1
00:00:00,612 --> 00:00:03,484
接下来的一刻钟，我要带大家踏上一段旅程

2
00:00:03,484 --> 00:00:06,574
这大概是全人类的终极梦想——

3
00:00:06,574 --> 00:00:09,208
解读生命的密码！

4
00:00:09,208 --> 00:00:11,426
我的经历开始于很多很多年以前，

5
00:00:11,426 --> 00:00:14,219
那时我遇到了第一台3D打印机。

6
00:00:14,219 --> 00:00:16,572
3D打印真是个非常赞的概念

7
00:00:16,572 --> 00:00:18,110
它需要三个要素：

8
00:00:18,110 --> 00:00:22,176
少量的信息，一些原材料，再加上点能量

9
00:00:22,176 --> 00:00:25,838
就能制造出以前从没存在过的任何东西。

10
00:00:25,838 --> 00:00:28,077
当时我正在研究物理学

11
00:00:28,077 --> 00:00:31,917
有天我回到家，突然意识到我家里就有台3D打印机

12
00:00:31,917 --> 00:00:33,454
而且每人家里都有一台

13
00:00:33,454 --> 00:00:35,327
就是我妈妈。

14
00:00:35,327 --> 00:00:38,121
我妈妈用这三个要素：

15
00:00:38,145 --> 00:00:39,495
少量的信息——

16
00:00:39,495 --> 00:00:42,142
来自我爸和我妈的共同投入

17
00:00:42,142 --> 00:00:46,299
原材料和能量的共同来源——食物

18
00:00:46,323 --> 00:00:48,831
历时几个月，制造出了我

19
00:00:48,855 --> 00:00:50,667
而我以前从来没有存在过！

20
00:00:50,691 --> 00:00:54,453
除了震惊的发现我妈其实是台3D打印机

21
00:00:54,477 --> 00:00:59,215
我还立即被另一个部分吸引了

22
00:00:59,239 --> 00:01:00,956
第一个要素，信息——

23
00:01:00,980 --> 00:01:03,231
到底需要多少信息

24
00:01:03,255 --> 00:01:05,191
才能制造和组装一个人呢？

25
00:01:05,215 --> 00:01:06,789
是要很多？还是很少？

26
00:01:06,813 --> 00:01:08,993
要用多少个U盘去储存？

27
00:01:09,017 --> 00:01:11,641
我最开始是学物理的，

28
00:01:11,665 --> 00:01:17,262
我想如果把人看成是一个巨型的乐高玩具

29
00:01:17,286 --> 00:01:21,071
小的乐高模块就像是原子——

30
00:01:21,095 --> 00:01:25,748
这里有氢原子，这边有碳原子，上面这有氮原子。

31
00:01:25,772 --> 00:01:27,343
按照最初的这个设定

32
00:01:27,367 --> 00:01:31,710
如果能够列出组成人类的所有原子

33
00:01:31,734 --> 00:01:33,121
应该就能组装出一个人。

34
00:01:33,145 --> 00:01:35,174
大致计算一下

35
00:01:35,198 --> 00:01:38,475
得到的结果非常惊人。

36
00:01:38,499 --> 00:01:41,256
所需要的原子的总数，

37
00:01:41,304 --> 00:01:46,059
全部存到U盘里面——即便是组装一个小婴儿

38
00:01:46,059 --> 00:01:50,726
用掉的U盘就能装满整个泰坦尼克号

39
00:01:50,750 --> 00:01:53,468
再乘以2000倍...

40
00:01:53,957 --> 00:01:57,358
这就是生命的奇迹。

41
00:01:57,382 --> 00:02:00,022
现在你再看到一个孕妇

42
00:02:00,022 --> 00:02:04,294
她正在组装你能见到的最大量的信息

43
00:02:04,478 --> 00:02:07,428
不要谈大数据，不要谈以前听说过的数字

44
00:02:07,452 --> 00:02:10,913
这就是现存的，最最大量的信息。

45
00:02:10,913 --> 00:02:12,207
（掌声）

46
00:02:12,207 --> 00:02:13,494
但是......

