TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
Steve McCarroll: Cómo los macrodatos pueden ayudar a resolver los misterios del cerebro
Filmed:
Readability: 4.8
1,529,178 views
El genetista Steve McCarroll tiene como objetivo elaborar un atlas de todas las células del cuerpo humano para poder entender exactamente cómo funcionan los genes específicos, especialmente en el cerebro. En esta fascinante charla, habla del trabajo de su equipo, parte del cual fue la invención del "Drop-seq", una tecnología que permite a los científicos analizar células individuales a una escala que nunca antes había sido posible. McCarroll explica también que esta investigación podría abrir nuevos caminos en el tratamiento de enfermedades mentales como la esquizofrenia.
Steve McCarroll - Geneticist
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Double-click the English transcript below to play the video.
00:12
Nine years ago,
0
785
1704
Hace nueve años,
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
mi hermana notó que tenía
bultos en el cuello y en el brazo,
bultos en el cuello y en el brazo,
00:17
and was diagnosed with cancer.
2
5638
1760
y el diagnóstico fue cáncer.
00:20
From that day, she started to benefit
3
8985
3199
A partir de ese día, empezó a aprovechar
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
los avances de la ciencia
en el campo del cáncer.
en el campo del cáncer.
00:28
Every time she went to the doctor,
5
16206
2099
Cada vez que iba al médico,
00:30
they measured specific molecules
6
18329
2194
le medían moléculas específicas
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
que proporcionaban información
sobre su progreso y los pasos a seguir.
sobre su progreso y los pasos a seguir.
00:35
and what to do next.
8
23452
1309
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
Cada tanto, aparecían
nuevas opciones en medicina.
nuevas opciones en medicina.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
Todos se daban cuenta de que
ella luchaba heroicamente
ella luchaba heroicamente
00:47
with a biological illness.
11
35412
1728
contra una enfermedad biológica.
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
Esta primavera, comenzó
un innovador tratamiento médico
un innovador tratamiento médico
como parte de un ensayo clínico.
00:54
in a clinical trial.
13
42528
1202
00:55
It dramatically knocked back her cancer.
14
43754
2224
Ese tratamiento detuvo su cáncer
de manera sorprendente.
de manera sorprendente.
Adivinen con quién pasaré
el Día de Acción de Gracias.
el Día de Acción de Gracias.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
Con mi vivaz hermana,
01:02
My vivacious sister,
16
50022
2267
01:04
who gets more exercise than I do,
17
52313
2629
que hace más ejercicio que yo
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
y que, quizá como muchos en esta sala,
01:09
increasingly talks about a lethal illness
19
57849
2292
habla a menudo de esta enfermedad mortal
01:12
in the past tense.
20
60165
1263
en tiempo pasado.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
En el transcurso de la vida
o incluso en una década,
o incluso en una década,
la ciencia puede cambiar la experiencia
de padecer una enfermedad específica.
de padecer una enfermedad específica.
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
01:24
But not for all illnesses.
23
72055
1534
Pero no todas las enfermedades.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
Mi amigo Robert y yo
fuimos juntos a la universidad.
fuimos juntos a la universidad.
01:31
Robert was smart,
25
79121
1801
Robert era inteligente,
pero en el transcurso de los meses
01:32
but with each passing month,
26
80946
1477
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
su razonamiento empezó a desorganizarse.
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
Dejó los estudios y comenzó
a trabajar en una tienda.
a trabajar en una tienda.
01:41
But that, too, became too complicated.
29
89463
2218
Pero empezó a tener otras dificultades.
01:44
Robert became fearful and withdrawn.
30
92559
2945
Robert se volvió temeroso y retraído.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
Al cabo de un año y medio,
comenzó a oír voces
comenzó a oír voces
01:50
and believing that people
were following him.
were following him.
32
98686
2197
y a creer que alguien lo seguía.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
El diagnóstico médico fue esquizofrenia
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
y le dieron la mejor droga para su caso,
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
una droga que logró acallar
esas voces que oía,
esas voces que oía,
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
pero no le devolvió la lucidez
ni su conexión con los demás.
ni su conexión con los demás.
02:06
Robert struggled to remain connected
37
114270
1856
Robert luchó por seguir conectado
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
con el mundo del estudio,
del trabajo y de los amigos.
del trabajo y de los amigos.
