Susan Solomon: The promise of research with stem cells

95,334 views ・ 2012-09-13

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Vertaald door: Els De Keyser Nagekeken door: Rik Delaet
00:16
So, embryonic stem cells
1
16381
2989
Embryonale stamcellen
00:19
are really incredible cells.
2
19370
3300
zijn echt ongelooflijke cellen.
00:22
They are our body's own repair kits,
3
22670
2788
Ze zijn een eigen reparatieset voor ons lichaam.
00:25
and they're pluripotent, which means they can morph into
4
25458
2964
Ze zijn pluripotent: ze kunnen zich ontwikkelen tot
00:28
all of the cells in our bodies.
5
28422
2432
alle cellen in ons lichaam.
00:30
Soon, we actually will be able to use stem cells
6
30854
2688
Binnenkort zullen we stamcellen kunnen gebruiken
00:33
to replace cells that are damaged or diseased.
7
33542
2985
om beschadigde of zieke cellen te vervangen.
00:36
But that's not what I want to talk to you about,
8
36527
2431
Maar daar wil ik het niet over hebben.
00:38
because right now there are some really
9
38958
2678
Want we doen nu al
00:41
extraordinary things that we are doing with stem cells
10
41636
3946
heel bijzondere dingen met stamcellen.
00:45
that are completely changing
11
45582
1607
Daarmee veranderen we
00:47
the way we look and model disease,
12
47189
2899
de manier waarop we ziektes bekijken en modelleren.
00:50
our ability to understand why we get sick,
13
50088
2519
We begrijpen beter waarom we ziek worden
00:52
and even develop drugs.
14
52607
2431
en kunnen zelfs medicijnen ontwikkelen.
00:55
I truly believe that stem cell research is going to allow
15
55038
4313
Ik geloof echt dat door stamcelonderzoek
00:59
our children to look at Alzheimer's and diabetes
16
59351
4505
onze kinderen Alzheimer en diabetes
01:03
and other major diseases the way we view polio today,
17
63856
4391
en andere belangrijke aandoeningen gaan zien zoals polio,
01:08
which is as a preventable disease.
18
68247
3201
een ziekte die voorkomen kan worden.
01:11
So here we have this incredible field, which has
19
71448
3223
Het is dus een fantastisch domein
01:14
enormous hope for humanity,
20
74671
4387
dat de mensheid enorme hoop biedt.
01:19
but much like IVF over 35 years ago,
21
79058
3520
Maar net zoals ruim 35 jaar geleden bij ivf,
01:22
until the birth of a healthy baby, Louise,
22
82578
2334
totdat er een gezonde baby, Louise, werd geboren,
01:24
this field has been under siege politically and financially.
23
84912
5069
ligt het veld politiek en financieel onder vuur.
01:29
Critical research is being challenged instead of supported,
24
89981
4272
Belangrijk onderzoek wordt in vraag gesteld in plaats van ondersteund.
01:34
and we saw that it was really essential to have
25
94253
4360
We ontdekten dat het essentieel is
01:38
private safe haven laboratories where this work
26
98613
3531
om private, veilige laboratoria te hebben waar dit werk
01:42
could be advanced without interference.
27
102144
2830
zonder storingen kan worden voortgezet.
01:44
And so, in 2005,
28
104974
2531
In 2005 hebben we daarom
01:47
we started the New York Stem Cell Foundation Laboratory
29
107505
2612
het New York Stem Cell Foundation Laboratory opgezet.
01:50
so that we would have a small organization that could
30
110117
3589
Daarmee hebben we een kleine organisatie
01:53
do this work and support it.
31
113706
3312
die dit werk kan doen en ondersteunen.
01:57
What we saw very quickly is the world of both medical
32
117018
3385
We zagen al snel dat de wereld van medisch onderzoek
02:00
research, but also developing drugs and treatments,
33
120403
3376
en de ontwikkeling van medicijnen en behandelingen
02:03
is dominated by, as you would expect, large organizations,
34
123779
3713
zoals verwacht wordt gedomineerd door grote organisaties.
