Danny Hillis: Understanding cancer through proteomics

Danny Hills: Entendendo o câncer através da proteômica

57,327 views

2011-03-16 ・ TED


New videos

Danny Hillis: Understanding cancer through proteomics

Danny Hills: Entendendo o câncer através da proteômica

57,327 views ・ 2011-03-16

TED


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

Tradutor: Fers Gruendling Revisor: Rafael Eufrasio
00:15
I admit that I'm a little bit nervous here
0
15330
3000
Admito que estou um pouco nervoso
00:18
because I'm going to say some radical things,
1
18330
3000
porque vou dizer algumas coisas radicais
00:21
about how we should think about cancer differently,
2
21330
3000
sobre como devemos pensar diferentemente sobre o câncer
00:24
to an audience that contains a lot of people
3
24330
2000
para uma plateia que tem muitas pessoas
00:26
who know a lot more about cancer than I do.
4
26330
3000
que sabem muito mais sobre câncer do que eu.
00:30
But I will also contest that I'm not as nervous as I should be
5
30330
3000
Mas também direi que não estou tão nervoso quanto deveria estar
00:33
because I'm pretty sure I'm right about this.
6
33330
2000
porque tenho quase certeza que estou certo a respeito disso.
00:35
(Laughter)
7
35330
2000
(Risos)
00:37
And that this, in fact, will be
8
37330
2000
E que, de fato, esta será
00:39
the way that we treat cancer in the future.
9
39330
3000
a maneira que trataremos o câncer no futuro.
00:43
In order to talk about cancer,
10
43330
2000
Para falar sobre câncer,
00:45
I'm going to actually have to --
11
45330
3000
eu vou ter que, de fato...
00:48
let me get the big slide here.
12
48330
3000
deixe eu mostrar o slide aqui.
00:53
First, I'm going to try to give you a different perspective of genomics.
13
53330
3000
Primeiro, eu vou dar uma perspectiva diferente da genômica.
00:56
I want to put it in perspective of the bigger picture
14
56330
2000
Quero colocar em perspectiva com
00:58
of all the other things that are going on --
15
58330
3000
as outras coisas que estão acontecendo -
01:01
and then talk about something you haven't heard so much about, which is proteomics.
16
61330
3000
e então falar sobre algo que vocês ainda não ouviram muito, a proteômica.
01:04
Having explained those,
17
64330
2000
Tendo explicado ambas,
01:06
that will set up for what I think will be a different idea
18
66330
3000
teremos a base para o que eu acredito ser uma ideia diferente
01:09
about how to go about treating cancer.
19
69330
2000
sobre como vamos tratar o câncer.
01:11
So let me start with genomics.
20
71330
2000
Então vou começar com a genômica.
01:13
It is the hot topic.
21
73330
2000
É o tópico principal.
01:15
It is the place where we're learning the most.
22
75330
2000
É onde estamos aprendendo mais coisas.
01:17
This is the great frontier.
23
77330
2000
Esta é a última fronteira.
01:19
But it has its limitations.
24
79330
3000
Mas tem suas limitações.
01:22
And in particular, you've probably all heard the analogy
25
82330
3000
E em particular, vocês provavelmente já ouviram a analogia
01:25
that the genome is like the blueprint of your body,
26
85330
3000
de que o genoma é como a planta baixa do seu corpo.
01:28
and if that were only true, it would be great,
27
88330
2000
E se isso fosse verdade, seria ótimo,
01:30
but it's not.
28
90330
2000
mas não é.
01:32
It's like the parts list of your body.
29
92330
2000
É como a lista de peças do seu corpo.
01:34
It doesn't say how things are connected,
30
94330
2000
Não diz como as coisas são conectadas,
01:36
what causes what and so on.
31
96330
3000
o que causa o quê e assim por diante.
01:39
So if I can make an analogy,
32
99330
2000
Então se eu puder fazer uma analogia,
01:41
let's say that you were trying to tell the difference
33
101330
2000
vamos dizer que vocês estejam tentando diferenciar
01:43
between a good restaurant, a healthy restaurant
34
103330
3000
um bom restaurante, um restaurante saudável,
01:46
and a sick restaurant,
35
106330
2000
e um restaurante ruim,
01:48
and all you had was the list of ingredients
36
108330
2000
e tudo que vocês têm é a lista
01:50
that they had in their larder.
37
110330
3000
de ingredientes na despensa.
01:53
So it might be that, if you went to a French restaurant
38
113330
3000
Então seria como se vocês fossem a um restaurante francês
01:56
and you looked through it and you found
39
116330
2000
e olhassem os ingredientes e descobrissem
01:58
they only had margarine and they didn't have butter,
40
118330
2000
que só havia margarina e não havia manteiga,
02:00
you could say, "Ah, I see what's wrong with them.
41
120330
2000
poderiam dizer, "Ah, eu sei o que há de errado aqui.
02:02
I can make them healthy."
42
122330
2000
Eu posso torná-lo mais saudável."
02:04
And there probably are special cases of that.
43
124330
2000
E provavelmente há casos especiais.
02:06
You could certainly tell the difference
44
126330
2000
Vocês certamente podem diferenciar
02:08
between a Chinese restaurant and a French restaurant
45
128330
2000
um restaurante chinês de um restaurante francês
02:10
by what they had in a larder.
46
130330
2000
pelo o que eles têm na despensa.
02:12
So the list of ingredients does tell you something,
47
132330
3000
Então a lista de ingredientes diz sim alguma coisa,
02:15
and sometimes it tells you something that's wrong.
48
135330
3000
e às vezes diz se algo está errado.
02:19
If they have tons of salt,
49
139330
2000
Se eles têm toneladas de sal,
02:21
you might guess they're using too much salt, or something like that.
50
141330
3000
vocêm podem achar que eles estão usando muito sal, ou algo parecido.
