TEDGlobal 2011
Allan Jones: A map of the brain
یک نقشه ازمغز
Filmed:
Readability: 4.4
1,269,611 views
چطور ما میتوانیم بفهمیم که مغزماچگونه وبه چه روشی کارمیکند؟ به همان روشی که ما میتوانیم یک شهررابشناسیم: با درست کردن یک نقشه. در این سخنرانی خیره کننده آلن جونز نشان میدهد چطور تیمش در حال تهیه نقشه اند که ژنها در هر ناحیه کوچک مغز فعال میشوند و چطور همه آنها به هم متصل میشوند.
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
Double-click the English transcript below to play the video.
00:15
Humans have long held a fascination
0
0
2000
انسانها همواره یک شیفتگی و شیدای برای مغز انسان داشته اند.
00:17
for the human brain.
1
2000
2000
انسانها همواره یک شیفتگی و شیدای برای مغز انسان داشته اند.
00:19
We chart it, we've described it,
2
4000
3000
ما اونو به نمایش گذارده و شرح داده ایم،
00:22
we've drawn it,
3
7000
2000
ما اونو رسم کرده ایم.
00:24
we've mapped it.
4
9000
3000
اونو نقشه برداری کردیم.
00:27
Now just like the physical maps of our world
5
12000
3000
مانند نقشه های فیزیکی دنیای ما
00:30
that have been highly influenced by technology --
6
15000
3000
که بشدت توسط فن آوری تحت تاثیر قرارگرفته است--
00:33
think Google Maps,
7
18000
2000
فکر کنید گوگل مپ ( نقشه های گوگل)
00:35
think GPS --
8
20000
2000
فکرکنید جی پی اس (سیستم تعیین موقعیت جهانی )--
00:37
the same thing is happening for brain mapping
9
22000
2000
این همون چیزی است که برای نقشه برداری مغز از طریق تغییر شکل در حال اتفاق است
00:39
through transformation.
10
24000
2000
این همون چیزی است که برای نقشه برداری مغز از طریق تغییر شکل در حال اتفاق است
00:41
So let's take a look at the brain.
11
26000
2000
خب بیایید یک نگاهی به مغز بندازیم.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
بیشتر مردم وقتی برای اولین بار به مغز طبیعی انسان نگاه میکنند
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
میگن"این شبیه آنچیزی نیست که معمولا بهش نگاه میکنند
00:49
when someone shows you a brain."
14
34000
2000
وقتی شخصی بشما یک مغز را نشان میدهد."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
نوعا ، چیزی که دارید بهش نگاه میکنید یک مغز فیکس شده است.اون خاکستریه.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
واین لایه خارجی ..این لایه دارای رگهای خونی فراوانه،
00:56
which is incredible, around a human brain.
17
41000
2000
که بطور باورنکردنی دور مغزانسان است.
00:58
This is the blood vessels.
18
43000
2000
این رگهای خونی است.
01:00
20 percent of the oxygen
19
45000
3000
20 درصد اکسیژن
01:03
coming from your lungs,
20
48000
2000
که از ریه هاتون میاد،
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 درصد از خونی که ازقلبتون میاد،
01:07
is servicing this one organ.
22
52000
2000
داره به این اندام سرویس میده و خدمت میکنه.
01:09
That's basically, if you hold two fists together,
23
54000
2000
اگه شما دوتا مشت تان را درکنارهم نگه دارید،
01:11
it's just slightly larger than the two fists.
24
56000
2000
این تقریبا کمی بزرگتر از دوتا مشت تان هست.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
دانشمندان درآخر قرن بیستم
01:16
learned that they could track blood flow
26
61000
2000
آموختند که میتوانند جریان خون را برای نقشه برداری غیرتهاجمی
01:18
to map non-invasively
27
63000
3000
آموختند که میتوانند جریان خون را برای نقشه برداری غیرتهاجمی
01:21
where activity was going on in the human brain.
28
66000
3000
که فعالانه در مغز انسان جریان می یابد را رد یابی کنند.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
برای مثال اونها میتوانند قسمت پشتی مغز که داره درست دور اونجا میگرده را ببینید.
01:27
which is just turning around there.
30
72000
2000
برای مثال اونها میتوانند قسمت پشتی مغز که داره درست دور اونجا میگرده را ببینید.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
اونجا مخچه است که شما را عمودی نگه میداره .
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
اون منو ایستاده نگه میداره.اون درگیر حرکات هماهنگ است.
01:34
On the side here, this is temporal cortex.
33
79000
3000
در این طرف ، قشر گیجگاهی مغزه.
01:37
This is the area where primary auditory processing --
34
82000
3000
اینجا ناحیه ای است که شنوایی اولیه پردازش میشه--
01:40
so you're hearing my words,
35
85000
2000
که شما دارید حرفهای منو میشنوید،
01:42
you're sending it up into higher language processing centers.
36
87000
2000
شما دارید اونو به مراکز بالاتر عملکردی زبان میفرستید.
01:44
Towards the front of the brain
37
89000
2000
بسوی جلوی مغز
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
که مکانیه که دراون همه افکار پیچیده ترهستند، محل تصمیم گیری--
01:49
it's the last to mature in late adulthood.
39
94000
4000
این آخرین مراحل بلوغ در اواخر بزرگسالی است.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
این جاییه که همه پروسه های تصمیم گیریهای شما داره انجام میگیره.
01:56
It's the place where you're deciding right now
41
101000
2000
این جاییه که شما دارید تصمیم میگیرید
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
شما احتمالا نمیخواهید برای شام استیک سفارش بدید.
