Über die Definition von Leben wird heftig debattiert. Schließt sie die Fortpflanzung mit ein, oder den Stoffwechsel, oder Evolution? Ich weiß die Antwort darauf nicht, also sage ich es euch nicht. Aber ich sage, dass Leben auch Berechnung umfasst. Das ist also ein Computerprogramm. Hochgefahren in einer Zelle, würde das Programm ausgeführt und es könnte zu dieser Person führen, oder mit einer kleinen Änderung zu dieser, oder mit einer anderen kleinen Änderung zu dieser, oder mit einer größeren Änderung zu diesem Hund, oder diesem Baum, oder dem Wal hier.
So, people argue vigorously about the definition of life. They ask if it should have reproduction in it, or metabolism, or evolution. And I don't know the answer to that, so I'm not going to tell you. I will say that life involves computation. So this is a computer program. Booted up in a cell, the program would execute, and it could result in this person; or with a small change, it could result in this person; or another small change, this person; or with a larger change, this dog, or this tree, or this whale.
Wenn wir diese Metapher eines Genoms als Programm nun ernst nehmen, dann müssen Sie bedenken, dass Chris Anderson ein Computer-erzeugter Gegenstand ist, wie auch Jim Watson, Craig Venter, und alle von uns. Und indem wir uns von der Wahrheit dieser Metapher überzeugen, gibt es viele Ähnlichkeiten zwischen genetischen und Computer-Programmen, die helfen, uns zu überzeugen. Die für mich faszinierendste ist die seltsame Sensibilität gegenüber kleinen Veränderungen, die zu großen Veränderungen in der biologischen Entwicklung führen – im Output. Eine kleine Mutation kann aus einer zweiflügeligen Fliege eine vierflügelige machen. Oder sie könnte einer Fliege statt Fühlern Beine anbauen. Oder, falls Sie "Die Braut des Prinzen" kennen, einen sechsfingrigen Mann schaffen.
So now, if you take this metaphor [of] genome as program seriously, you have to consider that Chris Anderson is a computer-fabricated artifact, as is Jim Watson, Craig Venter, as are all of us. And in convincing yourself that this metaphor is true, there are lots of similarities between genetic programs and computer programs that could help to convince you. But one, to me, that's most compelling is the peculiar sensitivity to small changes that can make large changes in biological development -- the output. A small mutation can take a two-wing fly and make it a four-wing fly. Or it could take a fly and put legs where its antennae should be. Or if you're familiar with "The Princess Bride," it could create a six-fingered man.
Ein Kennzeichen von Computerprogrammen ist genau diese Sensibilität für kleine Veränderungen. Wenn Sie einen Dollar auf dem Konto haben und nur ein einziges Bit verändern, könnten Sie am Ende tausend Dollar haben. Diese kleinen Änderungen sind Dinge, die – denke ich, darauf hindeuten, dass eine komplizierte Berechnung unter diesen verstärkten, großen Veränderungen geschieht.
Now, a hallmark of computer programs is just this kind of sensitivity to small changes. If your bank account's one dollar, and you flip a single bit, you could end up with a thousand dollars. So these small changes are things that I think that -- they indicate to us that a complicated computation in development is underlying these amplified, large changes.
Nun deutet also alles darauf hin, dass molekulare Programme der Biologie zugrundeliegen und die Biologie zeigt die Macht molekularer Programme. Ich möchte gerne diese Programme schreiben, um eventuell Technologie damit zu bauen. Und davon gibt es eine Menge Leute, eine Menge synthetischer Biologen tun das, wie Craig Venter. Sie konzentrieren sich auf die Verwendung von Zellen. Sie sind zellen-orientiert. Meine Freunde, molekulare Programmierer, und ich haben eine Art biomolekulare Herangehensweise. Wir wollen DNA, RNA und Proteine verwenden, und neue Sprachen konstruieren, um Dinge von Grund auf zu schaffen, indem wir Biomoleküle verwenden, was möglicherweise nichts mit Biologie zu tun hat. Das hier sind also alle Maschinen in einer Zelle. Dort ist eine Kamera. Hier sind die Solarzellen der Zelle, ein paar Schalter, die Gene ein- und ausschalten, die Träger der Zelle, Motoren, die Muskeln bewegen. Meine kleine Gruppe molekularer Programmierer versucht, all diese Teile aus DNA nachzubauen. Wir sind keine DNA-Fanatiker, aber DNA ist das Material, das am billigsten, am verständlichsten und am leichtesten programmierbar ist. Und sobald andere Dinge leichter zu verwenden sind – vielleicht Protein – dann arbeiten wir mit denen.
