Latest / Signaali / #39 | Olemmeko avaamassa elämän peruskoodin Pandoran lipasta? Manu Tamminen.

Transcript

#39 | Olemmeko avaamassa elämän peruskoodin Pandoran lipasta? Manu Tamminen. · Signaali

• 0:00
  Bakteeri mikä tuottaa kemiallisia rakenteita mitä ei
• 0:02
  ole luonnossa nähty ja monistaa itseään ja jakaantuu, jakaantuu
• 0:07
  ja lisääntyy että se tuottaa jotain semmoista mikä voisi olla
• 0:10
  vähän niinku vaikka nykyinen muoviroska.
• 0:12
  Ehkä harmittovimmillaan vähän niinku nykyinen muoviroska mistä
• 0:15
  ei pääse koskaan eroon koska ei ole tapoja niinku hajottaa sitä.
• 0:19
  Se olisi ehkä se niinku kivoin skenaario ikävin skenaario olisi
• 0:22
  se, että se olisi jotain niinku mikä tappaa tyyliin kaiken
• 0:24
  monisoluisen elämän. Ja ja että lähtökohta ei ollut
• 0:29
  se, että oltaisiin haluttu tehdä semmoista eliöitä voi olla
• 0:32
  haluttu tehdä vaikkapa jotain hyvää biopolttoainetta, mutta
• 0:35
  sitten semmoinen sitä tuottava modattu bakteeri on kadonnut
• 0:39
  labrasta ja mutatoitunut ja alkanut tuottaa jotain mitä
• 0:42
  kukaan ei olisi alunperinkään halunnut.
• 0:44
  Arvoisat katsojat ja kuulijat. Tervetuloa uuteen
• 0:47
  signaalipodcastin jakson pariin ennen kun mennään itse jaksoon
• 0:51
  niin pyydän sen teitä laittamaan kanavan tilaukseen.
• 0:54
  Ja jos katselette tätä youtubessa niin painakaa.
• 0:56
  Tykkäysnappia, niin autatte meitä vahvistamaan signaaleja ja
• 1:00
  nyt itse aiheeseen. Tällä kertaa potkaistiin
• 1:04
  vieraana on henkilö nimeltä manu tamminen, joka toimii Turun
• 1:08
  yliopiston akatemiatutkijana biologian laitoksella ja myös
• 1:13
  genomillin perusteena eli startup-yrittäjänä.
• 1:17
  Tervetuloa podcastiin mano. Kiitos oikein paljon.
• 1:20
  Mukava olla täällä. Sulla on siis tuplarooli sä oot
• 1:24
  startup-yrittäjä. Ja akatemiatutkija niin miten
• 1:28
  ajauduit tähän pisteeseen? Se kuulostaa varsin
• 1:32
  mielenkiintoiselta tarinalta. Joo tota mä väittelin vuonna
• 1:37
  2011 helsingin yliopistosta ja menin heti sen jälkeen MIT hen
• 1:42
  bostoniin eli tai Cambridge, massachusettsin, joka on se tota
• 1:46
  käytännössä bostoniin sulautunut.
• 1:47
  Naapurikaupunki missä sijaitsee MIT ja harvard 2
• 1:50
  huippuyliopistoa ja vietin siellä 2 ja puoli vuotta.
• 1:56
  Ja toimin yhteistyössä aika monien tutkimusryhmien kanssa
• 1:59
  osana mun silloista tutkimustyötä ja mä silloin
• 2:03
  havainnoin tämmöistä toimintatapaa, mikä oli siellä
• 2:05
  aika yleinen mitä mä en ollut Suomessa juurikaan nähnyt, että
• 2:08
  professorit ja tutkijat tekee akateemista tutkimustyötä, mutta
• 2:13
  he spinaa kuitenkin ulos siinä samalla erilaisia
• 2:15
  tutkimusajatuksia sitten niinku yrityksinä etsin niille
• 2:18
  rahoitusta et sinille toteuttajat.
• 2:21
  Saattavat olla itse hyvinkin hands on mukana toiminnassa tai
• 2:25
  sitten päästävät idean irti ja antavat sen sitten mennä muiden
• 2:28
  eteenpäin vieminä. Että tää kiinnosti mua hirveän
• 2:32
  paljon toimintatapana ja ajattelin että jos mulle tulee
• 2:35
  tilaisuus toteuttaa tätä itse jossain vaiheessa niin pyrin
• 2:38
  pyrin näin tekemään ja nytten olen.
• 2:41
  Olen tässä viimeiset noin 5 vuotta pystynyt tän tyyppistä
• 2:44
  toimintatapaa nimenomaan toteuttamaan.
• 2:46
  Nyt sitten suomessa ollessani. Joo siistiä mitä genomi siis
• 2:50
  yrittää ratkaista? Meillä on teknologia, joka
• 2:54
  mahdollistaa sen, että DNA, ta voidaan käsitellä ja lukea vähän
• 2:58
  siihen tapaan kuin se olisi. Ihan niinku digitaalinen
• 3:00
  tietokanta eli DNA, han varastoidulle informaatiolle
• 3:05
  voidaan tehdä ihan niinku tarkkoja hakutoimintoja.
• 3:08
  Jos meillä on valtava määrä informaatiota DNA, ssa, niinku
• 3:11
  vaikka ihan biologista lääketieteellistä informaatiota
• 3:15
  tai sitten jotain koodattua informaatiota, miten se voidaan
• 3:17
  hakea, miten sitä voidaan kopioida?
• 3:20
  Miten sieltä voidaan poistaa materiaalia ikään kuin se olisi
• 3:22
  digitaalinen tietokanta? Ja tää on ehkä vähän abstrakti
• 3:27
  tapa esittää se näin täällä on useita sovellusalueita, joista
• 3:30
  nytten ennen kaikkea me ollaan tällä hetkellä edistetty
• 3:33
  hyvinkin tämmöistä kliinistä ja käytännössä niinku miten sanoisi
• 3:38
  yleishyödyllistä toimintatapaa, elikkä syöpädiagnostiikkaa ja
• 3:43
  syöpädiagnostiikkaa nimenomaan sillä tavalla, että yksi
• 3:45
  syöpädiagnostiikan suuri trendi tällä hetkellä nimeltään
• 3:47
  nestebiosia. Nestebiopsialla tarkoitetaan
• 3:50
  sitä, että otetaan potilaalta tai potilaalta jollain jolla
• 3:54
  epäillään olevan syöpä niin verinäyte ja katsotaan
• 3:58
  verinäytteestä, että näkyykö siellä semmoisia mutaatioita
• 4:00
  mitkä saattaisi olla yhteydessä siihen, että henkilöllä on
• 4:02
  syöpäkasvain. Ja se perustuu siis siihen
• 4:05
  ajatukseen, että syöpäkasvain usein erittää verenkiertoon
• 4:09
  mutatoitunutta DNA, ta jonkun verran ja se mutatoitunut DNA
• 4:13
  näkyy sitten veden niin sanotussa soluvapaan, DNAN
• 4:16
  osuudessa. Usein hirveän pienenä määränä
• 4:19
  elikkä suuri osa signaalista, mitä me havaitaan, niin on
• 4:22
  terveistä kudoksesta tuleva DNA, ta.
• 4:24
  Mut sitten siellä on pikkunen neula heinäsuovassa, mikä on on
• 4:27
  mutaatiota, mikä kertoo mahdollisesti syövän tyypistä
• 4:32
  vaiheesta ja näin poispäin mahdollisesti myös jopa siitä,
• 4:35
  että miten sitä pitäisi hoitaa. Ja tää on niinku se on ilmeistä
• 4:39
  että minkä takia tää on shopadiagnostiikassa kova trendi
• 4:41
  niin just nytten koska tavallaan lukea DNA, ta on kehittynyt
• 4:44
  valtavasti. Ja toisaalta sitten niinku
• 4:48
  syöpäkuolleisuus on edelleenkin suuri, eikä mitenkään niinku
• 4:52
  vähenemään päin hoitojen kehittymisestä huolimatta ja
• 4:55
  verinäytteen ottaminen henkilöltä on tietysti paljon
• 4:59
  helpompaa ja vähemmän invasiivista kun se, että että
• 5:02
  kirurgi avaa potilaan ja kaivaa tuumorin esiin.
• 5:05
  Joo keskustellaan sun kanssa tänään geeniteknologiasta ja ja
• 5:09
  myös sen tulevaisuudesta ja tietenkin molekyylibiologiasta.
• 5:13
  Mutta. Soitettiin sun kanssa, että
• 5:15
  voitaisiin ensin käsitellä perus asioita ja ja ottaa perustermit
• 5:19
  haltuun. Puhut siis siitä, että että
• 5:23
  teillä on te kehitätte sellaista teknologiaa, joka joka
• 5:26
  mahdollistaa sen, että DNA, ta voi käyttää tietokantana niin
• 5:30
  mitä kaikkea siihen siis voi kouluttaata.
• 5:33
  Voiko siihen koota jotain netflix elokuvia vaikka
• 5:36
  tulevaisuudessa? Joo kyllä kyllä sanotaan, että
• 5:40
  jos me otetaan jommalta kummalta meiltä vaikka näyteeristetään
• 5:44
  siitä DNA. Niin se DNA sinällään on jo se
• 5:47
  on kirjoitusta aivan niinku aivan konkreettisessa mielessä
• 5:50
  se on kirjoitusta 4 kirjaimella siellä on ATG ja c mitkä on nämä
• 5:55
  niinku aakkoset ja ne perustuu ihan siihen, DNAN kemiaan siellä
• 5:59
  on molekyylit nimeltä adeniini u niin ysytösiniä tymiini, jolle
• 6:01
  nää josta tulee nää lyhenteet näille 4 kirjaimelle ja niillä
• 6:06
  on tietyt tietynlaiset säännöt miten ne keskenään toimii.
• 6:12
  Mikä tarkoittaa että DNADNA han on on sisäänrakennettuna
• 6:15
  myöskin. Keino kopioida se informaatio
• 6:18
  eteenpäin, DNAN kirjoitusta molekyylitason kirjoitusta, jota
• 6:22
  voidaan kopioida eteenpäin ihan niinku niin, että siinä ei
• 6:25
  juurikaan sisältö muutu. Eli jokainen meidän solu pitää
• 6:31
  sisällään meidän koko perimän käytännössä, mikä on yhdenlainen
• 6:34
  koodattu viesti ja konkreettisesti kirjoitusta.
• 6:38
  Samalla tavalla sitten tietokoneellahan tällä hetkellä
• 6:41
  me voidaan kaikki käytännössä mikä tahansa informaatiokoodata
• 6:44
  2 merkkiin 2 aakkoseen nolla ja ykköseen että tästä seuraa
• 6:49
  jotakuinkin logisesti se, että myöskin näihin 4 kirjaimeen
• 6:52
  voidaan kohdata periaatteessa ihan mikä tahansa informaatio.
• 6:56
  Meidän sähköisiin massamuisteihin näiden 2 merkin
• 7:00
  2 aakkosen operointi. Se on tällä hetkellä niinku
• 7:02
  hyvinkin standardia ja mahdollistaa just sen niinku
• 7:06
  modernin tietotekniikan mikä meillä on tällä hetkellä.
• 7:09
  Informaation kirjoittaminen DNA, han on kehittynyt valtavasti
• 7:12
  viimeisten vuosien aikana, mutta ei ole vielä sillä tasolla, että
• 7:16
  se olisi yksi yksinkertaista kuin mitä sitten tuommoisen
• 7:19
  digitaalisen informaation kirjoittaminen.
• 7:22
  Joten vielä en en ole varma onko.
• 7:27
  Kokonaista elokuvaa, esimerkiksi koodattu DNA, han shakespearin
• 7:31
  kootut teokset on koodattu. Se on jostakin syystä tämmöinen,
• 7:35
  vähän niinku tän alan semmoinen. Mikä täytyy toteuttaa jos haluaa
• 7:40
  olla uskottava peluri siinä siinä sillä kentällä koodata
• 7:43
  jossain vaiheessa shakesberin kootat teokset tienaa.
• 7:46
  Eli voisinko mä kuitenkin niinku koota mun omaan DNA, han jotain
• 7:51
  vastaavaa ja silti niinku säilyttää täyden
• 7:54
  toiminnallisuuden? Vai onko nää tämmöisiä
• 7:56
  eristettyjä DNA, ta? Mihin ää näitä kopioidaan?
• 8:00
  Synteettisestä DNA, sta puhutaan kyllä silloin jos.
• 8:04
  Sä vaikkapa niin kun netflix suosikki netflix-sarjaa tai
• 8:07
  suosikkielokuvaa haluaa. Kohdata DNA han eli ihan
• 8:11
  kemiallisesti syntetisoitu DNA. Enkä suosittelisi mitään
• 8:16
  yrityksiä. Yrittäisi sitä sitten vaikka
• 8:18
  jolla jollakin crispr caste-knologialla pistää oman
• 8:21
  perimänsä osaksi. Alright, mutta siis DNA, ssa on
• 8:25
  jokaisella emäksellä on vastinpari eli a, lla on c ja g,
• 8:30
  llä on t. Ala t ja sielläkin OK.
• 8:33
  ATGC joo OK miksi se on näin? Miksi niillä on vastin paria?
• 8:37
  Mikä? Miksi se on rakentunut tällä
• 8:40
  tavalla? Jos me ajatellaan sitä niinku
• 8:43
  miltä DNA näyttää. Se on hyvin kuuluisa se rakenne,
• 8:45
  semmoinen, kaunis kaksoiskierre ja se kaksoiskierre on tavallaan
• 8:49
  se niinku DNAN runko mikä mikä missä nää 4 kirjainta on sitten
• 8:53
  aina niinku säännöllisesti kiinni siinä siinä rungossa.
• 8:58
  Ne 4 kirjainta ne on käytännössä kemiallisesti ja ihan niinku
• 9:02
  fyysisesti erikokoisia molekyylejä.
• 9:05
  Eli tota a on vähän isompi kuin t.
• 9:10
  C on g on vähän isompi kuin c elikkä niin kun esimerkiksi a ja
• 9:15
  g jos ne koittaisi pistää yksi niin se ei olisi enää
• 9:19
  kaksoiskierre vaan siinä olisi pullistumassa siinä kohtaa ja se
• 9:22
  olisi silloin kemiallisesti epävakaampi.
• 9:24
  Eli se perustuu ihan niinku tämmöiseen tietynlaiseen
• 9:26
  kemialliseen vakauteen, että ainoastaan a sopii teitä vasten
• 9:30
  ja g sopii citä vasten. Siinä on myös se joitakin muita
• 9:34
  seikkoja kuin pelkästään tätä niinku fyysinen koko.
• 9:37
  Mutta niinku perustuu ihan tämmöiseen niinku periaatteessa
• 9:41
  tämmöisiin, kemiallisiin ja sähköisiin vuorovaikutuksiin.
• 9:44
  Todella kiehtovaa ja millä tavalla me pystytään tänä
• 9:48
  päivänä jo kopioimaan DNA minkälaisia tekniikoita on
• 9:51
  olemassa? Esimerkiksi PCR on olemassa.
• 9:53
  Onko se sellainen mainstream tekniikka sillä tavalla, että
• 9:56
  sulla ei oo varteenotettavia kilpailijoita tänä päivänä?
• 10:00
  Pc r on hyvin suosittu. Se on se on erittäin hyvä
• 10:03
  teknologia. Se on ollut olemassa jo 80
• 10:06
  luvulta saakka. Gary mullis sai nobelin siitä
• 10:08
  sitten. Tota melko pian sen keksimisen
• 10:11
  jälkeen tosin aina näiden isojen keksintöjen kanssa keskustelu
• 10:16
  jatkuu, että ketä kaikkia muita olisi pitänyt vielä kiittää
• 10:18
  sitten siitä keksimisestä, mutta tota joo ei mennä siihen siihen
• 10:22
  sen enempää. Se on erittäin niinku tehokas
• 10:26
  menetelmä monista hyvin pienestä määrästä DNA, ta sitten paljon,
• 10:30
  paljon DNA, ta ihan sillä tavalla, että se voidaan saada
• 10:33
  sitten havaittua jollakin. Erilaisella detektiomenetelmillä
• 10:37
  ja täähän tuli hyvin kuuluisaksi tossa pandemian aikana, koska.
• 10:40
  Silloin PCR oli paljon käytössä siinä, että limakalvo näytteestä
• 10:43
  katsottiin, että onko siellä virus tienata.
• 10:46
  Ja se se on sen takia se on myöskin hyvin tunnettu
• 10:48
  menetelmä. Se ei ole suinkaan ainoa ainoa
• 10:51
  DNA. Monistusmenetelmä on myös muita
• 10:54
  ja tota. Kaikkihan nää me
• 10:57
  monistusmenetelmät on lähtöisin tämmöisistä mekanismeista mitä
• 11:01
  mitkä tapahtuu, mitkä toimii eri soluissa, että meidän kaikissa
• 11:04
  soluissa on omanlaiset menetelmät, DNAN monistamiseen
• 11:09
  mitkä on sitten niinku sanotaan hyvin konservoituneita kautta
• 11:12
  eläinkunnan ja sitten bakteerisolulla on omanlaisensa
• 11:16
  ja niitä bakteerit on hyvin monimuotoisia ja harkit myös
• 11:21
  siellä on monenlaisia mekanismeja tähän myöskin.
• 11:23
  Ja toi PCR perustuu tämmöisen. Ja kuumissa lähteissä elävän.
• 11:29
  Nyt mä en ole itse asiassa ihan varma, että onko se bakteeri vai
• 11:31
  arkki, mutta kuitenkin tämmöisen niinku kuumiin olosuhteisiin
• 11:34
  sopeutuneet bakteerin siihen kopiointimekanismiin, koska
• 11:38
  pesser menetelmässä se perustuu osaltaan siihen, että lämpötila
• 11:41
  vaihdellaan niinku tommoisesta niinku sanotaanko jonkun verran
• 11:46
  lämpimästä niin melkein kiehuvan kuumaksi ja tätä lämpötilaa
• 11:49
  niinku muutellaan ja useimmiten mehän tiedetään jos ihmisen
• 11:53
  pistää niinku pitkäksi aikaa tosi kuumaan niin.
• 11:55
  Ihminen ei selviä hengissä, mutta jos on semmoinen ja se
• 11:57
  johtuu siitä, että meidän proteiinit ei kestä sitä.
• 12:00
  Tää DNAN kopioimisesta vastaava molekyyli DNA polymeraassi.
