TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Et kort over hjernen
Filmed:
Readability: 4.4
1,269,611 views
Hvordan kan vi begynde at forstå måden hvorpå hjernen virker? På samme måde som vi begynder at forstå en by: Ved at lave et kort. I dette visuelt betagende foredrag, viser Allan Jones hvordan hans team kortlægger hvilke gener der bliver tændt i hver lille region, og hvordan det alt sammen er forbundet.
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
Mennesker har længe haft en fascination
00:17
for the human brain.
1
2000
2000
af den menneskelige hjerne.
00:19
We chart it, we've described it,
2
4000
3000
Vi skemalagt den, vi har beskrevet den,
00:22
we've drawn it,
3
7000
2000
vi har tegnet den,
00:24
we've mapped it.
4
9000
3000
vi har kortlagt den.
00:27
Now just like the physical maps of our world
5
12000
3000
Ligesom de fysiske kort i vores verden
00:30
that have been highly influenced by technology --
6
15000
3000
der er blevet særdeles påvirket af teknologi --
00:33
think Google Maps,
7
18000
2000
tænk på Google Maps,
00:35
think GPS --
8
20000
2000
tænk på GPS --
00:37
the same thing is happening for brain mapping
9
22000
2000
det samme sker for at kortlægge hjernen
00:39
through transformation.
10
24000
2000
gennem transformation.
00:41
So let's take a look at the brain.
11
26000
2000
Så lad os kaste et blik på hjernen.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
De fleste mennesker, når de for første gang kigger på en frisk menneske hjerne
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
siger de, "Det ligner ikke det som man typisk kigger på
00:49
when someone shows you a brain."
14
34000
2000
når nogen viser en en hjerne."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Typisk, det man kigger på er en fikseret hjerne. Den er grå.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Og dette ydre lag, dette er blodkarvævet,
00:56
which is incredible, around a human brain.
17
41000
2000
som er utroligt, rundt om den menneskelige hjerne.
00:58
This is the blood vessels.
18
43000
2000
Dette er blodkarene.
01:00
20 percent of the oxygen
19
45000
3000
20 procent af ilten
01:03
coming from your lungs,
20
48000
2000
kommer fra ens lunger,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 procent af blodet der bliver pumpet fra ens hjerte,
01:07
is servicing this one organ.
22
52000
2000
servicerer dette ene organ.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Det er dybest set, hvis man holder to knytnæver sammen,
01:11
it's just slightly larger than the two fists.
24
56000
2000
er den lidt større end de to knytnæver.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Forskere, mere eller mindre fra slutningen af det 20. århundrede,
01:16
learned that they could track blood flow
26
61000
2000
lærte at de kunne spore blodtilførslen
01:18
to map non-invasively
27
63000
3000
for non-invasivt at kortlægge
01:21
where activity was going on in the human brain.
28
66000
3000
hvor aktiviteten foregik i den menneskelige hjerne.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Så for eksempel, de kan se i den bagerste del af hjernen,
01:27
which is just turning around there.
30
72000
2000
som bare vender sig rundt her.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Der er lillehjernen; det er den der holder en oprejst lige nu.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Den holder mig oprejst. Den er involveret i koordineret bevægelse.
01:34
On the side here, this is temporal cortex.
33
79000
3000
I den ene side her, er dette er den temporale cortex.
01:37
This is the area where primary auditory processing --
34
82000
3000
Dette er området hvor den primære auditive behandling foregår --
01:40
so you're hearing my words,
35
85000
2000
så I hører mine ord,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
I sender det op til de højere sprogbehandlingscentre.
01:44
Towards the front of the brain
37
89000
2000
I den forreste del af hjernen
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
er stedet hvor alle de mere komplekse tanker, beslutningstagning --
01:49
it's the last to mature in late adulthood.
39
94000
4000
det er det sidste der modnes sent i voksenlivet.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Det er der al ens beslutningstagning foregår.
