TED2011
Ed Boyden: A light switch for neurons
Edas Boidenas: Neuronų jungiklis.
Filmed:
Readability: 4
1,098,379 views
Edas Boidenas rodo kaip, į smegenų ląsteles įterpdamas šviesai jautrių baltymų genus, jis gali pasirinktinai aktyvuoti ir deaktyvuoti neuronus šviesolaidiniais implantais. Su šiomis, atitikmens neturinčiomis, valdymo galimybėmis jam pavyko pelėms išgydyti sutrikimus analogiškus potrauminio streso sindromui ir kai kurių rūšių aklumui. Horizonte - neuroprotezai. Po pranešimo sesijos vedantysis Chuanas Enrikesas vadovauja trumpam klausimų ir atsakymų pokalbiui.
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Double-click the English transcript below to play the video.
00:15
Think about your day for a second.
0
0
2000
Akimirkai pagalvokite apie savo dieną.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
Atsikėlėte, jautėte šviežią orą ant savo veido, kai ėjote pro duris,
00:20
encountered new colleagues and had great discussions,
2
5000
2000
sutikote naujų kolegų, puikiai padiskutavote,
00:22
and felt in awe when you found something new.
3
7000
2000
ir jautėte pagarbią baimę, kai atradote kažką naujo.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Bet lažinuosi, kad yra kai kas, apie ką šiandien nepagalvojote.
00:26
something so close to home
5
11000
2000
Kažkas taip arti namų,
00:28
that you probably don't think about it very often at all.
6
13000
2000
kad veikiausiai apie tai labai dažnai iš vis negalvojate.
00:30
And that's that all the sensations, feelings,
7
15000
2000
Ir tai yra tai, kad visiems pojūčiams, jausmams,
00:32
decisions and actions
8
17000
2000
sprendimams ir veiksmams
00:34
are mediated by the computer in your head
9
19000
2000
tarpininkauja kompiuteris jūsų galvoje,
00:36
called the brain.
10
21000
2000
vadinamas smegenimis.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Iš išorės smegenys gali atrodyti ne per daug ypatingos -
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
pora kilogramų rausvai pilkšvo audinio,
00:42
amorphous --
13
27000
2000
be aiškios formos.
00:44
but the last hundred years of neuroscience
14
29000
2000
Bet paskutinis neuromokslų šimtmetis
00:46
have allowed us to zoom in on the brain,
15
31000
2000
leido mums pažiūrėti į smegenis iš arčiau
00:48
and to see the intricacy of what lies within.
16
33000
2000
ir pamatyti sudėtingumą to, kas slypi viduje.
00:50
And they've told us that this brain
17
35000
2000
Ir jie mums atskleidė, kad smegenys
00:52
is an incredibly complicated circuit
18
37000
2000
yra neįtikėtinai sudėtinga grandinė,
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
sudaryta iš šimtų milijardų ląstelių, vadinamų neuronais.
00:58
Now unlike a human-designed computer,
20
43000
3000
Skirtingai nuo žmogaus sukurto kompiuterio,
01:01
where there's a fairly small number of different parts --
21
46000
2000
kur skirtingų sudedamųjų dalių kiekis yra gana mažas,
01:03
we know how they work, because we humans designed them --
22
48000
3000
ir mes žinom kaip jie veikia, nes mes, žmonės, juos ir sukūrėme,
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
smegenys sudarytos iš tūkstančių skirtingų ląstelių rūšių,
01:09
maybe tens of thousands.
24
54000
2000
gal dešimčių tūkstančių.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
Jos būna skirtingų formų, jos sudarytos iš skirtingų molekulių,
01:13
And they project and connect to different brain regions,
26
58000
3000
ir jos jungia skirtingas smegenų dalis.
01:16
and they also change different ways in different disease states.
27
61000
3000
Jos taip pat pasikeičia skirtingais būdais skirtingose ligų stadijose.
01:19
Let's make it concrete.
28
64000
2000
Sukonkretinkime tai.
01:21
There's a class of cells,
29
66000
2000
Yra grupė ląstelių,
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
tai gana maža ląstelė, slopinanti ląstelė, kuri nutildo savo kaimynus.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Tai viena iš ląstelių, kurios manomai atrofuojasi esant tokiems sutrikimams kaip šizofrenija.
01:30
It's called the basket cell.
32
75000
2000
Ji vadinama krepšine nervine ląstele.
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Ir ši ląstelė yra viena iš tūkstančio rūšių,
01:34
that we are learning about.
34
79000
2000
apie kurias mes sužinome.
01:36
New ones are being discovered everyday.
35
81000
2000
Naujos rūšys atrandamos kasdien.
01:38
As just a second example:
36
83000
2000
Kaip ir antras pavyzdys:
01:40
these pyramidal cells, large cells,
37
85000
2000
yra piramidiniai neuronai, didelės ląstelės,
01:42
they can span a significant fraction of the brain.
38
87000
2000
jos gali aprėpti žymią smegenų dalį.
01:44
They're excitatory.
39
89000
2000
Jos yra sužadinančios.
01:46
And these are some of the cells
40
91000
2000
Ir tai vienos iš ląstelių,
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
kurios, manoma, yra pernelyg aktyvios esant tokiems sutrikimams kaip epilepsija.
01:51
Every one of these cells
42
96000
2000
Kiekviena iš šių ląstelių
01:53
is an incredible electrical device.
43
98000
3000
yra nuostabus elektrinis prietaisas.
01:56
They receive input from thousands of upstream partners
44
101000
2000
Jos gauna signalus iš tūkstančio priešsrovinių partnerių,
01:58
and compute their own electrical outputs,
45
103000
3000
ir apskaičiuoja savo elektrinius signalus,
02:01
which then, if they pass a certain threshold,
46
106000
2000
kurie, jei perkopia tam tikrą ribą,
02:03
will go to thousands of downstream partners.
