TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Een kaart van de hersenen
Filmed:
Readability: 4.4
1,269,611 views
Hoe kunnen wij de manier waarop hersenen werken, beginnen te begrijpen? Op dezelfde manier waarop we een stad begrijpen: door een kaart te maken. In deze visueel overweldigende bespreking toont Allan Jones hoe zijn team in kaart brengt welke genen in elk uiterst klein gebied worden geactiveerd en hoe het allemaal met elkaar in verband staat.
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
Mensen zijn al lang gefascineerd
00:17
for the human brain.
1
2000
2000
door het menselijk brein.
00:19
We chart it, we've described it,
2
4000
3000
We hebben het benoemd, beschreven,
00:22
we've drawn it,
3
7000
2000
getekend
00:24
we've mapped it.
4
9000
3000
en in kaart gebracht.
00:27
Now just like the physical maps of our world
5
12000
3000
Net als de fysische kaarten van onze wereld
00:30
that have been highly influenced by technology --
6
15000
3000
sterk zijn beïnvloed door de technologie -
00:33
think Google Maps,
7
18000
2000
denk maar aan Google Maps,
00:35
think GPS --
8
20000
2000
aan gps -
00:37
the same thing is happening for brain mapping
9
22000
2000
hetzelfde gebeurt voor het in kaart brengen van de hersenen
00:39
through transformation.
10
24000
2000
door middel van transformatie.
00:41
So let's take a look at the brain.
11
26000
2000
Laten we eens kijken naar de hersenen.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Wanneer de meeste mensen voor het eerst naar een vers menselijk brein kijken,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
zeggen ze: "Dat lijkt niet op wat je normaal te zien krijgt
00:49
when someone shows you a brain."
14
34000
2000
als iemand je een brein toont."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Typisch zie je dan een gefixeerd brein. Het is grijs.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Deze buitenste laag is het vaatstelsel.
00:56
which is incredible, around a human brain.
17
41000
2000
Dat van een menselijk brein is buitengewoon.
00:58
This is the blood vessels.
18
43000
2000
Dit zijn de bloedvaten.
01:00
20 percent of the oxygen
19
45000
3000
20 procent van de zuurstof
01:03
coming from your lungs,
20
48000
2000
uit je longen,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 procent van het bloed vanuit je hart,
01:07
is servicing this one organ.
22
52000
2000
dient voor dat ene orgaan.
01:09
That's basically, if you hold two fists together,
23
54000
2000
De hersenen zijn een beetje groter
01:11
it's just slightly larger than the two fists.
24
56000
2000
dan je twee vuisten samengevoegd.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Aan het eind van de 20e eeuw
01:16
learned that they could track blood flow
26
61000
2000
leerden wetenschappers dat ze de doorbloeding
01:18
to map non-invasively
27
63000
3000
op een niet-invasieve manier in kaart konden brengen.
01:21
where activity was going on in the human brain.
28
66000
3000
En daarmee de activiteit in de menselijke hersenen.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Zo kunnen ze bijvoorbeeld kijken naar het achterste gedeelte van de hersenen,
01:27
which is just turning around there.
30
72000
2000
dat hier net naar je toe draait.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Hier de kleine hersenen die ervoor zorgen dat je rechtop kan blijven.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Ze houden me recht. Ze zijn betrokken bij gecoördineerde bewegingen.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Aan deze kant hier zit temporale cortex.
01:37
This is the area where primary auditory processing --
34
82000
3000
Dit is het gebied voor de primaire auditieve verwerking -
01:40
so you're hearing my words,
35
85000
2000
de woorden die je van mij hoort
01:42
you're sending it up into higher language processing centers.
36
87000
2000
gaan naar de hogere taalverwerkingscentra.
01:44
Towards the front of the brain
37
89000
2000
De voorkant van de hersenen
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
is de plaats waar de meer complexe gedachten, de besluitvorming plaatsvinden.
01:49
it's the last to mature in late adulthood.
39
94000
4000
Ze is de laatste om tot rijpheid te komen in de late volwassenheid.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Dit is waar al je besluitvormingsprocessen gaande zijn.