01:56
It's the place where you're deciding right now
41
101000
2000
Det er stedet hvor I lige nu beslutter
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
at I nok ikke vil bestille steaken til aftensmad.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Så hvis man kigger nærmere på hjernen,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
en af de ting, hvis man ser på det i tværsnit,
02:05
what you can see
45
110000
2000
det man kan se
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
er at man faktisk ikke kan se en masse struktur der.
02:10
But there's actually a lot of structure there.
47
115000
2000
Men der er faktisk en masse struktur.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Det er celler og det er ledninger altsammen forbundet.
02:14
So about a hundred years ago,
49
119000
2000
Så for cirka hundrede år siden,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
opfandt forskere en stof der kunne farve celler.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Og det bliver vist her i meget lyst blåt.
02:21
You can see areas
52
126000
2000
Man kan se områderne
02:23
where neuronal cell bodies are being stained.
53
128000
2000
hvor de neuronale celler er farvet.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Og det man kan se er meget ujævnt. Man kan se meget mere struktur der.
02:28
So the outer part of that brain
55
133000
2000
Så den ydre del af den hjerne
02:30
is the neocortex.
56
135000
2000
er neocortex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Det er en kontinuerlig databehandlingsenhed, om man vil.
02:35
But you can also see things underneath there as well.
58
140000
2000
Men man kan også se ting derunder.
02:37
And all of these blank areas
59
142000
2000
Og alle disse blanke områder
02:39
are the areas in which the wires are running through.
60
144000
2000
er de områder som forbindelserne går gennem.
02:41
They're probably less cell dense.
61
146000
2000
Det er muligvis ikke så tætte celler.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Så der er cirka 86 milliarder neuroner i vores hjerne.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Og som I kan se, er de fordelt meget ujævnt.
02:50
And how they're distributed really contributes
64
155000
2000
Og hvordan de er blevet fordelt medvirker
02:52
to their underlying function.
65
157000
2000
til deres underliggende funktion.
02:54
And of course, as I mentioned before,
66
159000
2000
Og selvfølgelig, som jeg nævnte før,
02:56
since we can now start to map brain function,
67
161000
3000
siden vi nu kan begynde at kortlægge hjernefunktionerne,
02:59
we can start to tie these into the individual cells.
68
164000
3000
kan vi begynde at knytte disse til de individuelle celler.
03:02
So let's take a deeper look.
69
167000
2000
Så lad os kaste et nærmere blik.
03:04
Let's look at neurons.
70
169000
2000
Lad os se på neuronerne.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Som jeg nævnte, er der 86 milliarder neuroner.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Der er også disse mindre celler som I kan se.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Dette er støtteceller -- astrocytes glia.
03:12
And the nerves themselves
74
177000
3000
Og selve nerverne
03:15
are the ones who are receiving input.
75
180000
2000
er dem der modtager input.
03:17
They're storing it, they're processing it.
76
182000
2000
De opbevarer det, de behandler det.
03:19
Each neuron is connected via synapses
77
184000
4000
Hver neuron er forbundet via synapser
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
til op til 10.000 andre neuroner i ens hjerne.
03:26
And each neuron itself
79
191000
2000
Og hver neuron er i sig selv
03:28
is largely unique.
80
193000
2000
stort set unik.
03:30
The unique character of both individual neurons
81
195000
2000
Den unikke karakter af både individuelle neuroner
03:32
and neurons within a collection of the brain
82
197000
2000
og neuroner i en samling i hjernen
03:34
are driven by fundamental properties
83
199000
3000
bliver drevet af fundamentale egenskaber
03:37
of their underlying biochemistry.
84
202000
2000
af deres underliggende biokemi.
03:39
These are proteins.
85
204000
2000
Dette er proteiner.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Det er proteiner der styrer ting som ionkanal bevægelsen.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
De styrer hvem celler i nervesystemet danner par med.
03:48
And they're controlling
88
213000
2000
Og de styrer
03:50
basically everything that the nervous system has to do.
89
215000
2000
dybest set alt som det nervesystemet skal gøre.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Så hvis vi zoomer in på et endnu dybere niveau,
03:55
all of those proteins
91
220000
2000
alle disse proteiner
03:57
are encoded by our genomes.
