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.
Ammetto di essere un po' nervoso perché sto per dire delle cose radicali su come dovremmo rivedere le nostre opinioni sul cancro ad un pubblico tra cui ci saranno molti che ne sanno molto più di me sul cancro. Però vi dirò anche che non sono poi così nervoso quanto dovrei perché sono abbastanza convinto di avere ragione. (risate) E che in effetti sarà così che tratteremo il cancro in futuro. Per parlare del cancro, devo proprio -- vediamo questa diapositiva. Innanzitutto, cercherò di darvi una prospettiva diversa della genomica. Vorrei metterla nella prospettiva del quadro generale di tutti gli altri fatti che stanno avvenendo e poi parlarvi di una cosa di cui non si sente molto parlare, che è la proteomica. Dopo avere spiegato queste cose, saremo pronti per capire quello che reputo un approccio diverso al trattamento dei tumori.
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.
Dunque iniziamo con la genomica. E' l'argomento del momento. E' il campo in cui stiamo imparando di più E' la grande frontiera. Ma ha i suoi limiti. Ed in particolare, avrete probabilmente tutti sentito l'analogia che equipara il genoma ad una mappa del corpo. Se solo fosse vero, sarebbe fantastico ma non lo è. E' come una lista delle parti del corpo Non dice come le cose sono collegate, quale sia la causa di cosa, e così via. Quindi se posso fare una analogia, è come capire la differenza tra un buon ristorante con una cucina sana e un ristorante scadente, avendo a disposizione la sola lista degli ingredienti della loro dispensa. Come entrare in un ristorante francese, guardarsi intorno e accorgersi che usano solo margarina e niente burro, al che potreste dire "Ah, ecco cos'è che non va. So io come farli diventare più salutari" E probabilmente ci sono casi particolari di questo tipo. Potreste certamente distinguere tra un ristorante cinese e uno francese in base a quello che hanno in dispensa. Dunque la lista di ingredienti in effetti vi da delle indicazioni e a volte vi dice se qualcosa non va. Se hanno grandi quantità di sale potreste desumere che usano troppo sale, o qualcosa del genere. Ma è limitativo, perché per sapere davvero se un ristorante ha una cucina sana, dovete assaggiarne il cibo, dovete sapere che cosa succede in cucina, vi serve conoscere il risultato di tutti quegli ingredienti.
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.
E se prendiamo una persona e ne analizziamo il genoma, è la stessa cosa. La parte di genoma che possiamo leggere è la lista degli ingredienti. E in effetti, a volte troviamo ingredienti cattivi. La fibrosi cistica è un esempio di malattia dove basta un ingrediente cattivo a scatenare la malattia, e siamo in grado di stabilire una corrispondenza diretta tra ingredienti e malattia. Ma in genere c'è davvero bisogno di sapere cosa accade in cucina, perché il più delle volte i malati in precedenza erano sani -- ed hanno lo stesso genoma. Quindi il genoma in effetti vi dice molto di più sulla predisposizione alla malattia. Quello che potete stabilire è la differenza tra un Asiatico ed un Europeo basandovi sulla lista dei loro ingredienti. Ma il più delle volte non siete in grado di distinguere tra una persona sana ed una malata -- tranne che in casi particolari.
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.
Allora perché tutta questa attenzione alla genetica? Beh, anzitutto perché siamo in grado di decifrarla, il che è fantastico. E' molto utile in alcune circostanze. Rappresenta anche il grande trionfo teorico della biologia. E' l'unica teoria che i biologi abbiano mai davvero azzeccato. Risale a Darwin e Mendel ed altri. E dunque è l'unica per cui si è riusciti a prevedere una costruzione teorica. Mendel ebbe questa idea di gene come entità astratta. E Darwin costruì una intera teoria che si basava sulla loro esistenza. Poi Watson e Crick si misero a cercarli e ne individuarono uno. Questo in fisica accade sempre. Si prevede un buco nero, poi si guarda nel telescopio ed eccolo lì, come previsto. Ma questo accade di rado in biologia. Questo grande trionfo -- è così bello -- da esser quasi come un'esperienza religiosa in biologia. E l'evoluzione Darwiniana ne è la teoria 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.
