Paul Rothemund: The astonishing promise of DNA folding

71,734 views ・ 2008-09-04

TED


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

Vertaald door: Rik Delaet Nagekeken door: Christel Foncke
00:12
So, people argue vigorously about the definition of life.
0
12160
3000
Mensen discussiëren heftig over de definitie van het leven.
00:15
They ask if it should have reproduction in it, or metabolism, or evolution.
1
15160
5000
Ze vragen zich af of het gaat om reproductie, stofwisseling of evolutie.
00:20
And I don't know the answer to that, so I'm not going to tell you.
2
20160
2000
Ik ken het antwoord niet, dus ga ik het jullie ook niet vertellen.
00:22
I will say that life involves computation.
3
22160
3000
Ik ga zeggen dat het bij het leven om rekenen gaat.
00:25
So this is a computer program.
4
25160
2000
Dit is een computerprogramma.
00:27
Booted up in a cell, the program would execute,
5
27160
3000
Als het opstart in een cel en wordt uitgevoerd,
00:30
and it could result in this person;
6
30160
3000
zou deze persoon daar het resultaat van kunnen zijn
00:33
or with a small change, it could result in this person;
7
33160
3000
of met een kleine aanpassing deze persoon,
00:36
or another small change, this person;
8
36160
2000
of met nog een kleine aanpassing deze persoon,
00:38
or with a larger change, this dog,
9
38160
3000
of met een grotere aanpassing een hond,
00:41
or this tree, or this whale.
10
41160
2000
een boom of een walvis.
00:43
So now, if you take this metaphor
11
43160
2000
Als je deze metafoor
00:45
[of] genome as program seriously,
12
45160
2000
van het genoom als programma serieus neemt,
00:47
you have to consider that Chris Anderson
13
47160
2000
dan moet je bedenken dat Chris Anderson
00:49
is a computer-fabricated artifact, as is Jim Watson,
14
49160
3000
een computergefabriceerd ding is, net als Jim Watson
00:52
Craig Venter, as are all of us.
15
52160
3000
of Craig Venter, net als iedereen van ons.
00:55
And in convincing yourself that this metaphor is true,
16
55160
2000
Om jezelf ervan te overtuigen dat deze metafoor klopt,
00:57
there are lots of similarities between genetic programs
17
57160
2000
zijn er heel veel overeenkomsten tussen genetische programma's
00:59
and computer programs that could help to convince you.
18
59160
3000
en computerprogramma's die daarbij kunnen helpen.
01:02
But one, to me, that's most compelling
19
62160
2000
Maar wat ik het meest interessant vind,
01:04
is the peculiar sensitivity to small changes
20
64160
3000
is de opvallende gevoeligheid voor kleine veranderingen
01:07
that can make large changes in biological development -- the output.
21
67160
3000
die grote veranderingen kunnen teweegbrengen in de biologische ontwikkeling - de output zeg maar.
01:10
A small mutation can take a two-wing fly
22
70160
2000
Een kleine mutatie kan van een tweevleugelige vlieg
01:12
and make it a four-wing fly.
23
72160
1000
een viervleugelige vlieg maken.
01:13
Or it could take a fly and put legs where its antennae should be.
24
73160
4000
Of een vlieg poten geven waar antennes zouden moeten zitten.
01:17
Or if you're familiar with "The Princess Bride,"
25
77160
2000
Of als je bekend bent met "The Princess Bride"
01:19
it could create a six-fingered man.
26
79160
2000
dan kan het een zesvingerige man maken.
01:21
Now, a hallmark of computer programs
27
81160
2000
Nu is een kenmerk van een computerprogramma
01:23
is just this kind of sensitivity to small changes.
28
83160
3000
juist deze gevoeligheid voor kleine veranderingen.
01:26
If your bank account's one dollar, and you flip a single bit,
29
86160
2000
Als je bankrekening één dollar bedraagt en je verplaatst een cijfertje,
01:28
you could end up with a thousand dollars.
30
88160
2000
dan kan dat resulteren in duizend dollar.
01:30
So these small changes are things that I think
31
90160
3000
Deze kleine wijzigingen wijzen
01:33
that -- they indicate to us that a complicated computation
32
93160
2000
ons erop dat een gecompliceerde berekening in de ontwikkeling
01:35
in development is underlying these amplified, large changes.
33
95160
4000
aan de basis ligt van deze versterkte, grote wijzigingen.
01:39
So now, all of this indicates that there are molecular programs underlying biology,
34
99160
6000
Alles wijst erop dat moleculaire programma’s de biologie sturen
01:45
and it shows the power of molecular programs -- biology does.
35
105160
4000
en het toont ons de kracht van deze moleculaire programma's. Dat is wat biologie doet.
01:49
And what I want to do is write molecular programs,
36
109160
2000
Ik wil moleculaire programma's schrijven
01:51
potentially to build technology.
37
111160
2000
om er een technologie op te bouwen.
01:53
And there are a lot of people doing this,
38
113160
1000
Veel mensen zijn daarmee bezig,
01:54
a lot of synthetic biologists doing this, like Craig Venter.
39
114160
3000
veel synthetische biologen zoals Craig Venter.
01:57
And they concentrate on using cells.
40
117160
2000
Zij concentreren zich op het gebruik van cellen.
01:59
They're cell-oriented.
41
119160
2000
Ze zijn ‘celgeoriënteerd’.
02:01
So my friends, molecular programmers, and I
42
121160
2000
Mijn vrienden de moleculaire programmeurs en ik,
02:03
have a sort of biomolecule-centric approach.
43
123160
2000
leggen ons meer toe op biomoleculen.
02:05
We're interested in using DNA, RNA and protein,
44
125160
3000
Wij zijn geïnteresseerd in het gebruik van DNA, RNA en eiwitten.