02:07
but in a new field, sometimes large organizations
35
127492
3119
Maar in een nieuw veld kunnen grote organisaties
02:10
really have trouble getting out of their own way,
36
130611
2168
soms maar moeilijk van hun eigen manier van werken afstappen
02:12
and sometimes they can't ask the right questions,
37
132779
2436
en soms stellen ze niet de juiste vragen.
02:15
and there is an enormous gap that's just gotten larger
38
135215
3356
Er is een steeds groter wordende kloof
02:18
between academic research on the one hand
39
138571
3211
tussen academisch onderzoek aan de ene kant
02:21
and pharmaceutical companies and biotechs
40
141782
2701
en farmaceutische en biotechnologische bedrijven
02:24
that are responsible for delivering all of our drugs
41
144483
3266
die al onze medicijnen moeten leveren
02:27
and many of our treatments, and so we knew that
42
147749
2390
en veel van onze behandelingen.
02:30
to really accelerate cures and therapies, we were going
43
150139
3946
Als we sneller behandelingen wilden vinden,
02:34
to have to address this with two things:
44
154085
2807
moeten we dit met twee dingen aanpakken:
02:36
new technologies and also a new research model.
45
156892
3222
nieuwe technologie en een nieuw onderzoeksmodel.
02:40
Because if you don't close that gap, you really are
46
160114
3759
Want als je die kloof niet dicht,
02:43
exactly where we are today.
47
163873
1607
blijf je precies waar we nu staan.
02:45
And that's what I want to focus on.
48
165480
1667
Daar wil ik me nu op richten.
02:47
We've spent the last couple of years pondering this,
49
167147
3550
We denken hier nu een paar jaar over na
02:50
making a list of the different things that we had to do,
50
170697
2391
en hebben een lijst gemaakt van wat we moesten doen.
02:53
and so we developed a new technology,
51
173088
2631
We hebben een nieuwe technologie ontwikkeld
02:55
It's software and hardware,
52
175719
1251
die bestaat uit software en hardware
02:56
that actually can generate thousands and thousands of
53
176970
3503
waarmee we vele duizenden
03:00
genetically diverse stem cell lines to create
54
180473
3170
genetisch verschillende stamcellijnen kunnen maken
03:03
a global array, essentially avatars of ourselves.
55
183643
3787
voor een globale reeks avatars van onszelf.
03:07
And we did this because we think that it's actually going
56
187430
3434
We hebben dat gedaan omdat we denken
03:10
to allow us to realize the potential, the promise,
57
190864
3415
dat we zo het potentieel waar kunnen maken
03:14
of all of the sequencing of the human genome,
58
194279
3080
van de sequentieanalyse van het menselijk genoom.
03:17
but it's going to allow us, in doing that,
59
197359
2504
Daarbij kunnen we ook
03:19
to actually do clinical trials in a dish with human cells,
60
199863
5008
klinisch reageerbuisonderzoek doen met menselijke cellen
03:24
not animal cells, to generate drugs and treatments
61
204871
4159
in plaats van dierlijke cellen, om medicijnen en behandelingen te genereren
03:29
that are much more effective, much safer,
62
209030
3249
die veel effectiever, veel veiliger,
03:32
much faster, and at a much lower cost.
63
212279
3256
veel sneller en veel goedkoper zijn.
03:35
So let me put that in perspective for you
64
215535
2384
Ik plaats dit even voor jullie in perspectief
03:37
and give you some context.
65
217919
1416
en geef er wat context bij.
03:39
This is an extremely new field.
66
219335
4832
Dit is een extreem nieuw domein.
