinsav-molekulájával.

Those are the molecular transcripts it's making

Ez az adott génekből létrejövő molekuláris átirat,

of the specific genes that it's using to do its job.

amelyet a feladatok elvégzésére használ.

And then we sequence billions of these combined molecules

Aztán sorba rendezzük a milliárdnyi összekapcsolt molekulát,

and use the sequences to tell us

és a sorrendjük alapján meghatározzuk

which cell and which gene

az egyes sejtek, gének

every molecule came from.

és molekulák eredetét.

We call this approach "Drop-seq," because we use droplets

Ezt a módszert Drop-seq-nek nevezzük, mivel cseppmódszerrel választjuk

to separate the cells for analysis,

szét a sejteket tanulmányozásra,

and we use DNA sequences to tag and inventory

és DNS-bázissorrendet használunk az azonosításra

and keep track of everything.

és leltározásra.

And now, whenever we do an experiment,

Amikor kísérletet végzünk,

we analyze tens of thousands of individual cells.

több tízezer egyedi sejtet elemzünk.

And today in this area of science,

Ma a tudomány ezen területén

the challenge is increasingly how to learn as much as we can

a kihívás abban rejlik, hogyan tudunk megismerni valamit a lehető

as quickly as we can

legrövidebb idő alatt ebből

from these vast data sets.

a hatalmas adatállományból.

When we were developing Drop-seq, people used to tell us,

A Drop-seq fejlesztése során az emberek azt mondogatták,

"Oh, this is going to make you guys the go-to for every major brain project."

"mindenki hozzátok fog fordulni az agykutatás témájában".

That's not how we saw it.

De ezt mi nem így láttuk.

Science is best when everyone is generating lots of exciting data.

A tudomány akkor fejlődik, ha mindenki nagy mennyiségű adatot termel.

So we wrote a 25-page instruction book,

Így írtunk egy 25 oldalas használati útmutatót,

with which any scientist could build their own Drop-seq system from scratch.

aminek segítségével minden kutató képes a Drop-seq stratégia használatára.

And that instruction book has been downloaded from our lab website

Ezt az útmutatót közel 50 ezren töltötték le weboldalunkról

50,000 times in the past two years.

az elmúlt két évben.

We wrote software that any scientist could use

Olyan szoftvert írtunk, amit bármely kutató tud használni,

to analyze the data from Drop-seq experiments,

hogy a Drop-seq kisérletből származó adatokat elemezzen.

and that software is also free,

A szoftver pedig ingyenes,

and it's been downloaded from our website 30,000 times in the past two years.

és már közel 30 ezren töltötték le az utóbbi két évben a weboldalunkról.

And hundreds of labs have written us about discoveries that they've made

Már rengeteg laboratórium írt kutatási eredményeinkről,

using this approach.

amiket az eljárással értek el.

Today, this technology is being used to make a human cell atlas.

Ma ezt a technológiát a sejtek sokaságának feltérképezésére használják.

It will be an atlas of all of the cell types in the human body

Ez térképként mutatja az emberi test összes létező sejttípusát

and the specific genes that each cell type uses to do its job.

és a sejt által használt bizonyos géneket.

Now I want to tell you about a second challenge that we face

Mesélek most a második nehézségről, amivel szembe kell nézni

in trying to turn the brain into a big data problem.

az agy sejtjeinek adathalmazzá alakítása során.

And that challenge is that we'd like to learn from the brains

A nehézség pedig az, hogy több százezer

of hundreds of thousands of living people.

élő ember agyát tanulmányozzuk.

But our brains are not physically accessible while we're living.

De az agyunk fizikailag nem vizsgálható míg élünk.

But how can we discover molecular factors if we can't hold the molecules?

Hogy fedezünk fel molekuláris tényezőket, ha a molekulákat nem foghatjuk meg?

An answer comes from the fact that the most informative molecules, proteins,

A válasz abban rejlik, hogy a legtöbb adattal szolgáló molekulák, a fehérjék

are encoded in our DNA,

a DNS-ünkbe vannak kódolva,

which has the recipes our cells follow to make all of our proteins.

amely utasításokat ad a sejteknek termelésükre.

And these recipes vary from person to person to person

Ezek az utasítások pedig személyenként különböznek,

in ways that cause the proteins to vary from person to person

ami hozzájárul a fehérjék személyenkénti,

in their precise sequence

sorrendbeli eltérésükhöz is,

and in how much each cell type makes of each protein.

és ahhoz, hogy a sejttípusok milyen fehérjéket termelnek.

It's all encoded in our DNA, and it's all genetics,

Mindez a DNS-ünkbe van kódolva, ebből áll a genetika,

but it's not the genetics that we learned about in school.

de nem az a fajta genetika, amit az iskolában tanítottak.

Do you remember big B, little b?

Emlékeznek még a kis és nagy B-re?

If you inherit big B, you get brown eyes?

Nagy B-nél barna szemet örökölnek?

It's simple.

