TEDGlobal 2011
Allan Jones: A map of the brain
Аллан Джонс: Мапа мозку
Filmed:
Readability: 4.4
1,269,611 views
Як ми можемо почати розумiти принципи роботи мозку людини? Так само, як почати розумiти мiсто: скласти його мапу. В цiй візуально приголомшливiй доповiдi Алан Джонс показує, як його команда визначала розташування активованих генів у найменших дiлянках мозку, i як все це пов'язане мiж собою.
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
Люди вже довгий час зачаровані
00:17
for the human brain.
1
2000
2000
людським мозком.
00:19
We chart it, we've described it,
2
4000
3000
Ми засхемували його, описали,
00:22
we've drawn it,
3
7000
2000
ми зобразили його
00:24
we've mapped it.
4
9000
3000
і нанесли на карту.
00:27
Now just like the physical maps of our world
5
12000
3000
Тепер, подібно до того,
як на фізичні мапи світу
як на фізичні мапи світу
00:30
that have been highly influenced by technology --
6
15000
3000
неабиякий вплив здійснили технології –
00:33
think Google Maps,
7
18000
2000
згадайте Google Maps,
00:35
think GPS --
8
20000
2000
згадайте GPS –
00:37
the same thing is happening for brain mapping
9
22000
2000
те саме відбувається і з мапуванням мозку,
00:39
through transformation.
10
24000
2000
через трансформацію.
00:41
So let's take a look at the brain.
11
26000
2000
Тож погляньмо на мозок.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Більшість людей, що вперше дивляться
на свіжий людський мозок,
на свіжий людський мозок,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
кажуть: "Він не схожий на те,
на що ви зазвичай дивитесь,
на що ви зазвичай дивитесь,
00:49
when someone shows you a brain."
14
34000
2000
коли хтось показує вам мозок."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Зазвичай ви дивитесь на
затверділий мозок. Він сірий.
затверділий мозок. Він сірий.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
І цей верхній шар –
це судинна сітка,
це судинна сітка,
00:56
which is incredible, around a human brain.
17
41000
2000
розташована довкола людського мозку.
00:58
This is the blood vessels.
18
43000
2000
Це – кровоносні судини.
01:00
20 percent of the oxygen
19
45000
3000
20% кисню,
01:03
coming from your lungs,
20
48000
2000
що надходить з ваших легенів,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20% крові, що відкачується з серця,
01:07
is servicing this one organ.
22
52000
2000
обслуговують один цей орган.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Фактично, якщо стиснути
разом два кулаки,
разом два кулаки,
01:11
it's just slightly larger than the two fists.
24
56000
2000
він трохи більший за ці два кулаки.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Десь наприкінці 20-го сторіччя
науковці з'ясували,
науковці з'ясували,
01:16
learned that they could track blood flow
26
61000
2000
що можуть відслідкувати
шлях потоку крові,
шлях потоку крові,
01:18
to map non-invasively
27
63000
3000
щоб без хірургічного втручання
відобразити,
відобразити,
01:21
where activity was going on in the human brain.
28
66000
3000
де у людському мозку
відбувається активність.
відбувається активність.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Так, наприклад, вони можуть
зазирнути у задню частину мозку,
зазирнути у задню частину мозку,
01:27
which is just turning around there.
30
72000
2000
яка щойно була повернута до нас.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Це мозочок; він відповідає за утримання
вас у вертикальному положенні.
вас у вертикальному положенні.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Він дозволяє мені стояти.
Він залучений у координування рухів.
Він залучений у координування рухів.
01:34
On the side here, this is temporal cortex.
33
79000
3000
А з цього боку – скронева кора.
01:37
This is the area where primary auditory processing --
34
82000
3000
Це область, де відбувається
первинна обробка звуку –
первинна обробка звуку –
01:40
so you're hearing my words,
35
85000
2000
таким чином ви чуєте мої слова
01:42
you're sending it up into higher language processing centers.
36
87000
2000
і відсилаєте їх далі, до високорівневих
центрів обробки мови.
центрів обробки мови.
01:44
Towards the front of the brain
37
89000
2000
Близько до фронтальної частини мозку
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
знаходиться зона, відповідальна за
комплексне мислення, прийняття рішень –
комплексне мислення, прийняття рішень –
01:49
it's the last to mature in late adulthood.
39
94000
4000
вона формується останньою,
вже в зрілому віці.
вже в зрілому віці.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Ось тут відбувається процес
прийняття усіх ваших рішень.
прийняття усіх ваших рішень.
01:56
It's the place where you're deciding right now
41
101000
2000
Це місце, де саме зараз ви вирішуєте,
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
що стейк сьогодні на вечерю
ви, мабуть, не замовите.
