TED2011
Ed Boyden: A light switch for neurons
اد بویدن: یک سوییچ برای روشن و خاموش کردن سلولهای عصبی
Filmed:
Readability: 4
1,098,379 views
[اد بویدن] نشان می‌دهد چگونه با وارد کردن ژنهای کد کنندۀ پروتئینهای حساس به نور به سلولهای مغز می‌توان بصورت گزینشی و با کاشت فیبر نوری سلولهای عصبی خاص را فعال یا غیرفعال کرد. با این درجۀ بی سابقه از کنترل او توانسته تا موشهای مبتلا به بیماری مشابه به اختلال فشار روانى پس آسيبى (PTSD) و انواع خاصی از نابینایی را درمان کند. در افق فکری: اعصاب مصنوعی. میزبان جلسه، [جوان انریکز] سخنرانی را با پرسش و پاسخ ادامه می‌دهد.
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
یک لحظه به روز خودتون فکر کنید.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
از خواب بلند شدید، هوای تازه را وقتی از در خارج شدید روی صورتتان احساس کردید،
00:20
encountered new colleagues and had great discussions,
2
5000
2000
همکاران جدید خود را ملاقات کردید و با هم بحثهای جالبی داشتید،
00:22
and felt in awe when you found something new.
3
7000
2000
و با یافتن چیزهای جدید حیرت زده شدید.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
- ولی مطمئنم که چیزی هست که امروز به آن فکر نکردید -
00:26
something so close to home
5
11000
2000
چیزی آنقدر آشنا و نزدیک
00:28
that you probably don't think about it very often at all.
6
13000
2000
که احتمالا، زیاد به آن فکر نمی‌کنید.
00:30
And that's that all the sensations, feelings,
7
15000
2000
و آن اینه که همۀ احساسات، عواطف،
00:32
decisions and actions
8
17000
2000
تصمیمها و کارها
00:34
are mediated by the computer in your head
9
19000
2000
توسط کامپیوتری که در سر شما
00:36
called the brain.
10
21000
2000
بنام مغز وجود دارد انجام میشه.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
مغر ممکنه با نگاه از بیرون خیلی پیچیده نرسه
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
حدود یک کیلو جسم صورتی-خاکستری،
00:42
amorphous --
13
27000
2000
-بی شکل-
00:44
but the last hundred years of neuroscience
14
29000
2000
ولی پیشرفت علم اعصاب در صد سال اخیر
00:46
have allowed us to zoom in on the brain,
15
31000
2000
به ما اجازه داده تا با دقت بیشتری،
00:48
and to see the intricacy of what lies within.
16
33000
2000
با پیچیدگی درون مغز آشنا بشویم.
00:50
And they've told us that this brain
17
35000
2000
و به ما گفته شده که مغز
00:52
is an incredibly complicated circuit
18
37000
2000
یک مدار بسیار پیچیده است
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
که از صدها میلیارد سلول بنام نورون تشکیل شده.
00:58
Now unlike a human-designed computer,
20
43000
3000
بر خلاف کامپیوتر ساخت دست بشر،
01:01
where there's a fairly small number of different parts --
21
46000
2000
- که از اجزای مختلف نسبتا کمی درست شده -
01:03
we know how they work, because we humans designed them --
22
48000
3000
و ما می‌دانیم چطور کار می‌کنند، چون خود ما آن را طراحی کرده‌ایم،
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
مغز از هزاران نوع متفاوت از سلول تشکیل شده،
01:09
maybe tens of thousands.
24
54000
2000
و شاید دهها هزار.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
اشکال مختلفی از آنها وجود دارند، از مولکولهای مختلفی درست شده‌اند؛
01:13
And they project and connect to different brain regions,
26
58000
3000
آنها بیرون زده، منشعب می‌شوند و به ناحیه های مختلف مغز متصل می‌شوند.
01:16
and they also change different ways in different disease states.
27
61000
3000
و همچنین در بیماریهای گوناگون به اشکال مختلفی تغییر شکل می‌دهند.
01:19
Let's make it concrete.
28
64000
2000
این طور تجسم کنیم.
01:21
There's a class of cells,
29
66000
2000
گونه‌ای از سلولها هستند،
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
سلولهای کوچک مهار کننده، که فعالیت سلولهای مجاور خود را مهار می‌کنند.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
به نظر می‌رسه این همان نوع از سلولهایی هستند که در بیماریهایی مانند اسکیزوفرنی تحلیل می‌روند.
01:30
It's called the basket cell.
32
75000
2000
به آنها سلولهای سبدی گفته میشه.
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
و این سلول تنها یکی از هزاران نوع سلوله
01:34
that we are learning about.
34
79000
2000
که ما داریم در مورد آنها یاد می‌گیریم.
01:36
New ones are being discovered everyday.
35
81000
2000
و هر روزه انواع جدیدی از آنها کشف می‌شوند.
01:38
As just a second example:
36
83000
2000
فقط به عنوان یک مثال دیگه:
01:40
these pyramidal cells, large cells,
37
85000
2000
این سلولهای بزرگ هرمی شکل
01:42
they can span a significant fraction of the brain.
38
87000
2000
قسمت بزرگی از مغز را در بر می‌گیرند.
01:44
They're excitatory.
39
89000
2000
این سلولها تحریک کننده هستند.
01:46
And these are some of the cells
40
91000
2000
و این سلولهایی هستند که
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
بیش فعالی آنها ممکنه باعث بیماریهایی از قبیل صرع شوند.
01:51
Every one of these cells
42
96000
2000
هر کدام از این سلولها
01:53
is an incredible electrical device.
43
98000
3000
مثل یک دستگاه الکتریکی باورنکردنی هستند
01:56
They receive input from thousands of upstream partners
44
101000
2000
آنها از هزاران سلول قبل از خود ورودی دریافت می‌کنند
01:58
and compute their own electrical outputs,
45
103000
3000
و خروجی الکتریکی خود را پردازش می‌کنند،
02:01
which then, if they pass a certain threshold,
46
106000
2000
که به همین ترتیب، اگر داده‌های الکتریکی آن از آستانۀ خاصی بگذرند،
02:03
will go to thousands of downstream partners.
47
108000
2000
به هزاران سلول بعد از خود ارسال می‌کنند.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
و این عملیات که تنها حدود یک میلی ثانیه طول می‌کشه،
02:08
happens thousands of times a minute
49
113000
2000
هزاران مرتبه در هر دقیقه
02:10
in every one of your 100 billion cells,
50
115000
2000
در همۀ 100 میلیارد سلول شما
02:12
as long as you live
51
117000
2000
تا وقتی زنده هستید
02:14
and think and feel.
