TED2011
Ed Boyden: A light switch for neurons
Εντ Μπόιντεν: Ένας διακόπτης για τους νευρώνες
Filmed:
Readability: 4
1,098,379 views
Ο Εντ Μπόιντεν δείχνει πως, τοποθετώντας γονίδια για φωτοευαίσθητες πρωτεΐνες στα εγκεφαλικά κύτταρα, μπορεί επιλεκτικά να ενεργοποιήσει ή να απενεργοποιήσει συγκεκριμένους νευρώνες με εμφυτεύματα οπτικών ινών. Ο παρουσιαστής Χουάν Ενρίκεζ συντονίζει ένα σύντομο, μετά την συζήτηση, ερωτηματολόγιο.
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
Σκεφτείτε πως περάσατε τη μέρα σας για λίγο.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
Ξυπνήσατε, νιώσατε τον φρέσκο αέρα στο πρόσωπό σας βγαίνοντας έξω,
00:20
encountered new colleagues and had great discussions,
2
5000
2000
συναντήσατε καινούργιους συναδέλφους και είχατε σπουδαίες συζητήσεις,
00:22
and felt in awe when you found something new.
3
7000
2000
και νιώσατε δέος όταν μάθατε κάτι καινούργιο.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Αλλά στοιχηματίζω ότι υπάρχει κάτι από την μέρα σας που δεν σκεφτήκατε --
00:26
something so close to home
5
11000
2000
κάτι τόσο οικείο
00:28
that you probably don't think about it very often at all.
6
13000
2000
που πιθανότατα πολύ συχνά δεν το σκέφτεστε καθόλου.
00:30
And that's that all the sensations, feelings,
7
15000
2000
Και αυτό είναι πως όλες οι αισθήσεις, τα συναισθήματα,
00:32
decisions and actions
8
17000
2000
οι αποφάσεις και οι πράξεις
00:34
are mediated by the computer in your head
9
19000
2000
διαμεσολαβούν από τον υπολογιστή στο κεφάλι σας
00:36
called the brain.
10
21000
2000
που ονομάζεται εγκέφαλος.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Ο εγκέφαλος μπορεί να μην φαίνεται εντυπωσιακός εξωτερικά --
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
μερικά κιλά ροζ-γκρι σάρκας,
00:42
amorphous --
13
27000
2000
άμορφης --
00:44
but the last hundred years of neuroscience
14
29000
2000
αλλά τα τελευταία εκατό χρόνια της νευροεπιστήμης
00:46
have allowed us to zoom in on the brain,
15
31000
2000
μας επέτρεψαν να δούμε βαθύτερα μέσα στον εγκέφαλο
00:48
and to see the intricacy of what lies within.
16
33000
2000
και να δούμε την περιπλοκότητα που βρίσκεται εκεί μέσα.
00:50
And they've told us that this brain
17
35000
2000
Και γνωρίζουμε πως αυτός ο εγκέφαλος
00:52
is an incredibly complicated circuit
18
37000
2000
είναι ένα απίστευτα περίπλοκο κύκλωμα
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
φτιαγμένο από εκατοντάδες δισεκατομμύρια κύτταρα που ονομάζονται νευρώνες.
00:58
Now unlike a human-designed computer,
20
43000
3000
Αντίθετα με έναν υπολογιστή σχεδιασμένο από ανθρώπους,
01:01
where there's a fairly small number of different parts --
21
46000
2000
όπου υπάρχει ένας αρκετά μικρός αριθμός διαφορετικών κομματιών --
01:03
we know how they work, because we humans designed them --
22
48000
3000
ξέρουμε πως δουλεύουν, επειδή τα σχεδιάσαμε εμείς οι άνθρωποι --
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
ο εγκέφαλος είναι φτιαγμένος από χιλιάδες διαφορετικά είδη κυττάρων,
01:09
maybe tens of thousands.
24
54000
2000
ίσως δεκάδες χιλιάδες.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
Εμφανίζονται σε διαφορετικά σχήματα· είναι φτιαγμένα από διαφορετικά μόρια·
01:13
And they project and connect to different brain regions,
26
58000
3000
και προβάλλουν και συνδέονται σε διαφορετικές περιοχές του εγκεφάλου.
01:16
and they also change different ways in different disease states.
27
61000
3000
Επίσης αλλάζουν με διαφορετικούς τρόπους σε διαφορετικές καταστάσεις ασθένειας.
01:19
Let's make it concrete.
28
64000
2000
Ας το συγκεκριμενοποιήσουμε.
01:21
There's a class of cells,
29
66000
2000
Υπάρχει μια κλάση κυττάρων,
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
ένα αρκετά μικρό κύτταρο, ένα ανασταλτικό κύτταρο, που κατασιγάζει τους γείτονές του.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Είναι ένα από τα κύτταρα που φαίνονται να ατροφούν σε περιπτώσεις όπως η σχιζοφρένεια.
01:30
It's called the basket cell.
32
75000
2000
Λέγεται το κύτταρο καλάθι.
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Και αυτό το κύτταρο είναι ένα από τα χιλιάδες είδη κυττάρων
01:34
that we are learning about.
34
79000
2000
για τα οποία μαθαίνουμε.
01:36
New ones are being discovered everyday.
35
81000
2000
Ανακαλύπτονται καινούργια κάθε μέρα.
01:38
As just a second example:
36
83000
2000
Ένα δεύτερο παράδειγμα:
01:40
these pyramidal cells, large cells,
37
85000
2000
αυτά τα πυραμιδικά κύτταρα, μεγάλα κύτταρα,
01:42
they can span a significant fraction of the brain.
38
87000
2000
μπορούν να επεκταθούν σε ένα σημαντικό μέρος του εγκεφάλου.
01:44
They're excitatory.
39
89000
2000
Είναι διεγερτικά.
01:46
And these are some of the cells
40
91000
2000
Και αυτά είναι μερικά από τα κύτταρα
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
που μπορεί να υπερλειτουργούν σε διαταραχές όπως η επιληψία.
01:51
Every one of these cells
42
96000
2000
Καθένα από αυτά τα κύτταρα
01:53
is an incredible electrical device.
43
98000
3000
είναι μια απίστευτη ηλεκτρική συσκευή.
01:56
They receive input from thousands of upstream partners
44
101000
2000
Λαμβάνουν δεδομένα από χιλιάδες προγενέστερους συνεργάτες
01:58
and compute their own electrical outputs,
45
103000
3000
και υπολογίζουν την δικιά τους ηλεκτρική έξοδο,
02:01
which then, if they pass a certain threshold,
46
106000
2000
η οποία, εάν ξεπεράσει ένα συγκεκριμένο όριο,
02:03
will go to thousands of downstream partners.
47
108000
2000
θα πάει σε χιλιάδες μεταγενέστερους συνεργάτες.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
Και αυτή η διαδικασία, η οποία χρειάζεται περίπου ένα χιλιοστό του δευτερολέπτου,
02:08
happens thousands of times a minute
49
113000
2000
συμβαίνει χιλιάδες φορές το λεπτό
02:10
in every one of your 100 billion cells,
50
115000
2000
σε καθένα από τα 100 δισεκατομμύρια κύτταρα,
02:12
as long as you live
51
117000
2000
καθ' όλη την διάρκεια της ζωής σας
02:14
and think and feel.
