Math can help uncover cancer's secrets | Irina Kareva

74,286 views ・ 2018-04-25

TED


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

Vertaald door: Rosa F Nagekeken door: Axel Saffran
00:12
I am a translator.
0
12549
1243
Ik ben een vertaler.
00:14
I translate from biology into mathematics
1
14514
3191
Ik vertaal van biologie naar wiskunde
00:17
and vice versa.
2
17729
1150
en andersom.
00:19
I write mathematical models
3
19588
1790
Ik schrijf wiskundige modellen;
00:21
which, in my case, are systems of differential equations,
4
21402
2847
in mijn geval: stelsels van differentiaalvergelijkingen
00:24
to describe biological mechanisms,
5
24273
1947
om biologische mechanismen, zoals celgroei te beschrijven.
00:26
such as cell growth.
6
26244
1158
00:28
Essentially, it works like this.
7
28122
1848
In principe werkt het als volgt:
00:30
First, I identify the key elements
8
30573
2469
eerst stel ik de hoofdelementen vast
die gedurende een bepaalde periode het gedrag bepalen
00:33
that I believe may be driving behavior over time
9
33066
2777
00:35
of a particular mechanism.
10
35867
1539
van een bepaald mechanisme.
00:38
Then, I formulate assumptions
11
38230
1891
Vervolgens formuleer ik veronderstellingen
00:40
about how these elements interact with each other
12
40145
2886
over de interactie tussen de variabelen
en de interactie met hun omgeving.
00:43
and with their environment.
13
43055
1337
00:44
It may look something like this.
14
44916
1772
Dat kan er zo uitzien.
00:46
Then, I translate these assumptions into equations,
15
46712
3317
De veronderstellingen vertaal ik naar vergelijkingen.
00:50
which may look something like this.
16
50610
1824
En dat kan er zo uitzien.
00:53
Finally, I analyze my equations
17
53434
1890
Tot slot analyseer ik mijn vergelijkingen
00:55
and translate the results back into the language of biology.
18
55348
3101
en vertaal ik de resultaten terug naar de taal van de biologie.
Een basisprincipe van wiskundig modelleren
01:00
A key aspect of mathematical modeling
19
60156
2420
01:02
is that we, as modelers, do not think about what things are;
20
62600
3908
is dat wij niet focussen op wat dingen zijn,
maar op wat ze doen.
01:06
we think about what they do.
21
66532
1855
01:08
We think about relationships between individuals,
22
68411
2489
We denken na over relaties tussen individuen,
01:10
whether they be cells, animals or people,
23
70924
2886
of het nu cellen, dieren of mensen zijn,
01:13
and how they interact with each other and with their environment.
24
73834
3048
en hoe ze onderling en met hun omgeving communiceren.
01:17
Let me give you an example.
25
77639
1340
Een voorbeeld:
01:19
What do foxes and immune cells have in common?
26
79719
3803
wat hebben vossen en immuuncellen gemeen?
01:24
They're both predators,
27
84793
1459
Het zijn beide predatoren,
01:26
except foxes feed on rabbits,
28
86744
2723
alleen jagen vossen op konijnen
01:29
and immune cells feed on invaders, such as cancer cells.
29
89491
3330
en immuuncellen op indringers, zoals kankercellen.
01:33
But from a mathematical point of view,
30
93273
2345
Vanuit een wiskundige perspectief
01:35
a qualitatively same system of predator-prey type equations
31
95642
4156
kan een kwalitatief identiek type predator-prooivergelijking
01:39
will describe interactions between foxes and rabbits
32
99822
3245
zowel de interacties beschrijven tussen vossen en konijnen,
als tussen kanker- en immuuncellen.
01:43
and cancer and immune cells.
33
103091
1774
01:45
Predator-prey type systems have been studied extensively
34
105609
2708
Predator-prooirelaties zijn uitgebreid onderzocht
in wetenschappelijke literatuur.
01:48
in scientific literature,
35
108341
1269
01:49
describing interactions of two populations,
36
109634
2378
Ze beschrijven interacties tussen twee populaties,
waarbij de een overleeft door de ander te consumeren.
01:52
where survival of one depends on consuming the other.
37
112036
2775
01:55
And these same equations provide a framework
38
115485
2620
Dezelfde vergelijkingen bieden een kader
voor het begrijpen van kanker-immuun interacties
01:58
for understanding cancer-immune interactions,
39
118129
2311
02:00
where cancer is the prey,
40
120464
1841
waar de kanker de prooi is
02:02
and the immune system is the predator.