Ez egyszerű.

Very few traits are that simple.

Nagyon kevés jellemvonás ennyire egyszerű.

Even eye color is shaped by much more than a single pigment molecule.

Nem csak egy pigmentmolekula van befolyással szemszínünkre.

And something as complex as the function of our brains

És valami, ami olyan bonyolult, mint az agyunk működése,

is shaped by the interaction of thousands of genes.

még inkább ezer gén kölcsönhatása által vezérelt.

And each of these genes varies meaningfully

És a gének mindegyike nagy mértékben eltér

from person to person to person,

egymástól személyenként,

and each of us is a unique combination of that variation.

és mindannyiunk ezen gének egyedi kombinációja.

It's a big data opportunity.

Ez egy hatalmas "adatlehetőség",

And today, it's increasingly possible to make progress

és ma az előrelépés oly mértékben lehetséges,

on a scale that was never possible before.

amilyen ezelőtt sohasem volt.

People are contributing to genetic studies

Rekordmennyiségben járulunk hozzá

in record numbers,

a genetikai kutatásokhoz,

and scientists around the world are sharing the data with one another

a kutatók pedig folyamatosan megosztják adataikat egymással,

to speed progress.

hogy felgyorsítsák a haladást.

I want to tell you a short story about a discovery we recently made

Megosztanék egy történetet egy közelmúltban tett felfedezésünkről

about the genetics of schizophrenia.

a skizofrénia genetikájáról.

It was made possible by 50,000 people from 30 countries,

Ezt a felfedezést 50 ezer ember 30 különböző országból tette lehetővé,

who contributed their DNA to genetic research on schizophrenia.

akik hozzájárulnak a DNS-ük használatához genetikai kutatás céljából.

It had been known for several years

Már jó néhány éve köztudott,

that the human genome's largest influence on risk of schizophrenia

hogy a humán genom legnagyobb hatása a skizofrénia kialakulásának kockázatára

comes from a part of the genome

a genom olyan részéből származik,

that encodes many of the molecules in our immune system.

ami az immunrendszer molekuláit kódolja.

But it wasn't clear which gene was responsible.

De sosem volt világos, hogy melyik gén felelős.

A scientist in my lab developed a new way to analyze DNA with computers,

Egy kutató a laboromban kifejlesztett egy új módszert

a DNS számítógépes analizálására, és nagyon érdekes felfedezésre jutott.

and he discovered something very surprising.

He found that a gene called "complement component 4" --

Felfedezte, hogy a komplement komponens 4 gén,

it's called "C4" for short --

röviden C4

comes in dozens of different forms in different people's genomes,

többféle különböző formában létezik a humán genomban,

and these different forms make different amounts

és különféle variánsai változó mennyiségű C4 proteint

of C4 protein in our brains.

állítanak elő az agyunkban.

And he found that the more C4 protein our genes make,

Rájött, hogy minél nagyobb mennyiségben van jelen a C4 protein,

the greater our risk for schizophrenia.

annál nagyobb az esély a betegségre.

Now, C4 is still just one risk factor in a complex system.

Persze, a C4 protein csak egy a kockázati tényezők közül az összetett rendszerben.

This isn't big B,

Ez nem a nagy B,

but it's an insight about a molecule that matters.

de betekintést nyújt egy molekulába, ami számít.

Complement proteins like C4 were known for a long time

Komplement fehérjék, mint a C4, már régóta ismertek

for their roles in the immune system,

immunrendszeribeli szerepük miatt,

where they act as a kind of molecular Post-it note

ahol mint molekuláris jelölőcímke viselkedik,

that says, "Eat me."

mely azt üzeni: "egyél meg".

And that Post-it note gets put on lots of debris

És ez a címke nagyon sok törmeléket

and dead cells in our bodies

és elhalt sejtet húz magához,

and invites immune cells to eliminate them.

majd az immunsejteket megsemmisítésükre ösztönzi.

But two colleagues of mine found that the C4 Post-it note

Két kollégám rájött, hogy a C4 jelölőcímke

also gets put on synapses in the brain

az agyi szinapszisokra is rá van rakva,

and prompts their elimination.

és elősegítik eltávolításukat.

Now, the creation and elimination of synapses is a normal part

Tehát a szinapszisok keletkezése és eltávolítása alapvető része

of human development and learning.

az emberi fejlődésnek és tanulásnak.

Our brains create and eliminate synapses all the time.

Az agyunk folyamatosan létrehoz és megsemmisít szinapszisokat.

But our genetic results suggest that in schizophrenia,

De genetikai eredményeink szerint a skizofrénia esetében

the elimination process may go into overdrive.

az eltávolítási folyamat túllépi a normális mértéket.

Scientists at many drug companies tell me they're excited about this discovery,

A kutatók sok gyógyszercégnél állítják, hogy izgatottak az új fejfedezés kapcsán,

because they've been working on complement proteins for years

mivel már hosszú évek óta foglalkoznak az immunrendszerbeli

in the immune system,

komplement fehérjékkel,

and they've learned a lot about how they work.

