Math can help uncover cancer's secrets | Irina Kareva

74,286 views ・ 2018-04-25

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Hunor Sukosd Lektor: Andi Vida
00:12
I am a translator.
0
12549
1243
Fordító vagyok.
00:14
I translate from biology into mathematics
1
14514
3191
A biológia és a matematika nyelve között fordítok,
00:17
and vice versa.
2
17729
1150
oda-vissza.
00:19
I write mathematical models
3
19588
1790
Matematikai modelleket alkotok,
00:21
which, in my case, are systems of differential equations,
4
21402
2847
ez nálam differenciálegyenletek rendszereit jelenti,
00:24
to describe biological mechanisms,
5
24273
1947
melyek biológiai folyamatokat írnak le,
00:26
such as cell growth.
6
26244
1158
például a sejtnövekedést.
00:28
Essentially, it works like this.
7
28122
1848
Nagyjából így működik:
00:30
First, I identify the key elements
8
30573
2469
először azonosítom egy bizonyos folyamat
00:33
that I believe may be driving behavior over time
9
33066
2777
kulcsfontosságú részeit,
00:35
of a particular mechanism.
10
35867
1539
melyek befolyásolják annak viselkedését.
00:38
Then, I formulate assumptions
11
38230
1891
Majd hipotéziseket formálok arról,
00:40
about how these elements interact with each other
12
40145
2886
hogyan hatnak egymásra
00:43
and with their environment.
13
43055
1337
és környezetükre ezek az elemek.
00:44
It may look something like this.
14
44916
1772
Ami például így néz ki.
00:46
Then, I translate these assumptions into equations,
15
46712
3317
Ezután a hipotéziseket egyenletekké fordítom le,
00:50
which may look something like this.
16
50610
1824
amik nagyjából így néznek ki.
00:53
Finally, I analyze my equations
17
53434
1890
Végül elemzem az egyenleteimet,
00:55
and translate the results back into the language of biology.
18
55348
3101
és visszafordítom őket a biológia nyelvére.
01:00
A key aspect of mathematical modeling
19
60156
2420
A matematikai modellezés fő eleme az,
01:02
is that we, as modelers, do not think about what things are;
20
62600
3908
hogy mi, modellezők, nem azon gondolkozunk,
hogy a dolgok miből állnak, hanem hogy mi a funkciójuk.
01:06
we think about what they do.
21
66532
1855
01:08
We think about relationships between individuals,
22
68411
2489
Az egyedek közötti kapcsolatrendszereket vizsgáljuk,
01:10
whether they be cells, animals or people,
23
70924
2886
legyen szó sejtekről, állatokról vagy emberekről,
01:13
and how they interact with each other and with their environment.
24
73834
3048
és azt, ahogyan hatnak egymásra, illetve a környezetükre.
01:17
Let me give you an example.
25
77639
1340
Hadd mondjak egy példát:
01:19
What do foxes and immune cells have in common?
26
79719
3803
Mi a közös a rókákban és az immunsejtekben?
01:24
They're both predators,
27
84793
1459
Mindketten ragadozók,
01:26
except foxes feed on rabbits,
28
86744
2723
csak a rókák nyulakra vadásznak,
01:29
and immune cells feed on invaders, such as cancer cells.
29
89491
3330
míg az immunsejtek a behatolókra, például a ráksejtekre.
01:33
But from a mathematical point of view,
30
93273
2345
De egy matematikai nézőpontból szemlélve
01:35
a qualitatively same system of predator-prey type equations
31
95642
4156
egy minőségileg azonos ragadozó-préda-rendszer képlete
01:39
will describe interactions between foxes and rabbits
32
99822
3245
jellemzi a kölcsönhatást a rókák és a nyulak,
01:43
and cancer and immune cells.
33
103091
1774
illetve a rák- és immunsejtek között.
A ragadozó-préda típusú rendszereket mélyrehatóan tanulmányozták már
01:45
Predator-prey type systems have been studied extensively
34
105609
2708
01:48
in scientific literature,
35
108341
1269
a tudományos irodalomban,
01:49
describing interactions of two populations,
36
109634
2378
leírják a két populáció közti kölcsönhatást,
01:52
where survival of one depends on consuming the other.
37
112036
2775
melyben az egyik túlélése azon múlik, hogy elfogyasztja a másikat.
01:55
And these same equations provide a framework
38
115485
2620
Ezek az egyenletek keretet adnak ahhoz,
hogy megértsük, hogyan hatnak egymásra a rák- és immunsejtek,
01:58
for understanding cancer-immune interactions,
39
118129
2311
02:00
where cancer is the prey,
40
120464
1841
ahol a ráksejt a préda
02:02
and the immune system is the predator.
