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.
Şu an biraz heyecanlı olduğumu belirtmek istiyorum çünkü seyirciler arasında kanseri benden daha iyi bilen pekçok insan var ve ben de kanser hakkında değişik düşünmemiz gerektiği ile ilgili radikal birşeyler söylemek üzereyim. Ama aslında bir yandan da aslında olmam gerektiğinden daha az heyecanlıyım çünkü bu konuda haklı olduğumdan hemen hemen eminim. (Gülüşmeler) Aslında bence bu, gelecekte kanser tedavisinde esas kullanılan yöntem olacak. Kanserden bahsetmek için, aslında öncelikle-- durun şu büyük slaytı göstereyim. Önce size genomik ile ilgili farklı bir bakış açısı sunmaya çalışacağım. Etrafta olan biten diğer şeylerin yanında büyük resmi de göreceli olarak göstermek istiyorum-- daha sonra da şimdiye kadar çok duymadığınız bir konu olan proteomik'ten bahsedeceğiz. Bunları açıklamak, bence kanseri ne şekilde tedavi etmeye başlayacağımıza ilişkin farklı fikirlerin oluşmasını sağlayacaktır.
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.
Önce genomik ile başlamama izin verin. Çok popüler bir konu. En çok birşeyler öğrendiğimiz alan. En yeni ufuk burası. Ama bazı kısıtları var. Özellikle de, genomun vücudunuzun neredeyse bir ozalit kopyası olduğu benzetmesini duymuşsunuzdur. Eğer gerçek olsaydı çok süper olurdu, ama değil. daha çok vücudunuzdaki parçaların bir listesi. Farklı şeylerin nasıl birleştiğini, neyin neye sebep olduğunu göstermiyor. Eğer bir benzetme yapacak olursam, diyelim ki iyi bir restorantla, sağlıklı bir restorantla sağlıksız bir restorantı birbirinden ayırdetmeye çalışıyorsunuz, ve elinizdeki tek şey de bunların kilerlerindeki malzemelerin listesi. Bu şuna benziyor, bir Fransız restorantına gidiyorsunuz ve kilerı inceliyorsunuz, bakıyorsunuz ki kilerde sadece margarin var ama tereyağı yok, şöyle diyebilirsiniz: ' Ah, burada neyin yanlış gittiğini buldum, onları daha sağlıklı yapabilirim.' Büyük ihtimalle bu duruma uyan özel durumlar da vardır. Mesela sadece kilere bakarak bir Fransız Restorantı ile Çin restorantı arasındaki farkları gösterebilirsiniz. Evet, malzemerin listesi size birşeyler söyler, ama bazen de size yanlış birşeyler söyler. Eğer çok fazla tuz görürseniz, çok tuz kullandıklarını, ya da buna benzer birşeyleri söyleyebilirsiniz. Ama bu çok sınırlıdır, çünkü buranın gerçekten sağlıklı bir restorant olduğunu anlamak için, yemeklerden tatmanız, mutfakta neler olup bittiğini bilmeniz gerekir, tüm bileşenlerin ortak ürününe bakmalısınız.
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.
Yani ben bir insana sonra da o insanın genomuna bakarsam bunun gibi birşey. Genomun okuyabildiğimiz kısmı bir malzeme listesinden farksız. Gerçekten de zaman zaman kötü malzemeler bulduğumuz oluyor. Kistik Fibroz hastalığı bunz güzel bir örnek, kötü bir malzeme var, ve hastalık ortaya çıkıyor, yani hastalıkla malzeme arasında direkt bir bağlantı kurabiliyoruz. Ama çoğu şey için, gerçekte mutfakta ne olup bittiğini bilmeniz gerekir, çünkü genelde, hasta insanlar önceleri sağlıklı oluyorlar -- aynı genoma sahipler. Yani, aslında genom size daha çok yatkınlık hakkında bilgi veriyor. Yani esasında Asyalı biri ile Avrupa'lı biri arasındaki farkı malzemeler listesine bakarak söyleyebilirsiniz. Ama çok özel bazı durumlar haricinde genelde hasta bir insan ile sağlıklı bi insan arasındaki farkı söylemeniz pek mümkün değil.
