Joe DeRisi: Hunting the next killer virus

30,229 views ・ 2009-01-30

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Rik Delaet Nagekeken door: Els De Keyser
00:12
How can we investigate
0
12160
3000
Hoe kunnen we deze flora van virussen
00:15
this flora of viruses that surround us, and aid medicine?
1
15160
5000
die ons omringt, onderzoeken en de geneeskunde vooruithelpen?
00:20
How can we turn our cumulative knowledge of virology
2
20160
4000
Hoe kunnen we onze cumulatieve kennis van de virologie
00:24
into a simple, hand-held, single diagnostic assay?
3
24160
4000
toepassen in een eenvoudige, draagbare diagnostische test?
00:28
I want to turn everything we know right now about detecting viruses
4
28160
3000
Ik wil alle kennis over het detecteren van virussen
00:31
and the spectrum of viruses that are out there
5
31160
2000
en het spectrum van virussen die er zijn,
00:33
into, let's say, a small chip.
6
33160
3000
onderbrengen op één kleine chip.
00:36
When we started thinking about this project --
7
36160
2000
Toen we begonnen na te denken over dit project -
00:38
how we would make a single diagnostic assay
8
38160
3000
hoe we een diagnostische test
00:41
to screen for all pathogens simultaneously --
9
41160
3000
voor het screenen op alle pathogenen tegelijk zouden maken -
00:44
well, there's some problems with this idea.
10
44160
2000
kwamen er wat problemen bij kijken.
00:46
First of all, viruses are pretty complex,
11
46160
4000
In de eerste plaats zijn virussen vrij complex,
00:50
but they're also evolving very fast.
12
50160
4000
maar ze evolueren ook erg snel.
00:54
This is a picornavirus.
13
54160
1000
Dit is een picornavirus.
00:55
Picornaviruses -- these are things that include
14
55160
2000
Bij de picornavirussen horen onder andere de virussen voor
00:57
the common cold and polio, things like this.
15
57160
3000
verkoudheid en polio thuis.
01:00
You're looking at the outside shell of the virus,
16
60160
2000
Je kijkt naar de buitenkant van het virus,
01:02
and the yellow color here are those parts of the virus
17
62160
3000
en de gele kleur hier zijn die delen van het virus
01:05
that are evolving very, very fast,
18
65160
2000
die heel, heel snel evolueren.
01:07
and the blue parts are not evolving very fast.
19
67160
2000
De blauwe delen evolueren niet zo snel.
01:09
When people think about making pan-viral detection reagents,
20
69160
3000
Wanneer mensen denken over het maken van pan-virale detectiereagentia,
01:12
usually it's the fast-evolving problem that's an issue,
21
72160
4000
geeft meestal dat snel evoluerende deel problemen,
01:16
because how can we detect things if they're always changing?
22
76160
2000
want hoe kunnen we dingen detecteren als ze altijd maar veranderen?
01:18
But evolution is a balance:
23
78160
2000
Maar de evolutie is een evenwicht:
01:20
where you have fast change, you also have ultra-conservation --
24
80160
4000
waar iets snel verandert, heb je ook ultra-behoud -
01:24
things that almost never change.
25
84160
2000
dingen die bijna nooit veranderen.
01:26
And so we looked into this a little more carefully,
26
86160
3000
Daarom zochten we een beetje zorgvuldiger in die richting.
01:29
and I'm going to show you data now.
27
89160
1000
Ik ga er nu wat data van laten zien.
01:30
This is just some stuff you can do on the computer from the desktop.
28
90160
3000
Dit kan je al op de computer thuis doen.
01:33
I took a bunch of these small picornaviruses,
29
93160
2000
Ik nam een aantal van deze kleine picornavirussen,
01:35
like the common cold, like polio and so on,
30
95160
2000
zoals de gewone verkoudheid, polio en ga zo maar door,
01:37
and I just broke them down into small segments.
31
97160
4000
en brak ze in kleine segmenten.
01:41
And so took this first example, which is called coxsackievirus,
32
101160
3000
Dit eerste geval, het coxsackievirus,
01:44
and just break it into small windows.
33
104160
2000
deelde ik op in kleine vensters.
01:46
And I'm coloring these small windows blue
34
106160
2000
Ik kleurde die kleine vensters blauw
01:48
if another virus shares an identical sequence in its genome
35
108160
5000
als een ander virus in zijn genoom een identieke sequentie
01:53
to that virus.
36
113160
1000
met dat virus had.
01:54
These sequences right up here --
37
114160
2000
Deze sequenties hier -
01:56
which don't even code for protein, by the way --
38
116160
2000
die niet eens coderen voor eiwit, tussen haakjes -
01:58
are almost absolutely identical across all of these,
39
118160
3000
zijn vrijwel absoluut identiek bij al deze virussen.
02:01
so I could use this sequence as a marker
40
121160
4000
Zo kon ik deze sequentie als een marker gebruiken
02:05
to detect a wide spectrum of viruses,
41
125160
2000
om een breed spectrum van virussen op te sporen,
02:07
without having to make something individual.
42
127160
3000
zonder iets individueel te moeten maken.
02:10
Now, over here there's great diversity:
43
130160
2000
Hier zie je grote diversiteit:
02:12
that's where things are evolving fast.
44
132160
2000
dat is waar de dingen snel evolueren.
02:14
Down here you can see slower evolution: less diversity.
45
134160
4000
Hieronder zie je langzamer evolutie: minder diversiteit.