52
119000
3000
و فکر و احساس می‌کنید، اتفاق می‌افتد.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
خوب حالا چطور بفهمیم که این مدار چطور کار میکنه؟
02:20
Ideally, we could go through the circuit
54
125000
2000
بطور مطلوب ما می‌تونیم به سراغ این مدار بریم
02:22
and turn these different kinds of cell on and off
55
127000
3000
و انواع مختلف سلولها را خاموش و روشن کنیم
02:25
and see whether we could figure out
56
130000
2000
و ببینیم آیا می‌توان فهمید
02:27
which ones contribute to certain functions
57
132000
2000
هر کدام از آنها چکار می‌کنند
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
و اینکه در هر بیماری کدام یک از آنها درست کار نمی‌کنند.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
اگر ما می‌تونستیم سلولها را فعال کنیم، می‌تونستیم ببینیم هر کدام از آنها چه قدرتی دارند،
02:34
what they can initiate and sustain.
60
139000
2000
چه عملی را می‌تونند شروع کنند و ادامه بدهند.
02:36
If we could turn them off,
61
141000
2000
اگر می‌تونستیم آنها را خاموش و غیرفعال کنیم،
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
می‌تونستیم بفهمیم که آنها برای چه کاری مورد نیاز هستند.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
و این داستانیه که امروز می‌خواهم براتون تعریف کنم.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
و اگر صادقانه بررسی کنیم، پیشرفتهایی که ما در 11 سال گذشته داشته‌ایم،
02:46
through an attempt to find ways
65
151000
2000
برای این بوده که راهی پیدا کنیم
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
تا مدارها و سلولها و بخشها و مسیرهای مختلف مغز را
02:50
on and off,
67
155000
2000
خاموش و روشن کنیم،
02:52
both to understand the science
68
157000
2000
هم برای درک بهتر این علم،
02:54
and also to confront some of the issues
69
159000
3000
و هم برای مقابله با برخی از مسائلی
02:57
that face us all as humans.
70
162000
3000
که ما انسانها با آن مواجه هستیم.
03:00
Now before I tell you about the technology,
71
165000
3000
حالا قبل از اینکه در مورد این تکنولوژی صحبت کنم،
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
خبر بد اینه که قسمت بزرگی از ما در این اتاق
03:06
if we live long enough,
73
171000
2000
اگر به اندازه کافی عمر کنیم،
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
احتمالا دچار یک عارضۀ مغزی خواهیم شد.
03:10
Already, a billion people
75
175000
2000
همین حالا، یک میلیارد نفر
03:12
have had some kind of brain disorder
76
177000
2000
به نوعی بیماری مغزی دچار بوده اند
03:14
that incapacitates them,
77
179000
2000
که آنها را ناتوان ساخته.
03:16
and the numbers don't do it justice though.
78
181000
2000
و فقط حرف زدن از اعداد و رقم کافی نیست.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
این بیماریها مثل - اسکیزوفرنی، آلزایمر -
03:20
depression, addiction --
80
185000
2000
- افسردگی، اعتیاد -
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
نه تنها زمان زندگی را از ما می‌ربایند، بلکه هویت ما را نیز تغییر می‌دهند؛
03:25
They take our identity and change our emotions
82
190000
2000
- آنها هویت ما را تسخیر می‌کنند و احساسات ما را تغییر می‌دهند -
03:27
and change who we are as people.
83
192000
3000
و شخصی که هستیم را متحول می‌کنند.
03:30
Now in the 20th century,
84
195000
3000
اکنون در قرن بیستم،
03:33
there was some hope that was generated
85
198000
3000
امیدی از طریق تولید داروهایی
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
برای درمان بیماریهای مغزی بوجود آمد.
03:39
and while many drugs have been developed
87
204000
3000
و با اینکه داروهای زیادی تولید شده‌اند
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
که می‌توانند علائم بیماریهای مغزی را آرامتر کنند،
03:44
practically none of them can be considered to be cured.
89
209000
3000
عملا هیچ کدام از آنها را نمی‌توان درمان تصور کرد.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
و قسمتی از آن به این دلیله که ما با این کار همۀ مغز را در مادۀ شیمیایی شستشو می‌دهیم.
03:50
This elaborate circuit
91
215000
2000
این مدار دقیق و پیچیده
03:52
made out of thousands of different kinds of cell
92
217000
2000
متشکل از هزاران نوع سلول
03:54
is being bathed in a substance.
93
219000
2000
در یک مادۀ شیمیایی شستشو داده میشود.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
و همچنین احتمالا به این خاطره که بیشتر داروها، و نه همه آنهایی که در بازار هستند
03:58
can present some kind of serious side effect too.
95
223000
3000
می‌تونند باعث انواع عوارض جانبی بشوند.
04:01
Now some people have gotten some solace
96
226000
3000
امروزه برخی از مردم با استفاده از
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
محرکهای الکتریکی که در مغز کاشته می‌شوند تا حدی تسکین پیدا کرده اند.
04:07
And for Parkinson's disease,
98
232000
2000
و همچنین برای بیمارهای پارکینسونی،
04:09
Cochlear implants,
99
234000
2000
کاشت مجرای حلزونی گوش همین کار را کرده.
04:11
these have indeed been able
100
236000
2000
اینها بالواقع توانسته اند
04:13
to bring some kind of remedy
101
238000
2000
تا علاجی برای
04:15
to people with certain kinds of disorder.
102
240000
2000
مردم با انواع خاصی از بیماری باشند.
04:17
But electricity also will go in all directions --
103
242000
2000
ولی حتی الکتریسیته هم در همه جهات حرکت می‌کند
04:19
the path of least resistance,
104
244000
2000
در مسیری با مقاومت کمتر،
04:21
which is where that phrase, in part, comes from.
105
246000
2000
که این عبارت هم از آن گرفته شده.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
و این همچنین هم روی مدارهای سالم تاثیر می‌گذاره و هم روی آنهایی که می‌خواهیم ترمیم شوند.
04:26
So again, we're sent back to the idea
107
251000
2000
پس دوباره برمی‌گردیم به همان نظریه
04:28
of ultra-precise control.
