TEDGlobal 2011
Allan Jones: A map of the brain
Алан Джонс: Карта на мозъка
Filmed:
Readability: 4.4
1,269,611 views
Как можем да разберем начина на работа на мозъка? По същия начин, по който рабираме един град -- правейки карта. В тази визуализирана по невероятен начин презентация, Алан Джонс показва как неговият екип картографира гените включени във всеки малък регион на мозъка и как всички те са свързани.
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
Хората отдавна изпитват
00:17
for the human brain.
1
2000
2000
възхищение към човешкия мозък.
00:19
We chart it, we've described it,
2
4000
3000
Изобразявали сме го графично, описвали сме го,
00:22
we've drawn it,
3
7000
2000
рисували сме го,
00:24
we've mapped it.
4
9000
3000
катографирали сме го.
00:27
Now just like the physical maps of our world
5
12000
3000
В момента също като световните физически карти,
00:30
that have been highly influenced by technology --
6
15000
3000
които са повлияни от технологиите --
00:33
think Google Maps,
7
18000
2000
помислете за Google Maps,
00:35
think GPS --
8
20000
2000
или за GPS-а --
00:37
the same thing is happening for brain mapping
9
22000
2000
тази трансформация повлиява и
00:39
through transformation.
10
24000
2000
катрографирането на мозъка.
00:41
So let's take a look at the brain.
11
26000
2000
Така нека погледнем мозъка.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Когато повечето хора видят за първи път един човешки мозък преди да бъде препариран,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
те си казват: "Не изглежда по начина,
00:49
when someone shows you a brain."
14
34000
2000
по който обикновено го виждаме изложен."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Обикновено това, което виждате е препариран мозък. Той е сив.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
И този външен слой, това са кръвоносни съдове,
00:56
which is incredible, around a human brain.
17
41000
2000
което е невероятно, те са разположени около човешкия мозък.
00:58
This is the blood vessels.
18
43000
2000
Това са кръвоносни съдове.
01:00
20 percent of the oxygen
19
45000
3000
20 процента кислород,
01:03
coming from your lungs,
20
48000
2000
идващи от вашите бели дробове,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20% кръв изпомпана от сърцето ви
01:07
is servicing this one organ.
22
52000
2000
обслужва този орган.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Това е все едно да стискаш два юмрука,
01:11
it's just slightly larger than the two fists.
24
56000
2000
само е малко по-голям от тях.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Към края на 20 век, учените
01:16
learned that they could track blood flow
26
61000
2000
научават, че те могат да проследят циркулацията на кръвта,
01:18
to map non-invasively
27
63000
3000
за да разберат без хирургическа намеса,
01:21
where activity was going on in the human brain.
28
66000
3000
когато в мозъка се случва някаква дейност.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Така например, те могат да видят в задната част на мозъка,
01:27
which is just turning around there.
30
72000
2000
която точно се обръща там.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Това е малкият мозък, който в този момент ви държи изправени.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Той ме държи изправен. Намесен е в координацията на движенията ми.
01:34
On the side here, this is temporal cortex.
33
79000
3000
От тази страна е слепоочния дял.
01:37
This is the area where primary auditory processing --
34
82000
3000
Това е районът, където се обработва звукът --
01:40
so you're hearing my words,
35
85000
2000
така вие чувате думите ми,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
и след това ги изпращате до по-високи центрове, където се преработва езикът.
01:44
Towards the front of the brain
37
89000
2000
В предната част на мозъка
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
е мястото, в което се извършват всички по-сложни мисловни процеси --
01:49
it's the last to mature in late adulthood.
39
94000
4000
това е този дял на мозъка, който се развива най-късно.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Това е мястото, в което се взимат всички решения.
01:56
It's the place where you're deciding right now
41
101000
2000
Това е мястото, в което решавате в този момент,
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
че най-вероятно няма да поръчате пържола за вечеря.