47
108000
2000
bus siunčiami tūkstančiams pasrovinių partnerių.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
Ir šis procesas, kuris užtrunka apie vieną milisekundę,
02:08
happens thousands of times a minute
49
113000
2000
vyksta tūkstančius kartų per minutę
02:10
in every one of your 100 billion cells,
50
115000
2000
kiekvienoje iš jūsų 100 milijardų ląstelių,
02:12
as long as you live
51
117000
2000
visą laiką kol jūs gyvenate,
02:14
and think and feel.
52
119000
3000
galvojate, jaučiate.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
Taigi, kaip išsiaiškinti, ką ši grandinė daro?
02:20
Ideally, we could go through the circuit
54
125000
2000
Idealiu atveju, mes galėtume sekti šia grandine,
02:22
and turn these different kinds of cell on and off
55
127000
3000
išjungti ir įjungti skirtingas ląstelių rūšis
02:25
and see whether we could figure out
56
130000
2000
ir pažiūrėti, ar galime išsiaiškinti,
02:27
which ones contribute to certain functions
57
132000
2000
kurios iš jų prisideda prie tam tikrų funkcijų
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
ir kurios sutrinka esant tam tikroms patologijoms.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Jei galėtume aktyvuoti ląsteles, galėtume matyti, kokias galias jos išlaisvina,
02:34
what they can initiate and sustain.
60
139000
2000
ką jos inicijuoja ir palaiko.
02:36
If we could turn them off,
61
141000
2000
Jei galėtume jas išjungti,
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
Tada galėtume pabandyti išsiaiškinti, kam jos būtinos.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
Ir tai istorija, kurią aš jums šiandien papasakosiu.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
Kalbant atvirai, tai, per ką mes perėjome pastaruosius 11 metų,
02:46
through an attempt to find ways
65
151000
2000
per bandymus atrasti būdus
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
išjungti ir įjungti smegenų grandines, ląsteles, sritis
02:50
on and off,
67
155000
2000
ir kanalus,
02:52
both to understand the science
68
157000
2000
kad suprastume mokslą ir
02:54
and also to confront some of the issues
69
159000
3000
susiremtume su kai kuriais klausimais,
02:57
that face us all as humans.
70
162000
3000
kurie rūpi mums visiems, kaip žmonėms.
03:00
Now before I tell you about the technology,
71
165000
3000
Prieš man papasakojant apie technologijas,
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
bloga naujiena yra tai, kad žymi dalis mūsų šioje salėje,
03:06
if we live long enough,
73
171000
2000
jei gyvensime pakankamai ilgai,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
veikiausiai susidursime su smegenų liga.
03:10
Already, a billion people
75
175000
2000
Jau milijardas žmonių
03:12
have had some kind of brain disorder
76
177000
2000
yra patyrę kokią nors smegenų ligą,
03:14
that incapacitates them,
77
179000
2000
kuri juos suluošino.
03:16
and the numbers don't do it justice though.
78
181000
2000
Ir skaičiai neatspindi visos tikrovės.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Šie susirgimai - šizofrenija, Alzheimerio liga,
03:20
depression, addiction --
80
185000
2000
depresija, priklausomybė -
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
jie ne tik vagia laiką iš mūsų gyvenimo, bet ir pakeičia mus.
03:25
They take our identity and change our emotions
82
190000
2000
Jie pasiima mūsų tapatybę, pakeičia emocijas
03:27
and change who we are as people.
83
192000
3000
ir pakeičia mus kaip žmones.
03:30
Now in the 20th century,
84
195000
3000
20-ajame amžiuje
03:33
there was some hope that was generated
85
198000
3000
buvo suteikta šiek tiek vilties,
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
kuriant medikamentus smegenų ligoms gydyti.
03:39
and while many drugs have been developed
87
204000
3000
Ir nors buvo sukurta daug vaistų,
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
kurie gali palengvinti smegenų ligų simptomus,
03:44
practically none of them can be considered to be cured.
89
209000
3000
praktiškai negalima sakyti, kad nors viena iš jų būtų išgydyta.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
Iš dalies taip yra todėl, kad mes maudome savo smegenis chemikaluose.
03:50
This elaborate circuit
91
215000
2000
Ši sudėtinga grandinė
03:52
made out of thousands of different kinds of cell
92
217000
2000
sudaryta iš tūkstančio skirtingų ląstelių rūšių
03:54
is being bathed in a substance.
93
219000
2000
panardinama į kažkokią medžiagą.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Taip pat dėl to tikriausiai dauguma, jei ne visi, rinkoje esantys vaistai
03:58
can present some kind of serious side effect too.
95
223000
3000
gali sukelti kokį nors rimtą pašalinį poveikį.
04:01
Now some people have gotten some solace
96
226000
3000
Kai kuriems žmonėms taip pat suteikiama šiokia tokia paguoda
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
implantuojant į smegenis elektrinius stimuliatorius.
04:07
And for Parkinson's disease,
98
232000
2000
Parkinsono ligai gydyti,
04:09
Cochlear implants,
99
234000
2000
kochleariniai implantai,
04:11
these have indeed been able
100
236000
2000
jie iš tiesų sugebėjo
04:13
to bring some kind of remedy
101
238000
2000
suteikti šiokią tokią pagalbą
04:15
to people with certain kinds of disorder.
102
240000
2000
žmonėms su tam tikrais susirgimais.
04:17
But electricity also will go in all directions --
103
242000
2000
Bet elektra taip pat sklinda visomis kryptimis -
04:19
the path of least resistance,
104
244000
2000
mažiausio pasipriešinimo keliu,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
kas iš dalies ir nulemia šios frazės reikšmę.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
Ji paveiks ir sveikas grandines, ne tik tas, sutrikusias, kurias norite pataisyti.
