Juan Enriquez: The life-code that will reshape the future

Juan Enriquez, sobre genômica e nosso futuro

87,492 views ・ 2007-05-16

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Antonio de Lira Revisor: Durval Castro
00:26
I'm supposed to scare you, because it's about fear, right?
0
26000
3000
Eu tenho o dever de assustá-los porque isto é sobre medo, certo?
00:30
And you should be really afraid,
1
30000
2000
E vocês deveriam estar com medo mesmo,
00:32
but not for the reasons why you think you should be.
2
32000
2000
mas não pelas razões que vocês imaginam.
00:35
You should be really afraid that --
3
35000
2000
Vocês deveriam realmente estar com medo do que –
00:37
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
37000
4000
se a gente colocar o primeiro slide nesta coisa – aí está – do que vocês estão perdendo.
00:43
Because if you spend this week thinking about Iraq and
5
43000
4000
Porque se vocês passarem esta semana pensando no Iraque,
00:47
thinking about Bush and thinking about the stock market,
6
47000
4000
e pensando sobre Bush, e pensando sobre o mercado de ações,
00:51
you're going to miss one of the greatest adventures that we've ever been on.
7
51000
2000
vocês irão perder uma das maiores aventuras que jamais teremos presenciado.
00:54
And this is what this adventure's really about.
8
54000
2000
E esta aventura realmente se refere a isto.
00:56
This is crystallized DNA.
9
56000
4000
Isto é DNA cristalizado.
01:00
Every life form on this planet -- every insect, every bacteria, every plant,
10
60000
3000
Toda forma de vida neste planeta – todo inseto, toda bactéria, toda planta,
01:03
every animal, every human, every politician -- (Laughter)
11
63000
3000
todo animal, todo ser humano, todo político – (Risos)
01:08
is coded in that stuff.
12
68000
2000
está codificado nesta coisa.
01:10
And if you want to take a single crystal of DNA, it looks like that.
13
70000
4000
E se você quiser tomar um único cristal de DNA, ele se parece com isto.
01:14
And we're just beginning to understand this stuff.
14
74000
2000
E a gente está só começando a entender esta coisa.
01:17
And this is the single most exciting adventure that we have ever been on.
15
77000
3000
E esta é a aventura mais excitante que jamais teremos presenciado.
01:21
It's the single greatest mapping project we've ever been on.
16
81000
3000
É o maior projeto de mapeamento que jamais teremos presenciado.
01:24
If you think that the mapping of America's made a difference,
17
84000
2000
Se vocês pensam que o mapeamento da América fez diferença,
01:26
or landing on the moon, or this other stuff,
18
86000
3000
ou pousar na lua, ou esta outra coisa,
01:29
it's the map of ourselves and the map of every plant
19
89000
3000
é o mapa de nos mesmos, e o mapa de toda planta,
01:32
and every insect and every bacteria that really makes a difference.
20
92000
3000
e de todo inseto, e de toda bactéria que realmente faz a diferença.
01:35
And it's beginning to tell us a lot about evolution.
21
95000
3000
E isto está começando a nos dizer muito sobre evolução.
01:40
(Laughter)
22
100000
4000
(Risos)
01:44
It turns out that what this stuff is --
23
104000
2000
Vem a ser que o que esta coisa é –
01:46
and Richard Dawkins has written about this --
24
106000
2000
e Richard Dawkins tem escrito sobre isto –
01:48
is, this is really a river out of Eden.
25
108000
2000
isto é realmente um “Rio que Saía do Éden”.
01:50
So, the 3.2 billion base pairs inside each of your cells
26
110000
4000
Então, os 3,2 bilhões de pares de bases dentro de cada uma de suas células
01:54
is really a history of where you've been for the past billion years.
27
114000
3000
é realmente uma historia de onde vocês têm estado pelos últimos bilhões de anos.
01:57
And we could start dating things,
28
117000
1000
E a gente pode começar datando eventos,
01:58
and we could start changing medicine and archeology.
29
118000
3000
e a gente pode começar mudando a medicina e a arqueologia.
02:02
It turns out that if you take the human species about 700 years ago,
30
122000
3000
Vem a ser que se vocês tomarem a espécie humana, cerca de 700 anos atrás,
02:05
white Europeans diverged from black Africans in a very significant way.
31
125000
3000
os brancos europeus divergiram dos negros africanos de uma maneira muito significativa.
02:08
White Europeans were subject to the plague.
32
128000
5000
Os brancos europeus foram vítimas da Grande Peste.
02:14
And when they were subject to the plague, most people didn't survive,
33
134000
3000
E quando eles foram vítimas da Grande Peste, a maioria das pessoas não sobreviveu,
02:17
but those who survived had a mutation on the CCR5 receptor.
34
137000
4000
mas aqueles que sobreviveram tinham uma mutação no receptor CCR5.
02:21
And that mutation was passed on to their kids
35
141000
2000
E aquela mutação foi passada para os filhos,
02:23
because they're the ones that survived,
36
143000
2000
porque eles são os que sobreviveram,
02:25
so there was a great deal of population pressure.
37
145000
2000
portanto houve uma enorme pressão populacional.
02:27
In Africa, because you didn't have these cities,
38
147000
2000
Na África, porque não existiam estas cidades,
02:29
you didn't have that CCR5 population pressure mutation.
39
149000
3000
você não teve aquela pressão populacional de CCR5 mutantes.
02:32
We can date it to 700 years ago.
40
152000
3000
Nós podemos datar isto em 700 anos atras.
02:35
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
155000
4000
Esta é uma das razões por que a AIDS está se alastrando pela África tão rapidamente,
02:39
and not as fast across Europe.
42
159000
4000
e não tão rapidamente pela Europa.
02:43
And we're beginning to find these little things for malaria,
43
163000
3000
E nós estamos começando a encontrar estas pequenas coisas para malária,
02:46
for sickle cell, for cancers.
44
166000
3000
para a anemia falciforme, para o câncer.
02:50
And in the measure that we map ourselves,
45
170000
2000
E à medida que mapeamos a nós mesmos,
02:52
this is the single greatest adventure that we'll ever be on.
46
172000
2000
esta é a única maior aventura que jamais teremos presenciado.
02:54
And this Friday, I want you to pull out a really good bottle of wine,
47
174000
4000
E nesta sexta-feira, eu quero que vocês abram uma boa garrafa de vinho,
02:58
and I want you to toast these two people.
48
178000
2000
e eu quero que vocês brindem a estas duas pessoas.
03:01
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
181000
4000
Porque nesta sexta-feira, 50 anos atrás, Watson e Crick decifraram a estrutura do DNA,
03:05
and that is almost as important a date
50
185000
3000
e esta é uma data tão importante quanto
03:08
as the 12th of February when we first mapped ourselves,
51
188000
3000
12 de fevereiro; quando, pela primeira vez, nós mapeamos a nós mesmos;
03:11
but anyway, we'll get to that.