02:18
Now, by the time we get out here to, let's say,
46
138160
2000
Als we bijvoorbeeld kijken naar
02:20
acute bee paralysis virus --
47
140160
2000
acute virusverlamming bij bijen -
02:22
probably a bad one to have if you're a bee ---
48
142160
2000
waarschijnlijk niet goed om hebben als je een bij bent ---
02:24
this virus shares almost no similarity to coxsackievirus,
49
144160
5000
zien we dat dit virus bijna geen gelijkenis vertoont met het coxsackievirus,
02:29
but I can guarantee you that the sequences that are most conserved
50
149160
4000
maar ik kan jullie verzekeren dat de sequenties die het meest behouden blijven
02:33
among these viruses on the right-hand of the screen
51
153160
2000
tussen deze virussen aan de rechterkant van het scherm
02:35
are in identical regions right up here.
52
155160
3000
zich in dezelfde regio's bevinden.
02:38
And so we can encapsulate these regions of ultra-conservation
53
158160
3000
Zo kunnen we deze regio's van ultra-conservering
02:41
through evolution -- how these viruses evolved --
54
161160
3000
doorheen de evolutie inkapselen - hoe deze virussen evolueerden -
02:44
by just choosing DNA elements or RNA elements
55
164160
3000
door DNA-elementen of RNA-elementen uit deze regio's
02:47
in these regions to represent on our chip as detection reagents.
56
167160
4000
op onze chip als detectiereagentia te kiezen.
02:51
OK, so that's what we did, but how are we going to do that?
57
171160
3000
OK, dat is wat we deden, maar hoe gaat het in zijn werk?
02:54
Well, for a long time, since I was in graduate school,
58
174160
2000
Al sinds mijn doctoraalopleiding
02:56
I've been messing around making DNA chips --
59
176160
3000
heb ik DNA-chips zitten knutselen -
02:59
that is, printing DNA on glass.
60
179160
2000
dat komt neer op DNA afdrukken op glas.
03:01
And that's what you see here:
61
181160
1000
Dat is wat je hier ziet:
03:02
These little salt spots are just DNA tacked onto glass,
62
182160
3000
deze kleine zoutvlekjes zijn gewoon DNA op glas geplakt,
03:05
and so I can put thousands of these on our glass chip
63
185160
3000
en zo ik kan er duizenden op onze glazen chip zetten
03:08
and use them as a detection reagent.
64
188160
2000
en gebruiken als een detectie-reagens.
03:10
We took our chip over to Hewlett-Packard
65
190160
2000
We namen onze chip mee naar Hewlett-Packard
03:12
and used their atomic force microscope on one of these spots,
66
192160
2000
en gebruikten hun atoomkrachtmicroscoop op een van deze vlekken.
03:14
and this is what you see:
67
194160
2000
Dan krijg je dit te zien:
03:16
you can actually see the strands of DNA lying flat on the glass here.
68
196160
3000
je kan de strengen DNA hier plat op het glas zien liggen.
03:19
So, what we're doing is just printing DNA on glass --
69
199160
3000
Eigenlijk printen we DNA op glas -
03:22
little flat things -- and these are going to be markers for pathogens.
70
202160
4000
kleine platte dingetjes - dat worden markers voor ziekteverwekkers.
03:26
OK, I make little robots in lab to make these chips,
71
206160
3000
Ik maak in het lab kleine robots om deze chips te maken,
03:29
and I'm really big on disseminating technology.
72
209160
3000
en ik ben weg van het toepassen van technologie op nieuwe gebieden.
03:32
If you've got enough money to buy just a Camry,
73
212160
3000
Als je genoeg geld hebt om een Camry te kopen,
03:35
you can build one of these too,
74
215160
2000
kan je ook zo een bouwen.
03:37
and so we put a deep how-to guide on the Web, totally free,
75
217160
4000
We hebben geheel gratis een grondige doe-het-zelfgids op het net geplaatst
03:41
with basically order-off-the-shelf parts.
76
221160
2000
met in principe courante onderdelen -
03:43
You can build a DNA array machine in your garage.
77
223160
3000
je kan nu in je garage een DNA-arraymachine bouwen.
03:46
Here's the section on the all-important emergency stop switch.
78
226160
3000
Hier de paragraaf over de zeer belangrijke noodstopschakelaar.
03:49
(Laughter)
79
229160
2000
(Gelach)
03:51
Every important machine's got to have a big red button.
80
231160
3000
Elke belangrijke machine moet een grote rode knop hebben.
03:54
But really, it's pretty robust.
81
234160
2000
Maar echt, het is vrij robuust.
03:56
You can actually be making DNA chips in your garage
82
236160
3000
Je kan nu echt DNA-chips maken in je garage
03:59
and decoding some genetic programs pretty rapidly. It's a lot of fun.
83
239160
4000
en behoorlijk snel een aantal genetische programma's decoderen. Heel leuk.
04:03
(Laughter)
84
243160
1000
(Gelach)
04:04
And so what we did -- and this is a really cool project --
85
244160
4000
Dit is een echt cool project:
04:08
we just started by making a respiratory virus chip.
86
248160
2000
we zijn nog maar net begonnen met het maken van een respiratoire-viruschip.
04:10
I talked about that --
87
250160
2000
Ik had het daar al over -
04:12
you know, that situation where you go into the clinic
88
252160
2000
ik bedoel de situatie waar ze in de kliniek
04:14
and you don't get diagnosed?
89
254160
2000
niet kunnen vinden wat je mankeert.
04:16
Well, we just put basically all the human respiratory viruses
90
256160
2000
We hebben gewoon alle menselijke respiratoire virussen
04:18
on one chip, and we threw in herpes virus for good measure --
91
258160
3000
op één chip gezet. We deden er voor de goede orde ook nog het herpesvirus bij -
04:21
I mean, why not?
92
261160
1000
Ik bedoel, waarom niet?
04:22
The first thing you do as a scientist is,
93
262160
2000
Het eerste wat je als wetenschapper moet doen,
04:24
you make sure stuff works.
94
264160
1000
is zorgen dat het spul werkt.