ви, мабуть, не замовите.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Якщо роздивлятися мозок
більш детально,
більш детально,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
то одна з речей, яку можна побачити,
02:05
what you can see
45
110000
2000
дивлячись на нього у поперечному перерізі,
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
це те, що тут відсутня
певна чітка структура.
певна чітка структура.
02:10
But there's actually a lot of structure there.
47
115000
2000
Але насправді, структура там досить чітка.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Всі клітини і канали мозку
пов'язані.
пов'язані.
02:14
So about a hundred years ago,
49
119000
2000
Тож близько ста років тому
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
вчені винайшли барвник,
здатний надати клітинам колір.
здатний надати клітинам колір.
02:18
And that's shown here in the the very light blue.
51
123000
3000
І тут він показаний дуже світлим
блакитним кольором.
блакитним кольором.
02:21
You can see areas
52
126000
2000
Ви можете бачити зони,
02:23
where neuronal cell bodies are being stained.
53
128000
2000
де тіла нейронних клітин забарвлені.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Як помітно, забарвлення дуже неоднорідне.
Тут видно ще більшу структурованість.
Тут видно ще більшу структурованість.
02:28
So the outer part of that brain
55
133000
2000
Далі, зовнішня частина людського мозку -
02:30
is the neocortex.
56
135000
2000
це його кора.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Це, так би мовити, єдиний сектор
обробки даних.
обробки даних.
02:35
But you can also see things underneath there as well.
58
140000
2000
Але видно і речі,
розташовані глибше під ним.
розташовані глибше під ним.
02:37
And all of these blank areas
59
142000
2000
Усі ці порожні ділянки -
02:39
are the areas in which the wires are running through.
60
144000
2000
це зони, через які проходять
сполучні волокна.
сполучні волокна.
02:41
They're probably less cell dense.
61
146000
2000
Вони мають меншу густину клітин.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
У мозку людини близько
86 мільярдів нейронів.
86 мільярдів нейронів.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
І, як видно, розподілені вони
досить неоднорідно.
досить неоднорідно.
02:50
And how they're distributed really contributes
64
155000
2000
Але саме такий розподіл сприяє
02:52
to their underlying function.
65
157000
2000
їх основній функції.
02:54
And of course, as I mentioned before,
66
159000
2000
І звичайно, як я вже зазначав,
02:56
since we can now start to map brain function,
67
161000
3000
оскільки ми вже можемо починати
складати мапу для функцій мозку,
складати мапу для функцій мозку,
02:59
we can start to tie these into the individual cells.
68
164000
3000
ми можемо почати прив'язувати їх
навіть до окремих клітин.
навіть до окремих клітин.
03:02
So let's take a deeper look.
69
167000
2000
Давайте поглянемо більш детально.
03:04
Let's look at neurons.
70
169000
2000
Розглянемо нейрони.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Як я вже казав, нейронів
близько 86 мільярдів.
близько 86 мільярдів.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Додатково існують ще менші
клітини, як видно тут.
клітини, як видно тут.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Це клітини підтримки -
астрогліальні клітини.
астрогліальні клітини.
03:12
And the nerves themselves
74
177000
3000
А самі нерви
03:15
are the ones who are receiving input.
75
180000
2000
безпосередньо отримують вхідні дані.
03:17
They're storing it, they're processing it.
76
182000
2000
Вони зберігають та обробляють їх.
03:19
Each neuron is connected via synapses
77
184000
4000
Кожний нейрон пов'язаний
за допомогою синапсів
за допомогою синапсів
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
з понад 10 000 інших
нейронів у вашому мозку.
нейронів у вашому мозку.
03:26
And each neuron itself
79
191000
2000
Та кожен нейрон
03:28
is largely unique.
80
193000
2000
майже абсолютно унікальний.
03:30
The unique character of both individual neurons
81
195000
2000
Унікальність окремих нейронів
03:32
and neurons within a collection of the brain
82
197000
2000
та нейронів, сполучених
при формуванні мозку,
при формуванні мозку,
03:34
are driven by fundamental properties
83
199000
3000
пояснюється фундаментальними властивостями
03:37
of their underlying biochemistry.
84
202000
2000
їх базових біохімічних структур.
03:39
These are proteins.
85
204000
2000
А саме, протеїнів.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Це білки, що контролюють такі процеси,
як пересування по іонних каналах.
як пересування по іонних каналах.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Вони контролюють, як контактують
клітини нервової системи.
клітини нервової системи.
03:48
And they're controlling
88
213000
2000
Фактично, вони керують усім,
03:50
basically everything that the nervous system has to do.