02:11
He drifted away,
39
119031
1383
Se distanció,
02:12
and today I don't know where to find him.
40
120438
2285
y hoy no sé dónde buscarlo.
02:15
If he watches this,
41
123593
1479
Si él me está viendo,
02:17
I hope he'll find me.
42
125962
1628
espero que venga a mi encuentro.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
¿Cómo es posible que la medicina
tenga tanto para ofrecer a mi hermana,
tenga tanto para ofrecer a mi hermana,
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
y tan poco que ofrecer a millones
de personas como Robert?
de personas como Robert?
02:32
The need is there.
45
140952
1290
La necesidad está.
La Organización Mundial de la Salud
estima que las enfermedades mentales,
estima que las enfermedades mentales,
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
como la esquizofrenia, el trastorno
bipolar y la depresión aguda,
bipolar y la depresión aguda,
02:41
are the world's largest cause
of lost years of life and work.
of lost years of life and work.
48
149582
4971
son la primera causa de pérdida
de años en la vida y en el trabajo.
de años en la vida y en el trabajo.
Esto se debe, en parte, a que
estas enfermedades suelen aparecer
estas enfermedades suelen aparecer
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
en la etapa joven, podría
decirse en la flor de la vida,
decirse en la flor de la vida,
02:51
in many ways, in the prime of life,
50
159392
2181
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
cuando las personas están terminando
sus estudios, empiezan a trabajar,
sus estudios, empiezan a trabajar,
02:58
forming relationships and families.
52
166085
2279
forjan relaciones y forman su familia.
03:00
These illnesses can result in suicide;
53
168388
2829
Estas enfermedades
pueden derivar en suicidio,
pueden derivar en suicidio,
03:03
they often compromise one's ability
to work at one's full potential;
to work at one's full potential;
54
171907
4567
suelen comprometer la capacidad
de trabajar al máximo potencial,
de trabajar al máximo potencial,
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
y son causa de tantas tragedias
difíciles de medir:
difíciles de medir:
03:13
lost relationships and connections,
56
181246
2438
ruptura de relaciones y conexiones,
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
pérdida de oportunidades
para alcanzar sueños e ideales.
para alcanzar sueños e ideales.
03:19
These illnesses limit human possibilities
58
187533
3005
Estas enfermedades limitan
las posibilidades humanas
las posibilidades humanas
03:22
in ways we simply cannot measure.
59
190562
2154
de una manera imposible de medir.
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
Esta era está marcada por
profundos avances de la medicina
profundos avances de la medicina
03:31
on so many other fronts.
61
199533
1811
en muchos otros ámbitos.
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
El cáncer de mi hermana
es un buen ejemplo,
es un buen ejemplo,
y lo mismo ocurre
con las enfermedades cardíacas.
con las enfermedades cardíacas.
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
Drogas como la estatina podrán prevenir
millones de ataques cardíacos e infartos.
millones de ataques cardíacos e infartos.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
Si analizamos este enorme progreso
de la medicina en estas áreas,
de la medicina en estas áreas,
03:46
in our lifetimes,
66
214016
1464
notaremos que tienen una narrativa común.
03:47
they have a narrative in common:
67
215504
1674
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
Los científicos descubrieron moléculas
relacionadas con una enfermedad,
relacionadas con una enfermedad,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
encontraron la forma de detectar
y medir esas moléculas en el organismo,
y medir esas moléculas en el organismo,
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
y buscaron la manera
de interferir con esas moléculas
de interferir con esas moléculas
usando otras moléculas: los medicamentos.
04:03
using other molecules -- medicines.
71
231294
2048
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
Esta estrategia siempre dio
buenos resultados, una y otra vez.
buenos resultados, una y otra vez.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
Pero en el caso del cerebro,
esa estrategia se vio limitada,
esa estrategia se vio limitada,
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
porque actualmente aún
no se sabe lo suficiente
no se sabe lo suficiente
04:19
about how the brain works.
75
247695
1852
sobre el funcionamiento del cerebro.
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
Necesitamos saber qué células
se relacionan con cada enfermedad,
se relacionan con cada enfermedad,
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
y qué moléculas de esas células
se relacionan con cada enfermedad.
se relacionan con cada enfermedad.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
De esto quiero hablarles hoy.
