TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
סטיב מק'קרול: לחשוף את מסתרי המוח באמצעות נתוני-מחשב
Filmed:
Readability: 4.8
1,529,178 views
הגנטיקאי סטיב מק'קרול מעוניין ליצור אטלס של כל תאי הגוף האנושי כדי שנוכל להבין במדויק ובמפורט איך פועלים גנים מסוימים, במיוחד במוח. בהרצאה מרתקת זו הוא משתף אותנו בהתקדמות של צוותו, ובין היתר בהמצאת ה-Drop-seq, טכנולוגיה שמאפשרת למדענים לנתח תאים בודדים בקנה-מידה שטרם נתאפשר עד כה. הוא מתאר גם כיצד המחקר הזה עשוי להוביל לטיפולים חדשים במחלות נפש, כמו סכיזופרניה.
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.
לפני תשע שנים
00:12
Nine years ago,
0
785
1704
אחותי גילתה גושים בצווארה ובזרועה
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
ואובחן אצלה סרטן.
00:17
and was diagnosed with cancer.
2
5638
1760
החל מאותו יום היא הפיקה תועלת
00:20
From that day, she started to benefit
3
8985
3199
מההבנה שהמדע רכש בנוגע לסרטן.
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
בכל פעם שהלכה לרופאים,
00:28
Every time she went to the doctor,
5
16206
2099
הם מדדו מולקולות מסוימות
00:30
they measured specific molecules
6
18329
2194
שנתנו להם מידע על מצבה
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
ועל מה שיש לעשות בהמשך.
00:35
and what to do next.
8
23452
1309
אפשרויות רפואיות חדשות
נעשו זמינות מידי כמה שנים.
נעשו זמינות מידי כמה שנים.
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
כולם ראו שהיא נאבקת בגבורה
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
במחלה ביולוגית.
00:47
with a biological illness.
11
35412
1728
באביב הזה, היא קיבלה
טיפול רפואי חדשני במסגרת ניסוי רפואי.
טיפול רפואי חדשני במסגרת ניסוי רפואי.
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
00:54
in a clinical trial.
13
42528
1202
הטיפול הנחיל לסרטן מפלה ניצחת.
00:55
It dramatically knocked back her cancer.
14
43754
2224
עם מי לדעתכם אבלה
בחג ההודיה הקרוב?
בחג ההודיה הקרוב?
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
עם אחותי שופעת החיים,
01:02
My vivacious sister,
16
50022
2267
שעושה פעילות גופנית יותר ממני,
01:04
who gets more exercise than I do,
17
52313
2629
ושכמו רבים כאן באולם, כנראה,
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
מדברת יותר ויותר על מחלה קטלנית
01:09
increasingly talks about a lethal illness
19
57849
2292
בלשון עבר.
01:12
in the past tense.
20
60165
1263
המדע בחיינו, ואולי אף בעשור הקרוב,
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
ישנה את המשמעות
של היות חולה במשהו.
של היות חולה במשהו.
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
אבל לא בכל המחלות.
01:24
But not for all illnesses.
23
72055
1534
חברי, רוברט, ואני
למדנו ביחד לתואר שני.
למדנו ביחד לתואר שני.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
רוברט היה חכם,
01:31
Robert was smart,
25
79121
1801
אבל עם כל חודש שחלף,
01:32
but with each passing month,
26
80946
1477
נראה שחשיבתו הלכה ונעשתה מפוזרת.
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
הוא נשר מהלימודים,
השיג עבודה בחנות...
השיג עבודה בחנות...
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
אבל גם זה נהיה
מסובך מדי עבורו.
מסובך מדי עבורו.
01:41
But that, too, became too complicated.
29
89463
2218
רוברט נעשה מפוחד ומסוגר.
01:44
Robert became fearful and withdrawn.
30
92559
2945
כעבור שנה וחצי
הוא החל לשמוע קולות
הוא החל לשמוע קולות
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
ולהאמין שעוקבים אחריו.
01:50
and believing that people
were following him.
were following him.
32
98686
2197
הרופאים אבחנו אצלו סכיזופרניה,
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
ונתנו לו את התרופה
הכי טובה שיכלו לתת.
הכי טובה שיכלו לתת.
