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.
אני מודה שאני קצת לא שקט עכשיו מכיוון שאני הולך לומר כמה דברים לא מקובלים על כיצד עלינו לחשוב באופן שונה על סרטן לקהל המכיל הרבה אנשים שיודעים על סרטן הרבה יותר ממני. אבל אני גם טוען שאני לא עצבני כפי שהייתי צריך להיות מכיוון שאני די בטוח שאני צודק. (צחוק) ושזו למעשה תהיה הדרך שבה נטפל בעתיד בסרטן. כדי לדבר על סרטן, אני למעשה הולך -- שרק אצליח להראות את השקופית הגדולה. תחילה, אנסה לתת לכם נקודת מבט שונה על חקר הגנום. ברצוני לשים אותו בפרספקטיבה של תמונה יותר רחבה הכוללת את כל הדברים האחרים שמתרחשים -- ואז לדבר על משהו שלא שמעתם עליו הרבה, שזה פרוטאומיקה. לאחר שהסברתי אותם, יווצר הרקע למה שאני סבור שיהיה רעיון שונה על כיצד להתקדם עם טיפול בסרטן.
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.
ברשותכם אתחיל עם חקר הגנום. זהו הנושא החם. דרכו אנו לומדים המון. זוהי חזית נהדרת. אבל יש לה מגבלות משלה. ובמיוחד, אולי שמעתם על האנלוגיה שהגנום הוא כמו שרטוט של גופנו. אבל לו רק זה היה נכון, זה היה נפלא, אבל זה לא. זה כמו רשימת חלקים של גופנו. זה לא אומר לנו כיצד הדברים מקושרים, מה גורם למה, וכך הלאה. אז אם אוכל לעשות אנלוגיה, בוא נאמר שאנו מנסים למצוא את ההבדל בין מסעדה טובה, מסעדה בריאה ומסעדה שיש בה ליקויים, וכל מה שיש לנו זו רשימת המרכיבים שנמצאים אצלן במזווה. כך שיכול להיות שאם נלך למסעדה צרפתית ונסתכל בתוכה ונמצא שיש להם מרגרינה ואין להם חמאה, נוכל לומר, "אה, אנו מבינים מה לא בסדר כאן. נוכל להפכה לבריאה." וכנראה יש מקרים מיוחדים כאלה. בטוח שנוכל להגיד מה ההבדל בין מסעדה סינית למסעדה צרפתית לפי מה שיש להן במזווה. כך שרשימת המרכיבים כן אומרת משהו, ולפעמים היא אומרת משהו שהוא לא נכון. אם יש להם טונות של מלח, ניתן אולי לשער שהם משתמשים ביותר מדי מלח, או משהו דומה. אבל כל זה מוגבל, כי כדי באמת לדעת אם זו מסעדה בריאה, יש צורך לטעום את המזון, יש צורך לדעת מה קורה במטבח, צריך את המוצר הסופי של כל אותם המרכיבים.
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.
כך שאם אני מסתכל במישהו ומסתכל בגנום של אותו אדם, זה אותו סיפור. אותו חלק של גנום שאנו יכולים לקרוא הוא רשימת המרכיבים. ואכן כך באמת, יש מקרים בהם אנו יכולים למצוא מרכיבים שהם רעים. סיסטיק פיברוזיס היא דוגמא למחלה שבה יש רק מרכיב רע ואז יש מחלה, ואנו יכולים לקשר ישירות בין המרכיב והמחלה. אבל ברוב המקרים, צריך לדעת מה באמת קורה במטבח, מפני שלרוב, אנשים חולים היו פעם בריאים -- ויש להם את אותו הגנום. כך שהגנום בעצם מספר לנו הרבה יותר על הנטיה המוקדמת למחלה. כך שמה שניתן לומר הוא ההבדל בין אדם אסיאתי לאדם ארופאי על-ידי הסתכלות ברשימת המרכיבים שלהם. אבל ברוב המקרים לא ניתן להבדיל בין אדם בריא לאדם חולה -- מלבד אותם מקרים מיוחדים.
