TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
استیو مک‌کارول: چگونه داده‌ها به ما کمک می‌کنند پرده از رازهای مغز برداریم
Filmed:
Readability: 4.8
1,529,178 views
دانشمند ژنتیک استیو مک‌کارول می‌خواهد اطلس همه سلول های بدن انسان را بسازد به طرزی که ما بتوانیم با جزئیات دقیق درکی از اینکه ژن های خاص، به ویژه در مغزچگونه کار می کنند، بدست آوریم. در این گفتار جذاب، او ما را در جریان پیشرفت تیم خود از جمله در اختراع "Drop-seq" می‌گذارد، یک فنآوری که دانشمندان را قادر می سازد تا سلول های انفرادی را در مقیاسی که تا کنون ممکن نبوده است، تحلیل و بررسی کنند، و توضیح می‌دهد که چگونه این پژوهش می‌تواند منجر به ایجاد راه‌های نوین برای درمان بیماریهای روانی مانند شیزوفرنی شود.
Steve McCarroll - Geneticist
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Double-click the English transcript below to play the video.
00:12
Nine years ago,
0
785
1704
نُه سال پیش،
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
خواهرم در بازو و گردن خود
توده‌‌‌‌هایی پیدا کرد
توده‌‌‌‌هایی پیدا کرد
00:17
and was diagnosed with cancer.
2
5638
1760
که سرطان تشخیص داده شد.
00:20
From that day, she started to benefit
3
8985
3199
از آن روز او از فوایدی بهره‌مند می‌شد که
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
درک درستی که علوم پایه از سرطان دارد،
برای او به ارمغان می‌آورد.
برای او به ارمغان می‌آورد.
00:28
Every time she went to the doctor,
5
16206
2099
هربار که پیش دکتر می‌‌‌‌‌‌رفت،
00:30
they measured specific molecules
6
18329
2194
نوع خاصی مولکول را اندازه گیری می‌کردند،
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
که نشان می‌داد حال او چطور است
00:35
and what to do next.
8
23452
1309
و قدم بعدی کدام است.
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
هر چند‌سال گزینه‌های درمانی جدیدی
از راه می‌رسید.
از راه می‌رسید.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
همه می‌دیدند او چطور دلیرانه با یک
00:47
with a biological illness.
11
35412
1728
بیماری جسمی دست‌وپنجه نرم می‌کند.
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
بهار امسال تحت درمان
نو‌آورانه‌ای قرار گرفت
نو‌آورانه‌ای قرار گرفت
00:54
in a clinical trial.
13
42528
1202
در یک کارآزمایی بالینی،
00:55
It dramatically knocked back her cancer.
14
43754
2224
که به طرز چشمگیری غده را سرکوب کرد.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
اگر گفتید عید شکرگزاری امسال را
با که می‌گذرانم؟
با که می‌گذرانم؟
01:02
My vivacious sister,
16
50022
2267
با خواهر سر‌زنده ام،
01:04
who gets more exercise than I do,
17
52313
2629
که از من بیشتر ورزش می‌کند،
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
و شاید مثل بسیاری از شما که اینجا هستید،
01:09
increasingly talks about a lethal illness
19
57849
2292
هرچه بیشتر، از یک بیماری کشنده
01:12
in the past tense.
20
60165
1263
با قید گذشته یاد می‌کند.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
علم قادر است در طول یک عمر --
حتی یک دهه --
حتی یک دهه --
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
مفهوم ابتلا به یک بیماری خاص را
بکلی دگرگون کند.
بکلی دگرگون کند.
01:24
But not for all illnesses.
23
72055
1534
ولی نه برای همه بیماریها.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
من و دوستم رابرت دردانشگاه هم دوره بودیم.
01:31
Robert was smart,
25
79121
1801
رابرت باهوش بود،
01:32
but with each passing month,
26
80946
1477
ولی هرماه که می‌گذشت
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
انگار تفکر او بیشترمغشوش می‌شد.
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
او ترک تحصیل کرد،
در فروشگاهی مشغول به کار شد ...
در فروشگاهی مشغول به کار شد ...
01:41
But that, too, became too complicated.
29
89463
2218
ولی همان هم دشوار شد.
01:44
Robert became fearful and withdrawn.
30
92559
2945
رابرت دچار ترس، و مردم‌گریز شد.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
یک سال‌و نیم بعد دچار صداهای موهومی شد
01:50
and believing that people
were following him.
were following him.
32
98686
2197
و فکر می‌کرد کسانی تعقیب‌اش می کنند.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
تشخیص دکترها شیزوفرنی بود.
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
و بهترین داروی ممکن را برای او نوشتند.
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
آن دارو صداها را قدری آرام می‌کرد،
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
ولی برای حفظ ذهن بشاش او
و جوشش اجتماعی او کارگر نبود.
و جوشش اجتماعی او کارگر نبود.
02:06
Robert struggled to remain connected
37
114270
1856
رابرت تقلا می‌کرد تا رابطه‌اش را با
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
دنیای رفقا، کار و دانشگاه حفظ کند.
02:11
He drifted away,
39
119031
1383
او محو می‌شد و
02:12
and today I don't know where to find him.
40
120438
2285
من امروز هیچ نشانی از او ندارم.