02:01
So if you take a deeper look at the brain,
43
106000
2000
درنتیجه اگه شما نگاه عمیقتری به مغز بندازید،
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
اگر شما در مقطع عرضی نگاهی بندازید،
02:05
what you can see
45
110000
2000
چیزی که میتوانید ببینید
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
اینه که شما نمیتوانید یک مقدار زیادی ساختارهای کامل را واقعا ببینید.
02:10
But there's actually a lot of structure there.
47
115000
2000
ولی مقدار زیادی از ساختار در اینجاست.
02:12
It's cells and it's wires all wired together.
48
117000
2000
این سلولهاست و سیمها باهمدیگه با سیم کشی به هم متصل شدند.
02:14
So about a hundred years ago,
49
119000
2000
درحدود یکصدسال پیش
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
بعضی از دانشمندان یک لکه کشف کردند که سلولها را لکه دارمیکنه.
02:18
And that's shown here in the the very light blue.
51
123000
3000
واون نشان داده میشود اینجا در یک نورآبی روشن.
02:21
You can see areas
52
126000
2000
شما میتوانیدمناطقی را ببینید
02:23
where neuronal cell bodies are being stained.
53
128000
2000
جاییکه اجسام سولهای طبیعی دارند لکه دارمیشوند.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
وچیزی که شما میتوانید ببینید اینه که اون خیلی غیر یکنواخت است. شما یک مقدارزیادی ساختار مغزی در اونجا میبینید.
02:28
So the outer part of that brain
55
133000
2000
که قسمت خارجی اون مغز
02:30
is the neocortex.
56
135000
2000
قشر جدید مغزه ( نئوکورتکس).
02:32
It's one continuous processing unit, if you will.
57
137000
3000
این یک واحد پردازش مداوم و مستمر است ، اگه شما بخواهید که بدانید.
02:35
But you can also see things underneath there as well.
58
140000
2000
اما شما میتوانید چیزهایی را در زیر اونها نیز ببینید.
02:37
And all of these blank areas
59
142000
2000
وهمه این نواحی خالی
02:39
are the areas in which the wires are running through.
60
144000
2000
نواحی هستند که دراون سیمها دارند از خلالش میروند.
02:41
They're probably less cell dense.
61
146000
2000
اونها احتمالا سلولهای با چگالی کمتری هستند.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
خُب درحدود 86 میلیارد رشته عصبی درمغزوجود دارد.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
وهمانطور که میتوانید ببینید اونها بطورخیلی غیریکنواخت توزیع میشوند.
02:50
And how they're distributed really contributes
64
155000
2000
واینکه چگونه اونها توزیع میشوند واقعا بستگی به عملکرد زیربنایی شون داره.
02:52
to their underlying function.
65
157000
2000
واینکه چگونه اونها توزیع میشوند واقعا بستگی به عملکرد زیربنایی شون داره.
02:54
And of course, as I mentioned before,
66
159000
2000
والبته همانطور که قبلا گفتم
02:56
since we can now start to map brain function,
67
161000
3000
اززمانی که ما میتوانیم شروع به نقشه برداری ازعملکرد مغزنماییم الان
02:59
we can start to tie these into the individual cells.
68
164000
3000
ما میتوانیم شروع به گره زدن اینها به سولهای منفرد نماییم.
03:02
So let's take a deeper look.
69
167000
2000
خب بیایید یک نگاه عمیق تری بیندازیم.
03:04
Let's look at neurons.
70
169000
2000
بیاید به رشته های عصبی نگاهی بندازیم.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
خُب همانطور که من قبلا گفتم 86 میلیارد رشته عصبی وجود داره.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
همانطورکه میبینید، سلولهای کوچکتر اونجا وجود داره .
03:10
These are support cells -- astrocytes glia.
73
175000
2000
اینها سلولهای حامی هستند--آستروسیت گلیا.
03:12
And the nerves themselves
74
177000
3000
و اعصاب خودشون
03:15
are the ones who are receiving input.
75
180000
2000
اونهایی هستند که ورودی را میگیرند.
03:17
They're storing it, they're processing it.
76
182000
2000
آنها آن را ذخیره سازی و پردازش می کنند.
03:19
Each neuron is connected via synapses
77
184000
4000
هررشته عصبی ازطریق سیناپسها به 10000 رشته عصبی دیگه درمغزتون متصل میشه.
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
هررشته عصبی ازطریق سیناپسها به 10000 رشته عصبی دیگه درمغزتون متصل میشه.
03:26
And each neuron itself
79
191000
2000
و هررشته عصبی بتنهایی
03:28
is largely unique.
80
193000
2000
عمدتا منحصربفرد است.
03:30
The unique character of both individual neurons
81
195000
2000
ویژگی منحصربفرد هم رشته های عصبی منفرد و رشته های عصبی درخلال یک مجموعه مغز
03:32
and neurons within a collection of the brain
82
197000
2000
ویژگی منحصربفرد هم رشته های عصبی منفرد و رشته های عصبی درخلال یک مجموعه مغز
03:34
are driven by fundamental properties
83
199000
3000
بوسیله خواص اساسی رانده میشوند
03:37
of their underlying biochemistry.
84
202000
2000
از خواص بیوشیمیایی اساسیشون.
03:39
These are proteins.
85
204000
2000
اینها پروتیینند.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
اینها پروتیین هستند که چیزهایی مثل تحرکات کانال یونی دارند کنترل میکنند .
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
اینها پروتیین هستند که چیزهایی مثل تحرکات کانال یونی دارند کنترل میکنند .
03:48
And they're controlling
88
213000
2000
واونها اساسا هرچیزی را که سیستم اعصاب مجبوره انجام بده را کنترل میکنند.
