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.
좀 긴장되는군요. 암을 어떻게 다르게 생각해야 하는지에 관한 다소 급진적인 내용들을 많은 사람들 앞에서 얘기하려니 말입니다. 특히 저보다 암에 대해 훨씬 잘 아는 분들 앞에서요. 하지만 제가 꼭 긴장해야 하는 건 아니라고 생각합니다. 제 관점이 옳다고 확신하거든요. (웃음) 사실, 제가 얘기하려는 건 미래에 암을 어떻게 다룰지에 대한 것입니다. 암에 대해 얘기하기 전에 해야할 얘기가 있습니다. 슬라이드를 보세요. 먼저, 유전체학에 대해 좀 다른 얘길 해보죠. 유전체학에서 진행 중인 모든 것을 포함할 수 있는 큰 그림으로서의 관점을 얘기한 후, 조금 생소할 수도 있는 단백체학에 대해 이야기하겠습니다. 오늘 얘기를 들으시면 암을 다루는 데 있어서 다른 관점을 갖게 되시리라 기대합니다.
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.
유전체학부터 얘기해보죠. 정말 흥미로운 주제입니다. 가장 많은 걸 배워야 하는 학문 분야죠. 범위가 정말 광범위하지만, 여기에도 한계는 있습니다. 다들 이런 비유를 들어봤을 겁니다. "유전체는 우리 몸의 청사진과 같다." 만일 이게 진실이라면 정말 대단하겠지만 그렇지가 못합니다. 우리 몸의 구성요소들에 대한 목록에 불과하죠. 유전체만으로는 요소들이 어떻게 연결되는지, 무엇을 유발하는지, 뭐가 진행되는지 알 수 없습니다. 저라면 유전체를 이렇게 비유할 겁니다. 건강에 좋은 요리를 파는 식당과 그렇지 못한 식당의 차이에 대해 얘기하려는데 식당 창고에 저장해둔 식재료 목록만을 가지고 있는 상황이라고요. 프랑스식 식당의 예를 들어볼까요? 창고 목록을 훑어보고는 버터는 없고 마가린만 있다는 걸 알게 됩니다. 그리곤 얘기하죠. "이 식당의 문제점을 압니다. 제가 여기 요리를 건강에 좋게 바꿔드리죠." 가끔 특별한 경우에는, 예를 들어 중화요리점과 프랑스식 식당을 비교하는 경우에는, 각 식당의 창고만 보고도 차이를 확실히 얘기할 수 있을 겁니다. 저장된 재료의 목록을 보면 각 식당의 특징을 알 수 있죠. 하지만 종종 잘못된 판단을 하게 만들 때도 있습니다. 많은 양의 소금이 저장돼있다면, 식당이 너무 많은 소금을 사용한다고 추측할지도 모릅니다. 이런 추측은 한계가 있죠. 제대로 판단하기 위해서는, 요리의 맛을 봐야 하고 부엌에서 무슨 일이 진행 중인지 알아야 하며, 최종 결과물을 봐야 합니다.
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.
제가 누군가의 유전체를 검사할 때도 마찬가지입니다. 유전체의 특정 부분을 통해 우리가 알 수 있는 건 구성 요소들의 목록 뿐입니다. 솔직히 말하자면 그 요소들을 찾기 위해 많은 시간을 보냈지만 결과는 별로였죠. 낭포성 섬유증 환자의 경우에는 그 환자가 병을 일으키는 요소를 갖고 있기 때문에 발병합니다. 이 병에 있어서 우리는 요소와 질병간의 직접적 관련성을 얘기할 수 있죠. 하지만 그 외의 대부분은 부엌에서 일어나는 일을 알아야 합니다. 대부분의 경우 아픈 사람들은 과거에 건강했던 사람들이고, 유전체는 그대로이기 때문이죠. 다시 말해 유전체가 말해줄 수 있는 건 병에 대한 소인 뿐입니다. 요소들의 목록만으로도 우리는 아시아인과 유럽인의 차이를 얘기할 수 있습니다. 하지만 건강한 사람과 아픈 사람의 차이는 요소들의 목록만으론 얘기할 수 없습니다. 몇 몇 경우들을 제외하고는 말입니다.
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.