02:15
If he watches this,
41
123593
1479
اگر این فیلم را می‌بیند،
02:17
I hope he'll find me.
42
125962
1628
امیدوارم مرا پیدا کند.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
چطور علم پزشکی
این‌همه دستاورد برای خواهر من دارد و
این‌همه دستاورد برای خواهر من دارد و
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
برای میلیونها نفر مثل رابرت
اینچنین دست‌خالی است؟
اینچنین دست‌خالی است؟
02:32
The need is there.
45
140952
1290
نیاز در آنجاست.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
طبق برآورد سازمان جهانی بهداشت
بیماریهای مغزی
بیماریهای مغزی
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
مثل شیزوفرنی،
ناهنجاری دوقطبی و افسردگی حاد
ناهنجاری دوقطبی و افسردگی حاد
02:41
are the world's largest cause
of lost years of life and work.
of lost years of life and work.
48
149582
4971
بزرگترین عامل سالها افتادگی از کار
و از زندگی در تمام جهان هستند.
و از زندگی در تمام جهان هستند.
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
بخشی به آن دلیل که این ناراحتی‌ها
اغلب در آغاز زندگی بروز می‌کنند،
اغلب در آغاز زندگی بروز می‌کنند،
02:51
in many ways, in the prime of life,
50
159392
2181
به هر طریق در بهترین دوران زندگی،
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
درست وقتی افراد فارغ‌التحصیل می‌شوند،
آغاز بکار می‌کنند،
آغاز بکار می‌کنند،
02:58
forming relationships and families.
52
166085
2279
دارای روابط و خانواده می‌شوند.
03:00
These illnesses can result in suicide;
53
168388
2829
این ناراحتی‌ها می‌توانند
منجر به خودکشی شوند،
منجر به خودکشی شوند،
03:03
they often compromise one's ability
to work at one's full potential;
to work at one's full potential;
54
171907
4567
اغلب سبب می‌شوند فرد
قادر به انجام کار به بهترین شکل نباشد،
قادر به انجام کار به بهترین شکل نباشد،
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
و پایان‌های غم‌بار بسیاری به بار می‌آورند
که قابل اندازه‌گیری نیستند:
که قابل اندازه‌گیری نیستند:
03:13
lost relationships and connections,
56
181246
2438
روابط و پیوندهای گسیخته،
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
فرصتهای از دست‌رفته
برای رسیدن به رویاها و آرزوها.
برای رسیدن به رویاها و آرزوها.
03:19
These illnesses limit human possibilities
58
187533
3005
این بیماریها امکانات بشری را به صورت‌هایی
03:22
in ways we simply cannot measure.
59
190562
2154
که نمی‌توان اندازه گرفت،
پایین می‌آورند.
پایین می‌آورند.
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
ما در عصری زندگی می‌کنیم که
علوم پزشکی پیشرفتهای شگرفی
علوم پزشکی پیشرفتهای شگرفی
03:31
on so many other fronts.
61
199533
1811
در عرصه‌های دیگر بدست آورده‌است.
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
نمونه خوب آن بیماری خواهر من است
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
همچنین بیماریهای قلبی.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
داروهایی چون استاتین‌ها از میلیونها
سکته قلبی و مغزی پیشگیری می‌کنند.
سکته قلبی و مغزی پیشگیری می‌کنند.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
وقتی به این عرصه‌های
شگرف پیشروی پزشکی نگاه می‌کنیم
شگرف پیشروی پزشکی نگاه می‌کنیم
03:46
in our lifetimes,
66
214016
1464
در زمانی که ما زندگی می‌کنیم،
03:47
they have a narrative in common:
67
215504
1674
می‌بینیم یک داستان مشترک دارند:
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
دانشمندان به مولکولی دست یافتند
که برای یک بیماری مهم بود،
که برای یک بیماری مهم بود،
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
و سپس راههایی برای ردیابی و
اندازه‌گیری آن ابداع کردند،
اندازه‌گیری آن ابداع کردند،
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
همچنین مسیرهایی برای
مداخله در نحوه کار آن مولکول
مداخله در نحوه کار آن مولکول
04:03
using other molecules -- medicines.
71
231294
2048
بکمک مولکول دیگری -- به نام دارو.
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
یک راهبردی که
بارها و بارها ثمربخش بوده است.
بارها و بارها ثمربخش بوده است.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
نوبت به مغز که می‌رسد اما،
آن راهبرد دچار محدودیت میشود.
آن راهبرد دچار محدودیت میشود.
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
چرا که امروز دانش ما هنوز کافی نیست
04:19
about how the brain works.
75
247695
1852
از‌اینکه مغز چگونه کار می‌کند.
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
ما می‌بایست دریابیم کدامیک از سلولها
در یک بیماری نقش دارند،
در یک بیماری نقش دارند،
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
و کدام مولکول آن سلولها
در بیماری نقش دارند.
در بیماری نقش دارند.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
و این رسالتی است که
امروز می‌خواهم از آن گفتگو کنم.
امروز می‌خواهم از آن گفتگو کنم.