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
התרופה השתיקה מעט את הקולות,
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
אבל לא שיקמה את מוחו החד
או את החברותיות שלו.
או את החברותיות שלו.
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
רוברט נאבק כדי להישאר מחובר
02:06
Robert struggled to remain connected
37
114270
1856
לעולמות הלימודים, העבודה והחברים.
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
הוא הלך והתרחק,
02:11
He drifted away,
39
119031
1383
והיום אינני יודע איפה הוא.
02:12
and today I don't know where to find him.
40
120438
2285
אם הוא צופה בזה,
02:15
If he watches this,
41
123593
1479
אני מקווה שהוא ימצא אותי.
02:17
I hope he'll find me.
42
125962
1628
מדוע יכולה הרפואה
להציע לאחותי כה הרבה,
להציע לאחותי כה הרבה,
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
וכה פחות למיליוני אנשים כמו רוברט?
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
הצורך קיים.
02:32
The need is there.
45
140952
1290
ארגון הבריאות העולמי מעריך
שמחלות של המוח,
שמחלות של המוח,
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
כמו סכיזופרניה, הפרעה דו-קוטבית
ודכאון חמור
ודכאון חמור
הם הגורם העיקרי בעולם
לאובדן שנות חיים ועבודה.
לאובדן שנות חיים ועבודה.
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
חלקית, זה משום שמחלות אלה
מכות בד"כ בשלב מוקדם בחיים,
מכות בד"כ בשלב מוקדם בחיים,
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
02:51
in many ways, in the prime of life,
50
159392
2181
במובנים רבים - באביב החיים,
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
בדיוק כשאנשים מסיימים את הלימודים,
פותחים בקריירה,
פותחים בקריירה,
יוצרים מערכות-יחסים ומקימים משפחות.
02:58
forming relationships and families.
52
166085
2279
המחלות האלה עלולות להסתיים בהתאבדות;
03:00
These illnesses can result in suicide;
53
168388
2829
הן בד"כ פוגעות ביכולת לממש
את מלוא הפוטנציאל בעבודה;
את מלוא הפוטנציאל בעבודה;
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
והן גורמות לטרגדיות רבות
מכפי שניתן לשער:
מכפי שניתן לשער:
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
אובדן של מערכות-יחסים וקשרים,
03:13
lost relationships and connections,
56
181246
2438
החמצת הזדמנויות
להגשמת חלומות ולמימוש רעיונות.
להגשמת חלומות ולמימוש רעיונות.
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
המחלות האלה מגבילות
את האפשרויות האנושיות
את האפשרויות האנושיות
03:19
These illnesses limit human possibilities
58
187533
3005
בדרכים שפשוט איננו מסוגלים למדוד.
03:22
in ways we simply cannot measure.
59
190562
2154
אנו חיים בתקופה
של קידמה רפואית אדירה
של קידמה רפואית אדירה
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
בהרבה מאד חזיתות אחרות.
03:31
on so many other fronts.
61
199533
1811
סיפור הסרטן של אחותי
הוא דוגמה נהדרת לכך,
הוא דוגמה נהדרת לכך,
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
ואפשר לומר זאת גם על מחלות הלב:
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
תרופות כמו סטטינים ימנעו
מיליוני התקפי-לב ואירועי שבץ.
מיליוני התקפי-לב ואירועי שבץ.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
כשרואים את התחומים האלה
של הקידמה הרפואית הגדולה
של הקידמה הרפואית הגדולה
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
שאירעה עוד בימי חיינו,
03:46
in our lifetimes,
66
214016
1464
יש לכולם נרטיב משותף:
03:47
they have a narrative in common:
67
215504
1674
מדענים גילו מולקולות
בעלות חשיבות במחלה מסוימת,
בעלות חשיבות במחלה מסוימת,
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
פיתחו דרכים לגלות ולמדוד בגוף
את המולקולות האלה,
את המולקולות האלה,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
ופיתחו דרכי התערבות במולקולות אלה
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
בעזרת מולקולות אחרות: תרופות.
04:03
using other molecules -- medicines.
71
231294
2048
זאת שיטה שהצליחה פעם אחר פעם.