02:01
So if you take a deeper look at the brain,
43
106000
2000
И така ако погледнете по-задълбочено в мозъка,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
едно от нещата, което ще осъзнаете,
02:05
what you can see
45
110000
2000
ако погледнете в сечението му
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
е, че няма да откриете много структура.
02:10
But there's actually a lot of structure there.
47
115000
2000
Но всъщност в мозъка има структура.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Неговите клетки и невронни влакна са свързани.
02:14
So about a hundred years ago,
49
119000
2000
Така преди сто години,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
няколко изследователи откриха оцветител, който може да оцветява клетки.
02:18
And that's shown here in the the very light blue.
51
123000
3000
И това се вижда тук в светло синия дял.
02:21
You can see areas
52
126000
2000
Можете да видите тук райони,
02:23
where neuronal cell bodies are being stained.
53
128000
2000
в които нормалните клетки са оцветени.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
И това което можете да видите е, че те на са еднакви. Можете да откриете доста структура в тях.
02:28
So the outer part of that brain
55
133000
2000
Така външната част на мозъка
02:30
is the neocortex.
56
135000
2000
е мозъчната кора (неокортекса).
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Тя цялата е едно звено за преработка на информация, ако искате да го наречете така.
02:35
But you can also see things underneath there as well.
58
140000
2000
Но вие може да видите и неща под повърнхостта.
02:37
And all of these blank areas
59
142000
2000
И всички тези празни райони
02:39
are the areas in which the wires are running through.
60
144000
2000
са местата, в които нервните влакна преминават.
02:41
They're probably less cell dense.
61
146000
2000
Там има по-малка плътност на клетките.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
В мозъка ни има около 86 милиарда неврона.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Както можете да видите тук, те са много неравномерно разпределени.
02:50
And how they're distributed really contributes
64
155000
2000
И това как са били разпределени допринася
02:52
to their underlying function.
65
157000
2000
към тяхната скрита функция.
02:54
And of course, as I mentioned before,
66
159000
2000
И разбира се, както споменах преди това,
02:56
since we can now start to map brain function,
67
161000
3000
понеже сега можем да картографираме мозъчната функция,
02:59
we can start to tie these into the individual cells.
68
164000
3000
ние можем да ги свържем с индивидуални клетки.
03:02
So let's take a deeper look.
69
167000
2000
И така нека погледнем по-задълбочено.
03:04
Let's look at neurons.
70
169000
2000
Нека разгледаме невроните.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Както споменах, има 86 милиарда неврона.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Освен това има и тези малки клетки, както можете да видите.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Това са поддържащи клетки -- астроцитни глиални клетки.
03:12
And the nerves themselves
74
177000
3000
И нервите
03:15
are the ones who are receiving input.
75
180000
2000
са тези, които получават информация.
03:17
They're storing it, they're processing it.
76
182000
2000
Те я съхраняват, те я обработват.
03:19
Each neuron is connected via synapses
77
184000
4000
Всеки неврон е свързан със синапси
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
с до 10 000 неврона в нашия мозък.
03:26
And each neuron itself
79
191000
2000
И всеки неврон
03:28
is largely unique.
80
193000
2000
е уникален.
03:30
The unique character of both individual neurons
81
195000
2000
Уникалният характер на двата индивидуални неврона
03:32
and neurons within a collection of the brain
82
197000
2000
и невроните в съвкупност в мозъка
03:34
are driven by fundamental properties
83
199000
3000
са управлявани от фундаментални свойства
03:37
of their underlying biochemistry.
84
202000
2000
на тяхната скрита биохимия.
03:39
These are proteins.
85
204000
2000
Това са протеини.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Това са протеини, които конторлират неща като йонно каналните движения.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Те контролират как си партнират клетките на нервната система.
03:48
And they're controlling
88
213000
2000
И те контролират
03:50
basically everything that the nervous system has to do.
89
215000
2000
из основи всичко, което нервната система трябва да направи.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
И така ако разгледаме под лупа
03:55
all of those proteins
91
220000
2000
тези протеини,
03:57
are encoded by our genomes.
