TED2011
Ed Boyden: A light switch for neurons
Ed Boyden: Nöronlar için bir elektrik anahtarı
Filmed:
Readability: 4
1,098,379 views
Ed Boyden ışığa duyarlı proteinler için beyin hücrelerine yerleştirilen genler sayesinde, fiber optik implantlar ile belli nöronları nasıl etkinleştirdiğini veya etkisiz hale getirdiğini gösteriyor. Elde ettiği eşine rastlanmamış düzeydeki bu kontrolle, PTSD bozukluğuna sahip farelerin ve bazı görme bozukluklarının tedavisini sağladı. Ufukta sinirsel protez fikri var. Ve konuşma sonrası oturum misafiri olan Juan Enriwues kısa bir soru cevap bölümü sürdürüyor.
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio
Double-click the English transcript below to play the video.
00:15
Think about your day for a second.
0
0
2000
Bir dakikalığına bugününüzü bir gözden geçirin.
00:17
You woke up, felt fresh air on your face as you walked out the door,
1
2000
3000
Kalktınız, kapıdan dışarı çıkarken ferah bir esinti vurdu yüzünüze,
00:20
encountered new colleagues and had great discussions,
2
5000
2000
yeni meslektaşlar edindiniz ve güzel tartışmalarda bulundunuz,
00:22
and felt in awe when you found something new.
3
7000
2000
ve yeni bir şey öğrendiğinizde dehşetli bir hayranlık hissettiniz.
00:24
But I bet there's something you didn't think about today --
4
9000
2000
Ama bahse girerim bugün hakkında düşünmediğiniz bir şey var--
00:26
something so close to home
5
11000
2000
size çok içten gelen bir yakınlıkta
00:28
that you probably don't think about it very often at all.
6
13000
2000
muhtemelen sık sık düşünmediğiniz bir şey.
00:30
And that's that all the sensations, feelings,
7
15000
2000
Bu, bütün hislerinizin,
00:32
decisions and actions
8
17000
2000
kararlarınızın, hareketlerinizin
00:34
are mediated by the computer in your head
9
19000
2000
kafanızdaki bilgisayar aracılığyla yönetildiği şeyin
00:36
called the brain.
10
21000
2000
ismi beyindir.
00:38
Now the brain may not look like much from the outside --
11
23000
2000
Beyin dışarıdan göründüğü haline fazla benzemeyebilir --
00:40
a couple pounds of pinkish-gray flesh,
12
25000
2000
pembemsi-gri bir çift et parçası
00:42
amorphous --
13
27000
2000
biçimsiz--
00:44
but the last hundred years of neuroscience
14
29000
2000
fakat son yüzyıllların nörolojisi
00:46
have allowed us to zoom in on the brain,
15
31000
2000
beyne yakından bakabilmemizi
00:48
and to see the intricacy of what lies within.
16
33000
2000
ve içinde yatan karmaşıklığı gözlemleyebilmemizi sağladı.
00:50
And they've told us that this brain
17
35000
2000
Ve beynin inanılmaz derecede
00:52
is an incredibly complicated circuit
18
37000
2000
karmaşık bir devre olduğunu
00:54
made out of hundreds of billions of cells called neurons.
19
39000
4000
yüz milyarlarca nöron denilen hücrelerden oluştuğunu anlattılar.
00:58
Now unlike a human-designed computer,
20
43000
3000
Bir insan tarafından dizayn edilmiş,
01:01
where there's a fairly small number of different parts --
21
46000
2000
çok az sayıda farklı parçaların olduğu bir bilgisayarın aksine--
01:03
we know how they work, because we humans designed them --
22
48000
3000
bunların işleyişini biliriz çünkü onları biz tasarladık--
01:06
the brain is made out of thousands of different kinds of cells,
23
51000
3000
beyin binlerce çeşit hücreden meydana gelir
01:09
maybe tens of thousands.
24
54000
2000
belki on binlerce.
01:11
They come in different shapes; they're made out of different molecules.
25
56000
2000
Farklı şekillere girerler; farklı moleküllerden oluşmuşlardır;
01:13
And they project and connect to different brain regions,
26
58000
3000
ve beynin farklı yerlerine bağlanarak görev alırlar.
01:16
and they also change different ways in different disease states.
27
61000
3000
Ve aynı zamanda, geçirilen hastalığa göre farklı davranırlar.
01:19
Let's make it concrete.
28
64000
2000
Bunu biraz somutlaştıralım.
01:21
There's a class of cells,
29
66000
2000
Bir hücre sınıfı var,
01:23
a fairly small cell, an inhibitory cell, that quiets its neighbors.
30
68000
3000
orta derece büyüklükte, komşularını durgunlaştıran indirgeyici bir hücre.
01:26
It's one of the cells that seems to be atrophied in disorders like schizophrenia.
31
71000
4000
Bu, şizofrenide olduğu gibi çökertilmiş hücrelerden biri gibi.
01:30
It's called the basket cell.
32
75000
2000
Bu hücrenin ismi basket hücresi.
01:32
And this cell is one of the thousands of kinds of cell
33
77000
2000
Ve bu hücre keşfetmekte olduğumuz
01:34
that we are learning about.
34
79000
2000
binlerce hücreden bir tanesi.
01:36
New ones are being discovered everyday.
35
81000
2000
Her geçen gün yeni hücreler keşfediliyor.
01:38
As just a second example:
36
83000
2000
İkinci bir örnek olarak:
01:40
these pyramidal cells, large cells,
37
85000
2000
piramit hücreleri var, büyük hücreler,
01:42
they can span a significant fraction of the brain.
38
87000
2000
beynin ciddi bir büyüklükteki kısmını kaplayabiliyorlar.
01:44
They're excitatory.
39
89000
2000
Harekete geçirici nitelikteler.
01:46
And these are some of the cells
40
91000
2000
Ve bunlar sara gibi hastalıklarda
01:48
that might be overactive in disorders such as epilepsy.
41
93000
3000
fazlasıyla aktif olabilen hücrelerden.
01:51
Every one of these cells
42
96000
2000
Bu hücrelerden her biri
01:53
is an incredible electrical device.
43
98000
3000
inanılmaz bir elektrik aleti.
01:56
They receive input from thousands of upstream partners
44
101000
2000
Yukarı akım eşlerinden girdi alarak
01:58
and compute their own electrical outputs,
45
103000
3000
kendi elektriksel çıktılarını hesaplıyorlar ve sonra
02:01
which then, if they pass a certain threshold,
46
106000
2000
eğer belli bir eşiği geçerlerse
02:03
will go to thousands of downstream partners.
47
108000
2000
binlerce aşağı akım eşlerine gidiyorlar.
02:05
And this process, which takes just a millisecond or so,
48
110000
3000
Ve bu süreç yalnızca bir milisaniyede oluyor,
02:08
happens thousands of times a minute
49
113000
2000
veya bir dakikada binlerce defa
02:10
in every one of your 100 billion cells,
50
115000
2000
100 milyar hücrenizin her birinde,
02:12
as long as you live
51
117000
2000
yaşadığınız, düşündüğünüz,
02:14
and think and feel.
52
119000
3000
ve hissettiğiniz sürece.
02:17
So how are we going to figure out what this circuit does?
53
122000
3000
Peki bu devrenin ne yaptığını nasıl bulacağız?
