TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
ستيف مكارول: كيف تساعدنا البيانات للكشف عن أسرار الدماغ
Filmed:
Readability: 4.8
1,529,178 views
يرغب عالم الوراثة الجينية ستيف مكارول في عمل أطلس لجميع الخلايا في جسم الإنسان لكي نتمكن من فهم كيفية عمل جينات محددة بتفصيل دقيق ولا سيما في الدماغ. في هذه المحادثة المثيرة بشدة، يشارك تقدم فريقه بما فيه ابتكارهم لما يسمى تسلسل القطرات (Drop-seq) التي هي تقنية تسمح للعلماء بتحليل الخلايا بشكل منفرد على نطاق لم يكن ممكنًا من قبل أبدًا، كما أنه يصف كيف يمكن لهذا البحث أن يقود إلى طرق جديدة لعلاج الأمراض العقلية مثل انفصام الشخصية.
Steve McCarroll - Geneticist
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Double-click the English transcript below to play the video.
00:12
Nine years ago,
0
785
1704
قبل تسع سنوات، اكتشفت شقيقتي أورامًا
في رقبتها وذراعها، وشخصّت بالسرطان.
في رقبتها وذراعها، وشخصّت بالسرطان.
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
00:17
and was diagnosed with cancer.
2
5638
1760
00:20
From that day, she started to benefit
3
8985
3199
ومنذ ذلك اليوم، بدأت تستفيد مما لدى العلم
من معرفة عن السرطان.
من معرفة عن السرطان.
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
00:28
Every time she went to the doctor,
5
16206
2099
في كل مرة تذهبُ فيه إلى الطبيب،
00:30
they measured specific molecules
6
18329
2194
يفحصون جزيئات محددة التي تعطيهم معلومات
عن حالتها السابقة وما هي الخطوة القادمة.
عن حالتها السابقة وما هي الخطوة القادمة.
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
00:35
and what to do next.
8
23452
1309
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
أصبحت الخيارات الطبية الحديثة متاحة
كل عدة سنوات.
كل عدة سنوات.
أدرك الجميع أنها تكافح مرضًا جسديًا
بكل بسالة.
بكل بسالة.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
00:47
with a biological illness.
11
35412
1728
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
تلّقت هذا الربيع علاجًا طبيًا مبتكرًا
في تجربة سريرية،
في تجربة سريرية،
00:54
in a clinical trial.
13
42528
1202
00:55
It dramatically knocked back her cancer.
14
43754
2224
مما أعاق تقدم السرطان عندها.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
خمنوا مع مَنْ سأقضي عيد الشكر؟
مع أختي المُفعمة بالنشاط،
التي تمارس التمارين الرياضية أكثر مني،
التي تمارس التمارين الرياضية أكثر مني،
01:02
My vivacious sister,
16
50022
2267
01:04
who gets more exercise than I do,
17
52313
2629
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
التي - ربما كالعديد منكم -
تتحدث بشكل متزايد عن المرض القاتل
تتحدث بشكل متزايد عن المرض القاتل
01:09
increasingly talks about a lethal illness
19
57849
2292
01:12
in the past tense.
20
60165
1263
في الزمن الماضي.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
يستطيع العلم في حياتنا،
وحتى في عقدٍ من الزمن...
وحتى في عقدٍ من الزمن...
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
تغيير ما الذي يعنيه
إصابة أحدكم بمرض معين.
إصابة أحدكم بمرض معين.
01:24
But not for all illnesses.
23
72055
1534
ولكن ليس لكل الأمراض.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
كنتُ وصديقي روبرت زميلين
في الدراسة في كلية الدراسات العليا.
في الدراسة في كلية الدراسات العليا.
01:31
Robert was smart,
25
79121
1801
كان روبرت ذكيًا، ولكن مع مرور كل شهر،
بدأ تفكيره يتشتت أكثر.
بدأ تفكيره يتشتت أكثر.
01:32
but with each passing month,
26
80946
1477
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
ترك الكلية وبدأ يعمل في متجر،
ولكن أصبح ذلك أيضًا معقدًا للغاية.
ولكن أصبح ذلك أيضًا معقدًا للغاية.
01:41
But that, too, became too complicated.
29
89463
2218
01:44
Robert became fearful and withdrawn.
30
92559
2945
أصبح روبرت مرعوبًا ومنعزلًا.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
بعد عام ونصف، بدأ يسمع أصواتًا
ويعتقد بأن أشخاصًا يلاحقونه.
ويعتقد بأن أشخاصًا يلاحقونه.
01:50
and believing that people
were following him.
were following him.
32
98686
2197
شخّص الأطباء حالته بانفصام الشخصية،
وأعطوه أفضل الأدوية.
وأعطوه أفضل الأدوية.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
عملت تلك الأدوية
على تهدئة الأصوات نوعًا ما،
على تهدئة الأصوات نوعًا ما،
ولكنها لم تسترجع عقله البارع
أو علاقاته الاجتماعية.
أو علاقاته الاجتماعية.
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
02:06
Robert struggled to remain connected
37
114270
1856
كافح روبرت ليبقى على تواصل مع الأشخاص
من المدرسة والعمل والأصدقاء.