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.
אז על מה כל הרעש עם גנטיקה? ובכן, קודם כל, אנו יכולים לקרוא אותה, שזה דבר נפלא. היא מאוד יעילה בנסיבות מסויימות. היא גם ניצחון תיאורטי גדול של ביולוגיה. זוהי התאוריה היחידה שביולוגים יצאו בה צודקים. היא מהווה אבן יסוד אצל דארווין ומנדל וכך הלאה. היא המקרה היחיד שבו התאמת רעיון שנחזה תיאורטית. למנדל היה הרעיון של גן בתור דבר מופשט. ודארווין בנה תאוריה שלמה שהיתה תלויה בקיומם. ואז ואטסון וקריק בעצם הסתכלו ומצאו כזה. דבר כזה קורה בפיזיקה כל הזמן. חוזים חור שחור, ואז מתבוננים דרך טלסקופ והנה הוא, בדיוק כפי שנחזה. אבל בביולוגיה זה קורה לעיתים רחוקות. כך שהניצחון הגדול הזה -- הוא כל-כך טוב -- שהוא כמעט כמו חוויה דתית בביולוגיה. ומהפכת דארווין היא באמת תאוריית הליבה.
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.
הסיבה השניה שהיא הפכה למאוד פופולרית היא בגלל שניתן למדוד אותה, היא דיגיטלית. ולמעשה, תודות לקארי מוליס, ניתן בעיקרון למדוד את הגנום שלנו במטבח בעזרת כמה מרכיבים נוספים. כך לדוגמא, על-ידי מדידת הגנום, למדנו המון על כיצד אנו קשורים לחיות ממינים אחרים באמצעות הקירבה של הגנום שלנו, או כיצד אנו מהווים קרובי-משפחה -- עץ המשפחה, או עץ החיים. קיים מידע רב על גנטיקה פשוט על-ידי השוואת דמיון גנטי. עכשיו, כמובן שזה מאוד שימושי ביישומים רפואיים מכיוון שזהו אותו סוג מידע שהרופאים משיגים מההיסטוריה הרפואית של המשפחה שלנו -- אלא שקרוב לוודאי, הגנום שלנו יודע הרבה יותר על ההיסטוריה הרפואית שלנו ממה שאנו יודעים. וכך על-ידי קריאת הגנום, ניתן לדעת הרבה יותר על המשפחה שלנו ממה שאנו עצמנו יודעים. ולכן אנו יכולים לגלות דברים שקרוב לוודאי היה ניתן לגלות על-ידי הסתכלות על מספיק קרובים שלנו, אבל הדברים עשויים להיות מפתיעים. עשיתי חקירה עצמאית של הגנום שלי בשיטת ה-23andMe ומאוד הופתעתי לשמוע שאני שמן וקרח. (צחוק) אבל לעיתים ניתן ללמוד דברים הרבה יותר מועילים.
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.
אבל לרוב מה שצריך לדעת כדי למצוא אם אתה חולה זה לא את הנטיות ההתחלתיות שלך, אלא את מה שמתרחש בגופך ממש ברגע זה. לכן כדי לעשות זאת, מה שבאמת צריך לעשות זה להסתכל על הדברים שהגנים מייצרים ועל מה שקורה לאחר הגנטיקה. וכאן נכנסת לתמונה פרוטאומיקה. בדיוק כמו שגנום מערבב את החקר של כל הגנים, הפרוטאומיקה היא חקר של כל הפרוטאינים (חלבונים). והפרוטאינים הם כל הדברים הקטנים בגופנו אשר משגרים אותות בין התאים -- למעשה המכונות אשר פועלות. שם כל האקשן. בעיקרון, גוף אדם זה דו-שיח מתמשך, הן בתוך התאים והן בין התאים, והם אומרים האחד לשני לגדול או למות. וכאשר אנחנו חולים, סימן שמשהו השתבש באותו דו-שיח. ולכן התכסיס הוא -- לצערי, אין דרך קלה הדומה לזו של מדידת הגנום.
