In de volgende 16 minuten zal ik jullie laten kennismaken met wat waarschijnlijk de grootste droom van de mensheid is: de code van het leven begrijpen. Voor mij begon alles heel lang geleden, toen ik kennismaakte met de eerste 3D-printer. Het concept was fascinerend. Een 3D-printer heeft drie dingen nodig: met een beetje informatie, enkele grondstoffen en wat energie kan de printer uit het niets een totaal nieuw object produceren. Ik studeerde fysica en was op weg naar huis toen ik besefte dat ik al heel mijn leven een 3D-printer kende. En iedereen kent er één. Het was mijn ma. (Gelach) Mijn ma neemt 3 elementen: een beetje informatie, in dit geval van mijn vader en mijn moeder, grondstoffen en energie onder dezelfde vorm, voedsel, en na enkele maanden produceert ze mij. Daarvoor bestond ik gewoon niet. Dus, afgezien van mijn ma's schok toen ze ontdekte dat ze een 3D-printer is, raakte ik gefascineerd door dat ene onderdeel, het eerste, de informatie. Hoeveel informatie heb je nodig om een mens ineen te knutselen? Is dat veel? Of niet veel? Hoeveel USB-sticks kan je ermee vullen? Ik was fysica aan het studeren en ik besloot dat de beste invalshoek was de mens als een enorme legoblok te bezien. Beeld je in dat de blokjes kleine atoompjes zijn en dat er hier waterstof is, en hier koolstof, en verder nog stikstof. Mijn eerste inschatting was: als ik de lijst kan opstellen van het aantal atomen dat een mens bevat, dan kan ik er ook één bouwen. Nu kan je beginnen rekenen, en het resultaat is onwaarschijnlijk. Het aantal atomen, de file die ik op mijn USB-stick zal opslaan om een baby in elkaar te steken, zal een hele Titanic vol USB-sticks vullen - vermenigvuldigd met 2000. Dit is het wonder van het leven. Denk eraan elke keer je nu een zwangere vrouw ziet: zij is de grootste hoeveelheid informatie aan het verzamelen die je je kan inbeelden. Vergeet 'big data', vergeet alles wat je ooit gehoord hebt. Dit is de grootste hoeveelheid informatie die er bestaat. (Applaus) Gelukkig is de natuur veel slimmer dan een jonge natuurkundige, en is ze er in 4 miljard jaar in geslaagd deze informatie samen te pakken in een klein kristal dat DNA heet. We zagen het voor het eerst in 1950 toen Rosalind Franklin, een ongelooflijke wetenschapper, een vrouw, het vastlegde op foto. Maar we hadden meer dan 40 jaar nodig om in een menselijke cel binnen te geraken, het kristal te isoleren, het af te wikkelen en voor het eerst te lezen. De code die dan verschijnt, is een zeer eenvoudig alfabet met vier letters: A, T, C en G. Om een mens te bouwen, heb je er drie miljard van nodig. Drie miljard. Hoeveel is drie miljard? Het is een getal dat eigenlijk weinig zin heeft. Dus dacht ik: hoe kan ik nu echt duidelijk maken hoe reusachtig groot deze code wel is? Nu heb je wel - ik bedoel ik heb nu wel even hulp nodig. De persoon die mij het best kan helpen om de code voor te stellen, is Dr. Craig Venter, de eerste man die de volgorde ervan heeft bepaald. Welkom, Dr. Craig Venter. (Applaus) Dit is natuurlijk niet de man in vlees en bloed, maar, voor de eerste keer in de geschiedenis, is het genoom van een bepaald individu uitgeschreven, pagina na pagina, letter na letter: 260.000 bladzijden aan informatie, 450 kilo die van de VS naar Canada verzonden zijn dankzij Bruno Bowden, van start-up Lulu.com. Een geweldige prestatie. Dit is dus de visuele weergave van de code van het leven. En nu kan ik voor de eerste keer iets leuks doen. Ik kan de code nu inkijken en lezen. Nu zal ik eens een interessant boek nemen ... zoals dat hier. Hier is mijn aantekening; het is een enorm boek. Nu kan je echt wel zien wat de code van het leven is. Duizenden en duizenden en duizenden en miljoenen letters. En blijkbaar wil dat allemaal iets zeggen. Laten we eens een fragment nemen. Ik zal het even voorlezen: (Gelach) "AAG, AAT, ATA." Voor jullie zijn dat gewoon zinloze letters, maar deze sequentie bepaalt de kleur van Craigs ogen. Nu een ander fragment van het boek. Dit is wel een beetje moeilijker. Chromosoom 14, boek 132: (Gelach) Dacht ik het niet. (Gelach) "ATT, CTT, GATT". Deze mens heeft geluk, want als je twee letters te kort schiet in deze combinatie - twee letters van onze drie miljard - dan zal je aan een vreselijke ziekte lijden: taaislijmziekte. Dit