01:56
It's the place where you're deciding right now
41
101000
2000
Het is de plek waar je nu beslist
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
om straks waarschijnlijk geen biefstuk voor het diner te bestellen.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Als je een diepere blik werpt op de hersenen
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
kan je op de doorsnede
02:05
what you can see
45
110000
2000
zien dat daar
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
niet echt veel structuur is te zien.
02:10
But there's actually a lot of structure there.
47
115000
2000
Maar in feite zit daar veel structuur.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Cellen en draden allemaal met elkaar verbonden.
02:14
So about a hundred years ago,
49
119000
2000
Ongeveer honderd jaar geleden
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
ontdekten enkele wetenschappers een kleurstof die cellen kon kleuren.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Dat zie je hier in het lichtblauw.
02:21
You can see areas
52
126000
2000
Je kunt gebieden zien
02:23
where neuronal cell bodies are being stained.
53
128000
2000
waar de normale cellichamen gekleurd zijn.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Je kunt zien dat het niet eenvormig is. Je ziet daar veel structuur in.
02:28
So the outer part of that brain
55
133000
2000
Het buitenste deel van de hersenen
02:30
is the neocortex.
56
135000
2000
heet de neocortex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Je kan het zien als een continue verwerkingseenheid.
02:35
But you can also see things underneath there as well.
58
140000
2000
Maar je kunt ook zien dat er nog dingen onder zitten.
02:37
And all of these blank areas
59
142000
2000
Al die lege gebieden
02:39
are the areas in which the wires are running through.
60
144000
2000
zijn de gebieden waar de draden door lopen.
02:41
They're probably less cell dense.
61
146000
2000
Ze bevatten waarschijnlijk minder cellen.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Er zitten ongeveer 86 miljard neuronen in ons brein.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Zoals je kunt zien, zijn ze zeer ongelijkmatig verdeeld.
02:50
And how they're distributed really contributes
64
155000
2000
Hun distributie bepaalt
02:52
to their underlying function.
65
157000
2000
hun onderliggende functie.
02:54
And of course, as I mentioned before,
66
159000
2000
Zoals ik al eerder zei
02:56
since we can now start to map brain function,
67
161000
3000
kunnen we het functioneren van het brein in kaart brengen
02:59
we can start to tie these into the individual cells.
68
164000
3000
en in verband brengen met de individuele cellen.
03:02
So let's take a deeper look.
69
167000
2000
Laten we er eens dieper op ingaan.
03:04
Let's look at neurons.
70
169000
2000
Laten we eens kijken naar de neuronen.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Er zijn 86 miljard neuronen.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Er zijn ook kleinere cellen zoals jullie zullen zien.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Dat zijn ondersteuningscellen - glia astrocyten.
03:12
And the nerves themselves
74
177000
3000
De zenuwen zelf
03:15
are the ones who are receiving input.
75
180000
2000
ontvangen de input.
03:17
They're storing it, they're processing it.
76
182000
2000
Ze slaan hem op en verwerken hem.
03:19
Each neuron is connected via synapses
77
184000
4000
Elk neuron is via synapsen
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
met tot 10.000 andere neuronen in je brein verbonden.
03:26
And each neuron itself
79
191000
2000
Elk neuron zelf
03:28
is largely unique.
80
193000
2000
is grotendeels uniek.
03:30
The unique character of both individual neurons
81
195000
2000
Het unieke karakter van zowel de individuele neuronen
03:32
and neurons within a collection of the brain
82
197000
2000
als de neuronen binnen een verzameling in het brein
03:34
are driven by fundamental properties
83
199000
3000
wordt bepaald door de fundamentele eigenschappen
03:37
of their underlying biochemistry.
84
202000
2000
van hun onderliggende biochemie.
03:39
These are proteins.
85
204000
2000
Dit zijn eiwitten.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Het zijn eiwitten die zaken als ionkanaalbeweging regelen.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Ze bepalen welke cellen van het zenuwstelsel met elkaar koppelen.
03:48
And they're controlling
88
213000
2000
Ze controleren
03:50
basically everything that the nervous system has to do.
89
215000
2000
eigenlijk alles wat het zenuwstelsel moet doen.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Als we op een nog dieper niveau inzoomen,
03:55
all of those proteins
91
220000
2000
worden al die eiwitten
03:57
are encoded by our genomes.