47
00:02:14,214 --> 00:02:18,858
好在大自然比一个年轻的物理学家要聪明多了。

48
00:02:18,882 --> 00:02:20,822
在四十亿年的进化过程中

49
00:02:20,822 --> 00:02:25,187
这些信息被压缩在叫做DNA的小晶体当中。

50
00:02:25,605 --> 00:02:28,461
在1950年代我们第一次知道了DNA

51
00:02:28,461 --> 00:02:31,497
那时一位杰出的女科学家Rosalind Franklin

52
00:02:31,521 --> 00:02:32,910
给DNA拍了张照

53
00:02:32,934 --> 00:02:35,636
但我们花了超过40年的时间，

54
00:02:35,636 --> 00:02:39,206
才最终能够从人类细胞中提取这种晶体，

55
00:02:39,206 --> 00:02:42,848
展开来，第一次去阅读它。

56
00:02:43,615 --> 00:02:46,906
这个遗传密码由简单的字母表组成，

57
00:02:46,906 --> 00:02:50,652
四个字母，A，T，C和G （碱基）。

58
00:02:50,652 --> 00:02:54,192
要组装一个人，需要30亿个字母。

59
00:02:54,933 --> 00:02:57,602
30亿....30亿是多少？

60
00:02:57,739 --> 00:03:00,501
光这么说大家可能都没概念，

61
00:03:00,525 --> 00:03:04,610
我在想怎么表达才能让人更清楚，

62
00:03:04,634 --> 00:03:07,684
这些遗传密码的数量到底有多庞大。

63
00:03:07,708 --> 00:03:10,762
所以...我需要点帮助...

64
00:03:10,786 --> 00:03:14,013
最合适来帮我介绍遗传密码的人，

65
00:03:14,037 --> 00:03:16,353
就是第一位进行人类基因组测序的人，

66
00:03:16,353 --> 00:03:17,937
Craig Venter 博士。

67
00:03:17,937 --> 00:03:21,918
我们欢迎Craig Venter博士到台上来——

68
00:03:21,918 --> 00:03:26,598
（掌声）

69
00:03:27,952 --> 00:03:30,208
不是他本人——

70
00:03:31,448 --> 00:03:36,813
但这是史上第一次，一个人的基因组

71
00:03:36,813 --> 00:03:41,079
被一页一页，一个字母一个字母的打印在纸上——

72
00:03:41,087 --> 00:03:47,253
总共26万2千页，450千克，

73
00:03:47,253 --> 00:03:49,781
从美国运到加拿大

74
00:03:49,781 --> 00:03:52,592
感谢Bruno Bowden还有 Lulu.com——

75
00:03:52,592 --> 00:03:55,782
他们负责完成了这一切，一项壮举。

76
00:03:55,782 --> 00:04:00,336
这些就是生命密码给人最直观的视觉感受。

77
00:04:00,336 --> 00:04:02,648
现在我可以来玩点有趣的——

78
00:04:02,672 --> 00:04:05,219
从这里面挑一段来读一读。

79
00:04:05,243 --> 00:04:09,868
我来找一本有意思的...比如这一本...

80
00:04:13,077 --> 00:04:15,611
我放了书签在里面，这书太厚了...

81
00:04:15,635 --> 00:04:19,362
给你们看一下，生命的密码长什么样子

82
00:04:20,566 --> 00:04:26,237
成百上千...成千上万...上百万的字母...

83
00:04:26,675 --> 00:04:29,071
它们当然都有意义。

84
00:04:29,095 --> 00:04:30,852
让我来找一段特殊的

85
00:04:31,571 --> 00:04:33,113
读给你们听...

86
00:04:34,002 --> 00:04:38,008
"AAG, AAT, ATA"

87
00:04:38,965 --> 00:04:41,302
你们可能觉得像是听天书，

88
00:04:41,302 --> 00:04:45,097
但这段序列决定了Craig眼睛的颜色。

89
00:04:45,633 --> 00:04:47,565
在看看另外一段...

90
00:04:47,589 --> 00:04:49,683
这一段稍微复杂一些...

91
00:04:50,983 --> 00:04:53,630
第14号染色体，书本编号132...

92
00:04:53,654 --> 00:04:55,744
（笑声）

93
00:04:55,768 --> 00:04:57,235
你们想象到了哦...

94
00:04:57,235 --> 00:05:00,535
（笑声）

95
00:05:02,857 --> 00:05:07,364
"ATT, CTT, GATT"

96
00:05:08,329 --> 00:05:10,016
这个人很幸运，

97
00:05:10,040 --> 00:05:14,557
因为如果他在这个位点上少了2个字母，

98
00:05:14,581 --> 00:05:16,458
30亿中的2个...

