TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Um mapa do cérebro
Filmed:
Readability: 4.4
1,269,611 views
Como é que podemos começar a compreender a forma como funciona o cérebro? Da mesma forma como começamos a compreender uma cidade: fazendo um mapa. Nesta palestra visualmente deslumbrante, Allan Jones mostra como a sua equipa está a mapear os genes que são accionados em cada minúscula região, e como tudo se liga.
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
Os humanos há muito que alimentam um fascínio
00:17
for the human brain.
1
2000
2000
pelo cérebro humano.
00:19
We chart it, we've described it,
2
4000
3000
Projectamo-lo, descrevemo-lo,
00:22
we've drawn it,
3
7000
2000
desenhámo-lo,
00:24
we've mapped it.
4
9000
3000
mapeámo-lo.
00:27
Now just like the physical maps of our world
5
12000
3000
Ora, tal como os mapas físicos do nosso mundo
00:30
that have been highly influenced by technology --
6
15000
3000
que foram altamente influenciados pela tecnologia --
00:33
think Google Maps,
7
18000
2000
pensem no Google Maps,
00:35
think GPS --
8
20000
2000
pensem no GPS --
00:37
the same thing is happening for brain mapping
9
22000
2000
a mesma coisa está a acontecer com o mapeamento do cérebro
00:39
through transformation.
10
24000
2000
através da transformação.
00:41
So let's take a look at the brain.
11
26000
2000
Então, vamos dar uma olhadela ao cérebro.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
A maioria das pessoas, quando olha pela primeira vez para um cérebro humano fresco,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
diz: "Não se parece com o que tipicamente se vê
00:49
when someone shows you a brain."
14
34000
2000
quando alguém nos mostra um cérebro."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Tipicamente, aquilo que se vê é um cérebro fixo. É cinzento.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
E esta camada exterior, é a vascularização,
00:56
which is incredible, around a human brain.
17
41000
2000
que é incrível, à volta de um cérebro humano.
00:58
This is the blood vessels.
18
43000
2000
Isto são os vasos sanguíneos.
01:00
20 percent of the oxygen
19
45000
3000
20 por cento do oxigénio
01:03
coming from your lungs,
20
48000
2000
vindo dos vossos pulmões,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 por cento do sangue bombeado do vosso coração,
01:07
is servicing this one organ.
22
52000
2000
está ao serviço deste único órgão.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Que, basicamente, se segurarem em dois punhos juntos,
01:11
it's just slightly larger than the two fists.
24
56000
2000
é apenas ligeiramente maior que os dois punhos.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Cientistas, mais ou menos no final do séc. XX,
01:16
learned that they could track blood flow
26
61000
2000
descobriram que conseguiam rastrear o fluxo sanguíneo
01:18
to map non-invasively
27
63000
3000
para mapear não-invasivamente
01:21
where activity was going on in the human brain.
28
66000
3000
onde a actividade se passava no cérebro humano.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Então, por exemplo, conseguem ver na parte de trás do cérebro,
01:27
which is just turning around there.
30
72000
2000
que está mesmo a começar a aparecer ali.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Ali está o cerebelo; que vos permite manter direitos neste momento.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Que me permite estar em pé. Está envolvido no movimento coordenado.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Aqui de lado, este é o córtex temporal.
01:37
This is the area where primary auditory processing --
34
82000
3000
Esta é a área onde o processamento primário da audição --
01:40
so you're hearing my words,
35
85000
2000
estão a escutar as minhas palavras,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
estão a enviá-las para centros de processamento de linguagem mais avançados.
01:44
Towards the front of the brain
37
89000
2000
Mais para a parte da frente do cérebro
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
está a área em que todo o pensamento mais complexo, a tomada de decisões --
01:49
it's the last to mature in late adulthood.
39
94000
4000
é a última a amadurecer no fim da idade adulta.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
É aqui que todos os processos de tomada de decisão ocorrem.
