Return to Video

Hogyan olvassuk a genomot, és hogyan alkossunk meg egy emberi lényt?

  • 0:01 - 0:03
    A következő 16 percben
    utazásra hívom önöket,
  • 0:03 - 0:06
    amely talán az emberiség legnagyobb álma:
  • 0:07 - 0:09
    az élet kódjának megértése.
  • 0:09 - 0:12
    Számomra minden régen kezdődött,
  • 0:12 - 0:15
    amikor az első 3D-nyomtatót megláttam.
  • 0:15 - 0:16
    Az ötlet elbűvölő volt.
  • 0:16 - 0:18
    A 3D-nyomtatónak három dolog kell:
  • 0:18 - 0:22
    egy kevés információ,
    némi nyersanyag és némi energia,
  • 0:22 - 0:26
    és így bármilyen új tárgyat
    elő tud állítani.
  • 0:27 - 0:29
    Tanultam fizikát, és ahogy hazatértem,
  • 0:29 - 0:32
    rájöttem, hogy voltaképpen mindig is
    ismertem egy 3D-nyomtatót.
  • 0:32 - 0:33
    De mindenki ismeri.
  • 0:34 - 0:35
    A mamámról van szó.
  • 0:35 - 0:36
    (Nevetés)
  • 0:36 - 0:38
    A mamámnak három összetevő kell:
  • 0:38 - 0:42
    egy kevés információ, ez esetben
    a papám és őközötte,
  • 0:42 - 0:46
    nyersanyagok és energia ugyanabban
    a közegben, amelyet ételnek hívunk,
  • 0:46 - 0:49
    és pár hónap múlva én le vagyok gyártva.
  • 0:49 - 0:51
    Korábban nem léteztem.
  • 0:51 - 0:54
    Azon a megdöbbenésen túlmenően,
    hogy a mamám egy 3D-nyomtató,
  • 0:54 - 0:59
    rögtön megigézett közülük az első,
  • 0:59 - 1:01
    az információ.
  • 1:01 - 1:03
    Mennyi információra van szükség
  • 1:03 - 1:05
    egy ember megalkotásához?
  • 1:05 - 1:07
    Sok az, vagy kevés?
  • 1:07 - 1:09
    Hány USB-adathordozóra fér rá?
  • 1:09 - 1:12
    Valaha tanultam fizikát,
  • 1:12 - 1:17
    és az embert megközelítőleg
    egy óriási Legónak tekintettem.
  • 1:17 - 1:21
    Képzeljük el az épület tégláit
    piciny atomoknak,
  • 1:21 - 1:26
    itt a hidrogén, itt a szén,
    itt a nitrogén.
  • 1:26 - 1:27
    Első közelítésben,
  • 1:27 - 1:32
    ha kilistázhatom
    az embert alkotó atomok számát,
  • 1:32 - 1:33
    föl tudom építeni.
  • 1:33 - 1:35
    Futtathatunk egy pár számot,
  • 1:35 - 1:38
    és mellbevágó mennyiség jön ki.
  • 1:38 - 1:42
    Azoknak az atomoknak a száma, a fájl,
  • 1:42 - 1:46
    amelyet egy csecsemő
    összeállításához rögzítenem kell,
  • 1:46 - 1:51
    annyi pendrive-on férne el,
    amennyi megtöltene
  • 1:51 - 1:53
    2000 Titanicot.
  • 1:54 - 1:57
    Ez az élet csodája.
  • 1:57 - 2:00
    Ezután ha egy állapotos nőt látnak,
    tudjanak róla,
  • 2:00 - 2:03
    hogy a kismama épp
    annyi információt rak össze,
  • 2:03 - 2:04
    amennyit még nem is láttak.
  • 2:04 - 2:07
    Verjék ki a fejükből a big datát,
    és amit róla hallottak.
  • 2:07 - 2:10
    Ez a legnagyobb mennyiségű létező infó.
  • 2:10 - 2:14
    (Taps)
  • 2:14 - 2:19
    De szerencsére a természet
    okosabb az ifjú fizikusnál,
  • 2:19 - 2:22
    és 4 milliárd év alatt sikerült
    az infót becsomagolnia
  • 2:22 - 2:25
    egy DNS-nek nevezett kristályba.
  • 2:26 - 2:30
    Először 1950-ben láttuk,
    amikor Rosalind Franklin,
  • 2:30 - 2:32
    egy rendkívül tehetséges kutatónő
  • 2:32 - 2:33
    lefényképezte.