92
222000
2000
gecodeerd door onze genomen.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
We hebben elk 23 paar chromosomen.
04:02
We get one from mom, one from dad.
94
227000
2000
Telkens een van moeder, een van vader.
04:04
And on these chromosomes
95
229000
2000
Op deze chromosomen
04:06
are roughly 25,000 genes.
96
231000
2000
bevinden zich ongeveer 25.000 genen.
04:08
They're encoded in the DNA.
97
233000
2000
Ze zijn gecodeerd in het DNA.
04:10
And the nature of a given cell
98
235000
3000
De aard van een cel wordt bepaald
04:13
driving its underlying biochemistry
99
238000
2000
door de onderliggende biochemie.
04:15
is dictated by which of these 25,000 genes
100
240000
3000
Die wordt op haar beurt bepaald door welke van deze 25.000 genen
04:18
are turned on
101
243000
2000
zijn geactiveerd
04:20
and at what level they're turned on.
102
245000
2000
en op welk niveau ze zijn geactiveerd.
04:22
And so our project
103
247000
2000
Ons project bestaat erin
04:24
is seeking to look at this readout,
104
249000
3000
op zoek te gaan naar deze uitlezing,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
inzicht te verwerven welke van deze 25.000 genen zijn geactiveerd.
04:30
So in order to undertake such a project,
106
255000
3000
Om een dergelijk project te ondernemen,
04:33
we obviously need brains.
107
258000
3000
hebben we natuurlijk hersenen nodig.
04:36
So we sent our lab technician out.
108
261000
3000
We stuurden onze laborant erop uit.
04:39
We were seeking normal human brains.
109
264000
2000
We gingen op zoek naar normale menselijke breinen.
04:41
What we actually start with
110
266000
2000
Dat begint
04:43
is a medical examiner's office.
111
268000
2000
in het mortuarium.
04:45
This a place where the dead are brought in.
112
270000
2000
Dit is een plek waar de doden worden binnengebracht.
04:47
We are seeking normal human brains.
113
272000
2000
We zijn op zoek naar normale menselijke breinen.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Bij de selectie van deze breinen wordt met veel criteria rekening gehouden.
04:52
We want to make sure
115
277000
2000
We willen ervoor zorgen
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
dat we normale mensen van tussen de leeftijden van 20 tot 60 hebben.
04:57
they died a somewhat natural death
117
282000
2000
Zij moeten een enigszins natuurlijke dood zijn gestorven
04:59
with no injury to the brain,
118
284000
2000
zonder schade aan het brein.
05:01
no history of psychiatric disease,
119
286000
2000
Er mag geen geschiedenis van psychiatrische ziekte zijn,
05:03
no drugs on board --
120
288000
2000
geen drugs -
05:05
we do a toxicology workup.
121
290000
2000
we doen een toxicologisch onderzoek.
05:07
And we're very careful
122
292000
2000
We zijn heel nauwkeurig
05:09
about the brains that we do take.
123
294000
2000
bij de selectie van het brein.
05:11
We're also selecting for brains
124
296000
2000
We selecteren ook breinen
05:13
in which we can get the tissue,
125
298000
2000
waar we weefsel van kunnen nemen.
05:15
we can get consent to take the tissue
126
300000
2000
We hebben instemming nodig om weefsel te nemen
05:17
within 24 hours of time of death.
127
302000
2000
binnen 24 uur na het tijdstip van overlijden.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Het RNA - dat weergeeft waarmee onze genen bezig zijn -
05:22
which is the readout from our genes --
129
307000
2000
proberen we te meten.
05:24
is very labile,
130
309000
2000
Dat bederft snel
05:26
and so we have to move very quickly.
131
311000
2000
en dus moeten we er heel snel bij zijn.
05:28
One side note on the collection of brains:
132
313000
3000
Even terzijde over het verzamelen van hersenen:
05:31
because of the way that we collect,
133
316000
2000
omwille van de manier waarop we informatie verzamelen
05:33
and because we require consent,
134
318000
2000
en omdat we toestemming nodig hebben,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
krijgen we in feite veel meer mannelijke dan vrouwelijke breinen.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Mannen hebben veel meer kans om een toevallige dood te sterven in de bloei van hun leven.
