The next software revolution: programming biological cells | Sara-Jane Dunn

번역: Somyeong Kim 검토: Jihyeon J. Kim

The second half of the last century was completely defined

지난 세기의 후반기는

단 하나의 기술혁명으로 대표됩니다.

by a technological revolution:

바로 소프트웨어 혁명입니다.

the software revolution.

규소라는 물질에 전자를 프로그래밍하는 능력은

The ability to program electrons on a material called silicon

한때 우리가 상상도 하지 못했지만,

made possible technologies, companies and industries

that were at one point unimaginable to many of us,

지금은 세상의 작동 방식을 완전히 바꾸어 놓은

많은 기술과 산업, 회사들을 가능케 했습니다.

but which have now fundamentally changed the way the world works.

The first half of this century, though,

반면 이번 세기의 전반기에는

is going to be transformed by a new software revolution:

또 다른 소프트웨어 혁명이 큰 변화를 가져올 겁니다.

the living software revolution.

바로 생체 소프트웨어 혁명입니다.

And this will be powered by the ability to program biochemistry

이 혁명은 생체라는 물질을

생화학적으로 프로그래밍하는 능력에서 비롯될 겁니다.

on a material called biology.

And doing so will enable us to harness the properties of biology

그러면 우리는 생물학의 성과를 이용해

to generate new kinds of therapies,

새로운 치료법을 개발하고,

to repair damaged tissue,

손상된 생체 조직을 복구하며,

to reprogram faulty cells

결함 있는 세포를 재프로그래밍하거나,

or even build programmable operating systems out of biochemistry.

프로그래밍 가능한 생화학적 운영체제를 설계할 수도 있습니다.

If we can realize this -- and we do need to realize it --

우리가 이를 실현할 수 있다면, 또 반드시 실현해야겠지만,

its impact will be so enormous

기존의 소프트웨어 혁명이 빛바랠 만큼

that it will make the first software revolution pale in comparison.

굉장한 여파를 미칠 겁니다.

And that's because living software would transform the entirety of medicine,

생체 소프트웨어는 제약, 농업, 에너지 산업등

IT와 직접적인 연관성이 없는 수많은 분야에까지

agriculture and energy,

and these are sectors that dwarf those dominated by IT.

막대한 변화를 가져올 것이기 때문입니다.

Imagine programmable plants that fix nitrogen more effectively

프로그래밍 가능한 식물을 상상해 봅시다.

이 식물은 질소를 더 효과적으로 고정하고,

or resist emerging fungal pathogens,

유행하는 곰팡이균에 저항하며,

or even programming crops to be perennial rather than annual

일 년에 한 번 대신 두 번씩 열매를 맺어

so you could double your crop yields each year.

수확량을 두 배로 늘릴 수도 있습니다.

That would transform agriculture

이는 농업의 양상을 완전히 바꾸어

and how we'll keep our growing and global population fed.

점점 증가하는 세계 인구의 식량 소비량을 충당할 수 있는 방법이 될 것입니다.

Or imagine programmable immunity,

이번에는 프로그래밍 가능한 면역체계를 상상해봅시다.

designing and harnessing molecular devices that guide your immune system

분자 단위로 제작된 생화학적 도구들이 당신의 면역체계를 도와

to detect, eradicate or even prevent disease.

질병을 감지하고, 제거하며, 또는 예방할 수도 있습니다.

This would transform medicine

이는 의학의 양상을 완전히 바꾸어

and how we'll keep our growing and aging population healthy.

점점 증가하고 고령화되는 세계 인구의 건강을 지킬 방법이 될 것입니다.

We already have many of the tools that will make living software a reality.

이미 생물 소프트웨어를 실현시킬 수 있는 많은 도구가 있습니다.

We can precisely edit genes with CRISPR.

CRISPR 기술을 통해 유전자를 정밀히 조작할 수 있고,

We can rewrite the genetic code one base at a time.

유전 부호를 개별 염기 수준에서 고쳐쓸 수 있으며,

We can even build functioning synthetic circuits out of DNA.

DNA로부터 실제 작동하는 합성 회로를 만들어낼 수도 있습니다.