41
122329
2372
és az immunrendszer a ragadozó.
02:04
And the prey employs all sorts of tricks to prevent the predator from killing it,
42
124725
4032
Persze a préda bevet mindenféle trükköt, hogy megmeneküljön a ragadozó elől,
02:08
ranging from camouflaging itself
43
128781
1820
az álcázástól kezdve
02:10
to stealing the predator's food.
44
130625
1839
a ragadozó élelmének ellopásáig.
02:13
This can have some very interesting implications.
45
133352
2562
Ennek nagyon érdekes következményei lehetnek.
02:15
For example, despite enormous successes in the field of immunotherapy,
46
135938
4822
Például, az immunterápia területén elért hatalmas sikerek ellenére
02:20
there still remains somewhat limited efficacy
47
140784
2461
még mindig korlátozott a hatékonyság
02:23
when it comes solid tumors.
48
143269
1542
a szolid tumorok esetében.
02:25
But if you think about it ecologically,
49
145423
2559
De ha ökológiailag szempontból vizsgáljuk,
02:28
both cancer and immune cells --
50
148006
2090
mind a rák- és immunsejtnek –
02:30
the prey and the predator --
51
150120
1600
a zsákmánynak és a ragadozónak –
02:31
require nutrients such as glucose to survive.
52
151744
3031
táplálékra van szüksége, például glükózra, hogy életben maradjon.
02:35
If cancer cells outcompete the immune cells for shared nutrients
53
155358
4789
Ha a ráksejtek több táplálékhoz jutnak a daganat mikrokörnyezetében,
02:40
in the tumor microenvironment,
54
160171
1793
mint az immunsejtek,
02:41
then the immune cells will physically not be able to do their job.
55
161988
3414
akkor utóbbiak fizikailag képtelenek lesznek elvégezni a feladatukat.
02:46
This predator-prey-shared resource type model
56
166291
2868
Ezzel a ragadózó-préda-megosztott erőforrás típusú modellel
02:49
is something I've worked on in my own research.
57
169183
2297
foglalkoztam a saját kutatásaimban is.
02:51
And it was recently shown experimentally
58
171504
2724
Nemrégiben kísérletileg kimutatták,
02:54
that restoring the metabolic balance in the tumor microenvironment --
59
174252
4054
hogy ha visszaállítják az anyagcsere-egyensúlyt
02:58
that is, making sure immune cells get their food --
60
178330
3531
a tumor mikrokörnyezetében, táplálékot biztosítva az immunsejteknek,
03:01
can give them, the predators, back their edge in fighting cancer, the prey.
61
181885
5245
esélyt nyújtanak nekik, a ragadozóknak a rák, vagyis a zsákmány legyőzésére.
03:08
This means that if you abstract a bit,
62
188440
2339
Ez azt jelenti, hogyha kicsit elvonatkoztatunk,
03:10
you can think about cancer itself as an ecosystem,
63
190803
2955
tekinthetünk úgy is a rákra, mint egy ökoszisztémára,
03:13
where heterogeneous populations of cells compete and cooperate
64
193782
4287
ahol heterogén sejtpopulációk versengenek és együttműködnek
03:18
for space and nutrients,
65
198093
2017
területért és táplálékért,
03:20
interact with predators -- the immune system --
66
200134
2672
kölcsönhatásba lépnek a ragadozókkal – az immunsejtekkel –,
03:22
migrate -- metastases --
67
202830
2241
vándorolnak – áttétet képeznek –,
03:25
all within the ecosystem of the human body.
68
205095
2467
mindezt az emberi test ökoszisztémáján belül.
03:28
And what do we know about most ecosystems from conservation biology?
69
208221
3869
Mit is tanultunk az ökoszisztémákról természetvédelmi biológiából?
03:32
That one of the best ways to extinguish species
70
212643
2852
A legjobb módszer egy faj kiirtására
03:35
is not to target them directly
71
215519
1952
nem az, ha közvetlenül a populációt célozzuk meg,
03:37
but to target their environment.
72
217495
2439
hanem annak környezetét.