02:08
and building new languages for building things from the bottom up,
45
128160
3000
We schrijven nieuwe talen om deze dingen vanaf de grond op te bouwen
02:11
using biomolecules,
46
131160
1000
door het gebruik van biomoleculen,
02:12
potentially having nothing to do with biology.
47
132160
3000
die mogelijkerwijs niets met biologie te maken hebben.
02:15
So, these are all the machines in a cell.
48
135160
4000
Dit is de hele machinerie van een cel.
02:19
There's a camera.
49
139160
2000
Daar een camera.
02:21
There's the solar panels of the cell,
50
141160
1000
Daar zijn de zonnepanelen van de cel,
02:22
some switches that turn your genes on and off,
51
142160
2000
een paar schakelaars om genen aan en uit zetten,
02:24
the girders of the cell, motors that move your muscles.
52
144160
3000
de steunbalken van de cel, motoren die je spieren bewegen.
02:27
My little group of molecular programmers
53
147160
2000
Mijn kleine groep van moleculaire programmeurs
02:29
are trying to refashion all of these parts from DNA.
54
149160
4000
probeert al deze onderdelen aan te passen via DNA.
02:33
We're not DNA zealots, but DNA is the cheapest,
55
153160
2000
Niet dat we DNA-zeloten zijn, maar DNA is het goedkoopst,
02:35
easiest to understand and easy to program material to do this.
56
155160
3000
makkelijkst te begrijpen en te programmeren materiaal om dit te doen.
02:38
And as other things become easier to use --
57
158160
2000
Als andere dingen gemakkelijker te gebruiken worden -
02:40
maybe protein -- we'll work with those.
58
160160
3000
misschien wel eiwitten - gaan we daar ook mee werken.
02:43
If we succeed, what will molecular programming look like?
59
163160
2000
Als we slagen, hoe zal dan moleculair programmeren eruit zien?
02:45
You're going to sit in front of your computer.
60
165160
2000
Je gaat achter je computer zitten.
02:47
You're going to design something like a cell phone,
61
167160
2000
Je gaat iets ontwerpen zoals een mobiele telefoon.
02:49
and in a high-level language, you'll describe that cell phone.
62
169160
2000
Die ga je beschrijven middels een taal van een hoger niveau.
02:51
Then you're going to have a compiler
63
171160
2000
Dan neem je een compiler
02:53
that's going to take that description
64
173160
1000
die deze beschrijving in
02:54
and it's going to turn it into actual molecules
65
174160
2000
echte moleculen omzet.
02:56
that can be sent to a synthesizer
66
176160
2000
Dat kan dan naar een synthesizer gestuurd worden
02:58
and that synthesizer will pack those molecules into a seed.
67
178160
3000
en deze synthesizer stopt deze moleculen in een zaadje.
03:01
And what happens if you water and feed that seed appropriately,
68
181160
3000
Als je het zaadje genoeg water en eten geeft,
03:04
is it will do a developmental computation,
69
184160
2000
dan gaat het de ontwikkelingsberekening uitvoeren,
03:06
a molecular computation, and it'll build an electronic computer.
70
186160
3000
een moleculaire berekening en bouwt zo een elektronische computer.
03:09
And if I haven't revealed my prejudices already,
71
189160
2000
Als je begrijpt waar ik naartoe wil:
03:12
I think that life has been about molecular computers
72
192160
2000
ik denk dat leven gaat over moleculaire computers
03:14
building electrochemical computers,
73
194160
2000
die elektrochemische computers bouwen
03:16
building electronic computers,
74
196160
2000
die weer elektronische computers bouwen
03:18
which together with electrochemical computers
75
198160
2000
die samen met elektrochemische computers
03:20
will build new molecular computers,
76
200160
2000
weer nieuwe moleculaire computers bouwen
03:22
which will build new electronic computers, and so forth.
77
202160
3000
die ook weer nieuwe elektronische computers bouwen, enzovoorts.
03:25
And if you buy all of this,
78
205160
1000
Als je dit allemaal gelooft
03:26
and you think life is about computation, as I do,
79
206160
2000
en je gelooft, net als ik, dat leven over berekeningen gaat,
03:28
then you look at big questions through the eyes of a computer scientist.
80
208160
3000
dan kijk je naar de grote vragen door de ogen van een computerwetenschapper.
03:31
So one big question is, how does a baby know when to stop growing?
81
211160
4000
Dan is een hamvraag: hoe weet een baby wanneer hij moet stoppen met groeien?
03:35
And for molecular programming,
82
215160
2000
Voor een moleculair programmeur wordt dat dan de vraag
03:37
the question is how does your cell phone know when to stop growing?
83
217160
2000
hoe je mobiele telefoon weet wanneer te stoppen met groeien.
03:39
(Laughter)
84
219160
1000
(Gelach)
03:40
Or how does a computer program know when to stop running?
85
220160
3000
Of hoe weet een computerprogramma wanneer het moeten stoppen met draaien?
03:43
Or more to the point, how do you know if a program will ever stop?
86
223160
3000
Of meer direct, hoe weet je of je computerprogramma ooit stopt?
03:46
There are other questions like this, too.
87
226160
2000
Er zijn nog meer van dit soort vragen.
03:48
One of them is Craig Venter's question.
88
228160
2000
Een ervan is de vraag van Craig Venter.
03:50
Turns out I think he's actually a computer scientist.
89
230160
2000
Ik denk dat hij eigenlijk een computerwetenschapper is.
03:52
He asked, how big is the minimal genome
90
232160
3000
Hij vraagt hoe groot een genoom minimaal moet zijn
03:55
that will give me a functioning microorganism?
91
235160
2000
om een functionerend micro-organisme op te leveren?
03:57
How few genes can I use?
92
237160
2000
Met hoe weinig genen kom ik toe?