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.
Peki, o zaman genetik ile ilgili bu acayip popülerlik neden? En önemlisi, onu okuyabiliyoruz, ki bu müthiş bir şey. Bazı özel durumlara çok faydalı. Aynı zamanda biyolojinin müthiş bir teorik zaferi. Biyologların tam ve doğru olarak ortaya koyabildikleri bir teori. Darwin ve Mendel, ve benzerleri için temel bir teori. Teorik altyapıyı öngörmemizi sağlayan tek şey bu. Mendel'in kafasındaki gen fikri soyut bir fikirdi. Dawrın ise genlerin var olduğunu kabul ederek üzerlerine tamamlanmış bir teori kurdu. Daha sonra Watson ve Crick genleri aramaya başladılar ve aslında bulmayı da başardılar. Buna benzer şeyler fizikte her zaman olur. Bir kara delik öngörüsünde bulunursunuz, derken teleskopla bakarsınız ve oradadır, tam olacağını söylediğiniz yerde. Ama bu biyolojide oldukça nadir olur. Bu nedenle bu büyük başarı -- çok ama çok büyük-- neredeyse biyolojide yaşanan ulvi bir deneyim diyebiliriz. Darwin'in Evrim Teorsi de gerçekte çok temel bir teori.
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.
Bu kadar popğler olmasının bir diğer nedeni onu ölçebiliyor olmamız, dijital. Ve aslında, Kary Mulis sayesinde, kendi mutfağınızda bile birkaç ilave malzeme ile, kendi genomunuzu ölçebilirsiniz. Mesela, genomu ölçerek, başka hayvanlara ne kadar yakın akraba olduğunuzu öğrendik bunu genoumuzun benzerliği ile yaptık, ya da yaşam ağacında, aile ağacındaki yakın akrabalarımızı öğrendik. Sadece genetik benzerliği karşılaştırarak bile genetik biliminden inanılmaz miktarda bilgi edinebilirsiniz. Elbette, tıbbi uygulamalarda, bu çok faydalı, çünkü bu doktorunuzun sizden aile öykünüzü alırken sorduğu bilgilerle aynı türde bir bilgi -- tek farkı büyük ihtimalle, genomunuzun tıbbi özgeçmişinizi sizden daha iyi biliyor olması. Yani genomunuzu okuyarak, aileniz hakkında sizin bildiğinizden çok daha fazlasını öğrenebiliriz. Ve büyük ihtimalle akrabalarınıza bakarak bulabileceğiniz bazı şeyleri genomunuza bakarak keşfedebiliriz, bazıları epey şaşırtıcı olabilir. ben 23veBen testini yaptım sonucunda şişman ve kel olduğum ortaya çıkınca epey şaşırdım. (Gülüşmeler) Ama bazen bundan gerçekten çok daha anlamlı ve faydalı şeyler öğrenebilirsiniz.
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.
Ama genelde hastalandığınızda esas bilmek istediğiniz hangi hastalıklara yatın olduğunuzdan ziyade o an vücudunuzda neler olup bittiğidir. Bunu yapabilmek için de, esas yapmanız gereken genetik kısmından sonra olan bitenler genlerin ürettiği diğer şeylere bakmaktır. Proteomik işte bununla ilgili bir şey. Nasıl genom, tüm genleri bir araya getiren bir bilim dalı ise proteomik de tüm proteinleri inceleyen bilim dalı. Proteinler, vücudunuzda, hücreler arası sinyalleri taşıyan ufak maddeler -- aslında çalışan ufak birer makinalar. Olayın esas yaşandığı yer burası. Aslında, insan vücudunda sürekli bir karşılıklı iletişim mevcut. hücrelerin içinde ve aralarında sürüp gidiyor, birbirlerine ne zaman büyümeleri veya ölmeleri gerektiğini söylüyorlar. hastalandığınızda ise bu iletişimde bir bozukluk ortaya çıkıyor. Burada zor olan şu, ne yazık ki, elimizde bunları genomu ölçtüğümüz gibi ölçebilecek bir yöntem yok.