03:44
In 1998, human embryonic stem cells
67
224167
2832
In 1998 werden menselijke embryonale stamcellen
03:46
were first identified, and just nine years later,
68
226999
3512
voor het eerst geïdentificeerd. Nauwelijks 9 jaar later
03:50
a group of scientists in Japan were able to take skin cells
69
230511
4305
wist een groep Japanse wetenschappers
03:54
and reprogram them with very powerful viruses
70
234816
3195
huidcellen te herprogrammeren met erg krachtige virussen,
03:58
to create a kind of pluripotent stem cell
71
238011
4242
om een soort pluripotente stamcellen te creëren,
04:02
called an induced pluripotent stem cell,
72
242253
2090
de 'ge-Indinduceerde Pluripotente Stamcellen' (IPS),
04:04
or what we refer to as an IPS cell.
73
244343
3008
die we vandaag IPS-cellen noemen.
04:07
This was really an extraordinary advance, because
74
247351
3198
Dit was een uitzonderlijke stap vooruit,
04:10
although these cells are not human embryonic stem cells,
75
250549
2544
want hoewel dit geen menselijke embryonale stamcellen zijn,
04:13
which still remain the gold standard,
76
253093
1794
die nog steeds de goudstandaard zijn,
04:14
they are terrific to use for modeling disease
77
254887
3470
zijn ze geweldig om ziekten te modelleren
04:18
and potentially for drug discovery.
78
258357
2730
en potentieel om medicijnen te ontdekken.
04:21
So a few months later, in 2008, one of our scientists
79
261087
3040
Enkele maanden later, in 2008, bouwde één van onze wetenschappers
04:24
built on that research. He took skin biopsies,
80
264127
3200
verder op dit onderzoek. Hij nam huidbiopsieën,
04:27
this time from people who had a disease,
81
267327
2028
deze keer van iemand met een ziekte,
04:29
ALS, or as you call it in the U.K., motor neuron disease.
82
269355
2914
ALS, of bewegingszenuwcel-ziekte.
04:32
He turned them into the IPS cells
83
272269
1698
Hij maakte er de IPS-cellen van
04:33
that I've just told you about, and then he turned those
84
273967
2686
waar ik je net over vertelde,
04:36
IPS cells into the motor neurons that actually
85
276653
2704
en dan maakte hij van die IPS-cellen de bewegingszenuwcellen
04:39
were dying in the disease.
86
279357
1461
die afstierven door de ziekte.
04:40
So basically what he did was to take a healthy cell
87
280818
3019
Hij nam dus een gezonde cel
04:43
and turn it into a sick cell,
88
283837
1714
en maakte er een zieke cel van.
04:45
and he recapitulated the disease over and over again
89
285551
3558
Hij herhaalde de ziekte telkens weer
04:49
in the dish, and this was extraordinary,
90
289109
3360
in het schaaltje. Dat was uitzonderlijk,
04:52
because it was the first time that we had a model
91
292469
2248
omdat we voor het eerst een model hadden
04:54
of a disease from a living patient in living human cells.
92
294717
4188
van een ziekte van een levende patiënt in levende menselijke cellen.
04:58
And as he watched the disease unfold, he was able
93
298905
3120
Hij observeerde hoe de ziekte zich ontwikkelde
05:02
to discover that actually the motor neurons were dying
94
302025
3011
en ontdekte daarbij dat de bewegingsneuronen afstierven
05:05
in the disease in a different way than the field
95
305036
2127
op een andere manier dan wetenschappers
05:07
had previously thought. There was another kind of cell
96
307163
2494
tot dan toe dachten. Er was een andere soort cel
05:09
that actually was sending out a toxin
97
309657
2201
die een toxine uitzond
05:11
and contributing to the death of these motor neurons,
98
311858
2511
en bijdroeg tot de dood van de bewegingsneuronen.
05:14
and you simply couldn't see it
99
314369
1358
Dat kon je gewoon niet zien
05:15
until you had the human model.
100
315727
1790
tot je een menselijk model had.
05:17
So you could really say that
101
317517
2667
Je kon dus zeggen
05:20
researchers trying to understand the cause of disease
102
320184
3906
dat onderzoekers die de oorzaak van de ziekte wilden begrijpen
05:24
without being able to have human stem cell models
103
324090
4152
zonder menselijke stamcelmodellen,
05:28
were much like investigators trying to figure out
104
328242
2760
waren als onderzoekers die probeerden uit te vissen
05:31
what had gone terribly wrong in a plane crash
105
331002
3241
wat er fout was gegaan in een vliegtuigongeluk
05:34
without having a black box, or a flight recorder.
