TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Eine Karte des Gehirns
Filmed:
Readability: 4.4
1,269,611 views
Wie können wir anfangen, die Arbeitsweise des Gehirns zu verstehen? Genauso, wie wir anfangen, eine Stadt zu verstehen: indem wir sie kartieren. In dieser visuell beeindruckenden Rede, zeigt Allan Jones, wie sein Team kartiert, welche Gene in jeder winzigen Region eingeschaltet sind und wie alles miteinander kommuniziert.
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
Double-click the English transcript below to play the video.
00:15
Humans have long held a fascination
0
0
2000
Seit langem übt das menschliche Gehirn
00:17
for the human brain.
1
2000
2000
eine Faszination auf Menschen aus.
00:19
We chart it, we've described it,
2
4000
3000
Wir machten Schaubilder, Beschreibungen,
00:22
we've drawn it,
3
7000
2000
Zeichnungen
00:24
we've mapped it.
4
9000
3000
und Karten.
00:27
Now just like the physical maps of our world
5
12000
3000
Nun, ebenso wie die physischen Karten unserer Erde,
00:30
that have been highly influenced by technology --
6
15000
3000
die sehr von Technologie beeinflusst wurden –
00:33
think Google Maps,
7
18000
2000
denken sie an Google Maps,
00:35
think GPS --
8
20000
2000
denken sie an GPS –
00:37
the same thing is happening for brain mapping
9
22000
2000
dasselbe passiert bei Gehirnaufzeichnungen
00:39
through transformation.
10
24000
2000
durch Umwandlung.
00:41
So let's take a look at the brain.
11
26000
2000
Sehen wir uns also das Gehirn an.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Viele Menschen, wenn sie zum ersten Mal ein frisches menschliches Gehirn sehen,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
sagen: "Normalerweise sieht es anders aus,
00:49
when someone shows you a brain."
14
34000
2000
wenn man ein Gehirn gezeigt bekommt."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Was sie normalerweise sehen, ist ein fixiertes Gehirn. Es ist grau.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Und diese Aussenschicht, das Gefäßsystem –
00:56
which is incredible, around a human brain.
17
41000
2000
welches unglaublich ist – umgibt das menschliche Gehirn.
00:58
This is the blood vessels.
18
43000
2000
Dies sind die Blutgefäße.
01:00
20 percent of the oxygen
19
45000
3000
20 Prozent des Sauerstoffs
01:03
coming from your lungs,
20
48000
2000
kommt aus den Lungen,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 Prozent unseren Blutes wird aus dem Herzen gepumpt,
01:07
is servicing this one organ.
22
52000
2000
es versorgt dieses eine Organ.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Es ist im Grunde, wenn sie ihre zwei Fäuste aneinander halten,
01:11
it's just slightly larger than the two fists.
24
56000
2000
ein wenig grösser als ihre beiden Fäuste.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Wissenschaftler fanden Ende des 20. Jahrhunderts heraus,
01:16
learned that they could track blood flow
26
61000
2000
dass sie den Blutfluss verfolgen können,
01:18
to map non-invasively
27
63000
3000
um nicht-invasiv aufzuzeichnen,
01:21
where activity was going on in the human brain.
28
66000
3000
wo Aktivität im menschlichen Gehirn stattfindet.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
So können sie, z.B. die Rückseite des Gehirns betrachten,
01:27
which is just turning around there.
30
72000
2000
welches sich gerade herumdreht.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Da ist das Kleinhirn; es hält sie in diesem Moment aufrecht.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Dadurch kann ich stehen. Es ist an koordinierten Bewegungen beteiligt.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Auf der rechten Seite befindet sich der temporale Kortex.
01:37
This is the area where primary auditory processing --
34
82000
3000
Das ist der Bereich, in dem die erste Verarbeitung des Hörens stattfindet --
01:40
so you're hearing my words,
35
85000
2000
sie hören meine Worte,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
sie senden sie in höher gelegene Sprachverarbeitungszentren.
01:44
Towards the front of the brain
37
89000
2000
In Richtung des vorderen Hirnbereichs
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
ist der Bereich, in dem komplexe Gedankenvorgänge, wie Entscheidungen stattfinden –
01:49
it's the last to mature in late adulthood.
39
94000
4000
Es ist das Letzte, was im späten Erwachsenenalter heranreift.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Dort finden alle Entscheidungsprozesse statt.
