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.
J'admets que je suis un peu nerveux ici parce que je vais dire des choses radicales sur la façon différente dont nous devrions considérer le cancer à un public qui comporte beaucoup de gens qui en savent bien plus que moi sur le cancer. Mais je dirais aussi que je ne suis pas aussi nerveux que je devrais l'être parce que je suis assez sûr d'avoir raison là-dessus. (Rires) Et que ça, en fait, ce sera la manière dont nous traiterons le cancer dans l'avenir. Pour parler du cancer, je vais devoir en fait -- laissez moi afficher la grande diapo ici. D'abord, je vais essayer de vous donner une perspective différente de la génomique. Je veux la mettre dans la perspective d'un plan plus grand de tout ce qui se passe -- et ensuite parler de quelque chose dont vous n'avez pas beaucoup entendu parler, la protéomique. Une fois cela expliqué, tout sera prêt pour ce qui je pense sera une idée différente de l'approche du traitement du cancer.
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.
Alors permettez moi de commencer à parler de génomique. C'est le sujet à la mode. C'est là que nous apprenons le plus. C'est la grande frontière. Mais elle a ses limites. Et en particulier, vous avez probablement tous entendu parler de l'analogie entre le génome et le plan de votre corps. Et si c'était vrai, ce serait génial, mais c'est faux. C'est comme la liste des parties de votre corps. Elle ne dit pas comment les choses sont reliées, ce qui provoque quoi etc. Alors si je peux faire une analogie, disons que si vous essayez de faire la différence entre un bon restaurant, un restaurant sain, et un restaurant malsain, et tout ce que vous aviez ce soit la liste des ingrédients qu'ils mettent dans leur tambouille. Alors par exemple, si vous alliez dans un restaurant français que vous l'inspectiez et que vous trouviez qu'ils n'ont que de la margarine et pas de beurre, vous pourriez dire, "Ah, je vois ce qui ne va pas chez eux, je peux les rendre plus sain." Et il y a probablement des cas particuliers de ce type. vous pourriez certainement faire la différence entre un restaurant chinois et un restaurant français d'après ce qu'ils mettent dans leur tambouille. Alors la liste des ingrédients vous dit bien quelque chose, et parfois elle vous dit quelque chose qui est faux. Si ils mettent des tonnes de sel, vous pourriez deviner qu'ils utilisent trop de sel ou quelque chose comme ça. Mais c'est limité, parce que pour savoir vraiment si c'est un restaurant sain, vous devez goûter la nourriture, vous devez savoir ce qui se passe en cuisine, vous avez besoin du produit de tous les ingrédients.
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.
Donc si je regarde quelqu'un et que je regarde son génome, c'est pareil. La partie du génome que nous pouvons lire est la liste des ingrédients. Et donc en effet, il y a des fois où nous pouvons trouver les ingrédients qui ne vont pas. La mucoviscidose est un exemple de maladie où vous avez un mauvais ingrédient et vous avez une maladie, et nous pouvons en fait établir une correspondance directe entre l'ingrédient et la maladie. Mais dans la plupart des cas, il faut vraiment savoir ce qui se passe en cuisine, parce qu'essentiellement, les gens malades étaient en bonne santé avant -- ils avaient le même génome. Le génome vous en dit donc bien plus sur la prédiposition. Ce que vous pouvez donc dire c'est que vous pouvez faire la différence entre un asiatique et un européen en regardant la liste de leurs ingrédients. Mais la plupart du temps vous ne pouvez pas faire la différence entre une personne saine et une personne malade -- sauf dans certains de ces cas particuliers.
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.
Alors pourquoi tant de bruit autour de la génétique? Et bien tout d'abord c'est parce que nous pouvons la lire, ce qui est fantastique. C'est très utile dans certaines circonstances. C'est aussi un grand triomphe théorique de la biologie C'est LA théorie que les biologistes ont vraiment trouvée juste. Elle est fondamentale pour Darwin et pour Mendel et ainsi de suite. Et c'est donc la chose pour laquelle ils ont prédit une construction théorique. Alors Mendel a eu cette idée d'un gène comme une chose abstraite. Et Darwin a construit toute une théorie qui dépendant de leur existence. Et puis Watson et Crick ont effectivement cherché et en ont trouvé un. Et donc ça arrive tout le temps en physique. Vous prédisez un trou noir, et vous regardez dans le télescope et il est là, comme vous l'avez dit. Mais ça arrive rarement en biologie. Alors ce grand triomphe -- c'est si bien -- il y a une expérience quasi religieuse en biologie. Et l'évolution darwinienne est vraiment la théorie centrale.