04:34
My lab develops technologies
with which we try to turn the brain
with which we try to turn the brain
79
262781
3809
Mi laboratorio desarrolla tecnologías
para poder transformar el cerebro
para poder transformar el cerebro
04:38
into a big-data problem.
80
266614
1700
en un problema de macrodatos.
Antes de ser biólogo, trabajé en el área
de la computación y la matemática,
de la computación y la matemática,
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
donde aprendí la siguiente lección:
04:43
and I learned this lesson:
82
271898
1324
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
si en un área podemos recolectar
una gran cantidad de datos adecuados
una gran cantidad de datos adecuados
04:50
about the functioning of a system,
84
278573
2030
sobre el funcionamiento de un sistema,
04:53
you can use computers in powerful new ways
85
281365
3618
podemos usar la computadora
de manera novedosa y efectiva
de manera novedosa y efectiva
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
para entender ese sistema
y estudiar cómo funciona.
y estudiar cómo funciona.
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
Actualmente, el uso de macrodatos
está transformando grandes
sectores de la economía,
sectores de la economía,
05:02
ever-larger sectors of our economy,
88
290802
2483
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
y lo mismo podría hacerse
con la biología y la medicina.
con la biología y la medicina.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
Pero es necesario que los datos
sean los correctos,
sean los correctos,
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
los que se precisan.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
Y para lograrlo se requieren
nuevas tecnologías e ideas.
nuevas tecnologías e ideas.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
Esta es la misión que motiva
a los científicos de mi laboratorio.
a los científicos de mi laboratorio.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
Quiero contarles dos historias
breves sobre nuestro trabajo.
breves sobre nuestro trabajo.
05:27
One fundamental obstacle we face
95
315427
3104
Un gran obstáculo que debemos superar
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
para transformar el cerebro
en un problema de macrodatos
en un problema de macrodatos
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
es que el cerebro se compone
de miles de millones de células.
de miles de millones de células.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
Y nuestras células no son
generalistas, sino especialistas.
generalistas, sino especialistas.
05:43
Like humans at work,
99
331129
2089
Igual que las personas en su trabajo,
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
se especializan en miles
de distintas profesiones celulares,
de distintas profesiones celulares,
05:50
or cell types.
101
338540
1367
o tipos de células.
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
De hecho, cada tipo de célula del cuerpo
05:55
could probably give a lively TED Talk
103
343391
1878
bien podría dar una entretenida
charla TED sobre su trabajo.
charla TED sobre su trabajo.
05:57
about what it does at work.
104
345293
1542
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
Pero los científicos aún
ignoramos al día de hoy
ignoramos al día de hoy
06:02
how many cell types there are,
106
350816
1907
cuántos tipos de células hay,
06:04
and we don't know what the titles
of most of those talks would be.
of most of those talks would be.
107
352747
3277
y tampoco sabemos cuál sería
el título de esas charlas.
el título de esas charlas.
Ahora bien, hay muchas
cosas que sí sabemos
cosas que sí sabemos
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
sobre los tipos de células.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
Pueden diferir notablemente
en forma y tamaño.
en forma y tamaño.
06:17
One will respond to a molecule
that the other doesn't respond to,
that the other doesn't respond to,
110
365578
4135
Una molécula puede reaccionar
ante una y no ante otra,
ante una y no ante otra,
06:21
they'll make different molecules.
111
369737
1794
formar moléculas distintas.
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
Pero la ciencia ha hecho
investigaciones 'ad hoc',
investigaciones 'ad hoc',
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
un tipo de células a la vez,
06:29
one molecule at a time.
114
377067
1486
una molécula a la vez.
06:31
We wanted to make it possible to learn
all of this quickly and systematically.
all of this quickly and systematically.
115
379854
4731
Quisimos estudiar todo esto
de manera rápida y sistemática.
de manera rápida y sistemática.
06:37
Now, until recently, it was the case
116
385673
1748
Hasta hace poco,
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
si se quería hacer un inventario
de todas las moléculas
de todas las moléculas
06:42
in a part of the brain or any organ,
118
390545
2925
de una parte del cerebro
o de cualquier otro órgano,
o de cualquier otro órgano,
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
primero había que licuarlo
como si fuera una especie
de batido celular.
de batido celular.
