TED2011
Ed Boyden: A light switch for neurons
אד בוידן: הפעלת נוירונים ע"י אור
Filmed:
Readability: 4
1,098,379 views
אד בוידן מראה איך הוא מצליח להפעיל או לכבות באופן סלקטיבי תאי עצב ספציפיים עם שתלים של סיבים אופטיים. הוא עושה זאת באמצעות החדרת גנים לחלבונים רגישי-אור לתאי המוח. עם רמת השליטה החלוצית הזאת, בוידן מצליח לרפא עכברים מעיוורון וממצב אנלוגי להפרעה פוסט-טראומטית. באופק: פרוסטתיקה עצבית. מנחה המושב, חואן אנריקז, מנחה לאחר ההרצאה דיון קצר של שאלות ותשובות.
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
חשבו רגע על היום שלכם,
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
התעוררתם, חשתם משב רוח קל כשיצאתם מהדלת,
00:20
encountered new colleagues and had great discussions,
2
5000
2000
פגשתם קולגות חדשות וניהלתם דיונים מרתקים,
00:22
and felt in awe when you found something new.
3
7000
2000
והרגשתם נפלא כשגיליתם משהו חדש.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
אבל יש משהו שבוודאי לא חשבתם עליו היום,
00:26
something so close to home
5
11000
2000
דבר כ"כ קרוב
00:28
that you probably don't think about it very often at all.
6
13000
2000
שאתם ודאי לא חושבים עליו לעיתים קרובות.
00:30
And that's that all the sensations, feelings,
7
15000
2000
וזה שכל התחושות, הרגשות,
00:32
decisions and actions
8
17000
2000
ההחלטות והפעולות
00:34
are mediated by the computer in your head
9
19000
2000
מתווכות ע"י המחשב שבראשכם
00:36
called the brain.
10
21000
2000
שנקרא המוח.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
עכשיו, המוח לא נראה כמו משהו מבחוץ,
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
קילו וחצי של רקמה אפורה-ורודה,
00:42
amorphous --
13
27000
2000
אמורפית,
00:44
but the last hundred years of neuroscience
14
29000
2000
אבל מאה שנים של מדעי המוח
00:46
have allowed us to zoom in on the brain,
15
31000
2000
אפשרו לנו להתמקד במוח,
00:48
and to see the intricacy of what lies within.
16
33000
2000
ולראות את המורכבות שבתוכו.
00:50
And they've told us that this brain
17
35000
2000
והן גילו לנו שהמוח
00:52
is an incredibly complicated circuit
18
37000
2000
הוא מעגל חשמלי מורכב ביותר
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
המורכב ממאות מיליארדים של תאים הנקראים נוירונים.
00:58
Now unlike a human-designed computer,
20
43000
3000
עכשיו, בשונה ממחשב שתוכנן בידי אדם,
01:01
where there's a fairly small number of different parts --
21
46000
2000
בו יש מספר קטן יחסית של חלקים,
01:03
we know how they work, because we humans designed them --
22
48000
3000
ואנחנו יודעים איך הם פועלים, כי אנחנו תכננו אותם,
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
המוח בנוי מאלפי סוגים שונים של תאים,
01:09
maybe tens of thousands.
24
54000
2000
אולי עשרות אלפים.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
יש להם צורות שונות, הם בנויים ממולקולות שונות,
01:13
And they project and connect to different brain regions,
26
58000
3000
והם מתקשרים עם חלקי מוח שונים.
01:16
and they also change different ways in different disease states.
27
61000
3000
והם גם משתנים בדרכים שונות במחלות שונות.
01:19
Let's make it concrete.
28
64000
2000
בואו נמחיש את זה.
01:21
There's a class of cells,
29
66000
2000
הנה סוג של תא,
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
תא קטן יחסית, תא מעכב שמשתיק את שכניו.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
נראה שזה אחד התאים שמתנוון במצבים כמו סכיזופרניה.
01:30
It's called the basket cell.
32
75000
2000
הוא נקרא "תא סל".
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
והתא הזה הוא אחד מאלפי סוגי תאים
01:34
that we are learning about.
34
79000
2000
אותם אנו חוקרים.
01:36
New ones are being discovered everyday.
35
81000
2000
כל יום מגלים סוגים חדשים.
01:38
As just a second example:
36
83000
2000
כדוגמה נוספת,
01:40
these pyramidal cells, large cells,
37
85000
2000
אלה תאים פירמידליים, תאים גדולים,
01:42
they can span a significant fraction of the brain.
38
87000
2000
הם יכולים להשתרע על חלק ניכר של במוח.
01:44
They're excitatory.
39
89000
2000
הם מעוררים.
01:46
And these are some of the cells
40
91000
2000
ואלה חלק מהתאים
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
שעלולים להיות פעילים מדי בהפרעות כמו אפילפסיה.
01:51
Every one of these cells
42
96000
2000
כל אחד מהתאים האלה
01:53
is an incredible electrical device.
43
98000
3000
הוא מנגנון חשמלי מדהים.
01:56
They receive input from thousands of upstream partners
44
101000
2000
הם מקבלים קלט מאלפי שותפים במעלה הזרם
01:58
and compute their own electrical outputs,
45
103000
3000
ומחשבים את הפלט החשמלי שלהם,
02:01
which then, if they pass a certain threshold,
46
106000
2000
ואז, אם הוא עובר סף מסוים,
02:03
will go to thousands of downstream partners.
