Danny Hillis: Understanding cancer through proteomics

מתרגם: Yubal Masalker מבקר: Sigal Tifferet

I admit that I'm a little bit nervous here

אני מודה שאני קצת לא שקט עכשיו

because I'm going to say some radical things,

מכיוון שאני הולך לומר כמה דברים לא מקובלים

about how we should think about cancer differently,

על כיצד עלינו לחשוב באופן שונה על סרטן

to an audience that contains a lot of people

לקהל המכיל הרבה אנשים

who know a lot more about cancer than I do.

שיודעים על סרטן הרבה יותר ממני.

But I will also contest that I'm not as nervous as I should be

אבל אני גם טוען שאני לא עצבני כפי שהייתי צריך להיות

because I'm pretty sure I'm right about this.

מכיוון שאני די בטוח שאני צודק.

(Laughter)

(צחוק)

And that this, in fact, will be

ושזו למעשה תהיה הדרך

the way that we treat cancer in the future.

שבה נטפל בעתיד בסרטן.

In order to talk about cancer,

כדי לדבר על סרטן,

I'm going to actually have to --

אני למעשה הולך --

let me get the big slide here.

שרק אצליח להראות את השקופית הגדולה.

First, I'm going to try to give you a different perspective of genomics.

תחילה, אנסה לתת לכם נקודת מבט שונה על חקר הגנום.

I want to put it in perspective of the bigger picture

ברצוני לשים אותו בפרספקטיבה של תמונה יותר רחבה

of all the other things that are going on --

הכוללת את כל הדברים האחרים שמתרחשים --

and then talk about something you haven't heard so much about, which is proteomics.

ואז לדבר על משהו שלא שמעתם עליו הרבה, שזה פרוטאומיקה.

Having explained those,

לאחר שהסברתי אותם,

that will set up for what I think will be a different idea

יווצר הרקע למה שאני סבור שיהיה רעיון שונה

about how to go about treating cancer.

על כיצד להתקדם עם טיפול בסרטן.

So let me start with genomics.

ברשותכם אתחיל עם חקר הגנום.

It is the hot topic.

זהו הנושא החם.

It is the place where we're learning the most.

דרכו אנו לומדים המון.

This is the great frontier.

זוהי חזית נהדרת.

But it has its limitations.

אבל יש לה מגבלות משלה.

And in particular, you've probably all heard the analogy

ובמיוחד, אולי שמעתם על האנלוגיה

that the genome is like the blueprint of your body,

שהגנום הוא כמו שרטוט של גופנו.

and if that were only true, it would be great,

אבל לו רק זה היה נכון, זה היה נפלא,

but it's not.

אבל זה לא.

It's like the parts list of your body.

זה כמו רשימת חלקים של גופנו.

It doesn't say how things are connected,

זה לא אומר לנו כיצד הדברים מקושרים,

what causes what and so on.

מה גורם למה, וכך הלאה.

So if I can make an analogy,

אז אם אוכל לעשות אנלוגיה,

let's say that you were trying to tell the difference

בוא נאמר שאנו מנסים למצוא את ההבדל

between a good restaurant, a healthy restaurant

בין מסעדה טובה, מסעדה בריאה

and a sick restaurant,

ומסעדה שיש בה ליקויים,

and all you had was the list of ingredients

וכל מה שיש לנו זו רשימת המרכיבים

that they had in their larder.

שנמצאים אצלן במזווה.

So it might be that, if you went to a French restaurant

כך שיכול להיות שאם נלך למסעדה צרפתית

and you looked through it and you found

ונסתכל בתוכה ונמצא

they only had margarine and they didn't have butter,

שיש להם מרגרינה ואין להם חמאה,

you could say, "Ah, I see what's wrong with them.

נוכל לומר, "אה, אנו מבינים מה לא בסדר כאן.

I can make them healthy."

נוכל להפכה לבריאה."

And there probably are special cases of that.

וכנראה יש מקרים מיוחדים כאלה.

You could certainly tell the difference

בטוח שנוכל להגיד מה ההבדל

between a Chinese restaurant and a French restaurant

בין מסעדה סינית למסעדה צרפתית

by what they had in a larder.

לפי מה שיש להן במזווה.

So the list of ingredients does tell you something,

כך שרשימת המרכיבים כן אומרת משהו,

and sometimes it tells you something that's wrong.

ולפעמים היא אומרת משהו שהוא לא נכון.

If they have tons of salt,

אם יש להם טונות של מלח,

you might guess they're using too much salt, or something like that.

ניתן אולי לשער שהם משתמשים ביותר מדי מלח, או משהו דומה.

But it's limited,

אבל כל זה מוגבל,

because really to know if it's a healthy restaurant,

כי כדי באמת לדעת אם זו מסעדה בריאה,

you need to taste the food, you need to know what goes on in the kitchen,

יש צורך לטעום את המזון, יש צורך לדעת מה קורה במטבח,

you need the product of all of those ingredients.

