The next software revolution: programming biological cells | Sara-Jane Dunn

168,813 views ・ 2019-11-26

TED


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

Vertaald door: Rik Delaet
00:12
The second half of the last century was completely defined
0
12750
4509
De tweede helft van de vorige eeuw werd volledig gekenmerkt
00:17
by a technological revolution:
1
17283
1999
door een technologische revolutie:
00:19
the software revolution.
2
19306
1435
de softwarerevolutie.
00:21
The ability to program electrons on a material called silicon
3
21313
4808
De mogelijkheid om elektronen in silicium te programmeren
00:26
made possible technologies, companies and industries
4
26145
3073
liet technologieën, bedrijven en industrieën ontstaan
00:29
that were at one point unimaginable to many of us,
5
29242
3977
die toen voor velen van ons nog onvoorstelbaar waren,
00:33
but which have now fundamentally changed the way the world works.
6
33243
3915
maar die nu de aard van de wereld fundamenteel hebben veranderd.
00:38
The first half of this century, though,
7
38158
1921
Maar de eerste helft van deze eeuw
00:40
is going to be transformed by a new software revolution:
8
40103
3978
zal worden getransformeerd door een nieuwe softwarerevolutie:
00:44
the living software revolution.
9
44105
2435
de revolutie van levende software.
00:46
And this will be powered by the ability to program biochemistry
10
46921
4050
Die zal in staat zijn om biochemie te programmeren
00:50
on a material called biology.
11
50995
2295
op een materiaal dat we biologie heten.
00:53
And doing so will enable us to harness the properties of biology
12
53314
4141
Daardoor zullen we gebruik kunnen maken van de eigenschappen van de biologie
00:57
to generate new kinds of therapies,
13
57479
2656
om nieuwe soorten therapieën te ontwerpen,
01:00
to repair damaged tissue,
14
60159
1868
om beschadigd weefsel te herstellen,
01:02
to reprogram faulty cells
15
62051
2725
defecte cellen te herprogrammeren
01:04
or even build programmable operating systems out of biochemistry.
16
64800
4554
of zelfs biochemisch programmeerbare besturingssystemen te bouwen.
01:10
If we can realize this -- and we do need to realize it --
17
70420
3573
Als we dit kunnen realiseren -- en we moeten dit realiseren --
01:14
its impact will be so enormous
18
74017
2162
zal de impact ervan zo enorm zijn
01:16
that it will make the first software revolution pale in comparison.
19
76203
3877
dat de eerste softwarerevolutie erbij zal verbleken.
01:20
And that's because living software would transform the entirety of medicine,
20
80104
4234
Levende software zou de geneeskunde namelijk helemaal veranderen,
01:24
agriculture and energy,
21
84362
1559
en ook de landbouw en energiesector,
01:25
and these are sectors that dwarf those dominated by IT.
22
85945
3828
en deze sectoren overvleugelen veruit de sectoren gedomineerd door de IT.
01:30
Imagine programmable plants that fix nitrogen more effectively
23
90812
4174
Stel je programmeerbare planten voor die stikstof efficiënter fixeren
01:35
or resist emerging fungal pathogens,
24
95010
2905
of nieuwe fungale pathogenen weerstaan,
01:37
or even programming crops to be perennial rather than annual
25
97939
3537
of zelfs eenjarige gewassen tot doorlevende herprogrammeren
01:41
so you could double your crop yields each year.
26
101500
2268
zodat je je jaarlijkse oogst zou kunnen verdubbelen.
01:43
That would transform agriculture
27
103792
2098
Dat zou de landbouw hervormen
01:45
and how we'll keep our growing and global population fed.
28
105914
4104
en onze groeiende wereldbevolking van voedsel voorzien.
01:50
Or imagine programmable immunity,
29
110794
2262
Of stel je programmeerbare immuniteit voor
01:53
designing and harnessing molecular devices that guide your immune system
30
113080
4238
door het ontwerpen en inschakelen van moleculaire apparaten
die je immuunsysteem leren
01:57
to detect, eradicate or even prevent disease.
31
117342
3830
om ziektes op te sporen, uit te roeien of zelfs te voorkomen.
02:01
This would transform medicine
32
121196
1571
Dit zou de geneeskunde hervormen
02:02
and how we'll keep our growing and aging population healthy.
33
122791
3489
en onze toenemende en vergrijzende bevolking gezond houden.