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
אבל בכל הנוגע למוח,
השיטה הזאת נותרה מוגבלת,
השיטה הזאת נותרה מוגבלת,
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
כי כיום אינו יודעים מספיק,
עדיין,
עדיין,
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
על אופן פעולתו של המוח.
04:19
about how the brain works.
75
247695
1852
עלינו ללמוד מהם התאים
החשובים בכל מחלה,
החשובים בכל מחלה,
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
ואילו מולקולות בתאים אלה
חשובות בכל מחלה.
חשובות בכל מחלה.
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
וזאת השליחות שברצוני לתאר לכם היום.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
המעבדה שלי מפתחת טכנולוגיות
שבעזרתן אנו מנסים להפוך את המוח
שבעזרתן אנו מנסים להפוך את המוח
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
לבעיית נתוני-עתק
("ביג דאטה").
("ביג דאטה").
04:38
into a big-data problem.
80
266614
1700
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
כי לפני שהפכתי לביולוג,
עבדתי במחשבים ובמתמטיקה,
עבדתי במחשבים ובמתמטיקה,
וזה הלקח שלמדתי:
04:43
and I learned this lesson:
82
271898
1324
כשרוצים לאסוף כמויות עצומות
של נתונים מהסוג הנכון
של נתונים מהסוג הנכון
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
בנוגע לתפקודה של מערכת,
04:50
about the functioning of a system,
84
278573
2030
אפשר להשתמש במחשבים
בדרכים חדשות ורבות-עוצמה
בדרכים חדשות ורבות-עוצמה
04:53
you can use computers in powerful new ways
85
281365
3618
כדי להבין את המערכת
וללמוד כיצד היא פועלת.
וללמוד כיצד היא פועלת.
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
היום, הגישות הנוגעות לנתוני-עתק
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
משנות חלקים גדלים והולכים
מהכלכלה שלנו,
מהכלכלה שלנו,
05:02
ever-larger sectors of our economy,
88
290802
2483
ובכוחן לעשות זאת גם בביולוגיה וברפואה.
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
אבל חשוב שיהיו הנתונים מהסוג הנכון.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
חשוב שיהיו הנתונים
הקשורים לדברים הנכונים.
הקשורים לדברים הנכונים.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
ולעתים קרובות זה דורש
טכנולוגיות ורעיונות חדשים.
טכנולוגיות ורעיונות חדשים.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
זו השליחות שמפיחה רוח-חיים
בחוקרים במעבדה שלי.
בחוקרים במעבדה שלי.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
היום ברצוני לספר לכם
שני סיפורים קצרים מעבודתנו.
שני סיפורים קצרים מעבודתנו.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
אחד המכשולים היסודיים שיש לנו
05:27
One fundamental obstacle we face
95
315427
3104
בנסיון להפוך את המוח
לבעיית נתוני-עתק
לבעיית נתוני-עתק
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
הוא שמוחנו מורכב ובנוי
ממיליארדי תאים.
ממיליארדי תאים.
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
והתאים האלה אינם רב-תכליתיים
אלא ייחודיים.
אלא ייחודיים.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
כמו בני-אדם בעבודה,
05:43
Like humans at work,
99
331129
2089
הם מתמיינים לאלפי קריירות תאיות שונות,
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
או סוגי תאים.
05:50
or cell types.
101
338540
1367
למעשה, כל אחד מסוגי התאים בגופנו
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
מסוגל כנראה לתת הרצאת TED מעניינת
05:55
could probably give a lively TED Talk
103
343391
1878
05:57
about what it does at work.
104
345293
1542
על מה שהוא עושה בעבודה.
אבל כמדענים, אפילו איננו יודעים
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
כמה סוגי תאים ישנם,
06:02
how many cell types there are,
106
350816
1907
ואיננו יודעים מה תהיינה הכותרות
של רוב ההרצאות האלה.
של רוב ההרצאות האלה.
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
ידועים לנו דברים רבים וחשובים
אודות סוגי תאים.
אודות סוגי תאים.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
הם עשויים להיות שונים
עד מאד בגודל ובצורה.
עד מאד בגודל ובצורה.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
תא אחד עשוי להגיב למולקולה
שתא אחר - לא,
שתא אחר - לא,
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
הם מייצרים מולקולות שונות.