그렇다면 유전체학의 무엇이 그렇게 매력적인 걸까요? 첫번째로 꼽을 수 있는 것은 그 내용을 읽을 수 있다는 점입니다. 환상적이죠. 이것은 특정 상황에서 정말 유용합니다. 생물학에 있어서 대단한 학문적 업적이라 할 수 있습니다. 생물학자들 사이에 이견이 없는 단 하나의 이론입니다. 멘델과 다윈, 또 몇 몇 사람들이 그 기반이죠. 그들이 예측했던 이론적 구성이 한 데 모아진 것 입니다. 멘델은 '유전자'라는 핵심 개념을 도출했습니다. 다윈은 그 개념 위에서 이론의 전체적인 틀을 세웠죠. 이후 왓슨과 크릭이 유전자를 발견하고 직접 관찰했습니다. 이것은 물리학에서야 항상 일어나는 일입니다. 블랙홀을 예측했다면, 망원경을 통해 블랙홀이 예측대로 존재하는지 확인하는 식이죠. 하지만 생물학에서는 정말 드문 일입니다. 이 위대한 업적은 -- 매우 좋은 이론이고 -- 생물학의 역사에 있어서 거의 종교적인 경험이었습니다. 다윈의 진화설은 정말 핵심적인 이론입니다.
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.
이 이론이 꾸준히 인기있는 이유는 그것이 측정 가능한, 디지털 형식이란 점입니다. 사실 케리 멀리스(유전자증폭반응 고안자) 덕분에 극미량의 구성 요소들만으로도 여러분 부엌에서 만들어지는 유전체를 평가할 수 있습니다. 예를 들어 유전체를 분석함으로써 우리가 다른 종의 동물들과 어떻게 연결되어 있는지 많은 것들을 알게 되었죠. 유전체의 근원관계(유사도)를 따짐으로써, 또는 가계도 또는 계통 분류도를 통해 서로 어떻게 연결되어 알 수 있죠. 유전학에는 방대한 양의 정보가 있는데 이는 유전학적 유사성을 비교해서 얻은 것입니다. 당연히, 의학적인 관점에서 이것은 매우 유용합니다. 의사가 여러분 가족의 의료 기록을 통해 얻는 정보와 같은 종류의 정보에 해당하기 때문이죠. 단, 여러분의 유전체는 여러분의 의학적 역사를 여러분보다 훨씬 더 많이 알고 있습니다. 따라서 유전체 해독을 통해서 여러분의 가족에 대해 여러분보다 더 많은 것들을 알아낼 수 있죠. 또한 우리는 여러분의 친척들에 대해서도 여러분이 알던 것보다 많은 것들, 그들이 놀라워할 만한 것들을 밝혀낼 수 있습니다. 23andMe사의 DNA 테스트를 했을 때, 제가 뚱뚱하고 대머리라는 것을 밝혀내서 깜짝 놀랐었죠. (웃음) 이것 외에도 꽤 유용한 것들을 알아낼 수 있습니다.
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.
하지만, 대부분의 경우 여러분이 아플 때, 밝혀내고 싶은 것은 '당신의 병적 소인'에 대한 것이 아니라 '당신의 몸에서 현재 무슨 일이 일어나고 있는가'하는 것이죠. 이를 위해 여러분이 해야 할 일은, 유심히 봐야 할 것들은 유전자가 만들어내는 것, 유전자 다음에 일어나고 있는 일들입니다. 그리고 이것이 바로 단백체학이죠. 유전체가 모든 유전자들에 대한 연구를 포괄하듯이 단백체학은 모든 단백질들에 대한 연구입니다. 여러분 몸의 작은 하나까지 모두가 단백질입니다. 실질적으로 기계를 작동시키기 위해 일어나는 세포들 사이에 전달되고 있는 신호들이자 실제 활동이 일어나는 곳입니다. 기본적으로, 인간의 몸은 대화가 계속 진행되고 있습니다. 세포 내에서, 또 세포 사이에서 말이죠. 이를 통해 어떤 것은 자라게 하고 어떤 것은 죽게 합니다. 당신이 아프다는 것은, 이 대화 중 무엇인가가 잘못되고 있다는 의미입니다. 그런데 문제가 하나 있습니다. 불행히도, 유전체 분석에서와 같은 간단한 측정법을 이 분야에선 갖고 있지 않다는 점이죠.
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.