03:50
basically everything that the nervous system has to do.
89
215000
2000
واونها اساسا هرچیزی را که سیستم اعصاب مجبوره انجام بده را کنترل میکنند.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
درنتیجه اگر ما به سطوح عمیقتری نگاه کنیم
03:55
all of those proteins
91
220000
2000
همه اون پروتیینها
03:57
are encoded by our genomes.
92
222000
2000
بوسیله ژنوممون به رمز و کُد درمی آیند.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
ما هرکدوممون 23 جفت کروموزوم داریم.
04:02
We get one from mom, one from dad.
94
227000
2000
که برای هرجفت یکی را از پدر ویکی را از مادر میگیریم.
04:04
And on these chromosomes
95
229000
2000
وبرروی این کروموزومها تقریبا 25000 ژن وجود داره.
04:06
are roughly 25,000 genes.
96
231000
2000
وبرروی این کروموزومها تقریبا 25000 ژن وجود داره.
04:08
They're encoded in the DNA.
97
233000
2000
اونها در DNA رمز میشوند.
04:10
And the nature of a given cell
98
235000
3000
طبیعت یک سلول اهدا شده با بیوشیمی اساسی آن به حرکت در میاید ، که توسط 25.000 از این ژنها دیکته شده اند و اینکه در چه سطحی آنها فعال شوند.
04:13
driving its underlying biochemistry
99
238000
2000
طبیعت یک سلول اهدا شده با بیوشیمی اساسی آن به حرکت در میاید ، که توسط 25.000 از این ژنها دیکته شده اند و اینکه در چه سطحی آنها فعال شوند.
04:15
is dictated by which of these 25,000 genes
100
240000
3000
طبیعت یک سلول اهدا شده با بیوشیمی اساسی آن به حرکت در میاید ، که توسط 25.000 از این ژنها دیکته شده اند و اینکه در چه سطحی آنها فعال شوند.
04:18
are turned on
101
243000
2000
طبیعت یک سلول اهدا شده با بیوشیمی اساسی آن به حرکت در میاید ، که توسط 25.000 از این ژنها دیکته شده اند و اینکه در چه سطحی آنها فعال شوند.
04:20
and at what level they're turned on.
102
245000
2000
طبیعت یک سلول اهدا شده با بیوشیمی اساسی آن به حرکت در میاید ، که توسط 25.000 از این ژنها دیکته شده اند و اینکه در چه سطحی آنها فعال شوند.
04:22
And so our project
103
247000
2000
پروژه ما
04:24
is seeking to look at this readout,
104
249000
3000
بدنبال نگاه کردن به این بازخوانی است
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
برای فهمیدن اینکه کدامیک از این 25000 ژن فعال میشوند.
04:30
So in order to undertake such a project,
106
255000
3000
درنتیجه بمنظور انجام چنین پروژه ای ،
04:33
we obviously need brains.
107
258000
3000
طبیعتا ما به مغز نیاز داریم.
04:36
So we sent our lab technician out.
108
261000
3000
درنتیجه ما تکنسین های آزمایشگاهمونو بیرون فرستادیم.
04:39
We were seeking normal human brains.
109
264000
2000
ما بدنبال مغزهای طبیعی انسان میگشتیم.
04:41
What we actually start with
110
266000
2000
چیزی که ما درواقع باهاش شروع کردیم
04:43
is a medical examiner's office.
111
268000
2000
یک دفتر معاینات پزشکی است.
04:45
This a place where the dead are brought in.
112
270000
2000
این یک مکان جایی که مرده ها داخلش آورده میشن.
04:47
We are seeking normal human brains.
113
272000
2000
ما بدنبال مغزهای طبیعی انسان هستیم.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
محک های زیادی وجود داره که بوسیله اونها ما مغزها را انتخاب میکنیم.
04:52
We want to make sure
115
277000
2000
ما میخواهیم مطمئن شویم
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
که انسانهایی طبیعی بین 20 تا 60 سال داریم
04:57
they died a somewhat natural death
117
282000
2000
آنها براثر مرگ طبیعی از دنیا رفته اند
04:59
with no injury to the brain,
118
284000
2000
بدون هرگونه صدمه ای به مغز
05:01
no history of psychiatric disease,
119
286000
2000
ویا سابقه بیماریهای روحی روانی
05:03
no drugs on board --
120
288000
2000
بدون مصرف دارو--
05:05
we do a toxicology workup.
121
290000
2000
ما یک کار سم شناختی انجام میدهیم.
05:07
And we're very careful
122
292000
2000
وخیلی مراقب
05:09
about the brains that we do take.
123
294000
2000
مغزهایی که میگیریم هستیم.
05:11
We're also selecting for brains
124
296000
2000
ما داریم مغزهایی راانتخاب میکنیم
05:13
in which we can get the tissue,
125
298000
2000
که بافت را ازاون بگیریم
05:15
we can get consent to take the tissue
126
300000
2000
ما بعد از اخذ رضایت نامه میتونیم بافت رابگیریم
05:17
within 24 hours of time of death.
127
302000
2000
درخلال 24 ساعت بعد اززمان مرگ.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
بخاطر چیزی که تلاش میکنیم تا اندازه بگیریم RNA
05:22
which is the readout from our genes --
129
307000
2000
که بازخوانی از ژنهای ماست--
05:24
is very labile,
130
309000
2000
خیلی ناپایداره
05:26
and so we have to move very quickly.
131
311000
2000
ومامجبوریم خیلی سریع حرکت کنیم.