06:21
they'll make different molecules.
111
369737
1794
אבל המדע הגיע באופן כללי
לתובנות האלה
לתובנות האלה
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
באופן נקודתי,
סוג תא אחר סוג תא,
סוג תא אחר סוג תא,
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
מולקולה אחר מולקולה.
06:29
one molecule at a time.
114
377067
1486
רצינו לאפשר ללמוד את כל זה
במהירות ובאופן מערכתי.
במהירות ובאופן מערכתי.
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
עד לאחרונה, המצב היה,
06:37
Now, until recently, it was the case
116
385673
1748
שאם רציתם רשימת-מצאי
של כל המולקולות
של כל המולקולות
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
בחלק של המוח או כל איבר שהוא,
06:42
in a part of the brain or any organ,
118
390545
2925
היה צריך קודם כל
לטחון אותו למעין שייק תאים.
לטחון אותו למעין שייק תאים.
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
אבל זאת בעיה.
06:50
But that's a problem.
120
398678
1230
כשטוחנים יחד את כל התאים,
06:52
As soon as you've ground up the cells,
121
400737
2538
אפשר לחקור את תוכנו
של התא הממוצע בלבד,
של התא הממוצע בלבד,
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
ולא של התאים השונים.
06:58
not the individual cells.
123
406834
1595
נניח שהייתם מנסים להבין
איך עובדת עיר גדולה כמו ניו-יורק,
איך עובדת עיר גדולה כמו ניו-יורק,
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
ויכולתם לסקור רק כמה נתונים סטטיסטיים
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
אודות התושב הניו-יורקי הממוצע.
07:07
about the average resident of New York.
126
415481
2029
ברור שלא הייתם לומדים הרבה,
07:10
Of course, you wouldn't learn very much,
127
418637
1979
כי כל מה שמעניין, חשוב ומלהיב
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
מצוי במגוון ובתחומי ההתמחות.
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
כך גם עם התאים שלנו.
07:18
And the same thing is true of our cells.
130
426420
2606
רצינו לאפשר את לימוד המוח
לא כשייק של תאים
לא כשייק של תאים
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
אלא כסלט-פירות של תאים,
07:25
but as a cellular fruit salad,
132
433824
2478
כשאפשר להפיק נתונים וללמוד
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
מכל פיסת פרי בודדת.
07:30
each individual piece of fruit.
134
438954
1838
ולכן פיתחנו לשם כך טכנולוגיה.
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
מיד תראו סרטון שלה.
07:36
You're about to see a movie of it.
136
444995
1729
כאן אנו אורזים
עשרות אלפי תאים שונים
עשרות אלפי תאים שונים
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
כל אחד בטיפת-מים זעירה משלו
07:45
each into its own tiny water droplet
138
453529
2923
לצורך ניתוח מולקולרי נפרד.
07:48
for its own molecular analysis.
139
456476
2211
כשהתא מגיע לטיפת המים,
הוא מתקבל ע"י חרוז זעיר,
הוא מתקבל ע"י חרוז זעיר,
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
שמפיק מיליוני מולקולות
של ברקוד דנ"א.
של ברקוד דנ"א.
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
כל חרוז מפיק רצף שונה של ברקוד דנ"א
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
לכל תא.
08:04
to a different cell.
143
472447
1243
שילבנו את ברקודי הדנ"א
08:06
We incorporate the DNA bar codes
144
474884
2581
במולקולות הרנ"א של כל תא.
08:09
into each cell's RNA molecules.
145
477489
3058
אלו הרישומים המולקולריים
שהוא יוצר
שהוא יוצר
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
עבור הגנים המסוימים שבאמצעותם
הוא מבצע את תפקידו.
הוא מבצע את תפקידו.
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
ואז אנו מרצפים מיליארדי
מולקולות משולבות כאלה
מולקולות משולבות כאלה
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
והרצפים אומרים לנו
08:24
and use the sequences to tell us
149
492532
2498
איזו מולקולה הגיעה מכל תא וכל גן.
08:27
which cell and which gene
150
495054
2602
08:29
every molecule came from.