צריך את המוצר הסופי של כל אותם המרכיבים.

So if I look at a person

כך שאם אני מסתכל במישהו

and I look at a person's genome, it's the same thing.

ומסתכל בגנום של אותו אדם, זה אותו סיפור.

The part of the genome that we can read

אותו חלק של גנום שאנו יכולים לקרוא

is the list of ingredients.

הוא רשימת המרכיבים.

And so indeed,

ואכן כך באמת,

there are times when we can find ingredients

יש מקרים בהם אנו יכולים למצוא מרכיבים

that [are] bad.

שהם רעים.

Cystic fibrosis is an example of a disease

סיסטיק פיברוזיס היא דוגמא למחלה

where you just have a bad ingredient and you have a disease,

שבה יש רק מרכיב רע ואז יש מחלה,

and we can actually make a direct correspondence

ואנו יכולים לקשר ישירות

between the ingredient and the disease.

בין המרכיב והמחלה.

But most things, you really have to know what's going on in the kitchen,

אבל ברוב המקרים, צריך לדעת מה באמת קורה במטבח,

because, mostly, sick people used to be healthy people --

מפני שלרוב, אנשים חולים היו פעם בריאים --

they have the same genome.

ויש להם את אותו הגנום.

So the genome really tells you much more

כך שהגנום בעצם מספר לנו הרבה יותר

about predisposition.

על הנטיה המוקדמת למחלה.

So what you can tell

כך שמה שניתן לומר

is you can tell the difference between an Asian person and a European person

הוא ההבדל בין אדם אסיאתי לאדם ארופאי

by looking at their ingredients list.

על-ידי הסתכלות ברשימת המרכיבים שלהם.

But you really for the most part can't tell the difference

אבל ברוב המקרים לא ניתן להבדיל

between a healthy person and a sick person --

בין אדם בריא לאדם חולה --

except in some of these special cases.

מלבד אותם מקרים מיוחדים.

So why all the big deal

אז על מה כל הרעש

about genetics?

עם גנטיקה?

Well first of all,

ובכן, קודם כל,

it's because we can read it, which is fantastic.

אנו יכולים לקרוא אותה, שזה דבר נפלא.

It is very useful in certain circumstances.

היא מאוד יעילה בנסיבות מסויימות.

It's also the great theoretical triumph

היא גם ניצחון תיאורטי גדול

of biology.

של ביולוגיה.

It's the one theory

זוהי התאוריה היחידה

that the biologists ever really got right.

שביולוגים יצאו בה צודקים.

It's fundamental to Darwin

היא מהווה אבן יסוד

and Mendel and so on.

אצל דארווין ומנדל וכך הלאה.

And so it's the one thing where they predicted a theoretical construct.

היא המקרה היחיד שבו התאמת רעיון שנחזה תיאורטית.

So Mendel had this idea of a gene

למנדל היה הרעיון של גן

as an abstract thing,

בתור דבר מופשט.

and Darwin built a whole theory

ודארווין בנה תאוריה שלמה

that depended on them existing,

שהיתה תלויה בקיומם.

and then Watson and Crick

ואז ואטסון וקריק

actually looked and found one.

בעצם הסתכלו ומצאו כזה.

So this happens in physics all the time.

דבר כזה קורה בפיזיקה כל הזמן.

You predict a black hole,

חוזים חור שחור,

and you look out the telescope and there it is, just like you said.

ואז מתבוננים דרך טלסקופ והנה הוא, בדיוק כפי שנחזה.

But it rarely happens in biology.

אבל בביולוגיה זה קורה לעיתים רחוקות.

So this great triumph -- it's so good,

כך שהניצחון הגדול הזה -- הוא כל-כך טוב --

there's almost a religious experience

שהוא כמעט כמו חוויה דתית

in biology.

בביולוגיה.

And Darwinian evolution

ומהפכת דארווין

is really the core theory.

היא באמת תאוריית הליבה.

So the other reason it's been very popular

הסיבה השניה שהיא הפכה למאוד פופולרית

is because we can measure it, it's digital.

היא בגלל שניתן למדוד אותה, היא דיגיטלית.

And in fact,

ולמעשה,

thanks to Kary Mullis,

תודות לקארי מוליס,

you can basically measure your genome in your kitchen

ניתן בעיקרון למדוד את הגנום שלנו במטבח

with a few extra ingredients.

בעזרת כמה מרכיבים נוספים.

So for instance, by measuring the genome,

כך לדוגמא, על-ידי מדידת הגנום,

we've learned a lot about how we're related to other kinds of animals

למדנו המון על כיצד אנו קשורים לחיות ממינים אחרים

by the closeness of our genome,

באמצעות הקירבה של הגנום שלנו,

or how we're related to each other -- the family tree,

או כיצד אנו מהווים קרובי-משפחה -- עץ המשפחה,

or the tree of life.

או עץ החיים.

There's a huge amount of information about the genetics

קיים מידע רב על גנטיקה

just by comparing the genetic similarity.

