Danny Hillis: Understanding cancer through proteomics

Translator: ababinili ababinili Reviewer: Michael Kaulashvili

I admit that I'm a little bit nervous here

უნდა ვაღიარო რომ ცოტათი ვნერვიულობ

because I'm going to say some radical things,

იმიტომ,რომ უნდა ვესაუბრო ძირეული საკითხების შესახებ,

about how we should think about cancer differently,

თუ როგორ უნდა ვიფიქროთ სიმსივნეზე განსხვავებულად,

to an audience that contains a lot of people

უამრავი ადამიანისაგან შემდგარ აუდიტორიას,

who know a lot more about cancer than I do.

რომელთაც ჩემზე მეტი იციან სიმსივნის შესახებ.

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

თუმცა არც ისე ვნერვიულობ

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

იმიტომ, რომ დარწმუნებული ვარ ჩემი სათქმელის სისწორეში.

(Laughter)

(სიცილი)

And that this, in fact, will be

და ფაქტიურად ეს იქნება

the way that we treat cancer in the future.

გზა,რომლითაც განვკურნავთ სიმსივნეს მომავალში.

In order to talk about cancer,

იმისათვის რომ ვისაუბროთ სიმსივნეზე,

I'm going to actually have to --

მე უნდა...

let me get the big slide here.

მოდი სლაიდს გაჩვენებთ.

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

პირველ რიგში, მინდა დაგანახოთ გენომიკების განსხვავებული პერსპექტივა.

I want to put it in perspective of the bigger picture

მინდა, რომ პერსპექტივაში გვაძლევდეს დიდ სურათს

of all the other things that are going on --

იმ ყველაფრისა, რაც ხდება...

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

და შემდეგ ვისაუბრო პროტეომიკების შესახებ, რაზეც ბევრი არ გსმენიათ.

Having explained those,

ამის ახსნა

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

წარმოაჩინებს იმას, რასაც მე მივიჩნევ განსხვავებულ იდეად

about how to go about treating cancer.

სიმსივნის განკურნებაში.

So let me start with genomics.

მოდით გენომიკებით დავიწყებ.

It is the hot topic.

პოპულარული თემაა.

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

რომლის საშუალებითაც ყველაზე მეტს შევისწავლით.

This is the great frontier.

მოწინავე საკითხია,

But it has its limitations.

რომელსაც აქვს თავისი საზღვრები.

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

ალბათ ყველას გსმენიათ ანალოგია

that the genome is like the blueprint of your body,

რომ გენომი ორგანიზმის პროგრამაა.

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

და ეს რომ ჭეშმარიტება იყოს, ბრწყინვალე იქნება.

but it's not.

მაგრამ არ არის.

It's like the parts list of your body.

გენომი თქვენი ორგანიზმის ნაწილების ჩამონათვლის მსგავსია.

It doesn't say how things are connected,

ვერ ხსნის იმას, თუ როგორ არიან ეს ნაწილები დაკავშირებულნი.

what causes what and so on.

რას რა იწვევს და ა.შ.

So if I can make an analogy,

ასე, რომ თუ შევეცდები ანალოგის მოყვანას,

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

წარმოვიდგინოთ რომ უნდა განვასხვაოთ

between a good restaurant, a healthy restaurant

კარგი, კანსაღი და

and a sick restaurant,

ცუდი რესტორანი

and all you had was the list of ingredients

იმ ინგრედიენტების ჩამონათვლის მიხედვით,

that they had in their larder.

რაც მათ საწყობში აქვთ

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

ანუ თუ თქვენ წახვალთ ფრანგულ რესტორანში

and you looked through it and you found

და აღმოაჩენთ რომ

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

მათ აქვთ მხოლოდ მარგარინი, კარაქი კი - არა,

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

შეგიძლიათ თქვათ:'' აჰა, ვხვდები რაშიც არის პრობლემა.

I can make them healthy."

მე შემიძლია გამოვასწორო ეს."

And there probably are special cases of that.

და, ალბათ, ამის განსაკუთრებული საშუალებებიც არის.

You could certainly tell the difference

თქვენ შეგიძლიათ თავისუფლად განასხვავოთ

between a Chinese restaurant and a French restaurant

ჩინური და ფრანგული რესტორნები

by what they had in a larder.

იმითი, თუ რა აქვთ საწყობში.

So the list of ingredients does tell you something,

ე.ი. ინგრედიენტების სია ნამდვილად გაძლევთ რაგაც ინფორმაციას.

and sometimes it tells you something that's wrong.

და ზოგჯერ გატყობინებთ რომ რაღაც არასწორია.

If they have tons of salt,

მაგ: თუ აქვთ ტონობით მარილი,

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

შეგიძლიათ დაასკვნათ, რომ ზედმეტად მარილიან კერძებს ამზადებენ.

But it's limited,

მაგრამ ესეც შემოსაზღვრულია:

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

იმისათვის, რომ გაარკვიო ჯანსაღი რესტორანია თუ არა,

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

უნდა გასინჯო საკვები, უნდა იცოდე რა ხდება მათ სამზარეულოში,

you need the product of all of those ingredients.