151
497680
1540
אנו מכנים גישה זו "דרופ-סיק",
כי אנו משתמשים בטיפות
כי אנו משתמשים בטיפות
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
כדי להפריד את התאים לצורך ניתוח,
08:35
to separate the cells for analysis,
153
503877
2575
וברצפי הדנ"א כדי לתייג
ולהכין רשימת מצאי
ולהכין רשימת מצאי
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
כדי לעקוב אחרי הכל.
08:41
and keep track of everything.
155
509945
1488
ועכשיו, כשאנו עורכים ניסוי,
08:44
And now, whenever we do an experiment,
156
512727
1976
אנו מנתחים עשרות אלפי
תאים שונים.
תאים שונים.
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
והיום, בתחום המדע הזה,
08:51
And today in this area of science,
158
519018
2624
הולך וגדל האתגר
ללמוד ככל שנוכל
ללמוד ככל שנוכל
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
מהר ככל שנוכל
08:58
as quickly as we can
160
526621
1872
ממערכי הנתונים הענקיים האלה.
09:00
from these vast data sets.
161
528517
1738
כשפיתחנו את ה"דרופ-סיק",
אמרו לנו,
אמרו לנו,
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
"זה יהפוך אתכם לכתובת
לכל מיזם גדול שקשור למוח."
לכל מיזם גדול שקשור למוח."
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
אנו ראינו זאת אחרת.
09:13
That's not how we saw it.
164
541257
1544
המדע הוא במיטבו כשכולם מפיקים
המון נתונים מלהיבים.
המון נתונים מלהיבים.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
אז כתבנו ספר-הוראות
בן 25 עמודים,
בן 25 עמודים,
09:20
So we wrote a 25-page instruction book,
166
548197
3214
שבעזרתו יכול כל מדען
לבנות מערכת "דרופ-סיק" מההתחלה.
לבנות מערכת "דרופ-סיק" מההתחלה.
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
ספר ההוראות הזה הורד
מאתר המעבדה שלנו
מאתר המעבדה שלנו
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
50,000 פעם בשנתיים האחרונות.
09:31
50,000 times in the past two years.
169
559758
2965
כתבנו תוכנה שבה יכול
להשתמש כל מדען
להשתמש כל מדען
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
כדי לנתח נתונים מניסויי "דרופ-סיק",
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
וגם התוכנה היא חינמית,
09:41
and that software is also free,
172
569596
1715
והיא הורדה מהאתר שלנו
30,000 פעם בשנתיים האחרונות.
30,000 פעם בשנתיים האחרונות.
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
ומאות מעבדות כתבו לנו
על התגליות שלהן
על התגליות שלהן
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
באמצעות הגישה הזאת.
09:53
using this approach.
175
581331
1443
היום, הטכנולוגיה הזאת משמשת
להכנת אטלס של התאים האנושיים.
להכנת אטלס של התאים האנושיים.
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
האטלס הזה יראה את
כל סוגי התאים בגוף האנושי
כל סוגי התאים בגוף האנושי
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
ואת הגנים הספציפיים שבהם
משתמש כל תא לביצוע תפקידו.
משתמש כל תא לביצוע תפקידו.
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
עכשיו ברצוני לספר לכם
עם אתגר נוסף שלנו
עם אתגר נוסף שלנו
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
בנסיון להפוך את המוח
לבעיית נתוני-עתק.
לבעיית נתוני-עתק.
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
האתגר הוא רצוננו ללמוד מהמוחות
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
של מאות אלפי בני-אדם חיים.
10:16
of hundreds of thousands of living people.
182
604808
2444
אבל המוחות שלנו אינם
נגישים פיזית כשאנו בחיים.
נגישים פיזית כשאנו בחיים.
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
אז איך נגלה גורמים מולקולריים
אם איננו יכולים להגיע למולקולות?
אם איננו יכולים להגיע למולקולות?
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
התשובה נעוצה בעובדה
שהמולקולות הכי אינפורמטיביות, החלבונים,
שהמולקולות הכי אינפורמטיביות, החלבונים,
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
מקודדות בדנ"א שלנו,
10:34
are encoded in our DNA,
186
622924
1782
שמכיל מתכונים שעל פיהם
התאים יוצרים את החלבונים שלנו.