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.
yani esas sorun ölçümleme -- eğer tüm proteinleri ölçmeye çalışırsanız bu çok karmaşık bir süreçtir. Yüzlerce adım gerektirir, ve çok ama çok uzun zaman alır. Vep proteinin ne kadarını ölçtüğünüz sonucu etkiler. Bir proteinin %10 değişmesi epek kayda değer olabilir, yani DNA gibi hoş, dijital bir şey değil. Ve basitçe en büyük problemlemimiz şu ki, biri bu sürecin içindeki herhangi bir aşamada bir dakikacık beklerse bir enzimi bir yerde bir saniye bırakırsa o andan itibaren yapılan tüm ölçümler işe yaramaz olacaktır. Bu nedenle insanlar bu şekilde ölçüm yaptıklarında çok tutarsız sonuçlara ulaşırlar. Çoğu kişi bunu yapmak için çok çalıştı. Ben de birkaç kez denedim bu probleme baktım, ve sonunda vaz geçtim.
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."
Sonra David Agus isimli bir onkolog (kanser uzmanı) beni aramaya başladı. Applied Minds, sorunlarının çözülmesini isteyen çok kişiden pek çok telefon alır, ben de bu telefonun geri aranma ihtimalinin düşük olduğunu düşündüm ve aramayı sürekli erteledim. Sonra bir gün, aynı gün içinde John Doerr, Bill Berkman ve Al Gore beni aradı ve hepsi David Agus'un telefonuna cevap vermemi söyledi. (Gülüşmeler) Ben de "En azından epey bağlantısı olan bir adam" diye düşündüm. (Gülüşmeler) Böylece konuşmaya başladık, Bana " Proteinleri ölçümlemenin daha iyi bir yoluna ihtiyacım var." dedi. Ben de ona "Ben de çok denedim, pek kolay olmayacak." dedim. O da bana "Yo, yo, buna gerçekten ihtiyacım var. Her gün, içlerinde neler olup bittiğini göremediğimizden pekçok hastanın ölümünü izliyorum. Bunu yapmanın bir yolu olmalı." dedi. Ve bana ne zaman ihtiyacı olduğunu gösteren özel örnekleri bir bir gösterdi. Ve fark ettim ki, vay canına, bunu başarabilirsek gerçekten bir fark yaratabiliriz. Sonunda dedim ki, " Tamam, bir bakalım."
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 Minds'da herhangi birinden gelecek fon veya izine ihtiyaç duymadan ilgilendiğimiz bir konuya eğilmemizi sağlayacak kadar birikim mevcut. Biz de bu fikir ile uğraşmaya başladık. Ve bunu yaptıkça, fark ettik ki esas sorun -- kahveden bir yudum almak bile olabilir-- karmaşık süreçleri insanlar yürütüyor ama esas yapılması gereken şey bir nevi montaj bantı yapar gibi süreci otomatik hale getirerek, proteomikleri ölçecek robotlar üretmek. Biz de bunu yaptık. David ile birlikte, önce Uygulamaları Proteomik adında ufak bir şirket kurduk, bu şirketle proteinleri çok tutarlı bir şekilde ölçebilen robotik iş bantlarını ürettik. Size protein ölçümünün nasıl olduğunu göstereceğim.
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.
