Ich gebe zu dass ich hier ein bisschen nervös bin weil ich Ihnen ein paar radikale Dinge erzählen werde, darüber, wie wir anders über Krebs nachdenken sollen zu einem Publikum das viele Leute enthält die über Krebs eine Menge mehr wissen als ich das tue. Aber ich bestreite auch, dass ich nicht so nervös bin wie ich es sein sollte da ich ziemlich überzeugt bin, recht zu haben. (Gelächter) Und das wir zukünftig tatsächlich auf diese Weise Krebs behandeln werden. Um über Krebs sprechen zu können, Werde ich eigentlich -- die große Ansicht hier holen müssen. Zuerst werde ich versuchen, Ihnen eine andere Sichtweise auf die Genomik zu geben. Ich möchte diese vorstellen als die Sichtweise der größeren Ansicht von all den anderen Dingen, die vor sich gehen -- und dann über etwas sprechen, von dem Sie noch nicht so viel gehört haben, nämlich der Proteomik. Nachdem ich das erklärt habe, wird etwas darauf basieren das, wie ich glaube, eine andere Idee sein wird darüber, wie wir die Krebsbehandlung in Angriff nehmen können
I admit that I'm a little bit nervous here because I'm going to say some radical things, about how we should think about cancer differently, to an audience that contains a lot of people who know a lot more about cancer than I do. But I will also contest that I'm not as nervous as I should be because I'm pretty sure I'm right about this. (Laughter) And that this, in fact, will be the way that we treat cancer in the future. In order to talk about cancer, I'm going to actually have to -- let me get the big slide here. First, I'm going to try to give you a different perspective of genomics. I want to put it in perspective of the bigger picture of all the other things that are going on -- and then talk about something you haven't heard so much about, which is proteomics. Having explained those, that will set up for what I think will be a different idea about how to go about treating cancer.
So lassen Sie uns anfangen mit der Genomik. Das ist das heiße Thema. Das ist die Stelle an der wir das meiste lernen. Das ist das große neue Grenzgebiet. Aber es ist begrenzt. Und insbesondere haben Sie wahrscheinlich von der Analogie gehört, dass das Genom wie eine Blaupause Ihres Körpers ist. Und wenn das nur wahr wäre, wäre das großartig. Aber das ist es nicht. Es ist wie eine Liste von Einzelteilen Ihres Körpers. Es sagt nicht, wie die Dinge verbunden sind, was was verursacht und so weiter. Wen ich also eine Analogie machen kann, angenommen Sie wollen den Unterschied herausfinden zwischen einem guten Restaurant, einem gesunden Restaurant, und einem kranken Restaurant, und alles was Sie haben, wäre eine Liste von Inhaltsstoffen die sie in ihrer Speisekammer haben. So könnte es sein, dass Sie zu einem französischen Restaurant gingen und dieses durchsuchten und fänden, dass sie nur Margarine und keine Butter haben, Sie könnten sagen, "Ah, ich weiß was hier falsch läuft. Ich kann die gesund machen." Und es gibt wahrscheinlich spezielle Fälle wie diesen. Sie könnten sicherlich den Unterschied zwischen einem chinesischen und einem französischen Restaurant benennen anhand dessen, was sie in ihrer Speisekammer haben. Also erzählt uns die Liste der Inhaltsstoffe in der Tat etwas und manchmal erzählt sie Ihnen etwas, das falsch läuft. Falls jene tonnenweise Salz haben, könnten Sie vermuten, dass sie zuviel Salz verwenden, oder dergleichen. Aber das ist begrenzt, weil um wirklich zu wissen, ob das ein gesundes Restaurant ist, müssen Sie das Essen probieren, müssen Sie wissen was in der Küche vor sich geht, benötigen Sie die Summe von all diesen Inhaltsstoffen.
So let me start with genomics. It is the hot topic. It is the place where we're learning the most. This is the great frontier. But it has its limitations. And in particular, you've probably all heard the analogy that the genome is like the blueprint of your body, and if that were only true, it would be great, but it's not. It's like the parts list of your body. It doesn't say how things are connected, what causes what and so on. So if I can make an analogy, let's say that you were trying to tell the difference between a good restaurant, a healthy restaurant and a sick restaurant, and all you had was the list of ingredients that they had in their larder. So it might be that, if you went to a French restaurant and you looked through it and you found they only had margarine and they didn't have butter, you could say, "Ah, I see what's wrong with them. I can make them healthy." And there probably are special cases of that. You could certainly tell the difference between a Chinese restaurant and a French restaurant by what they had in a larder. So the list of ingredients does tell you something, and sometimes it tells you something that's wrong. If they have tons of salt, you might guess they're using too much salt, or something like that. But it's limited, because really to know if it's a healthy restaurant, you need to taste the food, you need to know what goes on in the kitchen, you need the product of all of those ingredients.
