TED2011
Ed Boyden: A light switch for neurons
Ed Boyden: un interruptor de luz para neuronas
Filmed:
Readability: 4
1,098,379 views
Ed Boyden muestra cómo, mediante la inserción de genes de proteínas fotosensibles en células cerebrales, puede activar o desactivar selectivamente neuronas específicas con implantes de fibra óptica. Con este nivel de control sin precedentes ha logrado curar ratones con trastornos similares al estrés postraumático y ciertas formas de ceguera. En el horizonte: prótesis neuronales. El moderador de segmento Juan Enríquez hace un mini-debate al final.
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
Piensen en su día por un segundo.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
Se despertaron, sintieron el aire fresco en la cara cuando salieron por la puerta
00:20
encountered new colleagues and had great discussions,
2
5000
2000
se encontraron nuevos colegas y tuvieron grandiosas discusiones
00:22
and felt in awe when you found something new.
3
7000
2000
y se sintieron asombrados si descubrieron algo nuevo.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Pero apuesto a que hay algo en lo que no pensaron hoy
00:26
something so close to home
5
11000
2000
algo tan cercano a casa
00:28
that you probably don't think about it very often at all.
6
13000
2000
que ni siquiera piensan en ello muy a menudo.
00:30
And that's that all the sensations, feelings,
7
15000
2000
Y estas son todas las sensaciones, sentimientos,
00:32
decisions and actions
8
17000
2000
decisiones y acciones
00:34
are mediated by the computer in your head
9
19000
2000
que son mediadas por la computadora de tu cabeza
00:36
called the brain.
10
21000
2000
llamada cerebro.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Ahora, el cerebro puede no parecer mucho desde fuera
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
un kilogramo de carne de color gris rosáceo,
00:42
amorphous --
13
27000
2000
amorfo,
00:44
but the last hundred years of neuroscience
14
29000
2000
pero los ultimos cien años de neurociencia
00:46
have allowed us to zoom in on the brain,
15
31000
2000
nos ha permitido adentrarnos en el cerebro
00:48
and to see the intricacy of what lies within.
16
33000
2000
y ver lo imbrincado de lo que yace dentro de él
00:50
And they've told us that this brain
17
35000
2000
Y se nos ha dicho que este cerebro
00:52
is an incredibly complicated circuit
18
37000
2000
es un circuito increiblemente complicado
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
compuesto de cientos de miles de millones de células llamadas neuronas.
00:58
Now unlike a human-designed computer,
20
43000
3000
Ahora, a diferencia de una computadora diseñada por humanos
01:01
where there's a fairly small number of different parts --
21
46000
2000
donde hay un número bastante reducido de piezas diferentes
01:03
we know how they work, because we humans designed them --
22
48000
3000
sabemos cómo funcionan, porque las diseñamos nosotros,
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
el cerebro está compuesto de miles de tipos diferentes de células,
01:09
maybe tens of thousands.
24
54000
2000
quizá decenas de miles.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
Son de diferentes formas; están compuestas por distintas moléculas;
01:13
And they project and connect to different brain regions,
26
58000
3000
y ellas se proyectan y conectan hacia distintas regiones del cerebro.
01:16
and they also change different ways in different disease states.
27
61000
3000
Y cambian de distintas maneras en diferentes estadíos de las enfermedades.
01:19
Let's make it concrete.
28
64000
2000
Más concretamente.
01:21
There's a class of cells,
29
66000
2000
Hay una clase de células
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
una célula muy pequeña, una célula inhibidora, que silencia a sus vecinas.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Es una de las células que parece atrofiarse en trastornos como la esquizofrenia.
01:30
It's called the basket cell.
32
75000
2000
Se llama la célula canasta;
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Y esta celula es una de los miles de tipos de células
01:34
that we are learning about.
34
79000
2000
acerca de las cuales estamos aprendiendo.
01:36
New ones are being discovered everyday.
35
81000
2000
Se descubren nuevos tipos todos los días.
01:38
As just a second example:
36
83000
2000
Asi como... solo un segundo ejemplo:
01:40
these pyramidal cells, large cells,
37
85000
2000
estas células piramidales, grandes células,
01:42
they can span a significant fraction of the brain.
38
87000
2000
pueden abarcar una parte importante del cerebro.
01:44
They're excitatory.
39
89000
2000
Son excitadoras.
01:46
And these are some of the cells
40
91000
2000
Y estas son algunas de las células
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
que podrían estar hiperactivas en trastornos como la epilepsia.
01:51
Every one of these cells
42
96000
2000
Cada una de estas células
01:53
is an incredible electrical device.
43
98000
3000
es un dispositivo eléctrico increíble.
01:56
They receive input from thousands of upstream partners
44
101000
2000
Reciben señales de miles de compañeras de la parte superior
01:58
and compute their own electrical outputs,
45
103000
3000
y calculan sus propias respuestas eléctricas
02:01
which then, if they pass a certain threshold,
46
106000
2000
que luego, si pasan un determinado umbral,
02:03
will go to thousands of downstream partners.