פשוט על-ידי השוואת דמיון גנטי.

Now of course, in medical application,

עכשיו, כמובן שזה מאוד שימושי

that is very useful

ביישומים רפואיים

because it's the same kind of information

מכיוון שזהו אותו סוג מידע

that the doctor gets from your family medical history --

שהרופאים משיגים מההיסטוריה הרפואית של המשפחה שלנו --

except probably,

אלא שקרוב לוודאי,

your genome knows much more about your medical history than you do.

הגנום שלנו יודע הרבה יותר על ההיסטוריה הרפואית שלנו ממה שאנו יודעים.

And so by reading the genome,

וכך על-ידי קריאת הגנום,

we can find out much more about your family than you probably know.

ניתן לדעת הרבה יותר על המשפחה שלנו ממה שאנו עצמנו יודעים.

And so we can discover things

ולכן אנו יכולים לגלות דברים

that probably you could have found

שקרוב לוודאי היה ניתן לגלות

by looking at enough of your relatives,

על-ידי הסתכלות על מספיק קרובים שלנו,

but they may be surprising.

אבל הדברים עשויים להיות מפתיעים.

I did the 23andMe thing

עשיתי חקירה עצמאית של הגנום שלי בשיטת ה-23andMe

and was very surprised to discover that I am fat and bald.

ומאוד הופתעתי לשמוע שאני שמן וקרח.

(Laughter)

(צחוק)

But sometimes you can learn much more useful things about that.

אבל לעיתים ניתן ללמוד דברים הרבה יותר מועילים.

But mostly

אבל לרוב

what you need to know, to find out if you're sick,

מה שצריך לדעת כדי למצוא אם אתה חולה

is not your predispositions,

זה לא את הנטיות ההתחלתיות שלך,

but it's actually what's going on in your body right now.

אלא את מה שמתרחש בגופך ממש ברגע זה.

So to do that, what you really need to do,

לכן כדי לעשות זאת, מה שבאמת צריך לעשות

you need to look at the things

זה להסתכל על הדברים

that the genes are producing

שהגנים מייצרים

and what's happening after the genetics,

ועל מה שקורה לאחר הגנטיקה.

and that's what proteomics is about.

וכאן נכנסת לתמונה פרוטאומיקה.

Just like genome mixes the study of all the genes,

בדיוק כמו שגנום מערבב את החקר של כל הגנים,

proteomics is the study of all the proteins.

הפרוטאומיקה היא חקר של כל הפרוטאינים (חלבונים).

And the proteins are all of the little things in your body

והפרוטאינים הם כל הדברים הקטנים בגופנו

that are signaling between the cells --

אשר משגרים אותות בין התאים --

actually, the machines that are operating --

למעשה המכונות אשר פועלות.

that's where the action is.

שם כל האקשן.

Basically, a human body

בעיקרון, גוף אדם

is a conversation going on,

זה דו-שיח מתמשך,

both within the cells and between the cells,

הן בתוך התאים והן בין התאים,

and they're telling each other to grow and to die,

והם אומרים האחד לשני לגדול או למות.

and when you're sick,

וכאשר אנחנו חולים,

something's gone wrong with that conversation.

סימן שמשהו השתבש באותו דו-שיח.

And so the trick is --

ולכן התכסיס הוא --

unfortunately, we don't have an easy way to measure these

לצערי, אין דרך קלה

like we can measure the genome.

הדומה לזו של מדידת הגנום.

So the problem is that measuring --

לכן הבעיה היא שמדידה --

if you try to measure all the proteins, it's a very elaborate process.

אם מנסים למדוד את כל הפרוטאינים, זה תהליך מאוד מורכב.

It requires hundreds of steps,

זה דורש מאות שלבים,

and it takes a long, long time.

ולוקח המון, המון זמן.

And it matters how much of the protein it is.

וזה משנה בכמה מהפרוטאין עצמו מדובר.

It could be very significant that a protein changed by 10 percent,

זה עשוי להיות מאוד משמעותי שפרוטאין השתנה ב-10 אחוז,

so it's not a nice digital thing like DNA.

אבל זה לא דבר דיגיטלי מסודר כמו DNA.

And basically our problem is somebody's in the middle

ובעיקרון הבעיה שלנו זה שמישהו באמצע

of this very long stage,

של השלב המאוד ארוך הזה,

they pause for just a moment,

הוא עוצר לרגע,

and they leave something in an enzyme for a second,

ומשאיר משהו באנזים לשניה,

and all of a sudden all the measurements from then on

ופתאום כל המדידות משם ואילך

don't work.

לא טובות.

And so then people get very inconsistent results

ולכן מקבלים תוצאות מאוד לא עיקביות

when they do it this way.

כאשר מבצעים הכל בדרך זאת.

People have tried very hard to do this.

אנשים ניסו בכל מאודם לבצע זאת.

I tried this a couple of times

אני ניסיתי מספר פעמים

and looked at this problem and gave up on it.

