Danny Hillis: Understanding cancer through proteomics

Danny Hills: Proteomikler aracılığı ile kanseri anlamak

57,327 views

2011-03-16 ・ TED


New videos

Danny Hillis: Understanding cancer through proteomics

Danny Hills: Proteomikler aracılığı ile kanseri anlamak

57,327 views ・ 2011-03-16

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Isil Arican Gözden geçirme: Sancak Gülgen
00:15
I admit that I'm a little bit nervous here
0
15330
3000
Şu an biraz heyecanlı olduğumu belirtmek istiyorum
00:18
because I'm going to say some radical things,
1
18330
3000
çünkü seyirciler arasında kanseri benden
00:21
about how we should think about cancer differently,
2
21330
3000
daha iyi bilen pekçok insan var ve ben de
00:24
to an audience that contains a lot of people
3
24330
2000
kanser hakkında değişik düşünmemiz gerektiği ile ilgili
00:26
who know a lot more about cancer than I do.
4
26330
3000
radikal birşeyler söylemek üzereyim.
00:30
But I will also contest that I'm not as nervous as I should be
5
30330
3000
Ama aslında bir yandan da aslında olmam gerektiğinden daha az heyecanlıyım
00:33
because I'm pretty sure I'm right about this.
6
33330
2000
çünkü bu konuda haklı olduğumdan hemen hemen eminim.
00:35
(Laughter)
7
35330
2000
(Gülüşmeler)
00:37
And that this, in fact, will be
8
37330
2000
Aslında bence bu, gelecekte
00:39
the way that we treat cancer in the future.
9
39330
3000
kanser tedavisinde esas kullanılan yöntem olacak.
00:43
In order to talk about cancer,
10
43330
2000
Kanserden bahsetmek için,
00:45
I'm going to actually have to --
11
45330
3000
aslında öncelikle--
00:48
let me get the big slide here.
12
48330
3000
durun şu büyük slaytı göstereyim.
00:53
First, I'm going to try to give you a different perspective of genomics.
13
53330
3000
Önce size genomik ile ilgili farklı bir bakış açısı sunmaya çalışacağım.
00:56
I want to put it in perspective of the bigger picture
14
56330
2000
Etrafta olan biten diğer şeylerin yanında
00:58
of all the other things that are going on --
15
58330
3000
büyük resmi de göreceli olarak göstermek istiyorum--
01:01
and then talk about something you haven't heard so much about, which is proteomics.
16
61330
3000
daha sonra da şimdiye kadar çok duymadığınız bir konu olan proteomik'ten bahsedeceğiz.
01:04
Having explained those,
17
64330
2000
Bunları açıklamak,
01:06
that will set up for what I think will be a different idea
18
66330
3000
bence kanseri ne şekilde tedavi etmeye başlayacağımıza
01:09
about how to go about treating cancer.
19
69330
2000
ilişkin farklı fikirlerin oluşmasını sağlayacaktır.
01:11
So let me start with genomics.
20
71330
2000
Önce genomik ile başlamama izin verin.
01:13
It is the hot topic.
21
73330
2000
Çok popüler bir konu.
01:15
It is the place where we're learning the most.
22
75330
2000
En çok birşeyler öğrendiğimiz alan.
01:17
This is the great frontier.
23
77330
2000
En yeni ufuk burası.
01:19
But it has its limitations.
24
79330
3000
Ama bazı kısıtları var.
01:22
And in particular, you've probably all heard the analogy
25
82330
3000
Özellikle de, genomun vücudunuzun neredeyse bir
01:25
that the genome is like the blueprint of your body,
26
85330
3000
ozalit kopyası olduğu benzetmesini duymuşsunuzdur.
01:28
and if that were only true, it would be great,
27
88330
2000
Eğer gerçek olsaydı çok süper olurdu,
01:30
but it's not.
28
90330
2000
ama değil.
01:32
It's like the parts list of your body.
29
92330
2000
daha çok vücudunuzdaki parçaların bir listesi.
01:34
It doesn't say how things are connected,
30
94330
2000
Farklı şeylerin nasıl birleştiğini,
01:36
what causes what and so on.
31
96330
3000
neyin neye sebep olduğunu göstermiyor.
01:39
So if I can make an analogy,
32
99330
2000
Eğer bir benzetme yapacak olursam,
01:41
let's say that you were trying to tell the difference
33
101330
2000
diyelim ki iyi bir restorantla, sağlıklı bir restorantla
01:43
between a good restaurant, a healthy restaurant
34
103330
3000
sağlıksız bir restorantı birbirinden
01:46
and a sick restaurant,
35
106330
2000
ayırdetmeye çalışıyorsunuz,
01:48
and all you had was the list of ingredients
36
108330
2000
ve elinizdeki tek şey de
01:50
that they had in their larder.
37
110330
3000
bunların kilerlerindeki malzemelerin listesi.
01:53
So it might be that, if you went to a French restaurant
38
113330
3000
Bu şuna benziyor, bir Fransız restorantına gidiyorsunuz
01:56
and you looked through it and you found
39
116330
2000
ve kilerı inceliyorsunuz, bakıyorsunuz ki
01:58
they only had margarine and they didn't have butter,
40
118330
2000
kilerde sadece margarin var ama tereyağı yok,
02:00
you could say, "Ah, I see what's wrong with them.
41
120330
2000
şöyle diyebilirsiniz: ' Ah, burada neyin yanlış gittiğini buldum,
02:02
I can make them healthy."
42
122330
2000
onları daha sağlıklı yapabilirim.'
02:04
And there probably are special cases of that.
43
124330
2000
Büyük ihtimalle bu duruma uyan özel durumlar da vardır.
02:06
You could certainly tell the difference
44
126330
2000
Mesela sadece kilere bakarak
02:08
between a Chinese restaurant and a French restaurant
45
128330
2000
bir Fransız Restorantı ile Çin restorantı arasındaki
02:10
by what they had in a larder.
46
130330
2000
farkları gösterebilirsiniz.
02:12
So the list of ingredients does tell you something,
47
132330
3000
Evet, malzemerin listesi size birşeyler söyler,
02:15
and sometimes it tells you something that's wrong.
48
135330
3000
ama bazen de size yanlış birşeyler söyler.
02:19
If they have tons of salt,
49
139330
2000
Eğer çok fazla tuz görürseniz,
02:21
you might guess they're using too much salt, or something like that.
50
141330
3000
çok tuz kullandıklarını, ya da buna benzer birşeyleri söyleyebilirsiniz.
02:24
But it's limited,
51
144330
2000
Ama bu çok sınırlıdır,
02:26
because really to know if it's a healthy restaurant,
52
146330
2000
çünkü buranın gerçekten sağlıklı bir restorant olduğunu anlamak için,
02:28
you need to taste the food, you need to know what goes on in the kitchen,
53
148330
3000
yemeklerden tatmanız, mutfakta neler olup bittiğini bilmeniz gerekir,
02:31
you need the product of all of those ingredients.