02:07
We already have many of the tools that will make living software a reality.
34
127501
4203
We hebben al veel methodes om levende software te realiseren.
02:11
We can precisely edit genes with CRISPR.
35
131728
2347
We kunnen met CRISPR genen precies bewerken.
02:14
We can rewrite the genetic code one base at a time.
36
134099
3083
We kunnen de genetische code base per base herschrijven.
02:17
We can even build functioning synthetic circuits out of DNA.
37
137206
4436
We kunnen zelfs functionerende synthetische circuits bouwen uit DNA.
02:22
But figuring out how and when to wield these tools
38
142428
2469
Maar uitzoeken hoe en wanneer deze tools te hanteren
02:24
is still a process of trial and error.
39
144921
2422
is nog maar in het stadium van gissen en missen.
02:27
It needs deep expertise, years of specialization.
40
147367
3660
Er is diepgaande expertise en jaren van specialisatie nodig.
02:31
And experimental protocols are difficult to discover
41
151051
3037
Experimentele protocollen zijn moeilijk te ontdekken
02:34
and all too often, difficult to reproduce.
42
154112
2582
en maar al te vaak moeilijk te reproduceren.
02:37
And, you know, we have a tendency in biology to focus a lot on the parts,
43
157256
4473
In de biologie focussen we ons vaak op de details,
02:41
but we all know that something like flying wouldn't be understood
44
161753
3133
maar we weten toch dat iets als vliegen niet begrepen kan worden
02:44
by only studying feathers.
45
164910
1339
door alleen maar veren te bestuderen.
02:46
So programming biology is not yet as simple as programming your computer.
46
166846
4521
Het programmeren van biologie gaat nog niet zo eenvoudig
als het programmeren van je computer.
02:51
And then to make matters worse,
47
171391
1678
Tot overmaat van ramp
02:53
living systems largely bear no resemblance to the engineered systems
48
173093
4010
lijken levende systemen grotendeels niet op de ontwikkelde systemen
02:57
that you and I program every day.
49
177127
2096
die jullie en ik elke dag programmeren.
02:59
In contrast to engineered systems, living systems self-generate,
50
179691
4111
In tegenstelling tot technische systemen doen levende systemen aan zelfgeneratie,
03:03
they self-organize,
51
183826
1471
zelforganisatie
03:05
they operate at molecular scales.
52
185321
1687
en werken ze op moleculaire schaal.
03:07
And these molecular-level interactions
53
187032
2136
Interacties op moleculair niveau
03:09
lead generally to robust macro-scale output.
54
189192
3018
leiden over het algemeen tot een robuuste output op macroschaal.
03:12
They can even self-repair.
55
192234
2720
Ze kunnen zelfs zelfreparatie aan.
03:16
Consider, for example, the humble household plant,
56
196256
2994
Denk maar aan de nederige kamerplant
03:19
like that one sat on your mantelpiece at home
57
199274
2187
die thuis op je schoorsteenmantel staat
03:21
that you keep forgetting to water.
58
201485
1787
en die je vergat water te geven.
03:23
Every day, despite your neglect, that plant has to wake up
59
203749
3615
Ondanks je verwaarlozing moet die plant elke dag wakker worden
03:27
and figure out how to allocate its resources.
60
207388
2747
en uitzoeken hoe ze haar middelen zal benutten.
03:30
Will it grow, photosynthesize, produce seeds, or flower?
61
210159
3571
Zal ze groeien, aan fotosynthese doen, zaden produceren of bloeien?
03:33
And that's a decision that has to be made at the level of the whole organism.
62
213754
3939
Dat is een beslissing op het niveau van het hele organisme.
03:37
But a plant doesn't have a brain to figure all of that out.
63
217717
3481
Maar een plant heeft geen hersens om dat allemaal uit te zoeken.
03:41
It has to make do with the cells on its leaves.
64
221222
2717
Ze moet het doen met de cellen op haar bladeren.
03:43
They have to respond to the environment
65
223963
1903
Die moeten reageren op de omgeving
03:45
and make the decisions that affect the whole plant.
66
225890
2649
en beslissingen nemen die de hele plant beïnvloeden.
03:48
So somehow there must be a program running inside these cells,
67
228563
3988
Dus moet er in die cellen een of ander programma lopen,
03:52
a program that responds to input signals and cues
68
232575
2727
een programma dat reageert op ingangssignalen
03:55
and shapes what that cell will do.