ונתקלתי בבעיה זו וויתרתי.

I kept getting this call from this oncologist

המשכתי לקבל טלפונים מאונקולוג

named David Agus.

ששמו דייויד אגוס.

And Applied Minds gets a lot of calls

Applied Minds מקבלת המון שיחות

from people who want help with their problems,

מאנשים שרוצים עזרה בבעיותיהם,

and I didn't think this was a very likely one to call back,

ולא חשבתי שיש סיכוי גדול שהוא יתקשר,

so I kept on giving him to the delay list.

והמשכתי להשאיר אותו בתור לממתינים.

And then one day,

אז יום אחד,

I get a call from John Doerr, Bill Berkman

קיבלתי שיחה מג'ון דואר, ביל ברקמן

and Al Gore on the same day

ואל גור באותו היום

saying return David Agus's phone call.

באומרם שאחזיר טלפון לדייויד אגוס.

(Laughter)

(צחוק)

So I was like, "Okay. This guy's at least resourceful."

אז אמרתי לעצמי, "טוב, זה אחד שלפחות יש לו רעיונות."

(Laughter)

(צחוק)

So we started talking,

אז התחלנו לדבר,

and he said, "I really need a better way to measure proteins."

והוא אמר, "אני באמת זקוק לדרך יותר טובה למדידת פרוטאינים."

I'm like, "Looked at that. Been there.

ואני אמרתי, " ראיתי את זה. כבר הייתי שם.

Not going to be easy."

זה לא הולך להיות קל."

He's like, "No, no. I really need it.

והוא אמר, "לא, לא. אני באמת זקוק לזה.

I mean, I see patients dying every day

כלומר, אני רואה חולים נפטרים כל יום

because we don't know what's going on inside of them.

בגלל שאנחנו לא יודעים מה מתרחש בתוכם.

We have to have a window into this."

אנחנו מוכרחים שיהיה לנו חלון-גישה לזה."

And he took me through

והוא עבר איתי

specific examples of when he really needed it.

על דוגמאות ספציפיות על הצורך האמיתי בזה.

And I realized, wow, this would really make a big difference,

ואני הבנתי שזה באמת יעשה את ההבדל,

if we could do it,

אם נוכל לעשות זאת.

and so I said, "Well, let's look at it."

ואז אמרתי, "טוב, בוא נראה מה אפשר לעשות."

Applied Minds has enough play money

ל-Applied Minds היה מספיק כסף זמין

that we can go and just work on something

כך שיכולנו פשוט לצאת ולעבוד על משהו

without getting anybody's funding or permission or anything.

ללא קבלת מימון או אישור ממישהו.

So we started playing around with this.

התחלנו לשחק עם זה.

And as we did it, we realized this was the basic problem --

וכאשר עשינו זאת, גילינו שזו היתה הבעיה הבסיסית --

that taking the sip of coffee --

שלגימת לגימה של קפה --

that there were humans doing this complicated process

שאנשים ביצעו את התהליך המסובך

and that what really needed to be done

ומה שהיה צריך לעשות

was to automate this process like an assembly line

זה להפוך את התהליך לאוטומטי כמו בקו-ייצור

and build robots

ולבנות רובוטים

that would measure proteomics.

שימדדו פרוטאומיקה.

And so we did that,

ואז עשינו זאת.

and working with David,

ובעבודה עם דייויד,

we made a little company called Applied Proteomics eventually,

יצרנו חברה קטנה הנקראת Applied Proteomics,

which makes this robotic assembly line,

אשר מייצרת את קו-הייצור הרובוטי הזה,

which, in a very consistent way, measures the protein.

אשר מודד באופן רציף ועקבי פרוטאינים.

And I'll show you what that protein measurement looks like.

אציג לכם איך נראית אותה מדידת פרוטאין.

Basically, what we do

בעיקרון, מה שאנו עושים

is we take a drop of blood

זה לוקחים טיפת דם

out of a patient,

של חולה

and we sort out the proteins

וממיינים את הפרוטאינים

in the drop of blood

בטיפת הדם

according to how much they weigh,

על-פי משקלם,

how slippery they are,

על-פי מידת חלקלקותם,

and we arrange them in an image.

ואנו מסדרים אותם בתמונה.

And so we can look at literally

ואז אנו יכולים להסתכל על

hundreds of thousands of features at once

מאות ואלפי מאפיינים בו-זמנית

out of that drop of blood.

המתקבלים מאותה טיפת דם.

And we can take a different one tomorrow,

ואם נקח מחר עוד טיפת דם,

and you will see your proteins tomorrow will be different --

הפרוטאינים מחר יהיו שונים --

they'll be different after you eat or after you sleep.

הם יהיו שונים לאחר שאוכלים או לאחר שינה.

They really tell us what's going on there.

הם באמת מספרים לנו את מה שמתרחש בפועל.

