TED2011
Ed Boyden: A light switch for neurons
Ed Boyden: En strömbrytare för nervceller
Filmed:
Readability: 4
1,098,379 views
Ed Boyden visar hur han, genom att tillföra gener för ljuskänsliga proteiner till nervceller, selektivt kan aktivera eller avaktivera vissa nervceller med fiberoptiska implantat. Med denna extremt specifika kontroll, har han botat möss från PTSD och vissa typer av blindhet. I framtiden väntar nervcellsproteser. Moderatorn Juan Enriquez håller en kort frågestund efter föredraget.
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
Fundera lite på din dag.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
Du vaknade, kände frisk luft
mot ditt ansikte när du gick ut,
mot ditt ansikte när du gick ut,
00:20
encountered new colleagues and had great discussions,
2
5000
2000
mötte nya kollegor som du diskuterade med
00:22
and felt in awe when you found something new.
3
7000
2000
och blev upplyft när du
upptäckte något nytt.
upptäckte något nytt.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Men jag lovar att det är
nåt du inte tänkte på,
nåt du inte tänkte på,
00:26
something so close to home
5
11000
2000
något som ligger så nära
00:28
that you probably don't think about it very often at all.
6
13000
2000
att du troligen inte tänker på det ofta.
00:30
And that's that all the sensations, feelings,
7
15000
2000
Och det är att alla upplevelser, känslor,
00:32
decisions and actions
8
17000
2000
val och handlingar
00:34
are mediated by the computer in your head
9
19000
2000
förmedlas av datorn i ditt huvud
00:36
called the brain.
10
21000
2000
som kallas hjärnan.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Hjärnan kanske inte ser
märkvärdig ut från utsidan
märkvärdig ut från utsidan
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
några kilon rosa-grått kött,
00:42
amorphous --
13
27000
2000
oformligt,
00:44
but the last hundred years of neuroscience
14
29000
2000
men det senaste seklets neurovetenskap
00:46
have allowed us to zoom in on the brain,
15
31000
2000
har låtit oss zooma in på hjärnan
och se detaljerna som finns inuti
00:48
and to see the intricacy of what lies within.
16
33000
2000
00:50
And they've told us that this brain
17
35000
2000
och de har sagt oss att hjärnan
00:52
is an incredibly complicated circuit
18
37000
2000
är en otroligt komplicerad krets,
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
uppbyggd av hundratals miljarder
celler som kallas neuroner.
celler som kallas neuroner.
00:58
Now unlike a human-designed computer,
20
43000
3000
Till skillnad från en
mänskligt designad dator
mänskligt designad dator
01:01
where there's a fairly small number of different parts --
21
46000
2000
som består av ett litet antal olika delar
01:03
we know how they work, because we humans designed them --
22
48000
3000
som vi vet hur de funkar,
för vi människor designade dem,
för vi människor designade dem,
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
består hjärnan av
tusentals olika typer av celler,
tusentals olika typer av celler,
01:09
maybe tens of thousands.
24
54000
2000
kanske tiotusentals.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
De har olika form,
består av olika molekyler,
består av olika molekyler,
01:13
And they project and connect to different brain regions,
26
58000
3000
de ansluter till olika regioner i hjärnan
01:16
and they also change different ways in different disease states.
27
61000
3000
och de ändrar sina beteenden
i olika sjukdomstillstånd.
i olika sjukdomstillstånd.
01:19
Let's make it concrete.
28
64000
2000
För att vara konkret:
01:21
There's a class of cells,
29
66000
2000
Det finns en klass celler,
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
en ganska liten, inhiberande cell,
som tystar sina grannar.
som tystar sina grannar.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Det är en av cellerna som förtvinar
vid sjukdomar som schizofreni.
vid sjukdomar som schizofreni.
01:30
It's called the basket cell.
32
75000
2000
Den kallas för korgcell.
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Och denna cell är en av
de tusentals cellsorter
de tusentals cellsorter
01:34
that we are learning about.
34
79000
2000
vi lär oss om.
01:36
New ones are being discovered everyday.
35
81000
2000
Nya upptäcks varje dag.
01:38
As just a second example:
36
83000
2000
Ett andra exempel:
01:40
these pyramidal cells, large cells,
37
85000
2000
dessa stora pyramidceller,
01:42
they can span a significant fraction of the brain.
38
87000
2000
som kan sträcka sig långt i hjärnan.
01:44
They're excitatory.
39
89000
2000
De är excitatoriska.
01:46
And these are some of the cells
40
91000
2000
Och dessa är några av cellerna
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
som kan vara överaktiva
i sjukdomar som epilepsi.
i sjukdomar som epilepsi.
01:51
Every one of these cells
42
96000
2000
Alla dessa celler
01:53
is an incredible electrical device.
43
98000
3000
är otroliga elektriska anordningar.
01:56
They receive input from thousands of upstream partners
44
101000
2000
De får indata från tusentals partners
01:58
and compute their own electrical outputs,
45
103000
3000
och beräknar sina egna elektriska utdata
02:01
which then, if they pass a certain threshold,
46
106000
2000
vilka, om de går över en viss gräns,
02:03
will go to thousands of downstream partners.
