WEBVTT

00:00:01.992 --> 00:00:03.517
Vocês não as conhecem.

00:00:04.150 --> 00:00:05.405
Vocês não as veem.

00:00:06.405 --> 00:00:08.708
Mas elas estão sempre por perto,

00:00:09.404 --> 00:00:10.654
sussurrando,

00:00:11.138 --> 00:00:13.052
fazendo planos secretos,

00:00:13.700 --> 00:00:17.552
criando exércitos com milhões de soldados.

00:00:18.826 --> 00:00:20.887
Quando decidem atacar,

00:00:21.435 --> 00:00:24.037
todas elas atacam todas ao mesmo tempo.

00:00:27.130 --> 00:00:29.049
Estou falando das bactérias.

NOTE Paragraph

00:00:29.083 --> 00:00:30.282
(Risos)

NOTE Paragraph

00:00:30.302 --> 00:00:32.817
De quem achavam que eu estava falando?

NOTE Paragraph

00:00:34.401 --> 00:00:37.609
As bactérias vivem em comunidades,
assim como os seres humanos.

00:00:37.629 --> 00:00:38.896
Elas têm famílias,

00:00:38.916 --> 00:00:39.921
conversam,

00:00:39.941 --> 00:00:41.553
e planejam suas atividades.

00:00:41.907 --> 00:00:43.358
Assim como os seres humanos,

00:00:43.378 --> 00:00:46.802
elas enganam, iludem e algumas
até enganam umas às outras.

00:00:48.127 --> 00:00:51.974
E se eu disser a vocês que podemos
escutar as conversas entre bactérias

00:00:51.998 --> 00:00:55.652
e traduzir esses informações
confidenciais na língua humana?

00:00:56.255 --> 00:01:01.373
E se eu disser a vocês que traduzir
essas conversas pode salvar vidas?

00:01:02.519 --> 00:01:04.313
Tenho doutorado em nanofísica

00:01:04.333 --> 00:01:05.824
e tenho usado a nanotecnologia

00:01:05.844 --> 00:01:08.694
para desenvolver uma ferramenta
de tradução em tempo real

00:01:08.714 --> 00:01:11.007
que pode espionar
as comunidades de bactérias

00:01:11.027 --> 00:01:14.163
e nos fornecer registros
do que elas estão tramando.

NOTE Paragraph

00:01:16.123 --> 00:01:17.799
As bactérias vivem em toda a parte.

00:01:17.833 --> 00:01:21.482
Estão no solo, nos móveis
e dentro de nosso corpo.

00:01:22.083 --> 00:01:26.692
De fato, 90% de todas as células vivas
neste teatro são bacterianas.

00:01:27.915 --> 00:01:29.624
Algumas bactérias nos fazem bem;

00:01:29.638 --> 00:01:32.750
nos ajudam a digerir os alimentos
ou produzem antibióticos.

00:01:32.774 --> 00:01:34.866
E outras nos causam mal;

00:01:34.890 --> 00:01:37.144
provocam doenças e morte.

00:01:37.794 --> 00:01:40.350
Para coordenar todas
as funções das bactérias,

00:01:40.374 --> 00:01:42.286
elas têm que saber se organizar

00:01:42.310 --> 00:01:44.355
e fazer isso assim como nós,
seres humanos,

00:01:44.375 --> 00:01:45.904
por meio da comunicação.

00:01:46.751 --> 00:01:48.170
Mas, em vez de palavras,

00:01:48.190 --> 00:01:51.292
elas usam moléculas sinalizadoras
para se comunicarem entre si.

00:01:52.083 --> 00:01:53.564
Quando as bactérias são poucas,

00:01:53.584 --> 00:01:56.107
as moléculas sinalizadoras se dispersam,

00:01:56.131 --> 00:01:58.856
como os gritos de um homem
sozinho no deserto.

00:01:59.518 --> 00:02:03.510
Mas, quando há muitas bactérias,
as moléculas sinalizadoras se acumulam,

00:02:03.534 --> 00:02:06.656
e as bactérias começam a sentir
que não estão sozinhas.

00:02:07.309 --> 00:02:09.013
Elas escutam umas às outras.

00:02:09.459 --> 00:02:12.275
Desse modo, sabem quantas são

00:02:12.299 --> 00:02:15.470
e quando estão em número suficiente
para iniciar uma nova ação.

00:02:16.575 --> 00:02:20.402
Quando as moléculas sinalizadoras
atingem um certo limite,

00:02:20.416 --> 00:02:25.007
todas as bactérias sentem imediatamente
que precisam agir da mesma forma.