05:28
One side note on the collection of brains:
132
313000
3000
یک نکته در جمع آوری مغز :
05:31
because of the way that we collect,
133
316000
2000
بخاطر روش جمع آوری
05:33
and because we require consent,
134
318000
2000
وبخاطر اینکه ما به رضایت نامه نیاز داریم
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
ما عملا تعداد مغزهای مرد بیشتری نسبت به زنها داریم.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
مردان خیلی بیشتر احتمال داره که بر اثر یک حادثه در زندگیشون بمیرند.
05:41
And men are much more likely
137
326000
2000
بیشتر احتمال داره
05:43
to have their significant other, spouse, give consent
138
328000
3000
که همسران مردان برای اینکار زضایت بدهند
05:46
than the other way around.
139
331000
2000
تا روشهای دیگه.
05:48
(Laughter)
140
333000
4000
(خنده)...
05:52
So the first thing that we do at the site of collection
141
337000
2000
اولین چیزی که ما درمحل جمع آوری انجام میدهیم
05:54
is we collect what's called an MR.
142
339000
2000
چیزیه که MR نامیده میشه.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
این یک تصویربرداری بوسیله رزونانس مغناطیسی است--MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
این یک الگوی استاندارده که قراره ما بقیه این داده ها را به آنها متصل کنیم.
06:01
So we collect this MR.
145
346000
2000
درنتیجه ما MR ها را جمع میکنیم.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
میتونید فکر کنید که این بعنوان ماهواره به نقشه ما نگاه میکند.
06:05
The next thing we do
147
350000
2000
کاردیگه ای که انجام مبدهیم
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
اینه که ما چیزی بنام تصاویر پخش عضلات ممتد را جمع میکنیم.
06:10
This maps the large cabling in the brain.
149
355000
2000
این نقشه ها سیمکشی های بزرگ مغزند.
06:12
And again, you can think of this
150
357000
2000
مجدداً ،اگه بخواهید میتوانید آنها را به عنوان بزرگراه های بین ایالتی ما تصور کنید.
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
مجدداً ،اگه بخواهید میتوانید آنها را به عنوان بزرگراه های بین ایالتی ما تصور کنید.
06:16
The brain is removed from the skull,
152
361000
2000
مغز ازداخل جمجمه برداشته میشه
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
وسپس به قطعات یک سانتیمتری بریده میشه.
06:21
And those are frozen solid,
154
366000
2000
واونها که یخزده میشن
06:23
and they're shipped to Seattle.
155
368000
2000
به سیاتل حمل میشوند.
06:25
And in Seattle, we take these --
156
370000
2000
ودراونجا ما اونها رومیگیریم--
06:27
this is a whole human hemisphere --
157
372000
2000
این یک نیمکره کامل انسانه--
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
وما اونها را درآنچه اساسا یک چرخ گوشت تکریم شده است ، قرارشون میدهیم.
06:31
There's a blade here that's going to cut across
159
376000
2000
اینجا یک تیغه است که قراره ببره
06:33
a section of the tissue
160
378000
2000
یک قطعه ازاین بافت را
06:35
and transfer it to a microscope slide.
161
380000
2000
ومنتقل کنه اونو به یک تیغه میکروسکوپ.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
قراره یکی از این لکه ها را بکارببریم
06:39
and we scan it.
163
384000
2000
و اسکنش کنیم.
06:41
And then what we get is our first mapping.
164
386000
3000
واونچه که میگیریم اولین نقشه مان است.
06:44
So this is where experts come in
165
389000
2000
واین مکانیه که خبرگان میان
06:46
and they make basic anatomic assignments.
166
391000
2000
وتکالیف اولیه آناتومیکشونو انجام میدهند.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
اگه بخواهید میتونید این مرزهای ایالتی رادرنظربگیرید،
06:51
those pretty broad outlines.
168
396000
2000
منظورم اون نماهای بیرونی نسبتا پهن را .
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
از اینجا، ما قادریم اون مغز را به قطعات بیشتری تقسیم کنیم،
06:57
which then we can put on a smaller cryostat.
170
402000
2000
که سپس ما میتونیم روی یک سرما سنج کوچکتر قرار دهیم.
06:59
And this is just showing this here --
171
404000
2000
واین فقط داره اینو نشون میده--
07:01
this frozen tissue, and it's being cut.
172
406000
2000
این بافت یخزده که بریده ئمیشه.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
ضخامت این 20 میکرونه درنتیجه این به پهنای یک تارموی بچه است.
07:06
And remember, it's frozen.
174
411000
2000
وبیاد داشته باشید که یخزده است.
07:08
And so you can see here,
175
413000
2000
در اینجا شما میتونید ببینید
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
فن آوری قدیمی را که از قلم مو داره استفاده میشه.
07:12
We take a microscope slide.
177
417000
2000
ما یک تیغه میکروسکوپ را میگیریم.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
سپس بدقت اونو روی اون تیغه ذوبش میکنیم.
07:17
This will then go onto a robot
179
422000
2000
سپس اون به دست یک روبات سپرده میشه
07:19
that's going to apply one of those stains to it.
180
424000
3000
که قراره یکی از اون لکهارواستفاده کنه.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
و آناتومیستهای ما قراره یک نگاه عمیقتری بهش بندازند.
07:29
So again this is what they can see under the microscope.
182
434000
2000
و این چیزیه که اونها میتوانند زیر میکروسکپ ببینند.
07:31
You can see collections and configurations
183
436000
2000
شما میتونید مجموعه ها و نظم آرایی سلولهای بزرگ و کوچک ببینید
07:33
of large and small cells
184
438000
2000
شما میتونید مجموعه ها و نظم آرایی سلولهای بزرگ و کوچک ببینید
07:35
in clusters and various places.