התאים יוצרים את החלבונים שלנו.
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
המתכונים האלה משתנים מאדם לאדם
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
בדרכים שגורמות לחלבונים
להשתנות מאדם לאדם
להשתנות מאדם לאדם
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
מבחינת הרצף המדויק
10:50
in their precise sequence
190
638335
1787
וכמות החלבון שכל סוג תא מייצר.
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
הכל מקודד בדנ"א,
כל זה הוא גנטיקה,
כל זה הוא גנטיקה,
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
אבל לא הגנטיקה שלמדנו בבית-הספר.
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
זוכרים את האותיות
הגדולות והקטנות בדנ"א?
הגדולות והקטנות בדנ"א?
11:03
Do you remember big B, little b?
194
651572
1983
שאם ירשתם B גדולה,
תהיינה לכם עיניים חומות?
תהיינה לכם עיניים חומות?
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
זה פשוט.
11:09
It's simple.
196
657085
1223
מעט מאד תכונות
הן עד כדי כך פשוטות.
הן עד כדי כך פשוטות.
11:11
Very few traits are that simple.
197
659451
3173
אפילו צבע העיניים מוכתב ע"י
הרבה יותר מאשר מולקולת פיגמנט בודדת.
הרבה יותר מאשר מולקולת פיגמנט בודדת.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
ומשהו כה מורכב כמו תפקוד המוח
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
נקבע ע"י יחסי הגומלין
בין אלפי גנים.
בין אלפי גנים.
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
וכל אחד מהגנים האלה
שונה באופן משמעותי אצל כל אדם,
שונה באופן משמעותי אצל כל אדם,
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
11:30
from person to person to person,
202
678770
1838
וכל אחד מאיתנו
הוא שילוב ייחודי של שוֹנוּת זו.
הוא שילוב ייחודי של שוֹנוּת זו.
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
זאת הזדמנות עבור גישת נתוני העתק.
11:37
It's a big data opportunity.
204
685419
2216
והיום, יותר ויותר מתאפשרת קידמה
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
בהיקף שלא היה אפשרי עד כה.
11:43
on a scale that was never possible before.
206
691414
2796
אנשים תורמים למחקר הגנטי
11:46
People are contributing to genetic studies
207
694234
2405
במספרי שיא,
11:48
in record numbers,
208
696663
1594
ומדענים בכל העולם
חולקים ביניהם נתונים
חולקים ביניהם נתונים
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
כדי להאיץ את ההתקדמות.
11:55
to speed progress.
210
703196
1571
אני רוצה לספר לכם סיפור קצר
על תגלית שגילינו לאחרונה
על תגלית שגילינו לאחרונה
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
בנוגע לגנטיקה של הסכיזופרניה.
12:00
about the genetics of schizophrenia.
212
708777
1894
היא התאפשרה הודות ל-50,000 איש
מ-30 מדינות,
מ-30 מדינות,
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
שתרמו מהדנ"א שלהם
לחקר הגנטי של הסכיזופרניה.
לחקר הגנטי של הסכיזופרניה.
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
מזה כמה שנים ידוע
12:14
It had been known for several years
215
722406
2096
שהסיכון לסכיזופרניה הגדול ביותר
בגנום האנושי
בגנום האנושי
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
מקורו בחלק בגנום
12:20
comes from a part of the genome
217
728661
1802
שמקודד רבות מהמולקולות
במערכת החיסונית שלנו.
במערכת החיסונית שלנו.
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
אבל לא היה ברור
מיהו הגן האחראי לכך.
מיהו הגן האחראי לכך.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
מדען במעבדה שלי פיתח
דרך חדשה לניתוח דנ"א בעזרת מחשב,
דרך חדשה לניתוח דנ"א בעזרת מחשב,
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
והוא גילה דבר מפתיע ביותר.
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
הוא גילה שגן
בשם "מרכיב משלים 4"
בשם "מרכיב משלים 4"
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
או בקיצור "סי4" --
12:40
it's called "C4" for short --
223
748204
1799
מופיע בעשרות צורות שונות
בגנומים של אנשים שונים,
בגנומים של אנשים שונים,
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
והצורות השונות האלה
יוצרות כמויות שונות
יוצרות כמויות שונות
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
של חלבון סי4 במוח.