02:24
But it's limited,
51
144330
2000
Mas é limitado,
02:26
because really to know if it's a healthy restaurant,
52
146330
2000
pois para realmente saber se é um restaurante saudável,
02:28
you need to taste the food, you need to know what goes on in the kitchen,
53
148330
3000
vocês têm que provar a comida, saber o que acontece na cozinha,
02:31
you need the product of all of those ingredients.
54
151330
3000
e precisam do produto de todos os ingredientes.
02:34
So if I look at a person
55
154330
2000
Então se eu olhar para uma pessoa
02:36
and I look at a person's genome, it's the same thing.
56
156330
3000
e olhar para o seu genoma, é a mesma coisa.
02:39
The part of the genome that we can read
57
159330
2000
A pate do genôma que conseguimos ler
02:41
is the list of ingredients.
58
161330
2000
é a lista de ingredientes.
02:43
And so indeed,
59
163330
2000
E de fato,
02:45
there are times when we can find ingredients
60
165330
2000
há vezes onde achamos ingredientes
02:47
that [are] bad.
61
167330
2000
que são ruins.
02:49
Cystic fibrosis is an example of a disease
62
169330
2000
Fibrose cística é um exemplo de uma doença
02:51
where you just have a bad ingredient and you have a disease,
63
171330
3000
de que se há um ingrediente ruim, você tem a doença,
02:54
and we can actually make a direct correspondence
64
174330
3000
e podemos fazer uma correspondência direta
02:57
between the ingredient and the disease.
65
177330
3000
ente o ingrediente e a doença.
03:00
But most things, you really have to know what's going on in the kitchen,
66
180330
3000
Mas para a maioria, você tem que saber o que acontece na cozinha,
03:03
because, mostly, sick people used to be healthy people --
67
183330
2000
porque, em geral, pessoas doentes costumavam ser saudáveis -
03:05
they have the same genome.
68
185330
2000
elas têm o mesmo genoma.
03:07
So the genome really tells you much more
69
187330
2000
Então o genoma realmente diz muito mais
03:09
about predisposition.
70
189330
2000
sobre pré-disposição.
03:11
So what you can tell
71
191330
2000
Então vocês podem diferenciar
03:13
is you can tell the difference between an Asian person and a European person
72
193330
2000
uma pessoa asiática de uma pessoa européia
03:15
by looking at their ingredients list.
73
195330
2000
pela lista de ingredientes.
03:17
But you really for the most part can't tell the difference
74
197330
3000
Mas na maioria das vezes, não podem diferenciar
03:20
between a healthy person and a sick person --
75
200330
3000
uma pessoa saudável de uma pessoa doente -
03:23
except in some of these special cases.
76
203330
2000
exceto em um desses casos especiais.
03:25
So why all the big deal
77
205330
2000
Então qual é o grande furor
03:27
about genetics?
78
207330
2000
sobre a genética?
03:29
Well first of all,
79
209330
2000
Bem, primeiro,
03:31
it's because we can read it, which is fantastic.
80
211330
3000
nós podemos lê-la, o que é fantástico.
03:34
It is very useful in certain circumstances.
81
214330
3000
É muito útil em certas circunstâncias.
03:37
It's also the great theoretical triumph
82
217330
3000
É também o grande triunfo teórico
03:40
of biology.
83
220330
2000
da biologia.
03:42
It's the one theory
84
222330
2000
É a única teoria
03:44
that the biologists ever really got right.
85
224330
2000
que os biólogos realmente acertaram.
03:46
It's fundamental to Darwin
86
226330
2000
É fundamental para Darwin
03:48
and Mendel and so on.
87
228330
2000
e Mendel e outros.
03:50
And so it's the one thing where they predicted a theoretical construct.
88
230330
3000
Então é a única coisa onde eles previram uma construção teórica.
03:54
So Mendel had this idea of a gene
89
234330
2000
Mendel teve a ideia de um gene
03:56
as an abstract thing,
90
236330
3000
como uma coisa abstrata.
03:59
and Darwin built a whole theory
91
239330
2000
E Darwin contruiu toda uma teoria
04:01
that depended on them existing,
92
241330
2000
que dependia de sua existência.
04:03
and then Watson and Crick
93
243330
2000
E então Watson e Crick
04:05
actually looked and found one.
94
245330
2000
de fato procuraram e encontraram um.
04:07
So this happens in physics all the time.
95
247330
2000
Isso acontece em física o tempo todo.
04:09
You predict a black hole,
96
249330
2000
Você prevê um buraco negro,
04:11
and you look out the telescope and there it is, just like you said.
97
251330
3000
e olha por um telescópio e lá está, como você disse.
04:14
But it rarely happens in biology.
98
254330
2000
Mas isso raramente acontece em biologia.
04:16
So this great triumph -- it's so good,
99
256330
3000
Então este grande triunfo - é tão bom -
04:19
there's almost a religious experience
100
259330
2000
há quase uma experiência religiosa
04:21
in biology.
101
261330
2000
em biologia.
04:23
And Darwinian evolution
102
263330
2000
E a evolução darwiniana
04:25
is really the core theory.
103
265330
3000
é realmente a teoria principal.
04:30
So the other reason it's been very popular
104
270330
2000
Outra razão pela qual tem sido bem popular
04:32
is because we can measure it, it's digital.
105
272330
3000
é porque podemos medi-lo, é digital.
04:35
And in fact,
106
275330
2000
E de fato,
04:37
thanks to Kary Mullis,
107
277330
2000
graças à Kary Mullis,
04:39
you can basically measure your genome in your kitchen
108
279330
4000
você basicamente consegue medir o seu genoma na sua cozinha
04:43
with a few extra ingredients.
109
283330
3000
com alguns ingredientes extras.
04:46
So for instance, by measuring the genome,
110
286330
3000
Então por exemplo, ao medir o genoma,
04:49
we've learned a lot about how we're related to other kinds of animals
111
289330
4000
aprendemos muito sobre a nossa relação com os outros animais
04:53
by the closeness of our genome,
112
293330
3000
pela proximidade de nossos genomas,
04:56
or how we're related to each other -- the family tree,
113
296330
3000
ou como somos relacionandos uns aos outros - árvore genealógica,
04:59
or the tree of life.
