TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Una mappa del cervello
Filmed:
Readability: 4.4
1,269,611 views
Come possiamo cominciare a capire il modo in cui funziona il cervello? Nello stesso modo in cui si comincia a capire una città: disegnando una mappa. In questo discorso dal forte impatto visivo, Allan Jones mostra come la sua squadra traccia le mappe dei geni che si attivano in ogni piccola regione e come tutto viene collegato.
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
Double-click the English transcript below to play the video.
00:15
Humans have long held a fascination
0
0
2000
L'uomo è sempre stato affascinato
00:17
for the human brain.
1
2000
2000
dal cervello umano.
00:19
We chart it, we've described it,
2
4000
3000
Lo tracciamo, l'abbiamo descritto,
00:22
we've drawn it,
3
7000
2000
l'abbiamo disegnato,
00:24
we've mapped it.
4
9000
3000
l'abbiamo mappato.
00:27
Now just like the physical maps of our world
5
12000
3000
Proprio come la cartografia del mondo
00:30
that have been highly influenced by technology --
6
15000
3000
è stata fortemente influenzata dalla tecnologia -
00:33
think Google Maps,
7
18000
2000
pensate a Google Maps,
00:35
think GPS --
8
20000
2000
al GPS -
00:37
the same thing is happening for brain mapping
9
22000
2000
la stessa cosa accade per la mappatura del cervello
00:39
through transformation.
10
24000
2000
attraverso la trasformazione.
00:41
So let's take a look at the brain.
11
26000
2000
Diamo uno sguardo al cervello.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Molte persone quando vedono un cervello fresco per la prima volta
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
dicono: "È diverso da quello che di solito si vede
00:49
when someone shows you a brain."
14
34000
2000
quando qualcuno vi mostra un cervello".
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Di solito quello che vedete è un cervello fisso. È grigio.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Questo strato più esterno è il sistema vascolare.
00:56
which is incredible, around a human brain.
17
41000
2000
Quello di un cervello umano è straordinario.
00:58
This is the blood vessels.
18
43000
2000
Questi sono i vasi sanguigni.
01:00
20 percent of the oxygen
19
45000
3000
Il 20% dell'ossigeno
01:03
coming from your lungs,
20
48000
2000
proveniente dai polmoni,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
e il 20% del sangue pompato dal cuore
01:07
is servicing this one organ.
22
52000
2000
sono al servizio di questo organo.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Il cervello è praticamente un po' più grande
01:11
it's just slightly larger than the two fists.
24
56000
2000
di due pugni chiusi messi insieme.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Verso la fine del 20° secolo, gli scienziati
01:16
learned that they could track blood flow
26
61000
2000
appresero come monitorare il flusso sanguigno
01:18
to map non-invasively
27
63000
3000
tracciando mappe non invasive
01:21
where activity was going on in the human brain.
28
66000
3000
per rilevare l'attività nel cervello umano.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
In tal modo si può vedere nell'area posteriore del cervello,
01:27
which is just turning around there.
30
72000
2000
proprio come si vede sullo schermo.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Ecco il cervelletto, che vi tiene in posizione verticale.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Mi permette di stare in piedi. È coinvolto nel movimento coordinato.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Su questo lato c'è la corteccia temporale.
01:37
This is the area where primary auditory processing --
34
82000
3000
L'area in cui si verifica il processo uditivo primario -
01:40
so you're hearing my words,
35
85000
2000
così sentite le mie parole,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
che vengono inviate ai centri di elaborazione del linguaggio.
01:44
Towards the front of the brain
37
89000
2000
Verso la parte anteriore del cervello
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
si verifica il pensiero più complesso, il processo decisionale -
01:49
it's the last to mature in late adulthood.
39
94000
4000
ultimo a maturare in tarda età adulta.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
È qui che si svolgono tutti i processi decisionali.
01:56
It's the place where you're deciding right now
41
101000
2000
È il luogo in cui probabilmente in questo momento
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
state decidendo che non ordinerete la bistecca a cena.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Guardando più da vicino il cervello,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
se lo si guarda in sezione trasversale,
02:05
what you can see
45
110000
2000
ciò che si nota
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
è che qui non si riesce a vedere una grande struttura.