Wenn Sie nun eine Person betrachten und ich schaue auf das Genom einer Person, das ist das Gleiche. Den Teil des Genoms, den wir lesen können ist die Liste der Inhaltsstoffe. Und in der Tat gibt es Fälle in denen wir Inhaltsstoffe finden können die schlecht [sind]. Mukoviszidose ist ein Beispiel einer Krankheit bei der wir einfach einen schlechten Inhaltsstoff haben und damit eine Krankheit und wir können tatsächlich eine direkte Korrelation erstellen zwischen dem Inhaltsstoff und der Krankheit. Aber meistens muss man wirklich wissen was in der Küche vor sich geht, weil meistens, kranke Menschen zuvor gesunde Menschen waren -- sie haben die gleichen Genome. Also erzählt uns das Genom wirklich viel mehr über Veranlagung Was Sie also sagen können, ist, dass Sie den Unterschied zwischen einer asiatischen Person und einer europäischen Person erkennen können, indem Sie auf ihre Inhaltsstoffe schauen. Tatsächlich aber können Sie meistens nicht den Unterschied erkennen zwischen einer gesunden und einer kranken Person -- abgesehen von einigen dieser speziellen Fälle.
So if I look at a person and I look at a person's genome, it's the same thing. The part of the genome that we can read is the list of ingredients. And so indeed, there are times when we can find ingredients that [are] bad. Cystic fibrosis is an example of a disease where you just have a bad ingredient and you have a disease, and we can actually make a direct correspondence between the ingredient and the disease. But most things, you really have to know what's going on in the kitchen, because, mostly, sick people used to be healthy people -- they have the same genome. So the genome really tells you much more about predisposition. So what you can tell is you can tell the difference between an Asian person and a European person by looking at their ingredients list. But you really for the most part can't tell the difference between a healthy person and a sick person -- except in some of these special cases.
Warum also diese große Sache wegen der Genetik? Nun, erstens, weil wir es lesen können, das ist fantastisch. Es ist sehr hilfreich unter bestimmten Umständen. Es ist zudem der große theoretische Durchbruch der Biologie. Es ist diese eine Theorie, die die Biologen jemals wirklich richtig hinbekommen haben. Sie ist grundlegend für Darwin und Mendel und so weiter. Es ist also diese eine Sache bei der sie ein theoretisches Konstrukt vorhersagten. Mendel hatte also die Vorstellung von einem Genom als eine abstrakte Sache. Und Darwin baute eine ganze Theorie die von einer Existenz dessen abhing. Und dann Watson und Crick suchten danach und fanden eines. Nun das passiert in der Physik ständig. Sie sagen sin schwarzes Loch vorher und Sie halten mit dem Teleskop Ausschau und da ist es, genau wie Sie sagten. Aber das passiert selten in der Biologie. Dieser große Triumpf -- er ist derart gut -- es ist fast eine religiöse Erfahrung in der Biologie. Und die Darwin'sche Evolutionstheorie ist im Grunde die elementare Theorie.
So why all the big deal about genetics? Well first of all, it's because we can read it, which is fantastic. It is very useful in certain circumstances. It's also the great theoretical triumph of biology. It's the one theory that the biologists ever really got right. It's fundamental to Darwin and Mendel and so on. And so it's the one thing where they predicted a theoretical construct. So Mendel had this idea of a gene as an abstract thing, and Darwin built a whole theory that depended on them existing, and then Watson and Crick actually looked and found one. So this happens in physics all the time. You predict a black hole, and you look out the telescope and there it is, just like you said. But it rarely happens in biology. So this great triumph -- it's so good, there's almost a religious experience in biology. And Darwinian evolution is really the core theory.
Nun der andere Grund für die Popularität ist, dass wir es messen können, es ist digital. Und tatsächlich, dank Kary Mullis, können Sie praktisch Ihr Genom in Ihrer Küche messen mit wenigen zusätzlichen Inhaltsstoffen. zum Beispiel haben wir durch das Vermessen des Genoms eine Menge darüber gelernt, inwiefern wir verwandt sind zu anderen Arten von Tieren anhand der Geschlossenheit unseres Genoms, oder wie wir zueinander verwandt sind -- der Stammbaum, oder die Entwicklung des Lebens. Es findet sich eine riesige Menge an Informationen in der Genetik, indem man einfach die genetische Ähnlichkeit vergleicht. Jetzt ist das natürlich in medizinischer Anwendung sehr nützlich weil das die gleiche Art von Information ist, die der Arzt aus Ihrer familiären medizinischen Historie erhält -- abgesehen davon, dass wahrscheinlich Ihr Genom einiges mehr weiß über Ihre medizinische Historie als sie das tun. Und indem wir das Genom lesen, können wir über Ihre Familie viel mehr herausfinden, als Sie wahrscheinlich wissen. Und so können wir Dinge herausfinden die Sie finden hätten können, indem Sie hinreichend viele Verwandte anschauten, aber diese könnten überraschend sein. Ich habe die 23andMe Sache gemacht und war sehr überrascht herauszufinden, dass ich fett und glatzköpfig bin. (Gelächter) Aber manchmal können Sie viel mehr nützliche Dinge damit lernen.