47
108000
2000
הם יעבירו מסר לאלפי שותפים במורד הזרם.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
והתהליך הזה, שלוקח בערך מילי-שניה,
02:08
happens thousands of times a minute
49
113000
2000
מתרחש אלפי פעמים בדקה
02:10
in every one of your 100 billion cells,
50
115000
2000
בכל אחד ממאה מיליארד התאים שלכם,
02:12
as long as you live
51
117000
2000
כל עוד אתם חיים
02:14
and think and feel.
52
119000
3000
וחושבים ומרגישים.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
אז איך נבין מה המעגל הזה עושה?
02:20
Ideally, we could go through the circuit
54
125000
2000
באופן אידאלי, נוכל לעבור במסלול הזה
02:22
and turn these different kinds of cell on and off
55
127000
3000
ולהפעיל ולכבות את התאים השונים
02:25
and see whether we could figure out
56
130000
2000
ולראות אם אפשר להבין
02:27
which ones contribute to certain functions
57
132000
2000
מי תורם לתפקוד מסוים,
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
ומי נפגע בפתולוגיות מסויימות.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
אם יכולנו להפעיל תאים, היינו יכולים לגלות אילו כוחות חבויים בהם,
02:34
what they can initiate and sustain.
60
139000
2000
מה הם יכולים להפעיל ולשמר.
02:36
If we could turn them off,
61
141000
2000
אם היינו יכולים לכבות אותם,
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
היינו יכולים לגלות מה הצורך בהם.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
וזה הסיפור עליו אספר היום.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
ולמען האמת, מה עשינו ב-11 השנים האחרונות,
02:46
through an attempt to find ways
65
151000
2000
בנסיון למצוא דרכים
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
להדליק ולכבות מסלולים, תאים,
02:50
on and off,
67
155000
2000
וחלקים במוח,
02:52
both to understand the science
68
157000
2000
כדי להבין באופן מדעי,
02:54
and also to confront some of the issues
69
159000
3000
וכדי להתמודד עם חלק מהבעיות
02:57
that face us all as humans.
70
162000
3000
מולן אנו ניצבים.
03:00
Now before I tell you about the technology,
71
165000
3000
אבל לפני שאספר לכם על הטכנולוגיה,
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
החדשות הרעות הן שחלק ניכר מאיתנו,
03:06
if we live long enough,
73
171000
2000
אם נחיה מספיק שנים,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
ניפגש, אולי, בהפרעה מוחית.
03:10
Already, a billion people
75
175000
2000
כבר כיום, מיליארד אנשים
03:12
have had some kind of brain disorder
76
177000
2000
סובלים מהפרעה מוחית כלשהי
03:14
that incapacitates them,
77
179000
2000
שמגבילה אותם.
03:16
and the numbers don't do it justice though.
78
181000
2000
והמספרים לא ממחישים מספיק את הבעיה.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
ההפרעות האלה - סכיזופרניה, אלצהיימר,
03:20
depression, addiction --
80
185000
2000
דכאון, התמכרות -
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
לא רק מקצרות את חיינו, הן משנות את אופיינו,
03:25
They take our identity and change our emotions
82
190000
2000
הן לוקחות את זהותנו ומשנות את רגשותינו,
03:27
and change who we are as people.
83
192000
3000
ומשנות אותנו כאנשים.
03:30
Now in the 20th century,
84
195000
3000
עכשיו, במאה ה-20
03:33
there was some hope that was generated
85
198000
3000
נוצרה תקוה כלשהי
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
בשל התפתחות התרופות לטיפול בהפרעות מוחיות.
03:39
and while many drugs have been developed
87
204000
3000
אך בעוד שפותחו תרופות רבות
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
היכולות להקל את הסימפטומים של הפרעות מוחיות,
03:44
practically none of them can be considered to be cured.
89
209000
3000
כמעט אף אחת מהן לא רופאה.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
ואחת הסיבות לכך היא שאנחנו טובלים את המוח בכימיקל.
03:50
This elaborate circuit
91
215000
2000
המערכת המורכבת הזו
03:52
made out of thousands of different kinds of cell
92
217000
2000
המורכבת מאלפי סוגי תאים שונים
03:54
is being bathed in a substance.
93
219000
2000
נטבלת בתוך התרופה.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
זוהי גם הסיבה לכך שלמרבית התרופות בשוק
03:58
can present some kind of serious side effect too.
95
223000
3000
יכולות להיות תופעות לוואי משמעותיות.
04:01
Now some people have gotten some solace
96
226000
3000
עכשיו, יש אנשים שקיבלו הקלה כלשהי
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
מקוצבים חשמליים שהושתלו במוח.
04:07
And for Parkinson's disease,
98
232000
2000
ובמקרים של מחלת פרקינסון,
04:09
Cochlear implants,
99
234000
2000
שתלים שבלוליים,
04:11
these have indeed been able
100
236000
2000
בהחלט ניתן להביא
04:13
to bring some kind of remedy
101
238000
2000
ריפוי כלשהו
04:15
to people with certain kinds of disorder.
102
240000
2000
לאנשים עם בעיות מסוימות.
04:17
But electricity also will go in all directions --
103
242000
2000
אבל גם החשמל יכול לזרום בכל הכיוונים,
04:19
the path of least resistance,
104
244000
2000
במסלול עם ההתנגדות הנמוכה ביותר,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
כפי שאומר הביטוי באנגלית.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
והוא ישפיע לא רק על המעגלים האבנורמליים, אלא גם על המעגלים הנורמליים.
04:26
So again, we're sent back to the idea
107
251000
2000
אז שוב, אנו חוזרים לרעיון
04:28
of ultra-precise control.
108
253000
2000
של שליטה סופר-מדוייקת.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
האם אנחנו יכולים להשתיל מידע בדיוק היכן שאנו רוצים?
