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

87,492 views ・ 2007-05-16

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Margarida Ferreira Revisora: Mafalda Ferreira
Eu devia meter-vos medo porque trata-se do medo, não é?
E, na verdade, vocês deviam ter medo,
mas não pelas razões que julgam.
Deviam mesmo ter medo
— vou pôr o primeiro diapositivo — daquilo que estão a perder.
00:26
I'm supposed to scare you, because it's about fear, right?
0
26000
3000
Porque, se passarem esta semana a pensar no Iraque,
00:30
And you should be really afraid,
1
30000
2000
00:32
but not for the reasons why you think you should be.
2
32000
2000
a pensar no Bush e no mercado de ações.
00:35
You should be really afraid that --
3
35000
2000
vão perder uma das maiores aventuras em que já nos metemos.
00:37
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
37000
4000
E trata-se mesmo de uma aventura.
Isto é ADN cristalizado.
00:43
Because if you spend this week thinking about Iraq and
5
43000
4000
Todas as formas de vida neste planeta
00:47
thinking about Bush and thinking about the stock market,
6
47000
4000
— insetos, bactérias, plantas, animais, seres humanos, políticos —
00:51
you're going to miss one of the greatest adventures that we've ever been on.
7
51000
2000
(Risos)
00:54
And this is what this adventure's really about.
8
54000
2000
estão codificados neste material.
00:56
This is crystallized DNA.
9
56000
4000
Se agarrarem num só cristal de ADN, ele tem este aspeto.
01:00
Every life form on this planet -- every insect, every bacteria, every plant,
10
60000
3000
Estamos a começar a compreender esta coisa.
01:03
every animal, every human, every politician -- (Laughter)
11
63000
3000
É a aventura mais excitante em que já nos metemos.
É o maior projeto de mapeamento que já fizemos.
01:08
is coded in that stuff.
12
68000
2000
01:10
And if you want to take a single crystal of DNA, it looks like that.
13
70000
4000
Se acham que o mapeamento da América foi importante,
ou a aterragem na lua, ou qualquer outra coisa,
01:14
And we're just beginning to understand this stuff.
14
74000
2000
é o mapa de nós mesmos, e o mapa de cada planta,
01:17
And this is the single most exciting adventure that we have ever been on.
15
77000
3000
de cada inseto, de cada bactéria que é realmente importante.
01:21
It's the single greatest mapping project we've ever been on.
16
81000
3000
Está a começar a dizer-nos muita coisa sobre a evolução.
01:24
If you think that the mapping of America's made a difference,
17
84000
2000
01:26
or landing on the moon, or this other stuff,
18
86000
3000
(Risos)
01:29
it's the map of ourselves and the map of every plant
19
89000
3000
Acontece que esta coisa é
01:32
and every insect and every bacteria that really makes a difference.
20
92000
3000
— Richard Dawkins escreveu sobre isso —
01:35
And it's beginning to tell us a lot about evolution.
21
95000
3000
é, na verdade, um rio que nasce no Paraíso.
Os 3200 milhões de pares de bases dentro de cada uma das nossas células
01:40
(Laughter)
22
100000
4000
são a história de por onde andámos durante milhões de anos.
Podemos começar a datar as coisas
01:44
It turns out that what this stuff is --
23
104000
2000
e podemos começar a mudar a medicina e a arqueologia.
01:46
and Richard Dawkins has written about this --
24
106000
2000
01:48
is, this is really a river out of Eden.
25
108000
2000
Acontece que, se olharmos para a espécie humana há uns 700 anos,
01:50
So, the 3.2 billion base pairs inside each of your cells
26
110000
4000
os europeus brancos diferenciaram-se dos africanos negros significativamente.
01:54
is really a history of where you've been for the past billion years.
27
114000
3000
01:57
And we could start dating things,
28
117000
1000
Os europeus brancos foram confrontados com a peste.
01:58
and we could start changing medicine and archeology.
29
118000
3000
Quando tal aconteceu, muita gente não sobreviveu,
02:02
It turns out that if you take the human species about 700 years ago,
30
122000
3000
mas os que sobreviveram sofreram uma mutação no recetor CCR5.
02:05
white Europeans diverged from black Africans in a very significant way.
31
125000
3000
02:08
White Europeans were subject to the plague.
32
128000
5000
Essa mutação passou para os filhos porque só eles sobreviveram,
houve grande pressão sobre a população.
Em África, como não havia estas cidades,
02:14
And when they were subject to the plague, most people didn't survive,
33
134000
3000
não houve mutação do CCR5 para a pressão sobre a população.
02:17
but those who survived had a mutation on the CCR5 receptor.
34
137000
4000
Podemos dizer que isso aconteceu há 700 anos.
02:21
And that mutation was passed on to their kids
35
141000
2000
Esta é uma das razões por que a SIDA grassa em África tão depressa
02:23
because they're the ones that survived,
36
143000
2000
02:25
so there was a great deal of population pressure.
37
145000
2000
e não tão depressa na Europa.
02:27
In Africa, because you didn't have these cities,
38
147000
2000
02:29
you didn't have that CCR5 population pressure mutation.
39
149000
3000
Estamos a começar a encontrar pequenas coisas para a malária,
02:32
We can date it to 700 years ago.
40
152000
3000
para as células falciformes, para os cancros.
02:35
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
155000
4000
O facto de desenharmos o nosso mapa,
é a maior aventura em que nos metemos.
02:39
and not as fast across Europe.
42
159000
4000
Esta sexta-feira, abram uma garrafa de vinho excelente
02:43
And we're beginning to find these little things for malaria,
43
163000
3000
e brindem a estas duas pessoas.
02:46
for sickle cell, for cancers.
44
166000
3000
Porque, sexta-feira, faz 50 anos
que Watson e Crick descobriram a estrutura do ADN.
02:50
And in the measure that we map ourselves,
45
170000
2000
02:52
this is the single greatest adventure that we'll ever be on.
46
172000
2000
É uma data quase tão importante
02:54
And this Friday, I want you to pull out a really good bottle of wine,
47
174000
4000
como o dia 12 de fevereiro, quando fizemos o nosso primeiro mapa.
02:58
and I want you to toast these two people.
48
178000
2000
Mas já lá vamos.
Pensei falar do novo zoo.