92
222000
2000
ще открием, че те са кодирани с нашите геноми.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Всички ние имаме 23 двойки хромозома.
04:02
We get one from mom, one from dad.
94
227000
2000
Ние получаваме един от майката и един от бащата.
04:04
And on these chromosomes
95
229000
2000
И в тези хромозоми
04:06
are roughly 25,000 genes.
96
231000
2000
има приблизително 25 000 гена.
04:08
They're encoded in the DNA.
97
233000
2000
Те са кодирани в ДНК-то.
04:10
And the nature of a given cell
98
235000
3000
И природата на всяка клетка,
04:13
driving its underlying biochemistry
99
238000
2000
управлявана от скритата биохимия
04:15
is dictated by which of these 25,000 genes
100
240000
3000
диктува, кои от тези 25 000 гени
04:18
are turned on
101
243000
2000
са включени
04:20
and at what level they're turned on.
102
245000
2000
и на какво ниво са активирани.
04:22
And so our project
103
247000
2000
И така нашият проект
04:24
is seeking to look at this readout,
104
249000
3000
разглежда извадката,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
опитвайки се да разбере кои от тези 25 000 гена са активирани.
04:30
So in order to undertake such a project,
106
255000
3000
Така че за да предприемем такъв проект
04:33
we obviously need brains.
107
258000
3000
очевидно имаме нужда от мозъци.
04:36
So we sent our lab technician out.
108
261000
3000
И така натоварихме нашия лаборант с тази задача.
04:39
We were seeking normal human brains.
109
264000
2000
Търсехме нормални човешки мозъци.
04:41
What we actually start with
110
266000
2000
Започнахме с търсене
04:43
is a medical examiner's office.
111
268000
2000
в патологиите.
04:45
This a place where the dead are brought in.
112
270000
2000
Местата, където носят труповете.
04:47
We are seeking normal human brains.
113
272000
2000
Ние търсехме нормални човешки мозъци.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Има много критерии, по които избираме тези мозъци.
04:52
We want to make sure
115
277000
2000
Искахме да сме сигурни,
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
че имаме нормални хора между 20 и 60 години,
04:57
they died a somewhat natural death
117
282000
2000
които са умрели по естествен начин
04:59
with no injury to the brain,
118
284000
2000
без мозъчни наранявания,
05:01
no history of psychiatric disease,
119
286000
2000
без психически заболявания,
05:03
no drugs on board --
120
288000
2000
без употреба на наркотици --
05:05
we do a toxicology workup.
121
290000
2000
това се проверява в токсикологията.
05:07
And we're very careful
122
292000
2000
Подбираме внимателно мозъците,
05:09
about the brains that we do take.
123
294000
2000
които изследваме.
05:11
We're also selecting for brains
124
296000
2000
Също подбираме мозъци,
05:13
in which we can get the tissue,
125
298000
2000
от които можем да вземем тъкан,
05:15
we can get consent to take the tissue
126
300000
2000
имаме разрешение да вземем тъкан
05:17
within 24 hours of time of death.
127
302000
2000
в рамките на 24 часа след настъпването на смъртта.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Защото това, което се опитваме да измерим, рибонуклеиновата киселина (РНК),
05:22
which is the readout from our genes --
129
307000
2000
която може да бъде разчетена от нашите гени,
05:24
is very labile,
130
309000
2000
е много крехка.
05:26
and so we have to move very quickly.
131
311000
2000
Поради тази причина трябва да действаме бързо.
05:28
One side note on the collection of brains:
132
313000
3000
И тук искам да вметна нещо по отношение на събирането на мозъци,
05:31
because of the way that we collect,
133
316000
2000
заради начина, по който ги събираме
05:33
and because we require consent,
134
318000
2000
и защото всъщност ние го правим със съгласие.
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
Всъщност разполагаме с много повече мъжки от женски мозъци.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Много по-вероятно е мъж да загине в разцвета на живота си.