04:34
My lab develops technologies
with which we try to turn the brain
with which we try to turn the brain
79
262781
3809
آزمایشگاه من فن‌آوری‌هایی را
ایجاد می‌کند تا مغز را بتوان بدل
ایجاد می‌کند تا مغز را بتوان بدل
04:38
into a big-data problem.
80
266614
1700
به یک صورت‌مساله کلان‌داده کرد.
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
قبل از اینکه زیست‌شناس بشوم من در
حوزه ریاضی و کامپیوتر کار می‌کردم،
حوزه ریاضی و کامپیوتر کار می‌کردم،
04:43
and I learned this lesson:
82
271898
1324
و این درسی است که فرا گرفتم:
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
هر جا بشود دست به گردآوری انبوهی
از اقسام دادههای مناسب زد،
از اقسام دادههای مناسب زد،
04:50
about the functioning of a system,
84
278573
2030
درباره اینکه یک سیستم چگونه کار می‌کند،
04:53
you can use computers in powerful new ways
85
281365
3618
می‌توان از رایانه، با شیوه‌های
پرقدرت نوینی بهره جست
پرقدرت نوینی بهره جست
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
برای درک آن سیستم
و اینکه بیاموزیم چگونه کار می‌کند.
و اینکه بیاموزیم چگونه کار می‌کند.
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
رویکردهای کلان داده امروز
در‌حال دگرگون ساختن
در‌حال دگرگون ساختن
05:02
ever-larger sectors of our economy,
88
290802
2483
بخش‌های هرچه وسیع‌تراقتصاد ما هستند و
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
می‌توانند همین تاثیر را بر
علوم زیستی و پزشکی بگذارند.
علوم زیستی و پزشکی بگذارند.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
ولی می‌بایست دادههای
مناسب را در اختیار داشت.
مناسب را در اختیار داشت.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
داده درباره چیزهای مناسب.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
این اغلب نیازمند
ایده و فنآوری نوین است.
ایده و فنآوری نوین است.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
و این رسالتی است که دانشمندان را
درآزمایشگاه من برانگیخته می‌کند.
درآزمایشگاه من برانگیخته می‌کند.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
امروز می‌خواهم دو قصه کوتاه از
کاری که می‌کنیم برایتان بگویم.
کاری که می‌کنیم برایتان بگویم.
05:27
One fundamental obstacle we face
95
315427
3104
یک سد بنیادی بر سر راه ما
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
در تلاش برای تبدیل مغز به مساله کلان‌داده
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
آن است که مغز ما از
میلیاردها یاخته (سلول) ترکیب و ساخته شده،
میلیاردها یاخته (سلول) ترکیب و ساخته شده،
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
و کار این یاخته‌ها عمومی نیست،
بلکه تخصصی است.
بلکه تخصصی است.
05:43
Like humans at work,
99
331129
2089
همانطور که آدمها در حرفه‌های خود هستند.
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
اینها هم بین هزاران گونه حرفهٔ سلولی،
در یکی تخصصی شده،
در یکی تخصصی شده،
05:50
or cell types.
101
338540
1367
و نوع خاصی از سلول می‌شوند.
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
در واقع هر یاخته بدن ما
05:55
could probably give a lively TED Talk
103
343391
1878
می‌شد یک سخنرانی پرشور TED اجرا کند
05:57
about what it does at work.
104
345293
1542
درباره کاری که انجام می‌دهد.
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
ولی در‌جایگاه دانشمند،
ما امروز حتی نمی‌دانیم
ما امروز حتی نمی‌دانیم
06:02
how many cell types there are,
106
350816
1907
چند نوع یاخته وجود دارد،
06:04
and we don't know what the titles
of most of those talks would be.
of most of those talks would be.
107
352747
3277
و نمی‌دانیم سرفصل
بیشتر آن سخنرانی‌ها چه می‌توانست باشد.
بیشتر آن سخنرانی‌ها چه می‌توانست باشد.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
ولی، چیزهای مهم بسیاری
از انواع یاخته‌ها می‌دانیم.
از انواع یاخته‌ها می‌دانیم.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
می توانند به طور چشمگیری
در اندازه و شکل متفاوت باشند.
در اندازه و شکل متفاوت باشند.
06:17
One will respond to a molecule
that the other doesn't respond to,
that the other doesn't respond to,
110
365578
4135
یکی به مولکولی پاسخ می‌دهد
که آن دیگری نمی‌دهد،
که آن دیگری نمی‌دهد،
06:21
they'll make different molecules.
111
369737
1794
مولکولهای متفاوتی تولید می‌کنند.
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
اما دست‌یابی علوم به این
بینش‌ها عمدتا
بینش‌ها عمدتا
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
مرتبط با شرایط ویژه و
برای یک نوع سلول بوده
برای یک نوع سلول بوده
06:29
one molecule at a time.
114
377067
1486
و یک نوع مولکول.
06:31
We wanted to make it possible to learn
all of this quickly and systematically.
all of this quickly and systematically.
115
379854
4731
ما می‌خواستیم کاری کنیم تا بشود
همه اینها را روشمند و با‌سرعت بیاموزیم.
همه اینها را روشمند و با‌سرعت بیاموزیم.