01:56
It's the place where you're deciding right now
41
101000
2000
É o local em que estão a decidir, neste preciso momento,
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
que provavelmente não vão pedir o bife ao jantar.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Então, se olharmos de forma mais profunda para o cérebro,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
uma das coisas, se olharmos para ele num corte transversal,
02:05
what you can see
45
110000
2000
o que podemos ver
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
é que não conseguimos ver, na verdade, muita estrutura ali.
02:10
But there's actually a lot of structure there.
47
115000
2000
Mas de facto há ali muita estrutura.
02:12
It's cells and it's wires all wired together.
48
117000
2000
São células e fios todos ligados.
02:14
So about a hundred years ago,
49
119000
2000
Então, há cerca de cem anos atrás,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
alguns cientistas inventaram um corante capaz de corar células.
02:18
And that's shown here in the the very light blue.
51
123000
3000
E isso é mostrado aqui em azul muito claro.
02:21
You can see areas
52
126000
2000
Podem ver áreas
02:23
where neuronal cell bodies are being stained.
53
128000
2000
em que corpos normais de células estão a ser corados.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
E o que se consegue ver é que é muito não-uniforme. Consegue-se ver muito mais estrutura ali.
02:28
So the outer part of that brain
55
133000
2000
Então, a parte exterior daquele cérebro
02:30
is the neocortex.
56
135000
2000
é o neocórtex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
É uma unidade de processamento contínuo, se quiserem.
02:35
But you can also see things underneath there as well.
58
140000
2000
Mas também conseguem ver coisas ali debaixo.
02:37
And all of these blank areas
59
142000
2000
E todas estas áreas em branco
02:39
are the areas in which the wires are running through.
60
144000
2000
são as áreas em que os fios passam.
02:41
They're probably less cell dense.
61
146000
2000
Provavelmente têm uma menor densidade de células.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Há, então, cerca de 86 mil milhões de neurónios no nosso cérebro.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
E como podem ver, estão distribuídos de forma muito não-uniforme.
02:50
And how they're distributed really contributes
64
155000
2000
E a forma como estão distribuídos realmente contribui
02:52
to their underlying function.
65
157000
2000
para a sua função subjacente.
02:54
And of course, as I mentioned before,
66
159000
2000
E claro, como referi anteriormente,
02:56
since we can now start to map brain function,
67
161000
3000
uma vez que agora podemos começar a mapear as funções cerebrais,
02:59
we can start to tie these into the individual cells.
68
164000
3000
podemos começar a ligá-las às células individuais.
03:02
So let's take a deeper look.
69
167000
2000
Vamos então olhar de forma mais profunda.
03:04
Let's look at neurons.
70
169000
2000
Vamos olhar para os neurónios.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Como referi, há 86 mil milhões de neurónios.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Há também estas células mais pequenas como irão ver.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Estas são células de suporte -- astrócitos.
03:12
And the nerves themselves
74
177000
3000
E os nervos, são eles mesmos
03:15
are the ones who are receiving input.
75
180000
2000
que recebem a informação/estímulo (input).
03:17
They're storing it, they're processing it.
76
182000
2000
Armazenam-na, processam-na.
03:19
Each neuron is connected via synapses
77
184000
4000
Cada neurónio está ligado através das sinapses
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
com até 10.000 outros neurónios no vosso cérebro.
03:26
And each neuron itself
79
191000
2000
E cada neurónio, em si mesmo,
03:28
is largely unique.
80
193000
2000
é bastante único.
03:30
The unique character of both individual neurons
81
195000
2000
O carácter único quer dos neurónios individuais
03:32
and neurons within a collection of the brain
82
197000
2000
quer dos neurónios no interior de uma colecção do cérebro
03:34
are driven by fundamental properties
83
199000
3000
são accionados pelas propriedades fundamentais
03:37
of their underlying biochemistry.
84
202000
2000
da sua bioquímica subjacente.
03:39
These are proteins.
85
204000
2000
Isto são proteínas.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
São proteínas que estão a controlar coisas como o movimento dos canais iónicos.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Estão a controlar com quem as células do sistema nervoso se associam.
03:48
And they're controlling
88
213000
2000
E estão a controlar
03:50
basically everything that the nervous system has to do.
