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.
Admito que estou um pouco nervoso porque vou dizer algumas coisas radicais sobre como devemos pensar diferentemente sobre o câncer para uma plateia que tem muitas pessoas que sabem muito mais sobre câncer do que eu. Mas também direi que não estou tão nervoso quanto deveria estar porque tenho quase certeza que estou certo a respeito disso. (Risos) E que, de fato, esta será a maneira que trataremos o câncer no futuro. Para falar sobre câncer, eu vou ter que, de fato... deixe eu mostrar o slide aqui. Primeiro, eu vou dar uma perspectiva diferente da genômica. Quero colocar em perspectiva com as outras coisas que estão acontecendo - e então falar sobre algo que vocês ainda não ouviram muito, a proteômica. Tendo explicado ambas, teremos a base para o que eu acredito ser uma ideia diferente sobre como vamos tratar o câncer.
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.
Então vou começar com a genômica. É o tópico principal. É onde estamos aprendendo mais coisas. Esta é a última fronteira. Mas tem suas limitações. E em particular, vocês provavelmente já ouviram a analogia de que o genoma é como a planta baixa do seu corpo. E se isso fosse verdade, seria ótimo, mas não é. É como a lista de peças do seu corpo. Não diz como as coisas são conectadas, o que causa o quê e assim por diante. Então se eu puder fazer uma analogia, vamos dizer que vocês estejam tentando diferenciar um bom restaurante, um restaurante saudável, e um restaurante ruim, e tudo que vocês têm é a lista de ingredientes na despensa. Então seria como se vocês fossem a um restaurante francês e olhassem os ingredientes e descobrissem que só havia margarina e não havia manteiga, poderiam dizer, "Ah, eu sei o que há de errado aqui. Eu posso torná-lo mais saudável." E provavelmente há casos especiais. Vocês certamente podem diferenciar um restaurante chinês de um restaurante francês pelo o que eles têm na despensa. Então a lista de ingredientes diz sim alguma coisa, e às vezes diz se algo está errado. Se eles têm toneladas de sal, vocêm podem achar que eles estão usando muito sal, ou algo parecido. Mas é limitado, pois para realmente saber se é um restaurante saudável, vocês têm que provar a comida, saber o que acontece na cozinha, e precisam do produto de todos os ingredientes.
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.
Então se eu olhar para uma pessoa e olhar para o seu genoma, é a mesma coisa. A pate do genôma que conseguimos ler é a lista de ingredientes. E de fato, há vezes onde achamos ingredientes que são ruins. Fibrose cística é um exemplo de uma doença de que se há um ingrediente ruim, você tem a doença, e podemos fazer uma correspondência direta ente o ingrediente e a doença. Mas para a maioria, você tem que saber o que acontece na cozinha, porque, em geral, pessoas doentes costumavam ser saudáveis - elas têm o mesmo genoma. Então o genoma realmente diz muito mais sobre pré-disposição. Então vocês podem diferenciar uma pessoa asiática de uma pessoa européia pela lista de ingredientes. Mas na maioria das vezes, não podem diferenciar uma pessoa saudável de uma pessoa doente - exceto em um desses casos especiais.
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.
Então qual é o grande furor sobre a genética? Bem, primeiro, nós podemos lê-la, o que é fantástico. É muito útil em certas circunstâncias. É também o grande triunfo teórico da biologia. É a única teoria que os biólogos realmente acertaram. É fundamental para Darwin e Mendel e outros. Então é a única coisa onde eles previram uma construção teórica. Mendel teve a ideia de um gene como uma coisa abstrata. E Darwin contruiu toda uma teoria que dependia de sua existência. E então Watson e Crick de fato procuraram e encontraram um. Isso acontece em física o tempo todo. Você prevê um buraco negro, e olha por um telescópio e lá está, como você disse. Mas isso raramente acontece em biologia. Então este grande triunfo - é tão bom - há quase uma experiência religiosa em biologia. E a evolução darwiniana é realmente a teoria principal.
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.