და რა შედეგს გაძლევს ინგრედიენტების ნარევი.

So if I look at a person

ანუ თუ შევხედავ პიროვნებას

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

და აგრეთვე მის გენომს, ერთი და იგივეა.

The part of the genome that we can read

გენომის ის ნაწილი, რომლის ამოკითხვაც შეგვიძლია,

is the list of ingredients.

არის ინგრედიენტების ჩამონათვალი.

And so indeed,

და ზუსტად,

there are times when we can find ingredients

ზოგჯერ არის, რომ ვპოულობთ ინგრედიენტებს,

that [are] bad.

რომლებიც ცუდია.

Cystic fibrosis is an example of a disease

ფიბროზული კისტა არის მაგალითი,

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

როდესაც გაქვთ ცუდი ინგრედიენტები და , შესაბამისად, დაავადებაც.

and we can actually make a direct correspondence

და ჩვენ შეგვიძლია პირდაპირ დავაკავშიროთ

between the ingredient and the disease.

ინგრედიენტები და დაავადება.

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

მაგრამ ხშირ შემთხვევებში, საჭიროა სამზარეულოში შეხედვა

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

იმიტომ, რომ დაავადებულ ადამიანთა უმრავლესობა ჯანმრთელი იყო...

they have the same genome.

მათი გენომი არ შეცვლილა.

So the genome really tells you much more

ანუ გენომი, ფაქტიურად, შეიცავს

about predisposition.

სავარაუდო ინფორმაციას.

So what you can tell

ანუ თქვენ მხოლოდ

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

შეგიძლიათ აღნიშნოთ განსხვავება აზიელ და ევროპელ ადამიანებს შორის

by looking at their ingredients list.

მათი შემადგენელი ინგრედიენტების საფუძველზე.

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

მაგრამ, ხშირ შემთხვევაში, ვერ განასხვავებთ

between a healthy person and a sick person --

ჯანმრთელ და ავადმყოფ ადამიანს ერთმანეთისგან...

except in some of these special cases.

განსაკუთრებული შემთხვევების გარდა.

So why all the big deal

მაშინ რას გვაძლევს

about genetics?

გენეტიკა.

Well first of all,

ნუ,პირველ რიგში,

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

ჩვენ შეგვიძლია მისი ამოკითხვა, რაც შესანიშნავი და

It is very useful in certain circumstances.

ძალიან სასარგებლოა გარკვეულ შემთხვევებში.

It's also the great theoretical triumph

და აგრეთვე დიდი თეორიული ტრიუმფია

of biology.

ბიოლოგიაში.

It's the one theory

ეს ერთ-ერთი თეორიაა,

that the biologists ever really got right.

რომელიც ბიოლოგებმა სწორად ამოხსნეს.

It's fundamental to Darwin

ეს დარვინისა და

and Mendel and so on.

მენდელის მონაპოვრის გაგრძელებაა.

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

და ეს ერთი შემთხვევაა,სადაც მათ თეორიული კონსტრუქცია იწინასწარმეტყველეს.

So Mendel had this idea of a gene

მენდელს გენი წარმოედგინა

as an abstract thing,

როგორც აბსტრაქტული საგანი.

and Darwin built a whole theory

დარვინმა მთელი თეორია ააგო,

that depended on them existing,

რომელიც გენების არსებობაზე იყო დამოკიდებული.

and then Watson and Crick

შემდეგ უოტსონმა და კრიკმა

actually looked and found one.

აღმოაჩინეს ისინი.

So this happens in physics all the time.

ასეთი რამ ფიზიკაში მუდმივად ხდება.

You predict a black hole,

თქვენ წინასწარმეტყველებთ შავი ხვრელის არსებობას,

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

იხედებით ტელესკოპით და პოულობთ მას.

But it rarely happens in biology.

მაგრამ ასე იშვიათად ხდება ბიოლოგიაში.

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

ამიტომაც არის ეს ტრიუმფი...

there's almost a religious experience

თითქოს რელიგიური გამოცდილებაა

in biology.

ბიოლოგიაში.

And Darwinian evolution

დარვინის ევოლუცია

is really the core theory.

ფუნდამენტური თეორიაა.

So the other reason it's been very popular

და სხვა მიზეზი, რამაც მისი პოპულარობა განაპირობა

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

არის ის, რომ ჩვენ შეგვიძლია გავზომოთ.

And in fact,

და ფაქტიურად,

thanks to Kary Mullis,

კერი მულისის წყალობით,

you can basically measure your genome in your kitchen

თქვენ შეგიძლიათ გაზობოთ გენომი თქვენივე სამზარეულოში

with a few extra ingredients.

რამდენიმე ინგრედიენტის დამატებით.

So for instance, by measuring the genome,

გენომის განსაზღვრით

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

დავადგინეთ ჩვენი კავშირი სხვა ცხოველებთან,

by the closeness of our genome,

გენეტიკური სიახლოვე,

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

ან როგორ ვენათესავებით ერთმანეთს – ოჯახის ხე,

or the tree of life.

ან სიცოცხლის ხე.

