Come leggere il genoma e costruire un essere umano

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?

Nei prossimi 16 minuti,
vi condurrò in un viaggio

che è probabilmente
il più grande sogno dell'umanità:

comprendere il codice della vita.

Per me tutto iniziò molti anni fa,

quando incontrai la prima stampante 3D.

Il concetto era affascinante.

A una stampante 3D bastano tre elementi

- un po' di informazione, un po'
di materia prima e un po' di energia -

per creare qualsiasi oggetto
prima inesistente.

Studiavo fisica,
e mentre tornavo a casa

mi resi conto che in realtà
avevo sempre conosciuto una stampante 3D.

Tutti la conoscono.

Era mia mamma.

(Risate)

Mia mamma ha usato tre elementi:

un po' di informazione, in questo caso
sia sua che di mio padre,

materia prima ed energia
nello stesso supporto, cioè cibo,

e dopo qualche mese produce me.

Che non esistevo prima.

Quindi al di là dello shock di mia madre

quando ha scoperto
di essere una stampante 3D,

sono stato catturato
fin da subito dal primo elemento,

l'informazione.

Quanta informazione serve per creare
e assemblare un essere umano?

Ne serve tanta? Ne basta poca?

Quante chiavette USB potremmo riempire?

All'inizio delle ricerca
stavo ancora studiando fisica

e ho approssimato un essere umano
a un gigantesco pezzo di Lego.

Immaginate che i mattoni da costruzione
siano piccoli atomi:

un idrogeno qui,
un carbonio qui, un azoto qui.

Come prima approssimazione,

se riesco ad elencare il numero di atomi
che compongono un essere umano,

lo posso costruire.

Se fate due conti,

il numero che viene fuori
è strabiliante.

Il numero di atomi,

il file che salverò sulla penna USB
per assemblare un bebè,

riempirebbe un intero Titanic
di chiavette --

moltiplicato per 2.000.

Questo è il miracolo della vita.

D'ora in poi, davanti
a una donna incinta, notatelo:

sta assemblando la più grande mole di dati

che abbiate mai incontrato.

Dimenticate i big data,
e qualsiasi cosa abbiate mai sentito.

È questa la più grande quantità
di informazione che esista.

(Applausi)

Ma la natura, per fortuna,

è molto più intelligente
di un giovane fisico,

e in 4 miliardi di anni è riuscita
a concentrare questa informazione

in un piccolo cristallo,
che chiamiamo DNA.

L'abbiamo visto per la prima volta
nel 1950, quando Rosalind Franklin,

una brillante scienziata, lo fotografò.

Ma abbiamo impiegato più di 40 anni

per poter finalmente curiosare
dentro una cellula umana,

estrarre il cristallo,
srotolarlo e leggerlo per la prima volta.

Il codice si è rivelato
un alfabeto piuttosto semplice,

composto da quattro lettere:
A, T, C e G.

Per costruire un essere umano,
ne servono tre miliardi.

Tre miliardi.

Quanti sono tre miliardi?

Non ha alcun senso come numero, vero?

Stavo pensando a un modo
di comunicare meglio,

di farvi capire quando enorme
sia questo codice.

Ma c'è un modo -- capiamoci,
mi servirà un po' di aiuto,

e la persona perfetta per aiutarmi
a presentarvi il codice

è il primo uomo che l'ha sequenziato,
Dr. Craig Venter.

Benvenuto sul palco, Dr. Craig Venter.

(Applausi)

Non l'uomo in carne e ossa:

per la prima volta nella storia,

questo è il genoma di uno specifico uomo,

stampato pagina per pagina,
lettera per lettera:

262.000 pagine di informazioni,

450 chili, spediti dagli Stati Uniti
al Canada

grazie a Bruno Bowden, Lulu.com,
una start-up, che ha fatto tutto.

È stata un'impresa incredibile.

Ma questa è la percezione visiva
di ciò che è il codice della vita.

Ora, per la prima volta,
posso fare una cosa divertente:

curiosarci dentro e leggerlo.

Prendiamo un libro interessante...
questo, per esempio.

Ho messo una nota:
è un libro piuttosto grande.

Ma è per farvi vedere
cos'è il codice della vita:

migliaia e migliaia e migliaia

e milioni di lettere.

Che all'apparenza non hanno alcun senso.

Andiamo a un punto specifico.

Ve la leggo:

(Risate)

"AAG, AAT, ATA."

Per voi queste lettere
non hanno alcun senso,

ma questa sequenza
dà a Craig il colore degli occhi.

Vi mostrerò un'altra parte del libro.

Questo è un po' più complicato, in realtà.

Cromosoma 14, libro 132:

(Risate)

Come forse vi aspettavate.

(Risate)

"ATT, CTT, GATT."