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.
Et l'autre raison de sa grande popularité est que nous pouvons le mesurer, c'est numérique. Et en fait, grâce à Kary Mullis, vous pouvez en gros mesurer votre génome dans votre cuisine avec quelques ingrédients supplémentaires. Alors par exemple, en mesurant le génome, nous avons appris beaucoup sur nos liens de parentés avec les autres animaux en fonction de la proximité de notre génome, ou comment nous sommes apparentés les uns aux autres -- l'arbre généalogique, ou l'arbre de vie. Il y a une énorme quantité d'information sur la génétique rien qu'en comparant la similarité génétique. Mais bien sûr, dans le domaine médicale, c'est très utile parce que c'est le même genre d'information que le médecin obtient de l'historique médical de votre famille -- sauf que probablement, votre génome en sait beaucoup plus sur votre historique médical que vous. Et donc en lisant le génome, nous pouvons sans doute en découvrir beaucoup plus que vous n'en savez sur votre famille. Et donc nous pouvons découvrir des choses que vous auriez probablement pu trouver en vous tournant vers suffisement de vos parents, mais elle peuvent être surprenantes. J'ai fait le test ADN de 23andMe et j'ai été très surpris de découvrir que je suis gros et chauve. (Rires) Mais parfois on peut apprendre des choses bien plus utiles.
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.
Mais principalement ce que vous devez savoir pour découvrir si vous êtes malade ce n'est pas vos prédispositions, mais c'est en fait ce qui se passe dans votre corps en ce moment. Donc pour faire cela, ce que vous devez vraiment faire, vous devez regarder les choses que les gènes produisent et ce qui se passe après la génétique. ET c'est ça la protéomique. Tout comme le génome mélange l'étude de tous les gènes, la protéomique est l'étude de toutes les protéines. Et les protéines sont toutes les petites choses dans votre corps qui envoient des signaux entre les cellules -- en fait les machines qui fonctionnent. C'est là que ça se passe. En gros, un corps humain est une conversation qui se déroule, à la fois à l'intérieur des cellules et entre les cellules, et elles se disent de grandir et de mourir. Et quand vous êtes malade, quelque chose ne va pas dans cette conversation. Et le truc est -- malheureusement, nous n'avons pas de moyen facile de les mesurer comme nous pouvons mesurer le génome.
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.
Le problème est donc que mesurer -- si vous essayez de mesurer toutes les protéines, c'est un procesus très sophistiqué. Il nécessite des centaines d'étapes, et il prend très, très longtemps. Et la quantité de protéine compte. Que la protéine ait changé de 10 % peut avoir beaucoup d'importance, et donc ce n'est pas simplement numérique comme l'ADN. Et en gros notre problème est que quelqu'un est au milieu de cette très longue étape, il font une pause, et il laisse quelque chose dans une enzyme pendant un moment, et tout d'un coup toutes les mesures qui suivent ne vont pas. Et alors les gens obtiennent des résultats incosistents quand il s'y prennent comme ça. Les gens ont vraiment essayé de le faire. J'ai essayé une ou deux fois et j'ai examiné le problème et j'ai laissé tomber.
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."
Il y a un oncologue qui n'arrête pas de m'appeler il s'appelle David Agus. Et Applied Minds reçoit beaucoup d'appels de gens qui veulent de l'aide pour leur problèmes et je n'ai pas pensé qu'il rappellerait, alors je le transférais en liste d'attente. Et puis un jour, j'ai reçu un appel de John Doerr, Bill Berkman et Al Gore le même jour disant de rappeler David Agus. (Rires) Alors, j'ai dit, "Bon, ce type a au moins de la ressource." (Rires) Nous avons donc commencé à discuter, et il a dit, "J'ai vraiment besoin d'une meilleure façon de mesurer les protéines." J'ai dit, " je connais, j'ai essayé. Ce ne sera pas facile." Il a dit, "non, non, j'en ai vraiment besoin. Je veux dire, je vois des patients mourir tous les jours parce que nous ne savons pas ce qui se passe à l'intérieur de leur corps. Nous devons voir ce qui se passe là-dedans. Et il m'a passé en revue des exemples spécifiques de moments où il en avait vraiment besoin. Et je me suis rendu compte, que oui, ça ferait vraiment une grande différence, si on y arrivait. Et alors j'ai dit, " et bien voyons ça."