52
191000
2000
mas, de qualquer forma, nós vamos chegar lá.
03:13
I thought we'd talk about the new zoo.
53
193000
2000
Eu pensei que nós falaríamos sobre o novo zoológico.
03:15
So, all you guys have heard about DNA, all the stuff that DNA does,
54
195000
4000
Então, todos vocês têm ouvido sobre DNA, todas as coisas que o DNA faz,
03:19
but some of the stuff we're discovering is kind of nifty
55
199000
3000
mas algumas das coisas que estamos descobrindo são como que de primeira classe,
03:22
because this turns out to be the single most abundant species on the planet.
56
202000
5000
porque isto aqui vem a ser a única espécie mais abundante no planeta.
03:27
If you think you're successful or cockroaches are successful,
57
207000
3000
Se vocês pensam que são bem-sucedidos, ou que as baratas são bem-sucedidas,
03:30
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
210000
3000
acontece que há dez trilhões de trilhões de Pleurococcus por aí.
03:33
And we didn't know that Pleurococcus was out there,
59
213000
3000
E nós nem sabíamos que o Pleurococcus estava por aí,
03:36
which is part of the reason
60
216000
1000
o que é parte da razão
03:37
why this whole species-mapping project is so important.
61
217000
5000
pela qual todo este projeto de mapeamento das espécies é tão importante.
03:42
Because we're just beginning to learn
62
222000
2000
Porque nós estamos apenas começando a aprender
03:44
where we came from and what we are.
63
224000
1000
de onde viemos e o que somos.
03:46
And we're finding amoebas like this. This is the amoeba dubia.
64
226000
3000
E nós estamos encontrando amebas como esta. Esta é a Amoeba dubia.
03:50
And the amoeba dubia doesn't look like much,
65
230000
2000
E Amoeba dubia não parece lá grande coisa,
03:52
except that each of you has about 3.2 billion letters,
66
232000
3000
exceto que cada um de vocês tem aproximadamente 3,2 bilhões de letras,
03:55
which is what makes you you,
67
235000
2000
que é o que faz com que você seja você
03:57
as far as gene code inside each of your cells,
68
237000
3000
em termos de código genético dentro de suas células,
04:00
and this little amoeba which, you know,
69
240000
3000
e esta pequena ameba, a qual, vocês sabem,
04:03
sits in water in hundreds and millions and billions,
70
243000
2000
existe na água em centenas, e milhões, e bilhões,
04:06
turns out to have 620 billion base pairs of gene code inside.
71
246000
6000
vem a ter 620 bilhões de pares de bases do código genético dentro delas.
04:12
So, this little thingamajig has a genome
72
252000
3000
Então, esta pequena coisinha possui um genoma
04:15
that's 200 times the size of yours.
73
255000
2000
que é 200 vezes maior que o de vocês.
04:18
And if you're thinking of efficient information storage mechanisms,
74
258000
3000
E se vocês estiverem pensando sobre mecanismos eficientes de armazenamento de informação,
04:22
it may not turn out to be chips.
75
262000
2000
pode ser que não venham a ser chips.
04:25
It may turn out to be something that looks a little like that amoeba.
76
265000
4000
Pode vir a ser algo que se pareça um pouco com aquela ameba.
04:29
And, again, we're learning from life and how life works.
77
269000
4000
E, novamente, nós estamos aprendendo a partir da vida e como a vida funciona.
04:33
This funky little thing: people didn't used to think
78
273000
4000
Esta simples coisinha: as pessoas costumavam pensar
04:37
that it was worth taking samples out of nuclear reactors
79
277000
3000
que não valia a pena retirar amostras (de água) de reatores nucleares
04:40
because it was dangerous and, of course, nothing lived there.
80
280000
3000
porque era perigoso e, é claro, nada viveria ali.
04:43
And then finally somebody picked up a microscope
81
283000
3000
E então, finalmente, alguém tomou um microscópio
04:46
and looked at the water that was sitting next to the cores.
82
286000
3000
e olhou para a água que ficava próxima aos núcleos (dos reatores).
04:49
And sitting next to that water in the cores
83
289000
2000
E vivendo próximo daquela água nos núcleos (dos reatores)
04:51
was this little Deinococcus radiodurans, doing a backstroke,
84
291000
3000
estava a pequena Deinococcus radiodurans, nadando folgada,
04:54
having its chromosomes blown apart every day,
85
294000
2000
tendo seus cromossomos fragmentados todo dia,
04:56
six, seven times, restitching them,
86
296000
3000
seis, sete vezes, costurando-os novamente,
04:59
living in about 200 times the radiation that would kill you.
87
299000
2000
vivendo em cerca de 200 vezes mais radiação que mataria vocês.
05:02
And by now you should be getting a hint as to how diverse
88
302000
3000
E, por agora, vocês devem estar tendo uma dica de quão diversa,
05:05
and how important and how interesting this journey into life is,
89
305000
2000
e quão importante, e quão interessante esta jornada pela vida é,
05:07
and how many different life forms there are,
90
307000
3000
e quantas diferentes formas de vida existem,
05:10
and how there can be different life forms living in
91
310000
3000
e como podem haver diferentes formas de vida vivendo nos
05:13
very different places, maybe even outside of this planet.
92
313000
3000
mais diferentes lugares, talvez mesmo fora deste planeta.
05:17
Because if you can live in radiation that looks like this,
93
317000
2000
Porque se você puder viver em um ambiente radioativo como este
05:19
that brings up a whole series of interesting questions.
94
319000
3000
isto leva a uma série de questões interessantes.
05:23
This little thingamajig: we didn't know this thingamajig existed.
95
323000
3000
Esta pequena coisinha: nós não sabíamos que esta coisa existia.
05:27
We should have known that this existed
96
327000
2000
Nós deveríamos ter conhecimento que isto existia
05:29
because this is the only bacteria that you can see to the naked eye.
97
329000
3000
porque esta é a única bactéria que você pode ver a olho nu.
05:32
So, this thing is 0.75 millimeters.
98
332000
3000
Então, esta coisa tem 0,75 milímetros.
05:35
It lives in a deep trench off the coast of Namibia.
99
335000
2000
Ela vive numa vala profunda na costa marítima da Namíbia.
05:38
And what you're looking at with this namibiensis
100
338000
2000
E o que vocês estão vendo nesta namibiana
05:40
is the biggest bacteria we've ever seen.
101
340000
2000
é a maior bactéria que nós jamais vimos.
05:42
So, it's about the size of a little period on a sentence.
102
342000
3000
Então, ela tem o tamanho aproximado de um pequeno ponto final numa sentença.