  • 2:33 - 2:38
    De több mint 40 évig tartott,
    amíg végre rábökhettünk az emberi sejtre,
  • 2:38 - 2:40
    és első ízben kihámozhattuk,
  • 2:40 - 2:43
    kigöngyölhettük belőle,
    és elolvashattuk e kristályt.
  • 2:44 - 2:47
    A kód elég egyszerű ábécének látszik,
  • 2:47 - 2:51
    négy betű: A, T, C és G.
  • 2:51 - 2:54
    Egy ember összeállításához
    3 milliárdnyira van szükségünk.
  • 2:55 - 2:56
    Három milliárd.
  • 2:56 - 2:58
    Mennyi az a 3 milliárdnyi?
  • 2:58 - 3:01
    Fogalmuk sincs, mekkora szám, ugye?
  • 3:01 - 3:05
    Törtem a fejem,
    hogyan tudnám megértetni,
  • 3:05 - 3:08
    milyen óriási mennyiségű kód ez.
  • 3:08 - 3:11
    Most egy kis segítséget kérek;
  • 3:11 - 3:14
    s erre nincs alkalmasabb,
    hogy bemutassa a kódot,
  • 3:14 - 3:18
    mint az, aki elsőként szekvenálta a kódot,
    Dr. Craig Venter.
  • 3:18 - 3:21
    Üdvözlöm a színen, Dr. Craig Venter.
  • 3:21 - 3:28
    (Taps)
  • 3:28 - 3:30
    Nem hús-vér ember,
  • 3:31 - 3:34
    hanem a történelem során először,
  • 3:34 - 3:37
    ez egyvalaki genomja,
  • 3:37 - 3:41
    amely oldalról oldalra, betűről betűre
    van kinyomtatva:
  • 3:41 - 3:45
    262 ezer oldalnyi információ,
  • 3:45 - 3:49
    450 kiló, amelyet az USA-ból
    Kanadába szállítottak
  • 3:49 - 3:54
    a Lulu.com start-upos Bruno Bowdennek
    köszönhetően, ő csinált mindent.
  • 3:54 - 3:56
    Elképesztő hőstett volt.
  • 3:56 - 4:00
    Szemmel is érzékelhetően
    ez itt az élet kódja.
  • 4:00 - 4:03
    Most pedig, első ízben,
    mutatok valami furcsát.
  • 4:03 - 4:05
    Rámutathatok valamire, és elolvashatom.
  • 4:05 - 4:10
    Kiveszek egy érdekes kötetet... pl. ezt.
  • 4:13 - 4:16
    Meg kell jegyeznem,
    hogy ez elég nagy könyv.
  • 4:16 - 4:19
    De csak azért, hogy lássák,
    mi az élet kódja.
  • 4:21 - 4:24
    Betűk ezrei és ezrei,
  • 4:24 - 4:27
    több millió betű.
  • 4:27 - 4:29
    Kétségtelenül van értelmük.
  • 4:29 - 4:31
    Nézzünk egy konkrét részt.
  • 4:32 - 4:33
    Fölolvasom önöknek:
  • 4:33 - 4:34
    (Nevetés)
  • 4:34 - 4:38
    "AAG, AAT, ATA."
  • 4:39 - 4:41
    Önöknek ezek semmitmondó betűknek tűnnek,
  • 4:41 - 4:45
    de ez a szekvencia adja meg
    Craig szemének a színét.
  • 4:46 - 4:48
    Mutatok egy másik részt a kötetekből.
  • 4:48 - 4:50
    Egy kissé bonyolultabbat.
  • 4:51 - 4:54
    14. sz. kromoszóma, 132. kötet:
  • 4:54 - 4:56
    (Nevetés)
  • 4:56 - 4:57
    Ahogy számíthattak rá...
  • 4:57 - 5:01
    (Nevetés)
  • 5:03 - 5:07
    "ATT, CTT, GATT."
  • 5:08 - 5:10
    Ez az ember boldog,
  • 5:10 - 5:15
    mert ha csak 2 betű
    hiányzik erről a helyről,
  • 5:15 - 5:16
    2 betű a 3 milliárdból,
  • 5:16 - 5:19
    szörnyű betegségre lenne kárhoztatva:
  • 5:19 - 5:20
    a cisztás fibrózisra.
  • 5:20 - 5:23
    Nem gyógyítható, nem tudunk rá megoldást,
  • 5:23 - 5:27
    és csak két betű eltérése miatt.