There's a huge amount of information about the genetics

უამრავი ინფორმაციის მოპოვება შეგიძლიათ გენეტიკური

just by comparing the genetic similarity.

მასალის უბრალო შედარებით.

Now of course, in medical application,

ეხლა, სამედიცინო აპლიკაციებში,

that is very useful

ეს ძალიან სასარგებლოა,

because it's the same kind of information

იმიტომ, რომ იმავე სახის ინფორმაციას წარმოადგენს,

that the doctor gets from your family medical history --

რასაც ექიმი იღებს ოჯახის წევრებისგან...

except probably,

ალბათ,

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

თქვენმა გენომმა უფრო მეტი იცის თქვენი სამედიცინო ისტორიის შესახებ, ვიდრე თქვენ,

And so by reading the genome,

ამიტომ მისი გაშიფვრით

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

შევძლებთ იმაზე მეტის გარკვევას, რაც თქვენთვისაა ცნობილი.

And so we can discover things

ანუ ჩვენ შევძლებთ აღმოვაჩინოთ ის,

that probably you could have found

რასაც ალბათ თქვენ იპოვიდით

by looking at enough of your relatives,

ნათესავების დათვალიერებით.

but they may be surprising.

მაგრამ შეიძლება გამაოგნებელიც კი იყოს.

I did the 23andMe thing

მე გავიკეთე 23andMe(გენეტიკური ტესტი)

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

და გაკვირვებული დავრჩი აღმოჩენით რომ თურმე მსუქანი და მელოტი ვარ.

(Laughter)

(სიცილი)

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

მაგრამ ზოგჯერ შეგიძლიათ გაცილებით უფრო საჭირო ინფორმაცია აღმოაჩინოთ.

But mostly

მაგრამ ხშირ შემთხვევაში

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

იმის გასარკვევად ხარ თუ არა ავად

is not your predispositions,

არ არის საკმარისი მხოლოდ მიდრეკილებების ცოდნა,

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

არამედ ის თუ რა ხდება თქვენს ორგანიზმში ამ წუთს.

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

ამისათვის, საჭიროა

you need to look at the things

იმათზე დაკვირვება,

that the genes are producing

რასაც გენომი აპროდუცირებს

and what's happening after the genetics,

და რაც ხდება გენეტიკის შემდეგ.

and that's what proteomics is about.

და აი სად გვჭირდება პროტეომიკები.

Just like genome mixes the study of all the genes,

ისევე,როგორც გენომი მოსაზღვრავს ყველა გენს,

proteomics is the study of all the proteins.

ასევე პროტეომიკები ყველა პროტეინის შესახებ ინფორმაციას.

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

და პროტეინები არიან პატარა ქმნილებები,

that are signaling between the cells --

რომლებიც უჯრედებს შორის სიგნალს გადასცემენ...

actually, the machines that are operating --

ფაქტიურად მოფუნქციონირე მანქანები არიან.

that's where the action is.

სწორედ აქ ხდება მოქმედება.

Basically, a human body

ჩვეულებრივ, ადამიანის ორგანიზმში

is a conversation going on,

მიმდინარეობს განუწყვეტელი საუბარი

both within the cells and between the cells,

უჯრედებს შორის, რომლებიც

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

ერთმანეთს ეუბნებიან გაიზარდნონ ან მოკვდნენ.

and when you're sick,

და როდესაც ავად ხართ,

something's gone wrong with that conversation.

ეს საუბრები არასწორად მიმდინარეობს.

And so the trick is --

საქმე ის არის რომ,

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

საუბედუროდ, ჩვენ არ შეგვიძლია ეს ყველაფერი განვსაზღვროთ ისევე,

like we can measure the genome.

როგორც გენომის შემთხვევაში.

So the problem is that measuring --

პრობლემა ის არის რომ...

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

თუ შეეცდებით ყველა პროტეინის ამოცნობას, ეს ძალიან რთული პროცესია,

It requires hundreds of steps,

ასობით საფეხურისგან შემდგარი,

and it takes a long, long time.

რასაც დიდი დრო სჭირდება.

And it matters how much of the protein it is.

ეს დამოკიდებულია აგრეთვე პროტეინის რაოდენობაზე.

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

მისი 10%_ით ცვლილებაც კი შეიძლება მნიშვნელოვანი იყოს,

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

ანუ არც ისე კარგი ციფრია როგორც დნმ_ის შენთხვევაში.

And basically our problem is somebody's in the middle

ფაქტიურად პრობლემა ისაა, რომ ვთქვათ ვიღაც ამ ხანგრძლივი

of this very long stage,

პროცესის შუაშია,

they pause for just a moment,

ისვენებს ცოტა ხნით,

and they leave something in an enzyme for a second,

და ტოვებს რამეს ენზიმთან ერთად რამდენიმე წამით,

and all of a sudden all the measurements from then on

და უეცრად ყველა გამოთვლა, ამის შემდეგ,

don't work.

აღარ მუშაობს.

And so then people get very inconsistent results

და ხალხი იღებს შეუსაბამო პასუხებს

when they do it this way.

მსგავსი გამოთვლებისას.