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
אז כשאני התחלתי לעסוק במדעי המוח, לפי 11 שנה,
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
הייתי כבר מהנדס חשמל ופיזיקאי,
04:41
and the first thing I thought about was,
112
266000
2000
והדבר הראשון שחשבתי עליו
04:43
if these neurons are electrical devices,
113
268000
2000
היה שאם הנוירונים האלה הם מתקנים חשמליים,
04:45
all we need to do is to find some way
114
270000
2000
אז כל מה שצריך לעשות זה למצוא דרך
04:47
of driving those electrical changes at a distance.
115
272000
2000
ליצור שינויים חשמליים ממרחק.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
אם יכולנו להפעיל את החשמל בתא אחד,
04:51
but not its neighbors,
117
276000
2000
אך לא בשכניו,
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
היינו מקבלים כלי חשוב להפעלה וכיבוי של תאים שונים,
04:56
figure out what they do and how they contribute
119
281000
2000
לגלות מה כל אחד מהם עושים ואיך הם תורמים
04:58
to the networks in which they're embedded.
120
283000
2000
לרשתות בהן הם נמצאים.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
וזה גם היה נותן לנו את השליטה הסופר-מדוייקת שאנו צריכים
05:02
in order to fix the circuit computations
122
287000
3000
כדי לתקן חישובים מעגליים
05:05
that have gone awry.
123
290000
2000
שנפגעו.
05:07
Now how are we going to do that?
124
292000
2000
עכשיו, איך נעשה את זה?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
אז קיימות הרבה מולקולות בטבע,
05:11
which are able to convert light into electricity.
126
296000
3000
שיכולות להסב אור לחשמל.
05:14
You can think of them as little proteins
127
299000
2000
תחשבו עליהם כמו על חלבונים קטנים
05:16
that are like solar cells.
128
301000
2000
שפועלים כמו תאים סולריים.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
אם נוכל להתקין את המולקולות האלה בתוך נוירונים איך שהוא,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
אז הנוירונים האלה יופעלו ע"י אור.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
והשכנים שלהם, ללא המולוקולה, לא יופעלו.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
יש עוד תכסיס אחד שנדרש כדי שכל זה יפעל,
05:29
and that's the ability to get light into the brain.
133
314000
3000
וזה היכולת להכניס אור למוח.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
וכדי לעשות זאת - המוח לא חש כאב - אפשר לשים -
05:35
taking advantage of all the effort
135
320000
2000
אפשר לנצל את כל המאמצים
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
שהוכנסו לתעשיית האינטרנט והתקשורת -
05:39
optical fibers connected to lasers
137
324000
2000
סיבים אופטיים המחוברים ללייזר
05:41
that you can use to activate, in animal models for example,
138
326000
2000
איתם ניתן להפעיל, למשל בבע"ח
05:43
in pre-clinical studies,
139
328000
2000
במחקרים קדם-קליניים,
05:45
these neurons and to see what they do.
140
330000
2000
את הנוירונים האלה ולראות מה הם עושים.
05:47
So how do we do this?
141
332000
2000
אז איך עושים את זה?
05:49
Around 2004,
142
334000
2000
סביב 2004,
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
בשת"פ עם גרהארד נייג'ל וקרל דיסרות',
05:53
this vision came to fruition.
144
338000
2000
החזון הבשיל.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
יש אצה מסויימת ששוחה בטבע,
05:58
and it needs to navigate towards light
146
343000
2000
והיא צריכה לנווט לכיוון האור
06:00
in order to photosynthesize optimally.
147
345000
2000
כדי לעשות פוטוסינתיזה אופטימלית.
06:02
And it senses light with a little eye-spot,
148
347000
2000
והיא חשה את האור באמצעות נקודת עין קטנה,
06:04
which works not unlike how our eye works.
149
349000
3000
הפועלת די דומה לעין שלנו.
06:07
In its membrane, or its boundary,
150
352000
2000
בממברנה שלה, או בגבול שלה,
06:09
it contains little proteins
151
354000
3000
יש חלבונים קטנים
06:12
that indeed can convert light into electricity.
152
357000
3000
היכולים להסב אור לחשמל.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
והמולקולה הקטנה הזו נקראת צ'נלרודופסין.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
וכל חלבון כזה פועל כמו תא חשמלי, כפי שהסברתי קודם.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
כשאור כחול פוגע בו, הוא פותח תעלה קטנה
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
ומאפשר לחלקיקים טעונים להיכנס לנקודת העין.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
וזה גורם לנקודת העין ליצור מסר חשמלי
06:28
just like a solar cell charging up a battery.
158
373000
3000
בדיוק כמו תא סולרי שטוען סוללה.
06:31
So what we need to do is to take these molecules
159
376000
2000
אז מה שאנחנו צריכים לעשות הוא לקחת את המולקולות האלה
06:33
and somehow install them in neurons.
160
378000
2000
ולהתקין אותן בתוך נוירונים.
06:35
And because it's a protein,
161
380000
2000
ומכיוון שהן חלבונים,
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
הן מקודדות בתוך הDNA של היצור הזה.
06:40
So all we've got to do is take that DNA,
163
385000
2000
אז כל מה שצריך לעשות זה לקחת את ה DNA הזה,
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
להכניס אותו לנשא של טיפול גנטי כמו וירוס,
06:45
and put it into neurons.
165
390000
3000
ולהחדיר אותו לנוירונים.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
ואותה תקופה היתה מאוד פוריה בתחום הטיפול הגנטי,
06:51
and lots of viruses were coming along.
167
396000
2000
עם מבחר גדול של וירוסים.