04:26
So again, we're sent back to the idea
107
251000
2000
Taigi mes vėl grįžtame prie idėjos
04:28
of ultra-precise control.
108
253000
2000
apie ypatingo tikslumo valdymą.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
Ar mes galėtume įvesti informaciją tiksliai ten, kur norime, kad ji nukeliautų?
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
Taigi, kai pradėjau dirbti neuromokslų srityje prieš 11 metų,
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
turėjau elektros inžinieriaus ir fiziko išsilavinimą,
04:41
and the first thing I thought about was,
112
266000
2000
ir pirmas dalykas, apie kurį pagalvojau,
04:43
if these neurons are electrical devices,
113
268000
2000
buvo, kad jei šie neuronai yra elektros prietaisai,
04:45
all we need to do is to find some way
114
270000
2000
viskas, ką reikia padaryti, tai surasti būdą,
04:47
of driving those electrical changes at a distance.
115
272000
2000
reguliuoti tuos elektrinius pokyčius per atstumą.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
Jei galėtume įjungti elektros energiją vienoje ląstelėje,
04:51
but not its neighbors,
117
276000
2000
bet ne jos kaimynėse,
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
tai mums duotų įrankį aktyvuoti ir išjungti visas tas skirtingas ląsteles,
04:56
figure out what they do and how they contribute
119
281000
2000
kad išsiaiškintume, ką jos daro ir kaip prisideda
04:58
to the networks in which they're embedded.
120
283000
2000
prie tų tinklų, kuriuose jos įsitvirtinusios.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
Ir tai taip pat leistų mums turėti ypatingo tikslumo valdymą, kurio mums reikia,
05:02
in order to fix the circuit computations
122
287000
3000
kad grandinėje pataisytume skaičiavimus,
05:05
that have gone awry.
123
290000
2000
kurie išsikraipė.
05:07
Now how are we going to do that?
124
292000
2000
Tai kaip gi mes tai padarysime?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
Na, gamtoje yra daug molekulių,
05:11
which are able to convert light into electricity.
126
296000
3000
kurios sugeba paversti šviesą elektra.
05:14
You can think of them as little proteins
127
299000
2000
Galite apie jas galvoti kaip apie mažus baltymus,
05:16
that are like solar cells.
128
301000
2000
kurie yra kaip saulės baterijos.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Jei šias molekules kaip nors įtaisysime neuronuose,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
šių neuronų elektriniai impulsai taptų valdomi šviesa.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
O jų kaimynai, kurie neturi tos molekulės, paveikti nebūtų.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Yra vienas magiškas triukas, kurio reikia, kad tai taptų įmanoma,
05:29
and that's the ability to get light into the brain.
133
314000
3000
tai galimybė šviesai patekti į smegenis.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
Kad tai atsitiktų, - smegenys nejaučia skausmo, - galime įstatyti, -
05:35
taking advantage of all the effort
135
320000
2000
naudodamiesi tomis pastangomis,
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
kurios buvo sudėtos į internetą ir komunikacijas ir taip toliau, -
05:39
optical fibers connected to lasers
137
324000
2000
šviesolaidžius, sujungtus su lazeriais,
05:41
that you can use to activate, in animal models for example,
138
326000
2000
kuriuos galime naudoti, pavyzdžiui, bandomiesiems gyvūnams,
05:43
in pre-clinical studies,
139
328000
2000
priešklinikiniuose tyrimuose,
05:45
these neurons and to see what they do.
140
330000
2000
sužadinti tam tikrus neuronus ir pažiūrėti, ką jie daro.
05:47
So how do we do this?
141
332000
2000
Kaip tai padaryti?
05:49
Around 2004,
142
334000
2000
Apie 2004-uosius
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
bendradarbiaudami su Gerhardu Nageliu ir Karlu Deiserotu,
05:53
this vision came to fruition.
144
338000
2000
mes įgyvendinome šią viziją
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Yra tam tikras dumblis, kuris gyvena gamtoje
05:58
and it needs to navigate towards light
146
343000
2000
ir jam reikia plaukti link šviesos,
06:00
in order to photosynthesize optimally.
147
345000
2000
kad galėtų optimaliai fotosintetinti.
06:02
And it senses light with a little eye-spot,
148
347000
2000
Šviesą jis jaučia maža akute,
06:04
which works not unlike how our eye works.
149
349000
3000
kuri veikia ne labai skirtingai nuo mūsų akies.
06:07
In its membrane, or its boundary,
150
352000
2000
Jos membranoje arba jos sienelėje,
06:09
it contains little proteins
151
354000
3000
yra maži baltymai,
06:12
that indeed can convert light into electricity.
152
357000
3000
kurie gali paversti šviesą elektra.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Šios molekulės vadinamos kanalo-rodopsinais.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
Ir kiekvienas iš šių baltymų veikia kaip ta saulės baterija, apie kurią jums pasakojau.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
Kai šviečia mėlyna šviesa, jis atveria mažą skylutę
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
ir leidžia įkrautoms dalelėms patekti į akutę.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
Ir taip akutė gali išskirti elektrinį signalą.
06:28
just like a solar cell charging up a battery.
158
373000
3000
Visai kaip saulės elementas, kraunantis bateriją.
06:31
So what we need to do is to take these molecules
159
376000
2000
Ką mums reikia padaryti, tai paimti šias molekules
06:33
and somehow install them in neurons.
160
378000
2000
ir kaip nors įdiegti jas į neuronus.
06:35
And because it's a protein,
161
380000
2000
Ir todėl, kad tai baltymas,
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
jis užkoduotas šio organizmo DNR.
06:40
So all we've got to do is take that DNA,
163
385000
2000
Taigi, viskas, ką mums reikia padaryti, tai paimti tą DNR,
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
įdėti ją į genų terapijos vektorių, pavyzdžiui, virusą,
06:45
and put it into neurons.