• 12:05
  Se on myös proteiini, mutta tämän kyseisen bakteerin DNA
• 12:09
  polymeraasi on hyvin lämpöä ja kestävä, koska se on sopeutunut
• 12:13
  sinne kuumiin ja lähteiden olosuhteisiin.
• 12:15
  Eli se kestää tavallaan sen semmoisen niinku
• 12:17
  lämpökäsittelyn. Mitä tää PC reaktio vaatii?
• 12:20
  OKOK eli me tarvitaan siis polymeraasia tästä bakteerista
• 12:25
  tai arkista, jotta tämä prosessi toimisi.
• 12:27
  Joo kyllä ilman niinku DNA molekyyli yksinään ei pysty
• 12:30
  kopioimaan itseään että se vaatii vaatii jonkun verran
• 12:32
  muuta koneistoa siihen ympärille ja tavallaan se minimivaadittava
• 12:35
  asia on sen itse. DNAN lisäksi tämmöinen niinku
• 12:38
  DNA polymeraasi molekyyli. Mutta siis miten se toimii
• 12:41
  sitten meidän soluissa? Näissä kompleksisissa
• 12:44
  organismeissa, niinku me ollaan. Monisoluiset organismit, niin
• 12:49
  monistuuko solut kaikki solut samalla tavalla vai monistuuko
• 12:54
  ne eri tavalla riippuen solun funktiosta?
• 12:57
  Monistuu eri tavalla tää on tärkeä, tärkeä pointti, koska
• 13:01
  tosiaan niin kauan periaatteessa kun ihminen kasvaa, kasvaa
• 13:04
  sitten niinku tuonne aikuisuuteen mennessä, niin
• 13:07
  solut tietty monistuu, että ihminen ihminen ylipäätään
• 13:11
  kasvaa. Mutta silti joidenkin solujen
• 13:13
  monistuminen loppuu aikaisemmin ja tota.
• 13:17
  Myöskin siinä on sitten esimerkiksi just vaikkapa
• 13:20
  ihosoluthan monistuu jatkuvasti periaatteessa jos tulee haava,
• 13:22
  niin haava paranee ja hermosolut vastaavasti jos tulee joku
• 13:27
  niinku vakava aivovaurio vaikka niin se ei välttämättä kovin
• 13:29
  hyvin parane, koska hermosolut ei juurikaan monistu enää sitten
• 13:34
  tietyn tietyn vaiheen jälkeen. Tähän liittyy sitten tää kysymys
• 13:38
  kantasoluista, mitkä on näiden eri kudosten tavallaan semmoisia
• 13:41
  vielä monistumiskykyisiä soluja. Voidaan tästäkin aiheesta vielä
• 13:45
  tarvittaessa puhua. Joo, mutta solujen monistumisen
• 13:49
  säätely sehän on ihan äärimmäisen tarkka.
• 13:52
  Se on elämän ja kuoleman kysymys käytännössä meille, koska
• 13:55
  useimmiten jos se menee pieleen niin siitä seuraa syöpä.
• 13:58
  Syöpää on esimerkki tämmöisestä niin kun solujen
• 14:01
  hallitsemattomasta jakautumisesta.
• 14:03
  Mut kuitenkin siitä huolimatta on olemassa sellainen
• 14:06
  universaali mekanismi, jolla voidaan kopioida DNA, ta.
• 14:10
  Joo, oikeastaan on. Ei ole ehkä universaalia
• 14:13
  mekanismeja, vaan on se universaalisuus liittyy ehkä
• 14:16
  DNA, han itseensä sillä tavalla, että sen kemiallinen rakenne
• 14:20
  mahdollistaa tietynlaisen tietynlaisen tämmöisen
• 14:23
  kopiointimekanismin niin kun puitteet.
• 14:26
  Mutta sitten on erilaisia molekyylikoneistoja.
• 14:29
  DNAN kopiointiin. Ja bakteereilla se on melko
• 14:33
  yksinkertainen ja arkeilla mahdollisesti myöskin, koska ne
• 14:38
  on yksisoluisia otuksia jotka ei heitä haittaa se jos he rupeaa
• 14:42
  muoistamaan kauhean paljon, se voi olla osa heidän
• 14:44
  selviytymisstrategiaansa sitten erilaisissa ekosysteemeissä,
• 14:48
  mutta monisoluiselle otukselle tietysti niin kaikkien solujen
• 14:52
  pitää vähän niinku pelata yksi. Ja sen takia meidän DNA
• 14:55
  monistusmekanismit on paljon monimutkaisempia kun bakteerien
• 14:58
  solulla koska niinku siinä pitää olla monta säätelyn tasoa.
• 15:01
  Muuten muuten tulee ongelmia. Niin mä vaan mietin sitä, että
• 15:05
  joku jonain päivänä huomasi, että nää bakteerit ja arit
• 15:08
  kopioi itseään tällä tavalla ja sitten keksi että tätä tapaa voi
• 15:12
  käyttää myös meidän niinku esimerkiksi insen DNA
• 15:16
  kopiointiin, niin mä mietin että miten se on mahdollista?
• 15:19
  Miksi miten me voidaan käyttää toisen eli mekanismia kopioimaan
• 15:25
  kaikkea DNA, ta? Vai voidaanko kopioida ihan
• 15:27
  kaikkea maailman DNA, ta silloin vakanismilla?
• 15:30
  Joo kyllä kyllä me voidaan. Ottaa ihan joku vaikkapa näyte
• 15:36
  omasta kehostamme edistää sitä DNA ja lähteä sieltä monistamaan
• 15:41
  sitten tällä käyttäjän tätä. Esimerkiksi odota nytten termo
• 15:46
  filosoficus on se bakteeri tai arkki, josta josta tämä PCR
• 15:52
  reaktio on klassinen. Polymeraasi on peräisin
• 15:55
  käyttämällä tätä polymeraasia voidaan monistaa siis meidän
• 15:57
  perimää ihan ihan mainiosti. Eli siinä mielessä se DNANDNAN
• 16:01
  toimintatapa. Kyllä se on täysin universaali.
• 16:04
  Toi on erittäin kiehtova esimerkki ja ja mun mielestä
• 16:07
  jopa emplemaattinen esimerkki siitä, miksi perustutkimus on
• 16:10
  tärkeää. Että joku jonain päivänä oli
• 16:12
  kiinnostunut näistä. Tosi pienistä eliöistä on vaan
• 16:16
  katsoa. Näähän elää tässä kuumissa
• 16:19
  lähteissä ja tutkinut niitä luupillaan ja ja tehnyt
• 16:22
  havaintoja. Mutta en oikein usko että se
• 16:25
  henkilö joka on aloittanut niiden tutkimisen olisi uskonut
• 16:28
  että että sitten myöhemmin tämä johtaa tällaiseen läpimurtoon
• 16:32
  mitä me sovellamme, että tässä oikeastaan ihan kaikkialla.
• 16:36
  Joo juuri näin toi crispr casson toinen hyvä esimerkki tästä
• 16:39
  että. Siinä on ollut kyse ihan vaan
• 16:41
  niinku mikrobiologisesta perustutkimuksesta.
• 16:45
  Sitten. Meillä on olemassa RNA, niin
• 16:47
  miten RNA liittyy DNA toimintaan?
• 16:50
  Ja se miten meidän solut ikään kuin toteuttaa sitä DNANDNA han
• 16:55
  koodittua perimää. Se perustuu siihen, että DNA,
• 16:58
  sta tehdään kopio. DNA pystyy kopioimaan itseään DN
• 17:02
  aksi, mutta silloin jos DNA sitä niinku viestiä haluaa solut
• 17:06
  solut toteuttaa niin DNA kopioidaan silloin RNA, ksi.
• 17:10
  RNA on kemiallisesti hyvin samankaltainen molekyyli kun
• 17:13
  DNA, mutta se on kemiallisesti paljon epävakaampi ja se
• 17:16
  epävakaus tarkoittaa siis sitä, että se hajoaa melko nopeasti.
• 17:19
  Ihan siis solujen ympäristössäkin.
• 17:22
  Ja se epävakaus on hyvä sikäli että että jos olisi hyvin vakaa
• 17:26
  molekyyli niinku DNA, niin ikään kuin silloin.
• 17:29
  Se käsky mikä sieltä tulee tehdä nyt tämmöistä valkuaisainetta ja
• 17:32
  se jäisi päälle pitkäksi aikaa. RNAN kanssa sitä voidaan
• 17:35
  säädellä tarkemmin, että se on ikään kuin voimassa.
• 17:37
  Se käsky vain tietyn aikaa suurin piirtein sen aikaa, kun
• 17:40
  se RNA molekyyli sitten on on vakaana on hajoamattomana.
• 17:44
  Ja tota se on yks tämmöinen säätelyn taso mikä liittyy
• 17:48
  sitten tohon niin kuin millä tavalla DNANDNAN viesti ilmenee
• 17:52
  meidän soluissa. Ja bakteerisoluissa tota RNA,
• 17:57
  jotakuinkin suoraan sitten RNA luetaan ja se sehän niinku DNAN
• 18:02
  sekvenssi samoin kuin RNA segmenssi se määrittää sen
• 18:05
  niinku että missä järjestyksessä aminohapot jotka on proteiinien
• 18:09
  rakennusaineita missä järjestyksessä ne pitää kasata
• 18:12
  yksi jotta saadaan toiminnallinen proteiini
• 18:14
  aikaiseksi ja proteiinit on sitten niinku näitä tämmöisiä
• 18:17
  molekyylikoneita mitkä toteuttaa ne kaikki toiminnot meidän
• 18:20
  soluissa. Saa aikaan vaikkapa sitten sen,
• 18:22
  että. Että esimerkiksi jotakin
• 18:25
  sokereita hajotetaan energiaksi tai esimerkiksi vaikka sen, että
• 18:30
  että joku myrkyllinen aine hajoitetaan sitten
• 18:32
  myrkyttävämmäksi se lopputuotteeksi.
• 18:36
  Ja tota bakteereissa tämä niin kun on hyvin suoraviivainen.
• 18:40
  Dienosta tehdään RNA ja RNA, jota kuinkin suoraan sitten
• 18:43
  luetaan niinku tämmöiseksi aminohapposekvenssiksi, jolloin
• 18:45
  muodostuu proteiini. Korkeimmilla elämänmuodoilla
• 18:49
  eukaryoteilla eli käytännössä koko eläin ja kasvikunnalla ja.
• 18:53
  Myöskin tommoisilla pienillä joillakin pienillä
• 18:55
  yksisoluisilla otuksilla niin on erikseen tämmöinen tuma, joka on
• 18:59
  solun sisällä englanniksi. Nukleus elikkä pitää tämmöiseen
• 19:03
  ytimeen vähän niinku solun ydin, jossa DNA sijaitsee ja tota RNA
• 19:08
  tehdään tumassa ja viedään ulos tumasta.
• 19:12
  Ja sitten sen jälkeen vasta proteiini muodostuu.
• 19:14
  Mitä kaikkea funktioita RNA, han sitten liittyy.
• 19:17
  Se siis vie informaatiota eli DNA on on siis ohjekirja sitten
• 19:22
  NA kopioi tietyn reseptin sieltä vai ottaako se muuten koko DNA,
• 19:27
  sta aina sen kopion kun se tekee niinku vie ne ohjeet jotta
• 19:31
  luodaan uutta soloa vai ottaako se siitä vain mahdollisesti
• 19:35
  lyhyen pätkän. R rada ottaa aina lyhyen pätkän
• 19:38
  ainoastaan aina niinku tietyn pienen osan, vaan sitten siitä
• 19:41
  DNA, sta. Eli se on myöskin tarkkaan
• 19:44
  säädelty, että mikä osa tosta koko perimästä on milloinkin
• 19:47
  aktiivisena. Eli sieltä voidaan halutaan
• 19:50
  lukea vaikkapa ainoastaan ohjeet siihen, että miten vaikkapa
• 19:55
  sakkaroosia ruokasokeria voidaan hajottaa sitten pienemmiksi
• 19:58
  yksiköiksi jotta saadaan energiaa.
• 20:00
  Jos se sattuisi solulla olemaan just sillä hetkellä paljon
• 20:02
  semmoista sokeria, mikä pitäisi hajottaa energiaksi.
• 20:06
  Silloin luetaan tarkkaan vaan niinku esimerkiksi se kohta,
• 20:08
  mikä kertoo miten sen tyyppinen operaatio tehdään.
• 20:11
  Itse asiassa toi perimä suurelta osin on kaikkea muuta kuin
• 20:15
  proteiinien ohjeita. Siellä on paljon esimerkiksi
• 20:18
  säätelyyn liittyviä säätelyyn liittyviä osia.
• 20:21
  Sitten on paljon osia, joista ei vieläkään tiedetä ihan tarkkaan,
• 20:23
  mitä mikä niiden merkitys on vai onko niillä merkitystä.
• 20:26
  Voi olla että voi hyvin olla se sitten siellä on paljon kaikkea
• 20:28
  myöskin ikään kun. Jossain kohtaa tarpeettomaksi
• 20:31
  jäänyttä tietoa, mikä on pikkuhiljaa mutatoitunut sitten
• 20:33
  niinku käytännössä tunnistamattomaksi.
• 20:35
  Jos kultaan ihmisen genomista niin kuinka suuren osan me me
• 20:39
  ollaan tavallaan niinku järkevästi napattu sillä
• 20:42
  tavalla, että me ymmärrämme, mikä on näiden osien tarkoitus
• 20:44
  ja kuinka suuri osa on tällaista tuntematonta, mitä me emme
• 20:47
  ymmärrä vielä tänä päivänä. Mä en osaa suoraan päättää sanoa
• 20:50
  mitään prosenttiosuutta, mutta sanotaan ylipäätänsä luokasta
• 20:55
  puhutaan niin. Mikä se voisi olla se arvio?
• 20:58
  Sanotaan niinku puhutaan. Mä sanoisin optimistisesti, jos
• 21:03
  mä sanon niinku että joku 10 parikymmentä prosenttia, mikä
• 21:06
  mikä ymmärretään, niin se voi olla, että se on aivan
• 21:07
  ylioptimistisesti sanottu. Okei, eli oikeastaan niinku
• 21:10
  suurinta osaa DNA, sta. Me emme ymmärrä, että mikä se on
• 21:13
  funktio on leffa. Ei ei ei ihmisen ihmisen
• 21:17
  perimässä, mutta ei ylipäätään niinku jos vaikkapa lähdetään
• 21:20
  jostakin vaikkapa multanäytteestä tai
• 21:23
  sekvensoimaan DNA, ta niin. Sekin on tietysti täynnä
• 21:25
  kaikenlaisten eliöiden DNA, ta. Siitä me ymmärretään vielä
• 21:28
  paljon vähemmän, että mitä kaikkea siellä näkyy.
• 21:32
  Silloin 2003 kun ensimmäinen ihmisen perimän luonnos
• 21:36
  julkistettiin, niin valitsi semmoinen toiveikkuus, että nyt
• 21:40
  kun me luetaan tämä vähän niinku ihmisen blue Printti, niin me me
• 21:45
  saadaan niinku paljon parempi käsitys siitä, että mitä miten
• 21:48
  just solut toimii, mitä mitä tämä kohta tarkoittaa perimässä.
• 21:52
  Mitä tämä kohta tarkoittaa perimässä tai aika pian
• 21:54
  jouduttiin toteamaan, että itse asiassa.
• 21:57
  Iso osa siitä on kirjoitettu semmoisella kielellä, mitä me
• 21:59
  ei. Ei ehkä edes ymmärretä eikä me
• 22:02
  olla varmoja edes että onko se siansaksaa vai onko siellä
• 22:04
  jotain merkitystä. Vau.
• 22:08
  Todella kiehtovaa. Jos palataan tuohon tuma
• 22:13
  esimerkkiin, eli eli DNA sijaitsee siellä tumassa ja ja
• 22:17
  sitten siitä tehdään RNA, ta. Niin sijaitseeko aina
• 22:22
  yksittäisessä solussa koko ihmisen genomi vai vai osa
• 22:25
  siitä? Tota joitakin poikkeuksia
• 22:29
  lukuunottamatta, niin jokainen solu kantaa koko perimän.
• 22:31
  OK. Poikkeuksia on punasolut, joissa
• 22:34
  ei ole perimä ja tota sitten sukusolut joissa on puolet
• 22:37
  perimästä. Ja miten miten me miten hyvin me
• 22:40
  ymmärretään sitä, että miten yksittäinen solu kun sanoit että
• 22:45
  RNA kopioi vain pätkän jos tän DNA, sta, niin miten miten se
• 22:50
  tietää, että se kopioi juuri tämän pätkän DNA, sta ja ja
• 22:54
  kuinka uskoisin, että siihenkin liittyy poikkeukseen ja mutaatio
• 22:58
  että kans että miten se mekanismi niinku toimii
• 23:01
  ymmärretäänkö me tänä päivänä? Tiettyjä.
• 23:03
  Klassisia esimerkkejä mitkä ymmärretään oikeinkin tarkkaan
• 23:07
  ja aika monet niistä liittyy. Liittyy itse asiassa
• 23:09
  bakteerisoluihin esimerkiksi vaikka se, että jos
• 23:13
  bakteerisolulle, annetaan jotain tiettyä ravintoainetta
• 23:15
  tietynlaista sokeria, vaikka niin silloin ihan selvästi
• 23:18
  tietyt geenit kytkeytyy päälle ja.
• 23:21
  Alkaa tuottaa sitten. Lisää ohjeita niinku sen sokerin
• 23:24
  hajottamiseen tarvittavien proteiinien valmistamiseksi.
• 23:28
  Tän. Tyyppisiä tota erilaisia
• 23:31
  erilaisia esimerkkejä tunnetaan aika paljon.
• 23:34
  Bakteerien. Geeni expressio on melko
• 23:36
  yksinkertaista verrattuna sitten niinku korkeampien organismien
• 23:40
  geeni expressio. Tarkoittaa joo tai.
• 23:42
  Geeni expressio on termi joka tarkoittaa siis sitä, että että
• 23:45
  geenistä tehdään RNA, ta ja RNA, sta tehdään proteiineja eli
• 23:49
  tavallaan miten se osa, miten tai geeni tää osa perimää sitten
• 23:53
  niinku toteutetaan solun toiminnassa, ei se propagoituu.
• 23:57
  Sitten lopputulokseen asti. Joo kyllä joo kyllä.
• 24:01
  Joo ja mitä? Sitten kun mennään, mennään
• 24:04
  monimutkaisempiin organismeihin niin tota se on vielä paljon
• 24:09
  monimutkaisempaa tää niin kuin geenien toiminnan säätely ja
• 24:13
  esimerkiksi just meillä ihmisillä ja eläimillä kasveilla
• 24:18
  on myöskin mukana siinä vahvasti tää epigenetiikka.