04:25
And so what we did is, we take tissue culture cells
95
265160
3000
We namen wat weefselcultuurcellen
04:28
and infect them with various viruses,
96
268160
2000
en infecteerden ze met verschillende virussen,
04:30
and we take the stuff and fluorescently label the nucleic acid,
97
270160
4000
en labelden het nucleïnezuur fluorescent.
04:34
the genetic material that comes out of these tissue culture cells --
98
274160
3000
We brengen het genetisch materiaal dat voortkomt uit deze weefselcultuurcellen -
04:37
mostly viral stuff -- and stick it on the array to see where it sticks.
99
277160
4000
meestal viraal materiaal - op de array om te zien waar het blijft plakken.
04:41
Now, if the DNA sequences match, they'll stick together,
100
281160
2000
Als de DNA-sequenties overeenkomen, zullen ze aan elkaar blijven plakken.
04:43
and so we can look at spots.
101
283160
2000
Dat zien we aan de gevormde kleurvlekken.
04:45
And if spots light up, we know there's a certain virus in there.
102
285160
2000
Als ze oplichten, weten we dat er een zeker virus aanwezig is.
04:47
That's what one of these chips really looks like,
103
287160
2000
Zo ziet een van deze chips eruit.
04:49
and these red spots are, in fact, signals coming from the virus.
104
289160
3000
Deze rode vlekken zijn in feite het signaal afkomstig van het virus.
04:52
And each spot represents a different family of virus
105
292160
3000
Elke vlek staat voor een andere virusfamilie
04:55
or species of virus.
106
295160
1000
of soorten van virussen.
04:56
And so, that's a hard way to look at things,
107
296160
2000
Maar dat is een moeilijke manier om naar die dingen te kijken,
04:58
so I'm just going to encode things as a little barcode,
108
298160
2000
dus ga ik ze coderen als een kleine barcode,
05:00
grouped by family, so you can see the results in a very intuitive way.
109
300160
4000
gegroepeerd per familie, zodat je de resultaten op een meer intuïtieve manier kan zien.
05:04
What we did is, we took tissue culture cells
110
304160
2000
We hebben weefselcultuurcellen
05:06
and infected them with adenovirus,
111
306160
2000
geïnfecteerd met het adenovirus.
05:08
and you can see this little yellow barcode next to adenovirus.
112
308160
4000
Je ziet deze kleine gele barcode naast het adenovirus.
05:12
And, likewise, we infected them with parainfluenza-3 --
113
312160
3000
En met para-influenza-3 -
05:15
that's a paramyxovirus -- and you see a little barcode here.
114
315160
2000
dat is een paramyxovirus - hier de kleine barcode.
05:17
And then we did respiratory syncytial virus.
115
317160
3000
Ook nog het respiratoir syncytieel virus.
05:20
That's the scourge of daycare centers everywhere --
116
320160
2000
Dat is de gesel van de kinderdagverblijven -
05:22
it's like boogeremia, basically.
117
322160
2000
gesnotter alom.
05:24
(Laughter)
118
324160
1000
(Gelach)
05:25
You can see that this barcode is the same family,
119
325160
4000
Je kan zien dat deze barcode van dezelfde familie is,
05:29
but it's distinct from parainfluenza-3,
120
329160
2000
maar onderscheiden van para-influenza-3,
05:31
which gives you a very bad cold.
121
331160
2000
die je een heel zware verkoudheid geeft.
05:33
And so we're getting unique signatures, a fingerprint for each virus.
122
333160
3000
Zo krijgen we unieke signalen, een vingerafdruk voor elk virus.
05:36
Polio and rhino: they're in the same family, very close to each other.
123
336160
3000
Polio en rhino: ze zijn van dezelfde familie, heel dicht bij elkaar.
05:39
Rhino's the common cold, and you all know what polio is,
124
339160
2000
Rhino is de verkoudheid en jullie weten allemaal wat polio is.
05:41
and you can see that these signatures are distinct.
125
341160
3000
Je kunt zien dat deze signalen te onderscheiden zijn.
05:44
And Kaposi's sarcoma-associated herpes virus
126
344160
3000
Kaposi-sarcoom-geassocieerd herpes virus
05:47
gives a nice signature down here.
127
347160
2000
geeft een mooi signaal hier beneden.
05:49
And so it is not any one stripe or something
128
349160
2000
Het is geen streepje of iets dergelijks
05:51
that tells me I have a virus of a particular type here;
129
351160
2000
dat wijst op een virus van een bepaald type.
05:53
it's the barcode that in bulk represents the whole thing.
130
353160
4000
Het is de barcode in haar geheel die de hele zaak vertegenwoordigt.
05:57
All right, I can see a rhinovirus --
131
357160
2000
Ik zie een rhinovirus -
05:59
and here's the blow-up of the rhinovirus's little barcode --
132
359160
2000
en hier is de vergroting van de kleine barcode van het rhinovirus -
06:01
but what about different rhinoviruses?
133
361160
2000
maar hoe zit het met verschillende rhinovirussen?
06:03
How do I know which rhinovirus I have?
134
363160
2000
Hoe weet ik welk rhinovirus ik heb?
06:05
There're 102 known variants of the common cold,
135
365160
3000
Er bestaan 102 bekende varianten van de verkoudheid,
06:08
and there're only 102 because people got bored collecting them:
136
368160
3000
en er zijn er slechts 102, omdat het mensen begon te vervelen ze te verzamelen,
06:11
there are just new ones every year.
137
371160
2000
want er komen er elk jaar nieuwe bij.
06:13
And so, here are four different rhinoviruses,
138
373160
2000
Hier zijn vier verschillende rhinovirussen.
06:15
and you can see, even with your eye,
139
375160
2000
Je kan ze
06:17
without any fancy computer pattern-matching
140
377160
2000
zonder gesofistikeerde computer
06:19
recognition software algorithms,
141
379160
2000
met patroonherkenningsoftware
06:21
that you can distinguish each one of these barcodes from each other.
142
381160
3000
van elkaar onderscheiden door deze barcodes.
