ABOUT THE SPEAKER
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.

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 >>

More profile about the speaker
Allan Jones | Speaker | TED.com
TEDGlobal 2011

Allan Jones: A map of the brain

Allan Jones: Mapa mozku

Filmed:
1,269,611 views

Z čeho vyjít, když chceme pochopit, jak funguje mozek? Vyjděme z toho, z čeho vycházíme, když chceme pochopit nějaké město: udělejme mapu. Allan Jones nám v přednášce s úchvatným vizuálním doprovodem ukáže, jak jeho tým mapuje nepatrné oblasti mozku a geny, které jsou v těchto oblastech zapnuté, a jak to všechno spolu souvisí.
- 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

Double-click the English transcript below to play the video.

00:15
HumansLidé have long helddržený a fascinationfascinace
0
0
2000
Lidský mozek nás odedávna fascinuje.
00:17
for the humančlověk brainmozek.
1
2000
2000
00:19
We chartschéma it, we'vejsme describedpopsáno it,
2
4000
3000
Zkoumáme jeho anatomii,
popisujeme ho,
00:22
we'vejsme drawnnakreslený it,
3
7000
2000
kreslíme
00:24
we'vejsme mappedmapované it.
4
9000
3000
a mapujeme.
00:27
Now just like the physicalfyzický mapsmapy of our worldsvět
5
12000
3000
Způsob mapování fyzického světa
00:30
that have been highlyvysoce influencedovlivněna by technologytechnika --
6
15000
3000
výrazně ovlivnila moderní technika.
00:33
think GoogleGoogle MapsMapy,
7
18000
2000
Vzpomeňte na Google Maps
00:35
think GPSGPS --
8
20000
2000
či GPS.
00:37
the samestejný thing is happeninghappening for brainmozek mappingmapování
9
22000
2000
Podobným přerodem teď prochází
00:39
throughpřes transformationproměna.
10
24000
2000
i mapování mozku.
00:41
So let's take a look at the brainmozek.
11
26000
2000
A tak se na mozek podívejme.
00:43
MostVětšina people, when they first look at a freshčerstvý humančlověk brainmozek,
12
28000
3000
Tohle je surová tkáň mozku.
00:46
they say, "It doesn't look what you're typicallytypicky looking at
13
31000
3000
Když ji lidé vidí poprvé, jsou překvapení,
protože takto mozek neznají.
00:49
when someoneněkdo showsukazuje you a brainmozek."
14
34000
2000
00:51
TypicallyObvykle, what you're looking at is a fixedpevný brainmozek. It's grayšedá.
15
36000
3000
Obvykle se setkáte s šedým,
naloženým mozkem.
00:54
And this outervnější layervrstva, this is the vasculaturecévy,
16
39000
2000
Surová tkáň má tzv. vaskulaturu.
U lidí je opravdu impozantní.
00:56
whichkterý is incredibleneuvěřitelný, around a humančlověk brainmozek.
17
41000
2000
00:58
This is the bloodkrev vesselsplavidel.
18
43000
2000
Jsou to vlastně krevní cévy.
Mozek spotřebuje 20 % kyslíku,
01:00
20 percentprocent of the oxygenkyslík
19
45000
3000
01:03
comingpříchod from your lungsplíce,
20
48000
2000
který vyprodukují vaše plíce.
01:05
20 percentprocent of the bloodkrev pumpedčerpána from your heartsrdce,
21
50000
2000
20 % krve poháněné srdcem
01:07
is servicingservis this one organorgán.
22
52000
2000
využívá jediný orgán,
01:09
That's basicallyv podstatě, if you holddržet two fistspěstmi togetherspolu,
23
54000
2000
který je jen o málo větší
01:11
it's just slightlymírně largervětší than the two fistspěstmi.
24
56000
2000
než dvě sevřené pěsti.
01:13
ScientistsVědci, sorttřídění of at the endkonec of the 20thth centurystoletí,
25
58000
3000
Koncem 20. století vědci zjistili,
01:16
learnednaučil se that they could trackdráha bloodkrev flowtok
26
61000
2000
že mohou sledovat tok krve,
01:18
to mapmapa non-invasivelyneinvazivně
27
63000
3000
a tím neinvazivně mapovat
01:21
where activityaktivita was going on in the humančlověk brainmozek.
28
66000
3000
oblasti mozkové aktivity.
01:24
So for examplepříklad, they can see in the back partčást of the brainmozek,
29
69000
3000
Například vidí aktivitu v zadní části mozku,
01:27
whichkterý is just turningotáčení around there.
30
72000
2000
kde se nachází mozeček.
01:29
There's the cerebellummozeček; that's keepingudržování you uprightvzpřímený right now.
31
74000
2000
Díky němu stojíme na nohou.
Ovládá rovnováhu
01:31
It's keepingudržování me standingstojící. It's involvedzapojeno in coordinatedkoordinované movementhnutí.
32
76000
3000
a koordinaci pohybů.
01:34
On the sideboční here, this is temporaltemporální cortexkůra.
33
79000
3000
Tady na straně je spánkový lalok.
01:37
This is the areaplocha where primaryhlavní auditorysluchový processingzpracovává se --
34
82000
3000
Je to oblast primárního zpracování zvuků.
01:40
so you're hearingsluch my wordsslova,
35
85000
2000
Díky němu mě slyšíte,
01:42
you're sendingodesílání it up into highervyšší languageJazyk processingzpracovává se centerscentra.
36
87000
2000
a pak to vysíláte do vyšších
jazykových center.
01:44
TowardsSměrem k the frontpřední of the brainmozek
37
89000
2000
V přední části mozku je oblast
01:46
is the placemísto in whichkterý all of the more complexkomplex thought, decisionrozhodnutí makingtvorba --
38
91000
3000
složitějšího myšlení a rozhodování.
01:49
it's the last to matureZralé ženy in latepozdě adulthooddospělost.
39
94000
4000
Rozvíjí se až do pozdní dospělosti.
01:53
This is where all your decision-makingrozhodování processesprocesů are going on.
40
98000
3000
Odehrávají se tam všechna
vaše rozhodnutí.
