Stephen Friend: The hunt for "unexpected genetic heroes"

62,612 views ・ 2014-05-29

TED


Lai atskaņotu videoklipu, divreiz noklikšķiniet uz zemāk redzamajiem subtitriem angļu valodā.

Translator: Zane Mitrevica Reviewer: Ilze Garda
00:12
Approximately 30 years ago,
0
12602
2338
Pirms aptuveni 30 gadiem,
00:14
when I was in oncology at the Children's Hospital
1
14940
2693
kad es strādāju Filadelfijas Bērnu slimnīcas onkoloģijas nodaļā,
00:17
in Philadelphia,
2
17633
1389
00:19
a father and a son walked into my office
3
19022
3154
manā kabinetā ienāca tēvs un dēls,
00:22
and they both had their right eye missing,
4
22176
3144
un viņiem abiem nebija labās acs.
00:25
and as I took the history, it became apparent
5
25320
2811
Izpētot slimības vēsturi, kļuva skaidrs,
00:28
that the father and the son had a rare form
6
28131
2769
ka gan tēvam, gan dēlam bija
00:30
of inherited eye tumor, retinoblastoma,
7
30900
3542
iedzimta reta acs audzēja forma — retinoblastoma,
00:34
and the father knew that he had passed that fate
8
34442
3114
un tēvs zināja,
ka viņš bija nodevis to tālāk savam dēlam.
00:37
on to his son.
9
37556
1875
00:39
That moment changed my life.
10
39431
2412
Šis mirklis mainīja manu dzīvi.
00:41
It propelled me to go on
11
41843
1904
Tas pamudināja mani turpināt darbu
00:43
and to co-lead a team that discovered
12
43747
3532
un uzņemties līdzvadīt komandu, kas atklāja
00:47
the first cancer susceptibility gene,
13
47279
3197
pirmo vēža uzņēmīgo gēnu.
00:50
and in the intervening decades since then,
14
50476
2721
Turpmākajās desmitgadēs
00:53
there has been literally a seismic shift
15
53197
3420
notika burtiski seismiska mēroga pārmaiņas
00:56
in our understanding of what goes on,
16
56617
2026
mūsu izpratnē par šūnās notiekošo
00:58
what genetic variations are sitting behind
17
58643
2888
un ģenētiskajām variācijām,
kas slēpjas aiz dažādām slimībām.
01:01
various diseases.
18
61531
1559
01:03
In fact, for thousands of human traits,
19
63090
3384
Patiesībā tūkstošiem cilvēka pazīmju
01:06
a molecular basis that's known for that,
20
66474
2218
tiek skaidrotas molekulārā līmenī,
01:08
and for thousands of people, every day,
21
68692
3295
un katru dienu tūkstošiem cilvēku
01:11
there's information that they gain
22
71987
2081
uzzina par risku
01:14
about the risk of going on to get this disease
23
74068
2442
iegūt tādu vai citādu slimību.
01:16
or that disease.
24
76510
2226
01:18
At the same time, if you ask,
25
78736
2305
Tajā pašā laikā, ja vaicājam,
01:21
"Has that impacted the efficiency,
26
81041
2707
vai tas ir ietekmējis
01:23
how we've been able to develop drugs?"
27
83748
2092
jaunu zāļu radīšanas efektivitāti,
01:25
the answer is not really.
28
85840
1782
tad atbilde ir — ne gluži.
01:27
If you look at the cost of developing drugs,
29
87622
2330
Ja aplūkojam zāļu radīšanu un tās izmaksas,
01:29
how that's done, it basically hasn't budged that.
30
89952
3389
būtībā nekas nav mainījies.
01:33
And so it's as if we have the power to diagnose
31
93341
4473
Mēs it kā spētu slimību diagnosticēt,
01:37
yet not the power to fully treat.
32
97814
2812
taču nespējam to pilnībā izārstēt.
01:40
And there are two commonly given reasons
33
100626
2466
Parasti tiek minēti divi iemesli,
01:43
for why that happens.