54
151330
3000
tüm bileşenlerin ortak ürününe bakmalısınız.
02:34
So if I look at a person
55
154330
2000
Yani ben bir insana sonra da
02:36
and I look at a person's genome, it's the same thing.
56
156330
3000
o insanın genomuna bakarsam bunun gibi birşey.
02:39
The part of the genome that we can read
57
159330
2000
Genomun okuyabildiğimiz kısmı
02:41
is the list of ingredients.
58
161330
2000
bir malzeme listesinden farksız.
02:43
And so indeed,
59
163330
2000
Gerçekten de
02:45
there are times when we can find ingredients
60
165330
2000
zaman zaman kötü malzemeler
02:47
that [are] bad.
61
167330
2000
bulduğumuz oluyor.
02:49
Cystic fibrosis is an example of a disease
62
169330
2000
Kistik Fibroz hastalığı bunz güzel bir örnek,
02:51
where you just have a bad ingredient and you have a disease,
63
171330
3000
kötü bir malzeme var, ve hastalık ortaya çıkıyor,
02:54
and we can actually make a direct correspondence
64
174330
3000
yani hastalıkla malzeme arasında
02:57
between the ingredient and the disease.
65
177330
3000
direkt bir bağlantı kurabiliyoruz.
03:00
But most things, you really have to know what's going on in the kitchen,
66
180330
3000
Ama çoğu şey için, gerçekte mutfakta ne olup bittiğini bilmeniz gerekir,
03:03
because, mostly, sick people used to be healthy people --
67
183330
2000
çünkü genelde, hasta insanlar önceleri sağlıklı oluyorlar --
03:05
they have the same genome.
68
185330
2000
aynı genoma sahipler.
03:07
So the genome really tells you much more
69
187330
2000
Yani, aslında genom size daha çok
03:09
about predisposition.
70
189330
2000
yatkınlık hakkında bilgi veriyor.
03:11
So what you can tell
71
191330
2000
Yani esasında
03:13
is you can tell the difference between an Asian person and a European person
72
193330
2000
Asyalı biri ile Avrupa'lı biri arasındaki farkı malzemeler listesine
03:15
by looking at their ingredients list.
73
195330
2000
bakarak söyleyebilirsiniz.
03:17
But you really for the most part can't tell the difference
74
197330
3000
Ama çok özel bazı durumlar haricinde
03:20
between a healthy person and a sick person --
75
200330
3000
genelde hasta bir insan ile sağlıklı bi insan
03:23
except in some of these special cases.
76
203330
2000
arasındaki farkı söylemeniz pek mümkün değil.
03:25
So why all the big deal
77
205330
2000
Peki, o zaman genetik ile ilgili
03:27
about genetics?
78
207330
2000
bu acayip popülerlik neden?
03:29
Well first of all,
79
209330
2000
En önemlisi,
03:31
it's because we can read it, which is fantastic.
80
211330
3000
onu okuyabiliyoruz, ki bu müthiş bir şey.
03:34
It is very useful in certain circumstances.
81
214330
3000
Bazı özel durumlara çok faydalı.
03:37
It's also the great theoretical triumph
82
217330
3000
Aynı zamanda biyolojinin müthiş bir
03:40
of biology.
83
220330
2000
teorik zaferi.
03:42
It's the one theory
84
222330
2000
Biyologların tam ve
03:44
that the biologists ever really got right.
85
224330
2000
doğru olarak ortaya koyabildikleri bir teori.
03:46
It's fundamental to Darwin
86
226330
2000
Darwin ve Mendel, ve benzerleri
03:48
and Mendel and so on.
87
228330
2000
için temel bir teori.
03:50
And so it's the one thing where they predicted a theoretical construct.
88
230330
3000
Teorik altyapıyı öngörmemizi sağlayan tek şey bu.
03:54
So Mendel had this idea of a gene
89
234330
2000
Mendel'in kafasındaki gen fikri
03:56
as an abstract thing,
90
236330
3000
soyut bir fikirdi.
03:59
and Darwin built a whole theory
91
239330
2000
Dawrın ise genlerin var olduğunu
04:01
that depended on them existing,
92
241330
2000
kabul ederek üzerlerine tamamlanmış bir teori kurdu.
04:03
and then Watson and Crick
93
243330
2000
Daha sonra Watson ve Crick genleri aramaya başladılar
04:05
actually looked and found one.
94
245330
2000
ve aslında bulmayı da başardılar.
04:07
So this happens in physics all the time.
95
247330
2000
Buna benzer şeyler fizikte her zaman olur.
04:09
You predict a black hole,
96
249330
2000
Bir kara delik öngörüsünde bulunursunuz,
04:11
and you look out the telescope and there it is, just like you said.
97
251330
3000
derken teleskopla bakarsınız ve oradadır, tam olacağını söylediğiniz yerde.
04:14
But it rarely happens in biology.
98
254330
2000
Ama bu biyolojide oldukça nadir olur.
04:16
So this great triumph -- it's so good,
99
256330
3000
Bu nedenle bu büyük başarı -- çok ama çok büyük--
04:19
there's almost a religious experience
100
259330
2000
neredeyse biyolojide yaşanan
04:21
in biology.
101
261330
2000
ulvi bir deneyim diyebiliriz.
04:23
And Darwinian evolution
102
263330
2000
Darwin'in Evrim Teorsi de
04:25
is really the core theory.
103
265330
3000
gerçekte çok temel bir teori.
04:30
So the other reason it's been very popular
104
270330
2000
Bu kadar popğler olmasının bir diğer nedeni
04:32
is because we can measure it, it's digital.
105
272330
3000
onu ölçebiliyor olmamız, dijital.
04:35
And in fact,
106
275330
2000
Ve aslında,
04:37
thanks to Kary Mullis,
107
277330
2000
Kary Mulis sayesinde,
04:39
you can basically measure your genome in your kitchen
108
279330
4000
kendi mutfağınızda bile birkaç ilave malzeme ile,
04:43
with a few extra ingredients.
109
283330
3000
kendi genomunuzu ölçebilirsiniz.
04:46
So for instance, by measuring the genome,
110
286330
3000
Mesela, genomu ölçerek,
04:49
we've learned a lot about how we're related to other kinds of animals
111
289330
4000
başka hayvanlara ne kadar yakın akraba olduğunuzu öğrendik
04:53
by the closeness of our genome,
112
293330
3000
bunu genoumuzun benzerliği ile yaptık,
04:56
or how we're related to each other -- the family tree,
113
296330
3000
ya da yaşam ağacında, aile ağacındaki
04:59
or the tree of life.
