TED2011
Ed Boyden: A light switch for neurons
Ed Boyden: Jak zapínat a vypínat neurony světlem
Filmed:
Readability: 4
1,098,379 views
Ed Boyden nám předvede, jak dokáže prostřednictvím implantátů z optických vláken selektivně aktivovat a deaktivovat specifické neurony. Docílil toho tím, že do mozkových buněk vpravil geny, které syntetizují světločivné proteiny. Díky nim může kontrolovat činnost neuronů s dosud nebývalou přesností. To mu mimo jiné umožnilo, aby během laboratorních pokusů zbavil myši obtíží analogických lidskému posttraumatickému syndromu a vyléčit je z některých forem slepoty. Jeho dalším cílem je rozvoj neurální protetiky.
Po přednášce následuje krátký rozhovor s moderátorem Juanem Enriquezem.
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Double-click the English transcript below to play the video.
00:15
Think about your day for a second.
0
0
2000
Dnes ráno jste se probudili,
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
vyšli ven a cítili čerstvý vzduch.
00:20
encountered new colleagues and had great discussions,
2
5000
2000
Hezky jste si popovídali s kolegy v práci
00:22
and felt in awe when you found something new.
3
7000
2000
a měli radost z různých novinek.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Ale něco vám při tom všem unikalo.
00:26
something so close to home
5
11000
2000
Je to tak všední,
že na to nejspíš skoro nemyslíte.
že na to nejspíš skoro nemyslíte.
00:28
that you probably don't think about it very often at all.
6
13000
2000
00:30
And that's that all the sensations, feelings,
7
15000
2000
Mám tím na mysli fakt, že za všechno,
co prožíváte a děláte,
co prožíváte a děláte,
00:32
decisions and actions
8
17000
2000
00:34
are mediated by the computer in your head
9
19000
2000
vděčíte tomu, že máte v hlavě
počítač zvaný mozek.
počítač zvaný mozek.
00:36
called the brain.
10
21000
2000
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Zvenčí mozek nevypadá nic moc.
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
Kilo a půl beztvaré růžovo-šedé hmoty.
00:42
amorphous --
13
27000
2000
00:44
but the last hundred years of neuroscience
14
29000
2000
Za poslední století však neurověda
ukázala, jak složitý je mozek uvnitř.
ukázala, jak složitý je mozek uvnitř.
00:46
have allowed us to zoom in on the brain,
15
31000
2000
00:48
and to see the intricacy of what lies within.
16
33000
2000
Víme, že je to nesmírně
spletitý komplex obvodů
spletitý komplex obvodů
00:50
And they've told us that this brain
17
35000
2000
00:52
is an incredibly complicated circuit
18
37000
2000
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
tvořených desítkami miliard buněk
zvaných neurony.
00:58
Now unlike a human-designed computer,
20
43000
3000
Počítače navržené lidmi mají jen
pár různých komponent,
pár různých komponent,
01:01
where there's a fairly small number of different parts --
21
46000
2000
01:03
we know how they work, because we humans designed them --
22
48000
3000
a protože jsme je vytvořili,
víme, jak fungují.
víme, jak fungují.
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
Ale mozek je tvořen tisíci,
možná desítkami tisíc typů buněk,
možná desítkami tisíc typů buněk,
01:09
maybe tens of thousands.
24
54000
2000
které se liší tvarem
i molekulární stavbou,
i molekulární stavbou,
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
01:13
And they project and connect to different brain regions,
26
58000
3000
vytvářejí a propojují různé části mozku
01:16
and they also change different ways in different disease states.
27
61000
3000
a reagují odlišně na různé typy chorob.
01:19
Let's make it concrete.
28
64000
2000
Ukažme si to názorně.
01:21
There's a class of cells,
29
66000
2000
Jistý typ relativně malých buněk
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
tlumí aktivitu buněk v okolí.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Během chorob jako schizofrenie
tyto buňky zřejmě atrofují.
tyto buňky zřejmě atrofují.
01:30
It's called the basket cell.
32
75000
2000
Říká se jim "košíčkové buňky".
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Jde o jeden z tisíců buněčných typů,
o kterých víme,
o kterých víme,
01:34
that we are learning about.
34
79000
2000
přičemž denně objevujeme další.
01:36
New ones are being discovered everyday.
35
81000
2000
01:38
As just a second example:
36
83000
2000
Jiným příkladem jsou velké,
"pyramidové buňky".
"pyramidové buňky".
01:40
these pyramidal cells, large cells,
37
85000
2000
01:42
they can span a significant fraction of the brain.
38
87000
2000
Zabírají podstatné úseky mozku
a mají stimulační funkci.
a mají stimulační funkci.
01:44
They're excitatory.
39
89000
2000
01:46
And these are some of the cells
40
91000
2000
Při poruchách, jako je epilepsie,
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
mohou vykazovat nadměrnou aktivitu.
01:51
Every one of these cells
42
96000
2000
Každá z těch buněk je báječný
elektrický kalkulátor.
elektrický kalkulátor.
01:53
is an incredible electrical device.
43
98000
3000
01:56
They receive input from thousands of upstream partners
44
101000
2000
Propočítává data přijatá z tisíců vstupů,
01:58
and compute their own electrical outputs,
45
103000
3000
a když výsledek překročí určitou mez,
02:01
which then, if they pass a certain threshold,
46
106000
2000
vyšle tisícům napojených přijímačů
vlastní výstup.
vlastní výstup.