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.
Applied Minds a assez d'argent disponible pour que nous puissions travailler sur quelque chose sans avoir besoin du financement ou de la permission de quelqu'un. Alors nous avons commencer à considérer cela. Et ce faisant, nous nous sommes rendus compte que c'était le problème fondamental -- que prendre une gorgée de café -- qu'il y avait des humains qui faisaient ce processus compliqué et que, ce qu'il fallait vraiment faire, c'était d'automatiser ce processus comme une chaîne de montage et construire des robots qui mesurerait la protéomique. Et donc c'est ce que nous avons fait. Et en travaillant avec David, nous avons finalement créé une petite compagnie appelée Applied Proteomics qui crée cette chaine de montage robotique, qui d'une manière très consistante, mesure la protéine. Et je vais vous montrer à quoi ressemblent les mesures de protéines.
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.
En gros, ce que nous faisons est que nous prenons une goutte de sang du patient, et nous trions les protéines dans la goutte de sang selon leur poids, et combien elles sont glissantes, et nous les arrangeons en une image. Et donc nous pouvons voir littéralement des centaines de milliers de caractéristiques en une seule fois à partir de cette goutte de sang. Et nous pouvons en prendre une différente demain, et vous verrez que vos protéines demain seront différentes -- elles seront différentes après votre repas ou après votre sommeil. Elles nous disent vraiment ce qui se passe là. Et donc cette image, qui ressemble à une grosse tâche pour vous, est en fait la chose qui m'a vraiment passionné dans tout ça et m'a donné l'impression que nous étions sur la bonne voie. Alors si je zoome sur cette image, je peux vous montrer ce qu'elle signifie. Nous trions les protéines -- de gauche à droite c'est le poids des fragments que nous obtenons. Et de haut en bas c'est à quel point elles sont glissantes. Alors nous zoomons ici juste pour vous en montrer un petit peu. Et donc chacune de ces lignes représente un signal que nous obtenons depuis un bout de protéine. Et vous pouvez voir comment la ligne se présente en ces petits groupes de petites bosses. Et c'est parce que nous mesurons le poids avec tant de précision que -- il y a différents isotopes de carbone, alors s'il y a un neutron de plus dessus, nous le mesurons en fait comme un produit chimique différent. Donc en fait nous mesurons chaque isotope séparément.
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.
Et donc ça vous donne une idée d'à quel point c'est extrêmement délicat. Alors voir cette image c'est comme si on était Galilée et qu'on regardait les étoiles et qu'on regarde dans un téléscope pour la première fois, et soudain vous dites, 'Oh, c'est beaucoup plus compliqué que je croyais." Mais nous pouvons voir ce truc là dehors et en fait en voir les caractéristiques. Alors voici la signature à partir de laquelle nous essayons de tirer des modèles. Et ce que nous faisons avec ça c'est, par exemple, que nous prenons deux patients, l'un qui a réagit à un médicament et un qui n'a pas réagit à un médicament. et nous posons la question, " Qu'est-ce qui se passe différemment en eux?" Et nous pouvons donc faire des mesures assez précises pour que nous puissions superposer les deux patients et voir les différences.
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.
Nous avons donc Alice ici en vert et Bob en rouge. Nous les superposons. Ce sont les vraies données. Et vous pouvez voir, il y a un chevauchement général et c'est en jaune, mais il y a des choses que seule Alice a et des choses que seul Bob a. Et si nous trouvons un modèle pour les choses qui réagissent au médicament, nous le voyons dans le sang, elles ont la condition qui leur permet de réagir à ce médicament. Nous ne pourrions même pas savoir ce qu'est cette protéine, mais nous pouvons voir que c'est un marqueur de réaction contre la maladie. Alors déjà, cela, je crois, est terriblement utile dans tous les types de médecine. Mais je pense que cela en fait n'est que le début de la façon dont nous allons traiter le cancer. Et donc permettez-moi d'en venir au cancer.