But figuring out how and when to wield these tools

하지만 이 도구들을 언제, 어떻게 사용해야 하는지는

is still a process of trial and error.

여전히 시행착오를 통해 배울 수밖에 없습니다.

It needs deep expertise, years of specialization.

이를 위해서는 높은 전문성과 다년간의 경험이 필요합니다.

And experimental protocols are difficult to discover

이 분야의 실험결과들은 찾아보기 힘들며

and all too often, difficult to reproduce.

불행하게도 많은 경우 재현하기도 어렵습니다.

And, you know, we have a tendency in biology to focus a lot on the parts,

게다가, 우리는 생물을 연구할 때 각각의 기관에만 너무 주의를 기울이곤 합니다.

but we all know that something like flying wouldn't be understood

하지만 누구나 알듯이, 깃털만 따로 연구해서는

절대 새들이 나는 원리를 이해할 수 없습니다.

by only studying feathers.

So programming biology is not yet as simple as programming your computer.

그래서 생체 프로그래밍은 아직 컴퓨터를 프로그래밍하는 것처럼 간단치 않습니다.

And then to make matters worse,

문제를 더 악화시키는 건,

living systems largely bear no resemblance to the engineered systems

여러분과 제가 매일 프로그래밍하는 기계적인 시스템이

that you and I program every day.

생체 시스템과 별로 공통점이 없다는 겁니다.

In contrast to engineered systems, living systems self-generate,

기계적인 시스템과 다르게, 생체 시스템은 스스로 발생하고,

they self-organize,

스스로 자신을 구성하며,

they operate at molecular scales.

분자단위에서 작동합니다.

And these molecular-level interactions

또 이런 분자단위의 상호작용은

lead generally to robust macro-scale output.

대개 뚜렷한 거시적인 결과를 만들어냅니다.

They can even self-repair.

생체 시스템은 스스로를 복구할 수도 있습니다.

Consider, for example, the humble household plant,

예를 들어, 집에서 키우는 작은 식물,

like that one sat on your mantelpiece at home

여러분이 자꾸만 물 주기를 잊어버리는

that you keep forgetting to water.

그 화분을 생각해봅시다.

Every day, despite your neglect, that plant has to wake up

여러분이 알아차리지 못해도, 이 식물은 매일 잠에서 깨어

and figure out how to allocate its resources.

자신의 자원을 어떻게 배분할지 결정해야 합니다.

Will it grow, photosynthesize, produce seeds, or flower?

성장해야 할까요, 광합성해야 할까요, 아니면 씨앗을 만들거나 꽃을 피워야 할까요?

And that's a decision that has to be made at the level of the whole organism.

이 결정은 각 기관이 아니라 전체 개체 수준에서 이루어져야 합니다.

But a plant doesn't have a brain to figure all of that out.

하지만 식물에게는 결정을 내릴 뇌가 없기 때문에,

It has to make do with the cells on its leaves.

잎 세포만으로 문제를 해결해야 합니다.

They have to respond to the environment

잎 세포들은 환경에 반응해

and make the decisions that affect the whole plant.

전체 개체에 영향을 미칠 결정을 내려야 합니다.

So somehow there must be a program running inside these cells,

그러니 이 세포들에는 어떤 프로그램이 내장되어 있어,

a program that responds to input signals and cues

입력되는 신호에 반응해

and shapes what that cell will do.

자신이 무엇을 할지 결정하는 것이 분명합니다.

And then those programs must operate in a distributed way

세포들이 서로 협동해 전체 개체를 키워내려면

across individual cells,

이 프로그램은

so that they can coordinate and that plant can grow and flourish.

분산 방식으로 작동해야 합니다.

If we could understand these biological programs,

이 생물학적 프로그램, 생물학적 연산을

if we could understand biological computation,

우리가 규명해낼 수 있다면

it would transform our ability to understand how and why

세포들이 어떻게, 왜 어떤 일을 하는지

훨씬 잘 이해할 수 있을 겁니다.

cells do what they do.

Because, if we understood these programs,

생물학적 프로그램을 이해하면,

we could debug them when things go wrong.

무언가 문제가 생겼을 때 그걸 디버깅할 수 있습니다.

