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

Çeviri: Cüneyt Cüneydioglu Gözden geçirme: Elif Yağmur Turan

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

Önümüzdeki 16 dakika boyunca, sizi bir yolculuğa çıkaracağım.

that is probably the biggest dream of humanity:

Yaşamın kodunu anlamak muhtemelen insanlığın

to understand the code of life.

en büyük hayali olmuştur.

So for me, everything started many, many years ago

Benim için her şey uzun yıllar önce

when I met the first 3D printer.

3B yazıcılar ile tanıştığımda başladı.

The concept was fascinating.

Konsept muazzamdı.

A 3D printer needs three elements:

3B yazıcılar üç bileşene ihtiyaç duyar:

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

Birazcık bilgi, biraz ham madde, biraz enerji.

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

Bunlarla birlikte yeni bir nesneyi üretebilir.

I was doing physics, I was coming back home

Fizikle uğraşırken

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

3B yazıcıların sanki hep bildiğim bir şey olduğunu fark ettim.

And everyone does.

Herkes biliyordu.

It was my mom.

Annem bile.

(Laughter)

(Gülüşmeler)

My mom takes three elements:

Annem üç bileşeni kullanıyordu:

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

Biraz bilgi; yani babam ve annem arasındaki bilgi,

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

aynı ortamdaki ham madde ve enerji; bu yemek oluyor

and after several months, produces me.

ve birkaç ay sonra, ben var oluyorum.

And I was not existent before.

Ben daha önce yoktum.

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

Annem kendisinin 3B yazıcı olduğunu keşfetmesiyle şoke olması dışında,

I immediately got mesmerized by that piece,

bu parçadan çok etkilenmiştim.

the first one, the information.

İlk parça olan bilgiden.

What amount of information does it take

Ne kadar büyüklükteki bir veri

to build and assemble a human?

bir insanı inşa edip bir araya getirebilirdi?

Is it much? Is it little?

Çok mu? Az mı?

How many thumb drives can you fill?

Kaç tane flash belleği doldururdu?

Well, I was studying physics at the beginning

Evet, başlarda fizikle uğraşıyordum

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

ve bunu insanın dev bir Lego parçasına benzerliği gibi düşündüm.

So, imagine that the building blocks are little atoms

Şöyle ki, yapılan blokların küçük atomlar olduğunu hayal edin

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

ve burada bir hidrojen var, karbon var, nitrojen var.

So in the first approximation,

Başta tahminime göre şöyle düşündüm:

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

İnsanoğlunu oluşturan atom numaralarını listeye dökebilirsem

I can build it.

bunu oluşturabilirim.

Now, you can run some numbers

Şimdi, birkaç sayı sayabilirsiniz

and that happens to be quite an astonishing number.

ve bu bayağı büyük bir sayı olabilir.

So the number of atoms,

Yani küçücük bir bebeği oluşturmak için aslında

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

tüm Titanik'i dolduracak kadar flash belleğe

will actually fill an entire Titanic of thumb drives --

ihtiyacım var.

multiplied 2,000 times.

Hatta 2.000 katı.

This is the miracle of life.

Bu, hayatın mucizesi.

Every time you see from now on a pregnant lady,

Şu andan itibaren her gördüğünüz gebe kadını,

she's assembling the biggest amount of information

görüp görebileceğiniz en büyük veriyi bir araya

that you will ever encounter.

getiren kişiler olarak düşünebilirsiniz.

Forget big data, forget anything you heard of.

Yüksek hafızalı verileri, duyduğunuz her şeyi unutun.

This is the biggest amount of information that exists.

Bu, var olan en büyük miktardaki veri topluluğu.

(Applause)

(Alkışlar)

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

Fakat doğa, neyse ki, genç bir fizikçiden daha zeki

and in four billion years, managed to pack this information

ve dört milyar yıl boyunca bu bilgiyi DNA dediğimiz küçük kristalin içinde

in a small crystal we call DNA.

depolamayı başardı.