47
108000
2000
iran a parar a miles de compañeras de la parte inferior.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
Y este proceso que demora solo un milisegundo más o menos
02:08
happens thousands of times a minute
49
113000
2000
sucede miles de veces por minuto
02:10
in every one of your 100 billion cells,
50
115000
2000
en cada una de tus 100 mil millones de células
02:12
as long as you live
51
117000
2000
mientras vivas,
02:14
and think and feel.
52
119000
3000
y pienses y sientas.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
Asi que ¿Cómo vamos a dilucidar qué hace este circuito?
02:20
Ideally, we could go through the circuit
54
125000
2000
Idealmente, podriamos ir atraves del circuito
02:22
and turn these different kinds of cell on and off
55
127000
3000
y encender y apagar los distintos tipos de células
02:25
and see whether we could figure out
56
130000
2000
y ver si podemos dilucidar
02:27
which ones contribute to certain functions
57
132000
2000
cuáles contribuyen a determinadas funciones
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
y cuáles funcionan mal en ciertas patologías.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Si pudiéramos activar células podríamos ver qué potencial pueden liberar,
02:34
what they can initiate and sustain.
60
139000
2000
qué pueden iniciar y mantener.
02:36
If we could turn them off,
61
141000
2000
Si pudiéramos apagarlas
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
entonces podríamos intentar y dilucidar para qué son necesarias.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
Y esa es una historia que les voy a contar hoy.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
Y, honestamente, por donde hemos pasado, en los últimos 11 años
02:46
through an attempt to find ways
65
151000
2000
en pos de encontrar maneras
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
de encender y apagar circuitos y células y rutas
02:50
on and off,
67
155000
2000
del cerebro
02:52
both to understand the science
68
157000
2000
tanto para entender la ciencia,
02:54
and also to confront some of the issues
69
159000
3000
como para confrontar algunos de los problemas
02:57
that face us all as humans.
70
162000
3000
que se nos enfrentan a todos nosotros como humanos.
03:00
Now before I tell you about the technology,
71
165000
3000
Pero antes de hablarles acerca de la tecnología
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
la mala noticia es que una fraccion significativa de nosotros en esta sala,
03:06
if we live long enough,
73
171000
2000
si logramos vivir lo suficiente,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
vamos a sufrir, quizá, un trastorno cerebral.
03:10
Already, a billion people
75
175000
2000
Ya mil millones de personas
03:12
have had some kind of brain disorder
76
177000
2000
han tenido algún tipo de trastorno cerebral
03:14
that incapacitates them,
77
179000
2000
que las incapacita.
03:16
and the numbers don't do it justice though.
78
181000
2000
Y, no obstante, estas cifras no le hacen justicia.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Estos trastornos -la esquizofrenia, el Alzheimer,
03:20
depression, addiction --
80
185000
2000
la depresión, la adicción-
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
no sólo roban nuestro tiempo de vida, sino que cambian nuestro ser;
03:25
They take our identity and change our emotions
82
190000
2000
nos quitan la identidad, cambian nuestras emociones
03:27
and change who we are as people.
83
192000
3000
y lo que nos constituye como personas.
03:30
Now in the 20th century,
84
195000
3000
Ahora bien, en el siglo XX
03:33
there was some hope that was generated
85
198000
3000
se generó algo de esperanza
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
mediante el desarrollo de fármacos para el tratamiento de trastornos cerebrales.
03:39
and while many drugs have been developed
87
204000
3000
Y si bien se desarrollaron muchas medicinas
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
que pueden aliviar los síntomas de los trastornos cerebrales
03:44
practically none of them can be considered to be cured.
89
209000
3000
en la práctica ninguna puede considerarse curable.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
En parte porque estamos inundando el cerebro con químicos.
03:50
This elaborate circuit
91
215000
2000
Este circuito elaborado
03:52
made out of thousands of different kinds of cell
92
217000
2000
compuesto de miles de tipos diferentes de células
03:54
is being bathed in a substance.
93
219000
2000
está siendo bañando con una sustancia.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Esa es la razón por la que gran parte de las medicinas del mercado, sino todas,
03:58
can present some kind of serious side effect too.
95
223000
3000
puede presentar tambien algún tipo de efecto secundario.
04:01
Now some people have gotten some solace
96
226000
3000
Ahora, algunas personas han recibido algún consuelo
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
de estimuladores eléctricos que se implantan en el cerebro.
04:07
And for Parkinson's disease,
98
232000
2000
Y para el mal de Parkinson,
04:09
Cochlear implants,
99
234000
2000
los implantes cocleares,
04:11
these have indeed been able
100
236000
2000
éstos realmente han podido
04:13
to bring some kind of remedy
101
238000
2000
llevar algún tipo de remedio
04:15
to people with certain kinds of disorder.
102
240000
2000
a personas con ciertos tipos de trastornos.
04:17
But electricity also will go in all directions --
103
242000
2000
Pero la electricidad también saldrá en todas direcciones
04:19
the path of least resistance,
104
244000
2000
por el camino de menor resistencia,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
que es, en parte, el origen de la frase.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
Y esto afectará tanto a los circuitos normales como a los anormales que queremos corregir.