02:03
will go to thousands of downstream partners.
47
108000
2000
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
Trvá to jen asi tisícinu sekundy
02:08
happens thousands of times a minute
49
113000
2000
a dochází k tomu 1 000x za minutu
v každém ze stovky miliard vašich neuronů,
v každém ze stovky miliard vašich neuronů,
02:10
in every one of your 100 billion cells,
50
115000
2000
02:12
as long as you live
51
117000
2000
dokud nepřestanete žít,
myslet a cítit.
myslet a cítit.
02:14
and think and feel.
52
119000
3000
Jak můžeme obvody v mozku zkoumat?
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
02:20
Ideally, we could go through the circuit
54
125000
2000
Nejlepší by bylo vypínat či zapínat
různé typy buněk
různé typy buněk
02:22
and turn these different kinds of cell on and off
55
127000
3000
02:25
and see whether we could figure out
56
130000
2000
a sledovat, jaké mozkové funkce
to ovlivňuje
to ovlivňuje
02:27
which ones contribute to certain functions
57
132000
2000
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
či k jakým to vede poruchám.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Zapínáním buněk bychom zjistili,
co spouštějí a zajišťují.
co spouštějí a zajišťují.
02:34
what they can initiate and sustain.
60
139000
2000
Jejich vypínáním bychom zase zjistili,
k čemu jsou nezbytné.
k čemu jsou nezbytné.
02:36
If we could turn them off,
61
141000
2000
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
A o tom všem tady chci dnes hovořit.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
O tom, jak jsme za posledních
11 let pokročili s myšlenkou
11 let pokročili s myšlenkou
02:46
through an attempt to find ways
65
151000
2000
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
zapínání a vypínání mozkových obvodů,
buněk a neurálních drah.
buněk a neurálních drah.
02:50
on and off,
67
155000
2000
02:52
both to understand the science
68
157000
2000
V sázce totiž není jen
vědecké poznání,
vědecké poznání,
02:54
and also to confront some of the issues
69
159000
3000
ale i širší souvislosti,
které se týkají nás všech.
které se týkají nás všech.
02:57
that face us all as humans.
70
162000
3000
03:00
Now before I tell you about the technology,
71
165000
3000
Vlastně mám pro vás hned na úvod
jednu špatnou zprávu.
jednu špatnou zprávu.
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
Pokud budeme žít dost dlouho,
03:06
if we live long enough,
73
171000
2000
mozek řady z nás možná nakonec
postihne nějaká choroba.
postihne nějaká choroba.
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
03:10
Already, a billion people
75
175000
2000
Dobrá miliarda lidí trpí potížemi,
které takové choroby přinášejí.
které takové choroby přinášejí.
03:12
have had some kind of brain disorder
76
177000
2000
03:14
that incapacitates them,
77
179000
2000
03:16
and the numbers don't do it justice though.
78
181000
2000
A to je pouze střídmý odhad.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Postižení jako schizofrenie, deprese,
závislost či Alzheimerova choroba
závislost či Alzheimerova choroba
03:20
depression, addiction --
80
185000
2000
nám zkracují život a mění naši osobnost.
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
03:25
They take our identity and change our emotions
82
190000
2000
Berou nám identitu, ovlivňují naše emoce
a dělají z nás někoho jiného.
a dělají z nás někoho jiného.
03:27
and change who we are as people.
83
192000
3000
03:30
Now in the 20th century,
84
195000
3000
Ve 20. století svitla naděje,
03:33
there was some hope that was generated
85
198000
3000
že choroby postihující mozek
vyléčíme nově objevenými léky.
vyléčíme nově objevenými léky.
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
03:39
and while many drugs have been developed
87
204000
3000
Ale i když řada takových léků
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
příznaky některých chorob zmírňuje,
03:44
practically none of them can be considered to be cured.
89
209000
3000
vyléčit je obvykle nedokáží.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
Zčásti i proto, že mozek vlastně
zaplavujeme chemikáliemi.
zaplavujeme chemikáliemi.
03:50
This elaborate circuit
91
215000
2000
Složitá spojení tisíců typů buněk
03:52
made out of thousands of different kinds of cell
92
217000
2000
úplně zaplaví jakási látka.
03:54
is being bathed in a substance.
93
219000
2000
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Není divu, že většina dostupných léků
03:58
can present some kind of serious side effect too.
95
223000
3000
může mít závažné vedlejší účinky.
04:01
Now some people have gotten some solace
96
226000
3000
Určité povzbuzení přináší metoda
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
elektrické stimulace mozku
pomocí implantátů.
pomocí implantátů.
04:07
And for Parkinson's disease,
98
232000
2000
Různé druhy takových implantátů
04:09
Cochlear implants,
99
234000
2000
pomáhají lidem zmírňovat
Parkinsonovu chorobu
Parkinsonovu chorobu
04:11
these have indeed been able
100
236000
2000
04:13
to bring some kind of remedy
101
238000
2000
a další druhy postižení.
04:15
to people with certain kinds of disorder.
102
240000
2000
Jenomže
04:17
But electricity also will go in all directions --
103
242000
2000
i elektřina proudí různými směry.
04:19
the path of least resistance,
104
244000
2000
Jde doslova cestou nejmenšího odporu,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
takže působí i tam, kde nechceme.