99
00:05:16,482 --> 00:05:18,501
他就会患上一种非常可怕的疾病——

100
00:05:18,525 --> 00:05:20,015
囊肿性纤维化（cystic fibrosis）

101
00:05:20,015 --> 00:05:23,402
目前没有治疗的方法，这是绝症，

102
00:05:23,426 --> 00:05:27,181
仅仅是2个字母的区别。

103
00:05:27,585 --> 00:05:30,290
这是一部鸿篇巨著，

104
00:05:31,115 --> 00:05:34,487
它帮助我理解，也能让你们看到

105
00:05:34,487 --> 00:05:36,649
一件更加另人叹为观止的事。

106
00:05:36,649 --> 00:05:38,489
我们中的每一个人，

107
00:05:38,489 --> 00:05:41,337
是什么让我成为我，让你成为你...

108
00:05:41,337 --> 00:05:44,305
大概只占这其中的500万...

109
00:05:44,305 --> 00:05:46,422
只有半本书...

110
00:05:46,422 --> 00:05:50,264
所有剩下的，我们完全一模一样。

111
00:05:51,008 --> 00:05:55,026
500页，涵盖了你的生命奇迹；

112
00:05:55,050 --> 00:05:57,581
余下的，我们全都一样。

113
00:05:57,605 --> 00:06:00,514
讨论人与人差异的时候反思一下，

114
00:06:00,538 --> 00:06:02,759
我们有这么多共通的东西。

115
00:06:03,441 --> 00:06:06,870
现在我已经引起了你们的兴趣，

116
00:06:06,894 --> 00:06:08,253
下一步就是：

117
00:06:08,277 --> 00:06:09,428
怎么去读取这些信息？

118
00:06:09,452 --> 00:06:11,191
怎么理解和运用它们？

119
00:06:11,409 --> 00:06:15,649
不管你在组装宜家家居上有多在行...

120
00:06:15,673 --> 00:06:19,236
这么长的说明书...基本是不可能完成的任务

121
00:06:20,207 --> 00:06:23,999
2014年，两位著名的TED参加者

122
00:06:24,023 --> 00:06:26,563
Peter Diamandis 和 Craig Venter

123
00:06:26,587 --> 00:06:28,514
决定成立一个新公司

124
00:06:28,538 --> 00:06:29,950
人类长寿公司（Human Longevity, Inc.）诞生了。

125
00:06:29,974 --> 00:06:31,344
唯一的任务——

126
00:06:31,368 --> 00:06:35,949
竭尽全力，穷尽其学的研究这些书目

127
00:06:36,036 --> 00:06:37,741
只为达到一个目的：

128
00:06:38,862 --> 00:06:41,663
让个人化医疗成为现实。

129
00:06:41,687 --> 00:06:45,454
怎么做才能提高人类健康水平

130
00:06:45,478 --> 00:06:47,761
了解这些书目背后的秘密。

131
00:06:48,329 --> 00:06:50,913
一个强大的团队，拥有40位数据分析人员

132
00:06:50,913 --> 00:06:52,603
还有很多其他的人力支持

133
00:06:52,603 --> 00:06:53,953
和他们一起工作十分愉快。

134
00:06:53,977 --> 00:06:56,230
实际上工作流程不很复杂

135
00:06:56,254 --> 00:06:59,412
我们用一种叫做机器学习的方法。

136
00:06:59,436 --> 00:07:03,975
一方面，我们有几千个基因组；

137
00:07:03,999 --> 00:07:07,996
另一边我们建立一个超大的人类信息数据库：

138
00:07:08,020 --> 00:07:12,316
性状，3D扫描，核磁共振，所有能想到的

139
00:07:12,340 --> 00:07:15,239
在这两个端点之间，

140
00:07:15,263 --> 00:07:17,705
有神秘的翻译在进行。

141
00:07:17,729 --> 00:07:20,201
我们在中间建了一个机器，

142
00:07:20,801 --> 00:07:23,186
建好之后训练这台机器——

143
00:07:23,210 --> 00:07:26,420
实际上不只一台机器，而是很多台...