02:20
Ideally, we could go through the circuit
54
125000
2000
İdeal durumda, devrenin içine girebiliriz
02:22
and turn these different kinds of cell on and off
55
127000
3000
ve bu farklı hücreleri devre dışı bırakıp sonra tekrar devreye sokarak
02:25
and see whether we could figure out
56
130000
2000
hangilerinin önemli fonksiyonlara sahip olduğunu,
02:27
which ones contribute to certain functions
57
132000
2000
ve hangilerinin önemli hastalıklarda
02:29
and which ones go wrong in certain pathologies.
58
134000
2000
rol oynadığını çıkarabiliriz.
02:31
If we could activate cells, we could see what powers they can unleash,
59
136000
3000
Eğer aktif hücreler yapabilsedik, nasıl bir güce sahip olduklarını,
02:34
what they can initiate and sustain.
60
139000
2000
neyi başlatıp neyi devam ettirdiklerini görebilirdik.
02:36
If we could turn them off,
61
141000
2000
Eğer onların işleyişini durdurabilseydik,
02:38
then we could try and figure out what they're necessary for.
62
143000
2000
onların ne için gerekli olduklarını bulmaya çalışabilirdik.
02:40
And that's a story I'm going to tell you about today.
63
145000
3000
Ve bugün size anlatacağım hikaye budur.
02:43
And honestly, where we've gone through over the last 11 years,
64
148000
3000
Ve dürüstçe söylemek gerekirse, 11 yıldır bu işteyiz,
02:46
through an attempt to find ways
65
151000
2000
beynin devrelerini, hücrelerini, parçalarını ve yolaklarını
02:48
of turning circuits and cells and parts and pathways of the brain
66
153000
2000
açıp kapayabilmek için
02:50
on and off,
67
155000
2000
yeni yollar bulma peşindeyiz;
02:52
both to understand the science
68
157000
2000
hem bilimi anlamak için
02:54
and also to confront some of the issues
69
159000
3000
hem de insanlığın sorunlarıyla
02:57
that face us all as humans.
70
162000
3000
yüzleşebilmek için.
03:00
Now before I tell you about the technology,
71
165000
3000
Şimdi, teknolojiyi anlatmaya başlamadan önce,
03:03
the bad news is that a significant fraction of us in this room,
72
168000
3000
kötü haber şu ki, bu odadan büyük bir kısmımız,
03:06
if we live long enough,
73
171000
2000
eğer ömrümüz yeterse,
03:08
will encounter, perhaps, a brain disorder.
74
173000
2000
bir beyin rahatsızlığıyla karşılaşacağız belki.
03:10
Already, a billion people
75
175000
2000
Şimdiden, bir milyar insan
03:12
have had some kind of brain disorder
76
177000
2000
yeteneklerinin önüne geçen çeşitli
03:14
that incapacitates them,
77
179000
2000
beyin hastalıklarıyla karşı karşıya.
03:16
and the numbers don't do it justice though.
78
181000
2000
Ama yine de bu sayı tam olarak kendini göstermiyor.
03:18
These disorders -- schizophrenia, Alzheimer's,
79
183000
2000
Bu hastalıklar -- şizofreni, alzaymır,
03:20
depression, addiction --
80
185000
2000
depresyon, bağımlılık --
03:22
they not only steal our time to live, they change who we are.
81
187000
3000
vaktimizi çalmıyorlar, onlar bizi değiştiriyorlar;
03:25
They take our identity and change our emotions
82
190000
2000
kimliğimizi ele geçirip duygularımızı değiştiriyorlar --
03:27
and change who we are as people.
83
192000
3000
ve insan olarak kim olduğumuzu değiştiriyorlar.
03:30
Now in the 20th century,
84
195000
3000
Bugün 20. yüzyılda,
03:33
there was some hope that was generated
85
198000
3000
beyin hastalıklarını düzeltmek adına kurulan
03:36
through the development of pharmaceuticals for treating brain disorders,
86
201000
3000
bir eczacılık gelişimine umut bağlanmıştı.
03:39
and while many drugs have been developed
87
204000
3000
Ve beyin hastalıklarının belirtilerini azaltan
03:42
that can alleviate symptoms of brain disorders,
88
207000
2000
yeni bir çok ilaç bulunurken,
03:44
practically none of them can be considered to be cured.
89
209000
3000
pratikte bu hastalıklardan hiç birinin tedavi edildiği düşünülemez.
03:47
And part of that's because we're bathing the brain in the chemical.
90
212000
3000
Bunun bir nedeni de beyne kimyasal banyosu yaptırıyor olmamız.
03:50
This elaborate circuit
91
215000
2000
Bu karmaşık devre
03:52
made out of thousands of different kinds of cell
92
217000
2000
binlerce farklı türde hücrenin
03:54
is being bathed in a substance.
93
219000
2000
bir madde içinde yıkandığını gösteriyor.
03:56
That's also why, perhaps, most of the drugs, and not all, on the market
94
221000
2000
Bu hepsi olmasa da piyasadaki ilaçların büyük çoğunluğunun
03:58
can present some kind of serious side effect too.
95
223000
3000
neden ciddi türde yan etkiler gösterdiğinin de sebebi.
04:01
Now some people have gotten some solace
96
226000
3000
Bugün bazı insanlar beyne yerleştirilen
04:04
from electrical stimulators that are implanted in the brain.
97
229000
3000
elektrikli uyarıcılarla huzur buluyorlar.
04:07
And for Parkinson's disease,
98
232000
2000
Ve parkinson hastalığı için,
04:09
Cochlear implants,
99
234000
2000
Koklear implantlar,
04:11
these have indeed been able
100
236000
2000
birçok çeşitli hastalıktaki
04:13
to bring some kind of remedy
101
238000
2000
insanlara gerçekten de
04:15
to people with certain kinds of disorder.
102
240000
2000
çare olabiliyorlar.
04:17
But electricity also will go in all directions --
103
242000
2000
Fakat elektrik de, aynı şekilde, her yöne gidecek --
04:19
the path of least resistance,
104
244000
2000
en dirençsiz olan yola da,
04:21
which is where that phrase, in part, comes from.
105
246000
2000
bu terim bir parça da buradan geliyor.
04:23
And it also will affect normal circuits as well as the abnormal ones that you want to fix.
106
248000
3000
Ve aynı zamanda, onarmak istediğiniz anormal devrelerin yanında normal olanları da etkileyecek.
04:26
So again, we're sent back to the idea
107
251000
2000
Ve yeniden, oldukça mükemmel kontrol
04:28
of ultra-precise control.
108
253000
2000
fikrimize geri döndürülüyoruz.
04:30
Could we dial-in information precisely where we want it to go?
109
255000
3000
Bilgiyi tam olarak gitmesini istediğimiz yere yönlendirebilir miyiz?
04:34
So when I started in neuroscience 11 years ago,
110
259000
4000
11 yıll önce nöroloji bilimiyle ilgilenmeye başladığımda,
04:38
I had trained as an electrical engineer and a physicist,
111
263000
3000
bir elektrik mühendisi ve fizikçi olarak yetişmiştim,
04:41
and the first thing I thought about was,
112
266000
2000
ve bunun hakkında düşündüğüm ilk şey şuydu,
04:43
if these neurons are electrical devices,
113
268000
2000
eğer nöronlar bir takım elektrik devreleriyse,
04:45
all we need to do is to find some way
114
270000
2000
tek ihtiyacımız olan şey, elektrik değişimlerini
04:47
of driving those electrical changes at a distance.
115
272000
2000
belli bir genişliğe yayan bir yol bulmak.