People have tried very hard to do this.

მეცნიერები ბევრს შრომობენ ამისთვის.

I tried this a couple of times

მეც რამდენჯერმე ვცადე

and looked at this problem and gave up on it.

და ბოლოს დავნებდი.

I kept getting this call from this oncologist

მე ხშირად მირეკავდა ონკოლოგი

named David Agus.

სახელად დევიდ აგუსი.

And Applied Minds gets a lot of calls

Applied Minds_ს უამრავი ზარი შედის

from people who want help with their problems,

ადამიანებისგან, რომლებიც დახმარებას ითხოვენ,

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

და არ მეგონა რომ ღირდა მეპასუხა,

so I kept on giving him to the delay list.

ამიტომ არ ვიღებდი ყურმილს.

And then one day,

და ერთ დღეს,

I get a call from John Doerr, Bill Berkman

მირეკავდნენ ჯონ დოერი, ბილ ბერკმანი

and Al Gore on the same day

და ალ გორი,

saying return David Agus's phone call.

მთხოვდნენ დავკავშირებოდი დევიდ აგუსს.

(Laughter)

(სიცილი)

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

გავიფიქრე, "კარგი, მოხერხებული ბიჭი ყოფილა."

(Laughter)

(სიცილი)

So we started talking,

და ჩვენი დიალოგიც შედგა.

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

და მან მითხრა, " უკეთესი გზა მჭირდება პროტეინების განსაზღვრისა."

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

რომელიც, ჩემი აზრით,

Not going to be easy."

არ იქნებოდა ადვილი.

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

მან კი დაიჟინა,რომ აუცილებლად უნდა ეპოვნა,

I mean, I see patients dying every day

რადგან ყოველდღიურად იღუპებოდნენ პაციენტები

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

იმიტომ, რომ ვერ ადგენდნენ თუ რა ხდებოდა მის ორგანიზმში.

We have to have a window into this."

საჭირო იყო სპეციალური გზის მოძებნა.

And he took me through

და მანაც მაჩვენა და განმიმარტა

specific examples of when he really needed it.

მაგალითები, როდესაც განსაკუთრებით ჭირდებოდა.

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

და მეც მივხვდი, რომ ამას შეიძლება დიდი ცვლილება მოჰყოლოდა,

if we could do it,

თუ, რა თქმა უნდა, შევძლებდით.

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

და მეც დავთანხმდი ერთად მუშაობაზე.

Applied Minds has enough play money

Applied Minds_ს საკმარისი თანხა აქვს,

that we can go and just work on something

რათა ვიმუშაოთ სურვილისამებრ

without getting anybody's funding or permission or anything.

ვინმეს დაფინანსების მოლოდინის გარეშეც.

So we started playing around with this.

ასე რომ ჩვენც დავიწყეთ ამ თემაზე მუშაობა.

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

მუშაობის პროცესში მივხვდით თუ რაც იყო პრობლემა...

that taking the sip of coffee --

ყავის პატარა ყლუპი...

that there were humans doing this complicated process

აქამდე ადამიანები აკეთებდენენ ამ ჩახლართულ პროცესს,

and that what really needed to be done

და საჭირო იყო

was to automate this process like an assembly line

პროცესის ავტომატიზირებულ რეჟიმზე გადაყვანა,

and build robots

და რობოტების აგება,

that would measure proteomics.

რომლებიც გაზომავდნენ პროტეომიკებს.

And so we did that,

და ჩვენ შევძელით ეს.

and working with David,

დავიდთან ერთად

we made a little company called Applied Proteomics eventually,

შევქმენით მცირე კომპანია სახელად Applied Proteomics

which makes this robotic assembly line,

რომელიც ამზადებს რობოტების საამწყობო კონვეიერს,

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

რის საშუალებითაც იზომება პროტეინები.

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

მეც განახებთ თუ როგორ გამოიყურება ეს პროცესი.

Basically, what we do

ძირითადად, რასაც ჩვენ ვაკეთბთ არის ის

is we take a drop of blood

რომ ვიღებთ სისხლის წვეთს

out of a patient,

რომელიმე პაციენტიდან,

and we sort out the proteins

გადავარჩევთ პროტეინებს

in the drop of blood

სისხლის წვეთში

according to how much they weigh,

მათი წონის,

how slippery they are,

და სხვა თვისებების მიხედვით

and we arrange them in an image.

და ვიღებთ კონკრეტულ სურათს,

And so we can look at literally

სადაც ზედმიწევნით ჩანს

hundreds of thousands of features at once

ასობით ათასი მოლეკულა ერთ ფონზე

out of that drop of blood.

სისხლის წვეთიდან.

And we can take a different one tomorrow,

და ჩვენ შეგვიძლია სხვა სინჯის აღება მეორე დღეს,

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

და პროტეინულ განსხვავებაზე დაკვირვება...

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

სურათი შეიცვლება ჭამისა ან/და ძილის შემდეგ.

They really tell us what's going on there.

ისინი ნამდვილად გვატყობინებენ თუ რა ხდება ორგანიზმში.