03:59
This is exactly analogous to the question,
93
239160
2000
Dit is exact analoog aan de vraag wat het
04:01
what's the smallest program I can write
94
241160
1000
kleinste programma is dat ik
04:02
that will act exactly like Microsoft Word?
95
242160
2000
kan schrijven dat hetzelfde doet als MS Word.
04:04
(Laughter)
96
244160
1000
(Gelach)
04:05
And just as he's writing, you know, bacteria that will be smaller,
97
245160
4000
Terwijl hij werkende genomen schrijft
04:09
he's writing genomes that will work,
98
249160
1000
voor bacteriën,
04:10
we could write smaller programs
99
250160
2000
zouden wij kleinere programma’s kunnen schrijven
04:12
that would do what Microsoft Word does.
100
252160
2000
die hetzelfde doen als wat MS Word doet.
04:14
But for molecular programming, our question is,
101
254160
2000
Maar bij moleculair programmeren is onze vraag:
04:16
how many molecules do we need to put in that seed to get a cell phone?
102
256160
4000
hoeveel moleculen moeten we in dat zaadje stoppen om een mobiele telefoon te krijgen?
04:20
What's the smallest number we can get away with?
103
260160
2000
Wat is het kleinste aantal waar we mee weg kunnen komen?
04:22
Now, these are big questions in computer science.
104
262160
2000
Dat zijn nou grote vragen in de computerwetenschappen.
04:24
These are all complexity questions,
105
264160
2000
Allemaal complexiteitsvraagstukken
04:26
and computer science tells us that these are very hard questions.
106
266160
2000
en de computerwetenschap vertelt ons dat dit hele moeilijke vragen zijn.
04:28
Almost -- many of them are impossible.
107
268160
2000
Bijna - veel ervan zijn onmogelijk.
04:30
But for some tasks, we can start to answer them.
108
270160
3000
Maar voor sommige taken kunnen we ze beginnen te beantwoorden.
04:33
So, I'm going to start asking those questions
109
273160
1000
Dus ga ik beginnen die vragen te stellen
04:34
for the DNA structures I'm going to talk about next.
110
274160
3000
voor de DNA-structuren waarover ik hierna ga praten.
04:37
So, this is normal DNA, what you think of as normal DNA.
111
277160
3000
Dit is normaal DNA, wat jullie zien als normaal DNA.
04:40
It's double-stranded, it's a double helix,
112
280160
2000
Het is dubbelstrengig, het is een dubbele helix.
04:42
has the As, Ts, Cs and Gs that pair to hold the strands together.
113
282160
3000
De A's en de T's, de C's en de G's koppelen om de strengen bij elkaar te houden.
04:45
And I'm going to draw it like this sometimes,
114
285160
2000
Ik zal het als volgt tekenen
04:47
just so I don't scare you.
115
287160
2000
om jullie niet bang te maken.
04:49
We want to look at individual strands and not think about the double helix.
116
289160
3000
Het gaat over de enkele strengen en niet over de dubbele helix.
04:52
When we synthesize it, it comes single-stranded,
117
292160
3000
Wanneer we het DNA synthetiseren gaan we uit van enkele strengen.
04:55
so we can take the blue strand in one tube
118
295160
3000
We doen de blauwe streng in de ene buis
04:58
and make an orange strand in the other tube,
119
298160
2000
en de oranje streng in de andere buis.
05:00
and they're floppy when they're single-stranded.
120
300160
2000
Ze kronkelen wanneer ze enkelstrengig zijn.
05:02
You mix them together and they make a rigid double helix.
121
302160
3000
Voeg ze samen en ze vormen een rigide dubbele helix.
05:05
Now for the last 25 years,
122
305160
2000
De afgelopen 25 jaar
05:07
Ned Seeman and a bunch of his descendants
123
307160
2000
hebben Ned Seeman en een aantal van zijn medewerkers
05:09
have worked very hard and made beautiful three-dimensional structures
124
309160
3000
heel hard gewerkt en deze prachtige driedimensionale structuren gemaakt
05:12
using this kind of reaction of DNA strands coming together.
125
312160
3000
middels de reactie van DNA-strengen om samen te komen.
05:15
But a lot of their approaches, though elegant, take a long time.
126
315160
3000
Maar hun methode, hoe elegant ook, heeft veel tijd nodig.
05:18
They can take a couple of years, or it can be difficult to design.
127
318160
3000
Het kan een paar jaar duren of ze zijn moeilijk te ontwerpen.
05:21
So I came up with a new method a couple of years ago
128
321160
3000
Ik kwam een paar jaar geleden met een nieuwe methode.
05:24
I call DNA origami
129
324160
1000
Ik noem het DNA-origami.
05:25
that's so easy you could do it at home in your kitchen
130
325160
2000
Zo makkelijk dat je het thuis in je eigen keuken kunt doen
05:27
and design the stuff on a laptop.
131
327160
2000
en het spul ontwerpen op een laptop
05:29
But to do it, you need a long, single strand of DNA,
132
329160
3000
Maar om het uit te voeren heb je een lange, enkele streng DNA nodig
05:32
which is technically very difficult to get.
133
332160
2000
wat technisch heel moeilijk voor elkaar te krijgen is.
05:34
So, you can go to a natural source.
134
334160
2000
Je kan echter uitgaan van een natuurlijke bron.
05:36
You can look in this computer-fabricated artifact,
135
336160
2000
Bijvoorbeeld van dit computergefabriceerde artefact.
05:38
and he's got a double-stranded genome -- that's no good.
136
338160
2000
Hij heeft een dubbelstrengig genoom, daar hebben we niks aan.
05:40
You look in his intestines. There are billions of bacteria.
137
340160
3000
Of in zijn darmen. Daar zitten miljoenen bacteriën.
05:43
They're no good either.
138
343160
2000
Ook niet goed.
