TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
Steve McCarroll: Comment les données nous aident à révéler les secrets du cerveau
Filmed:
Readability: 4.8
1,529,178 views
Le généticien Steve McCarrol veut faire un atlas de toutes les cellules du corps humain pour que l'on puisse comprendre en détail comment des gènes spécifiques fonctionnent, particulièrement dans le cerveau. Dans cette présentation fascinante, il partage les progrès de son équipe, incluant leur invention du « Drop-seq », une technologie qui permet aux scientifiques une analyse individuelle des cellules à une échelle jamais possible auparavant, et explique comment cette découverte pourrait permettre conduire au développement de nouvelles stratégies pour traiter des maladies mentales comme la schizophrénie.
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
Il y a neuf ans,
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
ma sœur a découvert des nodules
dans son cou et son bras
dans son cou et son bras
00:17
and was diagnosed with cancer.
2
5638
1760
et a reçu un diagnostic de cancer.
00:20
From that day, she started to benefit
3
8985
3199
Depuis ce jour, elle a bénéficié
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
du progrès des connaissances
scientifiques sur le cancer.
scientifiques sur le cancer.
00:28
Every time she went to the doctor,
5
16206
2099
A chaque visite chez le médecin,
00:30
they measured specific molecules
6
18329
2194
ils évaluaient des molécules spécifiques
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
qui les renseignaient
sur son état de santé
sur son état de santé
00:35
and what to do next.
8
23452
1309
et sur les étapes à suivre.
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
De nouvelles options médicales
étaient disponibles tous les 2-3 ans.
étaient disponibles tous les 2-3 ans.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
Tout le monde a salué son courage
dans son combat
dans son combat
00:47
with a biological illness.
11
35412
1728
contre le cancer.
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
Ce printemps, elle a reçu un
traitement médical novateur
traitement médical novateur
00:54
in a clinical trial.
13
42528
1202
lors d'un essai clinique.
00:55
It dramatically knocked back her cancer.
14
43754
2224
Le traitement a été radicalement efficace.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
Et devinez avec qui je vais
passer Thanksgiving ?
passer Thanksgiving ?
01:02
My vivacious sister,
16
50022
2267
Ma flamboyante sœur,
01:04
who gets more exercise than I do,
17
52313
2629
qui fait plus d'exercice que moi,
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
et qui, comme beaucoup
de gens dans cette salle,
de gens dans cette salle,
01:09
increasingly talks about a lethal illness
19
57849
2292
parle de sa maladie létale
01:12
in the past tense.
20
60165
1263
de plus en plus au passé.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
La science peut, à l'échelle d'une vie,
voire d'une décennie,
voire d'une décennie,
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
transformer le pronostic
d'une maladie spécifique.
d'une maladie spécifique.
01:24
But not for all illnesses.
23
72055
1534
Mais pas de toutes les maladies.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
Mon ami Robert et moi étions
camarades de classe à l'université.
camarades de classe à l'université.
01:31
Robert was smart,
25
79121
1801
Robert était intelligent,
01:32
but with each passing month,
26
80946
1477
mais mois après mois,
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
sa pensée semblait devenir
de plus en plus désorganisée.
de plus en plus désorganisée.
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
Il a quitté l'université, trouvé
un travail dans un magasin...
un travail dans un magasin...
01:41
But that, too, became too complicated.
29
89463
2218
Mais ça aussi, c'est
devenu trop compliqué.
devenu trop compliqué.
01:44
Robert became fearful and withdrawn.
30
92559
2945
Robert est devenu inquiet et renfermé.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
Un an et demi plus tard,
il entendait des voix
il entendait des voix
01:50
and believing that people
were following him.
were following him.
32
98686
2197
et croyait que des gens le suivaient.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
Les docteurs ont diagnostiqué
la schizophrénie,
la schizophrénie,
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
et lui ont donné le meilleur traitement.
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
Le traitement a atténué les voix,
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
mais n'a restauré ni son esprit brillant
ni ses compétences sociales.
ni ses compétences sociales.
02:06
Robert struggled to remain connected
37
114270
1856
Robert s'est battu pour rester connecté
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
aux études, au travail et aux amis.