01:56
It's the placemísto where you're decidingrozhodování right now
41
101000
2000
Právě tam si teď říkáte,
01:58
you probablypravděpodobně aren'tnejsou going to orderobjednat the steaksteak for dinnervečeře.
42
103000
3000
že si ten stejk nejspíš dnes
k večeři nedáte.
02:01
So if you take a deeperhlouběji look at the brainmozek,
43
106000
2000
Ponořme se teď hlouběji.
02:03
one of the things, if you look at it in cross-sectionprůřez,
44
108000
2000
Průřez nitrem mozku vypadá,
02:05
what you can see
45
110000
2000
jako by v něm nebylo příliš
02:07
is that you can't really see a wholeCelý lot of structurestruktura there.
46
112000
3000
rozmanitých struktur.
02:10
But there's actuallyvlastně a lot of structurestruktura there.
47
115000
2000
Opak je však pravdou.
02:12
It's cellsbuněk and it's wiresvodiče all wiredkabelové togetherspolu.
48
117000
2000
Jsou tam buňky a spoje
a vše je propojené.
02:14
So about a hundredsto yearsroky agopřed,
49
119000
2000
Asi před sto lety proto
vědci vymysleli,
02:16
some scientistsvědců inventedvymyslel a stainbarvení that would stainbarvení cellsbuněk.
50
121000
2000
jak buňky obarvit.
02:18
And that's shownzobrazeno here in the the very lightsvětlo bluemodrý.
51
123000
3000
Když obarvíte buněčná těla,
02:21
You can see areasoblasti
52
126000
2000
vzniknou takovéto světle modré oblasti,
02:23
where neuronalneuronální cellbuňka bodiestěla are beingbytost stainedobarví.
53
128000
2000
02:25
And what you can see is it's very non-uniformnerovnoměrné. You see a lot more structurestruktura there.
54
130000
3000
kde rázem vynikne řada
různých struktur.
02:28
So the outervnější partčást of that brainmozek
55
133000
2000
Té části na okrajích mozku
se říká neokortex.
02:30
is the neocortexneocortex.
56
135000
2000
02:32
It's one continuouskontinuální processingzpracovává se unitjednotka, if you will.
57
137000
3000
Je to vlastně nepřetržitě činná
výpočetní jednotka.
02:35
But you can alsotaké see things underneathpod there as well.
58
140000
2000
Můžete však vidět i to,
co je pod ní.
02:37
And all of these blankprázdný areasoblasti
59
142000
2000
Bezbarvé oblasti mají méně buněk,
02:39
are the areasoblasti in whichkterý the wiresvodiče are runningběh throughpřes.
60
144000
2000
02:41
They're probablypravděpodobně lessméně cellbuňka densehustý.
61
146000
2000
zato tam probíhají spoje.
02:43
So there's about 86 billionmiliarda neuronsneurony in our brainmozek.
62
148000
4000
V mozku máme asi 86 miliard neuronů.
02:47
And as you can see, they're very non-uniformlynerovnoměrně distributeddistribuováno.
63
152000
3000
Jejich rozmístění je, jak vidíte,
velmi nerovnoměrné.
02:50
And how they're distributeddistribuováno really contributespřispívá
64
155000
2000
Jejich distribuce úzce souvisí s tím,
02:52
to theirjejich underlyingzákladní functionfunkce.
65
157000
2000
jakou vykonávají funkci.
02:54
And of coursechod, as I mentioneduvedeno before,
66
159000
2000
A protože - jak jsem zmiňoval -
teď umíme funkce mozku mapovat,
02:56
sinceod té doby we can now startStart to mapmapa brainmozek functionfunkce,
67
161000
3000
02:59
we can startStart to tiekravata these into the individualindividuální cellsbuněk.
68
164000
3000
můžeme je spojovat
s jednotlivými buňkami.
03:02
So let's take a deeperhlouběji look.
69
167000
2000
Pojďme ještě hlouběji.
03:04
Let's look at neuronsneurony.
70
169000
2000
Prohlédněme si neurony.
03:06
So as I mentioneduvedeno, there are 86 billionmiliarda neuronsneurony.
71
171000
2000
Kromě těch 86 miliard neuronů
03:08
There are alsotaké these smallermenší cellsbuněk as you'llBudete see.
72
173000
2000
můžete vidět i menší, podpůrné buňky,
03:10
These are supportPodpěra, podpora cellsbuněk -- astrocytesastrocyty gliaglií.
73
175000
2000
zvané astrocyty.
03:12
And the nervesnervy themselvesoni sami
74
177000
3000
Nervy jako celek mají na starost
přijímání signálů.
03:15
are the onesty who are receivingpřijímání inputvstup.
75
180000
2000
03:17
They're storingukládání it, they're processingzpracovává se it.
76
182000
2000
Zpracovávají je a ukládají.
03:19
EachKaždý neuronneuron is connectedpřipojeno viapřes synapsessynapse
77
184000
4000
Prostřednictvím synapsí
je každý neuron vašeho mozku
03:23
to up to 10,000 other neuronsneurony in your brainmozek.
78
188000
3000
propojen až s 10 tisíci dalšími.
03:26
And eachkaždý neuronneuron itselfsám
79
191000
2000
Každý neuron je přitom
03:28
is largelypřevážně uniqueunikátní.
80
193000
2000
vysoce unikátní.
03:30
The uniqueunikátní charactercharakter of bothoba individualindividuální neuronsneurony
81
195000
2000
Jedinečnost jednotlivých neuronů,
03:32
and neuronsneurony withinv rámci a collectionsbírka of the brainmozek
82
197000
2000
ale i celé mozkové neurální sítě
03:34
are drivenřízený by fundamentalzákladní propertiesvlastnosti
83
199000
3000
vyplývá z fundamentálních vlastností
jejich vnitřní biochemie.
03:37
of theirjejich underlyingzákladní biochemistrybiochemie.
84
202000
2000
03:39
These are proteinsproteinů.
85
204000
2000
Tohle jsou bílkoviny.
03:41
They're proteinsproteinů that are controllingovládání things like ionIon channelkanál movementhnutí.