Basitçe yaptığımız şu hastadan bir damla an alıyoruz ve bu bir damla kanın içindeki proteinleri ağırlıklarına ne kadar kaygan olduklarına göre sıralıyoruz ve bir görsel oluşturuyoruz. Böylece, gerçek anlamda bir damlacık kanı kullanarak binlerce özelliğe bakabiliyoruz. yarın bir örnek daha alabiliriz, proteinlerinizin yarınki örnekte daha farklı olduğunu görebilirsiniz -- yemek yedikten sonra ya da uykudan sonra da farklı olacaklardır. Bize gerçekten içeride ne olup bittiğni söylüyorlar. Bu resim size bulanık koca bir leke gibi görünüyor olabilir, ama aslında beni bu konuda çok heyecanlandıran resimlerden biri doğru yolda olduğumuzu hissetmemi sağladı. Bu resimi yaklaştırırsam size ne demek istediğimi gösterebilirim. Proteinleri sıralıyoruz -- soldan sağa doğru elde ettiğimiz parçacıkların ağırlıklarına göre sıralanmış durumdalar. YUkarıdan aşağıya ise kayganlıkları sıralanmış durumda. Size birazını gösterebilmek için yaklaştırıyorum. Bu çizgilerden her biri bir proteinin bir parçasından elde ettiğimiz sinyalleri temsil ediyor. Bu ufak gruplar içinde çizgilerin nasıl oluştuğunu görebilirsiniz....bum...bum....bum.... Bunun nedeni ağırlığı çok hassas bir şekilde ölçüyor olmamız -- karbon atomunun farklı izotopları var ve eğer üzerinde fazladan bir nötron varsa onu aslında farklı bir kimyasal olarak ölçüyoruz. Yani aslında her bir izotopu farklı ölçüyoruz.
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.
Bu, size yaptığımız şeyin ne kadar ince bir hassasiyette olduğunu gösteriyor. Bu resme bakmak aslında bir nevi Galileo olmak gibi birşey, teleskop kullanarak yıldızlara ilk defa bakıyorsunuz, ve sonrasında da birden "Vay canına, tahmin ettiğimizden çok daha karmaşıkmış" diyorsunuz. Ama oradaki şeyleri görebiliyorsunuz yani onların özelliklerini görebiliyorsunuz. Paternler bulmak için aramanız gereken özgül işaretler bunlar. Bununla şunu yapabilirizi mesela iki hastaya bakabiliriz, bunlardan biri bir ilaca cevap vermiş, diğeri ise cevap vermemiş olsun, ve şu soruyu sorabiliriz "Bu hastaların içlerinde olup biten şeydeki fark nedir?" ve böylece bu ölçümleri yeterince hassas yaparak iki hastanın sonuçlarını üst üste koyup aralarındaki farka bakabiliriz.
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.
Burada Alice'in sonuçları yeşil renkli Bob'unkiler ise kırmızı. Bunları üst üste koyuyoruz. Bu erçek bir veri. Burada görebildiğiniz gibi çoğu üstüste geliyor, sarı renkte. Ama sadece Alice'de olan şeyler ya da sadece Bob'da olan şeyler de var. Ve bu ilaca cevap verelenlerde bunların belirli paternleri olduğunu buluyoruz. Gördüğümüz şu, kanlarında bu ilaca yanıt vermelerine neden olan bir durum mevcut. Bu proteinin hangi protein olduğunu bilmeyebiliriz ama bu hastalığa karşı verilecek yanıtı gösterebilecek bir marker bu. Bence bu şu hali ile bile tıbbın pekçok alanında inanılmaz faydalı. Ama aslında, bence bu gelecekte kanseri nasıl tedavi edeceğimizin de bir başlangıç noktası. Kanser konusuna girelim biraz da.
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.
Kanser ile ilgili olan şu -- bu konulara el attığımda kanser ile ilgili hiçbir şey bilmiyordum, ama David Agus ile çalışırken kenserin çu anda nasıl tedavi edildiğini izlemeye başladım ve kanserli dokunun alındığı ameliyatlara girdim. Buna baktığımda, kansere olan yaklaşımımız bana çok mantıklı gelmedi. Bunun kafama yatması için nereden geldiğini anlamam şart. Bizler, kanseri bir bulaşıcı hastalık gibi tedavi ediyoruz. Sanki içinize girmiş ve öldürülmesi gereken bir şey gibi. Bu önemli bir model. Bu teorik modelin biyolojide gerçekten de çok iyi çalıştığı bir durum var --, o da hastalıklardaki mikrop teorisi. Doktorların genelde eğitim aldığı konu tanı koymak -- yani sizi bir nevi kategorize etmek ve o tanıya özgü bilimsel olarak kantılanmış bir tedavi uygulamaktır. Bu, bulaşıcı haslatıklar için çok iyi çalışan bir model. Eğer sifiliz (frengi) hastasıysanız sizi bu kategoriye dahil edebilir ve size pensilin verebiliriz. İşe yaradığını biliyoruz. Eğer sıtma olursanız, size kinin ya da benzer bir türevini veririz. Doktorların eğitim aldıkları temel konular bunlar. Bu, enfeksiyon hastalıklarında adeta bir mucize gibi çalışıyor. Doktorlar bunu yapmamış olsaydı, şu anda bu konuşmayı dinleyen pekçok kişi hayatta olmazdı.