01:56
It's the place where you're deciding right now
41
101000
2000
Es ist der Bereich, in dem sie jetzt gerade entscheiden,
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
vielleicht doch nicht das Steak zum Abendessen zu bestellen.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Wenn sie also einen tieferen Blick in das Gehirn werfen,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
ist eines der Dinge, die sie
02:05
what you can see
45
110000
2000
im Querschnitt erkennen,
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
dass sie eine ganze Menge kleiner Strukturen nicht sehen können.
02:10
But there's actually a lot of structure there.
47
115000
2000
Aber es gibt hier tatsächlich viele Strukturen.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Seine Zellen und seine Leitungen sind alle miteinander verdrahtet.
02:14
So about a hundred years ago,
49
119000
2000
Vor etwa 100 Jahren erfanden
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
einige Wissenschaftler eine Farbe, die Zellen einfärben konnte.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Hier an dem leichten Blau zu sehen.
02:21
You can see areas
52
126000
2000
Sie können Bereiche sehen,
02:23
where neuronal cell bodies are being stained.
53
128000
2000
in denen normale Körperzellen eingefärbt sind.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Und was sie sehen ist sehr ungleichmäßig. Hier sehen sie eine größere Anordnung.
02:28
So the outer part of that brain
55
133000
2000
Der äußere Bereich des Gehirns
02:30
is the neocortex.
56
135000
2000
ist der Neokortex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Es ist eine durchgehende Verarbeitungseinheit, wenn sie so wollen.
02:35
But you can also see things underneath there as well.
58
140000
2000
Ebenso können sie etwas unterhalb erkennen.
02:37
And all of these blank areas
59
142000
2000
Alle diese leeren Gebiete,
02:39
are the areas in which the wires are running through.
60
144000
2000
sind die Gebiete, in denen die Leitungen durchlaufen.
02:41
They're probably less cell dense.
61
146000
2000
Sie sind wahrscheinlich weniger zelldurchlässig.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Es gibt etwa 86 Billionen Neuronen in unseren Gehirn.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Wie sie hier sehen können, sind sie sehr ungleichmäßig verteilt.
02:50
And how they're distributed really contributes
64
155000
2000
Und die Art und Weise, wie sie verteilt sind, trägt sehr
02:52
to their underlying function.
65
157000
2000
zu ihrer eigentlichen Funktionsweise bei.
02:54
And of course, as I mentioned before,
66
159000
2000
Und, wie ich zuvor angemerkt habe,
02:56
since we can now start to map brain function,
67
161000
3000
da wir nun anfangen können, die Gehirnfunktion zu kartieren,
02:59
we can start to tie these into the individual cells.
68
164000
3000
können wir anfangen, sie einzelnen Zellen zuzuordnen.
03:02
So let's take a deeper look.
69
167000
2000
Sehen wir uns das also genauer an.
03:04
Let's look at neurons.
70
169000
2000
Werfen wir einen Blick auf die Neuronen.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Wie ich bereits erwähnte, gibt es 86 Billionen Neuronen.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Außerdem gibt es diese kleineren Zellen wie sie sehen werden.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Es handelt sich um Stützzellen – sogenannte Astrozyten.
03:12
And the nerves themselves
74
177000
3000
Die Nerven selber
03:15
are the ones who are receiving input.
75
180000
2000
sind diejenigen, die Informationen erhalten.
03:17
They're storing it, they're processing it.
76
182000
2000
Sie speichern und verarbeiten sie.
03:19
Each neuron is connected via synapses
77
184000
4000
Jedes Neuron ist mit bis zu 10.000 anderen
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
Neuronen in Ihrem Gehirn mittels Synapsen verbunden.
03:26
And each neuron itself
79
191000
2000
Und jedes Neuron für sich
03:28
is largely unique.
80
193000
2000
ist weitgehend einzigartig.
03:30
The unique character of both individual neurons
81
195000
2000
Der einzigartige Charakter von beiden einzelnen Nervenzellen
03:32
and neurons within a collection of the brain
82
197000
2000
und Neuronen innerhalb des Gehirnverbands
03:34
are driven by fundamental properties
83
199000
3000
resultiert aus der grundlegendes Eigenschaft
03:37
of their underlying biochemistry.
84
202000
2000
ihrer zugrunde liegenden Biochemie.
03:39
These are proteins.
85
204000
2000
Das sind Proteine.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Proteine, die Dinge wie die Bewegungen der Ionenkanäle steuern.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Sie steuern, mit wem sich Nervenzellen zusammenschließen.
03:48
And they're controlling
88
213000
2000
Und sie steuern
03:50
basically everything that the nervous system has to do.