52
119000
3000
που σκέφτεστε και αισθάνεστε.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
Πώς λοιπόν θα ανακαλύψουμε τι ακριβώς κάνει αυτό το κύκλωμα;
02:20
Ideally, we could go through the circuit
54
125000
2000
Ιδανικά, θα μπορούσαμε να διασχίσουμε το κύκλωμα
02:22
and turn these different kinds of cell on and off
55
127000
3000
και να ενεργοποιήσουμε και απενεργοποιήσουμε αυτά τα διαφορετικά είδη κυττάρων
02:25
and see whether we could figure out
56
130000
2000
και να δούμε εάν θα μπορούσαμε να ανακαλύψουμε
02:27
which ones contribute to certain functions
57
132000
2000
ποιά από αυτά συντελούν σε συγκεκριμένες λειτουργίες
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
και ποιές λειτουργούν λανθασμένα σε συγκεκριμένες παθολογίες.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Εάν θα μπορούσαμε να ενεργοποιήσουμε κύτταρα, θα μπορούσαμε να δούμε ποιές δυνάμεις μπορούν να απελευθερώσουν
02:34
what they can initiate and sustain.
60
139000
2000
τί μπορούν να ξεκινήσουν και να αντέξουν.
02:36
If we could turn them off,
61
141000
2000
Εάν μπορούσαμε να τα απενεργοποιήσουμε,
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
τότε θα μπορούσαμε να δοκιμάσουμε και να ανακαλύψουμε σε τι χρησιμεύουν.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
Και αυτήν είναι μια ιστορία που θα σας πω σήμερα.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
Και ειλικρινά, αυτά που έχουμε βιώσει τα τελευταία 11 χρόνια,
02:46
through an attempt to find ways
65
151000
2000
μέσα από μια προσπάθεια να βρούμε τρόπους
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
ενεργοποίησης και απενεργοποίησης κυκλωμάτων και κυττάρων και τμημάτων
02:50
on and off,
67
155000
2000
και διαδρομών του εγκεφάλου,
02:52
both to understand the science
68
157000
2000
για την κατανόηση της επιστήμης,
02:54
and also to confront some of the issues
69
159000
3000
και επίσης να αντιμετωπίσουμε κάποια από τα θέματα
02:57
that face us all as humans.
70
162000
3000
που είναι κοινά σε όλους τους ανθρώπους.
03:00
Now before I tell you about the technology,
71
165000
3000
Προτού σας πω για την τεχνολογία,
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
τα άσχημα νέα είναι ότι ένα μεγάλο πλήθος από εμάς στο δωμάτιο,
03:06
if we live long enough,
73
171000
2000
εάν ζήσουμε αρκετό καιρό,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
θα αντιμετωπίσουμε, πιθανώς, μια διαταραχή του εγκεφάλου.
03:10
Already, a billion people
75
175000
2000
Ήδη, ένα δισεκατομμύριο άνθρωποι
03:12
have had some kind of brain disorder
76
177000
2000
είχαν κάποιου είδους εγκεφαλικής διαταραχής
03:14
that incapacitates them,
77
179000
2000
που τους εξουδετερώνει.
03:16
and the numbers don't do it justice though.
78
181000
2000
Αλλά οι αριθμοί δεν το αποτυπώνουν ακριβώς.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Αυτές οι διαταραχές -- σχιζοφρένεια, Αλτσχάιμερ,
03:20
depression, addiction --
80
185000
2000
κατάθλιψη, εθισμός --
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
όχι μόνο κλέβουν το χρόνο από τη ζωή μας, αλλά αλλάζουν το ποιοί είμαστε·
03:25
They take our identity and change our emotions
82
190000
2000
αφαιρούν τις ταυτότητές μας και αλλάζουν τα συναισθήματά μας --
03:27
and change who we are as people.
83
192000
3000
και αλλάζουν το ποιοί είμαστε ως άνθρωποι.
03:30
Now in the 20th century,
84
195000
3000
Στον εικοστό αιώνα,
03:33
there was some hope that was generated
85
198000
3000
υπήρχε ελπίδα που είχε δημιουργηθεί
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
μέσω της ανάπτυξης φαρμακευτικών αγωγών για την θεραπεία εγκεφαλικών διαταραχών.
03:39
and while many drugs have been developed
87
204000
3000
Και ενώ πολλά φάρμακα έχουν αναπτυχθεί
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
που μπορούν να μετριάσουν τα συμπτώματα των εγκεφαλικών διαταραχών,
03:44
practically none of them can be considered to be cured.
89
209000
3000
πρακτικά καμία από αυτές δεν μπορούμε να θεωρήσουμε ότι θεραπεύονται.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
Και μέρος αυτού είναι επειδή πλημμυρίζουμε τον εγκέφαλο με χημικά.
03:50
This elaborate circuit
91
215000
2000
Αυτό το περίτεχνο κύκλωμα
03:52
made out of thousands of different kinds of cell
92
217000
2000
φτιαγμένο από χιλιάδες διαφορετικά είδη κυττάρων
03:54
is being bathed in a substance.
93
219000
2000
κολυμπάει σε μια ουσία.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Ίσως γι' αυτό, πιθανώς τα περισσότερα φάρμακα, και όχι όλα, στην αγορά
03:58
can present some kind of serious side effect too.
95
223000
3000
μπορούν να παρουσιάσουν επίσης κάποιου είδους σοβαρή παρενέργεια.
04:01
Now some people have gotten some solace
96
226000
3000
Κάποιοι άνθρωποι έχουν βρει παρηγοριά
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
σε ηλεκτρικούς διεγέρτες που είναι εμφυτευμένοι στον εγκέφαλο.
04:07
And for Parkinson's disease,
98
232000
2000
Και για την νόσο του Πάρκινσον,
04:09
Cochlear implants,
99
234000
2000
κοχλιακά εμφυτεύματα,
04:11
these have indeed been able
100
236000
2000
αυτά όντως έχουν την δυνατότητα
04:13
to bring some kind of remedy
101
238000
2000
να λειτουργήσουν ως κάποιου είδους θεραπεία
04:15
to people with certain kinds of disorder.
102
240000
2000
σε ανθρώπους με συγκεκριμένα είδη διαταραχών.
04:17
But electricity also will go in all directions --
103
242000
2000
Αλλά η ηλεκτρική ενέργεια πηγαίνει προς όλες τις κατευθύνσεις --
04:19
the path of least resistance,
104
244000
2000
το μονοπάτι με τη λιγότερη αντίσταση,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
από το οποίο, μερικώς, προέρχεται αυτή η φράση.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
Επίσης θα επηρεάσει φυσιολογικά κυκλώματα όπως και τα μη φυσιολογικά που θέλουμε να διορθώσουμε.
04:26
So again, we're sent back to the idea
107
251000
2000
Πάλι, επιστρέφουμε στην ιδέα
04:28
of ultra-precise control.
108
253000
2000
του υπερβολικά ακριβή ελέγχου.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
Μπορούμε να πληκτρολογήσουμε πληροφορίες για το πού ακριβώς θέλουμε να πάμε;
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
Όταν ξεκίνησα στην νευροεπιστήμη πριν 11 χρόνια,
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
είχα εκπαιδευτεί ως ηλεκτρολόγος μηχανικός και φυσικός,
04:41
and the first thing I thought about was,
112
266000
2000
και το πρώτο πράγμα που σκέφτηκα ήταν,
04:43
if these neurons are electrical devices,
113
268000
2000
εάν αυτοί οι νευρώνες είναι ηλεκτρικές συσκευές,
04:45
all we need to do is to find some way
114
270000
2000
το μόνο που χρειάζεται να κάνουμε είναι να βρούμε έναν τρόπο
04:47
of driving those electrical changes at a distance.