89
215000
2000
що має робити нервова система.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
А якщо ми роздивимося більш детально,
03:55
all of those proteins
91
220000
2000
то виявиться, що всі протеїни
03:57
are encoded by our genomes.
92
222000
2000
закодовані нашими геномами.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
В кожного з нас 23 пари хромосомів.
04:02
We get one from mom, one from dad.
94
227000
2000
Ми беремо одну від матері,
іншу від батька.
іншу від батька.
04:04
And on these chromosomes
95
229000
2000
І на цих хромосомах
04:06
are roughly 25,000 genes.
96
231000
2000
близько 25 000 генів.
04:08
They're encoded in the DNA.
97
233000
2000
Вони закодовані в ДНК.
04:10
And the nature of a given cell
98
235000
3000
Та сутність кожної даної клітини,
04:13
driving its underlying biochemistry
99
238000
2000
що визначає її базову біохімію,
04:15
is dictated by which of these 25,000 genes
100
240000
3000
продиктована тим, які саме
з цих 25 000 генів
з цих 25 000 генів
04:18
are turned on
101
243000
2000
активно залучені у роботу,
04:20
and at what level they're turned on.
102
245000
2000
та на якому рівні вони активовані.
04:22
And so our project
103
247000
2000
Таким чином, наш проект націлений
04:24
is seeking to look at this readout,
104
249000
3000
на визначення та розуміння,
які саме гени з цих 25 000
які саме гени з цих 25 000
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
активовані.
04:30
So in order to undertake such a project,
106
255000
3000
Для того, щоб братися до роботи
над таким проектом,
над таким проектом,
04:33
we obviously need brains.
107
258000
3000
нам, звичайно, знадобиться мозок.
04:36
So we sent our lab technician out.
108
261000
3000
Тож ми відправили
нашого лаборанта на пошуки.
нашого лаборанта на пошуки.
04:39
We were seeking normal human brains.
109
264000
2000
Ми шукали нормальний людський мозок.
04:41
What we actually start with
110
266000
2000
Нашу роботу ми звичайно почали
04:43
is a medical examiner's office.
111
268000
2000
з офісу паталогоанатома.
04:45
This a place where the dead are brought in.
112
270000
2000
Це місце, куди привозять мерців.
04:47
We are seeking normal human brains.
113
272000
2000
Ми шукаємо нормальний людський мозок.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Для відбору мозку
в нас є багато критеріїв.
в нас є багато критеріїв.
04:52
We want to make sure
115
277000
2000
Ми хочемо впевнитись,
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
що в нас нормальні люди,
віком від 20 до 60 років,
віком від 20 до 60 років,
04:57
they died a somewhat natural death
117
282000
2000
які померли від причин,
близьких до природніх,
близьких до природніх,
04:59
with no injury to the brain,
118
284000
2000
не завдавши шкоди мозку,
05:01
no history of psychiatric disease,
119
286000
2000
в яких не було
психічних захворювань;
психічних захворювань;
05:03
no drugs on board --
120
288000
2000
які не приймали наркотичних речовин -
05:05
we do a toxicology workup.
121
290000
2000
для цього ми робимо
токсикологічні аналізи.
токсикологічні аналізи.
05:07
And we're very careful
122
292000
2000
І ми дуже обережні з тими зразками,
05:09
about the brains that we do take.
123
294000
2000
які обираємо наприкінці.
05:11
We're also selecting for brains
124
296000
2000
Ми також маємо відібрати саме ті мізки,
05:13
in which we can get the tissue,
125
298000
2000
з яких ми можемо забрати тканину,
05:15
we can get consent to take the tissue
126
300000
2000
тобто можемо отримати дозвіл
взяти таку тканину
взяти таку тканину
05:17
within 24 hours of time of death.
127
302000
2000
не пізніше 24 годин
з часу смерті.
з часу смерті.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Тому що інформація, яку ми намагаємося
виміряти, а саме РНК -
виміряти, а саме РНК -
05:22
which is the readout from our genes --
129
307000
2000
її також можна назвати сумою показників,
знятих з наших генів -
знятих з наших генів -
05:24
is very labile,
130
309000
2000
є дуже нестійкою,
05:26
and so we have to move very quickly.
131
311000
2000
тож ми мусимо працювати дуже швидко.
05:28
One side note on the collection of brains:
132
313000
3000
Одна ремарка щодо обрання мозку:
05:31
because of the way that we collect,
133
316000
2000
через спосіб, яким ми
користуємося під час відбору,
користуємося під час відбору,
05:33
and because we require consent,
134
318000
2000
а також через те, що нам потрібна згода,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
в нас є набагато більше
чоловічих мозків, ніж жіночих.
