How to read the genome and build a human being | Riccardo Sabatini

Vertaald door: Nathalie Lagae Nagekeken door: Els De Keyser

For the next 16 minutes, I'm going to take you on a journey

In de volgende 16 minuten zal ik jullie laten kennismaken

that is probably the biggest dream of humanity:

met wat waarschijnlijk de grootste droom van de mensheid is:

to understand the code of life.

de code van het leven begrijpen.

So for me, everything started many, many years ago

Voor mij begon alles heel lang geleden,

when I met the first 3D printer.

toen ik kennismaakte met de eerste 3D-printer.

The concept was fascinating.

Het concept was fascinerend.

A 3D printer needs three elements:

Een 3D-printer heeft drie dingen nodig:

a bit of information, some raw material, some energy,

met een beetje informatie, enkele grondstoffen en wat energie

and it can produce any object that was not there before.

kan de printer uit het niets een totaal nieuw object produceren.

I was doing physics, I was coming back home

Ik studeerde fysica en was op weg naar huis

and I realized that I actually always knew a 3D printer.

toen ik besefte dat ik al heel mijn leven een 3D-printer kende.

And everyone does.

En iedereen kent er één.

It was my mom.

Het was mijn ma.

(Laughter)

(Gelach)

My mom takes three elements:

Mijn ma neemt 3 elementen:

a bit of information, which is between my father and my mom in this case,

een beetje informatie, in dit geval van mijn vader en mijn moeder,

raw elements and energy in the same media, that is food,

grondstoffen en energie onder dezelfde vorm, voedsel,

and after several months, produces me.

en na enkele maanden produceert ze mij.

And I was not existent before.

Daarvoor bestond ik gewoon niet.

So apart from the shock of my mom discovering that she was a 3D printer,

Dus, afgezien van mijn ma's schok toen ze ontdekte dat ze een 3D-printer is,

I immediately got mesmerized by that piece,

raakte ik gefascineerd door dat ene onderdeel,

the first one, the information.

het eerste, de informatie.

What amount of information does it take

Hoeveel informatie heb je nodig

to build and assemble a human?

om een mens ineen te knutselen?

Is it much? Is it little?

Is dat veel? Of niet veel?

How many thumb drives can you fill?

Hoeveel USB-sticks kan je ermee vullen?

Well, I was studying physics at the beginning

Ik was fysica aan het studeren

and I took this approximation of a human as a gigantic Lego piece.

en ik besloot dat de beste invalshoek was de mens als een enorme legoblok te bezien.

So, imagine that the building blocks are little atoms

Beeld je in dat de blokjes kleine atoompjes zijn

and there is a hydrogen here, a carbon here, a nitrogen here.

en dat er hier waterstof is, en hier koolstof, en verder nog stikstof.

So in the first approximation,

Mijn eerste inschatting was:

if I can list the number of atoms that compose a human being,

als ik de lijst kan opstellen van het aantal atomen dat een mens bevat,

I can build it.

dan kan ik er ook één bouwen.

Now, you can run some numbers

Nu kan je beginnen rekenen,

and that happens to be quite an astonishing number.

en het resultaat is onwaarschijnlijk.

So the number of atoms,

Het aantal atomen,

the file that I will save in my thumb drive to assemble a little baby,

de file die ik op mijn USB-stick zal opslaan om een baby in elkaar te steken,

will actually fill an entire Titanic of thumb drives --

zal een hele Titanic vol USB-sticks vullen -

multiplied 2,000 times.

vermenigvuldigd met 2000.

This is the miracle of life.

Dit is het wonder van het leven.

Every time you see from now on a pregnant lady,

Denk eraan elke keer je nu een zwangere vrouw ziet:

she's assembling the biggest amount of information

zij is de grootste hoeveelheid informatie aan het verzamelen

that you will ever encounter.

die je je kan inbeelden.

Forget big data, forget anything you heard of.

Vergeet 'big data', vergeet alles wat je ooit gehoord hebt.

This is the biggest amount of information that exists.

Dit is de grootste hoeveelheid informatie die er bestaat.