86
206000
3000
Kontrolují například,
jak proudí ionty v kanálcích
03:44
They're controllingovládání who nervousnervový systemSystém cellsbuněk partnerpartner up with.
87
209000
4000
nebo jak se buňky
nervové soustavy spojují.
03:48
And they're controllingovládání
88
213000
2000
Vlastně kontrolují
veškerou činnost nervové soustavy.
03:50
basicallyv podstatě everything that the nervousnervový systemSystém has to do.
89
215000
2000
03:52
So if we zoomzoom in to an even deeperhlouběji levelúroveň,
90
217000
3000
Teď zaostříme ještě o úroveň dál.
03:55
all of those proteinsproteinů
91
220000
2000
Všechny bílkoviny
03:57
are encodedkódování by our genomesgenomů.
92
222000
2000
jsou zakódované našimi geny.
03:59
We eachkaždý have 23 pairspáry of chromosomeschromozómy.
93
224000
3000
Každý máme 23 párů chromozomů.
04:02
We get one from mommaminka, one from dadTáto.
94
227000
2000
Jeden od mámy, jeden od táty.
04:04
And on these chromosomeschromozómy
95
229000
2000
Chromozomy zahrnují
04:06
are roughlyzhruba 25,000 genesgeny.
96
231000
2000
asi 25 tisíc genů.
04:08
They're encodedkódování in the DNADNA.
97
233000
2000
Jsou zakódované v DNA.
04:10
And the naturePříroda of a givendané cellbuňka
98
235000
3000
Funkce libovolné buňky,
vyplývající z její biochemie,
04:13
drivingřízení its underlyingzákladní biochemistrybiochemie
99
238000
2000
04:15
is dictateddiktováno by whichkterý of these 25,000 genesgeny
100
240000
3000
je dána tím, které z těch 25 tisíc
genů jsou zapnuté
04:18
are turnedobrátil se on
101
243000
2000
a v jaké míře jsou zapnuté.
04:20
and at what levelúroveň they're turnedobrátil se on.
102
245000
2000
04:22
And so our projectprojekt
103
247000
2000
Náš projekt
se snaží právě taková data zjišťovat.
04:24
is seekinghledání to look at this readoutodečet,
104
249000
3000
04:27
understandingporozumění whichkterý of these 25,000 genesgeny is turnedobrátil se on.
105
252000
3000
Zjišťovat, které geny
z těch 25 tisíc jsou zapnuté.
04:30
So in orderobjednat to undertakeprovést suchtakový a projectprojekt,
106
255000
3000
Pochopitelně, že k tomu
potřebujeme materiál v podobě mozků.
04:33
we obviouslyočividně need brainsmozky.
107
258000
3000
A tak vysíláme naše pomocníky.
(Smích.)
04:36
So we sentodesláno our lablaboratoř techniciantechnik out.
108
261000
3000
04:39
We were seekinghledání normalnormální humančlověk brainsmozky.
109
264000
2000
Hledáme normální lidské mozky.
04:41
What we actuallyvlastně startStart with
110
266000
2000
Obvykle takové hledání
04:43
is a medicallékařský examiner'sprůzkumové officekancelář.
111
268000
2000
začíná návštěvou patologa,
04:45
This a placemísto where the deadmrtví are broughtpřinesl in.
112
270000
2000
k němuž se vozí mrtvá těla.
04:47
We are seekinghledání normalnormální humančlověk brainsmozky.
113
272000
2000
Hledáme "normální" mozek.
04:49
There's a lot of criteriakritéria by whichkterý we're selectingvýběr these brainsmozky.
114
274000
3000
Vybíráme ho podle řady kritérií.
04:52
We want to make sure
115
277000
2000
Musí to být mozek normálního
člověka ve věku 20-60 let,
04:54
that we have normalnormální humanslidem betweenmezi the agesvěku of 20 to 60,
116
279000
3000
04:57
they diedzemřel a somewhatponěkud naturalpřírodní deathsmrt
117
282000
2000
který umřel přirozenou smrtí
a jeho mozek nebyl poškozen,
04:59
with no injuryzranění to the brainmozek,
118
284000
2000
05:01
no historydějiny of psychiatricPsychiatrická diseasechoroba,
119
286000
2000
netrpěl žádnou psychickou chorobou
a nebral drogy -
05:03
no drugsdrogy on boarddeska --
120
288000
2000
05:05
we do a toxicologytoxikologie workupvyšetření.
121
290000
2000
provádíme toxikologické vyšetření.
05:07
And we're very carefulopatrně
122
292000
2000
Na výběru mozku si tedy
dáváme velmi záležet.
05:09
about the brainsmozky that we do take.
123
294000
2000
05:11
We're alsotaké selectingvýběr for brainsmozky
124
296000
2000
Navíc vybíráme mozky,
u nichž můžeme odebrat tkáň
05:13
in whichkterý we can get the tissuetkáň,
125
298000
2000
05:15
we can get consentsouhlas to take the tissuetkáň
126
300000
2000
(a dostat k tomu povolení)
do 24 hodin od smrti.
05:17
withinv rámci 24 hourshodin of time of deathsmrt.
127
302000
2000
05:19
Because what we're tryingzkoušet to measureopatření, the RNARNA --
128
304000
3000
Abychom získali údaje o genech,
05:22
whichkterý is the readoutodečet from our genesgeny --
129
307000
2000
potřebujeme totiž získat RNA,
05:24
is very labilelabilní,
130
309000
2000
a ta je velmi nestabilní,
05:26
and so we have to movehýbat se very quicklyrychle.
131
311000
2000
a tak si musíme pospíšit.
05:28
One sideboční notePoznámka on the collectionsbírka of brainsmozky:
132
313000
3000
Ještě jedna poznámka na okraj:
05:31
because of the way that we collectsbírat,
133
316000
2000
kvůli kritériím výběru
05:33
and because we requirevyžadovat consentsouhlas,
134
318000
2000
a nutnosti mít povolení
05:35
we actuallyvlastně have a lot more malemužský brainsmozky than femaleženský brainsmozky.
135
320000
3000
máme o dost víc mužských
než ženských mozků.
05:38
MalesMuži are much more likelypravděpodobně to diezemřít an accidentalnáhodné deathsmrt in the primeprimární of theirjejich life.