Outra razão pela qual tem sido bem popular é porque podemos medi-lo, é digital. E de fato, graças à Kary Mullis, você basicamente consegue medir o seu genoma na sua cozinha com alguns ingredientes extras. Então por exemplo, ao medir o genoma, aprendemos muito sobre a nossa relação com os outros animais pela proximidade de nossos genomas, ou como somos relacionandos uns aos outros - árvore genealógica, ou a árvore da vida. Há uma enorme quantidade de informação sobre genética apenas ao comparar similaridade genética. Mas é claro, em aplicação médica, isso é muito útil pois é o mesmo tipo de informação que o doutor obtém do seu histórico familiar médico - exceto que, provavelmente, seu genoma sabe muito mais sobre seu histórico médico do que você. Então ao ler o genoma, podemos descobrir muito mais sobre sua família do que provavelmente você saiba. Então podemos descobir coisas que provavelmente você poderia ter descoberto ao olhar para seus parentes, mas elas podem ser surpreendentes. Eu fiz a "23andMe" e fiquei surpreso ao descobrir que sou gordo e careca. (Risos) Mas às vezes você pode aprender coisas muito úteis sobre isso.
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.
Mas em geral, o que você precisa descobrir se está doente não são as pré-disposições, mas sim o que está acontecendo no seu corpo agora. E para isso, o que você realmente precisa fazer é olhar para as coisas que os genes estão produzindo e o que acontece depois da genética. E isso é a proteômica. Assim como o genoma mistura o estudo de todos os genes, a proteômica estuda todas as proteínas. E as proteínas são todas as coisinhas no seu corpo que sinalizam entre as células - na verdade as máquinas que estão operando. É aí que as coisas acontecem. Basicamente, o corpo humano é uma conversa em andamento, dentro das células e entre as células, e elas estão dizendo para crescer e morrer. E quando você está doente, algo aconteceu de errado na conversa. Então o truque é - infelizmente não temos uma maneia fácil de medir isso como podemos medir o 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.
Então o problema é que medir... se você tenta medir todas as proteínas, é um processo muito elaborado. Requer centenas de etapas, e leva muito, muito tempo. E é importante o quanto de proteína existe. Pode ser muito importante que a proteína mudou 10%, então não é uma coisa digital boa como o DNA. E o nosso problema é que se alguém, no meio desse estágio muito longo, pausa por somente um momento, e deixa algo em uma enzima por um segundo, de repente todas as medidas dali em diante não fincionam. Então as pessoas obtêm resultados muito inconsistentes quando fazem assim. Pessoas tentaram muito fazer isso. Eu tentei algumas vezes e vi o problema e acabei desistindo.
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."
Eu recebi várias ligações de um oncologista chamado David Agus. E a Applied Minds recebe muitas ligações de pessoas que querem ajudar com seus problemas, e não pensei que essa fosse uma ligação para se retornar, então acabei colocando ele na lista de espera. Então um dia, recebi uma ligação de John Doerr, Bill Berkman e Al Gore no mesmo dia dizendo para ligar para o David Agus. (Risos) Eu pensei, "OK, pelo menos esse cara tem contatos." (Risos) Então começamos a falar, e ele disse, "Realmente preciso uma maneira melhor de medir proteínas." Eu disse, "Já vi. Já experimentei. Não vai ser fácil." Ele disse, "Não, eu realmente preciso. Eu vejo pacientes morrendo todos os dias porque não sabemos o que está acontecendo dentro deles. Temos que ter uma janela para isso." E ele me explicou exemplos específicos de quando ele realmente precisava. E percebi que isso realmente faria uma grande diferença, se pudéssemos fazê-lo. Eu disse, "Bem, vamos dar uma olhada."
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.
A Applied Minds tem fundos suficientes para trabalhar em algo sem ter que contar com o financiamento ou permissão de ninguém. Então começamos a experimentar. À medida que o fazíamos, percebi que este era o problema básico - que tomar um gole de café - que havia humanos fazendo este processo complicado e que, o que realmente precisava ser feito era automatizar o processo como uma linha de montagem e montar robôs que mediriam a proteômica. Então nós fizemos isso. E trabalhando com David, montamos uma pequena empresa chamada Apllied Proteomics, que fabrica esta linha de montagem robótica, que, de uma maneira muito consistente, mede proteínas. E vou mostrar como se faz uma medição de proteínas.
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.