02:11
He drifted away,
39
119031
1383
Il a dérivé,
02:12
and today I don't know where to find him.
40
120438
2285
et aujourd'hui je ne sais pas où il est.
02:15
If he watches this,
41
123593
1479
S'il me regarde,
02:17
I hope he'll find me.
42
125962
1628
j'espère qu'il viendra me trouver.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
Pourquoi la médecine avait
tant à offrir à ma sœur,
tant à offrir à ma sœur,
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
et si peu à des millions de
patients comme Robert ?
patients comme Robert ?
02:32
The need is there.
45
140952
1290
Le besoin est là.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
L'Organisation Mondiale de la Santé
estime que les maladies mentales
estime que les maladies mentales
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
comme la schizophrénie, les troubles
bipolaires et la dépression,
bipolaires et la dépression,
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
sont la première cause de perte
d'années de vie et de travail.
d'années de vie et de travail.
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
C'est en partie lié au fait que ces
maladies frappent à un jeune âge,
maladies frappent à un jeune âge,
02:51
in many ways, in the prime of life,
50
159392
2181
au début de la vie active,
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
juste au moment où les gens finissent
leurs études, débutent une carrière,
leurs études, débutent une carrière,
02:58
forming relationships and families.
52
166085
2279
fondent des relations et une famille.
03:00
These illnesses can result in suicide;
53
168388
2829
Ces maladies peuvent conduire au suicide,
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
souvent elles compromettent
le potentiel professionnel
le potentiel professionnel
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
et sont la cause de tant de tragédies
difficiles à évaluer :
difficiles à évaluer :
03:13
lost relationships and connections,
56
181246
2438
rupture des relations et contacts sociaux,
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
incapacité à concrétiser
ses rêves et ses idées.
ses rêves et ses idées.
03:19
These illnesses limit human possibilities
58
187533
3005
Ces maladies limitent
les capacités humaines
les capacités humaines
03:22
in ways we simply cannot measure.
59
190562
2154
d'une façon qu'on ne peut évaluer.
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
Nous vivons dans une ère de
grands progrès médicaux
grands progrès médicaux
03:31
on so many other fronts.
61
199533
1811
sur tant d'autres fronts.
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
L'histoire du cancer de ma sœur
est un bon exemple,
est un bon exemple,
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
les maladies cardiaques en sont un autre.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
Les statines permettent de prévenir
des millions de crises cardiaques.
des millions de crises cardiaques.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
Quand on se penche sur ces domaines
de grand progrès médical
de grand progrès médical
03:46
in our lifetimes,
66
214016
1464
à l'échelle d'une vie,
03:47
they have a narrative in common:
67
215504
1674
ils ont une histoire commune :
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
les scientifiques découvrent des
molécules jouant un rôle dans une maladie,
molécules jouant un rôle dans une maladie,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
ils développent des moyens pour détecter
et mesurer ces molécules dans le corps,
et mesurer ces molécules dans le corps,
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
et ils développent des moyens
d'interférer avec elles
d'interférer avec elles
04:03
using other molecules -- medicines.
71
231294
2048
en utilisant des molécules thérapeutiques.
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
C'est une stratégie
qui a très bien fonctionné.
qui a très bien fonctionné.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
Mais quand on parle du cerveau,
cette stratégie trouve ses limites,
cette stratégie trouve ses limites,
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
parce qu'aujourd'hui, on n'en sait
pas encore suffisamment
pas encore suffisamment
04:19
about how the brain works.
75
247695
1852
sur le fonctionnement du cerveau.
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
On doit apprendre quel type de cellule
est impliqué dans chaque maladie,
est impliqué dans chaque maladie,
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
et quelles molécules dans ces cellules
sont impliquées.
sont impliquées.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
C'est la mission dont je vais
vous parler aujourd'hui.
vous parler aujourd'hui.
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
Mon laboratoire développe des technologies
pour convertir le cerveau
pour convertir le cerveau
04:38
into a big-data problem.
80
266614
1700
en un problème de mégadonnées.