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

Onunla,1950'de; genç bir bilim insanı, bir kadın, Rosalind Franklin'in

an amazing scientist, a woman,

onun bir resmini çekmesiyle

took a picture of it.

tanışmış olduk.

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

Ancak bir insan hücresinin içine erişmemiz 40 yıldan fazla bir süreyi aldı.

take out this crystal,

Bundan kastım, bu kristal tanesini alıp,

unroll it, and read it for the first time.

açıp ilk kez okumaktan bahsediyorum.

The code comes out to be a fairly simple alphabet,

Aslına bakarsanız bu kodun oldukça kolay bir alfabesi var:

four letters: A, T, C and G.

A, T, C ve G sadece dört harf var.

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

Ve bir insan yaratabilmek için onlardan üç milyarına ihtiyaç var.

Three billion.

Üç milyar.

How many are three billion?

Peki kaç tane üç milyar?

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

Rakam olarak bahsedince pek anlaşılmıyor değil mi?

So I was thinking how I could explain myself better

Ben de böylesine devasa bir rakam ile uğraşırken kendimi nasıl

about how big and enormous this code is.

daha iyi ifade ederim diye düşünüyordum.

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

Şöyle ki - yani biraz yardıma ihtiyacım olacak

and the best person to help me introduce the code

ve bana yardım edebilecek en iyi kişi aslına bakarsanız

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

Dr. Craig Venter, bunu ilk kez sınıflandıran, düzenleyen kişi.

So welcome onstage, Dr. Craig Venter.

Ve sahneye hoş geldiniz Dr.Craig Venter.

(Applause)

(Alkış)

Not the man in the flesh,

Bizzat kendisi değil,

but for the first time in history,

tarihte ilk defa

this is the genome of a specific human,

belirlediğimiz bir insanın sayfa sayfa, harf harf

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

görüntüsünü size sunuyorum.

262,000 pages of information,

262.000 sayfa bilgi,

450 kilograms, shipped from the United States to Canada

450 kg, Amerika'dan Kanada'ya Bruno Bowden, yeni girişim Lulu.com

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

sayesinde getirildi.

It was an amazing feat.

İnanılmaz bir başarıydı.

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

Ama bu yaşamın kodlanışını görsel algılayışımızdır.

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

Şimdi ilk defa enteresan bir şey yapacağım.

I can actually poke inside it and read.

Bunlardan birine dadanıp okuyabilirim.

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

İlginç bir kitap seçeyim...bunun gibi.

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

Şöyle bir bilgi vereyim; bu bayağı bir büyük kitap.

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

O hâlde bakalım yaşamımızın kodlanması nasılmış.

Thousands and thousands and thousands

Binlerce ve binlerce ve binlerce

and millions of letters.

ve milyonlarca harf.

And they apparently make sense.

Elbette bu harflerin bir anlamı var.

Let's get to a specific part.

Şimdi asıl konuya gelelim.

Let me read it to you:

Size okuyayım:

(Laughter)

(Gülüşmeler)

"AAG, AAT, ATA."

"AAG, AAT, ATA."

To you it sounds like mute letters,

Size anlam ifade etmeyen harfler gibi geliyor

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

ama bu dizilim bize Craig'in göz rengini veriyor.

I'll show you another part of the book.

Size kitabın başka bir yerini göstereyim.

This is actually a little more complicated.

Bu biraz daha karışık aslında.

Chromosome 14, book 132:

Kromozom 14, 132. kitap:

(Laughter)

(Gülüşmeler)

As you might expect.

Tahmin edeceğiniz üzere.

(Laughter)

(Gülüşmeler)

"ATT, CTT, GATT."

"ATT, CTT, GATT."

This human is lucky,

Bu insan şanslı.

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

Çünkü bu yerde sadece iki harf eksik olsaydı --

two letters of our three billion --

yani üç milyar içerisinden iki harf --

he will be condemned to a terrible disease:

korkunç bir hastalığa yakalanırdı ve bu:

cystic fibrosis.