114
299330
2000
yakın akrabalarımızı öğrendik.
05:01
There's a huge amount of information about the genetics
115
301330
3000
Sadece genetik benzerliği karşılaştırarak bile
05:04
just by comparing the genetic similarity.
116
304330
3000
genetik biliminden inanılmaz miktarda bilgi edinebilirsiniz.
05:07
Now of course, in medical application,
117
307330
2000
Elbette, tıbbi uygulamalarda,
05:09
that is very useful
118
309330
2000
bu çok faydalı,
05:11
because it's the same kind of information
119
311330
3000
çünkü bu doktorunuzun sizden aile öykünüzü
05:14
that the doctor gets from your family medical history --
120
314330
3000
alırken sorduğu bilgilerle aynı türde bir bilgi --
05:17
except probably,
121
317330
2000
tek farkı büyük ihtimalle,
05:19
your genome knows much more about your medical history than you do.
122
319330
3000
genomunuzun tıbbi özgeçmişinizi sizden daha iyi biliyor olması.
05:22
And so by reading the genome,
123
322330
2000
Yani genomunuzu okuyarak,
05:24
we can find out much more about your family than you probably know.
124
324330
3000
aileniz hakkında sizin bildiğinizden çok daha fazlasını öğrenebiliriz.
05:27
And so we can discover things
125
327330
2000
Ve büyük ihtimalle akrabalarınıza bakarak
05:29
that probably you could have found
126
329330
2000
bulabileceğiniz bazı şeyleri
05:31
by looking at enough of your relatives,
127
331330
2000
genomunuza bakarak keşfedebiliriz,
05:33
but they may be surprising.
128
333330
3000
bazıları epey şaşırtıcı olabilir.
05:36
I did the 23andMe thing
129
336330
2000
ben 23veBen testini yaptım
05:38
and was very surprised to discover that I am fat and bald.
130
338330
3000
sonucunda şişman ve kel olduğum ortaya çıkınca epey şaşırdım.
05:41
(Laughter)
131
341330
7000
(Gülüşmeler)
05:48
But sometimes you can learn much more useful things about that.
132
348330
3000
Ama bazen bundan gerçekten çok daha anlamlı ve faydalı şeyler öğrenebilirsiniz.
05:51
But mostly
133
351330
3000
Ama genelde
05:54
what you need to know, to find out if you're sick,
134
354330
2000
hastalandığınızda esas bilmek istediğiniz
05:56
is not your predispositions,
135
356330
2000
hangi hastalıklara yatın olduğunuzdan ziyade
05:58
but it's actually what's going on in your body right now.
136
358330
3000
o an vücudunuzda neler olup bittiğidir.
06:01
So to do that, what you really need to do,
137
361330
2000
Bunu yapabilmek için de, esas yapmanız gereken
06:03
you need to look at the things
138
363330
2000
genetik kısmından sonra olan bitenler
06:05
that the genes are producing
139
365330
2000
genlerin ürettiği diğer şeylere
06:07
and what's happening after the genetics,
140
367330
2000
bakmaktır.
06:09
and that's what proteomics is about.
141
369330
2000
Proteomik işte bununla ilgili bir şey.
06:11
Just like genome mixes the study of all the genes,
142
371330
3000
Nasıl genom, tüm genleri bir araya getiren bir bilim dalı ise
06:14
proteomics is the study of all the proteins.
143
374330
3000
proteomik de tüm proteinleri inceleyen bilim dalı.
06:17
And the proteins are all of the little things in your body
144
377330
2000
Proteinler, vücudunuzda, hücreler arası sinyalleri
06:19
that are signaling between the cells --
145
379330
3000
taşıyan ufak maddeler --
06:22
actually, the machines that are operating --
146
382330
2000
aslında çalışan ufak birer makinalar.
06:24
that's where the action is.
147
384330
2000
Olayın esas yaşandığı yer burası.
06:26
Basically, a human body
148
386330
3000
Aslında, insan vücudunda
06:29
is a conversation going on,
149
389330
3000
sürekli bir karşılıklı iletişim mevcut.
06:32
both within the cells and between the cells,
150
392330
3000
hücrelerin içinde ve aralarında sürüp gidiyor,
06:35
and they're telling each other to grow and to die,
151
395330
3000
birbirlerine ne zaman büyümeleri veya ölmeleri gerektiğini söylüyorlar.
06:38
and when you're sick,
152
398330
2000
hastalandığınızda ise
06:40
something's gone wrong with that conversation.
153
400330
2000
bu iletişimde bir bozukluk ortaya çıkıyor.
06:42
And so the trick is --
154
402330
2000
Burada zor olan şu,
06:44
unfortunately, we don't have an easy way to measure these
155
404330
3000
ne yazık ki, elimizde bunları genomu ölçtüğümüz gibi
06:47
like we can measure the genome.
156
407330
2000
ölçebilecek bir yöntem yok.
06:49
So the problem is that measuring --
157
409330
3000
yani esas sorun ölçümleme --
06:52
if you try to measure all the proteins, it's a very elaborate process.
158
412330
3000
eğer tüm proteinleri ölçmeye çalışırsanız bu çok karmaşık bir süreçtir.
06:55
It requires hundreds of steps,
159
415330
2000
Yüzlerce adım gerektirir,
06:57
and it takes a long, long time.
160
417330
2000
ve çok ama çok uzun zaman alır.
06:59
And it matters how much of the protein it is.
161
419330
2000
Vep proteinin ne kadarını ölçtüğünüz sonucu etkiler.
07:01
It could be very significant that a protein changed by 10 percent,
162
421330
3000
Bir proteinin %10 değişmesi epek kayda değer olabilir,
07:04
so it's not a nice digital thing like DNA.
163
424330
3000
yani DNA gibi hoş, dijital bir şey değil.
07:07
And basically our problem is somebody's in the middle
164
427330
2000
Ve basitçe en büyük problemlemimiz şu ki, biri
07:09
of this very long stage,
165
429330
2000
bu sürecin içindeki herhangi bir aşamada
07:11
they pause for just a moment,
166
431330
2000
bir dakikacık beklerse
07:13
and they leave something in an enzyme for a second,
167
433330
2000
bir enzimi bir yerde bir saniye bırakırsa
07:15
and all of a sudden all the measurements from then on
168
435330
2000
o andan itibaren yapılan tüm ölçümler
07:17
don't work.
169
437330
2000
işe yaramaz olacaktır.
07:19
And so then people get very inconsistent results
170
439330
2000
Bu nedenle insanlar bu şekilde ölçüm yaptıklarında
07:21
when they do it this way.
171
441330
2000
çok tutarsız sonuçlara ulaşırlar.
07:23
People have tried very hard to do this.
172
443330
2000
Çoğu kişi bunu yapmak için çok çalıştı.