06:50
But that's a problem.
120
398678
1230
Pero había un problema:
06:52
As soon as you've ground up the cells,
121
400737
2538
cuando se trituran las células,
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
solo se puede estudiar
el contenido de la célula promedio,
el contenido de la célula promedio,
06:58
not the individual cells.
123
406834
1595
no de las células individuales.
07:01
Imagine if you were trying to understand
how a big city like New York works,
how a big city like New York works,
124
409182
3709
Imaginemos que queremos
saber cómo funciona
saber cómo funciona
una gran ciudad como Nueva York,
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
pero solo es posible
analizando las estadísticas
analizando las estadísticas
sobre el ciudadano promedio de la ciudad.
07:07
about the average resident of New York.
126
415481
2029
Es obvio que no obtendremos
gran información,
gran información,
07:10
Of course, you wouldn't learn very much,
127
418637
1979
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
porque lo interesante,
lo importante, lo apasionante
lo importante, lo apasionante
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
está en la diversidad
y en los rasgos especiales.
y en los rasgos especiales.
07:18
And the same thing is true of our cells.
130
426420
2606
Lo mismo ocurre
con las células del cuerpo.
con las células del cuerpo.
07:21
And we wanted to make it possible to study
the brain not as a cellular smoothie
the brain not as a cellular smoothie
131
429050
4750
Nuestra idea era estudiar el cerebro,
no como un batido celular,
no como un batido celular,
07:25
but as a cellular fruit salad,
132
433824
2478
sino como una ensalada
de frutas celular
de frutas celular
y, a partir de allí, generar datos
sobre cada trozo de fruta por separado
sobre cada trozo de fruta por separado
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
07:30
each individual piece of fruit.
134
438954
1838
y hacer investigaciones de ese modo.
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
Para eso, desarrollamos una tecnología.
07:36
You're about to see a movie of it.
136
444995
1729
Les mostraré una animación.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
Aquí vemos cómo encapsulamos
decenas de miles de células individuales,
decenas de miles de células individuales,
07:45
each into its own tiny water droplet
138
453529
2923
cada una dentro de su propia gota
07:48
for its own molecular analysis.
139
456476
2211
para hacer el análisis
molecular de cada una.
molecular de cada una.
07:51
When a cell lands in a droplet,
it's greeted by a tiny bead,
it's greeted by a tiny bead,
140
459921
4123
Cuando una célula cae en una gota,
es recibida por una microesfera,
es recibida por una microesfera,
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
que libera millones de moléculas
de ADN con códigos de barras.
de ADN con códigos de barras.
Cada microesfera libera una secuencia
distinta de códigos de barras
distinta de códigos de barras
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
08:04
to a different cell.
143
472447
1243
para una célula distinta.
08:06
We incorporate the DNA bar codes
144
474884
2581
Incorporamos los códigos de barras de ADN
08:09
into each cell's RNA molecules.
145
477489
3058
a las moléculas de ARN de cada célula.
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
Estos son los transcriptores moleculares
08:15
of the specific genes
that it's using to do its job.
that it's using to do its job.
147
483431
3103
de los genes específicos utilizados
para hacer su trabajo.
para hacer su trabajo.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
Y luego secuenciamos miles de millones
de estas moléculas combinadas
de estas moléculas combinadas
08:24
and use the sequences to tell us
149
492532
2498
y usamos las secuencias para saber
08:27
which cell and which gene
150
495054
2602
de qué célula y de qué gen
procedía cada molécula.
procedía cada molécula.
08:29
every molecule came from.
151
497680
1540
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
A esta técnica la llamamos
"Drop-seq", porque se usan gotas
"Drop-seq", porque se usan gotas
08:35
to separate the cells for analysis,
153
503877
2575
para separar las células
y así poder analizarlas,
y así poder analizarlas,
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
y usamos secuencias de ADN
para etiquetar, hacer inventario
para etiquetar, hacer inventario
08:41
and keep track of everything.
155
509945
1488
y seguimiento del proceso.
08:44
And now, whenever we do an experiment,
156
512727
1976
Ahora, cada vez que
hacemos un experimento,
hacemos un experimento,
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
analizamos decenas de miles
de células individuales.
de células individuales.