165
390000
3000
ir įkelti į neuronus.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
Paaiškėjo, kad tai buvo labai produktyvus metas genų terapijoje,
06:51
and lots of viruses were coming along.
167
396000
2000
daug virusų buvo sėkmingai naudojami.
06:53
So this turned out to be very simple to do.
168
398000
2000
Taigi, paaiškėjo, kad tai padaryti labai paprasta.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
Ir vieną ankstų rytą, 2004-ųjų vasarą,
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
mes tai išbandėme ir viskas suveikė iš pirmo karto.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Paimate DNR ir įkeliate į neuroną.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
Neuronas naudoja savo natūralius baltymų gamybos mechanizmus,
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
pagamina šiuos mažus šviesai jautrius baltymus,
07:08
and install them all over the cell,
174
413000
2000
ir įtaiso juos visoje ląstelėje,
07:10
like putting solar panels on a roof,
175
415000
2000
kaip saulės baterijas ant stogo.
07:12
and the next thing you know,
176
417000
2000
Ir nespėjus net apsidairyti,
07:14
you have a neuron which can be activated with light.
177
419000
2000
turite neuroną, kuris gali būti aktyvuotas šviesa.
07:16
So this is very powerful.
178
421000
2000
Tai labai galinga.
07:18
One of the tricks you have to do
179
423000
2000
Vienas iš triukų, kuruos turite įgyvendinti,
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
tai sugalvoti, kaip nusiųst tuos genus į norimas ląsteles,
07:22
and not all the other neighbors.
181
427000
2000
bet ne į visus kitus jų kaimynus.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
Ir tai galima padaryti. Galima suderinti virusus,
07:26
so they hit just some cells and not others.
183
431000
2000
kad jie pultų tik vienas ląsteles, bet ne kitas.
07:28
And there's other genetic tricks you can play
184
433000
2000
Ir yra kitų genetinių triukų, kuriuos galite pasitelkti,
07:30
in order to get light-activated cells.
185
435000
3000
kad gautumėte šviesa aktyvuojamas ląsteles.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Ši sritis dabar tapo žinoma kaip optogenetika.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Ir vienas iš pavyzdžių, to, ką galite padaryti,
07:39
you can take a complex network,
188
444000
2000
galite paimti tankų tinklą,
07:41
use one of these viruses to deliver the gene
189
446000
2000
panaudoti vieną iš šių virusų, kad pristatytų geną,
07:43
just to one kind of cell in this dense network.
190
448000
3000
tik į vieno tipo ląsteles šiame tankiame tinkle.
07:46
And then when you shine light on the entire network,
191
451000
2000
Ir kai apšviečiate šviesa visą tinklą,
07:48
just that cell type will be activated.
192
453000
2000
bus aktyvuotos tik to tipo ląstelės.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Pagalvokime, pavyzdžiui, apie krepšines ląsteles, apie kurias jums pasakojau anksčiau.
07:53
the one that's atrophied in schizophrenia
194
458000
2000
tas, kurios atrofuojasi esant šizofrenijai
07:55
and the one that is inhibitory.
195
460000
2000
ir kurios yra slopinančios.
07:57
If we can deliver that gene to these cells --
196
462000
2000
Jei galėtume nusiųsti tą geną į šias ląsteles, -
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
ir jos, žinoma, nepasikeis dėl to geno raiškos -
08:02
and then flash blue light over the entire brain network,
198
467000
3000
ir tada apšviesti visą smegenų tinklą mėlyna šviesa,
08:05
just these cells are going to be driven.
199
470000
2000
tik šios ląstelės pradės veikti.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
Ir kai šviesa išjungiama, šios ląstelės vėl grįžta į normalią būseną,
08:09
so they don't seem to be averse against that.
201
474000
3000
taigi, atrodo, jos nereaguoja į tai priešiškai.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
Tai galima panaudoti ne tik studijuojant, ką šios ląstelės daro,
08:14
what their power is in computing in the brain,
203
479000
2000
kokia jų įtaka smegenų informacijos apdorojime,
08:16
but you can also use this to try to figure out --
204
481000
2000
bet taip pat tam, kad išsiaiškintume, -
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
gal galime taip pat paskatinti šių ląstelių veiklą,
08:20
if indeed they're atrophied.
206
485000
2000
jei jos iš tikrųjų atrofavęsi.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Dabar noriu jums papasakoti keletą trumpų istorijų.
08:24
about how we're using this,
208
489000
2000
apie tai, kaip mes tai panaudojame,
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
moksliniame, klinikiniame ir priešklinikiniame lygyje.
08:29
One of the questions we've confronted
210
494000
2000
Vienas iš klausimų, su kuriais susidūrėme,
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
yra: kokie smegenų signalai sukelia atlygio jausmą?
08:34
Because if you could find those,
212
499000
2000
Nes jei rastume juos,
08:36
those would be some of the signals that could drive learning.
213
501000
2000
tai galėtų būti signalai skatinantys mokymąsi.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
Smegenys darys daugiau to, už ką gauna tą atlygį.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
Ir tai tie patys signalai. kurie išsikraipo esant priklausomybei.
08:43
So if we could figure out what cells they are,
216
508000
2000
Taigi, jei galėtume išsiaiškinti, kurios tai ląstelės,
08:45
we could maybe find new targets
217
510000
2000
galėtume rasti naujus taikinius,
08:47
for which drugs could be designed or screened against,
218
512000
2000
kuriems būtų kuriami ar kurių neveiktų tam tikri vaistai,
08:49
or maybe places where electrodes could be put in
219
514000
2000
arba vietas, kur galima būtų įdėti elektrodus
08:51
for people who have very severe disability.