47
108000
2000
fortsätter till tusentals
partners längre ner
partners längre ner
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
och denna process,
som tar en millisekund eller så,
som tar en millisekund eller så,
02:08
happens thousands of times a minute
49
113000
2000
sker tusentals gånger varje minut
02:10
in every one of your 100 billion cells,
50
115000
2000
i alla dina 100 miljarder celler
02:12
as long as you live
51
117000
2000
så länge du lever
och tänker och känner.
02:14
and think and feel.
52
119000
3000
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
Hur ska vi lista ut vad denna krets gör?
02:20
Ideally, we could go through the circuit
54
125000
2000
Helst skulle vi gå igenom kretsen,
02:22
and turn these different kinds of cell on and off
55
127000
3000
slå av och på de olika cellerna
02:25
and see whether we could figure out
56
130000
2000
och se om vi kan ta reda på
02:27
which ones contribute to certain functions
57
132000
2000
vilka som bidrar till olika funktioner
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
och vilka som gör fel i olika patologier.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Kan vi aktivera celler så kan vi se
vilka krafter de har,
vilka krafter de har,
02:34
what they can initiate and sustain.
60
139000
2000
vad de kan hålla igång.
02:36
If we could turn them off,
61
141000
2000
Om vi kan stänga av dem,
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
skulle vi kunna lista ut
vad de är viktiga för.
vad de är viktiga för.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
Och det är det jag kommer berätta om idag.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
Det vi gått igenom de senaste 11 åren,
02:46
through an attempt to find ways
65
151000
2000
i försök att hitta sätt
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
att slå av och på kretsar
och celler och delar i hjärnan
02:50
on and off,
67
155000
2000
02:52
both to understand the science
68
157000
2000
både för att förstå vetenskapen
02:54
and also to confront some of the issues
69
159000
3000
och för att möta de problem
02:57
that face us all as humans.
70
162000
3000
som påverkar alla oss människor.
03:00
Now before I tell you about the technology,
71
165000
3000
Innan jag berättar om teknologin,
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
är de dåliga nyheterna att
en stor del av oss i detta rum
en stor del av oss i detta rum
03:06
if we live long enough,
73
171000
2000
om vi lever tillräckligt länge,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
kommer stöta på en hjärnsjukdom.
03:10
Already, a billion people
75
175000
2000
En miljard personer har redan
03:12
have had some kind of brain disorder
76
177000
2000
haft någon typ av hjärnsjukdom
03:14
that incapacitates them,
77
179000
2000
som handlingsförlamar dem
03:16
and the numbers don't do it justice though.
78
181000
2000
och siffrorna gör inte detta rättvisa.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Dessa sjukdomar, schizofreni, Alzheimers,
03:20
depression, addiction --
80
185000
2000
depression, beroende,
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
de stjäl inte bara vår tid att leva,
de ändrar vilka vi är.
de ändrar vilka vi är.
03:25
They take our identity and change our emotions
82
190000
2000
De tar vår identitet och
ändrar våra känslor,
ändrar våra känslor,
03:27
and change who we are as people.
83
192000
3000
och förändrar vilka vi är som personer.
03:30
Now in the 20th century,
84
195000
3000
På 1900-talet,
03:33
there was some hope that was generated
85
198000
3000
steg ett hopp
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
tack vare utvecklingen av läkemedel
för behandling av hjärnsjukdomar,
för behandling av hjärnsjukdomar,
03:39
and while many drugs have been developed
87
204000
3000
och trots att många läkemedel utvecklats
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
som mildrar symptomen
03:44
practically none of them can be considered to be cured.
89
209000
3000
kan i praktiken ingen
av sjukdomarna bli botad.
av sjukdomarna bli botad.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
En anledning till det är att
vi badar hjärnan i kemikalien.
vi badar hjärnan i kemikalien.
03:50
This elaborate circuit
91
215000
2000
Denna komplicerade krets
03:52
made out of thousands of different kinds of cell
92
217000
2000
av tusentals olika typer av celler
03:54
is being bathed in a substance.
93
219000
2000
dränks i en substans.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Det är kanske därför de flesta
av läkemedlen på marknaden
av läkemedlen på marknaden
03:58
can present some kind of serious side effect too.
95
223000
3000
också ger någon typ av
allvarlig biverkning.
allvarlig biverkning.
04:01
Now some people have gotten some solace
96
226000
3000
En del personer hjälps genom
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
elektriska stimulatorer
som implanteras i hjärnan.
som implanteras i hjärnan.
04:07
And for Parkinson's disease,
98
232000
2000
och för Parkinsons,
04:09
Cochlear implants,
99
234000
2000
har cochleaimplantat,
04:11
these have indeed been able
100
236000
2000
verkligen kunnat
04:13
to bring some kind of remedy
101
238000
2000
ge någon sorts mildring
04:15
to people with certain kinds of disorder.
102
240000
2000
till personer med vissa sorters sjukdom.
Men elektricitet går i alla riktningar
04:17
But electricity also will go in all directions --
103
242000
2000
04:19
the path of least resistance,
104
244000
2000
längs minsta motståndets väg
04:21
which is where that phrase, in part, comes from.
105
246000
2000
vilket är var det uttrycket kommer från.
Det kommer också påverka normala kretsar
utöver de abnorma som du vill fixa.
utöver de abnorma som du vill fixa.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
04:26
So again, we're sent back to the idea
107
251000
2000
Så vi kommer tillbaka till tanken
04:28
of ultra-precise control.
108
253000
2000
om ultraprecis kontroll.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
Kan vi skicka in information
precis dit vi vill?
precis dit vi vill?