89
215000
2000
im Grunde alles, was mit dem Nervensystem zu tun hat.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Wenn wir diesen Bereich noch näher betrachten,
03:55
all of those proteins
91
220000
2000
sind alle diese Proteine
03:57
are encoded by our genomes.
92
222000
2000
durch unsere Genome kodiert.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Jeder von uns hat 23 Chromosomenpaare.
04:02
We get one from mom, one from dad.
94
227000
2000
Eins bekommen wir von der Mutter, eins vom Vater.
04:04
And on these chromosomes
95
229000
2000
Und auf diesen Chromosomen
04:06
are roughly 25,000 genes.
96
231000
2000
haben wir schätzungsweise 25.000 Gene.
04:08
They're encoded in the DNA.
97
233000
2000
Sie verschlüsseln die DNA.
04:10
And the nature of a given cell
98
235000
3000
Und das Wesen einer bestimmten Zelle,
04:13
driving its underlying biochemistry
99
238000
2000
seine zu Grunde liegende Biochemie anzutreiben,
04:15
is dictated by which of these 25,000 genes
100
240000
3000
ist dadurch bestimmt, welche der 25.000 Gene
04:18
are turned on
101
243000
2000
eingeschaltet sind
04:20
and at what level they're turned on.
102
245000
2000
und zu welchem Schwellenwert sie eingeschaltet sind.
04:22
And so our project
103
247000
2000
Unsere Aufgabe ist es also
04:24
is seeking to look at this readout,
104
249000
3000
diese Anzeige zu betrachten,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
um zu verstehen, welches dieser 25.000 Gene arbeitet.
04:30
So in order to undertake such a project,
106
255000
3000
Um so eine Aufgabe durchzuführen,
04:33
we obviously need brains.
107
258000
3000
brauchen wir selbstverständlich Gehirne.
04:36
So we sent our lab technician out.
108
261000
3000
Darum haben wir unseren Laborassistenten losgeschickt.
04:39
We were seeking normal human brains.
109
264000
2000
Wir haben normale menschliche Gehirne gesucht.
04:41
What we actually start with
110
266000
2000
Womit wir tatsächlich anfangen
04:43
is a medical examiner's office.
111
268000
2000
ist die Gerichtsmedizin / Pathologie.
04:45
This a place where the dead are brought in.
112
270000
2000
Hier werden Verstorbene hingebracht.
04:47
We are seeking normal human brains.
113
272000
2000
Wir suchen normale menschliche Gehirne.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Wir suchen die Gehirne nach vielen Kriterien aus.
04:52
We want to make sure
115
277000
2000
Wir möchten sicherstellen,
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
dass wir normale Gehirne von 20- bis 60-Jährigen haben,
04:57
they died a somewhat natural death
117
282000
2000
die eines natürlichen Todes gestorben sind,
04:59
with no injury to the brain,
118
284000
2000
ohne Gehirnverletzungen.
05:01
no history of psychiatric disease,
119
286000
2000
ohne psychiatrischen Hintergrund,
05:03
no drugs on board --
120
288000
2000
ohne Drogen –
05:05
we do a toxicology workup.
121
290000
2000
wir machen eine toxikologische Untersuchung,
05:07
And we're very careful
122
292000
2000
und überlegen gründlich,
05:09
about the brains that we do take.
123
294000
2000
welche Gehirne wir nehmen.
05:11
We're also selecting for brains
124
296000
2000
Wir achten auch darauf,
05:13
in which we can get the tissue,
125
298000
2000
dass wir die Erlaubnis zur
05:15
we can get consent to take the tissue
126
300000
2000
Gewebeentnahme innerhalb eines
05:17
within 24 hours of time of death.
127
302000
2000
Tages nach Todeseintritt erhalten.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Denn was wir messen wollen, die RNA –
05:22
which is the readout from our genes --
129
307000
2000
welches die Ausgabe unserer Gene ist --
05:24
is very labile,
130
309000
2000
ist sehr unstabil,
05:26
and so we have to move very quickly.
131
311000
2000
und daher müssen wir es schnell angehen.
05:28
One side note on the collection of brains:
132
313000
3000
Eine Anmerkung bezüglich des Beschaffens der Gehirne:
05:31
because of the way that we collect,
133
316000
2000
aufgrund der Art und Weise wie wir sie beschaffen
05:33
and because we require consent,
134
318000
2000
und weil wir um Zustimmung bitten,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
haben wir tatsächlich mehr Gehirne von Männern als von Frauen.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Bei Männer ist der Unfalltot mitten im Leben viel wahrscheinlicher,
05:41
And men are much more likely
137
326000
2000
und bei Männern bekommt man
05:43
to have their significant other, spouse, give consent
138
328000
3000
vom Lebenspartner auch eher die Zustimmung,
05:46
than the other way around.
