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.
Признаюсь, я немного нервничаю, потому что я собираюсь сообщить несколько радикальных идей о том, как мы должны рассматривать рак, аудитории, которая знает намного больше о раке, чем я. Но я также заявляю, что я не так нервничаю, как должен бы, потому что я уверен в своей правоте. (Смех) Я расскажу о том, как мы будем лечить рак в будущем. Давайте посмотрим на этот большой слайд. Прежде всего, я постараюсь дать вам новую точку зрения на геномику. Сначала я хочу предложить вам общую картину происходящего, а затем рассказать о том, о чём вы не так много слышали, о протеомике. Это поможет нам подойти к пониманию нового подхода лечения рака.
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.
Итак, позвольте мне начать с геномики. Это горячая тема. Это то, о чём мы много слышим. Это передовая область. Но она имеет ограничения. В частности, вы, наверное, все знаете аналогию, что геном - это план вашего тела. И если бы это было так, это было бы здорово, но это не так. Геном - это скорее список частей вашего тела. Он не говорит, ни о том, как вещи связаны, ни о том, как что работает. Проведём аналогию: скажем, вы пытаетесь выяснить разницу между хорошим рестораном, рестораном здоровой пищи, и забегаловкой, и все, что у вас есть - это список ингридиентов того, что у них на складе. Например, вы пошли в ресторан французской кухни, и посмотрели на список ингридиентов, и обнаружили, что у них есть только маргарин, но нет масла, тогда вы могли бы сказать: "А, я понимаю, что здесь неправильно. Я могу это исправить." Но это только данный конкретный случай. Вы, безусловно, можете отличить китайский ресторан от французского, согласно списку ингридиентов того, что у них на складе. Такой список может сказать вам кое-что, но иногда выводы могут быть неправильными. Если на складе ресторана хранятся тонны соли, вы можете предположить, что они используют слишком много соли. Но эта информация не полна, чтобы действительно узнать, готовит-ли этот ресторан здоровую пищу, вы должны её попробовать, вы должны знать, что происходит на кухне, вам важен результат, который получен из всех этих компонентов.
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.
То-же справедливо по отношению к человеку и его геному. Часть генома, который мы можем прочитать - это список ингридиентов. И действительно, иногда можно найти вредные ингредиенты. Муковисцидоз (кистозный фиброз) является примером заболевания, обусловленного наличием плохих ингредиентов, в этом случае действительно можно провести прямое соответствие между ингридиентами и болезнью. Но в большинстве случаев, нам нужно знать "что происходит на кухне", потому что большинство больных людей были прежде здоровы - геном остался тем-же. Геном в основном может сказать что-то о предрасположенности. Вы можете увидеть разницу между азиатом и европейцем, глядя на их список ингридиентов. Но отличить здорового человека от больного практически невозможно, за исключением некоторых частных случаев.
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.
Так почему-же столько шума вокруг генетики? Ну, прежде всего потому, что мы можем читать геном, что само по себе замечательно. Это очень полезно в определенных обстоятельствах. Это также большое теоретическое достижение биологии. Это одна из теорий, которую биологи действительно построили правильно. Она подтверждает теории Дарвина, Менделя и других. Она позволила предсказывать теоретические построения. Мендель ввёл понятие гена на абстрактном уровне. Дарвин построил целую теорию, основываясь на существовании генов. А потом Уотсон и Крик на самом деле нашли ген. Такое происходит в физике все время. Вы предсказываете существование чёрной дыры, смотрите в телескоп и видите всё так, как вы и предполагали. Но в биологии такое случается редко. Так что это большая победа - это почти религиозное чудо в области биологии. И Дарвиновская теория стоит в основе всего.
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.
Другая причина, почему генетика так популярна, это потому, что мы можем её измерять, она цифровая. Благодаря Кэри Маллис, вы, в сущности, можете измерить ваш геном в кухне, используя несколько дополнительных ингридиентов. Именно путем измерения генома мы узнали много нового о том, как мы связаны с другими видами животных, насколько близки наши геномы, или как мы связаны друг с другом - генеалогическое дерево, или древо жизни. Огромый объем информации о генетике можно получить только путем сопоставления генетического сходства. Ну и естественно, в медицинских приложениях, она очень полезна, потому что эту-же информацию получает врач из вашей семейной истории болезни - за исключением того, что ваш геном знает гораздо больше о вашей медицинской истории, чем вы. И поэтому, читая геном, мы можем узнать гораздо больше о своей семье, чем уже, наверное, знаем. Таким образом мы можем обнаружить вещи, которые, вероятно, мы могли бы найти, глядя на большое количество родственников, но они могут быть удивительно интересными. Я протестировался на 23andMe, и был очень удивлен, узнав, что я толстый и лысый. (Смех в зале) Но иногда вы можете узнать гораздо больше полезных вещей.
