Nos próximos 16 minutos,
vou conduzi-los em uma jornada
que talvez seja o maior
sonho da humanidade:
entender o código da vida.
Quanto a mim, tudo começo
há muitos e muitos anos,
quando conheci a primeira impressora 3D.
O conceito era fascinante.
Uma impressora 3D requer três elementos:
informação, matéria-prima e energia,
com os quais podemos produzir
qualquer objeto que não existia antes.
Eu estudava física,
estava voltando para casa
e me dei conta de que sempre tive
uma impressora 3D.
E todo mundo tem uma.
É a minha mãe.
(Risos)
Minha mãe usou três elementos:
informação, neste caso,
entre meu pai e ela,
matérias-primas e energia
de uma mesma fonte, ou seja, o alimento,
e vários meses depois, fui produzido.
E eu não existia antes.
Além do choque que tive, ao descobrir
que minha mãe era uma impressora 3D,
eu fiquei imediatamente fascinado
pelo primeiro elemento, a informação.
Qual é a quantidade de informação
necessária para montar um ser humano?
É muita? É pouca?
Caberia em quantos pen drives?
Bem, no começo eu estudava física
e adotei a analogia simplista
entre um ser humano
e uma peça gigante de Lego.
Imagine que os blocos de construção
sejam átomos minúsculos,
e que há um hidrogênio aqui,
um carbono aqui, um nitrogênio aqui.
Numa primeira aproximação,
se puder listar o número de átomos
formadores do ser humano,
eu posso construí-lo.
Pode-se fazer um cálculo
e o número que se obtém
é muito impressionante.
O número de átomos,
no arquivo que terei de salvar
em um pen driver para montar um bebê,
na verdade lotará um Titanic inteiro,
cheio de pen drives,
multiplicado por 2 mil vezes.
Esse é o milagre da vida.
Doravante, quando virem
uma mulher grávida,
saberão que ela está montando
a maior quantidade de informação
que jamais encontrarão.
Esqueça “big data”, esqueça
tudo de que já tenha ouvido.
É a maior quantidade
de informação que existe.
(Aplausos)
A natureza, felizmente, é muito mais
inteligente do que um físico,
e, em 4 bilhões de anos,
conseguiu concentrar essa informação
em um pequeno cristal que chamamos de DNA.
Nós o conhecemos em 1950,
quando Rosalind Franklin,
uma notável cientista, uma mulher,
o fotografou.
Porém, levou mais de 40 anos para enfim
penetrarmos numa célula humana,
retirarmos este cristal,
o desenrolarmos e o lermos
pela primeira vez.
O código revelou ser um alfabeto
razoavelmente simples,
com quatro letras: A, T, C e G.
Para construir um ser humano,
são necessárias 3 bilhões delas.
Três bilhões.
O que são três bilhões?
Não fazemos ideia da quantidade
representada, certo?
Pensei como poderia explicar melhor
a enormidade deste código.
Mas terei uma ajuda,
e a melhor pessoa para me ajudar
a apresentar o código
é, na verdade, o primeiro homem
que o sequenciou, Dr. Craig Venter.
Bem-vindo ao palco, Dr. Craig Venter.
(Aplausos)
Não é ele em carne e osso,
mas, pela primeira vez na história,
este é o genoma de uma pessoa específica,
impresso página por página,
letra por letra:
262 mil páginas de informação,
450 kg, despachados dos EUA ao Canadá,
graças a Bruno Bowden, Lulu.com,
uma “start-up” que fez tudo.
Foi um façanha incrível.
Esta é a percepção visual
do que é o código da vida.
Agora, pela primeira vez,
posso fazer algo divertido.
Posso realmente olhar dentro dele e o ler.
Então, deixe-me pegar
um livro interessante…como este.
Eu fiz uma anotação:
é um livro razoavelmente grande.
É apenas para que vocês vejam
o que é o código da vida.
(Risos)
Milhares, milhares, milhares
e milhões de letras.
E elas parecem fazer sentido.
Vamos para uma parte específica.
Vou ler para vocês.
(Risos)
“AAG, AAT, ATA.”
Podem parecer letras sem significado,
mas esta sequência determina
a cor dos olhos do Craig.
Vou mostrar-lhes outra parte do livro.
Esta é realmente um pouco mais complicada.
Cromossomo 14, livro 132:
(Risos)
Como vocês esperavam.
(Risos)
"ATT, CTT, GATT."
Esta pessoa tem sorte,
porque se faltassem apenas
duas letras nesta posição,
duas letras em três bilhões,
ela estaria condenada
a uma doença terrível:
a fibrose cística.