08:51
And today in this area of science,
158
519018
2624
Actualmente, en este campo de la ciencia
08:53
the challenge is increasingly
how to learn as much as we can
how to learn as much as we can
159
521666
4931
es cada vez mayor el desafío
para aprender más
para aprender más
08:58
as quickly as we can
160
526621
1872
en el menor tiempo posible
09:00
from these vast data sets.
161
528517
1738
a partir de estos conjuntos de macrodatos.
Cuando estábamos desarrollando
el Drop-seq, la gente nos decía:
el Drop-seq, la gente nos decía:
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
09:07
"Oh, this is going to make you guys
the go-to for every major brain project."
the go-to for every major brain project."
163
535708
4804
"Esto los transformará en referentes
de todo gran proyecto sobre el cerebro".
de todo gran proyecto sobre el cerebro".
Pero no es así como lo veíamos nosotros.
09:13
That's not how we saw it.
164
541257
1544
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
La ciencia funciona mejor cuando se genera
una gran cantidad de datos importantes.
una gran cantidad de datos importantes.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
Por eso escribimos un libro
de instrucciones de 25 páginas
de instrucciones de 25 páginas
09:23
with which any scientist could build
their own Drop-seq system from scratch.
their own Drop-seq system from scratch.
167
551435
4578
para que cualquier científico
pueda construir
pueda construir
su propio sistema Drop-seq desde cero.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
Esas instrucciones fueron descargadas
del sitio web del laboratorio
del sitio web del laboratorio
09:31
50,000 times in the past two years.
169
559758
2965
50 000 veces en los últimos dos años.
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
Desarrollamos un programa
para que cualquier científico
para que cualquier científico
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
pueda analizar los datos
obtenidos con el Drop-seq.
obtenidos con el Drop-seq.
09:41
and that software is also free,
172
569596
1715
Ese programa también es gratuito,
09:43
and it's been downloaded from our website
30,000 times in the past two years.
30,000 times in the past two years.
173
571335
4388
y tuvo 30 000 descargas
en el mismo período.
en el mismo período.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
A partir de entonces, cientos
de laboratorios nos escribieron
de laboratorios nos escribieron
para contarnos de sus descubrimientos
09:53
using this approach.
175
581331
1443
mediante esta técnica.
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
Hoy, esta tecnología se usa para elaborar
un atlas de células humanas.
un atlas de células humanas.
09:58
It will be an atlas of all
of the cell types in the human body
of the cell types in the human body
177
586382
3354
Sería un atlas de todos los tipos
de células del cuerpo humano
de células del cuerpo humano
10:01
and the specific genes
that each cell type uses to do its job.
that each cell type uses to do its job.
178
589760
3680
y de los genes específicos usados
por cada tipo de célula
por cada tipo de célula
para hacer su tarea.
Les contaré ahora del segundo
desafío que enfrentamos
desafío que enfrentamos
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
para transformar el cerebro
en un problema de macrodatos.
en un problema de macrodatos.
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
El desafío es que queremos
obtener información del cerebro
obtener información del cerebro
10:16
of hundreds of thousands of living people.
182
604808
2444
de cientos de miles de personas vivas.
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
Pero no se puede acceder físicamente
al cerebro de una persona viva.
al cerebro de una persona viva.
10:24
But how can we discover molecular factors
if we can't hold the molecules?
if we can't hold the molecules?
184
612895
3960
¿Cómo podríamos identificar
factores moleculares
factores moleculares
si no podemos tomar las moléculas?
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
Una respuesta es que las moléculas
con más información, las proteínas,
con más información, las proteínas,
10:34
are encoded in our DNA,
186
622924
1782
están codificadas en nuestro ADN,
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
que contiene las recetas que las células
siguen para fabricar todas las proteínas.
siguen para fabricar todas las proteínas.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
Y estas recetas varían
de una persona a otra,
de una persona a otra,
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
de tal modo que las proteínas
también varían de una persona a otra
también varían de una persona a otra
10:50
in their precise sequence
190
638335
1787
en cuanto a su secuencia precisa
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
y a lo que cada tipo de célula
interpreta de cada proteína.
interpreta de cada proteína.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
Todo está codificado en el ADN,
y tiene que ver con la genética,
y tiene que ver con la genética,
pero no la genética
que se enseña en la escuela.
que se enseña en la escuela.