34
103092
1468
kāpēc tā notiek.
01:44
One of them is it's early days.
35
104560
3472
Pirmais — mēs esam pašā atklājumu sākumā.
01:48
We're just learning the words, the fragments,
36
108032
3590
Mēs vēl tikai mācāmies vārdus, fragmentus,
01:51
the letters in the genetic code.
37
111622
1776
ģenētiskā koda „burtus”.
01:53
We don't know how to read the sentences.
38
113398
2155
Mēs vēl neprotam lasīt teikumus.
01:55
We don't know how to follow the narrative.
39
115553
2570
Mēs vēl nezinām, kā izprast stāstus.
01:58
The other reason given is that
40
118123
2479
Otrs iemesls —
vairums ģenētisko pārmaiņu izraisa kādas funkcijas zudumu,
02:00
most of those changes are a loss of function,
41
120602
2218
02:02
and it's actually really hard to develop drugs
42
122820
2925
un ir ļoti sarežģīti radīt zāles,
02:05
that restore function.
43
125745
1915
kas šo funkciju atjaunotu.
02:07
But today, I want us to step back
44
127660
2182
Bet šodien es gribētu paspert soli atpakaļ
02:09
and ask a more fundamental question,
45
129842
2028
un uzdot būtiskāku jautājumu:
02:11
and ask, "What happens if we're thinking
46
131870
2189
„Vai varētu būt,
ka mēs par šo visu domājam nepareizā kontekstā?”
02:14
about this maybe in the wrong context?"
47
134059
2733
02:16
We do a lot of studying of those who are sick
48
136792
3159
Mēs daudz pētām tos, kuri ir slimi,
02:19
and building up long lists
49
139951
2600
un veidojam garus sarakstus
02:22
of altered components.
50
142551
3118
ar ģenētiskajām izmaiņām.
02:25
But maybe, if what we're trying to do
51
145669
2399
Bet varbūt, ja reiz mēs mēģinām
02:28
is to develop therapies for prevention,
52
148068
3222
izveidot profilaktiskas terapijas,
02:31
maybe what we should be doing
53
151290
1553
mums patiesībā vajadzētu
02:32
is studying those who don't get sick.
54
152843
2382
pētīt tos cilvēkus, kuri nesaslimst.
02:35
Maybe we should be studying those
55
155225
2347
Varbūt mums vajadzētu pētīt tos,
02:37
that are well.
56
157572
2175
kuri ir veseli.
02:39
A vast majority of those people
57
159747
1797
Lielākā daļa šo cilvēku,
02:41
are not necessarily carrying a particular
58
161544
2336
iespējams, nemaz nav konkrētā gēna
02:43
genetic load or risk factor.
59
163880
1936
vai riska faktora nesēji.
02:45
They're not going to help us.
60
165816
1984
Tie mums nepalīdzēs.
02:47
There are going to be those individuals
61
167800
1599
Būs arī tādi cilvēki,
02:49
who are carrying a potential future risk,
62
169399
2669
kuri ir pakļauti potenciālam riskam nākotnē
02:52
they're going to go on to get some symptom.
63
172068
1844
un kuriem parādīsies kāds no simptomiem.
02:53
That's not what we're looking for.
64
173912
1788
To mēs nemeklējam.
02:55
What we're asking and looking for is,
65
175700
1848
Mēs patiesībā gribam noskaidrot un uzzināt,
02:57
are there a very few set of individuals
66
177548
2770
vai ir tādi nedaudzie cilvēki,
03:00
who are actually walking around
67
180318
2836
kuri dzīvo ar riska faktoru,
03:03
with the risk that normally would cause a disease,
68
183154
4019
kas parasti izraisa slimību,
03:07
but something in them, something hidden in them
69
187173
2963
bet kaut kas šajos cilvēkos
03:10
is actually protective
70
190136
1834
viņus aizsargā
03:11
and keeping them from exhibiting those symptoms?
71
191970
3175
un neļauj slimības simptomiem izpausties.
