Showing Revision 14 created 10/21/2019 by Maricene Crus.

1. Títol:
   Como estamos usando tecnologia de DNA para ajudar agricultores a combater doenças nas plantações
2. Descripció:

   Quase 800 milhões de pessoas em todo o mundo dependem da mandioca para sobrevivência, mas esta fonte vital de alimento está sob ataque de vírus totalmente evitáveis, diz a bióloga computacional e Bolsista TED Senior Laura Boykin. Ela nos leva para as lavouras na África Oriental, onde está trabalhando com uma equipe multidisciplinar de cientistas para ajudar agricultores a manter suas plantações saudáveis usando um laboratório de DNA portátil e um minisupercomputador que pode identificar vírus em horas, em vez de meses.

3. Speaker:
   Laura Boykin
4. 991 0:01 - 0:03
   Eu me levanto da cama por dois motivos.
5. 3341 0:03 - 0:07
   Primeiro, pequenos agricultores familiares
   precisam de mais comida.
6. 7738 0:08 - 0:13
   É uma loucura que em 2019, agricultores
   que nos alimentam passem fome.
7. 13353 0:13 - 0:18
   E segundo, a ciência precisa ser
   mais diversificada e inclusiva.
8. 18679 0:19 - 0:22
   Se vamos resolver os problemas
   mais difíceis do planeta,
9. 22125 0:22 - 0:26
   como insegurança alimentar para os milhões
   que vivem em extrema pobreza,
10. 26482 0:26 - 0:28
    isso dependerá de todos nós.
11. 28680 0:29 - 0:31
    Quero usar a tecnologia mais recente

    ¶

12. 31284 0:31 - 0:35
    com as equipes mais diversas
    e inclusivas do planeta
13. 34601 0:35 - 0:37
    para ajudar agricultores
    a ter mais comida.
14. 37545 0:38 - 0:39
    Sou bióloga computacional.
15. 39450 0:39 - 0:43
    Mas o que é isso e como vai ajudar
    a acabar com a fome?
16. 42878 0:43 - 0:46
    Basicamente, gosto
    de computadores e biologia
17. 46148 0:46 - 0:49
    e, de alguma forma,
    juntar os dois vira um trabalho.
18. 48616 0:49 - 0:50
    (Risos)

    ¶

19. 49723 0:50 - 0:51
    Não tenho uma história

    ¶

20. 51267 0:51 - 0:55
    de querer ser bióloga desde pequena.
21. 54577 0:55 - 0:58
    A verdade é que joguei
    basquete na faculdade.
22. 58585 0:59 - 1:04
    E, como parte do financiamento estudantil,
    eu trabalhava um período no campus.
23. 64300 1:04 - 1:06
    Um belo dia,
24. 65864 1:06 - 1:09
    andei até o prédio mais próximo
    do meu dormitório.
25. 69085 1:09 - 1:12
    E acontece que era o prédio da biologia.
26. 72347 1:12 - 1:15
    Entrei e vi o quadro de vagas de emprego.
27. 75493 1:15 - 1:18
    Isso mesmo, ainda não havia a internet.
28. 78430 1:18 - 1:24
    E vi um pequeno anúncio de uma vaga
    para trabalhar no herbário.
29. 84601 1:25 - 1:27
    Rapidamente anotei o telefone,
30. 86626 1:27 - 1:28
    porque dizia "horário flexível",
31. 88355 1:28 - 1:32
    e eu precisava disso para conciliar
    com a agenda do basquete.
32. 92204 1:32 - 1:37
    Corri para a biblioteca
    para descobrir o que era um herbário.
33. 96815 1:37 - 1:39
    (Risos)

    ¶

34. 99046 1:39 - 1:40
    E descobri

    ¶

35. 100379 1:40 - 1:44
    que é onde armazenam
    plantas mortas e secas.
36. 105379 1:45 - 1:47
    Tive sorte de conseguir o emprego.
37. 107117 1:47 - 1:50
    Minha primeira tarefa científica
38. 110347 1:50 - 1:56
    foi colar plantas mortas
    no papel por horas a fio.
39. 115706 1:56 - 1:58
    (Risos)

    ¶

40. 119008 1:59 - 2:00
    É tão fascinante.