144
00:07:26,444 --> 00:07:30,988
试图去理解基因组并把它翻译成性状。

145
00:07:31,362 --> 00:07:34,702
有哪些字母——它们控制什么性状——

146
00:07:34,726 --> 00:07:37,473
这是普适的方法，可以用在所有问题上，

147
00:07:37,497 --> 00:07:40,490
但用在基因组学上异常的复杂。

148
00:07:40,514 --> 00:07:43,790
一点一点有了进展，我们再尝试更有挑战性的东西

149
00:07:43,814 --> 00:07:46,546
最开始我们从常见的特征下手，

150
00:07:46,570 --> 00:07:49,173
常见特征最容易因为它们太常见了，

151
00:07:49,197 --> 00:07:50,381
每个人都有。

152
00:07:50,405 --> 00:07:52,899
我们开始提出如下问题：

153
00:07:52,923 --> 00:07:54,303
能预测身高吗？

154
00:07:54,985 --> 00:07:57,162
能不能根据这些信息预测身高？

155
00:07:57,186 --> 00:08:00,067
可以，在5厘米的误差范围以内。

156
00:08:00,178 --> 00:08:03,313
BMI 主要跟生活习惯有关，

157
00:08:03,337 --> 00:08:07,201
但我们仍然能预测得差不多，8千克上下的误差。

158
00:08:07,225 --> 00:08:08,596
眼睛的颜色能不能预测？

159
00:08:08,596 --> 00:08:11,128
可以，80%准确率。

160
00:08:11,466 --> 00:08:13,324
皮肤颜色？

161
00:08:13,348 --> 00:08:15,789
可以，80%准确。

162
00:08:15,813 --> 00:08:18,123
年龄？

163
00:08:18,123 --> 00:08:21,860
可以，因为很明显基因随着年龄产生变化。

164
00:08:21,884 --> 00:08:25,166
DNA 会变短，缺失一些片段，插入另外一些片段

165
00:08:25,190 --> 00:08:27,745
我们读取这些信号，然后建立模型。

166
00:08:28,438 --> 00:08:29,913
现在来个有意思点的挑战：

167
00:08:29,937 --> 00:08:31,666
我们能不能预测人的面孔？

168
00:08:33,014 --> 00:08:34,292
这个略有点复杂，

169
00:08:34,316 --> 00:08:37,507
因为有几百万个碱基都对人脸产生影响。

170
00:08:37,531 --> 00:08:40,160
而且人脸并不是一个构造十分精准的物体。

171
00:08:40,184 --> 00:08:42,235
所以必须要建立一整个单独的模块，

172
00:08:42,259 --> 00:08:44,969
给机器去训练和学习人脸是什么，

173
00:08:44,993 --> 00:08:47,030
再把这个模块压缩整合进去。

174
00:08:47,054 --> 00:08:49,302
如果你对机器学习有点概念的话，

175
00:08:49,326 --> 00:08:51,610
就能够想象这个挑战是有多大。

176
00:08:52,108 --> 00:08:58,099
现在15年过去了——15年前我们读取第一条序列

177
00:08:58,123 --> 00:09:01,025
——今年10月，我们总算有了些进展，

178
00:09:01,049 --> 00:09:03,504
当时还是很激动人心的。

179
00:09:03,528 --> 00:09:09,363
这是我们的一个测试对象，一张人的脸——

180
00:09:09,571 --> 00:09:13,202
我们要对测试对象的面孔进行简化，

181
00:09:13,226 --> 00:09:15,196
因为并不是所有的特征都是面孔的一部分——

182
00:09:15,220 --> 00:09:19,006
很多特点、缺陷和不对称是生活的痕迹。

183
00:09:19,030 --> 00:09:22,639
把面孔调整对称之后，跟我们运算的结果比较。

184
00:09:23,245 --> 00:09:29,063
现在给你们看，我们根据血液样本生成的预测。

185