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
När jag började med neurovetenskap
för 11 år sedan
för 11 år sedan
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
hade jag jobbat som elektrisk
ingenjör och fysiker
ingenjör och fysiker
04:41
and the first thing I thought about was,
112
266000
2000
och det första jag tänkte var
04:43
if these neurons are electrical devices,
113
268000
2000
om dessa neuroner är
elektriska anordningar
elektriska anordningar
04:45
all we need to do is to find some way
114
270000
2000
behöver vi bara hitta ett sätt
04:47
of driving those electrical changes at a distance.
115
272000
2000
att göra de elektriska ändringarna på håll
04:49
If we could turn on the electricity in one cell,
116
274000
2000
Om vi kan starta elektriciteten i en cell,
men inte dess grannar,
men inte dess grannar,
04:51
but not its neighbors,
117
276000
2000
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
har vi ett verktyg för att aktivera
och stänga ner olika celler,
och stänga ner olika celler,
04:56
figure out what they do and how they contribute
119
281000
2000
lista ut vad de gör och hur de bidrar
04:58
to the networks in which they're embedded.
120
283000
2000
till de nätverk de befinner sig i.
Det ger oss också
den extrema precision vi behöver
den extrema precision vi behöver
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
05:02
in order to fix the circuit computations
122
287000
3000
för att lösa de beräkningar i kretsen
05:05
that have gone awry.
123
290000
2000
som gått fel.
05:07
Now how are we going to do that?
124
292000
2000
Hur gör vi detta?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
Det finns många molekyler i naturen,
05:11
which are able to convert light into electricity.
126
296000
3000
som kan omvandla ljus till elektricitet.
05:14
You can think of them as little proteins
127
299000
2000
Tänk på dem som små proteiner
05:16
that are like solar cells.
128
301000
2000
som beter sig som solceller.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Om vi kan installera dessa
molekyler i neuronerna,
molekyler i neuronerna,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
så kan deras elektricitet drivas med ljus.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
och deras grannar, som inte har
molekylen, är som vanligt.
molekylen, är som vanligt.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Det behövs ett trick till
för att detta ska ske
för att detta ska ske
05:29
and that's the ability to get light into the brain.
133
314000
3000
och det är hur man får in ljus i hjärnan.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
Och för att göra det - hjärnan känner
inte smärta - kan man
inte smärta - kan man
05:35
taking advantage of all the effort
135
320000
2000
utnyttja allt arbete
som lagts ner på internet och
kommunikationer -
kommunikationer -
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
05:39
optical fibers connected to lasers
137
324000
2000
optiska fibrer kopplade till lasrar
som du kan använda till att aktivera,
i djur till exempel,
i djur till exempel,
05:41
that you can use to activate, in animal models for example,
138
326000
2000
05:43
in pre-clinical studies,
139
328000
2000
innan kliniska studier,
05:45
these neurons and to see what they do.
140
330000
2000
dessa neuroner och se vad de gör.
05:47
So how do we do this?
141
332000
2000
Så hur gör vi detta?
05:49
Around 2004,
142
334000
2000
Runt 2004,
i ett samarbete med Gerhard Nagel
och Karl Deisseroth,
och Karl Deisseroth,
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
05:53
this vision came to fruition.
144
338000
2000
förverkligades denna vision.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Det finns en alg som lever i naturen,
05:58
and it needs to navigate towards light
146
343000
2000
och den letar sig mot ljus
06:00
in order to photosynthesize optimally.
147
345000
2000
för att ha effektivast fotosyntes.
06:02
And it senses light with a little eye-spot,
148
347000
2000
Och den känner ljus
med en liten ögonfläck,
med en liten ögonfläck,
06:04
which works not unlike how our eye works.
149
349000
3000
som funkar nästan som våra ögon.
06:07
In its membrane, or its boundary,
150
352000
2000
I dess membran, eller gräns,
06:09
it contains little proteins
151
354000
3000
har den små proteiner
06:12
that indeed can convert light into electricity.
152
357000
3000
som kan omvandla ljus till elektricitet.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Dessa molekyler kallas kanalrodopsiner.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
Och varje protein beter sig
precis som solcellerna jag nämnde.
precis som solcellerna jag nämnde.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
När blått ljus träffar det,
öppnas ett litet hål
öppnas ett litet hål
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
som låter laddade partiklar
åka in i ögonfläcken
åka in i ögonfläcken
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
och ger ögonfläcken en elektrisk signal
06:28
just like a solar cell charging up a battery.
158
373000
3000
som en solcell som laddar ett batteri.
06:31
So what we need to do is to take these molecules
159
376000
2000
Vi behöver ta dessa molekyler
06:33
and somehow install them in neurons.
160
378000
2000
och installera dem i neuroner.
06:35
And because it's a protein,
161
380000
2000
Eftersom det är ett protein
finns det inkodat i DNA:t
hos denna organismen.
hos denna organismen.
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
06:40
So all we've got to do is take that DNA,
163
385000
2000
Vi kan ta det DNA:t,
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
flytta det till en genterapivektor,
som ett virus,
som ett virus,
06:45
and put it into neurons.
165
390000
3000
och ge det till neuronerna.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
Det var en väldigt produktiv tid
för genterapin
för genterapin
06:51
and lots of viruses were coming along.