220
516000
3000
ypač didelę negalią turintiems žmonėms.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Tam mes sukūrėme labai paprastą paradigmą,
08:56
in collaboration with the Fiorella group,
222
521000
2000
bendradarbiaudami su Fiorella grupe,
08:58
where one side of this little box,
223
523000
2000
vienoje šios dėžutės pusėje,
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
jei gyvūnas eina ten, jis gauna šviesos impulsą
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
kai kurios ląstelės jo smegenyse jautrios šviesai.
09:04
So if these cells can mediate reward,
226
529000
2000
Jei tos ląstelės tarpininkauja atlygiui,
09:06
the animal should go there more and more.
227
531000
2000
gyvūnas ten turėtų vis eiti ir eiti.
09:08
And so that's what happens.
228
533000
2000
Ir štai, kas nutinka.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Šis gyvūnas eis į dešinę pusę ir įkiš savo nosį ten,
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
ir kiekvieną kartą, jis gauna mėlynos šviesos žybsnį.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
Ir jis tai kartos šimtus kartų.
09:16
These are the dopamine neurons,
232
541000
2000
Tai - dopamino neuronai,
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
apie juos kai kurie iš jūsų esate girdėję, - dalis malonumo centrų smegenyse.
09:20
Now we've shown that a brief activation of these
234
545000
2000
Mes įrodėme, kad trumpa jų aktyvacija
09:22
is enough, indeed, to drive learning.
235
547000
2000
yra užtektina paskata mokymuisi.
09:24
Now we can generalize the idea.
236
549000
2000
Dabar mes galime šią idėją apibendrinti.
09:26
Instead of one point in the brain,
237
551000
2000
Vietoje vieno smegenų taško,
09:28
we can devise devices that span the brain,
238
553000
2000
mes galime sukurti smegenis perdengiančius prietaisus,
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
kurie gali skleisti šviesą trimačiais modeliais -
09:32
arrays of optical fibers,
240
557000
2000
šviesolaidžių rinkiniai,
09:34
each coupled to its own independent miniature light source.
241
559000
2000
kiekvienas sujungtas su nepriklausomu šviesos šaltiniu.
09:36
And then we can try to do things in vivo
242
561000
2000
Ir tada galime daryti in vivo
09:38
that have only been done to-date in a dish --
243
563000
3000
tai, kas iki šiol buvo daroma mėgintuvėlyje -
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
kaip kad aukšto pralaidumo visų smegenų skanavimas,
09:43
for the signals that can cause certain things to happen.
245
568000
2000
ieškant signalų, sąlygojančių skirtingus dalykus.
09:45
Or that could be good clinical targets
246
570000
2000
Arba į juos galėtų būti nukreipti klinikiniai tyrimai,
09:47
for treating brain disorders.
247
572000
2000
smegenų ligų gydymui.
09:49
And one story I want to tell you about
248
574000
2000
Viena iš istorijų, apie kurias noriu papasakoti,
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
yra kaip mes randame taikinius gydyti potrauminio streso sindromui, -
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
vienai iš nekontroliuojamo nerimo ir baimės formų.
09:57
And one of the things that we did
251
582000
2000
Vienas iš dalykų, kuriuos padarėme,
09:59
was to adopt a very classical model of fear.
252
584000
3000
tai pasinaudojome klasikiniu baimės modeliu.
10:02
This goes back to the Pavlovian days.
253
587000
3000
Jis siekia Pavlovo dienas.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
Tai vadinama Pavlovo baimės sąlygojimu, -
10:07
where a tone ends with a brief shock.
255
592000
2000
Garsas baigiamas trumpu šoku.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
Šokas neskausmingas, bet truputį erzinantis.
10:11
And over time -- in this case, a mouse,
257
596000
2000
Ir su laiku, - šiuo atveju pelė,
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
kuri yra geras bandomasis gyvūnas dažnai naudojamas tokiems eksperimentams, -
10:15
the animal learns to fear the tone.
259
600000
2000
gyvūnas išmoksta bijoti garso.
10:17
The animal will react by freezing,
260
602000
2000
Gyvūnas reaguos sustingdamas,
10:19
sort of like a deer in the headlights.
261
604000
2000
kaip elnias automobilio žibintų šviesoje.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
Klausimas yra, kokius taikinius mes galime rasti smegenyse,
10:24
that allow us to overcome this fear?
263
609000
2000
kurie leistų mums nugalėti šia baimę?
10:26
So what we do is we play that tone again
264
611000
2000
Taigi, mes vėl grojame tą garsą,
10:28
after it's been associated with fear.
265
613000
2000
po to kai jis jau susietas su baime.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
Bet smegenyse aktyvuojame kitas ląsteles,
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
naudodami šviesolaidžių rinkinį, apie kurį pasakojau ankstesnėje skaidrėje,
10:35
in order to try and figure out which targets
268
620000
2000
kad pabandytume išsiaiškinti, kurie taikiniai
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
gali padėti smegenims nugalėti tą baimės atsiminimą.
10:40
And so this brief video
270
625000
2000
Šis trumpas filmukas
10:42
shows you one of these targets that we're working on now.
271
627000
2000
parodo vieną iš taikinių, su kuriais dirbame.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
Tai sritis prefrontalinėje smegenų žievėje,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
regionas, kuriame galime panaudoti savo žinojimą, kad nugalėtume neigiamas emocines būsenas.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
Gyvūnas išgirs garsą, - ir čia taip pat žybtelėjo šviesa.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
Čia nėra garso, bet matote - gyvūnas sustingsta.
10:53
This tone used to mean bad news.
276
638000
2000
Šis garsas reikšdavo kažką blogo.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Apatiniame kairiame kampe yra laikrodis,
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
taigi matote, kad nuo bandymo pradžios praėjo dvi minutės.
11:00
And now this next clip
279
645000
2000
O dabar - kitas filmukas,
11:02
is just eight minutes later.
280
647000
2000
tik po aštuonių minučių.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
Tas pats garsas skambės ir šviesa vėl plykstelės.