05:45
Double strand again, but inside them, they're infected with a virus
139
345160
2000
Dubbelstrengig alweer, maar daarbinnen zijn ze geïnfecteerd met een virus
05:47
that has a nice, long, single-stranded genome
140
347160
3000
met een fijn, lang, enkelstrengig genoom
05:50
that we can fold like a piece of paper.
141
350160
2000
dat we kunnen vouwen als een vel papier.
05:52
And here's how we do it.
142
352160
1000
Zo doen we dat.
05:53
This is part of that genome.
143
353160
1000
Dit is een deel van het genoom.
05:54
We add a bunch of short, synthetic DNAs that I call staples.
144
354160
3000
We voegen een paar korte stukken synthetisch DNA toe - ik noem ze nietjes.
05:57
Each one has a left half that binds the long strand in one place,
145
357160
4000
Allemaal hebben ze een linkerhelft die op één plaats aan de lange streng bindt
06:01
and a right half that binds it in a different place,
146
361160
3000
en een rechterhelft die op een andere plaats bindt.
06:04
and brings the long strand together like this.
147
364160
2000
Dat brengt de lange streng als volgt samen.
06:07
The net action of many of these on that long strand
148
367160
2000
Het resultaat hiervan is dat de lange streng
06:09
is to fold it into something like a rectangle.
149
369160
2000
tot iets als een rechthoek wordt gevouwen.
06:11
Now, we can't actually take a movie of this process,
150
371160
2000
We kunnen daar geen filmpje van maken
06:13
but Shawn Douglas at Harvard
151
373160
2000
maar Shawn Douglas van Harvard
06:15
has made a nice visualization for us
152
375160
2000
heeft voor ons een mooie visualisatie gemaakt.
06:17
that begins with a long strand and has some short strands in it.
153
377160
4000
Het begint met een lange streng en wat korte strengen erbij.
06:21
And what happens is that we mix these strands together.
154
381160
4000
We voegen deze strengen samen,
06:25
We heat them up, we add a little bit of salt,
155
385160
2000
verwarmen ze, voegen een beetje zout toe.
06:27
we heat them up to almost boiling and cool them down,
156
387160
2000
Dan verhitten we tot bijna koken en koelen dan af.
06:29
and as we cool them down,
157
389160
1000
Tijdens het afkoelen,
06:30
the short strands bind the long strands
158
390160
2000
binden de korte strengen aan de lange strengen
06:32
and start to form structure.
159
392160
2000
en begint er zich een structuur te vormen.
06:34
And you can see a little bit of double helix forming there.
160
394160
3000
Je kan daar een beetje dubbele helix zien ontstaan.
06:38
When you look at DNA origami,
161
398160
2000
Als je naar DNA-origami kijkt,
06:40
you can see that what it really is,
162
400160
3000
dan kun je zien wat het echt is.
06:43
even though you think it's complicated,
163
403160
1000
Ook al denk je dat het heel complex is,
06:44
is a bunch of double helices that are parallel to each other,
164
404160
3000
is het een hoop parallelle, dubbele helixen
06:47
and they're held together
165
407160
2000
bijeengehouden op plaatsen
06:49
by places where short strands go along one helix
166
409160
2000
waar korte strengen zich aan een helix hechten
06:51
and then jump to another one.
167
411160
2000
en dan naar een andere overspringen.
06:53
So there's a strand that goes like this, goes along one helix and binds --
168
413160
3000
Er is dus een streng die zo gaat, langs een streng gaat en bindt -
06:56
it jumps to another helix and comes back.
169
416160
2000
hij springt naar een andere helix en komt terug.
06:58
That holds the long strand like this.
170
418160
2000
Dat houdt de lange streng als volgt vast.
07:00
Now, to show that we could make any shape or pattern
171
420160
3000
Om aan te tonen dat we iedere gewenste vorm of patroon kunnen maken,
07:03
that we wanted, I tried to make this shape.
172
423160
2000
heb ik geprobeerd deze vorm te maken.
07:06
I wanted to fold DNA into something that goes up over the eye,
173
426160
2000
Ik wilde DNA vouwen in iets dat over het oog heen gaat,
07:08
down the nose, up the nose, around the forehead,
174
428160
3000
langs de neus naar beneden, om het voorhoofd,
07:11
back down and end in a little loop like this.
175
431160
3000
terug naar beneden en eindigend in een kleine lus.
07:14
And so, I thought, if this could work, anything could work.
176
434160
3000
Ik dacht: als dit kan, dan kan vrijwel alles werken.
07:17
So I had the computer program design the short staples to do this.
177
437160
3000
Ik liet het computerprogramma de nietjes ervoor ontwerpen.
07:20
I ordered them; they came by FedEx.
178
440160
2000
Ik bestelde ze en ze kwamen per FedEx binnen.
07:22
I mixed them up, heated them, cooled them down,
179
442160
2000
Ik mengde, verwarmde en koelde af
07:24
and I got 50 billion little smiley faces
180
444160
4000
en ik kreeg 50 miljard kleine smilies.
07:28
floating around in a single drop of water.
181
448160
2000
Ze drijven rond in één enkele druppel water
07:30
And each one of these is just
182
450160
2000
en elk ervan is
07:32
one-thousandth the width of a human hair, OK?
183
452160
4000
één duizendste van de breedte van een menselijke haar.
07:36
So, they're all floating around in solution, and to look at them,
184
456160
3000
Dus drijven ze allemaal in deze oplossing en om ze te zien te krijgen,
07:39
you have to get them on a surface where they stick.
185
459160
2000
moet je ze op een oppervlak plakken.
07:41
So, you pour them out onto a surface
186
461160
2000
Je giet ze uit over een oppervlak
07:43
and they start to stick to that surface,
187
463160
2000
en ze hechten zich eraan.
07:45
and we take a picture using an atomic-force microscope.