05:41
And men are much more likely
137
326000
2000
En voor mannen is de kans
05:43
to have their significant other, spouse, give consent
138
328000
3000
dat hun partner toestemming geeft veel groter
05:46
than the other way around.
139
331000
2000
dan andersom.
05:48
(Laughter)
140
333000
4000
(Gelach)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Het eerste wat we doen op de collectiesite is
05:54
is we collect what's called an MR.
142
339000
2000
een MR nemen.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Dat wil zeggen ‘magnetic resonance imaging’ of MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Het is een standaardsjabloon waar we de rest van deze gegevens gaan aan ophangen.
06:01
So we collect this MR.
145
346000
2000
We nemen dus een MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Je kan dit zien als het satellietbeeld van onze kaart.
06:05
The next thing we do
147
350000
2000
Het volgende wat we doen
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
is een 'diffusion tensor imaging' (DTI) opnemen.
06:10
This maps the large cabling in the brain.
149
355000
2000
Dit brengt de grote bekabeling in het brein in kaart.
06:12
And again, you can think of this
150
357000
2000
Dat kan je vergelijken
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
met het in kaart brengen van onze snelwegen.
06:16
The brain is removed from the skull,
152
361000
2000
Het brein wordt uit de schedel verwijderd
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
en dan versneden in plakjes van één centimeter dik.
06:21
And those are frozen solid,
154
366000
2000
Die worden bevroren
06:23
and they're shipped to Seattle.
155
368000
2000
en opgestuurd naar Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
In Seattle nemen we dit -
06:27
this is a whole human hemisphere --
157
372000
2000
dit is een hele menselijke hemisfeer -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
en we plaatsen hem in een soort veredelde vleessnijmachine.
06:31
There's a blade here that's going to cut across
159
376000
2000
Dit mes snijdt dwars door
06:33
a section of the tissue
160
378000
2000
een deel van het weefsel
06:35
and transfer it to a microscope slide.
161
380000
2000
en brengt het over naar een microscoopglaasje.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Dan gaan we het kleuren met kleurstof
06:39
and we scan it.
163
384000
2000
en scannen.
06:41
And then what we get is our first mapping.
164
386000
3000
Zo verkrijgen we onze eerste kaart.
06:44
So this is where experts come in
165
389000
2000
Hier verschijnen de experts.
06:46
and they make basic anatomic assignments.
166
391000
2000
Zij doen de eerste anatomische toewijzingen.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Bekijk het maar als de staatsgrenzen,
06:51
those pretty broad outlines.
168
396000
2000
die mooie grote aflijningen.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Van hieruit kunnen we dan het brein in verdere stukken fragmenteren.
06:57
which then we can put on a smaller cryostat.
170
402000
2000
Die kunnen dan op een kleinere cryostaat verder worden verwerkt.
06:59
And this is just showing this here --
171
404000
2000
Hier zie je
07:01
this frozen tissue, and it's being cut.
172
406000
2000
dat bevroren weefsel versneden worden.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Het is slechts 20 micron dik, ongeveer de dikte van een babyhaar.
07:06
And remember, it's frozen.
174
411000
2000
Denk eraan dat het bevroren is.
07:08
And so you can see here,
175
413000
2000
Hier komt ouderwetse
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
technologie met het penseel weer van pas.
07:12
We take a microscope slide.
177
417000
2000
We nemen een microscoopglaasje.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
We gaan de coupe zeer zorgvuldig op het glaasje laten vasthechten.
07:17
This will then go onto a robot
179
422000
2000
Dit gaat dan naar een robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
die het gaat kleuren.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Dan kunnen onze anatomen het grondiger bestuderen.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Dit is wat ze zien onder de microscoop.
07:31
You can see collections and configurations
183
436000
2000
Je ziet collecties en configuraties
07:33
of large and small cells
184
438000
2000
van grote en kleine cellen
07:35
in clusters and various places.
185
440000
2000
in clusters en op verschillende plaatsen.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Vanaf dan is het routine. Ze begrijpen wat ze waaraan moeten toewijzen.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
In principe maken ze een referentie-atlas.