03:01
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
181000
4000
Todos nós já ouvimos falar do ADN, de tudo aquilo que o ADN faz
03:05
and that is almost as important a date
50
185000
3000
mas estamos a descobrir neste material coisas sofisticadas.
03:08
as the 12th of February when we first mapped ourselves,
51
188000
3000
Isto é a espécie mais abundante no planeta.
03:11
but anyway, we'll get to that.
52
191000
2000
03:13
I thought we'd talk about the new zoo.
53
193000
2000
Se pensam que estamos bem adaptados ou que as baratas estão,
03:15
So, all you guys have heard about DNA, all the stuff that DNA does,
54
195000
4000
acontece que há por aí dez biliões de biliões de Pleurococcus
03:19
but some of the stuff we're discovering is kind of nifty
55
199000
3000
e nós não sabíamos que existiam Pleurococcus,
03:22
because this turns out to be the single most abundant species on the planet.
56
202000
5000
o que, em parte, explica
porque é que este projeto de mapeamento de espécies é tão importante.
03:27
If you think you're successful or cockroaches are successful,
57
207000
3000
Porque estamos a começar a aprender
03:30
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
210000
3000
de onde viemos e o que é que somos.
Estamos a descobrir amebas como esta, a Ameba Dubia.
03:33
And we didn't know that Pleurococcus was out there,
59
213000
3000
03:36
which is part of the reason
60
216000
1000
A Ameba Dubia não tem lá grande aspeto,
03:37
why this whole species-mapping project is so important.
61
217000
5000
exceto que cada um de nós tem cerca de 3200 milhões de letras,
03:42
Because we're just beginning to learn
62
222000
2000
o que nos faz ser quem somos,
segundo o código genético dentro de cada uma das nossas células
03:44
where we came from and what we are.
63
224000
1000
03:46
And we're finding amoebas like this. This is the amoeba dubia.
64
226000
3000
e esta pequena ameba que subsiste na água,
às centenas, aos milhões e milhares de milhões
03:50
And the amoeba dubia doesn't look like much,
65
230000
2000
03:52
except that each of you has about 3.2 billion letters,
66
232000
3000
tem 620 mil milhões de pares de bases de código genético lá dentro.
03:55
which is what makes you you,
67
235000
2000
03:57
as far as gene code inside each of your cells,
68
237000
3000
Portanto, esta geringonça tem um genoma
04:00
and this little amoeba which, you know,
69
240000
3000
duzentas vezes maior do que o nosso.
04:03
sits in water in hundreds and millions and billions,
70
243000
2000
Se estão a pensar em mecanismos eficazes de armazenamento de informações,
04:06
turns out to have 620 billion base pairs of gene code inside.
71
246000
6000
poderá não ser um chip.
Poderá ser uma coisa que se pareça um pouco como uma ameba.
04:12
So, this little thingamajig has a genome
72
252000
3000
04:15
that's 200 times the size of yours.
73
255000
2000
Repito, estamos a aprender o que é a vida e como funciona a vida.
04:18
And if you're thinking of efficient information storage mechanisms,
74
258000
3000
Esta coisinha engraçada.
As pessoas estavam convencidas
04:22
it may not turn out to be chips.
75
262000
2000
que não valia a pena tirar amostras dos reatores nucleares
04:25
It may turn out to be something that looks a little like that amoeba.
76
265000
4000
porque era perigoso e, claro, nada vivia ali dentro.
04:29
And, again, we're learning from life and how life works.
77
269000
4000
Por fim, alguém agarrou num microscópio
e observou a água que estava mesmo ao pé do núcleo.
04:33
This funky little thing: people didn't used to think
78
273000
4000
Na água ao lado do núcleo dos reatores
04:37
that it was worth taking samples out of nuclear reactors
79
277000
3000
havia este Deinococcus radiodurans, a nadar de costas,
04:40
because it was dangerous and, of course, nothing lived there.
80
280000
3000
com os cromossomas a dividirem-se todos os dias,
seis, sete vezes, a recomporem-se,
04:43
And then finally somebody picked up a microscope
81
283000
3000
a viver numa radiação 200 vezes maior do que a que nos mataria.
04:46
and looked at the water that was sitting next to the cores.
82
286000
3000
Já devem estar a perceber até que ponto
04:49
And sitting next to that water in the cores
83
289000
2000
04:51
was this little Deinococcus radiodurans, doing a backstroke,
84
291000
3000
a vida pode ser diversificada, importante e interessante.
04:54
having its chromosomes blown apart every day,
85
294000
2000
quantas formas diferentes de vida existem,
04:56
six, seven times, restitching them,
86
296000
3000
e como pode haver formas de vida diferentes
04:59
living in about 200 times the radiation that would kill you.
87
299000
2000
a viver em locais diferentes, talvez mesmo fora deste planeta.
05:02
And by now you should be getting a hint as to how diverse
88
302000
3000
Porque, se é possível viver numa radiação destas,
05:05
and how important and how interesting this journey into life is,
89
305000
2000
isso suscita toda uma série de perguntas interessantes.
05:07
and how many different life forms there are,
90
307000
3000
Não sabíamos que esta geringonça existia.
05:10
and how there can be different life forms living in
91
310000
3000
05:13
very different places, maybe even outside of this planet.
92
313000
3000
Devíamos saber que ela existia
porque é a única bactéria que podemos ver a olho nu.
05:17
Because if you can live in radiation that looks like this,
93
317000
2000
05:19
that brings up a whole series of interesting questions.
94
319000
3000
Esta coisa mede 0,75 milímetros.
Vive numa fossa profunda ao largo da costa da Namíbia.
05:23
This little thingamajig: we didn't know this thingamajig existed.
95
323000
3000
Este namibiensis que estão a ver
é a maior bactéria que já vimos.
05:27
We should have known that this existed
96
327000
2000
05:29
because this is the only bacteria that you can see to the naked eye.
97
329000
3000
Tem o tamanho de um ponto numa frase.
05:32
So, this thing is 0.75 millimeters.
98
332000
3000
Repito, não sabíamos que esta coisa existia, até há três anos.
05:35
It lives in a deep trench off the coast of Namibia.
99
335000
2000
Estamos a começar este percurso da vida no novo zoo.
05:38
And what you're looking at with this namibiensis
100
338000
2000
05:40
is the biggest bacteria we've ever seen.
101
340000
2000
Esta é, de facto, muito esquisita. É a Ferroplasma.