Or we could learn from them how to design the kind of synthetic circuits

또는 이 프로그램들을 모방해 생체의 생화학적 연산능력을 온전히 활용하는

that truly exploit the computational power of biochemistry.

합성 회로를 설계할수도 있을 겁니다.

My passion about this idea led me to a career in research

이런 비전에 대한 열정이

저를 수학과 컴퓨터 과학, 생물학의 접점을 연구하도록 이끌었습니다.

at the interface of maths, computer science and biology.

And in my work, I focus on the concept of biology as computation.

저는 생물학을 컴퓨터 과학의 관점에서 바라봅니다.

And that means asking what do cells compute,

세포가 무엇을 연산하는지,

and how can we uncover these biological programs?

어떻게 생물학적 프로그램의 비밀을 밝혀낼 수 있을지 묻습니다.

And I started to ask these questions together with some brilliant collaborators

캠브릿지 대학교에 있는 마이크로소프트 연구소의 동료들과 함께

at Microsoft Research and the University of Cambridge,

이 문제를 연구하기 시작했습니다.

where together we wanted to understand

저희는 어떤 독특한 세포에 내장된

the biological program running inside a unique type of cell:

생체 프로그램을 이해하고자 했습니다.

an embryonic stem cell.

바로 배아줄기세포입니다.

These cells are unique because they're totally naïve.

배아줄기세포는 아직 분화가 일어나지 않은 원시 상태라는 점에서 특별합니다.

They can become anything they want:

이 세포는 자신이 원하는 어떤 세포로던 변할 수 있습니다.

a brain cell, a heart cell, a bone cell, a lung cell,

뇌세포, 심장 세포, 뼈 세포, 간 세포,

any adult cell type.

분화를 마친 어떤 세포로든지요.

This naïvety, it sets them apart,

배아줄기세포를 구별 짓는 이 만능성은

but it also ignited the imagination of the scientific community,

과학계의 상상력에 불을 지폈습니다.

who realized, if we could tap into that potential,

배아줄기세포의 잠재능력을 활용할 수 있다면

we would have a powerful tool for medicine.

의학적으로 강력한 도구가 될 것이기 때문입니다.

If we could figure out how these cells make the decision

배아줄기세포가 어떤 세포로 분화할지

to become one cell type or another,

스스로 선택하는 과정을 밝혀내면

we might be able to harness them

우리는 이 세포를 사용해

to generate cells that we need to repair diseased or damaged tissue.

감염되거나 손상된 조직 복구에 필요한 세포를 만들어낼 수 있을지도 모릅니다.

But realizing that vision is not without its challenges,

하지만 이런 비전을 실현시키는데는 몇 가지 문제가 존재합니다.

not least because these particular cells,

그 중 하나는, 배아줄기세포가

they emerge just six days after conception.

수정 후 단 6일 후에 나타난다는 점입니다.

And then within a day or so, they're gone.

그러고는 하루 이틀만에 사라져버립니다.

They have set off down the different paths

이미 서로 다른 방향으로 분화를 시작해

that form all the structures and organs of your adult body.

성인의 몸을 구성하는 각종 기관들을 구성하기 시작한 것이죠.

But it turns out that cell fates are a lot more plastic

하지만 세포운명은 우리가 예상했던 것보다

than we might have imagined.

더 가소적인 것으로 밝혀졌습니다.

About 13 years ago, some scientists showed something truly revolutionary.

13년 전 쯤에, 몇 명의 과학자들이 정말 놀라운 발견을 했습니다.

By inserting just a handful of genes into an adult cell,

약간의 유전자를 성인 세포,

like one of your skin cells,

예를 들어 여러분의 피부 세포에 삽입해서

you can transform that cell back to the naïve state.

다시 원시 상태로 되돌릴 수 있다는 걸요.

And it's a process that's actually known as "reprogramming,"

"재프로그래밍"으로 알려진 이 기전을 통해

and it allows us to imagine a kind of stem cell utopia,

줄기세포를 만병통치약으로 활용하는 미래를 상상해볼 수 있습니다.

the ability to take a sample of a patient's own cells,

환자의 세포를 채취해

transform them back to the naïve state

분화 전의 원시 상태로 되돌려서

and use those cells to make whatever that patient might need,

환자에게 필요한 세포라면 무엇이든,

whether it's brain cells or heart cells.

