TEDGlobal 2011
Allan Jones: A map of the brain
Άλαν Τζόουνς: Ένας χάρτης του εγκεφάλου
Filmed:
Readability: 4.4
1,269,611 views
Πώς μπορούμε ν' αρχίσουμε να καταλαβαίνουμε τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος; Με τον ίδιο τρόπο που κατανοούμε μία πόλη: με το να φτιάξουμε ένα χάρτη. Σε αυτή την οπτικά εκπληκτική ομιλία, ο Allan Jones δείχνει πώς η ομάδα του χαρτογραφεί τα γονίδια που ενεργοποιούνται μέσα σε κάθε μικροσκοπική περιοχή και πώς όλα τελικά συνδέονται μεταξύ τους.
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
Οι άνθρωποι είναι γοητευμένοι εδώ και χρόνια
00:17
for the human brain.
1
2000
2000
με τον ανθρώπινο εγκέφαλο.
00:19
We chart it, we've described it,
2
4000
3000
Δημιουργήσαμε διαγράμματα, τον περιγράψαμε,
00:22
we've drawn it,
3
7000
2000
τον ζωγραφίσαμε,
00:24
we've mapped it.
4
9000
3000
τον χαρτογραφήσαμε.
00:27
Now just like the physical maps of our world
5
12000
3000
Όπως ακριβώς οι φυσικοί χάρτες του κόσμου μας
00:30
that have been highly influenced by technology --
6
15000
3000
οι οποίοι έχουν επηρεαστεί από την τεχνολογία -
00:33
think Google Maps,
7
18000
2000
σκεφτείτε τους χάρτες της Google
00:35
think GPS --
8
20000
2000
σκεφτείτε το GPS -
00:37
the same thing is happening for brain mapping
9
22000
2000
το ίδιο ακριβώς συμβαίνει και με την χαρτογράφηση του εγκεφάλου
00:39
through transformation.
10
24000
2000
μέσω του μετασχηματισμού.
00:41
So let's take a look at the brain.
11
26000
2000
Ας ρίξουμε μία ματιά στον εγκέφαλο.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Οι περισσότεροι άνθρωποι, μόλις βλέπουν έναν 'φρέσκο' εγκέφαλο,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
λένε, «Δεν μοιάζει με αυτό που βλέπεις συνήθως
00:49
when someone shows you a brain."
14
34000
2000
όταν κάποιος σου δείχνει έναν εγκέφαλο».
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Συνήθως, αυτό που βλέπετε είναι ένας γκρίζος στατικός εγκέφαλος.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Αυτό το εξωτερικό στρώμα, είναι το αγγειακό σύστημα,
00:56
which is incredible, around a human brain.
17
41000
2000
το οποίο είναι απίστευτο γύρω από έναν ανθρώπινο εγκέφαλο.
00:58
This is the blood vessels.
18
43000
2000
Αυτά είναι τα αιμοφόρα αγγεία.
01:00
20 percent of the oxygen
19
45000
3000
Είκοσι τοις εκατό από το οξυγόνο
01:03
coming from your lungs,
20
48000
2000
που προέρχεται από τους πνεύμονές σας,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
και είκοσι τοις εκατό του αίματος που αντλείται από την καρδιά σας,
01:07
is servicing this one organ.
22
52000
2000
εξυπηρετούν μόνο αυτό το όργανο.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Είναι σαν να κρατάς δύο γροθιές μαζί,
01:11
it's just slightly larger than the two fists.
24
56000
2000
είναι ελάχιστα μεγαλύτερο από δύο γροθιές.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Οι επιστήμονες, περίπου στα τέλη του 20ου αιώνα,
01:16
learned that they could track blood flow
26
61000
2000
ανακάλυψαν πως μπορούσαν να παρακολουθήσουν τη ροή του αίματος
01:18
to map non-invasively
27
63000
3000
χαρτογραφώντας μη-παρεμβατικά
01:21
where activity was going on in the human brain.
28
66000
3000
πού υπήρχε δραστηριότητα στον ανθρώπινο εγκέφαλο.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Για παράδειγμα, μπορούν να δουν στο πίσω μέρος του εγκεφάλου,
01:27
which is just turning around there.
30
72000
2000
το οποίο βρίσκεται κάπου εδώ.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Υπάρχει η παρεγκεφαλίδα, η οποία σας κρατά όρθιους αυτή τη στιγμή.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Κρατάει κι εμένα όρθιο. Συμμετέχει στην συντονισμένη κίνηση.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Σε αυτή την πλευρά εδώ, βρίσκεται ο κροταφικός φλοιός.
01:37
This is the area where primary auditory processing --
34
82000
3000
Εδώ είναι η περιοχή όπου γίνεται η πρώιμη ακουστική διαδικασία -
01:40
so you're hearing my words,
35
85000
2000
έτσι, ακούτε τα λόγια μου,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
και τα στέλνετε επάνω, σε υψηλότερα κέντρα γλωσσικής επεξεργασίας.
01:44
Towards the front of the brain
37
89000
2000
Στην πρόσθια πλευρά του εγκεφάλου
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
είναι το τμήμα όπου συμβαίνουν όλες οι περίπλοκες σκέψεις, η λήψη αποφάσεων -
01:49
it's the last to mature in late adulthood.
39
94000
4000
είναι αυτό που ωριμάζει τελευταίο, αργά κατά την ενηλικίωση.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Εδώ συμβαίνουν όλες οι διεργασίες λήψης αποφάσεων.
