Come leggere il genoma e costruire un essere umano
-
0:00 - 0:03Nei prossimi 16 minuti,
vi condurrò in un viaggio -
0:03 - 0:06che è probabilmente
il più grande sogno dell'umanità: -
0:06 - 0:09comprendere il codice della vita.
-
0:09 - 0:12Per me tutto iniziò molti anni fa,
-
0:12 - 0:14quando incontrai la prima stampante 3D.
-
0:14 - 0:16Il concetto era affascinante.
-
0:16 - 0:18A una stampante 3D bastano tre elementi
-
0:18 - 0:22- un po' di informazione, un po'
di materia prima e un po' di energia - -
0:22 - 0:26per creare qualsiasi oggetto
prima inesistente. -
0:26 - 0:29Studiavo fisica,
e mentre tornavo a casa -
0:29 - 0:32mi resi conto che in realtà
avevo sempre conosciuto una stampante 3D. -
0:32 - 0:33Tutti la conoscono.
-
0:33 - 0:35Era mia mamma.
-
0:35 - 0:35(Risate)
-
0:35 - 0:38Mia mamma ha usato tre elementi:
-
0:38 - 0:42un po' di informazione, in questo caso
sia sua che di mio padre, -
0:42 - 0:46materia prima ed energia
nello stesso supporto, cioè cibo, -
0:46 - 0:49e dopo qualche mese produce me.
-
0:49 - 0:51Che non esistevo prima.
-
0:51 - 0:52Quindi al di là dello shock di mia madre
-
0:52 - 0:55quando ha scoperto
di essere una stampante 3D, -
0:55 - 1:00sono stato catturato
fin da subito dal primo elemento, -
1:00 - 1:01l'informazione.
-
1:01 - 1:05Quanta informazione serve per creare
e assemblare un essere umano? -
1:05 - 1:07Ne serve tanta? Ne basta poca?
-
1:07 - 1:09Quante chiavette USB potremmo riempire?
-
1:09 - 1:12All'inizio delle ricerca
stavo ancora studiando fisica -
1:12 - 1:17e ho approssimato un essere umano
a un gigantesco pezzo di Lego. -
1:17 - 1:21Immaginate che i mattoni da costruzione
siano piccoli atomi: -
1:21 - 1:26un idrogeno qui,
un carbonio qui, un azoto qui. -
1:26 - 1:27Come prima approssimazione,
-
1:27 - 1:31se riesco ad elencare il numero di atomi
che compongono un essere umano, -
1:31 - 1:33lo posso costruire.
-
1:33 - 1:35Se fate due conti,
-
1:35 - 1:38il numero che viene fuori
è strabiliante. -
1:38 - 1:41Il numero di atomi,
-
1:41 - 1:46il file che salverò sulla penna USB
per assemblare un bebè, -
1:46 - 1:51riempirebbe un intero Titanic
di chiavette -- -
1:51 - 1:53moltiplicato per 2.000.
-
1:54 - 1:57Questo è il miracolo della vita.
-
1:57 - 2:00D'ora in poi, davanti
a una donna incinta, notatelo: -
2:00 - 2:03sta assemblando la più grande mole di dati
-
2:03 - 2:04che abbiate mai incontrato.
-
2:04 - 2:07Dimenticate i big data,
e qualsiasi cosa abbiate mai sentito. -
2:07 - 2:10È questa la più grande quantità
di informazione che esista. -
2:10 - 2:14(Applausi)
-
2:14 - 2:16Ma la natura, per fortuna,
-
2:16 - 2:19è molto più intelligente
di un giovane fisico, -
2:19 - 2:22e in 4 miliardi di anni è riuscita
a concentrare questa informazione -
2:22 - 2:25in un piccolo cristallo,
che chiamiamo DNA. -
2:25 - 2:30L'abbiamo visto per la prima volta
nel 1950, quando Rosalind Franklin, -
2:30 - 2:33una brillante scienziata, lo fotografò.