(Applause)

(Applaus)

But nature, fortunately, is much smarter than a young physicist,

Gelukkig is de natuur veel slimmer dan een jonge natuurkundige,

and in four billion years, managed to pack this information

en is ze er in 4 miljard jaar in geslaagd deze informatie samen te pakken

in a small crystal we call DNA.

in een klein kristal dat DNA heet.

We met it for the first time in 1950 when Rosalind Franklin,

We zagen het voor het eerst in 1950

toen Rosalind Franklin, een ongelooflijke wetenschapper, een vrouw,

an amazing scientist, a woman,

took a picture of it.

het vastlegde op foto.

But it took us more than 40 years to finally poke inside a human cell,

Maar we hadden meer dan 40 jaar nodig om in een menselijke cel binnen te geraken,

take out this crystal,

het kristal te isoleren,

unroll it, and read it for the first time.

het af te wikkelen en voor het eerst te lezen.

The code comes out to be a fairly simple alphabet,

De code die dan verschijnt, is een zeer eenvoudig alfabet

four letters: A, T, C and G.

met vier letters: A, T, C en G.

And to build a human, you need three billion of them.

Om een mens te bouwen, heb je er drie miljard van nodig.

Three billion.

Drie miljard.

How many are three billion?

Hoeveel is drie miljard?

It doesn't really make any sense as a number, right?

Het is een getal dat eigenlijk weinig zin heeft.

So I was thinking how I could explain myself better

Dus dacht ik: hoe kan ik nu echt duidelijk maken

about how big and enormous this code is.

hoe reusachtig groot deze code wel is?

But there is -- I mean, I'm going to have some help,

Nu heb je wel - ik bedoel ik heb nu wel even hulp nodig.

and the best person to help me introduce the code

De persoon die mij het best kan helpen om de code voor te stellen,

is actually the first man to sequence it, Dr. Craig Venter.

is Dr. Craig Venter, de eerste man die de volgorde ervan heeft bepaald.

So welcome onstage, Dr. Craig Venter.

Welkom, Dr. Craig Venter.

(Applause)

(Applaus)

Not the man in the flesh,

Dit is natuurlijk niet de man in vlees en bloed,

but for the first time in history,

maar, voor de eerste keer in de geschiedenis,

this is the genome of a specific human,

is het genoom van een bepaald individu

printed page-by-page, letter-by-letter:

uitgeschreven, pagina na pagina, letter na letter:

262,000 pages of information,

260.000 bladzijden aan informatie,

450 kilograms, shipped from the United States to Canada

450 kilo die van de VS naar Canada verzonden zijn

thanks to Bruno Bowden, Lulu.com, a start-up, did everything.

dankzij Bruno Bowden, van start-up Lulu.com.

It was an amazing feat.

Een geweldige prestatie.

But this is the visual perception of what is the code of life.

Dit is dus de visuele weergave van de code van het leven.

And now, for the first time, I can do something fun.

En nu kan ik voor de eerste keer iets leuks doen.

I can actually poke inside it and read.

Ik kan de code nu inkijken en lezen.

So let me take an interesting book ... like this one.

Nu zal ik eens een interessant boek nemen ... zoals dat hier.

I have an annotation; it's a fairly big book.

Hier is mijn aantekening; het is een enorm boek.

So just to let you see what is the code of life.

Nu kan je echt wel zien wat de code van het leven is.

Thousands and thousands and thousands

Duizenden en duizenden en duizenden

and millions of letters.

en miljoenen letters.

And they apparently make sense.

En blijkbaar wil dat allemaal iets zeggen.

Let's get to a specific part.

Laten we eens een fragment nemen.

Let me read it to you:

Ik zal het even voorlezen:

(Laughter)

(Gelach)

"AAG, AAT, ATA."

"AAG, AAT, ATA."

To you it sounds like mute letters,

Voor jullie zijn dat gewoon zinloze letters,

but this sequence gives the color of the eyes to Craig.

maar deze sequentie bepaalt de kleur van Craigs ogen.

I'll show you another part of the book.

Nu een ander fragment van het boek.

This is actually a little more complicated.

Dit is wel een beetje moeilijker.

Chromosome 14, book 132:

Chromosoom 14, boek 132:

(Laughter)

(Gelach)

As you might expect.

Dacht ik het niet.

(Laughter)

(Gelach)

"ATT, CTT, GATT."

"ATT, CTT, GATT".