And so this picture,

და ეს სურათი,

which looks like a big smudge to you,

რომელიც შეიძლება დიდ ლაქად მოგეჩვენოთ,

is actually the thing that got me really thrilled about this

ფაქტიურად არის ის რამაც მღელვარება შემმატა

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

და მაგრძნობინა რომ სწორ გზაზე ვდგევართ.

So if I zoom into that picture,

თუ გავადიდებ ამ სურათს,

I can just show you what it means.

შემიძლია გაჩვენოთ რას ნიშნავს.

We sort out the proteins -- from left to right

მარცხნიდან მარჯვნივ აღრიცხულია

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

პროტეინები წონის მიხედვით,

and from top to bottom is how slippery they are.

ზემოდან ქვემოთ კი - რამდენად სრიალა.

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

უფრო გავადიდებ რომ უკეთესად გაჩვენოთ.

And so each of these lines

ე.ი. თითოეული ხაზი

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

წარმოადგენს პროტეინის ნაწილისაგან მიგებულ სიგნალს.

And you can see how the lines occur

და თქვენ ხედავთ თუ როგორ წარმოიქმნება ხაზები

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

ამ პატარა ჯგუფებში: bump, bump, bump, bump, bump

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

ეს იმიტომ, რომ ჩვენ ვზომავთ მასას ისეთი სიზუსტით, რომ...

carbon comes in different isotopes,

ნახშირბადი არსებობს სხვადასხვა იზოტოპების სახით,

so if it has an extra neutron on it,

და თუ მას აქვს ზედმეტი ნეიტრონი,

we actually measure it as a different chemical.

ჩვენ აღვრიცხავთ მას როგორც განსხვავებულ ნივთიერებას.

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

ანუ იზოტოპები განსხვავებულ ელემენტებად გამოისახება.

And so that gives you an idea

შეიძლება შეგექმნათ შთაბეჭდილება

of how exquisitely sensitive this is.

თუ რამდენად დახვეწილი სისტემაა.

So seeing this picture

ამ სურათის ხილვა ემსგავსება

is sort of like getting to be Galileo

გალილეოს ადგილას ყოფნას,

and looking at the stars

თითქოს ვარსკვლავებს პირველად

and looking through the telescope for the first time,

აკვირდებოდეთ ტელესკოპის საშუალებით,

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

და უცბათ ამბობთ, ''გაცილებით უფრო რთულია, ვიდრე ვფიქრობდი.''

But we can see that stuff out there

მაგრამ ჩვენ შეგვიძლია დავინახოთ ის

and actually see features of it.

საკუთარი მახასიათებლებით.

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

ანუ ეს ხელმოწერაა, რომლისგანაც ვცდილობთ ნიმუშის შექმნას.

So what we do with this

რასაც ჩვენ ვაკეთებთ არის ის,

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

რომ, მაგალითად, ჩვენ შეგვიძლია შევხედოთ ორ პაციენტს,

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

კონკრეტული წამლის მიმართ რეაგირების მიხედვით არამსგავსს,

and ask, "What's going on differently

და ვიკითხოთ,''რა ხდება განსხვავებული

inside of them?"

მათ ორგანიზმში?"

And so we can make these measurements precisely enough

ჩვენ შეგვიძლია საკმარისად ზუსტად გავზომოთ

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

და დავაკვირდეთ მათ შორის განსხვავებას.

So here we have Alice in green

აი ჩვენ გვყავს ანეტა მწავნედ

and Bob in red.

და ბეშქენი წითლად შეღებილი.

We overlay them. This is actual data.

ეს მზა მონაცემებია.

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

როგორც ხედავთ, ძირითადად ერთმანეთს გადაფარავს და ყვითელია,

but there's some things that just Alice has

მაგრამ მაინც არის რაღაც, რაც მხოლოდ

and some things that just Bob has.

ანეტას, ან მხოლოდ ბეშქენს გააჩნია.

And if we find a pattern of things

და თუ ვიპოვეთ მოდელი იმისა

of the responders to the drug,

რაც რეაგირებს წამალზე

we see that in the blood,

ჩვენ დავინახავთ რომ სისხლში,

they have the condition

მათ აქვთ პირობები,

that allows them to respond to this drug.

რომლის საშუალებითაც კონკრეტულ წამალზე გვაძლევენ რეაქციას.

We might not even know what this protein is,

ჩვენ შეიძლება არც კი ვიცოდეთ რომელი პროტეინია ეს,

but we can see it's a marker

მაგრამ ჩვენ ვხედავთ მის მარკერს,

for the response to the disease.

რომელიც რეაგირებს დაავადებაზე.

So this already, I think,

ვფიქრობ, რომ ამას

is tremendously useful in all kinds of medicine.

უკვე დიდი გამოყენებითი პოტენციალი აქვს მედიცინაში.

But I think this is actually

მაგრამ, ამავე დროს,

just the beginning

ეს მხოლოდ დასაწყისია იმისა,

of how we're going to treat cancer.

თუ როგორ განვკურნავთ სიმსივნეს.

So let me move to cancer.

მოდით გადავალ სიმსივნეზე.