-
2:33 - 2:35Ma abbiamo impiegato più di 40 anni
-
2:35 - 2:38per poter finalmente curiosare
dentro una cellula umana, -
2:38 - 2:43estrarre il cristallo,
srotolarlo e leggerlo per la prima volta. -
2:44 - 2:47Il codice si è rivelato
un alfabeto piuttosto semplice, -
2:47 - 2:50composto da quattro lettere:
A, T, C e G. -
2:50 - 2:55Per costruire un essere umano,
ne servono tre miliardi. -
2:55 - 2:56Tre miliardi.
-
2:56 - 2:58Quanti sono tre miliardi?
-
2:58 - 3:00Non ha alcun senso come numero, vero?
-
3:00 - 3:04Stavo pensando a un modo
di comunicare meglio, -
3:04 - 3:08di farvi capire quando enorme
sia questo codice. -
3:08 - 3:10Ma c'è un modo -- capiamoci,
mi servirà un po' di aiuto, -
3:10 - 3:14e la persona perfetta per aiutarmi
a presentarvi il codice -
3:14 - 3:17è il primo uomo che l'ha sequenziato,
Dr. Craig Venter. -
3:17 - 3:21Benvenuto sul palco, Dr. Craig Venter.
-
3:21 - 3:28(Applausi)
-
3:28 - 3:31Non l'uomo in carne e ossa:
-
3:31 - 3:34per la prima volta nella storia,
-
3:34 - 3:37questo è il genoma di uno specifico uomo,
-
3:37 - 3:41stampato pagina per pagina,
lettera per lettera: -
3:41 - 3:45262.000 pagine di informazioni,
-
3:45 - 3:49450 chili, spediti dagli Stati Uniti
al Canada -
3:49 - 3:54grazie a Bruno Bowden, Lulu.com,
una start-up, che ha fatto tutto. -
3:54 - 3:56È stata un'impresa incredibile.
-
3:56 - 4:00Ma questa è la percezione visiva
di ciò che è il codice della vita. -
4:00 - 4:03Ora, per la prima volta,
posso fare una cosa divertente: -
4:03 - 4:05curiosarci dentro e leggerlo.
-
4:05 - 4:13Prendiamo un libro interessante...
questo, per esempio. -
4:13 - 4:15Ho messo una nota:
è un libro piuttosto grande. -
4:15 - 4:20Ma è per farvi vedere
cos'è il codice della vita: -
4:20 - 4:24migliaia e migliaia e migliaia
-
4:24 - 4:26e milioni di lettere.
-
4:26 - 4:29Che all'apparenza non hanno alcun senso.
-
4:29 - 4:31Andiamo a un punto specifico.
-
4:31 - 4:33Ve la leggo:
-
4:33 - 4:34(Risate)
-
4:34 - 4:38"AAG, AAT, ATA."
-
4:39 - 4:41Per voi queste lettere
non hanno alcun senso, -
4:41 - 4:45ma questa sequenza
dà a Craig il colore degli occhi. -
4:45 - 4:47Vi mostrerò un'altra parte del libro.
-
4:47 - 4:50Questo è un po' più complicato, in realtà.
-
4:50 - 4:53Cromosoma 14, libro 132:
-
4:53 - 4:56(Risate)
-
4:56 - 4:57Come forse vi aspettavate.
-
4:57 - 5:00(Risate)
-
5:03 - 5:08"ATT, CTT, GATT."
-
5:08 - 5:10Questo essere umano è fortunato,
-
5:10 - 5:14perché se mancassero solo
due lettere, in questo punto -- -
5:14 - 5:16due lettere su tre miliardi --
-
5:16 - 5:18sarebbe condannato
ad una terribile malattia: -
5:18 - 5:20fibrosi cistica.