167
396000
2000
och massor med virus uppfanns.
06:53
So this turned out to be very simple to do.
168
398000
2000
Så detta var enkelt att genomföra
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
och en tidig morgon sommaren 2004
testade vi, och det
funkade på första försöket.
funkade på första försöket.
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Du tar DNA:t och sätter det i en neuron.
Neuronen använder sitt naturliga
maskineri för att bygga proteiner
maskineri för att bygga proteiner
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
för att skapa dessa ljuskänsliga proteiner
07:08
and install them all over the cell,
174
413000
2000
och installera dem över hela cellen,
som att installera solceller på ett tak
som att installera solceller på ett tak
07:10
like putting solar panels on a roof,
175
415000
2000
07:12
and the next thing you know,
176
417000
2000
och därefter
har du en neuron som
kan aktiveras med ljus.
kan aktiveras med ljus.
07:14
you have a neuron which can be activated with light.
177
419000
2000
07:16
So this is very powerful.
178
421000
2000
Detta är väldigt kraftfullt.
07:18
One of the tricks you have to do
179
423000
2000
Ett av tricken är att lista ut
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
hur generna levereras
till cellerna du vill
till cellerna du vill
07:22
and not all the other neighbors.
181
427000
2000
och inte alla grannar.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
och det går; du kan finjustera virusen
07:26
so they hit just some cells and not others.
183
431000
2000
så de träffar vissa celler men inte andra
07:28
And there's other genetic tricks you can play
184
433000
2000
och det finns andra genetiska trick
07:30
in order to get light-activated cells.
185
435000
3000
för att skapa ljusaktiverade celler.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Detta fält kallas nu optogenetik.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Som exempel på vad du kan göra
07:39
you can take a complex network,
188
444000
2000
kan du ta ett komplext nätverk,
07:41
use one of these viruses to deliver the gene
189
446000
2000
använda ett virus för att leverera genen
07:43
just to one kind of cell in this dense network.
190
448000
3000
till en typ av cell i det täta nätverket.
07:46
And then when you shine light on the entire network,
191
451000
2000
När du sedan belyser hela nätverket
07:48
just that cell type will be activated.
192
453000
2000
kommer bara den typen att aktiveras.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Som exempel, ta korgcellerna
jag pratade om tidigare-
jag pratade om tidigare-
07:53
the one that's atrophied in schizophrenia
194
458000
2000
de som förtvinade i schizofreni,
07:55
and the one that is inhibitory.
195
460000
2000
och som är inhiberande.
07:57
If we can deliver that gene to these cells --
196
462000
2000
Om vi kan leverera genen till dessa celler
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
och de inte ändras
av insättningen av genen,
av insättningen av genen,
08:02
and then flash blue light over the entire brain network,
198
467000
3000
så kommer blixtar av blått ljus
inuti hela hjärnan,
inuti hela hjärnan,
08:05
just these cells are going to be driven.
199
470000
2000
att aktivera bara dessa celler.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
När ljuset släcks
blir cellerna som vanligt igen
blir cellerna som vanligt igen
08:09
so they don't seem to be averse against that.
201
474000
3000
och har inte påverkats negativt.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
Utöver att studera vad dessa celler gör,
08:14
what their power is in computing in the brain,
203
479000
2000
vad deras styrka är i hjärnan,
08:16
but you can also use this to try to figure out --
204
481000
2000
kan man också försöka lista ut
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
om vi kan skruva upp
aktiviteten på cellerna
aktiviteten på cellerna
08:20
if indeed they're atrophied.
206
485000
2000
om de faktiskt är förtvinade.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Jag vill berätta några korta historier
08:24
about how we're using this,
208
489000
2000
om hur vi använder detta
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
både på vetenskaplig, klinisk
och preklinisk nivå.
och preklinisk nivå.
08:29
One of the questions we've confronted
210
494000
2000
En av frågorna vi ställde var,
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
vilka är signalerna som
ger belöningskänsla i hjärnan?
ger belöningskänsla i hjärnan?
08:34
Because if you could find those,
212
499000
2000
För om du kan hitta dessa är de
08:36
those would be some of the signals that could drive learning.
213
501000
2000
några av signalerna som driver inlärning.
Hjärnan vill göra mer av
det som gav belöningen.
det som gav belöningen.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
Dessa signaler är inblandade
i sjukdomar som beroende.
i sjukdomar som beroende.
08:43
So if we could figure out what cells they are,
216
508000
2000
Om vi kan hitta vilka celler som gör detta
kanske vi kan hitta nya mål
kanske vi kan hitta nya mål
08:45
we could maybe find new targets
217
510000
2000
08:47
for which drugs could be designed or screened against,
218
512000
2000
som nya läkemedel kan
designas och testas mot,
designas och testas mot,
08:49
or maybe places where electrodes could be put in
219
514000
2000
eller platser där elektroder kan sättas in
08:51
for people who have very severe disability.
220
516000
3000
för personer med allvarliga nedsättningar.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Vi kom på en väldigt enkel idé
08:56
in collaboration with the Fiorella group,
222
521000
2000
i samarbete med Fiorellagruppen,
08:58
where one side of this little box,
223
523000
2000
där en sida av en liten låda,
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
om djuret sätts där, får det en ljuspuls
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
för att göra olika celler
i hjärnan ljuskänsliga.
i hjärnan ljuskänsliga.