89
215000
2000
basicamente tudo o que o sistema nervoso tem de fazer.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Então se aumentarmos o zoom para um nível ainda mais profundo,
03:55
all of those proteins
91
220000
2000
todas estas proteínas
03:57
are encoded by our genomes.
92
222000
2000
estão codificadas pelos nossos genomas.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Cada um de nós tem 23 pares de cromossomas.
04:02
We get one from mom, one from dad.
94
227000
2000
Obtemos um da mãe, outro do pai.
04:04
And on these chromosomes
95
229000
2000
E nestes cromossomas
04:06
are roughly 25,000 genes.
96
231000
2000
estão aproximadamente 25.000 genes.
04:08
They're encoded in the DNA.
97
233000
2000
Estão codificados no ADN.
04:10
And the nature of a given cell
98
235000
3000
E a natureza de uma certa célula
04:13
driving its underlying biochemistry
99
238000
2000
accionando a sua bioquímica subjacente
04:15
is dictated by which of these 25,000 genes
100
240000
3000
é ditada pelos genes, de entre os 25.000,
04:18
are turned on
101
243000
2000
que são activados
04:20
and at what level they're turned on.
102
245000
2000
e pelo nível a que são activados.
04:22
And so our project
103
247000
2000
E por isso, o nosso projecto
04:24
is seeking to look at this readout,
104
249000
3000
procura olhar para esta leitura,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
e compreender qual destes 25.000 genes está activado.
04:30
So in order to undertake such a project,
106
255000
3000
Então, para levar a cabo um projecto destes,
04:33
we obviously need brains.
107
258000
3000
obviamente, precisamos de cérebros.
04:36
So we sent our lab technician out.
108
261000
3000
Então mandámos o nosso técnico de laboratório ir à procura.
04:39
We were seeking normal human brains.
109
264000
2000
Estávamos à procura de cérebros humanos normais.
04:41
What we actually start with
110
266000
2000
Aquilo com que começámos foi com
04:43
is a medical examiner's office.
111
268000
2000
um gabinete de médico legista.
04:45
This a place where the dead are brought in.
112
270000
2000
Isto é um sítio onde são trazidos os mortos.
04:47
We are seeking normal human brains.
113
272000
2000
Estamos à procura de cérebros humanos normais.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Há muitos critérios a seguir na selecção destes cérebros.
04:52
We want to make sure
115
277000
2000
Temos de garantir
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
que temos cérebros normais entres os 20 e os 60 anos,
04:57
they died a somewhat natural death
117
282000
2000
que morreram de certo modo de morte natural,
04:59
with no injury to the brain,
118
284000
2000
sem qualquer lesão no cérebro,
05:01
no history of psychiatric disease,
119
286000
2000
sem qualquer historial de doença psiquiátrica,
05:03
no drugs on board --
120
288000
2000
sem uso de drogas --
05:05
we do a toxicology workup.
121
290000
2000
fazemos uma despistagem da toxicologia.
05:07
And we're very careful
122
292000
2000
E somos muito cuidadosos
05:09
about the brains that we do take.
123
294000
2000
acerca dos cérebros que realmente levamos.
05:11
We're also selecting for brains
124
296000
2000
Além disso, seleccionamos os cérebros
05:13
in which we can get the tissue,
125
298000
2000
em que possamos obter o tecido,
05:15
we can get consent to take the tissue
126
300000
2000
em que possamos obter consentimento para obter o tecido
05:17
within 24 hours of time of death.
127
302000
2000
no espaço de 24 horas a seguir à morte.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Porque o que estamos a tentar medir, o ARN --
05:22
which is the readout from our genes --
129
307000
2000
que é a leitura dos nossos genes --
05:24
is very labile,
130
309000
2000
é muito instável,
05:26
and so we have to move very quickly.
131
311000
2000
e por isso temos de nos mexer muito rapidamente.
05:28
One side note on the collection of brains:
132
313000
3000
Uma nota de rodapé sobre a recolha de cérebros:
05:31
because of the way that we collect,
133
316000
2000
por causa da forma como os recolhemos,
05:33
and because we require consent,
134
318000
2000
e porque precisamos de consentimento,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
acabamos por ter muito mais cérebros masculinos do que femininos.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Há uma probabilidade muito maior de os homens sofrerem uma morte acidental em tenra idade.