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.
לכן הבעיה היא שמדידה -- אם מנסים למדוד את כל הפרוטאינים, זה תהליך מאוד מורכב. זה דורש מאות שלבים, ולוקח המון, המון זמן. וזה משנה בכמה מהפרוטאין עצמו מדובר. זה עשוי להיות מאוד משמעותי שפרוטאין השתנה ב-10 אחוז, אבל זה לא דבר דיגיטלי מסודר כמו DNA. ובעיקרון הבעיה שלנו זה שמישהו באמצע של השלב המאוד ארוך הזה, הוא עוצר לרגע, ומשאיר משהו באנזים לשניה, ופתאום כל המדידות משם ואילך לא טובות. ולכן מקבלים תוצאות מאוד לא עיקביות כאשר מבצעים הכל בדרך זאת. אנשים ניסו בכל מאודם לבצע זאת. אני ניסיתי מספר פעמים ונתקלתי בבעיה זו וויתרתי.
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."
המשכתי לקבל טלפונים מאונקולוג ששמו דייויד אגוס. Applied Minds מקבלת המון שיחות מאנשים שרוצים עזרה בבעיותיהם, ולא חשבתי שיש סיכוי גדול שהוא יתקשר, והמשכתי להשאיר אותו בתור לממתינים. אז יום אחד, קיבלתי שיחה מג'ון דואר, ביל ברקמן ואל גור באותו היום באומרם שאחזיר טלפון לדייויד אגוס. (צחוק) אז אמרתי לעצמי, "טוב, זה אחד שלפחות יש לו רעיונות." (צחוק) אז התחלנו לדבר, והוא אמר, "אני באמת זקוק לדרך יותר טובה למדידת פרוטאינים." ואני אמרתי, " ראיתי את זה. כבר הייתי שם. זה לא הולך להיות קל." והוא אמר, "לא, לא. אני באמת זקוק לזה. כלומר, אני רואה חולים נפטרים כל יום בגלל שאנחנו לא יודעים מה מתרחש בתוכם. אנחנו מוכרחים שיהיה לנו חלון-גישה לזה." והוא עבר איתי על דוגמאות ספציפיות על הצורך האמיתי בזה. ואני הבנתי שזה באמת יעשה את ההבדל, אם נוכל לעשות זאת. ואז אמרתי, "טוב, בוא נראה מה אפשר לעשות."
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.
ל-Applied Minds היה מספיק כסף זמין כך שיכולנו פשוט לצאת ולעבוד על משהו ללא קבלת מימון או אישור ממישהו. התחלנו לשחק עם זה. וכאשר עשינו זאת, גילינו שזו היתה הבעיה הבסיסית -- שלגימת לגימה של קפה -- שאנשים ביצעו את התהליך המסובך ומה שהיה צריך לעשות זה להפוך את התהליך לאוטומטי כמו בקו-ייצור ולבנות רובוטים שימדדו פרוטאומיקה. ואז עשינו זאת. ובעבודה עם דייויד, יצרנו חברה קטנה הנקראת Applied Proteomics, אשר מייצרת את קו-הייצור הרובוטי הזה, אשר מודד באופן רציף ועקבי פרוטאינים. אציג לכם איך נראית אותה מדידת פרוטאין.
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.