69
235326
1940
en bepaalt wat die cel zal doen.
03:57
And then those programs must operate in a distributed way
70
237679
3247
Dan moet dat programma op een gedistribueerde manier werken
04:00
across individual cells,
71
240950
1337
in individuele cellen,
04:02
so that they can coordinate and that plant can grow and flourish.
72
242311
4123
zodat ze kunnen coördineren en de plant kan groeien en bloeien.
04:07
If we could understand these biological programs,
73
247675
3316
Als we deze biologische programma's konden begrijpen,
04:11
if we could understand biological computation,
74
251015
3122
als we biologisch computeren begrepen,
04:14
it would transform our ability to understand how and why
75
254161
3937
konden we snappen
hoe en waarom cellen doen wat ze doen.
04:18
cells do what they do.
76
258122
1546
04:20
Because, if we understood these programs,
77
260152
1987
Want als we deze programma's begrepen,
04:22
we could debug them when things go wrong.
78
262163
2133
konden we ze debuggen als er iets misgaat.
04:24
Or we could learn from them how to design the kind of synthetic circuits
79
264320
4193
Of konden we van hen leren hoe synthetische circuits te ontwerpen
04:28
that truly exploit the computational power of biochemistry.
80
268537
4474
die de rekenkracht van de biochemie echt zouden benutten.
04:34
My passion about this idea led me to a career in research
81
274407
3018
Mijn passie over dit idee leidde me naar een carrière in het onderzoek
04:37
at the interface of maths, computer science and biology.
82
277449
3631
op het raakpunt van wiskunde, informatica en biologie.
04:41
And in my work, I focus on the concept of biology as computation.
83
281104
4726
In mijn werk richt ik me op het concept van biologie als computerwerk.
04:46
And that means asking what do cells compute,
84
286334
3142
Dat betekent uitzoeken wat cellen berekenen
04:49
and how can we uncover these biological programs?
85
289500
3517
en hoe deze bio-programma's te vinden.
04:53
And I started to ask these questions together with some brilliant collaborators
86
293760
3757
Samen met enkele schitterende medewerkers begon ik me dat af te vragen
04:57
at Microsoft Research and the University of Cambridge,
87
297541
2571
bij Microsoft Research en de Universiteit van Cambridge
05:00
where together we wanted to understand
88
300136
2283
waar we samen wilden begrijpen
05:02
the biological program running inside a unique type of cell:
89
302443
4177
hoe biologische programma’s verlopen in een uniek type cel:
05:06
an embryonic stem cell.
90
306644
1894
een embryonale stamcel.
05:09
These cells are unique because they're totally naïve.
91
309136
3160
Deze cellen zijn uniek omdat ze helemaal naïef zijn.
05:12
They can become anything they want:
92
312320
2168
Ze kunnen alles worden wat ze willen:
05:14
a brain cell, a heart cell, a bone cell, a lung cell,
93
314512
2565
een hersencel, een hartcel, een botcel, een longcel,
05:17
any adult cell type.
94
317101
1897
elk type volwassen cel.
05:19
This naïvety, it sets them apart,
95
319022
1677
Deze naïviteit maakt ze speciaal,
05:20
but it also ignited the imagination of the scientific community,
96
320723
3001
maar dat ontstak ook de verbeelding van de wetenschappers,
05:23
who realized, if we could tap into that potential,
97
323748
3263
die beseften dat als we dat potentieel konden aanboren,
05:27
we would have a powerful tool for medicine.
98
327035
2351
we een krachtige medische tool zouden hebben.
05:29
If we could figure out how these cells make the decision
99
329917
2621
Als we kunnen achterhalen hoe deze cellen beslissen
05:32
to become one cell type or another,
100
332562
2131
om een of ander type cel te zijn,
05:34
we might be able to harness them
101
334717
1690
kunnen we dat misschien benutten
05:36
to generate cells that we need to repair diseased or damaged tissue.
102
336431
4553
om cellen te genereren die ziek of beschadigd weefsel herstellen.
05:41
But realizing that vision is not without its challenges,
103
341794
2930
Maar die visie realiseren loopt niet van een leien dakje,
05:44
not least because these particular cells,
104
344748
2764
vooral omdat deze specifieke cellen
05:47
they emerge just six days after conception.