115
272000
2000
να οδηγήσουμε αυτές τις ηλεκτρικές αλλαγές σε κάποια απόσταση.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
Εάν μπορούμε να ενεργοποιήσουμε ηλεκτρικά ένα κύτταρο,
04:51
but not its neighbors,
117
276000
2000
αλλά όχι τους γείτονές του,
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
θα είχαμε το εργαλείο που χρειαζόμαστε για την ενεργοποίηση και απενεργοποίηση αυτών των διαφορετικών κυττάρων,
04:56
figure out what they do and how they contribute
119
281000
2000
να ανακαλύψουμε τί κάνουν και πώς συμβάλλουν
04:58
to the networks in which they're embedded.
120
283000
2000
στα δίκτυα που είναι ενσωματωμένα.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
Επίσης θα μας επέτρεπε να έχουμε τον υπερβολικά ακριβή έλεγχο που χρειαζόμαστε
05:02
in order to fix the circuit computations
122
287000
3000
για να φτιάξουμε τα κυκλώματα
05:05
that have gone awry.
123
290000
2000
που δυσλειτουργούν.
05:07
Now how are we going to do that?
124
292000
2000
Πως θα το κάνουμε λοιπόν αυτό;
05:09
Well there are many molecules that exist in nature,
125
294000
2000
Υπάρχουν αρκετά μόρια που υπάρχουν στη φύση,
05:11
which are able to convert light into electricity.
126
296000
3000
που έχουν τη δυνατότητα να μετατρέπουν το φως σε ηλεκτρική ενέργεια.
05:14
You can think of them as little proteins
127
299000
2000
Μπορείτε να τα φανταστείτε ως μικρές πρωτεΐνες
05:16
that are like solar cells.
128
301000
2000
που μοιάζουν με ηλιακά κύτταρα.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Αν μπορούμε κάπως να εγκαταστήσουμε αυτά τα μόρια στους νευρώνες,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
τότε αυτοί οι νευρώνες θα μπορούσαν να ελεγχθούν ηλεκτρικά με το φως.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
Και οι γείτονές τους, που δεν έχουν το μόριο, δεν θα μπορούσαν.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Υπάρχει άλλο ένα μαγικό κόλπο που χρειάζεστε για να γίνουν όλα αυτά δυνατά,
05:29
and that's the ability to get light into the brain.
133
314000
3000
και αυτό είναι η ικανότητα του να βάλετε φως στον εγκέφαλο.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
Και για να το κάνετε αυτό -- ο εγκέφαλος δεν νιώθει πόνο -- μπορείτε να βάλετε --
05:35
taking advantage of all the effort
135
320000
2000
εκμεταλλευόμενοι όλης της προσπάθειας
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
που έχει γίνει πάνω στο Διαδίκτυο και στις επικοινωνίες και τα λοιπά --
05:39
optical fibers connected to lasers
137
324000
2000
οπτικές ίνες συνδεδεμένες σε λέιζερ
05:41
that you can use to activate, in animal models for example,
138
326000
2000
που μπορείτε να χρησιμοποιήσετε, για παράδειγμα σε ζωικά μοντέλα,
05:43
in pre-clinical studies,
139
328000
2000
σε προκλινικές μελέτες,
05:45
these neurons and to see what they do.
140
330000
2000
αυτούς τους νευρώνες και να δείτε τι κάνουν.
05:47
So how do we do this?
141
332000
2000
Πως το κάνουμε αυτό λοιπόν;
05:49
Around 2004,
142
334000
2000
Γύρω στο 2004,
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
σε συνεργασία με τον Γκίραλντ Νάγκελ και τον Καρλ Ντέισεροθ,
05:53
this vision came to fruition.
144
338000
2000
αυτό το όραμα καρποφόρησε.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Υπάρχει ένα συγκεκριμένο φύκι που κολυμπάει στην άγρια φύση,
05:58
and it needs to navigate towards light
146
343000
2000
και χρειάζεται να οδηγηθεί προς το φως
06:00
in order to photosynthesize optimally.
147
345000
2000
έτσι ώστε να φωτοσυνθέσει με το βέλτιστο τρόπο.
06:02
And it senses light with a little eye-spot,
148
347000
2000
Και αντιλαμβάνεται το φώς με ένα μικρό σημείο-μάτι
06:04
which works not unlike how our eye works.
149
349000
3000
που λειτουργεί όχι διαφορετικά από τα δικά μας μάτια.
06:07
In its membrane, or its boundary,
150
352000
2000
Στην μεμβράνη του, ή στο όριό του,
06:09
it contains little proteins
151
354000
3000
περιέχει μικρές πρωτεΐνες
06:12
that indeed can convert light into electricity.
152
357000
3000
που όντως μπορούν να μετατρέψουν το φως σε ηλεκτρική ενέργεια.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Αυτά τα μόρια λέγονται τσανελροδοψίνες.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
Και κάθε μια από αυτές τις πρωτεΐνες δρα όπως αυτό το ηλιακό κύτταρο για το οποίο σας είπα.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
Όταν το χτυπήσει το μπλε φως, ανοίγει μια μικρή τρύπα
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
και επιτρέπει φορτισμένα σωματίδια να εισχωρήσουν από το σημείο-μάτι.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
Και αυτό επιτρέπει σ' αυτό το σημείο να διαθέτει ηλεκτρικό σήμα
06:28
just like a solar cell charging up a battery.
158
373000
3000
όπως ένα ηλιακό κύτταρο που φορτίζει μια μπαταρία.
06:31
So what we need to do is to take these molecules
159
376000
2000
Αυτό λοιπόν που πρέπει να κάνουμε είναι να πάρουμε αυτά τα μόρια
06:33
and somehow install them in neurons.
160
378000
2000
και κάπως να τα εγκαταστήσουμε στους νευρώνες.
06:35
And because it's a protein,
161
380000
2000
Και επειδή είναι πρωτεΐνη,
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
είναι κωδικοποιημένο στο DNA του οργανισμού.
06:40
So all we've got to do is take that DNA,
163
385000
2000
Το μόνο λοιπόν που έχουμε να κάνουμε είναι να πάρουμε αυτό το DNA,
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
να το βάλουμε σε μια διανυσματική θεραπεία γονιδίου, όπως ένας ιός,
06:45
and put it into neurons.
165
390000
3000
και να το βάλουμε στους νευρώνες.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
Απ' ότι αποδείχτηκε αυτός ήταν πολύ παραγωγικός ο χρόνος στην γονιδιακή θεραπεία,
06:51
and lots of viruses were coming along.
167
396000
2000
και ερχόντουσαν πολλοί ιοί.
06:53
So this turned out to be very simple to do.