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.
Ce qu'il y a avec le cancer -- quand je m'y suis plongé, je n'y connaissais vraiment rien, mais en travaillant avec David Agus, j'ai commencé à regarder comment on traitait vraiment le cancer et je suis allé dans les salles d'opérations. Et quand je regardais, ça n'avait pas de sens pour moi la façon dont on approchait le cancer. Et pour trouver du sens là-dedans, j'ai du apprendre d'où ça venait. Nous traitons le cancer presque comme si c'était une maladie infectieuse. Nous le traitons comme quelque chose qui est entré en vous et que nous devons tuer. C'est donc le grand paradigme. Voici encore un cas où le paradigme théorique en biologie a vraiment fonctionné -- c'était la théorie du germe de la maladie. Alors ce que les médecins sont le plus entrainés à faire est de diagnostiquer -- c'est à dire vous mettre dans une catégorie -- et d'appliquer un traitement scientifiquement prouvé pour ce diagnostic. Et ça marche très bien pour les maladies infectieuses. Donc si nous vous mettons dans la catégorie de ceux qui ont la syphilis, nous pouvons vous donner de la pénicilline. Nous savons que ça marche. Si vous avez le paludisme, nous vous donnons de la quinine, ou un de ses dérivés. Et donc c'est ce que les médecins sont initialement entrainés à faire. Et c'est miraculeux dans le cas des maladies infectieuses -- comme ça fonctionne bien. Et beaucoup de gens dans le public ne seraient probablement pas en vie si les médecins ne faisaient pas ça.
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.
Mais maintenant appliquons ça aux maladies systémiques comme le cancer. Le problème est que, dans le cancer, il n'y a pas quelque chose d'autre à l'intérieur de vous. C'est vous, vous êtes en panne. Cette conversion à l'intérieur de vous s'est mal faite d'une façon ou d'une autre. Alors comment diagnostiquons nous cette conversion? Et bien maintenant ce que nous faisons et que nous la divisons selon les parties du corps -- vous savez, l'endroit où c'est apparu -- et nous vous mettons dans des catégories différentes selon la partie du corps. Et alors vous faisons un essai clinique pour un médicament contre le cancer du poumon et un pour le cancer de la prostate et un pour le cancer du sein, et nous les traitons comme s'ils étaient des maladies distinctes et cette manière de les séparer avait quelque chose à voir avec ce qui ne va vraiment pas. Et bien sûr, ça n'a pas vraiment grand'chose à voir avec ce qui ne va pas. Parce que le cancer est une défaillance du système. Et en fait, je pense que nous avons même tort quand nous parlons du cancer comme d'une chose. Je pense que c'est là la grande erreur. Je pense que le cancer ne devrait pas être un nom. Nous devrions en faire un verbe en parler comme quelque chose que nous faisons, pas que nous avons. Et donc ces tumeurs, ce sont des symptômes de cancer. Et votre corps cancérise donc probablement tout le temps. Mais il y a beaucoup de systèmes dans votre corps qui le contrôlent.
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.
Et donc pour vous donner une idée d'une analogie de ce que je veux dire en pensant au verbe cancériser. imaginez que nous ne sachions rien en plomberie, et que la façon dont nous en parlions, nous rentrions chez nous et nous trouvions une fuite dans la cuisine et nous disions, " Oh, ma maison a de l'eau." Nous pourrions répartir -- le plombier dirait, "Bon, où est l'eau?" "Dans la cuisine." "Oh, vous devez avoir de l'eau de cuisine." C'est à ce genre de niveau que ça se situe. "De l'eau de cuisine? Et bien, tout d'abord, nous y allons et nous en épongerons beaucoup. Et puis nous savons que si nous saupoudrons du produit spécial dans la cuisine, ça aide. Alors que l'eau de salon, il vaut mieux passer du goudron sur le toit." Et ça a l'air stupide. mais c'est en gros ce que nous faisons. Et je ne dis pas qu'il ne faudrait pas éponger l'eau si vous aviez un cancer. Mais je dis que ce n'est pas vraiment le problème ; c'est le symptome du problème.