01:56
It's the place where you're deciding right now
41
101000
2000
Είναι το τμήμα από το οποίο αποφασίζετε αυτή τη στιγμή
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
πως μάλλον δεν σκοπεύετε να παραγγείλετε μπριζόλα για το δείπνο.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Έτσι λοιπόν, αν κοιτάξετε βαθύτερα στον εγκέφαλο,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
ένα από τα πράγματα, αν κοιτάξετε την εγκάρσια τομή,
02:05
what you can see
45
110000
2000
αυτό που θα δείτε
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
είναι κάτι το οποίο δεν έχει και ιδιαίτερη δομή.
02:10
But there's actually a lot of structure there.
47
115000
2000
Στην πραγματικότητα όμως υπάρχει πολλή δομή εδώ.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Τα κύτταρα και οι νευρώνες του είναι μαζί ενωμένα.
02:14
So about a hundred years ago,
49
119000
2000
Έτσι, περίπου πριν από εκατό χρόνια,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
μερικοί επιστήμονες, εφηύραν μια χρωστική που θα έβαφε τα κύτταρα.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Και αυτό φαίνεται εδώ, με αυτό το ανοιχτό μπλε.
02:21
You can see areas
52
126000
2000
Μπορείτε να δείτε περιοχές
02:23
where neuronal cell bodies are being stained.
53
128000
2000
όπου φυσιολογικά σώματα κυττάρων έχουν βαφτεί.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Και αυτό που βλέπετε είναι πολύ ανομοιόμορφο. Βλέπετε περισσότερη δομή εκεί.
02:28
So the outer part of that brain
55
133000
2000
Το εξωτερικό μέρος του εγκεφάλου
02:30
is the neocortex.
56
135000
2000
είναι ο νεοφλοιός.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Είναι, αν θέλετε, μία μονάδα όπου συμβαίνουν συνεχείς διεργασίες.
02:35
But you can also see things underneath there as well.
58
140000
2000
Μπορείτε όμως επίσης να δείτε τα πράγματα κάτω από εκεί.
02:37
And all of these blank areas
59
142000
2000
Και όλες αυτές οι κενές περιοχές
02:39
are the areas in which the wires are running through.
60
144000
2000
είναι οι περιοχές στις οποίες βρίσκονται οι νευρώνες.
02:41
They're probably less cell dense.
61
146000
2000
Έχουν πιθανότατα λιγότερη πυκνότητα κυττάρων.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Υπάρχουν λοιπόν, περίπου 86 δισεκατομμύρια νευρώνες στον εγκέφαλό μας.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Και όπως μπορείτε να δείτε, είναι ανομοιόμορφα κατανεμημένοι.
02:50
And how they're distributed really contributes
64
155000
2000
Το πώς είναι κατανεμημένοι συμβάλλει πραγματικά
02:52
to their underlying function.
65
157000
2000
στην υποκείμενη λειτουργία τους.
02:54
And of course, as I mentioned before,
66
159000
2000
Φυσικά, όπως προανέφερα,
02:56
since we can now start to map brain function,
67
161000
3000
εφόσον μπορούμε τώρα να χαρτογραφούμε τις λειτουργίες του εγκεφάλου,
02:59
we can start to tie these into the individual cells.
68
164000
3000
μπορούμε ν' αρχίσουμε να τα συνδέουμε με μεμονωμένα κύτταρα.
03:02
So let's take a deeper look.
69
167000
2000
Ας ρίξουμε λοιπόν μια βαθύτερη ματιά.
03:04
Let's look at neurons.
70
169000
2000
Ας δούμε τους νευρώνες.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Όπως προανέφερα, υπάρχουν 86 δισεκατομμύρια νευρώνες.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Υπάρχουν επίσης κι αυτά τα μικρότερα κύτταρα όπως θα δείτε.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Αυτά, είναι τα υποστηρικτικά κύτταρα, τα νευρογλοιακά αστροκύτταρα.
03:12
And the nerves themselves
74
177000
3000
Οι νευρώνες είναι αυτοί
03:15
are the ones who are receiving input.
75
180000
2000
που λαμβάνουν οποιοδήποτε ερέθισμα.
03:17
They're storing it, they're processing it.
76
182000
2000
Το αποθηκεύουν και το επεξεργάζονται.
03:19
Each neuron is connected via synapses
77
184000
4000
Κάθε νευρώνας είναι συνδεδεμένος μέσω των συνάψεων
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
με περίπου άλλους 10.000 νευρώνες στον εγκέφαλό σας.
03:26
And each neuron itself
79
191000
2000
Κάθε νευρώνας είναι
03:28
is largely unique.
80
193000
2000
σε μεγάλο βαθμό μοναδικός.
03:30
The unique character of both individual neurons
81
195000
2000
Ο μοναδικός χαρακτήρας των μεμονωμένων νευρώνων
03:32
and neurons within a collection of the brain
82
197000
2000
και των νευρώνων που αποτελούν μέρος μίας συλλογής του εγκεφάλου
03:34
are driven by fundamental properties
83
199000
3000
είναι καθοδηγούμενοι από θεμελιώδεις ιδιότητες
03:37
of their underlying biochemistry.
84
202000
2000
της υποκείμενης βιοχημείας τους.
03:39
These are proteins.
85
204000
2000
Αυτές είναι πρωτεΐνες.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Οι πρωτεΐνες ελέγχουν λειτουργίες όπως η κίνηση στο κανάλι των ιόντων.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Ελέγχουν με ποιον θα συνεργαστούν τα κύτταρα του νευρικού συστήματος.
03:48
And they're controlling
88
213000
2000
Ελέγχουν
03:50
basically everything that the nervous system has to do.