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
Avant d'être biologiste, je travaillais
dans l'informatique et les maths,
dans l'informatique et les maths,
04:43
and I learned this lesson:
82
271898
1324
et j'ai appris une leçon :
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
là où on peut collecter de grandes
quantités de données valides
quantités de données valides
04:50
about the functioning of a system,
84
278573
2030
sur le fonctionnement d'un système,
04:53
you can use computers in powerful new ways
85
281365
3618
on peut utiliser les ordinateurs
de façon percutante et innovante
de façon percutante et innovante
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
pour rendre le système cohérent
et comprendre son fonctionnement.
et comprendre son fonctionnement.
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
Aujourd'hui, les approches
mégadonnées transforment
mégadonnées transforment
05:02
ever-larger sectors of our economy,
88
290802
2483
d'autres plus grands secteurs
de notre économie,
de notre économie,
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
et peuvent faire la même chose
dans la médecine et la biologie.
dans la médecine et la biologie.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
Mais il faut disposer de données valides.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
Il faut des données sur
les points pertinents.
les points pertinents.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
Et souvent ça requiert de nouvelles
technologies et de nouvelles idées.
technologies et de nouvelles idées.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
C'est la mission qui anime les
scientifiques de mon laboratoire.
scientifiques de mon laboratoire.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
Je vais vous raconter deux brèves
histoires sur notre travail.
histoires sur notre travail.
05:27
One fundamental obstacle we face
95
315427
3104
Un obstacle fondamental
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
à la conversion du cerveau en
un problème de mégadonnées
un problème de mégadonnées
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
est que notre cerveau est composé
de milliards de cellules.
de milliards de cellules.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
Et nos cellules ne sont pas des
généralistes mais des spécialistes.
généralistes mais des spécialistes.
05:43
Like humans at work,
99
331129
2089
Comme les humains au travail,
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
elles sont spécialisées dans des
milliers de fonctions différentes,
milliers de fonctions différentes,
05:50
or cell types.
101
338540
1367
ou de types cellulaires.
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
En fait, chaque type de cellule
de notre organisme
de notre organisme
05:55
could probably give a lively TED Talk
103
343391
1878
pourrait donner une conférence TED
05:57
about what it does at work.
104
345293
1542
sur ce qu'elle fait.
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
En tant que scientifiques,
on ne sait pas encore
on ne sait pas encore
06:02
how many cell types there are,
106
350816
1907
combien il y a de types de cellules,
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
ni quel serait le titre de la
plupart de ces conférences.
plupart de ces conférences.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
On sait beaucoup de choses
sur les types de cellules.
sur les types de cellules.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
Ils différent énormément en
termes de taille et de forme.
termes de taille et de forme.
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
Un type de cellule va répondre
à une molécule et l'autre pas,
à une molécule et l'autre pas,
06:21
they'll make different molecules.
111
369737
1794
elles sécrètent différentes molécules.
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
Mais la science a abouti
à ces connaissances
à ces connaissances
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
d'une façon séquentielle,
un type cellulaire à la fois,
un type cellulaire à la fois,
06:29
one molecule at a time.
114
377067
1486
une molécule à la fois.
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
On voudrait pouvoir acquérir ces
connaissances rapidement et globalement.
connaissances rapidement et globalement.
06:37
Now, until recently, it was the case
116
385673
1748
Jusqu'à récemment,
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
si on voulait recenser
toutes les molécules
toutes les molécules
06:42
in a part of the brain or any organ,
118
390545
2925
dans une partie du cerveau
ou d'un autre organe,
ou d'un autre organe,
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
il fallait commencer par le broyer
en une sorte de smoothie de cellules.
en une sorte de smoothie de cellules.
06:50
But that's a problem.
120
398678
1230
Tout le problème est là.
06:52
As soon as you've ground up the cells,
121
400737
2538
Dès que les cellules sont broyées,
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
on ne peut étudier que le
contenu du mélange de cellules
contenu du mélange de cellules
06:58
not the individual cells.
123
406834
1595
et non plus de chaque cellule.
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
Imaginez que vous tentiez de comprendre
le fonctionnement de New York,
le fonctionnement de New York,
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
mais que vous n'ayez accès
qu'à des statistiques
qu'à des statistiques
07:07
about the average resident of New York.
126
415481
2029
issues de la moyenne des habitants.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
Vous n'apprendriez pas grand-chose,
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
parce que tout ce qui est intéressant,
important et excitant,
important et excitant,
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
réside dans la diversité
et les particularités.
et les particularités.