41
122329
2372
en het immuunsysteem de predator.
02:04
And the prey employs all sorts of tricks to prevent the predator from killing it,
42
124725
4032
De prooi gebruikt allerlei trucks om te voorkomen dat de predator hem doodt.
02:08
ranging from camouflaging itself
43
128781
1820
Variërend van camouflage
02:10
to stealing the predator's food.
44
130625
1839
tot voedsel stelen van de predator.
02:13
This can have some very interesting implications.
45
133352
2562
Dit kan interessante gevolgen hebben.
02:15
For example, despite enormous successes in the field of immunotherapy,
46
135938
4822
Bijvoorbeeld:
ondanks grote successen in de immunotherapie
02:20
there still remains somewhat limited efficacy
47
140784
2461
is er nog steeds een beperkte werkzaamheid
02:23
when it comes solid tumors.
48
143269
1542
als het om tumoren gaat.
02:25
But if you think about it ecologically,
49
145423
2559
Maar ecologisch gezien,
hebben zowel kanker- als immuuncellen,
02:28
both cancer and immune cells --
50
148006
2090
02:30
the prey and the predator --
51
150120
1600
de prooi en de predator,
02:31
require nutrients such as glucose to survive.
52
151744
3031
voedingsstoffen zoals glucose nodig om te overleven.
02:35
If cancer cells outcompete the immune cells for shared nutrients
53
155358
4789
Als de kankercellen zoveel nutriënten opnemen
dat er rond de tumor een tekort ontstaat voor de immuuncellen,
02:40
in the tumor microenvironment,
54
160171
1793
02:41
then the immune cells will physically not be able to do their job.
55
161988
3414
dan zijn deze niet in staat om hun werk te doen.
02:46
This predator-prey-shared resource type model
56
166291
2868
Dit predator-prooimodel waarbij hulpbronnen gedeeld worden,
02:49
is something I've worked on in my own research.
57
169183
2297
heb ik zelf onderzocht.
02:51
And it was recently shown experimentally
58
171504
2724
Uit experimenten is pas gebleken
dat herstel van de metabolische balans in het micromilieu van de tumor
02:54
that restoring the metabolic balance in the tumor microenvironment --
59
174252
4054
02:58
that is, making sure immune cells get their food --
60
178330
3531
oftewel: zorgen voor genoeg voedsel voor de immuuncellen,
03:01
can give them, the predators, back their edge in fighting cancer, the prey.
61
181885
5245
hen, de predatoren, hun voorsprong teruggeeft op de kanker: de prooi.
03:08
This means that if you abstract a bit,
62
188440
2339
Maken we dit abstract
03:10
you can think about cancer itself as an ecosystem,
63
190803
2955
dan kun je kanker zien als een ecosysteem
03:13
where heterogeneous populations of cells compete and cooperate
64
193782
4287
waar heterogene populaties cellen concurreren en samenwerken
om ruimte en nutriënten te verkrijgen,
03:18
for space and nutrients,
65
198093
2017
03:20
interact with predators -- the immune system --
66
200134
2672
communiceren met predatoren: het immuunsysteem,
03:22
migrate -- metastases --
67
202830
2241
migreren: metastase,
allemaal binnen het ecosysteem van het menselijk lichaam.
03:25
all within the ecosystem of the human body.
68
205095
2467
03:28
And what do we know about most ecosystems from conservation biology?
69
208221
3869
En wat weten we over de meeste ecosystemen vanuit de 'conservation biology'?
03:32
That one of the best ways to extinguish species
70
212643
2852
Een van de beste manieren om soorten te doen uitsterven
03:35
is not to target them directly
71
215519
1952
is niet het direct aanvallen van de soort,
03:37
but to target their environment.
72
217495
2439
maar beïnvloeding van hun omgeving.
03:40
And so, once we have identified the key components
73
220880
3070
Als we de hoofdfactoren hebben vastgesteld
03:43
of the tumor environment,
74
223974
1644
in de omgeving van de tumor,
03:45
we can propose hypotheses
75
225642
1948
kunnen we hypotheses opstellen
03:47
and simulate scenarios and therapeutic interventions
76
227614
3294
en scenario's en therapeutische ingrepen simuleren
03:50
all in a completely safe and affordable way
77
230932
3425
op volledig veilige en betaalbare wijze
03:54
and target different components of the microenvironment
78
234381
3369
en verschillende componenten van de omgeving aanvallen
03:57
in such a way as to kill the cancer without harming the host,
79
237774
3996
om de kanker te doden zonder de gastheer, zoals jij of ik, kwaad te doen.