05:46
Again, we didn't know this thing was there three years ago.
103
346000
4000
Novamente, nós não sabíamos que esta coisa estava lá três anos atrás.
05:50
We're just beginning this journey of life in the new zoo.
104
350000
3000
Nós estamos apenas começando esta jornada pela vida no novo zoológico.
05:54
This is a really odd one. This is Ferroplasma.
105
354000
3000
Isto é realmente interessante. Isto é Ferroplasma.
05:58
The reason why Ferroplasma is interesting is because it eats iron,
106
358000
3000
A razão pela qual a Ferroplasma é interessante é porque ela se alimenta de ferro,
06:02
lives inside the equivalent of battery acid,
107
362000
3000
vive dentro do equivalente a uma bateria de ácido,
06:06
and excretes sulfuric acid.
108
366000
2000
e secreta ácido sulfúrico.
06:10
So, when you think of odd life forms,
109
370000
2000
Então, quando você pensa em formas estranhas de vida,
06:12
when you think of what it takes to live,
110
372000
3000
quando você pensa no que é necessário para viver,
06:16
it turns out this is a very efficient life form,
111
376000
2000
conclui que esta é uma forma de vida muito eficiente,
06:18
and they call it an archaea. Archaea means "the ancient ones."
112
378000
4000
e eles chamam a isto uma archaea. Archaea significa as arcaicas
06:22
And the reason why they're ancient is because this thing came up
113
382000
4000
E a razão pela qual elas são arcaicas, é porque esta coisa apareceu
06:26
when this planet was covered
114
386000
2000
quando este planeta estava coberto
06:28
by things like sulfuric acid in batteries,
115
388000
1000
de coisas como o ácido sulfúrico das baterias,
06:29
and it was eating iron when the earth was part of a melted core.
116
389000
4000
e ela estava comendo o ferro quando a terra era parte de um núcleo fundido.
06:34
So, it's not just dogs and cats and whales and dolphins
117
394000
4000
Então, não é apenas para cães, e gatos, e baleias, e golfinhos
06:38
that you should be aware of and interested in on this little journey.
118
398000
4000
que vocês deveriam estar atentos e interessados nesta pequena jornada.
06:42
Your fear should be that you are not,
119
402000
3000
O seu medo deveria ser que vocês não estão...
06:45
that you're paying attention to stuff which is temporal.
120
405000
3000
que vocês estão prestando atenção para coisas que são temporais.
06:48
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
408000
5000
Quero dizer, George Bush – ele irá embora um dia, certo? A vida, não.
06:54
Whether the humans survive or don't survive,
122
414000
3000
Quer os seres humanos sobrevivam ou não,
06:57
these things are going to be living on this planet or other planets.
123
417000
3000
estas coisas irão viver neste ou noutros planetas.
07:00
And it's just beginning to understand this code of DNA
124
420000
4000
E está-se apenas começando a compreender este código do DNA
07:04
that's really the most exciting intellectual adventure
125
424000
3000
que é realmente a mais excitante aventura intelectual
07:07
that we've ever been on.
126
427000
3000
que nós jamais teremos presenciado.
07:10
And you can do strange things with this stuff. This is a baby gaur.
127
430000
4000
E você pode fazer coisas estranhas com esta coisa. Este é um filhote de gauro.
07:14
Conservation group gets together,
128
434000
2000
Um grupo conservacionista se junta,
07:16
tries to figure out how to breed an animal that's almost extinct.
129
436000
4000
tenta descobrir como reproduzir um animal que está quase extinto.
07:21
They can't do it naturally, so what they do with this thing is
130
441000
3000
Eles não podem fazê-lo naturalmente, então o que eles fazem com esta coisa é
07:24
they take a spoon, take some cells out of an adult gaur's mouth, code,
131
444000
5000
eles pegam uma colher, retiram algumas células da boca de um gauro adulto: o código,
07:30
take the cells from that and insert it into a fertilized cow's egg,
132
450000
4000
retiram as células dali e as inserem em um óvulo fertilizado de vaca,
07:35
reprogram cow's egg -- different gene code.
133
455000
3000
reprogramam o óvulo da vaca: um código genético diferente.
07:39
When you do that, the cow gives birth to a gaur.
134
459000
4000
Quando você faz isto, a vaca dá à luz um gauro.
07:44
We are now experimenting with bongos, pandas, elands, Sumatran tigers,
135
464000
6000
Nós agora estamos experimentando com bongos, pandas, elandes e tigres de Sumatra;
07:50
and the Australians -- bless their hearts --
136
470000
3000
e os australianos – abençoados sejam –
07:53
are playing with these things.
137
473000
1000
estão brincando com estas coisas.
07:54
Now, the last of these things died in September 1936.
138
474000
4000
Agora, o último exemplar destes animais morreu em setembro de 1936.
07:58
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
478000
4000
Estes são tigres da Tasmânia. O último exemplar conhecido morreu no zoológico de Hobart.
08:02
But it turns out that as we learn more about gene code
140
482000
3000
Mas acontece que à medida que nós aprendemos mais sobre o código genético
08:05
and how to reprogram species,
141
485000
2000
e como reprogramar as espécies,
08:07
we may be able to close the gene gaps in deteriorate DNA.
142
487000
5000
talvez nós seremos capazes de preencher as lacunas num DNA deteriorado.
08:12
And when we learn how to close the gene gaps,
143
492000
3000
E quando nós soubermos como preencher as lacunas dos genes,
08:15
then we can put a full string of DNA together.
144
495000
2000
então nós poderemos compor uma fita inteira de DNA.
08:18
And if we do that, and insert this into a fertilized wolf's egg,
145
498000
4000
E se nós fizermos isto, e a inserirmos em um óvulo fertilizado de loba,
08:23
we may give birth to an animal
146
503000
2000
talvez nós iremos trazer à luz um animal
08:25
that hasn't walked the earth since 1936.
147
505000
2000
que não tem andado pela terra desde 1936.
08:28
And then you can start going back further,
148
508000
2000
E então você pode retroceder mais ainda,
08:30
and you can start thinking about dodos,
149
510000
2000
e você pode começar a pensar sobre dodôs,
08:33
and you can think about other species.
150
513000
1000
e você pode considerar outras espécies.
08:35
And in other places, like Maryland, they're trying to figure out
151
515000
3000
E em outros lugares, como em Maryland, eles estão tentando descobrir
08:38
what the primordial ancestor is.
152
518000
2000
como seria o ancestral primordial.