-
5:20 - 5:23Non esiste una cura,
non sappiamo come curarla, -
5:23 - 5:27e bastano due lettere
a fare tutta la differenza. -
5:27 - 5:31Un libro bellissimo, potente,
-
5:31 - 5:36che mi ha aiutato a capire
e mostrarvi qualcosa di notevole. -
5:36 - 5:41Le lettere che identificano me,
e ognuno di voi, -
5:41 - 5:44sono solo 5 milioni circa,
-
5:44 - 5:45mezzo libro.
-
5:46 - 5:48Per il resto,
-
5:48 - 5:50siamo tutti assolutamente identici.
-
5:51 - 5:55500 pagine è il miracolo della vita
che solo voi siete. -
5:55 - 5:56Il resto lo condividiamo tutti.
-
5:57 - 6:00Ripensateci, quando credete
di essere tanto speciali. -
6:00 - 6:03Questo è quanto abbiamo in comune.
-
6:03 - 6:07Adesso che ho la vostra attenzione,
-
6:07 - 6:08la prossima domanda è:
-
6:08 - 6:09come lo leggo?
-
6:09 - 6:12Come lo comprendo?
-
6:12 - 6:15Per quanto bravi possiate essere
a montare mobili svedesi, -
6:15 - 6:19questo libretto delle istruzioni
è fuori dalla vostra portata. -
6:19 - 6:20(Risate)
-
6:20 - 6:24Quindi nel 2014, due famosi TEDster,
-
6:24 - 6:27Peter Diamandis e lo stesso Craig Venter,
-
6:27 - 6:28decisero di creare una nuova azienda.
-
6:28 - 6:31Nacque Human Longevity,
con una missione: -
6:31 - 6:33fare tutto il possibile
-
6:33 - 6:36e imparare il massimo possibile
da questi libri, -
6:36 - 6:37con un obiettivo --
-
6:38 - 6:41realizzare il sogno
della medicina personalizzata, -
6:41 - 6:45capire cosa bisognerebbe fare
per migliorare la salute -
6:45 - 6:48e quali sono i segreti di questi libri.
-
6:48 - 6:53Un'incredibile squadra, 40 analisti
dei dati e molte altre persone -
6:53 - 6:54con cui è bello lavorare.
-
6:54 - 6:56Il concetto è, in realtà, molto semplice.
-
6:56 - 7:00Useremo una tecnologia
chiamata apprendimento automatico. -
7:00 - 7:04Da un lato ci sono
i genomi -- a migliaia. -
7:04 - 7:08Dall'altro abbiamo collezionato
il più grande database di esseri umani: -
7:08 - 7:12fenotipi, scansione 3D, NMR --
tutto ciò che vi viene in mente. -
7:12 - 7:15Lì dentro, ai due estremi,
-
7:15 - 7:18c'è il segreto della traduzione.
-
7:18 - 7:20Nel mezzo costruiamo la macchina.
-
7:21 - 7:23Costruiamo una macchina
e alleniamo la macchina -
7:23 - 7:26- beh, non proprio una:
molte, molte macchine - -
7:26 - 7:31per capire e tradurre
il genoma in un fenotipo. -
7:31 - 7:35Cosa sono quelle lettere,
e cosa fanno. -
7:35 - 7:37È un metodo che può essere usato
per qualsiasi cosa, -
7:37 - 7:41ma applicarlo alla genomica
è particolarmente complicato. -
7:41 - 7:43Piano piano siamo cresciuti
e cercavamo altre sfide. -
7:43 - 7:46Abbiamo cominciato dalle basi,
dai tratti comuni. -
7:46 - 7:49I tratti comuni sono semplici
perché sono comuni, -
7:49 - 7:50tutti li hanno.
-
7:50 - 7:53Quindi abbiamo iniziato
a porci un po' di domande: -
7:53 - 7:55possiamo predire l'altezza?