04:26
So again, we're sent back to the idea
107
251000
2000
De nuevo, volvemos a la idea
04:28
of ultra-precise control.
108
253000
2000
del control ultra-preciso.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
¿Podemos direccionar la información hacia donde queremos que vaya?
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
Cuando empecé con la neurociencia hace 11 años
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
me había capacitado en ingeniería eléctrica y física
04:41
and the first thing I thought about was,
112
266000
2000
y lo primero que pensé fue
04:43
if these neurons are electrical devices,
113
268000
2000
si estas neuronas son dispositivos eléctricos
04:45
all we need to do is to find some way
114
270000
2000
todo lo que hace falta es encontrar la manera
04:47
of driving those electrical changes at a distance.
115
272000
2000
de manejar estos cambios eléctricos a distancia.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
Si pudiéramos encender la electricidad de una célula,
04:51
but not its neighbors,
117
276000
2000
pero no la de sus vecinas,
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
eso nos daría la herramienta que hace falta para activar y apagar las distintas células,
04:56
figure out what they do and how they contribute
119
281000
2000
para averiguar qué hacen y cómo contribuyen
04:58
to the networks in which they're embedded.
120
283000
2000
a las redes en las que están insertas.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
Y eso también nos permitiría contar con una herramienta de control ultra-precisa
05:02
in order to fix the circuit computations
122
287000
3000
para corregir los cálculos del circuito
05:05
that have gone awry.
123
290000
2000
que estuvieran mal.
05:07
Now how are we going to do that?
124
292000
2000
¿Cómo vamos a hacer eso?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
En la Naturaleza hay muchas moléculas
05:11
which are able to convert light into electricity.
126
296000
3000
capaces de convertir la luz en electricidad.
05:14
You can think of them as little proteins
127
299000
2000
Se las puede pensar como pequeñas proteínas
05:16
that are like solar cells.
128
301000
2000
que son como celdas solares.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Si de algún modo podemos instalar estas moléculas en estas neuronas
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
entonces estas neuronas podrían manipularse eléctricamente con la luz.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
Y sus vecinas, que no tienen la molécula, no.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Hay otro pase de magia que hacer para que todo esto funcione
05:29
and that's the ability to get light into the brain.
133
314000
3000
y es la capacidad de meter luz en el cerebro.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
Y para lograrlo -el cerebro no siente dolor- se puede
05:35
taking advantage of all the effort
135
320000
2000
sacar provecho del esfuerzo
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
invertido en Internet y comunicaciones, etc.
05:39
optical fibers connected to lasers
137
324000
2000
-fibra óptica conectada a lásers
05:41
that you can use to activate, in animal models for example,
138
326000
2000
que puede usarse para activar (por ejemplo, en modelos con animales,
05:43
in pre-clinical studies,
139
328000
2000
en estudios pre-clínicos)
05:45
these neurons and to see what they do.
140
330000
2000
estas neuronas y ver qué hacen.
05:47
So how do we do this?
141
332000
2000
¿Cómo lo hacemos?
05:49
Around 2004,
142
334000
2000
Alrededor de 2004,
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
en colaboración con Gerhard Nagel y Karl Deisseroth
05:53
this vision came to fruition.
144
338000
2000
esta visión se hizo realidad.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Hay un alga determinada que nada en el mundo silvestre
05:58
and it needs to navigate towards light
146
343000
2000
y tiene que navegar hacia la luz
06:00
in order to photosynthesize optimally.
147
345000
2000
para hacer la fotosíntesis de manera óptima.
06:02
And it senses light with a little eye-spot,
148
347000
2000
Y detecta la luz con un pequeño ocelo
06:04
which works not unlike how our eye works.
149
349000
3000
que funciona no muy distinto que nuestros ojos.
06:07
In its membrane, or its boundary,
150
352000
2000
En su membrana, o su borde,
06:09
it contains little proteins
151
354000
3000
contiene pequeñas proteínas
06:12
that indeed can convert light into electricity.
152
357000
3000
que pueden convertir luz en electricidad.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Estas moléculas se denominan canalrodopsinas.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
Y cada una de estas proteínas actúa como esa celda solar de la que les hablé.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
Ante la presencia de luz azul, abre un pequeño hoyo
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
y permite el ingreso de partículas cargadas al ocelo.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
Eso le permite a este ocelo tener una señal eléctrica
06:28
just like a solar cell charging up a battery.
158
373000
3000
al igual que una celda solar que carga una batería.
06:31
So what we need to do is to take these molecules
159
376000
2000
Entonces lo que hay que hacer es tomar estas moléculas
06:33
and somehow install them in neurons.
160
378000
2000
y de algún modo ponerlas en las neuronas.
06:35
And because it's a protein,
161
380000
2000
Y dado que es una proteína
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
está codificada en el ADN de este organismo.
06:40
So all we've got to do is take that DNA,
163
385000
2000
Así que todo lo que hay que hacer es tomar ese ADN,
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
colocarlo en un vector de terapia génica, como un virus,
06:45
and put it into neurons.
165
390000
3000
y ponerlo en las neuronas.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
Resultó ser un momento muy productivo de la terapia génica
06:51
and lots of viruses were coming along.
