De volgende softwarerevolutie: cellen programmeren

De cellen in je lichaam zijn als computersoftware: ze zijn 'geprogrammeerd' om specifieke functies op specifieke tijden uit te voeren. Als we dit proces beter kunnen begrijpen, krijgen we de mogelijkheid om cellen zelf te programmeren, zegt computerbioloog Sara-Jane Dunn. In een toespraak over de allernieuwste wetenschap legt ze uit hoe haar team embryonale stamcellen bestudeert om een nieuw begrip te krijgen van de biologische programma's die het leven voeden -- en 'levende software' ontwikkelen die medicijnen, landbouw en energie zou kunnen transformeren.

De tweede helft van de vorige eeuw
werd volledig gekenmerkt

door een technologische revolutie:

de softwarerevolutie.

De mogelijkheid om elektronen
in silicium te programmeren

liet technologieën,
bedrijven en industrieën ontstaan

die toen voor velen van ons
nog onvoorstelbaar waren,

maar die nu de aard van de wereld
fundamenteel hebben veranderd.

Maar de eerste helft van deze eeuw

zal worden getransformeerd
door een nieuwe softwarerevolutie:

de revolutie van levende software.

Die zal in staat zijn
om biochemie te programmeren

op een materiaal dat we biologie heten.

Daardoor zullen we gebruik kunnen maken
van de eigenschappen van de biologie

om nieuwe soorten therapieën te ontwerpen,

om beschadigd weefsel te herstellen,

defecte cellen te herprogrammeren

of zelfs biochemisch programmeerbare
besturingssystemen te bouwen.

Als we dit kunnen realiseren --
en we moeten dit realiseren --

zal de impact ervan zo enorm zijn

dat de eerste softwarerevolutie
erbij zal verbleken.

Levende software zou de geneeskunde
namelijk helemaal veranderen,

en ook de landbouw en energiesector,

en deze sectoren overvleugelen veruit
de sectoren gedomineerd door de IT.

Stel je programmeerbare planten voor
die stikstof efficiënter fixeren

of nieuwe fungale pathogenen weerstaan,

of zelfs eenjarige gewassen
tot doorlevende herprogrammeren

zodat je je jaarlijkse oogst
zou kunnen verdubbelen.

Dat zou de landbouw hervormen

en onze groeiende wereldbevolking
van voedsel voorzien.

Of stel je programmeerbare immuniteit voor

door het ontwerpen en inschakelen
van moleculaire apparaten

die je immuunsysteem leren

om ziektes op te sporen, uit te roeien
of zelfs te voorkomen.

Dit zou de geneeskunde hervormen

en onze toenemende en vergrijzende
bevolking gezond houden.

We hebben al veel methodes
om levende software te realiseren.

We kunnen met CRISPR
genen precies bewerken.

We kunnen de genetische code
base per base herschrijven.

We kunnen zelfs functionerende
synthetische circuits bouwen uit DNA.

Maar uitzoeken hoe en wanneer
deze tools te hanteren

is nog maar in het stadium
van gissen en missen.

Er is diepgaande expertise
en jaren van specialisatie nodig.

Experimentele protocollen
zijn moeilijk te ontdekken

en maar al te vaak
moeilijk te reproduceren.

In de biologie focussen we
ons vaak op de details,

maar we weten toch dat iets als vliegen
niet begrepen kan worden

door alleen maar veren te bestuderen.

Het programmeren van biologie
gaat nog niet zo eenvoudig

als het programmeren van je computer.

Tot overmaat van ramp

lijken levende systemen grotendeels
niet op de ontwikkelde systemen

die jullie en ik elke dag programmeren.

In tegenstelling tot technische systemen
doen levende systemen aan zelfgeneratie,

zelforganisatie

en werken ze op moleculaire schaal.

Interacties op moleculair niveau

leiden over het algemeen
tot een robuuste output op macroschaal.

Ze kunnen zelfs zelfreparatie aan.

Denk maar aan de nederige kamerplant

die thuis op je schoorsteenmantel staat

en die je vergat water te geven.

Ondanks je verwaarlozing moet
die plant elke dag wakker worden

en uitzoeken hoe ze
haar middelen zal benutten.