114
299330
2000
ou a árvore da vida.
05:01
There's a huge amount of information about the genetics
115
301330
3000
Há uma enorme quantidade de informação sobre genética
05:04
just by comparing the genetic similarity.
116
304330
3000
apenas ao comparar similaridade genética.
05:07
Now of course, in medical application,
117
307330
2000
Mas é claro, em aplicação médica,
05:09
that is very useful
118
309330
2000
isso é muito útil
05:11
because it's the same kind of information
119
311330
3000
pois é o mesmo tipo de informação
05:14
that the doctor gets from your family medical history --
120
314330
3000
que o doutor obtém do seu histórico familiar médico -
05:17
except probably,
121
317330
2000
exceto que, provavelmente,
05:19
your genome knows much more about your medical history than you do.
122
319330
3000
seu genoma sabe muito mais sobre seu histórico médico do que você.
05:22
And so by reading the genome,
123
322330
2000
Então ao ler o genoma,
05:24
we can find out much more about your family than you probably know.
124
324330
3000
podemos descobrir muito mais sobre sua família do que provavelmente você saiba.
05:27
And so we can discover things
125
327330
2000
Então podemos descobir coisas
05:29
that probably you could have found
126
329330
2000
que provavelmente você poderia ter descoberto
05:31
by looking at enough of your relatives,
127
331330
2000
ao olhar para seus parentes,
05:33
but they may be surprising.
128
333330
3000
mas elas podem ser surpreendentes.
05:36
I did the 23andMe thing
129
336330
2000
Eu fiz a "23andMe"
05:38
and was very surprised to discover that I am fat and bald.
130
338330
3000
e fiquei surpreso ao descobrir que sou gordo e careca.
05:41
(Laughter)
131
341330
7000
(Risos)
05:48
But sometimes you can learn much more useful things about that.
132
348330
3000
Mas às vezes você pode aprender coisas muito úteis sobre isso.
05:51
But mostly
133
351330
3000
Mas em geral,
05:54
what you need to know, to find out if you're sick,
134
354330
2000
o que você precisa descobrir se está doente
05:56
is not your predispositions,
135
356330
2000
não são as pré-disposições,
05:58
but it's actually what's going on in your body right now.
136
358330
3000
mas sim o que está acontecendo no seu corpo agora.
06:01
So to do that, what you really need to do,
137
361330
2000
E para isso, o que você realmente precisa fazer
06:03
you need to look at the things
138
363330
2000
é olhar para as coisas
06:05
that the genes are producing
139
365330
2000
que os genes estão produzindo
06:07
and what's happening after the genetics,
140
367330
2000
e o que acontece depois da genética.
06:09
and that's what proteomics is about.
141
369330
2000
E isso é a proteômica.
06:11
Just like genome mixes the study of all the genes,
142
371330
3000
Assim como o genoma mistura o estudo de todos os genes,
06:14
proteomics is the study of all the proteins.
143
374330
3000
a proteômica estuda todas as proteínas.
06:17
And the proteins are all of the little things in your body
144
377330
2000
E as proteínas são todas as coisinhas no seu corpo
06:19
that are signaling between the cells --
145
379330
3000
que sinalizam entre as células -
06:22
actually, the machines that are operating --
146
382330
2000
na verdade as máquinas que estão operando.
06:24
that's where the action is.
147
384330
2000
É aí que as coisas acontecem.
06:26
Basically, a human body
148
386330
3000
Basicamente, o corpo humano
06:29
is a conversation going on,
149
389330
3000
é uma conversa em andamento,
06:32
both within the cells and between the cells,
150
392330
3000
dentro das células e entre as células,
06:35
and they're telling each other to grow and to die,
151
395330
3000
e elas estão dizendo para crescer e morrer.
06:38
and when you're sick,
152
398330
2000
E quando você está doente,
06:40
something's gone wrong with that conversation.
153
400330
2000
algo aconteceu de errado na conversa.
06:42
And so the trick is --
154
402330
2000
Então o truque é -
06:44
unfortunately, we don't have an easy way to measure these
155
404330
3000
infelizmente não temos uma maneia fácil de medir isso
06:47
like we can measure the genome.
156
407330
2000
como podemos medir o genoma.
06:49
So the problem is that measuring --
157
409330
3000
Então o problema é que medir...
06:52
if you try to measure all the proteins, it's a very elaborate process.
158
412330
3000
se você tenta medir todas as proteínas, é um processo muito elaborado.
06:55
It requires hundreds of steps,
159
415330
2000
Requer centenas de etapas,
06:57
and it takes a long, long time.
160
417330
2000
e leva muito, muito tempo.
06:59
And it matters how much of the protein it is.
161
419330
2000
E é importante o quanto de proteína existe.
07:01
It could be very significant that a protein changed by 10 percent,
162
421330
3000
Pode ser muito importante que a proteína mudou 10%,
07:04
so it's not a nice digital thing like DNA.
163
424330
3000
então não é uma coisa digital boa como o DNA.
07:07
And basically our problem is somebody's in the middle
164
427330
2000
E o nosso problema é que se alguém, no meio desse
07:09
of this very long stage,
165
429330
2000
estágio muito longo,
07:11
they pause for just a moment,
166
431330
2000
pausa por somente um momento,
07:13
and they leave something in an enzyme for a second,
167
433330
2000
e deixa algo em uma enzima por um segundo,
07:15
and all of a sudden all the measurements from then on
168
435330
2000
de repente todas as medidas dali em diante
07:17
don't work.
169
437330
2000
não fincionam.
07:19
And so then people get very inconsistent results
170
439330
2000
Então as pessoas obtêm resultados muito inconsistentes
07:21
when they do it this way.
171
441330
2000
quando fazem assim.
07:23
People have tried very hard to do this.
172
443330
2000
Pessoas tentaram muito fazer isso.
07:25
I tried this a couple of times
173
445330
2000
Eu tentei algumas vezes
07:27
and looked at this problem and gave up on it.
174
447330
2000
e vi o problema e acabei desistindo.