105
347536
2829
tot slechts zes dagen na de bevruchting ontstaan.
05:50
And then within a day or so, they're gone.
106
350826
2055
Na een paar dagen zijn ze weer weg.
05:52
They have set off down the different paths
107
352905
2057
Ze volgen dan de verschillende paden
05:54
that form all the structures and organs of your adult body.
108
354986
3050
die alle structuren en organen van je volwassen lichaam gaan uitmaken.
05:59
But it turns out that cell fates are a lot more plastic
109
359770
3079
Maar nu blijkt het lot van cellen
veel plastischer te zijn dan we eerder dachten.
06:02
than we might have imagined.
110
362873
1413
06:04
About 13 years ago, some scientists showed something truly revolutionary.
111
364310
4321
Ongeveer dertien jaar geleden vonden enkele wetenschappers iets revolutionairs.
06:09
By inserting just a handful of genes into an adult cell,
112
369393
4346
Door het inbrengen van enkele genen in een volwassen cel,
06:13
like one of your skin cells,
113
373763
1764
zoals een huidcel,
06:15
you can transform that cell back to the naïve state.
114
375551
3959
kan je die cel terug naar de naïeve staat omvormen.
06:19
And it's a process that's actually known as "reprogramming,"
115
379534
3175
Het is een proces dat bekend staat als ‘herprogrammering’
06:22
and it allows us to imagine a kind of stem cell utopia,
116
382733
3359
en laat ons dromen van een stamcel-utopie,
06:26
the ability to take a sample of a patient's own cells,
117
386116
3641
waar je een staal van de eigen cellen van een patiënt kan nemen,
06:29
transform them back to the naïve state
118
389781
2360
ze terug naar de naïeve staat kan transformeren
06:32
and use those cells to make whatever that patient might need,
119
392165
3130
en ze gebruiken om de cellen te maken die de patiënt nodig heeft,
06:35
whether it's brain cells or heart cells.
120
395319
2075
ongeacht het nu hersen- of hartcellen zijn.
06:38
But over the last decade or so,
121
398541
1765
Maar in de afgelopen tien jaar
06:40
figuring out how to change cell fate,
122
400330
3044
bleef uitzoeken hoe het lot van de cel te veranderen
06:43
it's still a process of trial and error.
123
403398
2152
toch nog steeds een proces van gissen en missen.
06:45
Even in cases where we've uncovered successful experimental protocols,
124
405911
4508
Zelfs in gevallen waarin we succesvolle experimentele protocollen hebben ontdekt,
06:50
they're still inefficient,
125
410443
1467
zijn ze nog steeds inefficiënt
06:51
and we lack a fundamental understanding of how and why they work.
126
411934
4238
en weten we niet hoe en waarom ze werken.
06:56
If you figured out how to change a stem cell into a heart cell,
127
416650
3005
Als je vindt hoe je een stamcel in een hartcel kan veranderen,
06:59
that hasn't got any way of telling you how to change a stem cell
128
419679
3089
vertelt je dat nog niets over hoe je een stamcel kan veranderen
07:02
into a brain cell.
129
422792
1201
in een hersencel.
07:04
So we wanted to understand the biological program
130
424633
2931
Dus wilden we begrijpen hoe het biologische programma
07:07
running inside an embryonic stem cell,
131
427588
2447
in een embryonale stamcel verloopt.
07:10
and understanding the computation performed by a living system
132
430059
3506
Om de berekening te begrijpen die verloopt in een levend systeem
07:13
starts with asking a devastatingly simple question:
133
433589
4253
moet je beginnen met een uiterst simpele vraag:
07:17
What is it that system actually has to do?
134
437866
3356
wat moet dat systeem eigenlijk doen?
07:21
Now, computer science actually has a set of strategies
135
441838
2850
Nu heeft de informatica eigenlijk een set strategieën
07:24
for dealing with what it is the software and hardware are meant to do.
136
444712
3827
om om te gaan met wat de software en de hardware moeten doen.
07:28
When you write a program, you code a piece of software,
137
448563
2660
Wanneer je een programma of een stukje software schrijft,
07:31
you want that software to run correctly.
138
451247
2000
wil je dat die software goed werkt.
07:33
You want performance, functionality.
139
453271
1790
Je wil prestaties, functionaliteit.
07:35
You want to prevent bugs.
140
455085
1217
Je wil bugs voorkomen.
