ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ed Boyden | Speaker | TED.com
TED2011

Ed Boyden: A light switch for neurons

Eds Boidens: Gaismas slēdzis neironiem

Filmed:
1,098,379 views

Eds Boidens parāda, kā, smadzeņu šūnās ievietojot gēnus priekš gaismas jutīgiem proteīniem, viņš ar šķiedru optikas implantiem var pēc izvēles aktivēt vai deaktivēt atsevišķus specifiskus neironus. Ar šāda vēl iepriekš nesasniegta kontroles līmeņa palīdzību viņš ir spējīgs izārstēt peles no pēctraumatiskā stresa sindroma un noteiktām akluma formām. Redzeslokā: nervu protezēšana. Sesijas vadītājs Huans Enrikess pēc tam vada īsu sarunu ar jautājumiem un atbildēm.
- 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

Double-click the English transcript below to play the video.

00:15
Think about your day for a secondotrais.
0
0
2000
Brīdi padomājiet par jūsu dienu.
00:17
You wokepamodos up, feltfilcs freshsvaiga airgaiss on your faceseja as you walkedgāja out the doordurvis,
1
2000
3000
Jūs pamodāties, sajutāt uz savas sejas svaigu gaisu, kad izgājāt pa durvīm,
00:20
encounteredradušās newjauns colleaguesKolēģi and had great discussionsdiskusijas,
2
5000
2000
satikāt jaunus kolēģus un piedalījāties lieliskās diskusijās,
00:22
and feltfilcs in awebijību when you foundatrasts something newjauns.
3
7000
2000
un bijāt izbrīnīti, kad atklājāt kaut ko jaunu.
00:24
But I betbet there's something you didn't think about todayšodien --
4
9000
2000
Bet es varu derēt, ka ir kaut kas, par ko jūs šodien nedomājāt --
00:26
something so closetuvu to home
5
11000
2000
kaut kas tik tuvs mājām,
00:28
that you probablydroši vien don't think about it very oftenbieži at all.
6
13000
2000
ka jūs droši vien vispār par to bieži nedomājat.
00:30
And that's that all the sensationssajūtas, feelingsjūtas,
7
15000
2000
Un tas ir - visas sajūtas, emocijas,
00:32
decisionslēmumi and actionsdarbības
8
17000
2000
lēmumi un darbības
00:34
are mediatedmediēto by the computerdators in your headgalva
9
19000
2000
ir datora, kurš atrodas jūsu galvā, pārraidītas;
00:36
calledsauc the brainsmadzenes.
10
21000
2000
to sauc par smadzenēm.
00:38
Now the brainsmadzenes mayvar not look like much from the outsideārpusē --
11
23000
2000
Smadzenes no ārpuses var izskatīties kā nekas īpašs --
00:40
a couplepāris poundsmārciņas of pinkish-grayrozā-pelēks fleshmiesa,
12
25000
2000
dažas mārciņas rozīgi pelēkas gaļas,
00:42
amorphousamorfs --
13
27000
2000
bezveidīgas --
00:44
but the last hundredsimts yearsgadiem of neuroscienceneirozinātne
14
29000
2000
bet pēdējie simts neirozinātnes gadi
00:46
have allowedatļauts us to zoomtālummaiņa in on the brainsmadzenes,
15
31000
2000
ir ļāvuši mums sīki izpētīt smadzenes,
00:48
and to see the intricacysarežģītība of what liesslēpjas withiniekšpusē.
16
33000
2000
un redzēt sarežģīto, kas atrodas tajās.
00:50
And they'veviņi esam told us that this brainsmadzenes
17
35000
2000
Un tie mums ir parādījuši, ka smadzenes
00:52
is an incrediblyneticami complicatedsarežģīts circuitķēde
18
37000
2000
ir neticami sarežģīta shēma,
00:54
madeizgatavots out of hundredssimtiem of billionsmiljardi of cellsšūnas calledsauc neuronsneironi.
19
39000
4000
veidota no simtiem miljardiem šūnu, sauktām par neironiem.
00:58
Now unlikeatšķirībā no a human-designedparedzēti cilvēku computerdators,
20
43000
3000
Pretēji cilvēku izgudrotam datoram,
01:01
where there's a fairlygodīgi smallmazs numbernumurs of differentatšķirīgs partsdaļas --
21
46000
2000
kurā ir diezgan maz atšķirīgu daļu --
01:03
we know how they work, because we humanscilvēki designedizstrādāts them --
22
48000
3000
mēs zinām, kā tās darbojas, jo mēs, cilvēki, tās izgudrojām --
01:06
the brainsmadzenes is madeizgatavots out of thousandstūkstošiem of differentatšķirīgs kindsveidi of cellsšūnas,
23
51000
3000
smadzenes ir veidotas no tūkstošiem atšķirīgu šūnu veidiem,
01:09
maybe tensdesmitiem of thousandstūkstošiem.
24
54000
2000
varbūt pat desmitiem tūkstošu.
01:11
They come in differentatšķirīgs shapesformas; they're madeizgatavots out of differentatšķirīgs moleculesmolekulas.
25
56000
2000
Tās ir dažādas formas; tās ir veidotas no dažādām molekulām;
01:13
And they projectprojekts and connectsavienot to differentatšķirīgs brainsmadzenes regionsreģioni,
26
58000
3000
un tās projicējas un savieno atšķirīgus smadzeņu rajonus.
01:16
and they alsoarī changemainīt differentatšķirīgs waysceļi in differentatšķirīgs diseaseslimība statesvalstis.
27
61000
3000
Un tās arī dažādi mainās atšķirīgos slimību stāvokļos.
01:19
Let's make it concretebetons.
28
64000
2000
Padarīsim to konkrētāku.
01:21
There's a classklase of cellsšūnas,
29
66000
2000
Ir šūnu klase,
01:23
a fairlygodīgi smallmazs cellšūna, an inhibitoryinhibitoru cellšūna, that quietsquiets its neighborskaimiņi.
30
68000
3000
diezgan maza šūna, inhibitorā šūna, kura "apklusina" tās kaimiņus.
01:26
It's one of the cellsšūnas that seemsšķiet to be atrophiedatrofējušies in disorderstraucējumi like schizophreniašizofrēnija.
31
71000
4000
Tā ir viena no šūnām, kas, šķiet, ir atrofējusies tādos gadījumos kā šizofrēnija.
01:30
It's calledsauc the basketgrozs cellšūna.
32
75000
2000
To sauc par groza šūnu.
01:32
And this cellšūna is one of the thousandstūkstošiem of kindsveidi of cellšūna
33
77000
2000
Un šī šūna ir viena no tūkstošiem šūnu veidu,
01:34
that we are learningmācīšanās about.
34
79000
2000
par ko mēs mācāmies.
01:36
NewJauns onestiem are beingbūt discoveredatklāts everydaykatru dienu.
35
81000
2000
Katru dienu tiek atklātas arvien jaunas.
01:38
As just a secondotrais examplepiemērs:
36
83000
2000
Otrs piemērs:
01:40
these pyramidalpiramīdas cellsšūnas, largeliels cellsšūnas,
37
85000
2000
šīs piramidālās šūnas, lielās šūnas,
01:42
they can spanspan a significantievērojams fractionfrakcija of the brainsmadzenes.
38
87000
2000
tās var aptvert nozīmīgu smadzeņu daļu.
01:44
They're excitatorysatraucošs.
39
89000
2000
Tās ir kairināmas.
01:46
And these are some of the cellsšūnas
40
91000
2000
Un šīs ir dažas no šūnām,
01:48
that mightvarētu be overactivehiperaktīva in disorderstraucējumi suchtāds as epilepsyepilepsija.
41
93000
3000
kas var būt pārāk aktīvas tādu traucējumu gadījumos kā, piemēram, epilepsija.
01:51
EveryIk one of these cellsšūnas
42
96000
2000
Ikviena no šīm šūnām
01:53
is an incredibleneticami electricalelektriski deviceierīce.
43
98000
3000
ir neticama elektriska ierīce.
01:56
They receivesaņemt inputieeja from thousandstūkstošiem of upstreamaugšpus partnerspartneri
44
101000
2000
Tās saņem stimulu no tūkstošiem augstāk esošiem partneriem
01:58
and computeaprēķināt theirviņu ownpašu electricalelektriski outputsizvada,
45
103000
3000
un izveido pašas savus elektriskos impulsus,
02:01
whichkas then, if they passiet a certainnoteikti thresholdslieksnis,
46
106000
2000
kuri tad, ja tie nokļūs pāri noteiktai robežai,
02:03
will go to thousandstūkstošiem of downstreamlejup pa straumi partnerspartneri.
47
108000
2000
tiks vadīti pie tūkstošiem zemāk esošiem partneriem.
02:05
And this processprocess, whichkas takes just a millisecondmilisekunžu or so,
48
110000
3000
Un šis process, kurš ilgst tikai apmēram milisekundi,
02:08
happensnotiek thousandstūkstošiem of timesreizes a minuteminūti
49
113000
2000
notiek tūkstošiem reižu minūtē
02:10
in everykatrs one of your 100 billionmiljardi cellsšūnas,
50
115000
2000
ikvienā no jūsu 100 miljardiem šūnu,
02:12
as long as you livedzīvot
51
117000
2000
tik ilgi, kamēr jūs dzīvojat,
02:14
and think and feel.
52
119000
3000
un domājat un jūtat.
02:17
So how are we going to figureskaitlis out what this circuitķēde does?
53
122000
3000
Tātad, kā mēs noskaidrosim, ko šis riņķojums dara?