Kistik fibrozis.

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

Tedavi edemiyoruz, nasıl çözeceğimizi bilmiyoruz

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

ve bu bizim şu anki hâlimizden sadece iki harf farklı.

A wonderful book, a mighty book,

Mükemmel ve muazzam bir kitap. Öyle bir kitap ki

a mighty book that helped me understand

bazı şeyleri anlamama yardımcı oldu

and show you something quite remarkable.

ve size dikkate değer bir şey göstermeme olanak verdi.

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

Her biriniz; sizi siz, beni ben yapan her şey

is just about five million of these,

bunların beş milyonu içinde gizlidir,

half a book.

yani kitabın yarısı.

For the rest,

Gerisi içinse şunu diyebilirim,

we are all absolutely identical.

hepimiz birbirimizin benzeriyiz.

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

Beş yüz sayfa sizi hayatın mucizesi hâline getirdi.

The rest, we all share it.

Geri kalanını hepimiz paylaşıyoruz.

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

Yani farklı olduğunuzu düşündüğüzde bir kez daha düşünün.

This is the amount that we share.

Paylaştığımız miktar bu.

So now that I have your attention,

Yani şimdi ilginizi çektiğime göre,

the next question is:

bundan sonraki soru şu:

How do I read it?

Bunu nasıl okuyabilirim?

How do I make sense out of it?

Bundan nasıl anlam çıkarabilirim?

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

İsveç eşyalarını kurmada ne kadar iyi olursanız olun,

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

bu kullanım kılavuzu ile bir yere gelemezsiniz.

(Laughter)

(Gülüşmeler)

And so, in 2014, two famous TEDsters,

2014'te iki ünlü TED'ci

Peter Diamandis and Craig Venter himself,

Peter Diamandis ve Craig Venter kendi başlarına

decided to assemble a new company.

bir şirket kurmaya karar verdiler.

Human Longevity was born,

Human Longevity'i hayata geçirdiler.

with one mission:

Tek misyonu vardı:

trying everything we can try

Denenebilecek her şeyi denemek,

and learning everything we can learn from these books,

sonrasında bu kitaplardan öğrenebilecek her şeyi öğrenmek

with one target --

ve tek bir hedef vardı:

making real the dream of personalized medicine,

Kişiye özel ilaç hayalini gerçekliğe kavuşturmak,

understanding what things should be done to have better health

daha iyi bir sağlığa sahip olmak için neler yapılabileceğini anlamak

and what are the secrets in these books.

ve bu kitaplardaki gizemleri çözmek.

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

Harika bir ekip, 40 veri bilimcisi ve onlarla çalışmanın

a pleasure to work with.

bir zevk olduğu birçok insan.

The concept is actually very simple.

Aslında konsept oldukça sadeydi.

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

Makine öğrenimi dediğimiz bir teknoloji kullanacağız.

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

Bir tarafta binlerce genomumuz var.

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

Diğer yanda da fenotiplerle, 3B tarayıcılarla, NMR ve aklınıza gelebilecek

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

her şey ile insanoğlunun en büyük veri tabanını bir araya getirdik.

Inside there, on these two opposite sides,

Bu iki zıt tarafın içinde

there is the secret of translation.

bu işin tercüme edilmesinde bir giz var.

And in the middle, we build a machine.

Ortasındaysa, bir makine inşa edişimiz var.

We build a machine and we train a machine --

Bir makine üretiyoruz ve onu eğitiyoruz.

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

Aslında bir makine de değil, birçok makine.

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

Bunu fenotipteki genomu tercüme etmek ve anlamak için yapıyoruz.

What are those letters, and what do they do?

Bu harflerin anlamı ne, bunlar ne yapar?

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

Bu, her amaca hizmete edebilecek bir girişim.

but using it in genomics is particularly complicated.

Ancak bunu genomik alanında kullanmak kısmen karmaşık.