08:40
Because each of us contains our entire gene code
153
520000
3000
Porque cada um de nós contém, em nosso código genético
08:43
of where we've been for the past billion years,
154
523000
3000
a informação de onde temos estado pelos últimos bilhões de anos,
08:46
because we've evolved from that stuff,
155
526000
2000
porque nós evoluímos a partir daquele ancestral,
08:48
you can take that tree of life and collapse it back,
156
528000
2000
você pode tomar aquela arvore da vida e regredí-la ao passado,
08:50
and in the measure that you learn to reprogram,
157
530000
3000
e na medida que você aprende a reprogramar,
08:53
maybe we'll give birth to something
158
533000
2000
talvez nós iremos trazer à luz algo
08:55
that is very close to the first primordial ooze.
159
535000
2000
que seria muito próximo ao primeiro lodo primordial.
08:57
And it's all coming out of things that look like this.
160
537000
2000
E tudo está vindo de instalações que se parecem com isto.
08:59
These are companies that didn't exist five years ago.
161
539000
2000
Estas são empresas que não existiam cinco anos atrás.
09:01
Huge gene sequencing facilities the size of football fields.
162
541000
4000
Enormes instalações de sequenciamento genético, do tamanho de campos de futebol.
09:05
Some are public. Some are private.
163
545000
2000
Algumas são públicas. Algumas são privadas.
09:07
It takes about 5 billion dollars to sequence a human being the first time.
164
547000
3000
São necessários cerca de 5 bilhões de dólares para sequenciar um ser humano pela primeira vez.
09:11
Takes about 3 million dollars the second time.
165
551000
2000
São necessários cerca de 3 milhões de dólares na segunda vez.
09:13
We will have a 1,000-dollar genome within the next five to eight years.
166
553000
4000
Nós vamos ter um genoma de 1.000 dólares nos próximos 5 a 8 anos.
09:17
That means each of you will contain on a CD your entire gene code.
167
557000
4000
Isto significa que cada um de vocês guardará, em um CD, todo o seu código genético.
09:22
And it will be really boring. It will read like this.
168
562000
2000
E isto será realmente tedioso. Isto vai ser lido desta maneira.
09:25
(Laughter)
169
565000
2000
(Risos)
09:27
The really neat thing about this stuff is that's life.
170
567000
2000
A coisa realmente maravilhosa sobre isto é que se trata de vida.
09:29
And Laurie's going to talk about this one a little bit.
171
569000
3000
E Laurie Garrett vai falar um pouco sobre este aqui.
09:32
Because if you happen to find this one inside your body,
172
572000
2000
Porque se, por acaso, você encontrar um destes dentro do seu corpo,
09:34
you're in big trouble, because that's the source code for Ebola.
173
574000
2000
você está com um problemão porque este é o código-fonte para o Ebola.
09:38
That's one of the deadliest diseases known to humans.
174
578000
2000
Esta é uma das doenças mais mortais conhecidas pelo homem.
09:40
But plants work the same way and insects work the same way,
175
580000
2000
Mas plantas funcionam da mesma maneira, e insetos funcionam da mesma maneira,
09:42
and this apple works the same way.
176
582000
2000
e esta maçã funciona da mesma maneira.
09:44
This apple is the same thing as this floppy disk.
177
584000
2000
Esta maçã é a mesma coisa que este disquete.
09:46
Because this thing codes ones and zeros,
178
586000
2000
Porque esta coisa codifica em uns e zeros,
09:48
and this thing codes A, T, C, Gs, and it sits up there,
179
588000
2000
e esta coisa codifica em A, T, C, Gs, e fica lá,
09:50
absorbing energy on a tree, and one fine day
180
590000
3000
absorvendo energia em uma árvore, e um belo dia,
09:53
it has enough energy to say, execute, and it goes [thump]. Right?
181
593000
4000
ela tem energia o bastante para dizer: execute, ela vai: bum! Certo?
09:57
(Laughter)
182
597000
3000
(Risos)
10:00
And when it does that, pushes a .EXE, what it does is,
183
600000
4000
E quando ela faz isto: mandar um .EXE, o que isto faz é,
10:04
it executes the first line of code, which reads just like that,
184
604000
3000
execute a primeira linha de código, a qual se lê como:
10:07
AATCAGGGACCC, and that means: make a root.
185
607000
3000
AATCAGGGACCC, e isto significa: faça uma raiz,
10:10
Next line of code: make a stem.
186
610000
2000
Próxima linha de código: faça um tronco.
10:12
Next line of code, TACGGGG: make a flower that's white,
187
612000
3000
Próxima linha de código, TACGGGG: faça uma flor que seja branca,
10:15
that blooms in the spring, that smells like this.
188
615000
3000
que floresça na primavera, que cheire a isto.
10:18
In the measure that you have the code
189
618000
2000
Na medida que você tem o código
10:20
and the measure that you read it --
190
620000
3000
e na medida que você o lê –
10:23
and, by the way, the first plant was read two years ago;
191
623000
2000
e, aliás, a primeira planta foi lida dois anos atrás,
10:25
the first human was read two years ago;
192
625000
2000
o primeiro humano foi lido dois anos atrás,
10:27
the first insect was read two years ago.
193
627000
2000
e o primeiro inseto foi lido dois anos atrás.
10:29
The first thing that we ever read was in 1995:
194
629000
3000
E a primeira coisa que a gente leu foi em 1995:
10:32
a little bacteria called Haemophilus influenzae.
195
632000
2000
uma pequena bactéria chamada Haemophilus influenzae.
10:35
In the measure that you have the source code, as all of you know,
196
635000
3000
Na medida que você tem este código-fonte, e todos vocês o sabem:
10:38
you can change the source code, and you can reprogram life forms
197
638000
2000
você pode mudar o código-fonte, e você pode reprogramar formas de vida
10:40
so that this little thingy becomes a vaccine,
198
640000
2000
de maneira que esta coisinha se torne uma vacina,
10:42
or this little thingy starts producing biomaterials,
199
642000
3000
ou esta coisinha comece a produzir biomateriais,
10:45
which is why DuPont is now growing a form of polyester
200
645000
3000
razão pela qual a DuPont está agora cultivando uma espécie de poliéster
10:48
that feels like silk in corn.
201
648000
2000
com textura de seda, a partir do milho.
10:51
This changes all rules. This is life, but we're reprogramming it.
202
651000
5000
Isto altera todas as regras. Isto é vida, mas nós a estamos reprogramando.
10:58
This is what you look like. This is one of your chromosomes.
203
658000
4000
Isto é com que você se parece. Este é um dos seus cromossomos.
11:02
And what you can do now is,
204
662000
2000
E o que você pode fazer agora é,
11:04
you can outlay exactly what your chromosome is,
205
664000
3000
você pode ver exatamente como é o seu cromossomo,
11:07
and what the gene code on that chromosome is right here,
206
667000
3000
e qual código genético, naquele cromossomo, está justamente aqui,
11:10
and what those genes code for, and what animals they code against,
207
670000
3000
e para que finalidade aqueles genes codificam, e contra que animais eles codificam
11:13
and then you can tie it to the literature.