136
323000
3000
Muži výrazně častěji
umírají na vrcholu sil
05:41
And menmuži are much more likelypravděpodobně
137
326000
2000
a jejich manželky nám dávají souhlas
k odběru mnohem ochotněji,
05:43
to have theirjejich significantvýznamný other, spousemanžela, give consentsouhlas
138
328000
3000
05:46
than the other way around.
139
331000
2000
než když je to v opačném gardu.
05:48
(LaughterSmích)
140
333000
4000
(Smích.)
05:52
So the first thing that we do at the sitestránky of collectionsbírka
141
337000
2000
Po výběru mozku nejdříve
uděláme takovýto snímek
05:54
is we collectsbírat what's calledvolal an MRMR.
142
339000
2000
s pomocí magnetické rezonance: MRI.
05:56
This is magneticmagnetický resonancerezonance imagingzpracování obrázků -- MRIMRI.
143
341000
2000
05:58
It's a standardStandard templatešablona by whichkterý we're going to hangpověsit the restodpočinek of this datadata.
144
343000
3000
Vznikne tak výchozí šablona,
kam doplňujeme další data.
06:01
So we collectsbírat this MRMR.
145
346000
2000
Snímky MRI jsou pro nás
něco jako satelitní mapy.
06:03
And you can think of this as our satellitedružice viewPohled for our mapmapa.
146
348000
2000
06:05
The nextdalší thing we do
147
350000
2000
Potom provedeme takzvanou
DTI traktografii.
06:07
is we collectsbírat what's calledvolal a diffusiondifúze tensorTenzor imagingzpracování obrázků.
148
352000
3000
06:10
This mapsmapy the largevelký cablingkabeláž in the brainmozek.
149
355000
2000
Ta v mozku zmapuje nervové dráhy.
06:12
And again, you can think of this
150
357000
2000
Je to něco jako mapa
vnitrostátních dálnic.
06:14
as almosttéměř mappingmapování our interstatemezistátní highwaysdálnic, if you will.
151
359000
2000
06:16
The brainmozek is removedodstraněno from the skulllebka,
152
361000
2000
Pak mozek vyjmeme z lebky
06:18
and then it's slicednakrájený into one-centimeterjeden centimetr slicesvýseče.
153
363000
3000
a nařežeme ho na centimetr silné plátky.
06:21
And those are frozenzamrzlý solidpevný,
154
366000
2000
Mozky jsou hluboce zmražené,
aby vydržely transport do Seattlu.
06:23
and they're shippeddodáno to SeattleSeattle.
155
368000
2000
06:25
And in SeattleSeattle, we take these --
156
370000
2000
Pak je bereme po celých hemisférách
06:27
this is a wholeCelý humančlověk hemispherepolokoule --
157
372000
2000
a řežeme na přístroji s čepelí,
vlastně je to takový kráječ masa.
06:29
and we put them into what's basicallyv podstatě a glorifiedvelebil meatmaso slicerNabídka výřezů.
158
374000
2000
06:31
There's a bladečepel here that's going to cutstřih acrosspřes
159
376000
2000
06:33
a sectionsekce of the tissuetkáň
160
378000
2000
Oddělenou tkáň pak položíme
na mikroskopické sklíčko.
06:35
and transferpřevod it to a microscopemikroskop slideskluzavka.
161
380000
2000
06:37
We're going to then applyaplikovat one of those stainsskvrny to it,
162
382000
2000
Pak do ní vpravíme barvivo
a naskenujeme ji.
06:39
and we scanskenovat it.
163
384000
2000
06:41
And then what we get is our first mappingmapování.
164
386000
3000
A odborníci na anatomii vyznačí
základní anatomické oblasti,
06:44
So this is where expertsOdborníci come in
165
389000
2000
čímž vytvoří naši první mapu.
06:46
and they make basiczákladní anatomicAnatomická assignmentspřiřazení.
166
391000
2000
06:48
You could considerzvážit this stateStát boundarieshranice, if you will,
167
393000
3000
Je to něco jako mapa států,
kde vidíte jasná ohraničení.
06:51
those prettydosti broadširoký outlinesobrysy.
168
396000
2000
06:53
From this, we're ableschopný to then fragmentfragment that brainmozek into furtherdále pieceskousky,
169
398000
4000
Potom můžeme mozek
rozdělit na další kousky,
06:57
whichkterý then we can put on a smallermenší cryostatKryostat.
170
402000
2000
které se vejdou do menšího kryostatu.
06:59
And this is just showingzobrazování this here --
171
404000
2000
Zmražená tkáň se dál nařeže na plátky
07:01
this frozenzamrzlý tissuetkáň, and it's beingbytost cutstřih.
172
406000
2000
07:03
This is 20 micronsmikronů thintenký, so this is about a babydítě hair'svlasy widthšířka.
173
408000
3000
tlusté 20 mikronů,
tedy jako dětský vlásek.
07:06
And rememberpamatovat, it's frozenzamrzlý.
174
411000
2000
Vše je pořád zmražené.
07:08
And so you can see here,
175
413000
2000
Tady vidíte, že pracujeme
i postaru, se štětečkem.
07:10
old-fashionedstaromódní technologytechnika of the paintbrushštětec beingbytost appliedaplikovaný.
176
415000
2000
07:12
We take a microscopemikroskop slideskluzavka.
177
417000
2000
Potom vezmeme mikroskopické sklíčko
07:14
Then we very carefullyopatrně melttaveniny ontona the slideskluzavka.
178
419000
3000
a opatrně do něj tkáň vtiskneme.
07:17
This will then go ontona a robotrobot
179
422000
2000
Později na to bude roboticky
aplikováno barvivo.
07:19
that's going to applyaplikovat one of those stainsskvrny to it.
180
424000
3000
07:26
And our anatomistsanatomové are going to go in and take a deeperhlouběji look at this.
181
431000
3000
Takhle to pak naši anatomové
07:29
So again this is what they can see underpod the microscopemikroskop.
182
434000
2000
podrobně vidí pod mikroskopem.