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

Yavaş yavaş büyüdük ve kendimize farklı hedefler koyduk.

We started from the beginning, from common traits.

İşin başından, yani ortak özelliklerden başladık.

Common traits are comfortable because they are common,

Ortak özellikler iyi bir seçenek, çünkü onlar ortak;

everyone has them.

herkes onlara sahip.

So we started to ask our questions:

Sonrasında sorularımızı sormaya başladık:

Can we predict height?

Boyu tahmin edebilir miyiz?

Can we read the books and predict your height?

Kitapları okuyup sonra boyunu tahmin edebilir miyiz?

Well, we actually can,

Evet, aslında edebiliriz.

with five centimeters of precision.

Beş santimetre yakınlıkla yapabiliriz.

BMI is fairly connected to your lifestyle,

BMI (Vücut kitle endeksi) sizin yaşamınıza çok yakındır.

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

Yine de tahminen sekiz kilo yakınlığı tahmin edebiliriz.

Can we predict eye color?

Peki göz rengini tahmin edebilir miyiz?

Yeah, we can.

Evet, edebiliriz.

Eighty percent accuracy.

Yüzde 80 kesinlikle.

Can we predict skin color?

Ten rengini tahmin edebilir miyiz?

Yeah we can, 80 percent accuracy.

Evet, yüzde 80 oranla.

Can we predict age?

Yaşı tahmin edebilir miyiz?

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

Evet, çünkü bu kod hayatın boyunca değişmekte.

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

Kısalıyor, parçaları kaybediyorsun ve tekrar parça ekleniyor.

We read the signals, and we make a model.

Sinyalleri okuyup bir model yaratıyoruz.

Now, an interesting challenge:

Şimdi farklı bir hedef koyduk:

Can we predict a human face?

İnsan yüzünü tahmin edebilir miyiz?

It's a little complicated,

Bu biraz karmaşık.

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

Çünkü insan yüzü bu milyonlarca harf arasına yayılmış.

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

Ve insan yüzü çok bariz bir nesne değil.

So, we had to build an entire tier of it

Bu yüzden tamamen farklı bir alan oluşturduk onun için.

to learn and teach a machine what a face is,

Öğrenmek ve makineye bir yüzün ne olduğunu öğretmek için.

and embed and compress it.

Yani bunu olguyu ona verebilmek için.

And if you're comfortable with machine learning,

Makine öğrenimi ile aranız iyiyse

you understand what the challenge is here.

bu olayın ne kadar büyük olduğunu anlarsınız.

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

15 yıl sonra -- 15 yıl sonra ilk dizilimi okuduk --

this October, we started to see some signals.

bu Ekim, bazı sinyaller görmeye başladık.

And it was a very emotional moment.

Oldukça etkileyici bir andı.

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

Burada gördüğünüz şey laboratuvarımıza gidecek.

This is a face for us.

Bu, bizim için bir yüz.

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

Gerçek bir yüzü ele alıp onun karmaşıklığını azaltıyoruz,

because not everything is in your face --

çünkü yüzünüzdeki birçok özellik, kusur

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

ve asimetriklik yaşamınızdan dolayı oradalar.

We symmetrize the face, and we run our algorithm.

Yüzü simetrik olarak ele alıp algoritmamızı çalıştırıyoruz.

The results that I show you right now,

Şu an size gösterdiğim sonuçlar

this is the prediction we have from the blood.

kandan alıp yaptığımız tahmindir.

(Applause)

(Alkışlar)

Wait a second.

Bir saniye bekleyin.

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

Bu saniyelerde, gözleriniz solu sağı izliyor

and your brain wants those pictures to be identical.

ve beyniniz bu resimlerin aynı olmasını istiyor.

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

Sizle farklı bir alıştırma yapacağız şimdi.

Please search for the differences,

Farkları tespit etmeye çalışın,

which are many.

oldukça fark var.