So now, all of this indicates that there are molecular programs underlying biology, and it shows the power of molecular programs -- biology does. And what I want to do is write molecular programs, potentially to build technology. And there are a lot of people doing this, a lot of synthetic biologists doing this, like Craig Venter. And they concentrate on using cells. They're cell-oriented. So my friends, molecular programmers, and I have a sort of biomolecule-centric approach. We're interested in using DNA, RNA and protein, and building new languages for building things from the bottom up, using biomolecules, potentially having nothing to do with biology. So, these are all the machines in a cell. There's a camera. There's the solar panels of the cell, some switches that turn your genes on and off, the girders of the cell, motors that move your muscles. My little group of molecular programmers are trying to refashion all of these parts from DNA. We're not DNA zealots, but DNA is the cheapest, easiest to understand and easy to program material to do this. And as other things become easier to use -- maybe protein -- we'll work with those.
Wenn es uns gelingt, wie wird molekulares Programmieren aussehen? Man sitzt vorm Computer. Man entwirft so etwas wie ein Handy, und in sehr abstrakter Sprache beschreibt man dieses Handy. Dann nimmt man einen Compilerprogramm, das diese Beschreibung nimmt und sie in tatsächliche Moleküle umwandelt, die zu einem Synthesizer gesendet werden können, und dieser Synthesizer verpackt diese Moleküle in einen Samen. Und wenn man diesen Samen gießt und mit Nährstoffen versorgt, dann liefert er uns eine Wachstumsberechnung, eine molekulare Berechnung, und baut einen elektronischen Computer. Und falls meine Überzeugung noch nicht klargeworden sind, ich glaube, dass es im Leben um molekulare Computer geht, die elektrochemische Computer bauen, die elektronische Computer bauen, die zusammen mit elektrochemischen Computern neue molekulare Computer bauen werden, die neue elektronische Computer bauen können, usw.
If we succeed, what will molecular programming look like? You're going to sit in front of your computer. You're going to design something like a cell phone, and in a high-level language, you'll describe that cell phone. Then you're going to have a compiler that's going to take that description and it's going to turn it into actual molecules that can be sent to a synthesizer and that synthesizer will pack those molecules into a seed. And what happens if you water and feed that seed appropriately, is it will do a developmental computation, a molecular computation, and it'll build an electronic computer. And if I haven't revealed my prejudices already, I think that life has been about molecular computers building electrochemical computers, building electronic computers, which together with electrochemical computers will build new molecular computers, which will build new electronic computers, and so forth.
Und wenn Sie mir das alles abkaufen, und auch denken, dass Leben Berechnung ist, so wie ich, dann schauen Sie sich die großen Fragen aus Sicht eines Informatikers an. Eine große Frage ist also: Woher weiß ein Baby, wann es zu wachsen aufhören soll? Und was molekulares Programmieren betrifft: Woher weiß denn das Handy, wann es zu wachsen aufhören soll? (Lachen) Oder wie weiß ein Computerprogramm, wann es anhalten soll? Genauer gesagt, woher weiß man, ob ein Programm je aufhört? Es gibt noch andere solcher Fragen. Eine von ihnen ist Craig Venters Frage. Ich glaube ja, er ist eigentlich ein Informatiker. Er fragt, wie groß ist das kleinste Genom, das mir einen funktionierenden Mikroorganismus geben kann? Wie wenige Gene kann ich verwenden? Das ist genau analog zu der Frage, was das kleinste Programm ist, das ich schreiben kann, das sich genau so wie Microsoft Word verhält? (Lachen) Und so wie er kleinere Bakterien programmiert, wie er Genome programmiert, die funktionieren werden, so können wir kleinere Programme schreiben, die das tun, was Microsoft Word macht.
And if you buy all of this, and you think life is about computation, as I do, then you look at big questions through the eyes of a computer scientist. So one big question is, how does a baby know when to stop growing? And for molecular programming, the question is how does your cell phone know when to stop growing? (Laughter) Or how does a computer program know when to stop running? Or more to the point, how do you know if a program will ever stop? There are other questions like this, too. One of them is Craig Venter's question. Turns out I think he's actually a computer scientist. He asked, how big is the minimal genome that will give me a functioning microorganism? How few genes can I use? This is exactly analogous to the question, what's the smallest program I can write that will act exactly like Microsoft Word? (Laughter) And just as he's writing, you know, bacteria that will be smaller, he's writing genomes that will work, we could write smaller programs that would do what Microsoft Word does.