11:07
Okay, there it goes. Right now.
282
652000
3000
Va, tai vyksta. Kaip tik dabar.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
O dabar matote, kad tik po 10 eksperimento minučių,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
mums pavyko įgalinti smegenis, fotoaktyvuojant šią sritį,
11:16
to overcome the expression
285
661000
2000
nugalėti baimės atsiminimų
11:18
of this fear memory.
286
663000
2000
reiškinius.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
Per paskutinius keletą metų, mes grįžome prie gyvybės medžio,
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
nes norėjome rasti būdus smegenų grandinėms išjungti.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Jei galėtume taip padaryti, tai būtų labai galinga.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
Jei galima ištrinti ląsteles kelioms milisekundėms ar sekundėms,
11:32
you can figure out what necessary role they play
291
677000
2000
galima išsiaiškinti, kokį būtiną vaidmenį jos vaidina
11:34
in the circuits in which they're embedded.
292
679000
2000
tose grandinėse, kuriose jos yra.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
Dabar, kai jau išnagrinėjome organizmų iš viso gyvybės medžio -
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
iš kiekvienos karalystės, išskyrus gyvūnus, mes viską matome kiek kitaip.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
Mes radome visokių rūšių molekulių, jos vadinamos halorodopsinais arba archėjų rodopsinais,
11:44
that respond to green and yellow light.
296
689000
2000
kurie reaguoja į žalią ir geltoną šviesą.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
Ir jie elgiasi priešingai, nei molekulė, apie kurią pasakojau pradžioje,
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
turinti mėlyna šviesa aktyvuojamo kanalo-rodopsino.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
Duosiu pavyzdį, kur, mūsų manymu, tai galėtų nuvesti.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Pagalvokite apie susirgimą, kaip epilepsija,
11:58
where the brain is overactive.
301
703000
2000
kai smegenų ląstelės yra per aktyvios.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Jei vaistai nuo epilepsijos neveikia,
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
viena iš strategijų yra pašalinti dalį smegenų.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
Bet tai, žinoma, negrįžtama ir gali turėti šalutinių pasekmių.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
Kas, jei galėtume tiesiog trumpam išjungti tą smegenų dalį,
12:09
until the seizure dies away,
306
714000
3000
kol priepuolis praeis,
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
ir atstatyti smegenis į pradinę būklę,
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
kaip dinaminę sistemą, kuri švelniai grąžinama į stabilią būseną.
12:18
So this animation just tries to explain this concept
309
723000
3000
Šis filmukas tiesiog bando paaiškinti šią idėją,
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
kai padarome šias ląsteles išjungiamas su šviesa
12:23
and we beam light in,
311
728000
2000
ir apšviečiame jas,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
tik taip ilgai, kaip būtina priepuoliui nuslopinti,
12:27
we're hoping to be able to turn it off.
313
732000
2000
tikimės kad galėsime jas išjungti.
12:29
And so we don't have data to show you on this front,
314
734000
2000
Mes neturime ko jums parodyti šioje srityje,
12:31
but we're very excited about this.
315
736000
2000
bet tai labai jaudinantis dalykas.
12:33
Now I want to close on one story,
316
738000
2000
Norėčiau baigti viena istorija,
12:35
which we think is another possibility --
317
740000
2000
kuri, mes manome, yra dar viena galimybė, -
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
kuri yra, kad galbūt tos molekulės, jei galim pasiekti ypač tikslią kontrolę,
12:39
can be used in the brain itself
319
744000
2000
galėtų būti naudojamos pačiose smegenyse,
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
kuriant naujus protezus, optinius protezus.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Aš jau minėjau, kad elektriniai stimuliatoriai nėra reti.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
75 000 žmonių su Parkinsono liga turi giliųjų smegenų stimuliatorius.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Gal 100 000 žmonių turi kochlearinius implantus,
12:52
which allow them to hear.
324
757000
2000
kurie leidžia jiems girdėti.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Yra dar vienas dalykas - reikia perkelti tuos genus į ląsteles.
12:57
And new hope in gene therapy has been developed
326
762000
3000
Ir nauja viltis genų terapijoje jau vystoma,
13:00
because viruses like the adeno-associated virus,
327
765000
2000
nes virusai, kaip adenoasocijuoti virusai,
13:02
which probably most of us around this room have,
328
767000
2000
kurių veikiausiai turi dauguma šioje salėje,
13:04
and it doesn't have any symptoms,
329
769000
2000
ir kurie nesukelia jokių simptomų,
13:06
which have been used in hundreds of patients
330
771000
2000
jau naudojami šimtams pacientų,
13:08
to deliver genes into the brain or the body.
331
773000
2000
kad genai būtų pristatyti į smegenis ar į kūną.
13:10
And so far, there have not been serious adverse events
332
775000
2000
Kol kas dar nebuvo jokių rimtų neigiamų pasekmių,
13:12
associated with the virus.
333
777000
2000
kurias būtų galima sieti su virusu.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Yra dar vienas neaptartas dalykas, patys baltymai,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
jie imami iš dumblių, bakterijų ir grybų,
13:19
and all over the tree of life.
336
784000
2000
iš viso gyvybės medžio.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
Daugelis mūsų smegenyse neturime dumblių ir grybų,
13:23
so what is our brain going to do if we put that in?
338
788000
2000
tai kaip mūsų smegenys reaguos, jei juos ten įdėsime?
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
Ar ląstelės juos toleruos? Ar sureaguos imuninė sistema?
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
Šiame ankstyvame periode, - tai dar nebuvo išbandyta su žmonėmis, -
13:29
but we're working on a variety of studies
341
794000
2000
bet mes atliekame daug skirtingų studijų,
13:31
to try and examine this,
342
796000
2000
kad tai ištirtume.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
Ir kol kas nematėme jokių pakankamai stiprių tiesioginių reakcijų
13:36
to these molecules
344
801000
2000
į šias molekules
13:38
or to the illumination of the brain with light.