뇌세포든 심장 세포든 만들 수 있을 겁니다.

But over the last decade or so,

하지만 지난 10년간의 노력에도 불구하고,

figuring out how to change cell fate,

세포 운명을 바꾸는 방법을 찾는 연구는

it's still a process of trial and error.

여전히 시행착오의 연속입니다.

Even in cases where we've uncovered successful experimental protocols,

성공적인 실험 방법을 찾아낼 때도 있지만,

they're still inefficient,

그 숫자는 여전히 불충분하고,

and we lack a fundamental understanding of how and why they work.

우리는 그 방법들이 어떻게, 왜 좋은 결과를 가져오는지 잘 이해하지 못합니다.

If you figured out how to change a stem cell into a heart cell,

줄기세포를 심장 세포로 분화시키는 방법을 찾아냈다고 해도,

that hasn't got any way of telling you how to change a stem cell

그 발견은 줄기세포를 뇌세포로 분화시키는 방법에 대해서는

into a brain cell.

아무 것도 알려주지 않습니다.

So we wanted to understand the biological program

그러니까 우리는 배아줄기세포에 내장된

running inside an embryonic stem cell,

생물학적 프로그램을 이해하고 싶었습니다.

and understanding the computation performed by a living system

생체 시스템이 수행하는 연산을 이해하려면,

starts with asking a devastatingly simple question:

먼저 정말 간단한 질문을 하나 던져야 합니다.

What is it that system actually has to do?

그 시스템이 무엇을 해야 할까요?

Now, computer science actually has a set of strategies

컴퓨터 과 학에는 소프트웨어와 하드웨어가 무엇을 해야 하는지

for dealing with what it is the software and hardware are meant to do.

규정하기 위한 여러 기술이 있습니다.

When you write a program, you code a piece of software,

어떤 프로그램을 작성할 때, 다시 말해 소프트웨어를 코딩할 때

you want that software to run correctly.

우리는 그 소프트웨어가 올바르게 작동하기를 바랍니다.

You want performance, functionality.

다양한 기능을 빠르게 수행하기 바라고,

You want to prevent bugs.

버그가 없기를 바랍니다.

They can cost you a lot.

버그는 큰 문제를 일으킬지도 모릅니다.

So when a developer writes a program,

그래서 개발자가 프로그램을 작성할 때는,

they could write down a set of specifications.

여러 명시 사항을 기록해 둡니다.

These are what your program should do.

이것이 바로 프로그램이 해야 할 일입니다.

Maybe it should compare the size of two numbers

두 숫자의 크기를 비교하는 일일 수도 있고,

or order numbers by increasing size.

숫자들을 오름차순으로 정렬하는 일일 수도 있습니다.

Technology exists that allows us automatically to check

개발자에게는 프로그램이 자신의 명시 사항을 만족하는지,

whether our specifications are satisfied,

즉 해야 할 일을 잘 해내는지

whether that program does what it should do.

자동으로 확인해 주는 기술이 있습니다.

And so our idea was that in the same way,

같은 맥락에서 저희는

실험실에서 얻는 관측 결과, 측정값들이

experimental observations, things we measure in the lab,

they correspond to specifications of what the biological program should do.

생체 프로그램이 무엇을 해야 하는지에 대한 명시 사항에 해당하는 것이라 생각했습니다.

So we just needed to figure out a way

저희는 이 새로운 종류의 명시 사항을

to encode this new type of specification.

부호화하는 방법만 찾으면 되었습니다.

So let's say you've been busy in the lab and you've been measuring your genes

실험실에서 유전자들을 오랫동안 관찰해보니

and you've found that if Gene A is active,

유전자 A가 활성화되어 있을 때는,

then Gene B or Gene C seems to be active.

유전자 B나 유전자 C도 활성상태에 있다는 걸 발견했다고 합시다.

We can write that observation down as a mathematical expression

그러면 이 관측 결과를 논리 언어를 사용해서

if we can use the language of logic:

수학적 표현으로 옮겨 적을 수 있습니다.