02:20
IdeallyIdeālā gadījumā, we could go throughcauri the circuitķēde
54
125000
2000
Ideāli mēs varētu iet cauri riņķojumam
02:22
and turnpagriezties these differentatšķirīgs kindsveidi of cellšūna on and off
55
127000
3000
un ieslēgt un izslēgt šos dažādos šūnu veidus
02:25
and see whethervai we could figureskaitlis out
56
130000
2000
un redzēt, vai mēs varam noskaidrot,
02:27
whichkas onestiem contributepalīdzēt to certainnoteikti functionsfunkcijas
57
132000
2000
kuras veicina noteiktas funkcijas
02:29
and whichkas onestiem go wrongnepareizi in certainnoteikti pathologiespatoloģijas.
58
134000
2000
un kuras nedarbojas pareizi pie noteiktām patoloģijām.
02:31
If we could activateaktivizēt cellsšūnas, we could see what powerspilnvaras they can unleashatlaist,
59
136000
3000
Ja mēs varētu aktivēt šūnas, mēs varētu redzēt, kādus spēkus tās var atbrīvot,
02:34
what they can initiateuzsākt and sustainuzturēt.
60
139000
2000
ko tās var ierosināt un ko stiprināt.
02:36
If we could turnpagriezties them off,
61
141000
2000
Ja mēs tās varētu izslēgt,
02:38
then we could try and figureskaitlis out what they're necessarynepieciešams for.
62
143000
2000
tad mēs varētu mēģināt izdomāt, kāpēc tās ir vajadzīgas.
02:40
And that's a storystāsts I'm going to tell you about todayšodien.
63
145000
3000
Un tas ir stāsts, ko es jums šodien pastāstīšu.
02:43
And honestlygodīgi, where we'vemēs esam goneaizgājis throughcauri over the last 11 yearsgadiem,
64
148000
3000
Un, kad mēs esam izgājuši cauri pēdējiem 11 gadiem,
02:46
throughcauri an attemptmēģinājums to find waysceļi
65
151000
2000
ar mēģinājumu palīdzību cenšoties atrast veidus
02:48
of turningpagrieziens circuitsķēdes and cellsšūnas and partsdaļas and pathwaysceļi of the brainsmadzenes
66
153000
2000
kā smadzeņu riņķojumus un šūnas, un daļas, un ceļus slēgt
02:50
on and off,
67
155000
2000
iekšā un ārā,
02:52
bothabi to understandsaprast the sciencezinātne
68
157000
2000
gan, lai saprastu zinātni
02:54
and alsoarī to confrontkonfrontēt some of the issuesjautājumus
69
159000
3000
gan arī, lai pretstatītu dažus jautājumus,
02:57
that faceseja us all as humanscilvēki.
70
162000
3000
ar ko saskaramies mēs visi kā cilvēki.
03:00
Now before I tell you about the technologytehnoloģijas,
71
165000
3000
Tagad, pirms es stāstu jums par tehnoloģiju,
03:03
the badslikti newsziņas is that a significantievērojams fractionfrakcija of us in this roomistaba,
72
168000
3000
sliktās ziņas ir, ka lielai daļai no mums šajā telpā,
03:06
if we livedzīvot long enoughpietiekami,
73
171000
2000
ja mēs pietiekami ilgi dzīvosim,
03:08
will encountersaskarties, perhapsvarbūt, a brainsmadzenes disordertraucējumi.
74
173000
2000
būs, iespējams, smadzeņu traucējumi.
03:10
AlreadyJau, a billionmiljardi people
75
175000
2000
Jau tagad miljardiem cilvēku
03:12
have had some kindlaipns of brainsmadzenes disordertraucējumi
76
177000
2000
ir bijis kāds smadzeņu traucējumu veids,
03:14
that incapacitatesincapacitates them,
77
179000
2000
kas viņus padara nespējīgus.
03:16
and the numberscipari don't do it justiceTaisnīgums thoughtomēr.
78
181000
2000
Lai arī skaitļi nav diez ko precīzi.
03:18
These disorderstraucējumi -- schizophreniašizofrēnija, Alzheimer'sAlcheimera slimība,
79
183000
2000
Šie traucējumi -- šizofrēnija, Alcheimera slimība,
03:20
depressiondepresija, addictionatkarības --
80
185000
2000
depresija, atkarība --
03:22
they not only stealnozagt our time to livedzīvot, they changemainīt who we are.
81
187000
3000
tie ne tikai nozog mūsu dzīves laiku, tie arī izmaina to, kas mēs esam;
03:25
They take our identityidentitāte and changemainīt our emotionsemocijas
82
190000
2000
tie paņem mūsu identitāti un izmaina mūsu emocijas --
03:27
and changemainīt who we are as people.
83
192000
3000
un maina to, kas mēs esam kā cilvēki.
03:30
Now in the 20thth centurygadsimts,
84
195000
3000
20. gadsimtā
03:33
there was some hopeceru that was generatedradīts
85
198000
3000
bija neliela cerība, kura veidojās,
03:36
throughcauri the developmentattīstība of pharmaceuticalsFarmācija for treatingārstēšana brainsmadzenes disorderstraucējumi,
86
201000
3000
attīstoties farmaceitiskajiem līdzekļiem smadzeņu traucējumu ārstēšanai.
03:39
and while manydaudzi drugsnarkotikas have been developedattīstīta
87
204000
3000
Un, kaut arī ir tikušas izgudrotas daudzas zāles,
03:42
that can alleviateatvieglot symptomssimptomi of brainsmadzenes disorderstraucējumi,
88
207000
2000
kuras spēj atvieglot smadzeņu traucējumu simptomus,
03:44
practicallypraktiski nonenav of them can be consideredjāapsver to be curedkaltēta.
89
209000
3000
praktiski neviens no tiem nevar tikt uzskatīts par ārstējamu.
03:47
And partdaļa of that's because we're bathingpeldēšanās the brainsmadzenes in the chemicalķīmiskā viela.
90
212000
3000
Un tā ir daļēji tādēļ, ka mēs "peldinām" smadzenes ķimikālijās.
03:50
This elaborateizstrādāt circuitķēde
91
215000
2000
Šis sarežģītais riņķojums,
03:52
madeizgatavots out of thousandstūkstošiem of differentatšķirīgs kindsveidi of cellšūna
92
217000
2000
kas sastāv no tūkstošiem dažāda veida šūnu,
03:54
is beingbūt bathedmazgājies in a substanceviela.
93
219000
2000
tiek izmērcēts dažādas vielās.
03:56
That's alsoarī why, perhapsvarbūt, mostlielākā daļa of the drugsnarkotikas, and not all, on the markettirgus
94
221000
2000
Tas ir arī tāpēc, ka, iespējams, vairums pieejamo zāļu
03:58
can presentklāt some kindlaipns of seriousnopietns sidepusē effectefekts too.
95
223000
3000
var arī izraisīt nopietnus blakusefektus.
04:01
Now some people have gottengotten some solacemierinājums
96
226000
3000
Šobrīd daži cilvēki ir ieguvuši nelielu mierinājumu
04:04
from electricalelektriski stimulatorsstimulatori that are implantedimplantēts in the brainsmadzenes.
97
229000
3000
no elektriskajiem stimulatoriem, kas ir ievietoti smadzenēs.
04:07
And for Parkinson'sParkinsona diseaseslimība,
98
232000
2000
Un Parkinsona slimības gadījumā,
04:09
CochlearCochlear implantsimplanti,
99
234000
2000
auss gliemeža implanti
04:11
these have indeedpatiešām been ablespējīgs
100
236000
2000
ir patiešām spējīgi
04:13
to bringatnest some kindlaipns of remedyatlīdzība
101
238000
2000
sniegt atvieglojumu
04:15
to people with certainnoteikti kindsveidi of disordertraucējumi.
102
240000
2000
cilvēkiem ar noteiktiem slimības veidiem.
04:17
But electricityelektrība alsoarī will go in all directionsvirzieni --
103
242000
2000
Bet elektrība arī ies visos virzienos --
04:19
the pathceļš of leastvismazāk resistancepretestība,
104
244000
2000
vismazākās pretestības ceļš,
04:21
whichkas is where that phrasefrāze, in partdaļa, comesnāk from.
105
246000
2000
no kurienes šī frāze arī cēlusies.
04:23
And it alsoarī will affectietekmēt normalnormāls circuitsķēdes as well as the abnormalpatoloģiska onestiem that you want to fixlabot.
106
248000
3000
Un tas arī ietekmēs kā normālus, tā arī nenormālus riņkojumus, kurus jūs vēlaties salabot.
04:26
So again, we're sentnosūtīts back to the ideaideja
107
251000
2000
Tā nu atkal mēs esam nonākuši atpakaļ pie idejas
04:28
of ultra-preciseultra-precīzi controlkontrole.
108
253000
2000
par ļoti precīzu kontroli.
04:30
Could we dial-iniezvanes informationinformācija preciselyprecīzi where we want it to go?
109
255000
3000
Vai mēs varētu ievietot informāciju precīzi, kur mēs to vēlētos?
04:34
So when I startedsāka in neuroscienceneirozinātne 11 yearsgadiem agopirms,
110
259000
4000
Kad pirms 11 gadiem es sāku nodarboties ar neirozinātni,
04:38
I had trainedapmācīts as an electricalelektriski engineerinženieris and a physicistfiziķis,
111
263000
3000
es biju mācījies par elektrisko inženieri un fiziķi,
04:41
and the first thing I thought about was,
112
266000
2000
un pirmā lieta, par ko es domāju, bija,
04:43
if these neuronsneironi are electricalelektriski devicesierīces,
113
268000
2000
ja šie neironi ir elektriskas ierīces,
04:45
all we need to do is to find some way
114
270000
2000
viss, kas mums jādara, ir jāatrod kāds veids,
04:47
of drivingbraukšana those electricalelektriski changesizmaiņas at a distanceattālums.
115
272000
2000
kā vadīt šīs elektriskās pārmaiņas no attāluma.