측정법의 문제점이란 이런 겁니다. 모든 단백질들을 분석하고자 한다면, 그건 정말 고된 일입니다. 수백 단계를 거쳐야 하고, 길고 긴 시간을 투자해야 하죠. 단백질 하나에서도 어느 정도를 봐야 하느냐도 문제입니다. 10%정도의 단백질 변이만으로도 확연한 변화를 일으킬 수 있습니다. DNA 같이 디지털적인 것이 아니죠. 가장 기본적인 문제는 누군가 매우 긴 측정단계에서 가장 기본적인 문제는 누군가 매우 긴 측정단계에서 도중에 잠깐이라도 일을 멈추면, 효소에 무엇인가가 잠시 남을 수 있고 그 이후부터의 모든 측정 작업은 순식간에 무너집니다. 따라서 이런 방식으로는 결국, 일관성없는 결과만 나올 뿐입니다. 저를 포함한 많은 사람들이 이 방법에 수많은 시간을 투자했었습니다. 문제점을 발견한 후에는 포기해버렸었죠.
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."
제게 계속 전화를 하는 데이비드 아구스라는 종양학자가 있었습니다. Applied Minds사로도 수많은 사람들이 문제해결을 도와달라는 연락을 해왔기 때문에 저는 이것이 그런 전화의 하나라고 생각하고, 나중에 연락하겠다고만 했죠. 그러던 어느 날, 저는 존 도르, 빌 버크만, 심지어 엘 고어로부터 전화를 받았습니다. 데이비드 아구스에게 연락하라더군요. (웃음) "그래. 이 친구는 적어도 수완은 있군." 싶었습니다. (웃음) 이렇게 얘기가 시작됐습니다. 그가 말했죠. "단백질을 측정하는 더 나은 방법이 필요합니다." 제가 대답했습니다. "겪어본 바로는, 결코 쉬운 일이 아닐겁니다." 아구스 왈, "전 정말 절실합니다. 제가 환자들 몸 속에서 무슨 일이 일어나는질 모르고 그 무지 때문에 제 환자들이 매일 죽어갑니다. 몸 속을 들여다 볼 창문이 절실합니다." 그리고 그는 제게 그가 절실한 이유들을 이야기했습니다. 그리고 저는 이 일이 정말 큰 변화를 만들 수 있겠구나라고 깨달았습니다. 해내기만 한다면 말이죠. 그래서 전 이렇게 말했습니다. "좋아요. 한 번 살펴봅시다."
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 Minds사에는 여유자금이 충분했기 때문에 곧장 그리로 가 작업을 시작했죠. 누군가의 지원이나 승인 또는 그 외의 어떤 것들도 받지 않고요. 우리는 문제점을 탐색하기 시작했습니다. 그리고 해냈죠. 가장 기본적인 문제점을 깨달은 겁니다. 문제점은 굉장히 단순한 것이었습니다. 이 복잡한 일을 수행하는 게 인간이란 게 문제였던 것이었죠. 정말로 해야 했던 일은, 복잡한 단계들을 자동화시키는 것, 단백질체를 측정할 로봇을 만드는 일이었던 것입니다. 그래서 로봇을 만들었습니다. 데이빗과 함께 일하면서, 우리는 최종적으로 Applied Proteomics라는 작은 회사를 만들었습니다. 로봇 조립 라인을 만드는 회사였습니다. 매우 일관적인 방법으로 단백질을 측정할 수 있게 된 거죠. 이제 이 단백질 측정방법을 보여드리겠습니다.
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.
기본적으로 우리가 한 것은 환자로부터 혈액 한 방울을 채취해서 그 한 방울 속의 단백질들을 분리해내는 것이었습니다. 그리고 무게에 따라, 또 얼마나 불안정한 상태인지에 따라 단백질들을 배열시켜 이미지를 만들었죠. 말 그대로, 혈액 한 방울을 통해 수천, 수백의 특징들을 한 눈에 볼 수 있게 된 것입니다. 다음 날이면, 조금 다른 것을 얻을 수 있습니다. 날마다 달라진 단백질들이 나타나게 되죠. 먹거나 잠을 잔 후에도 단백질들이 달라지고 이것이 무슨 일이 일어나고 있는지 말해주는 거죠. 따라서 이 사진은, 여러분에게는 커다란 얼룩에 불과할 수도 있지만 제게는 정말 스릴 넘치는 것이자 우리가 잘 하고 있다고 느끼게 해 주는 것입니다. 이제 이 사진을 확대해서 그 의미들에 대해 설명해드리겠습니다. 우리는 얻어낸 단백질들을 무게에 따라 왼쪽에서 오른쪽으로 분류했습니다. 위에서 아래로는 얼마나 불안정한 상태인지에 따라 분류했죠. 이제 이 부분을 확대해보겠습니다. 여기 각각의 선들은 단백질 조각으로부터 우리가 얻어낸 신호들을 의미합니다. 여기 흩어져 있는 작은 덩어리들 안에서 이 선들이 어떻게 나타나는지 보이시죠. 우리는 서로 다른 동위원소가 갖는 탄소량의 무게를 매우 정확하게 측정할 수 있기 때문에, 거기에 추가적인 중성자가 있다면 그것을 다른 화합물로 간주하고 측정하게 됩니다. 그래서 저흰 각 동위원소를 각각 다른 것으로서 측정합니다.