92
222000
2000
der er kodet af vores gener.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Vi har hver især 23 kromosompar.
04:02
We get one from mom, one from dad.
94
227000
2000
Vi får et af vores mor, et af vores far.
04:04
And on these chromosomes
95
229000
2000
Og på disse kromosomer
04:06
are roughly 25,000 genes.
96
231000
2000
er det stort set 25.000 gener.
04:08
They're encoded in the DNA.
97
233000
2000
De er inkodet i DNA'et.
04:10
And the nature of a given cell
98
235000
3000
Og en given celles natur
04:13
driving its underlying biochemistry
99
238000
2000
driver dens underliggende biokemi
04:15
is dictated by which of these 25,000 genes
100
240000
3000
bliver dikteret af hvilke af disse 25.000 gener
04:18
are turned on
101
243000
2000
der bliver tændt
04:20
and at what level they're turned on.
102
245000
2000
og på hvilket niveau de bliver tændt på.
04:22
And so our project
103
247000
2000
Så vores projekt
04:24
is seeking to look at this readout,
104
249000
3000
er at forsøge at se på denne udskrift,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
og forstå hvilke af disse 25.000 gener der bliver tændt.
04:30
So in order to undertake such a project,
106
255000
3000
Så for at begynde sådan et stort projekt,
04:33
we obviously need brains.
107
258000
3000
havde vi tydeligvis brug for hjerner.
04:36
So we sent our lab technician out.
108
261000
3000
Så vi sendte vores laboratorietekniker i byen.
04:39
We were seeking normal human brains.
109
264000
2000
Vi søgte normale menneskelige hjerner.
04:41
What we actually start with
110
266000
2000
Det vi sædvanligvis begynder med
04:43
is a medical examiner's office.
111
268000
2000
er retsmedicinerens kontor.
04:45
This a place where the dead are brought in.
112
270000
2000
Dette er et sted hvor de døde kommer ind.
04:47
We are seeking normal human brains.
113
272000
2000
Vi søger normale menneskelige hjerner.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Der er en masse kriterier som vi vælger disse hjerner ud fra.
04:52
We want to make sure
115
277000
2000
Vi vil være sikre på
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
at vi har normale menneskelige hjerner i alderen mellem 20 og 60,
04:57
they died a somewhat natural death
117
282000
2000
at de døde af naturlige årsager
04:59
with no injury to the brain,
118
284000
2000
uden skader på hjernen,
05:01
no history of psychiatric disease,
119
286000
2000
ingen historie af psykiatriske lidelser,
05:03
no drugs on board --
120
288000
2000
ingen narkotikum om bord --
05:05
we do a toxicology workup.
121
290000
2000
vi laver en toksikologisk prøve.
05:07
And we're very careful
122
292000
2000
Og vi er meget forsigtige
05:09
about the brains that we do take.
123
294000
2000
med de hjerner vi udvælger.
05:11
We're also selecting for brains
124
296000
2000
Vi udvælger også hjerner
05:13
in which we can get the tissue,
125
298000
2000
hvor vi kan få det væv,
05:15
we can get consent to take the tissue
126
300000
2000
hvor vi kan få tilladelse til at tage det væv
05:17
within 24 hours of time of death.
127
302000
2000
indenfor 24 timer efter dødstidspunktet.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Fordi det vi prøver at måle, RNA'et --
05:22
which is the readout from our genes --
129
307000
2000
som er aflæsningen af vores gener --
05:24
is very labile,
130
309000
2000
er meget ustabil,
05:26
and so we have to move very quickly.
131
311000
2000
så vi skal skynde os.
05:28
One side note on the collection of brains:
132
313000
3000
En sidebemærkning til samlingen af hjerner:
05:31
because of the way that we collect,
133
316000
2000
På grund af måden vi indsamler dem på,
05:33
and because we require consent,
134
318000
2000
og på grund af at vi kræver tilladelse,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
har vi faktisk mange flere mandlige hjerner end kvindlige hjerner.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Det er meget mere sandsynligt for mænd at dø en utilsigtet død i deres bedste alder.