188
465160
2000
We maken een foto met een atoomkrachtmicroscoop.
07:47
It's got a needle, like a record needle,
189
467160
2000
Die heeft een naald als een platenspeler
07:49
that goes back and forth over the surface,
190
469160
2000
die heen en weer over het oppervlak gaat.
07:51
bumps up and down, and feels the height of the first surface.
191
471160
3000
Ze gaat op en neer en voelt de hoogte van het oorspronkelijke oppervlak
07:54
It feels the DNA origami.
192
474160
2000
Ze voelt de DNA-origami.
07:56
There's the atomic-force microscope working
193
476160
2000
Hier is de atoomkrachtmicroscoop aan het werk.
07:59
and you can see that the landing's a little rough.
194
479160
1000
Je kunt zien dat de landing een beetje ruig is
08:00
When you zoom in, they've got, you know,
195
480160
2000
Wanneer je inzoomt hebben ze
08:02
weak jaws that flip over their heads
196
482160
1000
zwakke kaken die over hun hoofd heen flappen
08:03
and some of their noses get punched out, but it's pretty good.
197
483160
3000
en sommige neuzen zijn eruit gestoten, maar het is redelijk goed.
08:06
You can zoom in and even see the extra little loop,
198
486160
2000
Je kunt inzoomen en dan zie je ook de kleine extra lus
08:08
this little nano-goatee.
199
488160
2000
een kleine nano-geitesik.
08:10
Now, what's great about this is anybody can do this.
200
490160
3000
Het leuke is dat iedereen dit kan
08:13
And so, I got this in the mail about a year after I did this, unsolicited.
201
493160
4000
en dus kreeg ik dit ongevraagd, ongeveer een jaar later met de post.
08:17
Anyone know what this is? What is it?
202
497160
3000
Weet iemand wat dit is?
08:20
It's China, right?
203
500160
2000
Het is China, ja?
08:22
So, what happened is, a graduate student in China,
204
502160
2000
Een studente in China,
08:24
Lulu Qian, did a great job.
205
504160
2000
Lulu Qian heeft iets moois gedaan.
08:26
She wrote all her own software
206
506160
2000
Ze schreef haar eigen software
08:28
to design and built this DNA origami,
207
508160
2000
om dit te ontwerpen en te bouwen met DNA-origami
08:30
a beautiful rendition of China, which even has Taiwan,
208
510160
3000
een mooie weergave van China, waar zelfs Taiwan in zit
08:33
and you can see it's sort of on the world's shortest leash, right?
209
513160
3000
en je kunt zien dat dit zo'n beetje 's werelds kortste leiband is, toch?
08:36
(Laughter)
210
516160
2000
(Gelach)
08:39
So, this works really well
211
519160
1000
Dit werkt best goed.
08:41
and you can make patterns as well as shapes, OK?
212
521160
2000
Je kunt patronen en figuren maken.
08:44
And you can make a map of the Americas and spell DNA with DNA.
213
524160
3000
Je kunt een kaart van de Amerika's maken en 'DNA' met DNA spellen
08:47
And what's really neat about it --
214
527160
3000
Het leuke is
08:50
well, actually, this all looks like nano-artwork,
215
530160
2000
dat dit wel nano-kunst lijkt.
08:52
but it turns out that nano-artwork
216
532160
1000
Maar het blijkt dat nano-kunst
08:53
is just what you need to make nano-circuits.
217
533160
2000
juist datgene is wat je nodig hebt om nano-circuits te maken.
08:55
So, you can put circuit components on the staples,
218
535160
2000
Je kunt circuitcomponenten op de nietjes plaatsen.
08:57
like a light bulb and a light switch.
219
537160
2000
Lampjes en schakelaars.
08:59
Let the thing assemble, and you'll get some kind of a circuit.
220
539160
3000
Assembleer het en je krijgt een soort circuit.
09:02
And then you can maybe wash the DNA away and have the circuit left over.
221
542160
3000
Dan kun je wellicht het DNA wegwassen en het circuit overhouden.
09:05
So, this is what some colleagues of mine at Caltech did.
222
545160
2000
Dat deden een aantal van mijn collega's bij Caltech.
09:07
They took a DNA origami, organized some carbon nano-tubes,
223
547160
3000
Ze namen wat DNA-origami, regelden wat koolstof nano-buisjes en
09:10
made a little switch, you see here, wired it up,
224
550160
2000
maakten een kleine schakelaar, sloten hem aan,
09:12
tested it and showed that it is indeed a switch.
225
552160
3000
testten hem en toonden aan dat het inderdaad een schakelaar is.
09:15
Now, this is just a single switch
226
555160
2000
Nu is dit maar één enkele schakelaar
09:17
and you need half a billion for a computer, so we have a long way to go.
227
557160
4000
en je hebt er een half miljard nodig voor een computer, dus zijn we er nog niet.
09:21
But this is very promising
228
561160
2000
Maar veelbelovend is het wel.
09:23
because the origami can organize parts just one-tenth the size
229
563160
5000
De origami kan deeltjes organiseren die maar een tiende van de grootte zijn
09:28
of those in a normal computer.
230
568160
1000
van die in een normale computer.
09:29
So it's very promising for making small computers.
231
569160
3000
Dat houdt de belofte in voor het maken van kleinere computers.
09:32
Now, I want to get back to that compiler.
232
572160
3000
Ik wil even terug naar de compiler.
09:35
The DNA origami is a proof that that compiler actually works.
233
575160
3000
DNA-origami is het bewijs dat de compiler echt werkt.
09:39
So, you start with something in the computer.
234
579160
2000
Je start met iets in de computer.
09:41
You get a high-level description of the computer program,
235
581160
3000
Je maakt een beschrijving op hoog niveau van het computerprogramma,
09:44
a high-level description of the origami.