בעיקרון, מה שאנו עושים זה לוקחים טיפת דם של חולה וממיינים את הפרוטאינים בטיפת הדם על-פי משקלם, על-פי מידת חלקלקותם, ואנו מסדרים אותם בתמונה. ואז אנו יכולים להסתכל על מאות ואלפי מאפיינים בו-זמנית המתקבלים מאותה טיפת דם. ואם נקח מחר עוד טיפת דם, הפרוטאינים מחר יהיו שונים -- הם יהיו שונים לאחר שאוכלים או לאחר שינה. הם באמת מספרים לנו את מה שמתרחש בפועל. כך שתמונה זו, הנראית כמו כתם אחד גדול, היא בעצם הדבר שגרם לי התרגשות גדולה ונתן לי את התחושה שעלינו על המסלול הנכון. אם אתקרב לתמונה, אוכל להראות לכם מה משמעות הדבר. אנחנו ממיינים את הפרוטאינים -- משמאל לימין זה המשקל של המקטעים שאנו מקבלים. ומלמעלה למטה זה כמה הם חלקלקים. אנו מתקרבים לכאן כדי להראות לכם חלק קטן מזה. כל אחד מהקוים האלה מייצג אות כלשהו שמתקבל מחוץ למקטע של פרוטאין. וניתן לראות כיצד הקוים נוצרים בקבוצות הקטנות הללו של בום, בום, בום, בום, בום. וזה בגלל שאנו מודדים את המשקל בדיוק כה גדול -- פחמן מופיע בצורת איזוטופים שונים, כך שאם יש בו ניוטרון עודף, אנו למעשה מודדים אותו ככימיקל שונה. כך שאנו מודדים כל איזוטופ בתור משהו שונה.
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.
וזה נותן לכם מושג עד כמה זה רגיש בצורה יוצאת-דופן. לראות תמונה זו זה כמו להיות גלילאו ולהסתכל על כוכבים ולהתבונן באמצעות הטלסקופ בפעם הראשונה, ואז פתאום להגיד, "וואו, זה הרבה יותר מסובך ממה שחשבנו." אבל אנחנו יכולים לראות את הדבר הזה שם וממש להבחין במאפייניו. אז זוהי החתימה שממנה אנו מנסים להוציא תבניות. אז מה שאנו עושים עם זה, לדוגמא, אנו יכולים להסתכל על שני חולים, אחד שהגיב לתרופה והאחר שלא הגיב, ולשאול, "מה התרחש שונה בכל אחד מהם?" וכך אנו יכולים לבצע מדידות מספיק מדוייקות שאפשר להניח האחד על השני שני חולים ולראות מה ההבדלים.
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.
אז יש לנו כאן אליס בירוק ובוב באדום. אנו מניחים אותם האחד על השני. אלה נתונים אמיתיים. וניתן לראות, ברובם הם חופפים והם בצבע צהוב, אבל יש דברים שרק לאליס יש אותם ודברים אחרים שרק לבוב יש אותם. ואם אנו מוצאים תבנית של דברים של אלה שהגיבו לתרופה, אנו מבינים שבתוך הדם, מתקיימים אצלם התנאים המאפשרים להם להגיב לתרופה זו. יכול להיות שאפילו לא נדע מהו אותו פרוטאין, אבל אנחנו יכולים לראות שהוא סימן של תגובה לאותה מחלה. כך שכבר זה, אני סבור, מהווה דבר כביר לשימוש בכל מיני תרופות. אבל אני חושב שבעצם זוהי רק ההתחלה של האופן בו אנו הולכים לטפל בסרטן. אז אתקדם ברשותכם לסרטן.
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.
העניין עם הסרטן הוא -- כאשר נכנסתי אל תוך זה, לא ידעתי כלום עליו, אבל כאשר עבדתי עם דייויד אגוס, התחלתי לשים לב כיצד בעצם מטפלים בסרטן והלכתי לניתוחים שבו חתכו והוציאו אותו. וככל שראיתי את זה, לי זה נראה לא הגיוני, האופן בו ניגשנו לסרטן. וכדי להבין זאת, היה עלי ללמוד מהיכן גישה זו הגיעה. אנו מטפלים בסרטן כמעט כאילו זו מחלה מדבקת. אנו מטפלים בו כמשהו שנכנס בנו ושאותו עלינו לחסל. זוהי תבנית החשיבה בגדול. זהו עוד מקרה בו חשיבה תאורטית בביולוגיה באמת עבדה -- זו היתה תאוריית החיידקים של מחלות. כך שמה שרופאים הוכשרו בעיקר לעשות זה לאבחן -- כלומר לקטלג -- ולהפעיל טיפול המוכח מדעית בעבור אותה אבחנה. וזה עובד נהדר עם מחלות מדבקות. כך שאם נסווג אתכם בתור כאלה שיש להם עגבת, אפשר לתת לכם פניצילין. אנו יודעים שזה יעיל. אם יש לכם מלריה, אפשר לתת כינין, או איזו שהיא נגזרת שלה. וכך זה הדבר הבסיסי שהרופאים הוכשרו לעשות. וזה מופלא, במקרה של מחלה מדבקת -- עד כמה שזה עובד טוב. והרבה אנשים בקהל אולי לא היו בחיים אם רופאים לא עשו זאת.