167
396000
2000
y empezaron a aparecer muchos virus.
06:53
So this turned out to be very simple to do.
168
398000
2000
Así que fue algo muy simple de hacer.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
Y temprano por la mañana un día de verano de 2004
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
lo intentamos y funcionó al primer intento.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Tomamos este ADN y lo colocamos en una neurona.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
La neurona usa su mecanismo natural de proteínas
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
para fabricar estas pequeñas proteínas fotosensibles
07:08
and install them all over the cell,
174
413000
2000
y las coloca en toda la célula;
07:10
like putting solar panels on a roof,
175
415000
2000
es como poner paneles solares en el techo.
07:12
and the next thing you know,
176
417000
2000
Y lo siguiente que uno sabe
07:14
you have a neuron which can be activated with light.
177
419000
2000
es que tiene una neurona que puede activarse con la luz.
07:16
So this is very powerful.
178
421000
2000
Por eso es muy poderoso.
07:18
One of the tricks you have to do
179
423000
2000
Un truco que hay que saber hacer
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
es darse cuenta cómo entregar estos genes a las células que uno quiere
07:22
and not all the other neighbors.
181
427000
2000
y no a todas sus otras vecinas.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
Y puede hacerse; se puede ajustar el virus
07:26
so they hit just some cells and not others.
183
431000
2000
para que impacte en algunas células y no en otras.
07:28
And there's other genetic tricks you can play
184
433000
2000
Y hay otros trucos genéticos a los que recurrir
07:30
in order to get light-activated cells.
185
435000
3000
para obtener células foto-activadas.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Ese campo se ha dado en llamar optogenética.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Y, a modo de ejemplo de las cosas que se pueden hacer,
07:39
you can take a complex network,
188
444000
2000
puede tomarse una red compleja
07:41
use one of these viruses to deliver the gene
189
446000
2000
y usar uno de estos virus para entregar el gen
07:43
just to one kind of cell in this dense network.
190
448000
3000
a un solo tipo de célula en esta densa red.
07:46
And then when you shine light on the entire network,
191
451000
2000
Y luego cuando uno ilumine toda la red
07:48
just that cell type will be activated.
192
453000
2000
sólo se activará ese tipo de célula.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Por ejemplo, consideremos esa célula en cesta que les mencioné antes,
07:53
the one that's atrophied in schizophrenia
194
458000
2000
la que se atrofia en la esquizofrenia
07:55
and the one that is inhibitory.
195
460000
2000
y que es inhibitoria.
07:57
If we can deliver that gene to these cells --
196
462000
2000
Si podemos llevar ese gen a esas células
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
-y no se verá alterada por la expresión de ese gen, por supuesto-
08:02
and then flash blue light over the entire brain network,
198
467000
3000
y luego iluminamos de azul toda la red cerebral
08:05
just these cells are going to be driven.
199
470000
2000
sólo serán dirigidas estas células.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
Y cuando se apague la luz estas células vuelven a la normalidad
08:09
so they don't seem to be averse against that.
201
474000
3000
por lo que no parece haber aversión a eso.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
No solo puede usarse para estudiar el funcionamiento celular,
08:14
what their power is in computing in the brain,
203
479000
2000
su poder de cómputo dentro del cerebro,
08:16
but you can also use this to try to figure out --
204
481000
2000
sino que puede usarse para tratar de averiguar...
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
bueno, quizá podríamos avivar la actividad de estas células
08:20
if indeed they're atrophied.
206
485000
2000
si realmente están atrofiadas.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Ahora quiero contarles un par de historias breves
08:24
about how we're using this,
208
489000
2000
sobre el uso que hacemos de esto
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
a nivel científico, clínico y pre-clínico.
08:29
One of the questions we've confronted
210
494000
2000
Una de las preguntas que hemos enfrentado
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
es: ¿Cuáles son las señales involucradas en la sensación de recompensa?
08:34
Because if you could find those,
212
499000
2000
Porque si se las puede encontrar
08:36
those would be some of the signals that could drive learning.
213
501000
2000
serían algunas de las señales que podrían guiar el aprendizaje.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
El cerebro va a hacer más de eso que obtuvo la recompensa.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
y también son señales que funcionan mal en trastornos como las adicciones.
08:43
So if we could figure out what cells they are,
216
508000
2000
Así, si pudiéramos darnos cuenta qué células son
08:45
we could maybe find new targets
217
510000
2000
quizá podríamos encontrar nuevos objetivos
08:47
for which drugs could be designed or screened against,
218
512000
2000
para el diseño y empleo de medicamentos
08:49
or maybe places where electrodes could be put in
219
514000
2000
o quizá lugares en los que podríamos colocar electrodos
08:51
for people who have very severe disability.
220
516000
3000
para personas con discapacidades muy severas.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Para esto se nos ocurrió un paradigma muy simple
08:56
in collaboration with the Fiorella group,
222
521000
2000
en colaboración con el grupo Fiorella,
08:58
where one side of this little box,
223
523000
2000
en el que en un lado de esta pequeña caja
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
si el animal va allí, recibe un pulso de luz
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
para hacer foto-sensibles a distintas células del cerebro.