168
398000
2000
Τελικά αποδείχθηκε πως ήταν πολύ απλό να γίνει.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
Και νωρίς το πρωί μια μέρα το καλοκαίρι του 2004,
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
το δοκιμάσαμε, και δούλεψε με την πρώτη προσπάθεια.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Παίρνεις αυτό το DNA και το βάζεις σ' έναν νευρώνα.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
Ο νευρώνας χρησιμοποιεί τον φυσικό μηχανισμό κατασκευής πρωτεϊνών
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
για να κατασκευάσει αυτές τις μικρές φωτοευαίσθητες πρωτεΐνες
07:08
and install them all over the cell,
174
413000
2000
και να τις εγκαταστήσει σ' όλο το κύτταρο,
07:10
like putting solar panels on a roof,
175
415000
2000
σαν να βάζουμε φωτοβολταϊκά στοιχεία στην οροφή.
07:12
and the next thing you know,
176
417000
2000
Και στην συνέχεια,
07:14
you have a neuron which can be activated with light.
177
419000
2000
έχεις έναν νευρώνα που μπορεί να ενεργοποιηθεί με φως.
07:16
So this is very powerful.
178
421000
2000
Αυτό είναι πολύ ισχυρό.
07:18
One of the tricks you have to do
179
423000
2000
Ένα από τα τρικ που πρέπει να κάνεις
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
είναι να καταλάβεις πως να μεταφέρεις αυτά τα γονίδια στα κύτταρα που θέλεις
07:22
and not all the other neighbors.
181
427000
2000
και όχι σ' όλους τους υπόλοιπους γείτονες.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
Και μπορεί να γίνει αυτό· μπορούμε να τροποποιήσουμε τους ιούς
07:26
so they hit just some cells and not others.
183
431000
2000
έτσι ώστε να χτυπούν μερικά κύτταρα και όχι άλλα.
07:28
And there's other genetic tricks you can play
184
433000
2000
Και υπάρχουν και άλλα γενετικά κόλπα που μπορούν να γίνουν
07:30
in order to get light-activated cells.
185
435000
3000
έτσι ώστε να έχουμε ενεργοποιούμενα από φως κύτταρα.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Αυτό το πεδίο είναι πλέον γνωστό ως οπτογενετική.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Και σαν ένα παράδειγμα για τα πράγματα που μπορούμε να κάνουμε,
07:39
you can take a complex network,
188
444000
2000
μπορούμε να πάρουμε ένα πολυσύνθετο δίκτυο,
07:41
use one of these viruses to deliver the gene
189
446000
2000
να χρησιμοποιήσουμε έναν από αυτούς τους ιούς για να μεταφερθεί το γονίδιο
07:43
just to one kind of cell in this dense network.
190
448000
3000
μόνο σε ένα είδους κύτταρο σ' αυτό το πυκνό δίκτυο.
07:46
And then when you shine light on the entire network,
191
451000
2000
Και μετά, όταν ρίχνουμε φως σ' ολόκληρο το δίκτυο,
07:48
just that cell type will be activated.
192
453000
2000
θα ενεργοποιηθεί μόνο αυτού του τύπου το κύτταρο.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Για παράδειγμα, ας σκεφτούμε το κύτταρο καλάθι που προανέφερα --
07:53
the one that's atrophied in schizophrenia
194
458000
2000
αυτό που ατροφεί στην σχιζοφρένεια
07:55
and the one that is inhibitory.
195
460000
2000
και είναι ανασταλτικό.
07:57
If we can deliver that gene to these cells --
196
462000
2000
Αν μπορέσουμε να μεταφέρουμε αυτό το γονίδιο σ' αυτά τα κύτταρα --
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
και δεν μεταλλαχθούν από την γονιδιακή έκφραση, φυσικά --
08:02
and then flash blue light over the entire brain network,
198
467000
3000
και μετά ρίξουμε μπλε φως σ' όλο το δίκτυο του εγκεφάλου,
08:05
just these cells are going to be driven.
199
470000
2000
θα ενεργοποιηθούν μόνο αυτά τα κύτταρα.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
Και όταν το φως κλείσει, αυτά τα κύτταρα επιστρέφουν στην αρχική τους λειτουργία,
08:09
so they don't seem to be averse against that.
201
474000
3000
δεν φαίνεται να αποστρέφονται κατά της διαδικασίας.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
Όχι μόνο μπορούμε να το χρησιμοποιήσουμε για να μελετήσουμε τι κάνουν αυτά τα κύτταρα,
08:14
what their power is in computing in the brain,
203
479000
2000
ποιος είναι ο ρόλος τους στην υπολογιστική ικανότητα του εγκεφάλου,
08:16
but you can also use this to try to figure out --
204
481000
2000
αλλά μπορούμε επίσης να το χρησιμοποιήσουμε για να ανακαλύψουμε --
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
ίσως θα μπορούσαμε να ζωηρέψουμε την δραστηριότητα αυτών των κυττάρων,
08:20
if indeed they're atrophied.
206
485000
2000
αν όντως είναι ατροφικά.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Θα ήθελα τώρα να σας πω μερικές σύντομες ιστορίες
08:24
about how we're using this,
208
489000
2000
σχετικά με το πως το χρησιμοποιούμε αυτό,
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
και στο επιστημονικό, κλινικό και προκλινικό επίπεδο.
08:29
One of the questions we've confronted
210
494000
2000
Μία από τις ερωτήσεις που αντιμετωπίσαμε
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
είναι, ποια είναι τα σήματα στον εγκέφαλο που μεσολαβούν στην αίσθηση της ανταμοιβής;
08:34
Because if you could find those,
212
499000
2000
Επειδή αν θα μπορούσαμε να τα βρούμε,
08:36
those would be some of the signals that could drive learning.
213
501000
2000
θα ήταν μερικά από τα σήματα που υποκινούν την μάθηση.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
Ο εγκέφαλος θα κάνει περισσότερο από οτιδήποτε πήρε αυτή την ανταμοιβή.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
Επίσης, αυτά είναι τα σήματα που πηγαίνουν στραβά σε διαταραχές όπως ο εθισμός.
08:43
So if we could figure out what cells they are,
216
508000
2000
Αν μπορούσαμε λοιπόν να καταλάβουμε τι κύτταρα είναι,
08:45
we could maybe find new targets
217
510000
2000
ίσως θα μπορούσαμε να βρούμε νέους στόχους
08:47
for which drugs could be designed or screened against,
218
512000
2000
για τους οποίους θα μπορούσαν να σχεδιαστούν ή να ελεγθούν φάρμακα,
08:49
or maybe places where electrodes could be put in
219
514000
2000
ή ίσως μέρη όπου θα μπορούσαν να τοποθετηθούν ηλεκτρόδια
08:51
for people who have very severe disability.
220
516000
3000
για ανθρώπους με σοβαρές αναπηρίες.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Για να το κάνουμε λοιπόν αυτό, σκεφτήκαμε ένα απλό πρότυπο
08:56
in collaboration with the Fiorella group,
222
521000
2000
σε συνεργασία με τον όμιλο Φιορέλα,
08:58
where one side of this little box,
223
523000
2000
όπου η μια πλευρά αυτού του κουτιού,
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
αν το ζώο πάει εκεί, το ζώο δέχεται έναν παλμό φωτός
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
έτσι ώστε διαφορετικά κύτταρα στον εγκέφαλο να γίνουν ευαίσθητα στο φως.
09:04
So if these cells can mediate reward,
226
529000
2000
Αν λοιπόν αυτά τα κύτταρα μεσολαβούν στην αίσθηση της ανταμοιβής,
09:06
the animal should go there more and more.
227
531000
2000
το ζώο θα πρέπει να πηγαίνει εκεί ολοένα και περισσότερο.
09:08
And so that's what happens.