Basicamente, o que fazemos é pegar uma gota de sangue de um paciente, e arrumamos as proteínas na gota de sangue de acordo com o quanto elas pesam, o quão escorregadias são, e as arrumamos em uma imagem. E podemos olhar para literalmente centenas de milhares de características de uma vez tiradas da gota de sangue. E podemos pegar uma diferente amanhã, e verão que suas proteínas amanhã serão diferentes - serão diferentes depois de vocês comerem ou dormirem. Elas realmente nos dizem o que está acontecendo. Então esta foto, que parece ser um grande borrão para vocês, é na verdade a coisa que me deixou empolgado sobre isso e me fez sentir que estamos no caminho certo. Se eu der um zoom nesta foto, eu posso mostrar o que significa. Arrumamos as proteínas - da esquerda para a direita é o peso dos fragmentos que obtemos. E de cima para baixo é o quão escorregadias são. Estou dando um zoom aqui para mostrar um pouco. Então cada uma destas linhas representa um sinal que recebemos de parte de uma proteína. E podem ver como as linhas ocorrem em pequenos grupos de bum, bum, bum, bum, bum. E isso porque estamos medindo o peso tão precisamente que - carbono vem em diferentes isótopos, então se existe um nêutron extra, conseguimos medir como uma substância diferente. Então estamos medindo cada isótopo como sendo diferente.
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.
E isso dá uma ideia do quão sensível é. Olhar para esta foto é como ser Galileu olhando para as estrelas e pelo telescópio pela primeira vez, e de repente você diz, "Uau, é muito mais complicado do que pensávamos." Mas podemos ver as coisas e de fato ver suas características. Essa é a assinatura da qual estamos tentando estabelecer padrões. Então o que fazemos com isso é, por exemplo, poder olhar para dois pacientes, um que respondeu a uma droga e um que não respondeu a uma droga, e pergunta, "O que está acontecendo de diferente dentro deles?" Então podemos fazer essas medições precisas o suficiente para podermos olhar para os dois pacientes e ver as diferenças.
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.
Aqui temos Alice em verde e Bob em vermelho. Sobrepomos eles. Estes são dados reais. Podem ver que a maioria se sobrepõe em amarelo, mas há coisas que só Alice tem e coisas que só o Bob tem. E se achamos um padrão de coisas dos que responderam à droga, vemos que no sangue, eles têm a condição que lhes permite responder a esta droga. Podemos nem saber qual é a proteína, mas vemos que é ativa na resposta à doença. Então penso que isso é tremendamente útil em todos os tipos de medicina. Mas acho que isso seja somente o começo de como vamos tratar o câncer. Então passarei para o câncer.
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.
O negócio com o câncer - quando comecei nisso, eu realmente não sabia nada a respeito, mas trabalhando com David Agus, comecei a obsevar como o câncer é realmente tratado e fui a operações onde estava sendo removido. E ao olhar para isso, para mim não fez sentido a maneira como estávamos abordando o câncer. E para entender isso, eu tive que entender de onde isso vinha. Nós tratamos câncer quase como se fosse uma doença infecciosa. Tratamos isso como se fosse algo que entrou em você e que temos que matar. Então este é o grande paradigma. Este é outro caso onde o paradigma teórico em biologia deu certo - a teoria do germe da doença. Os médicos são em geral treinados para diagnosticar - ou seja, colocá-lo em uma categoria - e aplicar um tratamento cientificamente comprovado para aquele diagnóstico. E isso funciona bem com doenças infecciosas. Então se o colocarmos na categoria de que você tem sífilis, podemos dar penicilina. Sabemos que isso funciona. Se você tem malária, damos quinina, ou algum derivado. Então é para isso que os médicos são teinados. E é miraculoso no caso de doença infecciosa - o quão bem funciona. E muitas pessoas nesta plateia provavelmente não estariam vivas se médicos não fizessem isso.
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.
Mas agora vamos aplicar isso a doenças sistêmicas como o câncer. O problema é que, em câncer, não há um intruso dentro do seu corpo. É você, você está com defeito. A conversa dentro de você ficou atrapalhada de certa forma. Então como diagnosticamos a conversa? Bem, o que fazemos agora é dividir em partes do corpo - onde o câncer aparece - e colocamos você em categorias diferentes de acordo com a parte do corpo. Então fazemos uma teste clínico para uma droga para câncer de pulmão e uma para câncer de próstata e uma para câncer de mama, e tratamos tudo como se fossem doenças separadas e esta maneira de dividir teve a ver com o que de fato deu errado. E é claro, não tem realmente muito a ver com o que deu errado. Porque o câncer é uma falha do sistema. E acredito que estamos errados quando falamos sobre câncer como uma coisa. Acho que esse é o grande erro. Acho que câncer não deveria ser um substantivo. Deveríamos falar sobre "canceriar" como algo que fazemos, não algo que temos. Então os tumores são sintomas do câncer. Então seu corpo está "canceriando" o tempo todo. Mas existem diversos sistemas em seu corpo que o mantém sob controle.