Aber bei molekularen Programmen ist unsere Frage: Wie viele Moleküle müssen wir in diesen Samen tun, um ein Handy zu erhalten? Wie weit können wir die Zahl reduzieren? Das sind große Fragen in der Informatik. Das sind alles Fragen der Komplexität, und laut Informatik sind diese Fragen sehr schwierig. Fast – viele von ihnen sind unmöglich. Aber in einigen Fällen können wir schon Antworten äußern. Ich werde also diese Fragen stellen für die DNA-Strukturen, über die ich als nächstes rede. Das hier ist normale DNA, was man für normale DNA hält. Sie hat zwei Stränge, sie ist eine Doppelhelix, und die As, Ts, Cs und Gs halten durch ihre Verbindung die Stränge zusammen. Ich werde es manchmal so aufzeichnen, nur, damit ich Sie nicht erschrecke. Wir wollen uns einzelne Stränge ansehen, nicht die Doppelhelix. Wenn wir sie synthetisieren, hat sie nur einen Strang. Wir können also den blauen Strang in einem Röhrchen haben und einen orangefarbenen im anderen Röhrchen, und wenn sie nur einen Strang hat, ist sie schwabbelig. Wenn man sie vermischt, ergeben sie eine feste Doppelhelix. In den letzten 25 Jahren arbeiteten Ned Seeman und ein paar seiner Nachfolger hart daran, wunderschöne dreidimensionale Strukturen zu erstellen, indem diese Reaktion der DNA-Stränge ausgenutzt wird. Viele ihrer Ansätze sind zwar elegant, dauern aber lange. Sie können ein paar Jahre dauern, oder sind schwierig zu entwerfen.
But for molecular programming, our question is, how many molecules do we need to put in that seed to get a cell phone? What's the smallest number we can get away with? Now, these are big questions in computer science. These are all complexity questions, and computer science tells us that these are very hard questions. Almost -- many of them are impossible. But for some tasks, we can start to answer them. So, I'm going to start asking those questions for the DNA structures I'm going to talk about next. So, this is normal DNA, what you think of as normal DNA. It's double-stranded, it's a double helix, has the As, Ts, Cs and Gs that pair to hold the strands together. And I'm going to draw it like this sometimes, just so I don't scare you. We want to look at individual strands and not think about the double helix. When we synthesize it, it comes single-stranded, so we can take the blue strand in one tube and make an orange strand in the other tube, and they're floppy when they're single-stranded. You mix them together and they make a rigid double helix. Now for the last 25 years, Ned Seeman and a bunch of his descendants have worked very hard and made beautiful three-dimensional structures using this kind of reaction of DNA strands coming together. But a lot of their approaches, though elegant, take a long time. They can take a couple of years, or it can be difficult to design.
Also dachte ich mir vor ein paar Jahren eine neue Methode aus, die ich DNA-Origami nenne, und die so einfach ist, dass man sie selbst zuhause in der Küche verrichten kann und das Zeug auf dem Laptop entwerfen. Aber um das zu tun, wird ein einzelner, langer DNA-Strang benötigt. Theoretisch kommt man da nur schwer ran. Also kann man sich einer natürlichen Quelle bedienen. Sie können in dieses Computer-generierte Produkt hineinsehen, und es hat ein doppelt gewundenes Genom – das nützt uns nichts. Man kann in seinen Darm schauen. Es gibt Milliarden Bakterien. Die nützen uns auch nichts. Wieder doppelt gewunden, aber sie sind mit einem Virus infiziert, der ein schönes, langes, einzeln gewundenes Genom hat, das wir wie ein Stück Papier falten können. Und das machen wir so.
So I came up with a new method a couple of years ago I call DNA origami that's so easy you could do it at home in your kitchen and design the stuff on a laptop. But to do it, you need a long, single strand of DNA, which is technically very difficult to get. So, you can go to a natural source. You can look in this computer-fabricated artifact, and he's got a double-stranded genome -- that's no good. You look in his intestines. There are billions of bacteria. They're no good either. Double strand again, but inside them, they're infected with a virus that has a nice, long, single-stranded genome that we can fold like a piece of paper. And here's how we do it.