NOTE Paragraph

00:02:25.967 --> 00:02:30.293
A conversa entre bactérias consiste
em uma iniciativa e uma reação,

00:02:30.317 --> 00:02:33.539
a produção de uma molécula
e a reação a ela.

00:02:35.094 --> 00:02:38.634
Em minha pesquisa, eu me concentrei
em espionar as comunidades de bactérias

00:02:38.654 --> 00:02:40.131
dentro do corpo humano.

00:02:40.343 --> 00:02:41.848
Como isso funciona?

00:02:42.385 --> 00:02:44.380
Temos uma amostra de um paciente,

00:02:44.394 --> 00:02:46.992
que pode ser de sangue ou cuspe.

00:02:47.304 --> 00:02:49.841
Disparamos elétrons na amostra,

00:02:49.865 --> 00:02:53.785
que vão interagir com quaisquer
moléculas de comunicação presentes.

00:02:53.809 --> 00:02:58.110
Essa interação vai nos dar informações
sobre a identidade das bactérias,

00:02:58.129 --> 00:02:59.800
o tipo de comunicação

00:02:59.824 --> 00:03:02.317
e quanto as bactérias estão conversando.

NOTE Paragraph

00:03:04.269 --> 00:03:07.110
Mas como as bactérias se comunicam?

00:03:07.747 --> 00:03:11.507
Antes de eu desenvolver
a ferramenta de tradução,

00:03:11.531 --> 00:03:15.117
eu supunha inicialmente que as bactérias
tinham uma língua primitiva,

00:03:15.401 --> 00:03:18.859
como os bebês, que ainda
não desenvolveram palavras e frases.

00:03:19.208 --> 00:03:21.873
Quando riem, estão felizes;
quando choram, estão tristes.

00:03:21.893 --> 00:03:23.103
Simples assim.

00:03:24.008 --> 00:03:28.323
Mas acontece que as bactérias
não são nada primitivas como eu pensava.

00:03:28.615 --> 00:03:30.945
Uma molécula não é apenas uma molécula.

00:03:30.969 --> 00:03:33.813
Pode significar várias coisas,
dependendo do contexto,

00:03:34.404 --> 00:03:37.356
assim como o choro dos bebês
pode significar coisas diferentes:

00:03:37.380 --> 00:03:39.140
às vezes, o bebê está com fome,

00:03:39.164 --> 00:03:40.452
algumas vezes está molhado,

00:03:40.472 --> 00:03:42.391
outras vezes está machucado ou com medo.

00:03:42.411 --> 00:03:45.025
Os pais sabem interpretar esses choros.

00:03:45.624 --> 00:03:47.580
Para ser uma ferramenta de tradução real,

00:03:47.600 --> 00:03:50.573
tinha que saber interpretar
as moléculas sinalizadoras

00:03:50.607 --> 00:03:54.528
e traduzi-las dependendo do contexto.

00:03:55.397 --> 00:03:56.612
E quem sabe?

00:03:56.612 --> 00:03:58.723
Talvez o Google Tradutor
adote isso em breve.

NOTE Paragraph

00:03:58.743 --> 00:04:00.486
(Risos)

NOTE Paragraph

00:04:02.386 --> 00:04:04.014
Vou dar a vocês um exemplo.

00:04:04.128 --> 00:04:05.821
Trouxe alguns dados de bactérias,

00:04:05.841 --> 00:04:08.626
que podem ser difíceis de entender
se vocês forem leigos,

00:04:08.646 --> 00:04:10.791
mas tentem observar.

NOTE Paragraph

00:04:11.458 --> 00:04:13.377
(Risos)

NOTE Paragraph

00:04:14.959 --> 00:04:18.696
Aqui está uma família bacteriana feliz
que infectou um paciente.

00:04:20.261 --> 00:04:22.744
Vamos chamá-la de família Montéquio.

00:04:23.920 --> 00:04:27.351
Ela compartilha recursos,
se reproduz e cresce.

00:04:28.294 --> 00:04:30.473
Um dia, ela ganha um vizinho novo:

00:04:32.746 --> 00:04:34.843
a família bacteriana Capuleto.

NOTE Paragraph

00:04:34.863 --> 00:04:35.973
(Risos)

NOTE Paragraph

00:04:36.157 --> 00:04:39.087
Tudo vai bem desde que trabalhem juntas.

00:04:40.377 --> 00:04:43.513
Mas, então, acontece algo inesperado.

00:04:44.449 --> 00:04:48.727
Romeu, dos Montéquios, se relaciona
com Julieta, dos Capuletos.