04:49
If we could turnpagriezties on the electricityelektrība in one cellšūna,
116
274000
2000
Ja mēs varētu ieslēgt šūnā elektrību,
04:51
but not its neighborskaimiņi,
117
276000
2000
bet ne tās kaimiņos,
04:53
that would give us the toolrīks we need to activateaktivizēt and shutslēgt down these differentatšķirīgs cellsšūnas,
118
278000
3000
tas mums dotu instrumentu, kas vajadzīgs, lai aktivētu un "izslēgtu" šīs dažādās šūnas,
04:56
figureskaitlis out what they do and how they contributepalīdzēt
119
281000
2000
izspriestu, ko tās dara un ko tās dod
04:58
to the networkstīkli in whichkas they're embeddediegultā.
120
283000
2000
tīkliem, kuros ir iesaistītas.
05:00
And alsoarī it would allowatļaut us to have the ultra-preciseultra-precīzi controlkontrole we need
121
285000
2000
Un tas arī mums ļautu ļoti precīzi kontrolēt, kas mums vajadzīgs,
05:02
in orderkārtībā to fixlabot the circuitķēde computationsaprēķini
122
287000
3000
lai salabotu cikla aprēķinus,
05:05
that have goneaizgājis awrygreizi.
123
290000
2000
kas aizgājuši nepareizi.
05:07
Now how are we going to do that?
124
292000
2000
Kā mēs to panāksim?
05:09
Well there are manydaudzi moleculesmolekulas that existpastāv in naturedaba,
125
294000
2000
Ir daudzas dabā pastāvošas molekulas,
05:11
whichkas are ablespējīgs to convertkonvertēt lightgaisma into electricityelektrība.
126
296000
3000
kuras ir spējīgas pārvērst gaismu elektrībā.
05:14
You can think of them as little proteinsolbaltumvielas
127
299000
2000
Jūs par tām varat domāt kā par maziem proteīniem,
05:16
that are like solarsaules cellsšūnas.
128
301000
2000
kas ir kā saules baterijas.
05:18
If we can installuzstādīt these moleculesmolekulas in neuronsneironi somehowkaut kā,
129
303000
3000
Ja mēs varētu ievietot šīs molekulas kaut kādā veidā neironos,
05:21
then these neuronsneironi would becomekļūt electricallyelektriski drivabledrivable with lightgaisma.
130
306000
3000
tad šie neironi kļūtu elektriski vadāmi ar gaismu.
05:24
And theirviņu neighborskaimiņi, whichkas don't have the moleculemolekula, would not.
131
309000
3000
Un to kaimiņi, kuriem nav šīs molekulas, nekļūtu.
05:27
There's one other magicmaģija tricktriks you need to make this all happennotikt,
132
312000
2000
Ir vēl viens burvju triks, kas vajadzīgs, lai tas viss kļūtu iespējams,
05:29
and that's the abilityspēja to get lightgaisma into the brainsmadzenes.
133
314000
3000
un tā ir spēja nogādāt gaismu smadzenēs.
05:32
And to do that -- the brainsmadzenes doesn't feel painsāpes -- you can put --
134
317000
3000
Un, lai to izdarītu -- smadzenes nejūt sāpes -- jūs varat ievietot --
05:35
takingņemot advantagepriekšrocības of all the effortpūles
135
320000
2000
izmantojot priekšrocību,
05:37
that's goneaizgājis into the InternetInternets and communicationssakari and so on --
136
322000
2000
kāda ir internetam un sakariem un tā tālāk --
05:39
opticaloptiskie fibersšķiedras connectedsavienots to laserslāzeri
137
324000
2000
optiskās šķiedras, kas savienotas ar lāzeriem,
05:41
that you can use to activateaktivizēt, in animaldzīvnieks modelsmodeļi for examplepiemērs,
138
326000
2000
kuras jūs varat izmantot, lai aktivētu, piemēram, dzīvnieku modeļos,
05:43
in pre-clinicalPirmsklīniskie studiespētījumi,
139
328000
2000
pirmsklīniskajos pētījumos,
05:45
these neuronsneironi and to see what they do.
140
330000
2000
šos neironus un redzētu, ko tie dara.
05:47
So how do we do this?
141
332000
2000
Kā mēs to darām?
05:49
Around 2004,
142
334000
2000
Ap 2004. gadu,
05:51
in collaborationsadarbība with GerhardGerhards NagelNagel and KarlKārlis DeisserothDeisseroth,
143
336000
2000
sadarbībā ar Gerhardu Nagelu un Karlu Deiserotu
05:53
this visionvīzija camenāca to fruitionpiepildījums.
144
338000
2000
šī vīzija piepildījās.
05:55
There's a certainnoteikti algaalga that swimspeld in the wildsavvaļas,
145
340000
3000
Ir zināma aļģe, kas peld savvaļā,
05:58
and it needsvajadzībām to navigatepārvietoties towardsvirzienā lightgaisma
146
343000
2000
un tai ir jāpārvietojas uz gaismas pusi,
06:00
in orderkārtībā to photosynthesizefotosintēzi optimallyoptimāli.
147
345000
2000
lai tā optimāli varētu veiktu fotosintēzi.
06:02
And it sensessajūtas lightgaisma with a little eye-spotacs-vietas,
148
347000
2000
Un tā sajūt gaismu ar mazu acs laukumu,
06:04
whichkas worksdarbi not unlikeatšķirībā no how our eyeacs worksdarbi.
149
349000
3000
kurš nedarbojas tā, kā mūsu acis.
06:07
In its membranemembrāna, or its boundaryrobeža,
150
352000
2000
Tās membrānā vai tās robežslānī
06:09
it containssatur little proteinsolbaltumvielas
151
354000
3000
tā satur nelielas proteīnus,
06:12
that indeedpatiešām can convertkonvertēt lightgaisma into electricityelektrība.
152
357000
3000
kas patiešām spēj pārveidot gaismu elektrībā.
06:15
So these moleculesmolekulas are calledsauc channelrhodopsinschannelrhodopsins.
153
360000
3000
Šīs molekulas sauc par kanāla rodopsīniem.
06:18
And eachkatrs of these proteinsolbaltumvielas actsakti just like that solarsaules cellšūna that I told you about.
154
363000
3000
Un katrs no šiem proteīniem darbojas tāpat, kā saules baterija, par ko jums stāstīju.
06:21
When bluezils lightgaisma hitshits it, it opensatveras up a little holecaurums
155
366000
3000
Kad to sasniedz zila gaisma, tā atver nelielu caurumiņu
06:24
and allowsatļauj chargedjāmaksā particlesdaļiņas to enterievadiet the eye-spotacs-vietas,
156
369000
2000
un atļauj uzlādētām daļiņām ieiet acs laukumā.
06:26
and that allowsatļauj this eye-spotacs-vietas to have an electricalelektriski signalsignāls
157
371000
2000
Un tas atļauj acs laukumam veidot elektrisku signālu,
06:28
just like a solarsaules cellšūna charginguzlādēšana up a batteryakumulators.
158
373000
3000
tāpat kā saules baterijai uzlādēt bateriju.
06:31
So what we need to do is to take these moleculesmolekulas
159
376000
2000
Tas, kas mums jādara, ir jāpaņem šīs molekulas
06:33
and somehowkaut kā installuzstādīt them in neuronsneironi.
160
378000
2000
un kaut kādā veidā jāievieto tās neironos.
06:35
And because it's a proteinproteīns,
161
380000
2000
Un tāpēc, ka tā ir proteīns,
06:37
it's encodedkodēts for in the DNADNS of this organismorganisms.
162
382000
3000
tā ir kodēta priekš atrašanās šī organisma DNS.
06:40
So all we'vemēs esam got to do is take that DNADNS,
163
385000
2000
Viss, kas mums jādara, ir jāpaņem šis DNS,
06:42
put it into a genegēns therapyterapija vectorvektors, like a virusvīruss,
164
387000
3000
jāievieto tas gēnu terapijas vektorā, tāpat kā vīrusu,
06:45
and put it into neuronsneironi.
165
390000
3000
un jāievieto tas neironos.
06:48
So it turnedpagriezies out that this was a very productiveproduktīvs time in genegēns therapyterapija,
166
393000
3000
Tā nu iznāk, ka šis ir bijis ļoti ražīgs laiks gēnu terapijā,
06:51
and lots of virusesvīrusi were comingnāk alongkopā.
167
396000
2000
ir tikuši atklāti daudzi vīrusi.
06:53
So this turnedpagriezies out to be very simplevienkāršs to do.
168
398000
2000
Tad sanāk, ka ir ļoti viegli to izdarīt.
06:55
And earlyagri in the morningno rīta one day in the summervasara of 2004,
169
400000
3000
2004. gada kādā vasaras dienā agri no rīta
06:58
we gavedeva it a try, and it workedstrādāja on the first try.
170
403000
2000
mēs mēģinājām un tas izdevās pirmajā mēģinājumā.
07:00
You take this DNADNS and you put it into a neuronneirons.
171
405000
3000
Jūs paņemat DNS un ievietojat to neironā.
07:03
The neuronneirons useslietojumi its naturaldabisks protein-makingolbaltumvielu darīšanas machinerymašīnas
172
408000
3000
Neirons izmanto savu dabisko olbaltumvielu veidošanas mehānismu,
07:06
to fabricateizgatavot these little light-sensitivegaismas jutīgi proteinsolbaltumvielas
173
411000
2000
lai izveidotu šos mazos gaismas jutīgos proteīnus
07:08
and installuzstādīt them all over the cellšūna,
174
413000
2000
un ievietotu tos viscaur šūnā,
07:10
like puttingliekot solarsaules panelspaneļi on a roofjumts,
175
415000
2000
tāpat kā novietotu saules paneļus uz jumta.