من المدرسة والعمل والأصدقاء.
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
02:11
He drifted away,
39
119031
1383
ابتعد بعيدًا، ولا أعرف أين أجده اليوم.
02:12
and today I don't know where to find him.
40
120438
2285
إن كان سيشاهد هذه المحادثة،
آمل أن يجدني.
آمل أن يجدني.
02:15
If he watches this,
41
123593
1479
02:17
I hope he'll find me.
42
125962
1628
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
لِمَ لدى بعض الأدوية الكثير لتقديمه لأختي،
والقليل لتقديمه لملايين الناس مثل روبرت؟
والقليل لتقديمه لملايين الناس مثل روبرت؟
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
02:32
The need is there.
45
140952
1290
فالحاجة موجودة.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
تقدرُ منظمة الصحة العالمية
بأن الأمراض العقلية
بأن الأمراض العقلية
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
مثل انفصام الشخصية والاضطراب ذو الاتجاهين
والاكتئاب الشديد
والاكتئاب الشديد
02:41
are the world's largest cause
of lost years of life and work.
of lost years of life and work.
48
149582
4971
هي السبب الأكبر في خسارة سنوات
من العمر والعمل.
من العمر والعمل.
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
وجزئيًا بسبب أن هذه الأمراض
تهاجم في مراحل مبكرة في العمر أحيانًا،
تهاجم في مراحل مبكرة في العمر أحيانًا،
وفي عدة طرق، في أوج العمر،
02:51
in many ways, in the prime of life,
50
159392
2181
عندما ينتهي الأشخاص من تعليمهم،
وبدء حياتهم العملية وتكوين علاقات وعائلات.
وبدء حياتهم العملية وتكوين علاقات وعائلات.
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
02:58
forming relationships and families.
52
166085
2279
03:00
These illnesses can result in suicide;
53
168388
2829
يمكن أن تؤدي هذه الأمراض إلى الانتحار،
حيث تضعف قدرة الشخص للعمل كما ينبغي،
حيث تضعف قدرة الشخص للعمل كما ينبغي،
03:03
they often compromise one's ability
to work at one's full potential;
to work at one's full potential;
54
171907
4567
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
وتسبب العديد من المآسي
التي من الصعب تقديرها:
التي من الصعب تقديرها:
03:13
lost relationships and connections,
56
181246
2438
مثل خسارة العلاقات والتواصل الاجتماعي،
وضياع الفرص لتحقيق الأحلام والأهداف.
وضياع الفرص لتحقيق الأحلام والأهداف.
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
03:19
These illnesses limit human possibilities
58
187533
3005
تحدُ هذه الأمراض من إمكانات البشر
في طرقٍ يصعب ببساطة تقديرها.
في طرقٍ يصعب ببساطة تقديرها.
03:22
in ways we simply cannot measure.
59
190562
2154
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
نعيشُ في عصرٍ حيث هناك تقدمًا طبيًا واسعًا
في العديد من المجالات الأخرى.
في العديد من المجالات الأخرى.
03:31
on so many other fronts.
61
199533
1811
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
قصة إصابة أختي بالسرطان هي مثال رائع،
ويمكننا القول نفس الشيء عن أمراض القلب.
ويمكننا القول نفس الشيء عن أمراض القلب.
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
فالأدوية المخفضة للكوليسترول مثل (Stains)
ستمنعُ ملايين النوبات القلبية والدماغية.
ستمنعُ ملايين النوبات القلبية والدماغية.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
عندما تنظرون في هذه المجالات
من التقدم الطبي الشامل على مدى حياتنا،
من التقدم الطبي الشامل على مدى حياتنا،
03:46
in our lifetimes,
66
214016
1464
03:47
they have a narrative in common:
67
215504
1674
فلدى هذه المجالات القصة المشتركة:
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
اكتشف العلماء الجزئيات
التي تتعلق بمرضٍ ما،
التي تتعلق بمرضٍ ما،
وطوروا طرقًا لكشف
وقياس هذه الجزئيات في الجسم،
وقياس هذه الجزئيات في الجسم،
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
واكتشفوا طرقًا لمحاربة تلك الجزئيات
باستخدام جزئيات أخرى كالأدوية.
باستخدام جزئيات أخرى كالأدوية.
04:03
using other molecules -- medicines.
71
231294
2048
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
إنها الخطة التي عملت مرارًا وتكرارًا.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
لكن عندما يتعلق الأمر بالدماغ،
فالخطة كانت محدودة،
فالخطة كانت محدودة،
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
لأننا حتى اليوم لا نعرف بما فيه الكفاية
عن كيفية عمل الدماغ.
عن كيفية عمل الدماغ.
04:19
about how the brain works.
75
247695
1852
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
نحتاج أن نعرف أي من خلايانا
تتعلق لكل مرض،
تتعلق لكل مرض،
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
وأية جزئيات في هذه الخلايا
تتعلقُ لكل مرض.
تتعلقُ لكل مرض.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
وهذه هي المهمة التي أرغبُ الحديث
عنها إليكم اليوم.