L'altro motivo per cui è così popolare è il fatto di poterla misurare, è digitale. E infatti grazie a Kary Mullis in pratica si può misurare il proprio genoma in cucina con qualche ingrediente in più. Per esempio, misurando il genoma abbiamo imparato molto su quello che ci accomuna ad altre specie animali in base alla somiglianza del genoma, o su come siamo imparentati -- l'albero genealogico o albero della vita. Possiamo ricavare moltissime informazioni sulla genetica semplicemente mettendo a confronto la somiglianza dei geni. Ora, in medicina questo è molto utile perchè è lo stesso tipo di informazioni che un medico ricava dalla storia clinica della vostra famiglia -- però probabilmente il vostro genoma sa molto di più di voi sulla vostra storia clinica. E leggendo il genoma possiamo scoprire molte più cose sulla vostra famiglia di quanto possiate voi. Possiamo scoprire cose che forse avreste scoperto osservando un numero sufficiente di vostri parenti ma potreste rimanere sorpresi. Io ho fatto il test genetico della "23andme" e con sorpresa ho scoperto di essere grasso e calvo. (risate) Ma a volte si imparano cose molto più utili.
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.
Soprattutto quello che vi serve per sapere se siete malati non è la vostra predisposizione alla malattia bensì quello che sta accadendo adesso nel vostro corpo. E per fare questo, ciò che vi serve davvero è osservare le cose che i geni stanno producendo e quello che accade dopo la genetica. E la proteomica si occupa di questo. Proprio come il genoma studia tutti i geni, la proteomica studia tutte le proteine. Le proteine sono quelle piccole cosine del vostro corpo che trasmettono segnali tra le cellule -- gli ingranaggi in movimento. E' lì che avvengono le cose. Praticamente, un corpo umano è come una conversazione che avviene sia all'interno delle cellule che tra di esse, che si dicono l'un l'altra come crescere e morire. Quando siete malati qualcosa non funziona in questa conversazione. E il trucco è -- purtroppo, non abbiamo un modo semplice di misurare queste cose come possiamo fare col genoma.
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.
Il problema è che misurare tutte le proteine è molto complicato. Richiede centinaia di passaggi e molto, molto tempo. E anche la quantità di proteine conta. Potrebbe essere molto significativo se una proteina varia del 10 per cento dunque non è qualcosa di digitale come il DNA. Fondamentalmente il nostro problema è che se qualcuno, durante questa fase molto lunga si ferma un attimo e lascia qualcosa in un enzima per un secondo, d'un tratto tutte le misurazioni da quel momento in poi non funzionano più. E allora si ottengono risultati poco attendibili quando si lavora in questo modo. Si sono fatti molti sforzi in questo senso. Io ci ho provato un paio di volte poi ho visto il problema e ho lasciato perdere.
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."
Mi chiamava sempre un oncologo, un certo David Agus. La Applied Minds riceve molte chiamate da persone che cercano un aiuto per i loro problemi, ma non pensavo fosse uno che avrebbe richiamato e così continuavo a farlo aspettare. Poi un giorno mi chiamano John Doerr, Bill Berkman e Al Gore, lo stesso giorno, e mi dicono di richiamare David Agus. (risate) E io mi dico "Beh, questo qui è uno che ha dei contatti". (risate) Così incominciamo a parlare, e mi dice "Mi serve un metodo migliore per misurare le proteine". Io gli dico "Eh già. Lo so. Mica facile". Lui fa "No, no, mi serve davvero. Vedo pazienti che muoiono ogni giorno perché non capiamo cosa accade dentro di loro. Dobbiamo poterci capire qualcosa". E mi raccontò di casi specifici per cui ne aveva bisogno. Io mi resi conto che avrebbe veramente fatto la differenza se noi l'avessimo saputo fare. Così dissi "Bene, lavoriamoci su"
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.
La Applied Minds ha abbastanza soldi da poterci permettere di lavorare su una cosa senza avere fondi o permessi specifici o altro. Quindi iniziammo a occuparcene. E ci rendemmo conto che il problema fondamentale era che -- mentre sorseggiavamo un caffè -- che erano degli umani a svolgere questo lavoro complesso, e che quello che serviva era automatizzare il processo come una catena di montaggio e costruire robots che misurassero la proteomica. E così l'abbiamo fatto. E insieme a David abbiamo fondato una piccola ditta chiamata Applied Proteomics che produce questa catena di montaggio robotizzata, che misura le proteine in modo molto coerente. E ora vi mostro come si effettua una misurazione di proteine.
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.
In pratica preleviamo una goccia di sangue da un paziente e separiamo le proteine del sangue in base al peso, e alla viscosità, e ne formiamo un'immagine. Così possiamo osservare letteralmente centinaia di migliaia di caratteristiche contemporaneamente partendo da una goccia di sangue. Possiamo produrre un'immagine diversa il giorno dopo e vedere come cambieranno le proteine -- saranno diverse anche dopo aver mangiato o dopo aver dormito. Ci dicono esattamente ciò che avviene nell'organismo. Così questa immagine, che a voi sembra informe, è quello che mi ha entusiasmato e fatto capire che stavamo sulla strada giusta. Ora ingrandisco questa immagine e vi mostro cosa rappresenta. Separiamo le proteine -- da sinistra a destra secondo il peso dei frammenti che abbiamo. E dall'alto al basso secondo la viscosità. Ingrandisco questa parte per mostrarvene un pezzettino. Ognuna di queste linee rappresenta un segnale che proviene da una parte di proteina. Vedete che le linee sono radunate in piccoli gruppi - bump bump bump. Questo perché ne misuriamo il peso con tale precisione che -- visto che il carbonio ha diversi isotopi, se c'è un neutrone in più lo rileviamo come una molecola diversa. In effetti riusciamo a misurare ogni diverso isotopo.