07:12
and the nextnākamais thing you know,
176
417000
2000
Un nākamā lieta,
07:14
you have a neuronneirons whichkas can be activatedaktivizēts with lightgaisma.
177
419000
2000
jums ir neirons, kurš var tikt aktivēts ar gaismu.
07:16
So this is very powerfulspēcīgs.
178
421000
2000
Tas ir ļoti spēcīgs.
07:18
One of the trickstriki you have to do
179
423000
2000
Viens no trikiem, kas jums jādara,
07:20
is to figureskaitlis out how to deliverpiegādāt these genesgēni to the cellsšūnas that you want
180
425000
2000
ir jāsaprot, kā nogādāt šos gēnus uz tām šūnām, kurām jūs vēlaties,
07:22
and not all the other neighborskaimiņi.
181
427000
2000
bet ne citiem kaimiņiem.
07:24
And you can do that; you can tweakkniebiens the virusesvīrusi
182
429000
2000
Un jūs to varat izdarīt; jūs varat saspiest vīrusus,
07:26
so they hitsist just some cellsšūnas and not othersciti.
183
431000
2000
lai tie trāpa tikai dažas šūnas un ne citas.
07:28
And there's other geneticģenētiskā trickstriki you can playspēlēt
184
433000
2000
Un ir citi ģenētiski triki, kurus varat veikt,
07:30
in orderkārtībā to get light-activatedaktivizēt gaismas cellsšūnas.
185
435000
3000
lai iegūtu gaismas aktivētas šūnas.
07:33
This fieldlaukā has now come to be knownzināms as optogeneticsoptogenetics.
186
438000
4000
Šis lauciņš ir kļuvis tagad zināms kā optoģenētika.
07:37
And just as one examplepiemērs of the kindlaipns of thing you can do,
187
442000
2000
Un kā viens piemērs, ko varam darīt ir,
07:39
you can take a complexkomplekss networktīkls,
188
444000
2000
ka jūs varat paņemt kompleksu tīklu,
07:41
use one of these virusesvīrusi to deliverpiegādāt the genegēns
189
446000
2000
izmantot vienu no šiem vīrusiem, lai nogādātu gēnu
07:43
just to one kindlaipns of cellšūna in this denseblīvs networktīkls.
190
448000
3000
tikai uz viena veida šūnām šajā blīvajā tīklā.
07:46
And then when you shinespīdēt lightgaisma on the entireviss networktīkls,
191
451000
2000
Un tad, kad jūs ieslēdzat gaismu visā tīklā,
07:48
just that cellšūna typetips will be activatedaktivizēts.
192
453000
2000
tikai šis šūnu veids tiks aktivēts.
07:50
So for examplepiemērs, letsļauj sortkārtot of considerapsvērt that basketgrozs cellšūna I told you about earlieragrāk --
193
455000
3000
Tā, piemēram, parunāsim par groza šūnu, par kuru jums stāstīju pirms brīža --
07:53
the one that's atrophiedatrofējušies in schizophreniašizofrēnija
194
458000
2000
to, kas šizofrēnijas gadījumā atrofējas
07:55
and the one that is inhibitoryinhibitoru.
195
460000
2000
un kura ir inhibējama.
07:57
If we can deliverpiegādāt that genegēns to these cellsšūnas --
196
462000
2000
Ja mēs varam nogādāt gēnu šīm šūnām --
07:59
and they're not going to be alteredmainīts by the expressionizteiksme of the genegēns, of courseprotams --
197
464000
3000
un tās netiks gēna izpausmes pārveidotas, protams, --
08:02
and then flashzibspuldze bluezils lightgaisma over the entireviss brainsmadzenes networktīkls,
198
467000
3000
un tad apgaismosim visu smadzeņu tīklu ar zilu gaismu,
08:05
just these cellsšūnas are going to be drivenvadīta.
199
470000
2000
tikai šīs šūnas būs vadāmas.
08:07
And when the lightgaisma turnspagriežas off, these cellsšūnas go back to normalnormāls,
200
472000
2000
Un, kad gaisma izslēgsies, šīs šūnas atgriezīsies normālā stāvoklī,
08:09
so they don't seemšķiet to be averseizvairās no againstpret that.
201
474000
3000
tās nebūs pret to.
08:12
Not only can you use this to studypētījums what these cellsšūnas do,
202
477000
2000
Jūs ne tikai varat to izmantot, lai izpētītu, ko šīs šūnas dara,
08:14
what theirviņu powerjauda is in computingskaitļošana in the brainsmadzenes,
203
479000
2000
kāds ir to spēks smadzenēs,
08:16
but you can alsoarī use this to try to figureskaitlis out --
204
481000
2000
bet jūs arī varat to izmantot, lai saprastu --
08:18
well maybe we could jazzdžezs up the activityaktivitāte of these cellsšūnas,
205
483000
2000
iespējams, mēs varam palielināt šo šūnu aktivitāti,
08:20
if indeedpatiešām they're atrophiedatrofējušies.
206
485000
2000
ja tās ir atrofējušās.
08:22
Now I want to tell you a couplepāris of shortīss storiesstāsti
207
487000
2000
Tagad es vēlos jums pastāstīt pāris īsus stāstus
08:24
about how we're usingizmantojot this,
208
489000
2000
par to, kā mēs to izmantojam
08:26
bothabi at the scientificzinātnisks, clinicalklīnisks and pre-clinicalPirmsklīniskie levelslīmeņos.
209
491000
3000
gan zinātniskajā, gan klīniskajā un pirmsklīniskajā līmenī.
08:29
One of the questionsjautājumi we'vemēs esam confrontedsaskaras
210
494000
2000
Viens no jautājumiem, ar ko esam saskārušies,
08:31
is, what are the signalssignāli in the brainsmadzenes that mediatebūt par starpnieku the sensationsajūta of rewardatlīdzība?
211
496000
3000
ir, kādi ir signāli smadzenēs, kas pārraida atalgojuma sajūtu?
08:34
Because if you could find those,
212
499000
2000
Jo, ja jūs varat tos atrast,
08:36
those would be some of the signalssignāli that could drivebraukt learningmācīšanās.
213
501000
2000
tie var būt daži no signāliem, kas var sekmēt mācīšanos.
08:38
The brainsmadzenes will do more of whateverneatkarīgi no tā got that rewardatlīdzība.
214
503000
2000
Smadzenes darīs visu, lai iegūtu šo atalgojumu.
08:40
And alsoarī these are signalssignāli that go awrygreizi in disorderstraucējumi suchtāds as addictionatkarības.
215
505000
3000
Un tie ir arī signāli, kas ir nepareizi traucējumu, kā, piemēram, atkarību, gadījumos.
08:43
So if we could figureskaitlis out what cellsšūnas they are,
216
508000
2000
Ja mēs varētu izspriest, kas tās ir par šūnām,
08:45
we could maybe find newjauns targetsmērķi
217
510000
2000
mēs, iespējams, varētu atrast jaunus mērķus,
08:47
for whichkas drugsnarkotikas could be designedizstrādāts or screenedpārmeklē againstpret,
218
512000
2000
pret kuriem varētu tikt izgudrotas vai pārbaudītas zāles,
08:49
or maybe placesvietas where electrodeselektrodi could be put in
219
514000
2000
vai varbūt vietas, kurās varētu tikt ievietoti elektrodi
08:51
for people who have very severesmags disabilityinvaliditātes.
220
516000
3000
cilvēkiem, kuriem ir ļoti smaga invaliditāte.
08:54
So to do that, we camenāca up with a very simplevienkāršs paradigmparadigma
221
519000
2000
Lai to izdarītu, mēs nonācām pie ļoti vienkārša piemēra
08:56
in collaborationsadarbība with the FiorellaFiorella groupgrupa,
222
521000
2000
sadarbībā ar Fiorella grupu,
08:58
where one sidepusē of this little boxkaste,
223
523000
2000
kur vienā mazās kastītes pusē,
09:00
if the animaldzīvnieks goesiet there, the animaldzīvnieks getsizpaužas a pulseimpulss of lightgaisma
224
525000
2000
ja dzīvnieks pieiet pie tās, viņš saņem gaismas impulsu,
09:02
in orderkārtībā to make differentatšķirīgs cellsšūnas in the brainsmadzenes sensitivejutīgs to lightgaisma.
225
527000
2000
lai padarītu dažādas smadzeņu šūnas jutīgas pret gaismu.
09:04
So if these cellsšūnas can mediatebūt par starpnieku rewardatlīdzība,
226
529000
2000
Ja šīs šūnas spēj dot atbildes reakciju,
09:06
the animaldzīvnieks should go there more and more.
227
531000
2000
dzīvniekam vajadzētu iet tur vēl un vēl.
09:08
And so that's what happensnotiek.
228
533000
2000
Un tas ir tas, kas notiek.
09:10
This animal'sdzīvnieka going to go to the right-handlabā roka sidepusē and pokekule his nosedeguns there,
229
535000
2000
Šis dzīvnieks iet uz labo pusi un pabāž savu degunu tur,
09:12
and he getsizpaužas a flashzibspuldze of bluezils lightgaisma everykatrs time he does that.
230
537000
2000
un katru reizi, kad viņš to izdara, saņem zilas gaismas uzliesmojumu.
09:14
And he'llviņš būs do that hundredssimtiem and hundredssimtiem of timesreizes.
231
539000
2000
Un viņš to darīs simtiem reižu.
09:16
These are the dopaminedopamīns neuronsneironi,
232
541000
2000
Šie ir dopamīna neironi,
09:18
whichkas some of you mayvar have hearddzirdējuši about, in some of the pleasureprieks centerscentri in the brainsmadzenes.
233
543000
2000
par kuriem daži no jums varētu būt dzirdējuši, dažos smadzeņu baudas centros.