عنها إليكم اليوم.
04:34
My lab develops technologies
with which we try to turn the brain
with which we try to turn the brain
79
262781
3809
يطورُ مختبري التقنيات التي تحاول
تحويل الدماغ إلى قضية بيانات ضخمة.
تحويل الدماغ إلى قضية بيانات ضخمة.
04:38
into a big-data problem.
80
266614
1700
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
أتعلمون أنني قبل أن أصبح عالم أحياء
عملتُ في مجالي الحاسوب والرياضيات،
عملتُ في مجالي الحاسوب والرياضيات،
04:43
and I learned this lesson:
82
271898
1324
وتعلمتُ هذا الدرس:
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
أينما تستطيعون جمع معلومات ضخمة
لأنواع البيانات الصحيحة حول عمل نظام ما،
لأنواع البيانات الصحيحة حول عمل نظام ما،
04:50
about the functioning of a system,
84
278573
2030
04:53
you can use computers in powerful new ways
85
281365
3618
تستطيعون استخدام الحواسيب بطرق جديدة فعالة
لفهم ذلك النظام ومعرفة كيف يعمل.
لفهم ذلك النظام ومعرفة كيف يعمل.
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
اليوم، أساليب البيانات الضخمة
تحول حتى أكبر القطاعات في اقتصادنا،
تحول حتى أكبر القطاعات في اقتصادنا،
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
05:02
ever-larger sectors of our economy,
88
290802
2483
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
ويمكنها عمل نفس الشيء
في علم الأحياء والطب كذلك.
في علم الأحياء والطب كذلك.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
لكن عليكم الحصول
على أنواع البيانات الصحيحة.
على أنواع البيانات الصحيحة.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
وعليكم الحصول على البيانات
حول الأمور الصحيحة.
حول الأمور الصحيحة.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
ويتطلب ذلك في أكثر الأحيان
التقنيات والأفكار الجديدة.
التقنيات والأفكار الجديدة.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
وتلك هي المهمة التي تحفزُ العلماء
في مختبري.
في مختبري.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
أريد اليوم أن أخبركم قصتين قصيرتين
عن عملنا.
عن عملنا.
05:27
One fundamental obstacle we face
95
315427
3104
والعقبة الأساسية التي نواجهها في محاولة
تحويل الدماغ إلى قضية بيانات ضخمة
تحويل الدماغ إلى قضية بيانات ضخمة
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
هي أن أدمغتنا تتكون
وتنشأ من بلايين الخلايا.
وتنشأ من بلايين الخلايا.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
وخلايانا ليست ذات طابع عام بل متخصصة
مثل البشر في مجال العمل،
مثل البشر في مجال العمل،
05:43
Like humans at work,
99
331129
2089
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
تتخصص في ملايين الوظائف الخلوية المختلفة،
أو أنواع الخلية.
أو أنواع الخلية.
05:50
or cell types.
101
338540
1367
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
في الواقع، يمكنُ لكل نوع خلية في أجسامنا
أن تعطي محادثة حية عن عملها على مسرح TED.
أن تعطي محادثة حية عن عملها على مسرح TED.
05:55
could probably give a lively TED Talk
103
343391
1878
05:57
about what it does at work.
104
345293
1542
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
لكن كعلماء،
لا نعرف حتى الآن عدد أنواع الخلية الموجودة
لا نعرف حتى الآن عدد أنواع الخلية الموجودة
06:02
how many cell types there are,
106
350816
1907
06:04
and we don't know what the titles
of most of those talks would be.
of most of those talks would be.
107
352747
3277
ولا نعرفُ ما ستكون عناوين
معظم تلك المحادثات.
معظم تلك المحادثات.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
نعرفُ الآن أمورًا عديدة مهمة
عن أنواع الخلية.
عن أنواع الخلية.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
ويمكن أن تختلف بشكل ملحوظ في الحجم والشكل.
06:17
One will respond to a molecule
that the other doesn't respond to,
that the other doesn't respond to,
110
365578
4135
ستستجيبُ إحداها لجزيء لا تستجيب له الأخرى
حيث تصنعُ أنواع الخلية جزئيات مختلفة.
حيث تصنعُ أنواع الخلية جزئيات مختلفة.
06:21
they'll make different molecules.
111
369737
1794
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
لكن توصل العلم إلى حدٍ ما إلى هذه الأفكار
على أساس مرحلي:
خلية واحدة في كل مرة وجزيء واحد في كل مرة.
خلية واحدة في كل مرة وجزيء واحد في كل مرة.
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
06:29
one molecule at a time.
114
377067
1486
06:31
We wanted to make it possible to learn
all of this quickly and systematically.
all of this quickly and systematically.
115
379854
4731
أردنا أن نجعلها ممكنة لنعرف عن جميعها
سريعًا وبشكلٍ منظم.
سريعًا وبشكلٍ منظم.
06:37
Now, until recently, it was the case
116
385673
1748
الآن وحتى مؤخرًا،
كانت الحالة أنه إذا أردتم جرد كل الجزئيات
كانت الحالة أنه إذا أردتم جرد كل الجزئيات
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
06:42
in a part of the brain or any organ,
118
390545
2925
في جزء من الدماغ أو في أي عضو، عليكم أولًا
طحنها إلى نوع من العصير الخلوي.