05:41
And men are much more likely
137
326000
2000
E há uma probabilidade muito maior de os homens
05:43
to have their significant other, spouse, give consent
138
328000
3000
terem a sua cara-metade, ou esposo, a dar consentimento,
05:46
than the other way around.
139
331000
2000
do que o contrário.
05:48
(Laughter)
140
333000
4000
(Risos)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Então, a primeira coisa que fazemos no local da recolha
05:54
is we collect what's called an MR.
142
339000
2000
é recolher o que é chamado RM.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Isto é, ressonância magnética -- RM.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
É um modelo comum ao qual iremos indexar o resto dos dados.
06:01
So we collect this MR.
145
346000
2000
Então recolhemos esta RM.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
E podem pensar nisto como a vista por satélite do nosso mapa.
06:05
The next thing we do
147
350000
2000
A seguir o que fazemos
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
é recolher o que é chamado uma ressonância magnética com tensor de difusão.
06:10
This maps the large cabling in the brain.
149
355000
2000
Isto mapeia a grande cablagem do cérebro.
06:12
And again, you can think of this
150
357000
2000
E de novo, podem pensar nisto
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
quase como mapear as nossas autoestradas, se quiserem.
06:16
The brain is removed from the skull,
152
361000
2000
O cérebro é removido do crânio,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
e depois é cortado em fatias de um centímetro.
06:21
And those are frozen solid,
154
366000
2000
E estas são congeladas,
06:23
and they're shipped to Seattle.
155
368000
2000
e enviadas para Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
E em Seattle, pega-se nisto --
06:27
this is a whole human hemisphere --
157
372000
2000
isto é um hemisfério humano inteiro --
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
e colocamo-lo dentro do que é basicamente um cortador de carne chique.
06:31
There's a blade here that's going to cut across
159
376000
2000
Há aqui uma lâmina que vai cortar através
06:33
a section of the tissue
160
378000
2000
de uma secção de tecido
06:35
and transfer it to a microscope slide.
161
380000
2000
e transferi-lo para uma lâmina de microscópio.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
A seguir vamos aplicar-lhe um destes corantes,
06:39
and we scan it.
163
384000
2000
e digitalizamo-lo.
06:41
And then what we get is our first mapping.
164
386000
3000
E a seguir o que obtemos é o nosso primeiro mapeamento.
06:44
So this is where experts come in
165
389000
2000
Então é aqui que entram os peritos
06:46
and they make basic anatomic assignments.
166
391000
2000
e eles fazem atribuições anatómicas básicas.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Podem pensar nas fronteiras entre estados, se quiserem,
06:51
those pretty broad outlines.
168
396000
2000
nessas linhas bastante largas.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
A partir disto, somos capazes de fragmentar esse cérebro em mais pedaços ainda,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
que depois podemos colocar num criostato mais pequeno.
06:59
And this is just showing this here --
171
404000
2000
E isto só está a mostrar isto aqui --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
este tecido congelado, que está a ser cortado.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Tem 20 mícrones de espessura, ou seja da espessura do cabelo de um bebé.
07:06
And remember, it's frozen.
174
411000
2000
E lembrem-se, está congelado.
07:08
And so you can see here,
175
413000
2000
E podem ver aqui,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
a tecnologia antiquada do pincel a ser aplicada.
07:12
We take a microscope slide.
177
417000
2000
Tiramos uma lâmina de microscópio.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
A seguir colamos cuidadosamente à lâmina.
07:17
This will then go onto a robot
179
422000
2000
Isto a seguir irá para um robô
07:19
that's going to apply one of those stains to it.
180
424000
3000
que irá aplicar um daqueles corantes.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
E os nossos anatomistas irão olhar de forma mais profunda para isto.
07:29
So again this is what they can see under the microscope.
182
434000
2000
De novo, isto é o que eles conseguem ver ao microscópio.