108
253000
2000
کنترل فوق دقیق.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
آیا ما می‌توانیم اطلاعات را دقیقا به همانجا که می‌خواهیم بفرستیم؟
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
وقتی 11 سال پیش در رشتۀ علم اعصاب شروع بکار کردم،
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
به عنوان یک مهندس برق و فیزیکدان تعلیم دیده بودم،
04:41
and the first thing I thought about was,
112
266000
2000
و اولین چیزی که به فکرش افتادم این بود،
04:43
if these neurons are electrical devices,
113
268000
2000
که اگر سلولهای عصبی مانند وسایل برقی کار می‌کنند،
04:45
all we need to do is to find some way
114
270000
2000
تنها کاری که باید بکنیم اینه که یک راهی پیدا کنیم
04:47
of driving those electrical changes at a distance.
115
272000
2000
که بتونیم آن تغییرات الکتریکی را از دور کنترل کنیم.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
اگر ما می‌تونستیم الکتریسیته را در یک سلول،
04:51
but not its neighbors,
117
276000
2000
و نه در سلولهای مجاور آن فعال کنیم،
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
این ابزار را به ما می‌داد تا بتونیم این سلولهای مختلف را فعال و یا غیر فعال کنیم،
04:56
figure out what they do and how they contribute
119
281000
2000
و بفهمیم هر کدام از آنها چکار می‌کنند و اینکه چه سهمی
04:58
to the networks in which they're embedded.
120
283000
2000
در شبکه مختص بخود دارند.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
و همچنین به ما اجازه می‌ده تا آن کنترل فوق دقیق که برای
05:02
in order to fix the circuit computations
122
287000
3000
ترمیم محاسبات مداری نامتعادل مورد نیاز است را داشته باشیم.
05:05
that have gone awry.
123
290000
2000
ترمیم محاسبات مداری نامتعادل مورد نیاز است را داشته باشیم.
05:07
Now how are we going to do that?
124
292000
2000
خوب حالا چطور می‌خواهیم این کار را انجام بدهیم؟
05:09
Well there are many molecules that exist in nature,
125
294000
2000
خوب، خیلی مولکولها در طبیعت وجود دارند،
05:11
which are able to convert light into electricity.
126
296000
3000
که می‌تونند نور را به الکتریسیته تبدیل کنند.
05:14
You can think of them as little proteins
127
299000
2000
شما می‌تونید پروتئینهای کوچکی را در نظر بگیرید
05:16
that are like solar cells.
128
301000
2000
که مثل سلولهای خورشیدی کار می‌کنند.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
اگر ما به طریقی بتونیم این مولکولها را در نورونها نصب کنیم،
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
آنگاه این نورونها می‌تونند بوسیله نور، از خود الکتریسیته ساطع کنند.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
ولی سلولهای مجاور آنها که فاقد این مولکول هستند، نه.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
البته یک فوت وفن دیگر هم مورد نیازه تا این کار عملی بشه،
05:29
and that's the ability to get light into the brain.
133
314000
3000
و آن اینه که بتونیم نور را وارد مغز کنیم.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
و برای این کار - مغز درد را احساس نمی‌کند - پس ما می‌تونیم
05:35
taking advantage of all the effort
135
320000
2000
با بهره گیری از همۀ تلاشهایی که
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
- در مقوله اینترنت و ارتباطات و غیره وجود داره -
05:39
optical fibers connected to lasers
137
324000
2000
فیبرهای نوری متصل به لیزر را در آن قرار بدهیم
05:41
that you can use to activate, in animal models for example,
138
326000
2000
و از آنها، برای مثال در مدلهای حیوانی،
05:43
in pre-clinical studies,
139
328000
2000
در تحقیقات پیش بالینی، برای فعال کردن
05:45
these neurons and to see what they do.
140
330000
2000
این نورونها استفاده کنیم و ببینیم هر یک از آنها چکار می‌کنند.
05:47
So how do we do this?
141
332000
2000
خوب حالا ما چطور این کار را انجام می‌دهیم؟
05:49
Around 2004,
142
334000
2000
حدود سال 2004،
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
با همکاری [جرارد نیجل] و [کارل دیزراث]،
05:53
this vision came to fruition.
144
338000
2000
این خیال بارور شد.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
یک گونه خاص از جلبک وجود دارد که در طبیعت شنا می‌کند،
05:58
and it needs to navigate towards light
146
343000
2000
و برای فتوسنتز بهینه باید
06:00
in order to photosynthesize optimally.
147
345000
2000
راهش را به سمت نور پیدا کنه.
06:02
And it senses light with a little eye-spot,
148
347000
2000
و این جلبک نور را بوسیله یک لکۀ چشمی کوچک حس میکنه،
06:04
which works not unlike how our eye works.
149
349000
3000
که تا حدودی مثل چشم ما عمل میکنه.
06:07
In its membrane, or its boundary,
150
352000
2000
در غشا یا پوسته آن،
06:09
it contains little proteins
151
354000
3000
یک پروتئین کوچک وجود داره
06:12
that indeed can convert light into electricity.
152
357000
3000
که همان کار تبدیل نور به الکتریسیته را انجام می‌ده.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
اسم این مولکولها [رودواسپین کانالی] است.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
و هر کدام از این پروتئینها درست مثل سلولهای خورشیدی که قبلا در موردش صحبت کردم عمل می‌کنند.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
هنگامی که نور آبی به آن می‌رسه، آن یک حفره کوچک را باز میکنه
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
و به ذرات باردار اجازه می‌ده که به آن لکه چشمی وارد بشه.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
و این در نتیجه به لکه چشمی اجازه می‌ده تا یک سیگنال الکتریکی داشته باشه
06:28
just like a solar cell charging up a battery.
158
373000
3000
درست مثل یک سلول خورشیدی که یک باطری را شارژ میکنه.
06:31
So what we need to do is to take these molecules
159
376000
2000
پس کاری که باید بکنیم اینه که این مولکولها را بگیریم
06:33
and somehow install them in neurons.
160
378000
2000
و به طریقی آنها را در داخل نورونها نصب کنیم.
06:35
And because it's a protein,
161
380000
2000
و از آنجا که این یک پروتئین است،
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
در نتیجه در DNA این جاندار کد شده.
06:40
So all we've got to do is take that DNA,
163
385000
2000
پس فقط همین می‌ماند که ما آن DNA را برداریم،
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
آن را داخل یک حامل ژن درمانی، مانند یک ویروس قرار بدیم،
06:45
and put it into neurons.
165
390000
3000
و آن را به نورونها منتقل کنیم.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
و این طور از کار در آمد که ما در زمان پرباری در زمینه ژن درمانی قرار داریم،
06:51
and lots of viruses were coming along.
167
396000
2000
و هر روز ویروسهای بیشتری پیدا می‌شوند.
06:53
So this turned out to be very simple to do.