• 24:22
  Eli millä tavalla sitten DNAN kemiallista rakennetta tietyllä
• 24:26
  tavalla muokkaamalla voidaan sitten kytkeä joitakin osia
• 24:29
  kokonaan hiljaisiksi perimästä. Ja sitten on.
• 24:32
  Siinä itse asiassa monta säätelyn tasoa.
• 24:35
  Myöskin on tietynlaisia just tämmöisiä tapoja.
• 24:38
  Miten sitten ihmisten kromosomit kieputetaan semmoisten
• 24:41
  proteiinirakenteiden ympärille sillä tavalla myöskin, että
• 24:45
  niitä ei välttämättä sitten. Lueta.
• 24:48
  Niitä ei pysty lukemaan ihan niin helposti kun muuten elikkä
• 24:50
  ne on silloin vähän niinku varaston muodossa.
• 24:52
  Enemmän todella. Jännää.
• 24:53
  Se on hyvin hyvin. Monimutkaista ja tota.
• 24:57
  Siinä on paljon asioita mitkä tunnetaan, mutta vielä enemmän
• 24:58
  asioita mitä ei vielä täysin ymmärretä.
• 25:01
  Joo. No.
• 25:02
  Tossa ennen nauhoitusta yritin just tutustua näihin
• 25:05
  epigeneettisiin mekanismeihin ja esimerkkeihin, mutta jos niinku
• 25:09
  maallikon silmin katselen sitä, niin käytännössä siis ne on
• 25:13
  sellaiset mekanismit, jotka antaa ohjata joko käyttää
• 25:18
  tiettyä. Tiettyjä ohjeita DNA, sta
• 25:22
  vahvemmin kuin toiset tai sitten sammuttaa toiset niistä ja ja
• 25:26
  sehän on tavallaan niinku näin jälleen kerran niin niin
• 25:31
  ulkopuolisen näkökulmasta niin minäkin varmaan kannan jotain
• 25:35
  tämmöiseen huonoja geenejä niin sanotusti, jotka voisivat
• 25:39
  aiheuttaa teoriassa jotain sairauksia, mutta ne ei
• 25:42
  välttämättä ikinä ilmene minusta.
• 25:44
  Niin onko tämä esimerkki sitten epigenetiikasta, että että on
• 25:47
  olemassa kuitenkin sellaisia mekanismeja, jotka sammuttaa
• 25:50
  tavallaan. Tehdään tähän toimintaa osittain
• 25:54
  tässä oikeastaan 2 asiaa nimittäin.
• 25:58
  On just tää tämmöiset niinku geenivirheet jotka saattaa olla
• 26:02
  olla niinku sitten erilaisia sairauksia aiheuttavia ja hyvin
• 26:04
  vakaviakin sairauksia aiheuttavia tämmöisiä niinku
• 26:07
  perinnöllisiä sairauksia tai perinnöllisiä alttiuksia
• 26:09
  sairauksiin. Ne ei sinänsä liity.
• 26:12
  Epigenetiikkaan vaan niissä on kyse siitä, että ihmisellähän on
• 26:16
  jokaista geeniä. Periaatteessa ainakin 2 kopiota.
• 26:21
  Koska meillä on 2 kromosomia. Kutakin lukuunottamatta sitten
• 26:26
  miehillä on x ja y kromosomi sukupuolikromosomeja, että siinä
• 26:29
  mielessä on siinä kohtaa poikkeus.
• 26:32
  Mutta muuten meillä on jokaista kromosomia 2 kappaletta ja.
• 26:36
  Jos toisessa. Kromosomissa on joku geeni
• 26:37
  viallinen, niin se tuottaa silloin viallista proteiinia,
• 26:41
  mikä ei välttämättä toimi, mutta usein se riittää kompensoimaan
• 26:43
  se, että toisessa kromosomissa on geeni, mikä tuottaa semmoista
• 26:47
  versiota siitä. Siitä proteiinista mikä toimii
• 26:50
  ja silloin meillä ei havaita niinku mitään mitään ongelmaa.
• 26:54
  Mun mielestä. Tota meillä on.
• 26:58
  Jos mä sanoin että meillä. On, tommoinen 6 8.
• 27:03
  Semmoista geeniä keskimäärin jokaisella meistä.
• 27:05
  Mitkä niin kun molemmissa kromosomeissa kun olisi, niin
• 27:09
  olisi niinku todella todella vaarallisia OK.
• 27:12
  Mutta niinku. Meillä on sitten kuitenkin
• 27:14
  olemassa niistä ehjä versio niin tota sen takia meillä ei se ei
• 27:18
  ne aiheuta ongelmia. Ongelmia saattaa tulla siinä
• 27:20
  kohtaa sitten jos meidän puolisolla on vastaava
• 27:23
  geenivirhe ja. Sitten silloin.
• 27:25
  Lapsella on 25% todennäköisyys sitten sairastua johonkin
• 27:28
  tämmöiseen niinku. Tämmöiseen geenivirheen
• 27:31
  aiheuttamaan sairauteen. Eli tää on tavallaan.
• 27:35
  Niin kun just näiden niin kun viallisten tai geeni
• 27:38
  geenivirheiden aiheuttama ongelma, mikä ei sinänsä liity
• 27:42
  epigenetiikkaan epigenetiikassa on kyse tästä niin kun tiettyjen
• 27:46
  geenialueiden sammuttamisesta enemmänkin sitten siinä että
• 27:49
  sanotaan vaikka että tietyssä kudoksessa tarvitaan
• 27:52
  tietynlaisia toimintoja maksassa tarvitaan ihan erilaisia
• 27:55
  toimintoja kuin vaikka aivoissa, niin aivoissahan on on
• 27:58
  sammutettu epigeneettisesti semmoisia osia perimästä mitä
• 28:01
  siellä ei tarvita. Ja vastaavasti maksaa se toisin
• 28:03
  päin. Okei just ja kiinnostava
• 28:06
  esimerkki on kanssa se, että tota miehillä on x ja y
• 28:09
  kromosomi sukupuolikromosomeja ja tavallaan niinku x kromosomi
• 28:12
  pitää sisällään kaiken sen tiedon y kromosomi ei pidä
• 28:15
  sisällään juurikaan tietoa. Naisella on 2 x.
• 28:18
  Kromosomia ja tota se että sieltä ei tulisi niin kun
• 28:22
  tuplamäärä ikään kuin materiaalia ulos tai tämmöistä
• 28:25
  niinku. Tuplamäärä sitten
• 28:27
  proteiinituotteita. Toinen x kromosomi pitäisi pitää
• 28:30
  sammuttaa. Oho.
• 28:31
  Ja se tavallaan. Tavallaan niinku koko
• 28:33
  x-kromosomi sammuu toinen niistä kopioista.
• 28:36
  Mitä sällyttäisit sellaisen termin kuin konkatön meeri ja
• 28:40
  miten se liittyy? Liittyykö se muuten PCR ään
• 28:43
  jollain tavalla? Joo tää on.
• 28:45
  Tota kiinnostavaa tässä mennään nytten sitten siihen, että
• 28:49
  puhuttiin aikaisemmin jo PCR, stä tämmöisenä klassisena tapana
• 28:52
  monistaa DNA, tä ja PCR on hyvin suosittu myös siinä kun jos me
• 28:56
  halutaan lukea DNA, ta eli sekvensoida DNA, ta DNA
• 29:01
  sekvensointi on teknologia, mikä on kehittynyt ihan valtavasti
• 29:03
  viimeisen 20 vuoden aikana. Jos me mietitään. 2003 kun
• 29:09
  julkaistiin tää ihmisen ihmisen luonnosgenomi.
• 29:13
  Se oli maksanut kymmeniä miljardeja sen aikaansaaminen
• 29:17
  tällä hetkellä me voidaan saada niinku alle 100 alle satasella
• 29:20
  meidän perimä luettua, että se, että joku on tullut 20 vuodessa
• 29:24
  niinku kymmenistä miljardeista noin satasen hintaiseksi, niin
• 29:27
  mikään koskaan ihmiskunnan historiassa ei ole tullut näin
• 29:30
  nopeasti näin paljon halvemmaksi.
• 29:32
  Tai on nopeampaa kuin nuoren laki.
• 29:33
  Mikä siis se kuvaa tätä tietokoneiden?
• 29:36
  Tehon kehitystä. Näin on joo.
• 29:38
  Eli tää on niinku täysin. Ainutlaatuista koko ihmiskunnan
• 29:40
  tieteen historiassa. Ja.
• 29:43
  Tota. Sitä DNA otin DNA sekvensoinnin
• 29:47
  tässä puheeksi sen takia, että että toi.
• 29:50
  Kun puhutaan DNA monistusmenetelmistä niin DNA
• 29:52
  sekvensointi on yksi hyvin DNA lukeminen on yksi hyvin niinku
• 29:56
  tärkeä tämmöinen niinku applikaatiosovellusalue missä
• 30:00
  tota PCR monistusta käytetään. PCR ei ole.
• 30:04
  Ainoa tapa monistaa DNA, tä ja PCR, llä on lukuisista eduistaan
• 30:10
  huolimatta niin myöskin vakavia vakavia rajoitteita puutteita,
• 30:14
  kuten se esimerkiksi vääristä informaatiota.
• 30:19
  OK se. Liittyy siihen, että jos sä.
• 30:23
  Tota. Pesermonistuksessa.
• 30:26
  Lähdetään liikkeelle. Käytännössä voidaan lähteä
• 30:28
  liikkeelle vaikka jopa yksi molekyylistä ja yksi muuttuu 8 2
• 30:31
  muuttuu 4, 4 muuttuu 8 ja näin poispäin tavallaan se
• 30:36
  materiaalimäärä kaksinkertaistuu koko ajan, mutta jos
• 30:40
  ensimmäisellä kopiointikierroksella vaikka
• 30:41
  tapahtuu virhe, niin silloin se virhe ikään kuin näyttää siltä,
• 30:45
  että se olisi tavallaan. Se niinku.
• 30:47
  Alkuperäinen signaali. DDNA.
• 30:50
  Monistuminen ei ole aina täysin täysin virheetöntä.
• 30:53
  Siellä tapahtuu myös nää DNA, ta kopioivat entsyymit denaa
• 30:57
  polimääräiset ne tekee virheitä jonkun verran ja PCR, ssä.
• 31:00
  Tämmöiset virheet helposti lähtee niin sanotusti
• 31:02
  propagoitumaan. Tän takia on suuri kiinnostus
• 31:08
  tällä hetkellä vaihtoehtoisiin dianamonistusmenetelmiin ja me
• 31:13
  genomillissa ollaan hyvinkin vahvasti tutkittu tämmöistä niin
• 31:17
  sanottua rolling cercle monistustapaa missä
• 31:19
  ympyrämäistä, DNADNA molekyyliä voidaan kopioida sillä tavalla,
• 31:23
  että tietynlainen DNA polymeraasi molekyyli pyörii sen
• 31:26
  ympyrän ympäri ja tekee siitä kopiota jatkuvasti sillä
• 31:29
  tavalla, että ikään kuin. Se ympyrässä oleva kopio toistuu
• 31:33
  semmoisessa niin kuin. Lineaarisessa DNA molekyylissä
• 31:36
  mikä sieltä pukkaa ulos ikään kuin se ikään kuin keri auki
• 31:41
  keri auki niin kuin sitä ympyrämäistä molekyyliä
• 31:44
  uudestaan ja uudestaan ja uudestaan.
• 31:46
  Konkatemeeri on tämä tuote, mikä muodostuu tämmöisessä
• 31:50
  tämmöisessä prosessissa ja tän. Tyyppisellä.
• 31:53
  Monistuksella muun muassa se etu, että jos tää DN, ta
• 31:55
  monistava entsyymi tekee virheen jossain kohtaa, niin se jää
• 31:58
  siihen yksi ainoaan kopioon. Se virhe ei lähde propagoitumaan
• 32:02
  tän tyyppisessä monistumisessa. Eli tää.
• 32:07
  Tämmöinen niinku sirkulaarisen, DNAN monistumiseen perustuva
• 32:10
  kemia mitä me käytetään, se on parempi säilyttämään sen
• 32:14
  alkuperäisen informaatiosisällön mikä mitä me halutaan lähteä
• 32:18
  kopioimaan ja esimerkiksi lukemaan eteenpäin tai.
• 32:21
  Jos puhutaan näistä, DNAN tietokantavarastoratkaisuista
• 32:24
  niin. Me saatetaan haluta vaikka
• 32:26
  säilyttää se DNA niinku että voidaanko viedä sitä lisää
• 32:28
  jatkossa. Silloin meillä tämmöinen niinku
• 32:30
  high fidelity on erittäin tärkeätä ja.
• 32:33
  PCR. Ei ole erityisen hyifidelity.
• 32:35
  Miten miten? Paljon parempi tämä teidän
• 32:37
  menetelmä on verrattuna PCR, ään.
• 32:39
  Oletteko te mitannut sitä? Meillä on just.
• 32:42
  Parhaillaan yksi se julkaisu lähdössä vertaisarviointiin.
• 32:46
  Missä me ollaan kvantifioitu sitä, että minkä verran minkä
• 32:48
  verran paremmin se. Säilyttää sen alkuperäisen
• 32:51
  informaatiosisällön ja sanotaan, ero on tilastollisesti hyvin
• 32:55
  merkitsevä OK. Miten?
• 32:57
  Te pystytte mittaamaan sitä. Teidän pitää tehdä tosi paljon
• 33:00
  kokeita. Vaatiiko se paljon laskentatehoa
• 33:03
  ja ja kaikkea muuta? Joo ja se.
• 33:05
  Vaatii myös hyvin paljon sitten ihan märkän laboratyötä OK, eli
• 33:08
  meillä on. Meillä on genomillissä tommoinen
• 33:12
  10 hengen tiimi ja meillä on hyvin paljon ihmisiä labrassa
• 33:15
  ihan tekemässä sitten niinku. Tätä mitä kutsutaan just märkän
• 33:18
  laboratorioon, koska siellä käytännössä niinku nesteitä
• 33:22
  nesteitä siirretään liquiidg on se mihin tää tän tyyppinen tän
• 33:26
  tyyppinen laboratorio on hyvin pitkälti perustuu, mutta meillä
• 33:29
  on myöskin sitten bioinformaatikoita jotka.
• 33:32
  Osaa. Käsitellä sitä dataa, mikä tulee
• 33:34
  sitten siinä vaiheessa kun me luetaan luetaan DNA
• 33:38
  sekvensointilaitteella näiden meidän kokeiden tuloksia.
• 33:41
  Eli jos. Puhutaan.
• 33:42
  Vielä. Sen verran PCR, stä koska se on
• 33:44
  niin yleinen menetelmä niin niin tuossa tuli mieleen, että jossa
• 33:48
  on niin riskialtis, niin se tarkoittaa sitä, että
• 33:50
  esimerkiksi. Kun rikospaikalta kerätään DNA,
• 33:53
  ta niin. Hyvin paljon mahdollista on.
• 33:58
  On siellä skenaario että että että se kopioituu väärin ja
• 34:01
  sitten tavallaan väärä ihminen saa tuomion tuon.
• 34:05
  Onko näitä tapahtunut muuten onko sun tiedossa jotain
• 34:08
  tämmöisiä keissejä? En ole itse asiassa en.
• 34:10
  Ole selvittänyt asiaa. Pidän sitä aika
• 34:12
  epätodennäköisenä kuitenkin, koska jos te tunnisti
• 34:15
  sekvenssit, mitä käytetään sitten rikosten selvittämisessä,
• 34:18
  niin ne on kuitenkin aika pitkiä ja monimutkaisia ja se että niin
• 34:22
  kun. Tavallaan virheiden.
• 34:24
  Seurauksena yksi tämmöinen tunniste muuttuisi toiseksi
• 34:28
  tunnisteeksi ja se vaatii aika monta tapahtumaa, mitkä on aika
• 34:32
  epätodennäköisiä, mutta. Käsittääkseni siitä DNA on myös
• 34:36
  hajoaa hirveän helposti lämpimissä ja määrissä
• 34:40
  olosuhteissa. Erityisesti jos ymmärrän oikein,
• 34:42
  niin esimerkiksi rikospaikka saattaa olla myös tosi
• 34:46
  saastunut. Sitten kun otetaan joltain
• 34:49
  ihmiseltä, DNAN näytteen niin. Miten me voidaan?
• 34:53
  Varmistua, että se on just se. Näytä niinku että että meidän
• 34:58
  näette, että mitä ollaan rikospaikalta kerätty ne vastaa
• 35:01
  just sitä DNA, ta jos ne on jotain pieniä pätkiä.
• 35:04
  Vai onko tänä päivänä mahdollisuus kerätä jo melkein
• 35:07
  niinku koko DNA rikospaikalta? DNA han on.
• 35:12
  Itse asiassa aika aika vakaa molekyyli, että toki se niinku
• 35:15
  just kosteassa ympäristössä niin hajoaa sitten erilaisen niinku
• 35:19
  biologisen aktiivisuuden seurauksena, mutta mutta
• 35:22
  kuitenkin. DNAN jäljet säilyy, säilyy melko
• 35:24
  pitkään. Miten pitkään sä?
• 35:26
  Muuten säilyy ja jos sanotaan näin, että esimerkiksi tällä
• 35:29
  studiolla on varmaan jo aika paljon minunkin DNA, ta, niin
• 35:33
  kuinka pitkään se säilyy tässä näissä?
• 35:35
  Perushuoneen lämpöominaisuuksissa.
• 35:38
  Kyllä tässä. Niinku ihan tälleen
• 35:39
  huoneenlämmössä. Mä sanoisin, että säilyy vuosia.
• 35:42
  OK. Niinkin pitkään.
• 35:43
  Joo kyllä toki se saattaa jonkun verran jonkun verran katkeilla
• 35:47
  jonkun verran fragmentoitua, mutta niin kun.
• 35:49
  Sillä tavalla, että vaikka sun. Tota DNA tässä huoneessa, niin
• 35:54
  kyllä sitä varmasti löytyy vielä vuosien jälkeen täältä vaikka et
• 35:56
  olisi täällä käynyt. Aha, mutta toki sitten jos
• 36:00
  teillä aktiivisesti siivotaan ja muuta niin niinku se tietysti
• 36:03
  nopeuttaa sen poistumista täältä ja kaikenlainen tämmöinen niinku
• 36:06
  muu toiminta. Mutta periaatteessa jos tää
• 36:08
  huone olisi suljettaessa vaikkapa ilmatiiviisti ja täällä
• 36:13
  tänne ei pääsisi auringonvaloa ja näin poispäin niin.