06:37
Now, until recently, it was the case
116
385673
1748
حالا، تا همین اواخر اینطوربود که
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
اگرمی‌خواستیم موجودی
کل مولکولی را بررسی کنیم
کل مولکولی را بررسی کنیم
06:42
in a part of the brain or any organ,
118
390545
2925
در ناحیه‌ای از مغز یا اندامی دیگر،
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
اول می‌بایست همه آنرا له می‌کردیم
و بشکل خمیر همگن سلولی درمی‌آوردیم.
و بشکل خمیر همگن سلولی درمی‌آوردیم.
06:50
But that's a problem.
120
398678
1230
ولی این یک اشکال دارد.
06:52
As soon as you've ground up the cells,
121
400737
2538
همین که از سلولها خمیری تهیه کنیم
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
فقط می‌توانیم محتوای
سلول میانگین رامطالعه کنیم
سلول میانگین رامطالعه کنیم
06:58
not the individual cells.
123
406834
1595
و نه فرد فرد سلولها را.
07:01
Imagine if you were trying to understand
how a big city like New York works,
how a big city like New York works,
124
409182
3709
تصور کنید اگر می‌خواستیم درکی از
شهربزرگی چون نیویورک بدست آوریم،
شهربزرگی چون نیویورک بدست آوریم،
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
ولی فقط با دسترسی به مرور بخشی از آمار
07:07
about the average resident of New York.
126
415481
2029
فرد متوسط ساکن نیویورک.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
بدیهی است چیز زیادی دستگیرمان نمی‌‌شد،
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
زیرا تمام آنچه جالب،
با‌اهمیت و پرهیجان است،
با‌اهمیت و پرهیجان است،
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
در آن‌همه نا‌همگونی،
و ویژگی داشتن است.
و ویژگی داشتن است.
07:18
And the same thing is true of our cells.
130
426420
2606
این دربارهٔ سلولهای ما هم صادق است.
07:21
And we wanted to make it possible to study
the brain not as a cellular smoothie
the brain not as a cellular smoothie
131
429050
4750
ما می خواستیم مطالعهٔ مغز را
نه به مثابه خمیر سلولی
نه به مثابه خمیر سلولی
07:25
but as a cellular fruit salad,
132
433824
2478
بلکه سالاد میوهٔ سلولی ممکن سازیم،
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
تا در آن تولید داده،
و فراگیری دربارهٔ
و فراگیری دربارهٔ
07:30
each individual piece of fruit.
134
438954
1838
هر قطعهٔ میوه به تنهایی امکان‌پذیر باشد.
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
بنابر‌این یک فنآوری برای
انجام این کار پدید آوردیم.
انجام این کار پدید آوردیم.
07:36
You're about to see a movie of it.
136
444995
1729
الان فیلمی درباره آن خواهید دید.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
اینجا ما ده‌ها هزار
سلول منفرد را بسته بندی می‌کنیم،
سلول منفرد را بسته بندی می‌کنیم،
07:45
each into its own tiny water droplet
138
453529
2923
هر کدام در یک قطره آب کوچک جدا
07:48
for its own molecular analysis.
139
456476
2211
برای بررسی مولکولی جداگانه.
07:51
When a cell lands in a droplet,
it's greeted by a tiny bead,
it's greeted by a tiny bead,
140
459921
4123
هنگامی که سلول وارد قطره میشود
یک دانه مهرهٔ کوچکی به او خوشآمد می‌گوید
یک دانه مهرهٔ کوچکی به او خوشآمد می‌گوید
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
که حامل میلیونها
مولکول رمز خط نماد DNA می‌باشد.
مولکول رمز خط نماد DNA می‌باشد.
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
و هر مهره توالی رمز متفاوتی ارايه می‌دهد
08:04
to a different cell.
143
472447
1243
برای سلول متفاوتی.
08:06
We incorporate the DNA bar codes
144
474884
2581
ما رمز خط نماد DNA را پیوست
08:09
into each cell's RNA molecules.
145
477489
3058
به مولکول RNA در هر سلول می‌کنیم.
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
اینها رونوشت مولکولی هستند
که سلول می‌سازد
که سلول می‌سازد
08:15
of the specific genes
that it's using to do its job.
that it's using to do its job.
147
483431
3103
مطابق ژنهای خاصی که
برای انجام حرفه اش بکار می‌برد.
برای انجام حرفه اش بکار می‌برد.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
سپس میلیاردها از این مولکولهای ترکیبی
را توالی خوانی می‌کنیم
را توالی خوانی می‌کنیم
08:24
and use the sequences to tell us
149
492532
2498
و توالی خوانی به ما می‌گوید
08:27
which cell and which gene
150
495054
2602
از کدام سلول و کدام ژن
08:29
every molecule came from.
151
497680
1540
هر مولکول سرچشمه گرفته است.
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
ما این رویکرد را "دراپ-سیک" نامیده‌ایم
زیرا با کمک قطره
زیرا با کمک قطره
08:35
to separate the cells for analysis,
153
503877
2575
سلولها را برای تحلیل از هم جدا می‌کنیم.
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
و با رشته‌های DNA
برچسب‌گذاری می‌کنیم تا بررسی و
برچسب‌گذاری می‌کنیم تا بررسی و
08:41
and keep track of everything.