NOTE Paragraph

00:04:48.801 --> 00:04:50.201
(Risos)

NOTE Paragraph

00:04:50.978 --> 00:04:53.823
E, sim, eles trocam material genético.

NOTE Paragraph

00:04:53.897 --> 00:04:56.006
(Risos)

NOTE Paragraph

00:04:58.630 --> 00:05:01.435
Essa transferência genética
pode ser perigosa aos Montéquios

00:05:01.455 --> 00:05:05.401
que têm a ambição de ser a única família
no paciente que infectaram

00:05:05.405 --> 00:05:06.789
e o compartilhamento de genes

00:05:06.813 --> 00:05:10.247
contribui para que os Capuletos
desenvolvam resistência a antibióticos.

00:05:13.057 --> 00:05:16.392
Os Montéquios começam a conversar
para se livrarem dessa outra família,

00:05:16.406 --> 00:05:18.308
por meio da liberação dessa molécula.

NOTE Paragraph

00:05:18.328 --> 00:05:19.478
(Risos)

NOTE Paragraph

00:05:20.700 --> 00:05:22.192
E com legendas:

NOTE Paragraph

00:05:22.212 --> 00:05:23.978
[Vamos coordenar um ataque.]

NOTE Paragraph

00:05:23.978 --> 00:05:25.593
(Risos)

NOTE Paragraph

00:05:25.639 --> 00:05:27.670
Vamos coordenar um ataque.

00:05:29.148 --> 00:05:32.938
Então, todos reagem imediatamente

00:05:33.402 --> 00:05:36.525
liberando um veneno
que vai matar a outra família.

NOTE Paragraph

00:05:38.259 --> 00:05:40.107
[Eliminar!]

NOTE Paragraph

00:05:40.129 --> 00:05:42.261
(Risos)

NOTE Paragraph

00:05:43.338 --> 00:05:47.501
Os Capuletos reagem
ordenando um contra-ataque.

NOTE Paragraph

00:05:47.515 --> 00:05:48.645
[Contra-atacar!]

NOTE Paragraph

00:05:48.665 --> 00:05:50.860
Eles travam uma batalha.

NOTE Paragraph

00:05:52.090 --> 00:05:56.708
Este é um vídeo sobre bactérias reais
duelando com organelas do tipo espada,

00:05:56.732 --> 00:05:58.349
em que tentam matar umas às outras

00:05:58.369 --> 00:06:01.177
literalmente se apunhalando
e rompendo umas às outras.

00:06:02.784 --> 00:06:06.965
A família que ganhar essa batalha
torna-se na bactéria dominante.

NOTE Paragraph

00:06:08.360 --> 00:06:11.639
Consigo detectar conversas entre bactérias

00:06:11.663 --> 00:06:13.855
que levam a diferentes
comportamentos coletivos

00:06:13.895 --> 00:06:15.424
como a luta que acabaram de ver.

00:06:15.673 --> 00:06:18.550
Meu trabalho era espionar
as comunidades de bactérias

00:06:18.574 --> 00:06:20.617
dentro do corpo humano

00:06:20.641 --> 00:06:22.417
em pacientes de um hospital.

00:06:22.737 --> 00:06:25.307
Acompanhei 62 pacientes em um experimento,

00:06:25.331 --> 00:06:28.979
em que testei as amostras deles
para uma infecção específica,

00:06:29.003 --> 00:06:32.182
sem saber os resultados
do teste de diagnóstico tradicional.

NOTE Paragraph

00:06:33.096 --> 00:06:36.516
Em diagnósticos bacterianos,

00:06:36.550 --> 00:06:38.651
uma amostra esfregaço
é colocada numa placa.

00:06:38.665 --> 00:06:41.809
Se as bactérias crescem
dentro de cinco dias,

00:06:41.833 --> 00:06:44.397
o paciente é diagnóstico como infectado.

00:06:45.762 --> 00:06:48.661
Quando concluí o estudo
e comparei os resultados da ferramenta

00:06:48.685 --> 00:06:53.393
com o teste de diagnóstico tradicional
e o teste de validação, fiquei chocada.

00:06:53.393 --> 00:06:57.282
Era muito mais supreendente
do que eu havia previsto.

NOTE Paragraph

00:06:57.861 --> 00:07:00.054
Mas, antes de dizer
o que a ferramenta revelou,

00:07:00.074 --> 00:07:03.133
eu gostaria de falar de uma paciente
específica que acompanhei,

00:07:03.153 --> 00:07:04.333
uma moça.