07:36
They can cost you a lot.
141
456326
1308
Die kunnen je duur komen te staan.
07:38
So when a developer writes a program,
142
458168
1842
Wanneer iemand een programma schrijft,
kan hij een bestek maken.
07:40
they could write down a set of specifications.
143
460034
2270
07:42
These are what your program should do.
144
462328
1871
Dat bepaalt wat je programma hoort te doen.
07:44
Maybe it should compare the size of two numbers
145
464223
2268
Misschien de grootte van twee getallen vergelijken
07:46
or order numbers by increasing size.
146
466515
1792
of ze ordenen naar grootte.
07:49
Technology exists that allows us automatically to check
147
469037
4695
Technologie bestaat om automatisch na te gaan
07:53
whether our specifications are satisfied,
148
473756
2378
of aan onze specificaties is voldaan,
07:56
whether that program does what it should do.
149
476158
2633
of dat programma doet wat het moet doen.
07:59
And so our idea was that in the same way,
150
479266
2856
Ons idee bestond erin om op dezelfde manier na te gaan
08:02
experimental observations, things we measure in the lab,
151
482146
3068
of experimentele waarnemingen, dingen die we meten in het lab,
08:05
they correspond to specifications of what the biological program should do.
152
485238
5033
beantwoorden aan specificaties
van wat het biologische programma moet doen.
08:10
So we just needed to figure out a way
153
490769
1876
We hoefden maar een manier te vinden
08:12
to encode this new type of specification.
154
492669
3183
om deze nieuwe vorm van specificatie te coderen.
08:16
So let's say you've been busy in the lab and you've been measuring your genes
155
496594
3654
Stel dat je in het lab uitzocht wat je genen doen
08:20
and you've found that if Gene A is active,
156
500272
2436
en je ontdekte dat als gen A actief is,
08:22
then Gene B or Gene C seems to be active.
157
502732
3388
gen B of gen C ook actief lijken te zijn.
08:26
We can write that observation down as a mathematical expression
158
506678
3582
We kunnen die observatie opschrijven als een wiskundige uitdrukking.
08:30
if we can use the language of logic:
159
510284
2373
In de taal van de logica:
08:33
If A, then B or C.
160
513125
2328
als A, dan B of C.
08:36
Now, this is a very simple example, OK.
161
516242
2454
Nu is dit wel een heel eenvoudig voorbeeld, oké.
08:38
It's just to illustrate the point.
162
518720
1743
Alleen om het punt te illustreren.
08:40
We can encode truly rich expressions
163
520487
2924
Maar we kunnen echt rijke uitdrukkingen coderen
08:43
that actually capture the behavior of multiple genes or proteins over time
164
523435
4153
die het gedrag van meerdere genen of eiwitten in de tijd vastleggen
08:47
across multiple different experiments.
165
527612
2536
over meerdere verschillende experimenten.
08:50
And so by translating our observations
166
530521
2626
Door onze observaties
08:53
into mathematical expression in this way,
167
533171
1993
zo in wiskundige vorm te gieten,
08:55
it becomes possible to test whether or not those observations can emerge
168
535188
5098
wordt het mogelijk om te testen of deze waarnemingen
al dan niet kunnen ontstaan
09:00
from a program of genetic interactions.
169
540310
3054
uit een programma van genetische interacties.
We ontwikkelden een tool om net dat te doen.
09:04
And we developed a tool to do just this.
170
544063
2556
09:06
We were able to use this tool to encode observations
171
546643
2882
We konden deze tool gebruiken om waarnemingen te coderen
09:09
as mathematical expressions,
172
549549
1407
als wiskundige uitdrukkingen
09:10
and then that tool would allow us to uncover the genetic program
173
550980
3610
en daardoor het genetische programma ontdekken
09:14
that could explain them all.
174
554614
1538
dat ze allemaal zou kunnen verklaren.
09:17
And we then apply this approach
175
557481
2280
En dan passen we deze aanpak toe
09:19
to uncover the genetic program running inside embryonic stem cells
176
559785
4083
om het genetische programma
in embryonale stamcellen zichtbaar te maken
09:23
to see if we could understand how to induce that naïve state.
177
563892
4189
om te zien of we kunnen begrijpen hoe die naïeve toestand te krijgen.