• 36:16
  Kyllä hän denaa silloin. Säilyy hyvinkin pitkään, siis
• 36:18
  kymmeniä tuhansia vuosia. Jopa vau, me voidaan vieläkin
• 36:21
  sekvensoidaan esimerkiksi nanderin ihmisten perimä ja
• 36:25
  denisovan ihmisten perimä ja tämmöistä mitkä mikä on siis
• 36:28
  tienata ja mitä me edestään luista, mitkä löytyy jostakin
• 36:31
  luolista? Joo ja se.
• 36:32
  Mahdollistaa just sitä niinku muinaisen teen analyyseja eli
• 36:37
  esimerkiksi nyt onkohan niinku vanhin DNA mitä on on?
• 36:42
  Löydetty jotain 2 miljoonaa vuotta tuolta
• 36:44
  pohjois-grönlannista. Ne on varmaan jo jotain
• 36:48
  tämmöisiä pieniä pätkiä, mutta sekin tuntuu niin ihmeelliseltä.
• 36:51
  Joo joo. Että joku tämmöinen.
• 36:55
  MS rakenne säilyy satoja miljoonia vuosia.
• 37:01
  Ihan ihmeellistä. Joo se on hämmästyttävää.
• 37:03
  Vakaa molekyyli ja sen takia just tämä niinku informaation
• 37:06
  digitaalisenkin informaation säilyminen DNA, han, niin se
• 37:10
  kiinnostus liittyy osaltaan siihen, että voidaan niinku
• 37:12
  hyvinkin pitkään, kestoisesti ja ilman niinku ulkoistaa
• 37:15
  kylmäketjua sähköverkkoa. Yhtään mitään niin varastoidaan
• 37:19
  informaatiota OK. Eli eli oikeastaan niinku.
• 37:24
  Tietenkin labrassa niin dnata voidaan säilyttää
• 37:26
  huoneenlämmössä vai missä sitä yleensä säilytetään.
• 37:29
  Kyllä meillä sitten on. Ihan niinku että voidaan olla
• 37:32
  varmuuden laadusta niin -80 celsiusasteessa?
• 37:36
  OK. Usein useimmiten näette että
• 37:37
  mutta kuitenkin näin kylmät. Olosuhteet eivät myöskään hajota
• 37:41
  sitä DNA, ta. Onko se joku optimipiste se
• 37:43
  miinus kaadeksankymmentä mä voisin.
• 37:45
  Sanoa melkein. Että mitä kylmempi niin sen sen
• 37:47
  parempi koska. Periaatteessa kaikki tommoinen
• 37:50
  lämpöliike kuitenkin saattaa sitten.
• 37:52
  Välillä aikaa saada sen, että tai tapahtuu joku tämmöinen
• 37:56
  reaktio sitten missä, DNAN nauha napsahtaa poikki OK.
• 38:00
  Mutta se täytyy olla kuitenkin kuiva ja kylmä vai ei tarvitse
• 38:04
  välttämättä. Olla kuiva että kuivassa siis
• 38:06
  se. Sanotaan niinku.
• 38:08
  Kuivassa jos on muuten vaikkapa huoneenlämpö olosuhteet tai näin
• 38:11
  niin se edesauttaa asiaa sen takia, koska kuivassa useimmiten
• 38:15
  sitten ei ole niinku bakteeritoimintaa tai tämmöistä
• 38:17
  niin paljon. Mut jos meillä on DNA vaikka
• 38:19
  steriilissä vedessä ja se on sitten niin kun tota riittävästi
• 38:24
  pakastettu niin kyllä se on myös hyvin vakaata.
• 38:25
  Silloin teillä on. Siis tää brich cupor ja nickin
• 38:29
  loop technologia. Niin joo.
• 38:32
  Se mistä sä puhuit äsken niin? Se, että pystytte tuota sillä.
• 38:39
  Teillä oli sellainen termi, kun sir culbray joo niin voisitko
• 38:45
  avata tätä hieman miten se toimii?
• 38:48
  Joo ehkä. Terminologiaa ensin sen verran,
• 38:51
  että kun lähdetään lukemaan DNA, ta, niin ei ole.
• 38:55
  Tällä hetkellä ei ole olemassa mitään semmoista teknologiaa,
• 38:57
  että voitaisi ottaa suoraan joku DNN näyte ja lukea sen
• 39:00
  sekvenssilukea. Se että mitä millaista
• 39:04
  informaatiota siellä on, vaan se pitää kuitenkin käsitellä
• 39:07
  tietyllä tavalla, jotta se on yhteensopiva.
• 39:08
  Sitten näiden laitteiden kanssa millä sitä luetaan.
• 39:11
  Ja tämän käsittelyn seurauksena syntyy niin sanottu DNA
• 39:15
  sekvensointikirjasto eli libyr. Ja.
• 39:19
  Näitä kirjastoja on tehty oikeastaan niinku hyvinkin
• 39:23
  tietynlaisilla tavoilla nyt viimeiset 20 vuotta.
• 39:27
  Se johtuu. Pitkälti siitä, että DNAN
• 39:28
  lukemisen markkina on hallinnut yritys nimeltä illumina se
• 39:32
  syksyttäinen. Firma on hallinnut markkina.
• 39:35
  Joo viimeiset. Parikymmentä vuotta suurin
• 39:37
  piirtein. Vau miten?
• 39:38
  On näin päässyt käymään silloin joskus.
• 39:41
  Parikymmentä vuotta sitten olin jonkun verran kilpailua ja.
• 39:44
  On ollut kilpailua. Siis sen jälkeenkin, mutta
• 39:47
  illumina onnistui jossain kohtaa siinä alkuvaiheessa niin
• 39:49
  vakauttamaan asemansa hyvin. Voimallisesti markkinalla ja.
• 39:53
  Tota. Illuminan illminan teknologia on
• 39:57
  siis tosi hyvä. Se se alkaa ehkä vähän ikä näkyä
• 40:00
  jo, mutta se on ollut hyvä hyvä teknologia ja illumina voidaan
• 40:04
  kiittää siis siitä että. Osaltaan.
• 40:07
  Just siitä, että niinku me voidaan tällä hetkellä
• 40:09
  sekvensoida meidän perimä alle 100 € tai dollarin hintaan.
• 40:15
  Kuitenkin he on ollut. Markkinajohtaja tässä ja heidän
• 40:18
  heidän teknologiansa on myöskin hyvin paljon johtanut sitä, että
• 40:21
  millä tavalla tää niin sanottu sekvensointikirjaston valmistus
• 40:24
  tehdään. Siinä on ollut tietyt vaiheet
• 40:26
  mitä se vaatii ja tällä hetkellä vaikka niin kun nyt illuminaa
• 40:30
  haastetaan, monelta suunnalta on tullut monia muita uusia
• 40:34
  yrittäjiä, uusia teknologioita, joilla välttämättä näitä samoja
• 40:37
  vaiheita kuin illuminan kirjasto valmistuksessa.
• 40:41
  Tapahtuu niin ei tarvitsisi tehdä, mutta silti jotenkin
• 40:43
  ihmisten ajattelu muuttuu hitaasti.
• 40:46
  Ja suurin osa toimijoista, jotka millään tavalla on sekvensoinnin
• 40:51
  kanssa tekemisissä, niin tavallaan tekee ensin illuminan
• 40:54
  tavalla ja sitten sen jälkeen laittaa sinne loppuun jonkun
• 40:57
  tommoisen pikkuisen lisäpalikan, mikä yhdistää sitten sen illminä
• 41:01
  yhteensopivan kirjaston johonkin uuteen sekvensointilaitteeseen.
• 41:04
  Me sen sijaan nähdään. Se, että me voidaan lähteä siitä
• 41:06
  samasta DNA näytteestä, jota oikotie meidän ei tarvitse
• 41:09
  tehdä. Ei tarvitse hyppiä kaikkien
• 41:11
  niiden renkaiden läpi, joiden läpi illumina pistää meidät
• 41:14
  hyppimään. Me voidaan kulkea sieltä täysin
• 41:16
  ohitse ja paljon lyhyempää tietä.
• 41:19
  Tähän perustuu se. Tavallaan meidän uniikkiasema
• 41:22
  liittyen tuohon niinku DNAN lukemiseen koska.
• 41:25
  Me. Me ja.
• 41:28
  Itse asiassa moni muukin lisääntyvässä määrin on sitä
• 41:30
  mieltä, että nyt enää me ei tarvita halvempaa sekvensointia.
• 41:34
  Sekvensointi itsessään. Se, että maksaako meidän perimä
• 41:37
  sitten satasen vai viisikymppiä vai kympin.
• 41:40
  Se ei ole enää niinkään kiinni siitä, että mitä se itse
• 41:43
  sekvensointi maksaa, vaan se se hinta tulee enemmän siitä, että
• 41:46
  mitä se näiden valmistelu maksaa.
• 41:49
  Ja nimenomaan. Tähän perustuu meidän tämä niin
• 41:54
  kun meidän strategia tämän prosessin yksinkertaistamiseen
• 41:58
  sekä bridg cuction että necking lop on näitä meidän niin kun
• 42:01
  teknologiaratkaisuja liittyen siihen, että miten me voidaan
• 42:05
  voidaan ohittaa semmoisia semmoista niinku historiallista
• 42:08
  painolastia sen, DNAN valmistelussa sekvensointia
• 42:11
  varten. Kuinka pitkään?
• 42:14
  Se niin sanotusti perinteinen i luminen käyttämä segmentointi
• 42:17
  kestää yleensä se kirjastojen. Valmistelu se kestää yleensä
• 42:21
  sanotaan niinku tietyillä menetelmillä kuutisen tuntia
• 42:25
  tietyillä muilla menetelmillä se voi kestää jopa useita
• 42:27
  vuorokausia ja se itse sekvensointi kestää.
• 42:30
  Sanotaan niinku 1 2 3 vuorokautta ja se on siis.
• 42:34
  Mitä sä käytännössä niinku näyttäytyy ulkopuoliselta
• 42:37
  silmiin, että siis on olemassa sellainen kone johon laitetaan
• 42:40
  DNA ja sitten se. Sitä kopioidaan ja luetaan vai?
• 42:44
  Ja se toimii. Joo kyllä se on tota.
• 42:48
  Ne illuminan. Uudet laitteet ne on semmoisia
• 42:50
  jääkaappipakastinyhdistelmä kokoisia pömpeleitä ja niihin
• 42:54
  menee käytännössä usein vaan niinku sitten yhdiste
• 42:56
  koeputkesta menee menee materiaali se tota niin sanottu
• 43:01
  sekvensointikirjasto niin me nimenomaan se on usein semmoinen
• 43:04
  niinku pieni putkellinen neste että.
• 43:07
  Joka sitten. Pipetillä siirretään semmoiselle
• 43:11
  niin sanotulle kasetille, mikä pitää sisällään sitten
• 43:13
  sekvensointireaktiossa vaadittavat aineet ja tää
• 43:17
  kasetti syötetään sitten siihen laitteeseen sisään laite.
• 43:20
  Hurisee. Semmoinen päivän 2 3 riippuen
• 43:23
  vähän että miten paljon luetaan ja sen seurauksena syntyy
• 43:27
  sitten. Syntyy semmoisia.
• 43:29
  Määriä tekstiä 4 kirjaimella, että jos sen printtaisi a
• 43:32
  nelosille ja fonttikoko 12 ja pistäisi kasaan niin se
• 43:36
  ulottuisi kyllä niinku ilmakehän yläpuolelle asti.
• 43:38
  Ihan tosi. Juu.
• 43:41
  Hurjamäärätietoa. Joo se.
• 43:43
  Informaatio määrä mikä vau mitä nää nää tuottaa niin se on aika
• 43:47
  posketon. Mutta siis kuinka?
• 43:48
  Puhdas sä näette pitää olla aluksi ennen kuin se syötetään
• 43:53
  siihen koneeseen. Se.
• 43:56
  Vaihtelee aika paljon et tavallaan se niin kun
• 43:59
  kirjastovalmistuksen. Tavoitteena.
• 44:02
  On saada aikaan just semmoinen sen tyyppisiä DNA molekyylejä.
• 44:05
  Mitä se laite pystyy lukemaan. Ja se.
• 44:09
  DNA mikä menee siihen kirjaston valmistukseen, niin se voi
• 44:12
  tietysti useimmiten se on just jotain niin kuin vaikkapa verta
• 44:15
  tai jotain jotain muuta ruumiinelitettä tai jos on kyse
• 44:19
  vaikkapa ympäristömikrobiologiasta, niin
• 44:21
  se voi olla vaikka vesinäyte tai tai multa näyte tai jotain
• 44:24
  vastaavaa ja. Siitä.
• 44:26
  Lähdetään edistämään DNA, ta. Puhtaan.
• 44:30
  D. NAN edistäminen näistä
• 44:31
  näytteistä, niin siihen on olemassa useita ihan kaupallisia
• 44:34
  ja tämmöisiä niinku kittejä, joilla se onnistuu hyvinkin
• 44:37
  helposti. Ja riittävän.
• 44:40
  Puhtaustason DNA voidaan sitten muuttaa kirjastoksi aika niinku
• 44:44
  tietyllä perustepillä, mutta se voi olla aika.
• 44:47
  Vaikea urakka puhdistaa sitä, että se ei ole saastunutta.
• 44:51
  Esimerkiksi miten voisi segmentsoida mun tunnalta eli
• 44:55
  eli miten jos mä haluaisin sekvensoida sitä tällä koneella,
• 44:58
  niin miten tää koko prosessi etenisi jos sä.
• 45:01
  Haluaisit sun oman oman perimän selvittää, niin aika suosittua
• 45:04
  niinku sylkinäyte tai sitten tuota niinku poskesta.
• 45:07
  Posken limakalmakalvonäyte. Niistä saadaan ihan.
• 45:10
  Niinku riittävästi DNA, ta sitten tota että voidaan
• 45:13
  sekvensoida, mutta siinähän on on.
• 45:15
  Paljon muutakin DNA, ta esimerkiksi bakteerien DNA, ta
• 45:18
  varmasti on niin on juu kyllä. Siihen bakteerien DNA, ta tulee
• 45:20
  mukaan syljessä. Varsinkin niin on hyvinkin
• 45:22
  paljon bakteeri DNA, ta sitten myöskin mukana.
• 45:26
  Tällä hetkellä. Me tunnetaan niinku ihmisen
• 45:29
  perimä se, että miltä se näyttää niin hyvin, että sitten jos
• 45:31
  siinä tulee mukana bakteeri DNA, ta, niin se on helposti
• 45:34
  tietokoneella raakata ulkopuolelle.
• 45:36
  Mutta. Joo sylkin näyttäisi.
• 45:38
  Varsinkin sitä on myös aika paljon limakalvonäytteissä.
• 45:41
  Tää on jonkun verran vähemmän. Mutta se on enemmän sitten.
• 45:44
  Ihan niinku tommoinen hyvinkin tehokkaasti ratkaistu
• 45:47
  bioinformatiikan tietokonepuolen ongelma.
• 45:49
  Sitten se bakteeri DNA osion heittäminen pois siitä
• 45:54
  lopputulemasta. OK, mutta tosiaan tämmöisestä
• 45:57
  vaikkapa niin kun. Koski pyyhkäisi näytteestä tai
• 46:01
  perinäytteestä. Niissä on tehtävä tiettyjä
• 46:06
  steppejä, joita saadaan se DNA talteen sieltä, mutta siihen
• 46:09
  liittyvät vaiheet on aika aika pitkälti ratkaistu.
• 46:13
  Lähinnä se. Tulevaisuudessa voidaan
• 46:16
  keskittyä enemmän vielä siihen, että miten tämä puhdistus
• 46:19
  saadaan niinku paremmin automatisoitua.
• 46:21
  Miten siinä voidaan sitten niin kun vielä säästää kustannuksia,
• 46:24
  että jos se maksaa tällä hetkellä kuitenkin niinku jonkun
• 46:27
  määrän rahaa tehdä se puhdistus niin että saataisiin se vaikka
• 46:29
  10 kertaa halvemmaksi, niin on toki semmoinen mikä mikä
• 46:33
  herättää kiinnostusta mistä te? Sitten sekvensoinnin
• 46:36
  kustannukset oikein tulee. Siis paljonko esimerkiksi tällä
• 46:40
  tämä jääkaapin kokoinen ilmominen on laite maksaa
• 46:44
  itsessään? Kyllä ne lähtee siitä.
• 46:45
  Puolesta miljoonasta OK. Ja tota kiinteät kustannukset
• 46:49
  joo ja sitten. No siihen tulee mukaan sitten
• 46:52
  nämä liiketoimintamallit millä nää firmat toimii lumina
• 46:56
  illumina ja muut eli tämmöiset niin kun huoltosopimukset ja
• 46:59
  muut mitä siihen kuuluu sitten niin on myöskin iso rahan
• 47:02
  arvoisia ja. Kerää ainakin kerran vuodessa
• 47:06
  per laite sitten kilahtaa illumina tilille siitä iso raha.
• 47:10
  Ja se millä saa vastineeksi sen, että jos joku menee pieleen niin
• 47:13
  sieltä tulee sitten joku joku laittamaan laitteen kuntoon.
• 47:19
  Mutta ne varsinaiset tämmöiset niinku tota ajamiseen liittyvät
• 47:24
  datan tuottamiseen liittyvät kustannukset, niin.
• 47:27
  Ne oli pitkään pitkään niin kuin semmoinen mitä pyrittiin ajamaan
• 47:31
  alas ja edelleenkin pyritään ajamaan alas.
• 47:33
  Elikkä se niinku mitä mitä maksaa käytännössä yksi emäksen
• 47:36
  lukeminen tai yksi ihmisperimän lukeminen se semmoinen niinku
• 47:40
  mitä pitkään jahdattiin oli se, että niinku satasen perimä.
• 47:43
  Nytten siihen. Ollaan jotakuinkin päästy ja.
• 47:46
  Seuraavaksi. Asti kympin perimä ja jotain
• 47:49
  tämmöistä spekulaatiota on myöskin siitä, että jossain
• 47:51
  vaiheessa se itse perimä niin ei maksaisi mitään.
• 47:53
  Mutta kuinka paljon sä haluat erilaisista tulkintaa sille
• 47:55
  datalle, niin se siitä saa sitten maksaa niinku jonkun
• 47:59
  määrän. Jos sä haluat tietyn määrän
• 48:01
  tulkintaa vähän enemmän jos haluat enemmän tulkintaa ja näin
• 48:03
  poispäin. Kuinka lähelle sitä kymppi?