05:41
And men are much more likely
137
326000
2000
Og det er meget mere sandsynligt at mænds
05:43
to have their significant other, spouse, give consent
138
328000
3000
bedre halvdel, kone, giver tilladelse
05:46
than the other way around.
139
331000
2000
end omvendt.
05:48
(Laughter)
140
333000
4000
(Latter)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Så den første ting vi gør det sted hvor vi indsamler
05:54
is we collect what's called an MR.
142
339000
2000
er at vi laver det der hedder en MR.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Det er magnetisk resonanstomografi -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Det er en standard skabelon som vi passer resten af vores data på.
06:01
So we collect this MR.
145
346000
2000
Så vi indsamler denne MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Og man kan se på dette som vores fugleperspektiv på vores kort.
06:05
The next thing we do
147
350000
2000
Det næste vi gør
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
er at vi indsamler det der hedder diffusion tensor imaging.
06:10
This maps the large cabling in the brain.
149
355000
2000
Dette kortlægger den store mængde forbindelser i hjernen.
06:12
And again, you can think of this
150
357000
2000
Og igen, man kan se på dette
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
som næsten det at kortlægge vores motorveje, om man vil.
06:16
The brain is removed from the skull,
152
361000
2000
Hjernen fjernes fra kraniet,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
og så bliver den skåret i en-centimeter tykke skiver.
06:21
And those are frozen solid,
154
366000
2000
Og de bliver frosset,
06:23
and they're shipped to Seattle.
155
368000
2000
og de bliver sendt til Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
Og i Seattle, tager vi disse --
06:27
this is a whole human hemisphere --
157
372000
2000
dette er hele den menneskelige hemisfære --
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
og vi lægger dem i det der dybest set er en avanceret pålægsmaskine.
06:31
There's a blade here that's going to cut across
159
376000
2000
Der er en klinge her som skærer gennem
06:33
a section of the tissue
160
378000
2000
en section af vævet
06:35
and transfer it to a microscope slide.
161
380000
2000
og flytter den til et objektglas.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Vi påfører så en af disse farver på det,
06:39
and we scan it.
163
384000
2000
og vi scanner det.
06:41
And then what we get is our first mapping.
164
386000
3000
Og det vi så får er vores første kortlægning.
06:44
So this is where experts come in
165
389000
2000
Så det er her eksperterne kommer ind
06:46
and they make basic anatomic assignments.
166
391000
2000
og de laver basale anatomiske opgaver.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Man kunne opfatte dette som delstatsgrænser, om man vil,
06:51
those pretty broad outlines.
168
396000
2000
de temmelig brede skitser.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Fra dette, er vi i stand til at dele hjernen i flere dele,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
som vi så kan lægge i en mindre cryostat.
06:59
And this is just showing this here --
171
404000
2000
Og dette viser kun det her --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
dette frosne væv, og det bliver skåret.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Dette er 20 my tykt, så dette er cirka bredden på et babyhår.
07:06
And remember, it's frozen.
174
411000
2000
Og husk på, at det er frossen.
07:08
And so you can see here,
175
413000
2000
Så her kan man se,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
den gammeldagse penselteknologi blive brugt.
07:12
We take a microscope slide.
177
417000
2000
Vi kan tage et objektglas.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Så smelter vi det meget forsigtigt på objektglasset.
07:17
This will then go onto a robot
179
422000
2000
Det vil så komme ind i robotten
07:19
that's going to apply one of those stains to it.
180
424000
3000
der vil putte en af farverne i det.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Og vores anatomister vil gå ind og kaste et nærmere blik på det.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Så igen, dette er hvad de ser under et mikroskop.
07:31
You can see collections and configurations
183
436000
2000
Man kan se samlingerne og konfigurationerne
07:33
of large and small cells
184
438000
2000
af store og små celler
07:35
in clusters and various places.