89
215000
2000
βασικά ό,τι έχει να κάνει με το νευρικό σύστημα.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Έτσι λοιπόν, εάν πλησιάσουμε σ' ένα βαθύτερο επίπεδο,
03:55
all of those proteins
91
220000
2000
όλες αυτές οι πρωτεΐνες
03:57
are encoded by our genomes.
92
222000
2000
είναι κωδικοποιημένες από τα γονιδιώματά μας.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Κάθε ένας από εμάς έχει 23 ζεύγη χρωμοσωμάτων.
04:02
We get one from mom, one from dad.
94
227000
2000
Παίρνουμε ένα από την μαμά κι ένα από τον μπαμπά.
04:04
And on these chromosomes
95
229000
2000
Σε αυτά τα χρωμοσώματα
04:06
are roughly 25,000 genes.
96
231000
2000
είναι περίπου εικοσιπέντε χιλιάδες γονίδια.
04:08
They're encoded in the DNA.
97
233000
2000
Είναι κωδικοποιημένα μέσα στο DNA.
04:10
And the nature of a given cell
98
235000
3000
Η φύση ενός κυττάρου
04:13
driving its underlying biochemistry
99
238000
2000
που καθοδηγεί την υποκείμενη βιοχημεία του,
04:15
is dictated by which of these 25,000 genes
100
240000
3000
από ποια εκ των 25.000 γονιδίων
04:18
are turned on
101
243000
2000
είναι ενεργοποιημένα
04:20
and at what level they're turned on.
102
245000
2000
και σε ποιο επίπεδο ενεργοποιούνται.
04:22
And so our project
103
247000
2000
Έτσι λοιπόν το σχέδιό μας
04:24
is seeking to look at this readout,
104
249000
3000
είναι να ψάξουμε σ' αυτές τις ενδείξεις,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
για να καταλάβουμε ποιο από τα 25.000 γονίδια ενεργοποιείται.
04:30
So in order to undertake such a project,
106
255000
3000
Έτσι λοιπόν, για ν' αναλάβουμε ένα τέτοιο σχέδιο,
04:33
we obviously need brains.
107
258000
3000
προφανώς χρειαζόμαστε εγκεφάλους.
04:36
So we sent our lab technician out.
108
261000
3000
Στείλαμε τον εργαστηριακό τεχνικό μας έξω.
04:39
We were seeking normal human brains.
109
264000
2000
Ψάχναμε για φυσιολογικούς ανθρώπινους εγκεφάλους.
04:41
What we actually start with
110
266000
2000
Αυτό με το οποίο βασικά ξεκινάμε
04:43
is a medical examiner's office.
111
268000
2000
είναι το γραφείο ενός ιατροδικαστή.
04:45
This a place where the dead are brought in.
112
270000
2000
Είναι ένα μέρος όπου μεταφέρονται όλοι οι νεκροί.
04:47
We are seeking normal human brains.
113
272000
2000
Ψάχνουμε φυσιολογικούς ανθρώπινους εγκεφάλους.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Υπάρχουν πολλά κριτήρια με τα οποία επιλέγουμε τους εγκεφάλους.
04:52
We want to make sure
115
277000
2000
Θέλουμε να σιγουρευτούμε
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
ότι έχουμε φυσιολογικούς εγκεφάλους μεταξύ των ηλικιών από 20 ως 60,
04:57
they died a somewhat natural death
117
282000
2000
που πέθαναν από φυσικά αίτια
04:59
with no injury to the brain,
118
284000
2000
χωρίς εγκεφαλικό τραυματισμό,
05:01
no history of psychiatric disease,
119
286000
2000
χωρίς ιστορικό ψυχιατρικών ασθενειών,
05:03
no drugs on board --
120
288000
2000
χωρίς ναρκωτικά -
05:05
we do a toxicology workup.
121
290000
2000
κάνουμε έναν τοξικολογικό έλεγχο.
05:07
And we're very careful
122
292000
2000
Είμαστε πολύ προσεκτικοί
05:09
about the brains that we do take.
123
294000
2000
ποιους εγκεφάλους αναλαμβάνουμε.
05:11
We're also selecting for brains
124
296000
2000
Επίσης επιλέγουμε εγκεφάλους
05:13
in which we can get the tissue,
125
298000
2000
από τους οποίους μπορούμε να συλλέξουμε ιστό,
05:15
we can get consent to take the tissue
126
300000
2000
και μπορούμε να πάρουμε συγκατάθεση για την συλλογή του
05:17
within 24 hours of time of death.
127
302000
2000
μέσα σε ένα εικοσιτετράωρο από την ώρα θανάτου.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Διότι αυτό που μετράμε, το RNA -
05:22
which is the readout from our genes --
129
307000
2000
το οποίο είναι οι ενδείξεις των γονιδίων μας -
05:24
is very labile,
130
309000
2000
είναι πολύ ασταθές,
05:26
and so we have to move very quickly.
131
311000
2000
γι' αυτό πρέπει να κινηθούμε πολύ γρήγορα.
05:28
One side note on the collection of brains:
132
313000
3000
Μία υποσημείωση για τον τρόπο συλλογής εγκεφάλων:
05:31
because of the way that we collect,
133
316000
2000
Λόγω του τρόπου που επιλέγουμε,
05:33
and because we require consent,
134
318000
2000
και επειδή ζητάμε συγκατάθεση,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
έχουμε περισσότερους αρσενικούς εγκεφάλους παρά θηλυκούς.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Τα αρσενικά έχουν μεγαλύτερες πιθανότητες να πεθάνουν από ατύχημα στο άνθος της ηλικίας τους.