06:53
So this turned out to be very simple to do.
168
398000
2000
אז זה היה די פשוט.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
ובבוקר אחד של קיץ 2004
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
ניסינו והצלחנו בנסיון הראשון.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
לוקחים את ה DNA הזה ומכניסים אותו לנוירון.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
הנוירון משתמש במנגנונים הטבעיים שלו לייצור חלבונים
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
כדי לייצר את החלבונים הקטנים הללו הרגישים לאור
07:08
and install them all over the cell,
174
413000
2000
ולהתקין אותם בכל התא,
07:10
like putting solar panels on a roof,
175
415000
2000
כמו שמתקינים לוחות סולאריים על הגג.
07:12
and the next thing you know,
176
417000
2000
ומה שקורה
07:14
you have a neuron which can be activated with light.
177
419000
2000
הוא שיש לכם נוירון שמופעל ע"י אור.
07:16
So this is very powerful.
178
421000
2000
אז זה מנגנון עוצמתי.
07:18
One of the tricks you have to do
179
423000
2000
אחד הטריקים שצריך לעשות
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
הוא לגלות איך להעביר את הגנים האלה לתאים שאתם רוצים
07:22
and not all the other neighbors.
181
427000
2000
ולא לשאר השכנים.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
ואפשר לעשות את זה. משחקים עם הוירוסים
07:26
so they hit just some cells and not others.
183
431000
2000
כך שהם יפגעו רק בחלק מהתאים.
07:28
And there's other genetic tricks you can play
184
433000
2000
ויש עוד טריקים גנטיים שאפשר לעשות
07:30
in order to get light-activated cells.
185
435000
3000
כדי לקבל תאים המופעלים ע"י אור.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
התחום הזה נקרא כיום אופטוגנטיקה.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
והנה דוגמא אחת לסוג הדברים שאפשר לעשות,
07:39
you can take a complex network,
188
444000
2000
אפשר לקחת מערכת מורכבת,
07:41
use one of these viruses to deliver the gene
189
446000
2000
להשתמש באחד הוירוסים האלה כדי להעביר את הגן
07:43
just to one kind of cell in this dense network.
190
448000
3000
רק לסוג תא אחד ברשת הסבוכה הזו.
07:46
And then when you shine light on the entire network,
191
451000
2000
ואז כשמאירים אור על כל הרשת,
07:48
just that cell type will be activated.
192
453000
2000
רק סוג התא הזה יופעל.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
אז אם ניקח לדוגמא את תאי הסל עליהם דיברתי מקודם,
07:53
the one that's atrophied in schizophrenia
194
458000
2000
אלה שמתנוונים בסכיזופרניה,
07:55
and the one that is inhibitory.
195
460000
2000
והם מעכבים.
07:57
If we can deliver that gene to these cells --
196
462000
2000
אם נוכל להחדיר לתאים האלה גן,
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
והם כמובן לא יושפעו מהביטוי של הגן הזה,
08:02
and then flash blue light over the entire brain network,
198
467000
3000
ואז להבזיק אור כחול על כל הרשת המוחית,
08:05
just these cells are going to be driven.
199
470000
2000
אז התאים האלה יופעלו.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
וכשהאור ייכבה, התאים האלה יחזרו למצב נורמלי,
08:09
so they don't seem to be averse against that.
201
474000
3000
אז לא נראה שהם מתנגדים לכך.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
אפשר ללמוד מה התאים האלה עושים,
08:14
what their power is in computing in the brain,
203
479000
2000
מה היכולת החישובית שלהם במוח,
08:16
but you can also use this to try to figure out --
204
481000
2000
אבל אפשר גם לנסות ולגלות -
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
ובכן, אפשר אולי להגביר את הפעילות שלהם,
08:20
if indeed they're atrophied.
206
485000
2000
אם הם אכן מנוונים.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
אז אני רוצה להראות לכם כמה סיפורים קצרים
08:24
about how we're using this,
208
489000
2000
על איך אנחנו משתמשים בזה,
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
ברמה המדעית, הקלינית, וברמה הקדם-קלינית.
08:29
One of the questions we've confronted
210
494000
2000
אחת השאלות מולן ניצבנו
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
היא מהם הסימנים במוח שמתווכים את תחושת התגמול?
08:34
Because if you could find those,
212
499000
2000
כי אם נמצא אותם,
08:36
those would be some of the signals that could drive learning.
213
501000
2000
הם יהיו סימנים שיכולים לקדם למידה.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
המוח יעשה יותר מכל פעולה שקיבלה את התגמול.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
והסימנים האלה גם משתבשים בהפרעות כמו התמכרויות.
08:43
So if we could figure out what cells they are,
216
508000
2000
אז אם נוכל לגלות מה התאים האלה,
08:45
we could maybe find new targets
217
510000
2000
אולי נוכל למצוא מטרות חדשות
08:47
for which drugs could be designed or screened against,
218
512000
2000
לייצור תרופות,
08:49
or maybe places where electrodes could be put in
219
514000
2000
או אתרים למיקום אלקטרודות
08:51
for people who have very severe disability.
220
516000
3000
אצל אנשים בעלי פגיעה חמורה.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
אז כדי לעשות זאת, יצרנו פרדיגמה פשוטה מאוד
08:56
in collaboration with the Fiorella group,
222
521000
2000
בשת"פ עם קבוצת פיורלה,
08:58
where one side of this little box,
223
523000
2000
אם החיה תלך לצד אחד של הקופסא
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
היא תקבל הבזק אור,
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
על מנת לגרום לתאים מסויימים רגישות לאור.