07:42
This is a more detailed map.
188
447000
2000
Dit is een meer gedetailleerde kaart.
07:44
Our scientists then use this
189
449000
2000
Onze wetenschappers gebruiken ze
07:46
to go back to another piece of that tissue
190
451000
3000
om terug te gaan naar een ander stuk van dat weefsel
07:49
and do what's called laser scanning microdissection.
191
454000
2000
en er wat ‘laser scanning microdissection’ heet, op uit te voeren.
07:51
So the technician takes the instructions.
192
456000
3000
De technicus neemt de instructies.
07:54
They scribe along a place there.
193
459000
2000
Ze tekenen een gebied af.
07:56
And then the laser actually cuts.
194
461000
2000
Dan doet de laser het eigenlijke snijden.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Je ziet die blauwe stip hier snijden. Dat weefsel valt eraf.
08:01
You can see on the microscope slide here,
196
466000
2000
Je kan dat hier
08:03
that's what's happening in real time.
197
468000
2000
in realtime zien gebeuren.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Er zit een houder onder waarin dat weefsel wordt opgevangen.
08:08
We take that tissue,
199
473000
2000
Wij nemen dat weefsel,
08:10
we purify the RNA out of it
200
475000
2000
halen er het RNA uit
08:12
using some basic technology,
201
477000
2000
met behulp van wat basistechnologie
08:14
and then we put a florescent tag on it.
202
479000
2000
en dan zetten we er een fluorescerend label op.
08:16
We take that tagged material
203
481000
2000
Wij nemen dat gelabeld materiaal
08:18
and we put it on to something called a microarray.
204
483000
3000
en brengen het over naar wat een microarray heet.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Dit ziet eruit als een stel puntjes,
08:23
but each one of these individual dots
206
488000
2000
maar elk van deze afzonderlijke punten
08:25
is actually a unique piece of the human genome
207
490000
2000
is eigenlijk een uniek stukje van het menselijk genoom
08:27
that we spotted down on glass.
208
492000
2000
dat we op glas hebben overgebracht.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Hierop zitten ongeveer 60.000 elementen,
08:32
so we repeatedly measure various genes
210
497000
3000
dus meten we verschillende genen
08:35
of the 25,000 genes in the genome.
211
500000
2000
van de 25.000 genen in het genoom meer dan één keer.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Als we er een monster van nemen en het hybridiseren,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
krijgen we een unieke kwantitatieve vingerafdruk
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
van welke genen in dat monster werden geactiveerd.
08:45
Now we do this over and over again,
215
510000
2000
Dit doen we herhaalde malen
08:47
this process for any given brain.
216
512000
3000
voor een bepaald brein.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
We nemen meer dan duizend monsters per brein.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Dit gebied hier is de zogenaamde hippocampus.
08:56
It's involved in learning and memory.
219
521000
2000
Het is betrokken bij leren en geheugen.
08:58
And it contributes to about 70 samples
220
523000
3000
Het draagt bij aan ongeveer 70 monsters
09:01
of those thousand samples.
221
526000
2000
van die duizend monsters.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Elk monster geeft ons ongeveer 50.000 datapunten.
09:07
with repeat measurements, a thousand samples.
223
532000
3000
Dat wordt herhaald voor een duizendtal monsters.
09:10
So roughly, we have 50 million data points
224
535000
2000
Zo verkrijgen we ruwweg 50 miljoen datapunten
09:12
for a given human brain.
225
537000
2000
voor een menselijk brein.
09:14
We've done right now
226
539000
2000
We hebben nu de data
09:16
two human brains-worth of data.
227
541000
2000
van twee menselijke breinen.
09:18
We've put all of that together
228
543000
2000
We hebben dat allemaal verzameld
09:20
into one thing,
229
545000
2000
tot een geheel.
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
Ik zal jullie laten zien hoe die synthese eruit ziet.
09:24
It's basically a large data set of information
231
549000
3000
Het is eigenlijk één grote dataset van informatie,
09:27
that's all freely available to any scientist around the world.
232
552000
3000
vrij beschikbaar voor iedere wetenschapper in de hele wereld.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Ze hoeven niet eens in te loggen om dit instrument te gebruiken,
09:33
mine this data, find interesting things out with this.