If A, then B or C.

만약 A라면, B 또는 C이다.

Now, this is a very simple example, OK.

물론 현실은 이만큼 간단하지 않습니다.

It's just to illustrate the point.

이 예시는 그저 설명을 위한 겁니다.

We can encode truly rich expressions

하지만 더 풍부한 논리 표현을 사용하면

that actually capture the behavior of multiple genes or proteins over time

서로 다른 여러 실험에서 검증된,

복수 유전자와 단백질의 시간에 따른 행동을 부호화할 수 있습니다.

across multiple different experiments.

And so by translating our observations

이렇게 관측 결과를

수학적 표현으로 바꾸면,

into mathematical expression in this way,

it becomes possible to test whether or not those observations can emerge

이 결과가 유전자 사이의 상호작용을 기술하는

특정 프로그램의 결과와 모순이 없는지 판별할 수 있습니다.

from a program of genetic interactions.

And we developed a tool to do just this.

이 작업을 위한 도구를 저희가 개발했습니다.

We were able to use this tool to encode observations

이 도구를 사용해 관측 결과를

수학적 표현으로 부호화하고,

as mathematical expressions,

and then that tool would allow us to uncover the genetic program

부호화한 관측 결과를 모두 설명해주는

유전자 프로그램을 찾아낼 수 있었습니다.

that could explain them all.

And we then apply this approach

이후 저희는 같은 도구를 사용해

to uncover the genetic program running inside embryonic stem cells

배아줄기세포에 내장된 유전자 프로그램을 이해하고

to see if we could understand how to induce that naïve state.

세포를 분화 전의 원시상태로 되돌리는 방법을 찾고자 했습니다.

And this tool was actually built

이 도구는 사실

세계 곳곳에서 소프트웨어 검증을 위해 일상적으로 활용되는

on a solver that's deployed routinely around the world

for conventional software verification.

솔버(풀이 프로그램)를 기초로 개발되었습니다.

So we started with a set of nearly 50 different specifications

배아줄기세포를 관찰하며 기록한

that we generated from experimental observations of embryonic stem cells.

50개에 달하는 명시 사항들을

And by encoding these observations in this tool,

이 도구를 사용해 부호화해서

we were able to uncover the first molecular program

그 모두를 설명할 수 있는 첫 번째 분자 프로그램을

that could explain all of them.

찾아내는 데 성공했습니다.

Now, that's kind of a feat in and of itself, right?

이것 만으로도 충분히 큰 성과입니다, 그렇죠?

Being able to reconcile all of these different observations

서로 다른 수 많은 관측 결과에 빠짐없이 부합하는 가설을 찾는 작업은

is not the kind of thing you can do on the back of an envelope,

결코 주먹구구식으로 이루어질 수 없습니다.

even if you have a really big envelope.

여러분 손가락이 아무리 많더라도요.

Because we've got this kind of understanding,

문제를 여기까지 해결했으니

we could go one step further.

한 걸음 더 나가봅시다.

We could use this program to predict what this cell might do

밝혀진 유전자 프로그램을 바탕으로

아직 실험하지 않은 조건에서의 배아줄기세포의 행동을 예측하는 겁니다.

in conditions we hadn't yet tested.

We could probe the program in silico.

저희는 유전자 프로그램을 컴퓨터로 옮겨서

And so we did just that:

시뮬레이션 해보았습니다.

we generated predictions that we tested in the lab,

그 결과를 실험실에서 직접 검증해본 결과

and we found that this program was highly predictive.

저희가 찾아낸 프로그램의 예측은 매우 정확했습니다.

It told us how we could accelerate progress

이 프로그램은 세포의 역분화 과정을

back to the naïve state quickly and efficiently.

손쉽게, 효과적으로 가속시키는 방법을 알려주었습니다.

It told us which genes to target to do that,

어떤 유전자를 표적으로 해야하는지,

which genes might even hinder that process.

또 어떤 유전자가 역분화 과정을 저해할지도요.

We even found the program predicted the order in which genes would switch on.

이 프로그램은 유전자들이 활성화 되는 순서도 예측해냈습니다.