139
331000
2000
als anders herum.
05:48
(Laughter)
140
333000
4000
(Gelächter)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Das Erste was wir mit der Sammlung machen
05:54
is we collect what's called an MR.
142
339000
2000
wir lassen ein MR vornehmen –
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
eine Kernspintomografie.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Das ist die Standardarbeitsweise, mit der wir die restlichen Daten einreihen.
06:01
So we collect this MR.
145
346000
2000
Also veranlassen wir ein MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Sie können sich das als Satellitenbild für unsere Karte vorstellen.
06:05
The next thing we do
147
350000
2000
Als nächstes veranlassen
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
wir eine sogenannte Diffusionstensor-Bildgebung.
06:10
This maps the large cabling in the brain.
149
355000
2000
Dies kartografiert die großen Hauptverknüpfungen im Gehirn.
06:12
And again, you can think of this
150
357000
2000
Und noch einmal, Sie können sich das
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
beinah wie das Kartografieren unserer Autobahnen vorstellen, wenn sie wollen.
06:16
The brain is removed from the skull,
152
361000
2000
Das Gehirn ist aus dem Schädel entfernt
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
und in 1 cm dicke Scheiben geschnitten.
06:21
And those are frozen solid,
154
366000
2000
Diese werden hart gefroren
06:23
and they're shipped to Seattle.
155
368000
2000
und nach Seattle verschickt.
06:25
And in Seattle, we take these --
156
370000
2000
In Seattle nehmen wir sie –
06:27
this is a whole human hemisphere --
157
372000
2000
das ist eine ganze menschliche Gehirnhälfte –
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
und legen sie hier rein – nur eine bessere Aufschnittmaschine.
06:31
There's a blade here that's going to cut across
159
376000
2000
Die Klinge hier schneidet ein waagerechtes
06:33
a section of the tissue
160
378000
2000
Stück aus dem Gewebe
06:35
and transfer it to a microscope slide.
161
380000
2000
und legt es auf den Objektträger des Mikroskops.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Dann werden wir etwas Farbstoff aufbringen
06:39
and we scan it.
163
384000
2000
und es scannen.
06:41
And then what we get is our first mapping.
164
386000
3000
So erhalten wir unsere erste Kartierung.
06:44
So this is where experts come in
165
389000
2000
Jetzt kommen Experten ins Spiel
06:46
and they make basic anatomic assignments.
166
391000
2000
und machen grundlegende anatomische Zuordnungen.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Wenn Sie wollen, können sie diese ziemlich breiten
06:51
those pretty broad outlines.
168
396000
2000
Umrisse als Staatsgrenzen betrachten.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Danach können wir das Gehirn in weitere Teile zerlegen,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
die wir dann in einen kleineren Tiefkühler legen können.
06:59
And this is just showing this here --
171
404000
2000
Und das ist gerade hier zu sehen –
07:01
this frozen tissue, and it's being cut.
172
406000
2000
gefrorenes Gewebe und es wird geschnitten.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Es ist 20 Mikrometer dünn, etwa die Breite eines Babyhaars.
07:06
And remember, it's frozen.
174
411000
2000
Und vergessen Sie nicht, es ist gefroren.
07:08
And so you can see here,
175
413000
2000
Und hier sehen Sie die
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
Verwendung eines altmodischen Pinsels.
07:12
We take a microscope slide.
177
417000
2000
Wir nehmen einen Objektträger,
07:14
Then we very carefully melt onto the slide.
178
419000
3000
und schmelzen es behutsam auf darauf.
07:17
This will then go onto a robot
179
422000
2000
Der Objektträger kommt auf einen
07:19
that's going to apply one of those stains to it.
180
424000
3000
Roboter, der einen der Farbstoffe aufbringt.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Dann sehen unsere Anatomen es sich genauer an.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Das ist also, was sie unter dem Mikroskop sehen können.
07:31
You can see collections and configurations
183
436000
2000
Man kann Ansammlungen und Anordnungen
07:33
of large and small cells
184
438000
2000
von großen und kleinen Zellen
07:35
in clusters and various places.