208
673000
2000
e então você pode relacioná-lo à literatura.
11:15
And in the measure that you can do that, you can go home today,
209
675000
3000
E na medida que você pode fazer isto, você pode ir para casa hoje,
11:18
and get on the Internet, and access
210
678000
2000
e entrar na Internet, e acessar
11:20
the world's biggest public library, which is a library of life.
211
680000
3000
a maior biblioteca pública do mundo, que é a biblioteca da vida.
11:24
And you can do some pretty strange things
212
684000
2000
E você pode fazer algumas coisas bem esquisitas
11:26
because in the same way as you can reprogram this apple,
213
686000
2000
porque, da mesma maneira que você pode reprogramar esta maçã
11:29
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
689000
2000
se você for para o laboratório de Cliff Tabin na escola de medicina de Harvard.
11:32
he's reprogramming chicken embryos to grow more wings.
215
692000
4000
Ele está reprogramando embriões de galinha para crescerem mais asas.
11:38
Why would Cliff be doing that? He doesn't have a restaurant.
216
698000
3000
Por que Cliff estaria fazendo isto? Ele não tem um restaurante...
11:41
(Laughter)
217
701000
1000
(Risos)
11:43
The reason why he's reprogramming that animal to have more wings
218
703000
3000
A razão pela qual ele está reprogramando aquele animal para ter mais asas,
11:46
is because when you used to play with lizards as a little child,
219
706000
3000
é por que quando você costumava brincar com lagartos quando criança,
11:49
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
709000
4000
e você pegava aquele lagarto, algumas vezes a cauda se desprendia, mas ela se regenerava.
11:53
Not so in human beings:
221
713000
3000
O mesmo não acontece aos seres humanos:
11:56
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
716000
3000
se você cortar um braço, se você cortar uma perna, eles não crescem novamente.
11:59
But because each of your cells contains your entire gene code,
223
719000
4000
Mas como cada uma de suas células contém todo o seu código genético,
12:04
each cell can be reprogrammed, if we don't stop stem cell research
224
724000
4000
cada célula pode ser reprogramada, se nós não pararmos a pesquisa com células-tronco
12:08
and if we don't stop genomic research,
225
728000
2000
e se nós não pararmos a pesquisa genética,
12:10
to express different body functions.
226
730000
3000
para expressar diferentes funções do corpo.
12:14
And in the measure that we learn how chickens grow wings,
227
734000
3000
E à medida que a gente aprende como galinhas crescem asas,
12:17
and what the program is for those cells to differentiate,
228
737000
2000
e qual é o programa para estas células diferenciarem-se,
12:19
one of the things we're going to be able to do
229
739000
3000
uma das coisas que nós seremos capazes de fazer
12:22
is to stop undifferentiated cells, which you know as cancer,
230
742000
3000
é parar (o crescimento de) células não diferenciadas, as quais vocês conhecem como câncer,
12:26
and one of the things we're going to learn how to do
231
746000
2000
e uma das coisas que nós vamos aprender a fazer
12:28
is how to reprogram cells like stem cells
232
748000
3000
é como reprogramar células como células-tronco
12:31
in such a way that they express bone, stomach, skin, pancreas.
233
751000
6000
de uma maneira que você possa expressar ossos, estômago, pele e pâncreas.
12:38
And you are likely to be wandering around -- and your children --
234
758000
3000
E pode ser que vocês estarão caminhando por aí – e seus filhos –
12:41
on regrown body parts in a reasonable period of time,
235
761000
3000
com partes do corpo regeneradas em um período de tempo razoável,
12:45
in some places in the world where they don't stop the research.
236
765000
3000
em alguns lugares do mundo onde eles não impeçam a pesquisa.
12:50
How's this stuff work? If each of you differs
237
770000
5000
Como esta coisa funciona? Se cada um de vocês difere
12:55
from the person next to you by one in a thousand, but only three percent codes,
238
775000
3000
da pessoa ao seu lado por 1 em 1000, mas como somente 3% codifica,
12:58
which means it's only one in a thousand times three percent,
239
778000
2000
isto significa que é somente 1 em 1000, multiplicado por 3%.
13:00
very small differences in expression and punctuation
240
780000
3000
Diferenças muito pequenas em expressão e pontuação
13:03
can make a significant difference. Take a simple declarative sentence.
241
783000
3000
podem levar a uma diferença significativa. Tomem uma simples sentença declarativa: “Uma mulher sem o homem não é nada”
13:08
(Laughter)
242
788000
2000
(Risos)
13:10
Right?
243
790000
1000
Certo?
13:11
That's perfectly clear. So, men read that sentence,
244
791000
4000
Está perfeitamente claro. Então, os homens lêem esta sentença,
13:15
and they look at that sentence, and they read this.
245
795000
2000
e eles olham para esta sentença, e eles lêem isto: “Uma mulher, sem o homem, não é nada”
13:23
Okay?
246
803000
1000
Certo?
13:24
Now, women look at that sentence and they say, uh-uh, wrong.
247
804000
4000
Agora, as mulheres olham para esta sentença e elas, nahh! Errado.
13:28
This is the way it should be seen.
248
808000
2000
É assim que isto deveria ser lido:
13:32
(Laughter)
249
812000
8000
“Uma mulher: sem ela o homem não é nada” (Risos)
13:40
That's what your genes are doing.
250
820000
1000
É isto que os seus genes estão fazendo.
13:41
That's why you differ from this person over here by one in a thousand.
251
821000
5000
É por isso que você difere desta pessoa aqui por 1 em 1000.
13:46
Right? But, you know, he's reasonably good looking, but...
252
826000
3000
Certo? Mas, você sabe, ele é razoavelmente atraente, mas...
13:49
I won't go there.
253
829000
2000
Eu não vou entrar neste assunto...
13:52
You can do this stuff even without changing the punctuation.
254
832000
3000
Você pode fazer esta coisa até mesmo sem mudar a pontuação.
13:56
You can look at this, right?
255
836000
4000
Você pode olhar para isto, certo? “The IRS” (O departamento de imposto de renda dos EUA)
14:00
And they look at the world a little differently.
256
840000
2000
E eles olhar para o mundo de uma maneira um pouco diferente.
14:02
They look at the same world and they say...
257
842000
2000
Eles olham para o mesmo mundo e eles dizem...
14:04
(Laughter)
258
844000
6000
“Theirs” (Deles) (Risos)
14:10
That's how the same gene code -- that's why you have 30,000 genes,
259
850000
4000
É assim que o mesmo gene codifica – é por isso que você tem 30.000 genes,
14:14
mice have 30,000 genes, husbands have 30,000 genes.