07:18
And the same thing is true of our cells.
130
426420
2606
C'est la même chose pour les cellules.
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
Et on voudrait rendre possible l'étude
du cerveau non pas comme un smoothie
du cerveau non pas comme un smoothie
07:25
but as a cellular fruit salad,
132
433824
2478
mais sous la forme d'une salade de fruits,
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
à partir de laquelle on pourrait
extraire des données
extraire des données
07:30
each individual piece of fruit.
134
438954
1838
de chaque morceau de fruit.
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
On a donc développé une
technologie pour le faire.
technologie pour le faire.
07:36
You're about to see a movie of it.
136
444995
1729
Voici une vidéo pour l'illustrer.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
Ici on conditionne des dizaines de
milliers de cellules individuelles,
milliers de cellules individuelles,
07:45
each into its own tiny water droplet
138
453529
2923
chacune dans sa petite goutte d'eau
07:48
for its own molecular analysis.
139
456476
2211
pour sa propre analyse moléculaire.
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
Quand la cellule atterrit dans une goutte,
elle est recueillie par une gouttelette
elle est recueillie par une gouttelette
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
qui libère des millions de
code-barres d'ADN moléculaires.
code-barres d'ADN moléculaires.
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
Chaque gouttelette délivre une
séquence de code-barres différente
séquence de code-barres différente
08:04
to a different cell.
143
472447
1243
pour chaque cellule.
08:06
We incorporate the DNA bar codes
144
474884
2581
On intègre le code-barres d'ADN
08:09
into each cell's RNA molecules.
145
477489
3058
dans les molécules d'ARN
de chaque cellule.
de chaque cellule.
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
Ce sont les transcriptions moléculaires
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
que les gènes utilisent pour
assurer leur fonction.
assurer leur fonction.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
Ensuite, on séquence des milliards
de ces molécules combinées
de ces molécules combinées
08:24
and use the sequences to tell us
149
492532
2498
et on utilise la séquence pour savoir
08:27
which cell and which gene
150
495054
2602
de quelle cellule et de quel gène
08:29
every molecule came from.
151
497680
1540
provient chaque molécule.
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
On l'appelle le « Drop-seq »,
car on utilise des gouttes
car on utilise des gouttes
08:35
to separate the cells for analysis,
153
503877
2575
afin de séparer les cellules à analyser,
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
et on utilise les séquences d'ADN
pour identifier, recenser
pour identifier, recenser
08:41
and keep track of everything.
155
509945
1488
et suivre les étapes.
08:44
And now, whenever we do an experiment,
156
512727
1976
Maintenant, quand on fait une expérience,
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
on analyse des dizaines de milliers
de cellules individuellement.
de cellules individuellement.
08:51
And today in this area of science,
158
519018
2624
Aujourd'hui dans ce domaine de la science,
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
le défi est d'en apprendre le maximum
dans un délai minimum
08:58
as quickly as we can
160
526621
1872
09:00
from these vast data sets.
161
528517
1738
sur ces grandes quantités de données.
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
Au moment de la mise au point,
on entendait souvent :
on entendait souvent :
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
« Vous allez être indispensables pour
les grands projets sur le cerveau. »
les grands projets sur le cerveau. »
09:13
That's not how we saw it.
164
541257
1544
Ce n'était pas notre vocation.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
La science est meilleure quand tout
le monde produit beaucoup de données.
le monde produit beaucoup de données.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
On a donc écrit un manuel de 25 pages,
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
avec lequel chaque scientifique peut
construire son propre système de A à Z.
construire son propre système de A à Z.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
À travers du site du laboratoire,
ce manuel a été téléchargé
ce manuel a été téléchargé
09:31
50,000 times in the past two years.
169
559758
2965
50 000 fois ces deux dernières années.
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
On a créé un logiciel que
chaque scientifique peut utiliser
chaque scientifique peut utiliser
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
pour analyser les données
des expériences Drop-seq
des expériences Drop-seq
09:41
and that software is also free,
172
569596
1715
et c'est aussi un logiciel gratuit,
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
qui a été téléchargé 30 000 fois
depuis deux ans, sur notre site.
depuis deux ans, sur notre site.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
Des centaines de labos nous ont écrit
à propos des découvertes
à propos des découvertes
09:53
using this approach.