07:25
I tried this a couple of times
173
445330
2000
Ben de birkaç kez denedim
07:27
and looked at this problem and gave up on it.
174
447330
2000
bu probleme baktım, ve sonunda vaz geçtim.
07:29
I kept getting this call from this oncologist
175
449330
2000
Sonra David Agus isimli bir onkolog (kanser uzmanı)
07:31
named David Agus.
176
451330
2000
beni aramaya başladı.
07:33
And Applied Minds gets a lot of calls
177
453330
3000
Applied Minds, sorunlarının çözülmesini isteyen
07:36
from people who want help with their problems,
178
456330
2000
çok kişiden pek çok telefon alır,
07:38
and I didn't think this was a very likely one to call back,
179
458330
3000
ben de bu telefonun geri aranma ihtimalinin düşük olduğunu düşündüm
07:41
so I kept on giving him to the delay list.
180
461330
3000
ve aramayı sürekli erteledim.
07:44
And then one day,
181
464330
2000
Sonra bir gün,
07:46
I get a call from John Doerr, Bill Berkman
182
466330
2000
aynı gün içinde John Doerr, Bill Berkman
07:48
and Al Gore on the same day
183
468330
2000
ve Al Gore beni aradı ve
07:50
saying return David Agus's phone call.
184
470330
2000
hepsi David Agus'un telefonuna cevap vermemi söyledi.
07:52
(Laughter)
185
472330
2000
(Gülüşmeler)
07:54
So I was like, "Okay. This guy's at least resourceful."
186
474330
2000
Ben de "En azından epey bağlantısı olan bir adam" diye düşündüm.
07:56
(Laughter)
187
476330
4000
(Gülüşmeler)
08:00
So we started talking,
188
480330
2000
Böylece konuşmaya başladık,
08:02
and he said, "I really need a better way to measure proteins."
189
482330
3000
Bana " Proteinleri ölçümlemenin daha iyi bir yoluna ihtiyacım var." dedi.
08:05
I'm like, "Looked at that. Been there.
190
485330
2000
Ben de ona "Ben de çok denedim,
08:07
Not going to be easy."
191
487330
2000
pek kolay olmayacak." dedim.
08:09
He's like, "No, no. I really need it.
192
489330
2000
O da bana "Yo, yo, buna gerçekten ihtiyacım var.
08:11
I mean, I see patients dying every day
193
491330
4000
Her gün, içlerinde neler olup bittiğini göremediğimizden
08:15
because we don't know what's going on inside of them.
194
495330
3000
pekçok hastanın ölümünü izliyorum.
08:18
We have to have a window into this."
195
498330
2000
Bunu yapmanın bir yolu olmalı." dedi.
08:20
And he took me through
196
500330
2000
Ve bana ne zaman ihtiyacı olduğunu gösteren
08:22
specific examples of when he really needed it.
197
502330
3000
özel örnekleri bir bir gösterdi.
08:25
And I realized, wow, this would really make a big difference,
198
505330
2000
Ve fark ettim ki, vay canına, bunu başarabilirsek
08:27
if we could do it,
199
507330
2000
gerçekten bir fark yaratabiliriz.
08:29
and so I said, "Well, let's look at it."
200
509330
2000
Sonunda dedim ki, " Tamam, bir bakalım."
08:31
Applied Minds has enough play money
201
511330
2000
Applied Minds'da herhangi birinden gelecek fon veya izine
08:33
that we can go and just work on something
202
513330
2000
ihtiyaç duymadan ilgilendiğimiz bir konuya eğilmemizi
08:35
without getting anybody's funding or permission or anything.
203
515330
3000
sağlayacak kadar birikim mevcut.
08:38
So we started playing around with this.
204
518330
2000
Biz de bu fikir ile uğraşmaya başladık.
08:40
And as we did it, we realized this was the basic problem --
205
520330
3000
Ve bunu yaptıkça, fark ettik ki esas sorun --
08:43
that taking the sip of coffee --
206
523330
2000
kahveden bir yudum almak bile olabilir--
08:45
that there were humans doing this complicated process
207
525330
2000
karmaşık süreçleri insanlar yürütüyor
08:47
and that what really needed to be done
208
527330
2000
ama esas yapılması gereken şey
08:49
was to automate this process like an assembly line
209
529330
3000
bir nevi montaj bantı yapar gibi süreci otomatik hale getirerek,
08:52
and build robots
210
532330
2000
proteomikleri ölçecek
08:54
that would measure proteomics.
211
534330
2000
robotlar üretmek.
08:56
And so we did that,
212
536330
2000
Biz de bunu yaptık.
08:58
and working with David,
213
538330
2000
David ile birlikte,
09:00
we made a little company called Applied Proteomics eventually,
214
540330
3000
önce Uygulamaları Proteomik adında ufak bir şirket kurduk,
09:03
which makes this robotic assembly line,
215
543330
3000
bu şirketle proteinleri çok tutarlı bir şekilde
09:06
which, in a very consistent way, measures the protein.
216
546330
3000
ölçebilen robotik iş bantlarını ürettik.
09:09
And I'll show you what that protein measurement looks like.
217
549330
3000
Size protein ölçümünün nasıl olduğunu göstereceğim.
09:13
Basically, what we do
218
553330
2000
Basitçe yaptığımız şu
09:15
is we take a drop of blood
219
555330
2000
hastadan bir damla
09:17
out of a patient,
220
557330
2000
an alıyoruz ve
09:19
and we sort out the proteins
221
559330
2000
bu bir damla kanın içindeki
09:21
in the drop of blood
222
561330
2000
proteinleri ağırlıklarına
09:23
according to how much they weigh,
223
563330
2000
ne kadar kaygan olduklarına göre
09:25
how slippery they are,
224
565330
2000
sıralıyoruz ve
09:27
and we arrange them in an image.
225
567330
3000
bir görsel oluşturuyoruz.
09:30
And so we can look at literally
226
570330
2000
Böylece, gerçek anlamda
09:32
hundreds of thousands of features at once
227
572330
2000
bir damlacık kanı kullanarak
09:34
out of that drop of blood.
228
574330
2000
binlerce özelliğe bakabiliyoruz.
09:36
And we can take a different one tomorrow,
229
576330
2000
yarın bir örnek daha alabiliriz,
09:38
and you will see your proteins tomorrow will be different --
230
578330
2000
proteinlerinizin yarınki örnekte daha farklı olduğunu görebilirsiniz --
09:40
they'll be different after you eat or after you sleep.
231
580330
3000
yemek yedikten sonra ya da uykudan sonra da farklı olacaklardır.
09:43
They really tell us what's going on there.
232
583330
3000
Bize gerçekten içeride ne olup bittiğni söylüyorlar.