04:26
So again, we're sent back to the idea
107
251000
2000
Což nás vrací k myšlence,
04:28
of ultra-precise control.
108
253000
2000
zda bychom nemohli informace
nějak nasměrovat
nějak nasměrovat
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
přesně tam, kam chceme.
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
Když jsem s neurovědou
před 11 lety začínal,
před 11 lety začínal,
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
měl jsem diplom z medicíny
a elekroinženýrství.
a elekroinženýrství.
04:41
and the first thing I thought about was,
112
266000
2000
A napadlo mě, že když jsou neurony
aktivovatelné elektřinou,
aktivovatelné elektřinou,
04:43
if these neurons are electrical devices,
113
268000
2000
04:45
all we need to do is to find some way
114
270000
2000
stačí, když tu elektřinu budeme
moct dálkově ovládat
moct dálkově ovládat
04:47
of driving those electrical changes at a distance.
115
272000
2000
04:49
If we could turn on the electricity in one cell,
116
274000
2000
na úrovni jednotlivých buněk.
04:51
but not its neighbors,
117
276000
2000
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
Mohli bychom zapínat či vypínat
konkrétní typy buněk
konkrétní typy buněk
04:56
figure out what they do and how they contribute
119
281000
2000
a zjišťovat jejich funkci.
04:58
to the networks in which they're embedded.
120
283000
2000
A zároveň bychom mohli precizně zasahovat
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
05:02
in order to fix the circuit computations
122
287000
3000
do jejich uspořádání,
kdyby se něco pokazilo.
kdyby se něco pokazilo.
05:05
that have gone awry.
123
290000
2000
05:07
Now how are we going to do that?
124
292000
2000
Ale jak na to?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
V přírodě existuje řada bílkovin,
05:11
which are able to convert light into electricity.
126
296000
3000
které dokáží měnit světlo v elektřinu.
05:14
You can think of them as little proteins
127
299000
2000
Fungují vlastně jako solární články.
05:16
that are like solar cells.
128
301000
2000
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Kdybychom je nějak
zakomponovali do neuronů,
zakomponovali do neuronů,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
mohli bychom ty neurony aktivovat světlem.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
A na okolní buňky by to nemělo vliv.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Pak by stačilo už jen jedno:
05:29
and that's the ability to get light into the brain.
133
314000
3000
pustit do mozku světlo.
A protože mozek necítí bolest,
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
mohli bychom využít výdobytek
éry telekomunikace
éry telekomunikace
05:35
taking advantage of all the effort
135
320000
2000
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
a aktivovat neurony laserem
z optických kabelů.
z optických kabelů.
05:39
optical fibers connected to lasers
137
324000
2000
05:41
that you can use to activate, in animal models for example,
138
326000
2000
A to se nám v rámci preklinických testů
05:43
in pre-clinical studies,
139
328000
2000
05:45
these neurons and to see what they do.
140
330000
2000
na pokusných zvířatech skutečně povedlo.
05:47
So how do we do this?
141
332000
2000
Jak jsme to udělali?
05:49
Around 2004,
142
334000
2000
V roce 2004 jsme společně
s G. Nagelem a K. Deisserothem
s G. Nagelem a K. Deisserothem
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
05:53
this vision came to fruition.
144
338000
2000
přešli od nápadu k činu.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Jistý druh řasy se kvůli
účinnější fotosyntéze
účinnější fotosyntéze
05:58
and it needs to navigate towards light
146
343000
2000
nechává světlem navádět k vodní hladině.
06:00
in order to photosynthesize optimally.
147
345000
2000
06:02
And it senses light with a little eye-spot,
148
347000
2000
Pomáhá mu k tomu světločivná skvrnka,
jakási obdoba našeho oka.
jakási obdoba našeho oka.
06:04
which works not unlike how our eye works.
149
349000
3000
06:07
In its membrane, or its boundary,
150
352000
2000
Na okrajích té skvrnky
06:09
it contains little proteins
151
354000
3000
jsou malé bílkoviny,
06:12
that indeed can convert light into electricity.
152
357000
3000
které dokáží měnit světlo v elektřinu.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Říká se jim kanálové rodopsiny
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
a fungují vlastně jako solární články.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
Když je zasáhne modré světlo,
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
pustí do světločivné skrvnky nabité částice,
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
jako když solární článek nabíjí baterku.
06:28
just like a solar cell charging up a battery.
158
373000
3000
06:31
So what we need to do is to take these molecules
159
376000
2000
Jde tedy o to zakomponovat
ty molekuly do neuronů.
ty molekuly do neuronů.
06:33
and somehow install them in neurons.
160
378000
2000
06:35
And because it's a protein,
161
380000
2000
A protože jsou to bílkoviny,
jsou zakódované v DNA
jsou zakódované v DNA
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
těch vodních řas.
06:40
So all we've got to do is take that DNA,
163
385000
2000
Takže stačí tu DNA vzít
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
a s pomocí "přenašeče genů",
například viru,
například viru,
06:45
and put it into neurons.
165
390000
3000
ji vpravit do neuronů.
Genová terapie naštěstí vyšlechtila
řadu užitečných virů.
řadu užitečných virů.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
06:51
and lots of viruses were coming along.
167
396000
2000
Což nám ulehčilo práci.
06:53
So this turned out to be very simple to do.