03:40
And so, once we have identified the key components
73
220880
3070
Ha tehát sikerül azonosítani a tumor környezetének
03:43
of the tumor environment,
74
223974
1644
kulcsfontosságú elemeit,
03:45
we can propose hypotheses
75
225642
1948
hipotéziseket állíthatunk fel,
03:47
and simulate scenarios and therapeutic interventions
76
227614
3294
forgatókönyveket és terápiás beavatkozásokat szimulálhatunk
03:50
all in a completely safe and affordable way
77
230932
3425
biztonságos, költséghatékony módon,
03:54
and target different components of the microenvironment
78
234381
3369
megcélozva a mikrokörnyezet különböző elemeit,
03:57
in such a way as to kill the cancer without harming the host,
79
237774
3996
ily módon elpusztulnak a ráksejtek, de a gazdaszervezet nem sérül,
04:01
such as me or you.
80
241794
1570
sem önök, sem én.
04:05
And so while the immediate goal of my research
81
245029
3002
Bár a kutatásom közvetlen célja
04:08
is to advance research and innovation
82
248055
2266
a kutatás fejlesztése, újítás
04:10
and to reduce its cost,
83
250345
1896
és költségcsökkentés,
04:12
the real intent, of course, is to save lives.
84
252265
2517
az igazi célja természetesen életek megmentése.
04:15
And that's what I try to do
85
255278
1771
Ezt próbálom elérni
04:17
through mathematical modeling applied to biology,
86
257073
2747
a matematikai modellezés biológiai alkalmazásával
04:19
and in particular, to the development of drugs.
87
259844
2471
és főleg gyógyszerfejlesztéssel.
04:22
It's a field that until relatively recently has remained somewhat marginal,
88
262895
4056
Ezt a szakágat nem is olyan rég még viszonylag jelentéktelennek vélték,
04:26
but it has matured.
89
266975
1452
de azóta ez sokat változott.
04:28
And there are now very well-developed mathematical methods,
90
268451
3149
Ma már jól kifejlesztett matematikai módszerek,
04:31
a lot of preprogrammed tools,
91
271624
1899
temérdek előreprogramozott eszköz,
04:33
including free ones,
92
273547
1496
közülük több ingyenes,
04:35
and an ever-increasing amount of computational power available to us.
93
275067
4047
és egyre nagyobb informatikai teljesítmény áll rendelkezésünkre.
04:40
The power and beauty of mathematical modeling
94
280718
3399
A matematikai modellezés ereje és szépsége is
04:44
lies in the fact that it makes you formalize,
95
284141
2641
abban rejlik, hogy amit tudni vélünk,
04:46
in a very rigorous way,
96
286806
2087
azt szigorúan szabályozott
04:48
what we think we know.
97
288917
1465
rendszerbe kényszeríti.
04:50
We make assumptions,
98
290904
1444
Felállítunk egy hipotézist,
04:52
translate them into equations,
99
292372
1568
lefordítjuk egyenletekké,
04:53
run simulations,
100
293964
1311
szimulációkat futtatunk,
04:55
all to answer the question:
101
295299
1773
hogy megválaszolhassuk a kérdést:
04:57
In a world where my assumptions are true,
102
297096
2246
Olyan világban, ahol a hipotéziseim igazak,
04:59
what do I expect to see?
103
299366
1570
mit kéne látnom?
05:01
It's a pretty simple conceptual framework.
104
301890
2086
Elég egyszerű szabálykeret.
05:04
It's all about asking the right questions.
105
304000
2226
Csak jól kell feltenni a kérdést.
05:06
But it can unleash numerous opportunities for testing biological hypotheses.
106
306603
4095
De ez számos lehetőséget nyit biológiai feltevések tesztelésére.
05:11
If our predictions match our observations,
107
311696
2600
Ha feltételezéseink egybevágnak megfigyeléseinkkel,
05:14
great! -- we got it right, so we can make further predictions
108
314320
3027
szuper! – eltaláltuk, így további következtetéseket vonhatunk le,
05:17
by changing this or that aspect of the model.
109
317371
2560
a modell néhány tulajdonságát módosítva.
05:20
If, however, our predictions do not match our observations,
110
320733
3700
Ha viszont a feltevéseink nem bizonyulnak igaznak a megfigyeléseink alapján,
05:24
that means that some of our assumptions are wrong,
111
324457
2585
az azt jelenti, hogy a hipotézisünk téves,
05:27
and so our understanding of the key mechanisms
112
327066
2433
és hiányos a megértésünk
05:29
of underlying biology
113
329523
1439
a kulcsfontosságú biológiai
05:30
is still incomplete.
114
330986
1270
szerkezettel kapcsolatosan.
05:32
Luckily, since this is a model,
115
332829
2362
Szerencsére, mivel ez csak egy modell,
05:35
we control all the assumptions.
116
335215
1889
mi szabjuk meg a feltevéseket.