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.
אבל עכשיו הבה ניישם זאת למחלות מערכתיות כמו סרטן. הבעיה היא שבסרטן, אין משהו אחר שנכנס לתוכנו. זה אנחנו, אנחנו מקולקלים. הדו-שיח בתוכנו ירד מהפסים איכשהו. אז כיצד אנו מאבחנים דו-שיח זה? כיום מה שעושים זה לעשות חלוקה לפי איברי גוף -- לפי איפה שהסרטן מופיע -- ושמים אתכם בקטגוריות שונות על-פי איבר הגוף. ואז עושים ניסוי קליני לתרופה של סרטן ריאות ושל סרטן הערמונית ושל סרטן השד, ואנו מתיחסים אליהם כאילו היו מחלות שונות וכאילו לדרך זו של חלוקה יש קשר עם מה שבאמת השתבש. אבל ברור שאין לזה באמת קשר עם מה שהשתבש. מכיוון שסרטן הוא כישלון של המערכת. ובעצם, אני חושב שאנחנו אף טועים כאשר אנו מדברים על סרטן בתור "דבר". אני חושב שזו שגיאה גדולה. אני חושב שסרטן אינו צריך להיות שם-עצם. עלינו לדבר על סירטון, בתור משהו שאנו עושים, לא משהו שיש לנו. וכך גם הגידולים, אלה הם התסמינים של סרטן. וכך גופנו ככל הנראה עובר סירטון כל הזמן. אבל קיימות המון מערכות בגופנו אשר שומרות אותו תחת שליטה.
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.
כדי לתת לכם מושג, הנה אנלוגיה למה אני מתכוון בלחשוב על סירטון בתור פועל, נדמיין שאנו לא יודעים כלום על שרברבות, וכמו שדיברנו על זה, נבוא הביתה ונמצא נזילה במטבח ואז נאמר, "יש מים בבית שלי." אנו עשויים לחלק -- השרברב יגיד, "טוב, איפה המים?" "ובכן, הם במטבח." "אה, אז יש לכם מי-מטבח." זו בערך השיטה שאנו מאמצים. "מי-מטבח? אז קודם כל, אנחנו ניכנס וננגב חלק גדול מהמים. אחר-כך, אנו הרי יודעים שאם נשפריץ פותח-סתימות במטבח, זה עוזר. בעוד שעבור מי-סלון, עדיף לעשות זיפות על הגג." וזה נשמע טפשי, אבל בעיקרון, זה מה שאנו עושים. ואני לא אומר שאל לנו לנגב מים אם יש לנו סרטן. אבל אני אומר שזו לא הבעיה האמיתית; זהו רק הסימפטום של הבעיה.
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.
מה שבאמת עלינו להגיע אליו הוא התהליך שמתרחש, והוא מתרחש ברמת הפעולות של פרוטאומיקה, המתרחשות ברמה הנוגעת בשאלה מדוע גופנו לא מרפא את עצמו באופן שהוא בדרך-כלל עושה? מפני שבמצב רגיל גופנו כן מתמודד עם בעיה זו כל הזמן. כך גם ביתנו מתמודד עם נזילות כל הזמן. אבל הוא מטפל בהן. הוא מנקז אותן וכו'. אז מה שאנו צריכים שיהיה לנו מודל סיבתי על מה שקורה כאן. ופרוטאומיקה בעצם נותנת לנו את היכולת לבנות מודל כזה.
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.