12:50
of C4 protein in our brains.
226
758170
2242
הוא מצא שככל שהגנים שלנו
מייצרים יותר חלבון סי4,
מייצרים יותר חלבון סי4,
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
כך גדל הסיכון לסכיזופרניה.
12:56
the greater our risk for schizophrenia.
228
764966
2112
הסי4 הוא רק גורם-סיכון אחד
במערכת מורכבת.
במערכת מורכבת.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
לא מדובר בתכונה גנטית פשוטה,
13:04
This isn't big B,
230
772850
1989
אלא בתובנה לגבי מולקולה חשובה.
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
חלבונים משלימים כמו סי4
מוכרים מזה זמן רב
מוכרים מזה זמן רב
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
בשל תפקידיהם במערכת החיסונית,
13:15
for their roles in the immune system,
233
783153
1953
שבה הם מתפקדים
כפתקים-דביקים מולקולריים
כפתקים-דביקים מולקולריים
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
שמודיעים, "איכלו אותי".
13:19
that says, "Eat me."
235
787932
1580
פתק דביק כזה נצמד
לכל מיני שאריות ותאים מתים בגופנו
לכל מיני שאריות ותאים מתים בגופנו
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
13:25
and dead cells in our bodies
237
793166
2357
והוא מזמין את תאי המערכת החיסונית
לחסל אותם.
לחסל אותם.
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
אבל שניים מעמיתי גילו
שפתקי הסי4
שפתקי הסי4
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
מוצמדים גם לסינפסות במוח
13:35
also gets put on synapses in the brain
240
803183
3298
ומזמינים את חיסולן.
13:38
and prompts their elimination.
241
806505
1864
יצירה וחיסול של סינפסות
היא חלק תקין
היא חלק תקין
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
מההתפתחות והלמידה האנושית.
13:44
of human development and learning.
243
812444
1854
מוחותינו יוצרים ומחסלים סינפסות כל הזמן.
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
אבל לפי תוצאות
החקר הגנטי שלנו בסכיזופרניה,
החקר הגנטי שלנו בסכיזופרניה,
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
תהליך החיסול עלול לצאת משליטה.
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
מדענים בחברות תרופות רבות
אומרים לי שהם נרגשים מתגלית זו,
אומרים לי שהם נרגשים מתגלית זו,
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
כי הם עובדים כבר שנים
על חלבונים משלימים
על חלבונים משלימים
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
במערכת החיסונית,
14:04
in the immune system,
249
832401
1540
והם למדו המון על אופן פעולתם.
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
הם אפילו פיתחו מולקולות
שמשבשות את פעולת החלבונים המשלימים,
שמשבשות את פעולת החלבונים המשלימים,
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
והם מתחילים לבחון אותם במוח
וגם במערכת החיסונית.
וגם במערכת החיסונית.
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
יש כאן פוטנציאל לתרופה
שתטפל בגורם יסודי
שתטפל בגורם יסודי
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
במקום בתסמין מסוים,
14:21
rather than an individual symptom,
254
849869
2649
ואנו מקווים שעבודתם
מרובת השנים הזו של מדענים רבים
מרובת השנים הזו של מדענים רבים
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
תישא פרי.
14:28
will be successful.
256
856614
1152
אבל הסי4 הוא רק דוגמה אחת
14:31
But C4 is just one example
257
859689
3014
לאפשרויות הגלומות בגישות מדעיות
מבוססות-נתונים
מבוססות-נתונים
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
לפתיחת חזיתות חדשות
בבעיות רפואיות בנות מאות שנים.
בבעיות רפואיות בנות מאות שנים.
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
יש בגנום שלנו מאות מקומות
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
שמשפיעים על הסיכון למחלות מוח,
14:44
that shape risk for brain illnesses,
261
872913
2585
וכל אחד מהם עשוי להניב
את התובנה המולקולרית הבאה
את התובנה המולקולרית הבאה
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
בנוגע למולקולה חשובה.
14:51
about a molecule that matters.
263
879612
2020
בנוסף, ישנם מאות סוגי תאים
שמשתמשים בגנים אלה בשילובים שונים.