05:41
And men are much more likely
137
326000
2000
Επίσης οι άνδρες έχουν μεγαλύτερες πιθανότητες
05:43
to have their significant other, spouse, give consent
138
328000
3000
να δώσει τη συγκατάθεση της η σύζυγος
05:46
than the other way around.
139
331000
2000
παρά το αντίθετο.
05:48
(Laughter)
140
333000
4000
(Γέλια)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Λοιπόν, το πρώτο πράγμα που κάνουμε στο πλαίσιο της συλλογής
05:54
is we collect what's called an MR.
142
339000
2000
είναι να συλλέξουμε αυτό που ονομάζεται MR.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Αυτό είναι η μαγνητική τομογραφία (MRI).
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Είναι ένα σταθερό πρότυπο πάνω στο οποίο θα βασίσουμε τα υπόλοιπα δεδομένα.
06:01
So we collect this MR.
145
346000
2000
Έτσι συλλέγουμε το MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Και μπορείτε να το παρομοιάσετε ως την δορυφορική εικόνα του χάρτη μας.
06:05
The next thing we do
147
350000
2000
Το επόμενο πράγμα που κάνουμε
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
είναι να συλλέξουμε αυτό που ονομάζεται απεικόνιση τανυστή διάχυσης.
06:10
This maps the large cabling in the brain.
149
355000
2000
Αυτό χαρτογραφεί τη μεγάλη καλωδίωση στον εγκέφαλο.
06:12
And again, you can think of this
150
357000
2000
Ξανά, μπορείτε να το φανταστείτε
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
αν θέλετε, όπως τη χαρτογράφηση των αυτοκινητοδρόμων.
06:16
The brain is removed from the skull,
152
361000
2000
Ο εγκέφαλος έχει απομακρυνθεί από το κρανίο,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
κι έπειτα τεμαχίζεται σε φέτες του ενός εκατοστού.
06:21
And those are frozen solid,
154
366000
2000
Αυτές καταψύχονται
06:23
and they're shipped to Seattle.
155
368000
2000
και αποστέλλονται στο Σιάτλ.
06:25
And in Seattle, we take these --
156
370000
2000
Στο Σιάτλ τις παραλαμβάνουμε -
06:27
this is a whole human hemisphere --
157
372000
2000
αυτό είναι ένα ολόκληρο ανθρώπινο ημισφαίριο -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
και το βάζουμε σ' έναν ειδικό κόπτη κρέατος.
06:31
There's a blade here that's going to cut across
159
376000
2000
Υπάρχει μία λεπίδα εδώ η οποία θα κόψει διαγώνια
06:33
a section of the tissue
160
378000
2000
ένα τμήμα του ιστού
06:35
and transfer it to a microscope slide.
161
380000
2000
και θα το μεταφέρει σε μια διαφάνεια μικροσκοπίου.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Έπειτα θα του βάλουμε μια από αυτές τις χρωστικές
06:39
and we scan it.
163
384000
2000
και θα το σαρώσουμε.
06:41
And then what we get is our first mapping.
164
386000
3000
Αυτό που θα πάρουμε, είναι η πρώτη μας χαρτογράφηση.
06:44
So this is where experts come in
165
389000
2000
Σε αυτό το σημείο παρεμβαίνουν οι ειδικοί
06:46
and they make basic anatomic assignments.
166
391000
2000
και κάνουν βασικές ανατομικές αναθέσεις.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Μπορείτε να το εκλάβετε ως τα σύνορα της πολιτείας,
06:51
those pretty broad outlines.
168
396000
2000
αυτά τα όμορφα παχιά περιγράμματα.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Από αυτό, μπορούμε, να τεμαχίσουμε τον εγκέφαλο σε περισσότερα κομμάτια
06:57
which then we can put on a smaller cryostat.
170
402000
2000
τα οποία μπορούμε μετά να τοποθετήσουμε σ' έναν μικρότερο κρυοστάτη.
06:59
And this is just showing this here --
171
404000
2000
Κι αυτό ακριβώς φαίνεται εδώ --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
αυτό είναι κατεψυγμένος ιστός κατά την κοπή του.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Έχει πάχος 20 μικρομέτρων, δηλαδή το πάχος μιας τρίχας μωρού.
07:06
And remember, it's frozen.
174
411000
2000
Και θυμηθείτε, είναι κατεψυγμένος.
07:08
And so you can see here,
175
413000
2000
Εδώ μπορείτε να δείτε,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
την παλιομοδίτικη τεχνολογία της βούρτσας να εφαρμόζεται.
07:12
We take a microscope slide.
177
417000
2000
Παίρνουμε μια διαφάνεια μικροσκοπίου.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Έπειτα, με πολλή προσοχή λιώνουμε πάνω στη διαφάνεια.
07:17
This will then go onto a robot
179
422000
2000
Αυτή αργότερα θα μεταφερθεί σ' ένα ρομπότ
07:19
that's going to apply one of those stains to it.
180
424000
3000
που με τη σειρά του θα εφαρμόσει μια από τις χρωστικές.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Οι ανατόμοι μας θα ρίξουν μια βαθύτερη ματιά.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Αυτό είναι που βλέπουν στο μικροσκόπιο.
07:31
You can see collections and configurations
183
436000
2000
Μπορείτε να δείτε συλλογές και διαμορφώσεις
07:33
of large and small cells
184
438000
2000
από μεγάλα και μικρά κύτταρα
07:35
in clusters and various places.