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.
이걸 보시면 이게 얼마나 정교하고 섬세한 지 알 수 있죠. 이 그림을 보게 되면 마치 갈릴레오가 하늘에 떠 있는 별만 바라보다가 처음으로 망원경을 통해 별을 관찰하는 것과 비슷합니다. 그리곤 이렇게 말하겠죠. "세상에. 이거 우리가 생각했던 것보다 훨씬 복잡하네." 하지만 여기 흩어져 있는 것들이 실제로는 각각의 특징을 보여줍니다. 우리가 얻고자 했던 패턴들을 표시해 둔 것이죠. 그럼 우리가 한 일이 무엇인지 예를 들어보겠습니다. 여기 두 명의 환자가 있습니다. 한 명은 약이 효과를 보이는 반면 다른 한명은 그렇지 않네요. "두 환자들 몸 속에서 어떤 차이가 일어나고 있는거지?" 하는 의문이 생기겠죠. 이제 우린 소개된 방법으로 충분히 정확한 측정 결과들을 얻어내고, 두 환자들의 결과를 비교해 환자간의 차이점을 보여줍니다.
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.
녹색이 앨리스의 결과고 빨간색이 밥입니다. 둘을 겹쳐볼까요? 이건 실제 데이터입니다. 둘에서 겹쳐진 부분은 노란색으로 나타납니다. 하지만 앨리스만 가지고 있거나 밥만 가지고 있는 건 원래의 색깔입니다. 우리가 약에 반응하는 사람들의 특정 패턴을 찾아낸다면, 혈액을 통해 그들의 상태를 확인하고 효과적인 치료제를 처방할 수 있는 겁니다. 비록 이 단백질이 무엇인지 모르더라도, 질병에 대한 반응지표는 확인할 수 있는 것입니다. 제가 생각하기에 이것은 이미 모든 종류의 약들에 대해 엄청나게 유용합니다. 하지만 저는 이것이 암을 어떻게 다뤄야 할지의 시작에 불과하다고 생각합니다. 자, 암에 대해 얘기해봅시다.
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.
암이란 주제에 있어- 제가 이것을 들여다보기 시작했을 때 암에 대해 아는 게 정말 없었죠. 하지만 데이비드 아구스와 일하면서 암이 어떻게 다뤄지는지, 또 제거 수술이 어떻게 이뤄지는지 제대로 볼 수 있었습니다. 사실 보는 것만으로는 어떻게 암에 접근해야 하는지에 대해 아무런 깨달음도 얻을 수 없었죠. 깨달음을 얻기 위해서 저는 암의 원인이 무엇인지부터 배워야 했습니다. 우리는 암을 마치 세균감염에 의한 질병처럼 다루고 있습니다. 여러분의 몸 안에 생긴, 죽여 없애야 하는 것으로 취급하고 있죠. 이것은 심각한 고정관념이라 할 수 있습니다. 생물학에서 이론적 고정관념인 병원균 이론이 잘 맞아 떨어지기는 하지만- 그 것과는 별개의 문제입니다. 의사들이 주로 수련하는 것은 진단법입니다. 여러분을 카테고리로 분류하는 거죠. 그리고 진단결과에 따라 과학적으로 입증된 치료법을 적용합니다. 이 방법은 감염에 의한 질병에는 대단히 효과적입니다. 매독에 걸린 걸로 분류되면 의사는 페니실린을 처방할 겁니다. 그 효과도 예상하고 있죠. 말라리아에 걸렸다면 퀴닌이나 그 대체제들을 처방할 것입니다. 이것이 의사들이 훈련받아 온 기본적인 것들이죠. 감염에 의한 질병에 있어 이런 방식은 어찌나 효과적인지 기적처럼 보일 정도입니다. 만일 의사가 이렇게 하지 않았다면 여러분 중 대다수는 살아있지 못했을 것입니다.