Das ist Teil dieses Genoms. Wir geben noch etwas kurze, synthetische DNA dazu, die ich Krampen nenne. Jede einzelne hat eine linke Hälfte, die den langen Strang festhält, und eine rechte Hälfte, die ihn an einer anderen Stelle festhält, und so wird der lange Strang so zusammengefügt. Unterm Strich falten sich so viele von ihnen auf diesem Strang in so etwas wie ein Rechteck.
This is part of that genome. We add a bunch of short, synthetic DNAs that I call staples. Each one has a left half that binds the long strand in one place, and a right half that binds it in a different place, and brings the long strand together like this. The net action of many of these on that long strand is to fold it into something like a rectangle.
Davon können wir kein Video aufnehmen, aber Shawn Douglas aus Harvard hat uns das schön visualisiert. Hier haben wir einen langen Strang mit ein paar kurzen dran. Und dann mischen wir diese Stränge zusammen. Wir erhitzen sie, fügen etwas Salz hinzu, erhitzen sie fast bis zum Siedepunkt und kühlen sie ab, und während des Abkühlens fixieren die kurzen Stränge die langen und es bildet sich eine Struktur heraus. Und Sie können sehen, wie sich hier eine Doppelhelix formt. Wenn Sie sich DNA-Origami anschauen, können Sie erkennen, dass sie, obwohl es zunächst kompliziert scheint, nur ein Haufen Doppelhelices ist, die parallel liegen, und sie werden dort zusammengehalten, wo kurze Stränge an einer Helix entlang verlaufen und dann zu einer anderen springen. Es gibt also einen Strang, der so verläuft, entlang der Helix, sich fixiert – dann springt er zu einer anderen Helix und kommt zurück. Das fixiert den langen Strang so.
Now, we can't actually take a movie of this process, but Shawn Douglas at Harvard has made a nice visualization for us that begins with a long strand and has some short strands in it. And what happens is that we mix these strands together. We heat them up, we add a little bit of salt, we heat them up to almost boiling and cool them down, and as we cool them down, the short strands bind the long strands and start to form structure. And you can see a little bit of double helix forming there. When you look at DNA origami, you can see that what it really is, even though you think it's complicated, is a bunch of double helices that are parallel to each other, and they're held together by places where short strands go along one helix and then jump to another one. So there's a strand that goes like this, goes along one helix and binds -- it jumps to another helix and comes back. That holds the long strand like this.
Um nun zu zeigen, dass wir beliebige Formen und Muster, die wir wollten, erzeugen können, versuchte ich mich an so einer Form. Ich wollte DNA zu etwas falten, das über dem Auge hoch geht, an der Nase runter, die Nase hoch, um die Stirn, wieder runter und dann in so einem Kringel endet. Und, so dachte ich, wenn das funktioniert, geht alles. Also sollte das Computerprogramm die Krampen dafür entwerfen. Ich bestellte sie, sie kamen mit FedEx. Ich vermischte sie, erhitzte sie und ließ sie abkühlen, und bekam 50 Milliarden grinsender Gesichter, die in einem einzelnen Wassertropfen herumschwimmen. Und jedes von ihnen ist einfach ein Tausendstel so breit wie ein menschliches Haar, okay?
Now, to show that we could make any shape or pattern that we wanted, I tried to make this shape. I wanted to fold DNA into something that goes up over the eye, down the nose, up the nose, around the forehead, back down and end in a little loop like this. And so, I thought, if this could work, anything could work. So I had the computer program design the short staples to do this. I ordered them; they came by FedEx. I mixed them up, heated them, cooled them down, and I got 50 billion little smiley faces floating around in a single drop of water. And each one of these is just one-thousandth the width of a human hair, OK?
Sie schweben da also alle in der Lösung herum. Um sie zu sehen, müssen wir sie auf eine klebrige Oberfläche bekommen. Also kippen wir sie auf eine Oberfläche und sie kleben daran fest, und dann machen wir ein Bild mittels Rasterkraftmikroskopie. Es gibt eine Nadel, wie bei einem Plattenspieler, die sich auf der Oberfläche hin- und zurückbewegt, rauf und runter, und die Höhe der ersten Oberfläche ertastet. Sie fühlt das DNA-Origami. Hier ist das Rasterkraftmikroskop an der Arbeit, und man sieht, dass die Landung etwas hart ist. Beim Reinzoomen sehen wir schwache Kiefer, die über ihre Köpfe klappen, und einige ihrer Nasen wurden eingeschlagen, aber sonst ganz gut. Man kann sich reinzoomen und sogar den kleinen Kringel sehen, diesen kleinen Nano-Ziegenbart.