09:46
And so this picture,
233
586330
2000
Bu resim size bulanık
09:48
which looks like a big smudge to you,
234
588330
2000
koca bir leke gibi görünüyor olabilir,
09:50
is actually the thing that got me really thrilled about this
235
590330
4000
ama aslında beni bu konuda çok heyecanlandıran resimlerden biri
09:54
and made me feel like we were on the right track.
236
594330
2000
doğru yolda olduğumuzu hissetmemi sağladı.
09:56
So if I zoom into that picture,
237
596330
2000
Bu resimi yaklaştırırsam
09:58
I can just show you what it means.
238
598330
2000
size ne demek istediğimi gösterebilirim.
10:00
We sort out the proteins -- from left to right
239
600330
3000
Proteinleri sıralıyoruz -- soldan sağa doğru
10:03
is the weight of the fragments that we're getting,
240
603330
3000
elde ettiğimiz parçacıkların ağırlıklarına göre sıralanmış durumdalar.
10:06
and from top to bottom is how slippery they are.
241
606330
3000
YUkarıdan aşağıya ise kayganlıkları sıralanmış durumda.
10:09
So we're zooming in here just to show you a little bit of it.
242
609330
3000
Size birazını gösterebilmek için yaklaştırıyorum.
10:12
And so each of these lines
243
612330
2000
Bu çizgilerden her biri
10:14
represents some signal that we're getting out of a piece of a protein.
244
614330
3000
bir proteinin bir parçasından elde ettiğimiz sinyalleri temsil ediyor.
10:17
And you can see how the lines occur
245
617330
2000
Bu ufak gruplar içinde çizgilerin nasıl oluştuğunu
10:19
in these little groups of bump, bump, bump, bump, bump.
246
619330
4000
görebilirsiniz....bum...bum....bum....
10:23
And that's because we're measuring the weight so precisely that --
247
623330
3000
Bunun nedeni ağırlığı çok hassas bir şekilde ölçüyor olmamız --
10:26
carbon comes in different isotopes,
248
626330
2000
karbon atomunun farklı izotopları var ve
10:28
so if it has an extra neutron on it,
249
628330
3000
eğer üzerinde fazladan bir nötron varsa
10:31
we actually measure it as a different chemical.
250
631330
4000
onu aslında farklı bir kimyasal olarak ölçüyoruz.
10:35
So we're actually measuring each isotope as a different one.
251
635330
3000
Yani aslında her bir izotopu farklı ölçüyoruz.
10:38
And so that gives you an idea
252
638330
3000
Bu, size yaptığımız şeyin
10:41
of how exquisitely sensitive this is.
253
641330
2000
ne kadar ince bir hassasiyette olduğunu gösteriyor.
10:43
So seeing this picture
254
643330
2000
Bu resme bakmak aslında
10:45
is sort of like getting to be Galileo
255
645330
2000
bir nevi Galileo olmak gibi birşey,
10:47
and looking at the stars
256
647330
2000
teleskop kullanarak
10:49
and looking through the telescope for the first time,
257
649330
2000
yıldızlara ilk defa bakıyorsunuz, ve sonrasında da birden
10:51
and suddenly you say, "Wow, it's way more complicated than we thought it was."
258
651330
3000
"Vay canına, tahmin ettiğimizden çok daha karmaşıkmış" diyorsunuz.
10:54
But we can see that stuff out there
259
654330
2000
Ama oradaki şeyleri görebiliyorsunuz
10:56
and actually see features of it.
260
656330
2000
yani onların özelliklerini görebiliyorsunuz.
10:58
So this is the signature out of which we're trying to get patterns.
261
658330
3000
Paternler bulmak için aramanız gereken özgül işaretler bunlar.
11:01
So what we do with this
262
661330
2000
Bununla şunu yapabilirizi
11:03
is, for example, we can look at two patients,
263
663330
2000
mesela iki hastaya bakabiliriz,
11:05
one that responded to a drug and one that didn't respond to a drug,
264
665330
3000
bunlardan biri bir ilaca cevap vermiş, diğeri ise cevap vermemiş olsun,
11:08
and ask, "What's going on differently
265
668330
2000
ve şu soruyu sorabiliriz "Bu hastaların içlerinde
11:10
inside of them?"
266
670330
2000
olup biten şeydeki fark nedir?"
11:12
And so we can make these measurements precisely enough
267
672330
3000
ve böylece bu ölçümleri yeterince hassas yaparak
11:15
that we can overlay two patients and look at the differences.
268
675330
3000
iki hastanın sonuçlarını üst üste koyup aralarındaki farka bakabiliriz.
11:18
So here we have Alice in green
269
678330
2000
Burada Alice'in sonuçları yeşil renkli
11:20
and Bob in red.
270
680330
2000
Bob'unkiler ise kırmızı.
11:22
We overlay them. This is actual data.
271
682330
3000
Bunları üst üste koyuyoruz. Bu erçek bir veri.
11:25
And you can see, mostly it overlaps and it's yellow,
272
685330
3000
Burada görebildiğiniz gibi çoğu üstüste geliyor, sarı renkte.
11:28
but there's some things that just Alice has
273
688330
2000
Ama sadece Alice'de olan şeyler ya da
11:30
and some things that just Bob has.
274
690330
2000
sadece Bob'da olan şeyler de var.
11:32
And if we find a pattern of things
275
692330
3000
Ve bu ilaca cevap verelenlerde
11:35
of the responders to the drug,
276
695330
3000
bunların belirli paternleri olduğunu buluyoruz.
11:38
we see that in the blood,
277
698330
2000
Gördüğümüz şu, kanlarında
11:40
they have the condition
278
700330
2000
bu ilaca yanıt vermelerine neden olan
11:42
that allows them to respond to this drug.
279
702330
2000
bir durum mevcut.
11:44
We might not even know what this protein is,
280
704330
2000
Bu proteinin hangi protein olduğunu bilmeyebiliriz
11:46
but we can see it's a marker
281
706330
2000
ama bu hastalığa karşı verilecek yanıtı
11:48
for the response to the disease.
282
708330
2000
gösterebilecek bir marker bu.
11:53
So this already, I think,
283
713330
2000
Bence bu şu hali ile bile
11:55
is tremendously useful in all kinds of medicine.
284
715330
3000
tıbbın pekçok alanında inanılmaz faydalı.
11:58
But I think this is actually
285
718330
2000
Ama aslında, bence
12:00
just the beginning
286
720330
2000
bu gelecekte kanseri nasıl tedavi
12:02
of how we're going to treat cancer.
287
722330
2000
edeceğimizin de bir başlangıç noktası.
12:04
So let me move to cancer.
288
724330
2000
Kanser konusuna girelim biraz da.