185
440000
2000
in Anhäufungen oder an verschiedenen Stellen sehen.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Danach kommt Routine. Sie wissen, wo diese Zuordnungen zu machen sind.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Und sie können im Grunde einen Referenzatlas machen.
07:42
This is a more detailed map.
188
447000
2000
Das ist eine detailliertere Karte.
07:44
Our scientists then use this
189
449000
2000
Unsere Wissenschaftler benutzen sie dann,
07:46
to go back to another piece of that tissue
190
451000
3000
um an einem anderen Stück des Gewebes
07:49
and do what's called laser scanning microdissection.
191
454000
2000
eine sogenannte Laser-Mikrodissektion zu machen.
07:51
So the technician takes the instructions.
192
456000
3000
Der Techniker erhält also die Anweisungen.
07:54
They scribe along a place there.
193
459000
2000
Sie zeichnen es der Länge nach an.
07:56
And then the laser actually cuts.
194
461000
2000
Und dann schneidet der Laser.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Sie können den blauen Punkt dort schneiden sehen. Und dann fällt das Gewebe herunter.
08:01
You can see on the microscope slide here,
196
466000
2000
Sie können hier auf dem Objektträger sehen,
08:03
that's what's happening in real time.
197
468000
2000
das dies in Echtzeit passiert.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Unterhalb ist ein Behälter, der das Gewebe auffängt.
08:08
We take that tissue,
199
473000
2000
Wir nehmen das Gewebe,
08:10
we purify the RNA out of it
200
475000
2000
wir entnehmen die RNA
08:12
using some basic technology,
201
477000
2000
mittels bewährter Technologie
08:14
and then we put a florescent tag on it.
202
479000
2000
und geben etwas Effloreszenz drauf.
08:16
We take that tagged material
203
481000
2000
Wir nehmen das markierte Material
08:18
and we put it on to something called a microarray.
204
483000
3000
und legen es auf einen sogenannten Genchip.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Das muss für sie jetzt wie ein Bündel von Punkten aussehen,
08:23
but each one of these individual dots
206
488000
2000
aber jeder dieser einzelnen Punkte ist
08:25
is actually a unique piece of the human genome
207
490000
2000
tatsächlich ein einzigartiges Stück menschlichen Genoms,
08:27
that we spotted down on glass.
208
492000
2000
das wir auf Glas tupften.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Es hat ungefähr 60,000 Elemente darauf,
08:32
so we repeatedly measure various genes
210
497000
3000
so dass wir verschieden der 25.000 Gene
08:35
of the 25,000 genes in the genome.
211
500000
2000
im Genom mehrfach messen.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Und wenn wir eine Probe nehmen und es dazu kreuzen,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
bekommen wir so etwas wie einen einzigartigen Fingerabdruck,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
quantitativ der Gene die in dieser Probe eingeschaltet werden.
08:45
Now we do this over and over again,
215
510000
2000
Dann wiederholen wir den Vorgang
08:47
this process for any given brain.
216
512000
3000
mit jedem einzelnen Gehirn.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Wir nehmen über 1,000 Proben von jedem Gehirn.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Dieses Gebiet hier ist der sogenannte Hippocampus.
08:56
It's involved in learning and memory.
219
521000
2000
Er ist für das Lernen und das Gedächtnis zuständig.
08:58
And it contributes to about 70 samples
220
523000
3000
Und er trägt ungefähr 70 Proben
09:01
of those thousand samples.
221
526000
2000
zu den 1,000 Proben bei.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Jede Probe bringt uns ungefähr 50,000 Datenpunkte
09:07
with repeat measurements, a thousand samples.
223
532000
3000
mit wiederholten Messungen, beinahe 1,000 Proben.
09:10
So roughly, we have 50 million data points
224
535000
2000
Wir haben schätzungsweise 50 Millionen Datenpunkte
09:12
for a given human brain.
225
537000
2000
für jedes einzelne Gehirn.
09:14
We've done right now
226
539000
2000
Bislang entspricht die
09:16
two human brains-worth of data.
227
541000
2000
Datenmenge zwei menschlichen Gehirnen.
09:18
We've put all of that together
228
543000
2000
Wir haben das alles in eins
09:20
into one thing,
229
545000
2000
zusammengepackt,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
und ich werde ihnen zeigen, wie die Synthese aussieht.
09:24
It's basically a large data set of information
231
549000
3000
Im Grunde ist es ein großer Datensatz an Informationen,
09:27
that's all freely available to any scientist around the world.