155
509945
1488
و پیگیری همه چیزها ممکن باشد.
08:44
And now, whenever we do an experiment,
156
512727
1976
اکنون هرگاه آزمایشی انجام می‌دهیم،
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
ده‌ها هزار سلول واحد را بررسی می‌کنیم.
08:51
And today in this area of science,
158
519018
2624
و امروزه در این بخش از علوم،
08:53
the challenge is increasingly
how to learn as much as we can
how to learn as much as we can
159
521666
4931
چالش روز‌افزون این شده است
که چطور هرچه بیشتر بیاموزیم،
که چطور هرچه بیشتر بیاموزیم،
08:58
as quickly as we can
160
526621
1872
و تا جای ممکن هر چه سریع‌تر،
09:00
from these vast data sets.
161
528517
1738
از این مجموعه دادههای گسترده.
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
هنگامی که دست بکار ساختن
دراپ-سیک بودیم دیگران می‌گفتند
دراپ-سیک بودیم دیگران می‌گفتند
09:07
"Oh, this is going to make you guys
the go-to for every major brain project."
the go-to for every major brain project."
163
535708
4804
"اوه، این راه ورود شما به
هر طرح عظیم مغز را خواهد گشود"
هر طرح عظیم مغز را خواهد گشود"
09:13
That's not how we saw it.
164
541257
1544
ما اینگونه نگاه نمی‌کردیم.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
دانش وقتی در یهترین حالت است که هر کس
موفق به تولید دادههای مهیج زیادی بشود.
موفق به تولید دادههای مهیج زیادی بشود.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
ازاینرو ما یک دستورعمل ۲۵ صفحه‌ای نوشتیم
09:23
with which any scientist could build
their own Drop-seq system from scratch.
their own Drop-seq system from scratch.
167
551435
4578
که با کمک آن هر دانشمند علوم بتواند
سیستم دراپ-سیک خود را از صفر بسازد.
سیستم دراپ-سیک خود را از صفر بسازد.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
این کتابچه آموزشی
از تارنمای آزمایشگاه ما، تا حالا
از تارنمای آزمایشگاه ما، تا حالا
09:31
50,000 times in the past two years.
169
559758
2965
۵۰٫۰۰۰ بار در دو سال گدشته،
بارگیری شده است.
بارگیری شده است.
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
ما نرم‌افزاری نوشتیم تا
هر دانشمند بتواند آنرا
هر دانشمند بتواند آنرا
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
برای تحلیل داده های
آزمایش دراپ-سیک بکار برد،
آزمایش دراپ-سیک بکار برد،
09:41
and that software is also free,
172
569596
1715
و آن نرم‌افزار هم رایگان است،
09:43
and it's been downloaded from our website
30,000 times in the past two years.
30,000 times in the past two years.
173
571335
4388
و از تارنمای ما ۳۰٫۰۰۰ بار
در دو سال گذشته بارگیری شده‌است.
در دو سال گذشته بارگیری شده‌است.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
و صدها آزمایشگاه به ما
درباره یافته‌های خود نوشته‌اند
درباره یافته‌های خود نوشته‌اند
09:53
using this approach.
175
581331
1443
از بکارگیری این رویکرد.
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
امروزه این فناوری برای پدید‌آوردن
یک اطلس یاخته انسانی بکار می‌رود.
یک اطلس یاخته انسانی بکار می‌رود.
09:58
It will be an atlas of all
of the cell types in the human body
of the cell types in the human body
177
586382
3354
این یک اطلس از همه گونه‌های
یاخته (سلول) در بدن انسان خواهد بود
یاخته (سلول) در بدن انسان خواهد بود
10:01
and the specific genes
that each cell type uses to do its job.
that each cell type uses to do its job.
178
589760
3680
و ژنهای ویژه‌ای که هر گونه سلول
در انجام وظیفه خود بکار می‌برد.
در انجام وظیفه خود بکار می‌برد.
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
اکنون می‌خواهم از چالش دومی
بگویم که ما با آن هنگام
بگویم که ما با آن هنگام
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
برگرداندن مغز به یک موضوع
بزرگ داده‌ای، روبروییم.
بزرگ داده‌ای، روبروییم.
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
آن چالش این است که می‌خواهیم درباره مغزهای
10:16
of hundreds of thousands of living people.
182
604808
2444
صدها هزار انسان زنده بیاموزیم.
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
ولی مغز مادامی که زنده هستیم
قابل دسترسی نیست.
قابل دسترسی نیست.
10:24
But how can we discover molecular factors
if we can't hold the molecules?
if we can't hold the molecules?
184
612895
3960
چگونه می‌توان به عوامل مولکولی پی برد
وقتی نمی‌توان مولکولها را در دست گرقت؟
وقتی نمی‌توان مولکولها را در دست گرقت؟
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
یک پاسخ از این واقعیت می آید که
پراطلاعات ترین مولکولها، پروتئین ها،
پراطلاعات ترین مولکولها، پروتئین ها،
10:34
are encoded in our DNA,
186
622924
1782
در DNA ما رمزگذاری شده‌اند،
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
که حاوی دستوری هستند که یاخته‌های ما
برای ساختن پروتئین‌ها از آن پیروی می‌کنند.