07:29
I kept getting this call from this oncologist
175
449330
2000
Eu recebi várias ligações de um oncologista
07:31
named David Agus.
176
451330
2000
chamado David Agus.
07:33
And Applied Minds gets a lot of calls
177
453330
3000
E a Applied Minds recebe muitas ligações
07:36
from people who want help with their problems,
178
456330
2000
de pessoas que querem ajudar com seus problemas,
07:38
and I didn't think this was a very likely one to call back,
179
458330
3000
e não pensei que essa fosse uma ligação para se retornar,
07:41
so I kept on giving him to the delay list.
180
461330
3000
então acabei colocando ele na lista de espera.
07:44
And then one day,
181
464330
2000
Então um dia,
07:46
I get a call from John Doerr, Bill Berkman
182
466330
2000
recebi uma ligação de John Doerr, Bill Berkman
07:48
and Al Gore on the same day
183
468330
2000
e Al Gore no mesmo dia
07:50
saying return David Agus's phone call.
184
470330
2000
dizendo para ligar para o David Agus.
07:52
(Laughter)
185
472330
2000
(Risos)
07:54
So I was like, "Okay. This guy's at least resourceful."
186
474330
2000
Eu pensei, "OK, pelo menos esse cara tem contatos."
07:56
(Laughter)
187
476330
4000
(Risos)
08:00
So we started talking,
188
480330
2000
Então começamos a falar,
08:02
and he said, "I really need a better way to measure proteins."
189
482330
3000
e ele disse, "Realmente preciso uma maneira melhor de medir proteínas."
08:05
I'm like, "Looked at that. Been there.
190
485330
2000
Eu disse, "Já vi. Já experimentei.
08:07
Not going to be easy."
191
487330
2000
Não vai ser fácil."
08:09
He's like, "No, no. I really need it.
192
489330
2000
Ele disse, "Não, eu realmente preciso.
08:11
I mean, I see patients dying every day
193
491330
4000
Eu vejo pacientes morrendo todos os dias
08:15
because we don't know what's going on inside of them.
194
495330
3000
porque não sabemos o que está acontecendo dentro deles.
08:18
We have to have a window into this."
195
498330
2000
Temos que ter uma janela para isso."
08:20
And he took me through
196
500330
2000
E ele me explicou
08:22
specific examples of when he really needed it.
197
502330
3000
exemplos específicos de quando ele realmente precisava.
08:25
And I realized, wow, this would really make a big difference,
198
505330
2000
E percebi que isso realmente faria uma grande diferença,
08:27
if we could do it,
199
507330
2000
se pudéssemos fazê-lo.
08:29
and so I said, "Well, let's look at it."
200
509330
2000
Eu disse, "Bem, vamos dar uma olhada."
08:31
Applied Minds has enough play money
201
511330
2000
A Applied Minds tem fundos suficientes
08:33
that we can go and just work on something
202
513330
2000
para trabalhar em algo
08:35
without getting anybody's funding or permission or anything.
203
515330
3000
sem ter que contar com o financiamento ou permissão de ninguém.
08:38
So we started playing around with this.
204
518330
2000
Então começamos a experimentar.
08:40
And as we did it, we realized this was the basic problem --
205
520330
3000
À medida que o fazíamos, percebi que este era o problema básico -
08:43
that taking the sip of coffee --
206
523330
2000
que tomar um gole de café -
08:45
that there were humans doing this complicated process
207
525330
2000
que havia humanos fazendo este processo complicado
08:47
and that what really needed to be done
208
527330
2000
e que, o que realmente precisava ser feito
08:49
was to automate this process like an assembly line
209
529330
3000
era automatizar o processo como uma linha de montagem
08:52
and build robots
210
532330
2000
e montar robôs
08:54
that would measure proteomics.
211
534330
2000
que mediriam a proteômica.
08:56
And so we did that,
212
536330
2000
Então nós fizemos isso.
08:58
and working with David,
213
538330
2000
E trabalhando com David,
09:00
we made a little company called Applied Proteomics eventually,
214
540330
3000
montamos uma pequena empresa chamada Apllied Proteomics,
09:03
which makes this robotic assembly line,
215
543330
3000
que fabrica esta linha de montagem robótica,
09:06
which, in a very consistent way, measures the protein.
216
546330
3000
que, de uma maneira muito consistente, mede proteínas.
09:09
And I'll show you what that protein measurement looks like.
217
549330
3000
E vou mostrar como se faz uma medição de proteínas.
09:13
Basically, what we do
218
553330
2000
Basicamente, o que fazemos
09:15
is we take a drop of blood
219
555330
2000
é pegar uma gota de sangue
09:17
out of a patient,
220
557330
2000
de um paciente,
09:19
and we sort out the proteins
221
559330
2000
e arrumamos as proteínas
09:21
in the drop of blood
222
561330
2000
na gota de sangue
09:23
according to how much they weigh,
223
563330
2000
de acordo com o quanto elas pesam,
09:25
how slippery they are,
224
565330
2000
o quão escorregadias são,
09:27
and we arrange them in an image.
225
567330
3000
e as arrumamos em uma imagem.
09:30
And so we can look at literally
226
570330
2000
E podemos olhar para literalmente
09:32
hundreds of thousands of features at once
227
572330
2000
centenas de milhares de características de uma vez
09:34
out of that drop of blood.
228
574330
2000
tiradas da gota de sangue.
09:36
And we can take a different one tomorrow,
229
576330
2000
E podemos pegar uma diferente amanhã,
09:38
and you will see your proteins tomorrow will be different --
230
578330
2000
e verão que suas proteínas amanhã serão diferentes -
09:40
they'll be different after you eat or after you sleep.
231
580330
3000
serão diferentes depois de vocês comerem ou dormirem.
09:43
They really tell us what's going on there.
232
583330
3000
Elas realmente nos dizem o que está acontecendo.