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.
Ce que nous devons vraiment viser c'est le processus qui se déroule, et ça se passe au niveau des actions protéonomiques, au niveau de pourquoi votre corps ne se répare pas tout seul comme il le fait normalement? Parce que normalement votre corps s'occupe de ce problème tout le temps. Donc votre maison s'occupe des fuites tout le temps. Mais elle les répare, elle les draine etc. Ce qu'il nous faut donc c'est un modèle causatif de ce qui se passe vraiment. Et la protéomique nous donne en fait la capacité de construire un modèle comme cela.
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.
David m'a obtenu une invitation à donner une conférence au National Cancer Institute et Anna Barker était présente. Et j'ai donc fait cette conférence et j'ai dit, " Pourquoi vous ici ne le faites pas?" et Anna a dit, "Parce que personne dans le domaine du cancer ne le considèrerait de cette façon. Mais ce que nous allons faire, c'est que nous allons créer un programme pour que des gens en dehors du domaine du cancer se rassemble avec des médecins qui connaissent vraiment le cancer et travaillent sur différents programmes de recherches." David et moi avons donc porté notre candidature pour ce programme et avons créé un consortium à l'USC où nous avons certains des meilleurs oncologues du monde et certains des meilleurs biologistes du monde, de Cold Spring Harbor, de Stanford, d'Austin -- Je ne vais pas passer en revue tous les endroits -- pour qu'ils travaillent sur un programme de recherche qui durera 5 ans où nous allons vraiment essayer de construire un modèle de cancer comme celui-ci. Nous le faisons d'abord sur des souris. Et nous tuerons beaucoup de souris au cours de ces recherches, mais elles mourront pour une bonne cause. Et nous essayerons en fait d'arriver au point où nous avons un modèle prédictif dans lequel nous pouvons comprendre, quand le cancer se produit, ce qui se passe vraiment là dedans et quel traitement soignera ce cancer.
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.
Alors permettez-moi de terminer en vous donnant un petit aperçu de ce qui je pense sera le traitement du cancer dans l'avenir. Je crois donc qu'au final, une fois que nous aurons un de ces modèles pour les gens, ce que nous finirons par avoir -- je veux dire, notre groupe n'ira pas jusque là -- mais en fin de compte nous aurons un très bon modèle informatique -- un peu comme un modèle de climat mondial pour la météo. Il comporte beaucoup d'informations différentes sur le processus qui se déroule dans cette conversation protéomique à bien des échelles différentes. Et donc nous simulerons dans ce modèle pour votre cancer particulier -- et cela ira aussi pour le SLA, ou toute sorte de maladie systémique neurodégénérative, des choses comme ça -- nous simulerons vous en particulier, pas une personne générique, mais ce qui se passe vraiment en vous.
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.
Et dans cette simulation, ce que nous pourrions faire c'est concevoir spécifiquement pour vous une séquence de traitements, et ce pourrait être des traitements très doux, de très petites quantités de médicaments, Ce pourrait être des choses comme, ne mangez pas ce jour là, ou une petite chimiothérapie, peut-être quelques rayons. Bien sûr, nous ferons parfois une opération etc. Mais concevoir un programme de traitements spécifiques pour vous et aider votre corps à vous ramener à la santé -- guider votre corps pour qu'il revienne vers la santé. Parce que votre corps fera la plus grande part du travail de réparation si nous l'aiguillons vers les choses qui ne vont pas. Nous mettons l'équivalent d'attelles. Et donc en gros, votre corps a de nombreux mécanismes pour réparer le cancer. et nous devons juste les aiguiller dans la bonne direction et leur faire faire el travail.
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.
Et donc je crois que ce sera la manière dont le cancer sera traité dans l'avenir. Cela va demander beaucoup de travail, beaucoup de recherches. Il y aura de nombreuses équipes comme notre équipe qui travaillerons là dessus. Mais je pense qu'au final, nous concevrons pour tout le monde un traitement sur mesure pour le cancer.
So thank you very much.
Alors merci beaucoup.
(Applause)
(Applaudissements)