برای ساختن پروتئین‌ها از آن پیروی می‌کنند.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
و این دستورها برای فرد فرد ما متفاوت است
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
طوری که سبب می‌شوند پروتیٔین‌های ما
از فردی به فرد دیگر فرق کنند
از فردی به فرد دیگر فرق کنند
10:50
in their precise sequence
190
638335
1787
در چگونگی دقیق ترتیب وتوالی
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
و در مقادیری که هر یاخته
از هر پروتئین تولید می‌کند.
از هر پروتئین تولید می‌کند.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
همه در مولکول DNA ما کدگذاری شده،
و همه ژنتیک است.
و همه ژنتیک است.
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
ولی نه آن ژنتیکی که در مدرسه آموخته‌ایم.
11:03
Do you remember big B, little b?
194
651572
1983
آیا ب بزرگ و ب کوچک را به یاد می‌آورید؟
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
اگرب بزرگ را ارث ببرید
چشم‌تان قهوه‌ای خواهد شد؟
چشم‌تان قهوه‌ای خواهد شد؟
11:09
It's simple.
196
657085
1223
ساده است.
11:11
Very few traits are that simple.
197
659451
3173
صفات بسیار کمی به این سادگی هستند.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
حتی در رنگ چشم ما هم خیلی بیشتر از
فقط یک مولکول رنگدانه نقش دارد.
فقط یک مولکول رنگدانه نقش دارد.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
و چیزی به پیچیدگی عملکرد مغز ما
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
زادهٔ سروکارداشتن هزاران ژن با‌هم است.
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
و درهر یک از این ژنها
تفاوت هدفدارانه‌ای است
تفاوت هدفدارانه‌ای است
11:30
from person to person to person,
202
678770
1838
از یک فرد به فردی دیگر،
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
و هر یک از ما یک ترکیب بی نظیر
از این گوناگونی هستیم.
از این گوناگونی هستیم.
11:37
It's a big data opportunity.
204
685419
2216
این یک فرصت داده‌ای بزرگ است.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
و امروز بطور روز‌افزون امکان پیشروی
11:43
on a scale that was never possible before.
206
691414
2796
در اندازه‌ای که پیشتر
هرگز ممکن نبود، فراهم است.
هرگز ممکن نبود، فراهم است.
11:46
People are contributing to genetic studies
207
694234
2405
بهره‌مندسازی مطالعات ژنتیکی از سوی همگان
11:48
in record numbers,
208
696663
1594
بطرز بی‌سابقه‌ای است،
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
و دانشمندان در سراسر جهان داده ها را
با یکدیگر به اشتراک می گذارند تا
با یکدیگر به اشتراک می گذارند تا
11:55
to speed progress.
210
703196
1571
به این پیشرفت سرعت ببخشند.
11:57
I want to tell you a short story
about a discovery we recently made
about a discovery we recently made
211
705514
3239
می‌خواهم حکایت کوتاهی از
کشفی که بتازگی کرده‌ایم برایتان بگویم
کشفی که بتازگی کرده‌ایم برایتان بگویم
12:00
about the genetics of schizophrenia.
212
708777
1894
در خصوص ژنتیک شیزوفرنی.
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
این کار با کمک
۵۰٫۰۰۰ نفر از سی کشور میسر شد
۵۰٫۰۰۰ نفر از سی کشور میسر شد
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
که DNA خود را برای
پژوهش در باب شیزوفرنی اهدا کردند.
پژوهش در باب شیزوفرنی اهدا کردند.
12:14
It had been known for several years
215
722406
2096
از سالها پیش می‌دانستیم که
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
بیشترین تاثیر ژنوم انسانی در بالا بردن
خطر ابتلا به شیزوفرنی
خطر ابتلا به شیزوفرنی
12:20
comes from a part of the genome
217
728661
1802
از سوی ناحیه‌ای از خزانه ژنی ژنوم است
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
که بسیاری از مولکولهای
دستگاه ایمنی ما را رمزگذاری می‌کند.
دستگاه ایمنی ما را رمزگذاری می‌کند.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
بی‌آنکه بدانیم کدام ژن مسئول آن است.
12:29
A scientist in my lab developed
a new way to analyze DNA with computers,
a new way to analyze DNA with computers,
220
737746
4040
یک دانشمند در آزمایشگاه من روش جدیدی برای
بررسی DNA با رایانه پدید آورده‌است،
بررسی DNA با رایانه پدید آورده‌است،
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
و کشف شگفت انگیزی کرد.
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
او فهمید ژنی که
"جزء چهارم سامانه کمپلمان" نامیده میشود --
"جزء چهارم سامانه کمپلمان" نامیده میشود --
12:40
it's called "C4" for short --
223
748204
1799
نام کوتاه آن C4 سی چهار است --
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
به چندین صورت مختلف
در خزانه ژنی افراد مختلف ظاهر میشود،
در خزانه ژنی افراد مختلف ظاهر میشود،
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
واین اشکال متفاوت هر یک مقادیر متفاوتی از
12:50
of C4 protein in our brains.
226
758170
2242
پروتیٔین C4 در مغز ما تولید می‌کند.