This human is lucky,

Deze mens heeft geluk,

because if you miss just two letters in this position --

want als je twee letters te kort schiet in deze combinatie -

two letters of our three billion --

twee letters van onze drie miljard -

he will be condemned to a terrible disease:

dan zal je aan een vreselijke ziekte lijden:

cystic fibrosis.

taaislijmziekte.

We have no cure for it, we don't know how to solve it,

Dit is een ongeneeslijke ziekte, daar bestaat geen medicatie voor,

and it's just two letters of difference from what we are.

en het is een verschil van twee lettertjes ten opzichte van ons.

A wonderful book, a mighty book,

Een fantastisch boek, een grandioos boek,

a mighty book that helped me understand

een boek dat mij geholpen heeft

and show you something quite remarkable.

iets te begrijpen dat echt fenomenaal is.

Every one of you -- what makes me, me and you, you --

Elk van jullie - wat mij en jou van elkaar onderscheidt

is just about five million of these,

is ongeveer vijf miljoen van deze,

half a book.

een half boek.

For the rest,

Voor de rest

we are all absolutely identical.

zijn we allemaal volledig identiek.

Five hundred pages is the miracle of life that you are.

Die vijfhonderd pagina's zijn het mirakel van het leven voor elk van jullie.

The rest, we all share it.

Al de rest hebben we gemeenschappelijk.

So think about that again when we think that we are different.

Dus denk eraan wanneer je denkt dat we verschillend zijn.

This is the amount that we share.

Zoveel hebben we dus gemeenschappelijk.

So now that I have your attention,

Nu ik dus jullie aandacht heb,

the next question is:

wil ik nog een vraag stellen

How do I read it?

hoe kan je dat nu lezen?

How do I make sense out of it?

Hoe kan dat nu zinvol zijn?

Well, for however good you can be at assembling Swedish furniture,

Je mag nog een kei zijn in het ineenknutselen van Zweedse meubels,

this instruction manual is nothing you can crack in your life.

maar deze handleiding zal je nooit kunnen gebruiken.

(Laughter)

(Gelach)

And so, in 2014, two famous TEDsters,

En zo besloten twee bekende TED-ers,

Peter Diamandis and Craig Venter himself,

Peter Diamandis en Craig Venter zelf,

decided to assemble a new company.

in 2014 een nieuw bedrijf op te starten.

Human Longevity was born,

Hier kwam Human Longevity,

with one mission:

met één missie:

trying everything we can try

alles proberen

and learning everything we can learn from these books,

en alles leren uit deze boeken,

with one target --

met één doel -

making real the dream of personalized medicine,

de droom waarmaken van gepersonaliseerde geneeskunde,

understanding what things should be done to have better health

begrijpen wat we moeten doen om een betere gezondheid te hebben

and what are the secrets in these books.

en wat voor geheimen deze boeken omvatten.

An amazing team, 40 data scientists and many, many more people,

Een fantastisch team met 40 wetenschappers en veel, veel andere mensen,

a pleasure to work with.

een plezier om mee te werken.

The concept is actually very simple.

Het concept is heel eenvoudig.

We're going to use a technology called machine learning.

We gebruiken de technologie van 'machine learning'.

On one side, we have genomes -- thousands of them.

Aan de ene kant hebben we duizenden genomen.

On the other side, we collected the biggest database of human beings:

Aan de andere kant hebben we de grootste database van de mens bijeengebracht:

phenotypes, 3D scan, NMR -- everything you can think of.

fenotypes, 3D-scans, kernspinresonantie - je noemt het maar.

Inside there, on these two opposite sides,

En daar, aan deze twee overstaande kanten

there is the secret of translation.

vind je het geheim van de vertaling.

And in the middle, we build a machine.

Tussen de twee bouwen we een machine.

We build a machine and we train a machine --

We bouwen een machine en we programeren die -

well, not exactly one machine, many, many machines --

om precies te zijn, niet één machine, maar veel, veel machines -

to try to understand and translate the genome in a phenotype.

om te proberen het genoom in een fenotype te begrijpen en te vertalen.

What are those letters, and what do they do?

Welke zijn die letters en wat doen ze?