09:46
And so this picture,
233
586330
2000
Então esta foto,
09:48
which looks like a big smudge to you,
234
588330
2000
que parece ser um grande borrão para vocês,
09:50
is actually the thing that got me really thrilled about this
235
590330
4000
é na verdade a coisa que me deixou empolgado sobre isso
09:54
and made me feel like we were on the right track.
236
594330
2000
e me fez sentir que estamos no caminho certo.
09:56
So if I zoom into that picture,
237
596330
2000
Se eu der um zoom nesta foto,
09:58
I can just show you what it means.
238
598330
2000
eu posso mostrar o que significa.
10:00
We sort out the proteins -- from left to right
239
600330
3000
Arrumamos as proteínas - da esquerda para a direita
10:03
is the weight of the fragments that we're getting,
240
603330
3000
é o peso dos fragmentos que obtemos.
10:06
and from top to bottom is how slippery they are.
241
606330
3000
E de cima para baixo é o quão escorregadias são.
10:09
So we're zooming in here just to show you a little bit of it.
242
609330
3000
Estou dando um zoom aqui para mostrar um pouco.
10:12
And so each of these lines
243
612330
2000
Então cada uma destas linhas
10:14
represents some signal that we're getting out of a piece of a protein.
244
614330
3000
representa um sinal que recebemos de parte de uma proteína.
10:17
And you can see how the lines occur
245
617330
2000
E podem ver como as linhas ocorrem
10:19
in these little groups of bump, bump, bump, bump, bump.
246
619330
4000
em pequenos grupos de bum, bum, bum, bum, bum.
10:23
And that's because we're measuring the weight so precisely that --
247
623330
3000
E isso porque estamos medindo o peso tão precisamente que -
10:26
carbon comes in different isotopes,
248
626330
2000
carbono vem em diferentes isótopos,
10:28
so if it has an extra neutron on it,
249
628330
3000
então se existe um nêutron extra,
10:31
we actually measure it as a different chemical.
250
631330
4000
conseguimos medir como uma substância diferente.
10:35
So we're actually measuring each isotope as a different one.
251
635330
3000
Então estamos medindo cada isótopo como sendo diferente.
10:38
And so that gives you an idea
252
638330
3000
E isso dá uma ideia do quão
10:41
of how exquisitely sensitive this is.
253
641330
2000
sensível é.
10:43
So seeing this picture
254
643330
2000
Olhar para esta foto
10:45
is sort of like getting to be Galileo
255
645330
2000
é como ser Galileu
10:47
and looking at the stars
256
647330
2000
olhando para as estrelas
10:49
and looking through the telescope for the first time,
257
649330
2000
e pelo telescópio pela primeira vez,
10:51
and suddenly you say, "Wow, it's way more complicated than we thought it was."
258
651330
3000
e de repente você diz, "Uau, é muito mais complicado do que pensávamos."
10:54
But we can see that stuff out there
259
654330
2000
Mas podemos ver as coisas
10:56
and actually see features of it.
260
656330
2000
e de fato ver suas características.
10:58
So this is the signature out of which we're trying to get patterns.
261
658330
3000
Essa é a assinatura da qual estamos tentando estabelecer padrões.
11:01
So what we do with this
262
661330
2000
Então o que fazemos com isso
11:03
is, for example, we can look at two patients,
263
663330
2000
é, por exemplo, poder olhar para dois pacientes,
11:05
one that responded to a drug and one that didn't respond to a drug,
264
665330
3000
um que respondeu a uma droga e um que não respondeu a uma droga,
11:08
and ask, "What's going on differently
265
668330
2000
e pergunta, "O que está acontecendo de diferente
11:10
inside of them?"
266
670330
2000
dentro deles?"
11:12
And so we can make these measurements precisely enough
267
672330
3000
Então podemos fazer essas medições precisas o suficiente
11:15
that we can overlay two patients and look at the differences.
268
675330
3000
para podermos olhar para os dois pacientes e ver as diferenças.
11:18
So here we have Alice in green
269
678330
2000
Aqui temos Alice em verde
11:20
and Bob in red.
270
680330
2000
e Bob em vermelho.
11:22
We overlay them. This is actual data.
271
682330
3000
Sobrepomos eles. Estes são dados reais.
11:25
And you can see, mostly it overlaps and it's yellow,
272
685330
3000
Podem ver que a maioria se sobrepõe em amarelo,
11:28
but there's some things that just Alice has
273
688330
2000
mas há coisas que só Alice tem
11:30
and some things that just Bob has.
274
690330
2000
e coisas que só o Bob tem.
11:32
And if we find a pattern of things
275
692330
3000
E se achamos um padrão de coisas
11:35
of the responders to the drug,
276
695330
3000
dos que responderam à droga,
11:38
we see that in the blood,
277
698330
2000
vemos que no sangue,
11:40
they have the condition
278
700330
2000
eles têm a condição
11:42
that allows them to respond to this drug.
279
702330
2000
que lhes permite responder a esta droga.
11:44
We might not even know what this protein is,
280
704330
2000
Podemos nem saber qual é a proteína,
11:46
but we can see it's a marker
281
706330
2000
mas vemos que é ativa
11:48
for the response to the disease.
282
708330
2000
na resposta à doença.
11:53
So this already, I think,
283
713330
2000
Então penso que isso
11:55
is tremendously useful in all kinds of medicine.
284
715330
3000
é tremendamente útil em todos os tipos de medicina.
11:58
But I think this is actually
285
718330
2000
Mas acho que isso seja
12:00
just the beginning
286
720330
2000
somente o começo
12:02
of how we're going to treat cancer.
287
722330
2000
de como vamos tratar o câncer.
12:04
So let me move to cancer.
288
724330
2000
Então passarei para o câncer.
12:06
The thing about cancer --
289
726330
2000
O negócio com o câncer -
12:08
when I got into this,
290
728330
2000
quando comecei nisso,
12:10
I really knew nothing about it,
291
730330
2000
eu realmente não sabia nada a respeito,
12:12
but working with David Agus,
292
732330
2000
mas trabalhando com David Agus,
12:14
I started watching how cancer was actually being treated
293
734330
3000
comecei a obsevar como o câncer é realmente tratado
12:17
and went to operations where it was being cut out.