234
558000
4000
de gegevens op te vragen en er interessante dingen uit te halen.
09:37
So here's the modalities that we put together.
235
562000
3000
Hier zijn de modaliteiten.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Je kan deze dingen herkennen aan de hand van wat we eerder hebben verzameld.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Hier is de MR. Die vormt de sjabloon.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Aan de rechterkant zit er een bedieningspaneel
09:48
it allows you to zoom in,
239
573000
2000
waarmee je het kan laten draaien, inzoomen en
09:50
it allows you to highlight individual structures.
240
575000
3000
individuele structuren markeren.
09:53
But most importantly,
241
578000
2000
Maar belangrijker nog
09:55
we're now mapping into this anatomic framework,
242
580000
3000
is dat we het nu in kaart brengen in dit anatomische sjabloon,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
dat een gemeenschappelijk sjabloon is om te kunnen begrijpen waar genen zijn geactiveerd.
10:01
So the red levels
244
586000
2000
Rood duidt op plaatsen
10:03
are where a gene is turned on to a great degree.
245
588000
2000
waar een gen sterk geactiveerd is.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Groen wijst op gebieden waar het niet is geactiveerd.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Elk gen geeft ons een vingerafdruk.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Denk eraan dat we alle 25.000 genen in het genoom hebben geanalyseerd
10:15
and have all of that data available.
249
600000
4000
en al die gegevens beschikbaar zijn.
10:19
So what can scientists learn about this data?
250
604000
2000
Wat kunnen wetenschappers leren over deze gegevens?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
We beginnen er net zelf naar te kijken.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Er zijn een aantal fundamentele dingen die je zou willen begrijpen.
10:27
Two great examples are drugs,
253
612000
2000
Twee grote voorbeelden zijn de medicijnen
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac en Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Dit zijn vaak voorgeschreven antidepressiva.
10:34
Now remember, we're assaying genes.
256
619000
2000
We analyseren dus genen.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Genen sturen de instructies om eiwitten aan te maken.
10:39
Proteins are targets for drugs.
258
624000
2000
Eiwitten zijn doelwitten voor medicijnen.
10:41
So drugs bind to proteins
259
626000
2000
Medicijnen binden aan eiwitten
10:43
and either turn them off, etc.
260
628000
2000
schakelen ze uit enz..
10:45
So if you want to understand the action of drugs,
261
630000
2000
Als je de werking van medicijnen wil begrijpen,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
wil je begrijpen hoe ze werken op de manieren waarop je dat wil
10:50
and also in the ways you don't want them to.
263
635000
2000
en ook op de manieren waarop je dat niet wil.
10:52
In the side effect profile, etc.,
264
637000
2000
In het bijwerkingenprofiel, enz.,
10:54
you want to see where those genes are turned on.
265
639000
2000
Je wil zien waar die genen worden geactiveerd.
10:56
And for the first time, we can actually do that.
266
641000
2000
Nu kunnen we dat eindelijk doen.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
We kunnen dat doen bij meerdere geteste personen.
11:01
So now we can look throughout the brain.
268
646000
3000
We kunnen nu rondkijken in het brein.
11:04
We can see this unique fingerprint.
269
649000
2000
We zien deze unieke vingerafdruk.
11:06
And we get confirmation.
270
651000
2000
We krijgen bevestiging.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
We krijgen bevestiging dat het gen inderdaad is geactiveerd -
11:11
for something like Prozac,
272
656000
2000
voor iets als Prozac
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
in serotonerge structuren, dingen waarvan al bekend is dat ze zijn aangetast -
11:16
but we also get to see the whole thing.
274
661000
2000
maar we krijgen ook het totaalbeeld voor ogen.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
We krijgen ook gebieden te zien waar niemand ooit naar heeft gekeken
11:20
and we see these genes turned on there.
276
665000
2000
en wij zien dat deze genen daar geactiveerd zijn.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Dat is pas een interessant neveneffect.