Zal ze groeien, aan fotosynthese doen,
zaden produceren of bloeien?

Dat is een beslissing
op het niveau van het hele organisme.

Maar een plant heeft geen hersens
om dat allemaal uit te zoeken.

Ze moet het doen
met de cellen op haar bladeren.

Die moeten reageren op de omgeving

en beslissingen nemen
die de hele plant beïnvloeden.

Dus moet er in die cellen
een of ander programma lopen,

een programma dat reageert
op ingangssignalen

en bepaalt wat die cel zal doen.

Dan moet dat programma
op een gedistribueerde manier werken

in individuele cellen,

zodat ze kunnen coördineren
en de plant kan groeien en bloeien.

Als we deze biologische programma's
konden begrijpen,

als we biologisch computeren begrepen,

konden we snappen

hoe en waarom cellen doen wat ze doen.

Want als we deze programma's begrepen,

konden we ze debuggen als er iets misgaat.

Of konden we van hen leren
hoe synthetische circuits te ontwerpen

die de rekenkracht
van de biochemie echt zouden benutten.

Mijn passie over dit idee leidde me
naar een carrière in het onderzoek

op het raakpunt van wiskunde,
informatica en biologie.

In mijn werk richt ik me op het concept
van biologie als computerwerk.

Dat betekent uitzoeken
wat cellen berekenen

en hoe deze bio-programma's te vinden.

Samen met enkele schitterende medewerkers
begon ik me dat af te vragen

bij Microsoft Research
en de Universiteit van Cambridge

waar we samen wilden begrijpen

hoe biologische programma’s
verlopen in een uniek type cel:

een embryonale stamcel.

Deze cellen zijn uniek
omdat ze helemaal naïef zijn.

Ze kunnen alles worden wat ze willen:

een hersencel, een hartcel,
een botcel, een longcel,

elk type volwassen cel.

Deze naïviteit maakt ze speciaal,

maar dat ontstak ook
de verbeelding van de wetenschappers,

die beseften dat als we
dat potentieel konden aanboren,

we een krachtige
medische tool zouden hebben.

Als we kunnen achterhalen
hoe deze cellen beslissen

om een of ander type cel te zijn,

kunnen we dat misschien benutten

om cellen te genereren die ziek
of beschadigd weefsel herstellen.

Maar die visie realiseren
loopt niet van een leien dakje,

vooral omdat deze specifieke cellen

tot slechts zes dagen
na de bevruchting ontstaan.

Na een paar dagen zijn ze weer weg.

Ze volgen dan de verschillende paden

die alle structuren en organen
van je volwassen lichaam gaan uitmaken.

Maar nu blijkt het lot van cellen

veel plastischer te zijn
dan we eerder dachten.

Ongeveer dertien jaar geleden vonden
enkele wetenschappers iets revolutionairs.

Door het inbrengen van enkele genen
in een volwassen cel,

zoals een huidcel,

kan je die cel terug
naar de naïeve staat omvormen.

Het is een proces dat bekend staat
als ‘herprogrammering’

en laat ons dromen van een stamcel-utopie,

waar je een staal van de eigen cellen
van een patiënt kan nemen,

ze terug naar de naïeve staat
kan transformeren

en ze gebruiken om de cellen te maken
die de patiënt nodig heeft,

ongeacht het nu hersen-
of hartcellen zijn.

Maar in de afgelopen tien jaar

bleef uitzoeken hoe het lot
van de cel te veranderen

toch nog steeds een proces
van gissen en missen.

Zelfs in gevallen waarin we succesvolle
experimentele protocollen hebben ontdekt,

zijn ze nog steeds inefficiënt

en weten we niet
hoe en waarom ze werken.

Als je vindt hoe je een stamcel
in een hartcel kan veranderen,

vertelt je dat nog niets
over hoe je een stamcel kan veranderen

in een hersencel.

Dus wilden we begrijpen
hoe het biologische programma

in een embryonale stamcel verloopt.

Om de berekening te begrijpen
die verloopt in een levend systeem

moet je beginnen
met een uiterst simpele vraag:

wat moet dat systeem eigenlijk doen?