05:42
So, it's about the size of a little period on a sentence.
102
342000
3000
A Ferroplasma é interessante porque come ferro,
05:46
Again, we didn't know this thing was there three years ago.
103
346000
4000
vive dentro do equivalente ao ácido de uma bateria,
05:50
We're just beginning this journey of life in the new zoo.
104
350000
3000
e segrega ácido sulfúrico.
05:54
This is a really odd one. This is Ferroplasma.
105
354000
3000
Quando pensamos em formas de vida estranhas,
05:58
The reason why Ferroplasma is interesting is because it eats iron,
106
358000
3000
quando pensamos no que é preciso para viver,
isto é uma forma de vida muito eficaz.
06:02
lives inside the equivalent of battery acid,
107
362000
3000
Chama-se archae. Archea significa "as antigas".
06:06
and excretes sulfuric acid.
108
366000
2000
São antigas porque esta coisa apareceu
06:10
So, when you think of odd life forms,
109
370000
2000
quando este planeta estava coberto
06:12
when you think of what it takes to live,
110
372000
3000
com coisas como o ácido sulfúrico das baterias
e comia ferro quando a terra fazia parte de um núcleo fundido.
06:16
it turns out this is a very efficient life form,
111
376000
2000
06:18
and they call it an archaea. Archaea means "the ancient ones."
112
378000
4000
Não são só os cães e os gatos, as baleias e os golfinhos
06:22
And the reason why they're ancient is because this thing came up
113
382000
4000
que devemos ter em conta
06:26
when this planet was covered
114
386000
2000
e serem do nosso interesse neste pequeno percurso.
06:28
by things like sulfuric acid in batteries,
115
388000
1000
O vosso medo devia ser não prestar atenção a coisas que são temporais.
06:29
and it was eating iron when the earth was part of a melted core.
116
389000
4000
George Bush há de desaparecer, não é?
06:34
So, it's not just dogs and cats and whales and dolphins
117
394000
4000
06:38
that you should be aware of and interested in on this little journey.
118
398000
4000
A vida não.
Quer os seres humanos sobrevivam ou não,
06:42
Your fear should be that you are not,
119
402000
3000
estas coisas continuarão a viver neste planeta ou noutros planetas.
06:45
that you're paying attention to stuff which is temporal.
120
405000
3000
Começar a compreender este código do ADN
06:48
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
408000
5000
é realmente a aventura intelectual mais excitante
em que já nos metemos.
06:54
Whether the humans survive or don't survive,
122
414000
3000
Podemos fazer coisas estranhas com esta coisa.
06:57
these things are going to be living on this planet or other planets.
123
417000
3000
Este é um bisonte indiano bebé.
07:00
And it's just beginning to understand this code of DNA
124
420000
4000
Os grupos de conservação reúnem-se.
tentam imaginar como criar um animal que está quase extinto.
07:04
that's really the most exciting intellectual adventure
125
424000
3000
07:07
that we've ever been on.
126
427000
3000
Não o podem fazer por métodos naturais,
por isso, agarram numa colher,
07:10
And you can do strange things with this stuff. This is a baby gaur.
127
430000
4000
colhem células na boca de um bisonte adulto,
07:14
Conservation group gets together,
128
434000
2000
codificam,
07:16
tries to figure out how to breed an animal that's almost extinct.
129
436000
4000
agarram nas células e introduzem-nas num ovo fertilizado de uma vaca,
07:21
They can't do it naturally, so what they do with this thing is
130
441000
3000
reprogramam o ovo da vaca — um código genético diferente.
07:24
they take a spoon, take some cells out of an adult gaur's mouth, code,
131
444000
5000
Depois, a vaca dá à luz um bisonte.
07:30
take the cells from that and insert it into a fertilized cow's egg,
132
450000
4000
Estamos a fazer estas experiências,
com bongos, pandas, elandes, tigres da Sumatra.
07:35
reprogram cow's egg -- different gene code.
133
455000
3000
e os australianos — abençoados sejam — brincam com estas coisas.
07:39
When you do that, the cow gives birth to a gaur.
134
459000
4000
O último destes animais morreu em setembro de 1936.
São os tigres da Tasmânia.
07:44
We are now experimenting with bongos, pandas, elands, Sumatran tigers,
135
464000
6000
O último conhecido morreu no Zoo de Hobart.
Mas à medida que aprendermos mais sobre o código genético
07:50
and the Australians -- bless their hearts --
136
470000
3000
e como reprogramar as espécies,
07:53
are playing with these things.
137
473000
1000
poderemos preencher as lacunas em ADN deteriorado.
07:54
Now, the last of these things died in September 1936.
138
474000
4000
07:58
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
478000
4000
Quando aprendermos a preencher as lacunas dos genes,
poderemos repor uma cadeia de ADN completa.
08:02
But it turns out that as we learn more about gene code
140
482000
3000
Se o fizermos e o inserirmos num ovo fertilizado de loba,
08:05
and how to reprogram species,
141
485000
2000
08:07
we may be able to close the gene gaps in deteriorate DNA.
142
487000
5000
poderemos fazer nascer um animal
que já não anda pela terra desde 1936.
08:12
And when we learn how to close the gene gaps,
143
492000
3000
Depois, poderemos ir ainda mais atrás, podemos pensar nos dodós,
08:15
then we can put a full string of DNA together.
144
495000
2000
08:18
And if we do that, and insert this into a fertilized wolf's egg,
145
498000
4000
podemos pensar noutras espécies.
Noutros sítios, como em Maryland, estão a tentar descobrir
08:23
we may give birth to an animal
146
503000
2000
qual é o antepassado comum.
08:25
that hasn't walked the earth since 1936.
147
505000
2000
Porque cada um de nós contém todo o código genético
08:28
And then you can start going back further,
148
508000
2000
do local onde estivemos durante milhares de milhões de anos.
08:30
and you can start thinking about dodos,
149
510000
2000
Evoluímos desse material,
08:33
and you can think about other species.
150
513000
1000
poderemos encontrar essa árvore da vida
08:35
And in other places, like Maryland, they're trying to figure out
151
515000
3000
Quando aprendermos a reprogramar,
talvez possamos dar vida a qualquer coisa
08:38
what the primordial ancestor is.
152
518000
2000
muito próxima do caldo primordial.