11:25
One other thing you can do with such a thing
278
670000
2000
Iets anders dat je kunt doen met zo'n ding
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
omdat het patronen met elkaar vergelijkt
11:30
because there's unique fingerprint,
280
675000
2000
en er een unieke vingerafdruk is,
11:32
we can actually scan through the entire genome
281
677000
2000
is dat je eigenlijk door het hele genoom kunt scannen
11:34
and find other proteins
282
679000
2000
en andere eiwitten vinden
11:36
that show a similar fingerprint.
283
681000
2000
met een soortgelijke vingerafdruk.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Als je je bijvoorbeeld met het zoeken naar medicijnen bezighoudt,
11:41
you can go through
285
686000
2000
kan je grasduinen door een hele lijst
11:43
an entire listing of what the genome has on offer
286
688000
2000
van wat het genoom te bieden heeft om
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
misschien wel betere drugtargets te vinden en te optimaliseren.
11:49
Most of you are probably familiar
288
694000
2000
De meesten van jullie zijn waarschijnlijk bekend
11:51
with genome-wide association studies
289
696000
2000
met genoombrede associatiestudies
11:53
in the form of people covering in the news
290
698000
3000
in de vorm van mensen die in het nieuws
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
komen vertellen: "Wetenschappers hebben onlangs het gen of de genen ontdekt
11:59
which affect X."
292
704000
2000
die van invloed zijn op X. "
12:01
And so these kinds of studies
293
706000
2000
Dit soort studies
12:03
are routinely published by scientists
294
708000
2000
worden routinematig gepubliceerd door wetenschappers
12:05
and they're great. They analyze large populations.
295
710000
2000
en ze zijn geweldig. Ze analyseren grote populaties.
12:07
They look at their entire genomes,
296
712000
2000
Ze kijken naar hun hele genoom
12:09
and they try to find hot spots of activity
297
714000
2000
en ze proberen hotspots van activiteit te vinden
12:11
that are linked causally to genes.
298
716000
3000
die causaal gekoppeld zijn aan genen.
12:14
But what you get out of such an exercise
299
719000
2000
Maar uit een dergelijke oefening
12:16
is simply a list of genes.
300
721000
2000
krijg je alleen maar een lijst van genen.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Het vertelt je het wat, maar niet het waar.
12:21
And so it's very important for those researchers
302
726000
3000
Dus is het erg belangrijk voor deze onderzoekers
12:24
that we've created this resource.
303
729000
2000
dat we deze bron hebben gecreëerd.
12:26
Now they can come in
304
731000
2000
Nu kunnen ze dit gebruiken
12:28
and they can start to get clues about activity.
305
733000
2000
en aanwijzingen over de activiteit verkrijgen.
12:30
They can start to look at common pathways --
306
735000
2000
Ze kunnen zoeken naar gemeenschappelijke trajecten -
12:32
other things that they simply haven't been able to do before.
307
737000
3000
op manieren die vroeger gewoon niet mogelijk waren.
12:36
So I think this audience in particular
308
741000
3000
Ik denk dat dit publiek in het bijzonder
12:39
can understand the importance of individuality.
309
744000
3000
het belang van individualiteit kan begrijpen.
12:42
And I think every human,
310
747000
2000
Ieder mens
12:44
we all have different genetic backgrounds,
311
749000
4000
heeft een andere genetische achtergrond,
12:48
we all have lived separate lives.
312
753000
2000
ieder van ons heeft een andere levensloop.
12:50
But the fact is
313
755000
2000
Maar het feit is dat
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
onze genomen voor meer dan 99 procent overeenkomen.
12:55
We're similar at the genetic level.
315
760000
3000
We zijn erg gelijkend op het genetische niveau.
12:58
And what we're finding
316
763000
2000
Ook op
13:00
is actually, even at the brain biochemical level,
317
765000
2000
het biochemische niveau van het brein
13:02
we are quite similar.
318
767000
2000
lijken we veel op elkaar.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Geen 99 procent,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
maar ongeveer 90 procent correspondentie
13:08
at a reasonable cutoff,
321
773000
3000
binnen redelijke grenzen,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
zodat alles in de wolk min of meer gecorreleerd is.
13:13
And then we find some outliers,
323
778000
2000
Dan vinden we enkele uitschieters,
13:15
some things that lie beyond the cloud.
324
780000
3000
sommige dingen die buiten de wolk vallen.