294
737330
3000
e fui a operações onde estava sendo removido.
12:20
And as I looked at it,
295
740330
2000
E ao olhar para isso,
12:22
to me it didn't make sense
296
742330
2000
para mim não fez sentido
12:24
how we were approaching cancer,
297
744330
2000
a maneira como estávamos abordando o câncer.
12:26
and in order to make sense of it,
298
746330
3000
E para entender isso,
12:29
I had to learn where did this come from.
299
749330
3000
eu tive que entender de onde isso vinha.
12:32
We're treating cancer almost like it's an infectious disease.
300
752330
4000
Nós tratamos câncer quase como se fosse uma doença infecciosa.
12:36
We're treating it as something that got inside of you
301
756330
2000
Tratamos isso como se fosse algo que entrou em você
12:38
that we have to kill.
302
758330
2000
e que temos que matar.
12:40
So this is the great paradigm.
303
760330
2000
Então este é o grande paradigma.
12:42
This is another case
304
762330
2000
Este é outro caso
12:44
where a theoretical paradigm in biology really worked --
305
764330
2000
onde o paradigma teórico em biologia deu certo -
12:46
was the germ theory of disease.
306
766330
3000
a teoria do germe da doença.
12:49
So what doctors are mostly trained to do
307
769330
2000
Os médicos são em geral treinados
12:51
is diagnose --
308
771330
2000
para diagnosticar -
12:53
that is, put you into a category
309
773330
2000
ou seja, colocá-lo em uma categoria -
12:55
and apply a scientifically proven treatment
310
775330
2000
e aplicar um tratamento cientificamente comprovado
12:57
for that diagnosis --
311
777330
2000
para aquele diagnóstico.
12:59
and that works great for infectious diseases.
312
779330
3000
E isso funciona bem com doenças infecciosas.
13:02
So if we put you in the category
313
782330
2000
Então se o colocarmos na categoria
13:04
of you've got syphilis, we can give you penicillin.
314
784330
3000
de que você tem sífilis, podemos dar penicilina.
13:07
We know that that works.
315
787330
2000
Sabemos que isso funciona.
13:09
If you've got malaria, we give you quinine
316
789330
2000
Se você tem malária, damos quinina,
13:11
or some derivative of it.
317
791330
2000
ou algum derivado.
13:13
And so that's the basic thing doctors are trained to do,
318
793330
3000
Então é para isso que os médicos são teinados.
13:16
and it's miraculous
319
796330
2000
E é miraculoso
13:18
in the case of infectious disease --
320
798330
3000
no caso de doença infecciosa -
13:21
how well it works.
321
801330
2000
o quão bem funciona.
13:23
And many people in this audience probably wouldn't be alive
322
803330
3000
E muitas pessoas nesta plateia provavelmente não estariam vivas
13:26
if doctors didn't do this.
323
806330
2000
se médicos não fizessem isso.
13:28
But now let's apply that
324
808330
2000
Mas agora vamos aplicar isso
13:30
to systems diseases like cancer.
325
810330
2000
a doenças sistêmicas como o câncer.
13:32
The problem is that, in cancer,
326
812330
2000
O problema é que, em câncer,
13:34
there isn't something else
327
814330
2000
não há um intruso
13:36
that's inside of you.
328
816330
2000
dentro do seu corpo.
13:38
It's you; you're broken.
329
818330
2000
É você, você está com defeito.
13:40
That conversation inside of you
330
820330
4000
A conversa dentro de você
13:44
got mixed up in some way.
331
824330
2000
ficou atrapalhada de certa forma.
13:46
So how do we diagnose that conversation?
332
826330
2000
Então como diagnosticamos a conversa?
13:48
Well, right now what we do is we divide it by part of the body --
333
828330
3000
Bem, o que fazemos agora é dividir em partes do corpo -
13:51
you know, where did it appear? --
334
831330
3000
onde o câncer aparece -
13:54
and we put you in different categories
335
834330
2000
e colocamos você em categorias diferentes
13:56
according to the part of the body.
336
836330
2000
de acordo com a parte do corpo.
13:58
And then we do a clinical trial
337
838330
2000
Então fazemos uma teste clínico
14:00
for a drug for lung cancer
338
840330
2000
para uma droga para câncer de pulmão
14:02
and one for prostate cancer and one for breast cancer,
339
842330
3000
e uma para câncer de próstata e uma para câncer de mama,
14:05
and we treat these as if they're separate diseases
340
845330
3000
e tratamos tudo como se fossem doenças separadas
14:08
and that this way of dividing them
341
848330
2000
e esta maneira de dividir
14:10
had something to do with what actually went wrong.
342
850330
2000
teve a ver com o que de fato deu errado.
14:12
And of course, it really doesn't have that much to do
343
852330
2000
E é claro, não tem realmente muito a ver
14:14
with what went wrong
344
854330
2000
com o que deu errado.
14:16
because cancer is a failure of the system.
345
856330
3000
Porque o câncer é uma falha do sistema.
14:19
And in fact, I think we're even wrong
346
859330
2000
E acredito que estamos errados
14:21
when we talk about cancer as a thing.
347
861330
3000
quando falamos sobre câncer como uma coisa.
14:24
I think this is the big mistake.
348
864330
2000
Acho que esse é o grande erro.
14:26
I think cancer should not be a noun.
349
866330
4000
Acho que câncer não deveria ser um substantivo.
14:30
We should talk about cancering
350
870330
2000
Deveríamos falar sobre "canceriar"
14:32
as something we do, not something we have.
351
872330
3000
como algo que fazemos, não algo que temos.
14:35
And so those tumors,
352
875330
2000
Então os tumores
14:37
those are symptoms of cancer.
353
877330
2000
são sintomas do câncer.
14:39
And so your body is probably cancering all the time,
354
879330
3000
Então seu corpo está "canceriando" o tempo todo.
14:42
but there are lots of systems in your body
355
882330
3000
Mas existem diversos sistemas em seu corpo
14:45
that keep it under control.