08:40
Because each of us contains our entire gene code
153
520000
3000
08:43
of where we've been for the past billion years,
154
523000
3000
Tudo isto aparece em coisas como estas.
São empresas que não existiam há cinco anos.
08:46
because we've evolved from that stuff,
155
526000
2000
Enormes instalações de sequenciação de genes
08:48
you can take that tree of life and collapse it back,
156
528000
2000
08:50
and in the measure that you learn to reprogram,
157
530000
3000
do tamanho de campos de futebol.
Algumas são públicas. Outras são privadas.
08:53
maybe we'll give birth to something
158
533000
2000
A primeira sequenciação de um ser humano custou cinco mil milhões de dólares
08:55
that is very close to the first primordial ooze.
159
535000
2000
08:57
And it's all coming out of things that look like this.
160
537000
2000
A segunda vez custou três milhões de dólares.
08:59
These are companies that didn't exist five years ago.
161
539000
2000
Teremos um genoma por mil dólares dentro de cinco a oito anos.
09:01
Huge gene sequencing facilities the size of football fields.
162
541000
4000
Isso significa que teremos o nosso código genético num CD.
09:05
Some are public. Some are private.
163
545000
2000
09:07
It takes about 5 billion dollars to sequence a human being the first time.
164
547000
3000
Será uma coisa muito aborrecida. Lê-se assim.
09:11
Takes about 3 million dollars the second time.
165
551000
2000
(Risos)
O que é bonito, é que é vida.
09:13
We will have a 1,000-dollar genome within the next five to eight years.
166
553000
4000
Laurie vai falar disso, daqui a pouco.
09:17
That means each of you will contain on a CD your entire gene code.
167
557000
4000
Porque, se encontrarem isto dentro do vosso corpo,
será um grande problema, porque trata-se do código do Ébola.
09:22
And it will be really boring. It will read like this.
168
562000
2000
É uma das doenças mais mortíferas que conhecemos.
09:25
(Laughter)
169
565000
2000
Mas as plantas e os animais funcionam da mesma maneira
09:27
The really neat thing about this stuff is that's life.
170
567000
2000
Esta maçã funciona da mesma maneira.
09:29
And Laurie's going to talk about this one a little bit.
171
569000
3000
Esta maçã é o mesmo que esta disquete.
09:32
Because if you happen to find this one inside your body,
172
572000
2000
A disquete codifica em uns e zeros
09:34
you're in big trouble, because that's the source code for Ebola.
173
574000
2000
e a maçã codifica em A, T, C. G e fica lá em cima,
a absorver energia numa árvore até que, um belo dia,
09:38
That's one of the deadliest diseases known to humans.
174
578000
2000
tem energia suficiente para clicar "Enter " e cai.
09:40
But plants work the same way and insects work the same way,
175
580000
2000
09:42
and this apple works the same way.
176
582000
2000
(Risos)
09:44
This apple is the same thing as this floppy disk.
177
584000
2000
09:46
Because this thing codes ones and zeros,
178
586000
2000
Quando abre o ficheiro .exe,
09:48
and this thing codes A, T, C, Gs, and it sits up there,
179
588000
2000
executa a primeira linha do código, que é assim:
09:50
absorbing energy on a tree, and one fine day
180
590000
3000
AATCAGGGACCC, o que significa "criar uma raiz".
09:53
it has enough energy to say, execute, and it goes [thump]. Right?
181
593000
4000
A linha seguinte do código: "criar um caule".
09:57
(Laughter)
182
597000
3000
A linha seguinte: TACGGGG: "criar uma flor branca,
10:00
And when it does that, pushes a .EXE, what it does is,
183
600000
4000
"que floresça na primavera, que cheire assim".
10:04
it executes the first line of code, which reads just like that,
184
604000
3000
Quando temos o código e o podemos ler
10:07
AATCAGGGACCC, and that means: make a root.
185
607000
3000
— a propósito, a primeira planta foi lida há dois anos,
10:10
Next line of code: make a stem.
186
610000
2000
o primeiro ser humano foi lido há dois anos,
10:12
Next line of code, TACGGGG: make a flower that's white,
187
612000
3000
o primeiro inseto foi lido há dois anos.
10:15
that blooms in the spring, that smells like this.
188
615000
3000
A primeira coisa que lemos foi em 1995:
10:18
In the measure that you have the code
189
618000
2000
uma pequena bactéria chamada Haemophilus influenza
10:20
and the measure that you read it --
190
620000
3000
Quando tivermos o código de origem, como todos sabemos,
10:23
and, by the way, the first plant was read two years ago;
191
623000
2000
podemos modificá-lo, e podemos reprogramar as formas de vida
10:25
the first human was read two years ago;
192
625000
2000
e esta coisinha passa a ser uma vacina
10:27
the first insect was read two years ago.
193
627000
2000
10:29
The first thing that we ever read was in 1995:
194
629000
3000
ou começa a produzir materiais biológicos.
A DuPont está a desenvolver um tipo de poliéster, no trigo,
10:32
a little bacteria called Haemophilus influenzae.
195
632000
2000
que tem a consistência da seda.
10:35
In the measure that you have the source code, as all of you know,
196
635000
3000
Isto altera tudo. Isto é vida, mas estamos em vias de a reprogramar.
10:38
you can change the source code, and you can reprogram life forms
197
638000
2000
10:40
so that this little thingy becomes a vaccine,
198
640000
2000
10:42
or this little thingy starts producing biomaterials,
199
642000
3000
Este é o aspeto que temos. este é um dos nossos cromossomas.
10:45
which is why DuPont is now growing a form of polyester
200
645000
3000
10:48
that feels like silk in corn.
201
648000
2000
Neste momento, podemos determinar exatamente
qual é o nosso cromossoma,
10:51
This changes all rules. This is life, but we're reprogramming it.
202
651000
5000
qual é o código genético do cromossoma que temos aqui
o que é que estes genes codificam, contra que animais codificam,
10:58
This is what you look like. This is one of your chromosomes.
203
658000
4000
e podemos ligar tudo à literatura científica.
Se conseguirmos fazer isso, vamos para casa
11:02
And what you can do now is,
204
662000
2000
ligamos a Internet
11:04
you can outlay exactly what your chromosome is,
205
664000
3000
e entramos na maior biblioteca pública do mundo, uma biblioteca da vida.