232
552000
3000
welcher für alle Wissenschaftler dieser Welt zugänglich ist.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Sie müssen sich nicht einmal einloggen, um dieses Werkzeug zu benutzen,
09:33
mine this data, find interesting things out with this.
234
558000
4000
die Daten zu analysier und interessante Dinge herauszufinden.
09:37
So here's the modalities that we put together.
235
562000
3000
Hier sind die Modalitäten, die wir zusammengestellt haben.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Sie werden sie, von dem was wir vorher zusammengetragen haben, wiedererkennen.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Hier ist das MR. Es stellt das Grundgerüst dar.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Da ist ein Leitelement auf der rechten Seite, welches ihnen erlaubt, sich zu drehen,
09:48
it allows you to zoom in,
239
573000
2000
es erlaubt ihnen, sich auf etwas zu konzentrieren,
09:50
it allows you to highlight individual structures.
240
575000
3000
es erlaubt ihnen, individuelle Strukturen hervorzuheben.
09:53
But most importantly,
241
578000
2000
Allen voran kartieren
09:55
we're now mapping into this anatomic framework,
242
580000
3000
wir jetzt diese anatomische Struktur, die als allgemeines
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
System Menschen erlaubt zu verstehen, welche Gene eingeschaltet sind.
10:01
So the red levels
244
586000
2000
Die roten Ebenen zeigen,
10:03
are where a gene is turned on to a great degree.
245
588000
2000
wo Gene in hohem Maße stimuliert sind.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Grün gehört zu den kühleren Bereichen, wo sie nicht stimuliert sind.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Und jedes Gen gibt uns einen Fingerabdruck.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Und erinnern sie sich daran, dass wir alle 25,000 Gene des Genoms untersucht haben
10:15
and have all of that data available.
249
600000
4000
und alle Daten verfügbar sind.
10:19
So what can scientists learn about this data?
250
604000
2000
Was können Wissenschaftler also aus diesen Daten lernen?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Wir fangen gerade erst an, die Daten anzusehen.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Es gibt grundlegende Dinge, die man verstehen will.
10:27
Two great examples are drugs,
253
612000
2000
Zwei wichtige Beispiele sind Medikamente,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac und Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Dies sind üblicherweise verschriebene Antidepressiva.
10:34
Now remember, we're assaying genes.
256
619000
2000
Jetzt erinnern Sie sich, wir untersuchen Gene.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Gene senden Instruktionen, Proteine zu bilden.
10:39
Proteins are targets for drugs.
258
624000
2000
Proteine sind Ziele für Medikamente.
10:41
So drugs bind to proteins
259
626000
2000
Medikamente binden sich an Proteine
10:43
and either turn them off, etc.
260
628000
2000
und schalten sie ab, etc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Wenn man also die Wirkung von Medikamenten verstehen will,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
will man verstehen, warum sie auf gewünschte Weise agieren,
10:50
and also in the ways you don't want them to.
263
635000
2000
aber auch auf unerwünschte.
10:52
In the side effect profile, etc.,
264
637000
2000
In dem Nebenwirkungsprofil etc.,
10:54
you want to see where those genes are turned on.
265
639000
2000
möchten man sehen, wo solche Gene eingschaltet werden.
10:56
And for the first time, we can actually do that.
266
641000
2000
Und zum ersten Mal können wir genau das tun.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Wir können dieses bei mehreren Personen machen, die wir auch untersucht haben.
11:01
So now we can look throughout the brain.
268
646000
3000
Wir können jetzt ganz und gar das Gehirn ansehen.
11:04
We can see this unique fingerprint.
269
649000
2000
Wir können diesen einzigartigen Fingerabdruck sehen.
11:06
And we get confirmation.
270
651000
2000
Und wir bekommen Bestätigung.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Wir bekommen Bestätigung, dass das Gen tatsächlich eingeschaltet ist –
11:11
for something like Prozac,
272
656000
2000
für etwas wie Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
in serotonergen Strukturen werden bekannte Dinge beeinflußt –
11:16
but we also get to see the whole thing.
274
661000
2000
aber wir bekommen auch das Ganze zu sehen.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Wir bekommen Bereiche zu sehen, die zuvor noch niemand gesehen hat
11:20
and we see these genes turned on there.
276
665000
2000
und wir sehen hier diese stimulierten Gene.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Es ist so interessant wie eine Nebenwirkung nur sein kann.