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.
В сущности, чтобы узнать не больны-ли вы, вам нужно знать не ваши предрасположенности, а то, что происходит в вашем теле в данный момент. Таким образом, вам нужно узнать, что гены производят и что происходит после этого. Это то, чем занимается протеомика. Так же, как генетика занимается генами, протеомика занимается белками. Белки, маленькие частички вашего организма, обмениваются сигналами между клетками - это на самом деле машины, которые работают. Вот где происходит действие. В сущности, в человеческом теле происходит разговор, как в клетках, так и между ними; клетки сами решают, кому из них расти, а кому умирать. Когда вы больны, это значит что-то нарушилось в этой коммуникации. Загвоздка в том, что, к сожалению, у нас нет простого способа измерить эту коммуникацию, так, как мы можем измерить геном.
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.
Таким образом, проблема в измерении - если попытаться измерить все белки, вы поймёте, что это очень сложный процесс. Он требует сотни шагов и занимает длительное время. И количество белка имеет большое значение. Если белок изменился на 10 процентов, это сильно меняет результат, так что работать с этим не так легко, как с цифровой ДНК. Предположим, кто-то находится в процессе этого длительного замера, он делает паузу всего на мгновение, оставляя что-то в ферменте на секунду, и вдруг все измерения с того момента изменяются. Люди получают очень противоречивые результаты, проделывая измерения таким образом. Люди уже очень давно старались это сделать. Я тоже пробовал несколько раз, но сдался.
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."
Мне несколько раз звонил один онколог по имени Дэвид Эйгас. Наша фирма, "Applied Minds", получает много звонков от людей, которые ищут помощи в решении своих задач, и я не собирался в скором времени ему перезванивать. А потом, в один прекрасный день, мне звонят Джон Дерр, Билл Беркман и Альберт Гор, и все требуют перезвонить Дэвиду Эйгасу. (Смех в зале) Я подумал: "Хорошо. Этот парень, по крайней мере из находчивых". (Смех в зале) Мы начали говорить, и он сказал: "Мне очень нужен надёжный способ замера белков." Я ответил: "Пробовали. Знаем. Это не легко." Он: "Нет, Вы меня не поняли. Мне действительно это нужно. Я вижу пациентов, которые умирают каждый день, потому что мы не знаем, что происходит внутри них. Мы должны заглянуть внутрь." Он привёл конкретные примеры, когда это действительно было нужно. И я понял, что это было-бы большим прорывом, если бы мы могли это сделать. И поэтому я сказал: "Давайте попробуем".
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.
У "Applied Minds" есть неплохой бюджет, который позволяет нам работать над чем-то, не получая ничьего разрешения или финансирования. Так мы начали эту разработку. Работая над этим проектом, мы поняли, это основная проблема - это глоток кофе - то есть люди, выполняющие этот сложный процесс, и что необходимо автоматизировать этот процесс, как конвейер, и построить робота, который будет измерять белки. Мы так и сделали. Работая с Дэвидом, мы организовали небольшую компанию, под названием "Applied Proteomics", которая изготавливает эту автоматическую сборочную линию, позволяющую производить последовательные замеры белка. Я покажу вам, как выглядят такие замеры белка.
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.
В общем, что мы делаем - берём каплю крови у пациента, и сортируем белки в этой капле по тому, сколько они весят, насколько они скользкие, и строим изображение. Таким образом, мы сразу можем видеть сотни тысяч характеристик этой капли крови. Мы можем взять другую каплю завтра, и назавтра ваши белки будут другими - они изменяются после еды или после сна. Они действительно говорят нам, что происходит в организме. Эта фотография, которая вам кажется просто большим пятном, на самом деле меня очень взволновала, и дала мне ощущение, что мы на правильном пути. Если я увеличу эту картинку, я смогу показать вам, что на ней изображено. Мы сортируем белки - фрагменты, которые мы получаем, расположены по весу слева направо. А сверху вниз по признаку, насколько они скользкие. Давайте ещё немножко увеличим, чтобы рассмотреть это поподробнее. Итак, каждая из этих линий представляет собой сигнал, который мы получаем из фрагмента белка. Вы видите как эти линии группируются. И это потому, что мы измеряем вес так точно; углерод содержится в различных изотопах, так что, при наличии дополнительного нейтрона, мы классифицируем его как другое химическое вещество. Так что мы на самом деле проводим измерения на уровне изотопов.