чоловічих мозків, ніж жіночих.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Чоловіки набагато схильніші
до випадкової смерті у розквіті життя.
до випадкової смерті у розквіті життя.
05:41
And men are much more likely
137
326000
2000
І набагато частіше їх друга
половинка, дружина,
половинка, дружина,
05:43
to have their significant other, spouse, give consent
138
328000
3000
дає згоду на донацію,
05:46
than the other way around.
139
331000
2000
ніж навпаки.
05:48
(Laughter)
140
333000
4000
(Сміх)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Перше, що ми робимо на місці відбору,
05:54
is we collect what's called an MR.
142
339000
2000
зберігаємо так званий МР.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Це магніторезонансна томографія - МРТ.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Це стандартний шаблон, до якого
ми будемо додавати наступні дані.
ми будемо додавати наступні дані.
06:01
So we collect this MR.
145
346000
2000
Тож ми зберігаємо Магнітний Резонанс.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Його ще можна назвати
супутниковим видом нашої мапи.
супутниковим видом нашої мапи.
06:05
The next thing we do
147
350000
2000
Наступним кроком ми робимо
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
візуалізацію мозку
дифузно-тензорним методом.
дифузно-тензорним методом.
06:10
This maps the large cabling in the brain.
149
355000
2000
Це зображає схему нервових зв'язків.
06:12
And again, you can think of this
150
357000
2000
Знову ж таки, можна уявити це майже
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
як нанесення на мапу головних
швидкісних автомагістралей.
швидкісних автомагістралей.
06:16
The brain is removed from the skull,
152
361000
2000
Потім мозок виймається з черепа
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
і нарізається шарами
завширшки один сантиметр.
завширшки один сантиметр.
06:21
And those are frozen solid,
154
366000
2000
Ці шари фіксуються
за допомогою заморожування
за допомогою заморожування
06:23
and they're shipped to Seattle.
155
368000
2000
і відправляються до Сіетлу.
06:25
And in Seattle, we take these --
156
370000
2000
А в Сіетлі ми беремо ось це -
06:27
this is a whole human hemisphere --
157
372000
2000
таку цілу півкулю людського мозку -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
і кладемо її у ніщо інше, як у славетну
машину для нарізки м'яса.
машину для нарізки м'яса.
06:31
There's a blade here that's going to cut across
159
376000
2000
Її лезо відрізає
06:33
a section of the tissue
160
378000
2000
секцію тканини
06:35
and transfer it to a microscope slide.
161
380000
2000
і переносить її на слайд для мікроскопа.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Потім ми застосуємо до нього
один з тих барвників
один з тих барвників
06:39
and we scan it.
163
384000
2000
і зможемо його відсканувати.
06:41
And then what we get is our first mapping.
164
386000
3000
Таким чином ми отримаємо нашу першу мапу.
06:44
So this is where experts come in
165
389000
2000
А потім з'являться експерти,
06:46
and they make basic anatomic assignments.
166
391000
2000
щоб зробити базове анатомічне обстеження.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Про це можна думати як про
нанесення регіональних меж,
нанесення регіональних меж,
06:51
those pretty broad outlines.
168
396000
2000
таке собі охайне межування.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Після цього ми можемо розділяти
мозок на сегменти,
мозок на сегменти,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
які потім помістяться у менший кріостат.
06:59
And this is just showing this here --
171
404000
2000
Саме тут ви можете бачити якраз це -
07:01
this frozen tissue, and it's being cut.
172
406000
2000
заморожену тканину і те,
як вона розрізається.
як вона розрізається.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Цей сегмент завтовшки 20 мікронів,
тобто як дитяча волосинка.
тобто як дитяча волосинка.
07:06
And remember, it's frozen.
174
411000
2000
І важливо пам'ятати, що він заморожений.
07:08
And so you can see here,
175
413000
2000
А ось тут можна побачити,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
як застосовано стародавню технологію
звичайного пензля.
звичайного пензля.
07:12
We take a microscope slide.
177
417000
2000
Береться мікроскопічний слайд.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Потім ми обережно розтоплюємо це
на поверхні слайду.
на поверхні слайду.
07:17
This will then go onto a robot
179
422000
2000
Потім це відправляється роботові,
07:19
that's going to apply one of those stains to it.
180
424000
3000
який нанесе на нього один з барвників.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Потім наші анатомісти візьмуться
за його поглиблене вивчення.
за його поглиблене вивчення.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Тож знову, ось це вони зможуть
побачити у мікроскоп.
побачити у мікроскоп.