185
440000
2000
i klynger og forskellige steder.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Og derfra er det routine. De ved hvor de skal lave disse opgaver.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Og de kan lave det der dybest set er et reference kort.
07:42
This is a more detailed map.
188
447000
2000
Dette er et mere detaljeret kort.
07:44
Our scientists then use this
189
449000
2000
Vores forskere bruger så dette
07:46
to go back to another piece of that tissue
190
451000
3000
for at gå tilbage til et andet stykke af det væv
07:49
and do what's called laser scanning microdissection.
191
454000
2000
og lave det der hedder laser scanning microdissection.
07:51
So the technician takes the instructions.
192
456000
3000
Så teknikeren tager instruktionerne.
07:54
They scribe along a place there.
193
459000
2000
De skriver et sted der.
07:56
And then the laser actually cuts.
194
461000
2000
Og så skærer laseren faktisk.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Man kan se at den blå prik der skærer. Og det væv falder af.
08:01
You can see on the microscope slide here,
196
466000
2000
Man kan se det på objektglasset her,
08:03
that's what's happening in real time.
197
468000
2000
det er hvad der sker i real time.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Der er en container derunder der opsamler det væv.
08:08
We take that tissue,
199
473000
2000
Vi tager det væv,
08:10
we purify the RNA out of it
200
475000
2000
vi renser RNA ud af det
08:12
using some basic technology,
201
477000
2000
ved at bruge noget basal teknologi,
08:14
and then we put a florescent tag on it.
202
479000
2000
og så putter vi et selvlysende mærke på det.
08:16
We take that tagged material
203
481000
2000
Vi tager det mærkede materiale
08:18
and we put it on to something called a microarray.
204
483000
3000
og vi putter på noget der hedder en microarray.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Nu ligner dette måske en stak prikker for jer,
08:23
but each one of these individual dots
206
488000
2000
men hver af disse individuelle prikker
08:25
is actually a unique piece of the human genome
207
490000
2000
er faktisk et unikt stykke menneskelig genom
08:27
that we spotted down on glass.
208
492000
2000
som vi har set nede på glasset.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Der er groft set 60.000 elementer på det,
08:32
so we repeatedly measure various genes
210
497000
3000
så vi måler gentagne gange forskellige gener
08:35
of the 25,000 genes in the genome.
211
500000
2000
af de 25.000 gener i genomet.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Og når vi tager en prøve og vi hybridiserer det til det,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
får vi et unikt fingeraftryk, om man vil,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
kvantitativt af hvilke gener der bliver tændt i den prøve.
08:45
Now we do this over and over again,
215
510000
2000
Dette gør vi igen og igen,
08:47
this process for any given brain.
216
512000
3000
denne process for enhver given hjerne.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Vi tager mere end tusind prøver for hver hjerne.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Det område der bliver vist her hedder hippocampus.
08:56
It's involved in learning and memory.
219
521000
2000
Den er involveret i læring og hukommelse.
08:58
And it contributes to about 70 samples
220
523000
3000
Og den bidrager til cirka 70 prøver
09:01
of those thousand samples.
221
526000
2000
af de tusind prøver.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Så hver prøve giver os cirka 50.000 datapunkter
09:07
with repeat measurements, a thousand samples.
223
532000
3000
med gentagede målinger, et tusind prøver.
09:10
So roughly, we have 50 million data points
224
535000
2000
Så groft set, har vi 50 millioner datapunkter
09:12
for a given human brain.
225
537000
2000
for enhver given menneskelig hjerne.
09:14
We've done right now
226
539000
2000
Vi har indtil videre lavet
09:16
two human brains-worth of data.
227
541000
2000
to menneskehjerner af data.
09:18
We've put all of that together
228
543000
2000
Vi har sat det alt sammen
09:20
into one thing,
229
545000
2000
til en ting,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
og jeg vil vise jer hvordan den syntese ser ud.
09:24
It's basically a large data set of information
231
549000
3000
Det er dybest set et stort data sæt med information
09:27
that's all freely available to any scientist around the world.