07:31
You can see collections and configurations
183
436000
2000
Podemos ver as colecções e configurações
07:33
of large and small cells
184
438000
2000
de células grandes e pequenas
07:35
in clusters and various places.
185
440000
2000
em aglomerados e vários lugares.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
E a partir daí é rotina. Eles percebem onde fazer as atribuições.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
E conseguem fazer o que é basicamente um atlas de referência.
07:42
This is a more detailed map.
188
447000
2000
Isto é um mapa mais detalhado.
07:44
Our scientists then use this
189
449000
2000
Os nossos cientistas depois usam isto
07:46
to go back to another piece of that tissue
190
451000
3000
para voltar a um outro pedaço daquele tecido
07:49
and do what's called laser scanning microdissection.
191
454000
2000
e fazer o que é chamado de microdissecação por scanning de laser.
07:51
So the technician takes the instructions.
192
456000
3000
O técnico recebe as instruções.
07:54
They scribe along a place there.
193
459000
2000
Eles copiam por cima num segmento ali.
07:56
And then the laser actually cuts.
194
461000
2000
E depois o laser corta.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Podem ver o ponto azul ali a cortar. E aquele tecido cai.
08:01
You can see on the microscope slide here,
196
466000
2000
Podem ver a lâmina de microscópio ali,
08:03
that's what's happening in real time.
197
468000
2000
aquilo é o que está a acontecer em tempo real.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Há um recipiente por debaixo que recolhe aquele tecido.
08:08
We take that tissue,
199
473000
2000
Retiramos aquele tecido,
08:10
we purify the RNA out of it
200
475000
2000
purificamos o ARN e retiramo-lo,
08:12
using some basic technology,
201
477000
2000
usando tecnologia básica,
08:14
and then we put a florescent tag on it.
202
479000
2000
e depois aplicamos-lhe uma etiqueta fluorescente.
08:16
We take that tagged material
203
481000
2000
Pegamos no material etiquetado
08:18
and we put it on to something called a microarray.
204
483000
3000
e colocamo-lo em algo que chamamos de microarray.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Ora isto pode parecer um monte de pontos para vocês,
08:23
but each one of these individual dots
206
488000
2000
mas cada um destes pontos individuais
08:25
is actually a unique piece of the human genome
207
490000
2000
é na verdade um pedaço único de genoma humano
08:27
that we spotted down on glass.
208
492000
2000
que isolámos num vidro.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Isto tem aproximadamente 60.000 elementos,
08:32
so we repeatedly measure various genes
210
497000
3000
por isso medimos repetidamente vários genes
08:35
of the 25,000 genes in the genome.
211
500000
2000
dos 25.000 genes do genoma.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
E quando recolhemos uma amostra e a hibridizamos,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
conseguimos uma impressão digital única, por assim dizer,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
quantitativa, de quantos genes são activados naquela amostra.
08:45
Now we do this over and over again,
215
510000
2000
Ora, nós fazemos isto uma e outra vez,
08:47
this process for any given brain.
216
512000
3000
este processo para cada um dos cérebros.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Estamos a recolher mil amostras para cada cérebro.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Esta área mostrada aqui é uma área chamada hipocampo.
08:56
It's involved in learning and memory.
219
521000
2000
Está envolvida na aprendizagem e na memória.
08:58
And it contributes to about 70 samples
220
523000
3000
E contribui em cerca de 70 amostras
09:01
of those thousand samples.
221
526000
2000
daquelas 1000 amostras.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Cada amostra dá-nos cerca de 50.000 pontos de dados
09:07
with repeat measurements, a thousand samples.
223
532000
3000
com medições repetidas, mil amostras.
09:10
So roughly, we have 50 million data points
224
535000
2000
Então, temos aproximadamente 50 milhões de pontos de dados
09:12
for a given human brain.
225
537000
2000
para cada cérebro humano.
09:14
We've done right now
226
539000
2000
Fizemos, até agora,
09:16
two human brains-worth of data.
227
541000
2000
dados equivalentes a dois cérebros humanos.
09:18
We've put all of that together
228
543000
2000
Juntámos tudo isso
09:20
into one thing,
229
545000
2000
numa única coisa,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
e irei mostrar-vos a síntese disso.