07:31
You can see collections and configurations
183
436000
2000
Тут видно скупчення конфігурацій
07:33
of large and small cells
184
438000
2000
великих і малих клітин
07:35
in clusters and various places.
185
440000
2000
у кластерах в різних місцях.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
І звідси починається рутина.
Вони розуміють, як робити позначки.
Вони розуміють, як робити позначки.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Таким чином вони можуть
створити референтний атлас.
створити референтний атлас.
07:42
This is a more detailed map.
188
447000
2000
Це - більш деталізована мапа.
07:44
Our scientists then use this
189
449000
2000
Потім наші вчені використовують це,
07:46
to go back to another piece of that tissue
190
451000
3000
щоб повернутися до іншого
сегменту тієї тканини
сегменту тієї тканини
07:49
and do what's called laser scanning microdissection.
191
454000
2000
і зробити так звану лазерну мікродісекцію.
07:51
So the technician takes the instructions.
192
456000
3000
Таким чином технік виконує інструкції.
07:54
They scribe along a place there.
193
459000
2000
Ось у цьому місці вони наносять розмітку.
07:56
And then the laser actually cuts.
194
461000
2000
І лазер робить розріз.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Ви бачите, як ця синя крапка ріже,
і тканина відділяється.
і тканина відділяється.
08:01
You can see on the microscope slide here,
196
466000
2000
Те саме видно на слайді під мікроскопом,
08:03
that's what's happening in real time.
197
468000
2000
коли все відбувається у реальному часі.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Внизу є контейнер,
у який збирається відрізана тканина.
у який збирається відрізана тканина.
08:08
We take that tissue,
199
473000
2000
Ми беремо цю тканину,
08:10
we purify the RNA out of it
200
475000
2000
з неї ми виділяємо РНК
08:12
using some basic technology,
201
477000
2000
за допомогою звичайної технології,
08:14
and then we put a florescent tag on it.
202
479000
2000
і ставимо на неї флюоресцентну мітку.
08:16
We take that tagged material
203
481000
2000
Потім беремо цей мічений матеріал
08:18
and we put it on to something called a microarray.
204
483000
3000
і поміщаємо його
на так звану мікропанель.
на так звану мікропанель.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Це може здатися вам
просто сукупністю крапочок,
просто сукупністю крапочок,
08:23
but each one of these individual dots
206
488000
2000
але кожна з цих індивідуальних крапок -
08:25
is actually a unique piece of the human genome
207
490000
2000
це, насправді, унікальний фрагмент
людського геному,
людського геному,
08:27
that we spotted down on glass.
208
492000
2000
який ми розмістили на склі.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Ось тут близько 60 000 елементів,
08:32
so we repeatedly measure various genes
210
497000
3000
щоб ми могли постійно
вимірювати різноманітні гени
вимірювати різноманітні гени
08:35
of the 25,000 genes in the genome.
211
500000
2000
з 25 000 генів геному.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
І коли ми беремо зразок і гібридуємо його,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
то отримуємо пептидну карту,
унікальну як відбиток пальця,
унікальну як відбиток пальця,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
яка кількісно вказує на гени,
активовані у цьому зразку.
активовані у цьому зразку.
08:45
Now we do this over and over again,
215
510000
2000
Отже, ми знову і знову повторюємо ці дії,
08:47
this process for any given brain.
216
512000
3000
весь цей процес для кожного нового мозку.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Ми беремо більше тисячі різних зразків
з кожного мозку.
з кожного мозку.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Відділ мозку, який показаний тут,
називається гіппокампом.
називається гіппокампом.
08:56
It's involved in learning and memory.
219
521000
2000
Він залучений у навчання і пам'ять.
08:58
And it contributes to about 70 samples
220
523000
3000
І його частини є десь у 70 зразках
09:01
of those thousand samples.
221
526000
2000
з тієї тисячі зразків.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Кожен зразок дає нам близько
50 000 одиниць даних
50 000 одиниць даних
09:07
with repeat measurements, a thousand samples.
223
532000
3000
з повторюваними вимірюваннями -
кожен з тисячі зразків.
кожен з тисячі зразків.
09:10
So roughly, we have 50 million data points
224
535000
2000
Таким чином ми маємо
50 мільйонів одиниць даних
50 мільйонів одиниць даних
09:12
for a given human brain.
225
537000
2000
з єдиного людського мозку.
09:14
We've done right now
226
539000
2000
Зараз в нас є повний набір даних
09:16
two human brains-worth of data.
227
541000
2000
з двох людських мозків.
09:18
We've put all of that together
228
543000
2000
Ми об'єднали всі ці дані
09:20
into one thing,
229
545000
2000
у єдиний масив,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
і я продемонструю вам,
як відбувається цей синтез.