  • 5:28 - 5:30
    Csodálatos könyv, nagyszerű könyv,
  • 5:31 - 5:33
    tekintélyes könyv, ami hozzásegített,
  • 5:33 - 5:36
    hogy megértsek és megmutassak
    valami igazán érdekeset.
  • 5:36 - 5:41
    Mindannyiunknak ennyi kell,
    hogy azzá legyünk, akik vagyunk:
  • 5:41 - 5:44
    ötmillió betű,
  • 5:44 - 5:45
    egy fél könyv.
  • 5:46 - 5:48
    Ettől eltekintve
  • 5:48 - 5:50
    teljesen egyformák vagyunk.
  • 5:51 - 5:55
    Ötszáz oldal – az életük csodája.
  • 5:55 - 5:58
    A többi – közös bennünk.
  • 5:58 - 6:01
    Erre gondoljanak megint,
    amikor a különbözőségünkről esik szó.
  • 6:01 - 6:03
    Ennyi közös van bennünk.
  • 6:03 - 6:07
    Most, hogy már figyelnek rám,
  • 6:07 - 6:08
    a következő kérdés:
  • 6:08 - 6:09
    Hogy olvasom a könyvet?
  • 6:09 - 6:11
    Hogyan értelmezem?
  • 6:11 - 6:16
    Bármilyen ügyesek legyenek
    svéd bútorok összeszerelésében,
  • 6:16 - 6:19
    ezt a kézikönyvet egész életükben
    sem tudnák feltörni.
  • 6:19 - 6:21
    (Nevetés)
  • 6:21 - 6:24
    2014-ben két híres TED-es,
  • 6:24 - 6:27
    Peter Diamandis és Craig Venter
  • 6:27 - 6:29
    új céget alapított.
  • 6:29 - 6:30
    Létrejött a Human Longevity,
  • 6:30 - 6:31
    amelynek egy feladata volt:
  • 6:31 - 6:33
    megpróbálni mindent, amit lehet,
  • 6:33 - 6:36
    és megismerni mindent,
    amit ezekből a könyvekből lehet –
  • 6:36 - 6:38
    egyetlen célból:
  • 6:39 - 6:42
    a személyre szabott gyógyítás
    álmának megvalósításáért,
  • 6:42 - 6:45
    hogy megértsük, mi a teendőnk
    egészségünk javítása érdekében,
  • 6:45 - 6:48
    és miben áll e könyvek titka.
  • 6:48 - 6:53
    Egy nagyszerű csapat, 40 adattudós,
    és még sokan mások,
  • 6:53 - 6:54
    öröm velük dolgozni.
  • 6:54 - 6:56
    Az elgondolás nagyon egyszerű.
  • 6:56 - 6:59
    Az ún. gépi tanulás
    technológiáját fogjuk használni.
  • 6:59 - 7:04
    Egyfelől több ezer genomunk van.
  • 7:04 - 7:08
    Másrészt, az emberi faj legnagyobb
    adatbázisát gyűjtöttük össze:
  • 7:08 - 7:12
    fenotípusokat, 3D-szkennelést, mágneses
    magrezonanciát, bármi elképzelhetőt.
  • 7:12 - 7:15
    Belül, a két ellentétes oldalon van
  • 7:15 - 7:18
    a fordítás titka.
  • 7:18 - 7:20
    Középre építjük be a gépet.
  • 7:21 - 7:23
    Építünk egy gépet, és tanítjuk –
  • 7:23 - 7:26
    nem is egy gépet, hanem nagyon sokat –,
  • 7:26 - 7:31
    hogy megértse és lefordítsa
    a fenotípusban lévő genomot.
  • 7:31 - 7:35
    Mik ezek a betűk, és mi a szerepük?
  • 7:35 - 7:37
    E módszert minden területen
    alkalmazhatjuk,
  • 7:37 - 7:40
    de a genomikai alkalmazása
    elég bonyolult.
  • 7:41 - 7:44
    Lassacskán növekedtünk,
    és más feladatba is bele akartunk fogni.
  • 7:44 - 7:47
    Eleinte a közös vonásokkal foglalkoztunk.
  • 7:47 - 7:49
    A közös vonásokban
    az a jó, hogy közösek,
  • 7:49 - 7:50
    mindenkiben megvannak.
