TED2012
Carl Schoonover: How to look inside the brain
Carl Schoonover: Jak zajrzeć w głąb mózgu?
Filmed:
Readability: 4.8
962,022 views
Dokonano zadziwiająco wiele, aby zrozumieć działanie mózgu, ale jak dokładnie badać neurony w jego wnętrzu? Za pomocą przepięknych obrazów, neurobiolog i partner TED Carl Schoonover prezentuje narzędzia, które umożliwiły nam spojrzenie w głąb mózgu.
Carl Schoonover - Neuroscience PhD student + writer
Carl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist. Full bio
Carl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist. Full bio
Double-click the English transcript below to play the video.
00:16
This is a thousand-year-old drawing of the brain.
0
359
3996
Oto rysunek mózgu sprzed tysiąca lat.
00:20
It's a diagram of the visual system.
1
4355
1912
Jest to diagram układu wzrokowego.
00:22
And some things look very familiar today.
2
6267
2750
Pewne rzeczy wyglądają znajomo.
00:24
Two eyes at the bottom, optic nerve flowing out from the back.
3
9017
4367
Oczy na dole, nerw wzrokowy wysuwa się od tyłu.
00:29
There's a very large nose
4
13384
2120
Jest też bardzo duży nos,
00:31
that doesn't seem to be connected to anything in particular.
5
15504
3317
który wydaje się nie łączyć z niczym konkretnym.
00:34
And if we compare this
6
18821
1700
Jeżeli porównamy to
00:36
to more recent representations of the visual system,
7
20521
2074
z nowszymi obrazami układu wzrokowego,
00:38
you'll see that things have gotten substantially more complicated
8
22595
2957
zobaczymy, że sprawy się mocno skomplikowały
00:41
over the intervening thousand years.
9
25552
1573
przez ten tysiąc lat,
00:43
And that's because today we can see what's inside of the brain,
10
27125
2965
bo możemy zajrzeć w głąb mózgu,
00:45
rather than just looking at its overall shape.
11
30090
2481
a nie tylko oglądać jego ogólny zarys.
00:48
Imagine you wanted to understand how a computer works
12
32571
3979
To jak chcieć zrozumieć działanie komputera
00:52
and all you could see was a keyboard, a mouse, a screen.
13
36550
3179
oglądając klawiaturę, myszkę i monitor.
00:55
You really would be kind of out of luck.
14
39729
2396
Nie lada problem.
00:58
You want to be able to open it up, crack it open,
15
42125
2042
Przydałoby się go otworzyć
01:00
look at the wiring inside.
16
44167
1844
i spojrzeć na okablowanie w środku.
01:01
And up until a little more than a century ago,
17
46011
1864
Nie dało się tego zrobić z mózgiem
01:03
nobody was able to do that with the brain.
18
47875
2000
jeszcze sto lat temu.
01:05
Nobody had had a glimpse of the brain's wiring.
19
49875
1880
Nikt nie potrafił zajrzeć w przewody mózgu,
01:07
And that's because if you take a brain out of the skull
20
51755
2952
bo jeżeli wyciągniesz mózg z czaszki,
01:10
and you cut a thin slice of it,
21
54707
1689
wytniesz cienki plasterek
01:12
put it under even a very powerful microscope,
22
56396
2498
i położysz go pod najlepszym mikroskopem,
01:14
there's nothing there.
23
58894
1181
to nic tam nie będzie.
01:15
It's gray, formless.
24
60075
1613
Widać tylko szarą, bezkształtną masę,
01:17
There's no structure. It won't tell you anything.
25
61688
2604
bez jakiejkolwiek struktury. Nic ci nie powie.
01:20
And this all changed in the late 19th century.
26
64292
2854
Wszystko się zmieniło pod koniec XIX wieku.
01:23
Suddenly, new chemical stains for brain tissue were developed
27
67146
3875
Wynaleziono chemiczne znaczniki
dla tkanki mózgowej,
dla tkanki mózgowej,
01:26
and they gave us our first glimpses at brain wiring.
28
71021
2812
które umożliwiły spojrzenie w głąb przewodów mózgu.
01:29
The computer was cracked open.
29
73833
2013
Komputer został w końcu otwarty.
01:31
So what really launched modern neuroscience
30
75846
2856
Początek współczesnej neurobiologii
01:34
was a stain called the Golgi stain.
31
78702
1965
dał znacznik Golgiego.
01:36
And it works in a very particular way.
32
80667
1881
Działa on w bardzo specyficzny sposób.
01:38
Instead of staining all of the cells inside of a tissue,
33
82548
3110
Zamiast znakować wszystkie komórki wewnątrz tkanki,
01:41
it somehow only stains about one percent of them.
34
85658
3032
znakuje tylko jeden procent.