12:06
The thing about cancer --
289
726330
2000
Kanser ile ilgili olan şu --
12:08
when I got into this,
290
728330
2000
bu konulara el attığımda
12:10
I really knew nothing about it,
291
730330
2000
kanser ile ilgili hiçbir şey bilmiyordum,
12:12
but working with David Agus,
292
732330
2000
ama David Agus ile çalışırken
12:14
I started watching how cancer was actually being treated
293
734330
3000
kenserin çu anda nasıl tedavi edildiğini izlemeye başladım ve
12:17
and went to operations where it was being cut out.
294
737330
3000
kanserli dokunun alındığı ameliyatlara girdim.
12:20
And as I looked at it,
295
740330
2000
Buna baktığımda,
12:22
to me it didn't make sense
296
742330
2000
kansere olan yaklaşımımız
12:24
how we were approaching cancer,
297
744330
2000
bana çok mantıklı gelmedi.
12:26
and in order to make sense of it,
298
746330
3000
Bunun kafama yatması için
12:29
I had to learn where did this come from.
299
749330
3000
nereden geldiğini anlamam şart.
12:32
We're treating cancer almost like it's an infectious disease.
300
752330
4000
Bizler, kanseri bir bulaşıcı hastalık gibi tedavi ediyoruz.
12:36
We're treating it as something that got inside of you
301
756330
2000
Sanki içinize girmiş ve öldürülmesi gereken
12:38
that we have to kill.
302
758330
2000
bir şey gibi.
12:40
So this is the great paradigm.
303
760330
2000
Bu önemli bir model.
12:42
This is another case
304
762330
2000
Bu teorik modelin biyolojide
12:44
where a theoretical paradigm in biology really worked --
305
764330
2000
gerçekten de çok iyi çalıştığı bir durum var --,
12:46
was the germ theory of disease.
306
766330
3000
o da hastalıklardaki mikrop teorisi.
12:49
So what doctors are mostly trained to do
307
769330
2000
Doktorların genelde eğitim aldığı konu
12:51
is diagnose --
308
771330
2000
tanı koymak --
12:53
that is, put you into a category
309
773330
2000
yani sizi bir nevi kategorize etmek ve
12:55
and apply a scientifically proven treatment
310
775330
2000
o tanıya özgü bilimsel olarak kantılanmış
12:57
for that diagnosis --
311
777330
2000
bir tedavi uygulamaktır.
12:59
and that works great for infectious diseases.
312
779330
3000
Bu, bulaşıcı haslatıklar için çok iyi çalışan bir model.
13:02
So if we put you in the category
313
782330
2000
Eğer sifiliz (frengi) hastasıysanız
13:04
of you've got syphilis, we can give you penicillin.
314
784330
3000
sizi bu kategoriye dahil edebilir ve size pensilin verebiliriz.
13:07
We know that that works.
315
787330
2000
İşe yaradığını biliyoruz.
13:09
If you've got malaria, we give you quinine
316
789330
2000
Eğer sıtma olursanız, size kinin ya da
13:11
or some derivative of it.
317
791330
2000
benzer bir türevini veririz.
13:13
And so that's the basic thing doctors are trained to do,
318
793330
3000
Doktorların eğitim aldıkları temel konular bunlar.
13:16
and it's miraculous
319
796330
2000
Bu, enfeksiyon hastalıklarında
13:18
in the case of infectious disease --
320
798330
3000
adeta bir mucize gibi
13:21
how well it works.
321
801330
2000
çalışıyor.
13:23
And many people in this audience probably wouldn't be alive
322
803330
3000
Doktorlar bunu yapmamış olsaydı, şu anda bu konuşmayı
13:26
if doctors didn't do this.
323
806330
2000
dinleyen pekçok kişi hayatta olmazdı.
13:28
But now let's apply that
324
808330
2000
Şimdi bunu bakış açısını kanser gibi
13:30
to systems diseases like cancer.
325
810330
2000
sistemik bir hastalığa uygulayalım.
13:32
The problem is that, in cancer,
326
812330
2000
Kanser ile ilgili olan sorun şu,
13:34
there isn't something else
327
814330
2000
o vücudunuzun içindeki
13:36
that's inside of you.
328
816330
2000
yabancı bir madde değil.
13:38
It's you; you're broken.
329
818330
2000
Vücudunuzun ta kendisi, sadece bozulmuş durumda.
13:40
That conversation inside of you
330
820330
4000
Vücut içindeki iletişiminiz
13:44
got mixed up in some way.
331
824330
2000
bir şekilde karşımış.
13:46
So how do we diagnose that conversation?
332
826330
2000
Bu iletişimi ne şekilde tanıyabiliriz?
13:48
Well, right now what we do is we divide it by part of the body --
333
828330
3000
Şu an yapmakta olduğumuz şey, vücudu bölgelerine ayırmak --
13:51
you know, where did it appear? --
334
831330
3000
biliyorsunuz, kanserin nereden çıktığına göre. --
13:54
and we put you in different categories
335
834330
2000
ve sizi kanserin hangi vücut bölgesinde
13:56
according to the part of the body.
336
836330
2000
çıktığına göre farklı sınıflara ayırıyoruz.
13:58
And then we do a clinical trial
337
838330
2000
Daha sonra da akciğer kanseri
14:00
for a drug for lung cancer
338
840330
2000
prostat kanseri ve mem kanseri için
14:02
and one for prostate cancer and one for breast cancer,
339
842330
3000
farklı farklı klinik deneyler yapıyoruz,
14:05
and we treat these as if they're separate diseases
340
845330
3000
bunlara sanki farklı hastalıklarmış gibi davranıyoruz,
14:08
and that this way of dividing them
341
848330
2000
ve bu hastalıkları bu şekilde ayırmak
14:10
had something to do with what actually went wrong.
342
850330
2000
esas ters giden şeyle de ilgili.
14:12
And of course, it really doesn't have that much to do
343
852330
2000
Elbette, ter giden şeyin ne olduğu ile
14:14
with what went wrong
344
854330
2000
çok fazla ilgisi yok.
14:16
because cancer is a failure of the system.
345
856330
3000
Çünkü kanser sistemin iflasıdır.
14:19
And in fact, I think we're even wrong
346
859330
2000
Aslında, düşünüyorum da, sanırım
14:21
when we talk about cancer as a thing.
347
861330
3000
kanserden bir nesne gibi bahsetmek bile hata.
14:24
I think this is the big mistake.
348
864330
2000
Bence bu büyük bir hata.
14:26
I think cancer should not be a noun.
349
866330
4000
Bence kanser bir sıfat olmalı.
14:30
We should talk about cancering
350
870330
2000
Sahip olduğumuz bir yapının kanserleşmesinden bahsetmeliyiz
14:32
as something we do, not something we have.
351
872330
3000
sahip olmadığımız değil.
14:35
And so those tumors,
352
875330
2000
Bu tümörler,
14:37
those are symptoms of cancer.
353
877330
2000
bunlar kanserin belirtileri.