04:49
If we could turn on the electricity in one cell,
116
274000
2000
Eğer bir hücrede elektriği açabilirsek,
04:51
but not its neighbors,
117
276000
2000
-komşu hücrelere dokunmadan-
04:53
that would give us the tool we need to activate and shut down these different cells,
118
278000
3000
bu bize farklı hücreleri aktifleştirip kapatabilmek için,
04:56
figure out what they do and how they contribute
119
281000
2000
bu hücrelerin ne yaptıklarını ve içinde bulundukları ağlara nasıl
04:58
to the networks in which they're embedded.
120
283000
2000
katkı sağladıklarını bulabilmek için bize lazım olan aracı elde etmiş oluruz.
05:00
And also it would allow us to have the ultra-precise control we need
121
285000
2000
Ve aynı zamanda bu, yanlış yöne giden devre hesaplamalarını
05:02
in order to fix the circuit computations
122
287000
3000
sabitlememiz için gerekli olan mükemmel kontrole
05:05
that have gone awry.
123
290000
2000
sahip olmamızı sağlayabilir.
05:07
Now how are we going to do that?
124
292000
2000
Peki bunu nasıl yapacağız?
05:09
Well there are many molecules that exist in nature,
125
294000
2000
Doğada ışığı elektriğe çevirebilen
05:11
which are able to convert light into electricity.
126
296000
3000
birçok molekül var.
05:14
You can think of them as little proteins
127
299000
2000
Bunları solar hüceleri gibi
05:16
that are like solar cells.
128
301000
2000
küçük proteinler olarak düşünebilirsiniz.
05:18
If we can install these molecules in neurons somehow,
129
303000
3000
Eğer bu molekülleri bir şekilde nöronlara programlayabilirsek,
05:21
then these neurons would become electrically drivable with light.
130
306000
3000
bu nöronlar ışık altında elektrikle işler hale gelebilirler.
05:24
And their neighbors, which don't have the molecule, would not.
131
309000
3000
Ve komşu hücreleri, bu moleküllere sahip olmadığı için gelmezler.
05:27
There's one other magic trick you need to make this all happen,
132
312000
2000
Bütün bunları yapabilmenizin ve bu ışığı beyne alabilmenizin
05:29
and that's the ability to get light into the brain.
133
314000
3000
bir güzel püf noktası daha var.
05:32
And to do that -- the brain doesn't feel pain -- you can put --
134
317000
3000
Ve bunu yapabilmek için --
05:35
taking advantage of all the effort
135
320000
2000
internet ve iletişimler için harcanan eforlar sayesinde
05:37
that's gone into the Internet and communications and so on --
136
322000
2000
beyin siz acıyı koymadıkça acı hissetmez --
05:39
optical fibers connected to lasers
137
324000
2000
bu nöronları aktifleştirmede kullanabileceğiniz,
05:41
that you can use to activate, in animal models for example,
138
326000
2000
mesela hayvan modelleri ve ön klinik çalışmalarda kullanılabilen,
05:43
in pre-clinical studies,
139
328000
2000
lazerlere bağlı optik fiberler koyabilirsiniz,
05:45
these neurons and to see what they do.
140
330000
2000
ve bu sayede nöronların ne yaptığını görebilirsiniz.
05:47
So how do we do this?
141
332000
2000
Öyleyse bunu nasıl yapacağız?
05:49
Around 2004,
142
334000
2000
2004 yılı civarlarında
05:51
in collaboration with Gerhard Nagel and Karl Deisseroth,
143
336000
2000
Gerhard Nagel ve Karl Deisseroth ile yapılan işbirliğiyle
05:53
this vision came to fruition.
144
338000
2000
bu öngörü meyve verdi.
05:55
There's a certain alga that swims in the wild,
145
340000
3000
Rüzgarda yüzen bir tür alg var,
05:58
and it needs to navigate towards light
146
343000
2000
verimli şekilde fotosentez yapabilmek için
06:00
in order to photosynthesize optimally.
147
345000
2000
ışığa karşı gidip gelmesi gerekiyor.
06:02
And it senses light with a little eye-spot,
148
347000
2000
Ve gözlerimiz gibi işlemeyen küçük bir
06:04
which works not unlike how our eye works.
149
349000
3000
göz beneği sayesinde ışığı algılıyor.
06:07
In its membrane, or its boundary,
150
352000
2000
Bu zarda veya sınırlarında,
06:09
it contains little proteins
151
354000
3000
ışığı gerçekten elektriğe çevirebilen
06:12
that indeed can convert light into electricity.
152
357000
3000
küçük proteinler bulunuyor.
06:15
So these molecules are called channelrhodopsins.
153
360000
3000
Bu yüzden bu moleküller channelrhodopsin olarak isimlendiriliyorlar.
06:18
And each of these proteins acts just like that solar cell that I told you about.
154
363000
3000
Ve bunların her bir molekülü anlattığım solar hücreler gibi davranıyor.
06:21
When blue light hits it, it opens up a little hole
155
366000
3000
Mavi hücre ona isabet ettiğinde, küçük bir delik açılıyor
06:24
and allows charged particles to enter the eye-spot,
156
369000
2000
ve yüklü parçaların göz beneğine girmesini sağlıyor.
06:26
and that allows this eye-spot to have an electrical signal
157
371000
2000
Ve bu göz beneğinin, tıpkı bataryayı şarj eden bir güneş hücresi gibi
06:28
just like a solar cell charging up a battery.
158
373000
3000
bir elektrik sinyaline sahip olmasını sağlıyor.
06:31
So what we need to do is to take these molecules
159
376000
2000
Bu noktada bizim yapmamız gereken şey,
06:33
and somehow install them in neurons.
160
378000
2000
bu molekülleri alarak nöronlara çevirmek.
06:35
And because it's a protein,
161
380000
2000
Bu bir protein olduğundan
06:37
it's encoded for in the DNA of this organism.
162
382000
3000
organizmanın DNA'sında kodlanıyor.
06:40
So all we've got to do is take that DNA,
163
385000
2000
Bu yüzden bu DNA'yı alıp, virüs gibi bir
06:42
put it into a gene therapy vector, like a virus,
164
387000
3000
gen terapi vektörüne koyarak,
06:45
and put it into neurons.
165
390000
3000
nöronlara yerleştirmek zorundayız.
06:48
So it turned out that this was a very productive time in gene therapy,
166
393000
3000
Bunlar üretken bir gen terapi zamanında olduğumuzun bir göstergesi,
06:51
and lots of viruses were coming along.
167
396000
2000
ve bir çok virüs meydana getiriliyor.
06:53
So this turned out to be very simple to do.
168
398000
2000
Bu artık yapılması çok kolay bir hale geldi.
06:55
And early in the morning one day in the summer of 2004,
169
400000
3000
2004 yazının erken bir sabahında
06:58
we gave it a try, and it worked on the first try.
170
403000
2000
biz bunu denedik, ve ilk deneyişimizde işledi.
07:00
You take this DNA and you put it into a neuron.
171
405000
3000
Bu DNA'yı alıyorsunuz ve bir nörona koyuyorsunuz.
07:03
The neuron uses its natural protein-making machinery
172
408000
3000
Bu nöron doğal protein yapma mekanizmasını kullanarak
07:06
to fabricate these little light-sensitive proteins
173
411000
2000
ışığa duyarlı proteinleri işletiyor
07:08
and install them all over the cell,
174
413000
2000
ve çatıya güneş paneli koyar gibi
07:10
like putting solar panels on a roof,
175
415000
2000
onları hücrenin her tarafına yerleştiriyor.