09:28
And this tool was actually built
178
568105
1952
Deze tool was eigenlijk gebouwd
09:30
on a solver that's deployed routinely around the world
179
570081
2652
op een solver die routinematig wereldwijd wordt ingezet
09:32
for conventional software verification.
180
572757
2269
voor conventionele softwareverificatie.
09:35
So we started with a set of nearly 50 different specifications
181
575630
3691
Dus begonnen we met een set van bijna 50 verschillende specificaties
09:39
that we generated from experimental observations of embryonic stem cells.
182
579345
4506
gegenereerd uit experimentele waarnemingen van embryonale stamcellen.
09:43
And by encoding these observations in this tool,
183
583875
2636
Door het coderen van die waarnemingen in deze tool,
09:46
we were able to uncover the first molecular program
184
586535
3185
konden we het eerste moleculaire programma ontdekken
09:49
that could explain all of them.
185
589744
1961
dat ze allemaal zou kunnen verklaren.
09:52
Now, that's kind of a feat in and of itself, right?
186
592309
2513
Dat is toch wel een prestatie op zich, niet?
09:54
Being able to reconcile all of these different observations
187
594846
2902
Al die verschillende waarnemingen met elkaar verzoenen,
09:57
is not the kind of thing you can do on the back of an envelope,
188
597772
3067
is niet iets dat je even doet op de achterkant van een envelop,
10:00
even if you have a really big envelope.
189
600863
2648
zelfs niet op een echt grote envelop.
10:04
Because we've got this kind of understanding,
190
604190
2158
Nu we dat begrepen, konden we een stap verder.
10:06
we could go one step further.
191
606372
1462
10:07
We could use this program to predict what this cell might do
192
607858
3371
We kunnen dit gebruiken
om te voorspellen wat deze cel zou kunnen doen
10:11
in conditions we hadn't yet tested.
193
611253
2176
in nieuwe omstandigheden.
10:13
We could probe the program in silico.
194
613453
2401
We konden het programma in silico uittesten.
10:16
And so we did just that:
195
616735
1247
We deden precies dat:
10:18
we generated predictions that we tested in the lab,
196
618006
3180
we maakten voorspellingen die we testten in het lab
10:21
and we found that this program was highly predictive.
197
621210
3032
en we vonden dat dit programma een hoge voorspellende waarde had.
10:24
It told us how we could accelerate progress
198
624266
2625
Het vertelde ons hoe we de voortgang konden versnellen
10:26
back to the naïve state quickly and efficiently.
199
626915
3060
om snel en efficiënt naar de naïeve staat terug te keren.
10:29
It told us which genes to target to do that,
200
629999
2570
Het vertelde ons op welke genen we ons moesten richten
10:32
which genes might even hinder that process.
201
632593
2624
en welke genen dit proces zelfs zouden kunnen hinderen.
10:35
We even found the program predicted the order in which genes would switch on.
202
635241
4990
We vonden zelfs dat het programma
de volgorde voorspelde waarin de genen inschakelden.
10:40
So this approach really allowed us to uncover the dynamics
203
640980
3140
Deze benadering liet ons echt de dynamiek ontdekken
10:44
of what the cells are doing.
204
644144
2402
van wat de cellen doen.
10:47
What we've developed, it's not a method that's specific to stem cell biology.
205
647728
3642
Wat we hebben ontwikkeld, is geen methode die specifiek is voor stamcelbiologie.
10:51
Rather, it allows us to make sense of the computation
206
651394
2684
Nee, ze stelt ons in staat te begrijpen
wat de cel aan berekeningen uitvoert
10:54
being carried out by the cell
207
654102
1685
10:55
in the context of genetic interactions.
208
655811
2831
in de context van genetische wisselwerkingen.
10:58
So really, it's just one building block.
209
658666
2288
Het is slechts één bouwsteen.
11:00
The field urgently needs to develop new approaches
210
660978
2685
Het gebied moet dringend nieuwe methodes ontwikkelen
11:03
to understand biological computation more broadly
211
663687
2695
voor een breder begrip van biologische berekening
11:06
and at different levels,
212
666406
1367
en wel op verschillende niveaus,
11:07
from DNA right through to the flow of information between cells.
213
667797
4129
vanaf DNA tot aan de informatiestroom tussen cellen.
11:11
Only this kind of transformative understanding
214
671950
2797
Alleen dit soort transformatief begrip
11:14
will enable us to harness biology in ways that are predictable and reliable.