And so this picture,

כך שתמונה זו,

which looks like a big smudge to you,

הנראית כמו כתם אחד גדול,

is actually the thing that got me really thrilled about this

היא בעצם הדבר שגרם לי התרגשות גדולה

and made me feel like we were on the right track.

ונתן לי את התחושה שעלינו על המסלול הנכון.

So if I zoom into that picture,

אם אתקרב לתמונה,

I can just show you what it means.

אוכל להראות לכם מה משמעות הדבר.

We sort out the proteins -- from left to right

אנחנו ממיינים את הפרוטאינים -- משמאל לימין

is the weight of the fragments that we're getting,

זה המשקל של המקטעים שאנו מקבלים.

and from top to bottom is how slippery they are.

ומלמעלה למטה זה כמה הם חלקלקים.

So we're zooming in here just to show you a little bit of it.

אנו מתקרבים לכאן כדי להראות לכם חלק קטן מזה.

And so each of these lines

כל אחד מהקוים האלה

represents some signal that we're getting out of a piece of a protein.

מייצג אות כלשהו שמתקבל מחוץ למקטע של פרוטאין.

And you can see how the lines occur

וניתן לראות כיצד הקוים נוצרים

in these little groups of bump, bump, bump, bump, bump.

בקבוצות הקטנות הללו של בום, בום, בום, בום, בום.

And that's because we're measuring the weight so precisely that --

וזה בגלל שאנו מודדים את המשקל בדיוק כה גדול --

carbon comes in different isotopes,

פחמן מופיע בצורת איזוטופים שונים,

so if it has an extra neutron on it,

כך שאם יש בו ניוטרון עודף,

we actually measure it as a different chemical.

אנו למעשה מודדים אותו ככימיקל שונה.

So we're actually measuring each isotope as a different one.

כך שאנו מודדים כל איזוטופ בתור משהו שונה.

And so that gives you an idea

וזה נותן לכם מושג עד כמה

of how exquisitely sensitive this is.

זה רגיש בצורה יוצאת-דופן.

So seeing this picture

לראות תמונה זו

is sort of like getting to be Galileo

זה כמו להיות גלילאו

and looking at the stars

ולהסתכל על כוכבים

and looking through the telescope for the first time,

ולהתבונן באמצעות הטלסקופ בפעם הראשונה,

and suddenly you say, "Wow, it's way more complicated than we thought it was."

ואז פתאום להגיד, "וואו, זה הרבה יותר מסובך ממה שחשבנו."

But we can see that stuff out there

אבל אנחנו יכולים לראות את הדבר הזה שם

and actually see features of it.

וממש להבחין במאפייניו.

So this is the signature out of which we're trying to get patterns.

אז זוהי החתימה שממנה אנו מנסים להוציא תבניות.

So what we do with this

אז מה שאנו עושים עם זה,

is, for example, we can look at two patients,

לדוגמא, אנו יכולים להסתכל על שני חולים,

one that responded to a drug and one that didn't respond to a drug,

אחד שהגיב לתרופה והאחר שלא הגיב,

and ask, "What's going on differently

ולשאול, "מה התרחש שונה

inside of them?"

בכל אחד מהם?"

And so we can make these measurements precisely enough

וכך אנו יכולים לבצע מדידות מספיק מדוייקות

that we can overlay two patients and look at the differences.

שאפשר להניח האחד על השני שני חולים ולראות מה ההבדלים.

So here we have Alice in green

אז יש לנו כאן אליס בירוק

and Bob in red.

ובוב באדום.

We overlay them. This is actual data.

אנו מניחים אותם האחד על השני. אלה נתונים אמיתיים.

And you can see, mostly it overlaps and it's yellow,

וניתן לראות, ברובם הם חופפים והם בצבע צהוב,

but there's some things that just Alice has

אבל יש דברים שרק לאליס יש אותם

and some things that just Bob has.

ודברים אחרים שרק לבוב יש אותם.

And if we find a pattern of things

ואם אנו מוצאים תבנית של דברים

of the responders to the drug,

של אלה שהגיבו לתרופה,

we see that in the blood,

אנו מבינים שבתוך הדם,

they have the condition

מתקיימים אצלם התנאים

that allows them to respond to this drug.

המאפשרים להם להגיב לתרופה זו.

We might not even know what this protein is,

יכול להיות שאפילו לא נדע מהו אותו פרוטאין,

but we can see it's a marker

אבל אנחנו יכולים לראות שהוא סימן

for the response to the disease.

של תגובה לאותה מחלה.

So this already, I think,

כך שכבר זה, אני סבור,

is tremendously useful in all kinds of medicine.

מהווה דבר כביר לשימוש בכל מיני תרופות.

But I think this is actually

אבל אני חושב שבעצם

just the beginning

זוהי רק ההתחלה

of how we're going to treat cancer.

של האופן בו אנו הולכים לטפל בסרטן.

So let me move to cancer.

אז אתקדם ברשותכם לסרטן.