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.
하지만 이제 암을, 시스템적인 질병으로 생각해봅시다. 암에 있어서 문제점은, 무언가 침입한 것이 아니라 여러분 몸 자체라는 점입니다. 바로 여러분 때문이고, 자신의 몸이 망가졌기 때문이죠. 여러분 몸 안의 대화가 어떤 부분에서 마구 뒤섞인 거죠. 이런 대화를 우리가 어떻게 진단할 수 있을까요? 현재 우리가 하고 있는 일은 암이 발생한 신체적 부분에 따라 환자를 다양한 카테고리로 분류하듯이 신체를 여러 부위로 나누는 것입니다. 그리고 나서 임상실험들을 수행하죠 폐암이라면 그에 해당하는 약을 전립선암, 유방암이라면 또 각각에 해당하는 약을 써보는 겁니다. 암들을 서로 다른 질병으로 취급하고, 몸안의 잘못된 부분과 관련있는 것들을 구분하는 방법을 취하는 것입니다. 물론, 무엇이 잘못되었는지 파악하는 것은 어려운 일은 아닙니다. 암은 시스템상의 오류이기 때문이죠. 그리고 사실, 암을 하나로 지칭하는 것이야 말로 정말 잘못된 것이라고 생각합니다. 정말 큰 실수라고 생각해요. 저는 암을 하나의 명사로 통칭해서는 안 된다고 생각합니다. 암에 대해 얘기할 때는 결과가 아닌 진행과정을 얘기해야 합니다. 종양이라는 것도 암의 증상에 불과한 거죠. 따라서 여러분 몸은 항상 암이 진행되고 있다고 볼 수 있습니다. 하지만 몸 안에는 수많은 시스템이 있기 때문에 암을 통제할 수 있는 것입니다.
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.
실질적인 이해를 돕기 위해 제가 암이라는 것을 동사로 취급함으로써 제가 의미하는 바가 무엇인지 비유해보도록 하겠습니다. 우리가 배관시설에 대해 전혀 아는 게 없을 때, 이것에 대해 어떻게 얘기하는지 상상해보죠. 집에 왔는데 부엌에서 물이 새는 것을 발견했습니다. "이런, 집 안에 물이 고여 있네." 라고 말하겠죠. 상황을 나눠보죠. 배관공이 묻습니다 "물이 어디에 있나요?" "부엌이요." "아, 부엌에서 물이 새는군요." 바로 이런 상황입니다. "부엌에서 물이 새면요?" 먼저, 우리는 그 안에 들어가 걸레질을 할 겁니다. 주변에 드레이노(얼룩제거제)를 뿌리는 게 도움이 된다는 것도 알고 있죠. 그에 반해 거실에 물이 새는 경우에는 천장에 방수제를 바르는 것이 낫습니다. 어리석게 들릴 수도 있지만, 그것이 우리가 기본적으로 하는 것입니다. 당신이 암일 때 걸레질로 없애려 해서는 안된다는 얘기가 아닙니다. 다만 그것이 진짜 문제가 아니란 점을 말하고 싶은거죠. 문제의 증상을 봐야 한다는 겁니다.
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.
우리가 정말로 해야할 일은 병이 진행되는 과정을 살피고, 그 정도 진행단계에서는 무슨 일이 일어날지를 단백체학적 활동으로 파악하고, 정상적인 상태에서는 몸 스스로 치료할 수 있는 단계인데도 어째서 자연치유가 되지 않는지를 물어야 하는 것입니다. 보통 우리 몸은 항상 이런 문제를 겪고 있거든요. 여러분의 집도 물이 새는 문제를 항상 안고 있습니다. 하지만 그걸 고치잖아요. 닦아낸다든지 해서요. 우리에게 필요한 것은 몸안에 실제 일어나는 일을 볼 수 있는 인과관계 모델을 갖는 것입니다. 단백체학이 이 인과관계 모델을 구성할 수 있게 해줍니다.
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.