06:24
Now, this is kind of a cheap shot,
143
384160
2000
Nu is dit wel niet erg moeilijk
06:26
because I know what the genetic sequence of all these rhinoviruses is,
144
386160
3000
want ik ken de genetische sequenties van al deze rhinovirussen.
06:29
and I in fact designed the chip
145
389160
1000
In feite ontwierp ik de chip
06:30
expressly to be able to tell them apart,
146
390160
2000
precies om ze uit elkaar te kunnen houden,
06:32
but what about rhinoviruses that have never seen a genetic sequencer?
147
392160
4000
maar hoe zit het met rhinovirussen die nog nooit een genetische sequencer hebben gezien?
06:36
We don't know what the sequence is; just pull them out of the field.
148
396160
2000
We kennen de sequentie niet. We hebben ze nog maar net verzameld.
06:38
So, here are four rhinoviruses
149
398160
2000
Hier zijn dus vier rhinovirussen
06:40
we never knew anything about --
150
400160
2000
tot nogtoe onbekend -
06:42
no one's ever sequenced them -- and you can also see
151
402160
3000
de sequentie is nog niet bepaald - en je kunt zien
06:45
that you get unique and distinguishable patterns.
152
405160
2000
dat de patronen uniek en te onderscheiden zijn.
06:47
You can imagine building up some library, whether real or virtual,
153
407160
3000
Je zou een bibliotheek, hetzij reëel of virtueel,
06:50
of fingerprints of essentially every virus.
154
410160
2000
van vingerafdrukken van in wezen elk virus kunnen opbouwen.
06:52
But that's, again, shooting fish in a barrel, you know, right?
155
412160
3000
Maar daar is weer niks aan, toch?
06:55
You have tissue culture cells. There are a ton of viruses.
156
415160
2000
Je hebt weefselcultuurcellen en een hoop virusmateriaal.
06:57
What about real people?
157
417160
2000
Hoe zit het met echte mensen?
06:59
You can't control real people, as you probably know.
158
419160
2000
Je hebt geen controle over echte mensen, zoals je waarschijnlijk weet.
07:01
You have no idea what someone's going to cough into a cup,
159
421160
4000
Je hebt geen idee wat iemand in een beker gaat uithoesten.
07:05
and it's probably really complex, right?
160
425160
3000
Waarschijnlijk iets heel complex, toch?
07:08
It could have lots of bacteria, it could have more than one virus,
161
428160
3000
Er kunnen veel bacteriën in zitten, of meerdere virussen
07:11
and it certainly has host genetic material.
162
431160
2000
en het bevat zeker ook genetisch materiaal van de gastheer.
07:13
So how do we deal with this?
163
433160
1000
Hoe behandelen we dat?
07:14
And how do we do the positive control here?
164
434160
2000
Hoe doen we hier de positieve controle?
07:16
Well, it's pretty simple.
165
436160
2000
Nou, het is vrij simpel.
07:18
That's me, getting a nasal lavage.
166
438160
2000
Dat ben ik bij het ondergaan van een nasale spoeling.
07:20
And the idea is, let's experimentally inoculate people with virus.
167
440160
5000
Het idee is om mensen experimenteel met een virus in te enten
07:25
This is all IRB-approved, by the way; they got paid.
168
445160
5000
zodat we - dit is tussen haakjes door het IRB goedgekeurd, ze worden ervoor betaald.
07:30
And basically we experimentally inoculate people
169
450160
3000
Eigenlijk besmetten we mensen experimenteel
07:33
with the common cold virus.
170
453160
1000
met het verkoudheidsvirus.
07:34
Or, even better, let's just take people
171
454160
2000
Of, nog beter, we nemen gewoon mensen
07:36
right out of the emergency room --
172
456160
1000
direct uit de spoedafdeling -
07:37
undefined, community-acquired respiratory tract infections.
173
457160
4000
met ongedefinieerde, in de gemeenschap opgelopen luchtweginfecties.
07:41
You have no idea what walks in through the door.
174
461160
2000
Je hebt geen idee wat er door de deur binnenkomt.
07:43
So, let's start off with the positive control first,
175
463160
3000
Laten we eerst beginnen met de positieve controle,
07:46
where we know the person was healthy.
176
466160
2000
waarvan we weten dat de persoon gezond was.
07:48
They got a shot of virus up the nose,
177
468160
2000
Ze werden via de neus besmet met virussen.
07:50
let's see what happens.
178
470160
1000
Laten we eens kijken wat er gebeurt.
07:51
Day zero: nothing happening.
179
471160
2000
Dag nul: er gebeurt niets.
07:53
They're healthy; they're clean -- it's amazing.
180
473160
2000
Ze zijn gezond, ze zijn schoon - het is verbazingwekkend.
07:55
Actually, we thought the nasal tract might be full of viruses
181
475160
2000
Eigenlijk verwachten we nasale luchtwegen vol met virussen
07:57
even when you're walking around healthy.
182
477160
1000
zelfs wanneer je er gezond bij loopt.
07:58
It's pretty clean. If you're healthy, you're pretty healthy.
183
478160
2000
Het is vrij schoon. Als je gezond bent, ben je behoorlijk gezond.
08:00
Day two: we get a very robust rhinovirus pattern,
184
480160
4000
Dag twee: we krijgen een zeer robuust rhinoviruspatroon,
08:04
and it's very similar to what we get in the lab
185
484160
2000
en het is zeer vergelijkbaar met wat we krijgen in het lab
08:06
doing our tissue culture experiment.
186
486160
1000
met ons weefselkweekexperiment.
08:07
So that's great, but again, cheap shot, right?
187
487160
3000
Dat is geweldig maar toch weer niet bijster speciaal, niet?
08:10
We put a ton of virus up this guy's nose. So --
188
490160
2000
We hebben een hoop virussen door de neus van deze kerel gejaagd. Dus -
08:12
(Laughter)
189
492160
1000
(Gelach)
08:13
-- I mean, we wanted it to work. He really had a cold.