11:07
and what the gene code on that chromosome is right here,
206
667000
3000
11:10
and what those genes code for, and what animals they code against,
207
670000
3000
Podemos fazer coisas muito estranhas
porque, tal como podemos reprogramar esta maçã,
11:13
and then you can tie it to the literature.
208
673000
2000
11:15
And in the measure that you can do that, you can go home today,
209
675000
3000
Cliff Tabin, no laboratório da Escola de Medicina de Harvard
11:18
and get on the Internet, and access
210
678000
2000
está a reprogramar embriões de galinha para terem mais asas.
11:20
the world's biggest public library, which is a library of life.
211
680000
3000
11:24
And you can do some pretty strange things
212
684000
2000
Porque é que Cliff está a fazer isso? Ele nem sequer tem um restaurante.
11:26
because in the same way as you can reprogram this apple,
213
686000
2000
(Risos)
11:29
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
689000
2000
Ele está a reprogramar esse animal para ter mais asas
11:32
he's reprogramming chicken embryos to grow more wings.
215
692000
4000
porque, quando costumávamos brincar com lagartos, em miúdos,
e apanhávamos um lagarto, por vezes o rabo caía, mas renascia.
11:38
Why would Cliff be doing that? He doesn't have a restaurant.
216
698000
3000
Nos seres humanos não.
11:41
(Laughter)
217
701000
1000
11:43
The reason why he's reprogramming that animal to have more wings
218
703000
3000
Podemos cortar um braço, uma perna — não voltam a crescer.
Mas como cada uma das nossas células contém todo o nosso código genético,
11:46
is because when you used to play with lizards as a little child,
219
706000
3000
11:49
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
709000
4000
cada célula pode ser reprogramada
— se continuarmos com a investigação das células estaminais
11:53
Not so in human beings:
221
713000
3000
e com a investigação genómica —
11:56
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
716000
3000
para exprimir diferentes funções do corpo.
11:59
But because each of your cells contains your entire gene code,
223
719000
4000
Quando aprendermos como os frangos desenvolvem asas
e qual é o programa para essas células se diferenciarem,
12:04
each cell can be reprogrammed, if we don't stop stem cell research
224
724000
4000
uma das coisas que poderemos fazer
12:08
and if we don't stop genomic research,
225
728000
2000
é interromper a diferenciação das células, aquilo que provoca o cancro,
12:10
to express different body functions.
226
730000
3000
Uma das coisas que vamos aprender a fazer
12:14
And in the measure that we learn how chickens grow wings,
227
734000
3000
é como reprogramar células como as células estaminais
12:17
and what the program is for those cells to differentiate,
228
737000
2000
de forma que elas se diferenciem em osso, estômago, pele, pâncreas.
12:19
one of the things we're going to be able to do
229
739000
3000
12:22
is to stop undifferentiated cells, which you know as cancer,
230
742000
3000
Provavelmente andaremos a passear — nós e os nossos filhos —
12:26
and one of the things we're going to learn how to do
231
746000
2000
dentro de algum tempo, com partes do corpo duplicadas,
12:28
is how to reprogram cells like stem cells
232
748000
3000
12:31
in such a way that they express bone, stomach, skin, pancreas.
233
751000
6000
nalguns locais do mundo em que não puseram a investigação de lado.
Como é que isto funciona?
12:38
And you are likely to be wandering around -- and your children --
234
758000
3000
Cada um de nós é 0,1% diferente do seu vizinho.
12:41
on regrown body parts in a reasonable period of time,
235
761000
3000
mas apenas em 3%, dos códigos,
ou seja, a diferença é só de um milésimo de 3%.
12:45
in some places in the world where they don't stop the research.
236
765000
3000
Diferenças muito pequenas na expressão e na pontuação
podem fazer uma diferença significativa.
12:50
How's this stuff work? If each of you differs
237
770000
5000
Vejam uma simples frase afirmativa.
[Uma mulher sem o marido é zero]
12:55
from the person next to you by one in a thousand, but only three percent codes,
238
775000
3000
(Risos)
Não é?
É perfeitamente claro.
12:58
which means it's only one in a thousand times three percent,
239
778000
2000
Os homens leem esta frase, olham para esta frase e leem assim:
13:00
very small differences in expression and punctuation
240
780000
3000
13:03
can make a significant difference. Take a simple declarative sentence.
241
783000
3000
[Uma mulher, sem o marido, é zero]
13:08
(Laughter)
242
788000
2000
Ok?
13:10
Right?
243
790000
1000
Mas as mulheres olham para a frase e dizem:
13:11
That's perfectly clear. So, men read that sentence,
244
791000
4000
"Hum... está errado. Deve ler-se assim."
13:15
and they look at that sentence, and they read this.
245
795000
2000
[Uma mulher: sem ela, o marido é zero]
(Risos)
(Aplausos)
13:23
Okay?
246
803000
1000
13:24
Now, women look at that sentence and they say, uh-uh, wrong.
247
804000
4000
É o que os nossos genes fazem
É por isso que você é 0,1% diferente desta pessoa aqui.
13:28
This is the way it should be seen.
248
808000
2000
13:32
(Laughter)
249
812000
8000
Mas, ele é muito bem parecido, mas...
é melhor não continuar.
Podemos fazer isto, mesmo sem alterar a pontuação,
13:40
That's what your genes are doing.
250
820000
1000
13:41
That's why you differ from this person over here by one in a thousand.
251
821000
5000
Podemos olhar para isto:
[O IRS]
13:46
Right? But, you know, he's reasonably good looking, but...
252
826000
3000
Eles olham para a palavra de modo diferente.
Olham para a mesma palavra e dizem:
13:49
I won't go there.
253
829000
2000
[Deles]
(Risos)
13:52
You can do this stuff even without changing the punctuation.
254
832000
3000
13:56
You can look at this, right?
255
836000
4000
É o mesmo com o código genético — é por isso que temos 30 000 genes.
14:00
And they look at the world a little differently.
256
840000
2000
Os ratos têm 30 000 genes, os maridos têm 30 000 genes,
14:02
They look at the same world and they say...
257
842000
2000
Os ratos e os homens são iguais. Aliás, as mulheres sabem isso.
14:04
(Laughter)
258
844000
6000
Podemos fazer mudanças mínimas no código genético
14:10
That's how the same gene code -- that's why you have 30,000 genes,
259
850000
4000
e obter resultados muito diferentes,
com a mesma enfiada de letras.