طحنها إلى نوع من العصير الخلوي.
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
06:50
But that's a problem.
120
398678
1230
لكن هذه هي المشكلة
حيث حالما تمّ طحن الخلايا،
حيث حالما تمّ طحن الخلايا،
06:52
As soon as you've ground up the cells,
121
400737
2538
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
يمكنكم دراسة محتويات الخلية في المتوسط،
وليس كل خلية منفردة.
وليس كل خلية منفردة.
06:58
not the individual cells.
123
406834
1595
07:01
Imagine if you were trying to understand
how a big city like New York works,
how a big city like New York works,
124
409182
3709
تخليوا أنكم كنتم تحاولون فهم
كيفية عمل مدينة كبيرة كنيويورك،
كيفية عمل مدينة كبيرة كنيويورك،
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
يمكنكم عمل ذلك فقط من خلال مراجعة بعض
الإحصائيات عن المواطن العادي لنيويورك.
الإحصائيات عن المواطن العادي لنيويورك.
07:07
about the average resident of New York.
126
415481
2029
لن تعرفوا الكثير بالتأكيد لأن كل شيء ممتع
ومهم ومثير يكمن في التنوع والتخصصات.
ومهم ومثير يكمن في التنوع والتخصصات.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
07:18
And the same thing is true of our cells.
130
426420
2606
وينطبق نفس الشيء على خلايانا.
07:21
And we wanted to make it possible to study
the brain not as a cellular smoothie
the brain not as a cellular smoothie
131
429050
4750
وأردنا جعل ذلك ممكنًا لدراسة الدماغ
ليس كعصير خلوي ولكن كسلطة فاكهة خلوية.
ليس كعصير خلوي ولكن كسلطة فاكهة خلوية.
07:25
but as a cellular fruit salad,
132
433824
2478
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
حيث نستطيع الحصول على حقائق حولها
وفهم كل جزء منفرد من الفاكهة (الخلايا).
وفهم كل جزء منفرد من الفاكهة (الخلايا).
07:30
each individual piece of fruit.
134
438954
1838
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
وطورنا لهذا السبب تقنية للقيام بذلك.
07:36
You're about to see a movie of it.
136
444995
1729
وأنتم على وشك مشاهدة فيلم حول ذلك.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
نغلف هنا عشرات الآلاف من الخلايا المنفردة
في قطرة سائل صغيرة جدًا لتحليلها جزئيًا.
في قطرة سائل صغيرة جدًا لتحليلها جزئيًا.
07:45
each into its own tiny water droplet
138
453529
2923
07:48
for its own molecular analysis.
139
456476
2211
07:51
When a cell lands in a droplet,
it's greeted by a tiny bead,
it's greeted by a tiny bead,
140
459921
4123
عندما تستقرُ الخلية في قطرة السائل،
تُستقبلُ عن طريق خرزة صغيرة جدًا،
تُستقبلُ عن طريق خرزة صغيرة جدًا،
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
تتلقى الخرزة ملايين من جزئيات الرمز الخيطي
للحمض النووي الريبوزي منقوص الأكسجين/DNA.
للحمض النووي الريبوزي منقوص الأكسجين/DNA.
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
وتتلقى كل خرزة سلسلة رموز خيطية مختلفة
لخلايا مختلفة.
لخلايا مختلفة.
08:04
to a different cell.
143
472447
1243
ندمجُ الرموز الخيطية للحمض النووي الريبوزي
منقصوص الأكسجين
منقصوص الأكسجين
08:06
We incorporate the DNA bar codes
144
474884
2581
08:09
into each cell's RNA molecules.
145
477489
3058
في جزئيات الحمض النووي الريبوزي (RNA).
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
تلك هي النسخ طبق الأصل الجزيئية
08:15
of the specific genes
that it's using to do its job.
that it's using to do its job.
147
483431
3103
التي تنتجها من جينات محددة
لتستخدمها للقيام بوظيفتها.
لتستخدمها للقيام بوظيفتها.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
ومن ثم نسلسلُ مليارات من هذه الجزئيات معًا
ونستخدم السلاسل لتخبرنا أي خلية وأي جين
ونستخدم السلاسل لتخبرنا أي خلية وأي جين
08:24
and use the sequences to tell us
149
492532
2498
08:27
which cell and which gene
150
495054
2602
ينبثق منه كل جزيء.
08:29
every molecule came from.
151
497680
1540
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
نسمي هذه الطريقة تسلسل القطرات (Drop-seq)
لأننا نستخدم قطرات السائل
لأننا نستخدم قطرات السائل
08:35
to separate the cells for analysis,
153
503877
2575
لفصل الخلايا لتحليلها،
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
ونستخدم سلاسل الحمض النووي الريبوزي
منقوص الأكسجين لتعليم وجرد وتتبع كل شيء.
منقوص الأكسجين لتعليم وجرد وتتبع كل شيء.
08:41
and keep track of everything.