So the other reason it's been very popular is because we can measure it, it's digital. And in fact, thanks to Kary Mullis, you can basically measure your genome in your kitchen with a few extra ingredients. So for instance, by measuring the genome, we've learned a lot about how we're related to other kinds of animals by the closeness of our genome, or how we're related to each other -- the family tree, or the tree of life. There's a huge amount of information about the genetics just by comparing the genetic similarity. Now of course, in medical application, that is very useful because it's the same kind of information that the doctor gets from your family medical history -- except probably, your genome knows much more about your medical history than you do. And so by reading the genome, we can find out much more about your family than you probably know. And so we can discover things that probably you could have found by looking at enough of your relatives, but they may be surprising. I did the 23andMe thing and was very surprised to discover that I am fat and bald. (Laughter) But sometimes you can learn much more useful things about that.
Meistens jedoch ist, was Sie wissen müssen, um herauszufinden ob Sie krank sind, nicht Veranlagung, sondern es ist, was tatsächlich gerade in hrem Körper vor sich geht. was man also wirklich dafür tun muss ist, auf die Dinge zu sehen, die die Gene produzieren und was nach der Genetik vor sich geht. Und das ist, worum es in der Proteomik geht. Genau wie die Genetik von den Genen handelt, ist die Proteomik die Lehre der Proteine. Und Proteine sind alle diese kleinen Dinge in Ihrem Körper die zur Signalgebung dienen zwischen den Zellen -- im Grunde die Arbeitsmaschinen. Hier spielt die Musik. Im Grunde ist ein menschlicher Körper eine andauernde Konversation, sowohl innerhalb der Zellen als auch zwischen den Zellen, bei der sie einander erklären zu wachsen und zu sterben. Und wenn Sie krank sind, ist irgendetwas schief gelaufen bei dieser Konversation. Nun ist der Trick -- leider haben wir keine einfache Möglichkeit diese zu messen, wie wir Genome messen können.
But mostly what you need to know, to find out if you're sick, is not your predispositions, but it's actually what's going on in your body right now. So to do that, what you really need to do, you need to look at the things that the genes are producing and what's happening after the genetics, and that's what proteomics is about. Just like genome mixes the study of all the genes, proteomics is the study of all the proteins. And the proteins are all of the little things in your body that are signaling between the cells -- actually, the machines that are operating -- that's where the action is. Basically, a human body is a conversation going on, both within the cells and between the cells, and they're telling each other to grow and to die, and when you're sick, something's gone wrong with that conversation. And so the trick is -- unfortunately, we don't have an easy way to measure these like we can measure the genome.
Das Problem ist also, dass beim Messen -- wenn man versucht alle Proteine zu messen, ist das ein sehr aufwändiges Verfahren. Es bedarf hunderte Schritte, und es dauert eine lange, lange Zeit. Und die es ist von Bedeutung, wieviel von dem Protein es ist. Es könnte gravierend sein, wenn ein Protein sich zu 10 Prozent ändert, es ist also nicht eine nette digitale Sache wie die DNA. Und im Grunde ist unser Problem, dass da jemand mittendrin ist in diesem sehr langen Stadium, die für einen kleinen Moment pausieren und für eine Sekunde etwas in einem Enzym hinterlassen, und plötzlich sind alle Messungen von diesem Zeitpunkt an nicht durchführbar. Und so erhalten Leute sehr inkonsistente Resultate wenn sie das auf diesem Weg machen. Leute haben viel versucht, um das hinzubekommen. Ich habe das einige Male probiert und sah das Problem und gab auf.
So the problem is that measuring -- if you try to measure all the proteins, it's a very elaborate process. It requires hundreds of steps, and it takes a long, long time. And it matters how much of the protein it is. It could be very significant that a protein changed by 10 percent, so it's not a nice digital thing like DNA. And basically our problem is somebody's in the middle of this very long stage, they pause for just a moment, and they leave something in an enzyme for a second, and all of a sudden all the measurements from then on don't work. And so then people get very inconsistent results when they do it this way. People have tried very hard to do this. I tried this a couple of times and looked at this problem and gave up on it.