So this approach really allowed us to uncover the dynamics

저희의 접근 방식은 세포 활동의 숨겨진 작동 원리를

of what the cells are doing.

밝혀내는 데 아주 성공적이었습니다.

What we've developed, it's not a method that's specific to stem cell biology.

이 방법은 줄기세포를 연구하는 데만 적용될 수 있는 것이 아닙니다.

Rather, it allows us to make sense of the computation

더 범용적으로, 세포가 수행하는 연산을

being carried out by the cell

유전자 간 상호작용의 관점에서

in the context of genetic interactions.

이해하게 해주는 도구라 말할 수 있습니다.

So really, it's just one building block.

어느 건물에나 쓰일 수 있는 벽돌인 셈입니다.

The field urgently needs to develop new approaches

이 분야에는 새로운 접근 방식이 절실히 필요합니다.

to understand biological computation more broadly

생물학적 연산을 더 폭넓게,

and at different levels,

DNA에서 세포 간 정보 교환에 이르는

from DNA right through to the flow of information between cells.

다양한 수준에서 이해하기 위해서요.

Only this kind of transformative understanding

이런 근본적인 이해가 뒷받침 되어야만

will enable us to harness biology in ways that are predictable and reliable.

생물학을 안정적이고 예측 가능한 방식으로 활용할 수 있습니다.

But to program biology, we will also need to develop

아직 생체 프로그래밍을 위해서는,

다른 도구와 언어도 개발되어야 합니다.

the kinds of tools and languages

that allow both experimentalists and computational scientists

실험 생물학자와 컴퓨터 과학자 모두

to design biological function

생물학적 기능을 설계하고

and have those designs compile down to the machine code of the cell,

그것을 컴파일해 세포의 기계어, 즉 생화학적 정보로 바꿀 수 있어야만

its biochemistry,

so that we could then build those structures.

생체 프로그램을 작성할 수 있습니다.

Now, that's something akin to a living software compiler,

생체 소프트웨어 컴파일러라고 부를 만한 도구인데,

and I'm proud to be part of a team at Microsoft

자랑스럽게도 제가 속한 마이크로소프트 팀에서

that's working to develop one.

개발 중에 있습니다.

Though to say it's a grand challenge is kind of an understatement,

큰 도전이라는 표현으로도 부족할 만큼 어려운 과제이지만,

but if it's realized,

만약 실현된다면,

it would be the final bridge between software and wetware.

컴퓨터와 생체 소프트웨어 사이를 잇는 마지막 다리를 놓게 될 겁니다.

More broadly, though, programming biology is only going to be possible

더 넓은 관점에서, 생체 프로그래밍이 가능하려면

if we can transform the field into being truly interdisciplinary.

이 분야에서 학문 간 교류가 원활히 이루어져야 합니다.

It needs us to bridge the physical and the life sciences,

물상 과학과 생명과학이 이어지고,

and scientists from each of these disciplines

각각의 분야를 연구하는 과학자들이

need to be able to work together with common languages

공통의 언어를 갖고 함께 일하며

and to have shared scientific questions.

과학적 질문을 공유할 수 있어야 합니다.

In the long term, it's worth remembering that many of the giant software companies

미래를 볼 때, 지금의 거대 소프트웨어 기업들과

and the technology that you and I work with every day

우리가 일상적으로 사용하는 첨단 기술들이

could hardly have been imagined

실리콘 마이크로칩에 처음 프로그래밍을 시작했을 때는

at the time we first started programming on silicon microchips.

상상조차 하지 못했던 것들이었음을 기억할 필요가 있습니다.

And if we start now to think about the potential for technology

전산생물학이 연 기술 발전의 가능성에 대해

enabled by computational biology,

지금부터 생각해본다면

we'll see some of the steps that we need to take along the way

그 미래를 실현시키기 위해

우리가 무엇을 해야할 지 알 수 있을 겁니다.

to make that a reality.

Now, there is the sobering thought that this kind of technology

한 가지 염려스러운 것은

이런 기술이 오남용될 수 있다는 점입니다.

could be open to misuse.