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.
Então para dar uma ideia de uma analogia do que eu quero dizer ao me referir ao câncer como um verbo, imaginem que não soubéssemos nada sobre encanamentos, e a maneira como falaríamos disso seria: chegaríamos em casa e encontraríamos um vazamento na cozinha e diríamos, "Oh, minha casa tem água." Poderíamos dividir - o encanador diria, "Bem, onde está a água?" "Bem, está na cozinha." "Oh, você deve ter água de cozinha." Este é mais ou menos o nível dela. "Água de cozinha?" Bem, primeiro nós vamos passar bastante o mop. E então sabemos que se espalharmos Draino pela cozinha irá ajudar. Enquanto que para água de sala de estar, é melhor passar piche no telhado." E parece bobo, mas é basicamente o que fazemos. E não estou dizendo para não secar sua água se você tem câncer. Estou dizendo que este não é realmente o problema; este é o sintoma do 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.
O que precisamos achar é o processo que está acontecendo, e ele acontece no nível das ações proteômicas, acontecendo no nível do por quê o seu corpo não está se curando da maneira como nomalmente o faz? Porque normalmente seu corpo está lidando com o problema o tempo todo. Então sua casa está lidando com vazamentos o tempo todo. Mas está consertando-os e drenando-os e assim por diante. Então o que precisamos é ter um modelo causativo do que de fato está acontecendo. E a proteômica nos dá a habilidade que construir um modelo como esse.
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 conseguiu que eu desse uma palestra do Instituto Nacional do Câncer e Anna Barker estava lá. Então eu dei essa palestra e disse, "Por que vocês não fazem isso?" E Anna disse, "Porque ninguém com câncer veria desta maneira. Mas nós iremos criar um programa para pessoas fora da área do câncer para se juntarem com médicos que realmente conhecem câncer e trabalharem em diferentes programas de pesquisa." Então David e eu nos juntamos a este programa e criamos um consórcio na USC onde temos os melhores oncologistas do mundo e alguns dos melhores biólogos do mundo, de Cold Spring Harbor, Stanford, Austin - e nem vou chegar a mencionar todos os lugares - para desenvolver um projeto de pesquisa que vai durar cinco anos onde tentaremos montar um modelo de câncer como este. Vamos usar ratos primeiro. E vamos matar muitos ratos neste processo, mas eles morrerão por uma boa causa. E vamos tentar chegar ao ponto onde temos um modelo previsível onde podemos entender, quando o câncer acontece, o que realmente acontece lá e qual tratamento será usado para aquele câncer.
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.
Então me permitam terminar com uma imagem do que eu acredito que será o tratamento do câncer no futuro. Acho que no final, uma vez que tivermos um desses modelos para pessoas, o que teremos cedo ou tarde - digo, nosso grupo não irá chegar até o final - mas cedo ou tarde teremos um bom modelo de computador - tipo o modelo climático global para o clima. Tem muitas informações diferentes sobre qual é o processo acontecendo nesta conversa sobre proteômica em muitas escalas diferentes. Então iremos simular neste modelo o seu câncer em particular - e também servirá para esclerose lateral amiotrófica, ou quaisquer outras doenças neurodegenerativas, coisas como - vamos simular especificamente você, não uma pessoa genérica, mas sim o que está realmente acontecendo dentro de você.
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 nesta simulação, o que podemos fazer é projetar especificamente para você a sequência de tratamentos, e talvez sejam tratamentos muito gentis, pequenas quantidades de drogas. Podem ser coisas como: não coma neste dia, e lhes dê um pouco de quimioterapia, talvez um pouco de radiação. Claro que faremos cirurgias algumas vezes, e assim por diante. Mas projetar um programa de tratamentos específicos para você e ajudar o seu corpo a voltar a ser saudável - o seu corpo voltar a ser saudável. Porque o seu corpo fará a maior parte do conserto se pudermos ajudar nas áreas que não estão bem. Nós colocamos o equivalente a talas. E o seu corpo tem basicamente muitos mecanismos para curar o câncer, só temos que ajudar da maneira certa para que o trabalho seja feito.
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.
Então acredito que esta será a maneira que trataremos o câncer no futuro. Vai precisar de muito trabalho, muita pesquisa. Haverá muitas equipes como a nossa trabalhando nisso. Mas acho que no final, vamos desenvolver para todos um tratamento costumizado para o câncer.
So thank you very much.
Então, muito obrigado.
(Applause)
(Aplausos)