-
7:55 - 7:57Possiamo leggere quei libri
e predire l'altezza? -
7:57 - 7:58In effetti si,
-
7:58 - 8:00con un margine di precisione
di 5 centimetri. -
8:00 - 8:03L'IMC è abbastanza collegato
allo stile di vita, -
8:03 - 8:07ma ce la facciamo ancora, ci siamo vicini
con un margine di errore di 8 chili. -
8:07 - 8:09Il colore degli occhi?
-
8:09 - 8:11Sì, possiamo prevederlo.
Con una precisione dell'80%. -
8:11 - 8:13Possiamo predire il colore della pelle?
-
8:13 - 8:15Sì, possiamo,
con una precisione dell'80%. -
8:15 - 8:18Possiamo predire l'età?
-
8:18 - 8:22Si, perché sembra che il codice
cambi nel corso della vita. -
8:22 - 8:25Si accorcia, si perdono pezzi,
compaiono delle aggiunte. -
8:25 - 8:28Noi leggiamo i segnali
e creiamo un modello. -
8:28 - 8:30E ora una sfida interessante:
-
8:30 - 8:33possiamo prevedere un volto umano?
-
8:33 - 8:34È un po' complicato,
-
8:34 - 8:37perché un volto umano è disperso
tra milioni di queste lettere. -
8:37 - 8:40E un volto umano
non è un oggetto ben definito. -
8:40 - 8:42Abbiamo dovuto quindi partire da zero
-
8:42 - 8:45per capire come insegnare
alla macchina cos'è una faccia, -
8:45 - 8:47e poi incorporare e compattare il codice.
-
8:47 - 8:49Se conoscete un po'
l'apprendimento automatico, -
8:49 - 8:52potete immaginare
che genere di sfida sia stata. -
8:52 - 8:58Adesso, dopo 15 anni -- 15 anni
dalla lettura della prima sequenza -- -
8:58 - 9:01a ottobre abbiamo iniziato
a ricevere dei segnali. -
9:01 - 9:03È stato un momento emozionante.
-
9:03 - 9:07Qui vedete un soggetto
del nostro laboratorio. -
9:07 - 9:09Per noi questa è una faccia.
-
9:09 - 9:13Quindi prendiamo la vera faccia
di un soggetto, riduciamo la complessità, -
9:13 - 9:15perché i geni non spiegano tutto:
-
9:15 - 9:19molti tratti, difetti e asimmetrie
derivano dalla vita. -
9:19 - 9:23Rendiamo la faccia simmetrica
e applichiamo il nostro algoritmo. -
9:23 - 9:25Ora vi mostro i risultati:
-
9:25 - 9:29questa è la previsione
che otteniamo dal sangue. -
9:30 - 9:31(Applauso)
-
9:31 - 9:32Aspettate un attimo.
-
9:32 - 9:37In questo istante state guardando
a sinistra e a destra, sinistra e destra, -
9:37 - 9:41e il vostro cervello cerca
di convincersi che sono uguali. -
9:41 - 9:44Quindi ora vi chiederò
di fare l'esercizio opposto: -
9:44 - 9:46cercate le differenze,
-
9:46 - 9:47che sono molte.
-
9:47 - 9:50La maggiore parte di segnali
deriva dal genere, -
9:50 - 9:55poi dall'età, dall'IMC,
dall'etnia di un essere umano. -
9:55 - 9:57E fare meglio di quel segnale
-
9:57 - 9:59è molto più complicato.
-
9:59 - 10:02Ma quello che potete vedere,
nonostante le differenze, -
10:02 - 10:06vi fa capire che siamo
sulla strada giusta, -
10:06 - 10:07che ci stiamo avvicinando.
-
10:07 - 10:09E già ci impressiona.
-
10:09 - 10:14Questo è un altro soggetto analizzato,
e questa è una previsione. -
10:14 - 10:16Il viso è un po' più piccolo,
-
10:16 - 10:18non abbiamo individuato
la completa struttura del cranio, -
10:18 - 10:21ma comunque è una buona approssimazione.