185
440000
2000
σε συστάδες και διάφορα μέρη.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Από εκεί είναι ρουτίνα. Καταλαβαίνουν πού να κάνουν αυτές τις αναθέσεις.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Και μπορούν να φτιάξουν αυτό που είναι βασικά ένας άτλαντας αναφοράς.
07:42
This is a more detailed map.
188
447000
2000
Αυτός είναι ένας ακόμα πιο λεπτομερής χάρτης.
07:44
Our scientists then use this
189
449000
2000
Οι επιστήμονες μας έπειτα τον χρησιμοποιούν
07:46
to go back to another piece of that tissue
190
451000
3000
για να πάνε πίσω, σε κάποιο άλλο κομμάτι του εγκεφάλου
07:49
and do what's called laser scanning microdissection.
191
454000
2000
και να κάνουν αυτό που ονομάζεται σάρωση με λέιζερ μικρο-ανατομής.
07:51
So the technician takes the instructions.
192
456000
3000
Έτσι ο τεχνικός παίρνει τις οδηγίες.
07:54
They scribe along a place there.
193
459000
2000
Σκιαγραφούν κατά μήκος της περιοχής εκεί.
07:56
And then the laser actually cuts.
194
461000
2000
Και μετά το λέιζερ κόβει.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Μπορείτε να δείτε την μπλε κουκκίδα να κόβει και τον ιστό που πέφτει.
08:01
You can see on the microscope slide here,
196
466000
2000
Μπορείτε να το δείτε στη διαφάνεια του μικροσκοπίου εδώ,
08:03
that's what's happening in real time.
197
468000
2000
αυτό συμβαίνει σε πραγματικό χρόνο.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Υπάρχει ένα δοχείο από κάτω που συλλέγει τον ιστό.
08:08
We take that tissue,
199
473000
2000
Παίρνουμε αυτόν τον ιστό,
08:10
we purify the RNA out of it
200
475000
2000
απομονώνουμε το RNA από μέσα του
08:12
using some basic technology,
201
477000
2000
χρησιμοποιώντας βασική τεχνολογία,
08:14
and then we put a florescent tag on it.
202
479000
2000
κι έπειτα βάζουμε μια φθορίζουσα ετικέτα επάνω του.
08:16
We take that tagged material
203
481000
2000
Παίρνουμε το επισημασμένο υλικό
08:18
and we put it on to something called a microarray.
204
483000
3000
και το βάζουμε σε κάτι που ονομάζεται μικρο-συστοιχία.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Μπορεί να μοιάζει σε εσάς με ένα μάτσο κουκκίδες,
08:23
but each one of these individual dots
206
488000
2000
όμως κάθε μεμονωμένη κουκκίδα
08:25
is actually a unique piece of the human genome
207
490000
2000
είναι ένα μοναδικό κομμάτι του ανθρώπινου γονιδιώματος
08:27
that we spotted down on glass.
208
492000
2000
το οποίο εντοπίσαμε στο μικροσκόπιο.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Έχει περίπου εξήντα χιλιάδες στοιχεία επάνω του,
08:32
so we repeatedly measure various genes
210
497000
3000
γι' αυτό μετράμε επανειλημμένα διάφορα γονίδια
08:35
of the 25,000 genes in the genome.
211
500000
2000
από τα εικοσιπέντε χιλιάδες μέσα στο γονιδίωμα.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Και όταν παίρνουμε ένα δείγμα και το υβριδίζουμε επάνω του,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
λαμβάνουμε εάν θέλετε, ένα μοναδικό δαχτυλικό αποτύπωμα,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
ποσοτικά, από ποια γονίδια ενεργοποιούνται στο δείγμα.
08:45
Now we do this over and over again,
215
510000
2000
Επαναλαμβάνουμε ξανά και ξανά
08:47
this process for any given brain.
216
512000
3000
αυτή τη διαδικασία για κάθε διαθέσιμο εγκέφαλο.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Παίρνουμε περίπου χίλια δείγματα από κάθε εγκέφαλο.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Η περιοχή που απεικονίζεται εδώ ονομάζεται ιππόκαμπος.
08:56
It's involved in learning and memory.
219
521000
2000
Εμπλέκεται στη διαδικασία της εκμάθησης και της μνήμης
08:58
And it contributes to about 70 samples
220
523000
3000
και συμβάλλει σε περίπου εβδομήντα
09:01
of those thousand samples.
221
526000
2000
από αυτά τα χίλια δείγματα.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Έτσι κάθε δείγμα μας δίνει περίπου 50.000 σημεία δεδομένων
09:07
with repeat measurements, a thousand samples.
223
532000
3000
με επαναλαμβανόμενες μετρήσεις, χίλια δείγματα.
09:10
So roughly, we have 50 million data points
224
535000
2000
Έτσι στο περίπου, έχουμε πενήντα εκατομμύρια σημεία δεδομένων
09:12
for a given human brain.
225
537000
2000
για κάθε διαθέσιμο ανθρώπινο εγκέφαλο.
09:14
We've done right now
226
539000
2000
Μέχρι τώρα έχουμε στοιχεία
09:16
two human brains-worth of data.
227
541000
2000
ισοδύναμα με δύο ανθρώπινους εγκεφάλους.
09:18
We've put all of that together
228
543000
2000
Τα βάλαμε όλα μαζί
09:20
into one thing,
229
545000
2000
ενοποιημένα,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
και θα σας δείξω πώς μοιάζει αυτή η σύνθεση.
09:24
It's basically a large data set of information
231
549000
3000
Είναι βασικά μία μεγάλη βάση δεδομένων
09:27
that's all freely available to any scientist around the world.