09:04
So if these cells can mediate reward,
226
529000
2000
אז אם התאים האלה מווסתים תגמול,
09:06
the animal should go there more and more.
227
531000
2000
אז החיה צריכה ללכת לשם יותר ויותר.
09:08
And so that's what happens.
228
533000
2000
וזה מה שקורה.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
החיה תלך לצד הימני ולדחוף את אפה לשם,
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
והיא תקבל הבזק אור כחול בכל פעם שהיא עושה זאת.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
והיא תעשה זאת מאות פעמים.
09:16
These are the dopamine neurons,
232
541000
2000
אלה נוירונים של דופמין,
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
שאולי שמעתם עליהם בהקשר של חלק ממרכזי העונג במוח.
09:20
Now we've shown that a brief activation of these
234
545000
2000
מצאנו שהפעלה קצרה שלהם
09:22
is enough, indeed, to drive learning.
235
547000
2000
מספיקה בהחלט כדי להניע למידה.
09:24
Now we can generalize the idea.
236
549000
2000
עכשיו אפשר להרחיב את הרעיון.
09:26
Instead of one point in the brain,
237
551000
2000
במקום להתמקד בנקודה אחת במוח,
09:28
we can devise devices that span the brain,
238
553000
2000
אפשר לתכנן התקנה בחלקים שונים של המוח,
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
שיכולה להחדיר אור בדפוסים תלת-מימדיים -
09:32
arrays of optical fibers,
240
557000
2000
קשת של סיבים אופטיים,
09:34
each coupled to its own independent miniature light source.
241
559000
2000
כ"א קשור למקור אור מיניאטורי ועצמאי.
09:36
And then we can try to do things in vivo
242
561000
2000
ואז אפשר לעשות דברים בחיה החיה
09:38
that have only been done to-date in a dish --
243
563000
3000
שעד כה נעשו רק בצלחת פטרי,
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
כמו חיפוש במוח כולו
09:43
for the signals that can cause certain things to happen.
245
568000
2000
של אותות היכולים לגרום לתופעות מסוימות.
09:45
Or that could be good clinical targets
246
570000
2000
או שהם יכולים להיות מטרות קליניות טובות
09:47
for treating brain disorders.
247
572000
2000
לטיפול בהפרעות מוחיות.
09:49
And one story I want to tell you about
248
574000
2000
וסיפור אחד שאני רוצה לספר לכם
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
הוא איך אנחנו מוצאים מטרות לטיפול בהפרעה פוסט-טראומטית (PTSD)
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
סוג של פחד וחרדה בלתי נשלטים.
09:57
And one of the things that we did
251
582000
2000
ואחד הדברים שעשינו
09:59
was to adopt a very classical model of fear.
252
584000
3000
היה לאמץ מודל קלאסי של פחד.
10:02
This goes back to the Pavlovian days.
253
587000
3000
עוד מתקופת פאבלוב.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
הוא נקרא התניית פחד פאבלובית,
10:07
where a tone ends with a brief shock.
255
592000
2000
ובו אחרי צליל מופיע שוק חשמלי קצר.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
השוק לא כואב, אבל הוא מציק.
10:11
And over time -- in this case, a mouse,
257
596000
2000
ואחרי זמן העכבר, במקרה הזה,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
והוא חיית מעבדה טובה שמשתמשים בה הרבה בניסויים כאלה,
10:15
the animal learns to fear the tone.
259
600000
2000
החיה לומדת לפחד מהצליל.
10:17
The animal will react by freezing,
260
602000
2000
החיה תגיב בקפיאה,
10:19
sort of like a deer in the headlights.
261
604000
2000
בדומה לאיל שנתקל באור פנס בלילה.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
עכשיו, השאלה היא, אילו יעדים ניתן למצוא במוח
10:24
that allow us to overcome this fear?
263
609000
2000
שיאפשרו לנו להתגבר על הפחד הזה?
10:26
So what we do is we play that tone again
264
611000
2000
מה יקרה אם נשמיע את הצליל שוב
10:28
after it's been associated with fear.
265
613000
2000
אחרי שנקשר לפחד.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
אבל נפעיל יעדים שונים במוח,
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
בעזרת הסיבים האופטיים שהראיתי קודם,
10:35
in order to try and figure out which targets
268
620000
2000
כדי לנסות ולראות אילו יעדים
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
יכולים לגרום למוח להתגבר על זכרון הפחד.
10:40
And so this brief video
270
625000
2000
אז הוידאו הקצר הזה
10:42
shows you one of these targets that we're working on now.
271
627000
2000
מראה את אחד היעדים עליהם אנו עובדים כרגע.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
זהו איזור בקורטקס הפרה-פרונטלי,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
איזור בו ניתן להשתמש בחשיבה כדי להתגבר על מצבים רגשים שליליים.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
והחיה תשמע צליל, והנה הבזק אור.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
אין כאן קול, אבל אתם יכולים לראות את החיה קופאת.
10:53
This tone used to mean bad news.
276
638000
2000
הצליל הזה נקשר לדברים רעים בעבר.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
ויש שעון קטן בפינה השמאלית למטה,
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
אז אתם רואים שחלפו שתי דקות.
11:00
And now this next clip
279
645000
2000
והנה בוידאו הבא,
11:02
is just eight minutes later.
280
647000
2000
אחרי 8 דקות.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
ואותו הצליל יושמע, והאור שוב יובזק.
11:07
Okay, there it goes. Right now.
282
652000
3000
אוקיי, הנה, עכשיו.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
ואתם יכולים לראות, עברו רק 10 דקות מתחילת הניסוי,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
בו הפעלנו את האיזור הזה במוח בעזרת אור,
11:16
to overcome the expression
285
661000
2000
כדי להתגבר על ביטוי
11:18
of this fear memory.