שמשתמשים בגנים אלה בשילובים שונים.
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
אני ומדענים נוספים עובדים
על הפקת שאר הנתונים הדרושים
על הפקת שאר הנתונים הדרושים
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
14:59
the rest of the data that's needed
266
887760
2069
ועל לימוד כל מה שנוכל ללמוד
מנתונים אלה,
מנתונים אלה,
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
ואנו מקווים לפתוח
עוד הרבה חזיתות חדשות.
עוד הרבה חזיתות חדשות.
15:04
we hope to open many more new fronts.
268
892270
2403
הגנטיקה וניתוח התא הבודד
הן רק שתי דרכים
הן רק שתי דרכים
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
לנסות להפוך את המוח
לבעיית נתוני-עתק.
לבעיית נתוני-עתק.
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
יש עוד דברים רבים שנוכל לעשות.
15:18
There is so much more we can do.
271
906424
2159
מדענים במעבדתי יוצרים טכנולוגיה
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
למיפוי מהיר של החיבורים הסינפטיים במוח
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
כדי לקבוע אילו תאי-עצב
מדברים עם אילו תאי-עצב
מדברים עם אילו תאי-עצב
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
ואיך השיחות האלה משתנות
לאורך החיים ובמהלך מחלה.
לאורך החיים ובמהלך מחלה.
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
הם גם מפתחים דרך
לבחון במבחנה בודדת
לבחון במבחנה בודדת
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
איך תאים עם גנומים
של מאות אנשים שונים
של מאות אנשים שונים
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
מגיבים אחרת לאותו גירוי.
15:42
respond differently to the same stimulus.
278
930753
2170
המיזמים האלה מחברים בין אנשים
ממגוון רקעים, הכשרות ותחומי-עניין --
ממגוון רקעים, הכשרות ותחומי-עניין --
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
15:51
and training and interests --
280
939175
2493
ביולוגיה, מחשבים, כימיה,
מתמטיקה, סטטיסטיקה, הנדסה.
מתמטיקה, סטטיסטיקה, הנדסה.
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
והאפשרויות המדעיות מקבצות אנשים
בעלי תחומי-עניין מגוונים
בעלי תחומי-עניין מגוונים
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
לעבודה מאומצת ביחד.
16:04
into working intensely together.
283
952461
2235
מהו העתיד שאנו מקווים ליצור?
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
חישבו על הסרטן.
16:12
Consider cancer.
285
960267
1350
עברנו מעידן הבורות
באשר לגורמי הסרטן,
באשר לגורמי הסרטן,
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
שבו ייחסו בד"כ את הסרטן
למאפיינים פסיכולוגיים אישיים,
למאפיינים פסיכולוגיים אישיים,
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
לעידן המודרני של ההבנה המולקולרית
באשר לגורמי הסרטן האמיתיים.
באשר לגורמי הסרטן האמיתיים.
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
הבנה זו מולידה כיום חידושים רפואיים
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
בזה אחר זה,
16:35
after innovative medicine,
290
983198
1696
ולמרות שהמלאכה עוד רבה,
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
כבר היום אנו מוקפים באנשים
שהחלימו מסרטן
שהחלימו מסרטן
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
שנחשב חשוך-מרפא
לפני דור אחד בלבד.
לפני דור אחד בלבד.
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
ומיליוני ניצולי סרטן, כמו אחותי,
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
מגלים שמצפות להם שנות חיים
בלתי-מובנות מאליהן
בלתי-מובנות מאליהן
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
והזדמנויות חדשות
16:56
and new opportunities
296
1004079
1769
לעבודה, לשמחה ולקשר אנושי.
16:57
for work and joy and human connection.
297
1005872
3930
זהו העתיד שאנו נחושים ליצור
בנוגע למחלות הנפש --
בנוגע למחלות הנפש --
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
עתיד של הבנה אמיתית ואמפתיה
17:08
one of real understanding and empathy
299
1016581
4119
ושל אפשרויות בלתי-מוגבלות.
17:12
and limitless possibility.
300
1020724
1816
תודה לכם.
17:15
Thank you.
301
1023159
1190
(מחיאות כפיים)
17:16
(Applause)
302
1024374
4062
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