The biggest amount of signal comes from gender,

En yüksek sinyal cinsiyetten gelir,

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

sonrasında yaş, BMI, etnik kökeni vardır.

And scaling up over that signal is much more complicated.

Bu ölçekte yükselmek çok karmaşıktır.

But what you see here, even in the differences,

Burada anladığınız şey ise farklılıklar olsa dahi

lets you understand that we are in the right ballpark,

aşağı yukarı doğru bir yerde olduğunuzu ve

that we are getting closer.

yaklaştığımızı göstermesidir.

And it's already giving you some emotions.

Ve zaten şu an size bazı hisleri yaşatıyor.

This is another subject that comes in place,

Burada farklı bir konu daha var.

and this is a prediction.

Bu da tahmin.

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

Daha küçük bir ölçekte bakacak olursak tam bir sonuç alamıyoruz

but still, it's in the ballpark.

ancak yine de aşağı yukarı aynı.

This is a subject that comes in our lab,

Laboratuvarımıza gelen bir konu bu.

and this is the prediction.

Ve bu da bizim tahminimiz.

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

Yani bu insanlar makinenin eğitiminde hiç bulunmadılar.

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

Bunlar sözde direnen kısımlar.

But these are people that you will probably never believe.

Ancak bu insanlar muhtemelen asla inanmayacağınız türden.

We're publishing everything in a scientific publication,

Bilimsel organlarla her şeyi yayımlıyoruz

you can read it.

ve okuyabilirsiniz.

But since we are onstage, Chris challenged me.

Sahnede olan biz olduğumuzdan Chris bana meydan okudu.

I probably exposed myself and tried to predict

Kendimi öne atıverdim. Belki de tanıyabileceğiniz birini

someone that you might recognize.

tahmin etmeye çalıştım.

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

Şu kan tüpünü elde edebilmek için neler yapmak zorunda

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

kaldığımızı tahmin edemezsiniz.

in this vial of blood is the amount of biological information

Bu kan tüpü, genom dizisini tam anlamıyla yapabilmemiz için

that we need to do a full genome sequence.

gereken biyolojik bilgiyi barındırıyor.

We just need this amount.

İhtiyacımız olan miktar bu.

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

Bu diziyi başlatıyoruz ve bunu sizle yapacağım.

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

Tüm anlama kabiliyetimizi bir üst kademeye çıkarmaya başlıyoruz.

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

Bu kan tüpüyle, onun bir erkek olduğunu saptadık.

And the subject is a male.

Deneğimiz bir erkek.

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

Onun bir metre 76 cm olduğunu saptadık.

The subject is a meter and 77 cm.

Deneğimiz bir metre 77 cm.

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

Yani kendisini 76 diye saptadık, denek 82 çıktı.

We predict his age, 38.

Yaşını 38 diye saptadık.

The subject is 35.

Deneğimiz 35 çıktı.

We predict his eye color.

Göz rengini tahmin ettik.

Too dark.

Oldukça koyu.

We predict his skin color.

Ten rengini tahmin ettik.

We are almost there.

Neredeyse geldik.

That's his face.

Bu kendisinin yüzü.

Now, the reveal moment:

Şimdi, görme zamanı:

the subject is this person.

Deneğimiz bu kişi.

(Laughter)

(Gülüşmeler)

And I did it intentionally.

Ve bunu bilerek yaptım.

I am a very particular and peculiar ethnicity.

Çok özel ve tuhaf bir etnik kökenim var.

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

Güney Avrupa, İtalyanlar bunlar hiç kalıba uymazlar.

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

Ve bu özeldir -- bu etniklik modelimiz için karmaşık bir durumdur.

But there is another point.

Ancak farklı bir konu daha var.

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

Yani insanları tanımak için kullandığımız şeylerden biri

will never be written in the genome.

genomlarda asla yer almayacak.

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

Kendi hür irademiz, nasıl göründüğümüzdür.

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

Bu durumda saç kesimim değil de sakal kesimim konumuz.