232
552000
3000
η οποία είναι διαθέσιμη δωρεάν σε κάθε επιστήμονα ανά τον κόσμο.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Δεν χρειάζεται καν να συνδεθούν στην ιστοσελίδα για να χρησιμοποιήσουν αυτό το εργαλείο,
09:33
mine this data, find interesting things out with this.
234
558000
4000
να εκτιμήσουν τα δεδομένα και να εξάγουν ενδιαφέροντα συμπεράσματα.
09:37
So here's the modalities that we put together.
235
562000
3000
Έτσι εδώ είναι οι ποικιλίες που συγκεντρώσαμε.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Θα αρχίσετε να τ' αναγνωρίζετε απ' αυτά που συλλέξαμε προηγουμένως.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Εδώ είναι το MR. Παρέχει το πλαίσιο.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Υπάρχει η πλευρά του χειριστή στα δεξιά που σας επιτρέπει να το γυρνάτε,
09:48
it allows you to zoom in,
239
573000
2000
σας επιτρέπει να ζουμάρετε,
09:50
it allows you to highlight individual structures.
240
575000
3000
σας επιτρέπει να επισημαίνετε ξεχωριστές δομές.
09:53
But most importantly,
241
578000
2000
Αλλά πιο σημαντικά,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
χαρτογραφούμε πάνω σε αυτό το ανατομικό πλαίσιο,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
που είναι ένα κοινό πλαίσιο για τους ανθρώπους για να καταλάβουν πού ενεργοποιούνται τα γονίδια.
10:01
So the red levels
244
586000
2000
Έτσι, τα κόκκινα επίπεδα
10:03
are where a gene is turned on to a great degree.
245
588000
2000
είναι όπου ένα γονίδιο ενεργοποιείται σε μεγάλη κλίμακα.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Το πράσινο σηματοδοτεί τις ψυχρές περιοχές όπου δεν είναι ενεργοποιημένο.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Και κάθε γονίδιο, μας δίνει ένα δαχτυλικό αποτύπωμα.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Θυμηθείτε ότι έχουμε δοκιμάσει όλα τα εικοσιπέντε χιλιάδες γονίδια στο γονιδίωμα
10:15
and have all of that data available.
249
600000
4000
και έχουμε όλα αυτά τα δεδομένα διαθέσιμα.
10:19
So what can scientists learn about this data?
250
604000
2000
Τι μπορούν λοιπόν να μάθουν οι επιστήμονες από αυτά τα δεδομένα;
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Μόλις αρχίσαμε να εξετάζουμε αυτά τα δεδομένα.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Υπάρχουν κάποια βασικά πράγματα που θα θέλατε να καταλάβετε.
10:27
Two great examples are drugs,
253
612000
2000
Δύο σπουδαία παραδείγματα, είναι τα φάρμακα
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac και Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Είναι κοινώς συνταγογραφούμενα αντικαταθλιπτικά.
10:34
Now remember, we're assaying genes.
256
619000
2000
Τώρα θυμηθείτε, εμείς αναλύουμε γονίδια.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Τα γονίδια στέλνουν τις οδηγίες για να παραχθούν οι πρωτεΐνες.
10:39
Proteins are targets for drugs.
258
624000
2000
Οι πρωτεΐνες είναι οι στόχοι των φαρμάκων.
10:41
So drugs bind to proteins
259
626000
2000
Έτσι τα φάρμακα δεσμεύονται στις πρωτεΐνες
10:43
and either turn them off, etc.
260
628000
2000
και είτε τις κλείνουν, κτλ.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Αν θέλετε να κατανοήσετε τη δράση των φαρμάκων,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
πρέπει καταλάβετε πώς λειτουργούν με επιθυμητό
10:50
and also in the ways you don't want them to.
263
635000
2000
κι ανεπιθύμητο τρόπο.
10:52
In the side effect profile, etc.,
264
637000
2000
Όσο για το προφίλ των παρενεργειών κτλ,
10:54
you want to see where those genes are turned on.
265
639000
2000
θέλετε να δείτε πού ενεργοποιούνται αυτά τα γονίδια.
10:56
And for the first time, we can actually do that.
266
641000
2000
Για πρώτη φορά, μπορούμε στην ουσία να το κάνουμε αυτό.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Μπορούμε να το κάνουμε σε πολλά άτομα τα οποία έχουμε κιόλας δοκιμάσει.
11:01
So now we can look throughout the brain.
268
646000
3000
Τώρα λοιπόν μπορούμε να κοιτάξουμε σε όλη την έκταση του εγκεφάλου.
11:04
We can see this unique fingerprint.
269
649000
2000
Μπορούμε να δούμε το μοναδικό δαχτυλικό αποτύπωμα.
11:06
And we get confirmation.
270
651000
2000
Και παίρνουμε επιβεβαίωση.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Επιβεβαιώνουμε πως το γονίδιο είναι όντως ενεργό -
11:11
for something like Prozac,
272
656000
2000
από κάτι σαν το Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
σε σεροτονινεργικές δομές, που είναι ήδη γνωστό πως επηρεάζονται,
11:16
but we also get to see the whole thing.
274
661000
2000
όμως εμείς εδώ θέλουμε να το δούμε ολοκληρωμένο.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Επίσης θα κοιτάξουμε μέσα σε περιοχές όπου κανένας, ποτέ άλλοτε, δεν έχει κοιτάξει,
11:20
and we see these genes turned on there.
276
665000
2000
και βλέπουμε αυτά τα γονίδια ενεργοποιημένα εδώ.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Αυτή η παρενέργεια είναι τόσο ενδιαφέρουσα όσο θα μπορούσε να είναι.