is een ongeneeslijke ziekte, daar bestaat geen medicatie voor, en het is een verschil van twee lettertjes ten opzichte van ons. Een fantastisch boek, een grandioos boek, een boek dat mij geholpen heeft iets te begrijpen dat echt fenomenaal is. Elk van jullie - wat mij en jou van elkaar onderscheidt is ongeveer vijf miljoen van deze, een half boek. Voor de rest zijn we allemaal volledig identiek. Die vijfhonderd pagina's zijn het mirakel van het leven voor elk van jullie. Al de rest hebben we gemeenschappelijk. Dus denk eraan wanneer je denkt dat we verschillend zijn. Zoveel hebben we dus gemeenschappelijk. Nu ik dus jullie aandacht heb, wil ik nog een vraag stellen hoe kan je dat nu lezen? Hoe kan dat nu zinvol zijn? Je mag nog een kei zijn in het ineenknutselen van Zweedse meubels, maar deze handleiding zal je nooit kunnen gebruiken. (Gelach) En zo besloten twee bekende TED-ers, Peter Diamandis en Craig Venter zelf, in 2014 een nieuw bedrijf op te starten. Hier kwam Human Longevity, met één missie: alles proberen en alles leren uit deze boeken, met één doel - de droom waarmaken van gepersonaliseerde geneeskunde, begrijpen wat we moeten doen om een betere gezondheid te hebben en wat voor geheimen deze boeken omvatten. Een fantastisch team met 40 wetenschappers en veel, veel andere mensen, een plezier om mee te werken. Het concept is heel eenvoudig. We gebruiken de technologie van 'machine learning'. Aan de ene kant hebben we duizenden genomen. Aan de andere kant hebben we de grootste database van de mens bijeengebracht: fenotypes, 3D-scans, kernspinresonantie - je noemt het maar. En daar, aan deze twee overstaande kanten vind je het geheim van de vertaling. Tussen de twee bouwen we een machine. We bouwen een machine en we programeren die - om precies te zijn, niet één machine, maar veel, veel machines - om te proberen het genoom in een fenotype te begrijpen en te vertalen. Welke zijn die letters en wat doen ze? Deze methodologie kan voor alles gebruikt worden, maar het is een hele opdracht om die te gebruiken in genomica. We zijn langzaamaan gegroeid en we hadden verschillende projecten. We begonnen met het begin, met gemeenschappelijke kenmerken. Gemeenschappelijke kenmerken zijn de gemakkelijkste, omdat iedereen ze heeft. Dus hebben we ons afgevraagd: kan lengte voorspeld worden? Kunnen we uit de boeken je lengte afleiden? Wel ja, we kunnen dat, met een precisie van vijf centimeter. Je BMI-index is gekoppeld aan je levensstijl maar we kunnen toch je gewicht schatten met een precisie van 8 kilo. De kleur van je ogen? Die kunnen we ook raden. Met 80% zekerheid. Kunnen we je huidskleur raden? Ja - met 80% zekerheid. Kunnen we je leeftijd raden? Dat kunnen we, omdat de code blijkbaar in de loop van de jaren verandert. Ze wordt korter, je verliest stukjes, ander stukken worden bijgevoegd. We lezen de signalen en we maken een model. Nu is er wel een interessante uitdaging Kunnen we een gezicht voorspellen? Dat is een beetje moeilijk omdat een menselijk gezicht bestaat uit miljoenen letters En een gezicht is nu ook niet een welomschreven object. Dus moesten we er een hele reeks van bouwen om te leren en aan een machine te leren wat een gezicht is en dan moet je het nog integreren. Als je iets van machine learning kent, dan weet je ook wat voor een uitdaging dit is. En nu, na 15 jaar - 15 jaar nadat we de eerste sequentie gelezen hebben - in oktober, hebben we de eerste signalen gezien. Dat was een zeer ontroerend moment. Je ziet dus een persoon ons lab binnenwandelen. Voor ons is het een gezicht. We nemen iemands reële gezicht, verminderen de complexiteit, omdat niet alles van je gezicht komt, veel kenmerken en imperfecties en onregelmatigheden komen van ons leven. We maken het gezicht symmetrisch en we voeren ons algoritme uit. Hier zijn de resultaten. Dit is de voorspelling die berekend wordt op basis van het bloed. (Applaus) Wacht eens even. Voor het ogenblik zijn jullie ogen aan het kijken, links en rechts, links en rechts, en jullie hersenen willen gewoon dat die foto's identiek zijn. Dus moeten jullie nu even eerlijk zijn. Probeer de verschillen na te sporen, en die zijn er! De grootste hoeveelheid signalen komt van het geslacht, dan heb je leeftijd, BMI, het ethnische aspect van een mens. Wanneer