Questo essere umano è fortunato,

perché se mancassero solo
due lettere, in questo punto --

due lettere su tre miliardi --

sarebbe condannato
ad una terribile malattia:

fibrosi cistica.

Non esiste una cura,
non sappiamo come curarla,

e bastano due lettere
a fare tutta la differenza.

Un libro bellissimo, potente,

che mi ha aiutato a capire
e mostrarvi qualcosa di notevole.

Le lettere che identificano me,
e ognuno di voi,

sono solo 5 milioni circa,

mezzo libro.

Per il resto,

siamo tutti assolutamente identici.

500 pagine è il miracolo della vita
che solo voi siete.

Il resto lo condividiamo tutti.

Ripensateci, quando credete
di essere tanto speciali.

Questo è quanto abbiamo in comune.

Adesso che ho la vostra attenzione,

la prossima domanda è:

come lo leggo?

Come lo comprendo?

Per quanto bravi possiate essere
a montare mobili svedesi,

questo libretto delle istruzioni
è fuori dalla vostra portata.

(Risate)

Quindi nel 2014, due famosi TEDster,

Peter Diamandis e lo stesso Craig Venter,

decisero di creare una nuova azienda.

Nacque Human Longevity,
con una missione:

fare tutto il possibile

e imparare il massimo possibile
da questi libri,

con un obiettivo --

realizzare il sogno
della medicina personalizzata,

capire cosa bisognerebbe fare
per migliorare la salute

e quali sono i segreti di questi libri.

Un'incredibile squadra, 40 analisti
dei dati e molte altre persone

con cui è bello lavorare.

Il concetto è, in realtà, molto semplice.

Useremo una tecnologia
chiamata apprendimento automatico.

Da un lato ci sono
i genomi -- a migliaia.

Dall'altro abbiamo collezionato
il più grande database di esseri umani:

fenotipi, scansione 3D, NMR --
tutto ciò che vi viene in mente.

Lì dentro, ai due estremi,

c'è il segreto della traduzione.

Nel mezzo costruiamo la macchina.

Costruiamo una macchina
e alleniamo la macchina

- beh, non proprio una:
molte, molte macchine -

per capire e tradurre
il genoma in un fenotipo.

Cosa sono quelle lettere,
e cosa fanno.

È un metodo che può essere usato
per qualsiasi cosa,

ma applicarlo alla genomica
è particolarmente complicato.

Piano piano siamo cresciuti
e cercavamo altre sfide.

Abbiamo cominciato dalle basi,
dai tratti comuni.

I tratti comuni sono semplici
perché sono comuni,

tutti li hanno.

Quindi abbiamo iniziato
a porci un po' di domande:

possiamo predire l'altezza?

Possiamo leggere quei libri
e predire l'altezza?

In effetti si,

con un margine di precisione
di 5 centimetri.

L'IMC è abbastanza collegato
allo stile di vita,

ma ce la facciamo ancora, ci siamo vicini
con un margine di errore di 8 chili.

Il colore degli occhi?

Sì, possiamo prevederlo.
Con una precisione dell'80%.

Possiamo predire il colore della pelle?

Sì, possiamo,
con una precisione dell'80%.

Possiamo predire l'età?

Si, perché sembra che il codice
cambi nel corso della vita.

Si accorcia, si perdono pezzi,
compaiono delle aggiunte.

Noi leggiamo i segnali
e creiamo un modello.

E ora una sfida interessante:

possiamo prevedere un volto umano?

È un po' complicato,

perché un volto umano è disperso
tra milioni di queste lettere.

E un volto umano
non è un oggetto ben definito.

Abbiamo dovuto quindi partire da zero

per capire come insegnare
alla macchina cos'è una faccia,

e poi incorporare e compattare il codice.

Se conoscete un po'
l'apprendimento automatico,

potete immaginare
che genere di sfida sia stata.

Adesso, dopo 15 anni -- 15 anni
dalla lettura della prima sequenza --

a ottobre abbiamo iniziato
a ricevere dei segnali.

È stato un momento emozionante.

Qui vedete un soggetto
del nostro laboratorio.

Per noi questa è una faccia.

Quindi prendiamo la vera faccia
di un soggetto, riduciamo la complessità,

perché i geni non spiegano tutto:

molti tratti, difetti e asimmetrie
derivano dalla vita.

Rendiamo la faccia simmetrica
e applichiamo il nostro algoritmo.

Ora vi mostro i risultati:

questa è la previsione
che otteniamo dal sangue.

(Applauso)

Aspettate un attimo.

In questo istante state guardando
a sinistra e a destra, sinistra e destra,

e il vostro cervello cerca
di convincersi che sono uguali.

Quindi ora vi chiederò
di fare l'esercizio opposto:

cercate le differenze,

che sono molte.

La maggiore parte di segnali
deriva dal genere,

poi dall'età, dall'IMC,
dall'etnia di un essere umano.