155
509945
1488
08:44
And now, whenever we do an experiment,
156
512727
1976
وعندما نقوم الآن بعمل تجربة،
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
فإننا نحللُ عشرات الآلاف
من الخلايا المنفردة.
من الخلايا المنفردة.
08:51
And today in this area of science,
158
519018
2624
واليوم في هذا المجال من العلم،
يزداد التحدي كيف نتعلم قدر المستطاع
وبأسرع ما يمكن من مجموعات المعطيات الضخمة.
وبأسرع ما يمكن من مجموعات المعطيات الضخمة.
08:53
the challenge is increasingly
how to learn as much as we can
how to learn as much as we can
159
521666
4931
08:58
as quickly as we can
160
526621
1872
09:00
from these vast data sets.
161
528517
1738
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
عندما كنا نطور طريقة تسلسل القطرات،
اعتاد الناس أن يقولوا لنا:
اعتاد الناس أن يقولوا لنا:
09:07
"Oh, this is going to make you guys
the go-to for every major brain project."
the go-to for every major brain project."
163
535708
4804
"سيجعلكم هذا يا رفاق تسيرون نحو
كل مشروع دماغ رئيسي."
كل مشروع دماغ رئيسي."
09:13
That's not how we saw it.
164
541257
1544
لم نرى الأمر بهذا الشكل.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
العلم هو الأفضل عندما ينتج كل واحد فينا
الكثير من البيانات المثيرة للاهتمام.
الكثير من البيانات المثيرة للاهتمام.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
لذلك قمنا بصياغة كتاب تعليمات من 25 صفحة،
09:23
with which any scientist could build
their own Drop-seq system from scratch.
their own Drop-seq system from scratch.
167
551435
4578
حيث يمكن لأي عالم أن يبني نظامه الخاص
من تسلسل القطرات من البداية.
من تسلسل القطرات من البداية.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
وتم تحميل كتاب التعلميات من موقع مختبرنا
الإلكتروني 50000 مرة في السنتين الماضيتين.
الإلكتروني 50000 مرة في السنتين الماضيتين.
09:31
50,000 times in the past two years.
169
559758
2965
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
صُغنا برمجية يمكن لأي عالم أن يستخدمها
لتحليل البيانات من تجارب تسلسل القطرات.
لتحليل البيانات من تجارب تسلسل القطرات.
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
09:41
and that software is also free,
172
569596
1715
وهذه البرمجية مجانية أيضًا،
09:43
and it's been downloaded from our website
30,000 times in the past two years.
30,000 times in the past two years.
173
571335
4388
وتم تحميلها من موقعنا الإلكتروني
30000 مرة في السنتين الماضيتين.
30000 مرة في السنتين الماضيتين.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
وكتبت لنا المئات من المختبرات
حول اكتشافاتنا باستخدام هذه الطريقة.
حول اكتشافاتنا باستخدام هذه الطريقة.
09:53
using this approach.
175
581331
1443
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
اليوم، تستخدم هذه التقنية
لعمل أطلس للخلايا البشرية.
لعمل أطلس للخلايا البشرية.
09:58
It will be an atlas of all
of the cell types in the human body
of the cell types in the human body
177
586382
3354
سيكون أطلس لكل أنواع الخلية في جسم الإنسان
10:01
and the specific genes
that each cell type uses to do its job.
that each cell type uses to do its job.
178
589760
3680
والجينات المحددة التي تستخدمها
كل نوع خلية للقيام بوظيفتها.
كل نوع خلية للقيام بوظيفتها.
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
أرغبُ الآن أن أخبركم
عن التحدي الثاني الذي نواجهه
عن التحدي الثاني الذي نواجهه
في محاولة تغيير الدماغ
إلى قضية بيانات ضخمة.
إلى قضية بيانات ضخمة.
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
وذلك التحدي هو ما نرغب أن نتعلمه من أدمغة
مئات الآلاف من الأشخاص الأحياء.
مئات الآلاف من الأشخاص الأحياء.
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
10:16
of hundreds of thousands of living people.
182
604808
2444
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
ولكن أدمغتنا ليست متاحة من ناحية جسمانية
بينما نحن أحياء.
بينما نحن أحياء.
10:24
But how can we discover molecular factors
if we can't hold the molecules?
if we can't hold the molecules?
184
612895
3960
ولكن كيف لنا اكتشاف عوامل جزيئية
إن كنا لا نمتلك الجزيئات؟
إن كنا لا نمتلك الجزيئات؟
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
ينبثق الحل من حقيقة أن أكثر الجزئيات
تزويدًا بالمعلومات هي البروتينات
تزويدًا بالمعلومات هي البروتينات
المُشفّرة في الحمض النووي الريبوزي
منقوص الأكسجين الخاص بنا،
منقوص الأكسجين الخاص بنا،
10:34
are encoded in our DNA,
186
622924
1782
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
حيث لديه كل الوصفات التي تتبعها خلايانا
لعمل كل البروتينات الخاصة بنا.