як відбувається цей синтез.
09:24
It's basically a large data set of information
231
549000
3000
Фактично, це великий об'єм інформації,
09:27
that's all freely available to any scientist around the world.
232
552000
3000
доступний будь-якому вченому у світі.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Їм навіть не треба реєструватися,
щоб користуватися цим інструментом,
щоб користуватися цим інструментом,
09:33
mine this data, find interesting things out with this.
234
558000
4000
щоб видобувати дані, винаходити
з його допомогою цікаві речі.
з його допомогою цікаві речі.
09:37
So here's the modalities that we put together.
235
562000
3000
Тож ось модальності, які ми скомпілювали.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Вам стане зрозуміло, що це створено
з даних, зібраних раніше.
з даних, зібраних раніше.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Ось це МР. Він надає структуру.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Справа є панель оператора,
яка дозволяє розвертати зображення,
яка дозволяє розвертати зображення,
09:48
it allows you to zoom in,
239
573000
2000
дозволяє наближати його,
09:50
it allows you to highlight individual structures.
240
575000
3000
вона дозволяє висунути на перший план
індивідуальні структури.
індивідуальні структури.
09:53
But most importantly,
241
578000
2000
Але найважливіше,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
зараз ми додаємо до цього
анатомічного каркасу
анатомічного каркасу
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
мапу активованих генів.
10:01
So the red levels
244
586000
2000
Червоні рівні - це ті,
10:03
are where a gene is turned on to a great degree.
245
588000
2000
де гени активовані на більший відсоток.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Зелені - це такі собі прохолодні секції
з неактивованими генами.
з неактивованими генами.
10:08
And each gene gives us a fingerprint.
247
593000
2000
І кожен ген має пептидну карту.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
І не забувайте, що ми провели аналіз
всіх 25 000 генів у геномі,
всіх 25 000 генів у геномі,
10:15
and have all of that data available.
249
600000
4000
і в нас збережені всі дані.
10:19
So what can scientists learn about this data?
250
604000
2000
Тож що саме вчені можуть дізнатися ?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Ми самі тільки-но починаємо
дивитися на ці дані.
дивитися на ці дані.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Але є деякі загальні речі,
які нам слід зрозуміти.
які нам слід зрозуміти.
10:27
Two great examples are drugs,
253
612000
2000
Два прекрасних приклади - це ліки,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac і Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Це доволі часто виписувані
антидепресанти.
антидепресанти.
10:34
Now remember, we're assaying genes.
256
619000
2000
Тепер згадаємо, ми аналізуємо гени.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Гени відправляють команду
створювати протеїни.
створювати протеїни.
10:39
Proteins are targets for drugs.
258
624000
2000
Протеїни і є ключовими для ліків.
10:41
So drugs bind to proteins
259
626000
2000
Тобто ліки зв'язують ці протеїни,
10:43
and either turn them off, etc.
260
628000
2000
і або виключають їх, і так далі.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Якщо ви намагаєтесь зрозуміти,
як вони діють,
як вони діють,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
ви також хочете зрозуміти,
як вони діють у потрібний вам спосіб,
як вони діють у потрібний вам спосіб,
10:50
and also in the ways you don't want them to.
263
635000
2000
а також у спосіб, що вам не потрібен.
10:52
In the side effect profile, etc.,
264
637000
2000
Для формування списку побічних дій, тощо,
10:54
you want to see where those genes are turned on.
265
639000
2000
вам потрібно бачити,
в яких випадках гени активовані.
в яких випадках гени активовані.
10:56
And for the first time, we can actually do that.
266
641000
2000
І, власне, вперше ми можемо це зробити.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Ми можемо це визначити у багатьох
індивідів, яких вивчаємо.
індивідів, яких вивчаємо.
11:01
So now we can look throughout the brain.
268
646000
3000
Тобто тепер ми можемо проглянути
весь мозок.
весь мозок.
11:04
We can see this unique fingerprint.
269
649000
2000
Ми можемо дослідити цю унікальну
пептидну карту.
пептидну карту.
11:06
And we get confirmation.
270
651000
2000
І в нас також є підтвердження.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Ми отримуємо підтвердження,
що ген активний -
що ген активний -
11:11
for something like Prozac,
272
656000
2000
для чогось типу Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
у серотонергічних сполуках,
які, як відомо, піддаються впливу.
які, як відомо, піддаються впливу.
11:16
but we also get to see the whole thing.
274
661000
2000
Але, на додаток, ми можемо все це бачити.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Ми також можемо побачити ті ділянки,
яких ніхто раніше не бачив,
яких ніхто раніше не бачив,
11:20
and we see these genes turned on there.