228
533000
2000
Και όντως αυτό συμβαίνει.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Το ζώο θα πάει στην δεξιά πλευρά και θα βάλει τη μύτη του εκεί,
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
και δέχεται μια δέσμη από μπλε φως κάθε φορά που το κάνει αυτό.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
Και θα το κάνει αυτό εκατοντάδες φορές.
09:16
These are the dopamine neurons,
232
541000
2000
Αυτοί είναι οι νευρώνες ντοπαμίνης,
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
για τους οποίους κάποιοι από σας ίσως έχουν ακούσει σε κάποια σημεία απόλαυσης στον εγκέφαλο.
09:20
Now we've shown that a brief activation of these
234
545000
2000
Έχουμε δείξει ότι μία σύντομη ενεργοποίηση αυτών
09:22
is enough, indeed, to drive learning.
235
547000
2000
είναι αρκετή, όντως, για να δώσουν ώθηση στην μάθηση.
09:24
Now we can generalize the idea.
236
549000
2000
Τώρα μπορούμε να γενικεύσουμε την ιδέα.
09:26
Instead of one point in the brain,
237
551000
2000
Αντί για ένα σημείο στον εγκέφαλο,
09:28
we can devise devices that span the brain,
238
553000
2000
μπορούμε να φτιάξουμε συσκευές που επεκτείνονται στον εγκέφαλο,
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
που μπορούν να μεταφέρουν φως σε τρισδιάστατα μοτίβα --
09:32
arrays of optical fibers,
240
557000
2000
συστοιχίες οπτικών ινών,
09:34
each coupled to its own independent miniature light source.
241
559000
2000
καθεμιά αντιστοιχισμένοι σε μια μοναδική μικροσκοπική δέσμη φωτεινής πηγής.
09:36
And then we can try to do things in vivo
242
561000
2000
Και μετά μπορούμε να δοκιμάσουμε πράγματα in vivo
09:38
that have only been done to-date in a dish --
243
563000
3000
που μέχρι σήμερα έχουν γίνει μόνο σε πιάτο --
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
όπως υψηλής συχνότητας προβολή σε όλον τον εγκέφαλο
09:43
for the signals that can cause certain things to happen.
245
568000
2000
για σήματα που μπορούν να προκαλέσουν συγκεκριμένα πράγματα.
09:45
Or that could be good clinical targets
246
570000
2000
Ή θα μπορούσαν να είναι καλοί κλινικοί σκοποί
09:47
for treating brain disorders.
247
572000
2000
για την θεραπεία εγκεφαλικών διαταραχών.
09:49
And one story I want to tell you about
248
574000
2000
Και μια ιστορία που θέλω να σας πω
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
είναι πως μπορούμε να βρίσκουμε στόχους για να θεραπεύουμε την διαταραχή του μετατραυματικού στρες --
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
μιας μορφής ανεξέλεγκτου άγχους και φόβου.
09:57
And one of the things that we did
251
582000
2000
Και ένα από τα πράγματα που κάναμε
09:59
was to adopt a very classical model of fear.
252
584000
3000
ήταν να υιοθετήσουμε ένα πολύ κλασσικό μοντέλο φόβου.
10:02
This goes back to the Pavlovian days.
253
587000
3000
Αυτό μας γυρίζει πίσω στις μέρες του Παύλωφ.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
Ονομάζεται Παυλόφια εξάρτηση φόβου --
10:07
where a tone ends with a brief shock.
255
592000
2000
ένα σήμα ήχου τελειώνει με ένα μικρό σοκ.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
Το σοκ δεν είναι επίπονο, αλλά είναι λίγο ενοχλητικό.
10:11
And over time -- in this case, a mouse,
257
596000
2000
Και με τον καιρό -- σ' αυτή την περίπτωση, ένα ποντίκι,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
που είναι καλό ζωικό μοντέλο, κοινώς χρησιμοποιούμενο σε τέτοια πειράματα --
10:15
the animal learns to fear the tone.
259
600000
2000
το ζώο μαθαίνει να φοβάται τον τόνο.
10:17
The animal will react by freezing,
260
602000
2000
Το ζώο θα αντιδράσει παγώνοντας.
10:19
sort of like a deer in the headlights.
261
604000
2000
όπως ένα ελάφι που το χτυπάει έντονο φως.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
Η ερώτηση είναι, τι στόχους μπορούμε να βρούμε στον εγκέφαλο
10:24
that allow us to overcome this fear?
263
609000
2000
που μας επιτρέπουν να ξεπερνάμε αυτόν το φόβο;
10:26
So what we do is we play that tone again
264
611000
2000
Αυτό που κάνουμε λοιπόν είναι να παίξουμε αυτόν τον τόνο ξανά
10:28
after it's been associated with fear.
265
613000
2000
αφότου έχει συσχετιστεί με τον φόβο.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
Αλλά ενεργοποιούμε στόχους στον εγκέφαλο, διαφορετικούς,
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
χρησιμοποιώντας αυτή τη συστοιχία από οπτικές ίνες για την οποία σας μίλησα στην προηγούμενη διαφάνεια,
10:35
in order to try and figure out which targets
268
620000
2000
έτσι ώστε να προσπαθήσουμε να καταλάβουμε ποιοι στόχοι
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
μπορούν να προκαλέσουν τον εγκέφαλο να ξεπεράσει αυτή την ανάμνηση του φόβου.
10:40
And so this brief video
270
625000
2000
Σ’ αυτό λοιπόν το σύντομο βίντεο
10:42
shows you one of these targets that we're working on now.
271
627000
2000
βλέπετε έναν από τους στόχους πάνω στον οποίο δουλεύουμε τώρα.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
Αυτή είναι μια περιοχή στον προμετωπιαίο φλοιό,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
μια περιοχή όπου μπορούμε να χρησιμοποιήσουμε νόηση για να δοκιμάσουμε να ξεπεράσουμε αποτρόπαιες συναισθηματικές καταστάσεις.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
Και το ζώο θα ακούσει ένα τόνο -- και μια δέσμη φωτός έπεσε εκεί.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
Δεν υπάρχει ήχος σ’ αυτό, αλλά μπορείτε να δείτε το ζώο να παγώνει.
10:53
This tone used to mean bad news.
276
638000
2000
Αυτός ο τόνος συνήθιζε να σημαίνει κακά νέα.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Και υπάρχει ένα μικρό ρολόι στην αριστερή κάτω γωνία,
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
άρα μπορείτε να δείτε το ζώο να εμπλέκεται δύο λεπτά σ’ αυτό.
11:00
And now this next clip
279
645000
2000
Και τώρα αυτό το επόμενο κλιπ
11:02
is just eight minutes later.
280
647000
2000
είναι μόνο οκτώ λεπτά αργότερα.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
Και θα παιχτεί ο ίδιος τόνος, και το φως θα ανάψει ξανά.
11:07
Okay, there it goes. Right now.
282
652000
3000
Οκέι, ξεκινάει. Τώρα.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
Και τώρα μπορείτε να δείτε, 10 λεπτά μετά το πείραμα,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
ότι εξοπλίσαμε τον εγκέφαλο φωτοενεργοποιώντας την περιοχή
11:16
to overcome the expression
285
661000
2000
για να ξεπεράσουμε την έκφραση
11:18
of this fear memory.