168
398000
2000
Jednoho letního rána roku 2004
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
jsme se do toho pustili.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Stačilo vpravit do neuronu DNA.
Neuron sám si pak vytvořil
světločivné bílkoviny.
světločivné bílkoviny.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
A celý se jimi pokryl,
jako když obestavíte střechu
jako když obestavíte střechu
07:08
and install them all over the cell,
174
413000
2000
07:10
like putting solar panels on a roof,
175
415000
2000
solárními panely.
07:12
and the next thing you know,
176
417000
2000
A najednou tu byl neuron,
který šlo aktivovat světlem.
který šlo aktivovat světlem.
07:14
you have a neuron which can be activated with light.
177
419000
2000
07:16
So this is very powerful.
178
421000
2000
Byl to průlom.
07:18
One of the tricks you have to do
179
423000
2000
Klíčové je, abychom geny vpravili
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
jen do určitých buněk, a do jiných ne.
07:22
and not all the other neighbors.
181
427000
2000
07:24
And you can do that; you can tweak the viruses
182
429000
2000
A k tomu stačí naprogramovat viry,
07:26
so they hit just some cells and not others.
183
431000
2000
aby napadaly jen vybraný typ buněk.
07:28
And there's other genetic tricks you can play
184
433000
2000
07:30
in order to get light-activated cells.
185
435000
3000
Dnes umíme ale i další věci.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Vlastně z toho vznikl celý nový obor:
optogenetika.
optogenetika.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Dnes už například dokážeme
virově přenášet geny
virově přenášet geny
07:39
you can take a complex network,
188
444000
2000
07:41
use one of these viruses to deliver the gene
189
446000
2000
do konkrétního typu buněk
ve velmi husté síti.
ve velmi husté síti.
07:43
just to one kind of cell in this dense network.
190
448000
3000
07:46
And then when you shine light on the entire network,
191
451000
2000
A pouze tyto buňky se pak aktivují,
i když posvítíme na celou síť.
i když posvítíme na celou síť.
07:48
just that cell type will be activated.
192
453000
2000
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Můžeme to udělat třeba
s oněmi "košíčkovými buňkami",
s oněmi "košíčkovými buňkami",
07:53
the one that's atrophied in schizophrenia
194
458000
2000
o kterých jsem vám říkal, že jsou tlumivé
a atrofují při schizofrenii.
a atrofují při schizofrenii.
07:55
and the one that is inhibitory.
195
460000
2000
07:57
If we can deliver that gene to these cells --
196
462000
2000
Vpravíme do nich gen,
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
přičemž víme, že to nijak
nezmění jejich funkci.
nezmění jejich funkci.
08:02
and then flash blue light over the entire brain network,
198
467000
3000
A když pak modře
osvětlíme celý mozek,
osvětlíme celý mozek,
08:05
just these cells are going to be driven.
199
470000
2000
aktivuje to jen tyto buňky.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
A po vypnutí světla se buňky zas uklidní,
bez známek nějaké protireakce.
bez známek nějaké protireakce.
08:09
so they don't seem to be averse against that.
201
474000
3000
08:12
Not only can you use this to study what these cells do,
202
477000
2000
Můžeme tak nejen zkoumat,
co košíčkové buňky dělají,
co košíčkové buňky dělají,
08:14
what their power is in computing in the brain,
203
479000
2000
08:16
but you can also use this to try to figure out --
204
481000
2000
ale můžeme také zkoušet,
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
jestli se tak nedá pomoct buňkám,
které jsou atrofované.
které jsou atrofované.
08:20
if indeed they're atrophied.
206
485000
2000
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Dám vám teď pár příkladů,
08:24
about how we're using this,
208
489000
2000
jak nám to pomáhá při výzkumu
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
i v klinických studiích.
08:29
One of the questions we've confronted
210
494000
2000
Zkoumáme například
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
signály buněk zapojených
v mozku do systému odměny,
v mozku do systému odměny,
08:34
Because if you could find those,
212
499000
2000
protože takové signály
podněcují učení.
podněcují učení.
08:36
those would be some of the signals that could drive learning.
213
501000
2000
08:38
The brain will do more of whatever got that reward.
214
503000
2000
Odměna mozek ponouká k opakování akce.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
Navíc to také souvisí s poruchami,
jako je závislost.
jako je závislost.
08:43
So if we could figure out what cells they are,
216
508000
2000
Takže lokalizovat příslušné buňky
umožní vyvíjet účinnější léky
umožní vyvíjet účinnější léky
08:45
we could maybe find new targets
217
510000
2000
08:47
for which drugs could be designed or screened against,
218
512000
2000
nebo aspoň přesněji implantovat elektrody
do postiženého mozku.
do postiženého mozku.
08:49
or maybe places where electrodes could be put in
219
514000
2000
08:51
for people who have very severe disability.
220
516000
3000
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Vytvořili jsme kvůli tomu
jakousi kójku.
jakousi kójku.
08:56
in collaboration with the Fiorella group,
222
521000
2000
08:58
where one side of this little box,
223
523000
2000
Na určitém místě té kójky
pouštíme do zvířete světelné impulzy.
pouštíme do zvířete světelné impulzy.
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
Pokud tím aktivujeme neuronální
mechanismus odměny,
mechanismus odměny,
09:04
So if these cells can mediate reward,
226
529000
2000
mělo by se zvíře na dané místo
neustále vracet.
neustále vracet.
09:06
the animal should go there more and more.