02:10
But there's actually a lot of structure there.
47
115000
2000
Ma c'è n'è davvero tanta.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Ci sono cellule e collegamenti interconnessi.
02:14
So about a hundred years ago,
49
119000
2000
Un centinaio di anni fa,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
alcuni scienziati inventarono un colorante per le cellule.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Come vedete qui in azzurro.
02:21
You can see areas
52
126000
2000
Potete vedere aree
02:23
where neuronal cell bodies are being stained.
53
128000
2000
dove i corpi cellulari normali vengono colorati.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Non è per niente uniforme. È molto più strutturato qui.
02:28
So the outer part of that brain
55
133000
2000
La parte esterna del cervello
02:30
is the neocortex.
56
135000
2000
è la neocorteccia.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
È un'unità di elaborazione continua.
02:35
But you can also see things underneath there as well.
58
140000
2000
Inoltre, vedete che ci sono delle cose al di sotto.
02:37
And all of these blank areas
59
142000
2000
E in tutte queste aree in bianco
02:39
are the areas in which the wires are running through.
60
144000
2000
ci sono le zone dove passano i collegamenti,
02:41
They're probably less cell dense.
61
146000
2000
e in cui si ha una minor densità di cellule.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Ci sono circa 86 miliardi di neuroni nel nostro cervello.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Come vedete, non sono distribuiti in maniera uniforme.
02:50
And how they're distributed really contributes
64
155000
2000
Questa distribuzione contribuisce in realtà
02:52
to their underlying function.
65
157000
2000
alla loro funzione di base.
02:54
And of course, as I mentioned before,
66
159000
2000
E naturalmente, come ho detto prima,
02:56
since we can now start to map brain function,
67
161000
3000
poiché ora riusciamo a mappare le funzioni cerebrali,
02:59
we can start to tie these into the individual cells.
68
164000
3000
cominciamo a farle risalire alle singole cellule.
03:02
So let's take a deeper look.
69
167000
2000
Diamo un'occhiata più approfondita.
03:04
Let's look at neurons.
70
169000
2000
Osserviamo i neuroni.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Come ho già detto, ce ne sono 86 miliardi.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Ci sono anche queste cellule più piccole, come vedrete.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Queste sono cellule di supporto - astrociti.
03:12
And the nerves themselves
74
177000
3000
E i nervi stessi
03:15
are the ones who are receiving input.
75
180000
2000
ricevono l'input.
03:17
They're storing it, they're processing it.
76
182000
2000
Lo memorizzano e lo elaborano.
03:19
Each neuron is connected via synapses
77
184000
4000
Ogni neurone è collegato via sinapsi
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
con altri 10.000 neuroni nel cervello.
03:26
And each neuron itself
79
191000
2000
E ogni neurone
03:28
is largely unique.
80
193000
2000
è in gran parte unico.
03:30
The unique character of both individual neurons
81
195000
2000
L'unicità di entrambi i singoli neuroni
03:32
and neurons within a collection of the brain
82
197000
2000
e dei neuroni all'interno di una zona del cervello
03:34
are driven by fundamental properties
83
199000
3000
sono determinati dalle proprietà fondamentali
03:37
of their underlying biochemistry.
84
202000
2000
della loro biochimica di base.
03:39
These are proteins.
85
204000
2000
Queste sono proteine
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
che controllano aspetti quali il movimento dei canali ionici.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Controllano con quali cellule del sistema nervoso associarsi.
03:48
And they're controlling
88
213000
2000
Controllano praticamente
03:50
basically everything that the nervous system has to do.
89
215000
2000
tutto quello che deve fare il sistema nervoso.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Quindi, se ci avviciniamo ancora di più,
03:55
all of those proteins
91
220000
2000
tutte quelle proteine
03:57
are encoded by our genomes.