106
334243
3997
zonder zwarte doos of zonder vluchtopname.
05:38
They could hypothesize about what had gone wrong,
107
338240
2602
Ze konden hypotheses opstellen over wat fout ging,
05:40
but they really had no way of knowing what led
108
340842
3112
maar ze konden niet te weten komen
05:43
to the terrible events.
109
343954
2172
wat had geleid tot het drama.
05:46
And stem cells really have given us the black box
110
346126
4183
Stamcellen hebben ons de zwarte doos gegeven
05:50
for diseases, and it's an unprecedented window.
111
350309
3968
voor ziektes. Dat biedt een kans zonder voorgaande.
05:54
It really is extraordinary, because you can recapitulate
112
354277
3245
Het is echt uitzonderlijk, want je kan
05:57
many, many diseases in a dish, you can see
113
357522
3247
heel veel ziektes in een schaaltje herhalen.
06:00
what begins to go wrong in the cellular conversation
114
360769
3536
Je kan zien wat er begint fout te gaan in de conversatie tussen cellen
06:04
well before you would ever see
115
364305
2424
lang voor je ooit
06:06
symptoms appear in a patient.
116
366729
2536
symptomen bij een patiënt zou zien.
06:09
And this opens up the ability,
117
369265
2523
Dat biedt de mogelijkheid,
06:11
which hopefully will become something that
118
371788
2814
die hopelijk binnenkort
06:14
is routine in the near term,
119
374602
2647
routine zal worden,
06:17
of using human cells to test for drugs.
120
377249
4146
om menselijke stamcellen te gebruiken bij het testen van medicijnen.
06:21
Right now, the way we test for drugs is pretty problematic.
121
381395
5464
Op dit moment testen we medicijnen op een problematische manier.
06:26
To bring a successful drug to market, it takes, on average,
122
386859
3318
Om een succesvol medicijn op de markt te brengen,
06:30
13 years — that's one drug —
123
390177
2186
heb je gemiddeld 13 jaar nodig -- voor één medicijn --
06:32
with a sunk cost of 4 billion dollars,
124
392363
3388
en 4 miljard gemaakte kosten.
06:35
and only one percent of the drugs that start down that road
125
395751
4867
Maar één procent van de medicijnen die beginnen aan dat traject
06:40
are actually going to get there.
126
400618
2248
zullen er uiteindelijk komen.
06:42
You can't imagine other businesses
127
402866
2125
Je kan je geen andere bedrijfstak voorstellen
06:44
that you would think of going into
128
404991
1449
waar je je in zou wagen
06:46
that have these kind of numbers.
129
406440
1755
met dat soort cijfers.
06:48
It's a terrible business model.
130
408195
1802
Het is een verschrikkelijk bedrijfsmodel.
06:49
But it is really a worse social model because of
131
409997
3989
Maar het is een nog fouter sociaal model
06:53
what's involved and the cost to all of us.
132
413986
3328
omwille van wat ermee gepaard gaat, en van de kost voor ons allen.
06:57
So the way we develop drugs now
133
417314
3752
We ontwikkelen nu medicijnen
07:01
is by testing promising compounds on --
134
421066
3200
door beloftevolle verbindingen te testen op --
07:04
We didn't have disease modeling with human cells,
135
424266
1880
We hadden geen ziektemodellen met menselijke cellen,
07:06
so we'd been testing them on cells of mice
136
426146
3464
dus moesten we ze op muizencellen testen,
07:09
or other creatures or cells that we engineer,
137
429610
3667
of andere schepsels of cellen die we ontwerpen,
07:13
but they don't have the characteristics of the diseases
138
433277
3061
maar die hebben niet de kenmerken van de ziektes
07:16
that we're actually trying to cure.