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.
Şimdi bunu bakış açısını kanser gibi sistemik bir hastalığa uygulayalım. Kanser ile ilgili olan sorun şu, o vücudunuzun içindeki yabancı bir madde değil. Vücudunuzun ta kendisi, sadece bozulmuş durumda. Vücut içindeki iletişiminiz bir şekilde karşımış. Bu iletişimi ne şekilde tanıyabiliriz? Şu an yapmakta olduğumuz şey, vücudu bölgelerine ayırmak -- biliyorsunuz, kanserin nereden çıktığına göre. -- ve sizi kanserin hangi vücut bölgesinde çıktığına göre farklı sınıflara ayırıyoruz. Daha sonra da akciğer kanseri prostat kanseri ve mem kanseri için farklı farklı klinik deneyler yapıyoruz, bunlara sanki farklı hastalıklarmış gibi davranıyoruz, ve bu hastalıkları bu şekilde ayırmak esas ters giden şeyle de ilgili. Elbette, ter giden şeyin ne olduğu ile çok fazla ilgisi yok. Çünkü kanser sistemin iflasıdır. Aslında, düşünüyorum da, sanırım kanserden bir nesne gibi bahsetmek bile hata. Bence bu büyük bir hata. Bence kanser bir sıfat olmalı. Sahip olduğumuz bir yapının kanserleşmesinden bahsetmeliyiz sahip olmadığımız değil. Bu tümörler, bunlar kanserin belirtileri. Büyük ihtimalle vücudunuz her an kanserleşiyor. Ama vücudunuzda bu durumu kontrol altında tutacak çok fazla savunma sistemi de var.
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.
Size kanseri bir fiil olarak kullanma konusunda bir fikir vermesi açısından bir örnek vereyim. Düşünün ki sıhhi tesisatçılık hakkında hiç bilgimiz yok, ama onun hakkında şöyle konuşuyoruz, bir gün eve geliyoruz ve mutfakta bir sızıntı keşfediyoruz ve diyoruz ki "Of, evimde su var." Onu ayrıştırabilriz.-- muslukçu şöyle diyebilir, "Eee, peki su nerede?" "Mutfakta". "Ah o zaman sizin sorununuz mutfak suyu olmalı." Burada olan şey hemen hemen bu seviyede. "Mutfak suyu mu?" Herşeyden önce mutfağa girip orayı paspaslamamız gerek. Ayrıca eğer mutfakta lavabo açıcı kullanırsak bunun işe yarayacağını biliyoruz. Ama sorun oturma odası suyu ise daha doğru olan çatıdaki katranı tamir etmek." Aptalca geliyor, biliyorum, ama yaptığımız hemen hemen bu. Eğer kanser olduysanız yerdeki suyu paspaslamayın demiyorum. Söylemeye çalıştığım bunun esas problem olmadığı; sadece problemin bir belirtisi.
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.
Esas anlamamız gereken sürecin ne olduğu, ve bu da aslında proteonomik hareketler seviyesinde oluşuyor, vücudunuzun normalde yaptığı gibi neden kendi kendini tamir edemediği ile ilgili bir seviyede. Çünkü normalde, vücudunuz bu sorunla sürekli yüzleşiyor. Ya da evinizde sürekli bir su sızıntısı sorunu var. Ama ev onları tamir ediyor, süzüyor vesaire. demek ki esas ihtiyacımız olan esas olup biteni gösteren bir bir nedensel model. ve Proteomik, bize aslında böyle bir model kurma şansı veriyor.