05:41
And men are much more likely
137
326000
2000
И много по-вероятно е
05:43
to have their significant other, spouse, give consent
138
328000
3000
партньорът им да даде съгласие за изследването,
05:46
than the other way around.
139
331000
2000
отколкото ако това е жена.
05:48
(Laughter)
140
333000
4000
(Смях в залата)
05:52
So the first thing that we do at the site of collection
141
337000
2000
И така първото, което правим, когато започнем със събирането
05:54
is we collect what's called an MR.
142
339000
2000
е това, което наричаме магнитен резонанс.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Това е магнитно-резонансна томография -- МРТ.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Това е стандартна матрица, чрез която се опитваме да изложим остатъка от данните.
06:01
So we collect this MR.
145
346000
2000
И така ние правим магнитния резонанс.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Това е все едно сателитна снимка за нашата карта.
06:05
The next thing we do
147
350000
2000
Следващата ни стъпка
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
е да съберем това, което се нарича дифузно тензорно изображение.
06:10
This maps the large cabling in the brain.
149
355000
2000
Така картографираме най-големите връзки в мозъка.
06:12
And again, you can think of this
150
357000
2000
Може да мислите за това като
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
магистрали свързващи различни щати.
06:16
The brain is removed from the skull,
152
361000
2000
Мозъкът се вади от черепа
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
и се реже на едносантиметрови филийки.
06:21
And those are frozen solid,
154
366000
2000
Те са в замръзнало състояние
06:23
and they're shipped to Seattle.
155
368000
2000
и така се транспортират до Сиатъл.
06:25
And in Seattle, we take these --
156
370000
2000
И в Сиатъл, ние взимаме това --
06:27
this is a whole human hemisphere --
157
372000
2000
което е едно цяло човешко полукълбо --
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
и го слагаме в нещо, което е принципно една подобрена резачка на месо.
06:31
There's a blade here that's going to cut across
159
376000
2000
В нея има едно острие, което реже напречно
06:33
a section of the tissue
160
378000
2000
секциите в тъканта
06:35
and transfer it to a microscope slide.
161
380000
2000
и ги превръща в микроскопични филийки.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Тогава ще добавим едно от тези петна в нея
06:39
and we scan it.
163
384000
2000
и ще го сканираме.
06:41
And then what we get is our first mapping.
164
386000
3000
И това, което ще получим е нашата първа карта.
06:44
So this is where experts come in
165
389000
2000
И това е мястото, в което на помощ ни се притичат експертите
06:46
and they make basic anatomic assignments.
166
391000
2000
и те изпълняват една основна анатомична задача.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Можете да ги наречете държавни граници, ако искате,
06:51
those pretty broad outlines.
168
396000
2000
тези красиви широки очертания.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
От тях ние сме в състояние да фрагментираме мозъка на още части,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
които можем да сложим в по-малък криостат.
06:59
And this is just showing this here --
171
404000
2000
И това изображение показва точно това --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
тази замръзена тъкан, която вече е нарязана.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Тук тя е тънка 20 микрона, което е с дебелината на бебешка коса.
07:06
And remember, it's frozen.
174
411000
2000
И помнете, тя е замръзнала.
07:08
And so you can see here,
175
413000
2000
И тук можете да видите
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
как сме приложили старомодната техника на четката за рисуване.
07:12
We take a microscope slide.
177
417000
2000
Взимаме това микроскопично парче.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
След това ще разтопим много внимателно парчето.
07:17
This will then go onto a robot
179
422000
2000
След което то ще отиде в робота,
07:19
that's going to apply one of those stains to it.
180
424000
3000
който ще му сложи едно от тези петна.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Нашите специалисти по анатомия ще могат да получат по-пълен поглед върху тъканта.
07:29
So again this is what they can see under the microscope.
182
434000
2000
И така това е отново, което те могат да видят под микроскопа.
07:31
You can see collections and configurations
183
436000
2000
Може да видите тук колекции и конфигурации
07:33
of large and small cells
184
438000
2000
на големи и малки клетки
07:35
in clusters and various places.
185
440000
2000
в определени групи и на различни места.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
И от този момент нататък всичко е рутина. Те знаят какво да направят.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
И те могат да изготвят нещо като атлас.
07:42
This is a more detailed map.
188
447000
2000
Това е по-подробна карта.
07:44
Our scientists then use this
189
449000
2000
Нашите учени после използват това,
07:46
to go back to another piece of that tissue
190
451000
3000
за да се върнат към друга част от тази тъкан
07:49
and do what's called laser scanning microdissection.
191
454000
2000
и да направят това, което се нарича лазерна микродисекция.
07:51
So the technician takes the instructions.
192
456000
3000
И така техникът взима инструкциите.
07:54
They scribe along a place there.
193
459000
2000
Те драскат по това място тук.
07:56
And then the laser actually cuts.
194
461000
2000
И след това лазерът реже.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Можете да видите тази синя точка тук, която реже. И тук тъканта пада.
08:01
You can see on the microscope slide here,
196
466000
2000
Можете да видите процеса на микроскопското изображение тук.
08:03
that's what's happening in real time.
197
468000
2000
Това се случва в реално време.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Отдолу има контейнер, който събира тъканта.
08:08
We take that tissue,
199
473000
2000
Ние взимаме тази тъкан,
08:10
we purify the RNA out of it
200
475000
2000
извличаме рибонуклеиновата киселина от нея,
08:12
using some basic technology,
201
477000
2000
използвайки няколко основни технологии
08:14
and then we put a florescent tag on it.
202
479000
2000
и после слагаме флуоресцентен маркер.
08:16
We take that tagged material
203
481000
2000
Взимаме маркирания материал
08:18
and we put it on to something called a microarray.
204
483000
3000
и го слагаме в така наречената генна матрица.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Сега това тук може да ви изглежда като един куп от точки,
08:23
but each one of these individual dots
206
488000
2000
но всяка една от тези индивидуални точки
08:25
is actually a unique piece of the human genome
207
490000
2000
е уникална част от човешкия геном,
08:27
that we spotted down on glass.
208
492000
2000
който забелязахме преди това.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Този има грубо 60 000 елемента,
08:32
so we repeatedly measure various genes
210
497000
3000
тоест ние многократно измерваме различни гени
08:35
of the 25,000 genes in the genome.
211
500000
2000
от 25000-те гена в генома.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
А когато вземем проба и я хибридизираме,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
получаваме уникална характеристика,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
количествено какви гени се появяват в пробата.
08:45
Now we do this over and over again,
215
510000
2000
Сега ще повторим няколко пъти
08:47
this process for any given brain.
216
512000
3000
този процес за няколко различни мозъка.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Ще вземем хиляди проби от всеки мозък.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Показаната тук област се нарича хипокампус.
08:56
It's involved in learning and memory.
219
521000
2000
Тя участва в ученето и запаметяването.
08:58
And it contributes to about 70 samples
220
523000
3000
От нея се взимат около 70 проби
09:01
of those thousand samples.
221
526000
2000
от тези хиляда.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Така всяка проба ни предоставя близо 50 000 данни
09:07
with repeat measurements, a thousand samples.
223
532000
3000
с повторните измервания, хиляда проби.
09:10
So roughly, we have 50 million data points
224
535000
2000
Така ние имаме 50 милиона данни
09:12
for a given human brain.
225
537000
2000
за един човешки мозък.
09:14
We've done right now
226
539000
2000
До момента сме обработили
09:16
two human brains-worth of data.
227
541000
2000
данни равностойни на два човешки мозъка.
09:18
We've put all of that together
228
543000
2000
Събрали сме ги заедно,
09:20
into one thing,
229
545000
2000
в едно цяло
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
и ще ви покажа как изглежда тази синтеза.
09:24
It's basically a large data set of information
231
549000
3000
Принципно това е един огромен сет от информация,
09:27
that's all freely available to any scientist around the world.
232
552000
3000
който е достъпен за всеки учен на Земята.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Те дори не трябва да се регистират някъде, за да могат да използват този инструмент.
09:33
mine this data, find interesting things out with this.
234
558000
4000
Претърсете тази информация и намерте някакъв интересен факт там.
09:37
So here's the modalities that we put together.
235
562000
3000
Това тук са действията, които събрахме.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Ще започнете да ги разпознавате от това, което събирахме преди това.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Това е компютърната томография. Тя осигурява рамката.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Има оперативно табло в дясно, което ви позволява да завъртите,
09:48
it allows you to zoom in,
239
573000
2000
позволява ви да приближите обекта,
09:50
it allows you to highlight individual structures.
240
575000
3000
позволява ви да подчертаете индивидуални структури.
09:53
But most importantly,
241
578000
2000
Най-важното е,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
че сега изобразяваме в анатомичната рамка,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
която е обща рамка за да бъде разбрано къде са активирани гените.
10:01
So the red levels
244
586000
2000
Червените места
10:03
are where a gene is turned on to a great degree.
245
588000
2000
са тези, в които гените се проявяват в голяма степен.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Зелените са тези студени райони, в които гените не са включени.
10:08
And each gene gives us a fingerprint.
247
593000
2000
И всеки ген ни дава характеристика.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
И запоменте, че ние инспектирахме всички 25 000 гена от генома
10:15
and have all of that data available.
249
600000
4000
и разполагаме с всички тези данни.
10:19
So what can scientists learn about this data?
250
604000
2000
Така, какво могат да разберат учените от тези данни?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Ние самите тъкмо започваме да разглеждаме данните.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Има някои основни неща, които бихте искали да разберете.
10:27
Two great examples are drugs,
253
612000
2000
Два много добри примера са медикаментите --
10:29
Prozac and Wellbutrin.
254
614000
2000
прозак и велбутрин.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Това са широко предписвани антидепресанти.
10:34
Now remember, we're assaying genes.
256
619000
2000
Сега запоменте, че ние инспектираме гените.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Гените изпращат инструкции, за да се направят протеини.
10:39
Proteins are targets for drugs.
258
624000
2000
Протеините са целта на медикаментите.
10:41
So drugs bind to proteins
259
626000
2000
Така те се свързват с тях
10:43
and either turn them off, etc.
260
628000
2000
и например могат да ги деактивират.
10:45
So if you want to understand the action of drugs,
261
630000
2000
И така ако искате да разберете действията на медикаментите,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
вие искате да разберете как те действат по начина, по който на вас ви се иска
10:50
and also in the ways you don't want them to.
263
635000
2000
или по начин, по който не би ви се искало.
10:52
In the side effect profile, etc.,
264
637000
2000
При техните страничните ефекти, и прочее,
10:54
you want to see where those genes are turned on.
265
639000
2000
вие искате да видите къде тези гени са включени.
10:56
And for the first time, we can actually do that.
266
641000
2000
И за първи път можем да го направим.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Можем да го направим изследвайки няколко индивида.
11:01
So now we can look throughout the brain.
268
646000
3000
Така че сега можем да погледнем в мозъка.
11:04
We can see this unique fingerprint.
269
649000
2000
Можем да видим тези уникални следи.
11:06
And we get confirmation.
270
651000
2000
Можем да получим потвърждение.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Можем да получим потвърждение, че ген е включен --
11:11
for something like Prozac,
272
656000
2000
от нещо като прозак,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
в серотонинните структури, неща, за които се знае, че са засегнати --
11:16
but we also get to see the whole thing.
274
661000
2000
но също така получаваме и цялостната картина.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Ние виждаме райони, които никой друг не е виждал преди това,
11:20
and we see these genes turned on there.
276
665000
2000
и виждаме тези гени активирани.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Много интересен страничен ефект.
11:25
One other thing you can do with such a thing
278
670000
2000
Друго нещо, което можете да направите,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
понеже е действие, което съвпада с мотива,
11:30
because there's unique fingerprint,
280
675000
2000
защото оставя уникална следа,
11:32
we can actually scan through the entire genome
281
677000
2000
е да сканирате целия геном
11:34
and find other proteins
282
679000
2000
и намерите други протеини,
11:36
that show a similar fingerprint.
283
681000
2000
които показват подобни следи.
11:38
So if you're in drug discovery, for example,
284
683000
3000
И така ако се опитвате да откриете някакво лекарство,
11:41
you can go through
285
686000
2000
можете да преминете
11:43
an entire listing of what the genome has on offer
286
688000
2000
през цял списък с това какво може да предложи генома,
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
за да намерите по-точни цели за лекарството и да го оптимизирате.
11:49
Most of you are probably familiar
288
694000
2000
Повечето от вас са чували
11:51
with genome-wide association studies
289
696000
2000
за широко разпространените изследвания,
11:53
in the form of people covering in the news
290
698000
3000
свързани с геномите, от журналистите,
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
казващи: "Учени откриха гена или гените,
11:59
which affect X."
292
704000
2000
които влияят на Х."
12:01
And so these kinds of studies
293
706000
2000
И така този вид изследвания
12:03
are routinely published by scientists
294
708000
2000
се публикуват често от учени
12:05
and they're great. They analyze large populations.
295
710000
2000
и те са страхотни. Те анализират широка част от населението.
12:07
They look at their entire genomes,
296
712000
2000
Те разглеждат целия им геном
12:09
and they try to find hot spots of activity
297
714000
2000
и се опитват да открият горещи точки,
12:11
that are linked causally to genes.
298
716000
3000
свързани с гените им.
12:14
But what you get out of such an exercise
299
719000
2000
Но това, което получавате от подобни упражнения
12:16
is simply a list of genes.
300
721000
2000
е просто списък от гени.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Той ви казва какво, но не и къде.
12:21
And so it's very important for those researchers
302
726000
3000
И така много е важно за учените,
12:24
that we've created this resource.
303
729000
2000
че създадохме този ресурс.
12:26
Now they can come in
304
731000
2000
Сега те могат да дойдат
12:28
and they can start to get clues about activity.
305
733000
2000
и да започнат да търсят улики за различни дейности.
12:30
They can start to look at common pathways --
306
735000
2000
Могат да започнат да разглеждат общи пътища --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
по различен начин от начина, по който са го правили преди това.
12:36
So I think this audience in particular
308
741000
3000
Така смятам, че тази публика
12:39
can understand the importance of individuality.
309
744000
3000
може да разбере значението на индивидуалността.
12:42
And I think every human,
310
747000
2000
Факт е, че всеки човек
12:44
we all have different genetic backgrounds,
311
749000
4000
има различна генетична история,
12:48
we all have lived separate lives.
312
753000
2000
че ние всички живеем различни животи.
12:50
But the fact is
313
755000
2000
Но е факт, че
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
повече от 99 % геномите ни са еднакви.
12:55
We're similar at the genetic level.
315
760000
3000
Ние сме еднакви на генетично ниво.
12:58
And what we're finding
316
763000
2000
А това, което открихме
13:00
is actually, even at the brain biochemical level,
317
765000
2000
е, че дори и на биохимично ниво в мозъците ни.
13:02
we are quite similar.
318
767000
2000
ние сме доста еднакви.
13:04
And so this shows it's not 99 percent,
319
769000
2000
И така това показва, че не са 99 %,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
но приблизително 90 % съответствие,
13:08
at a reasonable cutoff,
321
773000
3000
на сносен разрез,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
така че всичко в облака е приблизително съгласувано.
13:13
And then we find some outliers,
323
778000
2000
И после открихме няколко изключения,
13:15
some things that lie beyond the cloud.
324
780000
3000
няколко елемента, които лежат извън множеството.
13:18
And those genes are interesting,
325
783000
2000
И тези гени са интересни,
13:20
but they're very subtle.
326
785000
2000
но те са едва доловими.
13:22
So I think it's an important message
327
787000
3000
И така това е нещо важно,
13:25
to take home today
328
790000
2000
което трябва да вземем със себе си --
13:27
that even though we celebrate all of our differences,
329
792000
3000
макар че празнуваме нашите различия,
13:30
we are quite similar
330
795000
2000
ние сме доста еднакви
13:32
even at the brain level.
331
797000
2000
дори на мозъчно ниво.
13:34
Now what do those differences look like?
332
799000
2000
И така как изглеждат тези различия?
13:36
This is an example of a study that we did
333
801000
2000
Това е пример за едно изследване, което направихме
13:38
to follow up and see what exactly those differences were --
334
803000
2000
с цел да проследим и да видим какви са тези разлики --
13:40
and they're quite subtle.
335
805000
2000
и те са доста минимални.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Това са случаи, в които гените са активирани в индивидуални клетки.
13:46
These are two genes that we found as good examples.
337
811000
3000
Това са два гена, които служат като добър пример.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Единият се нарича RELN -- той участва в ранното ни развитие.
13:52
DISC1 is a gene
339
817000
2000
DISC1 е ген,
13:54
that's deleted in schizophrenia.
340
819000
2000
който е заличен при шизофрениците.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Това не са шизофреници,
13:58
but they do show some population variation.
342
823000
3000
но те показват разлики от останалото население.
14:01
And so what you're looking at here
343
826000
2000
И това, което виждате в момента
14:03
in donor one and donor four,
344
828000
2000
при донор едно и донор четири,
14:05
which are the exceptions to the other two,
345
830000
2000
което ги различава от другите два
14:07
that genes are being turned on
346
832000
2000
е, че гените им са активирани
14:09
in a very specific subset of cells.
347
834000
2000
в много специфичен набор от клетки.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Това е тъмно лилавото отлагане в клетката,
14:14
that's telling us a gene is turned on there.
349
839000
3000
което ни показва, че генът е включен.
14:17
Whether or not that's due
350
842000
2000
Дали това се дължи
14:19
to an individual's genetic background or their experiences,
351
844000
2000
на индивидуалната генетична история или на техния опит,
14:21
we don't know.
352
846000
2000
не може да се каже.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Този тип изследвания изискват много по-голям извадка.
14:28
So I'm going to leave you with a final note
354
853000
2000
Искам да приключа със заключителна бележка
14:30
about the complexity of the brain
355
855000
3000
за сложността на мозъка
14:33
and how much more we have to go.
356
858000
2000
и колко много още имаме да учим.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Мисля, че тези източници на информация са невероятно важни.
14:37
They give researchers a handle
358
862000
2000
Те дават на учените опора
14:39
on where to go.
359
864000
2000
накъде да тръгнат.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Но на този етап правим изследванията си само на базата на една шепа индивиди.
14:44
We're certainly going to be looking at more.
361
869000
2000
Със сигурност ще изследваме повече.
14:46
I'll just close by saying
362
871000
2000
Ще завърша само казвайки,
14:48
that the tools are there,
363
873000
2000
че инструментите са тук
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
и това е един наистина неизследван, неоткрит континент.
14:54
This is the new frontier, if you will.
365
879000
4000
Това е новата граница, ако искате да я наречете така.
14:58
And so for those who are undaunted,
366
883000
2000
И за онези от вас, които остават непоколебими,
15:00
but humbled by the complexity of the brain,
367
885000
2000
но изпълнени с уважение към сложността на мозъка,
15:02
the future awaits.
368
887000
2000
бъдещето ви очаква.
15:04
Thanks.
369
889000
2000
Благодаря ви.
15:06
(Applause)
370
891000
9000
(Аплодисменти)
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