00:09:29,596 --> 00:09:31,120
（掌声）

186
00:09:31,144 --> 00:09:32,579
等一下——

187
00:09:32,603 --> 00:09:37,295
你们的眼睛正在左右两边交替看，

188
00:09:37,319 --> 00:09:41,249
大脑希望两幅图是一模一样的。

189
00:09:41,273 --> 00:09:43,719
我其实想请大家反过来，

190
00:09:43,743 --> 00:09:46,030
找找两幅图的不同点，

191
00:09:46,054 --> 00:09:47,415
其实非常多。

192
00:09:47,439 --> 00:09:50,042
性别提供最多的信息，

193
00:09:50,066 --> 00:09:55,267
接下来是年龄，BMI（体质指数），种族；

194
00:09:55,291 --> 00:09:59,002
再考虑更多因素会变得更加复杂。

195
00:09:59,026 --> 00:10:02,276
但是这样的结果，即便有很多不同，

196
00:10:02,300 --> 00:10:05,895
表示我们已经接近了，

197
00:10:05,919 --> 00:10:09,637
正在逐渐靠得更近——而且这已经能够鼓舞人心了

198
00:10:09,664 --> 00:10:12,367
这是另外一个测试对象，

199
00:10:12,391 --> 00:10:13,800
这边是预测结果。

200
00:10:13,824 --> 00:10:18,420
脸小了一点，完整的颅骨结构没预测到。

201
00:10:18,444 --> 00:10:21,095
但至少像那么回事。

202
00:10:21,634 --> 00:10:23,858
这是又一个测试对象，

203
00:10:23,882 --> 00:10:25,325
这是预测结果。

204
00:10:26,056 --> 00:10:30,732
这些面孔在训练机器的时候是没有用过的，

205
00:10:30,756 --> 00:10:33,593
就是所谓的随机测试组。

206
00:10:33,617 --> 00:10:37,357
并且你们不认识这些人，可能说服力不太够。

207
00:10:37,381 --> 00:10:40,057
我们在学术期刊上发表了这些结果，

208
00:10:40,081 --> 00:10:41,232
你们可以去读一下。

209
00:10:41,256 --> 00:10:43,600
但既然我们在台上，Chris 给我出了个点子，

210
00:10:43,624 --> 00:10:50,130
我可以挑战一下，尝试预测一个你们都认识的人。

211
00:10:50,470 --> 00:10:54,895
这里有管血液——你们很难想象

212
00:10:54,919 --> 00:10:57,799
我们为了带一管血液到这里花了多少工夫...

213
00:10:57,823 --> 00:11:03,824
这支试管里的血液足够完成一次全基因组测序

214
00:11:04,049 --> 00:11:06,119
只需要这么多。

215
00:11:06,528 --> 00:11:09,733
完成了测序，下面我们一条条来看——

216
00:11:09,757 --> 00:11:13,736
我们综合了所有已知的信息——

217
00:11:13,760 --> 00:11:17,110
从血液测试的结果，我们预测这是一名男性，

218
00:11:17,134 --> 00:11:18,498
被试是男性。

219
00:11:18,996 --> 00:11:21,434
预测他身高1米76，

220
00:11:21,458 --> 00:11:23,850
被试身高1米77。

221
00:11:23,874 --> 00:11:27,984
预测他体重76kg，被试是82kg；

222
00:11:28,701 --> 00:11:31,333
我们还预测了年龄，38岁

223
00:11:31,357 --> 00:11:33,261
被试实际是35岁。

224
00:11:33,851 --> 00:11:38,015
预测了眼睛的颜色，有点偏深了；

225
00:11:38,059 --> 00:11:39,614
预测他的皮肤颜色，

226
00:11:40,026 --> 00:11:41,436
基本上准确。

227
00:11:41,899 --> 00:11:43,752
这是他的面孔...