The thing about cancer --

העניין עם הסרטן הוא --

when I got into this,

כאשר נכנסתי אל תוך זה,

I really knew nothing about it,

לא ידעתי כלום עליו,

but working with David Agus,

אבל כאשר עבדתי עם דייויד אגוס,

I started watching how cancer was actually being treated

התחלתי לשים לב כיצד בעצם מטפלים בסרטן

and went to operations where it was being cut out.

והלכתי לניתוחים שבו חתכו והוציאו אותו.

And as I looked at it,

וככל שראיתי את זה,

to me it didn't make sense

לי זה נראה לא הגיוני,

how we were approaching cancer,

האופן בו ניגשנו לסרטן.

and in order to make sense of it,

וכדי להבין זאת,

I had to learn where did this come from.

היה עלי ללמוד מהיכן גישה זו הגיעה.

We're treating cancer almost like it's an infectious disease.

אנו מטפלים בסרטן כמעט כאילו זו מחלה מדבקת.

We're treating it as something that got inside of you

אנו מטפלים בו כמשהו שנכנס בנו

that we have to kill.

ושאותו עלינו לחסל.

So this is the great paradigm.

זוהי תבנית החשיבה בגדול.

This is another case

זהו עוד מקרה

where a theoretical paradigm in biology really worked --

בו חשיבה תאורטית בביולוגיה באמת עבדה --

was the germ theory of disease.

זו היתה תאוריית החיידקים של מחלות.

So what doctors are mostly trained to do

כך שמה שרופאים הוכשרו בעיקר לעשות

is diagnose --

זה לאבחן --

that is, put you into a category

כלומר לקטלג --

and apply a scientifically proven treatment

ולהפעיל טיפול המוכח מדעית

for that diagnosis --

בעבור אותה אבחנה.

and that works great for infectious diseases.

וזה עובד נהדר עם מחלות מדבקות.

So if we put you in the category

כך שאם נסווג אתכם בתור

of you've got syphilis, we can give you penicillin.

כאלה שיש להם עגבת, אפשר לתת לכם פניצילין.

We know that that works.

אנו יודעים שזה יעיל.

If you've got malaria, we give you quinine

אם יש לכם מלריה, אפשר לתת כינין,

or some derivative of it.

או איזו שהיא נגזרת שלה.

And so that's the basic thing doctors are trained to do,

וכך זה הדבר הבסיסי שהרופאים הוכשרו לעשות.

and it's miraculous

וזה מופלא,

in the case of infectious disease --

במקרה של מחלה מדבקת --

how well it works.

עד כמה שזה עובד טוב.

And many people in this audience probably wouldn't be alive

והרבה אנשים בקהל אולי לא היו בחיים

if doctors didn't do this.

אם רופאים לא עשו זאת.

But now let's apply that

אבל עכשיו הבה ניישם זאת

to systems diseases like cancer.

למחלות מערכתיות כמו סרטן.

The problem is that, in cancer,

הבעיה היא שבסרטן,

there isn't something else

אין משהו אחר

that's inside of you.

שנכנס לתוכנו.

It's you; you're broken.

זה אנחנו, אנחנו מקולקלים.

That conversation inside of you

הדו-שיח בתוכנו

got mixed up in some way.

ירד מהפסים איכשהו.

So how do we diagnose that conversation?

אז כיצד אנו מאבחנים דו-שיח זה?

Well, right now what we do is we divide it by part of the body --

כיום מה שעושים זה לעשות חלוקה לפי איברי גוף --

you know, where did it appear? --

לפי איפה שהסרטן מופיע --

and we put you in different categories

ושמים אתכם בקטגוריות שונות

according to the part of the body.

על-פי איבר הגוף.

And then we do a clinical trial

ואז עושים ניסוי קליני

for a drug for lung cancer

לתרופה של סרטן ריאות

and one for prostate cancer and one for breast cancer,

ושל סרטן הערמונית ושל סרטן השד,

and we treat these as if they're separate diseases

ואנו מתיחסים אליהם כאילו היו מחלות שונות

and that this way of dividing them

וכאילו לדרך זו של חלוקה

had something to do with what actually went wrong.

יש קשר עם מה שבאמת השתבש.

And of course, it really doesn't have that much to do

אבל ברור שאין לזה באמת קשר

with what went wrong

עם מה שהשתבש.

because cancer is a failure of the system.

מכיוון שסרטן הוא כישלון של המערכת.

And in fact, I think we're even wrong

ובעצם, אני חושב שאנחנו אף טועים

when we talk about cancer as a thing.

כאשר אנו מדברים על סרטן בתור "דבר".

I think this is the big mistake.

אני חושב שזו שגיאה גדולה.

I think cancer should not be a noun.

אני חושב שסרטן אינו צריך להיות שם-עצם.

We should talk about cancering

עלינו לדבר על סירטון,

as something we do, not something we have.

בתור משהו שאנו עושים, לא משהו שיש לנו.

And so those tumors,

וכך גם הגידולים,

those are symptoms of cancer.

אלה הם התסמינים של סרטן.