07:31
You can see collectionssbírky and configurationskonfigurací
183
436000
2000
Jsou to soubory různě nahloučených
a uspořádaných velkých i malých buněk.
07:33
of largevelký and smallmalý cellsbuněk
184
438000
2000
07:35
in clustersclustery and variousrozličný placesmísta.
185
440000
2000
07:37
And from there it's routinerutinní. They understandrozumět where to make these assignmentspřiřazení.
186
442000
2000
Anatomové pak určí jednotlivé části
07:39
And they can make basicallyv podstatě what's a referenceodkaz atlasAtlas.
187
444000
3000
a vznikne něco jako popisný atlas
či propracovanější mapa.
07:42
This is a more detailedPodrobné mapmapa.
188
447000
2000
07:44
Our scientistsvědců then use this
189
449000
2000
S pomocí tohoto přístroje pak vědci
zkoumají další části tkáně
07:46
to go back to anotherdalší piecekus of that tissuetkáň
190
451000
3000
07:49
and do what's calledvolal laserlaser scanningsnímání microdissectionmicrodissection.
191
454000
2000
a provádějí mikrořezy s pomocí laseru.
07:51
So the techniciantechnik takes the instructionsinstrukce.
192
456000
3000
To znamená, že technici podle instrukcí
vyznačí určitou oblast,
07:54
They scribepísař alongpodél a placemísto there.
193
459000
2000
07:56
And then the laserlaser actuallyvlastně cutsřezy.
194
461000
2000
a potom ji vyřízne laser
(ta modrá tečka na monitoru).
07:58
You can see that bluemodrý dottečka there cuttingřezání. And that tissuetkáň fallspadá off.
195
463000
3000
Tady vidíte, jak to probíhá v reálu
na mikroskopickém sklíčku.
08:01
You can see on the microscopemikroskop slideskluzavka here,
196
466000
2000
08:03
that's what's happeninghappening in realnemovitý time.
197
468000
2000
08:05
There's a containerkontejner underneathpod that's collectingshromažďování that tissuetkáň.
198
470000
3000
Vespod je nádobka,
kam ta tkáň odpadne.
08:08
We take that tissuetkáň,
199
473000
2000
A my z té tkáně za použití běžné
techniky dostaneme RNA.
08:10
we purifyočistit the RNARNA out of it
200
475000
2000
08:12
usingpoužitím some basiczákladní technologytechnika,
201
477000
2000
08:14
and then we put a florescentzářivky tagZnačka on it.
202
479000
2000
Tu RNA označíme fluorescenční značkou
a celé to potom vložíme na destičku
08:16
We take that taggedobsahujících materialmateriál
203
481000
2000
08:18
and we put it on to something calledvolal a microarrayDNA čip.
204
483000
3000
zvanou "DNA čip".
08:21
Now this maysmět look like a bunchchomáč of dotsDots to you,
205
486000
2000
Asi vám to připadá jako změť teček,
08:23
but eachkaždý one of these individualindividuální dotsDots
206
488000
2000
ale jsou to vlastně
08:25
is actuallyvlastně a uniqueunikátní piecekus of the humančlověk genomegenomu
207
490000
2000
jedinečné části lidského genomu,
08:27
that we spottedskvrnitý down on glasssklenka.
208
492000
2000
který jsme umístili na destičku.
08:29
This has roughlyzhruba 60,000 elementsPrvky on it,
209
494000
3000
Takových částí je tu asi 60 tisíc.
08:32
so we repeatedlyopakovaně measureopatření variousrozličný genesgeny
210
497000
3000
My takto opakovaně zkoumáme
různé geny celého genomu.
08:35
of the 25,000 genesgeny in the genomegenomu.
211
500000
2000
08:37
And when we take a samplevzorek and we hybridizekřížit it to it,
212
502000
3000
Provádíme takzvanou hybridizaci
08:40
we get a uniqueunikátní fingerprintotisk prstu, if you will,
213
505000
2000
a získáváme něco jako
jedinečný otisk prstu,
08:42
quantitativelykvantitativně of what genesgeny are turnedobrátil se on in that samplevzorek.
214
507000
3000
kvantitativní obraz genů,
jež jsou zapnuté.
08:45
Now we do this over and over again,
215
510000
2000
A to děláme pořád dokola na všech
zkoumaných mozcích.
08:47
this processproces for any givendané brainmozek.
216
512000
3000
08:50
We're takingpřijmout over a thousandtisíc samplesVzorky for eachkaždý brainmozek.
217
515000
3000
Z každého z nich získáme
přes tisíc vzorků.
08:53
This areaplocha shownzobrazeno here is an areaplocha calledvolal the hippocampushippocampus.
218
518000
3000
Tady vidíte oblast zvanou hipokampus.
08:56
It's involvedzapojeno in learningučení se and memoryPaměť.
219
521000
2000
Podílí se na procesech učení a paměti.
08:58
And it contributespřispívá to about 70 samplesVzorky
220
523000
3000
Z celkové tisícovky vzorků
jich je asi 70 právě odsud.
09:01
of those thousandtisíc samplesVzorky.
221
526000
2000
09:03
So eachkaždý samplevzorek getsdostane us about 50,000 datadata pointsbodů
222
528000
4000
V každém vzorku je asi 50 tisíc
"teček" čili dat.
09:07
with repeatopakovat measurementsMěření, a thousandtisíc samplesVzorky.
223
532000
3000
Z jednoho mozku máme tisíc vzorků.
09:10
So roughlyzhruba, we have 50 millionmilión datadata pointsbodů
224
535000
2000
Tudíž z každého mozku získáme
zhruba 50 milionů dat.
09:12
for a givendané humančlověk brainmozek.
225
537000
2000
09:14
We'veMáme doneHotovo right now
226
539000
2000
Zatím jsme nasbírali data
odpovídající dvěma mozkům.
09:16
two humančlověk brains-worthmozek-stojí za to of datadata.
227
541000
2000
09:18
We'veMáme put all of that togetherspolu
228
543000
2000
Dali jsme to všechno dohromady
09:20
into one thing,
229
545000
2000
a teď vám ukážu výslednou syntézu.
09:22
and I'll showshow you what that synthesissyntéza looksvzhled like.