286
663000
2000
αυτής της ανάμνησης του φόβου.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
Τα τελευταία χρόνια, επιστρέψαμε στο δέντρο της ζωής,
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
επειδή θέλαμε να βρούμε τρόπους να απενεργοποιήσουμε κυκλώματα στον εγκέφαλο.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Αν μπορούσαμε να το κάνουμε αυτό, θα ήταν πολύ ισχυρό.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
Αν μπορείς να διαγράψεις κύτταρα μόνο για λίγα χιλιοστά του δευτερολέπτου ή δευτερόλεπτα,
11:32
you can figure out what necessary role they play
291
677000
2000
μπορείς να καταλάβεις ποιον σημαντικό ρόλο παίζουν
11:34
in the circuits in which they're embedded.
292
679000
2000
στα κυκλώματα στα οποία είναι ενσωματωμένα.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
Έχουμε τώρα μελετήσει οργανισμούς από όλο το δέντρο της ζωής --
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
κάθε βασίλειο της ζωής εκτός από τα ζώα, τα βλέπουμε ελαφρώς διαφορετικά.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
Και βρήκαμε όλα τα είδη μορίων, ονομάζονται χαλορχοδοψίνες ή αρχαιοδοψίνες,
11:44
that respond to green and yellow light.
296
689000
2000
και ανταποκρίνονται σε πράσινο και κίτρινο φως.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
Και κάνουν την αντίθετη λειτουργία από το μόριο για το οποίο σας μίλησα πριν
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
με τον ενεργοποιητή φωτός τσανελροδοψίνη.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
Ας δώσω ένα παράδειγμα σχετικά με το που θεωρούμε ότι οδηγείται αυτό.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Σκεφτείτε για παράδειγμα μια πάθηση όπως η επιληψία,
11:58
where the brain is overactive.
301
703000
2000
όπου ο εγκέφαλος είναι υπερδραστήριος.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Εάν τα φάρμακα αποτύχουν στην θεραπεία της επιληψίας,
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
μία από τις στρατηγικές είναι να αφαιρεθεί μέρος του εγκεφάλου.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
Αλλά αυτό προφανώς είναι μη αναστρέψιμο, και θα μπορούσαν να υπάρξουν παρενέργειες.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
Τι θα γινόταν εάν μπορούσαμε να κλείσουμε τον εγκέφαλο για ένα μικρό χρονικό διάστημα,
12:09
until the seizure dies away,
306
714000
3000
μέχρι η κρίση επιληψίας να σταματήσει,
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
και να επιτρέψει στον εγκέφαλο να αποκατασταθεί στην αρχική του κατάσταση --
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
όπως ένα δυναμικό σύστημα το οποίο σταδιακά καταλήγει σε μια σταθερή κατάσταση.
12:18
So this animation just tries to explain this concept
309
723000
3000
Αυτή λοιπόν η κινούμενη εικόνα προσπαθεί να εξηγήσει αυτή την ιδέα
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
όπου κάναμε αυτά τα κύτταρα ευαίσθητα στο να απενεργοποιούνται με φώς,
12:23
and we beam light in,
311
728000
2000
και ρίχνουμε φώς,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
και απλώς για την χρονική διάρκεια που χρειάζεται για να σταματήσει η επιληπτική κρίση,
12:27
we're hoping to be able to turn it off.
313
732000
2000
ελπίζουμε να είμαστε ικανοί να την απενεργοποιήσουμε.
12:29
And so we don't have data to show you on this front,
314
734000
2000
Δεν έχουμε λοιπόν δεδομένα για να σας δείξουμε εδώ,
12:31
but we're very excited about this.
315
736000
2000
αλλά είμαστε πολύ ενθουσιασμένοι μ' αυτό.
12:33
Now I want to close on one story,
316
738000
2000
Θα ήθελα να κλείσω με μια ιστορία,
12:35
which we think is another possibility --
317
740000
2000
η οποία νομίζουμε ότι είναι άλλη μια δυνατότητα --
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
όπου πιθανόν αυτά τα μόρια, εάν μπορούμε να τα ελέγχουμε με υπερβολική ακρίβεια,
12:39
can be used in the brain itself
319
744000
2000
μπορούν να χρησιμοποιηθούν στον ίδιο τον εγκέφαλο
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
για να φτιάξουμε ένα νέο είδους προσθετικού, ένα οπτικό προσθετικό.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Σας έχω πει ήδη πως αυτοί οι ηλεκτροδιεγέρτες δεν είναι ασυνήθιστοι.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
75,000 άνθρωποι έχουν διεγέρτες εμφυτευμένους βαθιά στο κεφάλι τους για την ασθένεια Πάρκινσον.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Μπορεί 100,000 άνθρωποι να έχουν κοχλιακά εμφυτεύματα,
12:52
which allow them to hear.
324
757000
2000
που τους επιτρέπουν να ακούν.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Είναι ένα άλλο θέμα, όπου πρέπει να τοποθετηθούν αυτά τα γονίδια στα κύτταρα.
12:57
And new hope in gene therapy has been developed
326
762000
3000
Και νέα ελπίδα στην γενετική θεραπεία έχει αναπτυχθεί
13:00
because viruses like the adeno-associated virus,
327
765000
2000
επειδή ιοί σαν τον αδενοσυσχετιζόμενο ιό,
13:02
which probably most of us around this room have,
328
767000
2000
που πιθανότατα οι περισσότεροι από εμάς σε αυτό το δωμάτιο έχουμε,
13:04
and it doesn't have any symptoms,
329
769000
2000
και δεν έχει κάποιο σύμπτωμα,
13:06
which have been used in hundreds of patients
330
771000
2000
που έχουν χρησιμοποιηθεί σε εκατοντάδες ασθενείς
13:08
to deliver genes into the brain or the body.
331
773000
2000
να μεταφέρουν γονίδια στον εγκέφαλο ή το σώμα.
13:10
And so far, there have not been serious adverse events
332
775000
2000
Και μέχρι στιγμής, δεν έχουν αναφερθεί σοβαρά αντίθετα γεγονότα
13:12
associated with the virus.
333
777000
2000
συσχετιζόμενα με τον ιό.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Υπάρχει ένας τελευταίος ελέφαντας στο δωμάτιο, οι ίδιες οι πρωτεΐνες,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
οι οποίες προέρχονται από φύκια και βακτήρια και μύκητες,
13:19
and all over the tree of life.
336
784000
2000
από όλο το δέντρο της ζωής.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
Οι περισσότεροι δεν έχουμε μύκητες ή φύκια στους εγκεφάλους μας,
13:23
so what is our brain going to do if we put that in?
338
788000
2000
άρα τι θα κάνει ο εγκέφαλος εάν τα τοποθετήσουμε;
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
Θα το ανεχτούν τα κύτταρα; Θα αντιδράσει το ανοσοποιητικό σύστημα;
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
Στις πρώτες τους μέρες -- δεν έχουν δοκιμαστεί σε ανθρώπους ακόμα --
13:29
but we're working on a variety of studies
341
794000
2000
αλλά δουλεύουμε σε μια πληθώρα από μελέτες
13:31
to try and examine this,
342
796000
2000
για να το δοκιμάσουμε και να το μελετήσουμε.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
Και μέχρι στιγμής δεν έχουμε δει εμφανείς αντιδράσεις οποιασδήποτε βαρύτητας
13:36
to these molecules
344
801000
2000
σε αυτά τα μόρια
13:38
or to the illumination of the brain with light.