345
803000
3000
ar į smegenų apšvietimą šviesa.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Taigi, atvirai, dar labai anksti, bet mes tuo labai užsidegę.
13:44
I wanted to close with one story,
347
809000
2000
Ir pabaigai viena istorija,
13:46
which we think could potentially
348
811000
2000
kuri, mūsų manymu, galėtų potencialiai turėti
13:48
be a clinical application.
349
813000
2000
klinikinį pritaikymą.
13:50
Now there are many forms of blindness
350
815000
2000
Yra daug aklumo rūšių,
13:52
where the photoreceptors,
351
817000
2000
kai fotoreceptoriai,
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
arba šviesos jutikiliai išnyksta iš mūsų akies.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Ir tinklainė, žinoma, yra sudėtingas darinys.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Priartinkime ją, kad galėtume viską matyti detaliau.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
šviesai jautrios ląstelės parodytos čia, viršuje,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
tada signalai, kurie aptinkami šiomis ląstelėmis,
14:06
are transformed by various computations
357
831000
2000
pakeičiami įvairių skaičiavimų,
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
kol galiausiai apatinis ląstelių sluoksnis, ganglinės ląstelės,
14:11
relay the information to the brain,
359
836000
2000
perduoda informaciją smegenims,
14:13
where we see that as perception.
360
838000
2000
kur mes matome tai, kaip suvokimą.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
Daugelyje aklumo formų, kaip tinklainės pigmentacija,
14:18
or macular degeneration,
362
843000
2000
arba geltonosios dėmės degeneracija,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
šviesai jautrios ląstelės atrofavosi arba buvo sunaikintos.
14:23
Now how could you repair this?
364
848000
2000
Na ir kaip tai pataisyti?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Neaišku net ar vaistai galėtų jas atstatyti,
14:28
because there's nothing for the drug to bind to.
366
853000
2000
nes nebelieka nieko, ką vaistas galėtų veikti.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Kita vertus, šviesa vis dar gali patekti į akį.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
Akis vis dar permatoma ir galima įleisti ten šviesą.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Tai kas, jei mes tiesiog paimsime tuos kanalo-rodopsinus ir kitas molekules
14:38
and install them on some of these other spare cells
370
863000
2000
ir įdiegsime jas į kai kurias iš kitų likusių ląstelių,
14:40
and convert them into little cameras.
371
865000
2000
ir paversime jas į mažas kameras.
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Ir todėl, kad akyje šių ląstelių yra tiek daug,
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
jos galėtų potencialiai būti labai geros skiriamosios gebos kameros.
14:47
So this is some work that we're doing.
374
872000
2000
Taigi, tai kai kurie darbai, kuriuos darome.
14:49
It's being led by one of our collaborators,
375
874000
2000
Jiems vadovauja vienas iš mūsų bendradarbių,
14:51
Alan Horsager at USC,
376
876000
2000
Alanas Horsageris iš PKU (JAV).
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
ir juos bando komercializuoti naujai įsteigta kompanija Eos Neuroscience,
14:56
which is funded by the NIH.
378
881000
2000
finansuojama NSI (JAV).
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
Čia matote pelę, kuri bando pereiti labirintą.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Tai labirintas su šešiomis atšakomis ir su trupučiu vandens,
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
kad pelė būtų skatinama judėti, antraip ji tiesiog sėdėtų ten.
15:04
And the goal, of course, of this maze
382
889000
2000
Ir, žinoma, šio labirinto tikslas
15:06
is to get out of the water and go to a little platform
383
891000
2000
yra išlipti iš vandens ir pasiekti mažą pakylą,
15:08
that's under the lit top port.
384
893000
2000
kuri yra po apšviesta anga.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Pelės gudrios, taigi ši pelė galiausiai pereina labirintą,
15:13
but he does a brute-force search.
386
898000
2000
bet ji naudoja buką paiešką.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
Ji plaukia į kiekvieną atšaką, kol pagaliau pasiekia pakylą.
15:18
So he's not using vision to do it.
388
903000
2000
Taigi, ji tam nenaudoja regos.
15:20
These different mice are different mutations
389
905000
2000
Šios skirtingos pelės turi skirtingas mutacijas,
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
kurios atitinka skirtingas aklumo rūšis, kurios veikia žmones.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Taigi mes stengiamės atsargiai žiūrėti į visus šiuos skirtingus modelius,
15:28
so we come up with a generalized approach.
392
913000
2000
kad galėtume pasiūlyti apibendrintą požiūrį.
15:30
So how are we going to solve this?
393
915000
2000
Taigi kaip tai ruošiamės išspręsti?
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
Mes darysime būtent tai, ką nurodėme ankstesnėje skaidrėje.
15:34
We're going to take these blue light photosensors
395
919000
2000
Mes paimsime šiuos mėlynai šviesai jautrius fotosensorius
15:36
and install them on a layer of cells
396
921000
2000
ir įdiegsime į ląstelių sluoksnį,
15:38
in the middle of the retina in the back of the eye
397
923000
3000
tinklainės viduryje akies gilumoje
15:41
and convert them into a camera --
398
926000
2000
ir paversime jas kamera.
15:43
just like installing solar cells all over those neurons
399
928000
2000
Taip pat kaip saulės elementų instaliavimas tuose neuronuose,
15:45
to make them light sensitive.
400
930000
2000
kad jie taptų jautrūs šviesai.
15:47
Light is converted to electricity on them.
401
932000
2000
Šviesa juose verčiame elektros srove.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Taigi, ši pelė buvo akla prieš keletą savaičių iki šio eksperimento
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
ir gavo šių šviesai jautrių molekulių dozę viruse.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
Ir dabar matote, gyvūnas iš tiesų gali išvengti sienų
15:57
and go to this little platform
405
942000
2000
ir pasiekti šią mažą pakylą,
15:59
and make cognitive use of its eyes again.