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.
Questo vi dà un'idea del grado di accuratezza del metodo. Vedere questa immagine è un po' essere come Galileo che guardava le stelle per la prima volta attraverso il telescopio e d'un tratto viene da dire "Caspita, è molto più complicato di quanto pensassimo" Però noi siamo in grado di osservare tutto ciò e anche le diverse caratteristiche. Questa è l'impronta digitale in cui cerchiamo di individuare delle strutture. Quello che possiamo fare è, ad esempio, esaminare due pazienti, uno che reagisce a un medicinale e l'altro no, e chiederci "Cosa avviene di diverso in ognuno di loro?" E possiamo effettuare delle misurazioni con una tale precisione da poter sovrapporre gli schemi dei due pazienti e vedere le differenze.
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.
Qui osserviamo Alice in verde e Bob in rosso. Li sovrapponiamo. Sono dati reali. E vedete, per la maggior parte coincidono (l'area gialla), ma ci sono alcune caratteristiche che ha solo Alice ed altre che ha solo Bob. E se troviamo uno schema che si ripete in coloro che reagiscono al farmaco vediamo che nel sangue hanno una caratteristica che permette loro di reagire a questo farmaco. Magari non sappiamo nemmeno di quale proteina si tratti, ma vediamo che è un indice (marker) della risposta alla malattia. E già questo credo sia enormemente utile per tutti i settori della medicina. Ma credo che questo sia solo l'inizio del modo in cui affronteremo il cancro. Allora parliamo del cancro.
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.
Il fatto è che di cancro, quando ho iniziato non sapevo proprio niente, ma lavorando con David Agus ho iniziato a osservare come viene curato e ho assistito ad operazioni in cui veniva asportato. E mentre osservavo, per me non aveva senso quel modo di trattare il cancro. Affinché avesse un senso dovevo apprendere cosa avesse portato a questo. Stiamo gestendo il cancro quasi come una malattia infettiva. Lo stiamo trattando come qualcosa che entra dentro il corpo e che dobbiamo eliminare. Questo è il grande paradigma. Questo è un altro caso in cui un paradigma teorico in biologia ha funzionato davvero -- la teoria dei germi nelle malattie. Quello che i medici sanno fare è diagnosticare -- cioè collocarvi in una categoria -- e applicare una cura scientificamente provata per quella diagnosi. Funziona benissimo con le malattie infettive. Se vi mettiamo nella categoria dei sifilitici, possiamo darvi la penicillina. Sappiamo che funziona. Se avete la malaria, vi diamo il chinino, o un suo derivato. Queste sono le cose fondamentali che i medici sanno fare. Ed è miracoloso nel caso delle malattie infettive -- come ciò funzioni bene. Molti di voi probabilmente non sarebbero vivi se i medici non facessero così.
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.
Ma applichiamo questo schema a malattie sistemiche come il cancro. Il problema è che, nel cancro, non c'è un corpo estraneo all'interno dell'organismo. Siete voi che non funzionate. Quella conversazione dentro di voi si è in qualche modo ingarbugliata. Come facciamo a diagnosticare quella conversazione? Beh attualmente la separiamo secondo la parte del corpo in cui è comparsa e vi collochiamo in diverse categorie a seconda della parte del corpo interessata. Poi facciamo una sperimentazione clinica di un farmaco per il tumore al polmone uno per il cancro della prostata e uno per quello della mammella, e li trattiamo come se fossero malattie diverse e come se questa maniera di dividerli avesse a che fare con quello che non ha funzionato. Ovviamente, in effetti non ha molto a che fare con quello che non ha funzionato. Perché il cancro è un'avaria del sistema. Infatti, penso che già sbagliamo a parlare del cancro come di una cosa. Credo che questo sia il grande sbaglio. Penso che cancro non dovrebbe essere un nome. Dovremmo parlare di "cancerizzare" come di una cosa che facciamo, non che abbiamo. E quei tumori sono sintomi del cancro. Il vostro corpo probabilmente cancerizza continuamente. Ma ci sono molti sistemi nel vostro corpo che lo tengono sotto controllo.