260
854000
3000
ratos têm 30.000 genes, maridos têm 30.000 genes.
14:17
Mice and men are the same. Wives know that, but anyway.
261
857000
3000
Ratos e homens são todos iguais. As esposas sabem disto; mas, de qualquer forma...
14:21
You can make very small changes in gene code
262
861000
2000
Você pode fazer mudanças muito pequenas no código genético
14:23
and get really different outcomes,
263
863000
2000
e obter resultados realmente distintos,
14:27
even with the same string of letters.
264
867000
2000
mesmo com a mesma sequência de letras. “Vamsotodosjuntos” “Vamos todos juntos” “Vamos para pegá-la”
14:31
That's what your genes are doing every day.
265
871000
2000
É isto que seus genes estão fazendo todo dia.
14:34
That's why sometimes a person's genes
266
874000
2000
É por isso que, algumas vezes, os genes de uma pessoa
14:36
don't have to change a lot to get cancer.
267
876000
2000
não têm que mudar muito para causar câncer.
14:42
These little chippies, these things are the size of a credit card.
268
882000
4000
Estes pequenos chips, estas coisas são do tamanho de um cartão de crédito.
14:47
They will test any one of you for 60,000 genetic conditions.
269
887000
2000
Eles irão testar cada um de vocês para 60.000 condições genéticas.
14:50
That brings up questions of privacy and insurability
270
890000
3000
Isto leva a questionamentos sobre privacidade e seguro-saúde,
14:53
and all kinds of stuff, but it also allows us to start going after diseases,
271
893000
2000
e todo tipo de coisa, mas isto também nos permite começar a ir atrás de doenças
14:56
because if you run a person who has leukemia through something like this,
272
896000
3000
porque se você submeter uma pessoa com leucemia a um processo como este,
15:00
it turns out that three diseases with
273
900000
2000
conclui que três doenças com
15:02
completely similar clinical syndromes
274
902000
4000
síndromes clínicas completamente similares
15:06
are completely different diseases.
275
906000
2000
são doenças completamente diferentes.
15:08
Because in ALL leukemia, that set of genes over there over-expresses.
276
908000
3000
Porque em todas as leucemias, aquele conjunto de genes ali, se expressam em excesso,
15:11
In MLL, it's the middle set of genes,
277
911000
2000
No caso da LML (Leucemia Mielóide-Linfoide), é o conjunto do meio dos genes,
15:13
and in AML, it's the bottom set of genes.
278
913000
2000
e na LMA (Leucemia Mielóide Aguda), é o conjunto inferior dos genes.
15:15
And if one of those particular things is expressing in your body,
279
915000
5000
E se uma daquelas coisas em particular está se expressando no seu corpo,
15:20
then you take Gleevec and you're cured.
280
920000
2000
então você toma Gleevec, e você está curado.
15:23
If it is not expressing in your body,
281
923000
2000
Se ela não estiver se expressando em seu corpo,
15:25
if you don't have one of those types --
282
925000
2000
se você não tiver um daqueles tipos –
15:27
a particular one of those types -- don't take Gleevec.
283
927000
3000
um daqueles tipos em particular – você não deve tomar Gleevec.
15:30
It won't do anything for you.
284
930000
1000
Não vai fazer efeito em você.
15:32
Same thing with Receptin if you've got breast cancer.
285
932000
2000
A mesma coisa com Receptin, se você tiver câncer de mama.
15:35
Don't have an HER-2 receptor? Don't take Receptin.
286
935000
3000
Não tem um receptor HER-2? Não tome Receptin.
15:38
Changes the nature of medicine. Changes the predictions of medicine.
287
938000
4000
Isto muda a natureza da medicina. Isto muda as previsões da medicina.
15:42
Changes the way medicine works.
288
942000
2000
Muda a maneira como a medicina funciona.
15:44
The greatest repository of knowledge when most of us went to college
289
944000
3000
O maior repositório de conhecimento, quando muitos de nós fomos à universidade,
15:47
was this thing, and it turns out that
290
947000
2000
era esta coisa, e acontece que
15:49
this is not so important any more.
291
949000
2000
ela já não é mais tão importante.
15:51
The U.S. Library of Congress, in terms of its printed volume of data,
292
951000
4000
A biblioteca do congresso americano, em termos de volume de dados impressos,
15:55
contains less data than is coming out of a good genomics company
293
955000
4000
contém menos dados do que o que está sendo produzido por uma boa empresa genômica
15:59
every month on a compound basis.
294
959000
3000
todo mês em uma base composta.
16:02
Let me say that again: A single genomics company
295
962000
3000
Deixe-me dizer isto novamente: uma única empresa genômica
16:05
generates more data in a month, on a compound basis,
296
965000
3000
gera mais dados em um mês, em uma base composta,
16:08
than is in the printed collections of the Library of Congress.
297
968000
3000
do que as coleções impressas da biblioteca do congresso.
16:12
This is what's been powering the U.S. economy. It's Moore's Law.
298
972000
4000
Isto é o que vem energizando a economia dos EUA. É a lei de Moore.
16:16
So, all of you know that the price of computers halves every 18 months
299
976000
5000
Então, todos vocês sabem que o preço dos computadores cai pela metade a cada 18 meses
16:21
and the power doubles, right?
300
981000
2000
e a capacidade de processamento dobra, certo?
16:23
Except that when you lay that side by side with the speed
301
983000
4000
Exceto que quando você apresenta isto lado a lado com a velocidade
16:27
with which gene data's being deposited in GenBank,
302
987000
3000
com que os dados genéticos estão sendo depositados no GenBank,
16:30
Moore's Law is right here: it's the blue line.
303
990000
4000
a lei de Moore está logo aqui: é a linha azul.
16:35
This is on a log scale, and that's what superexponential growth means.
304
995000
4000
Isto está numa escala logarítmica, e isto é o que crescimento superexponencial significa.
16:39
This is going to push computers to have to grow faster
305
999000
4000
Isto vai forçar os computadores a crescerem mais rapidamente
16:43
than they've been growing, because so far,
306
1003000
2000
do que eles têm crescido até agora.
16:45
there haven't been applications that have been required
307
1005000
3000
Não tem havido aplicações que requeiram
16:48
that need to go faster than Moore's Law. This stuff does.
308
1008000
3000
a necessidade de ir mais rápido que a lei de Moore. Esta coisa o requer.
16:51
And here's an interesting map.
309
1011000
2000
E aqui está um mapa interessante.
16:53
This is a map which was finished at the Harvard Business School.
310
1013000
4000
Este é um mapa que foi finalizado na Harvard Business School.
16:57
One of the really interesting questions is, if all this data's free,
311
1017000
3000
Uma das questões realmente interessantes é: se todos estes dados forem de graça,
17:00
who's using it? This is the greatest public library in the world.