00:07:04.733 --> 00:07:06.177
Ela tinha fibrose cística,

00:07:06.197 --> 00:07:09.957
uma doença genética que torna os pulmões
suscetíveis a infecções bacterianas.

00:07:10.837 --> 00:07:13.233
Essa moça não fazia parte
do ensaio clínico.

00:07:13.257 --> 00:07:16.154
Eu a acompanhei porque sabia,
por seu prontuário médico,

00:07:16.178 --> 00:07:18.408
que ela nunca tinha tido
uma infecção antes.

00:07:19.413 --> 00:07:21.558
Uma vez por mês, essa moça ia ao hospital

00:07:21.582 --> 00:07:24.886
para coletar uma amostra de expectoração
que cuspia em um copo.

00:07:24.916 --> 00:07:28.052
Essa amostra era transferida
para análise bacteriana

00:07:28.066 --> 00:07:29.996
no laboratório central

00:07:30.020 --> 00:07:33.596
para que os médicos pudessem agir
rapidamente se descobrissem uma infecção.

00:07:34.099 --> 00:07:37.083
Isso me permitiu testar meu aparelho
também nas amostras dela.

NOTE Paragraph

00:07:37.355 --> 00:07:40.977
Nos dois primeiros meses em que medi
essas amostras, não havia nada,

00:07:41.794 --> 00:07:42.945
mas, no terceiro mês,

00:07:42.965 --> 00:07:45.871
descobri uma conversa
entre bactérias na amostra dela.

00:07:46.473 --> 00:07:50.345
As bactérias estavam se coordenando
para danificar o tecido dos pulmões.

00:07:50.534 --> 00:07:54.925
Mas o diagnóstico tradicional mostrava
que não havia nenhuma bactéria.

00:07:55.711 --> 00:07:57.624
Voltei a avaliar no mês seguinte.

00:07:57.644 --> 00:08:01.552
Pude ver que as conversas entre bactérias
se tornaram ainda mais agressivas.

00:08:02.167 --> 00:08:05.129
No entanto, o diagnóstico tradicional
não mostrava nada.

00:08:06.276 --> 00:08:07.654
Meu estudo terminou,

00:08:07.674 --> 00:08:09.964
mas, meio ano depois,
verifiquei o estado dela,

00:08:09.984 --> 00:08:12.639
para ver se as bactérias
que só eu havia descoberto

00:08:12.659 --> 00:08:15.494
haviam desaparecido
sem intervenção médica.

00:08:16.350 --> 00:08:17.420
Não haviam.

00:08:18.020 --> 00:08:20.877
Mas a moça já havia sido diagnosticada
com uma infecção grave

00:08:20.897 --> 00:08:22.495
por bactérias mortais.

00:08:23.478 --> 00:08:25.718
Eram as mesmas bactérias

00:08:25.738 --> 00:08:28.341
que minha ferramenta
havia descoberto antes.

00:08:28.537 --> 00:08:31.007
Apesar do tratamento agressivo
com antibióticos,

00:08:31.027 --> 00:08:34.155
foi impossível erradicar a infecção.

00:08:34.816 --> 00:08:38.518
Os médicos estimaram
que ela não passaria dos 20 anos.

NOTE Paragraph

00:08:40.404 --> 00:08:42.509
Quando avaliei as amostras daquela moça,

00:08:42.533 --> 00:08:44.716
minha ferramenta
ainda estava na fase inicial.

00:08:44.736 --> 00:08:47.439
Eu nem sequer sabia
se meu método funcionava mesmo.

00:08:47.459 --> 00:08:49.486
Então, eu tinha um acordo com os médicos

00:08:49.510 --> 00:08:51.651
para não dizer o que
minha ferramenta revelava

00:08:51.671 --> 00:08:53.715
a fim de não comprometer
o tratamento deles.

00:08:54.111 --> 00:08:56.868
Quando vi os resultados
que nem mesmo estavam validados,

00:08:56.888 --> 00:08:58.144
não ousei falar,

00:08:58.164 --> 00:09:00.961
porque o tratamento de um paciente
sem uma infecção real

00:09:01.145 --> 00:09:03.935
também tem consequências
negativas para ele.

00:09:05.092 --> 00:09:06.728
Mas agora sabemos mais a respeito,

00:09:06.748 --> 00:09:10.517
e há muitos rapazes e moças
que ainda podem ser salvos,

00:09:11.172 --> 00:09:14.596
porque, infelizmente, esse cenário
ocorre com muita frequência.