E fare meglio di quel segnale

è molto più complicato.

Ma quello che potete vedere,
nonostante le differenze,

vi fa capire che siamo
sulla strada giusta,

che ci stiamo avvicinando.

E già ci impressiona.

Questo è un altro soggetto analizzato,
e questa è una previsione.

Il viso è un po' più piccolo,

non abbiamo individuato
la completa struttura del cranio,

ma comunque è una buona approssimazione.

Questo è un soggetto
che viene al nostro laboratorio,

e questa è la previsione.

Queste persone non sono mai state viste
durante la preparazione della macchina.

Sono le cosiddette
serie escluse.

Ma probabilmente,
non immaginereste mai chi sono.

Stiamo pubblicando tutto
su una rivista scientifica,

che potrete leggere.

Ma dato che siamo sul palco,
Chris mi ha sfidato.

Forse mi sono esposto
nel cercare di fare una previsione

di una persona che potreste riconoscere.

In questa fialetta di sangue --
e credetemi, non avete idea

di cosa abbiamo fatto
per potervela mostrare --

in questa fialetta di sangue
c'è sufficiente informazione biologica

per permetterci di elaborare
un'intera sequenza genomica.

Ne basta davvero così poco.

Abbiamo eseguito la sequenza,
e ora lo rifarò con voi.

Poi abbiamo iniziato ad accumulare
tutta la conoscenza che avevamo.

Dalla fialetta di sangue,
abbiamo previsto che fosse maschio.

E il soggetto è un maschio.

Abbiamo previsto
che fosse alto 1m e 76 cm.

Il soggetto è alto 1m e 77cm.

Abbiamo previsto che pesasse 76kg;
il soggetto pesa 82kg.

Abbiamo previsto la sua età, 38.
Il soggetto ha 35 anni.

Abbiamo previsto
il colore dei suoi occhi.

Troppo scuri.

Abbiamo previsto
il colore della sua pelle:

più o meno ci siamo.

Quella è la sua faccia.

Adesso, la rivelazione:

il soggetto è questa persona.

(Risate)

L'ho fatto intenzionalmente.

Faccio parte di un'etnia
molto particolare:

sudeuropea, italiani --
che non corrispondono mai ai modelli.

È particolare -- questa etnia
è un complesso caso limite

per il nostro modello.
Ma c'è un altro motivo.

Una delle cose su cui ci basiamo molto
per riconoscere le persone

non sarà mai scritto nel genoma.

È il nostro libero arbitrio,
è il mio aspetto.

Non il mio taglio di capelli,
in questo caso, ma quello della mia barba.

Allora trasferirò, in questo caso --

solo con Photoshop,
senza modelli 3D --

la barba sul soggetto.

Ed immediatamente siamo
molto molto più vicini.

Perché facciamo tutto questo?

Di certo non lo facciamo
per predire l'altezza

o scattare una bella foto
dal nostro sangue.

Lo facciamo perché la stessa tecnologia
e lo stesso approccio,

l'apprendimento automatico
di questo codice,

ci sta aiutando a capire come funzioniamo,

come funziona il nostro corpo,

come invecchia il nostro corpo,

come si generano le malattie,

come il cancro nasce e si sviluppa,

come funzionano i farmaci

e se funzionano sul nostro corpo.

È una sfida immensa.

È una sfida che condividiamo

con centinaia di altri ricercatori
nel mondo.

Si chiama medicina personalizzata.

Ed è la capacità di passare
da un approccio statistico,

dove siete un puntino nell'oceano,

a un approccio personalizzato,

in cui leggiamo tutti questi libri

e capiamo esattamente come siete.

Ma è una sfida
particolarmente complicata,

perché di tutti questi libri, ad oggi,

conosciamo solo il 2% circa:

quattro libri su più di 175.

Questo non è l'argomento del mio talk,

perché impareremo più di questo.

Le migliori menti al mondo
stanno lavorando su questo argomento.

Le previsioni miglioreranno,

il modello sarà più preciso.

E più impareremo,

più dovremo confrontarci con decisioni

mai affrontate prima

sulla vita, sulla morte,
sull'essere genitori.

Quindi, questa conversazione --

stiamo indagando i meccanismi
più profondi della vita.

Ed è una rivoluzione
che non può essere limitata

al campo della scienza
o della tecnologia.

Deve diventare
una conversazione globale.

Dobbiamo pensare al futuro
che stiamo costruendo come umanità.

Dobbiamo collaborare con i creativi,
con gli artisti, con i filosofi,

con i politici.

Siamo tutti coinvolti, perché in ballo
c'è il futuro della nostra specie.

Senza timori, ma con la consapevolezza

che le decisioni
che prenderemo nel prossimo anno

cambieranno il corso della storia
per sempre.

Grazie.

(Applausi)