230
547000
2000
09:24
It's basicallyv podstatě a largevelký datadata setsoubor of informationinformace
231
549000
3000
Vznikla vlastně ohromná databáze informací
09:27
that's all freelysvobodně availabledostupný to any scientistvědec around the worldsvět.
232
552000
3000
volně dostupných vědcům z celého světa.
09:30
They don't even have to loglog in to come use this toolnástroj,
233
555000
3000
Nemusí se nikam přihlašovat;
můžou data hned čerpat
09:33
minetěžit this datadata, find interestingzajímavý things out with this.
234
558000
4000
a hledat, co je zajímá.
09:37
So here'stady je the modalitieszpůsoby that we put togetherspolu.
235
562000
3000
Tohle je tedy náš výstup.
09:40
You'llYou'll startStart to recognizeuznat these things from what we'vejsme collectedshromážděno before.
236
565000
3000
Budete v něm poznávat,
co už jsme si ukázali.
09:43
Here'sTady je the MRMR. It providesposkytuje the frameworkrámec.
237
568000
2000
Tohle je výchozí šablona MRI.
09:45
There's an operatoroperátor sideboční on the right that allowsumožňuje you to turnotočit se,
238
570000
3000
S pomocí ovládání napravo
si můžete mozek natáčet,
09:48
it allowsumožňuje you to zoomzoom in,
239
573000
2000
přibližovat si ho
09:50
it allowsumožňuje you to highlightzvýraznění individualindividuální structuresstruktury.
240
575000
3000
nebo si prohlížet konkrétní struktury.
09:53
But mostvětšina importantlydůležité,
241
578000
2000
Hlavně však
09:55
we're now mappingmapování into this anatomicAnatomická frameworkrámec,
242
580000
3000
můžeme na tomto názorném
anatomickém podkladu
09:58
whichkterý is a commonběžný frameworkrámec for people to understandrozumět where genesgeny are turnedobrátil se on.
243
583000
3000
mapovat oblasti, v nichž je
ten který gen zapnutý.
10:01
So the redČervené levelsúrovně
244
586000
2000
V těch červených oblastech je
daný gen hojně zapnutý.
10:03
are where a genegen is turnedobrátil se on to a great degreestupeň.
245
588000
2000
10:05
GreenZelená is the sorttřídění of coolchladný areasoblasti where it's not turnedobrátil se on.
246
590000
3000
V zelených oblastech je
daný gen naopak vypnutý.
10:08
And eachkaždý genegen givesdává us a fingerprintotisk prstu.
247
593000
2000
Každý gen má takovýto "otisk prstu".
10:10
And rememberpamatovat that we'vejsme assayedanalyzovány all the 25,000 genesgeny in the genomegenomu
248
595000
5000
A těch otisků je v každém genomu 25 tisíc
10:15
and have all of that datadata availabledostupný.
249
600000
4000
a my jsme je všechny zpřístupnili.
10:19
So what can scientistsvědců learnUčit se about this datadata?
250
604000
2000
Co z těch "otisků" mohou vědci zjistit?
My sami to teprve zkoumáme.
10:21
We're just startingzačínající to look at this datadata ourselvessebe.
251
606000
3000
10:24
There's some basiczákladní things that you would want to understandrozumět.
252
609000
3000
Ale máme okruh základních problémů.
10:27
Two great examplespříklady are drugsdrogy,
253
612000
2000
Skvělým příkladem jsou léky
jako Prozac a Wellbutrin.
10:29
ProzacProzac and WellbutrinWellbutrin.
254
614000
2000
10:31
These are commonlyběžně prescribedpředepsané antidepressantsantidepresiva.
255
616000
3000
Jsou to hojně předepisovaná antidepresiva.
10:34
Now rememberpamatovat, we're assayingprubířství genesgeny.
256
619000
2000
My sice zkoumáme geny,
10:36
GenesGeny sendposlat the instructionsinstrukce to make proteinsproteinů.
257
621000
3000
ale na základě genových instrukcí
vznikají bílkoviny
10:39
ProteinsBílkoviny are targetscílů for drugsdrogy.
258
624000
2000
- a na bílkoviny působí léky.
10:41
So drugsdrogy bindsvázat to proteinsproteinů
259
626000
2000
Léky se mohou vázat na bílkoviny
a například je vypínat.
10:43
and eitherbuď turnotočit se them off, etcatd.
260
628000
2000
10:45
So if you want to understandrozumět the actionakce of drugsdrogy,
261
630000
2000
Pochopit, jak účinkují léky,
10:47
you want to understandrozumět how they're actingherectví in the wayszpůsoby you want them to,
262
632000
3000
znamená pochopit jejich žádoucí,
ale i nežádoucí účinky na bílkoviny.
10:50
and alsotaké in the wayszpůsoby you don't want them to.
263
635000
2000
10:52
In the sideboční effectúčinek profileProfil, etcatd.,
264
637000
2000
Vedlejší účinky jsou ovlivněné tím,
kde jsou zapnuté určité geny.
10:54
you want to see where those genesgeny are turnedobrátil se on.
265
639000
2000
10:56
And for the first time, we can actuallyvlastně do that.
266
641000
2000
A my to teď umíme zjišťovat.
Navíc máme vzorky z více jedinců.
10:58
We can do that in multiplenásobek individualsJednotlivci that we'vejsme assayedanalyzovány too.
267
643000
3000
11:01
So now we can look throughoutpo celou dobu the brainmozek.
268
646000
3000
Můžeme vidět cokoli,
co v mozku je.
11:04
We can see this uniqueunikátní fingerprintotisk prstu.
269
649000
2000
Máme "otisk prstu" od každého genu.
Snadno tak zjistíme,
11:06
And we get confirmationpotvrzení.
270
651000
2000
11:08
We get confirmationpotvrzení that, indeedVskutku, the genegen is turnedobrátil se on --
271
653000
3000
jestli jsou například zapnuté
určité geny v serotoninové oblasti,
11:11
for something like ProzacProzac,
272
656000
2000
11:13
in serotonergicSerotonergní structuresstruktury, things that are alreadyjiž knownznámý be affectedpostižené --
273
658000
3000
o které víme,
že na ni působí Prozac.
