TED2012
Carl Schoonover: How to look inside the brain
Carl Schoonover: Hogyan pillantsunk be az agy belsejébe
Filmed:
Readability: 4.8
962,022 views
Ismert, hogy jelentős előrelépések történtek az agykutatásban - de hogyan tudjuk vizsgálni a neuronokat? Carl Schoonover TED Fellow agykutató csodálatos képek segítségével mutatja be az eszközöket, melyek segítenek belepillantani az agyba.
Carl Schoonover - Neuroscience PhD student + writer
Carl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist. Full bio
Carl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist. Full bio
Double-click the English transcript below to play the video.
00:16
This is a thousand-year-old drawing of the brain.
0
359
3996
Ez egy ezeréves rajz az agyról.
00:20
It's a diagram of the visual system.
1
4355
1912
A látószerveket ábrázolja.
00:22
And some things look very familiar today.
2
6267
2750
Pár részlet ma is ismerősnek tűnik.
00:24
Two eyes at the bottom, optic nerve flowing out from the back.
3
9017
4367
Két szemgolyó lent, hátulról pedig csatlakoznak a látóidegek.
00:29
There's a very large nose
4
13384
2120
Itt egy hatalmas orr is,
00:31
that doesn't seem to be connected to anything in particular.
5
15504
3317
ami látszólag semmihez sem kapcsolódik.
00:34
And if we compare this
6
18821
1700
Ha ezt összehasonlítjuk
00:36
to more recent representations of the visual system,
7
20521
2074
a látószervek mai modelljével,
00:38
you'll see that things have gotten substantially more complicated
8
22595
2957
láthatjuk, hogy alapvetően sokkal bonyolultabbá vált
00:41
over the intervening thousand years.
9
25552
1573
a közbenső ezer évben.
00:43
And that's because today we can see what's inside of the brain,
10
27125
2965
Ez azért van, mert ma már látjuk, mi van az agyban,
00:45
rather than just looking at its overall shape.
11
30090
2481
nem pedig csak a külső alakját.
00:48
Imagine you wanted to understand how a computer works
12
32571
3979
Képzeljék csak el, hogy a számítógép működésére kíváncsiak,
00:52
and all you could see was a keyboard, a mouse, a screen.
13
36550
3179
és csak egy egeret, billyentyűzetet, képernyőt látnak.
00:55
You really would be kind of out of luck.
14
39729
2396
Hát ez alapján nem sokra jutnának.
00:58
You want to be able to open it up, crack it open,
15
42125
2042
Ki kellene nyitni, feltörni,
01:00
look at the wiring inside.
16
44167
1844
megnézni az áramköröket.
01:01
And up until a little more than a century ago,
17
46011
1864
Nem egészen száz évvel ezelőttig
01:03
nobody was able to do that with the brain.
18
47875
2000
senki nem tudta ezt megtenni az aggyal.
01:05
Nobody had had a glimpse of the brain's wiring.
19
49875
1880
Senki nem látott bele az agy áramköreibe.
01:07
And that's because if you take a brain out of the skull
20
51755
2952
Mégpedig azért, mert ha az agyat kivesszük a koponyából,
01:10
and you cut a thin slice of it,
21
54707
1689
vágunk belőle egy vékony szeletet,
01:12
put it under even a very powerful microscope,
22
56396
2498
és nagy teljesítményű mikroszkóp alá tesszük,
01:14
there's nothing there.
23
58894
1181
akkor semmit nem fogunk látni.
01:15
It's gray, formless.
24
60075
1613
Szürke maszlag az egész.
01:17
There's no structure. It won't tell you anything.
25
61688
2604
Nincs szerkezete. Nem derül ki belőle semmi.
01:20
And this all changed in the late 19th century.
26
64292
2854
Mindez teljesen megváltozott a XIX. sz. végén.
01:23
Suddenly, new chemical stains for brain tissue were developed
27
67146
3875
Egyszercsak feltaláltak agyszövet színezésére alkalmas vegyi anyagokat,
01:26
and they gave us our first glimpses at brain wiring.
28
71021
2812
és ezek elsőként betekintést engedtek az agy kapcsolási rajzába.
01:29
The computer was cracked open.
29
73833
2013
Feltörték a számítógépet.
01:31
So what really launched modern neuroscience
30
75846
2856
Ami igazi lökést adott a modern agykutatásnak,
01:34
was a stain called the Golgi stain.
31
78702
1965
az a Golgi-festés volt.
01:36
And it works in a very particular way.
32
80667
1881
Nagyon különleges módon működik a dolog.
01:38
Instead of staining all of the cells inside of a tissue,
33
82548
3110
Ahelyett, hogy az összes sejtet befestené a szövetben,
01:41
it somehow only stains about one percent of them.