14:14
mice have 30,000 genes, husbands have 30,000 genes.
260
854000
3000
14:17
Mice and men are the same. Wives know that, but anyway.
261
857000
3000
É o que os nossos genes fazem todos os dias.
É por isso que, por vezes, os genes duma pessoa
14:21
You can make very small changes in gene code
262
861000
2000
não têm de mudar muito para produzir um cancro.
14:23
and get really different outcomes,
263
863000
2000
14:27
even with the same string of letters.
264
867000
2000
Estes pequenos chips são do tamanho de um cartão de crédito.
14:31
That's what your genes are doing every day.
265
871000
2000
Podem pesquisar 60 000 doenças genéticas.
14:34
That's why sometimes a person's genes
266
874000
2000
14:36
don't have to change a lot to get cancer.
267
876000
2000
Isto levanta questões de privacidade e de segurança
e outras coisas, mas também nos permite pesquisar doenças,
14:42
These little chippies, these things are the size of a credit card.
268
882000
4000
porque se testarmos uma pessoa com leucemia, com uma coisa destas,
três doenças com síndromas clínicos totalmente semelhantes
14:47
They will test any one of you for 60,000 genetic conditions.
269
887000
2000
14:50
That brings up questions of privacy and insurability
270
890000
3000
revelam ser doenças totalmente diferentes.
14:53
and all kinds of stuff, but it also allows us to start going after diseases,
271
893000
2000
porque na leucemia ALL, este conjunto de genes manifesta-se exageradamente,
14:56
because if you run a person who has leukemia through something like this,
272
896000
3000
na MLL, é o conjunto de genes do meio
e na AML, é o conjunto de genes em baixo.
15:00
it turns out that three diseases with
273
900000
2000
15:02
completely similar clinical syndromes
274
902000
4000
Se uma destas coisas se exprime no nosso corpo,
15:06
are completely different diseases.
275
906000
2000
tomamos Gleevec e ficamos curados.
15:08
Because in ALL leukemia, that set of genes over there over-expresses.
276
908000
3000
Se não se exprime no nosso corpo,
15:11
In MLL, it's the middle set of genes,
277
911000
2000
se não temos um destes tipos — nenhum destes tipos —
15:13
and in AML, it's the bottom set of genes.
278
913000
2000
não vale a pena tomar Gleevec, não nos fará nada.
15:15
And if one of those particular things is expressing in your body,
279
915000
5000
O mesmo com o Receptin, se tivemos cancro da mama.
15:20
then you take Gleevec and you're cured.
280
920000
2000
Não temos um recetor HER-2? Não tomamos Receptin.
15:23
If it is not expressing in your body,
281
923000
2000
Isto altera a natureza da medicina, as previsões da medicina.
15:25
if you don't have one of those types --
282
925000
2000
15:27
a particular one of those types -- don't take Gleevec.
283
927000
3000
Altera a forma como funciona a medicina.
15:30
It won't do anything for you.
284
930000
1000
O maior repositório de conhecimento quando fomos para a faculdade
15:32
Same thing with Receptin if you've got breast cancer.
285
932000
2000
era esta coisa.
Mas hoje já não é assim tão importante, a Biblioteca do Congresso dos EUA,
15:35
Don't have an HER-2 receptor? Don't take Receptin.
286
935000
3000
15:38
Changes the nature of medicine. Changes the predictions of medicine.
287
938000
4000
Em termos dos seus volumes de dados impressos,
contém menos dados do que os que saem todos os meses,
15:42
Changes the way medicine works.
288
942000
2000
15:44
The greatest repository of knowledge when most of us went to college
289
944000
3000
de uma boa empresa de genómica, sob forma de química.
15:47
was this thing, and it turns out that
290
947000
2000
Vou repetir.
15:49
this is not so important any more.
291
949000
2000
Uma única empresa de genómica gera mais dados num mês, sob forma química,
15:51
The U.S. Library of Congress, in terms of its printed volume of data,
292
951000
4000
do que as coleções impressas da Biblioteca do Congresso.
15:55
contains less data than is coming out of a good genomics company
293
955000
4000
Foi o que estimulou a economia dos EUA,
15:59
every month on a compound basis.
294
959000
3000
é a Lei de Moore.
16:02
Let me say that again: A single genomics company
295
962000
3000
Todos sabemos que o preço dos computadores desce para metade, cada 18 meses
16:05
generates more data in a month, on a compound basis,
296
965000
3000
e a potência deles duplica.
16:08
than is in the printed collections of the Library of Congress.
297
968000
3000
Mas quando pomos isso, lado a lado,
com a velocidade com que os dados genéticos
16:12
This is what's been powering the U.S. economy. It's Moore's Law.
298
972000
4000
estão a ser depositados no GenBank,
16:16
So, all of you know that the price of computers halves every 18 months
299
976000
5000
a Lei de Moore é a linha azul.
16:21
and the power doubles, right?
300
981000
2000
Isto é numa escala logarítmica,
16:23
Except that when you lay that side by side with the speed
301
983000
4000
é o que significa um crescimento super exponencial.
Isto vai obrigar os computadores a evoluir mais depressa
16:27
with which gene data's being deposited in GenBank,
302
987000
3000
do que têm estado a evoluir,
16:30
Moore's Law is right here: it's the blue line.
303
990000
4000
porque até agora nenhuma aplicação exigiu esta necessidade
de andar mais depressa do que a Lei de Moore.
16:35
This is on a log scale, and that's what superexponential growth means.
304
995000
4000
Mas isto exige.
Este é um mapa interessante.
16:39
This is going to push computers to have to grow faster
305
999000
4000
É um mapa que foi elaborado na Escola de Gestão de Harvard.
16:43
than they've been growing, because so far,
306
1003000
2000
Uma das questões mais interessantes é:
16:45
there haven't been applications that have been required
307
1005000
3000
"Se todos estes dados são gratuitos, quem os usa?
Isto é a maior biblioteca pública do mundo.
16:48
that need to go faster than Moore's Law. This stuff does.
308
1008000
3000
Há cerca de 27 biliões de bits
16:51
And here's an interesting map.
309
1011000
2000
16:53
This is a map which was finished at the Harvard Business School.
310
1013000
4000
a mover-se aqui internamente, dos EUA para os EUA;
cerca de 4,6 biliões vão para estes países da Europa;
16:57
One of the really interesting questions is, if all this data's free,
311
1017000
3000
17:00
who's using it? This is the greatest public library in the world.