Ich habe immer wieder diesen Anruf dieses Onkologen bekommen namens David Agus Und Applied Minds bekommt eine Menge Anrufe von Leuten, die Hilfe brauchen bei deren Problemen und ich dachte nicht, dass dieser Anruf einer von jenen war, die ich zurückrufen sollte, und so habe ich ihn immer wieder auf die Wiedervorlage gesetzt. Und dann eines Tages, riefen John Doerr, Bill Berkmann und Al Gore an einem und dem selben Tag an, und sagten: ruf David Agus zurück. (Gelächter) Und ich so, "Okay. Zumindest ist dieser Typ gut vernetzt." (Gelächter) So begannen wir mit unserer Unterhaltung und er sagte, "Ich brauche wirklich bessere Methoden Proteine zu messen." Und ich so, "Hab ich mir angeschaut. An diesem Punkt war ich auch schon. Das wird nicht einfach." Und er meinte, "Nein, nein. Ich brauche das wirklich. Ich meine, ich sehe täglich Patienten sterben weil wir nicht wissen, was in ihnen vor sich geht. Wir müssen ein Fenster in das hinein haben." Und er führte mir einige spezielle Beispiele vor Augen, bei denen er das wirklich brauchte. Und mir wurde klar, wow, das könnte wirklich etwas verändern, wenn wir das hinbekämen. Und so sagte ich, "Na gut, lass uns das anschauen."
I kept getting this call from this oncologist named David Agus. And Applied Minds gets a lot of calls from people who want help with their problems, and I didn't think this was a very likely one to call back, so I kept on giving him to the delay list. And then one day, I get a call from John Doerr, Bill Berkman and Al Gore on the same day saying return David Agus's phone call. (Laughter) So I was like, "Okay. This guy's at least resourceful." (Laughter) So we started talking, and he said, "I really need a better way to measure proteins." I'm like, "Looked at that. Been there. Not going to be easy." He's like, "No, no. I really need it. I mean, I see patients dying every day because we don't know what's going on inside of them. We have to have a window into this." And he took me through specific examples of when he really needed it. And I realized, wow, this would really make a big difference, if we could do it, and so I said, "Well, let's look at it."
Applied Minds haben genug Spielgeld, sodass wir hingehen können und einfach an etwas arbeiten, ohne Unterstützung oder Erlaubnis von außerhalb. Also fingen wir an damit herumzuspielen. Und als wir das taten, merkten wir, dass dies unser grundlegendes Problem war -- dieser Schluck Kaffee -- das es Menschen waren, die diesen komplizierten Prozess ausführen, und dass, was wirklich getan werden musste, war diesen Prozess zu automatisieren, wie eine Produktionsstraße und Roboter zu bauen, die die Proteomik messen würden. Und so taten wir das. Und durch die Arbeit mit David, errichteten wir schließlich eine kleine Firma namens Applied Proteomics, die jene Roboter Produktionsstraße herstellt, die in einer sehr gleichmäßigen Art und Weise die Proteine misst. Und ich zeige Ihnen, wie diese Proteinmessung aussieht.
Applied Minds has enough play money that we can go and just work on something without getting anybody's funding or permission or anything. So we started playing around with this. And as we did it, we realized this was the basic problem -- that taking the sip of coffee -- that there were humans doing this complicated process and that what really needed to be done was to automate this process like an assembly line and build robots that would measure proteomics. And so we did that, and working with David, we made a little company called Applied Proteomics eventually, which makes this robotic assembly line, which, in a very consistent way, measures the protein. And I'll show you what that protein measurement looks like.
Im Prinzip nehmen wir einem Patienten einen Tropfen Blut ab, sortieren die Proteine aus diesem Blutstropfen nach Gewicht und Schlupf, und fügen sie zu einem Bild zusammen. Und so können wir buchstäblich aus diesem Tropfen Blut hunderttausende Merkmale gleichzeitig betrachten. Und wir können morgen einen anderen nehmen, und Sie werden sehen, dass Ihre Proteine morgen anders sein werden -- sie werden anders sein, nachdem Sie essen oder nachdem Sie schlafen. Sie erzählen uns wirklich, was hier vor sich geht. Und dieses Bild also, das für Sie wie ein Klecks aussieht, ist eigentlich das, was mich daran begeistert hat, und ich fühlte mich, als wären wir auf dem richtigen Weg. Wenn ich nun das Bild vergrößere, kann ich Ihnen zeigen, was das bedeutet. Wir sortieren die Proteine -- von links nach rechts ist das Gewicht der Fragmente, das wir erhalten. Und von oben nach unten ist wie schlüpfrig sie sind. Wir vergrößern das hier, um Ihnen einfach etwas davon zu zeigen. Und so repräsentiiert jede dieser Linien irgendein Signal, dass wir aus einem Stück von einem Protein herausbekommen haben. Und Sie können sehen wie die Linien erscheinen in diesen kleinen Gruppen von Hügel, Hügel, Hügel, Hügel, Hügel. Und das ist, weil wir das Gewicht so präzise messen, dass -- Kohlenstoff hat verschiedene Isotope, wenn es also ein zusätzliches Neutron hat, messen wir es als unterschiedliches Element. So messen wir im Grunde jedes Isotop als ein eigenes.