    ¶

41. 120182 2:00 - 2:03
    Foi assim que me tornei
    bióloga computacional.
42. 124323 2:04 - 2:06
    Naquela época,
43. 125530 2:06 - 2:08
    genômica e computação
    estavam amadurecendo.
44. 128276 2:08 - 2:11
    E resolvi fazer meu mestrado
45. 130704 2:11 - 2:14
    combinando biologia e computação.
46. 133823 2:14 - 2:17
    Nessa época, trabalhei
    no Laboratório Nacional de Los Alamos,

    ¶

47. 136815 2:17 - 2:20
    no grupo teórico de biologia e biofísica.
48. 139776 2:20 - 2:24
    E foi lá que tive meu primeiro encontro
    com um supercomputador,
49. 143530 2:24 - 2:25
    e aquilo me impactou.
50. 145840 2:26 - 2:28
    Com o poder da supercomputação.
51. 147903 2:28 - 2:32
    que é basicamente milhares de PCs
    conectados e anabolizados,
52. 152150 2:32 - 2:38
    fomos capazes de desvendar
    as complexidades da gripe e da hepatite C.
53. 158134 2:38 - 2:40
    E foi nessa época que vi o poder
54. 160489 2:40 - 2:45
    de usar computadores e biologia
    combinados, em prol da humanidade.
55. 164633 2:45 - 2:47
    E eu queria que essa fosse minha carreira.
56. 168030 2:48 - 2:50
    Desde 1999,
57. 169831 2:50 - 2:53
    passei a maior parte
    da minha carreira científica
58. 172553 2:53 - 2:54
    em laboratórios de alta tecnologia,
59. 174506 2:55 - 2:57
    cercada por equipamentos
    extremamente caros.
60. 177712 2:58 - 2:59
    Muitos me perguntam

    ¶

61. 179379 2:59 - 3:03
    como e por que trabalho
    para agricultores na África.
62. 183804 3:04 - 3:06
    Por causa das minhas
    habilidades de computação,
63. 186130 3:06 - 3:11
    em 2013, uma equipe
    de cientistas da África Oriental
64. 190693 3:11 - 3:15
    me pediu para me juntar a eles
    na luta para salvar a mandioca,
65. 195766 3:16 - 3:23
    uma planta cujas folhas e raízes alimentam
    800 milhões de pessoas no mundo,
66. 203639 3:24 - 3:27
    sendo 500 milhões na África Oriental.
67. 206994 3:27 - 3:29
    Isso é quase um bilhão de pessoas
68. 209025 3:29 - 3:32
    contando com esta planta
    para consumo diário.
69. 212581 3:33 - 3:36
    Se uma pequena agricultora familiar
    tiver mandioca o bastante,
70. 216450 3:36 - 3:39
    ela pode alimentar sua família
71. 218618 3:39 - 3:43
    e vender outra parte para custear coisas
    importantes como mensalidades escolares,
72. 222688 3:43 - 3:45
    despesas médicas ou uma poupança.
73. 225752 3:46 - 3:49
    Mas a mandioca está sob ataque na África.

    ¶

74. 229665 3:50 - 3:54
    Moscas brancas e vírus
    estão devastando a mandioca.
75. 234593 3:55 - 3:57
    Moscas brancas são insetos minúsculos
76. 236823 3:57 - 4:00
    que se alimentam das folhas
    de mais de 600 plantas.
77. 239665 4:00 - 4:01
    Elas são más notícias.
78. 241490 4:01 - 4:03
    Existem várias espécies;
79. 242673 4:03 - 4:05
    elas se tornaram resistentes a pesticidas;
80. 244966 4:05 - 4:09
    e transmitem centenas de vírus de plantas
81. 249244 4:09 - 4:12
    que causam doenças na mandioca
    chamadas listrado marrom
82. 252398 4:12 - 4:14
    e mosaico africano.
83. 254085 4:14 - 4:16
    Elas matam a planta completamente.
84. 257038 4:17 - 4:19
    E se não há mandioca,
85. 258879 4:19 - 4:23
    não há comida ou renda
    para milhões de pessoas.
86. 264141 4:24 - 4:27
    Bastou uma viagem à Tanzânia