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

Size bir şey göstereceğim. Böyle bir durumda

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

bu, Photoshop veya modellemeden fazla bir şey değil.

the beard on the subject.

Konumuz sakal.

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

Ve bir anda daha çok iyi hissetmeye başladık.

So, why do we do this?

Bunu neden yapıyoruz?

We certainly don't do it for predicting height

Bunu tabii ki boyu hesaplamak için ya da

or taking a beautiful picture out of your blood.

kanınızdan güzel bir resim çekmek için yapmıyoruz.

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

Bunu, aynı teknoloji ve aynı girişim kullanılarak,

the machine learning of this code,

yani bu kodun makine öğrenimi,

is helping us to understand how we work,

bize, nasıl çalıştığımızı,

how your body works,

vücudunuzun nasıl çalıştığını,

how your body ages,

bedeninin nasıl yaşlandığını,

how disease generates in your body,

hastalıkların vücudunda nasıl oluştuğunu,

how your cancer grows and develops,

kanserin nasıl oluştuğu ve büyüdüğünü,

how drugs work

ilaçların anlamını

and if they work on your body.

ve vücudunda işe yarayıp yaramadığını öğrenmek için yapıyoruz.

This is a huge challenge.

Bu büyük bir adım.

This is a challenge that we share

Bu, dünya çapında binlerce farklı

with thousands of other researchers around the world.

araştırmacılarla paylaştığımız bir adım.

It's called personalized medicine.

Buna personalized medicine (kişiye özel ilaç) diyoruz.

It's the ability to move from a statistical approach

Bu, istatistiklere dayanan bir girişimden,

where you're a dot in the ocean,

okyanusta bir nokta gibiyken,

to a personalized approach,

bu tüm kitapları okuduğumuz

where we read all these books

ve tam olarak nasıl olduğumuz hakkında bir anlayışa

and we get an understanding of exactly how you are.

sahip olacağımız kişiye özel yapılan bir girişimdir.

But it is a particularly complicated challenge,

Ancak bu biraz karmaşık bir adımdır.

because of all these books, as of today,

Çünkü bu tüm kitapların günümüzde

we just know probably two percent:

muhtemelen yüzde ikisini biliyoruz.

four books of more than 175.

175'ten fazlasından dört kitap.

And this is not the topic of my talk,

Bu, konuşmamın konusu değil,

because we will learn more.

çünkü daha öğreneceğiz.

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

Bu konu üzerine dünyada çok iyi mantık yürütenler var.

The prediction will get better,

Tahminler daha iyi hâle gelecek,

the model will get more precise.

model daha kesinleşecek.

And the more we learn,

Öğrendikçe; hayat hakkında, ölüm hakkında,

the more we will be confronted with decisions

ebeveynlik hakkında

that we never had to face before

daha önce hiç

about life,

karşılaşmadığımız sorularla

about death,

karşılaşmak zorunda

about parenting.

kalacağız.

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

Yani hayatın nasıl işlediği hakkında bayağı bir ince detaya iniyoruz.

And it's a revolution that cannot be confined

Bu, bilim ya da teknoloji alanlarıyla

in the domain of science or technology.

sınırlandırılamayacak kadar büyük bir devrim.

This must be a global conversation.

Bu, küresel bir konu olmalı.

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

İnsanlık olarak inşa ettiğimiz geleceği düşünmeye başlamak zorundayız.

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

Yaratıcı kişilerle, sanatçılarla, filozoflarla, politikacılarla

with politicians.

irtibat kurmalıyız.

Everyone is involved,

Herkes bu işin içinde,

because it's the future of our species.

çünkü bu bizim türümüzün geleceği.

Without fear, but with the understanding

Gelecek yıl, korkusuzca ve anlayarak

that the decisions that we make in the next year

vereceğimiz kararlar

will change the course of history forever.

tarihin gidişatını sonsuza dek değiştirecek.

Thank you.

Teşekkürler.

(Applause)

(Alkışlar)