لعمل كل البروتينات الخاصة بنا.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
وتختلف هذه الوصفات من شخص إلى شخص
بطرق تجعل البروتينات تختلف من شخص إلى شخص
بطرق تجعل البروتينات تختلف من شخص إلى شخص
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
10:50
in their precise sequence
190
638335
1787
في تسلسلها الدقيق،
وفي مقدار ما تنتجه كل نوع خلية لكل بروتين.
وفي مقدار ما تنتجه كل نوع خلية لكل بروتين.
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
جميعها مشفرة في حمضنا النووي الريبوزي
منقوص الأكسجين، وكلها تتعلق بعلم الوراثة،
منقوص الأكسجين، وكلها تتعلق بعلم الوراثة،
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
ولكنها ليست الجينات الوراثية
التي درسناها في المدرسة.
التي درسناها في المدرسة.
11:03
Do you remember big B, little b?
194
651572
1983
هل تذكرون حرف B الكبير وحرف b الصغير؟
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
لو ورثتم B الكبيرة،
ستحصلون على عيون بُنية اللون.
ستحصلون على عيون بُنية اللون.
11:09
It's simple.
196
657085
1223
إنها بهذه البساطة.
11:11
Very few traits are that simple.
197
659451
3173
إن عددًا قليلًا جدًا من الصفات
هي بتلك البساطة.
هي بتلك البساطة.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
حتى أن لون العين يتشكل
عن طريق أكثر من جزيء لصبغة منفردة.
عن طريق أكثر من جزيء لصبغة منفردة.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
والشيء المعقد هو أن وظيفة أدمغتنا
تتشكل عن طريق تفاعل آلاف الجينات.
تتشكل عن طريق تفاعل آلاف الجينات.
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
وتختلف كل من هذه الجينات
من شخص إلى شخص إلى آخر،
من شخص إلى شخص إلى آخر،
11:30
from person to person to person,
202
678770
1838
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
ويعتبر كل واحد فينا بمثابة مزيج فريد
من ذلك الاختلاف.
من ذلك الاختلاف.
11:37
It's a big data opportunity.
204
685419
2216
إنها الإمكانية للحصول على معلومات ضخمة.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
واليوم، من المحتمل إحراز تقدم بشكل متزايد
على نطاق لم يكن ممكنًا من قبل أبدًا.
على نطاق لم يكن ممكنًا من قبل أبدًا.
11:43
on a scale that was never possible before.
206
691414
2796
11:46
People are contributing to genetic studies
207
694234
2405
يساهم الناس في الدراسات الجينية
بأعداد قياسية،
بأعداد قياسية،
11:48
in record numbers,
208
696663
1594
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
والعلماء حول العالم يشاركون البيانات
مع بعضهم البعض لتسريع التقدم.
مع بعضهم البعض لتسريع التقدم.
11:55
to speed progress.
210
703196
1571
11:57
I want to tell you a short story
about a discovery we recently made
about a discovery we recently made
211
705514
3239
أرغبُ في إخباركم قصة قصيرة حول الاكتشاف
الذي حققناه مؤخرا عن جينات انفصام الشخصية.
الذي حققناه مؤخرا عن جينات انفصام الشخصية.
12:00
about the genetics of schizophrenia.
212
708777
1894
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
وكان تحقيق ذلك ممكنًا
عن طريق 50000 شخص من 30 دولة،
عن طريق 50000 شخص من 30 دولة،
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
ممن تبرعوا بحمضهم النووي الريبوزي منقوص
الأكسجين للبحث الجيني لانفصام الشخصية.
الأكسجين للبحث الجيني لانفصام الشخصية.
12:14
It had been known for several years
215
722406
2096
كان معروفًا منذ عدة سنوات أن أكبر تأثير
للجينيوم البشري لخطر انفصام الشخصية
للجينيوم البشري لخطر انفصام الشخصية
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
يأتي من جزء من الجينيوم الذي يشفر العديد
من الجزئيات في جهاز المناعة لدينا.
من الجزئيات في جهاز المناعة لدينا.
12:20
comes from a part of the genome
217
728661
1802
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
لكن لم يكن واضحًا أي جين هو المسؤول.
12:29
A scientist in my lab developed
a new way to analyze DNA with computers,
a new way to analyze DNA with computers,
220
737746
4040
طور عالم في مختبري طريقة جديدة لتحليل
الحمض النووي الريبوزي باستخدام الحواسيب،
الحمض النووي الريبوزي باستخدام الحواسيب،
واكتشف شيئًا مثيرًا للدهشة جدًا.
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
وجد جينًا يدعى مركب بروتيني متمم 4
(complement component 4)...
(complement component 4)...
12:40
it's called "C4" for short --
223
748204
1799
يدعى سي 4 (C4) للاختصار...
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
يأتي على شكل عشرات من الأشكال المختلفة
في جينيوم أشخاص مختلفين،
في جينيوم أشخاص مختلفين،
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
وتنتجُ هذه الأشكال المختلفة كميات مختلفة
من بروتين سي 4 في أدمغتنا.
من بروتين سي 4 في أدمغتنا.
12:50
of C4 protein in our brains.