185
440000
2000
در مکانها و خوشه های مختلف.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
وازاونجا که این یک امرروزمره است.اونها درمیابند که کجا این وظایف راانجام بدن.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
ومیتوانند اساسا آنچه که یک اطلس مرجع نامیده میشود را بسازند.
07:42
This is a more detailed map.
188
447000
2000
این یک نقشه با جزییات بیشتره.
07:44
Our scientists then use this
189
449000
2000
دانشمندان ما ازاون استفاده میکنند
07:46
to go back to another piece of that tissue
190
451000
3000
برای برگشتن به تکه دیگری از اون بافت
07:49
and do what's called laser scanning microdissection.
191
454000
2000
و کاری را که برش با اسکن لیزری نامیده میشود را انجام دهند.
07:51
So the technician takes the instructions.
192
456000
3000
این تکنسینها دستورالعمل ها را میگیرند.
07:54
They scribe along a place there.
193
459000
2000
اونها یک مکان و مشخص میکنند
07:56
And then the laser actually cuts.
194
461000
2000
وسپس لیزر میبره.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
میتونید ببینید که اون نقطه آبی رنگ اونجا کارِبُرش را انجام میده.وبعد اون بافت میفته.
08:01
You can see on the microscope slide here,
196
466000
2000
شما در زیر میکروسکوپ میبینید
08:03
that's what's happening in real time.
197
468000
2000
که چه اتفاقی درزمان واقعی میفته.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
یک ظرف در زیر اونجاست که اون بافتها راجمع میکنه.
08:08
We take that tissue,
199
473000
2000
ما اون تکه ها رو میگیریم
08:10
we purify the RNA out of it
200
475000
2000
وRNA اونها را استخراج میکنیم
08:12
using some basic technology,
201
477000
2000
بااستفاده از فن آوری پایه
08:14
and then we put a florescent tag on it.
202
479000
2000
وسپس یک نشان حساس به نور روی آن میگذاریم.
08:16
We take that tagged material
203
481000
2000
ما اون ماده نشاندار رامیگیریم
08:18
and we put it on to something called a microarray.
204
483000
3000
وچیزی بنام ریز فلش بهش متصل میکنیم.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
حالا این ممکنه این برای شما شبیه دسته ای ازنقاط بنظربرسه
08:23
but each one of these individual dots
206
488000
2000
ولی هرکدام از این نقاط منفرد
08:25
is actually a unique piece of the human genome
207
490000
2000
عملا یک قطعه بی نظیر از ژنوم انسانی است
08:27
that we spotted down on glass.
208
492000
2000
که ما در شیشه مشخصش کردیم.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
این حدود 60،000 عناصر دارد،
08:32
so we repeatedly measure various genes
210
497000
3000
درنتیجه ما مکررا ژنهای متفاوتی از 25000 ژن را در این ژنوم را اندازه میگیریم.
08:35
of the 25,000 genes in the genome.
211
500000
2000
درنتیجه ما مکررا ژنهای متفاوتی از 25000 ژن را در این ژنوم را اندازه میگیریم.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
هنگامی که یک نمونه می گیرد و آن را با دیگری پیوند میزنمیم
08:40
we get a unique fingerprint, if you will,
213
505000
2000
ما یک انگشت نگاری منحصربفرد انجام میدیم (اگه به این نام بنامیمش)
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
ازنظرتعداد ژنهایی که دراین نمونه فعال میشوند.
08:45
Now we do this over and over again,
215
510000
2000
حالا ما اینکارو دوباره و دوباره انجام میدهیم
08:47
this process for any given brain.
216
512000
3000
این روش را برای هر مغزی که داریم انجام میدهیم.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
ما بیش از 100000 نمونه از هر مغز میگیریم.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
این ناحیه نشان داده شده دراینجا ناحیه ای بنام هیچوکامچ نامیده میشه.
08:56
It's involved in learning and memory.
219
521000
2000
که درگیر آموختن و حاقظه است.
08:58
And it contributes to about 70 samples
220
523000
3000
ودر حدود 70 نمونه
09:01
of those thousand samples.
221
526000
2000
از هزاران نمونه مذکور وجود داره.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
هر نمونه حدود 50000 نقطه اطلاعاتی بما میده
09:07
with repeat measurements, a thousand samples.
223
532000
3000
وبا اندازه گیری مجدد 1000 نمونه
09:10
So roughly, we have 50 million data points
224
535000
2000
تقریبا حدود 50 میلیون نقطه اطلاعاتی داریم
09:12
for a given human brain.
225
537000
2000
برای یک مغر اهدا شده.
09:14
We've done right now
226
539000
2000
ما الان روی دو مغز اسلاعات ارزشمند انسانی را انجام دادیم.
09:16
two human brains-worth of data.
227
541000
2000
ما الان روی دو مغز اسلاعات ارزشمند انسانی را انجام دادیم.
09:18
We've put all of that together
228
543000
2000
ما همه اونهارو با هم گذاشته ایم
09:20
into one thing,
229
545000
2000
در یک چیز
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
بشما نشان خواهم داد اون سنتزها به چه چیز شبیه است.
09:24
It's basically a large data set of information
231
549000
3000
این اساسا یک مجموعه بزرگ داده ها از اطلاعاتی است
09:27
that's all freely available to any scientist around the world.
232
552000
3000
که آزادانه دردسترس هردانشمندی درهرنقطه ازجهانه.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
اونها حتی مجبور نیستند برای استفاده از این ابزار اسمشونو بگن،
09:33
mine this data, find interesting things out with this.
234
558000
4000
من چیزهای جالبی را در این پیدا کردم.