286
663000
2000
זיכרון הפחד.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
עכשיו, בשנתיים האחרונות, חזרנו לעץ החיים,
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
כי רצינו למצוא דרכים לכבות את מעגלי המוח.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
אם יכולנו לעשות זאת, זה היה כלי חזק מאוד.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
אם נוכל למחוק תאים לשברירי שניה או שניות,
11:32
you can figure out what necessary role they play
291
677000
2000
נוכל להבין מה התפקיד שלהם
11:34
in the circuits in which they're embedded.
292
679000
2000
במעגלים המוחיים בהם הם נמצאים.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
ובדקנו יצורים בכל עץ החיים -
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
כל ממלכה פרט לחיות נראית מעט שונה.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
ומצאנו כל מיני מולקולות, שנקראות האלורודופסין או ארכיאורודופסין,
11:44
that respond to green and yellow light.
296
689000
2000
שמגיבות לאור ירוק וצהוב.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
והן עושות את ההיפך מהמולוקולה עליה סיפרתי קודם לכן,
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
עם האור הכחול המפעיל צ'נלרודופסין.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
אתן לכם דוגמא לגבי המשמעות של זה.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
קחו למשל מצב כמו אפילפסיה,
11:58
where the brain is overactive.
301
703000
2000
בו המוח פעיל יתר על המידה.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
היום, אם תרופות לא מצליחות לטפל באפילפסיה,
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
אחת האסטרטגיות היא להסיר חלק מהמוח.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
אבל זה בלתי-הפיך, כמובן, ויכולות להיות תופעות לוואי.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
מה אם נוכל לכבות את האיזור הזה רק לזמן קצר,
12:09
until the seizure dies away,
306
714000
3000
עד שההתקף יעבור,
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
ונאפשר למוח לחזור למצבו הראשוני,
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
כמו מערכת דינמית שמרגיעים אותה חזרה למצב יציב.
12:18
So this animation just tries to explain this concept
309
723000
3000
אז האנימציה הזו מנסה להסביר את המושג הזה
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
בו גרמנו לתאים להיכבות בעזרת אור,
12:23
and we beam light in,
311
728000
2000
ואנחנו שולחים אלומת אור,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
ורק לפרק הזמן הנדרש לעצור את ההתקף,
12:27
we're hoping to be able to turn it off.
313
732000
2000
אנחנו מקווים לכבות אותם.
12:29
And so we don't have data to show you on this front,
314
734000
2000
אז אין לנו עדיין נתונים להראות לכם,
12:31
but we're very excited about this.
315
736000
2000
אבל אנחנו נלהבים מהנושא.
12:33
Now I want to close on one story,
316
738000
2000
עכשיו אני רוצה להתמקד בסיפור אחד,
12:35
which we think is another possibility --
317
740000
2000
שמראה אפשרות אחרת,
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
והיא שאולי המולקולות האלה, אם יש שליטה סופר-מדויקת,
12:39
can be used in the brain itself
319
744000
2000
ניתנות לשימוש במוח עצמו,
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
כדי ליצור פרותזה חדשה, פרותזה אופטית.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
סיפרתי לכם כבר שקוצבים חשמליים הם שכיחים.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
ל 75,000 חולי פרקינסון יש קוצבים מושתלים במוח.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
ל 100,000 בערך יש שתלים שבלוליים,
12:52
which allow them to hear.
324
757000
2000
שמאפשרים להם לשמוע.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
עוד דבר, צריך להכניס את הגנים האלה לתוך התאים.
12:57
And new hope in gene therapy has been developed
326
762000
3000
ויש תקווה חדשה בריפוי גנטי
13:00
because viruses like the adeno-associated virus,
327
765000
2000
כי וירוסים כמו adeno-associated virus
13:02
which probably most of us around this room have,
328
767000
2000
שיש כנראה לכל מי שיושב כאן,
13:04
and it doesn't have any symptoms,
329
769000
2000
ואינם גורמים לסימפטומים,
13:06
which have been used in hundreds of patients
330
771000
2000
וכבר השתמשו בהם במאות פציינטים
13:08
to deliver genes into the brain or the body.
331
773000
2000
להעברת גנים לתוך המוח או לגוף.
13:10
And so far, there have not been serious adverse events
332
775000
2000
ועד כה לא נתגלו תופעות לוואי חמורות
13:12
associated with the virus.
333
777000
2000
שנקשרו לוירוס.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
יש עוד פיל אחרון בחדר, החלבונים עצמם,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
המגיעים מאצות, בקטריות ופטריות,
13:19
and all over the tree of life.
336
784000
2000
ומכל עץ החיים.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
לרובנו אין אצות או פטריות במוח,
13:23
so what is our brain going to do if we put that in?
338
788000
2000
אז מה המוח יעשה אם נכניס אותם?
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
האם התאים יסבלו אותם? האם מערכת החיסון תגיב?
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
בהתחלה - הם עדיין לא נוסו על בני אדם -
13:29
but we're working on a variety of studies
341
794000
2000
אבל אנחנו עובדים על מגוון של מחקרים
13:31
to try and examine this,
342
796000
2000
בנסיון לבחון את זה.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
ועד כה לא גילינו תגובות כלשהן
13:36
to these molecules
344
801000
2000
למולקולות האלה
13:38
or to the illumination of the brain with light.
345
803000
3000
או להארה של המוח.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
אז זו רק ההתחלה, אם להיות כנים, אבל אנחנו נלהבים.