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.
Итак, вы получили представление о том, насколько точен этот метод. Глядя на эту картину, чувствуешь себя как Галилей, который наблюдал звезды в телескоп в первый раз; невольно произносишь: "Ничего себе, это гораздо сложнее, чем мы думали". Мы в сущности видим отдельные свойства белка. Это одельный результат, из которого мы пытаемся выяснить зависимости. Мы, например, можем посмотреть на реакции двух пациентов на лекарство. Для одного из них лекарство не работает, тогда мы задаёмся вопросом: "Что происходит по-разному у них внутри?" А так как наши измерения достаточно точные, то мы можем изучить различия между этими двумя пациентами путём наложения результатов.
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.
Вот здесь данные Алисы отмечены зеленым, а Боба - красным цветом. Мы их накладываем. Это настоящие данные. Вы видете, в основном они перекрываются, это отмечено желтым, но есть некоторые вещи, присущие только Алисе, а некоторые - только Бобу. И если мы найдём такие перекрывания у группы людей, реагирующих на определённое лекарство, мы видим, что в крови у них есть что-то, что позволяет им реагировать на этот препарат. Мы может даже не знать, что этот за белок, но мы видим, что он ответственнен за борьбу с болезнью. Уже одно это, как мне кажется, чрезвычайно полезно во всех областях медицины. Но я думаю, что это только начало того, как мы будем лечить рак. Итак, позвольте мне перейти к раку.
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.
Итак, о раке: когда я начал этим заниматься, я ещё ничего о нём не знал, но, работая с Дэвидом Эйгасом, я наблюдал как лечат рак и присутствовал на операциях, где его вырезали. И, глядя на это, я думал, что это неправильный подход к лечению рака. Чтобы что-то понять, нужно выяснить, откуда это взялось. Мы подходим к раку почти как к инфекционному заболеванию. Мы рассматриваем его как нечто, что внутри нас, и что мы должны убить. Здесь кроется большое противоречие. Случай, когда этот подход в биологии действительно работал - была микробная теория болезней. Врачи обучены ставить диагноз - то есть заносить вас в определённую категорию - и применять научно доказаные методы для лечения этого диагноза. Такой подход прекрасно работает для инфекционных заболеваний. Так, если отнести ваше заболевание к категории сифилиса, можно дать вам пенициллин. Мы знаем, что это работает. Если у вас малярия, вам дадут хинин, или какую-нибудь его производную. Это то, чему обучают врачей. И это чудесно работает в случае инфекционных заболеваний. Многих людей в этой аудитории, вероятно, не было-бы в живых, если-бы врачи не делали этого.
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.
А теперь давайте применим этот подход к болезням систем, таким, как рак. Проблема в том, что рак - это не что-то инородное, что находится внутри вас. Это вы, но вы "сломаны". Это коммуникация внутри вас нарушилась, в некотором роде. Каким-же образом можно диагностировать эту коммуникацию? При современном подходе, мы относим это к какой-то части тела - мы знаем, где он находится - и мы заносим ваше заболевание в категорию в соответствии с частью тела. А затем мы проводим клинические испытания препаратов для лечения рака легких, рака простаты и рака молочной железы; мы относимся к этим видам рака, как к разным заболеваниям, и как раз этот способ деления привёл к тому, что на самом деле произошло неправильно. Конечно, было ещё много вещей, которые привели к неправильному подходу. Рак - это сбой системы. Мне кажется, мы ошибаемся, когда мы говорим о раке, как о вещи. Я думаю, что это большая ошибка. Я думаю, что рак не должен быть существительным. Мы должны говорить о "процессе рака", как о чем-то, что мы делаем, а не о том, что мы имеем. Поэтому опухоли - это симптомы рака. Наше тело, возможно, находится в "процессе рака" все время. Но в организме есть много систем, которые держат его под контролем.