je een stap verder zet, dan wordt het pas echt ingewikkeld. Maar wat je hier kan zien, zelfs de verschillen, dat maakt ons duidelijk dat we in de goede richting aan het gaan zijn, dat we dichterbij komen. En je voelt de emoties al opkomen. Dit is een andere persoon die het lab binnenkomt, en dit is de voorspelling. Een kleiner gezicht, de vorm van de schedel was niet volledig, maar je kan toch zien dat we er niet ver van af zijn. Dit is nog een andere persoon in ons lab, met de voorspelling. Maar deze mensen zul je nooit zien in de training van de machine. Ze zijn de zogenaamde validatieset. Maar deze mensen zal je waarschijnlijk nooit geloven. Ons werk wordt uitgegeven in een wetenschappelijk blad, je kan het lezen. Maar we zijn op het podium en Chris heeft me uitgedaagd. Ik heb een risico genomen en geprobeerd iemand te raden die jullie misschien zullen herkennen. Hier heb je een bloedbuisje -- en, geloof me, jullie heb geen idee wat we wel hebben moeten doen om dit bloed te bemachtigen -- hier in dit bloedbuisje hebben we genoeg biologische informatie om een volledige genoom te sequencen. Meer hebben we niet nodig. We hebben deze sequence uitgevoerd, en we zullen dit nu samen doen. Laag na laag brengen we alle informatie bij elkaar die we hebben. Via dit bloedbuisje hebben we voorspeld dat het gaat over een man. En inderdaad, het is een man. We voorspellen dat hij 1,76 m groot is. Onze persoon is 1,77 cm groot. We mikken op 76 kg, en hij weegt 82 kg. We voorspellen zijn leeftijd, 38 jaar. Onze persoon is er 35. Wij denken dat hij donkere ogen heeft. Te donker. Zijn huidskleur. We zijn er nu bijna. Dit is zijn gezicht. En nu DE revelatie: hier is onze persoon. (Gelach) Ik heb dit met opzet gedaan. Ik heb een heel vreemde ethnische oorsprong. Zuid-Europees, Italiaans - die moeten altijd alles anders doen. En dat is speciaal - ethnische oorsprong is een ingewikkelde test voor ons model. Maar er is nog iets anders. Eén van de elementen die we veel gebruiken om mensen te herkennen zal je nooit in het genoom vinden. Het is onze vrije wil, hoe je eruit ziet. In mijn geval niet mijn haarsnit, maar mijn baard. Ik zal hier nu een baard toevoegen, en dat is niets anders dan Photoshop en zeker geen modellering. En nu krijgen we onmiddellijk iets totaal, maar dan ook totaal anders. Waarom doen we dit dus? We doen het zeker niet om te voorspellen hoe groot iemand wordt of om een mooi plaatje te vormen vanaf je bloed. We doen dit omdat dezelfde technologie, en dezelfde methode, de machine learning van deze code, ons kan helpen te begrijpen hoe ons lichaam werkt, hoe je lichaam in elkaar zit, hoe je lichaam veroudert, hoe ziekte ontstaat in je lichaam, hoe kanker ontstaat en zich ontwikkelt, hoe drugs werken en wat het effect ervan is op je lichaam. Dit is een ongelooflijke uitdaging. En deze uitdaging gaan we aan tezamen met duizenden wetenschappers overal ter wereld. Dat is nu gepersonaliseerde geneeskunde. In plaats van een statistische methode, waar je slechts een nummer bent, gebruiken we een gepersonaliseerde methode, waar we al die boeken lezen en we zo te weten komen hoe je precies in elkaar zit. Maar dit is een uiterst complexe uitdaging, omdat we, vandaag, van al die boeken, maar ongeveer twee procent kennen: vier boeken uit een totaal van meer dan 175. Dit is ook niet het onderwerp van mijn uiteenzetting, want we zullen zeker meer en meer leren. De beste breinen van de wereld zwoegen op deze topic. De berekening zal verbeteren, het model zal preciezer worden. Hoe meer we leren, hoe meer we zullen geconfronteerd worden met keuzes die we nooit eerder gezien hebben over het leven, over de dood, over het ouderschap. We raken nu dus de echte essentie van hoe het leven werkt. En dit is een revolutie die we niet kunnen reduceren tot het domein van wetenschap of technologie. Dit moet een globaal debat zijn. We moeten nadenken over de toekomst van de mensheid die we aan het bouwen zijn. Daarbij moeten we samenwerken met artiesten, met filosofen, met de politieke wereld. Iedereen moet helpen, omdat het gaat over de toekomst van onze soort. Zonder angst, maar met het besef dat de beslissingen die we volgend jaar zullen nemen voorgoed de loop van geschiedenis zullen veranderen. Hartelijk bedankt. (Applaus)