09:04
So if these cells can mediate reward,
226
529000
2000
Así, si estas células participan en la recompensa
09:06
the animal should go there more and more.
227
531000
2000
el animal debería ir allí cada vez más.
09:08
And so that's what happens.
228
533000
2000
Y eso es lo que sucede.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Este animal va a ir a la derecha a meter la nariz por ahí,
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
y cada vez que lo hace recibe un destello de luz azul.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
Y hará lo mismo cientos y cientos de veces.
09:16
These are the dopamine neurons,
232
541000
2000
Estas son las neuronas dopaminas
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
que alguno habrá oído que forman parte de los centros de placer del cerebro.
09:20
Now we've shown that a brief activation of these
234
545000
2000
Nosotros hemos demostrado que una breve activación de éstas
09:22
is enough, indeed, to drive learning.
235
547000
2000
es suficiente para guiar el aprendizaje.
09:24
Now we can generalize the idea.
236
549000
2000
Ahora podemos generalizar la idea.
09:26
Instead of one point in the brain,
237
551000
2000
En vez de un punto del cerebro
09:28
we can devise devices that span the brain,
238
553000
2000
podemos diseñar dispositivos que abarquen el cerebro,
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
que puedan llevar luz en patrones tridimensionales
09:32
arrays of optical fibers,
240
557000
2000
-matrices de fibra óptica,
09:34
each coupled to its own independent miniature light source.
241
559000
2000
cada una con su propia mini-fuente lumínica independiente.
09:36
And then we can try to do things in vivo
242
561000
2000
Y luego podemos tratar de hacer cosas en vivo
09:38
that have only been done to-date in a dish --
243
563000
3000
que hasta hoy se han hecho sólo en un plato
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
como la visualización de alto rendimiento de todo el cerebro
09:43
for the signals that can cause certain things to happen.
245
568000
2000
para las señales que pueden hacer que sucedan ciertas cosas.
09:45
Or that could be good clinical targets
246
570000
2000
O podrían ser buenos objetivos clínicos
09:47
for treating brain disorders.
247
572000
2000
para el tratamiento de trastornos cerebrales.
09:49
And one story I want to tell you about
248
574000
2000
Y una historia que quiero contarles
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
es cómo podemos encontrar objetivos para el tratamiento del trastorno de estrés post-traumático,
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
una forma de ansiedad y miedo descontrolados.
09:57
And one of the things that we did
251
582000
2000
Y para esto adoptamos
09:59
was to adopt a very classical model of fear.
252
584000
3000
un modelo muy clásico del miedo.
10:02
This goes back to the Pavlovian days.
253
587000
3000
Se remonta a los días pavlovianos.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
Se denomina miedo condicionado pavloviano
10:07
where a tone ends with a brief shock.
255
592000
2000
en el que un tono termina con una breve descarga.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
La descarga no duele pero molesta un poco.
10:11
And over time -- in this case, a mouse,
257
596000
2000
Y con el tiempo, en este caso un ratón,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
que es un buen modelo animal y se usa comúnmente en estos experimentos,
10:15
the animal learns to fear the tone.
259
600000
2000
el animal aprende a temerle al tono.
10:17
The animal will react by freezing,
260
602000
2000
El animal reaccionará paralizándose
10:19
sort of like a deer in the headlights.
261
604000
2000
como un ciervo ante los faros.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
Ahora, la pregunta es: ¿Qué objetivos podemos encontrar en el cerebro
10:24
that allow us to overcome this fear?
263
609000
2000
que nos permitan superar ese temor?
10:26
So what we do is we play that tone again
264
611000
2000
Para eso reproducimos ese tono nuevamente
10:28
after it's been associated with fear.
265
613000
2000
después que ha sido asociado con el miedo.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
Pero activamos objetivos en el cerebro, otros diferentes,
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
usando esa matriz de fibra óptica que les dije en la diapositiva anterior
10:35
in order to try and figure out which targets
268
620000
2000
para tratar de averiguar qué objetivos
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
hacen que el cerebro supere esa memoria del miedo.
10:40
And so this brief video
270
625000
2000
Este breve video
10:42
shows you one of these targets that we're working on now.
271
627000
2000
muestra uno de estos objetivos en los que trabajamos ahora.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
Es un área de la corteza prefrontal,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
una región en la que se puede usar el conocimiento para superar estados emocionales de aversión.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
El animal va a oír un tono y se produce un destello luminoso.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
No hay audio pero pueden ver que el animal se paraliza.
10:53
This tone used to mean bad news.
276
638000
2000
Este tono solía significar malas noticias.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Y hay un pequeño reloj en la esquina inferior izquierda
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
para que puedan ver que el animal queda así unos 2 minutos.
11:00
And now this next clip
279
645000
2000
Y ahora el siguiente video
11:02
is just eight minutes later.
280
647000
2000
es de sólo 8 minutos después.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
Se va a reproducir el mismo tono y se va a disparar otra vez la luz.
11:07
Okay, there it goes. Right now.