11:25
One other thing you can do with such a thing
278
670000
2000
Ένα ακόμα πράγμα που μπορούμε να κάνουμε μ' αυτό,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
επειδή είναι μια άσκηση ταιριάσματος μοτίβων,
11:30
because there's unique fingerprint,
280
675000
2000
επειδή είναι ένα μοναδικό δαχτυλικό αποτύπωμα,
11:32
we can actually scan through the entire genome
281
677000
2000
μπορούμε βασικά να σαρώσουμε ολόκληρο το γονιδίωμα
11:34
and find other proteins
282
679000
2000
και να βρούμε άλλες πρωτεΐνες
11:36
that show a similar fingerprint.
283
681000
2000
που φανερώνει ένα παρόμοιο αποτύπωμα.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Έτσι, εάν ερευνάτε το φάρμακο, για παράδειγμα,
11:41
you can go through
285
686000
2000
μπορείτε να δείτε
11:43
an entire listing of what the genome has on offer
286
688000
2000
μία ολόκληρη λίστα του τί έχει να προσφέρει το γονιδίωμα
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
για να εντοπίσετε καλύτερους στόχους των φαρμάκων και να τους βελτιστοποιήσετε.
11:49
Most of you are probably familiar
288
694000
2000
Οι περισσότεροι από εσάς είστε ίσως ήδη εξοικειωμένοι
11:51
with genome-wide association studies
289
696000
2000
με μελέτες που συσχετίζονται με το γονιδίωμα
11:53
in the form of people covering in the news
290
698000
3000
από δημοσιογράφους στις ειδήσεις
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
που λένε: «Οι επιστήμονες πρόσφατα ανακάλυψαν το γονίδιο ή τα γονίδια
11:59
which affect X."
292
704000
2000
που επηρεάζουν το Χ.»
12:01
And so these kinds of studies
293
706000
2000
Τέτοιου είδους μελέτες
12:03
are routinely published by scientists
294
708000
2000
δημοσιεύονται ευρέως από επιστήμονες
12:05
and they're great. They analyze large populations.
295
710000
2000
και είναι σπουδαίες. Αναλύουν μεγάλους πληθυσμούς.
12:07
They look at their entire genomes,
296
712000
2000
Ερευνούν σε ολόκληρο το γονιδίωμά τους,
12:09
and they try to find hot spots of activity
297
714000
2000
και προσπαθούν να βρουν ενεργά σημεία δραστηριότητας
12:11
that are linked causally to genes.
298
716000
3000
τα οποία είναι αιτιολογικά συνδεδεμένα με γονίδια.
12:14
But what you get out of such an exercise
299
719000
2000
Αλλά ό,τι αποκομίζετε από μία τέτοια άσκηση
12:16
is simply a list of genes.
300
721000
2000
είναι απλά μία λίστα από γονίδια.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Σας φανερώνει το «ποιο» αλλά δεν σας φανερώνει το «πού».
12:21
And so it's very important for those researchers
302
726000
3000
Γι' αυτό, είναι πολύ σημαντικό γι' αυτούς τους ερευνητές
12:24
that we've created this resource.
303
729000
2000
που έχουμε δημιουργήσει αυτήν την πηγή.
12:26
Now they can come in
304
731000
2000
Τώρα, μπορούν να έρθουν
12:28
and they can start to get clues about activity.
305
733000
2000
και ν' αρχίσουν να παίρνουν στοιχεία για οποιαδήποτε δραστηριότητα.
12:30
They can start to look at common pathways --
306
735000
2000
Μπορούν ν' αρχίσουν να ψάχνουν για κοινά μονοπάτια -
12:32
other things that they simply haven't been able to do before.
307
737000
3000
για τρόπους, τους οποίους δεν μπορούσαν να ψάξουν πρωτύτερα.
12:36
So I think this audience in particular
308
741000
3000
Έτσι, πιστεύω πως, ιδιαίτερα το κοινό,
12:39
can understand the importance of individuality.
309
744000
3000
μπορεί να κατανοήσει την σημασία της ατομικότητας.
12:42
And I think every human,
310
747000
2000
Και πιστεύω πως όλοι οι άνθρωποι,
12:44
we all have different genetic backgrounds,
311
749000
4000
έχουμε διαφορετικό γενετικό υπόβαθρο,
12:48
we all have lived separate lives.
312
753000
2000
όλοι ζήσαμε ξεχωριστές ζωές.
12:50
But the fact is
313
755000
2000
Αλλά το γεγονός είναι
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
ότι τα γονιδιώματά μας, είναι περισσότερο από 99% όμοια.
12:55
We're similar at the genetic level.
315
760000
3000
Είμαστε ίδιοι σε γενετικό επίπεδο.
12:58
And what we're finding
316
763000
2000
Απ' αυτά που βρίσκουμε
13:00
is actually, even at the brain biochemical level,
317
765000
2000
ακόμα και στο βιοχημικό επίπεδο του εγκεφάλου,
13:02
we are quite similar.
318
767000
2000
είμαστε περίπου όμοιοι.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Αυτό λοιπόν φανερώνει ότι δεν είναι 99%,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
άλλα περίπου 90% η αντιστοιχία
13:08
at a reasonable cutoff,
321
773000
3000
σε ένα λογικό κατώφλι,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
έτσι, καθετί μέσα στο σύννεφο είναι περίπου συσχετιζόμενο.
13:13
And then we find some outliers,
323
778000
2000
Έπειτα βρίσκουμε κάποιες ακραίες τιμές,
13:15
some things that lie beyond the cloud.