11:25
One other thing you can do with such a thing
278
670000
2000
Eine andere Sache, die man damit machen kann ist,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
weil es um Mustererkennung geht,
11:30
because there's unique fingerprint,
280
675000
2000
weil es einen einzigartigen Fingerabdruck gibt,
11:32
we can actually scan through the entire genome
281
677000
2000
können wir tatsächlich das ganze Genom untersuchen
11:34
and find other proteins
282
679000
2000
und andere Proteine mit
11:36
that show a similar fingerprint.
283
681000
2000
ähnlichem Fingerabdruck finden.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Wenn Sie also z.B. in der Pharmaforschung tätig sind,
11:41
you can go through
285
686000
2000
können sie durch eine ganze Liste von
11:43
an entire listing of what the genome has on offer
286
688000
2000
Angeboten gehen, die ein Genom zu bieten hat,
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
um vielleicht bessere Wirkungsorte zu finden und zu optimieren.
11:49
Most of you are probably familiar
288
694000
2000
Viele von ihnen kennen sich sicherlich
11:51
with genome-wide association studies
289
696000
2000
mit Gesamt-Genom-Assoziationsstudien aus,
11:53
in the form of people covering in the news
290
698000
3000
wenn die Nachrichten davon berichten,
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
dass 'Wissenschaftler kürzlich das Gen oder die Gene mit der
11:59
which affect X."
292
704000
2000
Wirkung auf X entdeckt haben'.
12:01
And so these kinds of studies
293
706000
2000
Und diese Art von Studien
12:03
are routinely published by scientists
294
708000
2000
werden laufend von Wissenschaftlern veröffentlicht
12:05
and they're great. They analyze large populations.
295
710000
2000
und sie sind großartig. Sie analysieren große Populationen.
12:07
They look at their entire genomes,
296
712000
2000
Sie betrachten ihre gesamten Genome
12:09
and they try to find hot spots of activity
297
714000
2000
und sie versuchen Aktivitätsherde zu finden,
12:11
that are linked causally to genes.
298
716000
3000
die ursächlich mit den Genen verknüpft sind.
12:14
But what you get out of such an exercise
299
719000
2000
Aber was sie aus solch einer Anwendung herausbekommen,
12:16
is simply a list of genes.
300
721000
2000
ist einfach eine Liste von Genen.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Die zeigt dir das Was, aber nicht das Wo.
12:21
And so it's very important for those researchers
302
726000
3000
Und so ist es für diese Forscher sehr wichtig,
12:24
that we've created this resource.
303
729000
2000
das wir diese Quelle erschaffen haben.
12:26
Now they can come in
304
731000
2000
Jetzt können sie hereinkommen
12:28
and they can start to get clues about activity.
305
733000
2000
und anfangen, Hinweise bezüglich der Aktivität zu bekommen.
12:30
They can start to look at common pathways --
306
735000
2000
Sie können anfangen, sich allgemeine Pfade anzusehen --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
andere Dinge, zu denen sie vorher nicht imstande waren.
12:36
So I think this audience in particular
308
741000
3000
So denke ich, dass besonders dieses Publikum
12:39
can understand the importance of individuality.
309
744000
3000
die Wichtigkeit der Individualität verstehen kann.
12:42
And I think every human,
310
747000
2000
Und ich denke, jeder Mensch,
12:44
we all have different genetic backgrounds,
311
749000
4000
wir alle haben verschiedene genetische Hintergründe,
12:48
we all have lived separate lives.
312
753000
2000
wir alle haben eigenständige Leben gelebt.
12:50
But the fact is
313
755000
2000
Aber Tatsache ist,
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
die Ähnlichkeit unserer Genome ist größer als 99 %.
12:55
We're similar at the genetic level.
315
760000
3000
Wir sind auf genetischen Niveau gleich.
12:58
And what we're finding
316
763000
2000
Und tatsächlich stellen wir fest,
13:00
is actually, even at the brain biochemical level,
317
765000
2000
sogar auf der biochemischen Ebene des Gehirns
13:02
we are quite similar.
318
767000
2000
sind wir ziemlich gleich.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Und das zeigt uns, dass nicht 99 Prozent,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
aber annähernd 99 Prozent
13:08
at a reasonable cutoff,
321
773000
3000
in guter Näherung, so dass
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
alles in der [Daten-]Wolke grob korreliert.
13:13
And then we find some outliers,
323
778000
2000
Und wir finden einige Sonderfälle,
13:15
some things that lie beyond the cloud.
324
780000
3000
einige Dinge, die außerhalb der Wolke liegen.
13:18
And those genes are interesting,
325
783000
2000
Und diese Gene sind interessant
13:20
but they're very subtle.
326
785000
2000
aber sie sind sehr fein.