    ¶

87. 266641 4:27 - 4:29
    para perceber que essas mulheres
    precisavam de ajuda.
88. 269403 4:29 - 4:34
    Esses fortes e incríveis
    pequenos agricultores familiares,
89. 273680 4:34 - 4:35
    a maioria mulheres,
90. 274972 4:35 - 4:37
    passavam por dificuldades.
91. 276809 4:37 - 4:39
    Não têm comida o bastante
    para a família deles,
92. 279204 4:39 - 4:41
    o que é uma verdadeira crise.
93. 281530 4:42 - 4:46
    Acontece é que eles plantam lavouras
    de mandioca quando as chuvas chegam.
94. 286069 4:46 - 4:48
    Nove meses depois,
95. 287799 4:48 - 4:51
    não produzem nada,
    por causa dessas pragas e patógenos.
96. 290903 4:51 - 4:53
    Então, eu pensei:
97. 293085 4:53 - 4:56
    "Como é possível
    agricultores passarem fome?"
98. 296815 4:57 - 4:59
    Decidi passar algum tempo no local

    ¶

99. 299159 4:59 - 5:01
    com os agricultores e cientistas
100. 300863 5:01 - 5:04
     para ver se eu tinha alguma
     técnica que pudesse ser útil.
101. 304427 5:04 - 5:07
     A situação no local é alarmante.
102. 307307 5:07 - 5:12
     As moscas brancas destruíram as folhas
     que são consumidas por sua proteína,
103. 311601 5:12 - 5:15
     e os vírus destruíram as raízes
     que são consumidas por seu amido.
104. 315592 5:16 - 5:18
     Todo um ciclo de cultivo passará
105. 318061 5:18 - 5:22
     e o agricultor perderá
     um ano inteiro de renda e comida,
106. 322195 5:22 - 5:25
     e a família sofrerá
     uma longa temporada de fome.
107. 325942 5:26 - 5:28
     Isso é completamente evitável.
108. 328046 5:28 - 5:29
     Se a agricultora soubesse
109. 329394 5:29 - 5:32
     qual variedade de mandioca
     plantar em suas terras,
110. 332482 5:32 - 5:37
     que fosse resistente
     a esses vírus e patógenos,
111. 336831 5:37 - 5:39
     ela teria mais comida.
112. 338760 5:39 - 5:42
     Temos toda a tecnologia de que precisamos,

     ¶

113. 341619 5:42 - 5:45
     mas o conhecimento e os recursos
114. 344847 5:45 - 5:48
     não estão distribuídos
     igualmente pelo mundo.
115. 348712 5:49 - 5:51
     O que quero dizer especificamente é:
116. 351298 5:51 - 5:53
     as tecnologias genômicas mais antigas
117. 353174 5:53 - 5:56
     que foram necessárias
     para descobrir as complexidades
118. 356061 5:56 - 5:58
     nessas pragas e patógenos,
119. 359147 5:59 - 6:02
     não foram criadas
     para a África subsaariana.
120. 363058 6:03 - 6:05
     Elas custam mais de US$ 1 milhão;
121. 365423 6:05 - 6:07
     exigem alimentação constante de energia
122. 367335 6:07 - 6:09
     e recursos humanos especializados.
123. 369870 6:10 - 6:13
     São poucas máquinas
     e estão espalhadas pelo continente,
124. 372855 6:13 - 6:17
     o que deixa muitos cientistas que lutam
     na linha de frente sem escolha,
125. 377500 6:18 - 6:20
     a não ser enviar amostras para o exterior.
126. 379543 6:20 - 6:24
     E, ao fazerem isso, as amostras
     se degradam, o que custa muito dinheiro,
127. 384173 6:24 - 6:27
     e tentar recuperar os dados
     através da internet precária
128. 387348 6:27 - 6:29
     é quase impossível.
129. 389142 6:29 - 6:33
     Às vezes, pode levar seis meses para
     que os resultados retornem ao agricultor.
130. 393465 6:33 - 6:35
     E daí, é tarde demais.
131. 395243 6:35 - 6:37
     A colheita já foi perdida,
132. 396854 6:37 - 6:40
     o que resulta em mais fome e pobreza.
133. 401306 6:41 - 6:43
     Sabíamos que poderíamos resolver isso.