09:24
It's basically a large data set of information
231
549000
3000
Basicamente trata-se de um grande conjunto de dados
09:27
that's all freely available to any scientist around the world.
232
552000
3000
que está inteiramente disponível de forma livre a qualquer cientista em todo o mundo.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Nem sequer têm de se registar para usarem esta ferramenta,
09:33
mine this data, find interesting things out with this.
234
558000
4000
explorar estes dados, encontrar coisas interessantes com isto.
09:37
So here's the modalities that we put together.
235
562000
3000
Aqui estão as modalidades que reunimos.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Irão reconhecer estas coisas a partir do que juntámos anteriormente.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Aqui está a RM. Proporciona a base de trabalho.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Há uma área para o operador à direita que permite que se rode,
09:48
it allows you to zoom in,
239
573000
2000
que se faça zoom,
09:50
it allows you to highlight individual structures.
240
575000
3000
que se realce estruturas individuais.
09:53
But most importantly,
241
578000
2000
Mas, mais importante,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
estamos agora a mapear esta estrutura anatómica,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
que é uma estrutura anatómica comum, para que as pessoas percebam onde os genes são activados.
10:01
So the red levels
244
586000
2000
Então, os níveis vermelhos
10:03
are where a gene is turned on to a great degree.
245
588000
2000
são onde um gene é activado a um nível elevado.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
O verde são o tipo de áreas frias que não estão activadas.
10:08
And each gene gives us a fingerprint.
247
593000
2000
E cada gene dá-nos uma impressão digital.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
E lembrem-se que examinámos todos os 25.000 genes do genoma
10:15
and have all of that data available.
249
600000
4000
e temos todos esses dados disponíveis.
10:19
So what can scientists learn about this data?
250
604000
2000
Então, o que podem os cientistas aprender acerca destes dados?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Nós próprios estamos apenas a começar a olhar para estes dados.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Há algumas coisas básicas que queremos compreender.
10:27
Two great examples are drugs,
253
612000
2000
Dois grandes exemplos são as drogas,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac e Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
São antidepressivos receitados frequentemente.
10:34
Now remember, we're assaying genes.
256
619000
2000
Lembrem-se, estamos a examinar genes.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Os genes enviam as instruções para produzir proteínas.
10:39
Proteins are targets for drugs.
258
624000
2000
As proteínas são os alvos das drogas.
10:41
So drugs bind to proteins
259
626000
2000
As drogas ligam-se às proteínas
10:43
and either turn them off, etc.
260
628000
2000
e, ou as activam, etc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Por isso, se queremos compreender a acção das drogas,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
queremos compreender como é que actuam nas formas que queremos que actuem,
10:50
and also in the ways you don't want them to.
263
635000
2000
e também nas formas que não queremos que actuem.
10:52
In the side effect profile, etc.,
264
637000
2000
No perfil de efeitos secundários, etc.,
10:54
you want to see where those genes are turned on.
265
639000
2000
queremos ver onde são activados esses genes.
10:56
And for the first time, we can actually do that.
266
641000
2000
E, pela primeira vez, podemos de facto, fazê-lo.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Podemos fazê-lo em múltiplos indivíduos que também examinámos.
11:01
So now we can look throughout the brain.
268
646000
3000
Então, agora podemos olhar através de todo o cérebro.
11:04
We can see this unique fingerprint.
269
649000
2000
Podemos ver esta impressão digital única.
11:06
And we get confirmation.
270
651000
2000
e obter confirmação.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Obtemos confirmação que, de facto, o gene está activado --
11:11
for something like Prozac,
272
656000
2000
para algo como o Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
em estruturas serotonérgicas, coisas que já são conhecidas por serem afectadas --
11:16
but we also get to see the whole thing.
274
661000
2000
mas também vemos o todo.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Também vemos áreas que nunca ninguém tinha visto,
11:20
and we see these genes turned on there.
276
665000
2000
e vemos estes genes activados ali.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
É um efeito secundário do mais interessante que pode haver.