It's an approach that can be used for everything,

Deze methodologie kan voor alles gebruikt worden,

but using it in genomics is particularly complicated.

maar het is een hele opdracht om die te gebruiken in genomica.

Little by little we grew and we wanted to build different challenges.

We zijn langzaamaan gegroeid en we hadden verschillende projecten.

We started from the beginning, from common traits.

We begonnen met het begin, met gemeenschappelijke kenmerken.

Common traits are comfortable because they are common,

Gemeenschappelijke kenmerken zijn de gemakkelijkste,

everyone has them.

omdat iedereen ze heeft.

So we started to ask our questions:

Dus hebben we ons afgevraagd:

Can we predict height?

kan lengte voorspeld worden?

Can we read the books and predict your height?

Kunnen we uit de boeken je lengte afleiden?

Well, we actually can,

Wel ja, we kunnen dat,

with five centimeters of precision.

met een precisie van vijf centimeter.

BMI is fairly connected to your lifestyle,

Je BMI-index is gekoppeld aan je levensstijl

but we still can, we get in the ballpark, eight kilograms of precision.

maar we kunnen toch je gewicht schatten met een precisie van 8 kilo.

Can we predict eye color?

De kleur van je ogen?

Yeah, we can.

Die kunnen we ook raden.

Eighty percent accuracy.

Met 80% zekerheid.

Can we predict skin color?

Kunnen we je huidskleur raden?

Yeah we can, 80 percent accuracy.

Ja - met 80% zekerheid.

Can we predict age?

Kunnen we je leeftijd raden?

We can, because apparently, the code changes during your life.

Dat kunnen we, omdat de code blijkbaar in de loop van de jaren verandert.

It gets shorter, you lose pieces, it gets insertions.

Ze wordt korter, je verliest stukjes, ander stukken worden bijgevoegd.

We read the signals, and we make a model.

We lezen de signalen en we maken een model.

Now, an interesting challenge:

Nu is er wel een interessante uitdaging

Can we predict a human face?

Kunnen we een gezicht voorspellen?

It's a little complicated,

Dat is een beetje moeilijk

because a human face is scattered among millions of these letters.

omdat een menselijk gezicht bestaat uit miljoenen letters

And a human face is not a very well-defined object.

En een gezicht is nu ook niet een welomschreven object.

So, we had to build an entire tier of it

Dus moesten we er een hele reeks van bouwen

to learn and teach a machine what a face is,

om te leren en aan een machine te leren wat een gezicht is

and embed and compress it.

en dan moet je het nog integreren.

And if you're comfortable with machine learning,

Als je iets van machine learning kent,

you understand what the challenge is here.

dan weet je ook wat voor een uitdaging dit is.

Now, after 15 years -- 15 years after we read the first sequence --

En nu, na 15 jaar - 15 jaar nadat we de eerste sequentie gelezen hebben -

this October, we started to see some signals.

in oktober, hebben we de eerste signalen gezien.

And it was a very emotional moment.

Dat was een zeer ontroerend moment.

What you see here is a subject coming in our lab.

Je ziet dus een persoon ons lab binnenwandelen.

This is a face for us.

Voor ons is het een gezicht.

So we take the real face of a subject, we reduce the complexity,

We nemen iemands reële gezicht, verminderen de complexiteit,

because not everything is in your face --

omdat niet alles van je gezicht komt,

lots of features and defects and asymmetries come from your life.

veel kenmerken en imperfecties en onregelmatigheden komen van ons leven.

We symmetrize the face, and we run our algorithm.

We maken het gezicht symmetrisch en we voeren ons algoritme uit.

The results that I show you right now,

Hier zijn de resultaten.

this is the prediction we have from the blood.

Dit is de voorspelling die berekend wordt op basis van het bloed.

(Applause)

(Applaus)

Wait a second.

Wacht eens even.

In these seconds, your eyes are watching, left and right, left and right,

Voor het ogenblik zijn jullie ogen aan het kijken, links en rechts, links en rechts,

and your brain wants those pictures to be identical.

en jullie hersenen willen gewoon dat die foto's identiek zijn.

So I ask you to do another exercise, to be honest.

Dus moeten jullie nu even eerlijk zijn.

Please search for the differences,

Probeer de verschillen na te sporen,

which are many.

en die zijn er!