356
885330
2000
que o mantém sob controle.
14:47
And so to give you an idea
357
887330
2000
Então para dar uma ideia
14:49
of an analogy of what I mean
358
889330
2000
de uma analogia do que eu quero dizer
14:51
by thinking of cancering as a verb,
359
891330
3000
ao me referir ao câncer como um verbo,
14:54
imagine we didn't know anything about plumbing,
360
894330
3000
imaginem que não soubéssemos nada sobre encanamentos,
14:57
and the way that we talked about it,
361
897330
2000
e a maneira como falaríamos disso seria:
14:59
we'd come home and we'd find a leak in our kitchen
362
899330
3000
chegaríamos em casa e encontraríamos um vazamento na cozinha
15:02
and we'd say, "Oh, my house has water."
363
902330
4000
e diríamos, "Oh, minha casa tem água."
15:06
We might divide it -- the plumber would say, "Well, where's the water?"
364
906330
3000
Poderíamos dividir - o encanador diria, "Bem, onde está a água?"
15:09
"Well, it's in the kitchen." "Oh, you must have kitchen water."
365
909330
3000
"Bem, está na cozinha." "Oh, você deve ter água de cozinha."
15:12
That's kind of the level at which it is.
366
912330
3000
Este é mais ou menos o nível dela.
15:15
"Kitchen water,
367
915330
2000
"Água de cozinha?"
15:17
well, first of all, we'll go in there and we'll mop out a lot of it.
368
917330
2000
Bem, primeiro nós vamos passar bastante o mop.
15:19
And then we know that if we sprinkle Drano around the kitchen,
369
919330
3000
E então sabemos que se espalharmos Draino pela cozinha
15:22
that helps.
370
922330
3000
irá ajudar.
15:25
Whereas living room water,
371
925330
2000
Enquanto que para água de sala de estar,
15:27
it's better to do tar on the roof."
372
927330
2000
é melhor passar piche no telhado."
15:29
And it sounds silly,
373
929330
2000
E parece bobo,
15:31
but that's basically what we do.
374
931330
2000
mas é basicamente o que fazemos.
15:33
And I'm not saying you shouldn't mop up your water if you have cancer,
375
933330
3000
E não estou dizendo para não secar sua água se você tem câncer.
15:36
but I'm saying that's not really the problem;
376
936330
3000
Estou dizendo que este não é realmente o problema;
15:39
that's the symptom of the problem.
377
939330
2000
este é o sintoma do problema.
15:41
What we really need to get at
378
941330
2000
O que precisamos achar
15:43
is the process that's going on,
379
943330
2000
é o processo que está acontecendo,
15:45
and that's happening at the level
380
945330
2000
e ele acontece no nível
15:47
of the proteonomic actions,
381
947330
2000
das ações proteômicas,
15:49
happening at the level of why is your body not healing itself
382
949330
3000
acontecendo no nível do por quê o seu corpo não está se curando
15:52
in the way that it normally does?
383
952330
2000
da maneira como nomalmente o faz?
15:54
Because normally, your body is dealing with this problem all the time.
384
954330
3000
Porque normalmente seu corpo está lidando com o problema o tempo todo.
15:57
So your house is dealing with leaks all the time,
385
957330
3000
Então sua casa está lidando com vazamentos o tempo todo.
16:00
but it's fixing them. It's draining them out and so on.
386
960330
4000
Mas está consertando-os e drenando-os e assim por diante.
16:04
So what we need
387
964330
3000
Então o que precisamos
16:07
is to have a causative model
388
967330
4000
é ter um modelo causativo
16:11
of what's actually going on,
389
971330
2000
do que de fato está acontecendo.
16:13
and proteomics actually gives us
390
973330
3000
E a proteômica nos dá
16:16
the ability to build a model like that.
391
976330
3000
a habilidade que construir um modelo como esse.
16:19
David got me invited
392
979330
2000
David conseguiu que eu desse
16:21
to give a talk at National Cancer Institute
393
981330
2000
uma palestra do Instituto Nacional do Câncer
16:23
and Anna Barker was there.
394
983330
3000
e Anna Barker estava lá.
16:27
And so I gave this talk
395
987330
2000
Então eu dei essa palestra
16:29
and said, "Why don't you guys do this?"
396
989330
3000
e disse, "Por que vocês não fazem isso?"
16:32
And Anna said,
397
992330
2000
E Anna disse,
16:34
"Because nobody within cancer
398
994330
3000
"Porque ninguém com câncer
16:37
would look at it this way.
399
997330
2000
veria desta maneira.
16:39
But what we're going to do, is we're going to create a program
400
999330
3000
Mas nós iremos criar um programa
16:42
for people outside the field of cancer
401
1002330
2000
para pessoas fora da área do câncer
16:44
to get together with doctors
402
1004330
2000
para se juntarem com médicos
16:46
who really know about cancer
403
1006330
3000
que realmente conhecem câncer
16:49
and work out different programs of research."
404
1009330
4000
e trabalharem em diferentes programas de pesquisa."
16:53
So David and I applied to this program
405
1013330
2000
Então David e eu nos juntamos a este programa
16:55
and created a consortium
406
1015330
2000
e criamos um consórcio
16:57
at USC
407
1017330
2000
na USC
16:59
where we've got some of the best oncologists in the world
408
1019330
3000
onde temos os melhores oncologistas do mundo
17:02
and some of the best biologists in the world,
409
1022330
3000
e alguns dos melhores biólogos do mundo,
17:05
from Cold Spring Harbor,
410
1025330
2000
de Cold Spring Harbor,
17:07
Stanford, Austin --
411
1027330
2000
Stanford, Austin -
17:09
I won't even go through and name all the places --
412
1029330
3000
e nem vou chegar a mencionar todos os lugares -
17:12
to have a research project
413
1032330
3000
para desenvolver um projeto de pesquisa
17:15
that will last for five years
414
1035330
2000
que vai durar cinco anos
17:17
where we're really going to try to build a model of cancer like this.