168
398000
2000
و این انجام این کار خیلی راحت بود.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
و صبح یک روز تابستان در سال 2004 بود،
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
که ما اینکار را امتحان کردیم و همان دفعۀ اول جواب داد.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
شما این DNA را می‌گیرید و داخل یک نورون قرار می‌دهید.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
بعد نورون از ساز و کار پروتئین سازی طبیعی خودش استفاده میکنه
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
و این پروتئینهای حساس به نور را می‌سازه
07:08
and install them all over the cell,
174
413000
2000
و در سر تا سر سلول نصب میکنه،
07:10
like putting solar panels on a roof,
175
415000
2000
مثل قرار دادن صفحه‌های خورشیدی روی یک سقف.
07:12
and the next thing you know,
176
417000
2000
و در این مرحله،
07:14
you have a neuron which can be activated with light.
177
419000
2000
ما یک نورون داریم که بوسیله نور فعال میشه.
07:16
So this is very powerful.
178
421000
2000
پس این واقعا قدرتمنده.
07:18
One of the tricks you have to do
179
423000
2000
یک فوت وفن که برای اینکار مورد نیازه
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
اینه که بتونیم بفهمیم چطور این ژنها را فقط به سلولهای مورد نظر منتقل کنیم
07:22
and not all the other neighbors.
181
427000
2000
و نه به سلولهای مجاور آن.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
و این کار انجام شدنیه؛ ما می‌تونیم ویروسها را کمی تغییر بدهیم
07:26
so they hit just some cells and not others.
183
431000
2000
تا فقط به همان سلولهای مورد نظر حمله کنه و نه بقیه آنها.
07:28
And there's other genetic tricks you can play
184
433000
2000
و همین طور حقه های ژنتیکی دیگری هستند
07:30
in order to get light-activated cells.
185
435000
3000
تا به سلولهای فعال شده توسط نور دست پیدا کنیم.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
این رشته را ما امروزه به عنوان آپتوژنتیک (ژنتیک نوری) می‌شناسیم.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
برای مثال فقط یکی از کارهایی که می‌تونید انجام بدهید،
07:39
you can take a complex network,
188
444000
2000
اینه که می‌تونید یک شبکه پیچیده را بگیرید،
07:41
use one of these viruses to deliver the gene
189
446000
2000
و از یکی از این ویروسها برای انتقال ژن
07:43
just to one kind of cell in this dense network.
190
448000
3000
تنها به یک نوع از سلولهای این شبکه متراکم استفاده کنید.
07:46
And then when you shine light on the entire network,
191
451000
2000
و سپس وقتی به تمام این شبکه نور می‌تابانید،
07:48
just that cell type will be activated.
192
453000
2000
فقط همان گونه از سلولها فعال می‌شوند.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
برای مثال بگذارید آن سلولهای سبدی که قبلا در موردش صحبت کردیم را در نظر بگیریم
07:53
the one that's atrophied in schizophrenia
194
458000
2000
همان که در بیماری اسکیزوفرنی تحلیل می‌رود
07:55
and the one that is inhibitory.
195
460000
2000
و از نوع سلولهای مهار کننده است.
07:57
If we can deliver that gene to these cells --
196
462000
2000
اگر ما بتونیم آن ژن را به این سلولها منتقل کنیم
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
و البته آنها توسط عملکرد این ژن تغییر پیدا نمی‌کنند
08:02
and then flash blue light over the entire brain network,
198
467000
3000
و بعد یک نور آبی روی تمام شبکۀ مغز بتابانیم،
08:05
just these cells are going to be driven.
199
470000
2000
فقط همین سلولها فعال خواهند شد.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
و وقتی نور قطع میشود، این سلولها به حالت عادی بر می‌گردند،
08:09
so they don't seem to be averse against that.
201
474000
3000
در نتیجه این برای سلولها ضرری ندارد.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
نه تنها از این روش می‌توان برای تایین عملکرد این سلولها
08:14
what their power is in computing in the brain,
203
479000
2000
و اینکه نقش هر کدام در محاسبه‌های ذهن چیست، استفاده کرد،
08:16
but you can also use this to try to figure out --
204
481000
2000
بلکه می‌توان از آن استفاده کرد تا بفهمیم
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
که مثلا آیا میشه فعالیت این سلولها را در مواردی که
08:20
if indeed they're atrophied.
206
485000
2000
آنها تحلیل رفته‌اند بالا برد.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
حالا من می‌خواهم براتون دو تا داستان کوتاه
08:24
about how we're using this,
208
489000
2000
در مورد چگونگی استفاده از این روش تعریف کنم،
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
که هم مربوط میشه به مرحله علمی و هم بالینی و هم پیش بالینی.
08:29
One of the questions we've confronted
210
494000
2000
یکی از سوالهایی که با آن مواجه هستیم این هست
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
که چه پیامها و سیگنالهایی در مغز وجود دارند که باعث احساس پاداش می‌شوند؟
08:34
Because if you could find those,
212
499000
2000
به خاطر اینکه اگر بتونیم آنها را پیدا کنیم،
08:36
those would be some of the signals that could drive learning.
213
501000
2000
آنها همان سیگنالهایی را تشکیل می‌دهند که باعث یادگیری می‌شوند.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
مغز از هر کاری که پاداش بگیره، بیشتر آن را انجام می‌ده.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
و این همان سیگنالهایی هستند که در مواردی مثل اعتیاد از جاده خارج می‌شوند.
08:43
So if we could figure out what cells they are,
216
508000
2000
پس اگر ما می‌تونستیم بفهمیم آنها چه سلولهایی هستند،
08:45
we could maybe find new targets
217
510000
2000
شاید بتونیم هدفهای و گیرنده‌های جدیدی پیدا کنیم
08:47
for which drugs could be designed or screened against,
218
512000
2000
و درنتیجه بتونیم برای آنها دارو طراحی کنیم،
08:49
or maybe places where electrodes could be put in
219
514000
2000
یا شاید جاهایی را پیدا کنیم که بتونیم برای
08:51
for people who have very severe disability.
220
516000
3000
مردمی که ناتوانی شدید دارند الکترود نصب کنیم.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
و برای این کار ما با همکاری گروه " فیورلا "
08:56
in collaboration with the Fiorella group,
222
521000
2000
به فکر ساختن یک نمونه افتادیم.
08:58
where one side of this little box,
223
523000
2000
وقتی حیوان به یک طرف این جعبه کوچک می‌رود
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
یک پالس نوری دریافت می‌کند
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
تا سلولهای مختلف در مغز به نور حساس شوند.