  • 7:50 - 7:53
    Kezdtük sorolni a kérdéseinket:
  • 7:53 - 7:54
    A könyvek alapján
  • 7:55 - 7:57
    megjósolhatjuk valaki testmagasságát?
  • 7:57 - 7:58
    A válasz: igen,
  • 7:58 - 8:00
    ötcentis pontossággal.
  • 8:00 - 8:03
    A testtömeg-index jócskán függ
    az életmódunktól,
  • 8:03 - 8:07
    de kb. nyolckilós pontossággal
    mégis megjósolható.
  • 8:07 - 8:08
    És a szemünk színe?
  • 8:08 - 8:10
    Megjósolható,
  • 8:10 - 8:11
    8%-os pontossággal.
  • 8:11 - 8:13
    Hát a bőrszín megjósolható?
  • 8:13 - 8:16
    80%-os pontossággal.
  • 8:16 - 8:17
    És az életkort?
  • 8:18 - 8:22
    Meg lehet, mert a kód
    életünk során változik.
  • 8:22 - 8:25
    Megrövidül, elveszít részeket,
    betoldásokkal bővül.
  • 8:25 - 8:28
    Elolvassuk a jeleket, és modellt alkotunk.
  • 8:28 - 8:30
    Még egy érdekes feladat:
  • 8:30 - 8:32
    Megjósolhatjuk az emberi arcot?
  • 8:33 - 8:34
    Ez egy kissé bonyolult,
  • 8:34 - 8:38
    mert az emberi arc jellemzői
    eloszlanak a milliónyi betű közt.
  • 8:38 - 8:40
    Ráadásul, az arc nem egyértelműen
    meghatározott tárgy.
  • 8:40 - 8:42
    Sorba kellett szednünk a jellemzőit,
  • 8:42 - 8:45
    hogy magunk megtanuljuk,
    és megtanítsuk a gépnek,
  • 8:45 - 8:47
    miben áll az arc lényege.
  • 8:47 - 8:49
    Ha már a kisujjukban van
    a gépi tanulás,
  • 8:49 - 8:52
    akkor értik meg igazán,
    mekkora feladat ez.
  • 8:52 - 8:58
    Idén októberben, 15 évvel azután,
    hogy elolvastuk az első szekvenciát,
  • 8:58 - 9:01
    kezdtünk megérteni bizonyos jeleket.
  • 9:01 - 9:04
    Ez nagyon érzelemteli pillanat volt.
  • 9:04 - 9:07
    Ő az egyik kísérleti alanyunk.
  • 9:08 - 9:10
    Ez számunkra egy arc.
  • 9:10 - 9:13
    Vesszük az alany arcát, leegyszerűsítjük,
  • 9:13 - 9:15
    mert nem minden jellemzője,
  • 9:15 - 9:19
    pl. sok vonása, hibája,
    aszimmetriája adódik az életéből.
  • 9:19 - 9:22
    Szimmetrikussá tesszük,
    futtatjuk az algoritmusunkat.
  • 9:23 - 9:25
    Az eredmény – rögtön megmutatom –
  • 9:25 - 9:29
    a vér alapján jósolható meg.
  • 9:30 - 9:31
    (Taps)
  • 9:31 - 9:33
    Egy pillanat.
  • 9:33 - 9:37
    E pillanatokban szemükkel
    összevetik a bal és a jobb oldalt,
  • 9:37 - 9:41
    agyuk pedig azt szeretné,
    hogy a képek egyezzenek meg.
  • 9:41 - 9:44
    Kérem önöket, végezzenek el
    egy másik gyakorlatot.
  • 9:44 - 9:46
    Keressék meg a különbségeket.
  • 9:46 - 9:47
    Sok van belőlük.
  • 9:47 - 9:50
    A legtöbb vonás az alany neméből adódik,
  • 9:50 - 9:55
    a többi a korából, testtömeg-
    indexéből és etnikumából.
  • 9:55 - 9:59
    E jelek erősítése sokkal bonyolultabb.
  • 9:59 - 10:02
    De amit itt látnak, az eltérések ellenére,
  • 10:02 - 10:06
    tudtunkra adja, hogy jó a közelítésünk,
  • 10:06 - 10:07
    a jóslat pontosabbá válik.
  • 10:07 - 10:10
    S ez már érzelmeket visz a dologba.
  • 10:10 - 10:12
    Ő egy másik alany,
  • 10:12 - 10:14
    ez pedig a jóslat.