09:37
So here's the modalities that we put together.
235
562000
3000
که در اینجاست که مدلهای همسان را کنارهم میگذاریم.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
شما این چیزها از چیزی که ما قبلا جمع آوری کردیم باز شناسی می کنید .
09:43
Here's the MR. It provides the framework.
237
568000
2000
این MRاست.این چهارچوب را تهیه میکنه.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
این یک کناره اپراتور درسمت راسته که بشما اجازه میده بچرخید
09:48
it allows you to zoom in,
239
573000
2000
این یک کناره اپراتور درسمت راسته که بشما اجازه میده بچرخید
09:50
it allows you to highlight individual structures.
240
575000
3000
این بشما اجازه میده که ساختارهای منحصر بفرد را پررنگ کنید.
09:53
But most importantly,
241
578000
2000
اما مهمتر از همه ،
09:55
we're now mapping into this anatomic framework,
242
580000
3000
ما در حال نقشه برداری کردن برای این چهارچوب آناتومیک هستیم ،
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
یک چهارچوب مشترک برای مردم تا درک کنند که ژنها در فعال میشن.
10:01
So the red levels
244
586000
2000
سطوح قرمز رنگ
10:03
are where a gene is turned on to a great degree.
245
588000
2000
جایی هستند که یک ژن بسمت یک درجه عالی فعال میشه.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
سبز مناطق سرد هستند که فعال نیستند.
10:08
And each gene gives us a fingerprint.
247
593000
2000
وهرژن یک راهنمایی بما میکنه.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
وبخاطرداشته باشید که آنچه ما ارزیابی کرده ایم درهمه 25000 ژن در ژنوم.
10:15
and have all of that data available.
249
600000
4000
و همه اون اطلاعات موجود را دارند.
10:19
So what can scientists learn about this data?
250
604000
2000
خُب دانشمندان چه جیزی میتوانند مورد این داده ها یاد بگیرند؟
10:21
We're just starting to look at this data ourselves.
251
606000
3000
ما به تازگی نگاه کردن به این داده ها را شروع کردیم.
10:24
There's some basic things that you would want to understand.
252
609000
3000
چیزهای اولیه ای که بخواهید بفهمید دراین وجود داره.
10:27
Two great examples are drugs,
253
612000
2000
دو مثال عالی داروها هستند
10:29
Prozac and Wellbutrin.
254
614000
2000
پروزاک و ولبوترین.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
اینها بطوررایجی بعنوان ضد افسردگی تجویز میشوند.
10:34
Now remember, we're assaying genes.
256
619000
2000
بیاد داشته باشید ما داریم ژنها را ارزیابی میکنیم.
10:36
Genes send the instructions to make proteins.
257
621000
3000
ژنها دستورالعملها را برای ساخت پروتیین ارسال میکنند.
10:39
Proteins are targets for drugs.
258
624000
2000
پروتیینها برای داروها هدف هستند.
10:41
So drugs bind to proteins
259
626000
2000
درنتیجه داروها یا به پروتیینها متصل میشوند
10:43
and either turn them off, etc.
260
628000
2000
ویا اونها را خاموش میکنند.
10:45
So if you want to understand the action of drugs,
261
630000
2000
درنتیجه اگر شما میخواهید که بفهمید اثر داروها را دریابید
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
یا میخواهید بفهمید اونها چگونه دارند درمسیری که میخواهید عمل میکنند
10:50
and also in the ways you don't want them to.
263
635000
2000
و همچنین درراههایی که شما آن را نمیخواهید .
10:52
In the side effect profile, etc.,
264
637000
2000
درعوارض جانبی عملکرد آن وغیره،
10:54
you want to see where those genes are turned on.
265
639000
2000
شما مکانی را که این ژنها دارند فعال میشوند میخواهید ببینید.
10:56
And for the first time, we can actually do that.
266
641000
2000
وبرای اولین بار ما عملا میتوانیم اونو انجام بدهیم.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
ما میتوانیم اونو در افراد متعددی که اونها را ارزیابی هم کردیم ، انجام دهیم.
11:01
So now we can look throughout the brain.
268
646000
3000
حالا الان ما میتوانیم به همه مغزنگاه بندازیم.
11:04
We can see this unique fingerprint.
269
649000
2000
ما میتوانیم این اثر انگشت منحصربفرد را ببینیم.
11:06
And we get confirmation.
270
651000
2000
ما این تاییدیه رامیگیریم
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
ما تایید را میگیریم که این ژن فعال است—
11:11
for something like Prozac,
272
656000
2000
برای چیزی مثل پروزک
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
در ساختارهای سروتونرژیک چیزهایی که قبلا متاثر شناخته میشده اند—
11:16
but we also get to see the whole thing.
274
661000
2000
اما ما داریم به دیدن اجسام بطور کلی گرایانه عادت میکنیم.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
ماهمچنین داریم عادت به دیدن مناطقی که هیچکس قبلا بهش نگاه نکرده باشه داریم.
11:20
and we see these genes turned on there.
276
665000
2000
واونجا ما اون ژنها رو فعال شده میبینیم .
11:22
It's as interesting a side effect as it could be.
277
667000
3000
این یک عارضه جانبی جالبه اونطوری که میتونه باشه.
11:25
One other thing you can do with such a thing
278
670000
2000
یک چیز دیگه که با این چیزها میتونید انجام بدید این
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
است که، این یک مدل هماهنگ کننده تمرینی میتونید انجام دهید،
11:30
because there's unique fingerprint,
280
675000
2000
بخاطر اینکه مثل اثر انگشت منحصر بفرد است،
11:32
we can actually scan through the entire genome
281
677000
2000
که ازمیان کل ژنوم عملا میتوانیم اسکن کنیم
11:34
and find other proteins
282
679000
2000
و سایر پروتیینها را پیدا کنیم
11:36
that show a similar fingerprint.