227
531000
2000
09:08
And so that's what happens.
228
533000
2000
A co se stalo?
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Zvíře strká čumák k místu,
které aktivuje záblesky modrého světla.
které aktivuje záblesky modrého světla.
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
A dělá to znovu a znovu.
09:16
These are the dopamine neurons,
232
541000
2000
Aktivuje tím dopaminové neurony
v jednom z mozkových center slasti.
v jednom z mozkových center slasti.
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
09:20
Now we've shown that a brief activation of these
234
545000
2000
Tak se potvrdilo, že i krátká aktivace
těchto neuronů podněcuje učení.
těchto neuronů podněcuje učení.
09:22
is enough, indeed, to drive learning.
235
547000
2000
09:24
Now we can generalize the idea.
236
549000
2000
Ale náš postup lze vylepšit.
09:26
Instead of one point in the brain,
237
551000
2000
Nemusíme vysílat světlo bodově,
ale prostorově.
ale prostorově.
09:28
we can devise devices that span the brain,
238
553000
2000
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
Uspořádat optická vlákna,
09:32
arrays of optical fibers,
240
557000
2000
aby tvořila 3D šablonu nezávislých,
miniaturních zdrojů světla.
miniaturních zdrojů světla.
09:34
each coupled to its own independent miniature light source.
241
559000
2000
09:36
And then we can try to do things in vivo
242
561000
2000
Pak naživo vidíme to,
co šlo dosud zjišťovat jen oklikou.
co šlo dosud zjišťovat jen oklikou.
09:38
that have only been done to-date in a dish --
243
563000
3000
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
Můžeme třeba snímkovat vnitřek mozku
09:43
for the signals that can cause certain things to happen.
245
568000
2000
a odhalovat funkci různých signálů
09:45
Or that could be good clinical targets
246
570000
2000
nebo hledat, na co by se mohly
zaměřit určité léky.
zaměřit určité léky.
09:47
for treating brain disorders.
247
572000
2000
09:49
And one story I want to tell you about
248
574000
2000
Třeba léky na posttraumatickou
stresovou poruchu,
stresovou poruchu,
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
což je vlastně jistá forma
nekontrolovatelného strachu a úzkosti.
nekontrolovatelného strachu a úzkosti.
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
09:57
And one of the things that we did
251
582000
2000
Za tím účelem
09:59
was to adopt a very classical model of fear.
252
584000
3000
jsme vyšli z naprosto klasického
modelu strachu,
modelu strachu,
10:02
This goes back to the Pavlovian days.
253
587000
3000
který má kořeny u I. P. Pavlova.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
Jde o podmíněnou úzkostnou reakci
na tón následovaný šokem,
na tón následovaný šokem,
10:07
where a tone ends with a brief shock.
255
592000
2000
který nebolí, ale je nepříjemný.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
10:11
And over time -- in this case, a mouse,
257
596000
2000
Používáme k těmto pokusům myši,
což je obvyklé,
což je obvyklé,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
protože příhodně reagují.
10:15
the animal learns to fear the tone.
259
600000
2000
Po čase se myši naučí tónu bát,
10:17
The animal will react by freezing,
260
602000
2000
a když ho slyší, ztuhnou,
jako laň před reflektory auta.
jako laň před reflektory auta.
10:19
sort of like a deer in the headlights.
261
604000
2000
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
A nám jde o to najít
v mozku myši něco,
v mozku myši něco,
10:24
that allow us to overcome this fear?
263
609000
2000
co jí pomůže strach překonat.
10:26
So what we do is we play that tone again
264
611000
2000
A tak ten tón, který v ní vyvolává strach,
přehrajeme myši znovu.
přehrajeme myši znovu.
10:28
after it's been associated with fear.
265
613000
2000
10:30
But we activate targets in the brain, different ones,
266
615000
2000
Ale s pomocí šablony z optických vláken
aktivujeme v mozku určité oblasti.
aktivujeme v mozku určité oblasti.
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
10:35
in order to try and figure out which targets
268
620000
2000
A sledujeme, které z těch oblastí
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
mohou tu úzkostnou vzpomínku odstranit.
10:40
And so this brief video
270
625000
2000
Pustím vám video,
v němž jsme se takto zaměřili
v němž jsme se takto zaměřili
10:42
shows you one of these targets that we're working on now.
271
627000
2000
10:44
This is an area in the prefrontal cortex,
272
629000
2000
na oblast prefrontální korové oblasti,
která souvisí s poznáváním
která souvisí s poznáváním
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
a potlačuje averzní emoce.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
Myš zaslechla tón.
Není k tomu zvuk,
Není k tomu zvuk,
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
ale mohli jste vidět záblesk
10:53
This tone used to mean bad news.
276
638000
2000
a myš po tónu ihned ztuhla.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Podle hodinek v levém
dolním rohu
dolním rohu
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
zůstala nehybná dvě minuty.
11:00
And now this next clip
279
645000
2000
O osm minut později jsme jí
pustili tón znovu.
pustili tón znovu.
11:02
is just eight minutes later.
280
647000
2000
Po tónu opět následoval záblesk.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
11:07
Okay, there it goes. Right now.
282
652000
3000
Za chvíli to bude.
Přímo...
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
teď.
A vidíte,
že za pouhých 10 minut
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
jsme mozek fotoaktivací podnítili,
11:16
to overcome the expression
285
661000
2000
aby úzkostnou vzpomínku odstranil.