09:20
Now we'vemēs esam shownparādīts that a briefīss activationaktivizēšanas of these
234
545000
2000
Mēs esam parādījuši, ka neliela to aktivācija
09:22
is enoughpietiekami, indeedpatiešām, to drivebraukt learningmācīšanās.
235
547000
2000
ir pietiekama, lai veicinātu mācīšanos.
09:24
Now we can generalizevispārināt the ideaideja.
236
549000
2000
Tagad mēs varam vispārināt ideju.
09:26
InsteadTā vietā of one pointpunkts in the brainsmadzenes,
237
551000
2000
Tā vietā, lai tikai vienā smadzeņu punktā,
09:28
we can devisemantojums devicesierīces that spanspan the brainsmadzenes,
238
553000
2000
mēs varam izgudrot ierīces, kas aptver visas smadzenes,
09:30
that can deliverpiegādāt lightgaisma into three-dimensionaltrīsdimensiju patternsmodeļi --
239
555000
2000
kuras var nogādāt gaismu trīsdimensionālos modeļos --
09:32
arraysmasīvi of opticaloptiskie fibersšķiedras,
240
557000
2000
optisko šķiedru rindās,
09:34
eachkatrs coupledkopā to its ownpašu independentneatkarīgs miniatureminiatūra lightgaisma sourceavots.
241
559000
2000
kur katra no tām savienota ar neatkarīgu mazu gaismas avotu.
09:36
And then we can try to do things in vivovivo
242
561000
2000
Un tad mēs varam mēģināt izdarīt lietas organisma iekšienē,
09:38
that have only been donepabeigts to-datedatums līdz in a dishēdiens --
243
563000
3000
kas līdz šodienai ir darīts tikai ārpus tā --
09:41
like high-throughputaugstas caurlaidspējas screeningskrīnings throughoutvisā the entireviss brainsmadzenes
244
566000
2000
kā augstas caurspiešanās spējas caurskate cauri visām smadzenēm,
09:43
for the signalssignāli that can causeiemesls certainnoteikti things to happennotikt.
245
568000
2000
lai atrastu signālus, kas var būt par cēloni noteiktām lietām.
09:45
Or that could be good clinicalklīnisks targetsmērķi
246
570000
2000
Vai arī tie varētu būt labi klīniskie objekti,
09:47
for treatingārstēšana brainsmadzenes disorderstraucējumi.
247
572000
2000
lai ārstētu smadzeņu slimības.
09:49
And one storystāsts I want to tell you about
248
574000
2000
Un viens stāsts, ko vēlos jums pastāstīt,
09:51
is how can we find targetsmērķi for treatingārstēšana post-traumaticpēctraumatiskā stressstresu disordertraucējumi --
249
576000
3000
ir, kā mēs atrodam objektus, lai ārstētu pēctraumatiskā stresa sindromu --
09:54
a formforma of uncontrollednekontrolēta anxietytrauksme and fearbailes.
250
579000
3000
tas ir nekontrolēta nemiera un baiļu forma.
09:57
And one of the things that we did
251
582000
2000
Un viena no lietām, ko mēs darījām,
09:59
was to adoptpieņemt a very classicalklasiskā modelmodelis of fearbailes.
252
584000
3000
bija pieņemt ļoti klasisku baiļu modeli.
10:02
This goesiet back to the PavlovianPavlovian daysdienas.
253
587000
3000
Ir jāatgriežas Pavlova dienās.
10:05
It's calledsauc PavlovianPavlovian fearbailes conditioningkondicionēšana --
254
590000
2000
To sauc par Pavlova baiļu noteikšanu --
10:07
where a tonesignāls endsbeidzas with a briefīss shockšoks.
255
592000
2000
kur signāls beidzas ar neilgu šoku.
10:09
The shockšoks isn't painfulsāpīgs, but it's a little annoyingkaitinošs.
256
594000
2000
Šoks nav sāpīgs, bet tas ir nedaudz nepatīkams.
10:11
And over time -- in this casegadījums, a mousepele,
257
596000
2000
Un visos laikos -- šajā gadījumā pele,
10:13
whichkas is a good animaldzīvnieks modelmodelis, commonlybieži used in suchtāds experimentseksperimenti --
258
598000
2000
kura ir labs dzīvnieka objekts, bieži izmantota šādos eksperimentos --
10:15
the animaldzīvnieks learnsmācās to fearbailes the tonesignāls.
259
600000
2000
dzīvnieks iemācās baidīties no signāla.
10:17
The animaldzīvnieks will reactreaģēt by freezingsasaldēšana,
260
602000
2000
Dzīvnieks reaģēs uz to sastingstot,
10:19
sortkārtot of like a deerbrieži in the headlightspriekšējie lukturi.
261
604000
2000
līdzīgi kā briedis, redzot mašīnas gaismas.
10:21
Now the questionjautājums is, what targetsmērķi in the brainsmadzenes can we find
262
606000
3000
Tagad jautājums ir, kādus modeļus smadzenēs mēs varam atrast,
10:24
that allowatļaut us to overcomepārvarēt this fearbailes?
263
609000
2000
kas ļauj mums pārvarēt šīs bailes?
10:26
So what we do is we playspēlēt that tonesignāls again
264
611000
2000
Tas, ko mēs darām, ir, ka mēs atskaņojam šo skaņu vēlreiz,
10:28
after it's been associatedsaistīts with fearbailes.
265
613000
2000
pēc tam, kad tā bijusi saistīta ar bailēm.
10:30
But we activateaktivizēt targetsmērķi in the brainsmadzenes, differentatšķirīgs onestiem,
266
615000
2000
Bet mēs aktivējam dažādus modeļus smadzenēs,
10:32
usingizmantojot that opticaloptiskie fiberšķiedra arraymasīvs I told you about in the previousiepriekšējā slideslidkalniņš,
267
617000
3000
izmantojot optisko šķiedru rindu, par ko jums stāstīju iepriekšējā slīdā,
10:35
in orderkārtībā to try and figureskaitlis out whichkas targetsmērķi
268
620000
2000
lai tādā veidā noskaidrotu, kuri modeļi
10:37
can causeiemesls the brainsmadzenes to overcomepārvarēt that memoryatmiņa of fearbailes.
269
622000
3000
var izraisīt to, ka smadzenes pārvar baiļu atmiņu.
10:40
And so this briefīss videovideo
270
625000
2000
Un šis īsais video
10:42
showsšovs you one of these targetsmērķi that we're workingstrādā on now.
271
627000
2000
parāda jums vienu no šiem modeļiem, pie kā mēs pašlaik strādājam.
10:44
This is an areaplatība in the prefrontalprefrontal cortexgarozs,
272
629000
2000
Šis ir rajons prefrontālajā smadzeņu garozā,
10:46
a regionreģionā where we can use cognitionizziņa to try to overcomepārvarēt aversiveaversīvai emotionalemocionāls statesvalstis.
273
631000
3000
reģions, kur mēs varam izmantot izzināšanas spējas, lai pārvarētu nepatīkamus emocionālos stāvokļus.
10:49
And the animal'sdzīvnieka going to heardzirdēt a tonesignāls -- and a flashzibspuldze of lightgaisma occurrednotika there.
274
634000
2000
Un dzīvnieks dzirdēs skaņu -- un notika gaismas uzliesmojums.
10:51
There's no audioaudio on this, but you can see the animal'sdzīvnieka freezingsasaldēšana.
275
636000
2000
Šeit nav skaņas, taču jūs varat redzēt dzīvnieku sastingstam.
10:53
This tonesignāls used to mean badslikti newsziņas.
276
638000
2000
Šī skaņa nozīmē sliktas ziņas.
10:55
And there's a little clockpulkstenis in the lowerzemāks left-handkreisā roka cornerstūra,
277
640000
2000
Ir mazs pulkstenītis apakšējā kreisajā stūrī,
10:57
so you can see the animaldzīvnieks is about two minutesminūtes into this.
278
642000
3000
tāpēc jūs varat redzēt, ka dzīvnieks tajā ir apmēram divas minūtes.
11:00
And now this nextnākamais clipklips
279
645000
2000
Un nākamais klips
11:02
is just eightastoņi minutesminūtes latervēlāk.
280
647000
2000
ir tikai astoņas minūtes vēlāk.
11:04
And the samepats tonesignāls is going to playspēlēt, and the lightgaisma is going to flashzibspuldze again.
281
649000
3000
Un nākamā skaņa tiks atskaņota, un gaisma atkal ieslēgsies.
11:07
Okay, there it goesiet. Right now.
282
652000
3000
Labi, te tas ir. Tieši tagad.
11:10
And now you can see, just 10 minutesminūtes into the experimenteksperiments,
283
655000
3000
Un tagad jūs varat redzēt, tikai 10 minūtes veicot eksperimentu,
11:13
that we'vemēs esam equippedaprīkots the brainsmadzenes by photoactivatingphotoactivating this areaplatība
284
658000
3000
ka mēs esam sagatavojuši smadzenes, fotoaktivējot šo rajonu,
11:16
to overcomepārvarēt the expressionizteiksme
285
661000
2000
lai pārvarētu baiļu atmiņas
11:18
of this fearbailes memoryatmiņa.
286
663000
2000
izpausmi.
11:20
Now over the last couplepāris of yearsgadiem, we'vemēs esam goneaizgājis back to the treekoks of life
287
665000
3000
Pēdējos pāris gadus mēs esam atgriezušies pie dzīvības koka,
11:23
because we wanted to find waysceļi to turnpagriezties circuitsķēdes in the brainsmadzenes off.
288
668000
3000
jo mēs gribējām atrast veidus kā varētu izslēgt riņķojumus smadzenēs.
11:26
If we could do that, this could be extremelyārkārtīgi powerfulspēcīgs.
289
671000
3000
Ja mēs to varētu izdarīt, tas būtu ļoti spēcīgi.