312
1020000
4000
cerca de 5,5 biliões vão para o Japão;
quase não há comunicação com o Japão e mais ninguém é versado nesta coisa.
17:04
Well, it turns out that there's about 27 trillion bits
313
1024000
3000
17:07
moving inside from the United States to the United States;
314
1027000
3000
É gratuito. Ninguém os lê.
17:10
about 4.6 trillion is going over to those European countries;
315
1030000
4000
Estão concentrados na guerra, no Bush.
Não estão interessados na vida.
17:14
about 5.5's going to Japan; there's almost no communication
316
1034000
3000
É este o aspeto de um novo mapa do mundo.
17:17
between Japan, and nobody else is literate in this stuff.
317
1037000
4000
Este é o mundo geneticamente letrado.
17:21
It's free. No one's reading it. They're focusing on the war;
318
1041000
5000
E isso é um problema.
Na verdade, não é um mundo genomicamente letrado.
17:26
they're focusing on Bush; they're not interested in life.
319
1046000
2000
Podemos dividir isto por estados.
Vemos estados a subir e a descer
17:29
So, this is what a new map of the world looks like.
320
1049000
2000
consoante a sua capacidade de falar a linguagem da vida.
17:32
That is the genomically literate world. And that is a problem.
321
1052000
6000
Vemos Nova Iorque a cair a pique, Nova Jérsei a cair a pique,
vemos a subida de novos impérios de informações.
17:38
In fact, it's not a genomically literate world.
322
1058000
2000
17:40
You can break this out by states.
323
1060000
2000
Podemos dividir por condados, porque há condados específicos.
17:42
And you can watch states rise and fall depending on
324
1062000
2000
Se quisermos ser ainda mais específicos,
17:44
their ability to speak a language of life,
325
1064000
2000
dividimos por códigos postais.
17:46
and you can watch New York fall off a cliff,
326
1066000
2000
(Risos)
17:48
and you can watch New Jersey fall off a cliff,
327
1068000
2000
Querem saber onde é que a vida acontece?
17:50
and you can watch the rise of the new empires of intelligence.
328
1070000
3000
Na Califórnia do Sul, é no 92121.
17:54
And you can break it out by counties, because it's specific counties.
329
1074000
3000
E é tudo.
17:57
And if you want to get more specific,
330
1077000
2000
E há o triângulo entre Salk, Scripps, UCSD,
17:59
it's actually specific zip codes.
331
1079000
2000
18:01
(Laughter)
332
1081000
2000
18:03
So, you want to know where life is happening?
333
1083000
3000
que se chama Torrey Pines Road.
Não é preciso ser uma grande nação, para ter êxito,
18:06
Well, in Southern California it's happening in 92121. And that's it.
334
1086000
5000
não é preciso muita gente para ter êxito,
e podemos movimentar a maior parte da riqueza de um país
18:12
And that's the triangle between Salk, Scripps, UCSD,
335
1092000
5000
em três ou quatro Boeing 747 cuidadosamente empilhados.
18:17
and it's called Torrey Pines Road.
336
1097000
2000
O mesmo em Massachusetts.
18:19
That means you don't need to be a big nation to be successful;
337
1099000
3000
Parece mais espalhado
— a propósito, os que têm a mesma cor são contíguos.
18:22
it means you don't need a lot of people to be successful;
338
1102000
2000
18:24
and it means you can move most of the wealth of a country
339
1104000
3000
Qual é o efeito disto tudo?
18:27
in about three or four carefully picked 747s.
340
1107000
3000
Numa sociedade agrícola, a diferença entre os mais ricos e os mais pobres,
18:31
Same thing in Massachusetts. Looks more spread out but --
341
1111000
4000
os mais produtivos e os menos produtivos era de cinco para um.
Porquê?
18:35
oh, by the way, the ones that are the same color are contiguous.
342
1115000
3000
Porque, na agricultura, quem tinha 10 filhos
e crescia um pouco mais cedo e trabalhava um pouco mais,
18:39
What's the net effect of this?
343
1119000
2000
podia produzir cinco vezes mais riqueza, em média,
18:41
In an agricultural society, the difference between
344
1121000
2000
do que o vizinho.
18:43
the richest and the poorest,
345
1123000
1000
Numa sociedade do conhecimento, esse número é hoje de 427 para 1.
18:45
the most productive and the least productive, was five to one. Why?
346
1125000
4000
É determinante ser-se letrado, não apenas em ler e escrever,
18:49
Because in agriculture, if you had 10 kids
347
1129000
2000
18:51
and you grow up a little bit earlier and you work a little bit harder,
348
1131000
3000
em inglês. francês e alemão.
18:54
you could produce about five times more wealth, on average,
349
1134000
2000
mas em Microsoft, em Linux e em Apple.
18:56
than your neighbor.
350
1136000
1000
Dentro em pouco, vai ser determinante se somos letrados no código da vida.
18:58
In a knowledge society, that number is now 427 to 1.
351
1138000
3000
Se há alguma coisa de que devam ter medo
19:02
It really matters if you're literate, not just in reading and writing
352
1142000
4000
é de não estarem com os olhos postos na bola.
19:06
in English and French and German,
353
1146000
2000
Porque é determinante quem fala vida.
19:08
but in Microsoft and Linux and Apple.
354
1148000
2000
É por isso que as nações ascendem e came.
19:11
And very soon it's going to matter if you're literate in life code.
355
1151000
4000
Se voltarmos à década de 1870,
a nação mais produtiva na terra, por pessoa, era a Austrália.
19:15
So, if there is something you should fear,
356
1155000
2000
19:17
it's that you're not keeping your eye on the ball.
357
1157000
3000
E a Nova Zelândia estava ali em cima. Os EUA apareceram em 1950,
19:20
Because it really matters who speaks life.
358
1160000
2000
A Suíça em 1973, depois os EUA voltaram ao topo.
19:23
That's why nations rise and fall.
359
1163000
2000
Vencemos os chocolates e os relógios de cuco.
19:26
And it turns out that if you went back to the 1870s,
360
1166000
3000
19:29
the most productive nation on earth was Australia, per person.
361
1169000
3000
Todos sabemos qual é a nação mais produtiva, hoje.