139
436338
2336
die we proberen te genezen.
07:18
You know, we're not mice, and you can't go into
140
438674
3046
Wij zijn geen muizen, en je kan niet binnengaan in
07:21
a living person with an illness
141
441720
2418
een levende persoon met een ziekte
07:24
and just pull out a few brain cells or cardiac cells
142
444138
2928
en er een paar breincellen uithalen, of hartcellen,
07:27
and then start fooling around in a lab to test
143
447066
2289
en er dan laboratoriumtesten mee gaan doen,
07:29
for, you know, a promising drug.
144
449355
3561
voor een veelbelovend medicijn.
07:32
But what you can do with human stem cells, now,
145
452916
3585
Maar met menselijke stamcellen
07:36
is actually create avatars, and you can create the cells,
146
456501
4337
kan je nu avatars maken. Je kan de cellen maken,
07:40
whether it's the live motor neurons
147
460838
1967
of het nu de levende bewegingscellen zijn
07:42
or the beating cardiac cells or liver cells
148
462805
3010
of de kloppende hartcellen of levercellen
07:45
or other kinds of cells, and you can test for drugs,
149
465815
4109
of andere soorten cellen, en je kan testen op medicijnen,
07:49
promising compounds, on the actual cells
150
469924
3125
op beloftevolle verbindingen, op de cellen zelf
07:53
that you're trying to affect, and this is now,
151
473049
3631
die je probeert te beïnvloeden. Dat gebeurt nu.
07:56
and it's absolutely extraordinary,
152
476680
2814
Het is echt uitzonderlijk.
07:59
and you're going to know at the beginning,
153
479494
3156
Je zal het van bij het begin weten,
08:02
the very early stages of doing your assay development
154
482650
3744
al tijdens de eerste stadia van je testontwikkeling.
08:06
and your testing, you're not going to have to wait 13 years
155
486394
3389
Je zal geen 13 jaar moeten wachten
08:09
until you've brought a drug to market, only to find out
156
489783
3319
tot je een medicijn op de markt hebt gebracht
08:13
that actually it doesn't work, or even worse, harms people.
157
493102
5056
en moet vaststellen dat het niet werkt, of erger nog, schadelijk is.
08:18
But it isn't really enough just to look at
158
498158
4340
Maar het volstaat niet
08:22
the cells from a few people or a small group of people,
159
502498
3782
om de cellen van enkele mensen of een kleine groep te bekijken.
08:26
because we have to step back.
160
506280
1644
We moeten afstand nemen.
08:27
We've got to look at the big picture.
161
507924
1851
We moeten het hele plaatje bekijken.
08:29
Look around this room. We are all different,
162
509775
3136
Kijk rond in deze zaal. We zijn allemaal anders.
08:32
and a disease that I might have,
163
512911
2740
Als ik een ziekte had,
08:35
if I had Alzheimer's disease or Parkinson's disease,
164
515651
2877
de ziekte van Alzheimer of Parkinson,
08:38
it probably would affect me differently than if
165
518528
3766
dan zou dat mij waarschijnlijk anders treffen
08:42
one of you had that disease,
166
522294
1641
dan als één van jullie die ziekte had.
08:43
and if we both had Parkinson's disease,
167
523935
4345
Als we allebei de ziekte van Parkinson hadden
08:48
and we took the same medication,
168
528280
2268
en dezelfde medicatie namen,
08:50
but we had different genetic makeup,
169
530548
2747
maar we een andere genetische achtergrond hadden,
08:53
we probably would have a different result,
170
533295
2285
zou het resultaat wellicht verschillen.
08:55
and it could well be that a drug that worked wonderfully
171
535580
3731
Misschien werkt een medicijn prima
08:59
for me was actually ineffective for you,
172
539311
3579
voor mij, maar niet voor jou.