190
493160
4000
- ik bedoel, we wilden dat het werkte. Ik bedoel dat hij echt een verkoudheid kreeg.
08:17
So, how about the people who walk in off the street?
191
497160
4000
Maar hoe zit het met mensen die je van de straat plukt?
08:21
Here are two individuals represented by their anonymous ID codes.
192
501160
2000
Hier twee personen vertegenwoordigd door hun anonieme ID-codes.
08:23
They both have rhinoviruses; we've never seen this pattern in lab.
193
503160
4000
Ze hebben allebei rhinovirussen. We hebben dit patroon in het lab nooit gezien.
08:27
We sequenced part of their viruses;
194
507160
2000
We bepaalden de sequentie van een deel van hun virussen.
08:29
they're new rhinoviruses no one's actually even seen.
195
509160
3000
Het zijn nieuwe rhinovirussen, nog nooit door iemand gezien.
08:32
Remember, our evolutionary-conserved sequences
196
512160
2000
Vergeet niet dat onze evolutionair geconserveerde sequenties
08:34
we're using on this array allow us to detect
197
514160
2000
die we op deze array gebruiken, ons zelfs toelaten om
08:36
even novel or uncharacterized viruses,
198
516160
2000
nieuwe of niet gekarakteriseerde virussen te detecteren.
08:38
because we pick what is conserved throughout evolution.
199
518160
4000
Omdat we opteerden voor wat doorheen de evolutie behouden bleef.
08:42
Here's another guy. You can play the diagnosis game yourself here.
200
522160
3000
Hier iemand anders. Je kan hier het diagnosespel zelf spelen.
08:45
These different blocks represent
201
525160
2000
Deze verschillende blokken vertegenwoordigen
08:47
the different viruses in this paramyxovirus family,
202
527160
2000
de verschillende virussen in deze paramyxovirusfamilie.
08:49
so you can kind of go down the blocks
203
529160
1000
Je kan dus de blokken overlopen
08:50
and see where the signal is.
204
530160
2000
om te zien waar het signaal is.
08:52
Well, doesn't have canine distemper; that's probably good.
205
532160
3000
Hij heeft geen hondenziekte, dat is waarschijnlijk al goed.
08:55
(Laughter)
206
535160
2000
(Gelach)
08:57
But by the time you get to block nine,
207
537160
2000
Maar als je aan blok negen komt,
08:59
you see that respiratory syncytial virus.
208
539160
2000
zie je dat respiratoir syncytieel virus.
09:01
Maybe they have kids. And then you can see, also,
209
541160
3000
Misschien hebben ze kinderen. Dan zie je ook nog
09:04
the family member that's related: RSVB is showing up here.
210
544160
2000
het verwante virusfamilielid: RSVB is hier weergegeven.
09:06
So, that's great.
211
546160
1000
Zo, dat is geweldig.
09:07
Here's another individual, sampled on two separate days --
212
547160
3000
Hier nog iemand, bemonsterd op twee afzonderlijke dagen -
09:10
repeat visits to the clinic.
213
550160
2000
herhaalde bezoeken aan de kliniek.
09:12
This individual has parainfluenza-1,
214
552160
3000
Deze persoon heeft para-influenza-1,
09:15
and you can see that there's a little stripe over here
215
555160
2000
en je kunt hier een kleine streep zien
09:17
for Sendai virus: that's mouse parainfluenza.
216
557160
3000
voor het Sendai-virus: dat is muis-para-influenza.
09:20
The genetic relationships are very close there. That's a lot of fun.
217
560160
4000
De genetische relaties liggen zeer dicht bij elkaar. Dat valt mee.
09:24
So, we built out the chip.
218
564160
1000
Dus hebben we de chip uitgewerkt.
09:25
We made a chip that has every known virus ever discovered on it.
219
565160
4000
We maakten een chip met alle bekende virussen erop.
09:29
Why not? Every plant virus, every insect virus, every marine virus.
220
569160
3000
Waarom niet? Elk plantvirus, elk insectvirus, elk mariene virus.
09:32
Everything that we could get out of GenBank --
221
572160
2000
Alles wat we uit de GenBank konden krijgen -
09:34
that is, the national repository of sequences.
222
574160
2000
dat is de nationale bewaarplaats van sequenties.
09:36
Now we're using this chip. And what are we using it for?
223
576160
3000
Nu hebben we deze chip. Waar gebruiken we hem voor?
09:39
Well, first of all, when you have a big chip like this,
224
579160
2000
Wel, eerst en vooral, wanneer je met zo een grote chip als deze werkt,
09:41
you need a little bit more informatics,
225
581160
2000
heb je een beetje meer informatica nodig.
09:43
so we designed the system to do automatic diagnosis.
226
583160
2000
Daarom hebben we een systeem voor automatische diagnose ontworpen.
09:45
And the idea is that we simply have virtual patterns,
227
585160
3000
Het idee is dat we gewoon uitgaan van virtuele patronen -
09:48
because we're never going to get samples of every virus --
228
588160
2000
omdat we nooit monsters van ieder virus zullen krijgen.
09:50
it would be virtually impossible. But we can get virtual patterns,
229
590160
3000
Dat zou vrijwel onmogelijk zijn. Maar we kunnen wel virtuele patronen verkrijgen
09:53
and compare them to our observed result --
230
593160
2000
en vergelijken met ons waargenomen resultaat.
09:55
which is a very complex mixture -- and come up with some sort of score
231
595160
4000
Dat is een zeer complex mengsel. Daaruit kunnen we dan een soort score opstellen
09:59
of how likely it is this is a rhinovirus or something.
232
599160
3000
van hoe waarschijnlijk het is dat dit een rhinovirus of zoiets is.
10:02
And this is what this looks like.