So, they're all floating around in solution, and to look at them, you have to get them on a surface where they stick. So, you pour them out onto a surface and they start to stick to that surface, and we take a picture using an atomic-force microscope. It's got a needle, like a record needle, that goes back and forth over the surface, bumps up and down, and feels the height of the first surface. It feels the DNA origami. There's the atomic-force microscope working and you can see that the landing's a little rough. When you zoom in, they've got, you know, weak jaws that flip over their heads and some of their noses get punched out, but it's pretty good. You can zoom in and even see the extra little loop, this little nano-goatee.
Und das Tolle daran ist, dass es jeder tun kann. Und ungefähr ein Jahr später bekam ich überraschenderweise dies in der Post. Weiß jemand, was das ist? Was ist es? Es ist China, nicht wahr? Folgendes war passiert: Eine Studentin in China, Lulu Qian, legte saubere Arbeit hin. Sie schrieb ihre ganz eigene Software, um dieses DNA-Origami zu entwerfen und zu bauen, eine wunderbare Darstellung von China, sogar mit Taiwan, und es hängt im Prinzip an der kürzesten Leine der Welt, nicht? (Lachen) Das funktioniert also echt gut und man kann Muster sowie auch Formen bauen, okay? Und man kann eine Karte von Amerika erstellen und DNA mit DNA buchstabieren.
Now, what's great about this is anybody can do this. And so, I got this in the mail about a year after I did this, unsolicited. Anyone know what this is? What is it? It's China, right? So, what happened is, a graduate student in China, Lulu Qian, did a great job. She wrote all her own software to design and built this DNA origami, a beautiful rendition of China, which even has Taiwan, and you can see it's sort of on the world's shortest leash, right? (Laughter) So, this works really well and you can make patterns as well as shapes, OK? And you can make a map of the Americas and spell DNA with DNA.
Und hier ist was Tolles... also das sieht alles ein bisschen nach Nano-Kunst aus, aber diese Nano-Kunst stellt sich als Grundlage für das Erstellen von Nano-Schaltkreisen heraus. Also kann man Schaltkreiskomponenten auf die Krampen setzen, wie eine Glühbirne und einen Schalter. Dann wartet man, bis es fertig ist, und bekommt eine Art Schaltkreis. Und dann kann man vielleicht die DNA wegspülen und hat nur den Schaltkreis. Das haben also Kollegen von mir am Caltech getan. Sie nahmen ein DNA-Origami, organisierten ein paar Nano-Röhrchen aus Kohlefasern und schlossen hier einen Schalter an, testeten es und bewiesen, dass es wirklich ein Schalter ist. Das ist nur ein einzelner Schalter. Für einen Computer braucht man eine halbe Milliarde, es ist also noch ein weiter Weg. Aber es sieht sehr vielversprechend aus, denn das Origami kann Teile von einem Zehntel der Größe von denen in einem normalen Computer bauen. Das sieht also sehr gut aus für den Bau kleiner Computer.
And what's really neat about it -- well, actually, this all looks like nano-artwork, but it turns out that nano-artwork is just what you need to make nano-circuits. So, you can put circuit components on the staples, like a light bulb and a light switch. Let the thing assemble, and you'll get some kind of a circuit. And then you can maybe wash the DNA away and have the circuit left over. So, this is what some colleagues of mine at Caltech did. They took a DNA origami, organized some carbon nano-tubes, made a little switch, you see here, wired it up, tested it and showed that it is indeed a switch. Now, this is just a single switch and you need half a billion for a computer, so we have a long way to go. But this is very promising because the origami can organize parts just one-tenth the size of those in a normal computer. So it's very promising for making small computers.
Kehren wir jetzt zu dem Compiler zurück. Das DNA-Origami ist ein Beweis, dass der Compiler funktioniert. Man beginnt also mit etwas im Computer. Man bekommt eine abstrakte Beschreibung des Programms, eine abstrakte Beschreibung des Origamis. Man kann es zu Molekülen zusammensetzen und dann an einen Synthesizer schicken, und es funktioniert wirklich. Und jetzt hat eine Firma sogar ein nettes Programm gemacht. Es ist viel besser als mein Code, der war etwas hässlich, und so können wir das auf eine schöne, visuelle und computerunterstützte Art entwerfen.