The thing about cancer --

რაც შეეხება მას...

when I got into this,

როცა პროექტში ჩავერთე,

I really knew nothing about it,

ბევრი არაფერი ვიცოდი მის შესახებ,

but working with David Agus,

უბრალოდ დევიდ აგუსთან მუშაობისას

I started watching how cancer was actually being treated

ვაკვირდებოდი როგორ კურნავდნენ

and went to operations where it was being cut out.

და ოპერაციისას როგორ კვეთდნენ სიმსივნეს.

And as I looked at it,

პირადად ჩემთვის,

to me it didn't make sense

დიდი მნიშვნელობა არ ჰქონდა

how we were approaching cancer,

თუ რა კუთხიდან მივუახლოვდებოდით სიმსივნეს.

and in order to make sense of it,

ამისათვის უნდა გაგვერკვია

I had to learn where did this come from.

სიმსივნის წარმოშობის მიზეზები.

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

ჩვენ ვკურნავთ სიმსივნეს თითქოს ინფექციური დაავადება იყოს,

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

თითქოს ისეთი რამე შეგვეყარა ორგანიზმში,

that we have to kill.

რაც აუცილებლად უნდა მოიკლას

So this is the great paradigm.

ეს კი დიდი პარადიგმაა.

This is another case

ეს ის შემთხვევაა,

where a theoretical paradigm in biology really worked --

როცა თეორიულმა პარადიგმამ ბიოლოგიაში იმუშავა...

was the germ theory of disease.

დაავადების ემბრიონალური თეორია.

So what doctors are mostly trained to do

ყველაზე ხშირად რასაც ექიმები აკეთებენ

is diagnose --

არის დაავადების დიაგნოზირება...

that is, put you into a category

შესაბამისი კატეგორიის მინიჭება...

and apply a scientifically proven treatment

და მეცნიერულად გამართლებული მკურნალობის

for that diagnosis --

სისტემის დანიშვნა.

and that works great for infectious diseases.

ეს კი ბრწყინვალედ მუშაობს ინფექციური დაავადებებისას..

So if we put you in the category

ანუ თუ დაგიდგინეს რომ გაქვთ

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

სიფილისი, დაგინიშნავენ პენიცილინს.

We know that that works.

ვიცით რომ ის იმოქმედებს.

If you've got malaria, we give you quinine

თუ მალარია, მაშინ ქინაქინს.

or some derivative of it.

ან რაიმე სხვა საშუალებას.

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

და ეს არის ის,რის კეთებაშიც ექიმები გაწაფულნი არიან.

and it's miraculous

და ნამდვილად სასწაულებრივია

in the case of infectious disease --

ინფექციური დაავადების შემთხვევაში

how well it works.

რამდენად კარგად მუშაობს.

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

და ,ალბათ, ამ აუდიტორიიდან უმრავლესობა არც იქნებოდა ცოცხალი

if doctors didn't do this.

ექიმები ამას რომ არ აკეთებდნენ.

But now let's apply that

მაგრამ მოდი ეხლა

to systems diseases like cancer.

იგივე დავუკავშიროთ სიმსივნეს.

The problem is that, in cancer,

პრობლემა ის არის, რომ სიმსივნის

there isn't something else

შემთხვევაში, არაფერი ზედმეტი

that's inside of you.

არ არის თქვენს ორგანიზმში.

It's you; you're broken.

პირიქით, შენი კუთვნილია დაზიანებული.

That conversation inside of you

როგორღაც უჯრედშორისი

got mixed up in some way.

საუბრები აირია.

So how do we diagnose that conversation?

და როგორ ამოვიცნობთ ამ საუბრებს?

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

დღესდღეისობით ჩვენ ვყოფთ მას სხეულის ნაწილების მიხედვით,

you know, where did it appear? --

ანუ სად არის კერა,

and we put you in different categories

და შემდეგ მოგაკუთნებთ შესაბამის კატეგორიას

according to the part of the body.

მდებარეობის მიხედვით.

And then we do a clinical trial

შემდეგ ვიღებთ კლინიკურ სინჯებს

for a drug for lung cancer

ფილტვის კიბოს,

and one for prostate cancer and one for breast cancer,

პროსტატასა და მკერდის კიბოსათვის,

and we treat these as if they're separate diseases

და ვმკურნალობთ მათ როგორც განსხვავებულ დაავადებებს,

and that this way of dividing them

და მათი დაყოფის ეს გზა

had something to do with what actually went wrong.

კავშირშია იმასთან, რაც არასწორად მიმდინარეობს.

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

და რა თქმა უნდა, დიდს არაფერს უკეთებს იმას,

with what went wrong

რაც არასწორად მიმდინარეობს.

because cancer is a failure of the system.

იმიტომ, რომ სიმსივნე იგივე მოშლილი სისტემაა.

And in fact, I think we're even wrong

და,ფაქტიურად არასწორები ვართ,

when we talk about cancer as a thing.

როცა სიმსივნეს რამედ აღვიქვამთ.

I think this is the big mistake.

ვფიქრობ რომ ეს დიდი შეცდომაა.

I think cancer should not be a noun.