324
780000
3000
κάποια πράγματα δηλαδή που βρίσκονται πάνω από το σύννεφο.
13:18
And those genes are interesting,
325
783000
2000
Και αυτά τα γονίδια είναι ενδιαφέροντα,
13:20
but they're very subtle.
326
785000
2000
αλλά και πολύ λεπτεπίλεπτα.
13:22
So I think it's an important message
327
787000
3000
Έτσι, πιστεύω πως ένα σημαντικό μήνυμα
13:25
to take home today
328
790000
2000
για να πάρετε σήμερα μαζί σας
13:27
that even though we celebrate all of our differences,
329
792000
3000
είναι ότι ακόμα και αν γιορτάζουμε όλες μας τις διαφορές,
13:30
we are quite similar
330
795000
2000
είμαστε περίπου ίδιοι
13:32
even at the brain level.
331
797000
2000
ακόμα και στο επίπεδο του εγκεφάλου.
13:34
Now what do those differences look like?
332
799000
2000
Τώρα, πώς μοιάζουν αυτές οι διαφορές;
13:36
This is an example of a study that we did
333
801000
2000
Αυτό είναι ένα παράδειγμα μίας μελέτης που διεξάγαμε
13:38
to follow up and see what exactly those differences were --
334
803000
2000
για να παρακολουθήσουμε ποιες είναι αυτές οι διαφορές
13:40
and they're quite subtle.
335
805000
2000
και είναι αρκετά λεπτεπίλεπτες.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Είναι καταστάσεις στις οποίες τα γονίδια ενεργοποιούνται σε ένα ατομικό κυτταρικό τύπο.
13:46
These are two genes that we found as good examples.
337
811000
3000
Αυτά είναι δύο γονίδια που βρήκαμε ως καλά παραδείγματα.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Το ένα ονομάζεται RELN και εμπλέκεται σε πρώιμες εξελικτικές διεργασίες.
13:52
DISC1 is a gene
339
817000
2000
Το DISC1 είναι ένα γονίδιο
13:54
that's deleted in schizophrenia.
340
819000
2000
το οποίο διαγράφεται στην σχιζοφρένεια.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Αυτά δεν είναι σχιζοφρενικά άτομα,
13:58
but they do show some population variation.
342
823000
3000
παρόλο που εμφανίζουν κάποιο πλήθος ποικιλίας.
14:01
And so what you're looking at here
343
826000
2000
Αυτό που βλέπετε εδώ,
14:03
in donor one and donor four,
344
828000
2000
στον δότη ένα και στον δότη τέσσερα
14:05
which are the exceptions to the other two,
345
830000
2000
οι οποίοι είναι οι εξαιρέσεις των άλλων δύο,
14:07
that genes are being turned on
346
832000
2000
αυτά τα γονίδια ενεργοποιούνται
14:09
in a very specific subset of cells.
347
834000
2000
σε ένα πολύ συγκεκριμένο υποσύνολο κυττάρων.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Είναι το σκούρο μωβ ίζημα μέσα στο κύτταρο
14:14
that's telling us a gene is turned on there.
349
839000
3000
το οποίο μας λέει ότι ένα κύτταρο είναι ενεργοποιημένο εδώ.
14:17
Whether or not that's due
350
842000
2000
Εάν αυτό εξαρτάται
14:19
to an individual's genetic background or their experiences,
351
844000
2000
από το γενετικό υπόβαθρο και τις εμπειρίες ενός ατόμου,
14:21
we don't know.
352
846000
2000
δεν το γνωρίζουμε.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Τέτοιου είδους μελέτες απαιτούν πολύ μεγαλύτερους πληθυσμούς.
14:28
So I'm going to leave you with a final note
354
853000
2000
Έτσι, θας σας αφήσω με μία τελευταία σημείωση
14:30
about the complexity of the brain
355
855000
3000
σχετικά με τη πολυπλοκότητα του εγκεφάλου
14:33
and how much more we have to go.
356
858000
2000
και πόσα περισσότερα έχουμε να κάνουμε.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Πιστεύω πως αυτές οι πηγές είναι εξαιρετικά χρήσιμες.
14:37
They give researchers a handle
358
862000
2000
Δίνουν στους ερευνητές μία υπόδειξη
14:39
on where to go.
359
864000
2000
για το πού να κατευθυνθούν.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Ερευνήσαμε μόνο μία χούφτα άτομα σε αυτό το στάδιο.
14:44
We're certainly going to be looking at more.
361
869000
2000
Θα ερευνήσουμε σίγουρα πολλά περισσότερα.
14:46
I'll just close by saying
362
871000
2000
Θα κλείσω λέγοντας απλά
14:48
that the tools are there,
363
873000
2000
ότι τα εργαλεία είναι εδώ,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
κι αυτή είναι μία πραγματικά ανεξερεύνητη ήπειρος.
14:54
This is the new frontier, if you will.
365
879000
4000
Αυτό, είναι ένα καινούριο σύνορο, εάν θέλετε
14:58
And so for those who are undaunted,
366
883000
2000
Και για αυτούς που είναι απτόητοι,
15:00
but humbled by the complexity of the brain,
367
885000
2000
αλλά ταπεινοί μπροστά στην πολυπλοκότητα του εγκεφάλου,
15:02
the future awaits.
368
887000
2000
το μέλλον σας περιμένει.
15:04
Thanks.
369
889000
2000
Ευχαριστώ.
15:06
(Applause)
370
891000
9000
(Χειροκρότημα)
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