Now, I want to get back to that compiler. The DNA origami is a proof that that compiler actually works. So, you start with something in the computer. You get a high-level description of the computer program, a high-level description of the origami. You can compile it to molecules, send it to a synthesizer, and it actually works. And it turns out that a company has made a nice program that's much better than my code, which was kind of ugly, and will allow us to do this in a nice, visual, computer-aided design way.
Natürlich könnte man jetzt sagen, wieso ist denn DNA-Origami nicht das Ende der Geschichte? Hier haben wir den molekularen Compiler, damit können wir tun, was wir wollen. Man kann es aber nicht skalieren. Wenn man also aus DNA-Origami einen Menschen bauen will, braucht man einen langen Strang, der 10 Billionen Billionen Basen lang ist. Das sind drei Lichtjahre DNA, daraus wird also nichts. Und so wenden wir uns einer anderen Technologie zu, die wir algorithmische Selbstassemblierung der Bausteine nennen. Sie wurde von Erik Winfree initiiert, und diese Methode kann Bausteine von einem Hundertstel der Größe eines DNA-Origami verarbeiten. Man zoomt rein, es gibt nur vier DNA-Stränge, und auf ihnen sitzen einzelne Teilstränge, die sich an andere Bausteine heften können, wenn sie passen. Und diese Bausteine stellen wir gern als kleine Quadrate dar. Wenn man sich ihre klebrigen Enden ansieht, diese DNA-Stückchen, dann sieht man, dass sie ein Schachbrettmuster bilden. Also wird aus ihnen ein kompliziertes, sich selbst montierendes Schachbrett. Und der springende Punkt daran ist, falls das jemand verpasst hat, dass die Bausteine eine Art molekulares Programm sind, die Muster ausgeben können. Und ein faszinierender Aspekt daran ist, dass ein jedes Computerprogramm in eines dieser Bausteinprogramme übersetzt werden kann, besonders Zähler. Man kann also einen Satz Bausteine vorbereiten, die bei ihrer Verbindung einen kleinen binären Zähler formen, und kein Schachbrett. Man kann die Binärzahlen fünf, sechs und sieben ablesen.
So, now you can say, all right, why isn't DNA origami the end of the story? You have your molecular compiler, you can do whatever you want. The fact is that it does not scale. So if you want to build a human from DNA origami, the problem is, you need a long strand that's 10 trillion trillion bases long. That's three light years' worth of DNA, so we're not going to do this. We're going to turn to another technology, called algorithmic self-assembly of tiles. It was started by Erik Winfree, and what it does, it has tiles that are a hundredth the size of a DNA origami. You zoom in, there are just four DNA strands and they have little single-stranded bits on them that can bind to other tiles, if they match. And we like to draw these tiles as little squares. And if you look at their sticky ends, these little DNA bits, you can see that they actually form a checkerboard pattern. So, these tiles would make a complicated, self-assembling checkerboard. And the point of this, if you didn't catch that, is that tiles are a kind of molecular program and they can output patterns. And a really amazing part of this is that any computer program can be translated into one of these tile programs -- specifically, counting. So, you can come up with a set of tiles that when they come together, form a little binary counter rather than a checkerboard. So you can read off binary numbers five, six and seven.
Und um diese Berechnungen auf den richtigen Weg zu bringen, braucht man eine Art Input, einen Samen sozusagen. Dafür kann man DNA-Origami verwenden. Man kann die Zahl 32 auf die rechte Seite eines DNA-Origami kodieren, und wenn man diese zählenden Bausteine hinzufügt, dann beginnen sie zu zählen – sie erkennen die 32 und hören bei 32 auf. Wir haben also eine Methode gefunden, ein molekulares Programm zum wissentlichen Aufhören zu bringen. Es weiß, wann es nicht mehr weiterwachsen soll, weil es zählen kann. Es weiß, wie groß es ist. Das beantwortet also die erste Frage, die ich vorhin erwähnte. Es sagt uns aber nicht, wie Babies das hinkriegen.
And in order to get these kinds of computations started right, you need some kind of input, a kind of seed. You can use DNA origami for that. You can encode the number 32 in the right-hand side of a DNA origami, and when you add those tiles that count, they will start to count -- they will read that 32 and they'll stop at 32. So, what we've done is we've figured out a way to have a molecular program know when to stop going. It knows when to stop growing because it can count. It knows how big it is. So, that answers that sort of first question I was talking about. It doesn't tell us how babies do it, however.