03:15
If you're going to do a study like that, you can imagine
72
195145
2053
Ja jūs izdomātu pētīt ko tamlīdzīgu,
03:17
you'd like to look at lots and lots of people.
73
197198
2832
jūs gribētu aplūkot ārkārtīgi daudz cilvēku.
03:20
We'd have to go and have a pretty wide study,
74
200030
3292
Tam būtu jābūt vērienīgam pētījumam,
03:23
and we realized that actually
75
203322
1735
un mēs sapratām,
03:25
one way to think of this is,
76
205057
1529
ka viens veids, kā to paveikt,
03:26
let us look at adults who are over 40 years of age,
77
206586
4277
ir pievērsties pieaugušajiem, kas vecāki par 40 gadiem,
03:30
and let's make sure that we look at those
78
210863
2970
un pārliecināties, ka pētām tikai tos,
03:33
who were healthy as kids.
79
213833
1480
kuri bija veseli arī bērnībā.
03:35
They might have had individuals in their families
80
215313
2402
Iespējams, viņu ģimenēs ir bijuši cilvēki,
03:37
who had had a childhood disease,
81
217715
1812
kas bērnībā cietuši no kādas slimības,
03:39
but not necessarily.
82
219527
1506
bet varbūt arī ne.
03:41
And let's go and then screen those
83
221033
2767
Tad nu pārbaudīsim šos cilvēkus,
03:43
to find those who are carrying genes
84
223800
1993
un atradīsim tos, kuri ir
03:45
for childhood diseases.
85
225793
1678
bērnu slimību gēnu nesēji.
03:47
Now, some of you, I can see you
86
227471
1564
Varu iztēloties, kā daži no jums
03:49
putting your hands up going, "Uh, a little odd.
87
229035
3295
paceļ rokas un jautā: „Ai, tas nu gan ir mazliet savādi!
03:52
What's your evidence
88
232330
1417
Kādi ir pierādījumi,
03:53
that this could be feasible?"
89
233747
1662
ka tas ir izdarāms?”
03:55
I want to give you two examples.
90
235409
2064
Es minēšu divus piemērus.
03:57
The first comes from San Francisco.
91
237473
2948
Pirmais ir no Sanfrancisko,
04:00
It comes from the 1980s and the 1990s,
92
240421
2941
tas ir no 80.—90. gadiem,
04:03
and you may know the story where
93
243362
2394
Varbūt jūs jau zināt stāstu
04:05
there were individuals who had very high levels
94
245756
2397
par cilvēkiem ar ļoti augstu
HIV vīrusa attīstības pakāpi.
04:08
of the virus HIV.
95
248153
1268
04:09
They went on to get AIDS.
96
249421
2479
Viņi saslima ar AIDS.
04:11
But there was a very small set of individuals
97
251900
2317
Tomēr bija arī neliels daudzums cilvēku,
04:14
who also had very high levels of HIV.
98
254217
2968
kuriem tāpat bija ļoti liels HIV vīrusu daudzums organismā
04:17
They didn't get AIDS.
99
257185
1386
Viņiem AIDS neattīstījās.
04:18
And astute clinicians tracked that down,
100
258571
2962
Vērīgākie ārsti to ievēroja
04:21
and what they found was they were carrying mutations.
101
261533
3387
un atklāja, ka šiem cilvēkiem ir ģenētiskas mutācijas.
04:24
Notice, they were carrying mutations from birth
102
264920
3085
Ņemiet vērā, ka šīs mutācijas bija viņos kopš dzimšanas,
04:28
that were protective, that were protecting them
103
268005
2015
tās viņus pasargāja
04:30
from going on to get AIDS.
104
270020
1641
no saslimšanas ar AIDS.
04:31
You may also know that actually a line of therapy
105
271661
3165
Jūs varbūt arī zināt,
ka ir parādījusies uz šo faktu balstīta terapija.
04:34
has been coming along based on that fact.