09:04
So if these cells can mediate reward,
226
529000
2000
بنابراین اگر این گروه از سلولها واسطه پاداش باشند،
09:06
the animal should go there more and more.
227
531000
2000
در نتیجه آن حیوان می‌بایست هر دفعه با رغبت بیشتری به آنجا رود.
09:08
And so that's what happens.
228
533000
2000
و همین اتفاق هم می‌افتد.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
این حیوان از روی کنجکاوی به سمت راست آن میره،
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
و هر بار که این کار را میکنه یک فلاش نور آبی دریافت میکنه.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
و این کار را همین طور صدها و صدها بار انجام می‌ده.
09:16
These are the dopamine neurons,
232
541000
2000
اینها نورونهای دپامین هستند،
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
که احتمالا بعضی از شما درباره کار آن در برخی از مراکز لذت مغز شنیده‌اید.
09:20
Now we've shown that a brief activation of these
234
545000
2000
اینجا ما نشان داده‌ایم که حتی یک فعالسازی مختصر این قسمتها
09:22
is enough, indeed, to drive learning.
235
547000
2000
برای تحریک یادگیری کافیه.
09:24
Now we can generalize the idea.
236
549000
2000
و اینجا ما می‌تونیم این نظریه را تعمیم بدهیم.
09:26
Instead of one point in the brain,
237
551000
2000
یعنی بجای یک نقطه در مغز،
09:28
we can devise devices that span the brain,
238
553000
2000
ما می‌تونیم دستگاههایی درست کنیم که همه مغز را فرا بگیرند،
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
- و بتونند نور را در یک الگوی سه بعدی انتقال بدهند -
09:32
arrays of optical fibers,
240
557000
2000
آرایه‌هایی از فیبرهای نوری،
09:34
each coupled to its own independent miniature light source.
241
559000
2000
که هر کدام به یک منبع نور مستقل و مخصوص خود جفت شده اند.
09:36
And then we can try to do things in vivo
242
561000
2000
و در این مرحله ما می‌تونیم کارهایی را در درون بدن یک موجود زنده انجام بدهیم
09:38
that have only been done to-date in a dish --
243
563000
3000
- که تا به حال تنها در یک ظرف قادر به انجام آن بوده ایم -
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
مانند پوشش و بررسی کامل مغز با بازده بالا
09:43
for the signals that can cause certain things to happen.
245
568000
2000
برای یافتن سیگنالهایی که باعث وقایع خاص می‌شوند.
09:45
Or that could be good clinical targets
246
570000
2000
و یا اینکه می‌تونند اهداف بالینی خوبی باشند
09:47
for treating brain disorders.
247
572000
2000
برای درمان بیماریهای مغزی.
09:49
And one story I want to tell you about
248
574000
2000
و نمونه‌ای که من اینجا می‌خواهم براتون تعریف کنم
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
اینه که ما چطور می‌تونیم برای درمان بیماری PTSD
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
که باعث اضطراب و ترس خارج از کنترل میشه، سلولهای هدف را پیدا کنیم.
09:57
And one of the things that we did
251
582000
2000
و یکی از کارهایی که ما انجام دادیم
09:59
was to adopt a very classical model of fear.
252
584000
3000
استفاده از یکی از مدلهای بسیار کلاسیک ترس بود.
10:02
This goes back to the Pavlovian days.
253
587000
3000
این موضوع به دوران پاولف بر می‌گرده.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
- که به آن شرطی شدن پاولفی ترس می‌گن -
10:07
where a tone ends with a brief shock.
255
592000
2000
که در آن به حیوان پس از شنیدن یک صوت خاص، شوک مختصری داده میشود.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
آن شوک دردناک نیست، ولی کمی آزار دهنده است.
10:11
And over time -- in this case, a mouse,
257
596000
2000
و به مرور زمان - در این مورد، یک موش -
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
- که یک مدل حیوانی مطلوب است و معمولا در این گونه آزمایشها از آن استفاده میشود -
10:15
the animal learns to fear the tone.
259
600000
2000
حیوان یاد می‌گیره که از آن صدا بترسه.
10:17
The animal will react by freezing,
260
602000
2000
حیوان با خشک شدن در جای خودش واکنش نشان می‌ده،
10:19
sort of like a deer in the headlights.
261
604000
2000
مثل یک گوزن که در جاده چراغهای جلوی یک ماشین را می‌بینه.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
حالا اینجا این سوال مطرحه که ما چه نقاطی را در مغز به عنوان هدف پیدا کنیم
10:24
that allow us to overcome this fear?
263
609000
2000
که بتونیم با کمک آن با این ترس مقابله کنیم؟
10:26
So what we do is we play that tone again
264
611000
2000
پس کاری ما اینجا انجام می‌دهیم اینه که آن صدا را دوباره
10:28
after it's been associated with fear.
265
613000
2000
بعد از اینکه با ترس وابسته شده و پیوند خورده اجرا می‌کنیم.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
ولی این بار ما هدفهای مختلف دیگری را در مغز فعال می‌کنیم،
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
با استفاده از آن آرایه‌های فیبر نوری که در اسلاید قبل در موردش صحبت کردیم،
10:35
in order to try and figure out which targets
268
620000
2000
تا بتونیم بفهمیم کدام یک از این اهداف
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
می‌تونند به مغز برای مقابله با آن ترس کمک کنند.
10:40
And so this brief video
270
625000
2000
و این ویدئوی کوتاه
10:42
shows you one of these targets that we're working on now.
271
627000
2000
یکی از این هدفها را که ما داریم روی آن کار می‌کنیم را نشون می‌ده.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
این یک ناحیه از قشر پیش پیشانی مغزه
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
ناحیه ای که با استفاده از تفکر می‌تونیم با موقعیتهای احساسی آزارنده مقابله کنیم.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
و حیوان یک صدا خواهد شنید - و یک فلاش نور هم اینجا اتفاق افتاد. -
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
این تصاویر بدون صدا هستند، ولی شما می‌تونید ببینید که حیوان در جای خودش خشک میشه.
10:53
This tone used to mean bad news.
276
638000
2000
این صدا همیشه خبر بدی همراه خود داشته.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
و با این ساعت کوچک که در پایین سمت چپ قرار داره،
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
شما می‌بینید که حیوان دو دقیقه‌ای هست که در این آزمایش قرار داره.
11:00
And now this next clip
279
645000
2000
و این کلیپ بعدی
11:02
is just eight minutes later.