312
1020000
4000
quem está fazendo uso deles? Esta é a maior biblioteca pública do mundo.
17:04
Well, it turns out that there's about 27 trillion bits
313
1024000
3000
Bem, vem a ser que há aproximadamente 27 trilhões de bits
17:07
moving inside from the United States to the United States;
314
1027000
3000
movendo-se internamente nos Estados Unidos;
17:10
about 4.6 trillion is going over to those European countries;
315
1030000
4000
cerca de 4,6 trilhões estão indo para aqueles países europeus;
17:14
about 5.5's going to Japan; there's almost no communication
316
1034000
3000
cerca de 5,5 trilhões indo para o Japão, quase não há comunicação
17:17
between Japan, and nobody else is literate in this stuff.
317
1037000
4000
dentro do Japão, e ninguém mais é versado nesta coisa.
17:21
It's free. No one's reading it. They're focusing on the war;
318
1041000
5000
É grátis. Ninguém a está lendo. Eles estão concentrados na guerra;
17:26
they're focusing on Bush; they're not interested in life.
319
1046000
2000
eles estão concentrados em Bush; eles não estão interessados na vida.
17:29
So, this is what a new map of the world looks like.
320
1049000
2000
Então, o novo mapa do mundo se parece com isto.
17:32
That is the genomically literate world. And that is a problem.
321
1052000
6000
Este é o mundo “geconomicamente” versado . E isto é um problema.
17:38
In fact, it's not a genomically literate world.
322
1058000
2000
Na verdade, não se trata de um mundo “geconomicamente” versado.
17:40
You can break this out by states.
323
1060000
2000
Você pode dividí-lo em estados.
17:42
And you can watch states rise and fall depending on
324
1062000
2000
E você pode assistir aos estados subirem e caírem dependendo
17:44
their ability to speak a language of life,
325
1064000
2000
da habilidade deles em falar a linguagem da vida,
17:46
and you can watch New York fall off a cliff,
326
1066000
2000
e você pode assistir à New York cair de um penhasco,
17:48
and you can watch New Jersey fall off a cliff,
327
1068000
2000
e você pode assistir New Jersey cair de um penhasco,
17:50
and you can watch the rise of the new empires of intelligence.
328
1070000
3000
e você pode assistir à subida de novos impérios de inteligência.
17:54
And you can break it out by counties, because it's specific counties.
329
1074000
3000
E você pode dividir isto em zonas porque são regiões específicas.
17:57
And if you want to get more specific,
330
1077000
2000
E se você quiser ser ainda mais preciso,
17:59
it's actually specific zip codes.
331
1079000
2000
trata-se, efetivamente, de códigos postais específicos.
18:01
(Laughter)
332
1081000
2000
(Risos)
18:03
So, you want to know where life is happening?
333
1083000
3000
Então, você quer saber onde a vida está acontecendo?
18:06
Well, in Southern California it's happening in 92121. And that's it.
334
1086000
5000
Bem, no sul da Califórnia, está acontecendo no 92121. E aí está.
18:12
And that's the triangle between Salk, Scripps, UCSD,
335
1092000
5000
E este é o triangulo entre Sulk, Scripps e UCSD,
18:17
and it's called Torrey Pines Road.
336
1097000
2000
e é chamado Torrey Pines Road.
18:19
That means you don't need to be a big nation to be successful;
337
1099000
3000
Isto significa que você não precisa ser um país enorme para ter sucesso;
18:22
it means you don't need a lot of people to be successful;
338
1102000
2000
isto significa que você não precisa de um monte de gente para ter sucesso;
18:24
and it means you can move most of the wealth of a country
339
1104000
3000
e isto significa que você pode mover a maior parte da riqueza de um país
18:27
in about three or four carefully picked 747s.
340
1107000
3000
com cerca de três ou quatro jumbos 747s cuidadosamente escolhidos.
18:31
Same thing in Massachusetts. Looks more spread out but --
341
1111000
4000
A mesma coisa em Massachusetts. Parece mais espalhado, mas –
18:35
oh, by the way, the ones that are the same color are contiguous.
342
1115000
3000
oh, aliás, aqueles de mesma cor são contíguos,
18:39
What's the net effect of this?
343
1119000
2000
Qual é o resultado disto?
18:41
In an agricultural society, the difference between
344
1121000
2000
Na sociedade agrícola, a diferença entre
18:43
the richest and the poorest,
345
1123000
1000
os mais ricos e os mais pobres,
18:45
the most productive and the least productive, was five to one. Why?
346
1125000
4000
os mais produtivos e os menos produtivos, era de cinco para um. Por quê?
18:49
Because in agriculture, if you had 10 kids
347
1129000
2000
Porque na agricultura, se você tivesse dez filhos,
18:51
and you grow up a little bit earlier and you work a little bit harder,
348
1131000
3000
e se levantasse um pouco mais cedo, e trabalhasse um pouco mais duro,
18:54
you could produce about five times more wealth, on average,
349
1134000
2000
você poderia produzir cerca de cinco vezes mais riqueza, em média,
18:56
than your neighbor.
350
1136000
1000
que seu vizinho.
18:58
In a knowledge society, that number is now 427 to 1.
351
1138000
3000
Em uma sociedade de conhecimento, aquele número é agora de 427 para 1.
19:02
It really matters if you're literate, not just in reading and writing
352
1142000
4000
Realmente importa se você é versado, não apenas em ler e escrever
19:06
in English and French and German,
353
1146000
2000
em inglês, e francês, e alemão,
19:08
but in Microsoft and Linux and Apple.
354
1148000
2000
mas em Microsoft, e Linux, e Apple.
19:11
And very soon it's going to matter if you're literate in life code.
355
1151000
4000
E muito breve, vai ser importante se você for versado no código da vida.
19:15
So, if there is something you should fear,
356
1155000
2000
Então, se existe algo que vocês deveriam temer,
19:17
it's that you're not keeping your eye on the ball.
357
1157000
3000
é que vocês não estão mantendo o olho no alvo,
19:20
Because it really matters who speaks life.
358
1160000
2000
Porque realmente importa quem fala (a linguagem da) vida.
19:23
That's why nations rise and fall.
359
1163000
2000
É por isso que nações sobem e descem.
19:26
And it turns out that if you went back to the 1870s,
360
1166000
3000
E acontece que, se você retrocedesse aos 1870s,
19:29
the most productive nation on earth was Australia, per person.
361
1169000
3000
a nação mais produtiva na terra, por pessoa, era a Austrália.