09:02
and similarly, it could be that a drug that is harmful for you
173
542890
4692
Een medicijn dat jou schaadt,
09:07
is safe for me, and, you know, this seems totally obvious,
174
547582
4302
kan veilig zijn voor mij. Dat lijkt vanzelfsprekend,
09:11
but unfortunately it is not the way
175
551884
2728
maar het is helaas niet de manier
09:14
that the pharmaceutical industry has been developing drugs
176
554612
3186
waarop de farmaceutische industrie medicijnen ontwikkelt.
09:17
because, until now, it hasn't had the tools.
177
557798
3986
Want tot vandaag had ze de middelen niet.
09:21
And so we need to move away
178
561784
2292
We moeten dus afstappen
09:24
from this one-size-fits-all model.
179
564076
2954
van dit model van eenheidsworst.
09:27
The way we've been developing drugs is essentially
180
567030
3177
We ontwikkelen medicijnen
09:30
like going into a shoe store,
181
570207
1379
zoals we naar de schoenenwinkel gaan:
09:31
no one asks you what size you are, or
182
571586
2283
niemand vraagt naar je maat,
09:33
if you're going dancing or hiking.
183
573869
2210
of je wil dansen of op tocht gaat.
09:36
They just say, "Well, you have feet, here are your shoes."
184
576079
2808
"Je hebt voeten, hier zijn je schoenen," klinkt het.
09:38
It doesn't work with shoes, and our bodies are
185
578887
3600
Het werkt niet voor schoenen, en ons lichaam
09:42
many times more complicated than just our feet.
186
582487
3472
is veel ingewikkelder dan onze voeten.
09:45
So we really have to change this.
187
585959
2541
We moeten dit dus echt anders aanpakken.
09:48
There was a very sad example of this in the last decade.
188
588500
5184
Het voorbije decennium was er een triest voorbeeld hiervan.
09:53
There's a wonderful drug, and a class of drugs actually,
189
593684
2648
Er is een heel goed medicijn, eigenlijk een klasse medicijnen,
09:56
but the particular drug was Vioxx, and
190
596332
2680
maar het medicijn in kwestie heette Vioxx.
09:59
for people who were suffering from severe arthritis pain,
191
599012
4376
Voor mensen met ernstige arthritis
10:03
the drug was an absolute lifesaver,
192
603388
3392
was dit een levensreddend medicijn.
10:06
but unfortunately, for another subset of those people,
193
606780
5080
Maar een deelgroep van die mensen ondervond helaas
10:11
they suffered pretty severe heart side effects,
194
611860
4769
ernstige bijwerkingen aan het hart.
10:16
and for a subset of those people, the side effects were
195
616629
2728
Een deelgroep van die mensen kende
10:19
so severe, the cardiac side effects, that they were fatal.
196
619357
3897
zo ernstige bijwerkingen aan het hart dat ze fataal waren.
10:23
But imagine a different scenario,
197
623254
4042
Stel je een ander scenario voor,
10:27
where we could have had an array, a genetically diverse array,
198
627296
4302
waarbij we een genetisch diverse reeks
10:31
of cardiac cells, and we could have actually tested
199
631598
3626
hartcellen hebben, waarbij we dat medicijn
10:35
that drug, Vioxx, in petri dishes, and figured out,
200
635224
5081
hadden kunnen testen in petrischaaltjes en ontdekt hadden
10:40
well, okay, people with this genetic type are going to have
201
640305
3744
dat mensen met dit genetische type
10:44
cardiac side effects, people with these genetic subgroups
202
644049
5000
bijwerkingen aan het hart zouden krijgen, en dat mensen met een ander type
10:49
or genetic shoes sizes, about 25,000 of them,
203
649049
5144
of genetische schoenmaat, ongeveer 25.000 in getal,
10:54
are not going to have any problems.
204
654193
2760
geen problemen zouden hebben.
10:56
The people for whom it was a lifesaver
205
656953
2615
De mensen voor wie het levensreddend was, zouden het kunnen blijven nemen.
10:59
could have still taken their medicine.
206
659568
1677
De mensen voor wie het levensreddend was, zouden het kunnen blijven nemen.