05:37
So we can go through them, one by one,
117
337128
2140
Így végig tudtunk rajtuk menni egyesével,
05:39
identifying which one or ones are causing the discrepancy.
118
339292
3829
azonosítva azt az egyet vagy akár többet, melyekből az eltérés adódik.
05:43
And then we can fill this newly identified gap in knowledge
119
343637
3356
Ezután megpróbáljuk ezt a feltevést kísérleti és elméleti megközelítéssel
05:47
using both experimental and theoretical approaches.
120
347017
2715
kiegészíteni, pontosítani.
05:50
Of course, any ecosystem is extremely complex,
121
350699
2821
Természetesen minden ökoszisztéma rettentően összetett,
05:53
and trying to describe all the moving parts is not only very difficult,
122
353544
3843
és nemcsak nagyon nehéz leírni minden dinamikus elemét,
05:57
but also not very informative.
123
357411
1662
de kevésbé informatív is.
05:59
There's also the issue of timescales,
124
359518
2066
És persze az időigényesség problémája is fennáll,
06:01
because some processes take place on a scale of seconds, some minutes,
125
361608
3668
hisz némely folyamat másodpercekig, percekig tart,
mások viszont napokig, hónapokig vagy évekig is elhúzódnak.
06:05
some days, months and years.
126
365300
1948
06:07
It may not always be possible to separate those out experimentally.
127
367272
3199
Nem mindig lehetséges ezeket kísérletileg szétválasztani.
06:11
And some things happen so quickly or so slowly
128
371143
3384
Más folyamatok pedig olyan gyorsan vagy lassan történnek,
06:14
that you may physically never be able to measure them.
129
374551
2720
hogy fizikailag mérhetetlenek.
06:17
But as mathematicians,
130
377295
2288
Matematikusként azonban
06:19
we have the power to zoom in on any subsystem in any timescale
131
379607
5645
bármely alrendszert bármennyi idő alatt alaposan megfigyelhetünk,
06:25
and simulate effects of interventions
132
385276
2124
és bármilyen beavatkozást szimulálhatunk,
06:27
that take place in any timescale.
133
387424
2701
időkorláttól függetlenül.
06:31
Of course, this isn't the work of a modeler alone.
134
391942
2934
Ez természetesen nem egyedül a modellező munkája.
06:34
It has to happen in close collaboration with biologists.
135
394900
3289
Szoros együttműködésben kell dolgozni biológusokkal.
06:38
And it does demand some capacity of translation
136
398213
3004
És szükség van némi fordítási készségre
06:41
on both sides.
137
401241
1204
mindkét szakma részéről.
06:43
But starting with a theoretical formulation of a problem
138
403550
3788
De egy probléma elméleti modelljéből kiindulva
06:47
can unleash numerous opportunities for testing hypotheses
139
407362
3497
számos lehetőség adódik hipotézisek tesztelésére,
06:50
and simulating scenarios and therapeutic interventions,
140
410883
3239
forgatókönyvek és terápiás beavatkozások szimulálására,
06:54
all in a completely safe way.
141
414146
2070
mindezt teljesen biztonságos módon.
06:56
It can identify gaps in knowledge and logical inconsistencies
142
416977
5175
Rávilágít a tudásbéli hiányosságokra és a logikai következetlenségekre,
07:02
and can help guide us as to where we should keep looking
143
422176
2839
valamint segít abban, hogy merre kéne tovább vizsgálódni,
07:05
and where there may be a dead end.
144
425039
1895
és merre lehet zsákutca.
07:07
In other words:
145
427632
1247
Más szóval:
07:08
mathematical modeling can help us answer questions
146
428903
3494
a matematikai modellezés segít olyan kérdések megválaszolásában,
07:12
that directly affect people's health --
147
432421
2388
melyek közvetlenül hatnak az emberek egészségére –
07:15
that affect each person's health, actually --
148
435942
2704
minden ember egészségére –,
07:18
because mathematical modeling will be key
149
438670
2676
mivel a matematikai modellezés lesz a kulcs,
07:21
to propelling personalized medicine.
150
441370
1834
mely a személyre szabott orvostudományt fellendíti.
07:24
And it all comes down to asking the right question
151
444112
3067
Az egész azon múlik, hogy jó kérdést tegyünk fel,
07:27
and translating it to the right equation ...
152
447711
2075
és azt lefordítsuk a megfelelő egyenletre...
07:30
and back.
153
450670
1150
majd vissza.
07:32
Thank you.
154
452533
1151
Köszönöm.
07:33
(Applause)
155
453708
3299
(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