07:12
and the next thing you know,
176
417000
2000
Ve bildiğiniz bir sonraki şey,
07:14
you have a neuron which can be activated with light.
177
419000
2000
ışıkla aktifleşebilen bir nörona sahip olduğunuz.
07:16
So this is very powerful.
178
421000
2000
Bu gerçekten çok güçlü bir şey.
07:18
One of the tricks you have to do
179
423000
2000
Yapmanız gereken bir önemli şey de,
07:20
is to figure out how to deliver these genes to the cells that you want
180
425000
2000
komşularına dokunmadan bu genleri istediğiniz hücrelere
07:22
and not all the other neighbors.
181
427000
2000
nasıl çevireceğinizi bulmak.
07:24
And you can do that; you can tweak the viruses
182
429000
2000
Bunu yapabilirsiniz; virüslerde ufak bir değişiklik yapabilirsiniz ve
07:26
so they hit just some cells and not others.
183
431000
2000
onlar bu sayede yalnızca hedef hücrelere isabet edebilirler.
07:28
And there's other genetic tricks you can play
184
433000
2000
Işıkla aktifleşen hücreler elde edebilmek için
07:30
in order to get light-activated cells.
185
435000
3000
kurnazca oynayabileceğiniz başka genetik yollar da var.
07:33
This field has now come to be known as optogenetics.
186
438000
4000
Bu alan, optogenetik olarak biliniyor.
07:37
And just as one example of the kind of thing you can do,
187
442000
2000
Ve yapabileceklerinize yalnızca bir misal olarak,
07:39
you can take a complex network,
188
444000
2000
karmaşık bir ağ alabilirsiniz,
07:41
use one of these viruses to deliver the gene
189
446000
2000
bu virüslerden birini kullanarak, onu
07:43
just to one kind of cell in this dense network.
190
448000
3000
bu yoğun ağdaki yalnızca bir hücre tipine iletebilirsiniz.
07:46
And then when you shine light on the entire network,
191
451000
2000
Sonra ağa ışık yansıtısınız,
07:48
just that cell type will be activated.
192
453000
2000
ve yalnızca o hücre aktifleşecektir.
07:50
So for example, lets sort of consider that basket cell I told you about earlier --
193
455000
3000
Mesela, daha önce anlattığım basket hücresini düşünelim --
07:53
the one that's atrophied in schizophrenia
194
458000
2000
şizofrenide çökertilmiş ve
07:55
and the one that is inhibitory.
195
460000
2000
indirgeyici olan bir hücre.
07:57
If we can deliver that gene to these cells --
196
462000
2000
Eğer geni bu hücrelere iletebilirsek --
07:59
and they're not going to be altered by the expression of the gene, of course --
197
464000
3000
tabi ki de bunlar genin ekspresyonuyla değişmeyecekler--
08:02
and then flash blue light over the entire brain network,
198
467000
3000
beyin ağına mavi ışığı yansıtılacak,
08:05
just these cells are going to be driven.
199
470000
2000
ve yalnızca bu hücreler işlenecek.
08:07
And when the light turns off, these cells go back to normal,
200
472000
2000
Ve ışıkları kapattığımızda, bu hücreler normale dönecek,
08:09
so they don't seem to be averse against that.
201
474000
3000
bu yüzden hücreler bu olaya karşı isteksiz görünmüyorlar.
08:12
Not only can you use this to study what these cells do,
202
477000
2000
Bu çalışmayı yalnızca bu hücrelerin yaptığı şeyde ve
08:14
what their power is in computing in the brain,
203
479000
2000
onların beyinde hesaplanan gücünde değil,
08:16
but you can also use this to try to figure out --
204
481000
2000
başka şeylerde de kullabilirsiniz--
08:18
well maybe we could jazz up the activity of these cells,
205
483000
2000
bu hücreler eğer gerçekten çökertilmiş hücrelerse
08:20
if indeed they're atrophied.
206
485000
2000
belki bunların aktifliğini kullanarak buna biraz daha ruh katabilirdik.
08:22
Now I want to tell you a couple of short stories
207
487000
2000
Bilimsel, klinik ve ön klinik düzeylerde
08:24
about how we're using this,
208
489000
2000
bunu nasıl kullandığımız hakkında
08:26
both at the scientific, clinical and pre-clinical levels.
209
491000
3000
size iki kısa hikaye anlatmak istiyorum şimdi.
08:29
One of the questions we've confronted
210
494000
2000
Karşılaştığımız sorulardan bir tanesi şu,
08:31
is, what are the signals in the brain that mediate the sensation of reward?
211
496000
3000
beyinde ödül duygusunu oluşturan sinyaller nelerdir?
08:34
Because if you could find those,
212
499000
2000
Çünkü eğer bunu bulursanız,
08:36
those would be some of the signals that could drive learning.
213
501000
2000
bunlar öğrenmeyi sağlayan sinyallerden bazıları olabilir.
08:38
The brain will do more of whatever got that reward.
214
503000
2000
Beyin, ödülü işleten şeyi kullanarak daha fazlasını yapabilir.
08:40
And also these are signals that go awry in disorders such as addiction.
215
505000
3000
Ve aynı zamanda bunlar, bağımlılık gibi rahatsızlıklarda bozulan sinyallerdir.
08:43
So if we could figure out what cells they are,
216
508000
2000
Eğer hücrelerin ne olduğunu bulabilirsek,
08:45
we could maybe find new targets
217
510000
2000
belki ilaçların savaşacağı yeni düşmanlar tayin ederek
08:47
for which drugs could be designed or screened against,
218
512000
2000
yeni ilaçlar dizayn edebiliriz,
08:49
or maybe places where electrodes could be put in
219
514000
2000
veya ciddi özürleri olan insanlar için
08:51
for people who have very severe disability.
220
516000
3000
elektrotları koyacak yeni yerler bulabiliriz.
08:54
So to do that, we came up with a very simple paradigm
221
519000
2000
Bunu yapabilmek için, Fiorella grubuyla işbirliği içerisinde
08:56
in collaboration with the Fiorella group,
222
521000
2000
çok basit bir paradigma sunuyoruz,
08:58
where one side of this little box,
223
523000
2000
eğer hayvan bu kutuya giderse
09:00
if the animal goes there, the animal gets a pulse of light
224
525000
2000
bir yüzeyinden ışık sinyali alıyor,
09:02
in order to make different cells in the brain sensitive to light.
225
527000
2000
beyindeki farklı hücreleri ışığa duyarlı hale getirebilmek için.
09:04
So if these cells can mediate reward,
226
529000
2000
Eğer hücreler ödülü oluşturabilirse,
09:06
the animal should go there more and more.
227
531000
2000
hayvan oraya tekrar ve tekrar gitmelidir.
09:08
And so that's what happens.
228
533000
2000
Ve işte olup biten şey bu.
09:10
This animal's going to go to the right-hand side and poke his nose there,
229
535000
2000
Hayvanın sağ el tarafına gidişi ve oraya burnunu sokması
09:12
and he gets a flash of blue light every time he does that.
230
537000
2000
ve bunu her yaptığında bir mavi ışık flaşı alması.
09:14
And he'll do that hundreds and hundreds of times.
231
539000
2000
Ve bunu yüzlerce ve yüzlerce defa yapacak.
09:16
These are the dopamine neurons,
232
541000
2000
Bunlar dopamin sinir hücreleridir,
09:18
which some of you may have heard about, in some of the pleasure centers in the brain.
233
543000
2000
bazılarınız beyin merkezlerinde bu isimle karşılaşmış olabilirsiniz.