11:01
The people for whom it was a disaster, or fatal,
207
661245
4386
De mensen voor wie het een ramp was,
11:05
would never have been given it, and
208
665631
2091
zouden het nooit gekregen hebben.
11:07
you can imagine a very different outcome for the company,
209
667722
2583
Dat zou heel anders geweest zijn voor het bedrijf,
11:10
who had to withdraw the drug.
210
670305
2768
dat het medicijn moest terugtrekken.
11:13
So that is terrific,
211
673073
2816
Dus dat is geweldig.
11:15
and we thought, all right,
212
675889
1834
We dachten: oké,
11:17
as we're trying to solve this problem,
213
677723
2759
bij het oplossen van dit probleem
11:20
clearly we have to think about genetics,
214
680482
2197
moeten we met genetica rekening houden,
11:22
we have to think about human testing,
215
682679
2834
met proeven op mensen.
11:25
but there's a fundamental problem,
216
685513
1579
Maar het fundamentele probleem is:
11:27
because right now, stem cell lines,
217
687092
2699
op dit moment zijn stamcellijnen,
11:29
as extraordinary as they are,
218
689791
1710
hoe uitzonderlijk ze ook zijn,
11:31
and lines are just groups of cells,
219
691501
1744
gewoon een groepje cellen,
11:33
they are made by hand, one at a time,
220
693245
4332
handgemaakt, één voor één.
11:37
and it takes a couple of months.
221
697577
2224
Dat duurt een paar maanden.
11:39
This is not scalable, and also when you do things by hand,
222
699801
4366
Dat is niet schaalbaar. Als je dingen met de hand doet,
11:44
even in the best laboratories,
223
704167
1543
zelfs in het beste lab,
11:45
you have variations in techniques,
224
705710
3161
dan varieert de techniek.
11:48
and you need to know, if you're making a drug,
225
708871
3181
Als je een medicijn maakt, moet je zeker zijn
11:52
that the Aspirin you're going to take out of the bottle
226
712052
1898
dat de aspirine die je uit het flesje haalt
11:53
on Monday is the same as the Aspirin
227
713950
2440
op maandag dezelfde is
11:56
that's going to come out of the bottle on Wednesday.
228
716390
2081
als de aspirine die woensdag uit het flesje komt.
11:58
So we looked at this, and we thought, okay,
229
718471
3791
We keken ernaar en bedachten:
12:02
artisanal is wonderful in, you know, your clothing
230
722262
3152
handgemaakt is prima voor kleding,
12:05
and your bread and crafts, but
231
725414
2944
brood, juwelen,
12:08
artisanal really isn't going to work in stem cells,
232
728358
2983
maar het werkt niet voor stamcellen.
12:11
so we have to deal with this.
233
731341
2390
Dat moeten we oplossen.
12:13
But even with that, there still was another big hurdle,
234
733731
3920
Er was nog een grote horde,
12:17
and that actually brings us back to
235
737651
3564
die ons terugbrengt naar
12:21
the mapping of the human genome, because
236
741215
2384
het in kaart brengen van het menselijk genoom.
12:23
we're all different.
237
743599
2711
We zijn allemaal verschillend.
12:26
We know from the sequencing of the human genome
238
746310
2832
Het sequenceren van het menselijk genoom
12:29
that it's shown us all of the A's, C's, G's and T's
239
749142
2557
leverde ons alle letters A, C, G en T op
12:31
that make up our genetic code,
240
751699
2468
die onze genetische code uitmaken.
12:34
but that code, by itself, our DNA,
241
754167
4269
Maar die code zelf, ons DNA,
12:38
is like looking at the ones and zeroes of the computer code
242
758436
4599
is als kijken naar de enen en nullen van de computer
12:43
without having a computer that can read it.
243
763035
2825
zonder computer om ze te lezen.
12:45
It's like having an app without having a smartphone.
244
765860
3288
Het is als een app zonder smartphone.
12:49
We needed to have a way of bringing the biology
245
769148
3884
We moeten een manier vinden om de biologie
12:53
to that incredible data,
246
773032
2209
tot bij die ongelooflijke data te brengen.