228
00:11:45,172 --> 00:11:48,441
现在到了揭晓的时刻：

229
00:11:48,465 --> 00:11:50,235
被试对象是这个人。

230
00:11:50,259 --> 00:11:52,194
（笑声）

231
00:11:52,218 --> 00:11:54,276
我是有意拿自己做测试的，

232
00:11:54,300 --> 00:11:57,992
我属于一个特别又特殊的种族,

233
00:11:58,016 --> 00:12:00,966
南欧人，意大利人——从来都不符合模型预测。

234
00:12:00,990 --> 00:12:06,120
而且这一种族在模型里是一个复杂的边界情况。

235
00:12:06,144 --> 00:12:07,653
但还有另一个重点——

236
00:12:07,677 --> 00:12:11,154
最常用的来辨识人的方法，

237
00:12:11,178 --> 00:12:12,900
不是由基因组编译的。

238
00:12:12,924 --> 00:12:15,241
是人们的自由意志——我想让自己看起来怎么样，

239
00:12:15,265 --> 00:12:18,494
虽然我的发型不是我自己决定的，但胡子是的。

240
00:12:18,518 --> 00:12:22,071
下面我们来看一下——

241
00:12:22,095 --> 00:12:24,860
单纯的用photoshop，不用建模——

242
00:12:24,884 --> 00:12:26,597
把胡子加上去。

243
00:12:26,621 --> 00:12:30,093
是不是立即觉得变得很相像了。

244
00:12:30,955 --> 00:12:34,394
那么，我们为什么要研究这些？

245
00:12:35,938 --> 00:12:41,078
当然不是为了预测身高，

246
00:12:41,102 --> 00:12:44,104
或者是根据血液样本得到一张美照；

247
00:12:44,390 --> 00:12:48,408
我们研究是因为同样的技术和手段——

248
00:12:48,432 --> 00:12:50,952
对基因组的机器学习，

249
00:12:50,976 --> 00:12:54,113
能帮助我们了解人类自身，

250
00:12:54,137 --> 00:12:57,003
你的身体怎么运作，身体如何老化，

251
00:12:57,246 --> 00:13:00,105
疾病是如何产生的，

252
00:13:00,129 --> 00:13:03,101
癌症是怎么出现和恶化的；

253
00:13:03,125 --> 00:13:04,908
药物如何起作用——

254
00:13:04,932 --> 00:13:07,246
药物是不是能够对你有效。

255
00:13:07,633 --> 00:13:09,650
这是一个巨大的挑战，

256
00:13:09,894 --> 00:13:13,692
而且是一个全球的科学家都面临的挑战

257
00:13:14,159 --> 00:13:16,381
——个性化医疗。

258
00:13:17,125 --> 00:13:20,585
从只能借助统计学方法——

259
00:13:20,609 --> 00:13:22,641
每个人都只是沧海一粟——

260
00:13:22,665 --> 00:13:24,478
到能够实现有针对性的治疗，

261
00:13:24,502 --> 00:13:26,687
通过解码这些基因信息，

262
00:13:26,711 --> 00:13:29,575
我们能够彻底了解每一个人。

263
00:13:30,260 --> 00:13:33,622
但这是一项异常复杂的挑战，

264
00:13:33,646 --> 00:13:37,644
因为到目前为止在这么庞大的基因组信息中，

265
00:13:37,668 --> 00:13:40,310
我们大概只了解2%：

266
00:13:41,027 --> 00:13:44,680
175本书里的4本...

267
00:13:46,021 --> 00:13:49,227
当然这不是我今天演讲的主题，

268
00:13:50,145 --> 00:13:52,743
因为我们会进步，会了解更多——

269
00:13:53,378 --> 00:13:56,047
有很多顶尖的人才在从事这项工作。

270
00:13:57,048 --> 00:14:00,982
预测能力会提升，模型会更准确。

271
00:14:01,183 --> 00:14:03,041
随着了解的逐渐深入，

272
00:14:03,065 --> 00:14:07,895
我们需要做的决定会越来越多，

273
00:14:07,919 --> 00:14:10,940
而且是一些从前没有想象过的决定——

274
00:14:10,964 --> 00:14:16,089
关于生，关于死，关于子孙后代...

275
00:14:17,716 --> 00:14:26,102
所以我们在此的讨论，涉及生命最本质的东西，

276
00:14:26,118 --> 00:14:32,036
这些改变不只是在科学和技术层面。

277
00:14:32,426 --> 00:14:35,540
我们必须要有全球性的对话，

278
00:14:35,540 --> 00:14:40,884
必须要为全人类的未来设想。

279
00:14:40,884 --> 00:14:45,485
我们需要和创新人才、艺术家、哲学家交流，

280
00:14:45,485 --> 00:14:46,753
还需要政治家的参与。

281
00:14:46,777 --> 00:14:51,207
每个人都身在其中，因为这关乎人类的未来。

282
00:14:51,273 --> 00:14:53,645
不需要惊慌——

283
00:14:53,645 --> 00:14:59,136
但必须了解我们现在做出的每一项决定，

284
00:14:59,160 --> 00:15:02,949
都会彻底改变历史。

285
00:15:03,732 --> 00:15:04,892
谢谢。

286
00:15:04,916 --> 00:15:15,075
（持久的掌声）