-
10:21 - 10:24Questo è un soggetto
che viene al nostro laboratorio, -
10:24 - 10:26e questa è la previsione.
-
10:26 - 10:31Queste persone non sono mai state viste
durante la preparazione della macchina. -
10:31 - 10:33Sono le cosiddette
serie escluse. -
10:33 - 10:37Ma probabilmente,
non immaginereste mai chi sono. -
10:37 - 10:40Stiamo pubblicando tutto
su una rivista scientifica, -
10:40 - 10:41che potrete leggere.
-
10:41 - 10:43Ma dato che siamo sul palco,
Chris mi ha sfidato. -
10:43 - 10:47Forse mi sono esposto
nel cercare di fare una previsione -
10:47 - 10:50di una persona che potreste riconoscere.
-
10:50 - 10:55In questa fialetta di sangue --
e credetemi, non avete idea -
10:55 - 10:58di cosa abbiamo fatto
per potervela mostrare -- -
10:58 - 11:01in questa fialetta di sangue
c'è sufficiente informazione biologica -
11:01 - 11:04per permetterci di elaborare
un'intera sequenza genomica. -
11:04 - 11:06Ne basta davvero così poco.
-
11:06 - 11:10Abbiamo eseguito la sequenza,
e ora lo rifarò con voi. -
11:10 - 11:13Poi abbiamo iniziato ad accumulare
tutta la conoscenza che avevamo. -
11:13 - 11:17Dalla fialetta di sangue,
abbiamo previsto che fosse maschio. -
11:17 - 11:18E il soggetto è un maschio.
-
11:19 - 11:21Abbiamo previsto
che fosse alto 1m e 76 cm. -
11:21 - 11:23Il soggetto è alto 1m e 77cm.
-
11:23 - 11:28Abbiamo previsto che pesasse 76kg;
il soggetto pesa 82kg. -
11:29 - 11:33Abbiamo previsto la sua età, 38.
Il soggetto ha 35 anni. -
11:33 - 11:36Abbiamo previsto
il colore dei suoi occhi. -
11:36 - 11:37Troppo scuri.
-
11:38 - 11:40Abbiamo previsto
il colore della sua pelle: -
11:40 - 11:41più o meno ci siamo.
-
11:42 - 11:44Quella è la sua faccia.
-
11:45 - 11:48Adesso, la rivelazione:
-
11:48 - 11:51il soggetto è questa persona.
-
11:51 - 11:52(Risate)
-
11:52 - 11:54L'ho fatto intenzionalmente.
-
11:54 - 11:58Faccio parte di un'etnia
molto particolare: -
11:58 - 12:01sudeuropea, italiani --
che non corrispondono mai ai modelli. -
12:01 - 12:05È particolare -- questa etnia
è un complesso caso limite -
12:05 - 12:08per il nostro modello.
Ma c'è un altro motivo. -
12:08 - 12:11Una delle cose su cui ci basiamo molto
per riconoscere le persone -
12:11 - 12:13non sarà mai scritto nel genoma.
-
12:13 - 12:15È il nostro libero arbitrio,
è il mio aspetto. -
12:15 - 12:19Non il mio taglio di capelli,
in questo caso, ma quello della mia barba. -
12:19 - 12:22Allora trasferirò, in questo caso --
-
12:22 - 12:25solo con Photoshop,
senza modelli 3D -- -
12:25 - 12:26la barba sul soggetto.
-
12:26 - 12:30Ed immediatamente siamo
molto molto più vicini. -
12:32 - 12:35Perché facciamo tutto questo?