282
652000
3000
Bien, ahí va. Ahora mismo.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
Y ahora pueden ver, en sólo 10 minutos de experimento,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
que hemos equipado al cerebro foto-activando esta zona
11:16
to overcome the expression
285
661000
2000
para superar la expresión
11:18
of this fear memory.
286
663000
2000
de esta memoria del miedo.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
Durante los últimos dos años hemos vuelto al árbol de la vida
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
porque queríamos encontrar maneras de apagar los circuitos del cerebro.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Si pudiéramos hacerlo sería algo muy poderoso.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
Si puedes eliminar células por unos milisegundos o segundos
11:32
you can figure out what necessary role they play
291
677000
2000
puedes darte cuenta del papel que desempeñan
11:34
in the circuits in which they're embedded.
292
679000
2000
dentro de los circuitos en los que están insertas.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
Y ahora hemos investigado organismos de todo el árbol de la vida
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
de cada reino de la vida salvo el animal, que vemos levemente diferente.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
Y hallamos todo tipo de moléculas, que se llaman halorodopsinas o arqueorodopsinas,
11:44
that respond to green and yellow light.
296
689000
2000
que responden a la luz verde y amarilla.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
Y hacen lo opuesto de la molécula que les conté antes,
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
la del activador de luz azul, la canalrodopsina.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
Veamos un ejemplo de hacia dónde pensamos que va esto.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Consideren, por ejemplo, una condición como la epilepsia
11:58
where the brain is overactive.
301
703000
2000
en la que el cerebro es hiperactivo.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Ahora si fallan los medicamentos en el tratamiento de epilepsia,
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
una de las estrategias es eliminar parte del cerebro.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
Pero eso, obviamente, es irreversible y podría tener efectos secundarios.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
¿Qué pasaría si pudiéramos apagar ese cerebro por un breve instante
12:09
until the seizure dies away,
306
714000
3000
hasta que el ataque se disipe
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
y hacer que el cerebro vuelva a su estado inicial?
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
Algo así como engatusar a un sistema dinámico hacia un estado estable.
12:18
So this animation just tries to explain this concept
309
723000
3000
Asi que esta animación solo trata de explicar este concepto:
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
donde hicimos que estas células fotosensibles se apaguen con la luz,
12:23
and we beam light in,
311
728000
2000
encendimos la luz,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
y solo durante el tiempo que tarda en terminar el ataque
12:27
we're hoping to be able to turn it off.
313
732000
2000
esperamos que se pueda apagar.
12:29
And so we don't have data to show you on this front,
314
734000
2000
No tenemos datos para mostrarles en este frente
12:31
but we're very excited about this.
315
736000
2000
pero estamos muy entusiasmados con esto.
12:33
Now I want to close on one story,
316
738000
2000
Ahora yo quiero cerrar con una historia
12:35
which we think is another possibility --
317
740000
2000
que creemos es otra posibilidad
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
y es que estas moléculas, tal vez, si se puede lograr un control ultra-preciso,
12:39
can be used in the brain itself
319
744000
2000
puedan usarse en el cerebro mismo
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
para hacer un nuevo tipo de prótesis, una prótesis óptica.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Ya les dije que los estimuladores eléctricos son ahora comunes.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
Hay 75 mil personas con implantes de estimuladores cerebrales para el Parkinson.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Quizá 100 mil personas con implantes cocleares
12:52
which allow them to hear.
324
757000
2000
que les permiten oír.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Otro tema es que hay que llevar estos genes a las células.
12:57
And new hope in gene therapy has been developed
326
762000
3000
Y ha surgido una nueva esperanza en terapia génica
13:00
because viruses like the adeno-associated virus,
327
765000
2000
debido a un virus como el virus adeno-asociado
13:02
which probably most of us around this room have,
328
767000
2000
que probablemente la mayoría de los presentes tiene
13:04
and it doesn't have any symptoms,
329
769000
2000
y no presenta síntomas;
13:06
which have been used in hundreds of patients
330
771000
2000
se ha usado en cientos de pacientes
13:08
to deliver genes into the brain or the body.
331
773000
2000
para transportar genes al cerebro o al cuerpo.
13:10
And so far, there have not been serious adverse events
332
775000
2000
Y hasta ahora no ha habido efectos adversos graves
13:12
associated with the virus.
333
777000
2000
asociados con el virus.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Hay un último elefante en la habitación, las propias proteínas,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
procedentes de algas, bacterias y hongos,
13:19
and all over the tree of life.
336
784000
2000
presentes en todo el árbol de la vida.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
Muchos de nosotros no tenemos hongos ni algas en el cerebro
13:23
so what is our brain going to do if we put that in?
338
788000
2000
así que, ¿qué va a hacer el cerebro si le colocamos eso?
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
¿Las células lo van a tolerar? ¿Reaccionará el sistema inmunológico?
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
Está en fase preliminar, todavía no se ha probado en humanos,
13:29
but we're working on a variety of studies
341
794000
2000
pero estamos trabajando en varios estudios
13:31
to try and examine this,
342
796000
2000
tratando de examinarlo.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
Y hasta el momento no hemos visto reacciones de alguna severidad
13:36
to these molecules
344
801000
2000
a estas moléculas
13:38
or to the illumination of the brain with light.