11:18
of this fear memory.
286
663000
2000
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
My ale chceme
určité obvody mozku
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
umět také vypínat.
Zkoumáme proto různé organismy.
Zkoumáme proto různé organismy.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Vypínání neuronů by byl průlom.
Vyřazením buněk třeba i na pár milisekund
bychom mohli zjišťovat,
bychom mohli zjišťovat,
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
11:32
you can figure out what necessary role they play
291
677000
2000
k čemu jsou v daném obvodu nezbytné.
11:34
in the circuits in which they're embedded.
292
679000
2000
Zkoumali jsme proto všemožné
organismy reagující na světlo.
organismy reagující na světlo.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
Tedy kromě živočichů,
protože ti vidí jinak.
protože ti vidí jinak.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
A našli jsme molekuly -
halorodopsiny a archaerodopsiny -
halorodopsiny a archaerodopsiny -
11:44
that respond to green and yellow light.
296
689000
2000
reagující na zelené a žluté světlo.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
Vlastně jsou protějškem
kanálových rodopsinů,
kanálových rodopsinů,
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
o nichž jsem říkal,
že reagují na modré světlo.
že reagují na modré světlo.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
K čemu nám to bude dobré?
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Třeba k léčbě chorob jako epilepsie,
kdy je mozek přehnaně aktivní.
kdy je mozek přehnaně aktivní.
11:58
where the brain is overactive.
301
703000
2000
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Když na epilepsii nezabírají léky,
odoperuje se někdy kousek mozku.
odoperuje se někdy kousek mozku.
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
Je to nevratné a hrozí vedlejší účinky.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
Nebylo by lepší umět
mozek prostě vypnout,
mozek prostě vypnout,
12:09
until the seizure dies away,
306
714000
3000
než se záchvat přežene,
a pak jeho funkce zase plně obnovit?
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
Jako když se stabilizuje
dynamický systém.
dynamický systém.
12:18
So this animation just tries to explain this concept
309
723000
3000
Vypadalo by to jako na téhle animaci.
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
Vytvořili bychom světlem vypínatelné buňky
a osvítili je,
a osvítili je,
12:23
and we beam light in,
311
728000
2000
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
ale jen na dobu, která by
stačila k zastavení záchvatu.
stačila k zastavení záchvatu.
12:27
we're hoping to be able to turn it off.
313
732000
2000
12:29
And so we don't have data to show you on this front,
314
734000
2000
Ještě jsme to netestovali,
ale hodně si od toho slibujeme.
ale hodně si od toho slibujeme.
12:31
but we're very excited about this.
315
736000
2000
12:33
Now I want to close on one story,
316
738000
2000
A nabízí se možná ještě jedno využití.
12:35
which we think is another possibility --
317
740000
2000
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
Precizně ovladatelné buňky by
mohly v mozku sloužit
mohly v mozku sloužit
12:39
can be used in the brain itself
319
744000
2000
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
jako nový typ protéz:
optické protézy.
optické protézy.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Jak jsem zmiňoval, elektrické
implantáty už jsou celkem běžné.
implantáty už jsou celkem běžné.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
Asi 75 tisíc lidí používá implantáty
proti Parkinsonově chorobě.
proti Parkinsonově chorobě.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Sto tisíc lidí může slyšet
jen díky kochleárnímu implantátu.
jen díky kochleárnímu implantátu.
12:52
which allow them to hear.
324
757000
2000
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Dalším krokem je genetická terapie,
12:57
And new hope in gene therapy has been developed
326
762000
3000
která by do buněk vpravila žádoucí geny.
13:00
because viruses like the adeno-associated virus,
327
765000
2000
Můžeme využít například
neškodné adenoviry,
neškodné adenoviry,
13:02
which probably most of us around this room have,
328
767000
2000
které spousta z nás má,
a ani o tom nevíme.
a ani o tom nevíme.
13:04
and it doesn't have any symptoms,
329
769000
2000
Adenoviry už pomohly přenést geny do mozků
či těl stovek pacientů,
či těl stovek pacientů,
13:06
which have been used in hundreds of patients
330
771000
2000
13:08
to deliver genes into the brain or the body.
331
773000
2000
13:10
And so far, there have not been serious adverse events
332
775000
2000
aniž zatím došlo k nějaké
závažné protireakci.
závažné protireakci.
13:12
associated with the virus.
333
777000
2000
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Otazníkem jsou ještě samotné bílkoviny,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
získávané z řas, bakterií, hub
či dalších typů organismů.
či dalších typů organismů.
13:19
and all over the tree of life.
336
784000
2000
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
Houby ani řasy obvykle v mozku nemíváme.
13:23
so what is our brain going to do if we put that in?
338
788000
2000
Otázka tudíž je, zda je mozek přijme,
nebo nastoupí imunitní odpověď.
nebo nastoupí imunitní odpověď.
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
Teprve s tím začínáme,
takže testy na lidech ještě neděláme,
takže testy na lidech ještě neděláme,
13:29
but we're working on a variety of studies
341
794000
2000
13:31
to try and examine this,
342
796000
2000
ale ověřujeme to i jinými způsoby,
a zatím jsme nezaznamenali
a zatím jsme nezaznamenali
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
žádnou závažnou protireakci,
ať už vůči bílkovinám,
ať už vůči bílkovinám,
13:36
to these molecules
344
801000
2000
13:38
or to the illumination of the brain with light.