• 48:05
  Perämaailmaa ollaan tänä päivänä.
• 48:08
  Tota. Me ei olla siinä ihan vielä.
• 48:11
  Mutta kyllä mä uskoisin, että se tässä lähivuosina saavutetaan.
• 48:14
  Toi i kehittyy ihan niinku todella.
• 48:16
  Se on ollut siis 20 vuotta. Aivan.
• 48:19
  Niinku. Teknologian historiassa
• 48:22
  ainutlaatuinen kehityskulku totta tää DNAN lukeminen ja se
• 48:25
  ei ole mitenkään pysähtynyt. Alright eli.
• 48:27
  Bridge capture and nican lop mielenkiintoiset teknologioita
• 48:32
  missä kaikkialla tää voisitte soveltaa näitä teidän ratkaisuja
• 48:38
  me. Julkaistiin nyt kesäkuussa.
• 48:40
  Meidän ensimmäinen kliininen tutkimus scientific
• 48:43
  report-lehdessä, joka on niinku tämmöinen nature julkaisijan
• 48:47
  alalehti. Se oli.
• 48:49
  Yhteistyössä toi professori ari ristimäki hussista.
• 48:53
  Ja häneltä 6 colorektaalikarsinomaa
• 48:55
  potilasta. Joiden tämmöistä niin sanottua
• 48:58
  jäännöstautia. Me siinä seurattiin.
• 49:02
  Eli 6 potilasta joilla oli, tiedettiin, että on tietynlainen
• 49:06
  syöpä. Tiedettiin, että siihen liittyy
• 49:07
  tietyt mutaatiot ja. Näitä potilaita.
• 49:10
  Seurattiin sitten niinku eri aikapisteissä tommoinen vuoden
• 49:13
  parin ajan. Ja siinä kohtaa kun potilaat
• 49:16
  alussa menee hoitoon niin me nähtiin että näiden mutaatioiden
• 49:19
  määrä veressä laski hyvin alas ja sitten pysyvät noin vuoden
• 49:23
  verran alas siellä alhaalla siellä veressä, koska niinku
• 49:25
  hoidot tuotti tulosta. Mutta se mitä usein tapahtuu
• 49:29
  sitten syövän taudin kehittymisessä on se, että syöpä
• 49:33
  tulee takaisin jossain vaiheessa, koska kaikesta
• 49:35
  syöpäsoluista ei päästä kovin helposti eroon ja myös näillä
• 49:39
  potilailla nähtiin, että sitten jossain kohtaa enemmän
• 49:41
  mutaatiota alkoi tulla taas ylös ja tota pystyttiin sitä.
• 49:45
  Prosessia havainnoimaan. Tää on semmoinen.
• 49:48
  Tää just jäännöstaudin toteaminen.
• 49:50
  Elikkä minimalerisitection se on erittäin kuuma aihe tällä
• 49:54
  hetkellä maailmalla, koska periaatteessa mitä aikaisemmin
• 49:56
  pystyy havaitsemaan sen, että syöpä näyttää ensimmäiset
• 49:59
  merkkinsä sitten takaisin tulemisesta, niin sitä paremmin
• 50:03
  siihen voidaan sitten puuttua. Joo.
• 50:05
  Joten se on. Myös tämmöinen niinku mitä me
• 50:08
  tässä kliinisessä stadissa lähdettiin validoimaan.
• 50:12
  Ja tota tarkoitus on on nyt vielä.
• 50:15
  Vielä niin. Kun sitten isommilla kohorteilla
• 50:18
  isommilla potilasryhmillä tulevaisuudessa niin osoittaa
• 50:21
  tämä tämän niinku toteutettavuus.
• 50:25
  Meidän meidän teknologialla ja myös sillä tavalla, että tämä
• 50:28
  kyseinen tutkimus tehtiin illuminasekvensointialustalla
• 50:31
  niin voitaisiin käyttää myös uudempia sekvensointialustoja,
• 50:34
  joilla mahdollisesti päästään vielä herkempään lopputulemaan.
• 50:37
  Joo joo tää on yks se että. Tää syöpädiagnostiikka on
• 50:41
  tämmöinen mihin me ollaan ennen kaikkea tässä kohtaa paneuduttu.
• 50:45
  Mutta mulla itsellä. Taustalla on itse asiassa
• 50:47
  mikrobiologiassa ja mua on kiinnostanut hyvinkin pitkään
• 50:51
  antibioottiresistenssi. Se.
• 50:53
  Olisi semmoinen aihe mihin mä mielellään jossain kohtaa itse
• 50:56
  palaisin myöskin niinku detektiomielessä meidän
• 50:58
  teknologian sovellusalueena ylipäätään kaikenlainen
• 51:01
  patogeenien tunnistaminen. Tämmöiset hengitystieinfektiot
• 51:05
  mahdollisesti sitten kun covid 19 ei varmastikaan jää meidän
• 51:09
  viimeiseksi pandemiaksi. Sovellusalueita on on monia.
• 51:15
  Myös tosiaan tuolla. Tartuntatautipuolella.
• 51:18
  Ja oikeastaan. Näiden lisäksi myös ihan
• 51:20
  tämmöinen, niin kuin ihmisten. Ihmisten siis yksilöiden perimän
• 51:26
  skriinaaminen. Siltä osin myöskin että.
• 51:29
  Periaatteessa. Voisi tämmöistä siis tehdäänkin
• 51:32
  maailmalla aika paljon jo että sanotaan niinku.
• 51:35
  Vaikkapa. Yhdysvalloissa tietyt etniset
• 51:37
  ryhmät, jossa harkitsevat lasten hankkimista ja tiedetään, että
• 51:41
  on niin kuin tämän ryhmän sisällä paljon tietynlaisia niin
• 51:43
  kuin perinnöllisiä sairauksia ja alttiuksia, niin tuota ihmiset
• 51:48
  käyvät testauttamassa itsensä tiettyjen tämmöisten niinku
• 51:51
  tunnettujen geenivirheiden varalta, että ettei niinku
• 51:55
  molemmalta puolisolta löydy sitten tiettyjä vakavia
• 51:57
  virheitä. Ja tän tyyppinen.
• 51:59
  Testaus on myös se, mihin meidän teknologia taipuu ja mikä mikä
• 52:02
  meitä kiinnostaa myös joo. Eli siis tällä teidän
• 52:06
  teknologialla voidaan sekä ohittaa ne tietyt tarpeettomat
• 52:11
  vaiheet niin sanotussa niinku perinteisessä sekvensoinnissa,
• 52:15
  että sitten saavuttaa täysin uudenlaisia asioita mitä ei
• 52:18
  vanhalla sekvensoinnalla ollut mahdollista.
• 52:21
  Oikeastaan me. Me mitä me mahdollistetaan, niin
• 52:24
  on entistä edullisemmat ja helpommin toteutettavat
• 52:27
  tämmöiset testaukset. OK eli kun kysyit tuossa
• 52:29
  aikaisemmin just tämä niin kun että minkälaisia nää
• 52:32
  sekvensointilaitteet on ja minkä hintaisia illuminan laitteet on
• 52:35
  tämmöisiä massiivisia järkäleitä ja niin kun pienillä
• 52:40
  sairaaloilla tai edes keskisuurilla sairaaloilla usein
• 52:42
  ei ole mahdollisuuksia hankkia sellaisia.
• 52:46
  Iso trendi maailmalla on tämmöinen desentralisaatio nyt
• 52:48
  näissä testeissä eli pyritään eroon riippuvuuksista liittyen
• 52:51
  tämmöisiin keskuslaboratorioihin.
• 52:54
  Ja aika monet näistä uusista tulokkaista DNA sekvensointi
• 52:57
  markkinoilla on pienempiä laitteita.
• 53:00
  Ja me halutaan. Nimenomaan tuoda hyvä
• 53:02
  yhteensopivuus näille pienimmille laitteille sillä
• 53:04
  tavalla, että me ollaan niin kuin ajamassa myös sitä
• 53:06
  desentralisaatiota. Me tarvitaan
• 53:09
  sekvensaatiolaitteita mitkä paremmin tukee tämmöistä niin
• 53:11
  kuin paikallista käyttöä, mutta me tarvitaan myös sitä
• 53:14
  näytteiden käsittelyä, mikä on yksinkertaisempaa, jotta se
• 53:17
  toimii yksi sitten tämän niinku. Pyrkimyksen.
• 53:20
  Kanssa lukea DNA, ta paikallisessa
• 53:23
  laboratorio-olosuhteissa, niin onko sellainen?
• 53:25
  Niinku. Tyyliin minuutin kestävä
• 53:27
  sekvensointi realistinen lähitulevaisuudessa.
• 53:31
  Ei. Lähitulevaisuudessa, mutta
• 53:32
  sanotaan niinku tuntien kestävä sekvensointi alkaa jo olla.
• 53:36
  Toi rosh tämä tota iso sveitsiläinen lääkejätti he
• 53:40
  julkisti nyt helmikuussa uuden sekvensointialustansa, joka ei
• 53:45
  ole vielä markkinoilla markkinoilla.
• 53:46
  Se tulee markkinoille 2026 nimeltään akseli jos ja akseli
• 53:51
  jos se data mitä he näytti näytti tuossa helmikuussa niin
• 53:56
  oli erittäin kiinnostava monella tavalla ja yksi kiinnostava
• 53:59
  piirre siinä oli se, että niinku muutamassa tunnissa he pystyi
• 54:01
  tuottamaan semmoisen määrän dataa, mikä vie kuitenkin
• 54:04
  helposti vuorokauden tai enemmän kaikilta niinku.
• 54:07
  Sieltä sekvensointialustoilta. OK.
• 54:09
  Joo että kyllä siihen niinku. Siihen on pyrkimys.
• 54:11
  Myöskin halutaan nopeampaa edullisempaa ja helpompaa sillä
• 54:14
  tavalla, että voidaan toteuttaa niinku enemmän ja enemmän
• 54:16
  paikallisesti. Tämä tämän pyrkimyksen.
• 54:20
  Kanssa me ollaan täysin täysin linjassa.
• 54:22
  Jännää. Todella kiehtovaa siis
• 54:24
  tulevaisuudessa voi olla joku tämmöinen todella pieni
• 54:27
  taskukokoinen laite, jolla voisi sekkusoida tosi nopeasti
• 54:30
  mitenkään. Näin joo se on semmoinen.
• 54:32
  Mihin pyritään ja on olemassa se sen sen kokoinen laite mikä ei
• 54:36
  ole siis on pienempi kuin sun kännykkä tuossa pöydällä.
• 54:40
  Se on nimeltään oxford nanoporeyhtiön.
• 54:42
  Minä aion sekvensointialusta. Me ollaan siitä myös hyvin
• 54:45
  kiinnostuneita. Se on makean näköinen.
• 54:47
  Se on pieniä elegantti. Mutta se on.
• 54:50
  Ollut se on ollut viimeiset 10 vuotta viimeiset 15 vuottakin
• 54:53
  ollut semmoinen niinku että että ihan kohta se niinku breikkaa
• 54:56
  isosti ihan ihan kohta saadaan niinku riittävän hyvää outputia
• 55:00
  sieltä, jotta voidaan niinku lähteä käyttämään sitä
• 55:02
  kliinisesti ja näin, mutta siihen ei ole vieläkään päästy.
• 55:04
  Se on vieläkin liian epätarkka ja eli siinä on.
• 55:07
  Teknisiä haasteita kyllä kyllä joo, mutta että pyrkimyshän on.
• 55:11
  Siihen suuntaan, että sekvensointi ei olisi semmoinen
• 55:13
  jääkaappipakastinyhdistelmän kokoinen pömpeli vaan se olisi
• 55:16
  pikemminkin kännykän kokoinen tai pienempi.
• 55:18
  Mut siis onko? Teidän labralla esimerkiksi omaa
• 55:21
  tällaista illuu illuminä laitetta käytössä.
• 55:24
  Meillä on pari pienen. Pienempi pienempi kokoista
• 55:26
  illumina OK ja sitten meillä on toi oxford nanoporin minä ajan
• 55:30
  mut siis illu. Minulla on kanssa niitä vähän
• 55:32
  tehokkaampia ja vähemmän tehokkaita.
• 55:34
  Sekvensointi laitteita on joo ja.
• 55:36
  Kyllä heillä myös on pyrkimys pienentää myös niitä laitteita
• 55:40
  ainakin osa. No.
• 55:42
  Mitä jos puhutaan teidän teknologian automatisoinnista
• 55:46
  niin niin kuinka manuaalinen se on vielä tänä päivänä?
• 55:50
  Me ollaan koko ajan pyritty. Siihen, että kaikki meidän
• 55:53
  teknologiavaiheet olisi mahdollista tehdä niinku hyvin
• 55:55
  yksinkertaisella tommoisella nesteenkäsittelyrobotilla.
• 56:00
  Eli tota. Meillä kaikki vaiheet on
• 56:04
  demonstroitu sillä tavalla että ne voidaan on on on siis se.
• 56:10
  Tuotettu data ja hyvälaatuista dataa sillä tavalla, että se on
• 56:14
  kaikki automatisoitu. Ja tällä pyritään.
• 56:18
  Demonstroimaan nimenomaan sitä, että meidän
• 56:20
  liiketoimintamallissahan ajatuksena on se, että me ei
• 56:23
  itse tuoteta niinku sairaaloille ja tämmöisille kliinisille
• 56:28
  labroille niin niin tota materiaalia niinku vaikkapa
• 56:30
  testejä vaan me partneroidutaan DNA sekvensointi yritysten
• 56:34
  kanssa diagnostiikkayritysten kanssa ja lisensoida meidän
• 56:37
  teknologiaa näille tahoille ja usein näillä tahoilla on omat
• 56:41
  automaatioratkaisunsa. Ne vaihtelee vähän niin kuin
• 56:44
  toimiala a on. Tietynlainen automaatioratkaisu.
• 56:46
  Toimiala b on toisenlainen automaatioratkaisu.
• 56:49
  Kuitenkin meidän pyrkimys on se, että me ollaan yhteensopiva
• 56:52
  niinku kaikkien näiden automaatioratkaisuiden kanssa
• 56:54
  sillä tavalla, että se vaatii ainoastaan pienen
• 56:56
  yhteensovittamisen sitten näille eri eri partnereille.
• 56:59
  Voisitko? Kuvailla sitä vielä
• 57:00
  yksityiskohtaisemmin. Mä yritän napata kiinni, että
• 57:03
  miten miten te voitte tulla markkinoille ja ja tavallaan
• 57:06
  niinku muuttaa pitkää automaattista prosessia se voi
• 57:10
  olla aika monimutkaista. Se niinku.
• 57:14
  Että mihin kohtaan saa koskea ja mihin ei ja miten se heijastuu
• 57:18
  koko prosessiin? Miten miten tässä käytännössä
• 57:20
  toimii, että te tulette? Sanottiin, että tässä on meidän
• 57:23
  menetelmä. Te pystytte parantamaan tätä
• 57:25
  teidän toimintaketjua. Joo.
• 57:29
  Voidaan ihan näyttää siis tämmöisiä niin sanottua
• 57:31
  välijyproppeja eli kaikkia kiinnostaa se, että mitä mitä
• 57:35
  maksaa, miten paljon, miten paljon aikaa vaatii, millainen
• 57:40
  on yhteensopivuus erilaisiin alustoihin.
• 57:43
  Meillä on kaikissa kaikkiin näihin, näyttää sitten ihan
• 57:45
  niinku data ja semmoista dataa, mikä mikä on, mikä herättää
• 57:49
  kiinnostusta. Ja.
• 57:51
  Tärkeänä tietysti se, että että jos tosiaan ollaan tehty
• 57:54
  teknologia rakennettu sillä tavalla, että se ei vaadi mitään
• 57:57
  eri erityistä infrastruktuuria vaan käytännössä ihan niinku
• 58:00
  tommoinen peruslaboratorioiden infra, mikä löytyy kaikista alan
• 58:03
  labroista muutenkin niin riittää.
• 58:06
  Niin silloin meidän. Teknologian käyttöönotto ei
• 58:08
  vaadi mitään erikoista. Se on itse asiassa tommoinen
• 58:11
  niinku laboratorioprosessi ennen ennen kaikkea joka on helppo
• 58:15
  helppo sitten niin kun ajaa erityyppisille laitteille.
• 58:18
  Eli ihan se että kun. On laboratoriossa edistetty DNA
• 58:21
  ja se on tietysti sitten niinku pieni määrä nestettä
• 58:23
  käytännössä. DNA on usein useimmiten.
• 58:26
  Just veteliuotettuna niin se, että miten siihen tehdään niinku
• 58:29
  tietyt sinne lisätään jotain ainetta mikä muuttaa sen
• 58:32
  seuraavaan muotoon. Ja kun toinen aine vielä mikä
• 58:34
  muuttaa seuraavaan muotoon ja sitten vielä jotain mikä muuttaa
• 58:36
  sen lopulta sekvensointikirjastoksi.
• 58:39
  Eli käytännössä se. Että miten voidaan tehdä niin,
• 58:41
  että että mahdollisimman vähän tarvitsee tehdä näitä lisäyksiä
• 58:45
  eikä mitään muita käytännössä vaan niinku robotti ottaa ottaa
• 58:49
  edistettyä, DNAN lisää sinne jotain.
• 58:50
  Pitää sitä vähän aikaa paikallaan lisää jotain
• 58:52
  seuraavaa pitää vähän aikaa paikalla ja parhaimmillaan se on
• 58:55
  näiden 2 step jälkeen jo valmis sekvenoitavaksi.
• 58:57
  Just. Just.
• 59:01
  Tää on meidän. Teknologian se toteutus ihan
• 59:03
  käytännön tasolla. OK.
• 59:05
  Ja kuinka monta steppiä siinä on tavallisesti tässä
• 59:09
  sekvensoinnissa. Usein puhutaan tuommoisesta 6 7
• 59:16
  tepistä. Perinteisellä menetelmillä ja
• 59:20
  pahimmillaan niitä steppejä voi olla paljon enemmänkin riippuen
• 59:22
  vähän sitten, että minkä tyyppinen kirjaston valmistus on
• 59:24
  kyseessä. Meillä riippuen siitä, että
• 59:28
  millä mitä DNA sekvensaatio alustaa.
• 59:29
  Me käytetään readoutina. Me päästään jopa 2 steppiin.
• 59:31
  Oho. Ja se tietysti niinku sitten on
• 59:36
  paha pistää ne yksinkertaisemmaksi.
• 59:38
  Sano totta ja tää on tietysti semmoinen.