34
85658
3032
valamiért csak egy százalékukat színezi el.
01:44
It clears the forest, reveals the trees inside.
35
88690
3342
Feltárja az erdőt, és megmutatja benne a fákat.
01:47
If everything had been labeled, nothing would have been visible.
36
92032
2672
Ha minden jelölve lenne, semmi nem lenne látható.
01:50
So somehow it shows what's there.
37
94704
2046
Tehát megmutatja, mi van itt.
01:52
Spanish neuroanatomist Santiago Ramon y Cajal,
38
96750
2667
Santiago Ramon y Cajal spanyol ideganatómus,
01:55
who's widely considered the father of modern neuroscience,
39
99417
2845
akit sokan a modern idegtudomány atyjának tartanak,
01:58
applied this Golgi stain, which yields data which looks like this,
40
102262
3897
a Golgi-festést használva hasonló adatokhoz jutott,
02:02
and really gave us the modern notion of the nerve cell, the neuron.
41
106159
3758
és megalkotta az idegsejt, a neuron fogalmát.
02:05
And if you're thinking of the brain as a computer,
42
109917
2614
Ha számítógépként gondolunk az agyra,
02:08
this is the transistor.
43
112531
2011
akkor ez a tranzisztornak felel meg.
02:10
And very quickly Cajal realized
44
114542
2075
Cajal hamar rájött,
02:12
that neurons don't operate alone,
45
116617
2337
hogy a neuronok nem önállóan üzemelnek,
02:14
but rather make connections with others
46
118954
1838
hanem kapcsolatban vannak egymással,
02:16
that form circuits just like in a computer.
47
120792
2506
és áramköröket alkotnak, mint egy számítógép.
02:19
Today, a century later, when researchers want to visualize neurons,
48
123298
3391
Ma, egy századdal később, ha a kutatók látni akarják a neuronokat,
02:22
they light them up from the inside rather than darkening them.
49
126689
2767
sötétítés helyett belülről megvilágítják őket.
02:25
And there's several ways of doing this.
50
129456
1150
Sokféle módszer van erre.
02:26
But one of the most popular ones
51
130606
1727
Az egyik legnépszerűbb
02:28
involves green fluorescent protein.
52
132333
2092
a zöld világító fehérje alkalmazása.
02:30
Now green fluorescent protein,
53
134425
1659
A zölden világító protein, ami érdekes módon
02:31
which oddly enough comes from a bioluminescent jellyfish,
54
136084
3145
egy természetes világítóanyaggal rendelkező medúzából származik,
02:35
is very useful.
55
139229
1238
nagyon hasznos.
02:36
Because if you can get the gene for green fluorescent protein
56
140467
2638
Ha a zölden világító protein génjét
02:39
and deliver it to a cell,
57
143105
1675
be tudjuk tenni egy sejtbe,
02:40
that cell will glow green --
58
144780
1747
az a sejt is zölden fog világítani --
02:42
or any of the many variants now of green fluorescent protein,
59
146527
3746
vagy a zölden világító protein bármelyik változatával működik ez,
02:46
you get a cell to glow many different colors.
60
150273
1664
többféle színben is világíthat egy sejt.
02:47
And so coming back to the brain,
61
151937
1521
Visszatérve az agyra,
02:49
this is from a genetically engineered mouse called "Brainbow."
62
153458
3800
ez egy génmanipulált egér, Szivárvagy képe.
02:53
And it's so called, of course,
63
157258
1550
Természetesen azért hívjuk így,
02:54
because all of these neurons are glowing different colors.
64
158808
3612
mert ezek a neuronok különböző színekben pompáznak.
02:58
Now sometimes neuroscientists need to identify
65
162420
3451
Az idegkutatóknak néha egyedi molekuláris
03:01
individual molecular components of neurons, molecules,
66
165871
3044
alkotóelemeket kell beazonosítaniuk,
03:04
rather than the entire cell.
67
168915
1798
nem pedig egy egész sejtet.
03:06
And there's several ways of doing this,
68
170713
1706
Sokféle módszer van erre,
03:08
but one of the most popular ones
69
172419
1469
az egyik legnépszerűbb
03:09
involves using antibodies.
70
173888
2195
antitestek alkalmazásával jár.
03:11
And you're familiar, of course,
71
176083
1337
Mint tudjuk, az antitestek
03:13
with antibodies as the henchmen of the immune system.
72
177420
2951
az immunrendszer végrehajtói.
03:16
But it turns out that they're so useful to the immune system
73
180371
2418
Kiderült, hogy azért olyan hasznosak az immunrendszer számára,
03:18
because they can recognize specific molecules,
74
182789
2550
mert felismernek bizonyos molekulákat,
03:21
like, for example, the code protein
75
185339
2119
mint például egy, a szervezetet megtámadó
03:23
of a virus that's invading the body.