The biggest amount of signal comes from gender,

De grootste hoeveelheid signalen komt van het geslacht,

then there is age, BMI, the ethnicity component of a human.

dan heb je leeftijd, BMI, het ethnische aspect van een mens.

And scaling up over that signal is much more complicated.

Wanneer je een stap verder zet, dan wordt het pas echt ingewikkeld.

But what you see here, even in the differences,

Maar wat je hier kan zien, zelfs de verschillen,

lets you understand that we are in the right ballpark,

dat maakt ons duidelijk dat we in de goede richting aan het gaan zijn,

that we are getting closer.

dat we dichterbij komen.

And it's already giving you some emotions.

En je voelt de emoties al opkomen.

This is another subject that comes in place,

Dit is een andere persoon die het lab binnenkomt,

and this is a prediction.

en dit is de voorspelling.

A little smaller face, we didn't get the complete cranial structure,

Een kleiner gezicht, de vorm van de schedel was niet volledig,

but still, it's in the ballpark.

maar je kan toch zien dat we er niet ver van af zijn.

This is a subject that comes in our lab,

Dit is nog een andere persoon in ons lab,

and this is the prediction.

met de voorspelling.

So these people have never been seen in the training of the machine.

Maar deze mensen zul je nooit zien in de training van de machine.

These are the so-called "held-out" set.

Ze zijn de zogenaamde validatieset.

But these are people that you will probably never believe.

Maar deze mensen zal je waarschijnlijk nooit geloven.

We're publishing everything in a scientific publication,

Ons werk wordt uitgegeven in een wetenschappelijk blad,

you can read it.

je kan het lezen.

But since we are onstage, Chris challenged me.

Maar we zijn op het podium en Chris heeft me uitgedaagd.

I probably exposed myself and tried to predict

Ik heb een risico genomen en geprobeerd iemand te raden

someone that you might recognize.

die jullie misschien zullen herkennen.

So, in this vial of blood -- and believe me, you have no idea

Hier heb je een bloedbuisje -- en, geloof me, jullie heb geen idee

what we had to do to have this blood now, here --

wat we wel hebben moeten doen om dit bloed te bemachtigen --

in this vial of blood is the amount of biological information

hier in dit bloedbuisje hebben we genoeg biologische informatie

that we need to do a full genome sequence.

om een volledige genoom te sequencen.

We just need this amount.

Meer hebben we niet nodig.

We ran this sequence, and I'm going to do it with you.

We hebben deze sequence uitgevoerd, en we zullen dit nu samen doen.

And we start to layer up all the understanding we have.

Laag na laag brengen we alle informatie bij elkaar die we hebben.

In the vial of blood, we predicted he's a male.

Via dit bloedbuisje hebben we voorspeld dat het gaat over een man.

And the subject is a male.

En inderdaad, het is een man.

We predict that he's a meter and 76 cm.

We voorspellen dat hij 1,76 m groot is.

The subject is a meter and 77 cm.

Onze persoon is 1,77 cm groot.

So, we predicted that he's 76; the subject is 82.

We mikken op 76 kg, en hij weegt 82 kg.

We predict his age, 38.

We voorspellen zijn leeftijd, 38 jaar.

The subject is 35.

Onze persoon is er 35.

We predict his eye color.

Wij denken dat hij donkere ogen heeft.

Too dark.

Te donker.

We predict his skin color.

Zijn huidskleur.

We are almost there.

We zijn er nu bijna.

That's his face.

Dit is zijn gezicht.

Now, the reveal moment:

En nu DE revelatie:

the subject is this person.

hier is onze persoon.

(Laughter)

(Gelach)

And I did it intentionally.

Ik heb dit met opzet gedaan.

I am a very particular and peculiar ethnicity.

Ik heb een heel vreemde ethnische oorsprong.

Southern European, Italians -- they never fit in models.

Zuid-Europees, Italiaans - die moeten altijd alles anders doen.

And it's particular -- that ethnicity is a complex corner case for our model.

En dat is speciaal - ethnische oorsprong is een ingewikkelde test voor ons model.

But there is another point.

Maar er is nog iets anders.

So, one of the things that we use a lot to recognize people

Eén van de elementen die we veel gebruiken om mensen te herkennen

will never be written in the genome.

zal je nooit in het genoom vinden.