09:20
Now we've shown that a brief activation of these
234
545000
2000
Biz, bunun kısa bir aktifliğinin,
09:22
is enough, indeed, to drive learning.
235
547000
2000
öğrenmeyi oluşturmak için gerçekten yeterli olduğunu ispatladık.
09:24
Now we can generalize the idea.
236
549000
2000
Şimdi bu fikri genelleyebiliriz.
09:26
Instead of one point in the brain,
237
551000
2000
Beyindeki bir nokta yerine,
09:28
we can devise devices that span the brain,
238
553000
2000
ışığı üç boyutlu düzene ulaştırabilen
09:30
that can deliver light into three-dimensional patterns --
239
555000
2000
ve beyne yayan icatlar tasarlayabliriz --
09:32
arrays of optical fibers,
240
557000
2000
her biri kendi minyatür ışık kaynağıyla eşleşen
09:34
each coupled to its own independent miniature light source.
241
559000
2000
optik fiber dizileri--
09:36
And then we can try to do things in vivo
242
561000
2000
Ve sonra bunları in vivoda deneyebiliriz
09:38
that have only been done to-date in a dish --
243
563000
3000
bugüne kadar tek çatı altında yapılan tek deneme --
09:41
like high-throughput screening throughout the entire brain
244
566000
2000
beyinde belli şeylerin olmasına yol açabilen sinyaller için
09:43
for the signals that can cause certain things to happen.
245
568000
2000
bütün beyin boyunca yapılan yüksek verimli eleme gibi.
09:45
Or that could be good clinical targets
246
570000
2000
Veya bu hücreler beyin hastalıklarınının tedavisinde
09:47
for treating brain disorders.
247
572000
2000
iyi bir hedef hücre olarak kullanılabilirler.
09:49
And one story I want to tell you about
248
574000
2000
Ve anlatmak istediğim bir hikaye de
09:51
is how can we find targets for treating post-traumatic stress disorder --
249
576000
3000
travma sonrası stres bozukluklarını tedavide nasıl yeni hedefler bulabileceğimiz--
09:54
a form of uncontrolled anxiety and fear.
250
579000
3000
kontrol edilemeyen bir endişe ve korku biçimi.
09:57
And one of the things that we did
251
582000
2000
Ve yaptığımız şeylerden biri
09:59
was to adopt a very classical model of fear.
252
584000
3000
korkunun klasik bir modelini benimsemekti.
10:02
This goes back to the Pavlovian days.
253
587000
3000
Bu Pavlovcu günlere geri dönüş.
10:05
It's called Pavlovian fear conditioning --
254
590000
2000
İsmi, Pavlovcu korku durumu--
10:07
where a tone ends with a brief shock.
255
592000
2000
tonun kısa bir şokla bittiği yer.
10:09
The shock isn't painful, but it's a little annoying.
256
594000
2000
Bu çok acı verici değil fakat sinir bozucu nitelikte.
10:11
And over time -- in this case, a mouse,
257
596000
2000
Ve zamanla hayvan -- bu durumda
10:13
which is a good animal model, commonly used in such experiments --
258
598000
2000
deneylerde sıklıkla kullanılan ve iyi bir hayvan modeli olan fare --
10:15
the animal learns to fear the tone.
259
600000
2000
tondan korkmayı öğrenir.
10:17
The animal will react by freezing,
260
602000
2000
Hayvan donarak tepki verecektir,
10:19
sort of like a deer in the headlights.
261
604000
2000
farların önündeki bir geyik gibi.
10:21
Now the question is, what targets in the brain can we find
262
606000
3000
Bu noktada soru şu, beyinde bu korkuyla başa çıkmamızı
10:24
that allow us to overcome this fear?
263
609000
2000
sağlayacak hedefi nasıl bulabiliriz?
10:26
So what we do is we play that tone again
264
611000
2000
Ve yaptığımız şey ton korkuyla birleştikten sonra
10:28
after it's been associated with fear.
265
613000
2000
yeniden tonla oynamak.
10:30
But we activate targets in the brain, different ones,
266
615000
2000
Hangi hedef hücrelerin beynin bu korku hafızasının
10:32
using that optical fiber array I told you about in the previous slide,
267
617000
3000
üstesinden gelmesini sağlayacağını denemek ve tahmin etmek için
10:35
in order to try and figure out which targets
268
620000
2000
daha önce anlattığım optik fiber düzenini kullanarak
10:37
can cause the brain to overcome that memory of fear.
269
622000
3000
beyindeki farklı hedefleri aktifleştirebiliriz.
10:40
And so this brief video
270
625000
2000
Ve bu kısa video
10:42
shows you one of these targets that we're working on now.
271
627000
2000
şu an üzerinde çalıştığımız bu hedeflerin birini gösteriyor.
10:44
This is an area in the prefrontal cortex,
272
629000
2000
Bu beynin frontal lobu önünde bulunan korteksteki bir alan,
10:46
a region where we can use cognition to try to overcome aversive emotional states.
273
631000
3000
ve itici duygusal durumlarla başa çıkabilmede kafa yorabileceğimiz bir alan.
10:49
And the animal's going to hear a tone -- and a flash of light occurred there.
274
634000
2000
Hayvanın bir tonu duymak için gidişi-- ve orada oluşan flaş ışığı.
10:51
There's no audio on this, but you can see the animal's freezing.
275
636000
2000
Ses yok fakat hayvanın donuşunu görebilirsiniz.
10:53
This tone used to mean bad news.
276
638000
2000
Bu ton önceden kötü haberlerin belirtisiydi.
10:55
And there's a little clock in the lower left-hand corner,
277
640000
2000
Ve aşağıda sol el köşesindeki küçük saat sayesinde
10:57
so you can see the animal is about two minutes into this.
278
642000
3000
hayvanın 2 dakika civarlarında olduğunu görebilirsiniz.
11:00
And now this next clip
279
645000
2000
Ve şimdi sonraki klip
11:02
is just eight minutes later.
280
647000
2000
sadece 8 dakika sonrası.
11:04
And the same tone is going to play, and the light is going to flash again.
281
649000
3000
Ve aynı ton oynuyor, yine flaş patlayacak.
11:07
Okay, there it goes. Right now.
282
652000
3000
Tamam, şimdi geliyor.
11:10
And now you can see, just 10 minutes into the experiment,
283
655000
3000
Ve şu an görebilirsiniz, deneyin yalnızca 10. dakikasında,
11:13
that we've equipped the brain by photoactivating this area
284
658000
3000
bu korku hafızası ifadesinin üstesinden gelebilmek için
11:16
to overcome the expression
285
661000
2000
bu alanı ışıkla aktifleştirerek
11:18
of this fear memory.
286
663000
2000
beyni donattık.
11:20
Now over the last couple of years, we've gone back to the tree of life
287
665000
3000
Ve son 2 yıldan fazla bir zaman önce yaşam ağacına geri döndük,
11:23
because we wanted to find ways to turn circuits in the brain off.
288
668000
3000
çünkü beyindeki devreleri kapatmanın yollarını bulmaya çalışıyoruz.
11:26
If we could do that, this could be extremely powerful.
289
671000
3000
Eğer bunu yapabilseydik, bu büyük bir güç unsuru olurdu.
11:29
If you can delete cells just for a few milliseconds or seconds,
290
674000
3000
Eğer hücreleri birkaç milisaniye veya saniye içerisinde silebilirseniz,
11:32
you can figure out what necessary role they play
291
677000
2000
içinde bulundukları devrede
11:34
in the circuits in which they're embedded.