345
803000
3000
nebo vůči osvětlování mozku.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Na závěry je ještě brzy,
ale vypadá to velmi slibně.
ale vypadá to velmi slibně.
13:44
I wanted to close with one story,
347
809000
2000
Nakonec bych rád zmínil
ještě jedno možné klinické využití.
ještě jedno možné klinické využití.
13:46
which we think could potentially
348
811000
2000
13:48
be a clinical application.
349
813000
2000
13:50
Now there are many forms of blindness
350
815000
2000
Slepota je často způsobena tím,
13:52
where the photoreceptors,
351
817000
2000
že nám na sítnici přestanou
fungovat fotoreceptory.
fungovat fotoreceptory.
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Sítnice je složitý orgán.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Prohlédněme si ji teď detailněji.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
Fotoreceptory tam nahoře detekují signál,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
který se dál komputačně zpracovává,
14:06
are transformed by various computations
357
831000
2000
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
až se z gangliových buněk tam dole
14:11
relay the information to the brain,
359
836000
2000
přenese do mozku, kde vzniká počitek.
14:13
where we see that as perception.
360
838000
2000
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
Při postiženích, jako je
retinis pigmentosa
retinis pigmentosa
14:18
or macular degeneration,
362
843000
2000
nebo makulární degenerace,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
dochází k atrofii či zániku fotoreceptorů.
14:23
Now how could you repair this?
364
848000
2000
Jak je ovšem opravit?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Chemický lék už vlastně nemá,
na co by působil.
na co by působil.
14:28
because there's nothing for the drug to bind to.
366
853000
2000
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Světlo však okem pořád prochází.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
Oko je přece pro světlo propustné.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Tak co vpravit do buněk,
které v oku zbyly,
které v oku zbyly,
14:38
and install them on some of these other spare cells
370
863000
2000
kanálové rodopsiny a udělat
z těch buněk malé kamery.
z těch buněk malé kamery.
14:40
and convert them into little cameras.
371
865000
2000
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Různých buněk je v oku pořád dost,
takže by se dalo získat vysoké rozlišení.
takže by se dalo získat vysoké rozlišení.
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
14:47
So this is some work that we're doing.
374
872000
2000
To je tedy další věc,
kterou se zabýváme.
kterou se zabýváme.
14:49
It's being led by one of our collaborators,
375
874000
2000
Projekt vede Alan Horsager
z Univerzity Jižní Kalifornie
z Univerzity Jižní Kalifornie
14:51
Alan Horsager at USC,
376
876000
2000
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
a možnosti komerčního využití hledá
společnost Eos Neuroscience.
společnost Eos Neuroscience.
14:56
which is funded by the NIH.
378
881000
2000
Na videu teď vidíte myš
v bludišti o šesti ramenech.
v bludišti o šesti ramenech.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Myš se musí pohybovat,
protože v bludišti je voda.
protože v bludišti je voda.
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
15:04
And the goal, of course, of this maze
382
889000
2000
Jejím cílem je dostat se
z vody na stupínek,
z vody na stupínek,
15:06
is to get out of the water and go to a little platform
383
891000
2000
15:08
that's under the lit top port.
384
893000
2000
který je u osvětleného východu.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Myš je chytrá a dostane se ven,
ale tápe při tom.
ale tápe při tom.
15:13
but he does a brute-force search.
386
898000
2000
Než objeví stupínek,
vplave do každého ramene.
vplave do každého ramene.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
15:18
So he's not using vision to do it.
388
903000
2000
Nepoužívá totiž zrak.
15:20
These different mice are different mutations
389
905000
2000
Naše myši měly mutace odpovídající
různorodým formám lidské slepoty.
různorodým formám lidské slepoty.
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Rozmanitost postižení nám umožnila
uchopit slepotu komplexně.
uchopit slepotu komplexně.
15:28
so we come up with a generalized approach.
392
913000
2000
15:30
So how are we going to solve this?
393
915000
2000
Vyzkoušeli jsme proti ní přesně to,
co jsme si ukázali.
co jsme si ukázali.
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
15:34
We're going to take these blue light photosensors
395
919000
2000
Do buněk uprostřed sítnice jsme vpravili
receptory citlivé na modré světlo,
receptory citlivé na modré světlo,
15:36
and install them on a layer of cells
396
921000
2000
15:38
in the middle of the retina in the back of the eye
397
923000
3000
čímž jsme z nich udělali kameru.
15:41
and convert them into a camera --
398
926000
2000
15:43
just like installing solar cells all over those neurons
399
928000
2000
Buňky začaly reagovat na světlo,
jako kdyby v nich byl solární článek.
jako kdyby v nich byl solární článek.
15:45
to make them light sensitive.
400
930000
2000
15:47
Light is converted to electricity on them.
401
932000
2000
Světlo se na nich měnilo v elektřinu.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Tahle myš byla ještě pár týdnů
před pokusem slepá.
před pokusem slepá.
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
Virem jsme na ni však přenesli
světločivné molekuly.
světločivné molekuly.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
A zvíře se najednou dokáže
vyhýbat stěnám
vyhýbat stěnám
15:57
and go to this little platform
405
942000
2000
15:59
and make cognitive use of its eyes again.