226
758170
2242
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
ووجد أنه كلما تنتج جيناتنا كمية أكبر
من بروتين سي 4،
من بروتين سي 4،
12:56
the greater our risk for schizophrenia.
228
764966
2112
تزداد خطر إصابتنا بانفصام الشخصية.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
لا يزال بروتين سي 4 واحدٌ من عوامل الخطر
في نظامنا المعقد.
في نظامنا المعقد.
13:04
This isn't big B,
230
772850
1989
ليست هذه B الكبيرة،
ولكنها فكرة حول الجزيء المهم.
ولكنها فكرة حول الجزيء المهم.
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
عُرفت البروتينات المتممة مثل سي 4
لفترة طويلة لدورها في نظام المناعة،
لفترة طويلة لدورها في نظام المناعة،
13:15
for their roles in the immune system,
233
783153
1953
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
حيث تتصرف كنوع من الرقعة الوصفية الجزيئية
التي تقول: "كُلني."
التي تقول: "كُلني."
13:19
that says, "Eat me."
235
787932
1580
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
وتوضع تلك الرقعة الوصفية على العديد
من الخلايا المدمرة والميتة في أجسامنا
من الخلايا المدمرة والميتة في أجسامنا
13:25
and dead cells in our bodies
237
793166
2357
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
وتدعو الخلايا المناعية لاستبعادها.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
لكن وجد اثنان من زملائي أن الرقعة الوصفية
لبروتين سي 4
لبروتين سي 4
13:35
also gets put on synapses in the brain
240
803183
3298
توضع أيضًا على نقاط التشابك العصبي للدماغ
وتحفز استبعادها.
وتحفز استبعادها.
13:38
and prompts their elimination.
241
806505
1864
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
الآن، إنتاج واستبعاد نقاط التشابك العصبي
هو جزء طبيعي من التنمية البشرية والمعرفة.
هو جزء طبيعي من التنمية البشرية والمعرفة.
13:44
of human development and learning.
243
812444
1854
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
تنتج وتستبعد أدمغتنا نقاط التشابك العصبي
في كل الأوقات.
في كل الأوقات.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
لكن تشيرُ نتائجنا الجينية أنه
في حالة انفصام الشخصية
في حالة انفصام الشخصية
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
قد تتجه عملية الاستبعاد إلى التسارع.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
أخبرني العلماء في العديد من شركات الأدوية
أنهم متحمسون جدًا بشأن هذا الاكتشاف،
أنهم متحمسون جدًا بشأن هذا الاكتشاف،
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
لأنهم كانوا يعملون على البروتينات المُتممة
لسنوات في نظام المناعة،
لسنوات في نظام المناعة،
14:04
in the immune system,
249
832401
1540
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
وتعلموا الكثير عن كيفية عملها.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
وقد طوروا جزئيات من شأنها التداخل
مع البروتينات المُتممة،
مع البروتينات المُتممة،
14:12
and they're starting to test them
in the brain as well as the immune system.
in the brain as well as the immune system.
252
840803
3607
وبدأوا تجربتها في الدماغ
ونظام المناعة أيضًا.
ونظام المناعة أيضًا.
14:17
It's potentially a path toward a drug
that might address a root cause
that might address a root cause
253
845124
4721
من المحتمل أن تكون طريقًا
نحو اكتشاف دواء ربما يعالجُ سببًا جذريًا
نحو اكتشاف دواء ربما يعالجُ سببًا جذريًا
14:21
rather than an individual symptom,
254
849869
2649
أكثر من العَرض المنفرد،
14:24
and we hope very much that this work
by many scientists over many years
by many scientists over many years
255
852542
4048
ونأمل كثيرًا أن ينجح هذا العمل للعديد
من العلماء على مدى السنوات العديدة.
من العلماء على مدى السنوات العديدة.
14:28
will be successful.
256
856614
1152
14:31
But C4 is just one example
257
859689
3014
ويعتبر بروتين سي 4 مثالًا واحدًا
لإمكانية الطرق العلمية على أساس البيانات
لإمكانية الطرق العلمية على أساس البيانات
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
لفتح مجالات جديدة للمشاكل الطبية
التي يبلغ عمرها قرونًا.
التي يبلغ عمرها قرونًا.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
هناك المئات من الأمكنة في مجموعات جيناتنا
التي تشكل خطورة الإصابة بأمراض الدماغ،
التي تشكل خطورة الإصابة بأمراض الدماغ،
14:44
that shape risk for brain illnesses,
261
872913
2585
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
ويمكن أن تقودنا أية مجموعة من الجينات
إلى الفكرة الجزيئية التالية
إلى الفكرة الجزيئية التالية
14:51
about a molecule that matters.
263
879612
2020
حول الجزيء الذي يهم.
14:53
And there are hundreds of cell types that
use these genes in different combinations.
use these genes in different combinations.
264
881656
3987
ويوجد المئات من أنواع الخلية
التي تستخدم هذه الجينات في مجموعات مختلفة.
التي تستخدم هذه الجينات في مجموعات مختلفة.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
كما أننا نعملُ مع العلماء الآخرين
على إنتاج البقية من البيانات اللازمة
على إنتاج البقية من البيانات اللازمة
14:59
the rest of the data that's needed
266
887760
2069
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
ولنتعلّم كل ما نستطيع من تلك المعطيات.