Jetzt können wir versuchen, mit diesem Zählen größere Dinge zu erreichen, die DNA-Origami normalerweise nicht kann. Hier ist das DNA-Origami, und wir können eins tun, wir schreiben 32 auf beide Seiten des DNA-Origami, und können nun unsere Gießkanne verwenden und mit Bausteinen gießen, und daraus wachsen dann Bausteine und formen ein Quadrat. Der Zähler dient als Vorlage, der einen Baustein in der Mitte ausfüllen soll. Uns ist es also gelungen, etwas viel größeres als DNA-Origami zu erschaffen, indem wir DNA-Origami und Bausteine verbunden haben. Und das Tolle daran ist, man kann es umprogrammieren. Man kann einfach ein paar DNA-Stränge in der binären Darstellung ändern und bekommt 96 anstatt 32. Und wenn man das tut, hat das Origami dieselbe Größe, aber unser Quadrat ist am Ende dreimal so groß.
So now, we can use this counting to try and get at much bigger things than DNA origami could otherwise. Here's the DNA origami, and what we can do is we can write 32 on both edges of the DNA origami, and we can now use our watering can and water with tiles, and we can start growing tiles off of that and create a square. The counter serves as a template to fill in a square in the middle of this thing. So, what we've done is we've succeeded in making something much bigger than a DNA origami by combining DNA origami with tiles. And the neat thing about it is, is that it's also reprogrammable. You can just change a couple of the DNA strands in this binary representation and you'll get 96 rather than 32. And if you do that, the origami's the same size, but the resulting square that you get is three times bigger.
Das fasst also zusammen, was ich vorhin über Entwicklung erzählte. Wir haben ein sehr sensibles Computerprogramm, wo kleine Änderungen – winzige, einzelne Mutationen – etwas nehmen, das ein Quadrat einer Größe schuf, und daraus etwas viel Größeres machen. Und das – die Verwendung von Zählern zur Berechnung und zum Bau dieser Dinge durch diese Art Entwicklungsprozess ist etwas, das sich auch auf Craig Venters Frage auswirkt. Also kann man fragen: "Wie viele DNA-Stränge braucht man, um ein Quadrat einer bestimmten Größe zu bauen?" Wenn wir ein Quadrat der Größe 10, 100 oder 1.000 machen wollten, wenn wir nur DNA-Origami dazu verwendeten, dann entspräche die benötigte Anzahl der DNA-Stränge der Größe des Quadrats im Quadrat: Wir brauchten also 100, 10.000 oder eine Million DNA-Stränge. Das können wir uns nicht so recht leisten. Aber wenn wir unsere Berechnungen nehmen – wir nehmen Origami, und ein paar zählende Bausteine – dann geht das auch mit 100, 200 oder 300 DNA-Strängen. Und so können wir die Zahl der verwendeten DNA-Stränge mit nur ein bisschen Zählen und Berechnung exponentiell verringern. Berechnung ist also eine sehr effektive Art, die Anzahl der zum Bau benötigten Moleküle zu reduzieren und die Größe des zu bauenden Genoms zu reduzieren.
So, this sort of recapitulates what I was telling you about development. You have a very sensitive computer program where small changes -- single, tiny, little mutations -- can take something that made one size square and make something very much bigger. Now, this -- using counting to compute and build these kinds of things by this kind of developmental process is something that also has bearing on Craig Venter's question. So, you can ask, how many DNA strands are required to build a square of a given size? If we wanted to make a square of size 10, 100 or 1,000, if we used DNA origami alone, we would require a number of DNA strands that's the square of the size of that square; so we'd need 100, 10,000 or a million DNA strands. That's really not affordable. But if we use a little computation -- we use origami, plus some tiles that count -- then we can get away with using 100, 200 or 300 DNA strands. And so we can exponentially reduce the number of DNA strands we use, if we use counting, if we use a little bit of computation. And so computation is some very powerful way to reduce the number of molecules you need to build something, to reduce the size of the genome that you're building.