345
803000
3000
ή στον φωτισμό του εγκεφάλου.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Είναι ακόμα νωρίς, προκαταβολικά, αλλά είμαστε ενθουσιασμένοι γι' αυτό.
13:44
I wanted to close with one story,
347
809000
2000
Θέλω να κλείσω με μια ιστορία,
13:46
which we think could potentially
348
811000
2000
η οποία θεωρούμε θα μπορούσε δυνητικά
13:48
be a clinical application.
349
813000
2000
να είναι κλινική εφαρμογή.
13:50
Now there are many forms of blindness
350
815000
2000
Υπάρχουν πολλά είδη τύφλωσης
13:52
where the photoreceptors,
351
817000
2000
όπου οι φωτοϋποδοχείς,
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
οι ανιχνευτές φωτός που είναι στο πίσω μέρος του ματιού, έχουν εξαφανιστεί.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Και ο αμφιβληστροειδής, φυσικά, είναι μια περίπλοκη δομή.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Ας μεγεθύνουμε εδώ, έτσι ώστε να μπορούμε να το δούμε με περισσότερη λεπτομέρεια.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
Τα κύτταρα φωτοϋποδοχείς φαίνονται εδώ στην κορυφή,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
και τότε το σήμα που ανιχνεύεται από τους φωτοϋποδοχείς
14:06
are transformed by various computations
357
831000
2000
μεταμορφώνονται από διάφορους υπολογισμούς,
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
μέχρι τελικά αυτό το στρώμα των κυττάρων στο κάτω μέρος, τα γαγγλιακά κύτταρα,
14:11
relay the information to the brain,
359
836000
2000
μεταφέρουν την πληροφορία στον εγκέφαλο,
14:13
where we see that as perception.
360
838000
2000
όπου το βλέπουμε ως αντίληψη.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
Σε αρκετές μορφές τύφλωσης, όπως στη μελαγχρωστική αμφιβληστροειδοπάθεια,
14:18
or macular degeneration,
362
843000
2000
ή στην εκφύλιση της ωχράς κηλίδας,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
τα κύτταρα φωτοϋποδοχείς έχουν ατροφήσει ή καταστραφεί.
14:23
Now how could you repair this?
364
848000
2000
Πως θα μπορούσε να επιδιορθωθεί αυτό;
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Δεν είναι καν ξεκάθαρο το πως ένα φάρμακο θα μπορούσε να το αποκαταστήσει,
14:28
because there's nothing for the drug to bind to.
366
853000
2000
επειδή δεν υπάρχει κάτι για το φάρμακο για να δεσμευτεί.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Από την άλλη πλευρά, το φως μπορεί ακόμα να μπει στο μάτι.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
Το μάτι είναι ακόμα διαφανές και μπορεί να περάσει φως απ' αυτό.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Εάν μπορούσαμε να πάρουμε αυτές τις τσανελροδοψίνες και άλλα μόρια
14:38
and install them on some of these other spare cells
370
863000
2000
και να τα εγκαταστήσουμε σε μερικά από αυτά τα περίσσια κύτταρα
14:40
and convert them into little cameras.
371
865000
2000
και να τα μετατρέψουμε σε μικρές κάμερες.
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Και επειδή υπάρχει πληθώρα από αυτά τα κύτταρα στο μάτι,
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
δυνητικά, θα ήταν πολύ υψηλής ανάλυσης κάμερες.
14:47
So this is some work that we're doing.
374
872000
2000
Αυτή είναι μια εργασία πάνω στην οποία δουλεύουμε.
14:49
It's being led by one of our collaborators,
375
874000
2000
Ηγείται από έναν από τους συνεργάτες μας,
14:51
Alan Horsager at USC,
376
876000
2000
Άλαν Χόρσαγκερ του Πανεπιστημίου της Νότιας Καλιφόρνιας,
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
και πρόκειται να διατεθεί στο εμπόριο από μια νεοσύστατη εταιρία Έος Νευροεπιστήμη,
14:56
which is funded by the NIH.
378
881000
2000
χρηματοδοτούμενη από το Εθνικό Ινστιτούτο Υγείας.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
Και εδώ βλέπετε ένα ποντίκι που προσπαθεί να λύσει έναν λαβύρινθο.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Είναι ένας λαβύρινθος έξι αδιεξόδων. Και υπάρχει λίγο νερό στον λαβύρινθο
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
ώστε να ενθαρρυνθεί το ποντίκι να μετακινηθεί, αλλιώς θα καθόταν απλώς εκεί.
15:04
And the goal, of course, of this maze
382
889000
2000
Και ο στόχος, φυσικά, από αυτόν τον λαβύρινθο
15:06
is to get out of the water and go to a little platform
383
891000
2000
είναι να βγει από το νερό και να πάει σε μία μικρή πλατφόρμα
15:08
that's under the lit top port.
384
893000
2000
που είναι κάτω από την φωτιζόμενη θύρα.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Τα ποντίκια είναι έξυπνα, έτσι αυτό το ποντίκι τελικά λύνει τον λαβύρινθο,
15:13
but he does a brute-force search.
386
898000
2000
αλλά κάνει εξαντλητική αναζήτηση.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
Κολυμπάει σε κάθε διάδρομο μέχρι τελικά να φτάσει στην πλατφόρμα.
15:18
So he's not using vision to do it.
388
903000
2000
Δεν χρησιμοποιεί όραση για να το κάνει.
15:20
These different mice are different mutations
389
905000
2000
Αυτά τα διαφορετικά ποντίκια είναι διαφορετικές μεταλλάξεις
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
που αντικατοπτρίζουν διαφορετικά είδη τύφλωσης που επηρεάζουν τους ανθρώπους.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Έτσι είμαστε προσεκτικοί στο να προσπαθούμε να δούμε αυτά τα διαφορετικά μοντέλα,
15:28
so we come up with a generalized approach.
392
913000
2000
και να βγάλουμε μια γενική προσέγγιση.
15:30
So how are we going to solve this?
393
915000
2000
Πώς μπορούμε να το λύσουμε αυτό;
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
Θα κάνουμε ακριβώς αυτό που περιγράψαμε στην προηγούμενη διαφάνεια.
15:34
We're going to take these blue light photosensors
395
919000
2000
Θα πάρουμε αυτούς τους φωτοευαίσθητους στο μπλε αισθητήρες
15:36
and install them on a layer of cells
396
921000
2000
και θα τους εγκαταστήσουμε σε ένα επίπεδο από κύτταρα
15:38
in the middle of the retina in the back of the eye
397
923000
3000
στην μέση του αμφιβληστροειδούς στο πίσω μέρος του ματιού
15:41
and convert them into a camera --
398
926000
2000
και να τα μετατρέψουμε σε κάμερα.
15:43
just like installing solar cells all over those neurons
399
928000
2000
Ακριβώς όπως εγκαθιστούμε φωτοευαίσθητα κύτταρα σε αυτούς τους νευρώνες
15:45
to make them light sensitive.
400
930000
2000
για να τους κάνουμε ευαίσθητους στο φώς.
15:47
Light is converted to electricity on them.