236
584160
2000
een beschrijving op hoog niveau van de origami.
09:46
You can compile it to molecules, send it to a synthesizer,
237
586160
3000
Je kunt het compileren tot moleculen en het naar een synthesizer sturen
09:49
and it actually works.
238
589160
1000
en het werkt echt.
09:50
And it turns out that a company has made a nice program
239
590160
4000
Een bedrijf heeft een leuk programma gemaakt
09:54
that's much better than my code, which was kind of ugly,
240
594160
2000
dat veel beter is dan mijn code, die nogal klungelig was.
09:56
and will allow us to do this in a nice,
241
596160
1000
Het staat ons toe dit op een plezierige,
09:57
visual, computer-aided design way.
242
597160
2000
visueel ondersteunde manier van ontwerpen te doen.
10:00
So, now you can say, all right,
243
600160
1000
Nu kan je je afvragen
10:01
why isn't DNA origami the end of the story?
244
601160
2000
waarom DNA-origami niet het einde is van het verhaal.
10:03
You have your molecular compiler, you can do whatever you want.
245
603160
2000
Je hebt je moleculaire compiler, je kunt doen wat je maar wil.
10:05
The fact is that it does not scale.
246
605160
3000
Je kan het niet opschalen.
10:08
So if you want to build a human from DNA origami,
247
608160
3000
Als je een mens wil maken met DNA-origami,
10:11
the problem is, you need a long strand
248
611160
2000
dan is het probleem dat je een lange streng nodig hebt
10:13
that's 10 trillion trillion bases long.
249
613160
3000
die 10 biljoen biljoen basen lang is.
10:16
That's three light years' worth of DNA,
250
616160
2000
Dat is een streng van drie lichtjaren lang.
10:18
so we're not going to do this.
251
618160
2000
Gaan we dus niet doen.
10:20
We're going to turn to another technology,
252
620160
2000
We gaan een andere technologie gebruiken.
10:22
called algorithmic self-assembly of tiles.
253
622160
2000
Die heet algoritmische zelfassemblage van tegels.
10:24
It was started by Erik Winfree,
254
624160
2000
Erik Winfree is ermee begonnen.
10:26
and what it does,
255
626160
1000
Het werkt met
10:27
it has tiles that are a hundredth the size of a DNA origami.
256
627160
4000
delen die maar een honderste zo groot zijn als een DNA-origami.
10:31
You zoom in, there are just four DNA strands
257
631160
2000
Je zoomt in, er zijn maar vier DNA-strengen
10:34
and they have little single-stranded bits on them
258
634160
2000
met kleine enkelstrengige stukjes erop
10:36
that can bind to other tiles, if they match.
259
636160
2000
die aan andere tegels kunnen binden als ze passen.
10:38
And we like to draw these tiles as little squares.
260
638160
3000
We tekenen deze tegels als kleine vierkantjes.
10:42
And if you look at their sticky ends, these little DNA bits,
261
642160
2000
Door de kleverige uiteinden gaan deze kleine stukjes DNA
10:44
you can see that they actually form a checkerboard pattern.
262
644160
3000
een dambordpatroon vormen.
10:47
So, these tiles would make a complicated, self-assembling checkerboard.
263
647160
3000
Deze tegels vormen zo een gecompliceerd, zelfassemblerend dambord.
10:50
And the point of this, if you didn't catch that,
264
650160
2000
Het punt is, als je het nog niet doorhad,
10:52
is that tiles are a kind of molecular program
265
652160
3000
dat deze tegels een soort moleculair programma zijn
10:55
and they can output patterns.
266
655160
3000
en patronen kunnen maken.
10:58
And a really amazing part of this is
267
658160
2000
Het geweldige hiervan is
11:00
that any computer program can be translated
268
660160
2000
dat ieder computerprogramma vertaald kan worden
11:02
into one of these tile programs -- specifically, counting.
269
662160
3000
in een van deze deelprogramma's - specifieker, om te tellen.
11:05
So, you can come up with a set of tiles
270
665160
3000
Een set van deze tegels
11:08
that when they come together, form a little binary counter
271
668160
3000
vormen samen een soort binaire teller
11:11
rather than a checkerboard.
272
671160
2000
in plaats van een dambord.
11:13
So you can read off binary numbers five, six and seven.
273
673160
3000
Daar heb je de binaire getallen 5, 6 en 7.
11:16
And in order to get these kinds of computations started right,
274
676160
3000
Om deze berekeningen goed te laten beginnen,
11:19
you need some kind of input, a kind of seed.
275
679160
2000
heb je een soort input nodig, een soort zaadje.
11:21
You can use DNA origami for that.
276
681160
2000
Daar kun je DNA-origami voor gebruiken.
11:23
You can encode the number 32
277
683160
2000
Je kunt het getal 32 coderen
11:25
in the right-hand side of a DNA origami,
278
685160
2000
aan de rechterkant van een DNA-origami
11:27
and when you add those tiles that count,
279
687160
2000
en wanneer je de rekenende tegels toevoegt
11:29
they will start to count -- they will read that 32
280
689160
3000
zullen ze beginnen met tellen, ze zullen die 32 lezen
11:32
and they'll stop at 32.
281
692160
2000
en stoppen bij 32.
11:34
So, what we've done is we've figured out a way
282
694160
3000
We hebben een manier gevonden
11:37
to have a molecular program know when to stop going.
283
697160
3000
om een moleculair programma te laten weten wanneer het moet stoppen.
11:40
It knows when to stop growing because it can count.
284
700160
2000
Het weet wanneer het moet stoppen met groeien omdat het kan tellen.
11:42
It knows how big it is.
285
702160
2000
Het weet hoe groot het is.
11:44
So, that answers that sort of first question I was talking about.
286
704160
3000
Dat beantwoordt de eerste vraag waar ik het over had.