92
222000
2000
sono codificate dal nostro genoma.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Ognuno di noi ha 23 coppie di cromosomi:
04:02
We get one from mom, one from dad.
94
227000
2000
uno dalla mamma e uno dal papà.
04:04
And on these chromosomes
95
229000
2000
E in questi cromosomi
04:06
are roughly 25,000 genes.
96
231000
2000
ci sono circa 25.000 geni
04:08
They're encoded in the DNA.
97
233000
2000
codificati nel DNA.
04:10
And the nature of a given cell
98
235000
3000
La natura di una determinata cellula
04:13
driving its underlying biochemistry
99
238000
2000
che attiva la propria biochimica di base
04:15
is dictated by which of these 25,000 genes
100
240000
3000
è determinata da quali di questi 25.000 geni
04:18
are turned on
101
243000
2000
vengono attivati
04:20
and at what level they're turned on.
102
245000
2000
e a quale livello si attivano.
04:22
And so our project
103
247000
2000
Quindi il nostro progetto
04:24
is seeking to look at this readout,
104
249000
3000
sta cercando di osservare questa lettura
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
e di capire quale di questi 25.000 geni è attivato.
04:30
So in order to undertake such a project,
106
255000
3000
Per intraprendere un progetto del genere
04:33
we obviously need brains.
107
258000
3000
abbiamo ovviamente bisogno di cervelli.
04:36
So we sent our lab technician out.
108
261000
3000
Quindi abbiamo inviato i nostri tecnici
04:39
We were seeking normal human brains.
109
264000
2000
alla ricerca di cervelli umani normali.
04:41
What we actually start with
110
266000
2000
Abbiamo iniziato nello studio
04:43
is a medical examiner's office.
111
268000
2000
di un medico legale,
04:45
This a place where the dead are brought in.
112
270000
2000
il luogo in cui vengono portati i cadaveri.
04:47
We are seeking normal human brains.
113
272000
2000
Siamo alla ricerca di cervelli normali.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Ci sono molti criteri per selezionarli.
04:52
We want to make sure
115
277000
2000
Vogliamo assicurarci
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
che siano di essere umani normali tra i 20 e 60 anni
04:57
they died a somewhat natural death
117
282000
2000
deceduti per cause naturali,
04:59
with no injury to the brain,
118
284000
2000
senza lesioni al cervello,
05:01
no history of psychiatric disease,
119
286000
2000
nessun passato di malattie psichiatriche,
05:03
no drugs on board --
120
288000
2000
né problemi di droga -
05:05
we do a toxicology workup.
121
290000
2000
facciamo un test tossicologico.
05:07
And we're very careful
122
292000
2000
E stiamo molto attenti
05:09
about the brains that we do take.
123
294000
2000
ai cervelli che scegliamo.
05:11
We're also selecting for brains
124
296000
2000
Selezioniamo anche dei cervelli
05:13
in which we can get the tissue,
125
298000
2000
da cui poter prelevare i tessuti.
05:15
we can get consent to take the tissue
126
300000
2000
Possiamo ottenere il consenso di prelevarli
05:17
within 24 hours of time of death.
127
302000
2000
entro 24 ore dal decesso.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Perché ciò che cerchiamo di misurare, l'RNA -
05:22
which is the readout from our genes --
129
307000
2000
che è la lettura dei nostri geni -
05:24
is very labile,
130
309000
2000
è molto labile,
05:26
and so we have to move very quickly.
131
311000
2000
e quindi dobbiamo agire molto in fretta.
05:28
One side note on the collection of brains:
132
313000
3000
Una nota a margine sulla raccolta dei cervelli:
05:31
because of the way that we collect,
133
316000
2000
a causa del modo in cui li otteniamo,
05:33
and because we require consent,
134
318000
2000
e dato che abbiamo bisogno di consenso,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
abbiamo molti più cervelli maschili che femminili.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
I maschi hanno più probabilità di morire per un incidente nel fiore degli anni.
05:41
And men are much more likely
137
326000
2000
E sono molto più propensi
05:43
to have their significant other, spouse, give consent
138
328000
3000
ad avere un partner, una moglie che ne dia il consenso
05:46
than the other way around.