דייויד הצליח לסדר לי הזמנה למתן הרצאה במכון הלאומי לסרטן ואנה בארקר היתה שם. ואז נתתי את ההרצאה ושאלתי, "מדוע אתם בעצמכם לא עושים זאת?" ואנה אמרה, "מפני שאף אחד מתחום של הסרטן לא יסתכל על זה כך. אבל מה שאנו הולכים לעשות זה ליצור תוכנית עבור אנשים מחוץ לתחום של סרטן ולשבת ביחד עם רופאים המתמצאים היטב בסרטן ולהכין תוכניות מחקר שונות." אז דייויד ואני הגשנו בקשה לתוכנית זו ויצרנו איחוד חברות ב-USC ששם יש כמה מהאונקולוגים הטובים ביותר בעולם וכמה מהביולוגים הטובים ביותר בעולם, מ-Cold Spring Harbor, סטאנפורד, אוסטין -- לא אעבור על כל השמות -- כדי לקיים מיזם מחקר שיימשך 5 שנים שבמסגרתו אנו ממש הולכים לנסות ולבנות מודל כזה של סרטן. תחילה ננסה אותו בעכברים. ונגרום למותם של המון עכברים בבצענו זאת, אבל הם ימותו למען מטרה טובה. ואנחנו בהחלט ננסה להגיע לנקודה בה יש לנו מודל היכול לנבא ושבו נוכל להבין, מתי סרטן קורה, מה בעצם קורה בתוכו ואיזה טיפול יכול לטפל באותו סרטן.
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.
אז ברשותכם אסיים בכך שאתן לכם תמונה של איך לפי דעתי ייראה הטיפול העתידי בסרטן. אני חושב שבסופו של דבר, ברגע שיהיה בידינו אחד המודלים הללו בשביל אנשים, שנגיע אליו בסוף -- כוונתי, שהקבוצה שלנו לא תגיע אליו ממש -- אבל בסוף יהיה לנו מודל ממוחשב מצויין -- משהו כמו מודל גלובלי לאקלים. יהיה בו המון מידע מכל הסוגים על מהו התהליך המתרחש בדו-שיח של הפרוטאומיקה ברמות רבות ושונות. וכך נעשה הדמיה באותו מודל בשביל סרטן מסויים -- וזה יהיה גם בשביל ALS, או כל סוג אחר של מחלה הגורמת לפגיעה בעצבים, ודברים דומים -- נעשה הדמיה שלכם באופן ספציפי, לא רק של האדם ככלל, אלא של מה שבעצם מתרחש בתוככם.
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.
ובאותה הדמיה, מה שנוכל לעשות זה לתכנן עבורכם ספציפית רצף של טיפולים, ואלה יכולים להיות טיפולים מאוד עדינים, כמויות מאוד קטנות של תרופות. זה יכול להיות דברים כמו, אל תאכל היום את זה, או לתת להם טיפול כימותרפי קטן, אולי קצת קרינה. כמובן שנבצע לפעמים ניתוח קטן וכך הלאה. אבל נבנה תוכנית טיפולים במיוחד בשבילך ונסייע לגופך למצוא את הדרך בחזרה לבריאות -- להדריך את גופך בדרכו חזרה לבריאות. מפני שגופך יעשה את מירב העבודה בתיקון עצמו אם אנו רק נשמש לו משענת בדרכים שהן שגויות. נכניס משהו דמוי לוח-קיבוע. בעיקרון בגופנו יש המון מנגנונים לתיקון סרטן, ואנו רק צריכים לתמוך בגופנו ולכוון אותו לדרך הנכונה ולגרום לו לעשות את העבודה.
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.
ולכן אני מאמין שזו תהיה הדרך בה יטפלו בסרטן בעתיד. תידרש עדיין עבודה רבה, המון מחקר. תהיינה הרבה קבוצות כמו שלנו שתעבודנה על זה. אבל אני סבור שבסופו של דבר, אנו נבנה עבור כל אחד טיפול בסרטן התפור עבורו.
So thank you very much.
אז תודה רבה לכם.
(Applause)
(מחיאות כפיים)