Basically, what we do is we take a drop of blood out of a patient, and we sort out the proteins in the drop of blood according to how much they weigh, how slippery they are, and we arrange them in an image. And so we can look at literally hundreds of thousands of features at once out of that drop of blood. And we can take a different one tomorrow, and you will see your proteins tomorrow will be different -- they'll be different after you eat or after you sleep. They really tell us what's going on there. And so this picture, which looks like a big smudge to you, is actually the thing that got me really thrilled about this and made me feel like we were on the right track. So if I zoom into that picture, I can just show you what it means. We sort out the proteins -- from left to right is the weight of the fragments that we're getting, and from top to bottom is how slippery they are. So we're zooming in here just to show you a little bit of it. And so each of these lines represents some signal that we're getting out of a piece of a protein. And you can see how the lines occur in these little groups of bump, bump, bump, bump, bump. And that's because we're measuring the weight so precisely that -- carbon comes in different isotopes, so if it has an extra neutron on it, we actually measure it as a different chemical. So we're actually measuring each isotope as a different one.
Und so bekommen Sie eine Vorstellung davon, wie ungemein sensibel das ist. Dieses Bild anzuschauen, ist so etwas, wie Galileo zu werden und zu den Sternen zu schauen, und das erste Mal durch ein Teleskop zu sehen, und plötzlich sagt man, "Wow, das ist viel komplizierter als wir es uns gedacht hatten." Aber wir können dieses Zeug da draußen sehen und tatsächlich Einzelheiten erkennen. Das ist also die Hanschrift, in der wir versuchen Muster zu erkennen. Und was wir also damit tun ist, wir schauen uns zum Beispiel zwei Patienten an, von denen einer auf ein Medikament angesprochen hat und der andere nicht, und fragen, "Wie unterscheiden sich die Abläufe in Ihnen?" Und nun können wir diese Messungen präzise genug machen, um zwei Patienten überlappen zu können und uns die Unterschiede anzuschauen.
And so that gives you an idea of how exquisitely sensitive this is. So seeing this picture is sort of like getting to be Galileo and looking at the stars and looking through the telescope for the first time, and suddenly you say, "Wow, it's way more complicated than we thought it was." But we can see that stuff out there and actually see features of it. So this is the signature out of which we're trying to get patterns. So what we do with this is, for example, we can look at two patients, one that responded to a drug and one that didn't respond to a drug, and ask, "What's going on differently inside of them?" And so we can make these measurements precisely enough that we can overlay two patients and look at the differences.
Und so haben wir hier Alice in Grün und Bob in Rot, Wir überlappen sie. Das sind reale Daten. Und Sie können sehen, meistens überlappt es und ist gelb, aber es gibt einige Dinge die nur Alice hat und einige Dinge die nur Bob hat, Und wenn wir ein Muster von Dingen erhalten von denjenigen, die auf das Medikament ansprechen, sehen wir, dass sie in dem Blut einen Zustand haben, der ihnen erlaubt auf dieses Medikament anzusprechen. Wir können vielleicht nicht wissen, was dieses Protein ist, aber wir können sehen, dass es eine Markierung ist für die Ansprechbarkeit für diese Krankheit. Das ist also schon, glaube ich, enorm brauchbar auf allen Gebieten der Medizin. Aber ich denke das ist eigentlich nur der Beginn davon wie wir Krebs behandeln werden. So lassen Sie mich auf den Krebs zu sprechen kommen.
So here we have Alice in green and Bob in red. We overlay them. This is actual data. And you can see, mostly it overlaps and it's yellow, but there's some things that just Alice has and some things that just Bob has. And if we find a pattern of things of the responders to the drug, we see that in the blood, they have the condition that allows them to respond to this drug. We might not even know what this protein is, but we can see it's a marker for the response to the disease. So this already, I think, is tremendously useful in all kinds of medicine. But I think this is actually just the beginning of how we're going to treat cancer. So let me move to cancer.