13:22
So I think it's an important message
327
787000
3000
Daher denke ich, die wichtige Botschaft,
13:25
to take home today
328
790000
2000
die sie heute mitnehmen sollen ist,
13:27
that even though we celebrate all of our differences,
329
792000
3000
auch wenn wir all unsere Unterschiede ausleben,
13:30
we are quite similar
330
795000
2000
sind wir ziemlich ähnlich,
13:32
even at the brain level.
331
797000
2000
auch auf der Gehirnebene.
13:34
Now what do those differences look like?
332
799000
2000
Nun, wie sehen diese Unterschiede aus?
13:36
This is an example of a study that we did
333
801000
2000
Dies ist ein Beispiel einer Studie, die wir machten,
13:38
to follow up and see what exactly those differences were --
334
803000
2000
um zu verfolgen und zu sehen, was genau diese Unterschiede sind –
13:40
and they're quite subtle.
335
805000
2000
und sie sind recht fein.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Dabei werden Gene in einem individuellen Zelltyp aktiviert.
13:46
These are two genes that we found as good examples.
337
811000
3000
Dieses sind zwei Gene, die wir als gutes Beispiel gefunden haben.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Eins heißt RELN – es ist an frühen Entwicklungsmerkmalen beteiligt.
13:52
DISC1 is a gene
339
817000
2000
DISC1 ist ein Gen,
13:54
that's deleted in schizophrenia.
340
819000
2000
welches bei Schizophrenie gelöscht wird.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Dies sind keine schizophrenen Personen
13:58
but they do show some population variation.
342
823000
3000
aber sie zeigen Abweichungen von der Grundgesamtheit.
14:01
And so what you're looking at here
343
826000
2000
Hier sehen sie nun bei Spender
14:03
in donor one and donor four,
344
828000
2000
Eins und Spender Fünf,
14:05
which are the exceptions to the other two,
345
830000
2000
die Ausnahmen zu den zwei anderen sind,
14:07
that genes are being turned on
346
832000
2000
das Gene in einer sehr spezifischen
14:09
in a very specific subset of cells.
347
834000
2000
Teilmenge der Zellen aktiviert sind.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Es ist diese dunkelviolette Ablagerung in den Zellen,
14:14
that's telling us a gene is turned on there.
349
839000
3000
die uns sagt, dass ein Gen hier aktiviert ist.
14:17
Whether or not that's due
350
842000
2000
Ob das vom individuellen
14:19
to an individual's genetic background or their experiences,
351
844000
2000
genetischen Hintergrund oder ihren Erfahrungen abhängt,
14:21
we don't know.
352
846000
2000
wissen wir nicht.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Diese Art von Studien verlangen eine viel größere Population.
14:28
So I'm going to leave you with a final note
354
853000
2000
Ich verlasse Sie nun mit einer letzten Anmerkung
14:30
about the complexity of the brain
355
855000
3000
zur Komplexität des Gehirns, und dazu
14:33
and how much more we have to go.
356
858000
2000
wie weit wir noch gehen müssen.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Ich halte diese Mittel für unglaublich wertvoll.
14:37
They give researchers a handle
358
862000
2000
Sie geben Wissenschaftlern Richtung
14:39
on where to go.
359
864000
2000
für weitere Arbeiten.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Aber an diesem Punkt haben wir nur auf eine handvoll Personen betrachtet.
14:44
We're certainly going to be looking at more.
361
869000
2000
Wir werden aber mit Sicherheit mehr betrachten.
14:46
I'll just close by saying
362
871000
2000
Lassen sie mich abschließend sagen,
14:48
that the tools are there,
363
873000
2000
dass die Werkzeuge vorhanden sind
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
und das dies ein wirklich unerforschter, unentdeckter Kontinent ist.
14:54
This is the new frontier, if you will.
365
879000
4000
Das ist neues Grenzland, wenn sie so wollen.
14:58
And so for those who are undaunted,
366
883000
2000
Und für diejenigen, die unerschrocken sind
15:00
but humbled by the complexity of the brain,
367
885000
2000
aber beeindruckt von der Komplexität des Gehirns,
15:02
the future awaits.
368
887000
2000
die Zukunft wartet.
15:04
Thanks.
369
889000
2000
Dankeschön.
15:06
(Applause)
370
891000
9000
(Beifall)
ABOUT THE SPEAKER
Allan Jones - Brain scientistAs CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.
Why you should listen
The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.
Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.
He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."
Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>
Allan Jones | Speaker | TED.com