139
331000
2000
piuttosto che il contrario.
05:48
(Laughter)
140
333000
4000
(Risate)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Quindi la prima cosa che facciamo nel luogo di raccolta
05:54
is we collect what's called an MR.
142
339000
2000
consiste nell'eseguire una RM,
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
una risonanza magnetica - RMI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
È un modello standard con cui introdurremo il resto dei dati.
06:01
So we collect this MR.
145
346000
2000
Abbiamo dunque la RM,
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
simile a una visione satellitare della nostra mappa.
06:05
The next thing we do
147
350000
2000
Poi quello che facciamo
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
è raccogliere la cosiddetta imaging del tensore di diffusione,
06:10
This maps the large cabling in the brain.
149
355000
2000
che traccia la mappa del cablaggio cerebrale.
06:12
And again, you can think of this
150
357000
2000
E ancora, si può considerare
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
come una mappatura delle nostre autostrade interstatali.
06:16
The brain is removed from the skull,
152
361000
2000
Il cervello viene rimosso dal cranio,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
quindi tagliato in sezioni spesse un centimetro.
06:21
And those are frozen solid,
154
366000
2000
Queste vengono congelate
06:23
and they're shipped to Seattle.
155
368000
2000
e inviate a Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
A Seattle le prendiamo -
06:27
this is a whole human hemisphere --
157
372000
2000
questo è un emisfero umano completo -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
e le mettiamo in una sorta di affettatrice.
06:31
There's a blade here that's going to cut across
159
376000
2000
Qui c'è una lama che attraverserà
06:33
a section of the tissue
160
378000
2000
una sezione del tessuto
06:35
and transfer it to a microscope slide.
161
380000
2000
e la trasferirà sul vetrino del microscopio.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Poi la coloreremo
06:39
and we scan it.
163
384000
2000
e la scansioneremo.
06:41
And then what we get is our first mapping.
164
386000
3000
Otteniamo così la nostra prima mappatura.
06:44
So this is where experts come in
165
389000
2000
Qui entrano in gioco gli esperti
06:46
and they make basic anatomic assignments.
166
391000
2000
che fanno le assegnazioni anatomiche di base.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Potete considerare queste linee piuttosto spesse
06:51
those pretty broad outlines.
168
396000
2000
come i confini tra stati.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Da questo, frammentiamo quel cervello in ulteriori parti
06:57
which then we can put on a smaller cryostat.
170
402000
2000
che poi metteremo su un criostato più piccolo.
06:59
And this is just showing this here --
171
404000
2000
E qui vi mostriamo -
07:01
this frozen tissue, and it's being cut.
172
406000
2000
questo tessuto congelato che viene tagliato.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Ha 20 micron di spessore, come i capelli di un bambino.
07:06
And remember, it's frozen.
174
411000
2000
Ricordate che è congelato.
07:08
And so you can see here,
175
413000
2000
Vedete che qui
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
usiamo la vecchia tecnologia del pennello.
07:12
We take a microscope slide.
177
417000
2000
Prendiamo un vetrino da microscopio.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Poi, con molta cura lo scongeliamo sul vetrino.
07:17
This will then go onto a robot
179
422000
2000
Questo va poi ad un robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
che applicherà uno di quei coloranti.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
E i nostri anatomisti andranno ad analizzarlo in dettaglio.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Questo è quello che si vede al microscopio.
07:31
You can see collections and configurations
183
436000
2000
Potete vedere collezioni e configurazioni
07:33
of large and small cells
184
438000
2000
di cellule grandi e piccole
07:35
in clusters and various places.
185
440000
2000
in gruppi e punti diversi.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
E da lì è routine. Loro sanno cosa fare.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Praticamente sono in grado di fare un atlante di riferimento.
07:42
This is a more detailed map.
188
447000
2000
Questa è una mappa più dettagliata.