283
681000
2000
که مثل یک اثرانگشت مشابه را نشان میدهند.
11:38
So if you're in drug discovery, for example,
284
683000
3000
برای مثال اگر شما درحال کشف دارو هستید
11:41
you can go through
285
686000
2000
میتوانید ازطریق
11:43
an entire listing of what the genome has on offer
286
688000
2000
میتوانید از طریق لیست کاملی که این ژنوم برای یافتن اهداف بهتر و بهیته شده، پیشنهادی میکند، بروید.
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
میتوانید از طریق لیست کاملی که این ژنوم برای یافتن اهداف بهتر و بهیته شده، پیشنهادی میکند، بروید.
11:49
Most of you are probably familiar
288
694000
2000
بیشترشما احتمالا آشنا با
11:51
with genome-wide association studies
289
696000
2000
مطالعات گسترده انجام شده بر ژنوم هستید
11:53
in the form of people covering in the news
290
698000
3000
در فرمکه که دراخباربرای پوشش مردمی ارايه میشوند
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
که میگه"اخیراً دانشمندان ژن یاژنهایی
11:59
which affect X."
292
704000
2000
را با Xمتاثر را کشف کرده اند."
12:01
And so these kinds of studies
293
706000
2000
خُب این نوع مطالعات
12:03
are routinely published by scientists
294
708000
2000
بطور روزمره بوسیله دانشمندان منتشر میشوند
12:05
and they're great. They analyze large populations.
295
710000
2000
واونها عالی هستند.اونها جوامع بزرگ را تجزیه میکنند.
12:07
They look at their entire genomes,
296
712000
2000
اونها به همه ژنوم هایشان نگاه میکنند
12:09
and they try to find hot spots of activity
297
714000
2000
و سعی میکنند که نقاطی که فعالیت زیادی دارند را پیدا کنند
12:11
that are linked causally to genes.
298
716000
3000
که بطورتصادفی به ژنها مرتبط هستند.
12:14
But what you get out of such an exercise
299
719000
2000
اما آنچه شما از اینچنین آزمایشاتی دستگیرتان میشود
12:16
is simply a list of genes.
300
721000
2000
فقط یک لیست از ژنهاست.همین.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
این چرا بشما میگه ، ولی کجا را به شما نمیگه.
12:21
And so it's very important for those researchers
302
726000
3000
بنابر این برای این محققان که ما این منابع را برایشان ایجاد کردیم ، این بسیار مهم است .
12:24
that we've created this resource.
303
729000
2000
بنابر این برای این محققان که ما این منابع را برایشان ایجاد کردیم ، این بسیار مهم است .
12:26
Now they can come in
304
731000
2000
اکنون اونها میتوانند وارد شوند ومیتوانند شروع به گرفتن سرنخهایی درباره فعالیت میکنند.
12:28
and they can start to get clues about activity.
305
733000
2000
اکنون اونها میتوانند وارد شوند ومیتوانند شروع به گرفتن سرنخهایی درباره فعالیت میکنند.
12:30
They can start to look at common pathways --
306
735000
2000
اونها میتوانند به راههای مشترک نگاه کنند—
12:32
other things that they simply haven't been able to do before.
307
737000
3000
راههای دیگری که اونها قبلاً بسادگی قادر به انجام آن کار نبوده اند .
12:36
So I think this audience in particular
308
741000
3000
درنتیجه فکر میکنم این مخاطبین بویژه
12:39
can understand the importance of individuality.
309
744000
3000
میتوانند اهمیت منحصر بفرد بودن را بفهمند.
12:42
And I think every human,
310
747000
2000
ومن فکر میکنم هر انسانی،
12:44
we all have different genetic backgrounds,
311
749000
4000
و همه ما زمینه ژنتیکی مختلفی را داریم،
12:48
we all have lived separate lives.
312
753000
2000
ما همه زندگی جداگانه ای کرده ایم.
12:50
But the fact is
313
755000
2000
ولی واقعیت اینه که
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
ژنوم ما بیشتر از 99 درصد شبیه هم است.
12:55
We're similar at the genetic level.
315
760000
3000
ما درسطوح ژنتیکی شبیه هم هستیم.
12:58
And what we're finding
316
763000
2000
وآنچه واقعا ما می یابیم، حتی در سطح بیوشیمیایی مغز، ما بسیار شبیه هستیم.
13:00
is actually, even at the brain biochemical level,
317
765000
2000
وآنچه واقعا ما می یابیم، حتی در سطح بیوشیمیایی مغز، ما بسیار شبیه هستیم.
13:02
we are quite similar.
318
767000
2000
وآنچه واقعا ما می یابیم، حتی در سطح بیوشیمیایی مغز، ما بسیار شبیه هستیم.
13:04
And so this shows it's not 99 percent,
319
769000
2000
ودرنتیجه این نشان میدهد که این 99 درصد نیست،
13:06
but it's roughly 90 percent correspondence
320
771000
2000
تقریبا اینها در یک برش منطقی 90 درصد با هم مطابقت دارند،
13:08
at a reasonable cutoff,
321
773000
3000
تقریبا اینها در یک برش منطقی 90 درصد با هم مطابقت دارند،
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
و هرچیزی در این توده تقریبا بهم وابسته است.
13:13
And then we find some outliers,
323
778000
2000
و بعد ما چیزهای دوری را پیدا میکنیم
13:15
some things that lie beyond the cloud.