Die Sache bei Krebs ist -- als ich in die Sache hineingeriet, wusste ich wirklich nichts darüber, aber mit David Agus zu arbeiten, begann ich zu sehen, wie Krebs eigentlich behandelt wurde und ging zu Operationen wo es herausgeschnitten wurde. Und als ich das ansah, ergab es für mich keinen Sinn wie wir dem Krebs begegnen. Und um das zu verstehen, musste ich lernen, woher das kam. Wir behandeln Krebs fast so, als wäre es eine infektiöse Krankheit. Wir behandeln es als etwas das in Sie hineingekommen ist das wir töten müssen. Das ist also das große Denkmuster. Dies ist ein weiterer Fall, wo ein theoretisches Denkmuster in der Biologie tatsächlich funktionierte -- das war die bakterielle Theorie einer Krankheit. Was also Ärzte meistens trainiert werden zu tun ist diagnostizieren -- das wird in eine Kathegorie gestellt -- und eine wissenschaftlich belegten Behandlung durchzuführen für diese Diagnose. Und das funktioniert großartig für infektiöse Krankheiten. Wenn wir also Sie in die Kathegorie stellen der Syphiliserkrankten, können wir Ihnen Penicillin geben. Wir wissen, dass es funktioniert. Falls Sie Malaria haben, geben wir Ihnen Chinin, oder manche Derivate dessen. Und das ist im Grunde worauf Ärzte trainiert werden. Und es ist verwunderlich, für den Fall der infektiösen Erkrankungen -- wie gut das funktioniert. Und viele Menschen in diesem Publikum wären wahrscheinlich nicht am Leben wenn Ärzte das nicht tun würden.
The thing about cancer -- when I got into this, I really knew nothing about it, but working with David Agus, I started watching how cancer was actually being treated and went to operations where it was being cut out. And as I looked at it, to me it didn't make sense how we were approaching cancer, and in order to make sense of it, I had to learn where did this come from. We're treating cancer almost like it's an infectious disease. We're treating it as something that got inside of you that we have to kill. So this is the great paradigm. This is another case where a theoretical paradigm in biology really worked -- was the germ theory of disease. So what doctors are mostly trained to do is diagnose -- that is, put you into a category and apply a scientifically proven treatment for that diagnosis -- and that works great for infectious diseases. So if we put you in the category of you've got syphilis, we can give you penicillin. We know that that works. If you've got malaria, we give you quinine or some derivative of it. And so that's the basic thing doctors are trained to do, and it's miraculous in the case of infectious disease -- how well it works. And many people in this audience probably wouldn't be alive if doctors didn't do this.
Aber lassen Sie und das auf systemische Erkrankungen wie Krebs anwenden. Das Problem ist, dass es bei Krebs nichts zusätzliches gibt dass in Ihnen ist. Es sind Sie, Sie sind beschädigt. Diese Konversation in Ihnen geriet irgendwie durcheinander. Wie können wir nun diese Konversation diagnostizieren? Gerade sind wir dabei, es nach Bereichen des Körpers zu unterteilen -- nun ja, wo ist es in Erscheinung getreten -- und wir teilen Sie in verschiedene Kategorien ein -- entsprechend der Teile des Körpers. Und dann machen wir eine klinische Behandlung mit einem Medikament für Lungenkrebs und einem für Prostatakrebs und einem für Brustkrebs, und wir behandeln diese als wären sie unterschiedliche Krankheiten und diese Art, sie zu unterscheiden hatte etwas mit dem zu tun, was eigentlich schief lief. Und natürlich hat es wirklich nicht so viel mit dem zu tun, was falsch lief. Weil Krebs ein Systemversagen ist. Und in der Tat glaube ich, dass wir sogar falsch liegen, wenn wir von Krebs als eine Sache sprechen. Ich glaube das ist der große Fehler. Ich denke, Krebs sollte kein Nomen sein. Wir sollten vom Krebsen sprechen. von etwas, das wir tun, nicht von etwas, das wir haben Und diese Tumore, die sind Symptome von Krebs. Und unser Körper krebst wahrscheinlich die ganze Zeit. Aber es gibt eine Menge Systeme in unserem Körper, die das unter Kontrolle behalten.
But now let's apply that to systems diseases like cancer. The problem is that, in cancer, there isn't something else that's inside of you. It's you; you're broken. That conversation inside of you got mixed up in some way. So how do we diagnose that conversation? Well, right now what we do is we divide it by part of the body -- you know, where did it appear? -- and we put you in different categories according to the part of the body. And then we do a clinical trial for a drug for lung cancer and one for prostate cancer and one for breast cancer, and we treat these as if they're separate diseases and that this way of dividing them had something to do with what actually went wrong. And of course, it really doesn't have that much to do with what went wrong because cancer is a failure of the system. And in fact, I think we're even wrong when we talk about cancer as a thing. I think this is the big mistake. I think cancer should not be a noun. We should talk about cancering as something we do, not something we have. And so those tumors, those are symptoms of cancer. And so your body is probably cancering all the time, but there are lots of systems in your body that keep it under control.