233
602160
2000
Zo ziet het eruit.
10:04
If, for example, you used a cell culture
234
604160
2000
Als je bijvoorbeeld gebruik maakt van een celkweek
10:06
that's chronically infected with papilloma,
235
606160
2000
die chronisch geïnfecteerd is met papilloma,
10:08
you get a little computer readout here,
236
608160
2000
dan krijg je hier een kleine computeruitlezing,
10:10
and our algorithm says it's probably papilloma type 18.
237
610160
4000
en ons algoritme zegt dat het waarschijnlijk papilloma type 18 is.
10:14
And that is, in fact, what these particular cell cultures
238
614160
2000
Dat is waar deze specifieke celkweken
10:16
are chronically infected with.
239
616160
2000
chronisch mee geïnfecteerd zijn.
10:18
So let's do something a little bit harder.
240
618160
2000
Laten we iets moeilijkers doen.
10:20
We put the beeper in the clinic.
241
620160
1000
We zetten de pieper op in de kliniek.
10:21
When somebody shows up, and the hospital doesn't know what to do
242
621160
3000
Als iemand opduikt, en het ziekenhuis niet weet wat te doen
10:24
because they can't diagnose it, they call us.
243
624160
2000
omdat ze niet kunnen diagnosticeren, bellen ze ons.
10:26
That's the idea, and we're setting this up in the Bay Area.
244
626160
2000
Dat is het idee en we zijn dat aan het oprichten in de Bay Area.
10:28
And so, this case report happened three weeks ago.
245
628160
2000
Dit geval gebeurde drie weken geleden.
10:30
We have a 28-year-old healthy woman, no travel history,
246
630160
3000
We hebben een 28-jarige gezonde vrouw, zonder reisgeschiedenis,
10:33
[unclear], doesn't smoke, doesn't drink.
247
633160
3000
[Onduidelijk], rookt niet, drinkt niet.
10:36
10-day history of fevers, night sweats, bloody sputum --
248
636160
4000
10 dagen lang koorts, nachtelijk zweten, bloederig sputum -
10:40
she's coughing up blood -- muscle pain.
249
640160
2000
ze hoest bloed op, spierpijn.
10:42
She went to the clinic, and they gave her antibiotics
250
642160
4000
Ze ging naar de kliniek, ze gaven haar antibiotica
10:46
and then sent her home.
251
646160
1000
en stuurden haar naar huis.
10:47
She came back after ten days of fever, right? Still has the fever,
252
647160
4000
Na nog eens tien dagen koorts kwam ze terug, nog steeds met koorts -
10:51
and she's hypoxic -- she doesn't have much oxygen in her lungs.
253
651160
3000
en ze is hypoxisch - ze had niet veel zuurstof in haar longen.
10:54
They did a CT scan.
254
654160
1000
Ze deden een CT-scan.
10:55
A normal lung is all sort of dark and black here.
255
655160
4000
Bij een normale long zie je hier alle soorten grijs en zwart.
10:59
All this white stuff -- it's not good.
256
659160
2000
Al dit witte spul hier is niet goed.
11:01
This sort of tree and bud formation indicates there's inflammation;
257
661160
3000
Dit soort boom-en-knopformatie wijst op een ontsteking.
11:04
there's likely to be infection.
258
664160
2000
Er is waarschijnlijk infectie.
11:06
OK. So, the patient was treated then
259
666160
3000
Dus werd de patiënt vervolgens behandeld
11:09
with a third-generation cephalosporin antibiotic and doxycycline,
260
669160
4000
met een cefalosporine-antibioticum van de derde generatie en doxycycline.
11:13
and on day three, it didn't help: she had progressed to acute failure.
261
673160
4000
Na drie dagen geen verbetering: ze evolueerde naar acuut falen.
11:17
They had to intubate her, so they put a tube down her throat
262
677160
3000
Ze moesten haar intuberen, dus staken ze een buisje in haar keel
11:20
and they began to mechanically ventilate her.
263
680160
1000
en begonnen haar mechanisch te ventileren.
11:21
She could no longer breathe for herself.
264
681160
2000
Ze kon zelf niet meer ademen.
11:23
What to do next? Don't know.
265
683160
2000
Wat nu te doen? Weet ik niet.
11:25
Switch antibiotics: so they switched to another antibiotic,
266
685160
3000
Verander van antibiotica. Ze stapten over naar een ander antibioticum
11:28
Tamiflu.
267
688160
2000
en Tamiflu, dat -
11:30
It's not clear why they thought she had the flu,
268
690160
2000
Het is niet duidelijk waarom ze dachten dat ze de griep had -
11:32
but they switched to Tamiflu.
269
692160
2000
maar ze zijn overgestapt op Tamiflu.
11:34
And on day six, they basically threw in the towel.
270
694160
2000
Na zes dagen gaven ze het eigenlijk op.
11:36
You do an open lung biopsy when you've got no other options.
271
696160
4000
Als je hebt geen andere opties meer hebt, doe je een open-longbiopsie.
11:40
There's an eight percent mortality rate with just doing this procedure,
272
700160
2000
Er is acht procent sterftekans bij deze procedure,
11:42
and so basically -- and what do they learn from it?
273
702160
3000
en wat leerden ze hieruit?
11:45
You're looking at her open lung biopsy.
274
705160
2000
Je kijkt naar haar geopende-longbiopsie.
11:47
And I'm no pathologist, but you can't tell much from this.
275
707160
2000
Ik ben geen patholoog-anatoom maar hier is niet veel aan te zien.
11:49
All you can tell is, there's a lot of swelling: bronchiolitis.
276
709160
3000
Het enige wat je kan zien is dat er veel zwellingen zijn: bronchiolitis.
11:52
It was "unrevealing": that's the pathologist's report.
277
712160
3000
Het rapport van de patholoog: er is niet veel uit op te maken.