106
274826
3120
04:37
Second example, more recent, is elegant work
107
277946
3224
Otrs piemērs — ne tik sens —
ir Helēnas Hobsas brīnišķīgais darbs.
04:41
done by Helen Hobbs,
108
281170
1403
04:42
who said, "I'm going to look at individuals
109
282573
2662
Viņa sacīja: „Es pētīšu tos cilvēkus,
04:45
who have very high lipid levels,
110
285235
2716
kuriem ir ļoti augsts lipīdu līmenis,
04:47
and I'm going to try to find those people
111
287951
1939
un mēģināšu atrast cilvēkus
04:49
with high lipid levels
112
289890
1802
ar augstu lipīdu līmeni,
04:51
who don't go on to get heart disease."
113
291692
2168
kuriem neattīstās sirds slimības.”
04:53
And again, what she found was
114
293860
2438
Un arī viņa atklāja,
ka dažiem no šiem cilvēkiem bija ģenētiskas mutācijas,
04:56
some of those individuals had mutations
115
296298
2560
04:58
that were protective from birth that kept them,
116
298858
2719
kas par spīti lipīdu līmenim sargāja viņus kopš dzimšanas.
05:01
even though they had high lipid levels,
117
301577
1445
05:03
and you can see this is an interesting way
118
303022
3371
Kā redzat, šis ir interesants veids,
05:06
of thinking about how you could develop
119
306393
1961
kā domāt par jaunu terapiju izstrādi.
05:08
preventive therapies.
120
308354
2260
05:10
The project that we're working on
121
310614
1944
Projektu, pie kura mēs strādājam, sauc
05:12
is called "The Resilience Project:
122
312558
2462
„Noturības projekts: Negaidītu varoņu meklējumos”,
05:15
A Search for Unexpected Heroes,"
123
315020
1400
05:16
because what we are interested in doing is saying,
124
316420
2490
jo mēs esam ieinteresēti uzzināt,
05:18
can we find those rare individuals
125
318910
2648
vai varam atrast tos retos cilvēkus,
05:21
who might have these hidden protective factors?
126
321558
4325
kas sevī glabā šos aizsargājošos faktorus?
05:25
And in some ways, think of it as a decoder ring,
127
325883
2980
Savā ziņā varam to uztvert kā koda atslēgu —
05:28
a sort of resilience decoder ring
128
328863
1926
ģenētiskās noturības koda atslēgu,
05:30
that we're going to try to build.
129
330789
1632
ko mēs cenšamies radīt.
05:32
We've realized that we should do this in a systematic way,
130
332421
3849
Mēs sapratām, ka šis darbs ir jāveic sistemātiski,
05:36
so we've said, let's take every single
131
336270
2627
tādēļ izlēmām, ka ņemsim ikkatru
05:38
childhood inherited disease.
132
338897
1243
iedzimtu bērnu slimību.
05:40
Let's take them all, and let's pull them back a little bit
133
340140
2564
Ņemsim visas un atlasīsim tās,
05:42
by those that are known to have severe symptoms,
134
342704
3186
par kurām zinām, ka tās rada smagus simptomus,
05:45
where the parents, the child,
135
345890
1920
tātad gan vecāki, gan bērns, gan citi tuvinieki
05:47
those around them would know
136
347810
1050
05:48
that they'd gotten sick,
137
348860
1330
noteikti pamanītu saslimšanu.
05:50
and let's go ahead and then frame them again
138
350190
3700
Tad vēlreiz apskatīsim
05:53
by those parts of the genes where we know
139
353890
2581
tās gēnu daļas, par kurām zināms,
05:56
that there is a particular alteration
140
356471
2507
ka tajās ir īpašas pārmaiņas,
05:58
that is known to be highly penetrant
141
358978
2798
kas ir spējīgas izraisīt konkrēto slimību.
06:01
to cause that disease.
142
361776
2654
06:04
Where are we going to look?
143
364430
1228
Kur mēs meklēsim?
06:05
Well, we could look locally. That makes sense.