11:29
If you can deletedzēst cellsšūnas just for a fewmaz millisecondsmilisekundes or secondssekundes,
290
674000
3000
Ja jūs varat izdzēst šūnas tikai dažas milisekundes vai sekundes,
11:32
you can figureskaitlis out what necessarynepieciešams roleloma they playspēlēt
291
677000
2000
jūs varat saprast, kādu svarīgu lomu tās spēlē
11:34
in the circuitsķēdes in whichkas they're embeddediegultā.
292
679000
2000
riņķojumos, kuros tās ir iesaistītas.
11:36
And we'vemēs esam now surveyedaptaujāto organismsorganismiem from all over the treekoks of life --
293
681000
2000
Un tagad mēs esam apskatījuši organismus visapkārt dzīvības kokam --
11:38
everykatrs kingdomvalstība of life exceptizņemot for animalsdzīvnieki, we see slightlynedaudz differentlyatšķirīgi.
294
683000
3000
katru dzīvo būtņu valsti, izņemot dzīvniekus, kurus mēs redzam nedaudz citādāk.
11:41
And we foundatrasts all sortsšķiro of moleculesmolekulas, they're calledsauc halorhodopsinshalorhodopsins or archaerhodopsinsarchaerhodopsins,
295
686000
3000
Un mēs atradām visu veidu molekulas, tos sauc par halorodopsīniem vai arherodopsīniem,
11:44
that respondatbildēt to greenzaļš and yellowdzeltens lightgaisma.
296
689000
2000
kuri reaģē uz zaļu un dzeltenu gaismu.
11:46
And they do the oppositepretī thing of the moleculemolekula I told you about before
297
691000
2000
Un tie dara pretēju lietu, nekā molekula, par ko jums iepriekš stāstīju,
11:48
with the bluezils lightgaisma activatoraktivators channelrhodopsinchannelrhodopsin.
298
693000
3000
kam ir zilās gaismas aktivators kanāla rodopsīns.
11:52
Let's give an examplepiemērs of where we think this is going to go.
299
697000
3000
Pateikšu piemēru, kā mēs domājam, kur tas nonāks.
11:55
ConsiderApsveriet iespēju, for examplepiemērs, a conditionnosacījums like epilepsyepilepsija,
300
700000
3000
Uzskatiet par piemēru stāvokli kā epilepsija,
11:58
where the brainsmadzenes is overactivehiperaktīva.
301
703000
2000
kuras gadījumā smadzenes ir pārāk aktīvas.
12:00
Now if drugsnarkotikas failneizdoties in epilepticepilepsija treatmentārstēšana,
302
705000
2000
Ja zāles epilepsijas ārstēšanā nedarbojas,
12:02
one of the strategiesstratēģijas is to removenoņemt partdaļa of the brainsmadzenes.
303
707000
2000
viena no stratēģijām ir noņemt daļu smadzeņu.
12:04
But that's obviouslyprotams irreversibleneatgriezeniskas, and there could be sidepusē effectsefekti.
304
709000
2000
Bet tas ir pilnīgi neatgriezeniski, un tam var būt blakus efekti.
12:06
What if we could just turnpagriezties off that brainsmadzenes for a briefīss amountsumma of time,
305
711000
3000
Ja nu mēs varētu vienkārši izslēgt smadzenes uz kādu īsu laiku,
12:09
untillīdz the seizurekrampji diesnomirst away,
306
714000
3000
kamēr lēkme beidzas,
12:12
and causeiemesls the brainsmadzenes to be restoredatjaunota to its initialsākotnējais stateValsts --
307
717000
3000
un likt smadzenēm atjaunoties savā iepriekšējā stāvoklī --
12:15
sortkārtot of like a dynamicaldynamical systemsistēma that's beingbūt coaxediespīdējās down into a stablestabils stateValsts.
308
720000
3000
sava veida dinamiska sistēma, kas ir novesta stabilā stāvoklī.
12:18
So this animationanimācija just triesmēģina to explainizskaidrot this conceptjēdziens
309
723000
3000
Šī animācija tikai cenšas izskaidrot šo koncepciju,
12:21
where we madeizgatavots these cellsšūnas sensitivejutīgs to beingbūt turnedpagriezies off with lightgaisma,
310
726000
2000
kad mēs padarījām šīs šūnas jutīgas pret izslēgšanu ar gaismu,
12:23
and we beamStars lightgaisma in,
311
728000
2000
un mēs ieslēdzām gaismu,
12:25
and just for the time it takes to shutslēgt down a seizurekrampji,
312
730000
2000
un laikā, kas vajadzīgs, lai novērstu lēkmi,
12:27
we're hopingcerot to be ablespējīgs to turnpagriezties it off.
313
732000
2000
mēs ceram, ka spēsim to izslēgt.
12:29
And so we don't have datadatus to showparādīt you on this frontpriekšā,
314
734000
2000
Mums nav datu, lai parādītu no šīs puses,
12:31
but we're very excitedsatraukti about this.
315
736000
2000
bet mēs esam ļoti priecīgi par to.
12:33
Now I want to closetuvu on one storystāsts,
316
738000
2000
Tagad es vēlos nobeigt ar vienu stāstu,
12:35
whichkas we think is anothercits possibilityiespēja --
317
740000
2000
kurš, kā mēs domājam, ir vēl viena iespēja --
12:37
whichkas is that maybe these moleculesmolekulas, if you can do ultra-preciseultra-precīzi controlkontrole,
318
742000
2000
kas ir tāda, ka, iespējams, šīs molekulas, ja jūs varat veikt ļoti precīzu kontroli,
12:39
can be used in the brainsmadzenes itselfpati par sevi
319
744000
2000
var tikt pašu smadzeņu izmantotas,
12:41
to make a newjauns kindlaipns of prostheticprotēzes, an opticaloptiskie prostheticprotēzes.
320
746000
3000
lai izveidotu jauna veida protēzes, optiskās protēzes.
12:44
I alreadyjau told you that electricalelektriski stimulatorsstimulatori are not uncommonnekas neparasts.
321
749000
3000
Es jau jums stāstīju, ka elektriskie stimulatori nav nekas neparasts.
12:47
Seventy-fiveSeptiņdesmit pieci thousandtūkstotis people have Parkinson'sParkinsona deep-braindziļi smadzenēs stimulatorsstimulatori implantedimplantēts.
322
752000
3000
75,000 cilvēkiem ir ievietoti Parkinsona dziļie smadzeņu stimulatori.
12:50
Maybe 100,000 people have CochlearCochlear implantsimplanti,
323
755000
2000
Iespējams, 100,000 cilvēku ir auss gliemeža implanti,
12:52
whichkas allowatļaut them to heardzirdēt.
324
757000
2000
kas ļauj tiem dzirdēt.
12:54
There's anothercits thing, whichkas is you've got to get these genesgēni into cellsšūnas.
325
759000
3000
Ir cita lieta, kas ir tāda, ka jums jādabū šie gēni iekšā šūnās.
12:57
And newjauns hopeceru in genegēns therapyterapija has been developedattīstīta
326
762000
3000
Un gēnu terapijā tiek attīstīta jauna cerība,
13:00
because virusesvīrusi like the adeno-associatedadeno-saistīto virusvīruss,
327
765000
2000
jo vīrusi, kā piemēram, adenovīruss,
13:02
whichkas probablydroši vien mostlielākā daļa of us around this roomistaba have,
328
767000
2000
kurš, iespējams, ir lielākajai daļai no mums šajā telpā,
13:04
and it doesn't have any symptomssimptomi,
329
769000
2000
tam nav nekādu simptomu,
13:06
whichkas have been used in hundredssimtiem of patientspacienti
330
771000
2000
tas ir lietots simtiem pacientu,
13:08
to deliverpiegādāt genesgēni into the brainsmadzenes or the bodyķermenis.
331
773000
2000
lai gēnus nogādātu smadzenēs vai ķermenī.
13:10
And so fartālu, there have not been seriousnopietns adversenelabvēlīgu eventsnotikumi
332
775000
2000
Un līdz šim tam nav bijusi nopietna nelabvēlīga ietekme,
13:12
associatedsaistīts with the virusvīruss.
333
777000
2000
kas saistīti ar vīrusu.
13:14
There's one last elephantzilonis in the roomistaba, the proteinsolbaltumvielas themselvespaši,
334
779000
3000
Ir lieta, ko visi labi apzinās, taču par to nerunā, proti pašas olbaltumvielas,
13:17
whichkas come from algaeaļģes and bacteriabaktērijas and fungisēnītes,
335
782000
2000
kuras nāk no aļģēm un baktērijām, un sēnēm,
13:19
and all over the treekoks of life.
336
784000
2000
un no visa dzīvības koka.
13:21
MostLielākā daļa of us don't have fungisēnītes or algaeaļģes in our brainssmadzenes,
337
786000
2000
Lielākajai daļai no mums sēnes vai aļģes nav smadzenēs,
13:23
so what is our brainsmadzenes going to do if we put that in?
338
788000
2000
tad ko mūsu smadzenes darīs, kad mēs tos tur ievietosim?
13:25
Are the cellsšūnas going to toleratepaciest it? Will the immuneimūns systemsistēma reactreaģēt?
339
790000
2000
Vai šūnas to pieņems? Vai imūnsistēma reaģēs?
13:27
In its earlyagri daysdienas -- these have not been donepabeigts on humanscilvēki yetvēl --
340
792000
2000
No sākuma -- tas vēl nav veikts cilvēkam --
13:29
but we're workingstrādā on a varietyšķirne of studiespētījumi
341
794000
2000
bet mēs strādājam pie dažādiem pētījumiem,
13:31
to try and examinepārbaudīt this,
342
796000
2000
lai to izmēģinātu un izpētītu.