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
و او دریافت که هر چه بیشتر
ژنهای ما از این پروتیٔین C4 بسازند،
ژنهای ما از این پروتیٔین C4 بسازند،
12:56
the greater our risk for schizophrenia.
228
764966
2112
خطرابتلا به شیزوفرنی در ما بیشتراست.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
با این‌همه C4 تنها یک عامل خطر است
در میان یک سامانه پیچیده.
در میان یک سامانه پیچیده.
13:04
This isn't big B,
230
772850
1989
این ب بزرگ نیست.
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
ولی بینشی است درباره مولکولی که مهم است.
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
پروتئین‌های کمپلمان از جمله C4
مدت درازی است که شناخته شده‌اند
مدت درازی است که شناخته شده‌اند
13:15
for their roles in the immune system,
233
783153
1953
بخاطر نقش‌شان در سامانه ایمنی،
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
که به یک برگه یادداشت می‌مانند
13:19
that says, "Eat me."
235
787932
1580
که می‌گوید، "مرا بخور".
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
و این برگه یادداشت روی بسیاری از بقایا
13:25
and dead cells in our bodies
237
793166
2357
و سلولهای مرده در بدن ما زده میشود تا
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
یاخته‌های ایمنی را
دعوت به از میان بردن اینها کند.
دعوت به از میان بردن اینها کند.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
اما دو نفر از همکاران من دریافتند
که برگه یادآوری C4
که برگه یادآوری C4
13:35
also gets put on synapses in the brain
240
803183
3298
همچنین بر روی سیناپس‌های مغز قرار می‌گیرد
13:38
and prompts their elimination.
241
806505
1864
و نابودی آنها را جلو می‌اندازد.
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
و اما ساختن و از میان بردن
سیناپس‌ها یک بخش طبیعی
سیناپس‌ها یک بخش طبیعی
13:44
of human development and learning.
243
812444
1854
از تکامل و یادگیری انسان است.
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
مغز ما مرتبا سیناپس می‌سازد
و نابود می‌کند.
و نابود می‌کند.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
ولی از نتایج ژنتیکی چنین برمی‌آید
که در شیزوفرنی،
که در شیزوفرنی،
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
فرآیند نابودی ممکن است فراتر رود.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
دانشمندان چندین شرکت دارویی به من می گویند
از این کشف هیجان زده اند،
از این کشف هیجان زده اند،
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
زیرا آنها سالها روی
پروتیٔین‌های کمپلمان
پروتیٔین‌های کمپلمان
14:04
in the immune system,
249
832401
1540
در سیستم ایمنی کار کرده‌اند، و
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
چیزهای زیادی
درباره نحوه کار آنها آموحته‌اند.
درباره نحوه کار آنها آموحته‌اند.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
آنها حتی مولکولهایی پدید آورده‌اند که
با پروتیٔین‌های کمپلمان تداخل می‌کند،
با پروتیٔین‌های کمپلمان تداخل می‌کند،
14:12
and they're starting to test them
in the brain as well as the immune system.
in the brain as well as the immune system.
252
840803
3607
و حالا می‌خواهند آنها را در مغز،
همچنین دستگاه ایمنی به امتحان بگذارند.
همچنین دستگاه ایمنی به امتحان بگذارند.
14:17
It's potentially a path toward a drug
that might address a root cause
that might address a root cause
253
845124
4721
این می‌تواند راهی به سوی یک دارویی باشد
برای علت ریشه‌ای و
برای علت ریشه‌ای و
14:21
rather than an individual symptom,
254
849869
2649
نه فقط یک نشانه بیماری.
14:24
and we hope very much that this work
by many scientists over many years
by many scientists over many years
255
852542
4048
ما بس امیدواریم این کار که توسط دانشمندان
بسیار و در طول سالیان در حال انجام است
بسیار و در طول سالیان در حال انجام است
14:28
will be successful.
256
856614
1152
به پیروزی بینجامد.
14:31
But C4 is just one example
257
859689
3014
ولی C4 تنها یک نمونه است
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
از توانایی رویکردهای علمی داده پردازانه
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
برای گشودن راه‌های جدیدی بر
موضوعات پزشکی یک قرن گذشته.
موضوعات پزشکی یک قرن گذشته.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
صدها نقطه در خزانه ژنی ما وجود دارد که
14:44
that shape risk for brain illnesses,
261
872913
2585
خطری برای بروز بیماری مغزی بشمار می‌آید،
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
وهر کدام آنها می‌تواند ما را
به بینش مولکولی بعدی
به بینش مولکولی بعدی
14:51
about a molecule that matters.
263
879612
2020
درباره یک مولکول مهم رهنمون شود.
14:53
And there are hundreds of cell types that
use these genes in different combinations.
use these genes in different combinations.
264
881656
3987
ودر صدها گونه یاخته این ژنها
در ترکیبهای گوناگون، بکار برده می‌شوند.
در ترکیبهای گوناگون، بکار برده می‌شوند.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
همچنان که ما و دیگر دانشمندان
درکار تأمین
درکار تأمین
14:59
the rest of the data that's needed
266
887760
2069
سایر اطلاعات مورد نیاز و
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
فراگرفتن تمام آنچه می‌توان،
از این داده‌ها هستیم،
از این داده‌ها هستیم،
15:04
we hope to open many more new fronts.