11:25
One other thing you can do with such a thing
278
670000
2000
Algo que também se pode fazer com isto,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
porque é um exercício de equivalência de padrões,
11:30
because there's unique fingerprint,
280
675000
2000
porque existe uma impressão digital única,
11:32
we can actually scan through the entire genome
281
677000
2000
conseguimos de facto digitalizar todo o genoma
11:34
and find other proteins
282
679000
2000
e encontrar outras proteínas
11:36
that show a similar fingerprint.
283
681000
2000
que mostram uma impressão digital semelhante.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Por isso se andarem à procura de drogas, por exemplo,
11:41
you can go through
285
686000
2000
podem percorrer
11:43
an entire listing of what the genome has on offer
286
688000
2000
uma lista inteira do que um genoma tem para oferecer
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
para encontrar talvez melhores alvos para as drogas e optimizar.
11:49
Most of you are probably familiar
288
694000
2000
A maioria de vós provavelmente está familiarizada
11:51
with genome-wide association studies
289
696000
2000
com estudos de associação de um genoma inteiro
11:53
in the form of people covering in the news
290
698000
3000
que, na cobertura noticiosa, são do tipo,
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
"Cientistas descobriram recentemente o gene ou os genes
11:59
which affect X."
292
704000
2000
que afectam X."
12:01
And so these kinds of studies
293
706000
2000
E este tipo de estudos
12:03
are routinely published by scientists
294
708000
2000
são regularmente publicados por cientistas
12:05
and they're great. They analyze large populations.
295
710000
2000
e são excelentes. Analisam grandes populações.
12:07
They look at their entire genomes,
296
712000
2000
Estudam os seus genomas inteiros,
12:09
and they try to find hot spots of activity
297
714000
2000
e tentam descobrir hot spots de actividade
12:11
that are linked causally to genes.
298
716000
3000
que estão ligados de forma causal aos genes.
12:14
But what you get out of such an exercise
299
719000
2000
Mas o que se obtém de exercícios assim
12:16
is simply a list of genes.
300
721000
2000
é simplesmente uma lista de genes.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Diz-nos o quê, mas não nos diz o onde.
12:21
And so it's very important for those researchers
302
726000
3000
E por isso é muito importante para esses investigadores
12:24
that we've created this resource.
303
729000
2000
que tenhamos criado este recurso.
12:26
Now they can come in
304
731000
2000
Agora eles podem vir
12:28
and they can start to get clues about activity.
305
733000
2000
e começar a ter pistas acerca da actividade.
12:30
They can start to look at common pathways --
306
735000
2000
Podem começar a observar vias comuns --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
de outras formas que simplesmente não tinham sido capazes anteriormente.
12:36
So I think this audience in particular
308
741000
3000
Por isso penso que este público em particular
12:39
can understand the importance of individuality.
309
744000
3000
pode compreender a importância da individualidade.
12:42
And I think every human,
310
747000
2000
E penso que cada humano,
12:44
we all have different genetic backgrounds,
311
749000
4000
todos temos um historial genético diferente,
12:48
we all have lived separate lives.
312
753000
2000
todos vivemos uma vida separada.
12:50
But the fact is
313
755000
2000
Mas a verdade é que
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
os nossos genomas são semelhantes em mais de 99 por cento.
12:55
We're similar at the genetic level.
315
760000
3000
Somos semelhantes ao nível genético.
12:58
And what we're finding
316
763000
2000
E o que estamos a descobrir
13:00
is actually, even at the brain biochemical level,
317
765000
2000
é que, de facto, mesmo ao nível bioquímico cerebral,
13:02
we are quite similar.
318
767000
2000
somos bastante semelhantes.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Isto mostra que não é 99 por cento,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
mas é uma correspondência de aproximadamente 90 por cento
13:08
at a reasonable cutoff,
321
773000
3000
com um desvio razoável,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
por isso tudo o que está na nuvem está aproximadamente correlacionado.
13:13
And then we find some outliers,
323
778000
2000
E depois encontramos alguns valores discrepantes,
13:15
some things that lie beyond the cloud.
324
780000
3000
algumas coisas que ficam para além da nuvem.