401
932000
2000
Το φώς μετατρέπεται σε ηλεκτρισμό σε αυτούς.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Έτσι το ποντίκι ήταν τυφλό για μερικές εβδομάδες πριν από αυτό το πείραμα
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
και έλαβε μια δόση από αυτό το φωτοευαίσθητο μόριο σε έναν ιό.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
Και όπως μπορείτε να δείτε, το ζώο μπορεί κανονικά να αποφύγει τοίχους
15:57
and go to this little platform
405
942000
2000
και να πάει σε αυτή τη μικρή πλατφόρμα
15:59
and make cognitive use of its eyes again.
406
944000
3000
και να έχει πάλι γνωστική χρήση των ματιών του.
16:02
And to point out the power of this:
407
947000
2000
Και να τονίσω την δύναμη αυτού:
16:04
these animals are able to get to that platform
408
949000
2000
αυτά τα ζώα είναι ικανά να ανέβουν σε αυτή τη πλατφόρμα
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
το ίδιο γρήγορα με ζώα που βλέπουν καθ’ όλη την διάρκεια της ζωής τους.
16:08
So this pre-clinical study, I think,
410
953000
2000
Σε αυτή την προκλινική μελέτη, νομίζω,
16:10
bodes hope for the kinds of things
411
955000
2000
προμηνύεται η ελπίδα για το είδος των πραγμάτων
16:12
we're hoping to do in the future.
412
957000
2000
που ευχόμαστε να κάνουμε στο μέλλον.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Για να κλείσω, θέλω να τονίσω ότι εξερευνούμε και
16:17
new business models for this new field of neurotechnology.
414
962000
2000
νέα επιχειρηματικά μοντέλα για αυτό το νέο τομέα της νευροεπιστήμης.
16:19
We're developing these tools,
415
964000
2000
Αναπτύσσουμε αυτά τα εργαλεία,
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
αλλά τα μοιραζόμαστε ελεύθερα με εκατοντάδες ομάδες σε όλον τον κόσμο,
16:23
so people can study and try to treat different disorders.
417
968000
2000
ώστε οι άνθρωποι να μπορούν να μελετήσουν και να δοκιμάσουν να γιατρέψουν διαφορετικές διαταραχές.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Και η ελπίδα μας είναι πως, με την ανακάλυψη της λειτουργίας των εγκεφαλικών κυκλωμάτων
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
σε ένα επίπεδο αφαίρεσης που μας επιτρέπει να τα επιδιορθώσουμε και να τα μελετήσουμε,
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
μπορούμε να πάρουμε μερικές από αυτές τις δισεπίλυτες διαταραχές που προανέφερα,
16:34
practically none of which are cured,
421
979000
2000
πρακτικά καμία δεν είναι ιάσιμη,
16:36
and in the 21st century make them history.
422
981000
2000
και στον 21ο αιώνα να τις κάνουμε παρελθόν.
16:38
Thank you.
423
983000
2000
Ευχαριστώ.
16:40
(Applause)
424
985000
13000
(Χειροκρότημα)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Χουάν Ενρίκεζ: Μερικά από αυτά είναι λίγο πυκνά.
16:56
(Laughter)
426
1001000
2000
(Γέλια)
16:58
But the implications
427
1003000
2000
Αλλά οι επιπτώσεις
17:00
of being able to control seizures or epilepsy
428
1005000
3000
του να μπορείς να ελέγξεις επιληπτικές κρίσεις
17:03
with light instead of drugs,
429
1008000
2000
με φως αντί για φάρμακα,
17:05
and being able to target those specifically
430
1010000
3000
και να μπορείς να στοχεύσεις αυτές συγκεκριμένα
17:08
is a first step.
431
1013000
2000
είναι ένα πρώτο βήμα.
17:10
The second thing that I think I heard you say
432
1015000
2000
Το δεύτερο πράγμα που νομίζω ότι άκουσα να λες
17:12
is you can now control the brain in two colors,
433
1017000
3000
είναι πως μπορείτε να ελέγξετε τον εγκέφαλο με δυο χρώματα.
17:15
like an on/off switch.
434
1020000
2000
Σαν ένα διακόπτη.
17:17
Ed Boyden: That's right.
435
1022000
2000
Εντ Μπόυντεν: Σωστά.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
ΧΕ: Το οποίο κάνει κάθε σήμα που διαπερνά τον εγκέφαλο ένα δυαδικό κώδικα.
17:22
EB: Right, yeah.
437
1027000
2000
ΕΜ: Ναι, σωστά.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Έτσι με μπλε φώς, μπορούμε να καθοδηγήσουμε πληροφορίες, και είναι στην μορφή της μονάδας.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
Και με την απενεργοποίηση τους, είναι λίγο πολύ το μηδέν.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Η ελπίδα μας είναι τελικά να χτίσουμε εγκεφαλικούς συνεπεξεργαστές
17:31
that work with the brain
441
1036000
2000
που θα λειτουργούν με τον εγκέφαλο,
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
ώστε να μπορούμε να αυξήσουμε λειτουργίες σε ανθρώπους με ειδικές ανάγκες.
17:36
JE: And in theory, that means that,
443
1041000
2000
ΧΕ: Και θεωρητικά, αυτό σημαίνει πως,
17:38
as a mouse feels, smells,
444
1043000
2000
όπως ένα ποντίκι νιώθει, μυρίζει,
17:40
hears, touches,
445
1045000
2000
ακούει, αισθάνεται,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
μπορείτε να το μοντελοποιήσετε σε μια σειρά από μονάδες και μηδενικά.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
ΕΜ: Φυσικά, ναι. Ελπίζουμε να το χρησιμοποιήσουμε ως έναν τρόπο ελέγχου
17:47
what neural codes can drive certain behaviors
448
1052000
2000
τι είδους νευρωνικοί κώδικες μπορούν να οδηγήσουν σε συγκεκριμένες συμπεριφορές
17:49
and certain thoughts and certain feelings,
449
1054000
2000
και συγκεκριμένες σκέψεις και συγκεκριμένες αισθήσεις,
17:51
and use that to understand more about the brain.
450
1056000
3000
και να το χρησιμοποιήσουμε ώστε να καταλάβουμε περισσότερα για τον εγκέφαλο.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
ΧΕ: Αυτό σημαίνει πως μια μέρα θα μπορούμε να κατεβάσουμε αναμνήσεις
17:57
and maybe upload them?
452
1062000
2000
και πιθανών να τις ανεβάσουμε;
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
ΕΜ: Λοιπόν αυτό είναι κάτι που ξεκινήσαμε να εργαζόμαστε πολύ σκληρά.
18:01
We're now working on some work
454
1066000
2000
Δουλεύουμε πάνω σε κάποια εργασία
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
όπου προσπαθούμε να πλαισιώσουμε τον εγκέφαλο και με στοιχεία εγγραφής.
18:05
So we can record information and then drive information back in --
456
1070000
3000
Ώστε να μπορούμε να εγγράψουμε πληροφορίες και να οδηγήσουμε τις πληροφορίες πάλι μέσα --
18:08
sort of computing what the brain needs
457
1073000
2000
κατά κάποιο τρόπο να υπολογίζουμε τι χρειάζεται ο εγκέφαλος
18:10
in order to augment its information processing.
458
1075000
2000
έτσι ώστε να αυξηθεί η επεξεργασία πληροφορίας.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
ΧΕ: Λοιπόν, αυτό μπορεί να αλλάξει μερικά πράγματα. Σε ευχαριστώ. (ΕΜ: Ευχαριστώ πολύ.)
18:15
(Applause)
460
1080000
3000
(Χειροκρότημα)
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