Nu heeft de informatica
eigenlijk een set strategieën

om om te gaan met wat de software
en de hardware moeten doen.

Wanneer je een programma
of een stukje software schrijft,

wil je dat die software goed werkt.

Je wil prestaties, functionaliteit.

Je wil bugs voorkomen.

Die kunnen je duur komen te staan.

Wanneer iemand
een programma schrijft,

kan hij een bestek maken.

Dat bepaalt wat
je programma hoort te doen.

Misschien de grootte
van twee getallen vergelijken

of ze ordenen naar grootte.

Technologie bestaat
om automatisch na te gaan

of aan onze specificaties is voldaan,

of dat programma
doet wat het moet doen.

Ons idee bestond erin
om op dezelfde manier na te gaan

of experimentele waarnemingen,
dingen die we meten in het lab,

beantwoorden aan specificaties

van wat het biologische
programma moet doen.

We hoefden maar een manier te vinden

om deze nieuwe vorm
van specificatie te coderen.

Stel dat je in het lab
uitzocht wat je genen doen

en je ontdekte dat als gen A actief is,

gen B of gen C ook actief lijken te zijn.

We kunnen die observatie opschrijven
als een wiskundige uitdrukking.

In de taal van de logica:

als A, dan B of C.

Nu is dit wel een heel
eenvoudig voorbeeld, oké.

Alleen om het punt te illustreren.

Maar we kunnen
echt rijke uitdrukkingen coderen

die het gedrag van meerdere genen
of eiwitten in de tijd vastleggen

over meerdere verschillende experimenten.

Door onze observaties

zo in wiskundige vorm te gieten,

wordt het mogelijk om te testen
of deze waarnemingen

al dan niet kunnen ontstaan

uit een programma
van genetische interacties.

We ontwikkelden een tool
om net dat te doen.

We konden deze tool gebruiken
om waarnemingen te coderen

als wiskundige uitdrukkingen

en daardoor het genetische
programma ontdekken

dat ze allemaal zou kunnen verklaren.

En dan passen we deze aanpak toe

om het genetische programma

in embryonale stamcellen
zichtbaar te maken

om te zien of we kunnen begrijpen
hoe die naïeve toestand te krijgen.

Deze tool was eigenlijk gebouwd

op een solver die routinematig
wereldwijd wordt ingezet

voor conventionele softwareverificatie.

Dus begonnen we met een set
van bijna 50 verschillende specificaties

gegenereerd uit experimentele
waarnemingen van embryonale stamcellen.

Door het coderen van die
waarnemingen in deze tool,

konden we het eerste
moleculaire programma ontdekken

dat ze allemaal zou kunnen verklaren.

Dat is toch wel
een prestatie op zich, niet?

Al die verschillende waarnemingen
met elkaar verzoenen,

is niet iets dat je even doet
op de achterkant van een envelop,

zelfs niet op een echt grote envelop.

Nu we dat begrepen,
konden we een stap verder.

We kunnen dit gebruiken

om te voorspellen
wat deze cel zou kunnen doen

in nieuwe omstandigheden.

We konden het programma
in silico uittesten.

We deden precies dat:

we maakten voorspellingen
die we testten in het lab

en we vonden dat dit programma
een hoge voorspellende waarde had.

Het vertelde ons hoe we
de voortgang konden versnellen

om snel en efficiënt
naar de naïeve staat terug te keren.

Het vertelde ons op welke genen
we ons moesten richten

en welke genen dit proces
zelfs zouden kunnen hinderen.

We vonden zelfs dat het programma

de volgorde voorspelde
waarin de genen inschakelden.

Deze benadering liet ons echt
de dynamiek ontdekken

van wat de cellen doen.

Wat we hebben ontwikkeld, is geen methode
die specifiek is voor stamcelbiologie.

Nee, ze stelt ons in staat te begrijpen

wat de cel aan berekeningen uitvoert

in de context van
genetische wisselwerkingen.

Het is slechts één bouwsteen.