175
581331
1443
issues de cette approche.
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
Aujourd'hui, on utilise cette technologie
pour faire un atlas de cellules.
pour faire un atlas de cellules.
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
Ce sera un atlas de tous les types
cellulaires du corps humain
cellulaires du corps humain
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
et des gènes spécifiques que chaque
type cellulaire utilise pour fonctionner.
type cellulaire utilise pour fonctionner.
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
Je vais vous parler de notre second défi :
convertir le cerveau en un
problème de mégadonnées.
problème de mégadonnées.
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
Ce défi est que l'on aimerait pouvoir
apprendre du cerveau
apprendre du cerveau
de centaines de milliers
de personnes vivantes.
de personnes vivantes.
10:16
of hundreds of thousands of living people.
182
604808
2444
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
Mais notre cerveau n'est pas physiquement
accessible lorsque l'on est en vie.
accessible lorsque l'on est en vie.
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
Mais comment découvrir des acteurs
moléculaires sans accès à ces molécules ?
moléculaires sans accès à ces molécules ?
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
Une réponse vient du fait que les acteurs
les plus informatifs, les protéines,
les plus informatifs, les protéines,
10:34
are encoded in our DNA,
186
622924
1782
sont encodés dans notre ADN,
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
qui contient les recettes suivies par nos
cellules pour fabriquer nos protéines.
cellules pour fabriquer nos protéines.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
Et ces recettes varient
d'un individu à l'autre
d'un individu à l'autre
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
d'une telle façon que les protéines
varient d'un individu à l'autre
varient d'un individu à l'autre
10:50
in their precise sequence
190
638335
1787
dans leur séquence précise
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
et dans la façon dont chaque type
cellulaire fait chaque protéine.
cellulaire fait chaque protéine.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
Tout est encodé dans notre ADN,
tout est lié à la génétique,
tout est lié à la génétique,
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
mais ce n'est pas la génétique
qu'on étudie à l'école.
qu'on étudie à l'école.
11:03
Do you remember big B, little b?
194
651572
1983
Vous vous souvenez du grand B, petit b ?
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
Si vous avez un grand B,
vous avez les yeux marrons.
vous avez les yeux marrons.
11:09
It's simple.
196
657085
1223
C'est simple.
11:11
Very few traits are that simple.
197
659451
3173
Peu de traits sont aussi simples.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
La couleur des yeux est définie par
bien plus qu'une molécule de pigment.
bien plus qu'une molécule de pigment.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
Et quelque chose d'aussi complexe
que le fonctionnement cérébral
que le fonctionnement cérébral
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
est défini par l'interaction
de milliers de gènes.
de milliers de gènes.
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
Et chacun de ces gènes varie
fondamentalement
fondamentalement
11:30
from person to person to person,
202
678770
1838
d'un individu à l'autre,
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
et chacun de nous est une unique
combinaison de ces variations.
combinaison de ces variations.
11:37
It's a big data opportunity.
204
685419
2216
C'est un réservoir de mégadonnées.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
Et aujourd'hui il est possible
de faire des progrès
de faire des progrès
11:43
on a scale that was never possible before.
206
691414
2796
à une échelle qui n'avait jamais
été possible auparavant.
été possible auparavant.
11:46
People are contributing to genetic studies
207
694234
2405
Le nombre de participants
à des études génétiques
à des études génétiques
11:48
in record numbers,
208
696663
1594
atteint des records,
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
et les scientifiques du monde entier
partagent leurs résultats
partagent leurs résultats
11:55
to speed progress.
210
703196
1571
pour progresser plus rapidement.
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
Je vais vous raconter une anecdote
à propos d'une récente découverte
à propos d'une récente découverte
12:00
about the genetics of schizophrenia.
212
708777
1894
sur la génétique de la schizophrénie.
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
Ceci fut possible grâce à la contribution
de 50 000 personnes de 30 pays
de 50 000 personnes de 30 pays
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
qui ont donné leur ADN à la
recherche génétique sur la schizophrénie.
recherche génétique sur la schizophrénie.