07:44
Our scientists then use this
189
449000
2000
Poi i nostri scienziati usano questo
07:46
to go back to another piece of that tissue
190
451000
3000
per tornare a un altro pezzo di quel tessuto
07:49
and do what's called laser scanning microdissection.
191
454000
2000
ed eseguono la cosiddetta microdissezione laser.
07:51
So the technician takes the instructions.
192
456000
3000
Quindi il tecnico riceve le istruzioni,
07:54
They scribe along a place there.
193
459000
2000
e loro delineano un punto.
07:56
And then the laser actually cuts.
194
461000
2000
Poi il laser taglia.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Vedete il taglio del punto blu. E quel tessuto si stacca.
08:01
You can see on the microscope slide here,
196
466000
2000
Si vede qui sul vetrino
08:03
that's what's happening in real time.
197
468000
2000
ciò che accade in tempo reale.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Sotto c'è un contenitore che raccoglie il tessuto.
08:08
We take that tissue,
199
473000
2000
Lo prendiamo,
08:10
we purify the RNA out of it
200
475000
2000
purifichiamo il suo RNA
08:12
using some basic technology,
201
477000
2000
usando una tecnologia di base
08:14
and then we put a florescent tag on it.
202
479000
2000
e applichiamo un'etichetta fluorescente.
08:16
We take that tagged material
203
481000
2000
Prendiamo il materiale etichettato
08:18
and we put it on to something called a microarray.
204
483000
3000
e lo mettiamo su quello che chiamiamo microarray.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
A voi possono sembrare una serie di punti,
08:23
but each one of these individual dots
206
488000
2000
ma ognuno di questi singoli punti
08:25
is actually a unique piece of the human genome
207
490000
2000
è in realtà un pezzo unico del genoma umano
08:27
that we spotted down on glass.
208
492000
2000
che abbiamo individuato sul vetro.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Questo contiene circa 60.000 elementi,
08:32
so we repeatedly measure various genes
210
497000
3000
e noi possiamo misurare ripetutamente vari geni
08:35
of the 25,000 genes in the genome.
211
500000
2000
tra i 25.000 geni del genoma.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
E quando prendiamo un campione e lo ibridiamo,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
otteniamo un'impronta unica
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
che quantifica i geni attivati in quel campione.
08:45
Now we do this over and over again,
215
510000
2000
Ripetiamo continuamente questo processo
08:47
this process for any given brain.
216
512000
3000
per ogni cervello a disposizione.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Prendiamo oltre un migliaio di campioni di ogni cervello.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Questa zona, qui, è l'ippocampo.
08:56
It's involved in learning and memory.
219
521000
2000
È coinvolta nell'apprendimento e nella memoria.
08:58
And it contributes to about 70 samples
220
523000
3000
E contribuisce fino a circa 70 campioni
09:01
of those thousand samples.
221
526000
2000
di quelle migliaia di campioni.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Così ogni campione ci dà circa 50.000 dati
09:07
with repeat measurements, a thousand samples.
223
532000
3000
con misure ripetute, un migliaio di campioni.
09:10
So roughly, we have 50 million data points
224
535000
2000
Quindi abbiamo all'incirca 50 milioni di punti di dati
09:12
for a given human brain.
225
537000
2000
per ogni cervello umano.
09:14
We've done right now
226
539000
2000
Ora abbiamo i dati
09:16
two human brains-worth of data.
227
541000
2000
equivalenti a due cervelli umani.
09:18
We've put all of that together
228
543000
2000
Abbiamo combinato tutto questo
09:20
into one thing,
229
545000
2000
in una sintesi unica
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
e vi mostrerò l'aspetto di questa sintesi.
09:24
It's basically a large data set of information
231
549000
3000
Si tratta di una grande quantità di informazioni
09:27
that's all freely available to any scientist around the world.
232
552000
3000
gratuitamente a disposizione di ogni scienziato al mondo.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Non serve registrarsi per usare questo strumento,
09:33
mine this data, find interesting things out with this.
234
558000
4000
analizzare i dati e trovare cose interessanti.
09:37
So here's the modalities that we put together.