00:09:14.620 --> 00:09:16.183
Os pacientes são infectados,

00:09:16.203 --> 00:09:19.324
as bactérias não aparecem
nos testes de diagnóstico tradicionais

00:09:19.688 --> 00:09:23.540
e, de repente, a infecção começa
no paciente com sintomas graves.

00:09:23.564 --> 00:09:25.862
Nesse momento, já é tarde demais.

NOTE Paragraph

00:09:27.219 --> 00:09:30.773
O resultado surpreendente
dos 62 pacientes que acompanhei

00:09:30.773 --> 00:09:33.390
foi que meu aparelho captou
as conversas entre bactérias

00:09:33.414 --> 00:09:35.584
em mais da metade
das amostras dos pacientes

00:09:35.604 --> 00:09:38.775
que foram diagnosticados como negativos
pelos métodos tradicionais.

00:09:39.501 --> 00:09:42.549
Em outras palavras, mais da metade
desses pacientes iam para casa

00:09:42.569 --> 00:09:44.748
achando que estavam livres da infecção,

00:09:44.768 --> 00:09:47.726
embora, na verdade, fossem
portadores de bactérias perigosas.

00:09:49.107 --> 00:09:51.628
Dentro desses pacientes
diagnosticados incorretamente,

00:09:51.648 --> 00:09:54.748
as bactérias estavam coordenando
um ataque sincronizado.

00:09:55.530 --> 00:09:57.468
Sussuravam entre si.

00:09:57.892 --> 00:09:59.537
Chamo de "bactérias sussurrantes"

00:09:59.557 --> 00:10:02.841
aquelas que os métodos tradicionais
não conseguem diagnosticar.

00:10:03.383 --> 00:10:05.635
Até o momento, é apenas
a ferramenta de tradução

00:10:05.675 --> 00:10:08.035
que consegue captar esses sussurros.

00:10:08.094 --> 00:10:11.767
Creio que o período em que as bactérias
ainda estão sussurrando

00:10:11.791 --> 00:10:14.838
é uma janela de oportunidades
para um tratamento direcionado.

00:10:15.608 --> 00:10:18.741
Se a moça tivesse sido tratada
durante essa janela,

00:10:18.765 --> 00:10:21.266
teria sido possível matar as bactérias

00:10:21.290 --> 00:10:25.159
na fase inicial, antes de a infecção
ficar fora de controle.

NOTE Paragraph

00:10:27.131 --> 00:10:31.076
Minha experiência com essa moça
me fez decidir fazer tudo o que posso

00:10:31.096 --> 00:10:33.491
para introduzir
essa tecnologia no hospital.

00:10:34.107 --> 00:10:38.346
Estou trabalhando com os médicos
na implementação da ferramenta em clínicas

00:10:38.366 --> 00:10:40.872
para diagnosticar infecções precoces.

NOTE Paragraph

00:10:41.239 --> 00:10:44.637
Embora ainda não se saiba
como os médicos devem tratar os pacientes

00:10:44.657 --> 00:10:46.450
durante a fase dos sussurros,

00:10:46.474 --> 00:10:50.458
essa ferramenta pode ajudar os médicos
a observar de perto os pacientes em risco.

00:10:50.508 --> 00:10:53.830
Pode ajudá-los a confirmar
se um tratamento funcionou ou não,

00:10:53.854 --> 00:10:56.558
e pode ajudar a responder
a perguntas simples:

00:10:56.642 --> 00:10:58.512
"O paciente está infectado?

00:10:58.536 --> 00:11:00.856
O que as bactérias estão tramando?"

NOTE Paragraph

00:11:00.958 --> 00:11:02.745
As bactérias conversam,

00:11:02.769 --> 00:11:04.795
fazem planos secretos

00:11:04.819 --> 00:11:07.632
e trocam informações
confidenciais entre si.

00:11:08.253 --> 00:11:10.932
Mas não só conseguimos
pegá-las sussurrando,

00:11:10.956 --> 00:11:13.503
como também podemos aprender
a língua secreta delas

00:11:13.517 --> 00:11:16.586
e nos tornarmos sussurradores bacterianos.

00:11:16.973 --> 00:11:19.067
E, como as bactérias diriam:

00:11:19.656 --> 00:11:22.854
"3-oxo-C12-anilina".

NOTE Paragraph

00:11:23.763 --> 00:11:24.931
(Risos)

NOTE Paragraph

00:11:24.955 --> 00:11:26.004
(Aplausos)

NOTE Paragraph

00:11:26.024 --> 00:11:27.778
Obrigada.