04:01
such as me or you.
80
241794
1570
Al is het hoofddoel van mijn onderzoek
04:05
And so while the immediate goal of my research
81
245029
3002
04:08
is to advance research and innovation
82
248055
2266
het verbeteren van onderzoek en innovatie
04:10
and to reduce its cost,
83
250345
1896
en de kosten hiervan te verminderen,
04:12
the real intent, of course, is to save lives.
84
252265
2517
de echte intentie is natuurlijk: het redden van levens.
04:15
And that's what I try to do
85
255278
1771
En dat probeer ik te doen
met het toepassen van wiskundige modellen op de biologie
04:17
through mathematical modeling applied to biology,
86
257073
2747
04:19
and in particular, to the development of drugs.
87
259844
2471
en vooral op de ontwikkeling van medicijnen.
04:22
It's a field that until relatively recently has remained somewhat marginal,
88
262895
4056
Het is een tot voor kort vrij marginaal onderzoeksgebied,
04:26
but it has matured.
89
266975
1452
maar het is gegroeid.
04:28
And there are now very well-developed mathematical methods,
90
268451
3149
Nu zijn er goed ontwikkelde wiskundige methodes,
04:31
a lot of preprogrammed tools,
91
271624
1899
veel voorgeprogrammeerde tools,
04:33
including free ones,
92
273547
1496
waarvan sommige zelfs gratis
en een immer toenemende hoeveelheid computercapaciteit.
04:35
and an ever-increasing amount of computational power available to us.
93
275067
4047
04:40
The power and beauty of mathematical modeling
94
280718
3399
De kracht en schoonheid van wiskundig modelleren
zit hem in het feit dat het ons op rigoureuze wijze doet formaliseren
04:44
lies in the fact that it makes you formalize,
95
284141
2641
04:46
in a very rigorous way,
96
286806
2087
04:48
what we think we know.
97
288917
1465
wat we denken te weten.
04:50
We make assumptions,
98
290904
1444
We veronderstellen iets,
04:52
translate them into equations,
99
292372
1568
vertalen dat in vergelijkingen,
04:53
run simulations,
100
293964
1311
draaien simulaties,
voor het antwoord op de vraag:
04:55
all to answer the question:
101
295299
1773
in een wereld waarin mijn aannames waar zijn,
04:57
In a world where my assumptions are true,
102
297096
2246
04:59
what do I expect to see?
103
299366
1570
wat verwacht ik daar te zien?
05:01
It's a pretty simple conceptual framework.
104
301890
2086
Het is een simpel conceptueel kader.
Het gaat erom de juiste vraag te stellen.
05:04
It's all about asking the right questions.
105
304000
2226
05:06
But it can unleash numerous opportunities for testing biological hypotheses.
106
306603
4095
Het biedt echter veel mogelijkheden om biologische hypotheses te testen.
05:11
If our predictions match our observations,
107
311696
2600
Als onze voorspellingen matchen met onze waarnemingen
05:14
great! -- we got it right, so we can make further predictions
108
314320
3027
mooi! -- we hebben gelijk en kunnen nieuwe voorspellingen doen
door iets aan een aspect van het model te veranderen.
05:17
by changing this or that aspect of the model.
109
317371
2560
05:20
If, however, our predictions do not match our observations,
110
320733
3700
Als de voorspellingen niet overeenstemmen met onze waarnemingen
betekent het dat sommige aannames onjuist zijn
05:24
that means that some of our assumptions are wrong,
111
324457
2585
en is onze kennis van alle hoofdmechanismen
05:27
and so our understanding of the key mechanisms
112
327066
2433
05:29
of underlying biology
113
329523
1439
van de onderliggende biologie
05:30
is still incomplete.
114
330986
1270
nog niet volledig.
05:32
Luckily, since this is a model,
115
332829
2362
Gelukkig, gezien het een model betreft,
controleren wij alle aannames,
05:35
we control all the assumptions.