276
665000
2000
а ми можемо побачити там активовані гени.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Це - найцікавіша побічна дія,
яку можна собі уявити.
яку можна собі уявити.
11:25
One other thing you can do with such a thing
278
670000
2000
Інша річ, яку можна зробити з цим явищем -
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
через те, що це вправа на підбір зразків,
11:30
because there's unique fingerprint,
280
675000
2000
через те, що йдеться про
унікальну пептидну карту,
унікальну пептидну карту,
11:32
we can actually scan through the entire genome
281
677000
2000
ми можемо фактично просканувати весь геном
11:34
and find other proteins
282
679000
2000
і знайти інші протеїни
11:36
that show a similar fingerprint.
283
681000
2000
із подібною пептидною картою.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Тож, якщо ви стоїте на порозі
винаходу ліків, наприклад,
винаходу ліків, наприклад,
11:41
you can go through
285
686000
2000
ви можете переглянути
11:43
an entire listing of what the genome has on offer
286
688000
2000
весь склад геному,
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
щоб відшукати краще уражені ділянки
для дії ліків та оптимізувати їх.
для дії ліків та оптимізувати їх.
11:49
Most of you are probably familiar
288
694000
2000
Більшість з вас, можливо, знайомі
11:51
with genome-wide association studies
289
696000
2000
з програмами, що досліджують
цілісність геному,
цілісність геному,
11:53
in the form of people covering in the news
290
698000
3000
із новин, які звучать якось так:
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
"Вчені щойно винайшли ген,
11:59
which affect X."
292
704000
2000
що впливає на Х".
12:01
And so these kinds of studies
293
706000
2000
Таки чином подібні дослідження
12:03
are routinely published by scientists
294
708000
2000
регулярно висвітлюються вченими,
12:05
and they're great. They analyze large populations.
295
710000
2000
і це прекрасно.
Вони вивчають широкий спектр.
Вони вивчають широкий спектр.
12:07
They look at their entire genomes,
296
712000
2000
Вони вивчають весь геном
12:09
and they try to find hot spots of activity
297
714000
2000
і намагаються знайти осередки активності,
12:11
that are linked causally to genes.
298
716000
3000
що спричинені генами.
12:14
But what you get out of such an exercise
299
719000
2000
Але все, що ви отримаєте з такої вправи -
12:16
is simply a list of genes.
300
721000
2000
це просто список генів.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Він розкаже "що", але не пояснить "де".
12:21
And so it's very important for those researchers
302
726000
3000
Таким чином, для таких дослідників
дуже важливо,
дуже важливо,
12:24
that we've created this resource.
303
729000
2000
що ми створили цей ресурс.
12:26
Now they can come in
304
731000
2000
Тепер вони можуть звернутися до нього
12:28
and they can start to get clues about activity.
305
733000
2000
і почати розуміти,
звідки береться активність.
звідки береться активність.
12:30
They can start to look at common pathways --
306
735000
2000
Вони можуть вивчати
загальні провідні шляхи -
загальні провідні шляхи -
12:32
other things that they simply haven't been able to do before.
307
737000
3000
інші речі, які просто неможливо
було побачити раніше.
було побачити раніше.
12:36
So I think this audience in particular
308
741000
3000
Я думаю, що саме ця аудиторія
здатна зрозуміти
здатна зрозуміти
12:39
can understand the importance of individuality.
309
744000
3000
важливість індивідуальності.
12:42
And I think every human,
310
747000
2000
І мені здається, що кожна людина,
12:44
we all have different genetic backgrounds,
311
749000
4000
всі ми маємо різні генетичні корені,
12:48
we all have lived separate lives.
312
753000
2000
ми всі проживаємо різні окремі життя.
12:50
But the fact is
313
755000
2000
Але факт залишається фактом,
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
що наші геноми на 99% подбні.
12:55
We're similar at the genetic level.
315
760000
3000
Ми схожі на генетичному рівні.
12:58
And what we're finding
316
763000
2000
Ми також з'ясовуємо,
13:00
is actually, even at the brain biochemical level,
317
765000
2000
що фактично ми дуже схожі
13:02
we are quite similar.
318
767000
2000
навіть на рівні біохімії мозку.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Тобто ось це демонструє не 99%,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
а близько 90-відсоткове співпадіння,
13:08
at a reasonable cutoff,
321
773000
3000
коли йдеться про достатню ізоляцію,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
усе у хмарі корелює
у той чи інший спосіб.
у той чи інший спосіб.