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.
Чтобы дать вам более полное представление о том, что я имею в виду, используя "быть в процессе рака" в качестве глагола: представьте себе, что мы ничего не знаем о сантехнике, и что мы вернулись домой обнаружили утечку в кухне; мы бы сказали: "Ой, в моём доме вода." Мы могли бы поделить его на зоны - сантехник-бы спросил: "Где вода?" "На кухне." "А, похоже у вас кухонная вода." Примерно так обстоят сейчас дела. Кухонная вода? Ну, прежде всего, мы пойдем туда и как следует подотрём. Мы также знаем, что если посыпать специального осушающего порошка, это поможет. В случае воды в гостиной, нужно просмолить крышу. Это звучит глупо, но это в сущности то, что мы делаем. Я не говорю, что вы не должны убирать воду, если у вас рак. Но это не проблема, это признак проблемы.
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.
Что нам действительно нужно понять - так это процесс, который происходит, и что происходит на уровне белков, и почему наше тело не излечивает себя само, как это обычно бывает? Потому что обычно наше тело имеет дело с этой проблемой все время. Так же, как наш дом все время имеет дело с утечкой воды. Но он с этим справляется, это слив и так далее. То есть нам нужно иметь причинно-следственную модель того, что происходит на самом деле. И протеомика фактически дает нам возможность построить такую модель.
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.
Дэвид пригласил меня выступить с речью в Национальном институте рака. Там была Анна Баркер. В своём выступлении я задал вопрос: "Почему вы, ребята, этим не занимаетесь?" Анна сказала: "Потому что никто из тех, кто занимается раком, не рассматривает его с этой точки зрения. Но мы создадим программу для людей, не занимающихся лечением рака, дадим им возможность работать с врачами, которые действительно знают о раке, чтобы они разработали новую программу исследований ". Дэвид и я присоединились к этой программе и создали консорциум в Университете Южной Калифорнии, где собрались несколько лучших онкологов в мире, несколько лучших биологов в мире, из Колд Спринг Харбора, Стэнфорда, Остина - я даже не буду называть все места - мы получили научно-исследовательский проект, который будет длиться в течение пяти лет, и мы собираемся попробовать построить новую модель рака. Мы проверяем её на мышах. В этом процессе погибнет много мышей, но они умрут во имя благой цели. Мы попытаемся построить причинно-следственную модель из которой можно будет понять, когда случается рак, что на самом деле происходит внутри и как его лечить.
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.
Позвольте мне обрисовать вам картину того, каким, я думаю, будет лечение рака в будущем. Я думаю, когда в конце концов мы построим такую модель - конечно, наша группа не сумеет всё до конца сделать - но в конечном итоге мы будем иметь очень хорошую компьютерную модель - что-то вроде глобальной климатической модели для погоды. Она будет иметь большое количество различной информации о процессах, происходящих в протеомных коммуникациях на разных уровнях. И поэтому будет возможно использовать эту модель для конкретного вида рака - и в случае болезни моторных нейронов, в случае какого-либо системного нейродегенеративного заболевания, такие вещи - будут моделироваться для каждого конкретного случая; не для обобщённого человека, а для того, что на самом деле происходит внутри вас.
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.
С помощью этой модели мы сможем построить последовательность процедур специально для вас, это могут быть совсем не инвазивные процедуры, или минимальное количество лекарств. Это может быть что-то вроде рекомендации не есть в этот день, или немного химиотерапии, или, может быть, небольшая доза излучения. Конечно, иногда операции будут также необходимы. Но программа лечения будет построена специально для вас, чтобы помочь вашему телу вернуться в здоровое состояние. Потому что ваше тело само сделает большую часть работы по устранению неполадки, если мы только поможем ему в этом. Мы, образно говоря, наложим шины, как при переломе. Ваше тело имеет очень много механизмов для преодоления рака, мы просто должны поддержать его в правильном положении, чтобы дать ему возможность сделать эту работу.
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.
Я считаю, что так будут подходить к раку в будущем. Это потребует много работы, много исследований. Потребуется много команд, таких, как наша. Но я думаю, в конце концов, мы разработаем персональный подход лечения рака.
So thank you very much.
Спасибо большое.
(Applause)
(Аплодисменты)