• 59:40
  Että on tiettyjä näitä DNA sekvensaatialusta valmistajia,
• 59:42
  joille meillä on tämmöinen yhteensopivuus niin tota tää 2
• 59:47
  stepin tarina on ymmärrettävästi kiinnostava.
• 59:51
  Joo onko teillä teillä paljon vastaavia kilpailijoita
• 59:55
  markkinoilla? Tää on.
• 59:59
  Jännä siis se sikäli, että puhun aikaisemmin siitä, miten ihmiset
• 1:00:03
  helposti jämähtää tietynlaisiin ajatuskulkuihin.
• 1:00:06
  Hirveän suuri. Osa siitä kilpailusta mikä me
• 1:00:08
  nähdään, niin perustuu kuitenkin siihen, että hypitään kaikkien
• 1:00:10
  niiden renkaiden läpi mitkä liittyy siihen illuminan
• 1:00:14
  illuminan protokollaan illuuminan
• 1:00:16
  kirjastovalmistuslaboratoriotyöhön ja sitten sen jälkeen siihen
• 1:00:19
  lisätään loppuun jotain. Hirveän vähän näkee sitä, että
• 1:00:23
  pyrittäisiin kokonaan tästä illumina.
• 1:00:25
  Historiallisesta. Bagigista pääsemään eroon.
• 1:00:28
  Mitä me ollaan tehty ja? On mahdollista siis, että on
• 1:00:32
  tämmöisiä niinku tutkan alla vielä lentäviä yhtiöitä.
• 1:00:36
  Mekään ei olla vielä ihan vielä ihan hirveästi ääntä pidetty
• 1:00:39
  itsestämme tosin ruvetaan pitämään nyt enenevässä määrin,
• 1:00:42
  mutta on mahdollista että on muita jotka on päätynyt
• 1:00:46
  samantyyppisiin ratkaisuihin, mutta eivät ole vielä kauhean
• 1:00:51
  julkisesti tuoneet niitä esille, mutta sanotaan niin kuin me
• 1:00:54
  ollaan myöskin saatu patentooitua meidän keksintöjä
• 1:00:56
  erittäin hyvin, mikä on on. Hyvä osoitus siitä, että kyllä
• 1:00:58
  me myös ollaan niin kuin ihan aidosti.
• 1:01:01
  Uudentyyppisen ajattelutavan äärellä kyllä kyllä.
• 1:01:04
  Mutta miten tällaiseen ratkaisuun tai ideaan ajaudutaan
• 1:01:08
  yksi päivänä sä istut alas kollegoiden kanssa, että te
• 1:01:13
  mietitte, että mikä tekee tästä prosessista niin kompleksisen
• 1:01:19
  otetaan vaan pois nämä stepit välistä miten tuohon ajauduttiin
• 1:01:22
  oikein tässä on pitkä. Pitkä historiallinen prosessi
• 1:01:25
  myöskin taustalla ja itse asiassa mun on annettava tässä
• 1:01:28
  myöskin tunnustus meidän nykyiselle teknologiajohtajalle.
• 1:01:31
  Pursiheimolle, joka itse asiassa on keksinyt ylivoimaisesti
• 1:01:35
  suurimman osan nytten näistä meidän patentoiduista
• 1:01:38
  teknologioista muuta tiimiä mitenkään unohtamatta, mutta
• 1:01:42
  niinku JP pursiheimo on tämä tämä kaveri, joka jonka
• 1:01:46
  kädenjälki ja ajatusjälki näkyy tässä hyvin voimakkaasti.
• 1:01:50
  Mä toin. Itse tämän teknologian alunperin
• 1:01:52
  mukana niin sveitsistä. Mä olin tuolla ETH zyrihissä
• 1:01:55
  tekemässä mun toista tutkijatohtorivaihetta ja siellä
• 1:01:58
  meillä oli billia melinda gatesin säätiön rahoittama hanke
• 1:02:01
  missä me tota kehitettiin. Tää tämän nykyisen teknologian
• 1:02:06
  ikään kuin perusaihiot aikoinaan.
• 1:02:10
  Ja meidän ensimmäinen patentti on yhä semmoinen, mikä me
• 1:02:13
  lisensoidaan tuolta mun aikaisemmalta työnantajalta
• 1:02:16
  sveitsistä. Nykyisellään.
• 1:02:18
  Tosin se se kyseinen patentti on käynyt vähän niin kuin me.
• 1:02:22
  Ei. Juurikaan tehdä sen tyyppistä
• 1:02:24
  toimintaa enää, joten se ei ole välttämättä niin keskeinen edes
• 1:02:27
  enää, mutta on keksitty niin paljon siihen päälle, mutta.
• 1:02:31
  Siinä on pitkä. Pitkä tie mikä alkaa sieltä
• 1:02:33
  sveitsistä ja. Mihin?
• 1:02:35
  On sitten tota meidän labratiimirakentanut päälle
• 1:02:39
  paljon, paljon uutta keksiminen on hauskaa.
• 1:02:41
  Keksiminen on semmoinen niinku mistä mä itse nautin ja meillä
• 1:02:46
  on muitakin keksileitä ihmisiä töissä, niin silloin tämmöistä
• 1:02:49
  syntyy kuinka monta. Patenttia teillä on nyt jo tähän
• 1:02:51
  mennessä. Cashn meillä on. 13 myönnettyä
• 1:02:55
  patenttia mitkä keskittyy 4 patenttiperheeseen.
• 1:02:59
  Ja näiden lisäksi me. Ollaan failattu sillä tavalla,
• 1:03:02
  että meillä on niinku yhteensä. Periaatteessa 11
• 1:03:04
  patenttiperhettä, joista osa on sitten vielä pending vaiheessa.
• 1:03:09
  Ja ne kaikki liittyy. Tavalla tai toisella noihin
• 1:03:11
  nytten brich capch andcing lop ja niiden niiden sovelluksiin.
• 1:03:15
  Yes. Mutta jos annat luvan, niin
• 1:03:17
  voidaan vaikka käsitellä vähän elämää.
• 1:03:20
  Suurempia kysymyksiä ja mennä niinku.
• 1:03:24
  Isoon skaalaan juu oikein oikein mielelläänkin.
• 1:03:26
  Joo jos lähdetään. Vaikka solujen toiminnasta.
• 1:03:31
  Sulla on kuitenkin molekyylibiologia.
• 1:03:33
  Taustaa niin pystyt varmasti vastaamaan tähän kysymykseen,
• 1:03:38
  että näetkö miten todennäköisenä, että me
• 1:03:41
  ymmärrämme jo lähivuosina miten solumekanismit toimii
• 1:03:46
  kokonaisuudessaan, että jäljelle jäisi pelkästään niinku se
• 1:03:48
  optimointityö ja tekniikka ja insinööreilla töitä paljon?
• 1:03:53
  Vai kuinka lähellä me ollaan sitä täydellistä solumekanismin
• 1:03:59
  ymmärrystä tänä päivänä? Kyllä siinä tekemistä riittää
• 1:04:03
  vielä. Ja se sen tyyppinen ymmärrys,
• 1:04:07
  että meillä olisi jotenkin. Että.
• 1:04:09
  Ihmismieli pystyisi jotenkin kaikki ne vuorovaikutukset mitä
• 1:04:12
  solussa tapahtuu niin käsittämään.
• 1:04:15
  Niin mä en usko että se on mahdollista.
• 1:04:17
  Siellä on niin niin paljon tapahtuu, että kaikkien niiden
• 1:04:21
  pitäminen mielessä kerrallaan niin ei, ei vaan niinku onnistu
• 1:04:24
  ihmisäliltä. Mutta mehän ollaan.
• 1:04:27
  Nähty nytten valtava kehitys esimerkiksi isoissa
• 1:04:31
  kielimalleissa ja isot kielimallit.
• 1:04:34
  Ne ne on tullut kaikkien tietoisuuteen just koska ne
• 1:04:38
  mahdollista, että tietokoneen kanssa voi keskustella ikään
• 1:04:40
  kuin se olisi toinen ihminen. Mutta.
• 1:04:42
  Ne on mahdollistanut myöskin sen esimerkiksi, että yksi tämmöinen
• 1:04:45
  iso graalin malja biokemiassa ja molekyylibiologiassa on ollut
• 1:04:50
  se, että miten voidaan DNA sekvenssirakenteen perusteella
• 1:04:53
  ennustaa proteiinirakenne. Eli se, että niin.
• 1:04:56
  Kun tota. DNA han on.
• 1:04:59
  Niinku lineaarinen molekyyli, jossa asiat on vaan niinku
• 1:05:02
  pötkössä periaatteessa niinku iso osa, DNAN informaatiosta on
• 1:05:05
  vaan niinku niissä kirjaimissa. Mutta siinä.
• 1:05:08
  Kohtaa kun se käännetään aminohaposekvenssiksi eli
• 1:05:11
  proteiinin sekvenssiksi niin tota proteiinithan on niinku
• 1:05:15
  avaruudessa laskostuneita ikään kuin molekyylikoneita.
• 1:05:19
  Joiden rakenteessa melkein tärkeämpää kuin se, että mitä
• 1:05:22
  aminohappoja siellä on erilaisessa järjestyksessä, niin
• 1:05:24
  on se, että millä tavalla se rakenne on niin kuin muotoutunut
• 1:05:28
  avaruudessa. Millainen on se kolmiulotteinen
• 1:05:30
  rakenne? Ja.
• 1:05:33
  Mä oon aloittanut opinnot vuonna 96 ja silloin jos oli tämmöinen
• 1:05:39
  niinku mistä? Mistä puhuttiin että mahtaako
• 1:05:41
  olla ikinä mahdollista että voitaisi tää proteiinien niin
• 1:05:45
  sanottu tertierinen rakenne ennustaa sen primäärirakenteen
• 1:05:49
  elikkä aminohappojärjestyksen perusteella.
• 1:05:52
  Mutta nytten. Se tai tässä siis viimeinen
• 1:05:55
  novellin palkinto tähän liittyen, niin.
• 1:05:58
  Tota tässä me annettiin nobelin palkinto siis tästä, että se
• 1:06:02
  toteutettiin ja nimenomaan tämmöisellä niinku
• 1:06:05
  kielimallityyppisillä ratkaisuilla.
• 1:06:08
  Joo sä. Muuten toteutui nyt.
• 1:06:12
  Aika kuluu tänä tänä päivänä niin nopeasti, että helposti
• 1:06:15
  hukkaa jonkun vuoden sinne ja toisen tänne.
• 1:06:17
  Mä sanoisin että se oli olisi ollut vuosi sitten syksyllä
• 1:06:20
  elikkä tota 23 syksyllä, mutta saattaa olla myös 24 syksyllä
• 1:06:24
  koska joo vuodet tässä iässä muuttoa yksi puuroksi mielessä.
• 1:06:29
  Joo. Kuitenkin tässä ihan ihan.
• 1:06:30
  Hiljattain joo aivan. Eli siis.
• 1:06:35
  Käsittääkseni proteiinia rakennetaan tietysti
• 1:06:38
  aminohapoista ja niitä on tietty määrä.
• 1:06:41
  Oliko niitä 20? Juu vähän päälle.
• 1:06:42
  Parikymmentä joo eli eli. Periaatteessa niinku niiden
• 1:06:46
  järjestys ja rakenne määrää sen minkälainen proteiini on
• 1:06:50
  kyseessä. Eli tavallaan meillä on yksi
• 1:06:53
  ulotteinen nauha, jossa on näitä MS pari vastineita ja ja ja
• 1:07:00
  sitten. Sen perusteella tulee
• 1:07:01
  kolmiulotteinen rakenne. Eli jos väännetään vielä
• 1:07:07
  rautalangasta, niin kyse on siis tästä, että miten me saadaan
• 1:07:10
  niinku ennustettua proteiinin rakenne just pena rakentaminen.
• 1:07:14
  Joo joo just näin. Ja se jotenkin siis niitä
• 1:07:19
  erilaisia konfiguraatioita kolmiulotteisessa avaruudessa on
• 1:07:22
  tuommoiselle aminohappoketjulle niin paljon, että tämmöinen ihan
• 1:07:26
  niinku puhdas fysikaalinen malli ei ole siihen pystynyt että.
• 1:07:29
  Niinku ne? Laskennat mitä siihen vaatisi
• 1:07:31
  just jollakin tämmöisellä fysikaalisella mallinnuksella,
• 1:07:34
  niin voidaan osoittaa sitten, että tyyliin niinku veisi
• 1:07:37
  kauemmin kuin mitä universumeilla on elinikä.
• 1:07:40
  Ja sen takia. Tämmöinen niinku.
• 1:07:43
  No tästä tullaan siihen, että nyt tekoälystä ja kielimalleista
• 1:07:47
  povataan niinku että että se olisi vähän sama biologialle
• 1:07:49
  kuin mitä matematiikka oli fysiikalle nyt ihmisten 2 300
• 1:07:53
  vuoden aikana eli tämmöinen niinku teoreettinen teoreettinen
• 1:07:56
  ennustamisen mahdollistava tukiranka.
• 1:08:02
  Ja. On myös huomattu, että et
• 1:08:04
  matematiikka ihan puhtaana. Niin sen.
• 1:08:09
  Biologia on liian. Monimutkaista, jotta tämmöinen
• 1:08:11
  niinku ihan puhtaasti matemaattinen matemaattinen
• 1:08:14
  mallintaminen voisi sitten toimia siellä, koska.
• 1:08:18
  Sitten kun lähdetään. Tietokoneella tekemään niitä
• 1:08:19
  laskuja niin huomataan, että tosiaan laskenta laskenta
• 1:08:22
  voidaan teoriassa toteuttaa, mutta siihen menee kauemmin kuin
• 1:08:25
  mitä universumia on olemassa. Me me tartutaan siis.
• 1:08:28
  Simulaatiota käytännössä vai me tarvitaan ihan?
• 1:08:30
  Tietynlaisia simulaatioita ja nyt näyttäisi siltä, että nää
• 1:08:33
  niinku tämmöiset kielimallityyppiset ratkaisut
• 1:08:36
  niin mahdollistaa. Mahdollistaa sitten.
• 1:08:40
  Ennusteiden tekemisen semmoisista semmoisesta datasta,
• 1:08:44
  mistä perinteisemmillä tavoilla ennusteiden tekeminen olisi
• 1:08:46
  laskennallisesti aivan liian raskasta.
• 1:08:50
  Ja pelkästään tosiaan. Tämmöinen pikkuinen niin kuin
• 1:08:52
  alaongelma kun proteiinirakenteen ennustaminen
• 1:08:56
  niin on ollut jo semmoinen mitä on pidetty pitkään mahdottomana.
• 1:08:59
  Mutta mikä on tullut nyt mahdolliseksi?
• 1:09:01
  Ja tää liittyy. Tietysti siihen isompaan
• 1:09:03
  kysymykseen, että miten voidaan sitten niin kun kaikki solujen
• 1:09:06
  toimintamallintaa ja ennustaa. Niitä.
• 1:09:10
  Kyllähän. Odotukset on kovat, että nää
• 1:09:12
  kielimallit ja niistä eteenpäin kehittyvät teknologiat kykenisi
• 1:09:17
  antamaan meille sitten semmoisen niinku ennustavan työkalun
• 1:09:19
  myöskin solujen toimintaan. Mutta se vaatii toki myös.
• 1:09:24
  Paljon kokeellista työtä että. Ennusteet on.
• 1:09:31
  On just niin hyviä myöskin kun mitä se se aineisto mitä niiden
• 1:09:34
  ennusteiden tekemiseen syötetään.
• 1:09:37
  Eli me tarvitaan erilaisia havaintoja paljon myöskin
• 1:09:39
  soluista niinku erilaisilla erilaisilla.
• 1:09:43
  Vaikkapa. Että joku geeni on
• 1:09:45
  vaikkapaktivoitu ja että mitä sitten tapahtuu?
• 1:09:48
  Joku toinen geeni onnektivoitu mitä sitten tapahtuu erilaisissa
• 1:09:51
  olosuhteissa? Just.
• 1:09:55
  Joten kyllä siinä. Siinä sarkaa riittää, mutta
• 1:09:57
  mutta. Mä itse asiassa mä luen.
• 1:10:01
  Parhaillaan just. Mustafa sulleman, joka oli
• 1:10:04
  tämän. Odotas nyt deep minds.
• 1:10:07
  Tekoäly-yhtiön perustaja, nykyinen microsoft AN johtaja.
• 1:10:11
  Hänen kirjaimissaan hän pohtii just synteettistä biologiaa ja
• 1:10:14
  tekoälyä. Ja.
• 1:10:17
  Siinähän pohtii myös sitä, että niin kun nykyisellään jo nää
• 1:10:22
  erilaiset tekoälyratkaisut antaa meille niinku.
• 1:10:25
  Mä oon. Tapoja ennustaa ennustaa
• 1:10:28
  biologisia ilmiöitä aivan eri tavalla kuin mitä ollut
• 1:10:30
  aikaisemmin mahdollista. Mutta myös se nämä
• 1:10:33
  tekoälyratkaisut mahdollistaa sen, että kokeita
• 1:10:35
  automatisoidaan semmoisella tavalla tulevaisuudessa, mikä on
• 1:10:38
  tähän asti vaatinut sen, että siellä on valtava määrä ihmisiä
• 1:10:41
  tekemässä sitten niinku tietynlaisia laborita.
• 1:10:44
  Mutta robotiikan kehittyessä mitä myöskin tekoäly ruokkii,
• 1:10:47
  niin voidaan enenevässä määrin myös sitä kokeellista työtä
• 1:10:50
  antaa sitten ihan vaan niinku robottien käsiin, joten se
• 1:10:53
  kokeellisen datan generaatio myös tulee kasvamaan niinku jopa
• 1:10:56
  eksponentiaalisesti. Ja silloin saadaan entistä
• 1:10:59
  paremmin aineistoa. Sitten näille tämmöisille
• 1:11:02
  biologisille malleille joko kokonaisuudessaan tää on sitten
• 1:11:05
  tämmöinen niinku eksponentiaalinen kasvu.
• 1:11:08
  Mikä tästä seuraa? Minkä seuraukset on hyvinkin
• 1:11:13
  ennalta arvaamattomia? Kuinka?
• 1:11:15
  Usein sä itse käyt labrassa ja voiko käytät tulevaisuudessa
• 1:11:18
  että sun ei tarvitsekaan käytä labrassa vaan kaikki tehdään
• 1:11:22
  digitaalisesti ja ja se. Kenttätyö siellä on labassa.
• 1:11:25
  Tavallaan tapahtuisi robottien avustuksella ja.