     ¶

134. 403989 6:44 - 6:45
     Em 2017,
135. 405417 6:45 - 6:50
     ouvimos falar deste
     sequenciador de DNA portátil
136. 410227 6:50 - 6:53
     chamado Oxford Nanopore MinION.
137. 412760 6:53 - 6:57
     Estava sendo usado na África Ocidental
     para combater o Ebola.
138. 416937 6:57 - 6:58
     Então pensamos:
139. 418458 6:58 - 7:02
     "Por que não usá-lo na África Oriental
     para ajudar agricultores?"
140. 421768 7:02 - 7:06
     Então, nos prepararmos para fazer isso.
141. 426609 7:07 - 7:09
     
     Na época, a tecnologia era muito nova,
142. 429331 7:09 - 7:12
     e muitos duvidavam que pudéssemos
     replicar isso numa fazenda.
143. 432879 7:13 - 7:14
     Quando decidimos fazê-lo,
144. 434240 7:14 - 7:18
     um dos nossos "parceiros" no Reino Unido
145. 438125 7:18 - 7:22
     nos disse que nunca conseguiríamos
     fazer isso funcionar na África Oriental,
146. 441776 7:22 - 7:24
     muito menos numa fazenda.
147. 443863 7:24 - 7:26
     Aceitamos o desafio.
148. 445934 7:26 - 7:32
     Essa pessoa chegou ao ponto de apostar
     duas garrafas do melhor champanhe
149. 452411 7:32 - 7:35
     que nunca conseguiríamos
     que isso funcionasse.
150. 456871 7:37 - 7:38
     Duas palavras:
151. 458474 7:38 - 7:40
     pague logo.
152. 459649 7:40 - 7:41
     (Risos)

     ¶

153. 462673 7:43 - 7:44
     (Aplausos)

     ¶

154. 466023 7:46 - 7:49
     Pague logo, porque conseguimos.

     ¶

155. 468960 7:49 - 7:52
     Levamos todo o laboratório
     molecular de alta tecnologia
156. 472269 7:52 - 7:56
     aos agricultores da Tanzânia,
     do Quênia e de Uganda,
157. 475942 7:56 - 7:58
     e o chamamos de Tree Lab.
158. 478942 7:59 - 8:00
     E o que nós fizemos?
159. 480157 8:00 - 8:03
     Primeiro, criamos um nome para a equipe:
160. 482760 8:03 - 8:05
     Cassava Virus Action Project.
161. 484958 8:05 - 8:06
     Criamos um site,
162. 486339 8:06 - 8:10
     conseguimos apoio das comunidades
     da genômica e da computação,
163. 489974 8:10 - 8:12
     e depois fomos até os agricultores.
164. 492411 8:12 - 8:15
     Tudo o que precisamos
     para o nosso Tree Lab
165. 495244 8:15 - 8:18
     está sendo levado por essa equipe aqui.
166. 497677 8:18 - 8:22
     Todos os requisitos moleculares
     e computacionais necessários
167. 501748 8:22 - 8:25
     para diagnosticar
     plantas doentes estão ali.
168. 505431 8:25 - 8:28
     E tudo está, na verdade,
     neste palco também.
169. 509161 8:29 - 8:33
     Pensamos que se pudéssemos
     levar os dados perto do problema,

     ¶

170. 512772 8:33 - 8:34
     e perto do agricultor,
171. 514414 8:34 - 8:38
     poderíamos dizer a ele mais rápido
     o que estava errado em sua lavoura.
172. 518220 8:38 - 8:40
     E não somente dizer o que está errado,
173. 520066 8:40 - 8:41
     mas dar a solução.
174. 521482 8:41 - 8:43
     E a solução é:
175. 522831 8:43 - 8:45
     queime tudo e plante variedades
176. 525478 8:45 - 8:49
     resistentes às pragas e patógenos
     que detectamos em sua lavoura.
177. 529942 8:50 - 8:54
     A primeira coisa que fizemos
     foi extrair o DNA.
178. 534170 8:54 - 8:57
     Usamos essa máquina aqui.
179. 537050 8:57 - 9:00
     É chamada de PDQeX,
180. 540273 9:00 - 9:04
     sigla de "Extração pra lá de rápida".
181. 544188 9:04 - 9:06
     (Risos)

     ¶

182. 546260 9:06 - 9:07
     Eu sei.