Não há cura para ela,
não sabemos como tratá-la,
e são apenas duas letras de diferença
em relação às pessoas saudáveis.
Um livro maravilhoso e poderoso,
que me ajudou a entender
e mostrar-lhes algo notável.
Cada um de vocês, o que me faz
ser quem sou, o que faz você ser você,
são apenas 5 milhões destas,
a metade de um livro.
No resto, somos absolutamente idênticos.
São 500 páginas, o milagre da vida,
o milagre que vocês são.
O restante, todos nós compartilhamos.
Lembrem disto, quando pensarem
que somos diferentes.
Esta é a quantidade
que nós compartilhamos.
Agora que tenho a atenção de vocês,
a próxima questão é:
Como conseguir ler?
Como fazer isto ter um significado?
Bem, por mais hábeis que sejam
em montar móveis suecos,
este manual de instrução é algo
que nunca conseguirão decifrar.
(Risos)
E assim, em 2014, dois famosos
participantes do TED,
Peter Diamandis e o próprio Craig Venter,
decidiram fundar uma nova companhia.
E nasceu a Human Longevity,
com uma missão:
fazer tudo o que pudéssemos
e estudar tudo o que podíamos
aprender com estes livros,
com um objetivo:
tornar realidade o sonho
da medicina personalizada,
compreender o que deveria ser feito
para termos uma saúde melhor
e que segredos guardam estes livros.
Uma equipe maravilhosa,
com 40 cientistas de dados
e muitas outras pessoas,
com as quais é um prazer trabalhar.
O conceito é realmente muito simples.
Usaremos uma tecnologia
chamada aprendizado de máquina.
De um lado, temos os genomas,
milhares deles.
Do outro lado, juntamos o maior
banco de dados sobre os seres humanos:
fenótipos, escaneamento em 3D, RNM,
tudo aquilo em que possam pensar.
Dentro disso, nos dois lados opostos,
há o segredo da tradução.
E no meio, construímos uma máquina.
Construímos e treinamos uma máquina;
bem, não exatamente uma,
muitas e muitas máquinas…
com a finalidade de entender e traduzir
o genoma em um fenótipo.
Quais são as letras e o que elas fazem?
É uma abordagem que pode
ser usada para tudo,
mas usá-la em genômica é
particularmente complicado.
Progredimos aos poucos e queríamos
enfrentar diferentes desafios.
Começamos pelos traços comuns,
pois tais características
são mais fáceis de trabalhar,
todos as têm.
Começamos a indagar:
Podemos prever a altura?
Podemos ler os livros e prever a altura?
Bem, realmente podemos,
com 5 cm de precisão.
O índice de massa corporal, IMC,
está ligado ao estilo de vida,
mas, dentro de certos limites,
podemos prevê-lo com 8 kg de precisão.
E prever a cor dos olhos?
Sim, podemos. Com 80% de precisão.
Podemos prever a cor da pele?
Sim, podemos, com 80% de precisão.
Podemos prever a idade?
Podemos porque, aparentemente,
o código muda ao longo da vida.
Ele se encurta, perde pedaços,
ganha inserções.
Lemos os sinais e elaboramos um modelo.
Um desafio interessante:
é possível prever a face humana?
É um pouco complicado,
porque uma face humana está espalhada
entre milhões de letras.
E uma face humana não é
um objeto bem definido.
Construímos uma coleção delas
para aprender e ensinar
a uma máquina o que é uma face,
a incorporá-la e comprimi-la.
Se entendem de aprendizagem de máquina,
compreendem qual é o desafio aqui.
Bem, 15 anos após termos
lido a primeira sequência,
agora em outubro
identificamos alguns sinais.
Foi um momento muito emocionante.
O que veem aqui é uma pessoa
chegando ao nosso laboratório.
Para nós, é um rosto.
Tomamos o rosto real de uma pessoa,
reduzimos a complexidade,
porque nem tudo está no rosto,
muitos aspectos e defeitos e assimetrias
vêm da vida que a pessoa leva.
Simetrizamos a face
e usamos nosso algoritmo.
O resultado que lhes mostro agora
é a previsão que fizemos
a partir de amostra de sangue.
(Aplausos)
Esperem um instante.
Nesses segundos, vocês olham da esquerda
para a direita e vice-versa,
e o cérebro espera
que as figuras sejam idênticas.
Peço que façam um outro
exercício, para ser honesto.
Por favor, procurem as diferenças,
as quais são muitas.