76
187458
2388
vírus kód proteinjét.
03:25
And researchers have used this fact
77
189846
2045
A kutatók arra használják ezt,
03:27
in order to recognize specific molecules inside of the brain,
78
191891
4325
hogy bizonyos típusú molekulákat azonosítsanak be az agyban,
03:32
recognize specific substructures of the cell
79
196216
2640
felismerjenek alszerkezeteket a sejtekben,
03:34
and identify them individually.
80
198856
2244
és egyenként azonosítsák őket.
03:37
And a lot of the images I've been showing you here are very beautiful,
81
201100
3025
A legtöbb kép, amit itt mutattam, nagyon szép,
03:40
but they're also very powerful.
82
204125
1906
de nagyon nagy jelentőséggel is bír.
03:41
They have great explanatory power.
83
206031
1636
Óriási magyarázó erejük van.
03:43
This, for example, is an antibody staining
84
207667
2090
Ez itt péládul azt mutatja, ahogy antitestek
03:45
against serotonin transporters in a slice of mouse brain.
85
209757
3520
befestik a szerotonin neurotranszmittereket egy szelet egéragyban.
03:49
And you've heard of serotonin, of course,
86
213277
1681
A szerotonin és a depresszió, szorongás
03:50
in the context of diseases like depression and anxiety.
87
214958
2827
közötti kapcsolat közismert.
03:53
You've heard of SSRIs,
88
217785
1408
Hallottunk az SSRI-kről,
03:55
which are drugs that are used to treat these diseases.
89
219193
2897
ezen betegségek kezelésére való gyógyszerekről.
03:57
And in order to understand how serotonin works,
90
222090
2890
Hogy megértsük, hogyan működik a szerotonin,
04:00
it's critical to understand where the serontonin machinery is.
91
224980
3076
azt is meg kell értenünk, hol van a szerotonin gépezet.
04:03
And antibody stainings like this one
92
228056
1596
Antitest festékek, mint ez is,
04:05
can be used to understand that sort of question.
93
229652
3546
segítenek ennek megválaszolásában.
04:09
I'd like to leave you with the following thought:
94
233198
2558
A következő gondolattal szeretnék zárni:
04:11
Green fluorescent protein and antibodies
95
235756
2610
A zöld világító protein és az antitestek
04:14
are both totally natural products at the get-go.
96
238366
3007
mind természetes anyagok a kezdettől fogva.
04:17
They were evolved by nature
97
241373
2779
A természet fejlesztette ki őket,
04:20
in order to get a jellyfish to glow green for whatever reason,
98
244152
2567
hogy a medúza zölden világítson valamiért,
04:22
or in order to detect the code protein of an invading virus, for example.
99
246719
4383
vagy hogy egy támadó vírust beazonosítsunk.
04:27
And only much later did scientists come onto the scene
100
251102
3017
Csak jóval később léptek színre a kutatók,
04:30
and say, "Hey, these are tools,
101
254119
2023
és mondták, hogy "Hé, hát ezek eszközök,
04:32
these are functions that we could use
102
256142
2113
módszerek, amiket felvehetünk
04:34
in our own research tool palette."
103
258255
2008
a kutatási eszközeink palettájára."
04:36
And instead of applying feeble human minds
104
260263
3628
Ahelyett, hogy gyarló emberi aggyal
04:39
to designing these tools from scratch,
105
263891
1884
a semmiből kellene megtervezni ilyen dolgokat,
04:41
there were these ready-made solutions right out there in nature
106
265775
2904
itt vannak ezek a készregyártott megoldások a természetben,
04:44
developed and refined steadily for millions of years
107
268679
3236
évmilliók alatt kidolgozva és finomítva
04:47
by the greatest engineer of all.
108
271915
1700
a legnagyobb mérnök által.
04:49
Thank you.
109
273615
1262
Köszönöm.
04:50
(Applause)
110
274877
2538
(Taps)
ABOUT THE SPEAKER
Carl Schoonover - Neuroscience PhD student + writerCarl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist.
Why you should listen
Carl is a neuroscience PhD candidate at Columbia University, where he works on microanatomy and electrophysiology of rodent somatosensory cortex. He the author of Portraits of the Mind: Visualizing the Brain from Antiquity to the 21st Century, and has written for the New York Times, Le Figaro, the Huffington Post, Science, Scientific American, Design Observer, and Boing Boing. In 2008 he cofounded NeuWrite, a collaborative working group for scientists, writers, and those in between. He hosts a radio show on WkCR 89.9FM, which focuses on opera and classical music, and their relationship to the brain.
Carl Schoonover | Speaker | TED.com