215
674771
4986
zal ons toelaten om de biologie
op een voorspelbare en betrouwbare manier te benutten.
11:21
But to program biology, we will also need to develop
216
681029
3042
Maar om biologie te programmeren, is ook de ontwikkeling nodig
11:24
the kinds of tools and languages
217
684095
1995
van tools en talen
11:26
that allow both experimentalists and computational scientists
218
686114
3408
waarmee zowel experimentalisten als computationele wetenschappers
11:29
to design biological function
219
689546
2497
biologische functies kunnen ontwerpen
11:32
and have those designs compile down to the machine code of the cell,
220
692067
3505
en dan die ontwerpen vertalen naar het machinecodeniveau van de cel,
11:35
its biochemistry,
221
695596
1181
haar biochemie,
11:36
so that we could then build those structures.
222
696801
2484
zodat we vervolgens die structuren kunnen bouwen.
11:39
Now, that's something akin to a living software compiler,
223
699309
3673
Dat lijkt wel een samensteller van levende software
en ik ben trots deel te zijn van een team van Microsoft
11:43
and I'm proud to be part of a team at Microsoft
224
703006
2216
11:45
that's working to develop one.
225
705246
1652
dat werkt aan de ontwikkeling daarvan.
11:47
Though to say it's a grand challenge is kind of an understatement,
226
707366
3226
Dat het een grote uitdaging is, is wel een understatement,
11:50
but if it's realized,
227
710616
1173
maar eens gerealiseerd,
11:51
it would be the final bridge between software and wetware.
228
711813
3709
zou het de laatste brug zijn tussen software en wetware.
11:57
More broadly, though, programming biology is only going to be possible
229
717006
3415
Biologieprogrammering zal echter alleen maar mogelijk worden
12:00
if we can transform the field into being truly interdisciplinary.
230
720445
4279
als we het gebied echt interdisciplinair kunnen maken.
12:04
It needs us to bridge the physical and the life sciences,
231
724748
2952
De wetenschappen van de fysica en het leven moeten we verbinden
12:07
and scientists from each of these disciplines
232
727724
2267
en wetenschappers uit elk van deze disciplines
12:10
need to be able to work together with common languages
233
730015
2731
moeten kunnen samenwerken met gemeenschappelijke talen
12:12
and to have shared scientific questions.
234
732770
2719
en gedeelde wetenschappelijke vragen.
12:16
In the long term, it's worth remembering that many of the giant software companies
235
736757
3993
Uiteindelijk moeten we beseffen dat veel van de grote softwarebedrijven
12:20
and the technology that you and I work with every day
236
740774
2492
en de technologie waarmee wij dagelijks werken,
nauwelijks voorstelbaar was
12:23
could hardly have been imagined
237
743290
1503
12:24
at the time we first started programming on silicon microchips.
238
744817
3605
toen we voor het eerst programmeerden op silicium microchips.
12:28
And if we start now to think about the potential for technology
239
748446
3031
Nu we gaan nadenken over de technologische mogelijkheden
12:31
enabled by computational biology,
240
751501
2426
van de computationele biologie,
12:33
we'll see some of the steps that we need to take along the way
241
753951
2935
zien we een aantal van de stappen die we moeten nemen
12:36
to make that a reality.
242
756910
1433
om dat te realiseren.
12:39
Now, there is the sobering thought that this kind of technology
243
759231
3082
Nu is er de ontnuchterende gedachte dat van dit soort technologie
12:42
could be open to misuse.
244
762337
1777
misbruik gemaakt kan worden.
12:44
If we're willing to talk about the potential
245
764138
2163
Als we willen praten over de mogelijkheden
12:46
for programming immune cells,
246
766325
1436
van immuuncellen programmeren,
12:47
we should also be thinking about the potential of bacteria
247
767785
3188
moeten we ook bedenken
dat we bacteriën kunnen ontwerpen om ze ontwijken.
12:50
engineered to evade them.
248
770997
1661
12:52
There might be people willing to do that.
249
772682
2087
Er kunnen mensen zijn die dat zouden willen doen.
12:55
Now, one reassuring thought in this
250
775506
1722
Een geruststellende gedachte is
12:57
is that -- well, less so for the scientists --
251
777252
2289
dat -- nou ja, minder voor de wetenschappers --
12:59
is that biology is a fragile thing to work with.