  • 10:14 - 10:18
    Az arc valamivel kisebb, nem jutottunk el
    ugyan a teljes koponyaszerkezetig,
  • 10:18 - 10:21
    de a közelítés mégis jó.
  • 10:22 - 10:24
    Ez a kísérleti alanyunk,
  • 10:24 - 10:25
    ez pedig a jóslat.
  • 10:26 - 10:31
    A gép fölkészítése során
    ők soha nem szerepeltek.
  • 10:31 - 10:34
    Ők a tartalékcsoport tagjai.
  • 10:34 - 10:37
    De nekik valószínűleg
    soha nem hinnének.
  • 10:37 - 10:40
    Mindent tudományos lapokban
    teszünk közzé,
  • 10:40 - 10:41
    minden elolvasható.
  • 10:41 - 10:44
    De mióta a színpadon vagyunk,
    Chris folyton cikiz,
  • 10:44 - 10:47
    hogy nyilván lebuktam,
    mert olyanokról adok közre jóslatot,
  • 10:47 - 10:50
    akit önök valószínűleg fölismernek.
  • 10:50 - 10:55
    E vérrel teli kémcsőben...
    – higgyék el, fogalmuk sincs,
  • 10:55 - 10:58
    mi minden kellett, hogy ezt a vért
    eljuttathassuk ide –,
  • 10:58 - 11:02
    ...e vérrel teli kémcsőben
    biológiai információ van,
  • 11:02 - 11:04
    ami a teljes genomszekvenáláshoz kell.
  • 11:04 - 11:06
    Ennyire van szükségünk.
  • 11:07 - 11:10
    Elvégeztük a szekvenálást,
    és most önökkel együtt fogom csinálni.
  • 11:10 - 11:14
    Az összes tudásunkat fölhasználjuk.
  • 11:14 - 11:17
    A kémcső tartalma alapján
    azt jósoltuk, hogy férfiről van szó.
  • 11:17 - 11:18
    A személy egy férfi.
  • 11:19 - 11:21
    Azt jósoltuk, hogy 176 cm magas.
  • 11:21 - 11:24
    A férfi 177 centiméter magas.
  • 11:24 - 11:28
    Azt jósoltuk, hogy 76 kilós;
    az alany 82 kilós.
  • 11:29 - 11:31
    Azt jósoltuk, hogy 38 éves.
  • 11:31 - 11:33
    Az alany 35 éves.
  • 11:34 - 11:36
    Megjósoltuk a szeme színét.
  • 11:37 - 11:38
    Túl sötét.
  • 11:38 - 11:40
    Megjósoltuk a bőrszínét.
  • 11:40 - 11:41
    Majdnem eltaláltuk.
  • 11:42 - 11:43
    Ilyen az arca.
  • 11:45 - 11:48
    Eljött az igazság pillanata:
  • 11:48 - 11:50
    ő az alany.
  • 11:50 - 11:52
    (Nevetés)
  • 11:52 - 11:54
    Szándékosan csináltam.
  • 11:54 - 11:58
    Nagyon különös és furcsa etnikumú vagyok.
  • 11:58 - 12:01
    Dél-európai, olasz,
    mi soha nem illünk a modellekbe.
  • 12:01 - 12:06
    Azért különös, mert az etnikum
    a modellünk komplex határesete.
  • 12:06 - 12:08
    Van még valami.
  • 12:08 - 12:11
    Az emberek azonosítására
    gyakran használt egyik tényező
  • 12:11 - 12:13
    soha nem lesz beleírva a genomba.
  • 12:13 - 12:15
    Ez a szabad döntésünk,
    hogy hogyan nézzünk ki.
  • 12:15 - 12:18
    Ez esetben nem a frizurám,
    hanem a szakállviseletem.
  • 12:19 - 12:22
    Megmutatom, ez esetben átteszem...
  • 12:22 - 12:25
    nem modellezek, csupán
    a Photoshopot használom,
  • 12:25 - 12:27
    és a szakáll már ott az alanyon.
  • 12:27 - 12:30
    Rögtön sokkal jobban érezzük magunkat.
  • 12:31 - 12:34
    Miért csináljuk?
  • 12:36 - 12:41
    Biztos nem azért, hogy megjósoljuk
    a testmagasságot,
  • 12:41 - 12:43
    vagy a vérmintájukat
    gyönyörű fotóvá alakítsuk.