• 1:11:29
  Ja miltä se susta tuntuisi että sun ei tarvitsisi käydä
• 1:11:32
  labrassa? Kuinka olennainen osa se on sun
• 1:11:35
  työidentiteettiä. Kyllä mä käyn labrassa paljon.
• 1:11:38
  Mä en ole nytten en ole pariin vuoteen tehnyt lainkaan
• 1:11:41
  laboratoita. Johtoeläinen sitten ettei ole
• 1:11:42
  aikaa. Tekisin mielelläni mun mielestä
• 1:11:45
  semmoinen niin kun asioiden testaaminen käytännössä se on.
• 1:11:49
  Se on hyvin, hyvin keskeistä niinku keksimisprosessille
• 1:11:52
  ylipäätään. Kaikenlaisia ideoita voi voi
• 1:11:55
  pyöritellä vaikka vaikka kuinka paljon, mutta.
• 1:11:58
  Silti. Se, että näkee että mikä
• 1:12:00
  oikeasti toimii ja mikä ei, niin se on kyllä hyvin keskeistä.
• 1:12:04
  Ja mä näkisin kyllä että tämmöinen niin kun.
• 1:12:07
  Siihen laboratohin. Liittyy paljon myöskin
• 1:12:09
  intuitiota. Eli se ei ole.
• 1:12:11
  Pelkästään sitä, että voidaan niin kun.
• 1:12:14
  Selkeästi. Määritellä tietyt kokeet ja
• 1:12:16
  sitten tehdä ne ja päätellä niistä sitten asioita vaan se
• 1:12:19
  vaatii myöskin niinku luovuutta ja kykyä muuttaa suunnitelmia
• 1:12:23
  lennosta ja tulkita semmoisia tuloksia mitkä ei vastaa mitään
• 1:12:27
  niinku ennakko-odotuksia ja siinä on niinku en mä nyt sano,
• 1:12:30
  että se ehkä taide ei ole oikea sana, mutta ei myöskään niinku
• 1:12:33
  puhdas tämmöinen niinku looginen päättely puhdas looginen
• 1:12:37
  päättely. Ei siinä myöskään riitä vaan
• 1:12:38
  jonkunlainen intuitio tarvitaan ja.
• 1:12:40
  Vaikea nähdä että niinku. Tota.
• 1:12:43
  Millään robottiratkaisuilla semmoista aikaansaadaan vielä
• 1:12:46
  lähivuosina ja siinä on. Tietty yllätyksellisyys, mikä
• 1:12:49
  kiehtoo sua kuitenkin kuitenkin, ettei voiteta tietää tarkasti,
• 1:12:52
  että että mihin ajaudutaan ja miten ajaudutaan, että siinä on
• 1:12:56
  siinä on sellainen tietty osa taidetta kuitenkin.
• 1:12:59
  Mukana on on ehdottomasti ehdottomasti ja.
• 1:13:04
  Se on hirveän kiehtova kiehtova niinku osaltaan osalta sen takia
• 1:13:08
  sitten muita. Asioita mitä tässä pohdinnan on
• 1:13:11
  on crispr tekniikkaa ja ja sen tarkkuus.
• 1:13:16
  Kuinka hyvin me osataan tänä päivänä ja ja halata crispad
• 1:13:19
  tekniikkaa ja mitkä ovat sen pullonkauloja?
• 1:13:23
  Mitä meidän pitäisi tulevaisuudessa parantaa ja onko
• 1:13:26
  chris r, llä sitten crisprille? Miten sitä nyt ikinä
• 1:13:29
  äännetäänkään, niin onko sillä tulossa jotain vaihtoehtoja?
• 1:13:36
  Crispr on niinku hyvä. Hyvä esimerkki just tästä
• 1:13:40
  puhuttiin niinku perustutkimuksen tuottamia
• 1:13:42
  työkaluja ja se on se liittyy itse asiassa siihen miten
• 1:13:46
  bakteerisolut. Pystyy tunnistamaan heille
• 1:13:50
  patogeenisia esimerkiksi viruksia ja se on ikään kuin
• 1:13:54
  bakteerien immuunijärjestelmä. Mihin perustuu tää systeemi?
• 1:13:57
  Ja se on pohjimmiltaan tämmöinen OK tota.
• 1:14:02
  Se on erityisesti crispr cas 9 cas 9 on se tietty tietty
• 1:14:06
  proteiini, mikä tässä on ollut erityisen keskeinen.
• 1:14:09
  Se on proteiini, joka pystyy tiettyjen ohjeiden perusteella
• 1:14:12
  tunnistamaan tietyn DNA sekvenssin ja leikkaamaan sen
• 1:14:13
  sekvenssin poikki. Se itse oikeastaan mitään.
• 1:14:16
  Muuta, mutta kun puhutaan geenishaksista niin kyse on just
• 1:14:19
  siitä, että me voidaan niinku tarkkaan määrittää, että tosta
• 1:14:22
  kohtaa me halutaan laittaa DNA asiakas poikki.
• 1:14:25
  Ja. Se mitä tapahtuu sen jälkeen kun
• 1:14:29
  tää cas 9 proteiini on leikannut DNAN poikki niin solun
• 1:14:31
  korjausmekanismit pyrkii korjaamaan tämän katkoksen ja
• 1:14:34
  silloin siinä on myöskin mahdollisuus laittaa siihen
• 1:14:36
  siihen väliin niinku jotain omaa DNA, ta.
• 1:14:42
  Ongelma on. Ton kanssa 9 ainakin sen
• 1:14:45
  perusversion kanssa se, että että se toki tekee niinku
• 1:14:47
  katkoksia. Todennäköisimmin siihen niinku
• 1:14:50
  mihin me halutaankin, mutta se tekee niitä myös kaikkialle
• 1:14:52
  muualle ja eli useampaan. Kohtaan DNA, ta juu se ei ole.
• 1:14:56
  Täysin täysin niinku aukottoman spesifinen just sille tietylle
• 1:14:59
  paikalle mihin me halutaan sitten tehdä meidän
• 1:15:01
  modifikaatio, joten tällä hetkellä iso iso osa
• 1:15:06
  tutkimuksesta liittyy myös siihen, että kun on haluttu
• 1:15:09
  tehdä joku solu solulinja mitä on muokattu tietyllä tavalla,
• 1:15:13
  niin miten me saadaan varmistettua, että että siinä
• 1:15:15
  solulinjassa ei ole tapahtunut mitään muita modifikaatioita?
• 1:15:18
  Ja. Tämmöisten niin kun parempien
• 1:15:20
  geenisaksien kehittely mitkä olisi niinku tarkan spesifisiä
• 1:15:24
  tekemään sen katkoksen vaan just tiettyyn kohtaan, niin se on nyt
• 1:15:28
  tällä hetkellä se mihin moni moni katsoo niinku hyvin
• 1:15:32
  tarkkaan ja kas 9 ei välttämättä lopulta ole se.
• 1:15:36
  Edes paras proteiini. Siihen voi olla, että siihen
• 1:15:38
  tulee muitakin muitakin. Muitakin.
• 1:15:40
  Tapoja, entä jos? Puhutaan ihmisen koko genomin
• 1:15:45
  muokkauksesta. Niin.
• 1:15:47
  Sanoit alukset, me ymmärretään ehkä optimistisesti
• 1:15:49
  optimistisesti. 10 viiva 20% genomisista.
• 1:15:53
  Niin jos oletetaan, että me ymmärrettäisiin koko DNAN ja
• 1:15:59
  mitä se tekee, mitä varten siinä on kaikki geenit niin olisiko
• 1:16:05
  meillä riittävästi nyt tekniikoita muokata ihan mitä
• 1:16:08
  tahansa DNA pätkiä ihmisessä. Periaatteessa toi.
• 1:16:13
  Crispr cas 9 mahdollistaa sen, että jos me haluttaisiin vaikka
• 1:16:18
  tiedettäisiin että kromosomissa 8 on tietty geeni mitä me
• 1:16:23
  halutaan tutkia. Me halutaan katsoa, että mitä
• 1:16:24
  tapahtuu jos sen inaktivoi niin meidän nykyteknologia antaa jo
• 1:16:29
  mahdollisuuden tehdä tämmöinenktivointi.
• 1:16:33
  Crispr cassilla tosin siihen liittyy se, että meidän pitää
• 1:16:36
  varmistaa silloin, että se efekti mikä me nähdään niin
• 1:16:40
  johtuu nimenomaan siitä muutoksesta eikä siellä ole
• 1:16:42
  tapahtunut jotain muuta muutosta myöskin, mikä perustuu siihen
• 1:16:44
  niinku epäspesifiseen toimintaan.
• 1:16:47
  Joten tota siinä on aika paljon aika paljon käsityötä vielä,
• 1:16:51
  että siis niinku mä ymmärrän sen innon mikä liittyy siihen
• 1:16:54
  ajatukseen, että me voidaan muokata ihmisgenomia ja.
• 1:16:58
  Poistaa sieltä asioita lisätä sinne asioita ihan niinku me
• 1:17:00
  halutaan periaatteessa. Joo, mutta että kyllä se
• 1:17:02
  käytännössä on vielä silti aika työlästä ainakin jos me halutaan
• 1:17:06
  olla ihan varmoja sitten, että mitä muutakaan ei ole tapahtunut
• 1:17:09
  sitten siellä perimässä. Ja tää on tietysti kaikki.
• 1:17:12
  Nyt irrallaan siitä kysymyksestä, että pitäisikö
• 1:17:15
  meidän edes edes lähteä kajoamaan siihen ihmisperimään?
• 1:17:18
  No mitä mieltä? Olet siitä, että nähdäänkö me
• 1:17:22
  tässä jo meidän elämän aikana designer-vauvoja ja onko niitä
• 1:17:27
  jo mahdollisesti olemassa sun mielestä kiinassahan oli.
• 1:17:30
  Tämä tämä esimerkki, tämä kiinalainen tohtori.
• 1:17:34
  Teki teki näihin 2 kaksosiin tuota crisprilla tietty
• 1:17:39
  modifikaation. Ja.
• 1:17:42
  Nää lapset on nytten. Olisiko ne jotain noin
• 1:17:44
  viisivuotiaita tällä hetkellä? Onko sulla tiedossa mitä?
• 1:17:48
  Tarkalleen siellä muutettiin heidän geeneissä.
• 1:17:50
  Se oli joku. Tämmöinen hi viruksen
• 1:17:52
  kiinnittymiseen liittyvä liittyvä niinku tämmöinen solun
• 1:17:56
  pinnan reseptori muistaakseni. Ja en.
• 1:18:00
  Ole en ole lainkaan varma, että minkä takia nimenomaan tämä
• 1:18:03
  tämmöinen kohde oli valittu siihen kokeeseen.
• 1:18:06
  Mutta tää tohtorihan sai sitten sitä kovat sanktiot.
• 1:18:11
  Hän katosi vähän niinku katosi maan pinnalta vähäksi aikaa
• 1:18:15
  ilmestyi taas jonnekin mitä hän tekee tällä hetkellä niin
• 1:18:18
  ilmeisesti yhä tutkimusta OK mut et ikään kuin hän jo päästi nyt
• 1:18:23
  sitten sen. Ensimmäisen hengen sieltä
• 1:18:26
  pandoran lippaasta kyllä tekemällä tämä.
• 1:18:28
  Oliko se kiinan? Valtio, joka oli antanut
• 1:18:30
  sanktiota. Joo kiinassahan.
• 1:18:32
  On toiminut koko aika oikein oikein.
• 1:18:34
  Eli se selkään ei kuitenkaan katsota läpi sormien tätä
• 1:18:38
  tekemistä. Ei, mutta kyllä se varmasti
• 1:18:40
  siellä herättää suurta kiinnostusta myöskin että.
• 1:18:44
  Näitä. Kaksosia, joiden perimä tässä
• 1:18:47
  nyt oli tällä tavalla muokattu, niin varmasti seurataan hyvin
• 1:18:50
  tarkkaan ja. Ja.
• 1:18:53
  Kaikenlaisia suunnitelmia varmaan sitten liittyy kyllä
• 1:18:56
  mahdolliseen jatkokäyttöön. Henki on ulkona.
• 1:18:59
  Pulloista joo mä mietin. Sitä, että esimerkiksi.
• 1:19:05
  Lapsettomuushoidoissa niin toi voisi olla teoriassa joku
• 1:19:09
  sellainen niinku ihan varteenotettava riski.
• 1:19:12
  Jos jos sitä käsittelee joku vähän eettisesti joustavampi
• 1:19:18
  henkilö tai henkilö ryhmä, niissähän voisi periaatteessa
• 1:19:22
  muokata sitä geenikokoelmaa, eikö niin?
• 1:19:26
  Joo kyllä. Mut että tosiaan ei se ihan niin
• 1:19:30
  kun ihan yksinkertaista vielä silti ole OK että OK tulee.
• 1:19:34
  Tulee toki yksinkertaisemmaksi ja.
• 1:19:37
  Ei myöskään. Niinku.
• 1:19:39
  On on siis taitavan ihmisen tehtävissä tehtävissä kyllä jo,
• 1:19:43
  mutta ei kuitenkaan vielä ihan sillä tasolla, että voisi
• 1:19:46
  verkosta tilata niinku työkalut ja.
• 1:19:49
  Lähteä sitten niinku. Muokkaamaan ihmisalkioita että
• 1:19:52
  sanotaan joku bakteerisolumuokkaaminen tällä
• 1:19:54
  tavalla on jo semmoista, että se voisi melkein tehdä
• 1:19:57
  autotallissaan ihmisalkiolle. Niin se on on monimutkaisempaa
• 1:20:01
  kyllä itseasiassa. Toi bakteerin genomin
• 1:20:04
  muokkaaminen sekin kuulostaa varsin pelottavalta.
• 1:20:07
  Joo kyllä se on on monella. Tavalla kyllä niinku.
• 1:20:09
  Siinä on omat omat kammottavat mahdollisuutensa myös.
• 1:20:13
  Ja se yhdistyy. Myös tähän, että että DNAN
• 1:20:16
  kirjoittaminen on on myös samalla tavalla nyt kasvava
• 1:20:20
  trendi kuin DNAN lukeminen on ollut viimeiset parikymmentä
• 1:20:22
  vuotta. Ja silloin tämä.
• 1:20:24
  Niinku positiivinen puoli, että me voidaan.
• 1:20:28
  Esimerkiksi tehdä niinku erilaista hyödyllistä,
• 1:20:30
  yleishyödyllistä, synteettistä biologiaa tai me voidaan vaikka
• 1:20:33
  alkaa koodata meidän tota. Vaikkapa shakespearin.
• 1:20:39
  Teoksia tai tai squidcameja DNA han, jossa näin halutaan, mutta
• 1:20:45
  siinä on myöskin se mahdollista, että on tilattavissa sitten
• 1:20:48
  kaiken kaikenlaisia niin kuin. Ikäviä.
• 1:20:51
  Patogeenisyysominaisuuksia. Hyvinkin pienellä pienellä
• 1:20:56
  kustannuksella ja syöttää ne sitten haluamansa bakteerin ja
• 1:20:59
  pistää se leviämään jonnekin. No, voisiko esimerkiksi.
• 1:21:02
  Potilastiedot olla tulevaisuudessa DNA, ssa.
• 1:21:07
  Joo siis. Sanotaan niinku DNA informaation
• 1:21:09
  kirjoittaminen DNA, han on erityisesti tämmöinen niinku
• 1:21:13
  tiedon arkistointi ja tiedon arkistointiin liittyvä asia
• 1:21:16
  ainakin tällä hetkellä. Sen sen informaation.
• 1:21:20
  Lukeminen ei ole yhtään yksi suoraviivaista kuin se, että
• 1:21:22
  luetaan jostakin tietokannasta digitaalisesta tietokannasta
• 1:21:25
  tietoa vaikka meidän teknologialla pyritään siihen,
• 1:21:28
  että voitaisiin DNA, ta käsitellä vähän niinku se olisi
• 1:21:30
  digitaalinen tietokanta, niin ei se koskaan tule olemaan yksi
• 1:21:35
  suoraviivainen tietokanta kun. Tämmöiset niin kun puhtaasti
• 1:21:39
  digitaaliset tietokannat. Mutta esimerkiksi.
• 1:21:42
  Jonkun potilastiedon pitkäaikainen arkistointi niin
• 1:21:44
  että se on tietoturvallisesti arkistoitu, niin voisi hyvinkin
• 1:21:48
  olla yksi sovellusalue just tälle niin kuin synteettiselle
• 1:21:51
  DNA, lle. Ja toki sitten.
• 1:21:54
  Aika iso osa sitä potilastiedosta merkittävä osa
• 1:21:57
  on potilaan perimä itsessään ja sen perimän säilyttäminen ja
• 1:22:01
  itsessään sillä tavalla, että se ei välttämättä vaadi niinku
• 1:22:04
  hirveitä. Säilytysinfrastruktuuria, niin
• 1:22:07
  on siellä lain kiinnostava sovellusalue.
• 1:22:09
  Niin no sinänsä. DNA on jo sellaisenaan
• 1:22:12
  sellainen. Sellainen paikka, missä on
• 1:22:15
  tavallaan potilastiedot. Jos vaan pystytään ymmärtämään
• 1:22:19
  kaikkea geenejä ja niiden yhteisvaikutusta.
• 1:22:22
  Joo kyllä. Toisaalta niin se.
• 1:22:24
  Mitä mitä jää sen ulkopuolella on ympäristövaikutukset.
• 1:22:29
  Joo ja esimerkiksi just. Kyllähän niin kuin
• 1:22:33
  potilastietoihin liittyy sitten. Potilastietoihin.
• 1:22:36
  Liittyy siis kaikenlaista laboratoriotulokset, että mitä
• 1:22:39
  mitä ei voi ei voi lukea perimästä hemoglobiinit ja
• 1:22:43
  kolesterolit ja muut plus siihen vaikka se että mitä mitä potilas
• 1:22:46
  on suullisesti kertonut lääkärille.
• 1:22:49
  Että se se on ne. On kaikki asioita mitkä liittyy
• 1:22:51
  potilastietoihin olennaisesti, mutta mitkä ei ole DNA, sta
• 1:22:54
  suoraan luettavissa, ellei niitä sitten itse itse Kirjoita.
• 1:22:57
  DNX. Toisaalta se on.
• 1:22:59
  Taas sellaista sensitiivistä tietoa, että mä en ainakaan
• 1:23:03
  haluaisi, että kukaan ylipäätään lukisi mun potilastietoja DNA,
• 1:23:06
  sta, mutta mun sylvestä voisi periaatteessa napata, jos ne on
• 1:23:09
  kerran siinä DNA, ssa, että se ei ole kuitenkaan niin
• 1:23:12
  yksinkertaista. Huippu lopuksi.