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
¿Se acuerdan de los genes
recesivos y dominantes?
recesivos y dominantes?
11:03
Do you remember big B, little b?
194
651572
1983
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
Si heredamos el dominante
tendremos ojos marrones.
tendremos ojos marrones.
11:09
It's simple.
196
657085
1223
Es simple.
11:11
Very few traits are that simple.
197
659451
3173
Muy pocos rasgos son tan simples.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
Aun el color de los ojos
depende de mucho más
depende de mucho más
que tan solo la molécula de un pigmento.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
Y algo tan complejo
como el funcionamiento del cerebro humano
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
depende de la interacción
de miles de genes.
de miles de genes.
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
Y cada uno de estos genes
varía significativamente
varía significativamente
11:30
from person to person to person,
202
678770
1838
de una persona a otra,
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
y cada uno de nosotros es
una combinación única de esa variación.
una combinación única de esa variación.
11:37
It's a big data opportunity.
204
685419
2216
Es una gran oportunidad
para reunir macrodatos.
para reunir macrodatos.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
Y actualmente es cada vez más
factible avanzar en este tema
factible avanzar en este tema
11:43
on a scale that was never possible before.
206
691414
2796
a una escala que antes nunca fue posible.
La gente está contribuyendo
con el estudio de la genética
con el estudio de la genética
11:46
People are contributing to genetic studies
207
694234
2405
11:48
in record numbers,
208
696663
1594
en cifras sin precedentes.
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
Y los científicos de todo el mundo
se están intercambiando datos
se están intercambiando datos
11:55
to speed progress.
210
703196
1571
para avanzar más rápido.
11:57
I want to tell you a short story
about a discovery we recently made
about a discovery we recently made
211
705514
3239
Les contaré una breve historia
sobre un descubrimiento
sobre un descubrimiento
que acabamos de hacer
sobre la genética de la esquizofrenia.
sobre la genética de la esquizofrenia.
12:00
about the genetics of schizophrenia.
212
708777
1894
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
Fue posible con la colaboración
de 50 000 personas de 30 países,
de 50 000 personas de 30 países,
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
que dieron su ADN para la investigación
genética de la esquizofrenia.
genética de la esquizofrenia.
12:14
It had been known for several years
215
722406
2096
Durante muchos años se supo
que la mayor influencia del genoma
humano en el riesgo de esquizofrenia
humano en el riesgo de esquizofrenia
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
12:20
comes from a part of the genome
217
728661
1802
está en una parte del genoma
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
que codifica muchas de las moléculas
de nuestro sistema inmunológico.
de nuestro sistema inmunológico.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
Pero no se sabía a ciencia cierta
qué gen era el responsable.
qué gen era el responsable.
Un científico de mi laboratorio creó
una nueva forma de analizar el ADN
una nueva forma de analizar el ADN
12:29
A scientist in my lab developed
a new way to analyze DNA with computers,
a new way to analyze DNA with computers,
220
737746
4040
con computadoras,
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
y descubrió algo increíble.
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
Vio que un gen llamado
"componente 4 del complemento",
"componente 4 del complemento",
12:40
it's called "C4" for short --
223
748204
1799
o C4 en su forma abreviada,
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
se manifiesta de varias maneras distintas
en el genoma de diferentes personas,
en el genoma de diferentes personas,
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
y estas maneras distintas
fabrican distintas cantidades
fabrican distintas cantidades
12:50
of C4 protein in our brains.
226
758170
2242
de proteínas C4 en el cerebro.
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
Y descubrió que cuantas más
proteínas C4 fabrican nuestros genes,
proteínas C4 fabrican nuestros genes,
12:56
the greater our risk for schizophrenia.
228
764966
2112
mayor es el riesgo
de padecer esquizofrenia.
de padecer esquizofrenia.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
Ahora bien, el C4 no es más que un factor
de riesgo dentro de un complejo sistema.
de riesgo dentro de un complejo sistema.
13:04
This isn't big B,
230
772850
1989
No es un carácter dominante,
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
sino la posibilidad de conocer
una molécula importante.
una molécula importante.