268
892270
2403
امیدوارهستیم
جبهه‌های نوین بیشتری را بگشاییم.
جبهه‌های نوین بیشتری را بگشاییم.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
ژنتیک و بررسی سلول واحد فقط دو شیوه
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
برای تبدیل مغز به موضوع داده‌ای بزرگ است.
15:18
There is so much more we can do.
271
906424
2159
کارهای بیشتری هست که می‌توان انجام داد.
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
دانشمندان آزمایشگاهم فناوری‌ای می‌آفرینند
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
برای نقشه‌برداری سریع تماس‌های سیناپسی مغز
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
تا بتوان فهمید کدام پی‌یاخته
با کدام پی‌یاخته دیگرگفتگو دارد
با کدام پی‌یاخته دیگرگفتگو دارد
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
و این گفتگو چگونه
در مسیر عمر و بیماری تغییر می‌کند.
در مسیر عمر و بیماری تغییر می‌کند.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
و ما داریم شیوه‌ای را پدید می‌آوریم
تا با یک لوله واحد آزمایش کنیم
تا با یک لوله واحد آزمایش کنیم
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
چگونه یاخته‌هایی با صدها
ژنوم انسانی مختلف
ژنوم انسانی مختلف
15:42
respond differently to the same stimulus.
278
930753
2170
به یک محرک پاسخ متفاوتی می‌دهند.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
این طرح‌ها افرادی را گرد‌هم می‌آورد،
از پیشینه گوناگون
از پیشینه گوناگون
15:51
and training and interests --
280
939175
2493
آموزش و منافع ناهمگون --
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
زیست‌شناسی، کامپیوتر، شیمی،
ریاضی، آمار، مهندسی.
ریاضی، آمار، مهندسی.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
ولی امکانات علمی، افراد با
منافع ناهم‌راستا را گرد هم می‌آورد
منافع ناهم‌راستا را گرد هم می‌آورد
16:04
into working intensely together.
283
952461
2235
تا با تمرکز با هم کار کنند.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
آینده‌ای که به ساختن آن بتوان امیدوار بود
کدام است؟
کدام است؟
16:12
Consider cancer.
285
960267
1350
سرطان را در نظر بگیرید.
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
ما از یک عصر جاهلیت درباره ریشه سرطان،
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
که در آن سرطان عموما
به ویژگی‌های روانی شخصی نسبت داده می‌شد،
به ویژگی‌های روانی شخصی نسبت داده می‌شد،
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
به یک درک مولکولی مدرن از علل واقعی
بیولوژیکی سرطان، هجرت کرده‌ایم.
بیولوژیکی سرطان، هجرت کرده‌ایم.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
این درک مولکولی امروز
منتهی به یک داروی نوآورانه
منتهی به یک داروی نوآورانه
16:35
after innovative medicine,
290
983198
1696
پس از داروی نوآورانه دیگر میشود،
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
و اگرچه هنوز کار زیادی مانده که باید کرد،
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
در پیرامون خود اکنون مردمی را می‌بینیم
که از سرطان هایی شفا یافته‌اند
که از سرطان هایی شفا یافته‌اند
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
که در یک نسل عقب‌تر
غیر‌قابل درمان تصور می‌شدند.
غیر‌قابل درمان تصور می‌شدند.
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
و میلیونها نفر از رهایی یافتگان از
چنگار (سرطان) همچون خواهر من
چنگار (سرطان) همچون خواهر من
16:51
find themselves with years of life
that they didn't take for granted
that they didn't take for granted
295
999654
4401
دارای سالهای زندگی شده‌اند که مسلم نبودند
16:56
and new opportunities
296
1004079
1769
همچنین فرصتهای تازه
16:57
for work and joy and human connection.
297
1005872
3930
برای کار و شادمانی و پیوند با انسانها.
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
این آینده‌ای است که ما مصمم هستیم تا
پیرامون بیماریهای ذهنی بوجود آوریم
پیرامون بیماریهای ذهنی بوجود آوریم
17:08
one of real understanding and empathy
299
1016581
4119
آینده‌ای از درک واقعی و همدردی
17:12
and limitless possibility.
300
1020724
1816
و امکان بی‌پایان.
17:15
Thank you.
301
1023159
1190
متشکرم.
17:16
(Applause)
302
1024374
4062
(تشویق)
ABOUT THE SPEAKER
Steve McCarroll - GeneticistSteve McCarroll is conducting groundbreaking research on the causes of mental illness.
Why you should listen
Steve McCarroll and the scientists in his lab use human genetics, molecular biology and engineering to create new ways of studying the human brain, reveal the ways in which genomes vary from person to person and discover the molecular and cellular processes that underlie brain illness. McCarroll and his team at Harvard have linked schizophrenia to specific gene variations that recruit immune molecules into "pruning" synapses in the brain, a discovery that is leading toward new ways of thinking about the biological basis of schizophrenia and new approaches for discovering medicines.
Prior to leading his lab, McCarroll earned his PhD in neuroscience at the University of California, San Francisco. He is also currently serving as Director of Genetics for the Broad Institute's Stanley Center for Psychiatric Research.
Steve McCarroll | Speaker | TED.com