And so your body is probably cancering all the time,

וכך גופנו ככל הנראה עובר סירטון כל הזמן.

but there are lots of systems in your body

אבל קיימות המון מערכות בגופנו

that keep it under control.

אשר שומרות אותו תחת שליטה.

And so to give you an idea

כדי לתת לכם מושג,

of an analogy of what I mean

הנה אנלוגיה למה אני מתכוון

by thinking of cancering as a verb,

בלחשוב על סירטון בתור פועל,

imagine we didn't know anything about plumbing,

נדמיין שאנו לא יודעים כלום על שרברבות,

and the way that we talked about it,

וכמו שדיברנו על זה,

we'd come home and we'd find a leak in our kitchen

נבוא הביתה ונמצא נזילה במטבח

and we'd say, "Oh, my house has water."

ואז נאמר, "יש מים בבית שלי."

We might divide it -- the plumber would say, "Well, where's the water?"

אנו עשויים לחלק -- השרברב יגיד, "טוב, איפה המים?"

"Well, it's in the kitchen." "Oh, you must have kitchen water."

"ובכן, הם במטבח." "אה, אז יש לכם מי-מטבח."

That's kind of the level at which it is.

זו בערך השיטה שאנו מאמצים.

"Kitchen water,

"מי-מטבח?

well, first of all, we'll go in there and we'll mop out a lot of it.

אז קודם כל, אנחנו ניכנס וננגב חלק גדול מהמים.

And then we know that if we sprinkle Drano around the kitchen,

אחר-כך, אנו הרי יודעים שאם נשפריץ פותח-סתימות במטבח,

that helps.

זה עוזר.

Whereas living room water,

בעוד שעבור מי-סלון,

it's better to do tar on the roof."

עדיף לעשות זיפות על הגג."

And it sounds silly,

וזה נשמע טפשי,

but that's basically what we do.

אבל בעיקרון, זה מה שאנו עושים.

And I'm not saying you shouldn't mop up your water if you have cancer,

ואני לא אומר שאל לנו לנגב מים אם יש לנו סרטן.

but I'm saying that's not really the problem;

אבל אני אומר שזו לא הבעיה האמיתית;

that's the symptom of the problem.

זהו רק הסימפטום של הבעיה.

What we really need to get at

מה שבאמת עלינו להגיע אליו

is the process that's going on,

הוא התהליך שמתרחש,

and that's happening at the level

והוא מתרחש ברמת

of the proteonomic actions,

הפעולות של פרוטאומיקה,

happening at the level of why is your body not healing itself

המתרחשות ברמה הנוגעת בשאלה מדוע גופנו לא מרפא את עצמו

in the way that it normally does?

באופן שהוא בדרך-כלל עושה?

Because normally, your body is dealing with this problem all the time.

מפני שבמצב רגיל גופנו כן מתמודד עם בעיה זו כל הזמן.

So your house is dealing with leaks all the time,

כך גם ביתנו מתמודד עם נזילות כל הזמן.

but it's fixing them. It's draining them out and so on.

אבל הוא מטפל בהן. הוא מנקז אותן וכו'.

So what we need

אז מה שאנו צריכים

is to have a causative model

שיהיה לנו מודל סיבתי

of what's actually going on,

על מה שקורה כאן.

and proteomics actually gives us

ופרוטאומיקה בעצם נותנת לנו

the ability to build a model like that.

את היכולת לבנות מודל כזה.

David got me invited

דייויד הצליח לסדר לי הזמנה

to give a talk at National Cancer Institute

למתן הרצאה במכון הלאומי לסרטן

and Anna Barker was there.

ואנה בארקר היתה שם.

And so I gave this talk

ואז נתתי את ההרצאה

and said, "Why don't you guys do this?"

ושאלתי, "מדוע אתם בעצמכם לא עושים זאת?"

And Anna said,

ואנה אמרה,

"Because nobody within cancer

"מפני שאף אחד מתחום של הסרטן

would look at it this way.

לא יסתכל על זה כך.

But what we're going to do, is we're going to create a program

אבל מה שאנו הולכים לעשות זה ליצור תוכנית

for people outside the field of cancer

עבור אנשים מחוץ לתחום של סרטן

to get together with doctors

ולשבת ביחד עם רופאים

who really know about cancer

המתמצאים היטב בסרטן

and work out different programs of research."

ולהכין תוכניות מחקר שונות."

So David and I applied to this program

אז דייויד ואני הגשנו בקשה לתוכנית זו

and created a consortium

ויצרנו איחוד חברות

at USC

ב-USC

where we've got some of the best oncologists in the world

ששם יש כמה מהאונקולוגים הטובים ביותר בעולם

and some of the best biologists in the world,

וכמה מהביולוגים הטובים ביותר בעולם,

from Cold Spring Harbor,

מ-Cold Spring Harbor,

Stanford, Austin --

סטאנפורד, אוסטין --

I won't even go through and name all the places --

לא אעבור על כל השמות --

to have a research project

כדי לקיים מיזם מחקר

that will last for five years

שיימשך 5 שנים

where we're really going to try to build a model of cancer like this.