Und um Ihnen eine Vorstellung geben zu können anhand einer Analogie von dem was ich meine, wenn wir uns Krebsen als Verb denken, stellen Sie sich vor, wir wüssten nichts über das Klempnern und die Art wie wir darüber sprächen wäre als würden wir nach Hause kommen und ein Leck in unserer Küche finden. Und wir würden sagen, "Oh, mein Haus hat Wasser." Wir würden es unterteilen -- der Klempner würde sagen, "Naja, wo ist das Wasser?" "Naja, es ist in der Küche." "Oh, Sie müssen Küchenwasser haben." Das ist das Niveau auf dem es ist. "Küchenwasser?" Naja, zuerst würden wir hineingehen und wir würden einiges aufwischen. Und dann wüssten wir, dass wenn wir Draino in der Küche verstreuen, dass das hilft. Wobei bei Wohnzimmerwasser, es besser ist, Dachpappe aufs Dach zu legen. Und es hört sich dumm an, aber as ist im Grunde, was wir tun. Und ich behaupte nicht, dass Sie nicht das Wasser in der Küche aufwischen sollen, wenn Sie Krebs haben. Aber ich sage, dass dies gar nicht das Problem ist. Das ist ein Symptom des Problems.
And so to give you an idea of an analogy of what I mean by thinking of cancering as a verb, imagine we didn't know anything about plumbing, and the way that we talked about it, we'd come home and we'd find a leak in our kitchen and we'd say, "Oh, my house has water." We might divide it -- the plumber would say, "Well, where's the water?" "Well, it's in the kitchen." "Oh, you must have kitchen water." That's kind of the level at which it is. "Kitchen water, well, first of all, we'll go in there and we'll mop out a lot of it. And then we know that if we sprinkle Drano around the kitchen, that helps. Whereas living room water, it's better to do tar on the roof." And it sounds silly, but that's basically what we do. And I'm not saying you shouldn't mop up your water if you have cancer, but I'm saying that's not really the problem; that's the symptom of the problem.
Wo wir wirklich ran müssen, ist der Prozess, der gerade abläuft, und zwar auf der Ebene der proteomischen Aktivitäten auf der Ebene des 'Warum sich der Körper nicht selbst heilt, wie er es normalerweise macht?' Denn normalerweise beschäftigt sich Ihr Körper ständig mit diesem Problem. Ihr Haus ist also ständig mit Lecks beschäftigt. Aber es repariert sie. Es trocknet sie aus und so weiter. Was wir also brauchen ist ein schlüssiges Modell von dem was wirklich vor sich geht. Und die Proteomik gibt uns tatsächlich die Möglichkeit, ein Modell wie dieses zu bauen.
What we really need to get at is the process that's going on, and that's happening at the level of the proteonomic actions, happening at the level of why is your body not healing itself in the way that it normally does? Because normally, your body is dealing with this problem all the time. So your house is dealing with leaks all the time, but it's fixing them. It's draining them out and so on. So what we need is to have a causative model of what's actually going on, and proteomics actually gives us the ability to build a model like that.
David hat mich einladen lassen, um am National Cancer Institute eine Rede zu halten und Anna Barker war dort. Und so hielt ich diese Rede und sagte, "Warum macht ihr Leute das denn nicht?" Und Anna sagte, "Weil kein Krebsfachmann die Sache so sehen würde. Aber wir werden ein Programm entwickeln für Menschen außerhalb der Krebsforschung, um mit Ärzten zusammen zu kommen, die sich wirklich mit Krebs auskennen und um verschiedene Forschungsprogramme auzusarbeiten. So bewarben David und ich mich für dieses Programm und gründeten eine Arbeitsgruppe an der USC wo wir einige der weltbesten Onkologen haben und einige der besten Biologen der Welt, von Cold Spring Harbor, Stanford, Austin -- Ich werde jetzt nicht alle Namen und alle Orte erwähnen -- um ein Forschungsprojekt zu haben, dass fünf Jahre dauern wird, bei dem wir wirklich versuchen werden, ein Krebsmodell wie dieses zu entwickeln. Wir werden das zuerst an Mäusen machen. Und wir werden eine Menge Mäuse töten im Verlauf dieser Tätigkeit, aber sie werden für einen guten Zweck sterben. Und wir werden tatsächlich versuchen, soweit zu kommen, dass wir ein vorhersagbares Modell haben, dass wir verstehen können wann Krebs auftritt, was tatsächlich da drin passiert und welche Behandlung Krebs therapieren wird.