09:04
So if these cells can mediate reward,
226
529000
2000
Om dessa celler kan förmedla belöning
09:06
the animal should go there more and more.
227
531000
2000
kommer djuret gå dit oftare och oftare.
09:08
And so that's what happens.
228
533000
2000
Och det är det som händer.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Djuret går till höger
och sätter nosen där,
och sätter nosen där,
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
och får en ljuspuls varje gång.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
Och han gör det hundratals gånger.
09:16
These are the dopamine neurons,
232
541000
2000
Dessa är dopaminneuroner,
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
i njutningscentra av hjärnan.
09:20
Now we've shown that a brief activation of these
234
545000
2000
Vi har visat att kort aktivering av dessa
09:22
is enough, indeed, to drive learning.
235
547000
2000
är tillräckligt för att gynna lärande.
09:24
Now we can generalize the idea.
236
549000
2000
Nu kan vi generalisera denna idé.
09:26
Instead of one point in the brain,
237
551000
2000
Istället för en punkt i hjärnan kan vi ha
anordningar som täcker hjärnan,
anordningar som täcker hjärnan,
09:28
we can devise devices that span the brain,
238
553000
2000
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
som kan leverera ljus i
tredimensionella mönster,
tredimensionella mönster,
09:32
arrays of optical fibers,
240
557000
2000
samlingar med optiska fibrer
09:34
each coupled to its own independent miniature light source.
241
559000
2000
var och en kopplad till
en egen liten ljuskälla.
en egen liten ljuskälla.
09:36
And then we can try to do things in vivo
242
561000
2000
Och sen kan vi göra saker in vivo
09:38
that have only been done to-date in a dish --
243
563000
3000
som tidigare bara gjorts i provskålar,
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
som storskalig testning av hela hjärnan
09:43
for the signals that can cause certain things to happen.
245
568000
2000
efter signalerna som orsakar vissa saker
09:45
Or that could be good clinical targets
246
570000
2000
eller som kan vara bra kliniska mål
09:47
for treating brain disorders.
247
572000
2000
för att behandla hjärnsjukdomar.
09:49
And one story I want to tell you about
248
574000
2000
En historia som jag vill berätta är om hur
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
vi kan hitta mål för att behandla
posttraumatiskt stressyndrom-
posttraumatiskt stressyndrom-
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
en sorts okontrollerad oro och rädsla.
09:57
And one of the things that we did
251
582000
2000
Och en sak vi gjorde var
09:59
was to adopt a very classical model of fear.
252
584000
3000
att använda en klassisk modell av rädsla.
10:02
This goes back to the Pavlovian days.
253
587000
3000
Detta kommer ända från Pavlovs dagar.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
Det kallas Pavlovs rädslebetingning -
10:07
where a tone ends with a brief shock.
255
592000
2000
där ett ljud slutar med en elchock.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
Elchocken gör inte ont men är irriterande.
10:11
And over time -- in this case, a mouse,
257
596000
2000
Och över tid - här har vi en mus,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
en bra djurmodell som
används i liknande försök-
används i liknande försök-
10:15
the animal learns to fear the tone.
259
600000
2000
lär sig djuret att vara rädd för ljudet.
10:17
The animal will react by freezing,
260
602000
2000
Djuret reagerar genom att stelna,
10:19
sort of like a deer in the headlights.
261
604000
2000
som ett rådjur i strålkastare.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
Frågan är, vilka mål
i hjärnan kan vi hitta
i hjärnan kan vi hitta
10:24
that allow us to overcome this fear?
263
609000
2000
som låter oss komma över rädslan?
10:26
So what we do is we play that tone again
264
611000
2000
Vi spelar ljudtonen igen
10:28
after it's been associated with fear.
265
613000
2000
efter den blivit förknippad med rädsla
10:30
But we activate targets in the brain, different ones,
266
615000
2000
men vi aktiverar olika mål i hjärnan
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
med hjälp av den optiska fibern
jag berättade om tidigare
jag berättade om tidigare
10:35
in order to try and figure out which targets
268
620000
2000
för att lista ut vilka mål
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
som kan hjälpa hjärnan komma
över minnet av rädslan.
över minnet av rädslan.
10:40
And so this brief video
270
625000
2000
Denna korta video
10:42
shows you one of these targets that we're working on now.
271
627000
2000
visar ett av dessa mål
som vi jobbar med nu.
som vi jobbar med nu.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
Här testas ett område i prefrontalkortex,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
en region där kognition
kan övervinna motbjudande känslor.
kan övervinna motbjudande känslor.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
Djuret kommer höra ljudet,
och se ljusblixten.
och se ljusblixten.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
Ljudet saknas, men ni
ser hur djuret stelnar.
ser hur djuret stelnar.
10:53
This tone used to mean bad news.
276
638000
2000
Tonen brukade innebära dåliga nyheter.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Nere i hörnet finns en klocka
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
som visar att djuret
är ca 2 min in i detta.
är ca 2 min in i detta.
11:00
And now this next clip
279
645000
2000
Och nu nästa klipp
11:02
is just eight minutes later.
280
647000
2000
som sker endast 8 min senare.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
Samma ljud låter, och
ljuset kommer blixtra igen.
ljuset kommer blixtra igen.
11:07
Okay, there it goes. Right now.