     ¶

183. 547768 9:08 - 9:10
     Meu amigo Joe é muito legal.
184. 551394 9:11 - 9:15
     Um dos maiores desafios na extração de DNA
185. 554778 9:15 - 9:18
     é que geralmente requer
     equipamento muito caro,
186. 558117 9:18 - 9:20
     e leva horas.
187. 559545 9:20 - 9:21
     Mas com essa máquina,
188. 561061 9:21 - 9:24
     conseguimos fazer isso em 20 minutos,
189. 563839 9:24 - 9:25
     por uma fração do custo.
190. 565109 9:25 - 9:28
     E funciona com uma bateria de motocicleta.
191. 569164 9:29 - 9:34
     A partir daí, pegamos o DNA extraído
     e o organizamos em um acervo,

     ¶

192. 574331 9:34 - 9:36
     deixando-o pronto para alimentar
193. 576134 9:36 - 9:40
     este sequenciador genômico portátil,
194. 580450 9:40 - 9:42
     este aqui,
195. 581625 9:42 - 9:45
     e depois o conectamos
     a um minisupercomputador,
196. 585387 9:45 - 9:47
     chamado de MinIT.
197. 587728 9:48 - 9:52
     E os dois são conectados
     a uma bateria portátil.
198. 592569 9:53 - 9:57
     Conseguimos eliminar a necessidade
     de internet e de energia convencional,
199. 596931 9:57 - 10:01
     que são dois fatores muito limitantes
     na agricultura familiar.
200. 601807 10:02 - 10:05
     Analisar os dados rapidamente
     também pode ser um problema.
201. 605033 10:05 - 10:09
     Mas foi bem aí que valeu
     eu ser bióloga computacional.
202. 609382 10:09 - 10:12
     Toda aquela colagem de plantas mortas,
203. 611636 10:12 - 10:15
     e toda aquela medição e computação,
204. 615236 10:15 - 10:19
     finalmente foi muito útil, em tempo real.
205. 619411 10:19 - 10:22
     Pude criar bancos de dados personalizados
206. 622488 10:22 - 10:27
     e conseguimos dar resultados
     aos agricultores em três horas
207. 627107 10:27 - 10:29
     em vez de seis meses.
208. 629694 10:30 - 10:31
     (Aplausos)

     ¶

209. 638085 10:38 - 10:41
     Os agricultores ficaram
     extremamente felizes.

     ¶

210. 641799 10:42 - 10:45
     E como saber se estamos gerando impacto?
211. 644619 10:45 - 10:47
     Nove meses depois da chegada do Tree Lab,
212. 646643 10:47 - 10:50
     Asha passou de zero toneladas por hectare
213. 649897 10:50 - 10:52
     para 40 toneladas por hectare.
214. 651929 10:52 - 10:54
     Teve comida suficiente para a família
215. 653752 10:54 - 10:56
     e estava vendendo uma parte no mercado,
216. 656466 10:56 - 10:59
     e agora ela está construindo
     uma casa para a família.
217. 661085 11:01 - 11:04
     (Aplausos)

     ¶

218. 665673 11:06 - 11:08
     E como dimensionamos o Tree Lab?

     ¶

219. 667940 11:08 - 11:09
     O fato é
220. 669344 11:09 - 11:11
     que os agricultores
     estão adaptados na África.
221. 671527 11:12 - 11:13
     Essas mulheres trabalham em grupos,
222. 673384 11:13 - 11:18
     por isso, ajudarmos à Asha significou
     ajudar 3 mil pessoas em sua aldeia,
223. 677534 11:18 - 11:21
     porque ela compartilhou
     os resultados e também a solução.
224. 681673 11:22 - 11:26
     Lembro-me de todos
     os agricultores que conheci.

     ¶

225. 686665 11:27 - 11:30
     Sua dor e sua alegria
226. 690252 11:30 - 11:33
     estão gravadas em minha memória.
227. 692958 11:33 - 11:35
     Nossa ciência é para eles.
228. 695711 11:36 - 11:41
     O Tree Lab é nossa melhor tentativa
     de ajudá-los a ter segurança alimentar.
229. 701180 11:41 - 11:43
     Nunca sonhei
230. 702990 11:43 - 11:46
     que a melhor ciência que eu faria na vida
231. 705958 11:46 - 11:49
     seria naquele cobertor na África Oriental,
232. 709481 11:49 - 11:52
     com os dispositivos genômicos
     da mais alta tecnologia.
233. 712312 11:52 - 11:55
     Mas nossa equipe sonhou
234. 714788 11:55 - 11:59
     em dar respostas aos agricultores
     em três horas em vez de seis meses,
235. 719082 11:59 - 12:01
     e conseguimos.
236. 720542 12:01 - 12:05
     Esse é o poder da diversidade
     e da inclusão na ciência.
237. 725156 12:05 - 12:06
     Obrigada.

     ¶

238. 726331 12:06 - 12:09
     (Aplausos) (Vivas)

     ¶