It's our free will, it's how I look.

Het is onze vrije wil, hoe je eruit ziet.

Not my haircut in this case, but my beard cut.

In mijn geval niet mijn haarsnit, maar mijn baard.

So I'm going to show you, I'm going to, in this case, transfer it --

Ik zal hier nu een baard toevoegen,

and this is nothing more than Photoshop, no modeling --

en dat is niets anders dan Photoshop

the beard on the subject.

en zeker geen modellering.

And immediately, we get much, much better in the feeling.

En nu krijgen we onmiddellijk iets totaal, maar dan ook totaal anders.

So, why do we do this?

Waarom doen we dit dus?

We certainly don't do it for predicting height

We doen het zeker niet om te voorspellen hoe groot iemand wordt

or taking a beautiful picture out of your blood.

of om een mooi plaatje te vormen vanaf je bloed.

We do it because the same technology and the same approach,

We doen dit omdat dezelfde technologie, en dezelfde methode,

the machine learning of this code,

de machine learning van deze code,

is helping us to understand how we work,

ons kan helpen te begrijpen hoe ons lichaam werkt,

how your body works,

hoe je lichaam in elkaar zit,

how your body ages,

hoe je lichaam veroudert,

how disease generates in your body,

hoe ziekte ontstaat in je lichaam,

how your cancer grows and develops,

hoe kanker ontstaat en zich ontwikkelt,

how drugs work

hoe drugs werken

and if they work on your body.

en wat het effect ervan is op je lichaam.

This is a huge challenge.

Dit is een ongelooflijke uitdaging.

This is a challenge that we share

En deze uitdaging gaan we aan

with thousands of other researchers around the world.

tezamen met duizenden wetenschappers overal ter wereld.

It's called personalized medicine.

Dat is nu gepersonaliseerde geneeskunde.

It's the ability to move from a statistical approach

In plaats van een statistische methode,

where you're a dot in the ocean,

waar je slechts een nummer bent, gebruiken we

to a personalized approach,

een gepersonaliseerde methode,

where we read all these books

waar we al die boeken lezen

and we get an understanding of exactly how you are.

en we zo te weten komen hoe je precies in elkaar zit.

But it is a particularly complicated challenge,

Maar dit is een uiterst complexe uitdaging,

because of all these books, as of today,

omdat we, vandaag, van al die boeken,

we just know probably two percent:

maar ongeveer twee procent kennen:

four books of more than 175.

vier boeken uit een totaal van meer dan 175.

And this is not the topic of my talk,

Dit is ook niet het onderwerp van mijn uiteenzetting,

because we will learn more.

want we zullen zeker meer en meer leren.

There are the best minds in the world on this topic.

De beste breinen van de wereld zwoegen op deze topic.

The prediction will get better,

De berekening zal verbeteren,

the model will get more precise.

het model zal preciezer worden.

And the more we learn,

Hoe meer we leren,

the more we will be confronted with decisions

hoe meer we zullen geconfronteerd worden met keuzes

that we never had to face before

die we nooit eerder gezien hebben

about life,

over het leven,

about death,

over de dood,

about parenting.

over het ouderschap.

So, we are touching the very inner detail on how life works.

We raken nu dus de echte essentie van hoe het leven werkt.

And it's a revolution that cannot be confined

En dit is een revolutie die we niet kunnen reduceren tot het domein

in the domain of science or technology.

van wetenschap of technologie.

This must be a global conversation.

Dit moet een globaal debat zijn.

We must start to think of the future we're building as a humanity.

We moeten nadenken over de toekomst van de mensheid die we aan het bouwen zijn.

We need to interact with creatives, with artists, with philosophers,

Daarbij moeten we samenwerken met artiesten, met filosofen,

with politicians.

met de politieke wereld.

Everyone is involved,

Iedereen moet helpen,

because it's the future of our species.

omdat het gaat over de toekomst van onze soort.

Without fear, but with the understanding

Zonder angst, maar met het besef

that the decisions that we make in the next year

dat de beslissingen die we volgend jaar zullen nemen

will change the course of history forever.

voorgoed de loop van geschiedenis zullen veranderen.

Thank you.

Hartelijk bedankt.

(Applause)

(Applaus)