415
1037330
3000
onde tentaremos montar um modelo de câncer como este.
17:20
We're doing it in mice first,
416
1040330
2000
Vamos usar ratos primeiro.
17:22
and we will kill a lot of mice
417
1042330
2000
E vamos matar muitos ratos
17:24
in the process of doing this,
418
1044330
2000
neste processo,
17:26
but they will die for a good cause.
419
1046330
2000
mas eles morrerão por uma boa causa.
17:28
And we will actually try to get to the point
420
1048330
3000
E vamos tentar chegar ao ponto
17:31
where we have a predictive model
421
1051330
2000
onde temos um modelo previsível
17:33
where we can understand,
422
1053330
2000
onde podemos entender,
17:35
when cancer happens,
423
1055330
2000
quando o câncer acontece,
17:37
what's actually happening in there
424
1057330
2000
o que realmente acontece lá
17:39
and which treatment will treat that cancer.
425
1059330
3000
e qual tratamento será usado para aquele câncer.
17:42
So let me just end with giving you a little picture
426
1062330
3000
Então me permitam terminar com uma imagem
17:45
of what I think cancer treatment will be like in the future.
427
1065330
3000
do que eu acredito que será o tratamento do câncer no futuro.
17:48
So I think eventually,
428
1068330
2000
Acho que no final,
17:50
once we have one of these models for people,
429
1070330
2000
uma vez que tivermos um desses modelos para pessoas,
17:52
which we'll get eventually --
430
1072330
2000
o que teremos cedo ou tarde -
17:54
I mean, our group won't get all the way there --
431
1074330
2000
digo, nosso grupo não irá chegar até o final -
17:56
but eventually we'll have a very good computer model --
432
1076330
3000
mas cedo ou tarde teremos um bom modelo de computador -
17:59
sort of like a global climate model for weather.
433
1079330
3000
tipo o modelo climático global para o clima.
18:02
It has lots of different information
434
1082330
3000
Tem muitas informações diferentes
18:05
about what's the process going on in this proteomic conversation
435
1085330
3000
sobre qual é o processo acontecendo nesta conversa sobre proteômica
18:08
on many different scales.
436
1088330
2000
em muitas escalas diferentes.
18:10
And so we will simulate
437
1090330
2000
Então iremos simular
18:12
in that model
438
1092330
2000
neste modelo
18:14
for your particular cancer --
439
1094330
3000
o seu câncer em particular -
18:17
and this also will be for ALS,
440
1097330
2000
e também servirá para esclerose lateral amiotrófica,
18:19
or any kind of system neurodegenerative diseases,
441
1099330
3000
ou quaisquer outras doenças neurodegenerativas,
18:22
things like that --
442
1102330
2000
coisas como -
18:24
we will simulate
443
1104330
2000
vamos simular
18:26
specifically you,
444
1106330
2000
especificamente você,
18:28
not just a generic person,
445
1108330
2000
não uma pessoa genérica,
18:30
but what's actually going on inside you.
446
1110330
2000
mas sim o que está realmente acontecendo dentro de você.
18:32
And in that simulation, what we could do
447
1112330
2000
E nesta simulação, o que podemos fazer
18:34
is design for you specifically
448
1114330
2000
é projetar especificamente para você
18:36
a sequence of treatments,
449
1116330
2000
a sequência de tratamentos,
18:38
and it might be very gentle treatments, very small amounts of drugs.
450
1118330
3000
e talvez sejam tratamentos muito gentis, pequenas quantidades de drogas.
18:41
It might be things like, don't eat that day,
451
1121330
3000
Podem ser coisas como: não coma neste dia,
18:44
or give them a little chemotherapy,
452
1124330
2000
e lhes dê um pouco de quimioterapia,
18:46
maybe a little radiation.
453
1126330
2000
talvez um pouco de radiação.
18:48
Of course, we'll do surgery sometimes and so on.
454
1128330
3000
Claro que faremos cirurgias algumas vezes, e assim por diante.
18:51
But design a program of treatments specifically for you
455
1131330
3000
Mas projetar um programa de tratamentos específicos para você
18:54
and help your body
456
1134330
3000
e ajudar o seu corpo
18:57
guide back to health --
457
1137330
3000
a voltar a ser saudável -
19:00
guide your body back to health.
458
1140330
2000
o seu corpo voltar a ser saudável.
19:02
Because your body will do most of the work of fixing it
459
1142330
4000
Porque o seu corpo fará a maior parte do conserto
19:06
if we just sort of prop it up in the ways that are wrong.
460
1146330
3000
se pudermos ajudar nas áreas que não estão bem.
19:09
We put it in the equivalent of splints.
461
1149330
2000
Nós colocamos o equivalente a talas.
19:11
And so your body basically has lots and lots of mechanisms
462
1151330
2000
E o seu corpo tem basicamente muitos mecanismos
19:13
for fixing cancer,
463
1153330
2000
para curar o câncer,
19:15
and we just have to prop those up in the right way
464
1155330
3000
só temos que ajudar da maneira certa
19:18
and get them to do the job.
465
1158330
2000
para que o trabalho seja feito.
19:20
And so I believe that this will be the way
466
1160330
2000
Então acredito que esta será a maneira
19:22
that cancer will be treated in the future.
467
1162330
2000
que trataremos o câncer no futuro.
19:24
It's going to require a lot of work,
468
1164330
2000
Vai precisar de muito trabalho,
19:26
a lot of research.
469
1166330
2000
muita pesquisa.
19:28
There will be many teams like our team
470
1168330
3000
Haverá muitas equipes como a nossa
19:31
that work on this.
471
1171330
2000
trabalhando nisso.
19:33
But I think eventually,
472
1173330
2000
Mas acho que no final,
19:35
we will design for everybody
473
1175330
2000
vamos desenvolver para todos
19:37
a custom treatment for cancer.
474
1177330
4000
um tratamento costumizado para o câncer.
19:41
So thank you very much.
475
1181330
2000
Então, muito obrigado.
19:43
(Applause)
476
1183330
6000
(Aplausos)
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