280
647000
2000
فقط هشت دقیقه بعد از آن را نشان می‌ده.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
و همان صدا اجرا خواهد شد، و نور هم دوباره فلاش می‌زنه.
11:07
Okay, there it goes. Right now.
282
652000
3000
خیلی خوب، اینجا.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
و اینجا شما می‌بینید که تنها با گذشت 10 دقیقه از شروع آزمایش،
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
ما مغز را توسط فعالسازی نوری این ناحیه، مجهز کرده‌ایم
11:16
to overcome the expression
285
661000
2000
تا با القای این حافظه ترس مقابله کند.
11:18
of this fear memory.
286
663000
2000
تا با القای این حافظه ترس مقابله کند.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
اکنون در دو سال اخیر، ما به درخت زندگی باز گشته‌ایم،
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
چون ما می‌خواستیم راههایی برای خاموش کردن مدارهای مغزی پیدا کنیم.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
توانایی انجام این کار به ما قدرت بسیار زیادی می‌دهد.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
اگر ما بتونیم سلولها را تنها برای چند ثانیه و یا حتی میلی ثانیه غیرفعال کنیم،
11:32
you can figure out what necessary role they play
291
677000
2000
می‌تونیم بفهمیم هر کدام از آنها در مدار خود
11:34
in the circuits in which they're embedded.
292
679000
2000
چه نقشی را بازی می‌کنند.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
- و اکنون ما موجوداتی را از سراسر مسیر تکاملی مورد بررسی قرار داده‌ایم -
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
در هر گونه به غیر از حیوانات، ما کمی تفاوت می‌بینیم.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
و ما انواعی از مولکولها بنام هالورودوپسینها و آرکیرودوپسینها را پیدا کرده‌ایم،
11:44
that respond to green and yellow light.
296
689000
2000
که به نور سبز و زرد واکنش می‌دهند.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
و در واقع برعکس آن چیزی را انجام می‌دهند که آن مولکول قبلی انجام می‌داد
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
و توسط نور آبی فعال می‌شد.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
بگذارید یک مثال بزنم تا بفهمیم این نظریه چه اهدافی داره.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
برای مثال یک بیماری مانند صرع را در نظر بگیرید،
11:58
where the brain is overactive.
301
703000
2000
که در آن مغز فعالیت بیش از حد داره.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
اگر در درمان این بیماری با دارو موفق نباشیم،
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
یکی از روشهای درمان اینه که قسمتی از مغز را برداریم.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
و خوب معلومه که این برگشت پذیر نیست و با عوارض جانبی همراهه.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
حالا اگر بتونیم آن مغز را برای زمان کوتاهی خاموش کنیم،
12:09
until the seizure dies away,
306
714000
3000
تا وقتی که تشنج از بین بره،
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
- و باعث بشه تا مغز به حالت عادی خودش برگرده -
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
مثل یک سیستم دینامیک که به حالت پایدار خودش برگردانیم.
12:18
So this animation just tries to explain this concept
309
723000
3000
این انیمیشن سعی دارد این موضوع را توضیح بده
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
که در آن ما این سلولها را حساس کردیم تا توسط نور خاموش بشوند،
12:23
and we beam light in,
311
728000
2000
و ما به آن نور می‌تابانیم،
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
تنها تا زمانی که تشنج متوقف بشه،
12:27
we're hoping to be able to turn it off.
313
732000
2000
ما امیدواریم که بتونیم آن را خاموش کنیم.
12:29
And so we don't have data to show you on this front,
314
734000
2000
و ما داده‌ای در اینجا نداریم که به شما نشان بدهیم،
12:31
but we're very excited about this.
315
736000
2000
ولی ما در این مورد بسیار هیجان زده هستیم.
12:33
Now I want to close on one story,
316
738000
2000
حالا می‌خواهم با این موضوع پایان بدهم،
12:35
which we think is another possibility --
317
740000
2000
- که ما فکر می‌کنیم یک احتمال دیگر وجود داره -
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
که شاید از این مولکولها، در صورتیکه بتونیم کنترل فوق دقیق اعمال کنیم،
12:39
can be used in the brain itself
319
744000
2000
در خود مغز استفاده کنیم
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
تا نوع جدیدی از اندامهای مصنوعی وابسته به نور درست کنیم.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
ما قبلا گفتیم که محرکهای الکتریکی غیر معمول نیستند.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
75000 نفر دارای ایمپلنت محرکهای عمیق مغزی برای درمان پارکینسون هستند.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
شاید حدود 100000 نفر ایمپلنت محرکهای درون گوش دارند،
12:52
which allow them to hear.
324
757000
2000
که به آنها برای شنوایی کمک می‌کنند.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
یک مسئله دیگه هم وجود داره که ما باید بتونیم این ژنها را به نحوی به سلولها وارد کنیم.
12:57
And new hope in gene therapy has been developed
326
762000
3000
و امیدهای تازه ای در ژن درمانی در جریان است
13:00
because viruses like the adeno-associated virus,
327
765000
2000
چون ویروسهایی مانند ادنو-ویروسها،
13:02
which probably most of us around this room have,
328
767000
2000
که احتمالا همه ما در این سالن در بدن خود داریم،
13:04
and it doesn't have any symptoms,
329
769000
2000
و هیچگونه علائم بیماری از خود ندارند،
13:06
which have been used in hundreds of patients
330
771000
2000
و در صدها بیمار از آنها
13:08
to deliver genes into the brain or the body.
331
773000
2000
برای انتقال ژنها به مغز و یا بدن آنها استفاده شده.
13:10
And so far, there have not been serious adverse events
332
775000
2000
و تا کنون هیچ گونه عوارض جانبی از
13:12
associated with the virus.
333
777000
2000
این ویروسها مشاهده نشده است.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
تنها یک مشکل دیگر باقی میمونه، و آن خود پروتئینها هستند،
13:17
which come from algae and bacteria and fungi,
335
782000
2000
که از جلبکها و باکتریها و قارچها،
13:19
and all over the tree of life.
336
784000
2000
و تمام گونه های حیات گرفته می‌شوند.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
بیشتر ما در مغز خود هیچ قارچ و یا جلبکی نداریم،
13:23
so what is our brain going to do if we put that in?
338
788000
2000
پس مغز ما پس از ورود آنها چه واکنشی از خود نشان می‌دهد؟
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
آیا سلولها قادر به تحمل آن هستند؟ آیا سیستم ایمنی واکنش نشان خواهد داد؟
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
این تحقیق در مراحل مقدماتی قرار دارد و هنوز روی انسانها آزمایش نشده،
13:29
but we're working on a variety of studies
341
794000
2000
ولی ما داریم روی تحقیقات متعددی کار می‌کنیم
13:31
to try and examine this,
342
796000
2000
تا بتونیم این مطلب را بررسی کنیم.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
و تا کنون شاهد هیچ گونه واکنش آشکاری
13:36
to these molecules
344
801000
2000
علیه این مولکولها
13:38
or to the illumination of the brain with light.