235
562000
3000
Queste sono le modalità che abbiamo ideato.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Le riconoscerete da quello che abbiamo raccolto prima.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Ecco la RM che fornisce la struttura.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
A destra c'è un operatore che vi permette di ruotare,
09:48
it allows you to zoom in,
239
573000
2000
ingrandire,
09:50
it allows you to highlight individual structures.
240
575000
3000
ed evidenziare singole strutture.
09:53
But most importantly,
241
578000
2000
Ma la cosa più importante,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
è che ora facciamo le mappe di questa struttura anatomica,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
una struttura comune per comprendere dove vengono attivati i geni.
10:01
So the red levels
244
586000
2000
Nei livelli rossi
10:03
are where a gene is turned on to a great degree.
245
588000
2000
viene attivato un gene al massimo grado.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Nel verde ci sono le zone fredde dove non è attivato.
10:08
And each gene gives us a fingerprint.
247
593000
2000
E ogni gene ci fornisce un'impronta digitale.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Ricordate che abbiamo analizzato tutti i 25.000 geni del genoma
10:15
and have all of that data available.
249
600000
4000
e abbiamo tutti i dati disponibili.
10:19
So what can scientists learn about this data?
250
604000
2000
Che cosa apprendono gli scienziati da questi dati?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Noi stessi stiamo solo iniziando a studiare questi dati.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Ci sono alcuni aspetti di base che vorremmo capire.
10:27
Two great examples are drugs,
253
612000
2000
Ottimi esempi sono due farmaci,
10:29
Prozac and Wellbutrin.
254
614000
2000
il Prozac e il Wellbutrin,
10:31
These are commonly prescribed antidepressants.
255
616000
3000
gli antidepressivi più comunemente prescritti.
10:34
Now remember, we're assaying genes.
256
619000
2000
Ricordate che noi analizziamo i geni.
10:36
Genes send the instructions to make proteins.
257
621000
3000
I geni inviano le istruzioni per produrre proteine.
10:39
Proteins are targets for drugs.
258
624000
2000
Le proteine sono i bersagli dei farmaci.
10:41
So drugs bind to proteins
259
626000
2000
I farmaci si legano alle proteine
10:43
and either turn them off, etc.
260
628000
2000
e le disattivano, ecc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Se volete comprendere l'azione dei farmaci,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
capire come agiscono in modo desiderato
10:50
and also in the ways you don't want them to.
263
635000
2000
e anche in modo indesiderato,
10:52
In the side effect profile, etc.,
264
637000
2000
gli effetti collaterali, ecc.,
10:54
you want to see where those genes are turned on.
265
639000
2000
dovete guardare dove vengono attivati questi geni.
10:56
And for the first time, we can actually do that.
266
641000
2000
E per la prima volta, possiamo davvero farlo.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Possiamo farlo anche su molti individui che abbiamo analizzato.
11:01
So now we can look throughout the brain.
268
646000
3000
Ora possiamo osservare tutto il cervello.
11:04
We can see this unique fingerprint.
269
649000
2000
Possiamo vedere questa impronta digitale unica.
11:06
And we get confirmation.
270
651000
2000
E ottenere la conferma.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Conferma che, in effetti, il gene viene attivato -
11:11
for something like Prozac,
272
656000
2000
per un farmaco come il Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
in strutture serotoninergiche, già notoriamente interessate -
11:16
but we also get to see the whole thing.
274
661000
2000
ma si può anche ottenere una visione generale.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Vediamo anche zone che nessuno ha mai visto prima,
11:20
and we see these genes turned on there.
276
665000
2000
e vediamo questi geni attivati lì.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
È un effetto collaterale molto interessante.
11:25
One other thing you can do with such a thing
278
670000
2000
Un'altra cosa che si può fare,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
dato che è un esercizio di equivalenza di pattern,
11:30
because there's unique fingerprint,
280
675000
2000
e c'è un'impronta digitale unica,
11:32
we can actually scan through the entire genome
281
677000
2000
è scansionare l'intero genoma
11:34
and find other proteins
282
679000
2000
e trovare altre proteine
11:36
that show a similar fingerprint.