116
335215
1889
en kunnen we ze één voor één nagaan
05:37
So we can go through them, one by one,
117
337128
2140
05:39
identifying which one or ones are causing the discrepancy.
118
339292
3829
om te identificeren welke de discrepantie veroorzaken.
05:43
And then we can fill this newly identified gap in knowledge
119
343637
3356
Dan kunnen we dit nieuw ontdekte gat in onze kennis gaan vullen
met zowel experimentele als theoretische benaderingen.
05:47
using both experimental and theoretical approaches.
120
347017
2715
05:50
Of course, any ecosystem is extremely complex,
121
350699
2821
Gezien ecosystemen erg complex zijn,
05:53
and trying to describe all the moving parts is not only very difficult,
122
353544
3843
is het niet alleen erg moeilijk om alle onderdelen te beschrijven,
05:57
but also not very informative.
123
357411
1662
maar ook weinig informatief.
05:59
There's also the issue of timescales,
124
359518
2066
Dan is er nog het probleem met de tijd;
06:01
because some processes take place on a scale of seconds, some minutes,
125
361608
3668
sommige processen vinden plaats in secondes, sommige in minuten
sommige in dagen, maanden of jaren.
06:05
some days, months and years.
126
365300
1948
Het is niet altijd mogelijk om deze experimenteel te scheiden.
06:07
It may not always be possible to separate those out experimentally.
127
367272
3199
En sommige dingen gebeuren zo snel of langzaam
06:11
And some things happen so quickly or so slowly
128
371143
3384
06:14
that you may physically never be able to measure them.
129
374551
2720
dat we niet in staat zijn om ze te meten.
Maar als wiskundigen
06:17
But as mathematicians,
130
377295
2288
06:19
we have the power to zoom in on any subsystem in any timescale
131
379607
5645
kunnen we inzoomen op elk subsysteem in elke tijdschaal
en effecten van interventies simuleren
06:25
and simulate effects of interventions
132
385276
2124
06:27
that take place in any timescale.
133
387424
2701
die plaatsvinden in elke willekeurige tijdschaal.
06:31
Of course, this isn't the work of a modeler alone.
134
391942
2934
Natuurlijk werkt een modeleerder hier niet alleen aan.
06:34
It has to happen in close collaboration with biologists.
135
394900
3289
Dit moet in nauwe samenwerking met biologen gebeuren.
Dat vraagt om enig vermogen tot vertalen
06:38
And it does demand some capacity of translation
136
398213
3004
van beide kanten.
06:41
on both sides.
137
401241
1204
Maar beginnen met een theoretische formulering van een probleem
06:43
But starting with a theoretical formulation of a problem
138
403550
3788
06:47
can unleash numerous opportunities for testing hypotheses
139
407362
3497
kan veel mogelijkheden opleveren voor het testen van hypotheses
06:50
and simulating scenarios and therapeutic interventions,
140
410883
3239
en het simuleren van scenario's en therapeutische ingrepen
op een volledig veilige manier.
06:54
all in a completely safe way.
141
414146
2070
06:56
It can identify gaps in knowledge and logical inconsistencies
142
416977
5175
Het kan gaten in kennis opsporen en logische tegenstrijdigheden
en ons laten zien waar we verder moeten zoeken
07:02
and can help guide us as to where we should keep looking
143
422176
2839
en waar het spoor dood loopt.
07:05
and where there may be a dead end.
144
425039
1895
07:07
In other words:
145
427632
1247
Met andere woorden:
07:08
mathematical modeling can help us answer questions
146
428903
3494
wiskundige systemen kunnen vragen helpen beantwoorden
07:12
that directly affect people's health --
147
432421
2388
die direct invloed hebben op mensen hun gezondheid,
07:15
that affect each person's health, actually --
148
435942
2704
eigenlijk op een ieders gezondheid,
07:18
because mathematical modeling will be key
149
438670
2676
omdat wiskundige modellen de sleutel zullen zijn
07:21
to propelling personalized medicine.
150
441370
1834
tot het personaliseren van medicijnen.
Het komt allemaal neer op het stellen van de juiste vraag
07:24
And it all comes down to asking the right question
151
444112
3067
07:27
and translating it to the right equation ...
152
447711
2075
en deze te vertalen naar de juiste vergelijking...
07:30
and back.
153
450670
1150
en terug.
07:32
Thank you.
154
452533
1151
Dank jullie wel.
07:33
(Applause)
155
453708
3299
(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