11:16
but we alsotaké get to see the wholeCelý thing.
274
661000
2000
Ale potom taky můžeme prozkoumat
další oblasti, a pokud tam
11:18
We alsotaké get to see areasoblasti that no one has ever lookedpodíval se at before,
275
663000
2000
11:20
and we see these genesgeny turnedobrátil se on there.
276
665000
2000
najdeme zapnuté tytéž geny,
11:22
It's as interestingzajímavý a sideboční effectúčinek as it could be.
277
667000
3000
víme, že tam hrozí vedlejší účinky.
11:25
One other thing you can do with suchtakový a thing
278
670000
2000
A můžeme dělat i další věci.
11:27
is you can, because it's a patternvzor matchingpárování exercisecvičení,
279
672000
3000
Náš postup je založen na srovnávání
"otisků prstů" v databázi.
11:30
because there's uniqueunikátní fingerprintotisk prstu,
280
675000
2000
11:32
we can actuallyvlastně scanskenovat throughpřes the entirecelý genomegenomu
281
677000
2000
Můžeme tedy napříč celým genomem
11:34
and find other proteinsproteinů
282
679000
2000
hledat bílkoviny s podobným
"otiskem prstu".
11:36
that showshow a similarpodobný fingerprintotisk prstu.
283
681000
2000
11:38
So if you're in druglék discoveryobjev, for examplepříklad,
284
683000
3000
Při vývoji léků si tak například můžete
11:41
you can go throughpřes
285
686000
2000
prohlédnout všechny bílkoviny,
11:43
an entirecelý listingvýpis of what the genomegenomu has on offernabídka
286
688000
2000
které má genom "na skladě",
11:45
to find perhapsmožná better druglék targetscílů and optimizeoptimalizovat.
287
690000
4000
a optimalizovat léky, aby působily
na co nejvhodnější cíle.
11:49
MostVětšina of you are probablypravděpodobně familiarznát
288
694000
2000
Většina z vás asi zná studie
o genetické podmíněnosti
11:51
with genome-widecelého genomu associationsdružení studiesstudie
289
696000
2000
11:53
in the formformulář of people coveringKrycí in the newszprávy
290
698000
3000
v podobě novinových zpráv typu:
11:56
sayingrčení, "ScientistsVědci have recentlynedávno discoveredobjevil the genegen or genesgeny
291
701000
3000
"Vědci právě objevili gen,
který je zodpovědný za to či ono."
11:59
whichkterý affectpostihnout X."
292
704000
2000
12:01
And so these kindsdruhy of studiesstudie
293
706000
2000
Takové studie jsou běžné
a vznikají na základě rozborů
12:03
are routinelyrutinně publishedpublikováno by scientistsvědců
294
708000
2000
12:05
and they're great. They analyzeanalyzovat largevelký populationspopulací.
295
710000
2000
celých genomů u velkých
vzorků populace.
12:07
They look at theirjejich entirecelý genomesgenomů,
296
712000
2000
12:09
and they try to find hothorký spotsskvrny of activityaktivita
297
714000
2000
Vědci v nich hledají žhavé kandidáty
na projevy zapříčiněné geny.
12:11
that are linkedspojené causallyvpříčinné to genesgeny.
298
716000
3000
12:14
But what you get out of suchtakový an exercisecvičení
299
719000
2000
Tímhle postupem ale získáte
pouze seznam genů,
12:16
is simplyjednoduše a listseznam of genesgeny.
300
721000
2000
12:18
It tellsvypráví you the what, but it doesn't tell you the where.
301
723000
3000
aniž víte, kde jsou ty geny zapnuté.
12:21
And so it's very importantdůležité for those researchersvýzkumných pracovníků
302
726000
3000
My jsme teď takovým výzkumníkům
poskytli velmi důležitou možnost,
12:24
that we'vejsme createdvytvořeno this resourcezdroje.
303
729000
2000
12:26
Now they can come in
304
731000
2000
aby získali povědomí o projevech genů.
12:28
and they can startStart to get cluesstopy about activityaktivita.
305
733000
2000
12:30
They can startStart to look at commonběžný pathwayscesty --
306
735000
2000
Mohou zkoumat tzv. "společné cesty"
[common pathways], což dříve nemohli.
12:32
other things that they simplyjednoduše haven'tnemáte been ableschopný to do before.
307
737000
3000
12:36
So I think this audiencepublikum in particularkonkrétní
308
741000
3000
Vy všichni tady jistě dobře víte,
12:39
can understandrozumět the importancedůležitost of individualityindividualita.
309
744000
3000
jak důležitá je individualita.
12:42
And I think everykaždý humančlověk,
310
747000
2000
Všichni víme, že každý člověk má
12:44
we all have differentodlišný geneticgenetický backgroundspozadí,
311
749000
4000
jinou genetickou výbavu
12:48
we all have livedžil separatesamostatný livesživoty.
312
753000
2000
a vede trochu jiný život.
12:50
But the factskutečnost is
313
755000
2000
Přesto platí,
12:52
our genomesgenomů are greatervětší than 99 percentprocent similarpodobný.
314
757000
3000
že naše genomy si jsou
z více než 99 % podobné.
12:55
We're similarpodobný at the geneticgenetický levelúroveň.
315
760000
3000
Geneticky jsme si velmi podobní.
12:58
And what we're findingnález
316
763000
2000
A jak jsme zjistili, jsme si
dost podobní i s ohledem
13:00
is actuallyvlastně, even at the brainmozek biochemicalbiochemické levelúroveň,
317
765000
2000
13:02
we are quitedocela similarpodobný.
318
767000
2000
na biochemii mozku.
13:04
And so this showsukazuje it's not 99 percentprocent,
319
769000
2000
Není to sice 99 %,
ale střízlivá horní hranice
13:06
but it's roughlyzhruba 90 percentprocent correspondencekorespondence
320
771000
2000
13:08
at a reasonablerozumné cutoffodříznutí,
321
773000
3000
může být asi 90 %,
13:11
so everything in the cloudmrak is roughlyzhruba correlatedkorelují.
322
776000
2000
takže základ je vesměs stejný.