324
780000
3000
چیزهایی که پشت توده ها قرار میگیرند.
13:18
And those genes are interesting,
325
783000
2000
واون ژنها جالبند
13:20
but they're very subtle.
326
785000
2000
اونها خیلی زیرکند.
13:22
So I think it's an important message
327
787000
3000
من فکرمیکنم این پیام مهمی است که امروز به خانه ببریم
13:25
to take home today
328
790000
2000
من فکرمیکنم این پیام مهمی است که امروز به خانه ببریم
13:27
that even though we celebrate all of our differences,
329
792000
3000
که اگرچه ما تمام تفاوتها یمان را جشن میگیریم،
13:30
we are quite similar
330
795000
2000
ولی ما بسیار شبیه به هم هستیم.
13:32
even at the brain level.
331
797000
2000
حتی در سطح مغز.
13:34
Now what do those differences look like?
332
799000
2000
حالا این تفاوتها شبیه چی هستند؟
13:36
This is an example of a study that we did
333
801000
2000
این یک مثال از یک مطالعه ایه که ما انجام دادیم
13:38
to follow up and see what exactly those differences were --
334
803000
2000
برای دنبال کردن و مشاهده اینکه دقیقا اون تفاوتها چه بودند—
13:40
and they're quite subtle.
335
805000
2000
واونها خیلی زیرکند.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
چیزهایی هستند که ژنها فعال هستند در یک نوع اینها سلول.
13:46
These are two genes that we found as good examples.
337
811000
3000
دوتا از ژنهایی که ما یافتیم مثالهای خوبی هستند
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
یکیش نامیده میشه RELN—اون شامل سرنخهای توسعه ای اولیه است.
13:52
DISC1 is a gene
339
817000
2000
دیسک 1 است که در بیماری شیزوفرنیایی ( نوعی جنون) از مغزحذف شده
13:54
that's deleted in schizophrenia.
340
819000
2000
دیسک 1 است که در بیماری شیزوفرنیایی ( نوعی جنون) از مغزحذف شده
13:56
These aren't schizophrenic individuals,
341
821000
2000
اینها بتنهایی شیزوفرنیایی نیستند
13:58
but they do show some population variation.
342
823000
3000
اما اونها برخی تغییرات جمعیتی را نشان میدهند.
14:01
And so what you're looking at here
343
826000
2000
و آنچه شما دارید بهش نگاه میکنید اینجا
14:03
in donor one and donor four,
344
828000
2000
دردهنده 1 و دهنده 4
14:05
which are the exceptions to the other two,
345
830000
2000
که نسبت به اون دوتای دیگه استثنا هستند
14:07
that genes are being turned on
346
832000
2000
که ژنها دارند فعال میشن
14:09
in a very specific subset of cells.
347
834000
2000
دریک زیرمجموعه سلولها.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
این ارغوانی تیره بسرعت درسلول عمل میکند
14:14
that's telling us a gene is turned on there.
349
839000
3000
که بما میگه یک ژن اونجا فعاله.
14:17
Whether or not that's due
350
842000
2000
درسته یا نه این بدلیل
14:19
to an individual's genetic background or their experiences,
351
844000
2000
یک سابقه ژنتیکی انفرادیه یا تجربیاتی
14:21
we don't know.
352
846000
2000
که ما نمیدانیم.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
ایندست از مطالعات نیازمند جمعیت خیلی بزرگتریه.
14:28
So I'm going to leave you with a final note
354
853000
2000
خُب من شما را با یک نکته نهایی در باره پیچیدگی مغز ترک میکنم و اینکه چی میزان ما هنوز باید بر روی آن کار کنیم.
14:30
about the complexity of the brain
355
855000
3000
خُب من شما را با یک نکته نهایی در باره پیچیدگی مغز ترک میکنم و اینکه چی میزان ما هنوز باید بر روی آن کار کنیم.
14:33
and how much more we have to go.
356
858000
2000
خُب من شما را با یک نکته نهایی در باره پیچیدگی مغز ترک میکنم و اینکه چی میزان ما هنوز باید بر روی آن کار کنیم.
14:35
I think these resources are incredibly valuable.
357
860000
2000
من فکر میکنم این منابع بشکل باور نکردنی ای ارزشمندند.
14:37
They give researchers a handle
358
862000
2000
اونها به محققان وسیله ای میدهند
14:39
on where to go.
359
864000
2000
که به کجا بروند.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
ولی ما فقط به یک مشت افراد منحصر بفرد از این نظر نگاه کردیم.
14:44
We're certainly going to be looking at more.
361
869000
2000
یقینا قرار است که ما به آنها بیشتر نگاه کنیم.
14:46
I'll just close by saying
362
871000
2000
من با گفتن یک مطلب به آخر بحث میروم
14:48
that the tools are there,
363
873000
2000
اینکه این ابزار اینجاست،
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
و این واقعا قاره کشف نشده و شناخته نشده است.
14:54
This is the new frontier, if you will.
365
879000
4000
این مرز جدیدی است ، اگر شما بخواهید.
14:58
And so for those who are undaunted,
366
883000
2000
و برای کسانی که رام نشده هستند
15:00
but humbled by the complexity of the brain,
367
885000
2000
ولی فروتن ناشی از پیچیدگی مغز،
15:02
the future awaits.
368
887000
2000
و منتظران آینده
15:04
Thanks.
369
889000
2000
متشکرم.
15:06
(Applause)
370
891000
9000
(تشویق حاضرین)
ABOUT THE SPEAKER
Allan Jones - Brain scientistAs CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.
Why you should listen
The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.
Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.
He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."
Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>
Allan Jones | Speaker | TED.com