345
803000
3000
یا علیه تابش نور به مغز نبوده‌ایم
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
در مراحل نخستین این طرح هستیم و صادقادنه بگیم که از آن هیجان زده‌ایم.
13:44
I wanted to close with one story,
347
809000
2000
من می‌خواستم بحث را با این موضوع به پایان ببرم،
13:46
which we think could potentially
348
811000
2000
که می‌تونه بطور بالقوه
13:48
be a clinical application.
349
813000
2000
یک کاربرد بالینی داشته باشه.
13:50
Now there are many forms of blindness
350
815000
2000
امروزه انواع مختلفی از نابینایی وجود دارد
13:52
where the photoreceptors,
351
817000
2000
که در آنها گیرنده‌های نور،
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
که در پشت چشم قرار دارند از بین رفته.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
و می‌دونیم که شبکیه عضو بسیار پیچیده ایست.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
حالا بگذاریم بریم نزدیک تر تا آنرا با جزئیات بیشتری ببینیم.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
سلولهای گیرنده نور در این بالا نشان داده شده‌اند،
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
و سپس سیگنالهایی که توسط گیرنده‌های نوری دریافت می‌شوند
14:06
are transformed by various computations
357
831000
2000
توسط محاسبات گوناگون تبدیل می‌شوند،
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
تا نهایتا آن لایه سلول که در زیر قرار گرفته، بنام گره‌های عصبی،
14:11
relay the information to the brain,
359
836000
2000
این اطلاعات را به مغز مخابره میی‌کنند،
14:13
where we see that as perception.
360
838000
2000
و ما آن را بصورت یک حس دریافت می‌کنیم.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
در انواع مختلفی از نابینایی، مانند آماس شبکیه‌ای رنگدانه‌ای،
14:18
or macular degeneration,
362
843000
2000
و یا انحطاط لکه چشمی
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
سلولهای گیرنده نور تحلیل رفته و نابود شده‌اند.
14:23
Now how could you repair this?
364
848000
2000
حالا چطور می‌توان آن را درمان کرد؟
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
در این مورد حتی مشخص نیست که یک دارو بتونه باعث برگشت این سلولها بشه،
14:28
because there's nothing for the drug to bind to.
366
853000
2000
چون چیزی برای پیوند با دارو وجود نداره.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
از سوی دیگر نور هنوز می‌تونه وارد چشم بشه.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
مسیر نور هنوز شفافه و نور می‌تونه وارد چشم بشه.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
حالا اگر ما بتونیم این [رودواسپین کانالی] ها و مولکولهای دیگر را بگیریم
14:38
and install them on some of these other spare cells
370
863000
2000
و آنها را روی برخی از این سلولهای بجا مانده قرار بدهیم
14:40
and convert them into little cameras.
371
865000
2000
آنها را به نوعی دوربینهای کوچک تبدیل کنیم.
14:42
And because there's so many of these cells in the eye,
372
867000
2000
و چون سلولهای زیادی از این نوع در چشم وجود دارند،
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
دوربینهای با کیفیت بالایی بدست خواهیم آورد.
14:47
So this is some work that we're doing.
374
872000
2000
خوب این قسمتی از کاریه که ما داریم انجام می‌دهیم.
14:49
It's being led by one of our collaborators,
375
874000
2000
این تحقیقات توسط یکی از همکاران ما،
14:51
Alan Horsager at USC,
376
876000
2000
Alan Horsager در دانشگاه کالیفرنیای جنوبی هدایت میشه،
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
و دنبال این هستیم که به آن توسط تاسیس شرکت علوم اعصاب بنام Eos جنبه تجاری بدهیم،
14:56
which is funded by the NIH.
378
881000
2000
که هزینه آن توسط انستیتوی ملی سلامتی تامین میشه.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
و اینجا شما یک موش را در حین حل کردن یک هزارتو می‌بینید.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
این یک هزارتو شش جهتیه. و مقداری هم آب در آن وجود داره
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
تا موش را تحریک کنه که به جلو بره، وگرنه همانجا میمونه.
15:04
And the goal, of course, of this maze
382
889000
2000
و هدف این هزارتو البته اینه که
15:06
is to get out of the water and go to a little platform
383
891000
2000
موش از آب بیرون بیاد و به سطح کوچکی برسه
15:08
that's under the lit top port.
384
893000
2000
که در زیر این دریچه نور دهی شده بالایی است.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
موشها باهوشند، و این موش نهایتا هزارتو را حل میکنه،
15:13
but he does a brute-force search.
386
898000
2000
ولی این کار را در زیر فشار انجام می‌ده.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
او در هر راهرو به سمت پایین شنا میکنه تا نهایتا به سطح برسه.
15:18
So he's not using vision to do it.
388
903000
2000
پس او از حس بینایی خودش استفاده نمی‌کنه.
15:20
These different mice are different mutations
389
905000
2000
این موشها جهشهای ژنتیکی متفاوتی دارند
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
که نماینده انواع مختلف نابینایی در انسانها هستند.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
پس اینجا ما سعی می‌کنیم تا با دقت مدلهای مختلف را مورد بررسی قرار بدهیم،
15:28
so we come up with a generalized approach.
392
913000
2000
تا به یک روش عمومی دست پیدا کنیم.
15:30
So how are we going to solve this?
393
915000
2000
پس ما چطور برای این مسئله جواب پیدا کنیم؟
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
ما دقیقا همان کاری را که در اسلاید قبل توضیح دادیم انجام خواهیم داد.
15:34
We're going to take these blue light photosensors
395
919000
2000
ما این گیرنده های نوری آبی را می‌گیریم
15:36
and install them on a layer of cells
396
921000
2000
و آنها را روی یک لایه سلولی
15:38
in the middle of the retina in the back of the eye
397
923000
3000
در وسط شبکیه در پشت چشم کار می‌گذاریم
15:41
and convert them into a camera --
398
926000
2000
و آنها را به یک دوربین تبدیل می‌کنیم.
15:43
just like installing solar cells all over those neurons
399
928000
2000
درست مثل نصب کردن سلولهای خورشیدی در تمامی این نورونها
15:45
to make them light sensitive.