Het gebied moet dringend
nieuwe methodes ontwikkelen

voor een breder begrip
van biologische berekening

en wel op verschillende niveaus,

vanaf DNA tot aan
de informatiestroom tussen cellen.

Alleen dit soort transformatief begrip

zal ons toelaten om de biologie

op een voorspelbare
en betrouwbare manier te benutten.

Maar om biologie te programmeren,
is ook de ontwikkeling nodig

van tools en talen

waarmee zowel experimentalisten
als computationele wetenschappers

biologische functies kunnen ontwerpen

en dan die ontwerpen vertalen
naar het machinecodeniveau van de cel,

haar biochemie,

zodat we vervolgens
die structuren kunnen bouwen.

Dat lijkt wel een samensteller
van levende software

en ik ben trots deel te zijn
van een team van Microsoft

dat werkt aan de ontwikkeling daarvan.

Dat het een grote uitdaging is,
is wel een understatement,

maar eens gerealiseerd,

zou het de laatste brug zijn
tussen software en wetware.

Biologieprogrammering zal echter
alleen maar mogelijk worden

als we het gebied echt
interdisciplinair kunnen maken.

De wetenschappen van de fysica
en het leven moeten we verbinden

en wetenschappers uit
elk van deze disciplines

moeten kunnen samenwerken
met gemeenschappelijke talen

en gedeelde wetenschappelijke vragen.

Uiteindelijk moeten we beseffen
dat veel van de grote softwarebedrijven

en de technologie
waarmee wij dagelijks werken,

nauwelijks voorstelbaar was

toen we voor het eerst
programmeerden op silicium microchips.

Nu we gaan nadenken
over de technologische mogelijkheden

van de computationele biologie,

zien we een aantal van de stappen
die we moeten nemen

om dat te realiseren.

Nu is er de ontnuchterende gedachte
dat van dit soort technologie

misbruik gemaakt kan worden.

Als we willen praten over de mogelijkheden

van immuuncellen programmeren,

moeten we ook bedenken

dat we bacteriën kunnen ontwerpen
om ze ontwijken.

Er kunnen mensen zijn
die dat zouden willen doen.

Een geruststellende gedachte is

dat -- nou ja, minder
voor de wetenschappers --

is dat biologie een fragiel ding is
om mee te werken.

Biologie programmeren is niet iets

dat je in je tuinhuisje gaat doen.

Omdat we aan het begin hiervan staan,

kunnen we verder gaan
met onze ogen wijd open.

We kunnen vooraf
de moeilijke vragen stellen,

de nodige waarborgen instellen

en gecombineerd hiermee
nadenken over onze ethiek.

We moeten nadenken
over het trekken van grenzen

voor het implementeren
van biologische functies.

Als onderdeel hiervan zal onderzoek
in de bio-ethiek prioritair moeten zijn.

Ze mag niet op de tweede plaats komen

in de opwinding
over de wetenschappelijke innovatie.

Maar de ultieme prijs,
de ultieme bestemming op deze reis,

zouden baanbrekende toepassingen
en baanbrekende industrieën zijn

op het gebied van landbouw,
geneeskunde, energie en materialen,

en zelfs van het computeren.

Stel dat we ooit de planeet duurzaam
konden voorzien van ultieme groene energie

als we iets zouden kunnen nabootsen wat
planten millennia geleden al uitvonden:

hoe zonne-energie te benutten
met een rendement

dat buiten het bereik ligt
van onze huidige zonnecellen.

Als we het programma begrepen
van de kwantuminteracties

die planten het zonlicht
zo efficiënt laten absorberen,

konden we dat vertalen
in de bouw van synthetische DNA-circuits

die een materiaal vormen
voor betere zonnecellen.

Er zijn nu teams en wetenschappers
die aan de fundamenten hiervan werken.

Met de juiste aandacht
en de juiste investeringen,

zou het in 10 of 15 jaar
kunnen worden gerealiseerd.

We staan dus aan het begin
van een technologische revolutie.

Inzicht in deze oude soort
van biologische berekening

is de cruciale eerste stap.

Als we dit kunnen realiseren,

zouden we het tijdperk betreden
van een besturingssysteem

dat levende software draait.

Veel dank.

(Applaus)