სიმსივნე არ უნდა იყოს არსებითი სახელი,

We should talk about cancering

ის უნდა გავიაზროთ როგორც პროცესი,

as something we do, not something we have.

ის, რაც ხდება, და არა ის, რაც გვაქვს.

And so those tumors,

და კიბოც

those are symptoms of cancer.

სიმსივნის სიმპტომებია.

And so your body is probably cancering all the time,

პროცესი "სიმსივნე" ,ალბათ, გამუდმებით მიმდინარეობს.

but there are lots of systems in your body

მაგრამ ორგანიზმში უამრავი სისტემაა,

that keep it under control.

რომელიც აკონტროლებს მას.

And so to give you an idea

ანალოგის საშუალებით

of an analogy of what I mean

უკეთესად გაგაგებინებთ რასაც ვგულისხმობ,

by thinking of cancering as a verb,

როცა ვიყენებ "სიმსივნეს" როგორც ზმნას.

imagine we didn't know anything about plumbing,

წარმოვიდგინოთ არაფერი ვიცით წყალსადენის საქმის შესახებ,

and the way that we talked about it,

და თუ როგორ ვსაუბრობდით მასზე.

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

დავუშვათ სამზარეულოში წყალი წვეთავს,

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

ჩვენ ვიტყოდით, "ჩემს სახლს წყალი აქვს."

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

წყალსადენის ოსტატის კითხვაზე თუ სად არის წყალი

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

უპასუხებდით,"სამზარეულოში." "ე.ი.სამზარეულოს წყალია."

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

ასეთი ვითარება იქნებოდა.

"Kitchen water,

"სამზარეულოს წყალი?

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

პირველ რიგში კარგად უნდა შევამშრალოთ.

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

და თუ გამწოვსაც დავუყენებთ,

that helps.

ყველაფერი რიგზე იქნება.

Whereas living room water,

მაშინ, როდესაც მისაღები ოთახის წყლის შემთხვევაში

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

უმჯობესია გუდრონით დაფარო ჭერი."

And it sounds silly,

სულელურად ჟღერს,მაგრამ

but that's basically what we do.

ეს ისაა, რასაც ჩვენ ვაკეთებთ.

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

მე იმას კი არ ვამბობ რომ არ უნდა მოამშრალო წყალი სიმსივნის შემთხვევაში,

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

არამედ იმას რომ ეს არ არის პრობლემა,

that's the symptom of the problem.

არამედ პრობლემის სიმპტომი.

What we really need to get at

სინამდვილეში რაც უნდა გავიაზროთ

is the process that's going on,

არის პროცესი,

and that's happening at the level

რომელიც ხდება

of the proteonomic actions,

პროტეომიკების დონეზე,

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

ხდება...რატომ არ კურნავს ორგანიზმი საკუთარ თავს

in the way that it normally does?

როგორც საჭიროა?

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

იმიტომ, რომ ჩვეულებრივ ორგანიზმი ამ პრობლემას გამუდმებით უმკლავდება.

So your house is dealing with leaks all the time,

ანუ თქვენი სახლი აგვარებს წყლის გაჟონვის პრობლემებს,

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

ასწორებს მათ და წყალსაც აშრობს.

So what we need

ჩვენ გვჭირდება

is to have a causative model

მიზეზობრივი მოდელი იმისა,

of what's actually going on,

რაც ფაქტიურად ხდება.

and proteomics actually gives us

და სწორედ პროტეომიკები გვაძლევენ

the ability to build a model like that.

მსგავსი მოდელის შექმნის საშუალებას.

David got me invited

დევიდმა დამპატიჟა

to give a talk at National Cancer Institute

სიმსივნის ნაციონალურ ინსტიტუტში,

and Anna Barker was there.

სადაც იყო ანა ბარკერი.

And so I gave this talk

ჩვენ ვისაუბრეთ და

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

მე ვკითხე, "თქვენ რატომ არ გააკეთებთ ამას?'

And Anna said,

და ანამ მიპასუხა რომ

"Because nobody within cancer

არავინ უყურებს სიმსივნეს

would look at it this way.

ასეთი კუთხით.

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

მაგრამ ჩვენ ვაპირებთ შევქმნათ პროგრამა

for people outside the field of cancer

სიმსივნის შესწავლის სფეროდან შორს მყოფი ხალხისა

to get together with doctors

და ამ სფეროში კარგად

who really know about cancer

ჩახედული ექიმებისათვის,

and work out different programs of research."

რომლებიც დაამუშავებენ კვლევის სხვადასხვა ასპექტებს."

So David and I applied to this program

მე და დევიდმა

and created a consortium

შევქმენით კონსორციუმი

at USC

უსც_ში,

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

სადაც მუშაობენ მსოფლიოს უძლიერესი ონკოლოგები

and some of the best biologists in the world,

და ბიოლოგები,

from Cold Spring Harbor,

ქოლდ სპრინგ ჰარბორიდან,

Stanford, Austin --

სტანფორდი, ოსტინი...

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

მეც აღარ ჩამოვთვლი ყველა ადგილის სახელწოდებას...

to have a research project

მუშაობენ პროექტზე,

that will last for five years

რომელიც გაგრძელდება 5 წელი,

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

და შევეცდებით შევქმნათ სიმსივნის მოდელი.