144
365658
2488
Nu, mēs varētu meklēt tepat tuvumā, tas šķiet prātīgi.
06:08
But we began to think, maybe we should look
145
368146
2261
Bet tad mēs sākām domāt, ka varbūt vajadzētu meklēt
06:10
all over the world.
146
370407
1451
visā pasaulē.
06:11
Maybe we should look not just here
147
371858
1653
Varbūt mums vajadzētu meklēt ne tikai šeit,
06:13
but in remote places where their might be
148
373511
1960
bet arī nomaļās vietās, kur varētu būt
06:15
a distinct genetic context,
149
375471
3030
īpaši ģenētiskie apstākļi,
06:18
there might be environmental factors
150
378501
1642
piemēram, vides faktori,
06:20
that protect people.
151
380143
1382
kas cilvēkus aizsargā.
06:21
And let's look at a million individuals.
152
381525
4462
Izpētīsim miljons cilvēku!
06:25
Now the reason why we think it's a good time
153
385987
2970
Iemesls, kādēļ mēs uzskatām,
06:28
to do that now
154
388957
1072
ka tieši tagad ir īstais laiks to darīt,
06:30
is, in the last couple of years,
155
390029
1760
ir tas, ka pēdējo gadu laikā
06:31
there's been a remarkable plummeting in the cost
156
391789
2588
ir strauji samazinājušās izmaksas
06:34
to do this type of analysis,
157
394377
2235
šāda veida analīžu veikšanai
06:36
this type of data generation,
158
396612
1739
un datu ievākšanai.
06:38
to where it actually costs less to do
159
398351
2608
Tagad ir pat lētāk
06:40
the data generation and analysis
160
400959
2194
savākt un analizēt datus
06:43
than it does to do the sample processing and the collection.
161
403153
3184
nekā ievākt un apstrādāt paraugus.
06:46
The other reason is that in the last five years,
162
406337
4304
Vēl viens iemesls — pēdējo piecu gadu laikā
06:50
there have been awesome tools,
163
410641
1964
ir parādījušies lieliski instrumenti
06:52
things about network biology, systems biology,
164
412605
2662
un atklājumi sistēmbioloģijā,
06:55
that have come up that allow us to think
165
415267
1961
kas ļauj mums domāt,
06:57
that maybe we could decipher
166
417228
1940
ka mēs varbūt varētu atšifrēt
06:59
those positive outliers.
167
419168
2481
šos pozitīvos izlecējus.
07:01
And as we went around talking to researchers
168
421649
2172
Tiekoties un runājot
07:03
and institutions
169
423821
1904
ar pētniekiem un iestādēm,
07:05
and telling them about our story,
170
425725
1569
stāstot viņiem par mūsu idejām,
07:07
something happened.
171
427294
1667
notika kas negaidīts.
07:08
They started saying, "This is interesting.
172
428961
2229
Viņi teica: „Interesanti.
07:11
I would be glad to join your effort.
173
431190
3347
Es ar prieku jums pievienošos.
07:14
I would be willing to participate."
174
434537
1927
Esmu gatavs piedalīties.”
07:16
And they didn't say, "Where's the MTA?"
175
436464
2579
Viņi neteica: „Kur ir materiālu nodošanas līgums?”
07:19
They didn't say, "Where is my authorship?"
176
439043
3293
Viņi neteica: „Kur ir manas autortiesības?”
07:22
They didn't say, "Is this data going to be mine? Am I going to own it?"
177
442336
4611
Viņi neprasīja: „Vai šie dati būs mani? Vai tie piederēs man?”
07:26
They basically said, "Let's work on this
178
446947
2279
Būtībā viņi teica:
„Strādāsim visi kopā kā atvērta komanda,
07:29
in an open, crowd-sourced, team way
179
449226
2881
07:32
to do this decoding."
180
452107
3074
lai paveiktu šo atšifrēšanas darbu.”
07:35
Six months ago, we locked down
181
455181
2515
Pirms sešiem mēnešiem mēs atradām
07:37
the screening key for this decoder.