• 1:23:15
  Tää ihmisten. Perimätieto sehän on tai peri
• 1:23:18
  perimään liittyvä tieto sehän on.
• 1:23:20
  On asia mitä esimerkiksi EU, ssa, tää GDPR säännös vahvasti
• 1:23:25
  reguloi. Ja esimerkiksi.
• 1:23:27
  Biopankkilaki suomessa ja nyt suomessa on käynnissä ollut
• 1:23:31
  jonkun aikaa käynnissä jotain finngen-projekti missä luetaan
• 1:23:34
  jopa noin puolen miljoonan suomalaisen perimä.
• 1:23:37
  Ja sen tähän liittyvän tiedon ja toisaalta säilyttäminen niin
• 1:23:42
  että se sitten niinku noudattaa kaikkea kaikkea tätä
• 1:23:46
  lainsäädäntöä, mutta myöskin sen hyödyntäminen niin että että
• 1:23:49
  siinä ei rikota tätä lainsäädäntöä, niin säännöt on
• 1:23:52
  kaikkea muuta kuin triviaaliasia.
• 1:23:53
  Mitä kaikkea me voitaisiin. Saavuttaa tieteellisesti tällä
• 1:23:57
  datalla puolen miljoonan suomalaisen geenidatalla.
• 1:24:00
  Suomessahan. Omalla tavallaan niinku.
• 1:24:02
  No varmasti jokaisessa maassa on niinku sillä tavalla uniikki
• 1:24:05
  perimä että niinku etnisyydet. Liittyy siihen, että on vähän
• 1:24:10
  niinku erilaisia variantteja geeneistä.
• 1:24:12
  Sen takia siihen liittyy just se, että eri ihmisryhmät on
• 1:24:15
  vähän eri näköisiä ja. Näin näin poispäin.
• 1:24:17
  Ja myöskin sitten niinku erilaisia vaikkapa sairauksia
• 1:24:20
  esiintyi vähän eri eri tavalla eri ihmisryhmissä.
• 1:24:23
  Joten esimerkiksi suomalaisessa perimässä niin on.
• 1:24:29
  Yliedustettuna tietynlaiset piirteet mitkä saattaa olla
• 1:24:32
  yhteydessä vaikka tietynlaisiin sairauksiin.
• 1:24:35
  Ja se on aika harvoin sillä. Tavalla myöskin, että on
• 1:24:37
  sairauksia. Missä se on tietty geeni
• 1:24:39
  aiheuttaa tietyn sairauden, mutta useammin sairaudet on
• 1:24:42
  tämmöisiä monigeenisiä, että niin kuin monien geenien
• 1:24:44
  yhteisvaikutus lisää todennäköisyyttä jollekin
• 1:24:46
  sairauksille vaikka. Ja tän tyyppisten yhteyksien
• 1:24:51
  selvittäminen ei ole. Kovinkaan.
• 1:24:53
  Yksinkertaista, jos se aineisto on pieni, se vaatii isoja
• 1:24:56
  aineistoja ja tilastollista analyysiä, mutta tämmöinen
• 1:24:59
  niinku puolen miljoonan suomalaisen aineisto on jo aika
• 1:25:01
  iso ja siellä on kaikenlaisia niinku omanlaisia piirteitä mitä
• 1:25:05
  voidaan sitten niinku lähteä vähän niinku louhimaan siltä
• 1:25:08
  kantilta, että sieltä saattaisi hyvin selvitä kaikenlaisia
• 1:25:11
  kiinnostavia yhteyksiä sitten aika alkaa.
• 1:25:13
  Käydä vähiin, mutta haluaisin kuitenkin.
• 1:25:16
  Tai no tässä on monia kysymyksiä, mistä voidaan
• 1:25:19
  voitaisiin edelleen keskustella. Ne on todella mielenkiintoisia.
• 1:25:23
  Kys. Se myös eettisesti, ei vain
• 1:25:26
  biologisesti, mutta. Kun seuraat tätä kuitenkin aitoa
• 1:25:30
  paikalta tätä kehitystä geeniteknologiassa ja ja
• 1:25:34
  biokemiassa ja molekyylibiologiassa, niin
• 1:25:37
  minkälaisia läpi muuttoja me voidaan odottaa vaikkapa
• 1:25:41
  seuraavan 5 vuoden aikana. Tässä teidän alalla ja
• 1:25:45
  minkälaisia läpimurtoja on odotettavissa tyyliin vaikkapa
• 1:25:48
  20 vuoden päästä. Seuraavien 5.
• 1:25:52
  Vuoden aikana niin mikä tulee kehittymään valtavasti, niin on
• 1:25:55
  nimenomaan DNAN kirjoittaminen. Ja ihan niinku.
• 1:26:00
  Puhtaasti sen, että me voidaan kirjoittaa DNA, han mitä mitä me
• 1:26:03
  halutaan biologista informaatiota tai jotain muuta
• 1:26:05
  informaatiota. Ja sillä tulee olemaan.
• 1:26:08
  Sitten sovellusalueita niinku informaation varastoinnissa,
• 1:26:11
  mutta myöskin synteettisessä biologiassa, eli me voidaan
• 1:26:14
  entistä paremmin esimerkiksi. Jos me halutaan vaikka.
• 1:26:17
  Että joku bakteeri tuottaa vetyä todella tehokkaasti, niin me
• 1:26:20
  voidaan entistä paremmin saada aikaan vaikkapa semmoinen
• 1:26:23
  bakteeri, joka sitten on ihan niin kun.
• 1:26:27
  Engginied siihen, että se tuottaa tuottaa vetyä.
• 1:26:29
  Wau, eli me voidaan tuottaa. Vetyenergiaa sen avulla.
• 1:26:32
  Joo hän tääkin. On tämmöinen mitä on pitkään
• 1:26:34
  pitkään haavailtu, että onko näin näin voisi tehdä, se ei
• 1:26:38
  sitä ei olla vielä saatu skaalattavaksi riittävän
• 1:26:40
  skaalattavaksi, mutta. Sanotaan niin kun synteettinen
• 1:26:44
  biologia on. Mahdollisuus.
• 1:26:47
  Nopeuttaa nopeuttaa niinku näiden solujen evoluutioita
• 1:26:50
  tommoiseen suuntaan niin voimakkaasti että että.
• 1:26:53
  Voidaan. Tän jopa tämmöisiä niin kun
• 1:26:55
  vaikkapa energiatehokkuuteen liittyviä asioita saada
• 1:26:59
  paranneltua ja. Toki nämä.
• 1:27:01
  Niin kun sitten enemmän enemmän dystooppiset skenaariot myöskin
• 1:27:05
  vaikkapa niinku kustomoiduista patogeeneistä.
• 1:27:09
  Kustomoiduista joistakin niinku hengitystieinfektioista ja
• 1:27:11
  muista niin tulee. Tulee siinä entistä
• 1:27:14
  ajankohtaisemmiksi. Tämän mä näkisin.
• 1:27:18
  Niin kun seuraavien 5 vuoden aikana.
• 1:27:21
  Tällä alalla. Tämmöisinä niinku.
• 1:27:24
  Kehityskulkuina mitä mitkä on helppo helppo ymmärtää.
• 1:27:28
  Jos mietitään 2 20 vuoden päähän tästä eteenpäin.
• 1:27:34
  Tässä kytkeytyy yksi yksi tekoälyn kehitys, nyt sitten
• 1:27:37
  synteettisen biologian kehityksen kanssa.
• 1:27:40
  Ja sen. Lopputulemat on äärimmäisen
• 1:27:42
  vaikeasti ennakoitavia. Koska?
• 1:27:45
  Niin kuin. Me tosiaan päästään.
• 1:27:48
  Siihen siihen semmoiseen tilanteeseen, missä ylipäätään
• 1:27:52
  kaikenlainen laboratoriotestaaminen tämmöinen
• 1:27:54
  niin kun sanotaanko. Miten sanoisi semmoinen?
• 1:27:58
  Niinku brothfors tyyppinen laborato, missä vaikkapa
• 1:28:00
  halutaan halutaan tehdä jostakin solusta semmoiset versiot missä
• 1:28:03
  niinku jokaisesta geenistä on tehty tämmöinen knock out missä
• 1:28:07
  se geeni on niinku potkaistu pois käytöstä ja sitten tehty
• 1:28:10
  tietty sarjakokeita niille niille soluille.
• 1:28:13
  Tämmöistä ikään kuin raakaa datageneraatiota labrassa.
• 1:28:16
  Se määrä tulee kasvamaan niin, että me todennäköisesti tullaan
• 1:28:18
  pääsemään siihen, että me voidaan ymmärtää ja ennustaa
• 1:28:21
  solujen toimintaa. Ihan niin kuin vähän samalla
• 1:28:26
  tavalla kuin me tällä hetkellä sitten ymmärretään.
• 1:28:27
  Fysikaalisia systeemejä vaikka. Tää tulee.
• 1:28:32
  Tietysti niinku mullistamaan mullistamaan kaikenlaisen
• 1:28:35
  teollisen tuotannon esimerkiksi ihan täysin millaisia
• 1:28:37
  materiaaleja me voidaan tuottaa ja millaisessa skaalassa.
• 1:28:44
  Esimerkiksi se, että. Että.
• 1:28:48
  Kaikenlaiset vaikkapa. Akkuteknologiat esimerkiksi
• 1:28:50
  mitkä tällä hetkellä perustuu erilaisiin erilaisiin
• 1:28:53
  maametalleihin, jos voitaisiin tuottaa vaikkapa niin kun
• 1:28:55
  erilaista orgaanisista materiaaleista.
• 1:28:59
  Sitten niinku. Vastaavan tyyppisiä rakenteita
• 1:29:02
  tai käyttää niitä ainakin ainakin väli välivaiheena siinä,
• 1:29:04
  että. Että voitaisiin päästä.
• 1:29:06
  Eroon sitten vaikka riippuvuudesta harvinaisiin
• 1:29:08
  maametalleihin tai muihin. Tää on vielä niinku ihan ihan
• 1:29:11
  scifiä, mutta sanotaan niinku pyrkimys on siihen kova, että me
• 1:29:15
  voitaisi. Voitaisiin vähän niinku.
• 1:29:18
  Ylläpitää tämmöistä niinku jatkuvasti kasvavaa
• 1:29:21
  energiamäärää vaativa elämäntapaa, niin se vaatii.
• 1:29:25
  Se vaatii semmoista innovaatiota.
• 1:29:26
  Mihin niinku maapallon nykyisestä resurssit?
• 1:29:28
  Ei ei millään taivu. Ja mä näkisin että.
• 1:29:31
  Kyllä. Erilaisia ratkaisuja sieltä on
• 1:29:33
  tulossa, mutta minkälaisia ne on, sitä me ei voida vielä vielä
• 1:29:36
  kuvitella. Mutta se se tämä niinku
• 1:29:40
  synteettinen biologia ja tekoäly ne on toisiaan ruokkiva
• 1:29:42
  tämmöinen niinku toisiaan kiihdyttävä kehityskulku.
• 1:29:45
  Missä on sekä vähän niinku tämmöisiä utooppisia että
• 1:29:49
  dystooppisia mahdollisuuksia mitkä todennäköisesti sekoittuu,
• 1:29:52
  sekoittuu kummallisilla tavoilla.
• 1:29:56
  Tämä. Kiehtovaa todella pelottavaa ja
• 1:29:59
  kaikkea. Välimaastolta niin niin tuota,
• 1:30:03
  mutta aika jännää, että siis me eletään tänä päivänä suurta
• 1:30:06
  epäorgaanista aikakautta. Eli eli meidän orgaanisäteilyvät
• 1:30:09
  luomme jotain epäorgaanista ja kuitenkin me tiedostamme, että
• 1:30:14
  tää epäorgaaninen. Niinku älyn ilmentymä
• 1:30:19
  esimerkiksi nykyinen tekoäly on hirveän tahoton verrattuna
• 1:30:23
  esimerkiksi meidän aivoihin, että suhteessa niihin
• 1:30:26
  kaloreihin, mitä me kulutamme, niin me prosessoimme
• 1:30:29
  informaatiota. Paljon paljon tehokkaammin kuin
• 1:30:31
  mitkä datasettelit tänä päivänä, niin niin on todella jännä nähdä
• 1:30:35
  että että otetaanko me sittenkin niinku steppi tuonne
• 1:30:38
  orgaanisella puolella tulevaisuudessa ja valjastetaan.
• 1:30:43
  Orgaanisia yhdisteitä ja ja eliöitä eläviä eliöitä, oikeita
• 1:30:49
  eliöitä, niin orgaanisia eliöitä sitten tekemään jotakin mitä
• 1:30:53
  epäorgaaninen tekee tänä päivänä.
• 1:30:56
  Joo. Joo, tähän liittyy myös
• 1:30:58
  esimerkiksi se, että meillähän on tällä hetkellä DNA, ssa 4
• 1:31:00
  kirjainta. Ja noin noin parikymmentä
• 1:31:03
  aminohappoa vähän päälle. Ja on demonstroitu, että on
• 1:31:08
  lisätty yksi emäspari myös DNA, han tää on siis täysin
• 1:31:11
  synteettistä millään elämänmuodolla ei ole tämmöistä,
• 1:31:15
  mutta sehän lisää välittömästi jos meille tulee sinne yksi
• 1:31:17
  kirjain lisää, niin se lisäävä räjähdysmäisesti niinku niiden
• 1:31:20
  palikoiden määrään mitkä meillä on tällä hetkellä ne
• 1:31:22
  parikymmentä aminohappoa, niin sinne voidaan ottaa ottaa mukaan
• 1:31:25
  vaikka kuinka paljon. Sitten kaikenlaisia muitakin
• 1:31:28
  muitakin rakenteita mitä voidaan sitten liittää osaksi tommoista
• 1:31:31
  niinku. Samalla tavalla kuin
• 1:31:33
  proteiinihen ketjut on tällä tällä hetkellä tietynlaisia.
• 1:31:36
  Näin pieni muutos. Sitten johtaa tämmöisiin
• 1:31:38
  seurauksiin, että meillä on. Meillä on paljon siis paljon
• 1:31:41
  uusia aminohapporakenteita seurauksena, eikä se
• 1:31:45
  välttämättä. Tarvitse edes olla edes niinku
• 1:31:46
  minkään perinteisen aminohapon tapainen vaan kaikenlaisia
• 1:31:49
  kemiallisia rakenteita, että siis tuolla tavalla voidaan
• 1:31:51
  luoda hyvin tarkasti suunnitellusti molekyylejä.
• 1:31:55
  Mitkä ei ole? Nykyisen nykyisten
• 1:31:57
  proteiinirakenteiden puitteissa. Ja millä voi?
• 1:32:00
  Olla vaikka minkälaisia ominaisuuksia.
• 1:32:04
  Samaan aikaan se on hirveän pelottavaa.
• 1:32:05
  Lähtee niinku tommoseen elämän peruskodin koskemaan.
• 1:32:08
  Elikkä tehdä tämmöisiä. Sanotaan niinku että.
• 1:32:11
  Jos me johonkin vaikka bakteerien tapaiseen eliön
• 1:32:15
  lisätään se uusi emäspari. Ja se lähtee leviämään.
• 1:32:19
  Karkaa laboratorioista ja meillä on yllättäen niin kun.
• 1:32:23
  Voisi sanoa ihan niinku. Täyselämän muoto, joka on täysin
• 1:32:26
  niinku kemiallisesti vieras meille.
• 1:32:28
  Sehän on aivan. Hirvittävä ajatus samaan aikaan.
• 1:32:34
  Se kai. Käytännössä siis se voisi
• 1:32:36
  ajatella niinku. Että tommoinen.
• 1:32:40
  Bakteeri mikä? Tuottaa kemiallisia rakenteita
• 1:32:42
  mitä ei ole luonnossa nähty ja monistaa itseään ja jakaantuu,
• 1:32:47
  jakaantuu ja lisääntyy, että se tuottaa jotain semmoista mikä
• 1:32:49
  voisi olla vähän niinku vaikka nykyinen muoviroska.
• 1:32:52
  Ehkä harmittomi. Meillä on vähän niinku nykyinen
• 1:32:54
  muoviroska mistä ei pääse koskaan eroon koska ei ole
• 1:32:56
  tapoja niinku hajottaa sitä. Se olisi ehkä se niinku.
• 1:32:59
  Kivoin skenaario ikävin skenaario olisi se, että se
• 1:33:02
  olisi jotain niinku mikä tappaa tyyliin kaiken monisoluisen
• 1:33:05
  elämän. Ja ja että lähtökohta ei ollut.
• 1:33:09
  Se, että oltaisiin haluttu tehdä semmoista eliöitä, voi olla
• 1:33:11
  haluttu tehdä vaikkapa jotain hyvää biopolttoainetta, mutta
• 1:33:15
  sitten semmoinen sitä tuottava modattu bakteeri on kadonnut
• 1:33:19
  labrasta ja mutatoitunut ja alkanut tuottaa jotain mitä
• 1:33:22
  kukaan ei olisi alunperinkään halunnut.
• 1:33:25
  Että tota. Ollaan.
• 1:33:28
  Tämmöisten. Skenaarioiden äärellä mitkä?
• 1:33:31
  Mitä on mahdoton? Ennustaa ja ehkä niinku meidän
• 1:33:34
  mieli mielikuvitus ei myöskään riitä ennustamaan se sitä, että
• 1:33:36
  mitä kaikkea voi tapahtua, kun tämmöinen pandoran lipas
• 1:33:39
  avataan. Eipä tohon.
• 1:33:41
  Mitään lisättävää että toivotaan näin ei käy tulevaisuudessa.
• 1:33:46
  Mutta hei joo, tää oli mielenkiintoinen keskustelu.
• 1:33:50
  Todella avartava päästiin pinnan alle monissa asioissa ja ja
• 1:33:55
  puhuttiin. Isoistakin asioista, mutta
• 1:33:58
  valitettavasti aika käy vähiin. Manu tamminen Turun yliopiston
• 1:34:05
  biologian laitoksen akatemian tutkija ja genomi perusta ja.
• 1:34:09
  Niin kiitos, että kävit signaalipodcastin
• 1:34:12
  haastateltavana. Ja tosiaan laittakaa kanava
• 1:34:15
  tilaukseen jos piditte tästä ja kiitoksia vielä kerran manu
• 1:34:20
  tästä keskustelusta. Kiitos oikein paljon.
• 1:34:22
  Oli erittäin mukava keskustella.