és sokat megtanultak működésükről.

They've even developed molecules that interfere with complement proteins,

Még olyan molekulákat is fejlesztettek, amik akadályozzák a komplement fehérjét,

and they're starting to test them in the brain as well as the immune system.

és tesztelik őket az agyban és az immunrendszerben egyaránt.

It's potentially a path toward a drug that might address a root cause

Így lehetőség rejlene egy gyógyszer kifejlesztésében, ami nem a tünetet,

rather than an individual symptom,

hanem a betegséget szüntetné meg.

and we hope very much that this work by many scientists over many years

Reméljük, hogy ez az évek során végzett munka

will be successful.

sikeres lesz.

But C4 is just one example

De a C4 csak egy példa

of the potential for data-driven scientific approaches

az adatvezérelt kutatási megközelítésekre,

to open new fronts on medical problems that are centuries old.

ami ajtókat nyithat meg régóta megoldatlan problémák előtt.

There are hundreds of places in our genomes

Több száz hely van a genomunkban,

that shape risk for brain illnesses,

amelyek kockázatot jelentenek agyi megbetegedésekre,

and any one of them could lead us to the next molecular insight

és bármelyikük elvezethet minket a következő, fontos szerepet játszó

about a molecule that matters.

molekula felismeréséhez.

And there are hundreds of cell types that use these genes in different combinations.

Rengeteg sejttípus van, ami a géneket különböző kombinációkban használja.

As we and other scientists work to generate

Mi és más kutatók, egy még szükséges

the rest of the data that's needed

adathalmaz felépítésén dolgozunk,

and to learn all that we can from that data,

és a lehetséges adatokat megszerezve

we hope to open many more new fronts.

reméljük új ajtókat nyithatunk meg.

Genetics and single-cell analysis are just two ways

A genetika és a sejtenkénti elemzés csupán kétféle mód

of trying to turn the brain into a big data problem.

az agy adathalmazzá alakításában.

There is so much more we can do.

Sokkal többre vagyunk képesek.

Scientists in my lab are creating a technology

A kutatók a laboromban egy olyan technológián dolgoznak,

for quickly mapping the synaptic connections in the brain

amely rövid időn belül térképezi fel az agyi szinapszisokat,

to tell which neurons are talking to which other neurons

hogy információt nyújtson a neuronok információcseréjéről,

and how that conversation changes throughout life and during illness.

annak változásáról életünk, illetve megbetegedéseink során.

And we're developing a way to test in a single tube

Olyan módszeren dolgozunk, ami egyetlen csőben vizsgálja,

how cells with hundreds of different people's genomes

hogyan reagálnak a különböző genomok sejtjei

respond differently to the same stimulus.

ugyanazon ingerre.

These projects bring together people with diverse backgrounds

Ezek a projektek eltérő háttérrel, érdeklődéssel és képzettséggel

and training and interests --

rendelkező egyéneket hoznak össze –

biology, computers, chemistry, math, statistics, engineering.

például a biológiát, informatikát, kémiát, matematikát, statisztikát és gépészetet.

But the scientific possibilities rally people with diverse interests

De a tudományos lehetőségek azok, melyek hajtják a különböző szaktudás

into working intensely together.

birtoklóit a közös munkára.

What's the future that we could hope to create?

Mit érhetünk el a jövőben?

Consider cancer.

Gondoljunk a rákra.

We've moved from an era of ignorance about what causes cancer,

Már túl vagyunk a tudatlanság időszakán a rákbetegségeket illetően,

in which cancer was commonly ascribed to personal psychological characteristics,

hisz tudjuk, nem egyéni élettani jellemzők a felelősek,

to a modern molecular understanding of the true biological causes of cancer.

mert eljutottunk egy molekuláris felismerésig a betegséget illetően.

That understanding today leads to innovative medicine

Ez a szakértelem ma innovatív gyógymódhoz vezet,

after innovative medicine,

és ebből következik –

and although there's still so much work to do,

habár még mindig sok a teendő –,

we're already surrounded by people who have been cured of cancers

hogy vannak emberek, akiket sikerült kigyógyítani egy olyan betegségből,

that were considered untreatable a generation ago.

ami egy generációval ezelőtt lehetetlen volt.

And millions of cancer survivors like my sister

És a milliónyi túlélője a ráknak, ahogy a testvérem is,

find themselves with years of life that they didn't take for granted

évekkel hosszabb élet elé néz, ami előtte nem volt garantált,

and new opportunities

és új lehetőségek elé is

for work and joy and human connection.

a munka, a boldogság és emberi kapcsolatok terén.

That is the future that we are determined to create around mental illness --

Ez lenne számunkra a jövőkép a mentális betegségek terén is –

one of real understanding and empathy

az igazi megértés, együttérzés

and limitless possibility.

és a határtalan lehetőségek.

Thank you.

Köszönöm.

(Applause)

(Taps)