232
552000
3000
der er frit tilgængeligt for enhver forsker rundt om i verden.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
De behøver ikke at logge ind for at komme og bruge dette værktøj,
09:33
mine this data, find interesting things out with this.
234
558000
4000
udvinde denne data, finde ud af interessante ting med dette.
09:37
So here's the modalities that we put together.
235
562000
3000
Så her er behandlingsmetoderne som vi har sat sammen.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Man begynder at genkende disse ting fra det vi har indsamlet før.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Her er MR'en. Den leverer strukturen.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Der er en operatør side på højre side der tillader en at vende,
09:48
it allows you to zoom in,
239
573000
2000
den tillader en at zoome ind,
09:50
it allows you to highlight individual structures.
240
575000
3000
den tillader en at fremhæve individuelle strukturer.
09:53
But most importantly,
241
578000
2000
Men vigtigst af alt,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
vi kortlægger nu ind i denne anatomiske struktur,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
som er en almindelig struktur for mennesker at forstå hvor generne bliver tændt af en.
10:01
So the red levels
244
586000
2000
Så de røde niveauer
10:03
are where a gene is turned on to a great degree.
245
588000
2000
er hvor et gen bliver tændt i en meget høj grad.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Grøn er en slags kølige områder hvor det ikke er tændt.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Og hvert gen giver os et fingeraftryk.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Og husk på at vi har analyseret alle 25.000 gener i genomet
10:15
and have all of that data available.
249
600000
4000
og har al den data til rådighed.
10:19
So what can scientists learn about this data?
250
604000
2000
Så hvad kan forskere lære om disse data?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Vi er kun begyndt at kigge på denne data selv.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Der er nogle basale ting som man skal forstå.
10:27
Two great examples are drugs,
253
612000
2000
To fremragende eksempler er lægemidler,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac og Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Dette er almindeligt udskrevne antidepressiv medicin.
10:34
Now remember, we're assaying genes.
256
619000
2000
Husk på, at vi analyserer gener.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Gener sender instruktioner om at lave proteiner.
10:39
Proteins are targets for drugs.
258
624000
2000
Proteiner er mål for lægemidler.
10:41
So drugs bind to proteins
259
626000
2000
Så lægemidler binder sig til proteiner
10:43
and either turn them off, etc.
260
628000
2000
og enten slukker for dem, etc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Så hvis man vil forstå lægemidlers virkemidler,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
skal man forstå hvordan de virker på de måder man gerne vil have dem til,
10:50
and also in the ways you don't want them to.
263
635000
2000
og også på de måder som man ikke vil have dem til.
10:52
In the side effect profile, etc.,
264
637000
2000
Sideeffekt profilen, etc.,
10:54
you want to see where those genes are turned on.
265
639000
2000
man skal se hvor de gener bliver tændt.
10:56
And for the first time, we can actually do that.
266
641000
2000
Og for første gang, kan vi faktisk gøre det.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Vi kan gøre det i forskellige individer som vi også har analyseret.
11:01
So now we can look throughout the brain.
268
646000
3000
Så nu kan vi kigge hele vejen gennem hjernen.
11:04
We can see this unique fingerprint.
269
649000
2000
Vi kan se dette unikke fingeraftryk.
11:06
And we get confirmation.
270
651000
2000
Og vi bliver bekræftet.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Vi får bekræftelse at, bestemt, generne bliver tændt --
11:11
for something like Prozac,
272
656000
2000
for noget som Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
i serotonerge strukturer, ting der med sikkerhed bliver påvirket --
11:16
but we also get to see the whole thing.
274
661000
2000
men vi kommer også til at se det hele.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Vi kommer også til at se områder som ingen anden nogensinde har kigget på før,
11:20
and we see these genes turned on there.
276
665000
2000
og vi ser disse gener bliver tændt der.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Det er en så interessant sideeffekt som det kunne være.