A maior quantidade
de sinais vem do gênero,
depois a idade, IMC, o componente
da etnicidade de uma pessoa.
E extrapolar a partir do sinal
é mais complicado ainda.
Mas, o que veem aqui,
mesmo nas diferenças,
permite que percebam
que estamos no caminho certo,
que estamos chegando perto.
E já nos causa algumas emoções.
Esta é uma outra pessoa que chega,
e esta é uma previsão.
Tem uma face um pouco menor,
não captamos a estrutura
craniana completa,
mas, ainda assim, chegamos perto.
Eis o sujeito que chega
em nosso laboratório,
e esta é a sua previsão.
Essas pessoas nunca foram usadas
para treinar a máquina.
São chamadas de conjunto “não incluído”.
São pessoas que vocês provavelmente
nunca acreditarão que existem.
Estamos publicando tudo
em uma revista científica,
e vocês podem ler.
Já que estamos no palco,
Chris me desafiou.
É possível que tenha me exposto
e me arriscado a prever
alguém que vocês podem reconhecer.
No sangue contido neste tubo de ensaio,
e creiam-me, vocês não têm ideia
do que tivemos que fazer
para obter este sangue, aqui,
este frasquinho de sangue contém
a quantidade de informação biológica
necessária para sequenciar todo o genoma.
Esta quantidade é suficiente.
Fizemos esta sequência
e vamos fazê-la com vocês.
Começamos a utilizar
todo o conhecimento que temos.
Com o tubo de sangue,
previmos que era um homem.
E era um homem.
Previmos que tem 1,76 m.
O sujeito tem 1,77 m.
Previmos 76 kg, a pessoa tem 82 kg.
Previmos sua idade, 38 anos.
A pessoa tem 35 anos.
Previmos a cor dos seus olhos.
São muito escuros.
Previmos sua cor de pele.
Falta pouco.
Esta é sua face.
Agora, a hora da revelação:
o sujeito é esta pessoa.
(Risos)
Foi uma coisa intencional
Sou de uma etnia muito peculiar.
Europeus do sul, italianos,
não se enquadram em modelos.
E é específico…
O grupo étnico é muito complexo
e especial para o nosso modelo.
Mas há uma outra questão.
Uma das coisas muito usadas
para reconhecer pessoas
nunca estará escrita no genoma.
É a nossa livre escolha,
é a nossa aparência.
Não o meu corte de cabelo,
neste caso, o corte de minha barba.
Neste caso, eu vou transferir...
usou-se apenas o Photoshop,
sem qualquer modelagem...
a barba para o sujeito.
E imediatamente nós temos
uma percepção muito, muito melhor.
Por que agimos assim?
Certamente não o fazemos
para prever a altura
ou obter uma bonita imagem
a partir do sangue.
O fazemos porque a mesma
tecnologia e a mesma abordagem,
a aprendizagem de máquina deste código,
nos ajudam a entender como funcionamos,
como o corpo funciona,
como o corpo envelhece,
como as doenças surgem no organismo,
como o câncer cresce e se desenvolve,
como as drogas agem,
e se elas atuam em nosso corpo.
Este é um grande desafio.
É um desafio para todos nós
e milhares de outros
pesquisadores no mundo inteiro.
É a chamada medicina personalizada.
É a capacidade de trocar
uma abordagem estatística,
na qual somos uma gota no oceano,
por uma abordagem personalizada,
na qual lemos todos estes livros
e conseguirmos uma compreensão
de quem somos exatamente.
Mas é um desafio
particularmente complicado,
porque hoje, de todos esses livros,
é provável que conheçamos apenas 2%:
4 livros em mais de 175.
E este não é o foco da minha palestra,
porque aprenderemos mais.
As melhores cabeças do mundo
estudam este problema.
A previsão será aperfeiçoada,
o modelo ficará mais preciso.
E quanto mais aprendermos,
mais seremos confrontados com decisões
que nunca antes tivemos que encarar
sobre a vida, sobre a morte,
sobre a criação de filhos.
Estamos lidando com os detalhes
recônditos de como a vida funciona.
É uma revolução que não pode se limitar
ao domínio da ciência ou da tecnologia.
Deve haver um debate global.
Devemos pensar o futuro que estamos
construindo para a humanidade.
Precisamos interagir
com pessoas criativas,
com artistas, com filósofos
com políticos.
Todos estão envolvidos,
porque é o futuro da nossa espécie.
Sem temor, mas com a compreensão
de que as decisões
que tomaremos no próximo ano
mudarão o curso da história para sempre.
Obrigado.
(Aplausos)