שבמסגרתו אנו ממש הולכים לנסות ולבנות מודל כזה של סרטן.

We're doing it in mice first,

תחילה ננסה אותו בעכברים.

and we will kill a lot of mice

ונגרום למותם של המון עכברים

in the process of doing this,

בבצענו זאת,

but they will die for a good cause.

אבל הם ימותו למען מטרה טובה.

And we will actually try to get to the point

ואנחנו בהחלט ננסה להגיע לנקודה

where we have a predictive model

בה יש לנו מודל היכול לנבא

where we can understand,

ושבו נוכל להבין,

when cancer happens,

מתי סרטן קורה,

what's actually happening in there

מה בעצם קורה בתוכו

and which treatment will treat that cancer.

ואיזה טיפול יכול לטפל באותו סרטן.

So let me just end with giving you a little picture

אז ברשותכם אסיים בכך שאתן לכם תמונה

of what I think cancer treatment will be like in the future.

של איך לפי דעתי ייראה הטיפול העתידי בסרטן.

So I think eventually,

אני חושב שבסופו של דבר,

once we have one of these models for people,

ברגע שיהיה בידינו אחד המודלים הללו בשביל אנשים,

which we'll get eventually --

שנגיע אליו בסוף --

I mean, our group won't get all the way there --

כוונתי, שהקבוצה שלנו לא תגיע אליו ממש --

but eventually we'll have a very good computer model --

אבל בסוף יהיה לנו מודל ממוחשב מצויין --

sort of like a global climate model for weather.

משהו כמו מודל גלובלי לאקלים.

It has lots of different information

יהיה בו המון מידע מכל הסוגים

about what's the process going on in this proteomic conversation

על מהו התהליך המתרחש בדו-שיח של הפרוטאומיקה

on many different scales.

ברמות רבות ושונות.

And so we will simulate

וכך נעשה הדמיה

in that model

באותו מודל

for your particular cancer --

בשביל סרטן מסויים --

and this also will be for ALS,

וזה יהיה גם בשביל ALS,

or any kind of system neurodegenerative diseases,

או כל סוג אחר של מחלה הגורמת לפגיעה בעצבים,

things like that --

ודברים דומים --

we will simulate

נעשה הדמיה

specifically you,

שלכם באופן ספציפי,

not just a generic person,

לא רק של האדם ככלל,

but what's actually going on inside you.

אלא של מה שבעצם מתרחש בתוככם.

And in that simulation, what we could do

ובאותה הדמיה, מה שנוכל לעשות

is design for you specifically

זה לתכנן עבורכם ספציפית

a sequence of treatments,

רצף של טיפולים,

and it might be very gentle treatments, very small amounts of drugs.

ואלה יכולים להיות טיפולים מאוד עדינים, כמויות מאוד קטנות של תרופות.

It might be things like, don't eat that day,

זה יכול להיות דברים כמו, אל תאכל היום את זה,

or give them a little chemotherapy,

או לתת להם טיפול כימותרפי קטן,

maybe a little radiation.

אולי קצת קרינה.

Of course, we'll do surgery sometimes and so on.

כמובן שנבצע לפעמים ניתוח קטן וכך הלאה.

But design a program of treatments specifically for you

אבל נבנה תוכנית טיפולים במיוחד בשבילך

and help your body

ונסייע לגופך

guide back to health --

למצוא את הדרך בחזרה לבריאות --

guide your body back to health.

להדריך את גופך בדרכו חזרה לבריאות.

Because your body will do most of the work of fixing it

מפני שגופך יעשה את מירב העבודה בתיקון עצמו

if we just sort of prop it up in the ways that are wrong.

אם אנו רק נשמש לו משענת בדרכים שהן שגויות.

We put it in the equivalent of splints.

נכניס משהו דמוי לוח-קיבוע.

And so your body basically has lots and lots of mechanisms

בעיקרון בגופנו יש המון מנגנונים

for fixing cancer,

לתיקון סרטן,

and we just have to prop those up in the right way

ואנו רק צריכים לתמוך בגופנו ולכוון אותו לדרך הנכונה

and get them to do the job.

ולגרום לו לעשות את העבודה.

And so I believe that this will be the way

ולכן אני מאמין שזו תהיה הדרך

that cancer will be treated in the future.

בה יטפלו בסרטן בעתיד.

It's going to require a lot of work,

תידרש עדיין עבודה רבה,

a lot of research.

המון מחקר.

There will be many teams like our team

תהיינה הרבה קבוצות כמו שלנו

that work on this.

שתעבודנה על זה.

But I think eventually,

אבל אני סבור שבסופו של דבר,

we will design for everybody

אנו נבנה עבור כל אחד

a custom treatment for cancer.

טיפול בסרטן התפור עבורו.

So thank you very much.

אז תודה רבה לכם.

(Applause)

(מחיאות כפיים)