12:55
and the way to do that was to find
247
775241
3115
Dat deden we door een plaatsvervanger te vinden,
12:58
a stand-in, a biological stand-in,
248
778356
2687
een biologische plaatsvervanger
13:01
that could contain all of the genetic information,
249
781043
4025
die alle genetische informatie kon bevatten,
13:05
but have it be arrayed in such a way
250
785068
2528
maar die zo divers is
13:07
as it could be read together
251
787596
2864
dat ze als geheel gelezen kon worden
13:10
and actually create this incredible avatar.
252
790460
3256
en een ongelooflijke avatar kon vormen.
13:13
We need to have stem cells from all the genetic sub-types
253
793716
3704
We hebben stamcellen nodig van alle genetische subtypes
13:17
that represent who we are.
254
797420
2952
die vertegenwoordigen wie we zijn.
13:20
So this is what we've built.
255
800372
2760
Dus bouwden we dit.
13:23
It's an automated robotic technology.
256
803132
3320
Het is geautomatiseerde robottechnologie.
13:26
It has the capacity to produce thousands and thousands
257
806452
2608
Het kan duizenden en duizenden
13:29
of stem cell lines. It's genetically arrayed.
258
809060
4239
stamcellijnen produceren, genetisch divers.
13:33
It has massively parallel processing capability,
259
813299
3749
Het heeft enorme parallelle verwerkingscapaciteit.
13:37
and it's going to change the way drugs are discovered,
260
817048
3320
Het zal de manier veranderen waarop we medicijnen ontdekken,
13:40
we hope, and I think eventually what's going to happen
261
820368
3835
hopen we, en uiteindelijk zullen we wellicht
13:44
is that we're going to want to re-screen drugs,
262
824203
2199
medicijnen willen herbekijken
13:46
on arrays like this, that already exist,
263
826402
2491
op dit soort reeksen,
13:48
all of the drugs that currently exist,
264
828893
1871
alle medicijnen die al bestaan.
13:50
and in the future, you're going to be taking drugs
265
830764
2911
In de toekomst zal je medicijnen nemen
13:53
and treatments that have been tested for side effects
266
833675
2872
en behandelingen die op neveneffecten zijn getest,
13:56
on all of the relevant cells,
267
836547
2303
op alle relevante cellen:
13:58
on brain cells and heart cells and liver cells.
268
838850
3153
breincellen, hartcellen en levercellen.
14:02
It really has brought us to the threshold
269
842003
3329
Het brengt ons op de drempel
14:05
of personalized medicine.
270
845332
2214
van gepersonaliseerde geneeskunde.
14:07
It's here now, and in our family,
271
847546
4441
Het bestaat vandaag. In mijn familie
14:11
my son has type 1 diabetes,
272
851987
2938
heeft mijn zoon Type 1-diabetes,
14:14
which is still an incurable disease,
273
854925
2648
nog steeds een ongeneeslijke ziekte.
14:17
and I lost my parents to heart disease and cancer,
274
857573
3442
Ik verloor mijn ouders aan hartkwalen en kanker.
14:21
but I think that my story probably sounds familiar to you,
275
861015
3733
Wellicht klinkt mijn verhaal vertrouwd,
14:24
because probably a version of it is your story.
276
864748
4230
want in een andere versie is het jouw verhaal.
14:28
At some point in our lives, all of us,
277
868978
3944
Op een bepaald moment van ons leven worden we allemaal
14:32
or people we care about, become patients,
278
872922
2736
patiënten, wij of mensen om wie we geven.
14:35
and that's why I think that stem cell research
279
875658
2609
Daarom is stamcelonderzoek volgens mij
14:38
is incredibly important for all of us.
280
878267
3383
ongelooflijk belangrijk voor elk van ons.
14:41
Thank you. (Applause)
281
881650
3668
Dankuwel. (Applaus)
14:45
(Applause)
282
885318
7108
(Applaus)
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