400
930000
2000
و تبدیل آنها به سلولهای حساس به نور.
15:47
Light is converted to electricity on them.
401
932000
2000
نور تابیده شده بر آنها به الکتریسیته تبدیل میشه.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
این موش دو هفته قبل از آزمایش کور بود
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
و یک دز از این مولکول حساس به نور را در یک ویروس دریافت کرد.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
و اینجا می‌تونید ببینید که این حیوان به دیوارها برخورد نمی‌کنه
15:57
and go to this little platform
405
942000
2000
و به این سطح کوچک می‌رسه
15:59
and make cognitive use of its eyes again.
406
944000
3000
و در واقع از چشماش استفاده هوشمند میکنه.
16:02
And to point out the power of this:
407
947000
2000
و برای اینکه قدرت این کار را درک کنید بگویم که
16:04
these animals are able to get to that platform
408
949000
2000
این حیوانها به همان سرعت حیواناتی به سطح می‌رسند
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
که تمامی عمرشان بینا بوده‌اند.
16:08
So this pre-clinical study, I think,
410
953000
2000
به نظر من این تحقیق پیش بالینی
16:10
bodes hope for the kinds of things
411
955000
2000
ما را برای انجام کارهایی که
16:12
we're hoping to do in the future.
412
957000
2000
می‌خواهیم در آینده انجام دهیم امیدوار می‌کند.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
در خاتمه می‌خواهم بگم که ما دنبال مدلهای
16:17
new business models for this new field of neurotechnology.
414
962000
2000
تجاری جدید در این رشته جدید از نوروتکنولوژی هستیم.
16:19
We're developing these tools,
415
964000
2000
ما این ابزارها را درست می‌کنیم،
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
ولی آنها را مجانی در اختیار صدها گروه در سرتاسر جهان می‌گذاریم،
16:23
so people can study and try to treat different disorders.
417
968000
2000
تا مردم بتونند آنها را مطالعه و روی درمان بیماریهای مختلف توسط آنها تحقیق کنند.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
و امید ما اینه که با درک بهتر مدارهای مغزی
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
تا مرحله‌ای که بتوان از آن برای ترمیم و مهندسی آنها استفاده کرد،
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
ما می‌تونیم برخی از این بیماریهای غیر قابل کنترل را که در مورد آنها حرف زدیم،
16:34
practically none of which are cured,
421
979000
2000
که عملا برای هیچ یک درمانی وجود نداره را بگیریم،
16:36
and in the 21st century make them history.
422
981000
2000
و در قرن 21 آنها را به تاریخ تبدیل کنیم.
16:38
Thank you.
423
983000
2000
متشکرم.
16:40
(Applause)
424
985000
13000
(تشویق)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
- پس بعضی چیزها یک خرده سخت هستند.
16:56
(Laughter)
426
1001000
2000
(خنده حضار)
16:58
But the implications
427
1003000
2000
ولی کابرد مفاهیم
17:00
of being able to control seizures or epilepsy
428
1005000
3000
و اینکه قادر باشیم صرع و تشنج را
17:03
with light instead of drugs,
429
1008000
2000
با نور بجای استفاده از دارو کنترل کنیم،
17:05
and being able to target those specifically
430
1010000
3000
و بتونیم آنها را مستقیما و بطور اختصاصی هدف قرار بدهیم
17:08
is a first step.
431
1013000
2000
مرحله اول کاره.
17:10
The second thing that I think I heard you say
432
1015000
2000
نکته دوم که فکر کنم به آن اشاره کردید
17:12
is you can now control the brain in two colors,
433
1017000
3000
اینه ما الان می‌تونیم مغز را با دو رنگ کنترل کنیم.
17:15
like an on/off switch.
434
1020000
2000
مثل یک سوییچ خاموش و روشن.
17:17
Ed Boyden: That's right.
435
1022000
2000
- درسته.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
- که باعث میشه هر ایمپالسی که وارد مغز میشه مثل یک کد دودویی عمل کنه.
17:22
EB: Right, yeah.
437
1027000
2000
- بله، درسته.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
پس با کد آبی ما می‌تونیم اطالاعات را وارد و تحریک کنیم، که این به صورت یک کد یکه.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
و با ملایم کردن آن مثل صفر عمل میکنه.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
پس امید ما اینه نهایتا در آینده برای مغز پردازنده‌های کمکی بسازیم
17:31
that work with the brain
441
1036000
2000
که همراه با مغز کار می‌کنند،
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
و ما می‌تونیم عملکرد را به انسانهای ناتوان برگردونیم.
17:36
JE: And in theory, that means that,
443
1041000
2000
- و در تئوری این بدان معناست که
17:38
as a mouse feels, smells,
444
1043000
2000
همان طور که یک موش احساس میکنه، بو می‌کشه،
17:40
hears, touches,
445
1045000
2000
می‌شنوه، لمس میکنه،
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
شما می‌تونید آن را بصورت داده های صفر و یک، الگوبرداری کنید.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
- البته، بله، ما امیدواریم بتونیم از این روش به عنوان راهی برای آزمایش این پیدا کنیم
17:47
what neural codes can drive certain behaviors
448
1052000
2000
که کدام کد نورونی باعث چه رفتارهای خاصی
17:49
and certain thoughts and certain feelings,
449
1054000
2000
و افکار خاصی و احساسات خاصی می‌شوند،
17:51
and use that to understand more about the brain.
450
1056000
3000
و از آن برای درک بیشتر مغز استفاده کنیم.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
- آیا این بدین معناست که یک روز ما می‌تونیم حافظه اشخاص را دانلود
17:57
and maybe upload them?
452
1062000
2000
و یا حتی آپلود کنیم؟
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
- خوب این چیزیه که ما سخت روی آن مشغول کار هستیم.
18:01
We're now working on some work
454
1066000
2000
ما الان مشغول انجام کاری هستیم
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
که در آن سعی می‌کنیم تا مغز را با یک سری عناصر ضبط کننده بپوشونیم.
18:05
So we can record information and then drive information back in --
456
1070000
3000
- تا بتونیم اطلاعات را ذخیره سازی و دوباره وارد مغز کنیم -
18:08
sort of computing what the brain needs
457
1073000
2000
یه جور مثل انجام محاسباتی که مغز احتیاج داره
18:10
in order to augment its information processing.
458
1075000
2000
تا بتونیم به پردازش اطلاعات آن کمک کنیم.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
- خوب، این باعث تغییراتی میشه. متشکرم. (- متشکرم.)
18:15
(Applause)
460
1080000
3000
(تشویق)
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