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, benim Ulusal Kanser Enstitü'sünde bir konuşmaya davet etti. Anna Barker de oradaydı. Ben de bir konuşma yaptım ve dedim ki "Neden bunu yapmıyorsunuz?" diye sordum. Anna bana dedi ki, "Çünkü kanser hastaları asla bu şekilde konuya bakmazlar. Esas yapacağımız şey, kanser alanı dışında çalışan insanlardan kanser ile ilgili çok şey bilen doktorlarla bir araya gelmelerini sağlayarak bir program hazırlamak ve farklı araştırma programları planlamak. Böylece David ve ben, bir program baş vurduk ve USC'de bir kurul oluşturuk. Bu kurulda dünyadaki en iyi onkologlarından bazıları dğnyanın en iyi biyologlarından bazıları mevcut, Cold Spring Harbor'dan Stanford, Austin'e kadar -- Tek tek yerleri ve isimleri saymayacağım-- Bunu beş yıl sürecek ve kanser hastalığı için bahsettiğim gibi bir model kuracak bir proje için oluşturduk. Şu an fareler üzerinden çalışıyoruz. Bu süreç içinde pek çok fareyi öldüreceğiz, ama hepsi insanlığa bir fayda sağlayarak ölecekler. Aslında illeride ulaşmak isteyeceğimiz nokta kanserin ne zaman orataya çıktığı ortaya çıkarken ne gibi değişikliklere neden olduğu, ve hangi tedavilerin kanseri tedavi edebildiği bilgilerini içeren bir öngörü modeli.
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.
Size, gelecekte kanser tedavisinin nasıl olacağını temsil eden bir resim öizmeme izin verin. Bence sonunda, bir kez bu tip insan modellerinie sahip olursak, ki mutlaka bir gün olacağız -- Yani bizim ekibimiz tam bu noktaya varamayabilir ama en sonunda aynen hava durumu için kullandığımız global iklim modeli gibi bir model olacak. Model içinde bu proteomik dönüşüm sırasında ortaya çıkan süreçlere ait çok fazla sayıda ve çok fazla seviyede bilgi olacak. Ve bu modeli kullanarak sizin özel kanserinizi simüle edebileceğiz. Aynı şey ALS için de ya da diğer sistemik nörodejeneratif hastalılar, ve benzerleri için de geçerli -- Size özel bir simülasyon yapacağız, herkese uyarlanabilir genel bir sümülasyon değil, aksine vücudunuzun içinde nele olup bittiğini gösterecek.
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.
Bu simülasyonu kullanarak size özel bir grup ardışık tedavi seansı yapmamız mümkün olacak, bunlar çok hafif tedaviler olacak, çok düşük dozlu ilaçlar. Ya da diğer ufak şeyler "Bugün yemek yeme" gibi, ya da ufak dozlu kemoterapiler, belki biraz radyasyon tedavisi. Elbette gerektikçe cerrahi de uygulayacağız. Ama sizi sağlığınıza geri döndürmek ve vücudunuza yardımcı olmak için size özel bir tedavi programı tasarlanmış olacak. Çünkü, eğer düzgün destek verirsek vücudunuz bu durumu düzeltmek için elinden geleni yapacak. Bir nevi alçıya almak gibi. Yani aslında vücudunuzun kanseri tamir etmek için halihazırda pekçok mekanızması mevcut bize düşen sadece onları işlerini yapabilmeleri için doğu şekilde desteklemek.
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.
ben, kanserin gelecekteki tedavi yönteminin bu şekilde olacağına inanıyorum. Elbette çok fazla çalışma ve araştırma gerelkiyor. Bu konuda , bizim takımımıza benzer çok fazla sayıda farklı grup oluşacaktır. Ama eninde sonunda herkes için, kişiye özel bir kanser tedavi yöntemi geliştireceğiz.
So thank you very much.
Çok teşekkür ederim.
(Applause)
(Alkışlar)