13:33
and so fartālu we haven'tnav seenredzējis overtatklāts reactionsreakcijas of any severitysmagums
343
798000
3000
Un līdz šim mēs neesam redzējuši nevienas smaguma pakāpes redzamas reakcijas
13:36
to these moleculesmolekulas
344
801000
2000
šajās molekulās,
13:38
or to the illuminationapgaismojums of the brainsmadzenes with lightgaisma.
345
803000
3000
vai arī smadzeņu izgaismošanā.
13:41
So it's earlyagri daysdienas, to be upfrontsākumā, but we're excitedsatraukti about it.
346
806000
3000
Šis ir tikai sākums, būšu godīgs, bet mēs esam par to priecīgi.
13:44
I wanted to closetuvu with one storystāsts,
347
809000
2000
Es vēlējos nobeigt ar vienu stāstu,
13:46
whichkas we think could potentiallypotenciāli
348
811000
2000
kuram, mūsuprāt, ir potenciāli
13:48
be a clinicalklīnisks applicationpieteikums.
349
813000
2000
klīnisks pielietojums.
13:50
Now there are manydaudzi formsveidlapas of blindnessaklums
350
815000
2000
Ir daudzas akluma formas,
13:52
where the photoreceptorsfotoreceptori,
351
817000
2000
kad fotoreceptori,
13:54
our lightgaisma sensorssensori that are in the back of our eyeacs, are goneaizgājis.
352
819000
3000
mūsu gaismas sensori, kas atrodas acs mugurējā daļā, pazūd.
13:57
And the retinatīklene, of courseprotams, is a complexkomplekss structurestruktūra.
353
822000
2000
Un tīklene, protams, ir sarežģīta struktūra.
13:59
Now let's zoomtālummaiņa in on it here, so we can see it in more detaildetaļa.
354
824000
2000
Tagad pievilksim to šeit tuvāk, tā mēs varam redzēt detalizētāk.
14:01
The photoreceptorphotoreceptor cellsšūnas are shownparādīts here at the toptops,
355
826000
3000
Fotoreceptoru šūnas ir parādītas augšā,
14:04
and then the signalssignāli that are detectedatklāti by the photoreceptorsfotoreceptori
356
829000
2000
un tad signāli, kurus uztver fotoreceptori,
14:06
are transformedpārveidots by variousdažādi computationsaprēķini
357
831000
2000
tiek pārveidoti dažādos aprēķinos,
14:08
untillīdz finallybeidzot that layerslānis of cellsšūnas at the bottomapakšā, the ganglionganglion cellsšūnas,
358
833000
3000
līdz kamēr beidzot šūnu slānis apakšā, ganglija šūnas,
14:11
relayrelejs the informationinformācija to the brainsmadzenes,
359
836000
2000
nodod informāciju smadzenēm,
14:13
where we see that as perceptionuztvere.
360
838000
2000
kur mēs to redzam kā uztveri.
14:15
In manydaudzi formsveidlapas of blindnessaklums, like retinitisretinitis pigmentosapigmentosa,
361
840000
3000
Daudzās akluma formās, kā, piemēram, retinitis pigmentosa
14:18
or macularmakulas degenerationdeģenerācija,
362
843000
2000
vai makulārajā deģenerācijā,
14:20
the photoreceptorphotoreceptor cellsšūnas have atrophiedatrofējušies or been destroyediznīcina.
363
845000
3000
fotoreceptoru šūnas ir atrofējušās vai tikušas iznīcinātas.
14:23
Now how could you repairremonts this?
364
848000
2000
Kā tās var atjaunot?
14:25
It's not even clearskaidrs that a drugzāles could causeiemesls this to be restoredatjaunota,
365
850000
3000
Nav pat skaidrs, vai zāles var to atjaunot,
14:28
because there's nothing for the drugzāles to bindsaistīt to.
366
853000
2000
jo nav nekas, pie kā zāles var saistīties.
14:30
On the other handroka, lightgaisma can still get into the eyeacs.
367
855000
2000
No otras puses, gaisma vēl joprojām var iekļūt acī.
14:32
The eyeacs is still transparentcaurspīdīgs and you can get lightgaisma in.
368
857000
3000
Acs vēl joprojām ir caurspīdīga un gaisma var iekļūt.
14:35
So what if we could just take these channelrhodopsinschannelrhodopsins and other moleculesmolekulas
369
860000
3000
Ja nu mēs varētu paņemt šos kanāla rodopsīnus un citas molekulas
14:38
and installuzstādīt them on some of these other sparerezerves cellsšūnas
370
863000
2000
un ievietot tās dažās no rezerves šūnām
14:40
and convertkonvertēt them into little cameraskameras.
371
865000
2000
un pārveidot tās mazās kamerās.
14:42
And because there's so manydaudzi of these cellsšūnas in the eyeacs,
372
867000
2000
Un tāpēc, ka acī ir tik daudz šo šūnu,
14:44
potentiallypotenciāli, they could be very high-resolutionaugstas izšķirtspējas cameraskameras.
373
869000
3000
potenciāli tās varētu būt ļoti augstas izšķirtspējas kameras.
14:47
So this is some work that we're doing.
374
872000
2000
Tā ir daļa no darba, ko mēs veicam.
14:49
It's beingbūt led by one of our collaboratorslīdzstrādnieki,
375
874000
2000
To vada viens no mūsu darbiniekiem,
14:51
AlanAlans HorsagerHorsager at USCUSC,
376
876000
2000
Alans Horseidžers Dienvidkalifornijas universitātē,
14:53
and beingbūt soughtmeklēju to be commercializedrealizācijai by a start-updarbības uzsākšanai companyuzņēmums EosEOS NeuroscienceNeiroloģijas,
377
878000
3000
un tas tiek mēģināts laist tirgū ar jauna uzņēmuma Eos Neuroscience palīdzību,
14:56
whichkas is fundedfinansē by the NIHNIH.
378
881000
2000
kuru finansē Nacionālais veselības institūts.
14:58
And what you see here is a mousepele tryingmēģina to solveatrisināt a mazelabirints.
379
883000
2000
Un tas, ko jūs šeit redzat, ir pele, kas cenšas izkļūt no labirinta.
15:00
It's a six-armsešas rokas mazelabirints. And there's a bitmazliet of waterūdens in the mazelabirints
380
885000
2000
Tas ir sešstūru labirints. Un tajā ir nedaudz ūdens,
15:02
to motivatemotivēt the mousepele to movekustēties, or he'llviņš būs just sitsēdēt there.
381
887000
2000
lai motivētu peli kustēties, citādi tā vienkārši nekustēsies.
15:04
And the goalmērķis, of courseprotams, of this mazelabirints
382
889000
2000
Un šī labirinta mērķis, protams,
15:06
is to get out of the waterūdens and go to a little platformplatforma
383
891000
2000
ir izkļūt no ūdens un tikt uz mazu platformiņu,
15:08
that's underzem the litlit toptops portosta.
384
893000
2000
kas ir zem izgaismotas ejas.
15:10
Now micepelēm are smartgudrs, so this mousepele solvesatrisina the mazelabirints eventuallybeidzot,
385
895000
3000
Pele ir gudra, tā nu viņa beidzot izpēta šo labirintu,
15:13
but he does a brute-forcebrutālu-force searchMeklēt.
386
898000
2000
bet tā veic meklēšanu ar brutālu spēku.
15:15
He's swimmingpeldēšana down everykatrs avenueavenue untillīdz he finallybeidzot getsizpaužas to the platformplatforma.
387
900000
3000
Tā peld pa katru ceļu, līdz beidzot nokļūst līdz platformai.
15:18
So he's not usingizmantojot visionvīzija to do it.
388
903000
2000
Tā neizmanto redzi, lai to izdarītu.
15:20
These differentatšķirīgs micepelēm are differentatšķirīgs mutationsmutācijas
389
905000
2000
Šīs dažādās peles ir dažādas mutācijas,
15:22
that recapitulateapkopot differentatšķirīgs kindsveidi of blindnessaklums that affectietekmēt humanscilvēki.
390
907000
3000
kas parāda dažādus akluma veidus, kas ietekmē cilvēkus.
15:25
And so we're beingbūt carefuluzmanīgs in tryingmēģina to look at these differentatšķirīgs modelsmodeļi
391
910000
3000
Un mēs esam piesardzīgi, cenšoties skatīties uz šiem dažādajiem modeļiem,
15:28
so we come up with a generalizedģeneralizēta approachpieeja.
392
913000
2000
tā nu mēs nonākam pie vispārinātas pieejas.
15:30
So how are we going to solveatrisināt this?
393
915000
2000
Kā mēs to atrisināsim?
15:32
We're going to do exactlytieši tā what we outlinedieskicētā in the previousiepriekšējā slideslidkalniņš.
394
917000
2000
Mēs darīsim tieši to, ko pieminējām iepriekšējā slīdā.
15:34
We're going to take these bluezils lightgaisma photosensorsphotosensors
395
919000
2000
Mēs paņemsim šos zilās gaismas fotosensorus
15:36
and installuzstādīt them on a layerslānis of cellsšūnas
396
921000
2000
un ievietosim tos šūnu slānī
15:38
in the middlevidū of the retinatīklene in the back of the eyeacs
397
923000
3000
tīklenes vidusdaļā acs aizmugurē
15:41
and convertkonvertēt them into a camerakamera --
398
926000
2000
un pārveidosim tos kamerā.
15:43
just like installinginstalēšana solarsaules cellsšūnas all over those neuronsneironi
399
928000
2000
Tāpat kā ievietojot saules baterijas viscaur šajos neironos,
15:45
to make them lightgaisma sensitivejutīgs.
400
930000
2000
lai tos padarītu gaismas jutīgus,
15:47
LightGaisma is convertedkonvertēt to electricityelektrība on them.
401
932000
2000
gaisma tajos ir pārveidota par elektrību.