13:13
And then we find some outliers,
323
778000
2000
А потім ми побачили,
що є також сторонні зразки,
що є також сторонні зразки,
13:15
some things that lie beyond the cloud.
324
780000
3000
дещо, що лежить за межами хмари.
13:18
And those genes are interesting,
325
783000
2000
І ось ці гени дуже цікаві.
13:20
but they're very subtle.
326
785000
2000
але їх дуже складно визначити.
13:22
So I think it's an important message
327
787000
3000
Тож мені здається, що сьогоднішнє
13:25
to take home today
328
790000
2000
важливе послання для всіх нас,
13:27
that even though we celebrate all of our differences,
329
792000
3000
що, незважаючи на те,
що ми пишаємось нашими відмінностями,
що ми пишаємось нашими відмінностями,
13:30
we are quite similar
330
795000
2000
ми насправді дуже подібні
13:32
even at the brain level.
331
797000
2000
навіть на рівні мозку.
13:34
Now what do those differences look like?
332
799000
2000
Тож, про які саме відмінності
насправді йдеться?
насправді йдеться?
13:36
This is an example of a study that we did
333
801000
2000
Ось приклад дослідження, яке ми проводили,
13:38
to follow up and see what exactly those differences were --
334
803000
2000
щоб вивчити і побачити
сутність відмінностей -
сутність відмінностей -
13:40
and they're quite subtle.
335
805000
2000
і вони дуже непомітні.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Ось, що ми бачимо, коли гени активовані
у клітинах однакового типу.
у клітинах однакового типу.
13:46
These are two genes that we found as good examples.
337
811000
3000
Нам здалося, що ці два гени -
хороший приклад.
хороший приклад.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Один називається RELN - він залучений
у розвиток ранніх сигналів.
у розвиток ранніх сигналів.
13:52
DISC1 is a gene
339
817000
2000
DISC1 - це ген,
13:54
that's deleted in schizophrenia.
340
819000
2000
відсутній у людей з шизофренією.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Вони не всі діагностовані,
13:58
but they do show some population variation.
342
823000
3000
але всі вони належать до групи
з тією самою варіативністю генів.
з тією самою варіативністю генів.
14:01
And so what you're looking at here
343
826000
2000
Тож тут ви бачите
14:03
in donor one and donor four,
344
828000
2000
у випадку донора 1 і донора 4,
14:05
which are the exceptions to the other two,
345
830000
2000
на відміну від двох інших,
14:07
that genes are being turned on
346
832000
2000
що гени активовані
14:09
in a very specific subset of cells.
347
834000
2000
у дуже специфічних групах клітин.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Ось цей темно -фіолетовий осад у клітині
14:14
that's telling us a gene is turned on there.
349
839000
3000
говорить про те, що там ген активований.
14:17
Whether or not that's due
350
842000
2000
Ми наразі не знаємо,
14:19
to an individual's genetic background or their experiences,
351
844000
2000
чи залежить це від генетики індивідів,
14:21
we don't know.
352
846000
2000
чи від їхнього досвіду.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Такі дослідження потребують
набагато більшої кількості зразків.
набагато більшої кількості зразків.
14:28
So I'm going to leave you with a final note
354
853000
2000
Наостанок, до теми
14:30
about the complexity of the brain
355
855000
3000
про складність мозку, і про те,
14:33
and how much more we have to go.
356
858000
2000
як багато нам ще належить вивчати.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Мені здається, що такі ресурси -
надзвичайно цінні.
надзвичайно цінні.
14:37
They give researchers a handle
358
862000
2000
Вони надають вченим напрямок
14:39
on where to go.
359
864000
2000
їхніх досліджень.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Але наразі ми подивилися
лише на декількох людей.
лише на декількох людей.
14:44
We're certainly going to be looking at more.
361
869000
2000
Звичайно, ми збираємося
дослідити набагато більше.
дослідити набагато більше.
14:46
I'll just close by saying
362
871000
2000
І я закінчу свій виступ словами,
14:48
that the tools are there,
363
873000
2000
що тепер є інструменти,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
але перед нами зовсім новий,
не відкритий континент.
не відкритий континент.
14:54
This is the new frontier, if you will.
365
879000
4000
Ми на абсолютно новій межі,
якщо можна так висловитися.
якщо можна так висловитися.
14:58
And so for those who are undaunted,
366
883000
2000
І таким чином, на безстрашних,
15:00
but humbled by the complexity of the brain,
367
885000
2000
але поважаючих складність мозку вчених
15:02
the future awaits.
368
887000
2000
очікує велике майбутнє.
15:04
Thanks.
369
889000
2000
Дякую.
15:06
(Applause)
370
891000
9000
(Оплески)
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