12:14
It had been known for several years
215
722406
2096
On sait depuis quelques années
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
que le principal impact de la génétique
sur le risque de schizophrénie
sur le risque de schizophrénie
12:20
comes from a part of the genome
217
728661
1802
est lié à une partie du génome
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
qui code de nombreuses molécules
de notre système immunitaire.
de notre système immunitaire.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
Mais on ne savait pas quels gènes
étaient impliqués.
étaient impliqués.
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
Un scientifique de mon labo a développé
une nouvelle façon d'analyser l'ADN
une nouvelle façon d'analyser l'ADN
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
et a découvert un fait surprenant.
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
Il a découvert qu'un gène appelé
« composant du complément 4 »,
« composant du complément 4 »,
12:40
it's called "C4" for short --
223
748204
1799
aussi appelé C4,
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
existe sous des dizaines de
formes différentes dans le génome,
formes différentes dans le génome,
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
et ces différentes formes conduisent
à différentes quantités
à différentes quantités
12:50
of C4 protein in our brains.
226
758170
2242
de protéine C4 dans le cerveau.
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
Il a découvert que plus nos gènes
produisent de protéine C4,
produisent de protéine C4,
12:56
the greater our risk for schizophrenia.
228
764966
2112
plus le risque de schizophrénie est élevé.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
Le C4 est juste un facteur de risque
au sein d'un système complexe.
au sein d'un système complexe.
13:04
This isn't big B,
230
772850
1989
Ce n'est pas un grand B,
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
mais c'est un aperçu
sur une molécule importante.
sur une molécule importante.
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
Les protéines du complément comme le C4
sont connues depuis longtemps
sont connues depuis longtemps
13:15
for their roles in the immune system,
233
783153
1953
pour leur rôle dans l'immunité,
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
où elles jouent le rôle
de post-it moléculaire
de post-it moléculaire
13:19
that says, "Eat me."
235
787932
1580
qui dit : « Mange-moi ».
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
Ce post-it est déposé
sur de nombreux déchets
sur de nombreux déchets
13:25
and dead cells in our bodies
237
793166
2357
et sur les cellules mortes
dans notre corps
dans notre corps
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
et invite les cellules immunitaires
à les éliminer.
à les éliminer.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
Mais deux collègues ont trouvé
que le post-it C4
que le post-it C4
13:35
also gets put on synapses in the brain
240
803183
3298
se retrouve aussi déposé sur
des synapses dans le cerveau
des synapses dans le cerveau
13:38
and prompts their elimination.
241
806505
1864
incitant à leur élimination.
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
Alors, la création et l'élimination
de synapses font partie
de synapses font partie
13:44
of human development and learning.
243
812444
1854
du développement et de l'apprentissage.
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
Nos cerveaux créent et éliminent
des synapses en continu.
des synapses en continu.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
Mais nos résultats suggèrent
que dans la schizophrénie,
que dans la schizophrénie,
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
ce processus d'élimination
pourrait être suractivé.
pourrait être suractivé.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
C'est une découverte passionnante
pour l'industrie pharmaceutique
pour l'industrie pharmaceutique
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
qui travaille sur les protéines
du complément depuis des années,
du complément depuis des années,
14:04
in the immune system,
249
832401
1540
dans le système immunitaire,
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
et elle en a beaucoup appris
sur leur rôle.
sur leur rôle.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
On a créé des molécules interférant
avec les protéines du complément
avec les protéines du complément
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
et on a commencé à les tester dans
le cerveau et le système immunitaire.
le cerveau et le système immunitaire.
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
C'est une voie potentielle vers
un médicament qui traitera la cause
un médicament qui traitera la cause
14:21
rather than an individual symptom,
254
849869
2649
plutôt qu'un symptôme individuel,
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
et on espère que ce travail mené
par les scientifiques depuis des années
par les scientifiques depuis des années
14:28
will be successful.
256
856614
1152
sera couronné de succès.