292
679000
2000
hangi önemli rolleri oynadıklarını bulabilirsiniz.
11:36
And we've now surveyed organisms from all over the tree of life --
293
681000
2000
Ve şimdi hayat ağacının her tarafından organizmalar araştırmaktayız --
11:38
every kingdom of life except for animals, we see slightly differently.
294
683000
3000
hayvanlar dışındaki her canlı aleminde biraz farklılıklar gözlüyoruz.
11:41
And we found all sorts of molecules, they're called halorhodopsins or archaerhodopsins,
295
686000
3000
Yeşil ve sarı ışığa karşılık veren bütün molekül çeşitlerini bulduk,
11:44
that respond to green and yellow light.
296
689000
2000
halorhodopsin veya archaerhodopsin olarak isimlendiriliyorlar.
11:46
And they do the opposite thing of the molecule I told you about before
297
691000
2000
Ve daha önce bahsettiğim mavi ışık etkinleştiricisi olan
11:48
with the blue light activator channelrhodopsin.
298
693000
3000
channelrhodopsin molekülü ile zıt şeyleri yapıyorlar.
11:52
Let's give an example of where we think this is going to go.
299
697000
3000
Şimdi bunun nereye gittiğini düşündüğümüze dair bir örnek verelim.
11:55
Consider, for example, a condition like epilepsy,
300
700000
3000
Mesela epilepsi gibi beynin fazla aktif
11:58
where the brain is overactive.
301
703000
2000
olduğu bir durum düşünün.
12:00
Now if drugs fail in epileptic treatment,
302
705000
2000
Eğer ilaçlar epilepsiyi tedavide başarısız olursa
12:02
one of the strategies is to remove part of the brain.
303
707000
2000
bu stratejilerden bir tanesi beyinden kaldırılacaktır.
12:04
But that's obviously irreversible, and there could be side effects.
304
709000
2000
Fakat bunun geri döndürülemez olduğu açık, ve yan etkileri olabilir.
12:06
What if we could just turn off that brain for a brief amount of time,
305
711000
3000
Peki ya beyni çok kısa bir zaman içerisinde etkisizleştirebilirsek,
12:09
until the seizure dies away,
306
714000
3000
felç durumu kaybolana kadar,
12:12
and cause the brain to be restored to its initial state --
307
717000
3000
ve beynin ilk haline geri dönmesini sağlayabilirsek --
12:15
sort of like a dynamical system that's being coaxed down into a stable state.
308
720000
3000
sabit duruma ikna edilen bir çeşit dinamik sistem gibi.
12:18
So this animation just tries to explain this concept
309
723000
3000
Bu yüzden bu animasyon yalnızca şu kavramı açıklamaya çalışıyor
12:21
where we made these cells sensitive to being turned off with light,
310
726000
2000
hücreleri ışığın kapanmasına karşı duyarlı hale getirdik
12:23
and we beam light in,
311
728000
2000
ve ışığı yoğunlaştırdık,
12:25
and just for the time it takes to shut down a seizure,
312
730000
2000
ve nöbeti durdurabilmek için yalnızca bir an gerekli,
12:27
we're hoping to be able to turn it off.
313
732000
2000
onu durdurabilmeyi umut ediyoruz.
12:29
And so we don't have data to show you on this front,
314
734000
2000
Bu sahada elimizde size gösterebilecek bilgiler yok,
12:31
but we're very excited about this.
315
736000
2000
fakat bu konuda için çok heyecanlıyız.
12:33
Now I want to close on one story,
316
738000
2000
Şimdi bir hikayeyle kapatmak istiyorum,
12:35
which we think is another possibility --
317
740000
2000
düşündüğümüz başka bir ihtimal ise --
12:37
which is that maybe these molecules, if you can do ultra-precise control,
318
742000
2000
eğer mükemmel kontrolü sağlayabilirseniz belki bu moleküller
12:39
can be used in the brain itself
319
744000
2000
beynin kendi içinde,
12:41
to make a new kind of prosthetic, an optical prosthetic.
320
746000
3000
yeni bir çeşit protez yapımında kullanılabilirler, bir optik protez.
12:44
I already told you that electrical stimulators are not uncommon.
321
749000
3000
Size zaten elektrik uyarıcıların çok yaygın olmadığını söylemiştim.
12:47
Seventy-five thousand people have Parkinson's deep-brain stimulators implanted.
322
752000
3000
75,000 insan Parkinson derin-beyin stimülasyonlarına sahipler.
12:50
Maybe 100,000 people have Cochlear implants,
323
755000
2000
Belki 100,000 insan duymalarını
12:52
which allow them to hear.
324
757000
2000
koklear implantlara borçlular.
12:54
There's another thing, which is you've got to get these genes into cells.
325
759000
3000
Bir şey daha var, hücrelere bu genleri almak zorunda olduğunuz.
12:57
And new hope in gene therapy has been developed
326
762000
3000
Gen terapisinde yeni bir umut gelişmekte
13:00
because viruses like the adeno-associated virus,
327
765000
2000
çünkü muhtemelen bu odada bir çoğumuzun da sahip olduğu
13:02
which probably most of us around this room have,
328
767000
2000
Adeno Assosiye Viruslere benzeyen virüsler
13:04
and it doesn't have any symptoms,
329
769000
2000
beyne ya da vücuda genleri iletebilmek için
13:06
which have been used in hundreds of patients
330
771000
2000
yüzlerce hastalık için kullanıldılar,
13:08
to deliver genes into the brain or the body.
331
773000
2000
ve hiçbir belirtileri yok.
13:10
And so far, there have not been serious adverse events
332
775000
2000
Ve şimdiye dek bu virüsle bağlantılı
13:12
associated with the virus.
333
777000
2000
ciddi kötü olaylarla karşılaşılmadı.
13:14
There's one last elephant in the room, the proteins themselves,
334
779000
3000
Odada es geçilen son bir gerçek daha var,
13:17
which come from algae and bacteria and fungi,
335
782000
2000
alg, bakteri ve mantarlardan gelen ve
13:19
and all over the tree of life.
336
784000
2000
hayat ağacının her tarafında bulunan proteinlerin kendileri.
13:21
Most of us don't have fungi or algae in our brains,
337
786000
2000
Birçoğumuzun beyninde mantar veya algler yok,
13:23
so what is our brain going to do if we put that in?
338
788000
2000
o halde bunları beyne koyarsak beyin ne yapar?
13:25
Are the cells going to tolerate it? Will the immune system react?
339
790000
2000
Hücreler bunu hoş görüyle karşılar mı? Bağışıklık sistemi tepki gösterir mi?
13:27
In its early days -- these have not been done on humans yet --
340
792000
2000
İlk günlerde -- henüz insanlar üzerinde denenmedi--
13:29
but we're working on a variety of studies
341
794000
2000
bunu denemek ve anlamak için
13:31
to try and examine this,
342
796000
2000
çeşitli çalışmalarda bulunduk.
13:33
and so far we haven't seen overt reactions of any severity
343
798000
3000
Ve şimdiye kadar açık olarak bu moleküllere ya da
13:36
to these molecules
344
801000
2000
beynin ışıkla aydınlatılmasına karşı
13:38
or to the illumination of the brain with light.
345
803000
3000
herhangi bir güçlüğe dayalı aleni reaksiyonlar görmedik.
13:41
So it's early days, to be upfront, but we're excited about it.
346
806000
3000
Evet, bunlar daha ilk günler, fakat meraklı ve heyecanlıyız.