13:44
I wanted to close with one story,
347
809000
2000
אני רוצה לסיים עם סיפור אחד,
13:46
which we think could potentially
348
811000
2000
שאנחנו חושבים שיש לו פוטנציאל
13:48
be a clinical application.
349
813000
2000
להיות בעל יישום קליני.
13:50
Now there are many forms of blindness
350
815000
2000
עכשיו, ישנם סוגים רבים של עיוורון
13:52
where the photoreceptors,
351
817000
2000
בהם הפוטורצפטורים,
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
חיישני האור באחורי העין, חסרים.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
והרשתית, כמובן, היא איבר מורכב.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
אז בואו נתמקד עליה כאן, כדי שנראה בפירוט רב יותר.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
תאי הפוטורצפטורים נראים כאן למעלה,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
והאותות שנקלטים ע"י הקולטנים הללו
14:06
are transformed by various computations
357
831000
2000
מומרים ע"י חישובים שונים,
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
עד שלבסוף שכבת התאים שלמטה, תאי הגנגליה,
14:11
relay the information to the brain,
359
836000
2000
מעבירה את המידע אל המוח,
14:13
where we see that as perception.
360
838000
2000
בו אנחנו רואים את זה בתפיסה.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
בצורות רבות של עיוורון, כמו רטיניטיס פיגמנטוזה,
14:18
or macular degeneration,
362
843000
2000
או ניוון מקולרי,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
תאי הפוטורצפטורים התנוונו או נהרסו.
14:23
Now how could you repair this?
364
848000
2000
עכשיו, איך אפשר לתקן את זה?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
כלל לא ברור אם תרופה יכולה לשקם אותם,
14:28
because there's nothing for the drug to bind to.
366
853000
2000
כי אין לה לאן להתחבר.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
מצד שני, אור יכול עדיין להיכנס לעין.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
אז העין עדיין שקופה וניתן להכניס לתוכה אור.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
אז מה אם נוכל להכניס את הצ'נלרודופסינים ומולקולות אחרות
14:38
and install them on some of these other spare cells
370
863000
2000
ולהתקין אותם על חלק מהתאים הרזרביים
14:40
and convert them into little cameras.
371
865000
2000
ולהסב אותם למצלמות קטנות.
14:42
And because there's so many of these cells in the eye,
372
867000
2000
ומשום שיש כ"כ הרבה תאים כאלה בעין,
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
בפוטנציה, אלה יכולות להיות מצלמות ברזולוציה גבוהה.
14:47
So this is some work that we're doing.
374
872000
2000
אז זה אחד הדברים שאנחנו עושים.
14:49
It's being led by one of our collaborators,
375
874000
2000
והפרוייקט הוא בהנהגת אחד השותפים שלנו,
14:51
Alan Horsager at USC,
376
876000
2000
אלן הורסגר מאוניברסיטת דרום קליפורניה (USC),
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
וחברת הסטארט-אפ Eos Neuroscience מתעניינת בו,
14:56
which is funded by the NIH.
378
881000
2000
פרוייקט הממומן ע"י מכון הבריאות הלאומי (NIH).
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
ומה שרואים כאן הוא עכבר שמנסה לפתור מבוך.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
זה מבוך בן 6 זרועות, ויש בו קצת מים
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
שנועדו להניע את העכבר לזוז, אחרת הוא רק ישב שם.
15:04
And the goal, of course, of this maze
382
889000
2000
והמטרה של המבוך הזה
15:06
is to get out of the water and go to a little platform
383
891000
2000
היא לצאת מהמים ולהגיע לבמה קטנה
15:08
that's under the lit top port.
384
893000
2000
שמתחת ליציאה המוארת העליונה.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
עכשיו, עכברים הם חכמים, כך שהעכבר יפתור את המבוך בסופו של דבר,
15:13
but he does a brute-force search.
386
898000
2000
אבל זה חיפוש של כוח גס.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
הוא שוחה במורד כל זרוע, עד שלבסוף הוא מגיע לבמה.
15:18
So he's not using vision to do it.
388
903000
2000
אז הוא לא משתמש בראייה כדי להצליח.
15:20
These different mice are different mutations
389
905000
2000
העכברים השונים האלה הם מוטציות שונות
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
שמייצגות סוגים שונים של עיוורון הפוגעים באנשים.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
אז אנחנו נזהרים ומנסים לבחון את המודלים השונים הללו,
15:28
so we come up with a generalized approach.
392
913000
2000
כדי שנגיע לפתרון בגישה כללית.
15:30
So how are we going to solve this?
393
915000
2000
אז איך אנחנו נפתור את זה?
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
נעשה בדיוק מה שהראינו בשקף הקודם.
15:34
We're going to take these blue light photosensors
395
919000
2000
ניקח את חיישני האור הכחול
15:36
and install them on a layer of cells
396
921000
2000
ונתקין אותם על שכבת תאים
15:38
in the middle of the retina in the back of the eye
397
923000
3000
באמצע הרשתית באחורי העין
15:41
and convert them into a camera --
398
926000
2000
ונסב אותם למצלמה.
15:43
just like installing solar cells all over those neurons
399
928000
2000
בדיוק כמו התקנה של תאים סולאריים על גבי הנוירונים
15:45
to make them light sensitive.
400
930000
2000
כדי להפוך אותם לרגישי-אור.
15:47
Light is converted to electricity on them.
401
932000
2000
האור מוסב לחשמל עליהם.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
אז העכבר הזה היה עיוור כמה שבועות לפני הניסוי הזה
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
והוא קיבל מנה אחת של המולקולה רגישת האור בוירוס.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
ואתם יכולים לראות, הוא אכן יכול להימנע מהקירות
15:57
and go to this little platform
405
942000
2000
ולהגיע לבמה הקטנה הזו
15:59
and make cognitive use of its eyes again.