13:18
And those genes are interesting,
325
783000
2000
Die genen zijn interessant,
13:20
but they're very subtle.
326
785000
2000
maar ze zijn heel subtiel.
13:22
So I think it's an important message
327
787000
3000
Een belangrijke boodschap
13:25
to take home today
328
790000
2000
om te onthouden is
13:27
that even though we celebrate all of our differences,
329
792000
3000
dat, zelfs als we al onze verschillen vieren,
13:30
we are quite similar
330
795000
2000
we erg veel op elkaar lijken
13:32
even at the brain level.
331
797000
2000
zelfs wat het brein aangaat.
13:34
Now what do those differences look like?
332
799000
2000
Hoe zien die verschillen eruit?
13:36
This is an example of a study that we did
333
801000
2000
Dit is een voorbeeld van een onderzoek dat we deden
13:38
to follow up and see what exactly those differences were --
334
803000
2000
om op te volgen en te zien wat die verschillen precies zijn.
13:40
and they're quite subtle.
335
805000
2000
Ze zijn heel subtiel.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Hier zijn de genen geactiveerd in een individueel celtype.
13:46
These are two genes that we found as good examples.
337
811000
3000
Dit zijn twee genen die we een goed voorbeeld vonden.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Een noemen we RELN - het is betrokken bij aanzet van de vroege ontwikkeling.
13:52
DISC1 is a gene
339
817000
2000
DISC1 is een gen
13:54
that's deleted in schizophrenia.
340
819000
2000
dat je niet vindt bij schizofrenie.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Dit zijn geen schizofrene individuen,
13:58
but they do show some population variation.
342
823000
3000
maar ze laten wel enige populatievariatie zien.
14:01
And so what you're looking at here
343
826000
2000
Wat je hier ziet
14:03
in donor one and donor four,
344
828000
2000
bij donor één en donor vier,
14:05
which are the exceptions to the other two,
345
830000
2000
die uitzonderingen zijn op de andere twee,
14:07
that genes are being turned on
346
832000
2000
is dat genen worden geactiveerd
14:09
in a very specific subset of cells.
347
834000
2000
in een zeer specifieke subset van cellen.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Deze donkerpaarse neerslag in de cel
14:14
that's telling us a gene is turned on there.
349
839000
3000
zegt ons dat daar een gen is geactiveerd.
14:17
Whether or not that's due
350
842000
2000
Of dat al of niet is te wijten
14:19
to an individual's genetic background or their experiences,
351
844000
2000
aan de genetische achtergrond van een individu of zijn ervaringen,
14:21
we don't know.
352
846000
2000
weten we niet.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Dat soort studies vereisen veel grotere populaties.
14:28
So I'm going to leave you with a final note
354
853000
2000
Ik ga eindigen met een laatste opmerking
14:30
about the complexity of the brain
355
855000
3000
over de complexiteit van het brein
14:33
and how much more we have to go.
356
858000
2000
en hoeveel meer we nog hebben te onderzoeken.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Ik denk dat deze middelen ongelooflijk waardevol zijn.
14:37
They give researchers a handle
358
862000
2000
Ze geven onderzoekers een handvat
14:39
on where to go.
359
864000
2000
over waar naartoe te gaan.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Maar we hebben op dit punt alleen gekeken naar een handvol individuen.
14:44
We're certainly going to be looking at more.
361
869000
2000
We zullen zeker moeten kijken naar meer individuen.
14:46
I'll just close by saying
362
871000
2000
Ik besluit dan door te zeggen
14:48
that the tools are there,
363
873000
2000
dat de middelen er zijn
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
en dit echt een onontgonnen, onontdekt continent is.
14:54
This is the new frontier, if you will.
365
879000
4000
Dit is het nieuwe grensgebied.
14:58
And so for those who are undaunted,
366
883000
2000
De onverschrokkenen,
15:00
but humbled by the complexity of the brain,
367
885000
2000
maar nederig door de complexiteit van het brein,
15:02
the future awaits.
368
887000
2000
wacht de toekomst.
15:04
Thanks.
369
889000
2000
Bedankt.
15:06
(Applause)
370
891000
9000
(Applaus)
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