13:44
I wanted to close with one story,
347
809000
2000
Bunu potansiyel olarak
13:46
which we think could potentially
348
811000
2000
klinik bir uygulama olabileceğini düşündüğümüz
13:48
be a clinical application.
349
813000
2000
bir hikayeyle kapatmak istiyorum.
13:50
Now there are many forms of blindness
350
815000
2000
Körlüğün çok çeşitleri var,
13:52
where the photoreceptors,
351
817000
2000
bunlarda gözümüzün arkasındaki ışık algılayıcıları
13:54
our light sensors that are in the back of our eye, are gone.
352
819000
3000
olan fotoreseptörler yitiriliyor.
13:57
And the retina, of course, is a complex structure.
353
822000
2000
Ve tabi ki retina karmaşık bir yapı.
13:59
Now let's zoom in on it here, so we can see it in more detail.
354
824000
2000
Şimdi ona yaklaşalım ve daha detaylı görelim.
14:01
The photoreceptor cells are shown here at the top,
355
826000
3000
Fotoreseptör hücreleri burada yukarıda görünüyor,
14:04
and then the signals that are detected by the photoreceptors
356
829000
2000
ve sonra fotoreseptörlerle algılanan sinyaller
14:06
are transformed by various computations
357
831000
2000
sonunda aşağıdaki bu hücre tabakası olan ganglion hücreleri,
14:08
until finally that layer of cells at the bottom, the ganglion cells,
358
833000
3000
bilgiyi beyine iletinceye kadar,
14:11
relay the information to the brain,
359
836000
2000
ki biz bunu burada algı olarak görüyoruz,
14:13
where we see that as perception.
360
838000
2000
farklı hesaplamalarla değişiyorlar.
14:15
In many forms of blindness, like retinitis pigmentosa,
361
840000
3000
Körlüğün retinis pigmentosa veya
14:18
or macular degeneration,
362
843000
2000
moleküler dejenarasyon gibi bir çok çeşidinde,
14:20
the photoreceptor cells have atrophied or been destroyed.
363
845000
3000
fotoreseptör hücreler çökermiş veya yıpranmıştır.
14:23
Now how could you repair this?
364
848000
2000
O halde bunu nasıl tamir ederiz?
14:25
It's not even clear that a drug could cause this to be restored,
365
850000
3000
Bir ilacın buna sebebiyet verebileceği konusu henüz net değil,
14:28
because there's nothing for the drug to bind to.
366
853000
2000
çünkü ilacın bağlanabileceği bir şey yok.
14:30
On the other hand, light can still get into the eye.
367
855000
2000
Diğer yandan, ışık hala göze girebiilyor.
14:32
The eye is still transparent and you can get light in.
368
857000
3000
Işık hala geçirgen ve onu içeri alabiliyorsunuz.
14:35
So what if we could just take these channelrhodopsins and other molecules
369
860000
3000
Peki ya yalnızca bu channelrhodopsin ve diğer molekülleri alabilirsek
14:38
and install them on some of these other spare cells
370
863000
2000
ve onları diğer boş hücrelerin bir kısmı üzerine yerleştirip
14:40
and convert them into little cameras.
371
865000
2000
onları küçük kameralara çevirebilirsek?
14:42
And because there's so many of these cells in the eye,
372
867000
2000
Ve gözde bu hücrelerden çok fazla sayıda olduğu için,
14:44
potentially, they could be very high-resolution cameras.
373
869000
3000
potansiyel olarak yüksek çözünürlükte kameralar olacaklardır.
14:47
So this is some work that we're doing.
374
872000
2000
Bu bizim çalışmalarımız arasında yer alıyor.
14:49
It's being led by one of our collaborators,
375
874000
2000
İş ortaklarımızdan biri olan USC'den Alan Horsager
14:51
Alan Horsager at USC,
376
876000
2000
tarafından başlatıldı ve
14:53
and being sought to be commercialized by a start-up company Eos Neuroscience,
377
878000
3000
Eos Neuroscience adında bir kuruluş tarafından ticarete dökülüyor,
14:56
which is funded by the NIH.
378
881000
2000
NIH taradından finanse ediliyor.
14:58
And what you see here is a mouse trying to solve a maze.
379
883000
2000
Ve burada gördüğünüz şey bir farenin labirenti çözmeye çalışması.
15:00
It's a six-arm maze. And there's a bit of water in the maze
380
885000
2000
Bu 6 kollu bir labirent. Ve farenin hareketini canladırmak için
15:02
to motivate the mouse to move, or he'll just sit there.
381
887000
2000
içinde biraz su var, değilse olduğu yerde otururdu yalnızca.
15:04
And the goal, of course, of this maze
382
889000
2000
Ve tabi ki labirentteki hedefi
15:06
is to get out of the water and go to a little platform
383
891000
2000
sudan çıkıp bu ışık kalesinin altındaki
15:08
that's under the lit top port.
384
893000
2000
küçük bir bölgeye gitmek.
15:10
Now mice are smart, so this mouse solves the maze eventually,
385
895000
3000
Fare zeki ve nihayetinde labirenti çözüyor,
15:13
but he does a brute-force search.
386
898000
2000
ama çıkış yolunu kendini yırtarcasına arıyor.
15:15
He's swimming down every avenue until he finally gets to the platform.
387
900000
3000
Düz zemini buluncaya kadar karşısına çıkan her yoldan aşağı doğru yüzüyor.
15:18
So he's not using vision to do it.
388
903000
2000
Bunu yapmak için görme yetisini kullanmıyor.
15:20
These different mice are different mutations
389
905000
2000
Bu farklı fareler insanları etkileyen farklı türdeki
15:22
that recapitulate different kinds of blindness that affect humans.
390
907000
3000
körlükleri tanımlayan çeşitli mutasyonlar.
15:25
And so we're being careful in trying to look at these different models
391
910000
3000
Ve bu farklı modellere bakmaya çalışırken çok dikkatli olmaya çalışıyoruz,
15:28
so we come up with a generalized approach.
392
913000
2000
böylelikle daha geniş bir yaklaşım ileri sürüyoruz.
15:30
So how are we going to solve this?
393
915000
2000
Peki bunu nasıl çözeceğiz?
15:32
We're going to do exactly what we outlined in the previous slide.
394
917000
2000
Yapacağımız şey, tam olarak bir önceki slaytta altını çizdiğimiz şey.
15:34
We're going to take these blue light photosensors
395
919000
2000
Bu mavi ışıklı fotosensörleri alarak
15:36
and install them on a layer of cells
396
921000
2000
hücrenin bir tabakasına yerleştireceğiz,
15:38
in the middle of the retina in the back of the eye
397
923000
3000
gözün arkasındaki retinanın ortasına
15:41
and convert them into a camera --
398
926000
2000
ve onları bir kameraya çevireceğiz.
15:43
just like installing solar cells all over those neurons
399
928000
2000
Tıpkı bu nöronları ışığa duyarlı hale getirmek için
15:45
to make them light sensitive.
400
930000
2000
onların her tarafındaki solar hücreleri yerleştirdiğimiz gibi.
15:47
Light is converted to electricity on them.
401
932000
2000
Işık onlar üzerinde elektriğe dönüşüyor.
15:49
So this mouse was blind a couple weeks before this experiment
402
934000
3000
Bu fare deneyden 2 hafta önce kördü
15:52
and received one dose of this photosensitive molecule in a virus.
403
937000
3000
ve bir virüsteki ışığa duyarlı molekülden bir doz aldı.