14:31
But C4 is just one example
257
859689
3014
Mais le C4 est juste un exemple
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
du potentiel des approches
scientifiques par analyse de données
scientifiques par analyse de données
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
pour ouvrir de nouveaux fronts sur
des problèmes médicaux centenaires.
des problèmes médicaux centenaires.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
Il y a des centaines de régions
de notre génome
de notre génome
14:44
that shape risk for brain illnesses,
261
872913
2585
qui conditionnent à un risque
de maladie mentale,
de maladie mentale,
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
et chacune pourrait nous guider
vers une piste moléculaire
vers une piste moléculaire
14:51
about a molecule that matters.
263
879612
2020
identifiant une molécule importante.
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
Des centaines de cellules utilisent
différentes combinaisons de ces gènes.
différentes combinaisons de ces gènes.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
Nous, et d'autres,
travaillons pour générer
travaillons pour générer
14:59
the rest of the data that's needed
266
887760
2069
les données nécessaires
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
et pour apprendre le maximum
de ces données,
de ces données,
15:04
we hope to open many more new fronts.
268
892270
2403
en espérant ouvrir
beaucoup d'autres fronts.
beaucoup d'autres fronts.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
La génétique et l'analyse par cellule
individuelle sont juste deux moyens
individuelle sont juste deux moyens
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
d'essayer de convertir le cerveau
en un problème de mégadonnées.
en un problème de mégadonnées.
15:18
There is so much more we can do.
271
906424
2159
On peut en faire tellement plus.
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
Les chercheurs de mon laboratoire
sont en train de créer un outil
sont en train de créer un outil
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
qui cartographie les connexions
synaptiques dans le cerveau
synaptiques dans le cerveau
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
afin d'identifier les communications
entre les neurones
entre les neurones
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
et voir comment elles évoluent au cours
de la vie et dans la maladie.
de la vie et dans la maladie.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
Et nous développons une façon
de tester dans un seul tube
de tester dans un seul tube
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
comment les cellules de
centaines de génomes différents
centaines de génomes différents
15:42
respond differently to the same stimulus.
278
930753
2170
répondent au même stimulus.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
Ces projets rassemblent des acteurs
aux profils différents,
aux profils différents,
15:51
and training and interests --
280
939175
2493
avec une formation
et des intérêts divers :
et des intérêts divers :
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
la biologie, l'informatique, la chimie,
les maths, les statistiques, l'ingénierie.
les maths, les statistiques, l'ingénierie.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
Mais les possibilités scientifiques
rassemblent ces différents acteurs
rassemblent ces différents acteurs
16:04
into working intensely together.
283
952461
2235
pour travailler sur un projet commun.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
Quel futur peut-on espérer créer ?
16:12
Consider cancer.
285
960267
1350
Le cancer par exemple ;
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
nous sommes passée d'une ère d'ignorance
sur les causes du cancer,
sur les causes du cancer,
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
lors de laquelle on attribuait le cancer
à une susceptibilité psychologique,
à une susceptibilité psychologique,
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
à une ère de compréhension moléculaire
des vraies causes biologiques du cancer.
des vraies causes biologiques du cancer.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
Cette compréhension mène
aujourd'hui à une médecine
aujourd'hui à une médecine
16:35
after innovative medicine,
290
983198
1696
de plus en plus innovante,
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
et même s'il reste beaucoup à faire,
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
nous sommes déjà entourés par
des patients guéris du cancer
des patients guéris du cancer
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
qui, il y a une génération,
auraient été considérés incurables.
auraient été considérés incurables.
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
Et des millions de survivants
du cancer comme ma sœur
du cancer comme ma sœur
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
se retrouvent avec des années de vie
qu'ils ne tenaient pas pour acquises
qu'ils ne tenaient pas pour acquises
16:56
and new opportunities
296
1004079
1769
et de nouvelles opportunités
16:57
for work and joy and human connection.
297
1005872
3930
de travail, de joie
et de relations humaines.
et de relations humaines.
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
C'est le futur que nous sommes déterminés
à créer pour la maladie mentale :
à créer pour la maladie mentale :
17:08
one of real understanding and empathy
299
1016581
4119
un futur de compréhension et d'empathie
17:12
and limitless possibility.
300
1020724
1816
où les possibilités sont infinies.
17:15
Thank you.
301
1023159
1190
Merci.
17:16
(Applause)
302
1024374
4062
(Applaudissements)
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