-
12:36 - 12:41Di certo non lo facciamo
per predire l'altezza -
12:41 - 12:44o scattare una bella foto
dal nostro sangue. -
12:44 - 12:48Lo facciamo perché la stessa tecnologia
e lo stesso approccio, -
12:48 - 12:51l'apprendimento automatico
di questo codice, -
12:51 - 12:54ci sta aiutando a capire come funzioniamo,
-
12:54 - 12:55come funziona il nostro corpo,
-
12:55 - 12:57come invecchia il nostro corpo,
-
12:57 - 13:00come si generano le malattie,
-
13:00 - 13:03come il cancro nasce e si sviluppa,
-
13:03 - 13:05come funzionano i farmaci
-
13:05 - 13:07e se funzionano sul nostro corpo.
-
13:07 - 13:10È una sfida immensa.
-
13:10 - 13:11È una sfida che condividiamo
-
13:11 - 13:14con centinaia di altri ricercatori
nel mondo. -
13:14 - 13:16Si chiama medicina personalizzata.
-
13:17 - 13:20Ed è la capacità di passare
da un approccio statistico, -
13:20 - 13:22dove siete un puntino nell'oceano,
-
13:22 - 13:24a un approccio personalizzato,
-
13:24 - 13:27in cui leggiamo tutti questi libri
-
13:27 - 13:29e capiamo esattamente come siete.
-
13:30 - 13:33Ma è una sfida
particolarmente complicata, -
13:33 - 13:38perché di tutti questi libri, ad oggi,
-
13:38 - 13:41conosciamo solo il 2% circa:
-
13:41 - 13:45quattro libri su più di 175.
-
13:47 - 13:50Questo non è l'argomento del mio talk,
-
13:50 - 13:53perché impareremo più di questo.
-
13:53 - 13:57Le migliori menti al mondo
stanno lavorando su questo argomento. -
13:57 - 13:59Le previsioni miglioreranno,
-
13:59 - 14:01il modello sarà più preciso.
-
14:01 - 14:03E più impareremo,
-
14:03 - 14:07più dovremo confrontarci con decisioni
-
14:07 - 14:11mai affrontate prima
-
14:11 - 14:16sulla vita, sulla morte,
sull'essere genitori. -
14:17 - 14:21Quindi, questa conversazione --
-
14:21 - 14:26stiamo indagando i meccanismi
più profondi della vita. -
14:26 - 14:29Ed è una rivoluzione
che non può essere limitata -
14:29 - 14:32al campo della scienza
o della tecnologia. -
14:33 - 14:36Deve diventare
una conversazione globale. -
14:36 - 14:41Dobbiamo pensare al futuro
che stiamo costruendo come umanità. -
14:41 - 14:45Dobbiamo collaborare con i creativi,
con gli artisti, con i filosofi, -
14:45 - 14:46con i politici.
-
14:46 - 14:50Siamo tutti coinvolti, perché in ballo
c'è il futuro della nostra specie. -
14:51 - 14:55Senza timori, ma con la consapevolezza
-
14:55 - 14:59che le decisioni
che prenderemo nel prossimo anno -
14:59 - 15:03cambieranno il corso della storia
per sempre. -
15:03 - 15:04Grazie.
-
15:05 - 15:11(Applausi)
- Title:
- Come leggere il genoma e costruire un essere umano
- Speaker:
- Riccardo Sabatini
- Description:
-
I segreti, le malattie e la bellezza sono tutti racchiusi nel genoma umano, la serie completa di istruzioni genetiche che servono per costruire un essere umano. Ora, come ci mostra lo scienziato e imprenditore Riccardo Sabatini, abbiamo il potere di leggere questo complesso codice, riuscendo a prevedere cose come l'altezza, il colore degli occhi, l'età ed anche la struttura facciale - tutto a partire da una fialetta di sangue. E presto, dice Sabatini, la nostra nuove conoscenze sul genoma ci permetterà di personalizzare le cure per malattie come il cancro. Abbiamo il potere di cambiare la vita così come l'abbiamo sempre conosciuta. Come lo useremo?
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 15:28
Michele Gianella approved Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella accepted Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being | ||
Michele Gianella edited Italian subtitles for How to read the genome and build a human being |