15:55
And now you can see, the animal can indeed avoid walls
404
940000
2000
Ve şimdi hayvanın duvarlara çarpmaktan sakınabildiğini
15:57
and go to this little platform
405
942000
2000
ve bu küçük platforma gittiğini
15:59
and make cognitive use of its eyes again.
406
944000
3000
ve gözlerini bilinçli olarak tekrardan nasıl kullandığını görebilirsiniz.
16:02
And to point out the power of this:
407
947000
2000
Bu güç şuna işaret ediyor:
16:04
these animals are able to get to that platform
408
949000
2000
bu hayvanlar hayatları boyunca gördükleri hayvanlar kadar
16:06
just as fast as animals that have seen their entire lives.
409
951000
2000
hızlı bir şekilde platforma ulaşmayı başarabiliyorlar.
16:08
So this pre-clinical study, I think,
410
953000
2000
Bu ön klinik çalışma, bence,
16:10
bodes hope for the kinds of things
411
955000
2000
gelecekte başarmak istediğimiz türdeki
16:12
we're hoping to do in the future.
412
957000
2000
umutlara işaret ediyor.
16:14
To close, I want to point out that we're also exploring
413
959000
3000
Son olarak, nöroteknolojinin bu yeni alanı için
16:17
new business models for this new field of neurotechnology.
414
962000
2000
yeni iş modelleri keşfediyor olduğumuzu da belirtmek istiyorum.
16:19
We're developing these tools,
415
964000
2000
Bu araçları geliştiriyoruz,
16:21
but we share them freely with hundreds of groups all over the world,
416
966000
2000
fakat onları dünyanın her tarafından yüzlerce grupla ücretsiz olarak paylaşıyoruz,
16:23
so people can study and try to treat different disorders.
417
968000
2000
böylece insanlar farklı hastalıkları tedavi etmeye çalışabiliyorlar.
16:25
And our hope is that, by figuring out brain circuits
418
970000
3000
Ve umudumuz o ki, beyin devrelerini onları yeniden planlayıp
16:28
at a level of abstraction that lets us repair them and engineer them,
419
973000
3000
düzenleyebilecek kadar çözerek, daha önce bahsettiğim
16:31
we can take some of these intractable disorders that I told you about earlier,
420
976000
3000
inatçı hastalıkların bazılarını ele alabiliriz,
16:34
practically none of which are cured,
421
979000
2000
ve pratikte hiç birinin tedavi edilemediği bu hastalıkları
16:36
and in the 21st century make them history.
422
981000
2000
21. yüzyılda bunları tarih yapabiliriz.
16:38
Thank you.
423
983000
2000
Teşekkür ederim.
16:40
(Applause)
424
985000
13000
(Alkışlar)
16:53
Juan Enriquez: So some of the stuff is a little dense.
425
998000
3000
Juan Enriquez: Evet bazı şeyler biraz zor anlaşılır.
16:56
(Laughter)
426
1001000
2000
(Kahkahalar)
16:58
But the implications
427
1003000
2000
Ama bütün bunlar
17:00
of being able to control seizures or epilepsy
428
1005000
3000
ilaç yerine ışık yoluyla epilepsi ya da felçlerin
17:03
with light instead of drugs,
429
1008000
2000
kontrol altına alınabileceğini gösteriyor
17:05
and being able to target those specifically
430
1010000
3000
ve belirli bir şekilde bunları hedefleyebilmek
17:08
is a first step.
431
1013000
2000
ilk adım.
17:10
The second thing that I think I heard you say
432
1015000
2000
Söylediğinizi duyduğumu düşündüğüm ikinci şey
17:12
is you can now control the brain in two colors,
433
1017000
3000
beyni şu an 2 renkle kontrol edebiliyor olmanız.
17:15
like an on/off switch.
434
1020000
2000
Bir açma/kapama anahtarı gibi.
17:17
Ed Boyden: That's right.
435
1022000
2000
Ed Boyden: Bu doğru.
17:19
JE: Which makes every impulse going through the brain a binary code.
436
1024000
3000
JE: Beyne giden her uyarıyı ikili bir koda dönüştüren bir anahtar.
17:22
EB: Right, yeah.
437
1027000
2000
EB: Doğru, evet.
17:24
So with blue light, we can drive information, and it's in the form of a one.
438
1029000
3000
Yani mavi ışık ile bilgileri yürütebiliyoruz, ve bu bir 1 kodu.
17:27
And by turning things off, it's more or less a zero.
439
1032000
2000
Ve yumuşatılmasıyla, bu neredeyse 0 oluyor.
17:29
So our hope is to eventually build brain coprocessors
440
1034000
2000
Bu yüzden birim ümidimiz beyin ile çalışan
17:31
that work with the brain
441
1036000
2000
yardımcı beyin işlemcileri icat etmek,
17:33
so we can augment functions in people with disabilities.
442
1038000
3000
böylelikle hastalardaki fonksiyonları büyütebiliriz.
17:36
JE: And in theory, that means that,
443
1041000
2000
JE: Ve teoride, bu şu anlama geliyor,
17:38
as a mouse feels, smells,
444
1043000
2000
hisseden, koklayan
17:40
hears, touches,
445
1045000
2000
duyan, dokunan bir fare,
17:42
you can model it out as a string of ones and zeros.
446
1047000
3000
ve siz onu birler ve sıfırlar zinciriyle modelleyebiliyorsunuz.
17:45
EB: Sure, yeah. We're hoping to use this as a way of testing
447
1050000
2000
EB: Kesinlikle, evet. Bunu sinirsel kodların bazı davranışları
17:47
what neural codes can drive certain behaviors
448
1052000
2000
ve bazı düşünce ve hisleri nasıl yönettiğini
17:49
and certain thoughts and certain feelings,
449
1054000
2000
test etmek için bir yol olarak kullanmayı
17:51
and use that to understand more about the brain.
450
1056000
3000
ve beyni daha iyi anlamayı umut ediyoruz.
17:54
JE: Does that mean that some day you could download memories
451
1059000
3000
JE: Bu günün birinde hafızalardan bilgiyi indirebileceğiniz
17:57
and maybe upload them?
452
1062000
2000
ve belki de hafızalara bilgiyi yükleyebileceğiniz anlamına mı geliyor?
17:59
EB: Well that's something we're starting to work on very hard.
453
1064000
2000
EB: Bu üzerinde çalışmaya başladığımız bir şey.
18:01
We're now working on some work
454
1066000
2000
Şu anki çalışmamızda aynı zamanda
18:03
where we're trying to tile the brain with recording elements too.
455
1068000
2000
beyni kayıt maddeleriyle kaplamaya çalışıyoruz.
18:05
So we can record information and then drive information back in --
456
1070000
3000
Böylelikle bilgileri kaydedip geri içeri sokabileceğiz --
18:08
sort of computing what the brain needs
457
1073000
2000
beynin bilgi işleyişini genişletebilmek amacıyla
18:10
in order to augment its information processing.
458
1075000
2000
ihtiyaç duyduğu bir çeşit hesaplama.
18:12
JE: Well, that might change a couple things. Thank you. (EB: Thank you.)
459
1077000
3000
JE: Güzel, bu bir şeyleri değiştirebilir. Teşekkürler. (EB: Teşekkürler.)
18:15
(Applause)
460
1080000
3000
(Alkışlar)
ABOUT THE SPEAKER
Ed Boyden - NeuroengineerEd Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.
Why you should listen
Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.
Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.
Ed Boyden | Speaker | TED.com