15:49
So this mousepele was blindakls a couplepāris weeksnedēļas before this experimenteksperiments
402
934000
3000
Šī pele bija akla pāris nedēļas pirms šī eksperimenta
15:52
and receivedsaņēma one dosedevas of this photosensitiveFotosensitīvās moleculemolekula in a virusvīruss.
403
937000
3000
un saņēma vienu devu gaismjutīgās molekulas, kas atradās vīrusā.
15:55
And now you can see, the animaldzīvnieks can indeedpatiešām avoidizvairīties wallssienas
404
940000
2000
Un tagad jūs varat redzēt, ka dzīvnieks var izvairīties no sienām
15:57
and go to this little platformplatforma
405
942000
2000
un nokļūt līdz šai mazajai platformai
15:59
and make cognitiveizziņas use of its eyesacis again.
406
944000
3000
un izmantot atkal savas acis, lai orientētos.
16:02
And to pointpunkts out the powerjauda of this:
407
947000
2000
Un, lai izskaidrotu tā spēku:
16:04
these animalsdzīvnieki are ablespējīgs to get to that platformplatforma
408
949000
2000
šie dzīvnieki spēj nokļūt līdz platformai
16:06
just as fastātri as animalsdzīvnieki that have seenredzējis theirviņu entireviss livesdzīvo.
409
951000
2000
tikpat ātri, kā dzīvnieki, kas ir spējīgi redzēt visu laiku.
16:08
So this pre-clinicalPirmsklīniskie studypētījums, I think,
410
953000
2000
Šie pirmsklīniskie pētījumi, manuprāt,
16:10
bodessola hopeceru for the kindsveidi of things
411
955000
2000
sola cerību daudzām lietām,
16:12
we're hopingcerot to do in the futurenākotne.
412
957000
2000
kuras mēs ceram darīt nākotnē.
16:14
To closetuvu, I want to pointpunkts out that we're alsoarī exploringizpētot
413
959000
3000
Noslēgumā es vēlos pateikt, ka mēs izpētām arī
16:17
newjauns businessBizness modelsmodeļi for this newjauns fieldlaukā of neurotechnologyneurotechnology.
414
962000
2000
jaunus biznesa modeļus šim jaunajam neirotehnoloģijas lauciņam.
16:19
We're developingattīstot these toolsinstrumenti,
415
964000
2000
Mēs attīstām šos rīkus,
16:21
but we sharedalīties them freelybrīvi with hundredssimtiem of groupsgrupām all over the worldpasaule,
416
966000
2000
bet mēs ar tiem brīvi dalāmies ar simtiem grupām visā pasaulē,
16:23
so people can studypētījums and try to treatārstēt differentatšķirīgs disorderstraucējumi.
417
968000
2000
tā cilvēki var izpētīt un censties izārstēt dažādas slimības.
16:25
And our hopeceru is that, by figuringnorādīt out brainsmadzenes circuitsķēdes
418
970000
3000
Un mūsu cerība ir, ka, abstrakcijas līmenī saprotot
16:28
at a levellīmenis of abstractionabstrakcija that letsļauj us repairremonts them and engineerinženieris them,
419
973000
3000
mūsu smadzeņu ciklus, kas ļauj mums tos atjaunot un veidot,
16:31
we can take some of these intractablegrūtāk disorderstraucējumi that I told you about earlieragrāk,
420
976000
3000
mēs varam paņemt dažas no šīm neārstējamām slimībām, par kurām jums stāstīju agrāk,
16:34
practicallypraktiski nonenav of whichkas are curedkaltēta,
421
979000
2000
no kurām praktiski neviena nav ārstējama,
16:36
and in the 21stst centurygadsimts make them historyvēsture.
422
981000
2000
un 21. gadsimtā padarīt tās par vēsturi.
16:38
Thank you.
423
983000
2000
Paldies jums.
16:40
(ApplauseAplausi)
424
985000
13000
(Aplausi)
16:53
JuanJuan EnriquezEnriquez: So some of the stuffstuff is a little denseblīvs.
425
998000
3000
Huans Enrikess: Dažas no lietām ir nedaudz pagrūtas.
16:56
(LaughterSmiekli)
426
1001000
2000
(Smiekli)
16:58
But the implicationssekas
427
1003000
2000
Bet spēt
17:00
of beingbūt ablespējīgs to controlkontrole seizureskrampji or epilepsyepilepsija
428
1005000
3000
kontrolēt epilepsijas lēkmes
17:03
with lightgaisma insteadtā vietā of drugsnarkotikas,
429
1008000
2000
ar gaismas palīdzību zāļu vietā,
17:05
and beingbūt ablespējīgs to targetmērķis those specificallykonkrēti
430
1010000
3000
un spēt sasniegt mērķi
17:08
is a first stepsolis.
431
1013000
2000
ir pirmais solis.
17:10
The secondotrais thing that I think I hearddzirdējuši you say
432
1015000
2000
Otra lieta, kuru, es domāju, dzirdēju jūs sakot
17:12
is you can now controlkontrole the brainsmadzenes in two colorskrāsas,
433
1017000
3000
ir, ka jūs tagad varat kontrolēt smadzenes divās krāsās.
17:15
like an on/off switchslēdzis.
434
1020000
2000
Kā ieslēgšanas un izslēgšanas slēdzi.
17:17
EdEd BoydenBoyden: That's right.
435
1022000
2000
Eds Boidens: Tā ir taisnība.
17:19
JEJE: WhichKurā makespadara everykatrs impulseimpulss going throughcauri the brainsmadzenes a binarybinārs codekods.
436
1024000
3000
HE: Kas pārveido katru impulsu, ejot caur smadzenēm, par bināro kodu.
17:22
EBEB: Right, yeah.
437
1027000
2000
EB: Pareizi, jā.
17:24
So with bluezils lightgaisma, we can drivebraukt informationinformācija, and it's in the formforma of a one.
438
1029000
3000
Ar zilu gaismu mēs varam vadīt informāciju, un tā ir vienotā formā.
17:27
And by turningpagrieziens things off, it's more or lessmazāk a zeronulle.
439
1032000
2000
Un izslēdzot lietas, tā vairāk vai mazāk ir nulle.
17:29
So our hopeceru is to eventuallybeidzot buildbūvēt brainsmadzenes coprocessorscoprocessors
440
1034000
2000
Mēs ceram beidzot uzbūvēt smadzeņu līdzprocesorus,
17:31
that work with the brainsmadzenes
441
1036000
2000
kuri darbojas ar smadzenēm,
17:33
so we can augmentpaplašināt functionsfunkcijas in people with disabilitiesattīstības traucējumiem.
442
1038000
3000
tā mēs varētu palielināt cilvēku ar invaliditāti funkcijas.
17:36
JEJE: And in theoryteorija, that meansnozīmē that,
443
1041000
2000
HE: Un teorētiski tas nozīmē to,
17:38
as a mousepele feelsjūtas, smellssmaržo,
444
1043000
2000
ka tad, kad pele sajūt, saož,
17:40
hearsdzird, touchespieskaras,
445
1045000
2000
dzird, pieskaras,
17:42
you can modelmodelis it out as a stringvirkne of onestiem and zerosnulles.
446
1047000
3000
jūs varat uzmodelēt to kā vieninieku un nuļļu virkni.
17:45
EBEB: Sure, yeah. We're hopingcerot to use this as a way of testingtestēšana
447
1050000
2000
EB: Protams, jā. Mēs ceram lietot šo, lai pārbaudītu,
17:47
what neuralnervu codeskodi can drivebraukt certainnoteikti behaviorsuzvedība
448
1052000
2000
kādi nervu kodi var vadīt noteiktu uzvedību
17:49
and certainnoteikti thoughtsdomas and certainnoteikti feelingsjūtas,
449
1054000
2000
un noteiktas domas, un noteiktas sajūtas,
17:51
and use that to understandsaprast more about the brainsmadzenes.
450
1056000
3000
un lietot to, lai saprastu par smadzenēm daudz vairāk.
17:54
JEJE: Does that mean that some day you could downloadlejupielādēt memoriesatmiņas
451
1059000
3000
HE: Vai tas nozīmē, ka kādu dienu jūs varēsiet lejuplādēt atmiņas
17:57
and maybe uploadaugšupielādēt them?
452
1062000
2000
un iespējams augšuplādēt tās?
17:59
EBEB: Well that's something we're startingsākums to work on very hardgrūti.
453
1064000
2000
EB: Tas ir kaut kas, pie kā mēs ļoti smagi esam sākuši strādāt.
18:01
We're now workingstrādā on some work
454
1066000
2000
Mēs pašlaik strādājam pie kāda darba,
18:03
where we're tryingmēģina to tileflīze the brainsmadzenes with recordingieraksts elementselementi too.
455
1068000
2000
kurā mēs cenšamies izvietot smadzenēs datu ierakstīšanas elementus.
18:05
So we can recordierakstīt informationinformācija and then drivebraukt informationinformācija back in --
456
1070000
3000
Tā mēs varam ierakstīt informāciju un tad to ievietot atpakaļ --
18:08
sortkārtot of computingskaitļošana what the brainsmadzenes needsvajadzībām
457
1073000
2000
sava veida izskaitļošana, ko smadzenēm vajag,
18:10
in orderkārtībā to augmentpaplašināt its informationinformācija processingpārstrāde.
458
1075000
2000
lai pieaugtu tās informācijas apstrāde.
18:12
JEJE: Well, that mightvarētu changemainīt a couplepāris things. Thank you. (EBEB: Thank you.)
459
1077000
3000
HE: Labi, tas varētu mainīt pāris lietas. Paldies jums. (EB: Paldies.)
18:15
(ApplauseAplausi)
460
1080000
3000
(Aplausi)
Translated by Laura Taurina
Reviewed by Kristaps Kadiķis

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ed Boyden | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee