TEDGlobal 2011
Allan Jones: A map of the brain
آلان جونز: خريطة الدماغ
Filmed:
Readability: 4.4
1,269,611 views
كيف بإمكاننا أن نتعلم كيف يعمل الدماغ ؟ بنفس الطريقة التي نتعلم بها عن المدينة: بعمل خريطة. في هذا العرض المذهل ، يشرح ألان جونز كيف أن فريقه يقوم بعمل خريطة للجينات الفعَالة في كل جزءِ صغير ، وكيفية ترابطها ببعضها.
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
البشر مفتونون منذ مدةٍ طويلة
00:17
for the human brain.
1
2000
2000
بالدماغ البشري.
00:19
We chart it, we've described it,
2
4000
3000
عملنا جداول له ، وقمنا بوصفه ،
00:22
we've drawn it,
3
7000
2000
ورسمناه ،
00:24
we've mapped it.
4
9000
3000
وعملنا خرائط لأجزائه.
00:27
Now just like the physical maps of our world
5
12000
3000
والان ومثلما هو للخرائط الطبيعية لعالمنا
00:30
that have been highly influenced by technology --
6
15000
3000
والتي استفادت كثيراً من التقنية --
00:33
think Google Maps,
7
18000
2000
فكروا بخرائط غوغل ،
00:35
think GPS --
8
20000
2000
فكروا بنظام تحديد المواقع الـ GPS --
00:37
the same thing is happening for brain mapping
9
22000
2000
والشيء نفسه يحدث الآن لخرائط الدماغ
00:39
through transformation.
10
24000
2000
عن طريق النسخ.
00:41
So let's take a look at the brain.
11
26000
2000
لذا لنلقي نظرة على الدماغ.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
الكثير من الناس ،عندما ينظرون لأول مرةٍ إلى دماغٍ بشري طبيعي ،
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
يقولون ، " إنه لا يبدوا كما يتوقعه المرء
00:49
when someone shows you a brain."
14
34000
2000
عندما يريك إياه شخصٌ ما."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
في الحقيقة ، إن ما ترونه الان عبارة عن دماغٍ مثبّت. وهو يبدوا رمادياً.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
وهذه الطبقة الخارجية ، عبارة عن شبكة من الأوعية الدموية.
00:56
which is incredible, around a human brain.
17
41000
2000
وهي مدهشة ، وتحيط بالدماغ البشري.
00:58
This is the blood vessels.
18
43000
2000
وهذه هي الأوعية الدموية.
01:00
20 percent of the oxygen
19
45000
3000
20% من الأوكسجين
01:03
coming from your lungs,
20
48000
2000
والقادم من الرئتين ،
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20% من الدم المتدفق من القلب ،
01:07
is servicing this one organ.
22
52000
2000
يخدم هذا العضو الوحيد.
01:09
That's basically, if you hold two fists together,
23
54000
2000
وهذا ببساطة ، مايوازي حجم قبضتين ،
01:11
it's just slightly larger than the two fists.
24
56000
2000
بل هي أكبر بقليل من حجم القبضتين.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
العلماء ، نوعاً ما في نهاية القرن العشرين ،
01:16
learned that they could track blood flow
26
61000
2000
تعلموا أنه بإمكانهم مراقبة تدفق الدم
01:18
to map non-invasively
27
63000
3000
لعمل خريطة و بدون عملية جراحية
01:21
where activity was going on in the human brain.
28
66000
3000
للأماكن النشطة في الدماغ البشري.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
لذا على سبيل المثال ، بإمكانهم رؤية الجزء الخلفي من الدماغ ،
01:27
which is just turning around there.
30
72000
2000
وإذا نظرنا في تلك الجهة
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
سنشاهد المخيخ ، والذي يبقيكم متزنين في هذه اللحظة.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
وهو يبقيني واقفاً الآن. فهو المسؤول عن الحركة المتناسقة.
01:34
On the side here, this is temporal cortex.
33
79000
3000
وفي هذا الجانب ، هذا هو الغشاء الصدغي.
01:37
This is the area where primary auditory processing --
34
82000
3000
وهذه هي المنطقة التي تتم فيها المعالجات الأولية السمعية --
01:40
so you're hearing my words,
35
85000
2000
حتى تتمكنوا من سماعي.
01:42
you're sending it up into higher language processing centers.
36
87000
2000
إنكم ترسلونها إلى الأعلى إلى مراكز معالجة اللغة.
01:44
Towards the front of the brain
37
89000
2000
باتجاه مقدمة الدماغ
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
حيث تتم جميع العمليات المعقدة ، واتخاذ القرارات --
01:49
it's the last to mature in late adulthood.
39
94000
4000
وهو آخر جزءٍ ينضج أثناء مرحلة البلوغ.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
هنا حيث تتم جميع عمليات اتخاذ القرارات.
01:56
It's the place where you're deciding right now
41
101000
2000
إنه المكان الذي تتخذون فيه قراراتكم الآن
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
من المحتمل أنكم لن تطلبوا شريحة لحم على العشاء.
02:01
So if you take a deeper look at the brain,
43
106000
2000
وإذا أخذتم نظرةً عميقة إلى الدماغ ،
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
وأحد الأشياء ، إذا نظرتم إليها مقطعياً ،
02:05
what you can see
45
110000
2000
ما تلاحظونه
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
أنه لا يبدوا أن هناك بنيةً متكاملةً هناك.
02:10
But there's actually a lot of structure there.
47
115000
2000
ولكن في الحقيقة فهناك بنى متكاملة ضخمة.
02:12
It's cells and it's wires all wired together.
48
117000
2000
خلاياها و روابطها مرتبطةٌ ببعضها.
02:14
So about a hundred years ago,
49
119000
2000
إذ قبل مائة سنةٍ تقريباً ،
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
اخترع بعض العلماء صبغةً لصبغ بعض الخلايا.
02:18
And that's shown here in the the very light blue.
51
123000
3000
وهذا يمكن مشاهدته هنا باللون الأزرق الخفيف.
02:21
You can see areas
52
126000
2000
بإمكانكم مشاهدة مناطق
02:23
where neuronal cell bodies are being stained.
53
128000
2000
حيث تم صبغ خلايا الجسم العادية.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
و يمكنكم ملاحظة عدم تطابقها. وتشاهدون الكثير من البنية المتماسكة هناك.
02:28
So the outer part of that brain
55
133000
2000
لذا فالجزء الخارجي من ذلك الدماغ
02:30
is the neocortex.
56
135000
2000
هي القشرة الدماغية.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
إنها مثل وحدة معالجةٍ دائمة.
02:35
But you can also see things underneath there as well.
58
140000
2000
ولكن بإمكانكم أيضاً مشاهدة أشياء في الأسفل.
02:37
And all of these blank areas
59
142000
2000
وكل تلك المناطق الخالية
02:39
are the areas in which the wires are running through.
60
144000
2000
عبارة عن مسارات لكل تلك الروابط.
02:41
They're probably less cell dense.
61
146000
2000
وهي أقل كثافةً بالخلايا.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
إذ أن هناك 86 بليون خلية عصبية في دماغنا.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
وبإمكانكم ملاحظة أنها موزعةٌ توزيعاً غير منتظم.
02:50
And how they're distributed really contributes
64
155000
2000
وطريقة توزيعها بالفعل يتناسب
02:52
to their underlying function.
65
157000
2000
مع وظائفها الأولية.
02:54
And of course, as I mentioned before,
66
159000
2000
وبالطبع ، كما ذكرت سابقاً ،
02:56
since we can now start to map brain function,
67
161000
3000
حيث بإمكاننا الآن بدء عمل خريطةٍ لوظائف الدماغ ،
02:59
we can start to tie these into the individual cells.
68
164000
3000
وبالتالي بإمكاننا ربط تلك الوظائف بخلايا معينة.
03:02
So let's take a deeper look.
69
167000
2000
لذا لنلقي نظرة أعمق.
03:04
Let's look at neurons.
70
169000
2000
للنظر إلى الخلايا العصبية.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
وكما ذكرت ، فهناك 86 بليون خلية عصبية.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
وهناك أيضاً تلك الخلايا الصغيرة كما ستشاهدون.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
وهي خلايا دعم -- الخلايا النجمية الدبقية.
03:12
And the nerves themselves
74
177000
3000
وأيضاً الأعصاب
03:15
are the ones who are receiving input.
75
180000
2000
وهي التي تستقبل المعلومات.
03:17
They're storing it, they're processing it.
76
182000
2000
وهي تخزنها ، وتعالجها.
03:19
Each neuron is connected via synapses
77
184000
4000
وكل خليةٍ عصبية مرتبطة بواسطة وصلات
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
إلى مايقارب 10,000 خلية عصبية أخرى في أدمغتكم.
03:26
And each neuron itself
79
191000
2000
وكل خليةٍ عصبية
03:28
is largely unique.
80
193000
2000
فريدةٌ من نوعها.
03:30
The unique character of both individual neurons
81
195000
2000
الصفات الفريدة في كل خلية
03:32
and neurons within a collection of the brain
82
197000
2000
وفي كل مجموعةٍ من الخلايا في الدماغ
03:34
are driven by fundamental properties
83
199000
3000
تتميز بخصائص أساسية
03:37
of their underlying biochemistry.
84
202000
2000
لتكوينها الكيميائي الأولي.
03:39
These are proteins.
85
204000
2000
وهي البروتينات.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
البروتينات هي التي تتحكم بأشياء مثل حركة الأنبوب الأيونية.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
وهي التي تتحكم بمن ترتبط به خلايا النظام العصبي.
03:48
And they're controlling
88
213000
2000
وهي تتحكم
03:50
basically everything that the nervous system has to do.
89
215000
2000
ببساطة بكل شيءٍ يقوم به النظام العصبي.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
وإذا كبرنا الصورة أكثر لمستوى أعمق.
03:55
all of those proteins
91
220000
2000
كل تلك البروتينات
03:57
are encoded by our genomes.
92
222000
2000
مرمّزةٌ في الجينومات لدينا.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
لدينا 23 زوجاً من الكروموسومات.
04:02
We get one from mom, one from dad.
94
227000
2000
نحصل على واحدة من الأم وواحدة من الأب.
04:04
And on these chromosomes
95
229000
2000
وفي تلك الكروموسومات
04:06
are roughly 25,000 genes.
96
231000
2000
مايقارب الـ 25,000 جين.
04:08
They're encoded in the DNA.
97
233000
2000
وهي مرمّزة في الحمض النووي الـ DNA.
04:10
And the nature of a given cell
98
235000
3000
وطبيعة أي خلية
04:13
driving its underlying biochemistry
99
238000
2000
و ببنيتها البيوكيميائية الأساسية
04:15
is dictated by which of these 25,000 genes
100
240000
3000
تتحدّد بكون أيٍ من تلك الجينات الـ 25,000
04:18
are turned on
101
243000
2000
نشطاً
04:20
and at what level they're turned on.
102
245000
2000
ولأي مستوى.
04:22
And so our project
103
247000
2000
لذا فمشروعنا
04:24
is seeking to look at this readout,
104
249000
3000
يبحث في النظر إلى تلك القراءات ،
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
لفهم أيٍ من تلك الجينات الـ 25,000 نشط.
04:30
So in order to undertake such a project,
106
255000
3000
وللقيام بمشروعٍ مثل هذا ،
04:33
we obviously need brains.
107
258000
3000
من الواضح أننا نحتاج إلى أدمغة.
04:36
So we sent our lab technician out.
108
261000
3000
لذا أطلقنا تقني مختبرنا:
04:39
We were seeking normal human brains.
109
264000
2000
كنا نبحث عن أدمغةٍ بشريةٍ طبيعية.
04:41
What we actually start with
110
266000
2000
وما بدأنا به
04:43
is a medical examiner's office.
111
268000
2000
هو مكتب الطبيب الشرعي.
04:45
This a place where the dead are brought in.
112
270000
2000
وهو المكان الذي تُحضر إليه الجثث.
04:47
We are seeking normal human brains.
113
272000
2000
نحن نبحث عن أدمغةٍ بشريةٍ طبيعية.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
وهناك الكثير من المواصفات التي ننتقي على أساسها تلك الأدمغة.
04:52
We want to make sure
115
277000
2000
نريد أن نتأكد
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
من أننا نحصل على أناسٍ طبيعيين بين عمري الـ 20 والـ 60 ،
04:57
they died a somewhat natural death
117
282000
2000
وماتوا بسببٍ طبيعي
04:59
with no injury to the brain,
118
284000
2000
بدون إصاباتٍ في الدماغ.
05:01
no history of psychiatric disease,
119
286000
2000
وبدون تاريخ بمرضٍ عقلي ،
05:03
no drugs on board --
120
288000
2000
وبدون تناول مخدرات --
05:05
we do a toxicology workup.
121
290000
2000
نقوم بعمل فحصٍ للسموم.
05:07
And we're very careful
122
292000
2000
فنحن حذرون جداً
05:09
about the brains that we do take.
123
294000
2000
في انتقاءنا للأدمغة التي نختارها.
05:11
We're also selecting for brains
124
296000
2000
ونحن أيضاً نختار الأدمغة
05:13
in which we can get the tissue,
125
298000
2000
التي بإمكاننا أن نحصل منها على أنسجة ،
05:15
we can get consent to take the tissue
126
300000
2000
قد يتعين علينا الحصول على موافقة لأخذ الأنسجة
05:17
within 24 hours of time of death.
127
302000
2000
خلال 24 ساعة من وقت الوفاة.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
لأن ما نريد قياسه ، الـ RNA --
05:22
which is the readout from our genes --
129
307000
2000
وهي القراءات التي نحصل عليها من جيناتنا --
05:24
is very labile,
130
309000
2000
غير مستقرة تماماً ،
05:26
and so we have to move very quickly.
131
311000
2000
لذا يتعين علينا التحرك بسرعةٍ كبيرة.
05:28
One side note on the collection of brains:
132
313000
3000
هناك ملاحظة جانبية في موضوع تجميع الأدمغة :
05:31
because of the way that we collect,
133
316000
2000
بسبب الطريقة التي نجمع فيها الأدمغة ،
05:33
and because we require consent,
134
318000
2000
ولأننا بحاجةٍ إلى الحصول على موافقة ،
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
فإننا فعلياً حصلنا على أدمغةٍ من الذكور أكثر بكثير من الإناث.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
الذكور أكثر عرضةً للموت العرضي في شبابهم.
05:41
And men are much more likely
137
326000
2000
وفي الذكور من الأسهل
05:43
to have their significant other, spouse, give consent
138
328000
3000
الحصول على الموافقة ، من رفيق حياتهم ،
05:46
than the other way around.
139
331000
2000
مما هي عليه الحال في حالة الإناث.
05:48
(Laughter)
140
333000
4000
(ضحك)
05:52
So the first thing that we do at the site of collection
141
337000
2000
لذا أول عملٍ نقوم به في موقع التجميع
05:54
is we collect what's called an MR.
142
339000
2000
هو أخذ مايسمى بالـ MR.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
وهذا هو التصوير بالرنين المغناطيسي -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
إنه عبارة عن نموذجٍ قياسي والتي بوسيلتها سنتمكن من حفظ المعلومات.
06:01
So we collect this MR.
145
346000
2000
لذا نجمع ذلك الـ MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
بإمكانكم تشبيهها بصور القمر الصناعي لخرائطنا.
06:05
The next thing we do
147
350000
2000
والخطوة التالية التي نقوم بها
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
هي أن نجمع ما يسمى صور المياه المحتجزة في الأنسجة DTI
06:10
This maps the large cabling in the brain.
149
355000
2000
وهذا ما يمكننا من عمل خرائط للروابط الهائلة في الدماغ.
06:12
And again, you can think of this
150
357000
2000
ومرةً أخرى ، يمكنكم تشبيهها
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
بخرائط الطرق السريعة بين الولايات ، مع فارق التشبيه.
06:16
The brain is removed from the skull,
152
361000
2000
ثم يتم استخراج الدماغ من الجمجمة ،
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
وتقطّع إلى شرائح بسمك 1 سنتيمتر.
06:21
And those are frozen solid,
154
366000
2000
وتجمد تلك الشرائح وتحفظ ،
06:23
and they're shipped to Seattle.
155
368000
2000
ومن ثم ترسل إلى مدينة سياتل.
06:25
And in Seattle, we take these --
156
370000
2000
وفي سياتل ، نأخذ تلك --
06:27
this is a whole human hemisphere --
157
372000
2000
هذا عبارة عن نصف كرة دماغية --
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
و نضعها في جهاز تقليمٍ للحم.
06:31
There's a blade here that's going to cut across
159
376000
2000
هناك شفرة ستقوم بالقطع عرضياً
06:33
a section of the tissue
160
378000
2000
مقطعاً من النسيج
06:35
and transfer it to a microscope slide.
161
380000
2000
وتنقلها إلى صفيحة مجهرية.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
وسنقوم بوضع أحد تلك الصبغات ،
06:39
and we scan it.
163
384000
2000
وثم نقوم بمسحها بالكمبيوتر.
06:41
And then what we get is our first mapping.
164
386000
3000
وما نحصل عليه بعدها هو أول خريطةٍ لنا.
06:44
So this is where experts come in
165
389000
2000
وهنا يأتي دور الخبراء
06:46
and they make basic anatomic assignments.
166
391000
2000
ويقومون بعمل تعيين مناطق تشريحية بسيطة.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
بإمكانكم تشبيه هذا بالحدود بين الولايات ، إذا أمكننا المقارنة ،
06:51
those pretty broad outlines.
168
396000
2000
بتلك الخطوط العريضة.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
ومن هنا ، نتمكن من تقسيم الدماغ إلى قطع كثيرة ،
06:57
which then we can put on a smaller cryostat.
170
402000
2000
والتي يمكن من ثم وضعها في قاطعٍ دقيق.
06:59
And this is just showing this here --
171
404000
2000
ويمكنكم رؤيته هنا --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
هذا نسيجٌ مجمد ، ويتم تقطيعه.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
وهذه بسماكة 20 ميكرون ، أي بسماكة شعرة طفلٍ رضيع.
07:06
And remember, it's frozen.
174
411000
2000
وتذكروا بأنها مجمدة.
07:08
And so you can see here,
175
413000
2000
ويمكنكم أيضاً الآن رؤية ،
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
استخدام أسلوب قديم من التقنية وهي استخدام الفرشاة.
07:12
We take a microscope slide.
177
417000
2000
ونأخذ صفيحةً مجهرية.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
وبكل حذر نقوم بلصقها بالشريحة النسيجية.
07:17
This will then go onto a robot
179
422000
2000
وهذه تنتقل بعدئذٍ إلى الروبوت الآلي
07:19
that's going to apply one of those stains to it.
180
424000
3000
والذي يقوم بدوره بصبغها بأحد تلك الأصباغ.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
وسيقوم خبراء التشريح بإلقاء نظرةٍ عميقةٍ إليها.
07:29
So again this is what they can see under the microscope.
182
434000
2000
ومرةً أخرى هذا ما سيتمكنون من رؤيته تحت المجهر.
07:31
You can see collections and configurations
183
436000
2000
ستلاحظون مجموعاتٍ وتكتلات
07:33
of large and small cells
184
438000
2000
من خلايا كبيرة وصغيرة
07:35
in clusters and various places.
185
440000
2000
في تجمعات وفي أماكن متفرقة.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
ومن هناك يصبح العمل روتينياً. بإمكانهم تحديد أماكن العينات.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
وبإمكانهم ببساطة عمل مرجعٍ خرائط.
07:42
This is a more detailed map.
188
447000
2000
هذه خريطةٌ مفصّلة.
07:44
Our scientists then use this
189
449000
2000
علماؤنا بعدئذٍ يستخدمون تلك المراجع
07:46
to go back to another piece of that tissue
190
451000
3000
للرجوع إلى قطعةٍ أخرى من ذلك النسيج
07:49
and do what's called laser scanning microdissection.
191
454000
2000
وعمل مايسمى بالتشريح الليزري الدقيق.
07:51
So the technician takes the instructions.
192
456000
3000
لذا يتلقى التقنيون التعليمات.
07:54
They scribe along a place there.
193
459000
2000
ويحددون حول ذلك المكان.
07:56
And then the laser actually cuts.
194
461000
2000
ومن ثم يقوم الليزر بالتقطيع.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
بإمكانكم رؤية تلك النقطة الزرقاء تقوم بالقطع. ويفصل ذلك الجزء.
08:01
You can see on the microscope slide here,
196
466000
2000
ترون الصفيحة المجهرية هنا.
08:03
that's what's happening in real time.
197
468000
2000
وهذا ما يتم آنياً.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
هناك حاوية في الأسفل تحفظ ذلك الجزء النسيجي.
08:08
We take that tissue,
199
473000
2000
ونأخذ ذلك النسيج ،
08:10
we purify the RNA out of it
200
475000
2000
ونستخلص منه الـ RNA
08:12
using some basic technology,
201
477000
2000
باستخدام تقنية بسيطة ،
08:14
and then we put a florescent tag on it.
202
479000
2000
ومن ثم نضع عليه علامة لامعة.
08:16
We take that tagged material
203
481000
2000
ونأخذ تلك المادة المعلّمة
08:18
and we put it on to something called a microarray.
204
483000
3000
ونضعها في ما يسمى بالـمصفوفة الدقيقة.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
والآن قد تبدو لكم هذه مجرد نقاط صغيرة ،
08:23
but each one of these individual dots
206
488000
2000
ولكن كل من هذه النقاط الصغيرة
08:25
is actually a unique piece of the human genome
207
490000
2000
هي بالفعل وحدة فريدة من الجينومات البشرية
08:27
that we spotted down on glass.
208
492000
2000
والتي تمكنا من التقاطها على صفيحة زجاجية.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
وهذه تحتوي على مايقارب الـ 60,000 عنصراً ،
08:32
so we repeatedly measure various genes
210
497000
3000
لذا فنحن نقوم باستمرار بدراسة عدة جينات مختلفة
08:35
of the 25,000 genes in the genome.
211
500000
2000
من الـ 25,000 جين والموجودة في الجينوم.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
وعندما نقوم بأخذ عينة ونقوم بتهجينها بها ،
08:40
we get a unique fingerprint, if you will,
213
505000
2000
نحصل على نتائج فريدة ، نوعاً ما
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
من الناحية الكمية في كون أي من الجينات نشط في تلك العينة.
08:45
Now we do this over and over again,
215
510000
2000
والآن نقوم بتكرار تلك العملية مرةً تلو الأخرى
08:47
this process for any given brain.
216
512000
3000
لكل دماغٍ نحصل عليه.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
إننا نأخذ مايفوق الألف عينة من كل دماغ.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
هذه المنطقة الواضحة هنا تسمى بالـحصين.
08:56
It's involved in learning and memory.
219
521000
2000
وهي المسؤولة عن التعلم والحفظ.
08:58
And it contributes to about 70 samples
220
523000
3000
وتساهم بمايقارب الـ 70 عينة
09:01
of those thousand samples.
221
526000
2000
من تلك العينات الألف.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
وكل عينة تعطينا مايقارب الـ 50,000 نقطة معلوماتية
09:07
with repeat measurements, a thousand samples.
223
532000
3000
ومع العمليات المتكررة ، لكل ألف عينة.
09:10
So roughly, we have 50 million data points
224
535000
2000
نحصل على حوالي 50 مليون نقطة معلوماتية
09:12
for a given human brain.
225
537000
2000
لكل دماغٍ بشري.
09:14
We've done right now
226
539000
2000
وحصلنا إلى الآن
09:16
two human brains-worth of data.
227
541000
2000
على مايوازي مجموع دماغين بشريين من المعلومات.
09:18
We've put all of that together
228
543000
2000
وجمعنا كل ذلك مع بعضه
09:20
into one thing,
229
545000
2000
لننتج شيئاً واحداً.
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
وسأريكم كيف يبدوا ذلك التركيب.
09:24
It's basically a large data set of information
231
549000
3000
إنها ببساطة عبارة عن مجموعة بيانات ضخمة
09:27
that's all freely available to any scientist around the world.
232
552000
3000
والتي أصبحت متاحةً لأي عالمٍ من جميع أنحاء العالم مجاناً.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
بل ليس عليهم حتى التسجيل لإستخدام هذه الأداة ،
09:33
mine this data, find interesting things out with this.
234
558000
4000
نقب في تلك المعلومات واحصل على ما تبحث عنه.
09:37
So here's the modalities that we put together.
235
562000
3000
هاهي النماذج التي جمعناها.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
ستتعرفون على هذه الأشياء مما تمكنا من جمعه مسبقاً.
09:43
Here's the MR. It provides the framework.
237
568000
2000
هاهو الـ MR. يوفر لنا الإطار الرئيسي.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
وهناك أدوات في الجانب الأيمن تتيح لكم الدوران ،
09:48
it allows you to zoom in,
239
573000
2000
وتتيح التكبير ،
09:50
it allows you to highlight individual structures.
240
575000
3000
وتتيح وضع إشارات على أجزاء معينة.
09:53
But most importantly,
241
578000
2000
ولكن الأهم ،
09:55
we're now mapping into this anatomic framework,
242
580000
3000
هو أننا نبني خرائط لذلك الهيكل التشريحي ،
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
والذي هو بمثابة إطار أساسي للباحثين عن أماكن الجينات النشطة.
10:01
So the red levels
244
586000
2000
لذا فإن المستوى الأحمر
10:03
are where a gene is turned on to a great degree.
245
588000
2000
هي الأماكن التي أصبح الجين فيها نشطاً بدرجةٍ عالية.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
والأخضر هي الأماكن الهادئة حيث أن الجينات غير نشطة.
10:08
And each gene gives us a fingerprint.
247
593000
2000
وكل جين يترك لنا بصمة.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
وتذكروا بأننا درسنا جميع الجينات الـ 25,000 في الجينوم
10:15
and have all of that data available.
249
600000
4000
وحصلنا على جميع تلك البيانات.
10:19
So what can scientists learn about this data?
250
604000
2000
فكيف سيستفيد العلماء من تلك المعلومات ؟
10:21
We're just starting to look at this data ourselves.
251
606000
3000
لقد بدأنا للتو بدراسة هذه المعلومات بأنفسنا.
10:24
There's some basic things that you would want to understand.
252
609000
3000
وهناك بعض الأمور البسيطة التي عليكم معرفتها.
10:27
Two great examples are drugs,
253
612000
2000
هناك دوائين كمثالٍ على ذلك ،
10:29
Prozac and Wellbutrin.
254
614000
2000
هما البروزاك والويلبوترين.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
هذان هما دوائين معروفين لعلاج حالات الإكتئاب.
10:34
Now remember, we're assaying genes.
256
619000
2000
والآن تذكروا ، إننا ندرس الجينات.
10:36
Genes send the instructions to make proteins.
257
621000
3000
والجينات ترسل الأوامر بإنتاج البروتينات.
10:39
Proteins are targets for drugs.
258
624000
2000
والأدوية تستهدف البروتينات.
10:41
So drugs bind to proteins
259
626000
2000
لذا فإن الأدوية مرتبطة بالبروتينات
10:43
and either turn them off, etc.
260
628000
2000
وقد تتسبب في خمولها ، وما إلى ذلك.
10:45
So if you want to understand the action of drugs,
261
630000
2000
لذا إذا كنت تريد معرفة تأثير الدواء ،
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
عليك متابعة تأثيرها مقارنةً بما تريده ،
10:50
and also in the ways you don't want them to.
263
635000
2000
أيضاً متابعة النتائج التي لا تريدها.
10:52
In the side effect profile, etc.,
264
637000
2000
من جهة التأثيرات الجانبية ، وغير ذلك.
10:54
you want to see where those genes are turned on.
265
639000
2000
عليك معرفة أي من الجينات أصبحت نشطة.
10:56
And for the first time, we can actually do that.
266
641000
2000
ولأول مرةٍ ، بإمكاننا فعل ذلك الآن.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
نستطيع تجربة ذلك على عدة جينات قد سبق وفحصناها أيضاً.
11:01
So now we can look throughout the brain.
268
646000
3000
لذا بإمكاننا الآن البحث في كامل الدماغ.
11:04
We can see this unique fingerprint.
269
649000
2000
ورؤية تلك الآثار الفريدة.
11:06
And we get confirmation.
270
651000
2000
والحصول على نتائج تؤكد ذلك.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
نحصل على تأكيد ، بأن الجين بالفعل نشط --
11:11
for something like Prozac,
272
656000
2000
لشيءٍ ما مثل البروزاك ،
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
ومعرفة الأماكن التي تأثرت بالفعل في هياكل هرمون السيروتونين --
11:16
but we also get to see the whole thing.
274
661000
2000
بل إنه بإمكاننا معرفة كل شيء.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
بإمكاننا أيضاً النظر إلى مناطق لم يراها أحدٌ من قبل ،
11:20
and we see these genes turned on there.
276
665000
2000
ونرى تلك الجينات النشطة هناك.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
إنها مثيرةٌ للإهتمام بشكلٍ مدمنٍ للغاية.
11:25
One other thing you can do with such a thing
278
670000
2000
وأحد الأشياء التي يمكن عملها أيضاً
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
أنه بإمكانك ، ولأنها عبارة عن عمليات مقارنة نماذج
11:30
because there's unique fingerprint,
280
675000
2000
لأن هناك آثارٌ فريدة ومميزة ،
11:32
we can actually scan through the entire genome
281
677000
2000
هو أن نقوم بفحص كامل الجينوم
11:34
and find other proteins
282
679000
2000
والبحث عن بروتيناتٍ أخرى
11:36
that show a similar fingerprint.
283
681000
2000
والتي لها نفس الآثار.
11:38
So if you're in drug discovery, for example,
284
683000
3000
لذا إذا كنت ، على سبيل المثال ، في تجربة دواء ،
11:41
you can go through
285
686000
2000
بإمكانك البحث في
11:43
an entire listing of what the genome has on offer
286
688000
2000
قائمة طويلةٍ من العروض المتوفرة في الجينوم
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
للبحث عن أفضل دواءٍ خصيصاً لك.
11:49
Most of you are probably familiar
288
694000
2000
والكثير منكم قد يكون على معرفةٍ
11:51
with genome-wide association studies
289
696000
2000
ببحوث تأثيرات الجينات
11:53
in the form of people covering in the news
290
698000
3000
على هيئة الأخبار الرئيسية في المجلات
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
تقول "العلماء يكتشفون أخيراً الجين أو الجينات
11:59
which affect X."
292
704000
2000
المسؤولة عن تأثيرٍ ما"
12:01
And so these kinds of studies
293
706000
2000
وتلك الأنواع من البحوث
12:03
are routinely published by scientists
294
708000
2000
تنشر بشكلٍ مستمر عن طريق الباحثين
12:05
and they're great. They analyze large populations.
295
710000
2000
وهي مفيدة. إنها تقوم على تحليل عددٍ كبيرٍ من الناس.
12:07
They look at their entire genomes,
296
712000
2000
ويدرسون كامل جينوماتهم ،
12:09
and they try to find hot spots of activity
297
714000
2000
ويحاولون إيجاد المناطق المفعمة بالنشاط
12:11
that are linked causally to genes.
298
716000
3000
والتي هي مرتبطةٌ فعلياً بالجينات.
12:14
But what you get out of such an exercise
299
719000
2000
ولكن ماتحصل عليه من تلك التجارب
12:16
is simply a list of genes.
300
721000
2000
هو ببساطة قائمةٌ من الجينات.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
إنها تخبركم أي المناطق ، ولكن لا تستطيع أن تحدد أين.
12:21
And so it's very important for those researchers
302
726000
3000
لذا فإنه من المهم جداً لهؤلاء الباحثين
12:24
that we've created this resource.
303
729000
2000
أننا قمنا ببناء هذه الأداة.
12:26
Now they can come in
304
731000
2000
والآن بإمكانهم التقدم
12:28
and they can start to get clues about activity.
305
733000
2000
والحصول على أدلة عن النشاط.
12:30
They can start to look at common pathways --
306
735000
2000
بإمكانهم البحث في المجالات العادية --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
بطرق غير اعتيادية لم يكن بإمكانهم العمل بها من قبل.
12:36
So I think this audience in particular
308
741000
3000
لذا أظن أن هذا الحشد خاصةً
12:39
can understand the importance of individuality.
309
744000
3000
بإمكانه معرفة أهمية التفرّد .
12:42
And I think every human,
310
747000
2000
وأعتقد أن كل إنسان ،
12:44
we all have different genetic backgrounds,
311
749000
4000
بل جميعنا نملك خلفياتٍ جينيةٍ مختلفة ،
12:48
we all have lived separate lives.
312
753000
2000
و كلٍ منا يملك حياةً متفرّدة.
12:50
But the fact is
313
755000
2000
ولكن الحقيقة هي أن
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
جينوماتنا متشابهة بنسبةٍ أعلى من 99%
12:55
We're similar at the genetic level.
315
760000
3000
إننا متشابهون من الناحية الجينية.
12:58
And what we're finding
316
763000
2000
وما نكتشفه
13:00
is actually, even at the brain biochemical level,
317
765000
2000
فعلياً ، أنه حتى على مستوى الكيمياء الحيوية للدماغ ،
13:02
we are quite similar.
318
767000
2000
فنحن متشابهون تماماً.
13:04
And so this shows it's not 99 percent,
319
769000
2000
وهذا يوضح أنها ليست نسبة 99% ،
13:06
but it's roughly 90 percent correspondence
320
771000
2000
ولكنها قريبة من تطابقٍ بنسبة 90%
13:08
at a reasonable cutoff,
321
773000
3000
باستخدام تقريبٍ منطقي.
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
لذا فإن أي شيءٍ ضمن هذه السحابة مرتبطٌ ببعضه نوعاً ما.
13:13
And then we find some outliers,
323
778000
2000
وهناك نجد بعض الخارجين عن النطاق ،
13:15
some things that lie beyond the cloud.
324
780000
3000
بعض الأشياء التي هي خارج حدود تلك السحابة.
13:18
And those genes are interesting,
325
783000
2000
وتلك الجينات مثيرةٌ للإهتمام.
13:20
but they're very subtle.
326
785000
2000
ولكنها متقنةٌ تماماً.
13:22
So I think it's an important message
327
787000
3000
لذا أعتقد أنها رسالةٌ هامة
13:25
to take home today
328
790000
2000
لأخذها معكم اليوم
13:27
that even though we celebrate all of our differences,
329
792000
3000
هو أنه بالرغم من أننا نحتفي باختلافاتنا ،
13:30
we are quite similar
330
795000
2000
ولكننا متشابهون
13:32
even at the brain level.
331
797000
2000
حتى على مستوى الدماغ.
13:34
Now what do those differences look like?
332
799000
2000
والآن ماهي تلك الإختلافات ؟
13:36
This is an example of a study that we did
333
801000
2000
هذا مثالٌ لتجربةٍ قمنا بها
13:38
to follow up and see what exactly those differences were --
334
803000
2000
لمتابعة ورؤية ماهي تلك الإختلافات --
13:40
and they're quite subtle.
335
805000
2000
وهي مُتقنةٌ تماماً.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
إنها عبارة عن جيناتٍ نشطة في أنواعٍ مستقلة من الخلايا.
13:46
These are two genes that we found as good examples.
337
811000
3000
وهذان نوعان من الجينات التي وجدناها كمثالٍ جيد.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
أحدهما يدعى RELN -- وهي مسؤولةٌ عن تطور الحكمة أثناء النشوء.
13:52
DISC1 is a gene
339
817000
2000
DISC1 عبارةٌ عن جين
13:54
that's deleted in schizophrenia.
340
819000
2000
والذي يُمسح في حالات إنفصام الشخصية.
13:56
These aren't schizophrenic individuals,
341
821000
2000
هذه ليست وحدات إنفصام الشخصية ،
13:58
but they do show some population variation.
342
823000
3000
ولكنها تبين فوارق في بعض العينات.
14:01
And so what you're looking at here
343
826000
2000
لذا ماترونه هنا
14:03
in donor one and donor four,
344
828000
2000
في المتبرع رقم واحد والمتبرع رقم أربعة ،
14:05
which are the exceptions to the other two,
345
830000
2000
والذين يعتبران إستثنائيين عن الباقين.
14:07
that genes are being turned on
346
832000
2000
أن هناك جيناتٍ نشطة
14:09
in a very specific subset of cells.
347
834000
2000
في بعض المجموعات الخاصة من الخلايا.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
إنها تلك البقع البنفسجية الغامقة من الخلية
14:14
that's telling us a gene is turned on there.
349
839000
3000
والتي تخبرنا بأن جيناً ما نشطٌ هناك.
14:17
Whether or not that's due
350
842000
2000
ما إذا كان ذلك يعود إلى
14:19
to an individual's genetic background or their experiences,
351
844000
2000
خلفيةٍ جينيةٍ أو خبرات
14:21
we don't know.
352
846000
2000
فذلك لا نعلمه.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
تلك الأنواع من الدراسات تحتاج إلى عددٍ أكبر من المتبرعين.
14:28
So I'm going to leave you with a final note
354
853000
2000
لذا سأتترككم بخلاصةٍ أخيرة
14:30
about the complexity of the brain
355
855000
3000
عن تعقيد الدماغ
14:33
and how much more we have to go.
356
858000
2000
وإلى أي حدٍ علينا أن نصل.
14:35
I think these resources are incredibly valuable.
357
860000
2000
أعتقد أن تلك الأدوات قيمةٌ جداً.
14:37
They give researchers a handle
358
862000
2000
فهي توفر للباحثين أداةً
14:39
on where to go.
359
864000
2000
يتوجهوا بها.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
ولكننا بحثنا بكميةٍ لا بأس بها من الأفراد في هذه المرحلة.
14:44
We're certainly going to be looking at more.
361
869000
2000
وبالتأكيد سنبحث عن المزيد.
14:46
I'll just close by saying
362
871000
2000
وسأنهي الحديث بقول
14:48
that the tools are there,
363
873000
2000
أن الأدوات موجودة ،
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
وأن هذه بالفعل قارةٌ غير مكتشفة ،
14:54
This is the new frontier, if you will.
365
879000
4000
هذا أقصى ماتوصل إليه العلم ، إلى حدٍ ما.
14:58
And so for those who are undaunted,
366
883000
2000
وإلى كل هؤلاء الشجعان ،
15:00
but humbled by the complexity of the brain,
367
885000
2000
والمتواضعين لتعقيدات الدماغ ،
15:02
the future awaits.
368
887000
2000
المستقبل ينتظر.
15:04
Thanks.
369
889000
2000
شكراً.
15:06
(Applause)
370
891000
9000
(تصفيق)
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