19:32
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1172000
3000
É o Luxemburgo, que produz cerca de um terço mais riqueza
19:35
and then Switzerland about 1973, and then the U.S. got back on top --
363
1175000
3000
por pessoa, por ano, do que os EUA.
Um estado pequeno encravado.
19:39
beat up their chocolates and cuckoo clocks.
364
1179000
2000
Não tem petróleo, nem diamantes, nem recursos naturais.
19:43
And today, of course, you all know that the most productive nation
365
1183000
3000
Apenas pessoas inteligentes a movimentar bits.
19:46
on earth is Luxembourg, producing about one third more wealth
366
1186000
3000
Regras diferentes.
19:49
per person per year than America.
367
1189000
2000
Estas são taxas de produtividade diferenciais.
O número de pessoas necessárias para produzir uma patente americana.
19:52
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1192000
4000
Cerca de 3000 americanos, 6000 coreanos, 14 000 britânicos,
19:56
Just smart people moving bits. Different rules.
369
1196000
5000
790 000 argentinos.
Sabem porque é que a Argentina está a afundar-se?
20:02
Here's differential productivity rates.
370
1202000
3000
Não tem nada a ver com a inflação, nem com a privatização.
20:06
Here's how many people it takes to produce a single U.S. patent.
371
1206000
3000
Podem agarrar num economista de Harvard e pô-lo à frente da Argentina.
20:09
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1209000
4000
Ele vai afundar o país
20:13
790,000 Argentines. You want to know why Argentina's crashing?
373
1213000
3000
porque não percebe até que ponto mudaram as regras.
20:16
It's got nothing to do with inflation.
374
1216000
2000
Oh, bem, são precisos cerca de 5,6 milhões de indianos.
20:18
It's got nothing to do with privatization.
375
1218000
2000
Reparem no que acontece com a Índia.
20:20
You can take a Harvard-educated Ivy League economist,
376
1220000
4000
A Índia e a China costumavam ser 40% da economia mundial,
20:24
stick him in charge of Argentina. He still crashes the country
377
1224000
3000
na altura da Revolução Industrial, e agora são uns 4,8%.
20:27
because he doesn't understand how the rules have changed.
378
1227000
2000
Dois mil milhões de pessoas.
20:30
Oh, yeah, and it takes about 5.6 million Indians.
379
1230000
3000
Um terço da população mundial a produzir 5% da riqueza
20:33
Well, watch what happens to India.
380
1233000
2000
20:35
India and China used to be 40 percent of the global economy
381
1235000
3000
porque não apanharam esta mudança,
continuam a tratar o povo como servos,
20:38
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1238000
5000
em vez de acionistas de um projeto comum.
Não conservaram as pessoas instruídas.
20:43
Two billion people. One third of the global population producing 5 percent of the wealth
383
1243000
4000
Não fomentaram os negócios. Não fizeram as Ofertas Públicas Iniciais.
20:47
because they didn't get this change,
384
1247000
3000
Sillicon Valley fê-lo.
20:50
because they kept treating their people like serfs
385
1250000
2000
É por isso que se diz que Sillicon Valley foi impulsionada pelos CI.
20:52
instead of like shareholders of a common project.
386
1252000
3000
Não são os Circuitos Integrados, são os chineses e os indianos.
20:56
They didn't keep the people who were educated.
387
1256000
3000
(Risos)
20:59
They didn't foment the businesses. They didn't do the IPOs.
388
1259000
2000
21:02
Silicon Valley did. And that's why they say
389
1262000
4000
Isto é o que está a acontecer no mundo.
Se tivessem ido à ONU, em 1950,
21:06
that Silicon Valley has been powered by ICs.
390
1266000
2000
quando ela foi fundada, havia 50 países neste mundo.
21:09
Not integrated circuits: Indians and Chinese.
391
1269000
3000
Hoje, há cerca de 192.
21:12
(Laughter)
392
1272000
4000
País atrás de país, está a dividir-se, a separar-se, a ter êxito, a decair
21:16
Here's what's happening in the world.
393
1276000
2000
21:18
It turns out that if you'd gone to the U.N. in 1950,
394
1278000
3000
— e está tudo a ficar muito fragmentado.
Isto não parou nos anos 90.
21:21
when it was founded, there were 50 countries in this world.
395
1281000
2000
21:23
It turns out there's now about 192.
396
1283000
3000
Há estados soberanos que não existiam antes de 1990.
21:26
Country after country is splitting, seceding, succeeding, failing --
397
1286000
4000
Isto não inclui fusões ou mudança de nomes ou de bandeiras.
21:31
and it's all getting very fragmented. And this has not stopped.
398
1291000
5000
Nascem 3,12 novos estados por ano.
As pessoas estão a assumir o controlo dos seus estados,
21:36
In the 1990s, these are sovereign states
399
1296000
3000
por vezes para o melhor, e, por vezes para o pior.
21:39
that did not exist before 1990.
400
1299000
2000
21:41
And this doesn't include fusions or name changes or changes in flags.
401
1301000
5000
O que é realmente interessante
é que nós e os nossos filhos temos o poder de construir grandes impérios
21:46
We're generating about 3.12 states per year.
402
1306000
3000
e não precisamos de muito para issso.
(Música)
21:49
People are taking control of their own states,
403
1309000
3000
Dado que a música acabou, eu ia dizer
21:52
sometimes for the better and sometimes for the worse.
404
1312000
3000
como é que podemos usar isso para gerar muita riqueza
21:55
And the really interesting thing is,
405
1315000
2000
e como funciona o código.
21:57
you and your kids are empowered to build great empires,
406
1317000
2000
Moderador: Mais dois minutos.
21:59
and you don't need a lot to do it.
407
1319000
2000
(Risos)
Não.
22:01
(Music)
408
1321000
2000
Vou parar aqui e fazemos isso no próximo ano,
22:03
And, given that the music is over, I was going to talk
409
1323000
3000
porque não quero roubar tempo à Laurie.
22:06
about how you can use this to generate a lot of wealth,
410
1326000
3000
Muito obrigado.
(Aplausos)
22:09
and how code works.
411
1329000
2000
22:11
Moderator: Two minutes.
412
1331000
1000
22:12
(Laughter)
413
1332000
2000
22:14
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1334000
4000
22:18
because I don't want to take any of Laurie's time.
415
1338000
2000
22:21
But thank you very much.
416
1341000
1000
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7