282
652000
3000
Okej, där sker det. Precis nu.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
Och nu kan ni se,
10 min in i experimentet,
10 min in i experimentet,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
att vi har utrustat hjärnan
genom att fotoaktivera detta område
genom att fotoaktivera detta område
11:16
to overcome the expression
285
661000
2000
för att övervinna uttrycket
11:18
of this fear memory.
286
663000
2000
av minnet av rädslan.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
De senaste åren, har vi
gått tillbaka till livsträdet
gått tillbaka till livsträdet
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
för vi ville hitta sätt att
stänga av kretsar i hjärnan.
stänga av kretsar i hjärnan.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Om vi kan göra det
vore det extremt kraftfullt.
vore det extremt kraftfullt.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
Att radera celler i ett
par millisekunder eller sekunder
par millisekunder eller sekunder
11:32
you can figure out what necessary role they play
291
677000
2000
låter oss lista ut vilka uppgifter de har
11:34
in the circuits in which they're embedded.
292
679000
2000
i kretsarna de finner sig i.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
Vi har undersökt organismer
från hela livsträdet -
från hela livsträdet -
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
och vi ser alla riken
utom djurriket på olika sätt.
utom djurriket på olika sätt.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
Vi hittade olika sorters molekyler,
olika rodopsiner,
olika rodopsiner,
11:44
that respond to green and yellow light.
296
689000
2000
som reagerar på grönt och gult ljus.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
De gör tvärtemot de molekyler
jag nämnde tidigare,
jag nämnde tidigare,
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
kanalrodopsin, som aktiverades
med blått ljus.
med blått ljus.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
Låt oss ta ett exempel på
vad vi tror kommer hända.
vad vi tror kommer hända.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Ta exempelvis epilepsi,
11:58
where the brain is overactive.
301
703000
2000
där hjärnan är överaktiv.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Om läkemedelsbehandling misslyckas,
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
är en lösning att ta bort
en del av hjärnan.
en del av hjärnan.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
Det är permanent och
det kan ge bieffekter.
det kan ge bieffekter.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
Tänk om vi kunde stänga
av den delen en kort stund,
av den delen en kort stund,
12:09
until the seizure dies away,
306
714000
3000
tills anfallet försvinner,
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
och sedan återställa
hjärnan till ursprungsläget,
hjärnan till ursprungsläget,
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
som ett dynamiskt system
som fås ner till ett stabilt tillstånd.
som fås ner till ett stabilt tillstånd.
12:18
So this animation just tries to explain this concept
309
723000
3000
Denna animation förklarar detta konceptet
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
där cellerna kan stängas av med ljus.
12:23
and we beam light in,
311
728000
2000
Så vi skickar in ljus,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
och under tiden det tar
att stänga ner ett anfall
att stänga ner ett anfall
12:27
we're hoping to be able to turn it off.
313
732000
2000
hoppas vi stänga av cellerna.
12:29
And so we don't have data to show you on this front,
314
734000
2000
Vi har ingen data att visa,
12:31
but we're very excited about this.
315
736000
2000
men vi är väldigt exalterade över det.
12:33
Now I want to close on one story,
316
738000
2000
Jag vill avsluta med en berättelse
som vi tror
som vi tror
12:35
which we think is another possibility --
317
740000
2000
kan vara ytterligare en möjlighet -
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
att dessa molekyler,
om de kontrolleras exakt,
om de kontrolleras exakt,
12:39
can be used in the brain itself
319
744000
2000
kan användas i hjärnan
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
som en ny typ av protes, en optisk protes.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Jag berättade att elektriska
stimulatorer är vanliga.
stimulatorer är vanliga.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
75 000 personer med Parkinsons
har sådana implantat.
har sådana implantat.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Runt 100 000 personer
har cochleaimplantat
har cochleaimplantat
12:52
which allow them to hear.
324
757000
2000
som ger dem hörsel.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Problemet är hur
generna hamnar i cellerna.
generna hamnar i cellerna.
12:57
And new hope in gene therapy has been developed
326
762000
3000
Hoppet finns att genterapin utvecklas
13:00
because viruses like the adeno-associated virus,
327
765000
2000
med hjälp av virus som adenoviruset,
13:02
which probably most of us around this room have,
328
767000
2000
som de flesta här inne har,
13:04
and it doesn't have any symptoms,
329
769000
2000
men inte ger några symptom,
och har använts på hundratals patienter
13:06
which have been used in hundreds of patients
330
771000
2000
för att leverera gener
till hjärna eller kropp.
till hjärna eller kropp.
13:08
to deliver genes into the brain or the body.
331
773000
2000
13:10
And so far, there have not been serious adverse events
332
775000
2000
Än så länge har inga
allvarliga biverkningar
allvarliga biverkningar
13:12
associated with the virus.
333
777000
2000
kunnat kopplas till viruset.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Sista elefanten i rummet,
proteinerna själva,
proteinerna själva,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
som kommer från alger
och bakterier och svamp
och bakterier och svamp
13:19
and all over the tree of life.
336
784000
2000
och från hela livsträdet.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
De flesta har inte svamp
eller alger i hjärnan,
eller alger i hjärnan,
13:23
so what is our brain going to do if we put that in?
338
788000
2000
vad gör hjärnan om vi sätter in dem?
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
Kommer cellerna eller
immunsystemet reagera?
immunsystemet reagera?