Und schließlich komme ich zu der verrückten Idee zurück, dass Computer Computer bauen. Schauen Sie sich das Quadrat an, das wir mit dem Origami gebaut haben, und die Zähler, die aus ihm wachsen, sein Muster ist exakt das Muster, das wir brauchen, um einen Speicher zu erschaffen. Befestigen wir also ein paar Drähte und Schalter an den Bausteinen – wir heften sie also nicht an die Stränge, sondern an die Bausteine – dann bauen sie die komplizierteren Schaltkreise selbst zusammen, die Demultiplexer-Schaltkreise, die wir für diesen Speicher brauchen. Also können wir einen komplizierten Schaltkreis schaffen, indem wir nur ein bisschen Berechnung verwenden. Es ist ein molekularer Computer, der einen elektronischen baut. Und jetzt fragt ihr: "Wie weit sind wir auf dieser Straße?" Experimentell haben wir das im vergangenen Jahr getan. Hier ist ein Rechteck aus DNA-Origami, und hier wachsen ein paar Bausteine daraus. Und man kann sehen, wie sie zählen. Eins, zwei, drei, vier, fünf, sechs, neun, zehn, elf, zwölf, siebzehn. Da sind ein paar Fehler drin, aber wenigstens zählt es in eine Richtung. (Lachen)
And finally, I'm going to get back to that sort of crazy idea about computers building computers. If you look at the square that you build with the origami and some counters growing off it, the pattern that it has is exactly the pattern that you need to make a memory. So if you affix some wires and switches to those tiles -- rather than to the staple strands, you affix them to the tiles -- then they'll self-assemble the somewhat complicated circuits, the demultiplexer circuits, that you need to address this memory. So you can actually make a complicated circuit using a little bit of computation. It's a molecular computer building an electronic computer. Now, you ask me, how far have we gotten down this path? Experimentally, this is what we've done in the last year. Here is a DNA origami rectangle, and here are some tiles growing from it. And you can see how they count. One, two, three, four, five, six, nine, 10, 11, 12, 17. So it's got some errors, but at least it counts up. (Laughter)
Diese Idee hatten wir vor neun Jahren, und das ist die ungefähre Zeitkonstante, die wir zum Erreichen dieser Dinge benötigen. Ich würde sagen, wir haben viel geschafft. Wir haben ein paar Ideen, wie wir diese Fehler lösen, Und ich glaube, dass wir in den nächsten 5 bis 10 Jahren die Quadrate herstellen können, die ich beschrieben habe, und vielleicht sogar ein paar der selbstmontierten Schaltkreise.
So, it turns out we actually had this idea nine years ago, and that's about the time constant for how long it takes to do these kinds of things, so I think we made a lot of progress. We've got ideas about how to fix these errors. And I think in the next five or 10 years, we'll make the kind of squares that I described and maybe even get to some of those self-assembled circuits.
Was möchte ich euch allen aus diesem Vortrag mitgeben? Ich möchte, dass ihr euch bewusst seid, dass das Leben, um seine sehr diversen und komplexen Formen zu erschaffen, Berechnung verwendet. Und die verwendeten Berechnungen sind molekular, und um das zu verstehen und es besser in den Griff zu bekommen, wie Feynman sagte, müssen wir etwas bauen, um es zu verstehen. Also werden wir Moleküle nehmen und das alles umbauen, es von Grund auf zu erbauen, indem wir DNA so verwenden, wie die Natur es nie beabsichtigte, indem wir DNA-Origami verwenden, und das soll diese algorithmische Selbstassemblierung begründen.
So now, what do I want you to take away from this talk? I want you to remember that to create life's very diverse and complex forms, life uses computation to do that. And the computations that it uses, they're molecular computations, and in order to understand this and get a better handle on it, as Feynman said, you know, we need to build something to understand it. And so we are going to use molecules and refashion this thing, rebuild everything from the bottom up, using DNA in ways that nature never intended, using DNA origami, and DNA origami to seed this algorithmic self-assembly.
Und das ist alles schon ziemlich cool, aber was ihr aus diesem Vortrag mitnehmen solltet, vielleicht aus einer dieser großen Fragen, ist dass sich die molekulare Programmierung nicht ums Erschaffen von Spielereien dreht. Es geht nicht nur um – es geht nicht um selbstmontierte Handys und Schaltkreise. Es geht aber darum, mithilfe der Informatik große Fragen in einem neuen Licht zu betrachten, neue Versionen dieser großen Fragen zu stellen und zu verstehen, wie die Biologie solche faszinierenden Dinge schaffen kann. Danke. (Applaus)
You know, so this is all very cool, but what I'd like you to take from the talk, hopefully from some of those big questions, is that this molecular programming isn't just about making gadgets. It's not just making about -- it's making self-assembled cell phones and circuits. What it's really about is taking computer science and looking at big questions in a new light, asking new versions of those big questions and trying to understand how biology can make such amazing things. Thank you. (Applause)