406
944000
3000
a díky opětovnému kognitivnímu
využití zraku nachází stupínek.
využití zraku nachází stupínek.
16:02
And to point out the power of this:
407
947000
2000
Na stupínek se přitom
dostane stejně rychle
dostane stejně rychle
16:04
these animals are able to get to that platform
408
949000
2000
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
jako zvířata, která vidí celý život.
16:08
So this pre-clinical study, I think,
410
953000
2000
To je pro nás povzbuzením
16:10
bodes hope for the kinds of things
411
955000
2000
a chtěli bychom tímto směrem
vést výzkum dál.
vést výzkum dál.
16:12
we're hoping to do in the future.
412
957000
2000
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Na závěr jen dodám,
že zkoušíme i nové obchodní modely.
že zkoušíme i nové obchodní modely.
16:17
new business models for this new field of neurotechnology.
414
962000
2000
16:19
We're developing these tools,
415
964000
2000
Sdílíme námi vyvinuté nástroje
se stovkami dalších týmů,
se stovkami dalších týmů,
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
16:23
so people can study and try to treat different disorders.
417
968000
2000
aby mohly vyvíjet léčbu
různých druhů chorob.
různých druhů chorob.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Doufáme, že díky tomu všemu
nakonec dokážeme
nakonec dokážeme
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
opravovat a přetvářet obvody
v mozku tak,
v mozku tak,
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
16:34
practically none of which are cured,
421
979000
2000
abychom choroby, které jej postihují
a jsou dosud vesměs neléčitelné,
a jsou dosud vesměs neléčitelné,
16:36
and in the 21st century make them history.
422
981000
2000
16:38
Thank you.
423
983000
2000
během 21. století vymýtili.
Děkuji.
Děkuji.
16:40
(Applause)
424
985000
13000
(Potlesk.)
(Potlesk utichá.)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Juan Enriquez (JE):
Místy to bylo poněkud hutné.
Místy to bylo poněkud hutné.
16:56
(Laughter)
426
1001000
2000
(Smích.)
16:58
But the implications
427
1003000
2000
Ale chápu-li to správně,
17:00
of being able to control seizures or epilepsy
428
1005000
3000
tak možnosti jako kontrolovat
epileptické záchvaty světlem
epileptické záchvaty světlem
17:03
with light instead of drugs,
429
1008000
2000
17:05
and being able to target those specifically
430
1010000
3000
a specificky na ně cílit léčbu
17:08
is a first step.
431
1013000
2000
jsou teprve začátek.
17:10
The second thing that I think I heard you say
432
1015000
2000
Pokud se nemýlím, uváděl jste,
17:12
is you can now control the brain in two colors,
433
1017000
3000
že už dokážete zapínat a vypínat mozek
17:15
like an on/off switch.
434
1020000
2000
s pomocí barevného světla.
17:17
Ed Boyden: That's right.
435
1022000
2000
Ed Boyden (EB):
Přesně tak.
Přesně tak.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
JE: Takže každý impulz v mozku
je jako binární kód.
je jako binární kód.
17:22
EB: Right, yeah.
437
1027000
2000
EB: Ano.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Spuštění přenosu modrým světlem
je jako jednička,
je jako jednička,
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
a jeho vypnutí je vlastně nula.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Chceme pro mozek vytvořit cosi
jako přídavný procesor,
jako přídavný procesor,
17:31
that work with the brain
441
1036000
2000
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
aby u lidí s postižením fungoval lépe.
17:36
JE: And in theory, that means that,
443
1041000
2000
JE: Čistě teoreticky tak můžete všechno,
17:38
as a mouse feels, smells,
444
1043000
2000
co myš ucítí, uslyší či nahmatá,
17:40
hears, touches,
445
1045000
2000
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
převést do řetězce nul a jedniček.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
BE: To ano. Rádi bychom takto
odhalovali neurální kódy,
odhalovali neurální kódy,
17:47
what neural codes can drive certain behaviors
448
1052000
2000
které spouštějí určité jednání,
myšlenky či emoce,
myšlenky či emoce,
17:49
and certain thoughts and certain feelings,
449
1054000
2000
17:51
and use that to understand more about the brain.
450
1056000
3000
a pronikli tak více do tajemství mozku.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
JE: Budete tedy jednou umět
stahovat a nahrávat vzpomínky?
stahovat a nahrávat vzpomínky?
17:57
and maybe upload them?
452
1062000
2000
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
EB: Zrovna na tom začínáme
velmi usilovně pracovat.
velmi usilovně pracovat.
18:01
We're now working on some work
454
1066000
2000
Snažíme se do mozku zavádět
nahrávací prvky.
nahrávací prvky.
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
18:05
So we can record information and then drive information back in --
456
1070000
3000
Mohli bychom tak do mozku
nahrávat informace,
nahrávat informace,
18:08
sort of computing what the brain needs
457
1073000
2000
které by zlepšily jeho výkon
při výpočetních operacích.
při výpočetních operacích.
18:10
in order to augment its information processing.
458
1075000
2000
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
JE: To by mohlo přinést
jistý pokrok.
jistý pokrok.
JE: Děkuji.
EB: Díky.
EB: Díky.
18:15
(Applause)
460
1080000
3000
(Smích.)
(Potlesk.)
ABOUT THE SPEAKER
Ed Boyden - NeuroengineerEd Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.
Why you should listen
Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.
Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.
Ed Boyden | Speaker | TED.com