If we're willing to talk about the potential

프로그래밍 가능한 면역세포의

for programming immune cells,

가능성에 대해 말하려면

we should also be thinking about the potential of bacteria

동시에 면역 체계를 회피하도록 설계된 세균의

engineered to evade them.

가능성에 대해서도 고려해보아야 합니다.

There might be people willing to do that.

그런 세균을 만드려는 사람이 있을지도 모릅니다.

Now, one reassuring thought in this

그나마 위안이 되는 것은,

is that -- well, less so for the scientists --

과학자들에게는 별로 해당하지 않는 이야기지만,

is that biology is a fragile thing to work with.

생물이 다루기 까다로운 대상이라는 점입니다.

So programming biology is not going to be something

그래서 생체 프로그래밍이

여러분 뒷마당에서 쉽게 할 수 있는 일은 아닙니다.

you'll be doing in your garden shed.

But because we're at the outset of this,

하지만 이 분야가 아직 시작 단계에 있기 때문에,

we can move forward with our eyes wide open.

우리는 경각심을 갖고 나아가야 합니다.

We can ask the difficult questions up front,

정면으로 힘든 질문을 던지고,

we can put in place the necessary safeguards

필요한 안전장치를 마련하며,

and, as part of that, we'll have to think about our ethics.

그 일환으로 연구 윤리에 대해 고민해봐야 합니다.

We'll have to think about putting bounds on the implementation

어떤 생명 기능까지 설계해도 되는지

of biological function.

규제가 필요할지도 모릅니다.

So as part of this, research in bioethics will have to be a priority.

이를 위해서는 생명윤리에 대한 연구가 우선되어야 합니다.

It can't be relegated to second place

과학의 눈부신 발전 가능성에 마음을 뺏겨

in the excitement of scientific innovation.

윤리가 뒷선으로 밀려서는 안 됩니다.

But the ultimate prize, the ultimate destination on this journey,

이 여정의 종점, 궁극적인 보상은

would be breakthrough applications and breakthrough industries

농업에서 의학, 에너지 산업, 재료공학, 심지어 컴퓨터 과학에 이르는

in areas from agriculture and medicine to energy and materials

다양한 분야의 혁신적인 생산성 향상과

and even computing itself.

혁신적 응용 기술들이 될 겁니다.

Imagine, one day we could be powering the planet sustainably

언젠가는 지구 전체가

지속 가능한 친환경 에너지만으로 생활할지도 모릅니다.

on the ultimate green energy

if we could mimic something that plants figured out millennia ago:

식물들이 수백만년 전부터 하던 것처럼

how to harness the sun's energy with an efficiency that is unparalleled

기존의 태양광 패널과는 비교할 수 없는 효율로

태양에너지를 이용할 수 있다면요.

by our current solar cells.

If we understood that program of quantum interactions

식물이 태양광을 그렇게 효과적으로 흡수하는

that allow plants to absorb sunlight so efficiently,

양자 간 상호작용을 기술하는 프로그램을 찾아내면

we might be able to translate that into building synthetic DNA circuits

그 프로그램을 바꿔 써, 차세대 태양광 전지의 재료가 되는 물질의

that offer the material for better solar cells.

DNA 합성 회로를 설계할 수 있을지도 모릅니다.

There are teams and scientists working on the fundamentals of this right now,

지금도 이 주제의 기초 연구를 진행 중인 과학자들이 있습니다.

so perhaps if it got the right attention and the right investment,

적절한 지원과 투자가 뒷받침된다면

it could be realized in 10 or 15 years.

10년에서 15년 내에 실현될 수도 있습니다.

So we are at the beginning of a technological revolution.

지금 우리는 한 기술 혁명의 시작점에 있습니다.

Understanding this ancient type of biological computation

식물이 오래 전부터 수행해 온 생물학적 연산에 대한 이해는

is the critical first step.

이 혁명의 아주 중요한 첫 단계입니다.

And if we can realize this,

이것이 실현된다면,

we would enter in the era of an operating system

우리는 생체 소프트웨어를 구동하는

that runs living software.

운영체제의 시대로 진입할 겁니다.

Thank you very much.

감사합니다.

(Applause)

(박수)