13:13
And then we find some outliersodlehlé hodnoty,
323
778000
2000
Jsou tu ovšem i odchylky;
věci, co nepatří do průniku.
13:15
some things that lielhát beyondmimo the cloudmrak.
324
780000
3000
13:18
And those genesgeny are interestingzajímavý,
325
783000
2000
Jde o velmi zajímavé,
ale nepatrné geny.
13:20
but they're very subtlejemné.
326
785000
2000
13:22
So I think it's an importantdůležité messagezpráva
327
787000
3000
Tento poznatek stojí za to
vypíchnout a pamatovat na něj.
13:25
to take home todaydnes
328
790000
2000
13:27
that even thoughačkoli we celebrateslavit all of our differencesrozdíly,
329
792000
3000
Ačkoli oslavujeme naši rozmanitost,
jsme si docela podobní
13:30
we are quitedocela similarpodobný
330
795000
2000
13:32
even at the brainmozek levelúroveň.
331
797000
2000
- i z pohledu našich mozků.
13:34
Now what do those differencesrozdíly look like?
332
799000
2000
Jak ale vypadají rozdíly?
13:36
This is an examplepříklad of a studystudie that we did
333
801000
2000
Tohle je příkladová studie,
13:38
to follownásledovat up and see what exactlypřesně those differencesrozdíly were --
334
803000
2000
kde jsme po takových rozdílech pátrali,
ale jsou jen drobné.
13:40
and they're quitedocela subtlejemné.
335
805000
2000
13:42
These are things where genesgeny are turnedobrátil se on in an individualindividuální cellbuňka typetyp.
336
807000
4000
Zkoumali jsme, jak jsou geny zapnuté
u jednotlivých typů buněk.
13:46
These are two genesgeny that we foundnalezeno as good examplespříklady.
337
811000
3000
Tohle jsou dva geny
vybrané jako příklad.
13:49
One is calledvolal RELNRELN -- it's involvedzapojeno in earlybrzy developmentalvývojové cuestága.
338
814000
3000
Gen RELN hraje roli při raném
vývoji mozku.
13:52
DISCDISK1 is a genegen
339
817000
2000
Narušení genu DISC1 je
spojováno se schizofrenií.
13:54
that's deletedvymazána in schizophreniaschizofrenie.
340
819000
2000
13:56
These aren'tnejsou schizophrenicschizofrenní individualsJednotlivci,
341
821000
2000
Tyhle vzorky nejsou od schizofreniků,
ale vykazují určitou variabilitu.
13:58
but they do showshow some populationpopulace variationvariace.
342
823000
3000
14:01
And so what you're looking at here
343
826000
2000
Můžete proto vidět,
že vzorky od dárců 1 a 4
14:03
in donordárce one and donordárce fourčtyři,
344
828000
2000
14:05
whichkterý are the exceptionsvýjimky to the other two,
345
830000
2000
mají na rozdíl od ostatních
14:07
that genesgeny are beingbytost turnedobrátil se on
346
832000
2000
tyto geny zapnuté u specifické
podmnožiny buněk.
14:09
in a very specificcharakteristický subsetpodmnožina of cellsbuněk.
347
834000
2000
14:11
It's this darktemný purplenachový precipitatesraženina withinv rámci the cellbuňka
348
836000
3000
To nám prozrazují ty temně
fialové sraženiny.
14:14
that's tellingvyprávění us a genegen is turnedobrátil se on there.
349
839000
3000
Nevíme, zda je to dáno geneticky
nebo okolnostmi vývoje.
14:17
WhetherZda má být or not that's duez důvodu
350
842000
2000
14:19
to an individual'sjedince geneticgenetický backgroundPozadí or theirjejich experienceszkušenosti,
351
844000
2000
14:21
we don't know.
352
846000
2000
14:23
Those kindsdruhy of studiesstudie requirevyžadovat much largervětší populationspopulací.
353
848000
3000
Potřebovali bychom mnohem
větší vzorek populace.
14:28
So I'm going to leavezanechat, opustit you with a finalfinále notePoznámka
354
853000
2000
Na závěr lze tedy říci,
že mozek je nesmírně složitý
14:30
about the complexitysložitost of the brainmozek
355
855000
3000
a pořád nám toho zbývá spoustu zjistit.
14:33
and how much more we have to go.
356
858000
2000
14:35
I think these resourceszdroje are incrediblyneuvěřitelně valuablecenný.
357
860000
2000
Naše databáze je mimořádně cenná.
Poskytuje vědcům určitá vodítka.
14:37
They give researchersvýzkumných pracovníků a handleRukojeť
358
862000
2000
14:39
on where to go.
359
864000
2000
14:41
But we only lookedpodíval se at a handfulhrstka of individualsJednotlivci at this pointbod.
360
866000
3000
Musíme však analyzovat větší
počet mozků. Zatím jich máme jen pár.
14:44
We're certainlyrozhodně going to be looking at more.
361
869000
2000
14:46
I'll just closezavřít by sayingrčení
362
871000
2000
Rozloučím se konstatováním,
že nástroje máme,
14:48
that the toolsnástroje are there,
363
873000
2000
14:50
and this is trulyopravdu an unexploredneprozkoumané, undiscoveredneobjevené continentkontinent.
364
875000
4000
ale stále před námi leží
neprobádaný kontinent.
14:54
This is the newNový frontierhranice, if you will.
365
879000
4000
Leží před nám
neznámé teritorium.
14:58
And so for those who are undauntedneohrožený,
366
883000
2000
Před složitostí mozku musíme mít respekt,
15:00
but humbledponížil by the complexitysložitost of the brainmozek,
367
885000
2000
ale zároveň se nezaleknout.
15:02
the futurebudoucnost awaitsčeká na.
368
887000
2000
To je cesta k budoucnosti.
Děkuji.
15:04
ThanksDík.
369
889000
2000
15:06
(ApplausePotlesk)
370
891000
9000
(Potlesk.)
Translated by Honza Prokes
Reviewed by Ivan Prokůpek

▲Back to top

ABOUT THE SPEAKER
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.

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 >>

More profile about the speaker
Allan Jones | Speaker | TED.com