406
944000
3000
ולחזור ולעשות שימוש מחושב בעיניו.
16:02
And to point out the power of this:
407
947000
2000
וכדי להראות את העוצמה שבזה:
16:04
these animals are able to get to that platform
408
949000
2000
החיות האלה יכולות להגיע לבמה הזו
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
באותה מהירות כמו חיות שראו כל חייהן.
16:08
So this pre-clinical study, I think,
410
953000
2000
אז המחקר הקדם-קליני הזה, לדעתי,
16:10
bodes hope for the kinds of things
411
955000
2000
טומן בחובו תקווה לסוג הדברים
16:12
we're hoping to do in the future.
412
957000
2000
שנוכל לעשות בעתיד.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
לסיום, אני רוצה לציין שאנחנו חוקרים גם
16:17
new business models for this new field of neurotechnology.
414
962000
2000
מודלים עסקיים חדשים בתחום החדש של נוירוטכנולוגיה.
16:19
We're developing these tools,
415
964000
2000
אנחנו מפתחים את הכלים האלה,
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
אבל אנחנו משתפים אותם חינם עם מאות קבוצות מכל העולם,
16:23
so people can study and try to treat different disorders.
417
968000
2000
כך שאנשים יוכלו ללמוד ולנסות לטפל בהפרעות שונות.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
התקוה שלנו היא שע"י הכרה של מעגלים עצביים במוח
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
ברמת הפשטה שמאפשרת לנו לתקן ולהנדס אותם,
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
נוכל לקחת את חלק מההפרעות הקשות עליהן דיברתי קודם,
16:34
practically none of which are cured,
421
979000
2000
שהן כרגע כמעט ללא ריפוי,
16:36
and in the 21st century make them history.
422
981000
2000
ולהפוך אותן להיסטוריה במאה ה-21.
16:38
Thank you.
423
983000
2000
תודה רבה.
16:40
(Applause)
424
985000
13000
(מחיאות כפיים)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
חואן אנריקז: אז זה חומר לא קל.
16:56
(Laughter)
426
1001000
2000
(צחוק)
16:58
But the implications
427
1003000
2000
אבל ההשלכות
17:00
of being able to control seizures or epilepsy
428
1005000
3000
של היכולת לשלוט בהתקפים או באפילפסיה
17:03
with light instead of drugs,
429
1008000
2000
עם אור במקום תרופות,
17:05
and being able to target those specifically
430
1010000
3000
והיכולת לפגוע בהן נקודתית,
17:08
is a first step.
431
1013000
2000
זה הצעד הראשון.
17:10
The second thing that I think I heard you say
432
1015000
2000
הדבר השני שאני חושב ששמעתי ממך
17:12
is you can now control the brain in two colors,
433
1017000
3000
הוא שאתה יכול כרגע לשלוט במוח בשני צבעים.
17:15
like an on/off switch.
434
1020000
2000
כמו מתג הפעל/כבה.
17:17
Ed Boyden: That's right.
435
1022000
2000
אד בוידן: זה נכון.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
אנריקז: וזה הופך כל פעימה חשמלית במוח לקוד בינארי.
17:22
EB: Right, yeah.
437
1027000
2000
בוידן: נכון.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
אז עם אור כחול אנחנו יכולים להעביר מידע, והוא מסוג 1.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
וע"י כיבוי, זה בערך 0.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
אז אנחנו מקווים בהמשך לבנות מעבדים מוחיים
17:31
that work with the brain
441
1036000
2000
שיעבדו יחד עם המוח,
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
כך שניתן יהיה לשנות תפקודים באנשים עם הפרעות.
17:36
JE: And in theory, that means that,
443
1041000
2000
אנריקז: ובתיאוריה, זה אומר
17:38
as a mouse feels, smells,
444
1043000
2000
שכשהעכבר חש, מריח,
17:40
hears, touches,
445
1045000
2000
שומע, נוגע,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
אתם יכולים למדל את זה כרצף של 1 ו 0.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
בוידן: בטח, כן. אנחנו מקווים לנצל את זה כדי לבדוק
17:47
what neural codes can drive certain behaviors
448
1052000
2000
אילו קודים עצביים מניעים התנהגויות מסוימות,
17:49
and certain thoughts and certain feelings,
449
1054000
2000
מחשבות מסוימות, רגשות מסוימים,
17:51
and use that to understand more about the brain.
450
1056000
3000
וכך להבין יותר את המוח.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
אנריקז: האם זה אומר שביום מן הימים תוכלו להוריד זכרונות
17:57
and maybe upload them?
452
1062000
2000
ואולי להעלות אותם?
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
בוידן: התחלנו לעבוד על זה מאוד ברצינות.
18:01
We're now working on some work
454
1066000
2000
אנחנו עובדים עכשיו על מחקר
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
בו אנחנו מנסים לרצף את המוח עם מנגנוני הקלטה.
18:05
So we can record information and then drive information back in --
456
1070000
3000
כך אפשר להקליט מידע ולהזין מידע חזרה
18:08
sort of computing what the brain needs
457
1073000
2000
ובעצם לחשב מה המוח צריך
18:10
in order to augment its information processing.
458
1075000
2000
כדי לשנות את הדרך בה הוא מעבד מידע.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
אנריקז: טוב, זה אולי ישנה כמה דברים. תודה. (בוידן: תודה)
18:15
(Applause)
460
1080000
3000
(מחיאות כפיים)
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