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.
Per darvi un'idea di una analogia di quello che intendo pensando al cancro come a un verbo, immaginate che non sappiamo nulla di impianti idraulici, né del gergo tecnico specifico, ad esempio tornando a casa e trovando una perdita in cucina diremmo "Casa mia ha l'acqua" La potremmo localizzare -- l'idraulico direbbe "Dove è l'acqua?" "E' in cucina" "Oh, allora avete l'acqua di cucina" Questo è più o meno il livello a cui siamo. "Acqua di cucina?" Prima di tutto, andremmo lì a asciugarne un bel po'. Poi sappiamo che se spruzziamo un prodotto chimico in tutta la cucina andrà meglio. Mentre invece l'acqua del soggiorno si può rimediare col catrame sul tetto". Sembra sciocco, ma è praticamente quello che facciamo. E non dico che non dobbiate asciugare la vostra acqua se avete il cancro. Sto dicendo che il vero problema non è quello; quello è il sintomo del problema.
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.
Ciò che dobbiamo davvero comprendere è il processo che sta avvenendo, e questo avviene a livello delle intrerazioni proteomiche, avviene al livello del perché il vostro corpo non si autoguarisce nel modo in cui lo di solito. Perché di solito il corpo ha sempre a che fare con questo problema. La vostra casa ha sempre delle perdite. Ma le ripara. Le scarica in fognatura eccetera. Quello che ci serve è un modello causale di quello che accade davvero. E la proteomica ci dà proprio la capacità di costruire un tale modello.
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 mi invitò a tenere un discorso al National Cancer Institute e c'era anche Anna Barker. Così io tenni questo discorso e domandai "Perché voi non fate così?" E Anna disse "Perché nessun oncologo la vedrebbe in questo modo. Quello che faremo, è creare un programma per persone esterne a questo campo in modo che insieme a medici davvero competenti sul cancro sviluppino diversi programmi di ricerca." David ed io chiedemmo di partecipare a questo programma e creammo un consorzio alla USC dove collaboriamo con alcuni tra i migliori oncologi e biologi del mondo, da Cold Spring Harbor, Stanford, Austin -- non starò a nominare tutti i posti -- per un programma di ricerca che durerà 5 anni dove cercheremo davvero di costruire un modello del cancro come questo. Inizialmente stiamo facendo esperimenti sui topi. E uccideremo molti topi durante questo processo, ma moriranno per una buona causa. E cercheremo davvero di arrivare al punto in cui avremo un modello predittivo con cui potremo capire, quando c'è il cancro che cosa accade davvero nell'organismo e quale trattamento guarirà quel cancro.
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.
Permettetemi di finire con una piccola immagine di quello che penso sarà la cura del cancro in futuro. Penso che alla fine quando disporremo di uno di questi modelli per le persone, che alla fine avremo -- voglio dire, il nostro gruppo non arriverà fino in fondo -- ma alla fine si riuscirà a disporre di un modello computerizzato molto buono -- un po' come il modello climatico globale per la meterologia. Disporrà di moltissime informazioni diverse sul processo di questa conversazione proteomica e a diversi livelli. Così potremo fare simulazioni con quel modello per una particolare forma di cancro -- e sarà così anche per la SLA, o per ogni tipo di malattie sistemiche neurodegenerative, e simili -- faremo simulazioni su misura per ognuno, non per una persona generica, ma vedremo quello che sta accadendo realmente dentro di voi.
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.
E con quella simulazione, quello che potremo fare sarà progettare specificamente per voi una sequenza di trattamenti, potrebbero essere cure molto blande, piccolissime quantità di farmaci. Potrebbe essere ad esempio, digiunare in un certo giorno, o fare una leggera chemioterapia, magari un po' di radiazioni. Naturalmente, a volte ci sarà bisogno della chirurgia, e così via. Ma progetteremo un programma di trattamenti solo per voi e aiuteremo il vostro corpo a tornare in salute -- ricondurlo al benessere. Poiché sarà il vostro corpo a fare la maggior parte del lavoro di riparazione se solo noi lo rinforziamo nelle parti che non funzionano bene. Un po' come inserire dei supporti ortopedici. Il vostro corpo dispone di un sacco di meccanismi per guarire il cancro, dobbiamo solo dargli i rinforzi appropriati per permettergli di lavorare.
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.
Credo che questo sarà il modo in cui il cancro sarà trattato in futuro. Richiederà molto lavoro, molta ricerca. Ci saranno molte squadre come la nostra a lavorare per questo obiettivo. Ma credo che alla fine saremo in grado di programmare per chiunque un trattamento personalizzato per il cancro.
So thank you very much.
Molte grazie.
(Applause)
(Applausi)