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
Än har inte försök gjorts på människor,
13:29
but we're working on a variety of studies
341
794000
2000
men vi jobbar med olika studier
13:31
to try and examine this,
342
796000
2000
för att undersöka detta
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
och än har vi inte
sett allvarliga reaktioner
sett allvarliga reaktioner
13:36
to these molecules
344
801000
2000
mot dessa molekyler
13:38
or to the illumination of the brain with light.
345
803000
3000
eller mot belysningen av hjärnan.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Så det är tidigt, men vi är exalterade.
13:44
I wanted to close with one story,
347
809000
2000
Jag vill sluta med en berättelse,
13:46
which we think could potentially
348
811000
2000
som vi tror möjligen
13:48
be a clinical application.
349
813000
2000
kan vara en klinisk tillämpning.
13:50
Now there are many forms of blindness
350
815000
2000
Det finns många sorters blindhet
13:52
where the photoreceptors,
351
817000
2000
där fotoreceptorerna,
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
våra ljussensorer som
sitter bak i ögat, är borta.
sitter bak i ögat, är borta.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Och näthinnan har komplex uppbyggnad.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Vi zoomar in så vi ser mer detaljer.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
Cellerna med fotoreceptorer
syns högst upp,
syns högst upp,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
och signalen som
detekteras av receptorerna
detekteras av receptorerna
14:06
are transformed by various computations
357
831000
2000
görs om på olika sätt
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
tills ett lager med celler längst ner,
ganglionceller,
ganglionceller,
14:11
relay the information to the brain,
359
836000
2000
skickar informationen till hjärnan,
14:13
where we see that as perception.
360
838000
2000
där vi uppfattar det.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
I många sorters blindhet,
som retinitis pigmentosa,
som retinitis pigmentosa,
14:18
or macular degeneration,
362
843000
2000
eller förändringar i gula fläcken,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
har fotoreceptorerna
förtvinat eller förstörts.
förtvinat eller förstörts.
14:23
Now how could you repair this?
364
848000
2000
Hur kan detta repareras?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Det är inte säkert att
ett läkemedel kan laga detta,
ett läkemedel kan laga detta,
14:28
because there's nothing for the drug to bind to.
366
853000
2000
då det inte finns
något för det att binda till.
något för det att binda till.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Å andra sidan kan ljus
fortfarande nå ögat.
fortfarande nå ögat.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
Ögat är genomskinligt och ljus kommer in.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Om vi bara kunde ta kanalrodopsin
och andra molekyler
och andra molekyler
14:38
and install them on some of these other spare cells
370
863000
2000
och installera i en del
av de andra cellerna
av de andra cellerna
14:40
and convert them into little cameras.
371
865000
2000
för att göra om dem till små kameror.
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Eftersom det finns så
många celler i ögat
många celler i ögat
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
kan de eventuellt ge en
bild med hög upplösning.
bild med hög upplösning.
14:47
So this is some work that we're doing.
374
872000
2000
Detta är en del av vad vi gör.
14:49
It's being led by one of our collaborators,
375
874000
2000
Det drivs av en av våra samarbetare,
14:51
Alan Horsager at USC,
376
876000
2000
Alan Horsager från USC,
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
och kan bli kommersiellt via
företaget Eos Neuroscience,
företaget Eos Neuroscience,
14:56
which is funded by the NIH.
378
881000
2000
som drivs av NIH.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
Här är en mus som
försöker klara en labyrint.
försöker klara en labyrint.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Det är en 6-armad labyrint med vatten i,
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
så att musen ska röra sig,
annars sitter han still.
annars sitter han still.
15:04
And the goal, of course, of this maze
382
889000
2000
Målet med labyrinten är att
15:06
is to get out of the water and go to a little platform
383
891000
2000
komma bort från vattnet till en plattform
15:08
that's under the lit top port.
384
893000
2000
som finns under porten i toppen.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Möss är smarta,
så han löser det till slut,
så han löser det till slut,
15:13
but he does a brute-force search.
386
898000
2000
men han kämpar hårt.
Han simmar längs varje del
tills han når målet.
tills han når målet.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
15:18
So he's not using vision to do it.
388
903000
2000
Han använder inte synen för det.
15:20
These different mice are different mutations
389
905000
2000
Mössen har olika mutationer
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
som motsvarar olika sorters
blindhet som påverkar människor.
blindhet som påverkar människor.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Vi vill noggrant kolla
på dessa olika modeller
på dessa olika modeller
15:28
so we come up with a generalized approach.
392
913000
2000
för att hitta ett
generellt tillvägagångssätt.
generellt tillvägagångssätt.
15:30
So how are we going to solve this?
393
915000
2000
Hur ska vi göra detta?
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
Genom att göra som vi sa tidigare.
15:34
We're going to take these blue light photosensors
395
919000
2000
Ta fotoreceptorer som svarar på blått ljus
15:36
and install them on a layer of cells
396
921000
2000
och installera i ett cellskikt
15:38
in the middle of the retina in the back of the eye
397
923000
3000
mitt i näthinnan bak i ögat
15:41
and convert them into a camera --
398
926000
2000
och omvandla dem till kameror-
15:43
just like installing solar cells all over those neurons
399
928000
2000
precis som att montera
solceller på neuronerna
solceller på neuronerna
15:45
to make them light sensitive.
400
930000
2000
för att göra dem ljuskänsliga.
15:47
Light is converted to electricity on them.