283
681000
2000
che mostrino un'impronta digitale simile.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Se siete alla ricerca di nuovi farmaci, per esempio,
11:41
you can go through
285
686000
2000
è possibile esaminare
11:43
an entire listing of what the genome has on offer
286
688000
2000
un intero elenco di ciò che il genoma ha da offrire
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
per trovare migliori bersagli farmacologici e ottimizzarli.
11:49
Most of you are probably familiar
288
694000
2000
Probabilmente avrete sentito parlare
11:51
with genome-wide association studies
289
696000
2000
degli studi di associazione multipla [genome-wide]
11:53
in the form of people covering in the news
290
698000
3000
che i notiziari annunciano in tal modo:
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
"Gli scienziati hanno recentemente scoperto il gene, i geni
11:59
which affect X."
292
704000
2000
che interessano X".
12:01
And so these kinds of studies
293
706000
2000
Questo tipo di studi
12:03
are routinely published by scientists
294
708000
2000
viene regolarmente pubblicato dagli scienziati,
12:05
and they're great. They analyze large populations.
295
710000
2000
e sono bravissimi. Analizzano grandi popolazioni.
12:07
They look at their entire genomes,
296
712000
2000
Analizzano i loro interi genomi
12:09
and they try to find hot spots of activity
297
714000
2000
e cercano di trovare punti di alta attività
12:11
that are linked causally to genes.
298
716000
3000
collegati ai geni secondo cause specifiche.
12:14
But what you get out of such an exercise
299
719000
2000
Ma quello che si ottiene da tale esercizio
12:16
is simply a list of genes.
300
721000
2000
è semplicemente un elenco di geni.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Vi dice il cosa, ma non il dove.
12:21
And so it's very important for those researchers
302
726000
3000
Quindi, per quei ricercatori, è molto importante
12:24
that we've created this resource.
303
729000
2000
il fatto che abbiamo creato questa risorsa.
12:26
Now they can come in
304
731000
2000
Ora possono venire da noi
12:28
and they can start to get clues about activity.
305
733000
2000
e cominciare ad ottenere indizi sull'attività.
12:30
They can start to look at common pathways --
306
735000
2000
Possono iniziare a guardare a dei percorsi comuni -
12:32
other things that they simply haven't been able to do before.
307
737000
3000
altri modi che non erano riusciti a individuare prima.
12:36
So I think this audience in particular
308
741000
3000
Penso che questo pubblico in particolare
12:39
can understand the importance of individuality.
309
744000
3000
possa capire l'importanza dell'individualità.
12:42
And I think every human,
310
747000
2000
E penso che ogni essere umano,
12:44
we all have different genetic backgrounds,
311
749000
4000
tutti noi abbiamo diversi background genetici,
12:48
we all have lived separate lives.
312
753000
2000
abbiamo tutti vissuto vite separate.
12:50
But the fact is
313
755000
2000
Ma il fatto è
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
che i nostri genomi sono più del 99% simili.
12:55
We're similar at the genetic level.
315
760000
3000
Siamo simili a livello genetico.
12:58
And what we're finding
316
763000
2000
E scopriamo che
13:00
is actually, even at the brain biochemical level,
317
765000
2000
anche a livello di chimica cerebrale,
13:02
we are quite similar.
318
767000
2000
siamo piuttosto simili.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Questo mostra che la corrispondenza non è del 99%
13:06
but it's roughly 90 percent correspondence
320
771000
2000
ma è circa del 90%,
13:08
at a reasonable cutoff,
321
773000
3000
in un ragionevole margine,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
quindi tutto, nella nuvola, è più o meno correlato.
13:13
And then we find some outliers,
323
778000
2000
E poi troviamo alcuni valori anomali,
13:15
some things that lie beyond the cloud.
324
780000
3000
alcuni elementi che si trovano al di là della nuvola.
13:18
And those genes are interesting,
325
783000
2000
Questi geni sono interessanti
13:20
but they're very subtle.