182
457696
3315
šīs koda atslēgas atrisinājumu.
07:41
My co-lead, a brilliant scientist, Eric Schadt
183
461011
4578
Mans līdzvadītājs ģeniālais zinātnieks Ēriks Šadts
07:45
at the Icahn Mount Sinai School of Medicine in New York,
184
465589
3306
Aikanas Medicīnas skolā Mauntsinajā, Ņujorkā,
07:48
and his team,
185
468895
1392
kopā ar savu komandu
07:50
locked in that decoder key ring,
186
470287
2869
atklāja šī koda atslēgu.
07:53
and we began looking for samples,
187
473156
2395
Mēs sākām meklēt paraugus,
07:55
because what we realized is,
188
475551
1486
jo sapratām, ka varbūt varam
07:57
maybe we could just go and look
189
477037
1794
vienkārši ņemt un apskatīt gatavus paraugus,
07:58
at some existing samples to get some sense of feasibility.
190
478831
3086
lai gūtu priekšstatu par iespējām šādu ieceri īstenot.
08:01
Maybe we could take two, three percent of the project on,
191
481917
2577
Varbūt mēs varam paņemt 2—3% no projekta
un paskatīties, vai meklējamais tur vispār ir.
08:04
and see if it was there.
192
484494
1417
08:05
And so we started asking people
193
485911
1998
Mēs sākām aptaujāt tādus cilvēkus
08:07
such as Hakon at the Children's Hospital in Philadelphia.
194
487909
3537
kā Haukons Filadelfijas Bērnu slimnīcā.
08:11
We asked Leif up in Finland.
195
491446
2245
Mēs prasījām Leifam Somijā.
08:13
We talked to Anne Wojcicki at 23andMe,
196
493691
3673
Mēs runājām ar Annu Vodžiki no „23andMe”
08:17
and Wang Jun at BGI,
197
497364
1767
un Vangu Džunu no BGI,
08:19
and again, something remarkable happened.
198
499131
2188
un atkal notika kas vienreizīgs!
08:21
They said, "Huh,
199
501319
1809
Viņi teica: „Hm!
08:23
not only do we have samples,
200
503128
1744
Mums ne vien ir paši paraugi,
08:24
but often we've analyzed them,
201
504872
2196
mēs bieži vien tos jau esam analizējuši
08:27
and we would be glad to go into
202
507068
1487
un ar prieku pārskatīsim
08:28
our anonymized samples
203
508555
1403
mūsu anonīmos paraugus —
08:29
and see if we could find those
204
509958
2062
varbūt mums izdosies atrast tos,
08:32
that you're looking for."
205
512020
1163
kurus meklējat.”
08:33
And instead of being 20,000 or 30,000,
206
513183
2707
20 000 vai 30 000 vietā
08:35
last month we passed one half million samples
207
515890
3152
pagājušajā mēnesī mēs jau bijām izanalizējuši
vairāk nekā pusmiljonu paraugu.
08:39
that we've already analyzed.
208
519042
1905
08:40
So you must be going,
209
520947
1493
Jūs droši vien gribat vaicāt:
08:42
"Huh, did you find any unexpected heroes?"
210
522440
5625
„Nu, vai jūs atradāt kādus negaidītos varoņus?”
08:48
And the answer is, we didn't find one or two.
211
528065
2583
Atbilde ir — mēs atradām nevis vienu vai divus,
08:50
We found dozens of these strong candidate
212
530648
3038
mēs atradām desmitiem
šādu negaidīto varoņu kandidātu.
08:53
unexpected heroes.
213
533686
1729
08:55
So we think that the time is now
214
535415
2697
Tādēļ mēs domājam, ka ir pienācis laiks
08:58
to launch the beta phase of this project
215
538112
2340
ķerties pie projekta nākamās fāzes
09:00
and actually start getting prospective individuals.
216
540452
3117
un patiešām sākt meklēt atbilstošus cilvēkus.
09:03
Basically all we need is information.