14:39
And so your body is probably cancering all the time,
354
879330
3000
Büyük ihtimalle vücudunuz her an kanserleşiyor.
14:42
but there are lots of systems in your body
355
882330
3000
Ama vücudunuzda bu durumu kontrol altında tutacak
14:45
that keep it under control.
356
885330
2000
çok fazla savunma sistemi de var.
14:47
And so to give you an idea
357
887330
2000
Size kanseri bir fiil olarak
14:49
of an analogy of what I mean
358
889330
2000
kullanma konusunda bir fikir vermesi açısından
14:51
by thinking of cancering as a verb,
359
891330
3000
bir örnek vereyim.
14:54
imagine we didn't know anything about plumbing,
360
894330
3000
Düşünün ki sıhhi tesisatçılık hakkında hiç bilgimiz yok,
14:57
and the way that we talked about it,
361
897330
2000
ama onun hakkında şöyle konuşuyoruz,
14:59
we'd come home and we'd find a leak in our kitchen
362
899330
3000
bir gün eve geliyoruz ve mutfakta bir sızıntı keşfediyoruz
15:02
and we'd say, "Oh, my house has water."
363
902330
4000
ve diyoruz ki "Of, evimde su var."
15:06
We might divide it -- the plumber would say, "Well, where's the water?"
364
906330
3000
Onu ayrıştırabilriz.-- muslukçu şöyle diyebilir, "Eee, peki su nerede?"
15:09
"Well, it's in the kitchen." "Oh, you must have kitchen water."
365
909330
3000
"Mutfakta". "Ah o zaman sizin sorununuz mutfak suyu olmalı."
15:12
That's kind of the level at which it is.
366
912330
3000
Burada olan şey hemen hemen bu seviyede.
15:15
"Kitchen water,
367
915330
2000
"Mutfak suyu mu?"
15:17
well, first of all, we'll go in there and we'll mop out a lot of it.
368
917330
2000
Herşeyden önce mutfağa girip orayı paspaslamamız gerek.
15:19
And then we know that if we sprinkle Drano around the kitchen,
369
919330
3000
Ayrıca eğer mutfakta lavabo açıcı kullanırsak
15:22
that helps.
370
922330
3000
bunun işe yarayacağını biliyoruz.
15:25
Whereas living room water,
371
925330
2000
Ama sorun oturma odası suyu ise
15:27
it's better to do tar on the roof."
372
927330
2000
daha doğru olan çatıdaki katranı tamir etmek."
15:29
And it sounds silly,
373
929330
2000
Aptalca geliyor, biliyorum,
15:31
but that's basically what we do.
374
931330
2000
ama yaptığımız hemen hemen bu.
15:33
And I'm not saying you shouldn't mop up your water if you have cancer,
375
933330
3000
Eğer kanser olduysanız yerdeki suyu paspaslamayın demiyorum.
15:36
but I'm saying that's not really the problem;
376
936330
3000
Söylemeye çalıştığım bunun esas problem olmadığı;
15:39
that's the symptom of the problem.
377
939330
2000
sadece problemin bir belirtisi.
15:41
What we really need to get at
378
941330
2000
Esas anlamamız gereken
15:43
is the process that's going on,
379
943330
2000
sürecin ne olduğu,
15:45
and that's happening at the level
380
945330
2000
ve bu da aslında proteonomik hareketler
15:47
of the proteonomic actions,
381
947330
2000
seviyesinde oluşuyor,
15:49
happening at the level of why is your body not healing itself
382
949330
3000
vücudunuzun normalde yaptığı gibi neden kendi kendini
15:52
in the way that it normally does?
383
952330
2000
tamir edemediği ile ilgili bir seviyede.
15:54
Because normally, your body is dealing with this problem all the time.
384
954330
3000
Çünkü normalde, vücudunuz bu sorunla sürekli yüzleşiyor.
15:57
So your house is dealing with leaks all the time,
385
957330
3000
Ya da evinizde sürekli bir su sızıntısı sorunu var.
16:00
but it's fixing them. It's draining them out and so on.
386
960330
4000
Ama ev onları tamir ediyor, süzüyor vesaire.
16:04
So what we need
387
964330
3000
demek ki esas ihtiyacımız olan
16:07
is to have a causative model
388
967330
4000
esas olup biteni gösteren bir
16:11
of what's actually going on,
389
971330
2000
bir nedensel model.
16:13
and proteomics actually gives us
390
973330
3000
ve Proteomik, bize aslında
16:16
the ability to build a model like that.
391
976330
3000
böyle bir model kurma şansı veriyor.
16:19
David got me invited
392
979330
2000
David, benim
16:21
to give a talk at National Cancer Institute
393
981330
2000
Ulusal Kanser Enstitü'sünde bir konuşmaya davet etti.
16:23
and Anna Barker was there.
394
983330
3000
Anna Barker de oradaydı.
16:27
And so I gave this talk
395
987330
2000
Ben de bir konuşma yaptım ve dedim ki
16:29
and said, "Why don't you guys do this?"
396
989330
3000
"Neden bunu yapmıyorsunuz?" diye sordum.
16:32
And Anna said,
397
992330
2000
Anna bana dedi ki,
16:34
"Because nobody within cancer
398
994330
3000
"Çünkü kanser hastaları
16:37
would look at it this way.
399
997330
2000
asla bu şekilde konuya bakmazlar.
16:39
But what we're going to do, is we're going to create a program
400
999330
3000
Esas yapacağımız şey, kanser alanı dışında çalışan insanlardan
16:42
for people outside the field of cancer
401
1002330
2000
kanser ile ilgili çok şey bilen
16:44
to get together with doctors
402
1004330
2000
doktorlarla bir araya gelmelerini sağlayarak bir
16:46
who really know about cancer
403
1006330
3000
program hazırlamak ve
16:49
and work out different programs of research."
404
1009330
4000
farklı araştırma programları planlamak.
16:53
So David and I applied to this program
405
1013330
2000
Böylece David ve ben, bir program baş vurduk ve
16:55
and created a consortium
406
1015330
2000
USC'de bir kurul oluşturuk.
16:57
at USC
407
1017330
2000
Bu kurulda
16:59
where we've got some of the best oncologists in the world
408
1019330
3000
dünyadaki en iyi onkologlarından bazıları
17:02
and some of the best biologists in the world,
409
1022330
3000
dğnyanın en iyi biyologlarından bazıları mevcut,
17:05
from Cold Spring Harbor,
410
1025330
2000
Cold Spring Harbor'dan
17:07
Stanford, Austin --
411
1027330
2000
Stanford, Austin'e kadar --
17:09
I won't even go through and name all the places --
412
1029330
3000
Tek tek yerleri ve isimleri saymayacağım--
17:12
to have a research project
413
1032330
3000
Bunu beş yıl sürecek ve
17:15
that will last for five years
414
1035330
2000
kanser hastalığı için bahsettiğim gibi
17:17
where we're really going to try to build a model of cancer like this.