15:04
we hope to open many more new fronts.
268
892270
2403
نأمل في فتح المزيد من المجالات الجديدة.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
علم الوراثة وتحليل الخلية المنفردة
ما هما إلا وسيلتان فقط
ما هما إلا وسيلتان فقط
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
لمحاولة تحويل الدماغ إلى قضية بيانات ضخمة.
وهناك المزيد مما نستطيع القيام به.
وهناك المزيد مما نستطيع القيام به.
15:18
There is so much more we can do.
271
906424
2159
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
يبتكر العلماء في مختبري تقنية للوصف السريع
لروابط التشابك العصبي في الدماغ
لروابط التشابك العصبي في الدماغ
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
لمعرفة أي الخلايا العصبية
التي تتواصل مع بعضها البعض
التي تتواصل مع بعضها البعض
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
وكيف يتغير ذلك التواصل
مدى الحياة وأثناء المرض.
مدى الحياة وأثناء المرض.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
ونطور طريقة لنجربها في أنبوبة منفردة
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
عن كيف أن الخلايا بمعية المئات
من مجموعات الجينات المختلفة للبشر
من مجموعات الجينات المختلفة للبشر
15:42
respond differently to the same stimulus.
278
930753
2170
تستجيب بشكل مختلف لنفس الحافز.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
تجمع هذه المشاريع الناس معًا بغض النظر
عن تنوع خلفياتهم وتدريبهم واهتماماتهم...
عن تنوع خلفياتهم وتدريبهم واهتماماتهم...
15:51
and training and interests --
280
939175
2493
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
إن كانت في الأحياء والحواسيب والكيمياء،
والرياضيات وعلم الإحصاء والهندسة.
والرياضيات وعلم الإحصاء والهندسة.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
لكن الإمكانيات العلمية
تجمع الأشخاص ذوي الاهتمامات المختلفة
تجمع الأشخاص ذوي الاهتمامات المختلفة
16:04
into working intensely together.
283
952461
2235
على العمل معًا بشكل مكثف.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
ما هو المستقبل الذي نأمل مواكبته؟
خذوا مرض السرطان،
خذوا مرض السرطان،
16:12
Consider cancer.
285
960267
1350
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
تحركنا من عصر الجهل حول أسباب السرطان حيث
كان ينسب عادة إلى الصفات النفسية الشخصية،
كان ينسب عادة إلى الصفات النفسية الشخصية،
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
إلى فهم الجزيئية الحديثة
للأسباب الحيوية الحقيقية للسرطان.
للأسباب الحيوية الحقيقية للسرطان.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
ويقود ذلك الفهم اليوم إلى علاج مُبتكر
تلو الآخر ولا يزال هناك الكثير للقيام به.
تلو الآخر ولا يزال هناك الكثير للقيام به.
16:35
after innovative medicine,
290
983198
1696
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
نحن محاطون فعلًا بالأشخاص
الذين تم علاجهم من السرطان
الذين تم علاجهم من السرطان
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
الذي اعتبر غير قابل للعلاج منذ جيل.
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
ووجد ملايين الناجين من السرطان كشقيقتي
أنفسهم مع سنوات حياتية لم تكن من المسلّمات
أنفسهم مع سنوات حياتية لم تكن من المسلّمات
16:51
find themselves with years of life
that they didn't take for granted
that they didn't take for granted
295
999654
4401
16:56
and new opportunities
296
1004079
1769
ومع فرص جديدة للعمل والمتعة
والتواصل الاجتماعي.
والتواصل الاجتماعي.
16:57
for work and joy and human connection.
297
1005872
3930
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
هذا هو المستقبل الذي نصمم على مواكبته
بشأن الأمراض العقلية...
بشأن الأمراض العقلية...
17:08
one of real understanding and empathy
299
1016581
4119
الفهم الحقيقي والتعاطف
والإمكانية غير المحدودة.
والإمكانية غير المحدودة.
17:12
and limitless possibility.
300
1020724
1816
17:15
Thank you.
301
1023159
1190
شكرًا لكم.
17:16
(Applause)
302
1024374
4062
(تصفيق)
ABOUT THE SPEAKER
Steve McCarroll - GeneticistSteve McCarroll is conducting groundbreaking research on the causes of mental illness.
Why you should listen
Steve McCarroll and the scientists in his lab use human genetics, molecular biology and engineering to create new ways of studying the human brain, reveal the ways in which genomes vary from person to person and discover the molecular and cellular processes that underlie brain illness. McCarroll and his team at Harvard have linked schizophrenia to specific gene variations that recruit immune molecules into "pruning" synapses in the brain, a discovery that is leading toward new ways of thinking about the biological basis of schizophrenia and new approaches for discovering medicines.
Prior to leading his lab, McCarroll earned his PhD in neuroscience at the University of California, San Francisco. He is also currently serving as Director of Genetics for the Broad Institute's Stanley Center for Psychiatric Research.
Steve McCarroll | Speaker | TED.com