19:32
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1172000
3000
E a Nova Zelândia estava lá em cima. E então vieram os EUA por cerca de 1950,
19:35
and then Switzerland about 1973, and then the U.S. got back on top --
363
1175000
3000
e então a Suíça por cerca de 1973, e então os EUA voltaram ao topo –
19:39
beat up their chocolates and cuckoo clocks.
364
1179000
2000
batendo seus chocolates e relógios-cuco.
19:43
And today, of course, you all know that the most productive nation
365
1183000
3000
E hoje, é claro, todos vocês sabem que a nação mais produtiva
19:46
on earth is Luxembourg, producing about one third more wealth
366
1186000
3000
na terra é Luxemburgo, produzindo cerca de um terço mais riqueza,
19:49
per person per year than America.
367
1189000
2000
por pessoa, por ano, que a América.
19:52
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1192000
4000
Um pequeno estado encravado. Sem petróleo. Sem diamantes. Sem recursos naturais.
19:56
Just smart people moving bits. Different rules.
369
1196000
5000
Apenas pessoas inteligentes movendo bits. Diferentes regras.
20:02
Here's differential productivity rates.
370
1202000
3000
Aqui estão as taxas diferenciais de produtividade.
20:06
Here's how many people it takes to produce a single U.S. patent.
371
1206000
3000
Aqui está quanta gente é necessária para produzir uma única patente nos Estados Unidos.
20:09
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1209000
4000
Então, cerca de 3.000 americanos, 6.000 coreanos, 14.000 ingleses,
20:13
790,000 Argentines. You want to know why Argentina's crashing?
373
1213000
3000
790.000 argentinos. Você quer saber porque a Argentina está quebrando?
20:16
It's got nothing to do with inflation.
374
1216000
2000
Não tem nada a ver com inflação.
20:18
It's got nothing to do with privatization.
375
1218000
2000
Não tem nada a ver com privatizações.
20:20
You can take a Harvard-educated Ivy League economist,
376
1220000
4000
Você pode pegar um economista à Ivy League, educado em Harvard,
20:24
stick him in charge of Argentina. He still crashes the country
377
1224000
3000
colocá-lo no poder da Argentina. Ele ainda irá quebrar o pais
20:27
because he doesn't understand how the rules have changed.
378
1227000
2000
porque ele não entende como as regras têm mudado.
20:30
Oh, yeah, and it takes about 5.6 million Indians.
379
1230000
3000
Oh, sim, e são necessários cerca de 5,6 milhões de indianos.
20:33
Well, watch what happens to India.
380
1233000
2000
Bem, vejam o que acontece à Índia.
20:35
India and China used to be 40 percent of the global economy
381
1235000
3000
Índia e China costumavam representar 40% da economia global
20:38
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1238000
5000
na época mesmo da revolução industrial, e elas agora representam cerca de 4,8%.
20:43
Two billion people. One third of the global population producing 5 percent of the wealth
383
1243000
4000
Dois bilhões de pessoas. Um terço da população global produzindo 5% da riqueza,
20:47
because they didn't get this change,
384
1247000
3000
porque elas não tiveram esta chance,
20:50
because they kept treating their people like serfs
385
1250000
2000
porque elas continuaram tratando seu povo como servos
20:52
instead of like shareholders of a common project.
386
1252000
3000
ao invés de como participantes de um projeto em comum.
20:56
They didn't keep the people who were educated.
387
1256000
3000
Elas não mantiveram as pessoas que eram educadas.
20:59
They didn't foment the businesses. They didn't do the IPOs.
388
1259000
2000
Elas não fomentaram os negócios. Elas não fizeram as IPOs (Oferta Pública Inicial).
21:02
Silicon Valley did. And that's why they say
389
1262000
4000
O Vale do Silício o fez. E é por isto que eles dizem
21:06
that Silicon Valley has been powered by ICs.
390
1266000
2000
que o Vale do Silício tem sido energizado por CIs.
21:09
Not integrated circuits: Indians and Chinese.
391
1269000
3000
Não circuitos integrados; mas, chineses e indianos
21:12
(Laughter)
392
1272000
4000
(Risos)
21:16
Here's what's happening in the world.
393
1276000
2000
Aqui está o que está acontecendo no mundo.
21:18
It turns out that if you'd gone to the U.N. in 1950,
394
1278000
3000
Acontece que se você fosse à ONU em 1950,
21:21
when it was founded, there were 50 countries in this world.
395
1281000
2000
quando ela foi fundada, havia 50 países neste mundo.
21:23
It turns out there's now about 192.
396
1283000
3000
Acontece que agora existem cerca de 192.
21:26
Country after country is splitting, seceding, succeeding, failing --
397
1286000
4000
Um país atrás do outro está se dividindo, separando-se, dando certo, dando errado.
21:31
and it's all getting very fragmented. And this has not stopped.
398
1291000
5000
E tudo está se tornando muito fragmentado. E isto não tem parado.
21:36
In the 1990s, these are sovereign states
399
1296000
3000
Nos 1990s, estes eram estados soberanos
21:39
that did not exist before 1990.
400
1299000
2000
que não existiam antes de 1990.
21:41
And this doesn't include fusions or name changes or changes in flags.
401
1301000
5000
E isto não inclui fusões ou mudanças de nomes, ou mudanças em bandeiras.
21:46
We're generating about 3.12 states per year.
402
1306000
3000
Nós estamos criando cerca de 3,12 estados por ano.
21:49
People are taking control of their own states,
403
1309000
3000
As pessoas estão tomando controle de seus próprios estados,
21:52
sometimes for the better and sometimes for the worse.
404
1312000
3000
algumas vezes para melhor, e algumas vezes para pior.
21:55
And the really interesting thing is,
405
1315000
2000
E a coisa realmente interessante é:
21:57
you and your kids are empowered to build great empires,
406
1317000
2000
você e seus filhos estão investidos de autoridade para construir grandes impérios,
21:59
and you don't need a lot to do it.
407
1319000
2000
e você não precisa de muito para fazê-lo.
22:01
(Music)
408
1321000
2000
(Música)
22:03
And, given that the music is over, I was going to talk
409
1323000
3000
E, uma vez que a música acabou, eu ia falar
22:06
about how you can use this to generate a lot of wealth,
410
1326000
3000
sobre como você pode usar isto para gerar um monte de riqueza,
22:09
and how code works.
411
1329000
2000
e como o código funciona.
22:11
Moderator: Two minutes.
412
1331000
1000
(Moderador: dois minutos.)
22:12
(Laughter)
413
1332000
2000
(Risos)
22:14
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1334000
4000
Não. Eu vou parar por aqui, e nós vamos fazê-lo no próximo ano
22:18
because I don't want to take any of Laurie's time.
415
1338000
2000
porque eu não quero tomar nenhum tempo da Laurie.
22:21
But thank you very much.
416
1341000
1000
Mas, muito obrigado.
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7