345
803000
3000
o a la iluminación del cerebro con luz.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Para ser franco, estamos en una etapa preliminar pero estamos emocionados al respecto
13:44
I wanted to close with one story,
347
809000
2000
Quiero terminar con una historia
13:46
which we think could potentially
348
811000
2000
que creemos podría potencialmente
13:48
be a clinical application.
349
813000
2000
ser una aplicación clínica.
13:50
Now there are many forms of blindness
350
815000
2000
Ahora hay muchas formas de ceguera
13:52
where the photoreceptors,
351
817000
2000
en la que los fotorreceptores,
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
los sensores de luz que estan en el fondo del ojo, se han perdido
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Y la retina, por supuesto, es una estructura compleja.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Ahora bien, ampliemos un poco para verlo con más detalle.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
Las células fotorreceptoras se muestras aquí arriba
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
y las señales que son detectadas por los fotorreceptores
14:06
are transformed by various computations
357
831000
2000
son transformadas por varios cálculos
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
hasta que al final esa capa de células de abajo, las células ganglionares,
14:11
relay the information to the brain,
359
836000
2000
transmite la información al cerebro,
14:13
where we see that as perception.
360
838000
2000
donde vemos eso como percepción.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
En muchas formas de ceguera, como la a retinitis pigmentosa,
14:18
or macular degeneration,
362
843000
2000
o la degeneración macular,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
las células fotorreceptoras están atrofiadas o destruidas.
14:23
Now how could you repair this?
364
848000
2000
Ahora ¿Cómo puedes reparar esto?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Ni siquiera está claro que una medicina pueda hacer que esto se reestablezca
14:28
because there's nothing for the drug to bind to.
366
853000
2000
porque no hay nada a donde se ligue el medicamento.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Por otro lado, la luz aún puede entrar al ojo.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
El ojo todavía es todavía transparente y la luz puede entrar.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Asi que ¿Que tal si pudiéramos solo tomar estas canalrodopsinas y otras moléculas
14:38
and install them on some of these other spare cells
370
863000
2000
e instalarlas en alguna de estas otras células libres
14:40
and convert them into little cameras.
371
865000
2000
y convertirlas en pequeñas cámaras?
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Y dado que hay muchas de estas células en el ojo
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
podrían llegar a ser cámaras de muy alta definición.
14:47
So this is some work that we're doing.
374
872000
2000
Asi que esto es algo eel trabajo que estamos realizando.
14:49
It's being led by one of our collaborators,
375
874000
2000
Está siendo dirigido por uno de nuestros colaboradores,
14:51
Alan Horsager at USC,
376
876000
2000
Alan Horsager en la USC,
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
y se procura que sea comercializado por una empresa nueva, Eos Neuroscience,
14:56
which is funded by the NIH.
378
881000
2000
financiada por el NIH.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
Y aquí vemos un ratón tratando de salir del laberinto.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Es un laberinto de 6 brazos. Y tiene un poco de agua
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
para motivar al ratón a moverse, o se quedaría allí sentado.
15:04
And the goal, of course, of this maze
382
889000
2000
El objetivo del laberinto, por supuesto,
15:06
is to get out of the water and go to a little platform
383
891000
2000
es salir del agua e ir a una pequeña plataforma
15:08
that's under the lit top port.
384
893000
2000
que está en el puerto superior iluminada.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Ahora, los ratones son inteligentes, asi que este ratón al final sale del laberinto
15:13
but he does a brute-force search.
386
898000
2000
pero hace una búsqueda por fuerza bruta.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
Nada por todas las vías hasta que finalmente llega a la plataforma.
15:18
So he's not using vision to do it.
388
903000
2000
Asi que no está usando la visión para lograrlo.
15:20
These different mice are different mutations
389
905000
2000
Estos ratones son mutaciones diferentes
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
que semejan distintos tipos de ceguera que afectan a los humanos.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Por eso somos cuidadosos en tratar de observar los distintos modelos
15:28
so we come up with a generalized approach.
392
913000
2000
asi que llegamos a un enfoque generalizado.
15:30
So how are we going to solve this?
393
915000
2000
Asi que ¿Cómo vamos a resolver esto?
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
Vamos a hacer exactamente lo que esbozamos en la diapositiva anterior.
15:34
We're going to take these blue light photosensors
395
919000
2000
Vamos a tomar estos fotosensores de luz azul
15:36
and install them on a layer of cells
396
921000
2000
y los vamos a instalar en una capa de células
15:38
in the middle of the retina in the back of the eye
397
923000
3000
en el medio de la retina en la parte posterior del ojo
15:41
and convert them into a camera --
398
926000
2000
para convertirlo en una cámara.
15:43
just like installing solar cells all over those neurons
399
928000
2000
Es como instalar celdas solares en esas neuronas
15:45
to make them light sensitive.
400
930000
2000
para hacerlas sensibles a la luz.
15:47
Light is converted to electricity on them.