Las proteínas del complemento como la C4
fueron conocidas durante mucho tiempo
fueron conocidas durante mucho tiempo
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
por su función en el sistema inmunológico,
13:15
for their roles in the immune system,
233
783153
1953
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
donde actúan como una especie
de nota recordatoria
de nota recordatoria
13:19
that says, "Eat me."
235
787932
1580
que dice: "Cómanme".
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
Y esa notita aparece
en una gran cantidad de desechos
en una gran cantidad de desechos
13:25
and dead cells in our bodies
237
793166
2357
y células muertas del cuerpo,
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
e invita a las células
inmunes a eliminarlas.
inmunes a eliminarlas.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
Pero dos colegas descubrieron
que ese recordatorio de la C4
que ese recordatorio de la C4
13:35
also gets put on synapses in the brain
240
803183
3298
también aparece
en las sinapsis del cerebro
en las sinapsis del cerebro
13:38
and prompts their elimination.
241
806505
1864
e induce a que se las elimine.
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
Ahora bien, la creación y eliminación
de las sinapsis es parte normal
de las sinapsis es parte normal
del desarrollo y aprendizaje
del ser humano.
del ser humano.
13:44
of human development and learning.
243
812444
1854
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
Nuestro cerebro crea y elimina
sinapsis todo el tiempo.
sinapsis todo el tiempo.
Pero los resultados genéticos obtenidos
sugieren que, en la esquizofrenia,
sugieren que, en la esquizofrenia,
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
el proceso de eliminación
podría acelerarse demasiado.
podría acelerarse demasiado.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
Científicos de empresas farmacéuticas
han mostrado gran interés
en este descubrimiento,
en este descubrimiento,
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
porque durante años han investigado
las proteínas del complemento
las proteínas del complemento
en el sistema inmunológico,
14:04
in the immune system,
249
832401
1540
y han aprendido mucho
sobre su funcionamiento.
sobre su funcionamiento.
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
También desarrollaron moléculas
que interfieren con estas proteínas,
que interfieren con estas proteínas,
14:12
and they're starting to test them
in the brain as well as the immune system.
in the brain as well as the immune system.
252
840803
3607
y están empezando a probarlas
en el cerebro y en el sistema inmunitario.
en el cerebro y en el sistema inmunitario.
14:17
It's potentially a path toward a drug
that might address a root cause
that might address a root cause
253
845124
4721
Es una vía potencial para crear una droga
que actúe sobre la causa original
que actúe sobre la causa original
14:21
rather than an individual symptom,
254
849869
2649
y no sobre un síntoma individual.
14:24
and we hope very much that this work
by many scientists over many years
by many scientists over many years
255
852542
4048
Y tenemos la esperanza
de que este trabajo
de que este trabajo
realizado por tantos científicos
a lo largo de muchos años,
a lo largo de muchos años,
14:28
will be successful.
256
856614
1152
rinda sus frutos con el tiempo.
14:31
But C4 is just one example
257
859689
3014
Pero la C4 es solo un ejemplo
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
del potencial de las técnicas
científicas basadas en datos
científicas basadas en datos
para abrir nuevos frentes
en relación a problemas médicos
en relación a problemas médicos
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
que existen desde hace siglos.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
Hay cientos de sitios en nuestro genoma
14:44
that shape risk for brain illnesses,
261
872913
2585
que definen el riesgo de padecer
enfermedades cerebrales,
enfermedades cerebrales,
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
y cualquiera de esos sitios
puede ayudarnos a conocer
puede ayudarnos a conocer
el funcionamiento
de otra molécula importante.
de otra molécula importante.
14:51
about a molecule that matters.
263
879612
2020
14:53
And there are hundreds of cell types that
use these genes in different combinations.
use these genes in different combinations.
264
881656
3987
Hay cientos de tipos celulares que usan
estos genes en distintas combinaciones.
estos genes en distintas combinaciones.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
Y a medida que los científicos
avanzamos para generar
avanzamos para generar
14:59
the rest of the data that's needed
266
887760
2069
el resto de los datos necesarios
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
y obtener la mayor información
a partir de esos datos,
a partir de esos datos,
15:04
we hope to open many more new fronts.