01:44
It clears the forest, reveals the trees inside.
35
88690
3342
Przerzedza last i pokazuje drzewa.
01:47
If everything had been labeled, nothing would have been visible.
36
92032
2672
Gdyby wszystko było znakowane,
nic byśmy nie widzieli.
nic byśmy nie widzieli.
01:50
So somehow it shows what's there.
37
94704
2046
Pokazuje co tam jest.
01:52
Spanish neuroanatomist Santiago Ramon y Cajal,
38
96750
2667
Hiszpański neuro-anatom, Santiago Ramon y Cajal,
01:55
who's widely considered the father of modern neuroscience,
39
99417
2845
uznawany za ojca współczesnej neurobiologii,
01:58
applied this Golgi stain, which yields data which looks like this,
40
102262
3897
dzięki znacznikowi Golgiego
uzyskał powyższe rezultaty,
uzyskał powyższe rezultaty,
02:02
and really gave us the modern notion of the nerve cell, the neuron.
41
106159
3758
dając nam współczesne pojęcie
komórki nerwowej, neuronu.
komórki nerwowej, neuronu.
02:05
And if you're thinking of the brain as a computer,
42
109917
2614
Jeśli mózg to komputer,
02:08
this is the transistor.
43
112531
2011
to będzie jego tranzystor.
02:10
And very quickly Cajal realized
44
114542
2075
Cajal szybko zrozumiał,
02:12
that neurons don't operate alone,
45
116617
2337
że neurony nie działają samodzielnie,
02:14
but rather make connections with others
46
118954
1838
tylko tworzą połączenia i obwody,
dokładnie jak w komputerze.
dokładnie jak w komputerze.
02:16
that form circuits just like in a computer.
47
120792
2506
tylko tworzą połączenia i obwody,
dokładnie jak w komputerze.
dokładnie jak w komputerze.
02:19
Today, a century later, when researchers want to visualize neurons,
48
123298
3391
Kiedy badacze chcą zobaczyć neurony,
02:22
they light them up from the inside rather than darkening them.
49
126689
2767
podświetlają je od środka, a nie zaciemniają.
02:25
And there's several ways of doing this.
50
129456
1150
Mają wiele sposobów.
02:26
But one of the most popular ones
51
130606
1727
Jednym z najpopularniejszych
02:28
involves green fluorescent protein.
52
132333
2092
jest użycie zielonego białka fluorescencyjnego.
02:30
Now green fluorescent protein,
53
134425
1659
To zielone białko fluorescencyjne,
02:31
which oddly enough comes from a bioluminescent jellyfish,
54
136084
3145
które pochodzi od meduzy świecącej,
02:35
is very useful.
55
139229
1238
jest bardzo przydatne.
02:36
Because if you can get the gene for green fluorescent protein
56
140467
2638
Można pobrać gen tego białka
02:39
and deliver it to a cell,
57
143105
1675
i dostarczyć go do komórki,
02:40
that cell will glow green --
58
144780
1747
a ta komórka zaświeci się na zielono.
02:42
or any of the many variants now of green fluorescent protein,
59
146527
3746
Albo inne białko fluorescencyjne.
02:46
you get a cell to glow many different colors.
60
150273
1664
Wtedy komórka zaświeci na rożne kolory.
02:47
And so coming back to the brain,
61
151937
1521
Wracając do mózgu,
02:49
this is from a genetically engineered mouse called "Brainbow."
62
153458
3800
Ten obraz pochodzi
z genetycznie wyhodowanej myszy.
z genetycznie wyhodowanej myszy.
02:53
And it's so called, of course,
63
157258
1550
Nazywa się "Tęcza mózgu"
02:54
because all of these neurons are glowing different colors.
64
158808
3612
od różnokolorowych neuronów.
02:58
Now sometimes neuroscientists need to identify
65
162420
3451
Neurobiolodzy chcą czasami zidentyfikować
03:01
individual molecular components of neurons, molecules,
66
165871
3044
poszczególne części molekularne neuronów,
03:04
rather than the entire cell.
67
168915
1798
a nie cale komórki.
03:06
And there's several ways of doing this,
68
170713
1706
Jest na to wiele sposobów,
03:08
but one of the most popular ones
69
172419
1469
ale jeden z najpopularniejszych
03:09
involves using antibodies.
70
173888
2195
polega na użyciu przeciwciał.
03:11
And you're familiar, of course,
71
176083
1337
Przeciwciała to siepacze
03:13
with antibodies as the henchmen of the immune system.
72
177420
2951
systemu immunologicznego.
03:16
But it turns out that they're so useful to the immune system
73
180371
2418
Są dla przydatne dlatego,
03:18
because they can recognize specific molecules,
74
182789
2550
że potrafią rozpoznawać poszczególne molekuły,
03:21
like, for example, the code protein
75
185339
2119
jak chociażby kod białka wirusa
03:23
of a virus that's invading the body.