401
932000
2000
En ellos la luz se convierte en electricidad.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Asi que este ratón era ciego un par de semanas antes de este experimento
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
y recibió una dosis de esta molécula fotosensible en un virus.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
Ahora pueden ver, el animal puede de hecho evitar paredes
15:57
and go to this little platform
405
942000
2000
e ir a esta pequeña plataforma
15:59
and make cognitive use of its eyes again.
406
944000
3000
y hacer un uso cognitivo de sus ojos nuevamente.
16:02
And to point out the power of this:
407
947000
2000
Y para destacar el poder que tiene esto:
16:04
these animals are able to get to that platform
408
949000
2000
estos animales son capaces de llegar a esa plataforma
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
justo tan rápido como los animales que han visto toda la vida.
16:08
So this pre-clinical study, I think,
410
953000
2000
Por eso creo que este estudio pre-clínico
16:10
bodes hope for the kinds of things
411
955000
2000
es un buen presagio para el tipo de cosas
16:12
we're hoping to do in the future.
412
957000
2000
que esperamos hacer en el futuro.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Para terminar, quiero señalar que también estamos explorando
16:17
new business models for this new field of neurotechnology.
414
962000
2000
nuevos modelos de negocio para este nuevo campo de la neurotecnología.
16:19
We're developing these tools,
415
964000
2000
Estamos desarrollando estas herramientas
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
pero las compartimos en forma gratuita con cientos de grupos de todo el mundo
16:23
so people can study and try to treat different disorders.
417
968000
2000
de tal manera que la gente pueda estudiar y tratar diferentes trastornos.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Y esperamos que al entender los circuitos cerebrales
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
a un nivel de abstracción tal que nos permita repararlos y diseñarlos
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
podamos tomar alguno de estos trastornos intratables que les mencioné antes,
16:34
practically none of which are cured,
421
979000
2000
que prácticamente no tienen cura,
16:36
and in the 21st century make them history.
422
981000
2000
y hacer que en el siglo XXI sean historia.
16:38
Thank you.
423
983000
2000
Gracias.
16:40
(Applause)
424
985000
13000
(Aplausos)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Juan Enriquez: Algunas de las cosas son un poco densas.
16:56
(Laughter)
426
1001000
2000
(Risas)
16:58
But the implications
427
1003000
2000
Pero las consecuencias
17:00
of being able to control seizures or epilepsy
428
1005000
3000
de poder controlar las convulsiones o la epilepsia
17:03
with light instead of drugs,
429
1008000
2000
con luz en vez de medicamentos
17:05
and being able to target those specifically
430
1010000
3000
y poder identificar eso específicamente
17:08
is a first step.
431
1013000
2000
es un primer paso.
17:10
The second thing that I think I heard you say
432
1015000
2000
Otra cosa que creo haber oído
17:12
is you can now control the brain in two colors,
433
1017000
3000
es que ahora tu puedes controlar el cerebro con dos colores.
17:15
like an on/off switch.
434
1020000
2000
Como un interruptor encendido/apagado.
17:17
Ed Boyden: That's right.
435
1022000
2000
Ed Boyden: Correcto.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
JE: Lo que hace de todo impulso que va al cerebro un código binario.
17:22
EB: Right, yeah.
437
1027000
2000
EB: Correcto, sí.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Con la luz azul podemos conducir la información, en forma de uno.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
Y atenuándola, sería como un cero.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Así esperamos, al final, construir coprocesadores del cerebro
17:31
that work with the brain
441
1036000
2000
que funcionen con éste
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
para poder aumentar las funciones de las personas con discapacidad.
17:36
JE: And in theory, that means that,
443
1041000
2000
JE: Y, en teoría, eso significa que
17:38
as a mouse feels, smells,
444
1043000
2000
la forma en que el ratón siente, huele,
17:40
hears, touches,
445
1045000
2000
oye, toca,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
tu puedes modelar eso como una cadena de unos y ceros.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
EB: Sí, claro. Esperamos usar esto como una manera de probar
17:47
what neural codes can drive certain behaviors
448
1052000
2000
qué códigos neurales guían determinados comportamientos,
17:49
and certain thoughts and certain feelings,
449
1054000
2000
determinados pensamientos y sentimientos,
17:51
and use that to understand more about the brain.
450
1056000
3000
y usar eso para entender más al cerebro.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
JE: ¿Significa eso que algún día se podrán descargar memorias
17:57
and maybe upload them?
452
1062000
2000
y quizá cargar memorias?©
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
EB: Bueno, eso es algo en lo que estamos empezando a trabajar arduamente.
18:01
We're now working on some work
454
1066000
2000
Ahora estamos trabajando en un trabajo
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
para revestir el cerebro con elementos que registren tambien.
18:05
So we can record information and then drive information back in --
456
1070000
3000
Así, podemos grabar información y luego recuperarla;
18:08
sort of computing what the brain needs
457
1073000
2000
es como calcular qué necesita el cerebro
18:10
in order to augment its information processing.
458
1075000
2000
para aumentar su procesamiento de información.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
JE: Bueno, eso podría cambiar un par de cosas. Gracias. (EB: Gracias).
18:15
(Applause)
460
1080000
3000
(Aplausos)
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