268
892270
2403
tenemos la expectativa de abrir
muchos nuevos frentes.
muchos nuevos frentes.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
La genética y el análisis de células
individuales son solo dos maneras
individuales son solo dos maneras
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
de hacer que el cerebro sea
un problema de macrodatos.
un problema de macrodatos.
15:18
There is so much more we can do.
271
906424
2159
Hay mucho más por hacer.
Los científicos de mi laboratorio
están desarrollando una tecnología
están desarrollando una tecnología
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
para mapear rápidamente
las conexiones sinápticas del cerebro
las conexiones sinápticas del cerebro
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
y así identificar qué neuronas
dialogan con cuáles otras
dialogan con cuáles otras
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
y descubrir cómo ese diálogo va cambiando
en el curso de la vida y la enfermedad.
en el curso de la vida y la enfermedad.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
Y estamos desarrollando una forma
de estudiar en un solo tubo de ensayo
de estudiar en un solo tubo de ensayo
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
cómo células con cientos
de distintos genomas humanos
de distintos genomas humanos
15:42
respond differently to the same stimulus.
278
930753
2170
reaccionan de manera distinta
al mismo estímulo.
al mismo estímulo.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
Estos proyectos reúnen
a personas de distinto origen,
a personas de distinto origen,
15:51
and training and interests --
280
939175
2493
nivel de educación e intereses:
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
biología, computación, química,
matemática, estadística, ingeniería.
matemática, estadística, ingeniería.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
Pero las posibilidades científicas
reúnen personas de intereses disímiles
reúnen personas de intereses disímiles
16:04
into working intensely together.
283
952461
2235
para trabajar activamente y en conjunto.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
¿Cuál es el futuro que queremos construir?
16:12
Consider cancer.
285
960267
1350
Tomemos el cáncer.
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
Pasamos de ignorar las causas del cáncer,
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
que antes se atribuía a rasgos
psicológicos del individuo,
psicológicos del individuo,
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
al conocimiento avanzado de las moléculas,
que permitió conocer las causas
biológicas verdaderas del cáncer.
biológicas verdaderas del cáncer.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
Ese conocimiento es lo que hoy
da lugar a una medicina innovadora
da lugar a una medicina innovadora
16:35
after innovative medicine,
290
983198
1696
que lo es cada vez más,
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
y si bien aún queda mucho por investigar,
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
ya hay personas
que se han curado de cánceres
que se han curado de cánceres
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
para los cuales no había tratamiento
en la generación anterior.
en la generación anterior.
Y así, millones de personas que han
sobrevivido al cáncer, como mi hermana,
sobrevivido al cáncer, como mi hermana,
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
disfrutan de más años de vida
que nunca habrían imaginado
que nunca habrían imaginado
16:51
find themselves with years of life
that they didn't take for granted
that they didn't take for granted
295
999654
4401
16:56
and new opportunities
296
1004079
1769
y de nuevas oportunidades para trabajar,
ser felices y conectarse con los demás.
ser felices y conectarse con los demás.
16:57
for work and joy and human connection.
297
1005872
3930
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
Este es el futuro que pretendemos forjar
en torno a las enfermedades mentales,
en torno a las enfermedades mentales,
17:08
one of real understanding and empathy
299
1016581
4119
el de la verdadera comprensión,
de la empatía
17:12
and limitless possibility.
300
1020724
1816
y de posibilidades infinitas.
17:15
Thank you.
301
1023159
1190
Gracias.
17:16
(Applause)
302
1024374
4062
(Aplausos)
ABOUT THE SPEAKER
Steve McCarroll - GeneticistSteve McCarroll is conducting groundbreaking research on the causes of mental illness.
Why you should listen
Steve McCarroll and the scientists in his lab use human genetics, molecular biology and engineering to create new ways of studying the human brain, reveal the ways in which genomes vary from person to person and discover the molecular and cellular processes that underlie brain illness. McCarroll and his team at Harvard have linked schizophrenia to specific gene variations that recruit immune molecules into "pruning" synapses in the brain, a discovery that is leading toward new ways of thinking about the biological basis of schizophrenia and new approaches for discovering medicines.
Prior to leading his lab, McCarroll earned his PhD in neuroscience at the University of California, San Francisco. He is also currently serving as Director of Genetics for the Broad Institute's Stanley Center for Psychiatric Research.
Steve McCarroll | Speaker | TED.com