217
543569
3171
Būtībā mums tik vien kā vajag informāciju.
09:06
We need a swab of DNA
218
546740
1659
Mums vajag DNS uztriepi
09:08
and a willingness to say, "What's inside me?
219
548399
3405
un vēlēšanos uzzināt: „Kas manī ir iekšā?
09:11
I'm willing to be re-contacted."
220
551804
3263
Es piekrītu, ka ar mani atkārtoti sazināsies.”
09:15
Most of us spend our lives,
221
555067
3791
Vairums no mums pavada dzīvi,
09:18
when it comes to health and disease,
222
558858
1954
vērojot no malas, kad runa ir par veselību un slimībām.
09:20
acting as if we're voyeurs.
223
560812
3080
09:23
We delegate the responsibility
224
563892
2337
Mēs nododam atbildību
09:26
for the understanding of our disease,
225
566229
2043
izprast mūsu slimību
09:28
for the treatment of our disease,
226
568272
1872
un to ārstēt
09:30
to anointed experts.
227
570144
3536
oficiāli atzītiem ekspertiem.
09:33
In order for us to get this project to work,
228
573680
3340
Lai šis projekts izdotos,
09:37
we need individuals to step up
229
577020
2150
mums vajag cilvēkus, kas ir gatavi
09:39
in a different role and to be engaged,
230
579170
3892
uzņemties citu lomu un iesaistīties,
09:43
to realize this dream,
231
583062
2925
lai īstenotu šo sapni,
09:45
this open crowd-sourced project,
232
585987
3135
šo atvērto pūļa projektu,
09:49
to find those unexpected heroes,
233
589122
3680
lai atrastu šos negaidītos varoņus,
09:52
to evolve from the current concepts
234
592802
2660
lai paceltos pāri mūsdienu pieņēmumiem
09:55
of resources and constraints,
235
595462
2334
par līdzekļiem un ierobežojumiem,
09:57
to design those preventive therapies,
236
597796
3251
lai radītu jaunas profilaktiskās terapijas
10:01
and to extend it beyond childhood diseases,
237
601047
2773
un piemērotu tās ne tikai bērnu kaitēm vien.
10:03
to go all the way up to ways
238
603820
1577
Lai nonāktu galā un atrastu veidus
10:05
that we could look at Alzheimer's or Parkinson's,
239
605397
3871
kā pētīt Alcheimera vai Pārkinsona slimību gēnus,
10:09
we're going to need us
240
609268
2262
vajag, lai mēs visi
10:11
to be looking inside ourselves and asking,
241
611530
3106
ieskatītos sevī un pajautātu:
10:14
"What are our roles?
242
614636
2204
„Kādas ir mūsu lomas?
10:16
What are our genes?"
243
616840
1673
Kādi ir mūsu gēni?”
10:18
and looking within ourselves for information
244
618513
2785
Mums ir jāmeklē sevī informācija,
10:21
we used to say we should go to the outside,
245
621298
2642
ko mēdzām meklēt ārpusē, pie ekspertiem,
10:23
to experts,
246
623940
1208
10:25
and to be willing to share that with others.
247
625148
4052
un jābūt gataviem ar šo informāciju dalīties.
10:29
Thank you very much.
248
629200
3558
Liels paldies!
(Aplausi)
10:32
(Applause)
249
632758
1815
Par šo vietni

Šajā vietnē jūs iepazīstinās ar YouTube videoklipiem, kas noder angļu valodas apguvei. Jūs redzēsiet angļu valodas nodarbības, ko pasniedz augstas klases skolotāji no visas pasaules. Divreiz uzklikšķiniet uz angļu subtitriem, kas redzami katrā video lapā, lai atskaņotu video no turienes. Subtitri ritinās sinhroni ar video atskaņošanu. Ja jums ir kādi komentāri vai pieprasījumi, lūdzu, sazinieties ar mums, izmantojot šo kontaktformu.

https://forms.gle/WvT1wiN1qDtmnspy7