13:18
And those genes are interesting,
325
783000
2000
E esses genes são interessantes,
13:20
but they're very subtle.
326
785000
2000
mas são muito subtis.
13:22
So I think it's an important message
327
787000
3000
Por isso penso que uma mensagem importante
13:25
to take home today
328
790000
2000
para levar para casa hoje
13:27
that even though we celebrate all of our differences,
329
792000
3000
é que mesmo que celebremos todas as nossas diferenças,
13:30
we are quite similar
330
795000
2000
somos bastante semelhantes
13:32
even at the brain level.
331
797000
2000
mesmo ao nível cerebral.
13:34
Now what do those differences look like?
332
799000
2000
Ora bem, qual é o aspecto dessas diferenças?
13:36
This is an example of a study that we did
333
801000
2000
Este é um exemplo de um estudo que fizemos
13:38
to follow up and see what exactly those differences were --
334
803000
2000
para seguir e ver quais eram exactamente essas diferenças --
13:40
and they're quite subtle.
335
805000
2000
e são bastante subtis.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Isto são coisas em que genes são activados num tipo de célula individual.
13:46
These are two genes that we found as good examples.
337
811000
3000
Isto são dois genes que descobrimos serem bons exemplos.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Um é chamado RELN - está envolvido nos sinais do desenvolvimento inicial.
13:52
DISC1 is a gene
339
817000
2000
DISC1 é um gene
13:54
that's deleted in schizophrenia.
340
819000
2000
que é eliminado na esquizofrenia.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Estes não são indivíduos esquizofrénicos,
13:58
but they do show some population variation.
342
823000
3000
mas apresentam alguma variação em relação à população.
14:01
And so what you're looking at here
343
826000
2000
Por isso, aquilo que estão a ver aqui
14:03
in donor one and donor four,
344
828000
2000
no doador um e no doador quatro,
14:05
which are the exceptions to the other two,
345
830000
2000
que são as excepções em relação aos outros dois,
14:07
that genes are being turned on
346
832000
2000
é que os genes estão a ser activados
14:09
in a very specific subset of cells.
347
834000
2000
num subgrupo de células muito específico.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
É este precipitado púrpura escuro dentro da célula
14:14
that's telling us a gene is turned on there.
349
839000
3000
que nos está a dizer que ali um gene está activado.
14:17
Whether or not that's due
350
842000
2000
Se isso é devido ou não
14:19
to an individual's genetic background or their experiences,
351
844000
2000
ao historial genético ou às experiências de um indivíduo,
14:21
we don't know.
352
846000
2000
não sabemos.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Esse tipo de estudos requer populações muito maiores.
14:28
So I'm going to leave you with a final note
354
853000
2000
Então, vou deixar-vos com uma nota final
14:30
about the complexity of the brain
355
855000
3000
acerca da complexidade do cérebro
14:33
and how much more we have to go.
356
858000
2000
e de como precisamos de ir muito mais longe.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Penso que estes recursos são incrivelmente valiosos.
14:37
They give researchers a handle
358
862000
2000
Oferecem aos investigadores uma forma de controlar
14:39
on where to go.
359
864000
2000
para onde vão.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Mas apenas olhámos para uma mão cheia de indivíduos até agora.
14:44
We're certainly going to be looking at more.
361
869000
2000
Certamente iremos observar muitos mais.
14:46
I'll just close by saying
362
871000
2000
Irei concluir dizendo apenas
14:48
that the tools are there,
363
873000
2000
que as ferramentas estão aí,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
e isto é um continente que está verdadeiramente por explorar, por descobrir.
14:54
This is the new frontier, if you will.
365
879000
4000
Isto é a nova fronteira, por assim dizer.
14:58
And so for those who are undaunted,
366
883000
2000
E para aqueles que são audazes
15:00
but humbled by the complexity of the brain,
367
885000
2000
mas se sentem humildes perante a complexidade do cérebro,
15:02
the future awaits.
368
887000
2000
perante a complexidade do cérebro, o futuro aguarda.
15:04
Thanks.
369
889000
2000
Obrigado.
15:06
(Applause)
370
891000
9000
(Aplausos)
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