We're doing it in mice first,

პირველად ვირთაგვებზე ვცდით,

and we will kill a lot of mice

და ალბათ ბევრი მათგანი მოკვდება

in the process of doing this,

კვლევის პერიოდში,

but they will die for a good cause.

მაგრამ ისინი კეთილი მიზნისთვის დაიხოცებიან.

And we will actually try to get to the point

და ჩვენც შევეცდებით მივიღოთ სურათი,

where we have a predictive model

ალბათური მოდელი,

where we can understand,

საიდანაც შევიტყობთ,

when cancer happens,

თუ როდის ხდება სიმსივნე,

what's actually happening in there

რა ხდება ამ დროს

and which treatment will treat that cancer.

და როგორ უნდა განვკურნოთ ის.

So let me just end with giving you a little picture

მოდი დავასრულებ პატარა სურათით იმაზე,

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

თუ როგორი იქნება სიმსივნის მკურნალობა მომავალში.

So I think eventually,

ვფიქრობ, რომ

once we have one of these models for people,

ოდესღაც გვექნება რომელიმე მოდელი ადამიანებისთვის,

which we'll get eventually --

რომელსაც აუცილებლად მივიღებთ საბოლოოდ...

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

ვგულისხმობ, რომ ჩვენი ჯგუფი იშრომებს მანამ,

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

სანამ არ ჩამოყალიბდება კარგი კომპიუტერული მოდელი...

sort of like a global climate model for weather.

რაღაც მსოფლიო კლიმატის მოდელის მსგავსი.

It has lots of different information

უამრავ განსხვავებულ ინფორმაციას მოგვცემს

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

იმ პროცესების შესახებ, რაც პროტეომიკების

on many different scales.

დონეზე მიმდინარეობს.

And so we will simulate

და ჩვენ შევქმნით

in that model

ამ მოდელის საშუალებით

for your particular cancer --

რომელიმე კონკრეტული სიმსივნის ტიპის სიმულაციას...

and this also will be for ALS,

ეს აგრეთვე იმუშავებს ALS_თვის,

or any kind of system neurodegenerative diseases,

ან სხვა სახის სისტემის ნეიროდეგენერაციულ დაავადებაზე.

things like that --

ყველაფერი დაახლოვებით ასე იქნება...

we will simulate

ჩვენ შევქმნით

specifically you,

თქვენს სიმულაციურ მოდელს,

not just a generic person,

ზოგადს კი არა,არამედ

but what's actually going on inside you.

შინაგან გარემოში მიმდინარე პროცესების აღმწერს.

And in that simulation, what we could do

და ამ სიმულაციის საშუალებით ჩვენ

is design for you specifically

დაგინიშნავთ სპეციალურად თქვენთვის

a sequence of treatments,

გათვლილ მკურნალობის კურსს,

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

და ეს იქნება უწყინარი კურსი ცოტა წამლებით.

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

შეიძლება ერთ დღეს საერთოდ ჭამა აგეკრძალოთ,

or give them a little chemotherapy,

მეორე დღეს მცირე დოზით ქიმიოთერაპია,

maybe a little radiation.

შესაძლებელია რადიაციაც.

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

ხანდახან, რა თქმა უნდა, ქირურგიული ჩარევაც საჭირო იქნება.

But design a program of treatments specifically for you

მსგავსი პროგრამის შექმნა

and help your body

დაეხმარება თქვენს ორგანიზმს

guide back to health --

დაუბრუნდეს ჯანსაღ მდგომარეობას...

guide your body back to health.

დაუბრუნდეს ჯანმრთელობას.

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

იმიტომ, რომ თქვენი სხეული მაქსიმუმს გააკეთბს,

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

რათა შეასწოროს ის , რაც არასწორად მიმდინარეობს,

We put it in the equivalent of splints.

რაც არეულია.

And so your body basically has lots and lots of mechanisms

და თქვენს ორგანიზმს უამრავი მექანიზმი გააჩნია

for fixing cancer,

სიმსივნის წინააღმდეგ,

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

ჩვენ უბრალოდ ბიძგი უნდა მივცეთ მათ

and get them to do the job.

გამართული მუშაობისათვის.

And so I believe that this will be the way

და მეც მჯერა რომ ეს იქნება სიმსივნის

that cancer will be treated in the future.

მკურნალობის გზა მომავალში.

It's going to require a lot of work,

ამოსათვის, რა თქმა უნდა, უამრავი

a lot of research.

მუშაობა და კვლევაა საჩირო,

There will be many teams like our team

ჩვენს გარდა სხვა გუნდებიც

that work on this.

ჩაერთვებიან ამ საქმეში.

But I think eventually,

და ვფიქრობ, რომ საბოლოოდ

we will design for everybody

მოვახერხებთ ყველასთვის

a custom treatment for cancer.

მკურნალობის ინდივიდუალური კურსის დანიშვნას.

So thank you very much.

ძალიან დიდი მადლობა.

(Applause)

(ტაში)