406
944000
3000
ir vėl naudoti savo akis suvokimui.
16:02
And to point out the power of this:
407
947000
2000
Ir kad pabrėžtume viso to jėgą:
16:04
these animals are able to get to that platform
408
949000
2000
šie gyvūnai gali pasiekti tą pakylą
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
taip pat greitai kaip gyvūnai, kurie matė visą savo gyvenimą.
16:08
So this pre-clinical study, I think,
410
953000
2000
Taigi, šis priešklinikinis tyrimas, mano galva,
16:10
bodes hope for the kinds of things
411
955000
2000
pranašauja tuos dalykus,
16:12
we're hoping to do in the future.
412
957000
2000
kuriuos tikimės padaryti ateityje.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Pabaigai noriu pridurti, kad mes taip pat tiriame
16:17
new business models for this new field of neurotechnology.
414
962000
2000
naujus verslo modelius šiai naujai neurotechnologijos sričiai.
16:19
We're developing these tools,
415
964000
2000
Mes vystome šiuos įrankius,
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
bet mes jais laisvai dalijamės su šimtais grupių visame pasaulyje,
16:23
so people can study and try to treat different disorders.
417
968000
2000
kad žmonės galėtų studijuoti ir pabandyti išgydyti skirtingus sutrikimus.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Ir mes viliamės, kad kai išsiaiškinsime smegenų grandines
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
iki tokio abstrakcijos lygio, kuris leis jas taisyti ir jas konstruoti,
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
Mes galėsime paimti tuos sunkiai gydomus susirgimus, apie kuriuos pasakojau,
16:34
practically none of which are cured,
421
979000
2000
nė vienas iš kurių praktiškai nėra išgydytas,
16:36
and in the 21st century make them history.
422
981000
2000
ir, 21-ame amžiuje, paversti juos istorija.
16:38
Thank you.
423
983000
2000
Ačiū.
16:40
(Applause)
424
985000
13000
(Plojimai)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Chuanas Enrikesas: Kai kurie dalykai čia sunkoki.
16:56
(Laughter)
426
1001000
2000
(Juokas)
16:58
But the implications
427
1003000
2000
Bet pasekmės -
17:00
of being able to control seizures or epilepsy
428
1005000
3000
gebėti kontroliuoti priepuolius ir epilepsiją,
17:03
with light instead of drugs,
429
1008000
2000
su šviesa, vietoj vaistų,
17:05
and being able to target those specifically
430
1010000
3000
ir galimybė nusitaikyti į būtent juos,-
17:08
is a first step.
431
1013000
2000
yra pirmas žingsnis.
17:10
The second thing that I think I heard you say
432
1015000
2000
Kitas dalykas, kurį, man atrodo, jūs sakėte,
17:12
is you can now control the brain in two colors,
433
1017000
3000
kad jūs galite kontroliuoti smegenis dviem spalvom.
17:15
like an on/off switch.
434
1020000
2000
Kaip įjungimo/išjungimo jungikliu.
17:17
Ed Boyden: That's right.
435
1022000
2000
Edas Boydenas: Tai tiesa.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
JE: Kas paverčia kiekvieną impulsą einantį per smegenis dvejetainiu kodu.
17:22
EB: Right, yeah.
437
1027000
2000
EB: Tiesa, taip.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Taigi su mėlyna šviesa mes galime sužadinti informaciją ir tai lyg vienetas.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
Ir viską išjungdami gauname maždaug nulį.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Mes viliamės galų gale sukurti smegenų koprocesorius,
17:31
that work with the brain
441
1036000
2000
kurie dirbtų smegenyse,
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
kad galėtume papildyti jų funkcijas žmonėse su negalia.
17:36
JE: And in theory, that means that,
443
1041000
2000
JE: Ir teoriškai tai reiškia, kad,
17:38
as a mouse feels, smells,
444
1043000
2000
kai pelė jaučia ir uodžia,
17:40
hears, touches,
445
1045000
2000
girdi, liečia,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
galima tai suformuoti kaip vienetų ir nulių eilutę.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
EB: Žinoma, taip. Mes tikimės tai panaudoti kaip būdą ištirti,
17:47
what neural codes can drive certain behaviors
448
1052000
2000
kokie neurologiniai kodai gali sukelti tam tikrą elgesį
17:49
and certain thoughts and certain feelings,
449
1054000
2000
ir tam tikras mintis, tam tikrus jausmus,
17:51
and use that to understand more about the brain.
450
1056000
3000
ir tai panaudoti, kad suprastume daugiau apie smegenis.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
JE: Ar tai reiškia, kad kažkada galėtumėt nuskaityti prisiminimus
17:57
and maybe upload them?
452
1062000
2000
ir, galbūt, įkelti juos?
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
EB: Na, tai kai kas, prie ko mes pradedame labai rimtai dirbti.
18:01
We're now working on some work
454
1066000
2000
Mes dabar dirbame su kai kuo,
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
mes bandome iškloti smegenis įrašančiais elementais.
18:05
So we can record information and then drive information back in --
456
1070000
3000
Kad galėtume įrašyti informaciją ir įkelti ją atgal, -
18:08
sort of computing what the brain needs
457
1073000
2000
kaip ir apskaičiuoti, ko smegenims reikia,
18:10
in order to augment its information processing.
458
1075000
2000
kad papildytume jų informacijos apdorojimą.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
JE: Na, tai turbūt pakeis keletą dalykų. Ačiū. (EB: Ačiū)
18:15
(Applause)
460
1080000
3000
(Plojimai)
ABOUT THE SPEAKER
Ed Boyden - NeuroengineerEd Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.
Why you should listen
Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.
Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.
Ed Boyden | Speaker | TED.com