76
187458
2388
który atakuje organizm.
03:25
And researchers have used this fact
77
189846
2045
Badacze wykorzystują to
03:27
in order to recognize specific molecules inside of the brain,
78
191891
4325
do rozpoznawania molekuł w mózgu,
03:32
recognize specific substructures of the cell
79
196216
2640
konkretnych struktur komórkowych,
03:34
and identify them individually.
80
198856
2244
i indywidualnej identyfikacji.
03:37
And a lot of the images I've been showing you here are very beautiful,
81
201100
3025
Obrazy, które wam pokazuję są przepiękne,
03:40
but they're also very powerful.
82
204125
1906
ale są też istotne dla nauki.
03:41
They have great explanatory power.
83
206031
1636
Pomagają lepiej zrozumieć wiele rzeczy.
03:43
This, for example, is an antibody staining
84
207667
2090
To są oznakowane w przeciwciałach
03:45
against serotonin transporters in a slice of mouse brain.
85
209757
3520
przenośniki serotoniny w mózgu myszy.
03:49
And you've heard of serotonin, of course,
86
213277
1681
Słyszeliście zapewne o serotoninie
03:50
in the context of diseases like depression and anxiety.
87
214958
2827
w związku z depresją i zaburzeniami lękowymi.
03:53
You've heard of SSRIs,
88
217785
1408
Słyszeliście też o SSRI.
03:55
which are drugs that are used to treat these diseases.
89
219193
2897
To leki, którymi leczy się te choroby.
03:57
And in order to understand how serotonin works,
90
222090
2890
Aby zrozumieć, jak działa serotonina,
04:00
it's critical to understand where the serontonin machinery is.
91
224980
3076
należy zrozumieć gdzie jest przetwarzana.
04:03
And antibody stainings like this one
92
228056
1596
Znakowanie przeciwciał
04:05
can be used to understand that sort of question.
93
229652
3546
może pomóc w zrozumieniu tych kwestii.
04:09
I'd like to leave you with the following thought:
94
233198
2558
Chciałbym zakończyć następującą myślą:
04:11
Green fluorescent protein and antibodies
95
235756
2610
Zielone białko fluorescencyjne i przeciwciała
04:14
are both totally natural products at the get-go.
96
238366
3007
to całkowicie naturalne produkty.
04:17
They were evolved by nature
97
241373
2779
To dzięki naturalnej ewolucji
04:20
in order to get a jellyfish to glow green for whatever reason,
98
244152
2567
meduza świeci na zielono
04:22
or in order to detect the code protein of an invading virus, for example.
99
246719
4383
albo organizm wykrywa kod białka
atakującego go wirusa.
atakującego go wirusa.
04:27
And only much later did scientists come onto the scene
100
251102
3017
Dopiero później wkroczyli naukowcy stwierdzając,
04:30
and say, "Hey, these are tools,
101
254119
2023
że te narzędzia i właściwości
04:32
these are functions that we could use
102
256142
2113
mogą wykorzystać
04:34
in our own research tool palette."
103
258255
2008
we własnych badaniach.
04:36
And instead of applying feeble human minds
104
260263
3628
Nie trzeba posługiwać się zawodnym ludzkim umysłem
04:39
to designing these tools from scratch,
105
263891
1884
do projektowania tych narzędzi od podstaw,
04:41
there were these ready-made solutions right out there in nature
106
265775
2904
bo natura dała nam gotowe do użycia rozwiązania,
04:44
developed and refined steadily for millions of years
107
268679
3236
które były udoskonalane przez miliony lat
04:47
by the greatest engineer of all.
108
271915
1700
przez najlepszego inżyniera świata.
04:49
Thank you.
109
273615
1262
Dziękuję.
04:50
(Applause)
110
274877
2538
(Brawa)
ABOUT THE SPEAKER
Carl Schoonover - Neuroscience PhD student + writerCarl Schoonover is a neuroscientist and one of the founders of NeuWrite, a collaboration between writers and neuroscientist.
Why you should listen
Carl is a neuroscience PhD candidate at Columbia University, where he works on microanatomy and electrophysiology of rodent somatosensory cortex. He the author of Portraits of the Mind: Visualizing the Brain from Antiquity to the 21st Century, and has written for the New York Times, Le Figaro, the Huffington Post, Science, Scientific American, Design Observer, and Boing Boing. In 2008 he cofounded NeuWrite, a collaborative working group for scientists, writers, and those in between. He hosts a radio show on WkCR 89.9FM, which focuses on opera and classical music, and their relationship to the brain.
Carl Schoonover | Speaker | TED.com