11:25
One other thing you can do with such a thing
278
670000
2000
En anden ting man kan gøre med sådan noget
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
er at man kan, fordi det er en mønstersøgende øvelse,
11:30
because there's unique fingerprint,
280
675000
2000
fordi det er unikke fingeraftryk,
11:32
we can actually scan through the entire genome
281
677000
2000
kan vi faktisk scanne gennem hele genomet
11:34
and find other proteins
282
679000
2000
og finde andre proteiner
11:36
that show a similar fingerprint.
283
681000
2000
der viser lignende fingeraftryk.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Så hvis man arbejder med opdagelsen af lægemidler, for eksempel,
11:41
you can go through
285
686000
2000
kan man gå gennem
11:43
an entire listing of what the genome has on offer
286
688000
2000
en hel liste over hvad genomet kan tilbyde
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
for måske at finde bedre mål for lægemidlet og optimere det.
11:49
Most of you are probably familiar
288
694000
2000
De fleste af jer er sikkert bekendte
11:51
with genome-wide association studies
289
696000
2000
med genome-bredde associations studier
11:53
in the form of people covering in the news
290
698000
3000
på den måde at mennesker dækker det i nyheder
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
og siger, "Forskere har for nylig opdaget genet eller generne
11:59
which affect X."
292
704000
2000
der påvirker X."
12:01
And so these kinds of studies
293
706000
2000
Så denne slags studier
12:03
are routinely published by scientists
294
708000
2000
bliver publiceret regelmæssigt af forskere
12:05
and they're great. They analyze large populations.
295
710000
2000
og de er fantastiske. De analyserer store befolkningsgrupper.
12:07
They look at their entire genomes,
296
712000
2000
De kigger på hele genomet,
12:09
and they try to find hot spots of activity
297
714000
2000
og de prøver at finde hotspots med aktivitet
12:11
that are linked causally to genes.
298
716000
3000
der er forbundet tilfældigt til genet.
12:14
But what you get out of such an exercise
299
719000
2000
Men det man får ud af sådan en øvelse
12:16
is simply a list of genes.
300
721000
2000
er ganske enkelt en liste over gener.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Det fortæller en hvad, men det fortæller ikke en hvor.
12:21
And so it's very important for those researchers
302
726000
3000
Så det er meget vigtigt for de forskere
12:24
that we've created this resource.
303
729000
2000
at vi har skabt denne ressource.
12:26
Now they can come in
304
731000
2000
Nu kan de komme ind
12:28
and they can start to get clues about activity.
305
733000
2000
og de kan begynde at få ledetråde omkring aktivitet.
12:30
They can start to look at common pathways --
306
735000
2000
De kan begynde at se almene veje --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
andre ting som de simpelthen ikke har været i stand til at gøre før.
12:36
So I think this audience in particular
308
741000
3000
Så jeg mener især dette publikum
12:39
can understand the importance of individuality.
309
744000
3000
kan forstå vigtigheden af individualitet.
12:42
And I think every human,
310
747000
2000
Og jeg mener at alle mennesker,
12:44
we all have different genetic backgrounds,
311
749000
4000
vi har alle forskellige genetiske baggrunde,
12:48
we all have lived separate lives.
312
753000
2000
vi har alle levet separate liv.
12:50
But the fact is
313
755000
2000
Men faktum er,
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
at vores genom er mere end 99 procent ens.
12:55
We're similar at the genetic level.
315
760000
3000
Vi er ens på genetisk niveau.
12:58
And what we're finding
316
763000
2000
Og det vi konstaterer
13:00
is actually, even at the brain biochemical level,
317
765000
2000
er faktisk, at selv på hjernens biokemiske niveau,
13:02
we are quite similar.
318
767000
2000
er vi temmelig ens.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Så dette viser at det ikke er 99 procent,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
men det er groft set 90 procent sammenfald
13:08
at a reasonable cutoff,
321
773000
3000
ved en rimelig afskæring,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
så alt i skyen hænger groft set sammen.
13:13
And then we find some outliers,
323
778000
2000
Og så finder vi nogle afvigelser,
13:15
some things that lie beyond the cloud.
324
780000
3000
nogle ting der ligger uden for skyen.