326
785000
2000
ma appena percettibili.
13:22
So I think it's an important message
327
787000
3000
Secondo me un messaggio importante
13:25
to take home today
328
790000
2000
da portare con sé oggi
13:27
that even though we celebrate all of our differences,
329
792000
3000
è che, nonostante celebriamo tutte le nostre differenze,
13:30
we are quite similar
330
795000
2000
siamo molto simili,
13:32
even at the brain level.
331
797000
2000
anche a livello cerebrale.
13:34
Now what do those differences look like?
332
799000
2000
Ora, quali sono queste differenze?
13:36
This is an example of a study that we did
333
801000
2000
Ecco l'esempio di uno studio condotto
13:38
to follow up and see what exactly those differences were --
334
803000
2000
per monitorare esattamente queste differenze -
13:40
and they're quite subtle.
335
805000
2000
e sono abbastanza sottili.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Qui i geni sono attivati in un unico tipo di cellula.
13:46
These are two genes that we found as good examples.
337
811000
3000
Questi due geni sono esempi validi.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Uno, l'RELN, è coinvolto nelle prime fasi dello sviluppo.
13:52
DISC1 is a gene
339
817000
2000
Il DISC1 è un gene
13:54
that's deleted in schizophrenia.
340
819000
2000
soppresso nella schizofrenia.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Questi non sono soggetti schizofrenici,
13:58
but they do show some population variation.
342
823000
3000
ma mostrano alcune variazioni nella popolazione.
14:01
And so what you're looking at here
343
826000
2000
E quello che vedete qui
14:03
in donor one and donor four,
344
828000
2000
nei donatori uno e quattro,
14:05
which are the exceptions to the other two,
345
830000
2000
che sono l'eccezione agli altri due,
14:07
that genes are being turned on
346
832000
2000
è che i geni si attivano
14:09
in a very specific subset of cells.
347
834000
2000
in un sottogruppo molto specifico di cellule.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
È questo precipitato viola scuro all'interno della cellula
14:14
that's telling us a gene is turned on there.
349
839000
3000
che ci dice che lì c'è un gene attivo.
14:17
Whether or not that's due
350
842000
2000
Che sia dovuto o meno
14:19
to an individual's genetic background or their experiences,
351
844000
2000
al background genetico di una persona o alle sue esperienze,
14:21
we don't know.
352
846000
2000
non lo sappiamo.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Questi studi richiedono popolazioni molto più ampie.
14:28
So I'm going to leave you with a final note
354
853000
2000
Quindi vi lascerò con una nota finale
14:30
about the complexity of the brain
355
855000
3000
sulla complessità del cervello
14:33
and how much more we have to go.
356
858000
2000
e su quanto dobbiamo ancora fare.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Ritengo queste risorse incredibilmente importanti.
14:37
They give researchers a handle
358
862000
2000
Danno ai ricercatori la possibilità
14:39
on where to go.
359
864000
2000
di sapere dove dirigersi.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Ma in questa fase abbiamo studiato solo alcuni individui.
14:44
We're certainly going to be looking at more.
361
869000
2000
Sicuramente ne analizzeremo di più.
14:46
I'll just close by saying
362
871000
2000
Concludo solo dicendo
14:48
that the tools are there,
363
873000
2000
che gli strumenti ci sono,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
ed è veramente un continente inesplorato, tutto da scoprire.
14:54
This is the new frontier, if you will.
365
879000
4000
Questa è la nuova frontiera.
14:58
And so for those who are undaunted,
366
883000
2000
E quindi per gli intrepidi,
15:00
but humbled by the complexity of the brain,
367
885000
2000
intimiditi dalla complessità del cervello,
15:02
the future awaits.
368
887000
2000
il futuro vi attende.
15:04
Thanks.
369
889000
2000
Grazie.
15:06
(Applause)
370
891000
9000
(Applausi)
ABOUT THE SPEAKER
Allan Jones - Brain scientistAs CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.
Why you should listen
The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.
Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.
He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."
Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>
Allan Jones | Speaker | TED.com