415
1037330
3000
bir model kuracak bir proje için oluşturduk.
17:20
We're doing it in mice first,
416
1040330
2000
Şu an fareler üzerinden çalışıyoruz.
17:22
and we will kill a lot of mice
417
1042330
2000
Bu süreç içinde
17:24
in the process of doing this,
418
1044330
2000
pek çok fareyi öldüreceğiz,
17:26
but they will die for a good cause.
419
1046330
2000
ama hepsi insanlığa bir fayda sağlayarak ölecekler.
17:28
And we will actually try to get to the point
420
1048330
3000
Aslında illeride ulaşmak isteyeceğimiz nokta
17:31
where we have a predictive model
421
1051330
2000
kanserin ne zaman orataya çıktığı
17:33
where we can understand,
422
1053330
2000
ortaya çıkarken ne gibi değişikliklere neden olduğu,
17:35
when cancer happens,
423
1055330
2000
ve hangi tedavilerin kanseri
17:37
what's actually happening in there
424
1057330
2000
tedavi edebildiği bilgilerini içeren
17:39
and which treatment will treat that cancer.
425
1059330
3000
bir öngörü modeli.
17:42
So let me just end with giving you a little picture
426
1062330
3000
Size, gelecekte kanser tedavisinin nasıl olacağını
17:45
of what I think cancer treatment will be like in the future.
427
1065330
3000
temsil eden bir resim öizmeme izin verin.
17:48
So I think eventually,
428
1068330
2000
Bence sonunda,
17:50
once we have one of these models for people,
429
1070330
2000
bir kez bu tip insan modellerinie sahip olursak,
17:52
which we'll get eventually --
430
1072330
2000
ki mutlaka bir gün olacağız --
17:54
I mean, our group won't get all the way there --
431
1074330
2000
Yani bizim ekibimiz tam bu noktaya varamayabilir ama
17:56
but eventually we'll have a very good computer model --
432
1076330
3000
en sonunda aynen hava durumu için kullandığımız
17:59
sort of like a global climate model for weather.
433
1079330
3000
global iklim modeli gibi bir model olacak.
18:02
It has lots of different information
434
1082330
3000
Model içinde bu proteomik dönüşüm sırasında ortaya çıkan
18:05
about what's the process going on in this proteomic conversation
435
1085330
3000
süreçlere ait çok fazla sayıda ve çok fazla seviyede
18:08
on many different scales.
436
1088330
2000
bilgi olacak.
18:10
And so we will simulate
437
1090330
2000
Ve bu modeli kullanarak
18:12
in that model
438
1092330
2000
sizin özel kanserinizi
18:14
for your particular cancer --
439
1094330
3000
simüle edebileceğiz.
18:17
and this also will be for ALS,
440
1097330
2000
Aynı şey ALS için de
18:19
or any kind of system neurodegenerative diseases,
441
1099330
3000
ya da diğer sistemik nörodejeneratif hastalılar,
18:22
things like that --
442
1102330
2000
ve benzerleri için de geçerli --
18:24
we will simulate
443
1104330
2000
Size özel
18:26
specifically you,
444
1106330
2000
bir simülasyon yapacağız,
18:28
not just a generic person,
445
1108330
2000
herkese uyarlanabilir genel bir sümülasyon değil,
18:30
but what's actually going on inside you.
446
1110330
2000
aksine vücudunuzun içinde nele olup bittiğini gösterecek.
18:32
And in that simulation, what we could do
447
1112330
2000
Bu simülasyonu kullanarak size özel
18:34
is design for you specifically
448
1114330
2000
bir grup ardışık tedavi seansı
18:36
a sequence of treatments,
449
1116330
2000
yapmamız mümkün olacak,
18:38
and it might be very gentle treatments, very small amounts of drugs.
450
1118330
3000
bunlar çok hafif tedaviler olacak, çok düşük dozlu ilaçlar.
18:41
It might be things like, don't eat that day,
451
1121330
3000
Ya da diğer ufak şeyler "Bugün yemek yeme" gibi,
18:44
or give them a little chemotherapy,
452
1124330
2000
ya da ufak dozlu kemoterapiler,
18:46
maybe a little radiation.
453
1126330
2000
belki biraz radyasyon tedavisi.
18:48
Of course, we'll do surgery sometimes and so on.
454
1128330
3000
Elbette gerektikçe cerrahi de uygulayacağız.
18:51
But design a program of treatments specifically for you
455
1131330
3000
Ama sizi sağlığınıza geri döndürmek ve
18:54
and help your body
456
1134330
3000
vücudunuza yardımcı olmak için
18:57
guide back to health --
457
1137330
3000
size özel bir tedavi programı
19:00
guide your body back to health.
458
1140330
2000
tasarlanmış olacak.
19:02
Because your body will do most of the work of fixing it
459
1142330
4000
Çünkü, eğer düzgün destek verirsek
19:06
if we just sort of prop it up in the ways that are wrong.
460
1146330
3000
vücudunuz bu durumu düzeltmek için elinden geleni yapacak.
19:09
We put it in the equivalent of splints.
461
1149330
2000
Bir nevi alçıya almak gibi.
19:11
And so your body basically has lots and lots of mechanisms
462
1151330
2000
Yani aslında vücudunuzun kanseri tamir etmek için
19:13
for fixing cancer,
463
1153330
2000
halihazırda pekçok mekanızması mevcut
19:15
and we just have to prop those up in the right way
464
1155330
3000
bize düşen sadece onları işlerini yapabilmeleri için
19:18
and get them to do the job.
465
1158330
2000
doğu şekilde desteklemek.
19:20
And so I believe that this will be the way
466
1160330
2000
ben, kanserin gelecekteki tedavi yönteminin
19:22
that cancer will be treated in the future.
467
1162330
2000
bu şekilde olacağına inanıyorum.
19:24
It's going to require a lot of work,
468
1164330
2000
Elbette çok fazla çalışma
19:26
a lot of research.
469
1166330
2000
ve araştırma gerelkiyor.
19:28
There will be many teams like our team
470
1168330
3000
Bu konuda , bizim takımımıza benzer
19:31
that work on this.
471
1171330
2000
çok fazla sayıda farklı grup oluşacaktır.
19:33
But I think eventually,
472
1173330
2000
Ama eninde sonunda
19:35
we will design for everybody
473
1175330
2000
herkes için, kişiye özel
19:37
a custom treatment for cancer.
474
1177330
4000
bir kanser tedavi yöntemi geliştireceğiz.
19:41
So thank you very much.
475
1181330
2000
Çok teşekkür ederim.
19:43
(Applause)
476
1183330
6000
(Alkışlar)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7