13:18
And those genes are interesting,
325
783000
2000
Og de gener er interessante,
13:20
but they're very subtle.
326
785000
2000
men de er meget subtile.
13:22
So I think it's an important message
327
787000
3000
Så jeg mener det er et vigtigt budskab
13:25
to take home today
328
790000
2000
at tage med hjem i dag
13:27
that even though we celebrate all of our differences,
329
792000
3000
at selvom vi fejrer alle vores forskelligheder,
13:30
we are quite similar
330
795000
2000
er vi temmelig ens
13:32
even at the brain level.
331
797000
2000
selv på hjerneniveau.
13:34
Now what do those differences look like?
332
799000
2000
Men hvordan ser de forskelle ud?
13:36
This is an example of a study that we did
333
801000
2000
Dette er et eksempel på et studie vi lavede
13:38
to follow up and see what exactly those differences were --
334
803000
2000
til opfølgning og se hvilke forskelle der faktisk var --
13:40
and they're quite subtle.
335
805000
2000
og de er ret subtile.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Dette er ting hvor generne bliver tændt i en individuel celletype.
13:46
These are two genes that we found as good examples.
337
811000
3000
Dette er to gener som vi fandt ud af var gode eksempler.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Den ene hedder RELN -- den er involveret i den tidlige udvikling.
13:52
DISC1 is a gene
339
817000
2000
DISC1 er et gen
13:54
that's deleted in schizophrenia.
340
819000
2000
der bliver fjernet ved skizofreni.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Dette er ikke skizofrene individer,
13:58
but they do show some population variation.
342
823000
3000
men de viser en variation af befolkningen.
14:01
And so what you're looking at here
343
826000
2000
Så det man se på her
14:03
in donor one and donor four,
344
828000
2000
i donor et og donor fire,
14:05
which are the exceptions to the other two,
345
830000
2000
som er undtagelsen fra de to andre,
14:07
that genes are being turned on
346
832000
2000
er at gener bliver tændt
14:09
in a very specific subset of cells.
347
834000
2000
på et meget specifikt delmængde celler.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Det er dette mørke lilla bundfald inden i cellen
14:14
that's telling us a gene is turned on there.
349
839000
3000
der fortæller os at et gen er tændt.
14:17
Whether or not that's due
350
842000
2000
Om det kommer an på
14:19
to an individual's genetic background or their experiences,
351
844000
2000
et individs genetiske baggrund eller deres oplevelser,
14:21
we don't know.
352
846000
2000
det ved vi ikke.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Denne slags studier kræver meget større populationer.
14:28
So I'm going to leave you with a final note
354
853000
2000
Så jeg vil forlade jer med en sidste bemærkning
14:30
about the complexity of the brain
355
855000
3000
om hjernens kompleksitet
14:33
and how much more we have to go.
356
858000
2000
og hvor meget mere vi skal gøre.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Jeg mener at disse ressourcer er utrolig værdifulde.
14:37
They give researchers a handle
358
862000
2000
De giver forskere en pejling
14:39
on where to go.
359
864000
2000
af hvor de skal hen.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Men vi har kun kigget på en håndfuld individer indtil nu.
14:44
We're certainly going to be looking at more.
361
869000
2000
Vi skal ganske givet se på mere.
14:46
I'll just close by saying
362
871000
2000
Jeg vil slutte af med at sige
14:48
that the tools are there,
363
873000
2000
at værktøjerne er her,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
og dette er virkelig et uudforsket, uopdaget kontinent.
14:54
This is the new frontier, if you will.
365
879000
4000
Dette er det nye grænseområde, om man vil.
14:58
And so for those who are undaunted,
366
883000
2000
Så for dem der er frygtløse,
15:00
but humbled by the complexity of the brain,
367
885000
2000
men ydmyge overfor kompleksiteten af hjernen,
15:02
the future awaits.
368
887000
2000
venter fremtiden.
15:04
Thanks.
369
889000
2000
Tak.
15:06
(Applause)
370
891000
9000
(Bifald)
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