252
779565
3269
is dat biologie een fragiel ding is om mee te werken.
13:02
So programming biology is not going to be something
253
782858
2412
Biologie programmeren is niet iets
13:05
you'll be doing in your garden shed.
254
785294
1848
dat je in je tuinhuisje gaat doen.
13:07
But because we're at the outset of this,
255
787642
2080
Omdat we aan het begin hiervan staan,
13:09
we can move forward with our eyes wide open.
256
789746
2583
kunnen we verder gaan met onze ogen wijd open.
13:12
We can ask the difficult questions up front,
257
792353
2324
We kunnen vooraf de moeilijke vragen stellen,
13:14
we can put in place the necessary safeguards
258
794701
3040
de nodige waarborgen instellen
13:17
and, as part of that, we'll have to think about our ethics.
259
797765
2797
en gecombineerd hiermee nadenken over onze ethiek.
13:20
We'll have to think about putting bounds on the implementation
260
800586
3172
We moeten nadenken over het trekken van grenzen
voor het implementeren van biologische functies.
13:23
of biological function.
261
803782
1498
13:25
So as part of this, research in bioethics will have to be a priority.
262
805604
3715
Als onderdeel hiervan zal onderzoek in de bio-ethiek prioritair moeten zijn.
13:29
It can't be relegated to second place
263
809343
2407
Ze mag niet op de tweede plaats komen
13:31
in the excitement of scientific innovation.
264
811774
2514
in de opwinding over de wetenschappelijke innovatie.
13:35
But the ultimate prize, the ultimate destination on this journey,
265
815154
3474
Maar de ultieme prijs, de ultieme bestemming op deze reis,
13:38
would be breakthrough applications and breakthrough industries
266
818652
3444
zouden baanbrekende toepassingen en baanbrekende industrieën zijn
13:42
in areas from agriculture and medicine to energy and materials
267
822120
3444
op het gebied van landbouw, geneeskunde, energie en materialen,
13:45
and even computing itself.
268
825588
2261
en zelfs van het computeren.
13:48
Imagine, one day we could be powering the planet sustainably
269
828490
3148
Stel dat we ooit de planeet duurzaam konden voorzien van ultieme groene energie
13:51
on the ultimate green energy
270
831662
1859
13:53
if we could mimic something that plants figured out millennia ago:
271
833545
3943
als we iets zouden kunnen nabootsen wat planten millennia geleden al uitvonden:
13:57
how to harness the sun's energy with an efficiency that is unparalleled
272
837512
3771
hoe zonne-energie te benutten met een rendement
dat buiten het bereik ligt van onze huidige zonnecellen.
14:01
by our current solar cells.
273
841307
1856
14:03
If we understood that program of quantum interactions
274
843695
2601
Als we het programma begrepen van de kwantuminteracties
14:06
that allow plants to absorb sunlight so efficiently,
275
846320
3264
die planten het zonlicht zo efficiënt laten absorberen,
14:09
we might be able to translate that into building synthetic DNA circuits
276
849608
3944
konden we dat vertalen in de bouw van synthetische DNA-circuits
14:13
that offer the material for better solar cells.
277
853576
2913
die een materiaal vormen voor betere zonnecellen.
14:17
There are teams and scientists working on the fundamentals of this right now,
278
857349
3693
Er zijn nu teams en wetenschappers die aan de fundamenten hiervan werken.
14:21
so perhaps if it got the right attention and the right investment,
279
861066
3243
Met de juiste aandacht en de juiste investeringen,
14:24
it could be realized in 10 or 15 years.
280
864333
2280
zou het in 10 of 15 jaar kunnen worden gerealiseerd.
14:27
So we are at the beginning of a technological revolution.
281
867457
3197
We staan dus aan het begin van een technologische revolutie.
14:31
Understanding this ancient type of biological computation
282
871067
3221
Inzicht in deze oude soort van biologische berekening
14:34
is the critical first step.
283
874312
2132
is de cruciale eerste stap.
14:36
And if we can realize this,
284
876468
1317
Als we dit kunnen realiseren,
14:37
we would enter in the era of an operating system
285
877809
2842
zouden we het tijdperk betreden van een besturingssysteem
14:40
that runs living software.
286
880675
1905
dat levende software draait.
14:42
Thank you very much.
287
882604
1166
Veel dank.
14:43
(Applause)
288
883794
2690
(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