데이빗이 국립암센터 강의자로 저를 초대한 적이 있는데요. 거기 애나 바커도 참석했었습니다. 그 때 같은 내용의 강연을 하고 물어봤죠. "왜 당신들은 이렇게 하지 않나요?" 애나가 대답했습니다. "암을 연구하는 사람중에 누구도 그런 식으로 접근하지 않았거든요. 하지만 이제 특정 프로그램을 만들어서 진행하려고 합니다. 암 이외의 분야에 있는 연구자들이 암에 대해 잘 알고 있는 의사들과 함께 차별화된 연구를 수행할 수 있게 하려고 해요." 그래서 데이빗과 제가 그 프로그램에 지원했죠. 그리고 남부캘리포니아대학에 연구단을 만들었습니다. 스탠포드대, 텍사스주립대, 콜드 스프링 하버 연구소에서 온 세계적으로 가장 뛰어난 종양학자들, 세계적으로 가장 뛰어난 생물학자들이 연구에 동참하고 있습니다. 저는 5년 정도 걸릴 연구 프로젝트를 얻기 위해 여기 저기 거치면서 이름만 써넣길 바라지 않습니다. 암 모델을 만들어 내기 위한 일을 하고 싶을 뿐이죠. 지금은 쥐를 대상으로 연구하고 있습니다. 이 일을 하는 과정에서 굉장히 많은 쥐들을 죽여야 겠죠. 하지만 값진 희생이 될 겁니다. 우리는 언제 암이 발생하는지 예측 가능한 모델을 얻을 수 있는, 우리가 이해할 수 있는 핵심을 얻고자 합니다. 그 안에서 실제로 어떤 일이 일어나는지 어떤 치료가 암을 치유할 수 있는지 등을 말입니다.
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.
이제 간단한 그림으로 강연을 끝내기로 하죠. 미래에는 암 치료가 이렇게 되리라 기대하고 있습니다. 그리고 궁극적으로 저는 사람들을 위한 이런 모델들 중 하나를 만들길 바랍니다. 궁극적으로 우리가 얻어야 하는 것은 -- 여기서 모든 방법을 얻길 바라는 게 아닙니다. 다만 세계 기후를 예측하는 모델과 같이 매우 좋은 컴퓨터 모델을 갖게 되길 바랍니다. 매우 다양한 정보들이 그 안에 있을 것이고, 단백체 안의 대화들이 어떻게 진행되고 있는지 수많은 수준에서 연구될 것입니다. 그리고 그 모델을 통해 여러분의 특정 암을 시뮬레이션 할 것입니다. 이건 루게릭병를 위한 게 될 수도 있고 모든 종류의 신경계 변성 질환이나 기타 다른 질병들에도 쓰일 수 있을 것입니다. 우리는 일반인 뿐만아니라 특히 한 사람을 대상으로, 개인의 몸 안에서 실제로 일어나는 일을 시뮬레이션 할 것입니다.
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.
그리고 이를 통해 우리가 할 수 있는 일은 한 사람만을 위해 특화된 일련의 치료과정을 디자인하는 것입니다. 부작용도 적고 매우 적은 양의 약을 사용하는 치료가 되겠죠. 어떤 날은 먹지 말라거나 소량의 화학적 치료만을 수행할 수 있을 것입니다. 아주 적은 방사선을 이용할 수도 있겠죠. 물론, 가끔은 수술도 해야 할 겁니다. 하지만 개인별로 특화된 치료 프로그램이 여러분의 몸이 다시 건강하게 돌아갈 수 있도록 도와주고 이끌어줄 것입니다. 여러분 몸이 대부분의 문제점을 스스로 고칠 수 있도록 잘못된 방향으로 가고 있는 것을 바로 잡아주기만 하는 거죠. 몸이 균형을 이룰 수 있도록 뒷받침을 해주는 것입니다. 여러분 몸은 기본적으로 암을 치료하기 위한 많은 방편들을 갖고 있기 때문에, 우리는 그런 치유 메커니즘이 제 자리를 찾고 제 역할을 하도록 만들어 주는 것으로 충분합니다.
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.
저는 미래에는 암이 이런 방식으로 치유될 것이라고 믿고 있습니다. 이를 위해 수많은 작업들과 많은 연구가 필요하겠지만, 저희와 같은 많은 연구진들이 이 일을 진행하고 있습니다. 하지만, 언젠가는 누구나 주문제작 방식의 암치료 계획을 세울 수 있게 되리라고 생각합니다.
So thank you very much.
진심으로 감사드리며, 마치겠습니다.
(Applause)
(박수)