  • 12:44 - 12:48
    Azért csináljuk, mert e módszer,
    e technológia,
  • 12:48 - 12:51
    e kód gépi tanulása segít megérteni
  • 12:51 - 12:54
    a működésünket,
  • 12:54 - 12:56
    testünk működését,
  • 12:56 - 12:57
    testünk öregedését,
  • 12:57 - 13:00
    hogyan keletkeznek bennünk a betegségek,
  • 13:00 - 13:03
    hogyan nő és fejlődik ki a rák,
  • 13:03 - 13:05
    hogyan hatnak a gyógyszerek,
  • 13:05 - 13:07
    és hatnak-e a szervezetünkre.
  • 13:08 - 13:09
    Ez óriási feladat.
  • 13:10 - 13:12
    Ezen a feladaton dolgozunk
  • 13:12 - 13:14
    több ezer más kutatóval világszerte.
  • 13:14 - 13:16
    Ezt hívják személyre szabott gyógyításnak.
  • 13:17 - 13:21
    Ez lehetőség, hogy elmozduljunk
    a statisztikai módszertől,
  • 13:21 - 13:23
    amelyben csepp vagyok a tengerben,
  • 13:23 - 13:24
    a személyre szabott módszer irányába,
  • 13:25 - 13:27
    amelyben kiolvassuk ezeket a könyveket,
  • 13:27 - 13:30
    és megértjük, milyenek is vagyunk.
  • 13:30 - 13:34
    Ám ez nagyon összetett feladat,
  • 13:34 - 13:38
    mert ma ezeknek a könyveknek
  • 13:38 - 13:40
    talán csak 2%-át ismerjük:
  • 13:41 - 13:45
    4 könyvet a több mint 175 közül.
  • 13:46 - 13:49
    Ez nem tárgya az előadásomnak,
  • 13:50 - 13:53
    mert majd többet fogunk tudni róla.
  • 13:53 - 13:56
    A világ legjobb koponyái
    foglalkoznak ezzel.
  • 13:57 - 13:59
    A jóslás följavul,
  • 13:59 - 14:01
    a modell pontosabb lesz.
  • 14:01 - 14:03
    Minél többet tanulunk,
  • 14:03 - 14:08
    annál inkább olyan
    döntésekre kényszerülünk,
  • 14:08 - 14:11
    amelyekkel eddig soha nem szembesültünk:
  • 14:11 - 14:12
    az életről,
  • 14:12 - 14:14
    a halálról,
  • 14:14 - 14:16
    s arról, mit tesz szülőnek lenni.
  • 14:21 - 14:25
    Az élet működésének
    legbelső bugyrait érintjük.
  • 14:26 - 14:29
    Ez a forradalom nem korlátozható
  • 14:29 - 14:32
    a tudomány vagy a technika birodalmára.
  • 14:33 - 14:35
    Erről világszerte
    párbeszédet kell folytatnunk.
  • 14:36 - 14:41
    El kell gondolkodnunk a jövőről,
    amelyet mint emberiség építünk.
  • 14:41 - 14:45
    Tárgyalnunk kell alkotókkal,
    művészekkel, filozófusokkal,
  • 14:45 - 14:47
    politikusokkal.
  • 14:47 - 14:48
    Mindenkire számítunk,
  • 14:48 - 14:51
    mart fajunk jövőjéről van szó.
  • 14:51 - 14:55
    Félelem nélkül, de értőn,
  • 14:55 - 14:59
    hogy a jövőre hozott döntések
  • 14:59 - 15:03
    örökre megváltoztatják
    a történelem irányát.
  • 15:04 - 15:05
    Köszönöm.
  • 15:05 - 15:15
    (Taps)
Title:
Hogyan olvassuk a genomot, és hogyan alkossunk meg egy emberi lényt?
Speaker:
Riccardo Sabatini
Description:

Titkok, betegség és szépség – mind bele van írva az emberi genomba, ebbe az emberi lény megalkotásához szükséges teljes genetikai kézikönyvbe. Riccardo Sabatini kutató és vállalkozó bemutatja, hogy megvan a hatalmunk e komplex kód kiolvasására. A kódok egy kémcsőnyi vérből megjósolhatják a testmagasságot, a szem színét, sőt, még az arc szerkezetét is. Sabatini elmondja, hogy a genom újfajta értelmezése lehetővé fogja tenni a betegségek, pl. a rák személyre szabott kezelését. Megvan a hatalmunk, hogy a jelenlegi életünket megváltoztassuk. Hogyan éljünk e hatalommal?

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
15:28

Hungarian subtitles

Revisions