11:47
It doesn't tell us how babies do it, however.
287
707160
3000
Het vertelt ons echter niet hoe baby’s het doen.
11:50
So now, we can use this counting to try and get at much bigger things
288
710160
4000
We kunnen dit tellen gebruiken om veel grotere dingen te maken
11:54
than DNA origami could otherwise.
289
714160
1000
dan met DNA-origami zou kunnen.
11:55
Here's the DNA origami, and what we can do
290
715160
3000
Hier is het DNA-origami en wat we ermee kunnen doen,
11:58
is we can write 32 on both edges of the DNA origami,
291
718160
3000
is 32 schrijven aan beide kanten van het DNA-origami.
12:01
and we can now use our watering can
292
721160
2000
Nu kunnen we onze gieter gebruiken
12:03
and water with tiles, and we can start growing tiles off of that
293
723160
4000
en begieten met tegels. We kunnen hierop tegels kweken
12:07
and create a square.
294
727160
2000
en een vierkant maken.
12:09
The counter serves as a template
295
729160
3000
De teller dient als sjabloon
12:12
to fill in a square in the middle of this thing.
296
732160
2000
om een vierkant in het midden van dit ding in te vullen.
12:14
So, what we've done is we've succeeded
297
734160
1000
We zijn er dus in geslaagd
12:15
in making something much bigger than a DNA origami
298
735160
3000
om iets te maken dat veel groter is dan DNA-origami
12:18
by combining DNA origami with tiles.
299
738160
3000
door DNA-origami te combineren met tegels.
12:21
And the neat thing about it is, is that it's also reprogrammable.
300
741160
3000
Het leuke eraan is dat het ook herprogrammeerbaar is.
12:24
You can just change a couple of the DNA strands in this binary representation
301
744160
4000
Je kunt een paar DNA-strengen veranderen in deze binaire representatie
12:28
and you'll get 96 rather than 32.
302
748160
3000
en je krijgt 96 in plaats van 32.
12:31
And if you do that, the origami's the same size,
303
751160
3000
Wanneer je dat doet, is de origami even groot
12:34
but the resulting square that you get is three times bigger.
304
754160
4000
maar het daarop volgende vierkant drie keer zo groot.
12:39
So, this sort of recapitulates
305
759160
1000
Dit vat zo'n beetje samen
12:40
what I was telling you about development.
306
760160
2000
wat ik vertelde over ontwikkeling.
12:42
You have a very sensitive computer program
307
762160
3000
Je hebt een erg gevoelig computerprogramma
12:45
where small changes -- single, tiny, little mutations --
308
765160
3000
waar kleine wijzigingen - enkele kleine mutaties -
12:48
can take something that made one size square
309
768160
2000
iets dat een vierkant was,
12:50
and make something very much bigger.
310
770160
3000
vele malen groter kan maken.
12:54
Now, this -- using counting to compute
311
774160
3000
Het gebruiken van tellen om te berekenen
12:57
and build these kinds of things
312
777160
2000
en deze dingen maken
12:59
by this kind of developmental process
313
779160
2000
door een ontwikkelingsproces,
13:01
is something that also has bearing on Craig Venter's question.
314
781160
4000
is iets dat ook antwoord geeft op de vraag van Craig Venter.
13:05
So, you can ask, how many DNA strands are required
315
785160
2000
Je kan je afvragen hoeveel strengen er nodig zijn
13:07
to build a square of a given size?
316
787160
2000
om een vierkant van een gegeven afmeting te maken.
13:09
If we wanted to make a square of size 10, 100 or 1,000,
317
789160
5000
Als we een vierkant wilden van 10, 100 of 1000
13:14
if we used DNA origami alone,
318
794160
2000
van alleen DNA-origami
13:16
we would require a number of DNA strands that's the square
319
796160
3000
zou het aantal DNA-strengen gelijk moeten zijn aan het kwadraat
13:19
of the size of that square;
320
799160
2000
van de grootte van dat vierkant.
13:21
so we'd need 100, 10,000 or a million DNA strands.
321
801160
2000
We zouden 100, 10.000 of een miljoen DNA-strengen nodig hebben.
13:23
That's really not affordable.
322
803160
2000
Dat is echt niet betaalbaar.
13:25
But if we use a little computation --
323
805160
2000
Maar als we een kleine berekening maken -
13:27
we use origami, plus some tiles that count --
324
807160
4000
gebruiken we origami, plus een aantal tellende tegels -
13:31
then we can get away with using 100, 200 or 300 DNA strands.
325
811160
3000
dan kunnen we wegkomen met 100, 200 of 300 DNA-strengen.
13:34
And so we can exponentially reduce the number of DNA strands we use,
326
814160
5000
We kunnen dus het benodigde aantal DNA-strengen exponentieel verminderen,
13:39
if we use counting, if we use a little bit of computation.
327
819160
3000
als we tellen gebruiken, als we wat rekenen toepassen.
13:42
And so computation is some very powerful way
328
822160
3000
Rekenen is dus een zeer krachtige manier
13:45
to reduce the number of molecules you need to build something,
329
825160
3000
om het aantal benodigde moleculen om iets te bouwen te verminderen,
13:48
to reduce the size of the genome that you're building.
330
828160
3000
om de grootte van het genoom dat je bouwt te verkleinen.
13:51
And finally, I'm going to get back to that sort of crazy idea
331
831160
3000
Tenslotte ga ik terug naar dat gekke idee
13:54
about computers building computers.
332
834160
2000
over computers die computers bouwen.
13:56
If you look at the square that you build with the origami
333
836160
3000
Als je kijkt naar het vierkant dat je bouwt met origami
13:59
and some counters growing off it,
334
839160
2000
en een aantal tellers erop,
14:01
the pattern that it has is exactly the pattern that you need
335
841160
3000
is het patroon dat je krijgt precies het patroon dat je nodig hebt
14:04
to make a memory.