401
932000
2000
Ljus omvandlas till elektricitet på dem.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Denna mus var blind ett
par veckor innan experimentet
par veckor innan experimentet
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
och fick en dos ljuskänsliga
molekyler från ett virus.
molekyler från ett virus.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
Som ni ser, djuret undviker väggarna
15:57
and go to this little platform
405
942000
2000
och går till plattformen
15:59
and make cognitive use of its eyes again.
406
944000
3000
genom att använda sina ögon.
16:02
And to point out the power of this:
407
947000
2000
För att visa styrkan i metoden:
16:04
these animals are able to get to that platform
408
949000
2000
dessa djur hittar plattformen lika snabbt
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
som djur som haft syn i hela sina liv.
16:08
So this pre-clinical study, I think,
410
953000
2000
Denna prekliniska studie,
16:10
bodes hope for the kinds of things
411
955000
2000
ger hopp för de saker
16:12
we're hoping to do in the future.
412
957000
2000
vi hoppas kunna göra i framtiden.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Till slut vill jag påpeka
att vi också utforskar
att vi också utforskar
16:17
new business models for this new field of neurotechnology.
414
962000
2000
nya affärsmodeller för detta fält.
16:19
We're developing these tools,
415
964000
2000
Vi utvecklar verktyg,
men vi delar dem fritt
men vi delar dem fritt
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
med hundratals grupper över världen,
16:23
so people can study and try to treat different disorders.
417
968000
2000
så olika sjukdomar kan
studeras och behandlas.
studeras och behandlas.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Vårt hopp är att lista ut hjärnans kretsar
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
på en nivå som låter oss
reparera och designa dem,
reparera och designa dem,
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
för att kunna ta de envisa
sjukdomar jag berättade om tidigare,
sjukdomar jag berättade om tidigare,
16:34
practically none of which are cured,
421
979000
2000
ingen av dem har botats än,
16:36
and in the 21st century make them history.
422
981000
2000
och göra dem till
historia detta århundrade.
historia detta århundrade.
16:38
Thank you.
423
983000
2000
Tack.
16:40
(Applause)
424
985000
13000
(Applåder)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Juan Enriquez: En del saker är lite djupa.
16:56
(Laughter)
426
1001000
2000
(Skratt)
16:58
But the implications
427
1003000
2000
Men vad det innebär
17:00
of being able to control seizures or epilepsy
428
1005000
3000
att kunna kontrollera anfall
eller epilepsi,
eller epilepsi,
17:03
with light instead of drugs,
429
1008000
2000
med ljus istället för läkemedel,
17:05
and being able to target those specifically
430
1010000
3000
och kunna sikta så specifikt
17:08
is a first step.
431
1013000
2000
är ett steg i rätt riktning.
17:10
The second thing that I think I heard you say
432
1015000
2000
Det andra jag hörde var att
17:12
is you can now control the brain in two colors,
433
1017000
3000
ni nu kan kontrollera hjärnan i två färger
17:15
like an on/off switch.
434
1020000
2000
17:17
Ed Boyden: That's right.
435
1022000
2000
som en på/av knapp.
Ed Boyden: Det stämmer.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
JE: Vilket gör alla impulser
genom hjärnan till binär kod.
genom hjärnan till binär kod.
17:22
EB: Right, yeah.
437
1027000
2000
EB: Precis så, ja.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Med blått ljus kan vi driva information,
i form av en etta.
i form av en etta.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
Och genom att stänga ner saker,
blir det en nolla.
blir det en nolla.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Vi hoppas att eventuellt kunna bygga
17:31
that work with the brain
441
1036000
2000
hjälpprocessorer som jobbar med hjärnan
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
för att stärka funktioner hos
personer med handikapp
personer med handikapp
17:36
JE: And in theory, that means that,
443
1041000
2000
JE: Och i teorin, innebär det,
17:38
as a mouse feels, smells,
444
1043000
2000
att det en mus känner, luktar,
17:40
hears, touches,
445
1045000
2000
hör, rör,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
kan ni skriva ut som
en rad ettor och nollor.
en rad ettor och nollor.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
EB: Visst. Vi hoppas
använda det som ett test
använda det som ett test
17:47
what neural codes can drive certain behaviors
448
1052000
2000
för vilka koder som driver
vissa beteenden,
vissa beteenden,
17:49
and certain thoughts and certain feelings,
449
1054000
2000
vissa tankar och känslor,
17:51
and use that to understand more about the brain.
450
1056000
3000
och använda det för att
förstå mer om hjärnan.
förstå mer om hjärnan.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
JE: Betyder det att vi en dag
kan ladda ner minnen
kan ladda ner minnen
17:57
and maybe upload them?
452
1062000
2000
och kanske ladda upp dem?
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
EB: Vi jobbar på det.
18:01
We're now working on some work
454
1066000
2000
Vi försöker att lägga in delar
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
som kan spela in i hjärnan.
18:05
So we can record information and then drive information back in --
456
1070000
3000
Så vi kan spela in och sen
skicka tillbaka information
skicka tillbaka information
18:08
sort of computing what the brain needs
457
1073000
2000
och beräkna vad hjärnan behöver
18:10
in order to augment its information processing.
458
1075000
2000
för att kunna förstärka dess process.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
JE: Det kan ändra saker. Tack.
EB: Tack.
EB: Tack.
18:15
(Applause)
460
1080000
3000
(Applåder)
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