David got me invited to give a talk at National Cancer Institute and Anna Barker was there. And so I gave this talk and said, "Why don't you guys do this?" And Anna said, "Because nobody within cancer would look at it this way. But what we're going to do, is we're going to create a program for people outside the field of cancer to get together with doctors who really know about cancer and work out different programs of research." So David and I applied to this program and created a consortium at USC where we've got some of the best oncologists in the world and some of the best biologists in the world, from Cold Spring Harbor, Stanford, Austin -- I won't even go through and name all the places -- to have a research project that will last for five years where we're really going to try to build a model of cancer like this. We're doing it in mice first, and we will kill a lot of mice in the process of doing this, but they will die for a good cause. And we will actually try to get to the point where we have a predictive model where we can understand, when cancer happens, what's actually happening in there and which treatment will treat that cancer.
Zum Schluss möchte ich Ihnen eine Vorstellung davon geben, was ich für eine zukünftige Behandlung von Krebs halte. Ich glaube, dass letztlich, sobald wir eines dieser Modelle für Menschen haben, welche wir schlussendlich bekommen werden -- ich meine, unsere Gruppe wird nicht alles schaffen können -- aber schließlich werden wir ein sehr gutes Computermodell haben -- ähnlich wie ein globales Klimamodell für Wetter. Es beinhaltet eine Menge verschiedener Informationen über den laufenden Prozess in dieser proteomischen Konversation auf vielen verschiedenen Ebenen. Und so werden wir das simulieren, in diesem Modell für diesen speziellen Krebs -- und das wird es auch für ALS geben, oder jede beliebige Art von degenerativen Erkrankungen des Nervensystems Dinge wie diese -- werden wir simulieren speziell für Sie, nicht nur eine generische Person, sondern was tatsächlich in Ihnen vor sich geht.
So let me just end with giving you a little picture of what I think cancer treatment will be like in the future. So I think eventually, once we have one of these models for people, which we'll get eventually -- I mean, our group won't get all the way there -- but eventually we'll have a very good computer model -- sort of like a global climate model for weather. It has lots of different information about what's the process going on in this proteomic conversation on many different scales. And so we will simulate in that model for your particular cancer -- and this also will be for ALS, or any kind of system neurodegenerative diseases, things like that -- we will simulate specifically you, not just a generic person, but what's actually going on inside you.
Und speziell für Sie können wir in dieser Simulation eine Reihenfolge von Behandlungen entwerfen, und vielleicht sehr sanfte Behandlungen, sehr kleine Wirkstoffdosen. Es könnten Dinge sein wie, essen Sie heute nichts, oder geben sie dem ein wenig Chemotherapie, vielleicht ein wenig Strahlung. Natürlich werden wir manchmal operieren und so weiter. Aber wir entwickeln ein Behandlungsprogramm speziell für Sie und helfen Ihren Körper den Weg zurück in die Gesundheit zu finden -- Ihren Körper zurück zur Gesundheit zu leiten. Weil Ihr Körper die meiste Reparaturarbeit verrichten wird Wenn wir nur irgendwie die falschlaufenden Dinge abfangen. Bringen wir eine dazu äquivalente Menge an Schienen ein. Und so hat Ihr Körper viele, viele Mechanismen Krebs zu reparieren und wir müssen einfach diese zurechtmachen in der richtigen Weise und diese die Arbeit tun lassen.
And in that simulation, what we could do is design for you specifically a sequence of treatments, and it might be very gentle treatments, very small amounts of drugs. It might be things like, don't eat that day, or give them a little chemotherapy, maybe a little radiation. Of course, we'll do surgery sometimes and so on. But design a program of treatments specifically for you and help your body guide back to health -- guide your body back to health. Because your body will do most of the work of fixing it if we just sort of prop it up in the ways that are wrong. We put it in the equivalent of splints. And so your body basically has lots and lots of mechanisms for fixing cancer, and we just have to prop those up in the right way and get them to do the job.
Und so glaube ich dass dies der Weg sein wird, wie Krebs in Zukunft behandelt werden wird. Es wird eine Menge Arbeit benötigen, viel Forschung. Es wir viele Teams wie das unsere geben die daran arbeiten. Und ich glaube, letztlich werden wir für jeden eine abgestimmte Behandlung gegen Krebs erstellen.
And so I believe that this will be the way that cancer will be treated in the future. It's going to require a lot of work, a lot of research. There will be many teams like our team that work on this. But I think eventually, we will design for everybody a custom treatment for cancer.
Ich danke Ihnen vielmals.
So thank you very much.
(Applaus)
(Applause)