336
844160
1000
om een geheugen te maken.
14:05
So if you affix some wires and switches to those tiles --
337
845160
3000
Als je wat draden en schakelaars op die tegels plaatst -
14:08
rather than to the staple strands, you affix them to the tiles --
338
848160
3000
in plaats van ze op de strengen te nieten, breng je ze aan op de tegels -
14:11
then they'll self-assemble the somewhat complicated circuits,
339
851160
3000
dan zullen ze de enigszins ingewikkelde circuits zelf gaan assembleren,
14:14
the demultiplexer circuits, that you need to address this memory.
340
854160
3000
de demultiplexer circuits, die je nodig hebt om dit geheugen te adresseren.
14:17
So you can actually make a complicated circuit
341
857160
2000
Je kunt zo een ingewikkeld circuit maken
14:19
using a little bit of computation.
342
859160
2000
met behulp van een beetje rekenen.
14:21
It's a molecular computer building an electronic computer.
343
861160
3000
Het is een moleculaire computer die een elektronische computer bouwt.
14:24
Now, you ask me, how far have we gotten down this path?
344
864160
3000
Nu zullen jullie mij vragen hoe ver we hiermee al staan.
14:27
Experimentally, this is what we've done in the last year.
345
867160
3000
Dit hebben we in het afgelopen jaar gedaan.
14:30
Here is a DNA origami rectangle,
346
870160
2000
Hier is een DNA-origami rechthoek
14:33
and here are some tiles growing from it.
347
873160
2000
en hier zijn enkele tegels die erop staan.
14:35
And you can see how they count.
348
875160
2000
Je kan zien hoe ze tellen.
14:37
One, two, three, four, five, six, nine, 10, 11, 12, 17.
349
877160
12000
1, 2, 3, 4, 5, 6, 9, 10, 11, 12, 17.
14:49
So it's got some errors, but at least it counts up.
350
889160
4000
Er zitten nog wat fouten in, maar het telt ten minste.
14:53
(Laughter)
351
893160
1000
(Gelach)
14:54
So, it turns out we actually had this idea nine years ago,
352
894160
3000
Negen jaar geleden begonnen we hiermee.
14:57
and that's about the time constant for how long it takes
353
897160
3000
Dat is ongeveer de tijd hoe lang het duurt
15:00
to do these kinds of things, so I think we made a lot of progress.
354
900160
2000
om dit soort dingen te doen. Ik denk dat we veel vooruitgang hebben geboekt.
15:02
We've got ideas about how to fix these errors.
355
902160
2000
We hebben ideeën over hoe deze fouten te herstellen.
15:04
And I think in the next five or 10 years,
356
904160
2000
Ik denk dat we binnen vijf of tien jaar,
15:06
we'll make the kind of squares that I described
357
906160
2000
de vierkanten die ik beschreef, gaan maken
15:08
and maybe even get to some of those self-assembled circuits.
358
908160
3000
en misschien zelfs een aantal zelf-assemblerende circuits.
15:11
So now, what do I want you to take away from this talk?
359
911160
4000
Wat moet je van deze talk onthouden?
15:15
I want you to remember that
360
915160
2000
Ik wil dat je onthoudt dat
15:17
to create life's very diverse and complex forms,
361
917160
4000
om de erg diverse en complexe vormen van het leven te creëren,
15:21
life uses computation to do that.
362
921160
2000
het leven gebruik maakt van rekenen.
15:23
And the computations that it uses, they're molecular computations,
363
923160
4000
De manier van rekenen is moleculair.
15:27
and in order to understand this and get a better handle on it,
364
927160
2000
Om dit te begrijpen en er een betere greep op te krijgen,
15:29
as Feynman said, you know,
365
929160
2000
moet je, zoals Feynman zei,
15:31
we need to build something to understand it.
366
931160
2000
het bouwen om het te begrijpen.
15:33
And so we are going to use molecules and refashion this thing,
367
933160
4000
Dus gaan we moleculen gebruiken en dit ding herwerken,
15:37
rebuild everything from the bottom up,
368
937160
2000
alles van onder af opbouwen
15:39
using DNA in ways that nature never intended,
369
939160
3000
met behulp van DNA op een manier die de natuur nooit heeft bedoeld.
15:42
using DNA origami,
370
942160
2000
Met behulp van DNA-origami
15:44
and DNA origami to seed this algorithmic self-assembly.
371
944160
3000
om deze algoritmische zelf-assemblage te starten.
15:47
You know, so this is all very cool,
372
947160
2000
Dit is allemaal heel cool,
15:50
but what I'd like you to take from the talk,
373
950160
1000
maar wat ik zou willen dat je hopelijk onthoudt
15:51
hopefully from some of those big questions,
374
951160
2000
van sommige van die grote vragen,
15:53
is that this molecular programming isn't just about making gadgets.
375
953160
3000
is dat dit moleculair programmeren niet alleen gaat over het maken van gadgets.
15:56
It's not just making about --
376
956160
2000
Het gaat niet alleen over het maken van
15:58
it's making self-assembled cell phones and circuits.
377
958160
2000
zelf-geassembleerde mobiele telefoons en circuits.
16:00
What it's really about is taking computer science
378
960160
2000
Waar het in de informatica echt om gaat is
16:02
and looking at big questions in a new light,
379
962160
3000
de grote vragen in een nieuw licht te bekijken,
16:05
asking new versions of those big questions
380
965160
2000
nieuwe versies van die grote vragen te bedenken
16:07
and trying to understand how biology
381
967160
2000
en proberen te begrijpen hoe de biologie
16:09
can make such amazing things. Thank you.
382
969160
2000
zo’n verbazingwekkende dingen heeft kunnen maken. Dank je.
16:12
(Applause)
383
972160
7000
(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