11:55
And so, what did they test her for?
278
715160
3000
Wat werd bij haar getest?
11:58
They have their own tests, of course,
279
718160
1000
Ze hebben hun eigen tests, natuurlijk,
11:59
and so they tested her for over 70 different assays,
280
719160
3000
testten haar voor meer dan 70 verschillende toetsen,
12:02
for every sort of bacteria and fungus and viral assay
281
722160
3000
voor elke soort van bacteriën, schimmels en virussen
12:05
you can buy off the shelf:
282
725160
2000
die je kan vinden:
12:07
SARS, metapneumovirus, HIV, RSV -- all these.
283
727160
3000
SARS, metapneumovirus, HIV, RSV ...
12:10
Everything came back negative, over 100,000 dollars worth of tests.
284
730160
4000
Allemaal negatief. Meer dan 100.000 dollar aan tests.
12:14
I mean, they went to the max for this woman.
285
734160
3000
Ze gingen tot het uiterste voor deze vrouw.
12:17
And basically on hospital day eight, that's when they called us.
286
737160
3000
Na acht dagen in het ziekenhuis, riepen ze ons erbij.
12:20
They gave us endotracheal aspirate --
287
740160
2000
Ze gaven ons wat endotracheaal aspiraat -
12:22
you know, a little fluid from the throat,
288
742160
2000
je weet wel, een beetje vocht uit haar keel,
12:24
from this tube that they got down there -- and they gave us this.
289
744160
2000
uit deze buis in haar keel.
12:26
We put it on the chip; what do we see? Well, we saw parainfluenza-4.
290
746160
5000
We zetten het op de chip en wat zagen we? Para-influenza-4.
12:31
Well, what the hell's parainfluenza-4?
291
751160
2000
Wat is para-influenza-4?
12:33
No one tests for parainfluenza-4. No one cares about it.
292
753160
3000
Niemand test voor para-influenza-4. Niemand kan dat wat schelen.
12:36
In fact, it's not even really sequenced that much.
293
756160
3000
In feite is er zelfs niet veel van de sequentie bepaald.
12:39
There's just a little bit of it sequenced.
294
759160
2000
Maar een stukje van de sequentie is bepaald.
12:41
There's almost no epidemiology or studies on it.
295
761160
2000
Er bestaan bijna geen epidemiologie of studies van.
12:43
No one would even consider it,
296
763160
2000
Niemand zou het zelfs maar hebben overwogen,
12:45
because no one had a clue that it could cause respiratory failure.
297
765160
3000
want niemand had een idee dat het ademhalingsproblemen zou kunnen veroorzaken.
12:48
And why is that? Just lore. There's no data --
298
768160
3000
Waarom is dat? Gewoon traditionele kennis. Geen data
12:51
no data to support whether it causes severe or mild disease.
299
771160
4000
ter ondersteuning van of het nu een ernstige of een milde ziekte veroorzaakt.
12:55
Clearly, we have a case of a healthy person that's going down.
300
775160
3000
Het is duidelijk een geval van een gezond persoon die achteruit gaat.
12:58
OK, that's one case report.
301
778160
3000
Dat is één geval.
13:01
I'm going to tell you one last thing in the last two minutes
302
781160
2000
Ik ga je in de laatste twee minuten een nog laatste ongepubliceerd iets vertellen
13:03
that's unpublished -- it's going to come out tomorrow --
303
783160
3000
- de publicatie gebeurt morgen -
13:06
and it's an interesting case of how you might use this chip
304
786160
3000
en het is een interessant geval van hoe je deze chip kan gebruiken
13:09
to find something new and open a new door.
305
789160
2000
om iets nieuws te zoeken en een nieuwe deur te openen.
13:11
Prostate cancer. I don't need to give you many statistics
306
791160
4000
Prostaatkanker. Ik hoef jullie niet veel statistieken
13:15
about prostate cancer. Most of you already know it:
307
795160
3000
over prostaatkanker te geven. De meeste van jullie weten het al:
13:18
third leading cause of cancer deaths in the U.S.
308
798160
2000
derde belangrijke oorzaak van sterfgevallen door kanker in de VS.
13:20
Lots of risk factors,
309
800160
2000
Veel risicofactoren
13:22
but there is a genetic predisposition to prostate cancer.
310
802160
4000
maar er is ook een genetische aanleg voor prostaatkanker.
13:26
For maybe about 10 percent of prostate cancer,
311
806160
2000
In misschien wel ongeveer 10 procent gevallen van prostaatkanker
13:28
there are folks that are predisposed to it.
312
808160
2000
hebben mensen er aanleg voor.
13:30
And the first gene that was mapped in association studies
313
810160
4000
Het eerste gen dat in kaart werd gebracht in associatiestudies
13:34
for this, early-onset prostate cancer, was this gene called RNASEL.
314
814160
4000
voor deze vroeg beginnende prostaatkanker, was het RNASEL-gen.
13:38
What is that? It's an antiviral defense enzyme.
315
818160
3000
Wat is dat? Het is een antiviraal verdedigingsenzym.
13:41
So, we're sitting around and thinking,
316
821160
2000
We vroegen ons af:
13:43
"Why would men who have the mutation --
317
823160
2000
waarom krijgen mannen met die mutatie,
13:45
a defect in an antiviral defense system -- get prostate cancer?
318
825160
5000
een defect in een antiviraal afweersysteem, prostaatkanker?
13:50
It doesn't make sense -- unless, maybe, there's a virus?"
319
830160
3000
Het is niet logisch - tenzij er misschien een virus is.
13:53
So, we put tumors --- and now we have over 100 tumors -- on our array.
320
833160
6000
Dus plaatsten we tumoren - meer dan 100 tumoren - op onze array.
13:59
And we know who's got defects in RNASEL and who doesn't.
321
839160
3000
We weten nu wie gebreken in zijn RNASEL had en wie niet.
14:02
And I'm showing you the signal from the chip here,
322
842160
3000
Hier het signaal op de chip
14:05
and I'm showing you for the block of retroviral oligos.
323
845160
4000
en ik toon jullie het blok van retrovirale oligo's.
14:09
And what I'm telling you here from the signal, is
324
849160
2000
Hieruit blijkt
14:11
that men who have a mutation in this antiviral defense enzyme,
325
851160
4000
dat mannen die een mutatie hebben in dit enzym voor antivirale verdediging
14:15
and have a tumor, often have -- 40 percent of the time --
326
855160
4000
en die een tumor hebben, vaak - in 40 procent van de gevallen -
14:19
a signature which reveals a new retrovirus.
327
859160
4000
een signaal geven dat wijst op een nieuw retrovirus.
14:23
OK, that's pretty wild. What is it?
328
863160
3000
Wat deden we daarmee?
14:26
So, we clone the whole virus.
329
866160
1000
We kloonden het hele virus.
14:27
First of all, I'll tell you that a little automated prediction told us
330
867160
4000
Een beetje geautomatiseerd voorspellen, leerde ons
14:31
it was very similar to a mouse virus.
331
871160
2000
dat het erg leek op met een muisvirus.
14:33
But that doesn't tell us too much,
332
873160
1000
Maar dat zei ons niet veel,
14:34
so we actually clone the whole thing.
333
874160
2000
dus kloonden we het hele ding.
14:36
And the viral genome I'm showing you right here?
334
876160
2000
Hier het virale genoom.
14:38
It's a classic gamma retrovirus, but it's totally new;
335
878160
3000
Het is een klassiek gammaretrovirus, maar het is wel helemaal nieuw.
14:41
no one's ever seen it before.
336
881160
1000
Nooit eerder gezien.
14:42
Its closest relative is, in fact, from mice,
337
882160
3000
Zijn naaste familielid vinden we bij muizen.
14:45
and so we would call this a xenotropic retrovirus,
338
885160
4000
We kunnen dit een xenotroop retrovirus noemen,
14:49
because it's infecting a species other than mice.
339
889160
3000
omdat het een andere diersoort dan muizen infecteert.
14:52
And this is a little phylogenetic tree
340
892160
2000
Dit is een kleine fylogenetische boom
14:54
to see how it's related to other viruses.
341
894160
2000
om te zien hoe het met andere virussen is gerelateerd.
14:56
We've done it for many patients now,
342
896160
3000
Dat hebben we nu voor veel patiënten gedaan,
14:59
and we can say that they're all independent infections.
343
899160
3000
en we kunnen zeggen dat het allemaal onafhankelijke infecties zijn.
15:02
They all have the same virus,
344
902160
1000
Ze hebben allemaal hetzelfde virus
15:03
but they're different enough that there's reason to believe
345
903160
3000
maar ze zijn verschillend genoeg om te doen geloven
15:06
that they've been independently acquired.
346
906160
2000
dat ze onafhankelijk zijn opgelopen.
15:08
Is it really in the tissue? And I'll end up with this: yes.
347
908160
2000
Zit het werkelijk in het weefsel? Ik zal hiermee eindigen. Ja.
15:10
We take slices of these biopsies of tumor tissue
348
910160
3000
Wij nemen plakjes van deze biopsieën van het tumorweefsel
15:13
and use material to actually locate the virus,
349
913160
2000
en gebruiken materiaal om het virus te lokaliseren,
15:15
and we find cells here with viral particles in them.
350
915160
4000
en we vinden cellen met virale deeltjes erin.
15:19
These guys really do have this virus.
351
919160
2000
Deze jongens hebben echt dit virus.
15:21
Does this virus cause prostate cancer?
352
921160
2000
Betekent dat dat dit virus prostaatkanker veroorzaakt?
15:23
Nothing I'm saying here implies causality. I don't know.
353
923160
4000
Niets van wat ik hier zeg, impliceert causaliteit. Ik weet het niet.
15:27
Is it a link to oncogenesis? I don't know.
354
927160
2000
Is er een verband met oncogenese? Ik weet het niet.
15:29
Is it the case that these guys are just more susceptible to viruses?
355
929160
4000
Is het zo dat deze jongens gewoon meer vatbaar zijn voor virussen?
15:33
Could be. And it might have nothing to do with cancer.
356
933160
3000
Zou kunnen. Misschien heeft het niets te maken met kanker.
15:36
But now it's a door.
357
936160
1000
Maar nu is er een opening.
15:37
We have a strong association between the presence of this virus
358
937160
3000
We vonden een sterke associatie tussen de aanwezigheid van dit virus
15:40
and a genetic mutation that's been linked to cancer.
359
940160
3000
en een genetische mutatie die in verband werd gebracht met kanker.
15:43
That's where we're at.
360
943160
1000
Zover staan we nu.
15:44
So, it opens up more questions than it answers, I'm afraid,
361
944160
4000
Het stelt meer vragen dan het beantwoordt, ben ik bang,
15:48
but that's what, you know, science is really good at.
362
948160
2000
maar dat is waar wetenschap nu eenmaal goed in is.
15:50
This was all done by folks in the lab --
363
950160
2000
Dit werd allemaal gedaan door mensen in het lab.
15:52
I cannot take credit for most of this.
364
952160
1000
Ik kan voor het meeste hiervan niet met de eer gaan strijken.
15:53
This is a collaboration between myself and Don.
365
953160
1000
Dit is een samenwerking tussen mijzelf en Don.
15:54
This is the guy who started the project in my lab,
366
954160
3000
Dit is de man die het project in mijn lab opstartte
15:57
and this is the guy who's been doing prostate stuff.
367
957160
2000
en dit is de kerel die het prostaatgedeelte heeft gedaan.
15:59
Thank you very much. (Applause)
368
959160
3000
Heel hartelijk bedankt.
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7