TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: un mapa del cerebro
Filmed:
Readability: 4.4
1,269,611 views
¿Cómo empezar a entender el funcionamiento del cerebro? De la misma manera que empezamos a entender una ciudad: haciendo un mapa. En esta charla de alto impacto visual, Allan Jones muestra cómo su equipo cartografía los genes que se activan en cada pequeña región, y cómo todo se conecta con todo.
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
A los seres humanos siempre nos
00:17
for the human brain.
1
2000
2000
ha fascinado el cerebro.
00:19
We chart it, we've described it,
2
4000
3000
Lo graficamos, lo describimos,
00:22
we've drawn it,
3
7000
2000
lo dibujamos,
00:24
we've mapped it.
4
9000
3000
lo cartografiamos.
00:27
Now just like the physical maps of our world
5
12000
3000
Igual que la tecnología
00:30
that have been highly influenced by technology --
6
15000
3000
afectó a la cartografía,
00:33
think Google Maps,
7
18000
2000
piensen en Google Maps,
00:35
think GPS --
8
20000
2000
en el GPS,
00:37
the same thing is happening for brain mapping
9
22000
2000
ocurre la misma transformación
00:39
through transformation.
10
24000
2000
en los mapas del cerebro.
00:41
So let's take a look at the brain.
11
26000
2000
Miremos el cerebro.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Mucha gente al ver un cerebro real por primera vez
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
dice: "no se parece a lo que se ve generalmente
00:49
when someone shows you a brain."
14
34000
2000
cuando alguien muestra un cerebro".
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
En general se ve un cerebro estático, gris.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Esta capa exterior es la vasculatura;
00:56
which is incredible, around a human brain.
17
41000
2000
algo que recubre al cerebro humano.
00:58
This is the blood vessels.
18
43000
2000
Estos son los vasos sanguíneos.
01:00
20 percent of the oxygen
19
45000
3000
El cerebro recibe oxígeno
01:03
coming from your lungs,
20
48000
2000
en un 20% de los pulmones,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
el 20% de la sangre
01:07
is servicing this one organ.
22
52000
2000
que bombea el corazón.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Básicamente, si juntamos los dos puños
01:11
it's just slightly larger than the two fists.
24
56000
2000
es un poco más grande que los dos puños.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
A finales del siglo XX los científicos
01:16
learned that they could track blood flow
26
61000
2000
aprendieron a hacer mapas no invasivos
01:18
to map non-invasively
27
63000
3000
siguiendo el flujo sanguíneo,
01:21
where activity was going on in the human brain.
28
66000
3000
para detectar actividad en el cerebro.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Por ejemplo, vean la parte negra del cerebro
01:27
which is just turning around there.
30
72000
2000
que gira ahora hacia allí.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Ese es el cerebelo; que ahora nos mantiene erguidos.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Me mantiene de pie. Participa en los movimientos coordinados.
01:34
On the side here, this is temporal cortex.
33
79000
3000
A un lado, aquí tenemos la corteza temporal.
01:37
This is the area where primary auditory processing --
34
82000
3000
Ahí ocurre el procesamiento auditivo primario,
01:40
so you're hearing my words,
35
85000
2000
por eso oyen mis palabras
01:42
you're sending it up into higher language processing centers.
36
87000
2000
y las envían a los centros de procesamiento del lenguaje.
01:44
Towards the front of the brain
37
89000
2000
Hacia la parte frontal del cerebro
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
ocurre el pensamiento más complejo, la toma de decisiones...
01:49
it's the last to mature in late adulthood.
39
94000
4000
es lo último que madura en la adultez tardía.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Aquí ocurren todos los procesos de toma de decisiones.
01:56
It's the place where you're deciding right now
41
101000
2000
Es el lugar en el que ahora deciden
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
que no pedirán carne en la cena.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Mirando el cerebro más de cerca,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
si lo miramos en un corte transversal,
02:05
what you can see
45
110000
2000
podemos advertir
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
que no se ve allí gran estructura.
02:10
But there's actually a lot of structure there.
47
115000
2000
Pero sí hay una gran estructura.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Hay células y conexiones, todo está conectado.
02:14
So about a hundred years ago,
49
119000
2000
Hace unos cien años
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
algunos científicos inventaron una tintura celular.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Aquí se ve en celeste.
02:21
You can see areas
52
126000
2000
Se ven zonas
02:23
where neuronal cell bodies are being stained.
53
128000
2000
con cuerpos celulares normales coloreados.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Como ven es muy irregular. Se ve una gran estructura.
02:28
So the outer part of that brain
55
133000
2000
La parte exterior del cerebro
02:30
is the neocortex.
56
135000
2000
es el neocórtex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
La unidad de procesamiento continuo, si se quiere.
02:35
But you can also see things underneath there as well.
58
140000
2000
Pero ven debajo de eso también.
02:37
And all of these blank areas
59
142000
2000
Y en esas zonas blancas
02:39
are the areas in which the wires are running through.
60
144000
2000
están las zonas por las que pasan las conexiones.
02:41
They're probably less cell dense.
61
146000
2000
Quizá haya menor densidad celular.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Hay unas 86.000 millones de neuronas en el cerebro.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Y, como ven, distribuidas de manera muy irregular.
02:50
And how they're distributed really contributes
64
155000
2000
Esta distribución contribuye realmente
02:52
to their underlying function.
65
157000
2000
a sus funciones subyacentes.
02:54
And of course, as I mentioned before,
66
159000
2000
Y, claro, como dije antes,
02:56
since we can now start to map brain function,
67
161000
3000
como ahora podemos mapear la función cerebral
02:59
we can start to tie these into the individual cells.
68
164000
3000
podemos llegar a las células individuales.
03:02
So let's take a deeper look.
69
167000
2000
Veamos en más detalle.
03:04
Let's look at neurons.
70
169000
2000
Veamos las neuronas.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Como dije, hay 86.000 millones de neuronas.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Además hay células más pequeñas, como verán.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Estas son células de apoyo; astrocitos.
03:12
And the nerves themselves
74
177000
3000
Y los propios nervios
03:15
are the ones who are receiving input.
75
180000
2000
reciben la entrada.
03:17
They're storing it, they're processing it.
76
182000
2000
La almacenan y la procesan.
03:19
Each neuron is connected via synapses
77
184000
4000
Cada neurona se conecta por sinapsis
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
hasta con 10.000 neuronas.
03:26
And each neuron itself
79
191000
2000
Y cada neurona,
03:28
is largely unique.
80
193000
2000
en gran medida, es única.
03:30
The unique character of both individual neurons
81
195000
2000
El carácter único de las neuronas individuales
03:32
and neurons within a collection of the brain
82
197000
2000
y de las neuronas en el conjunto del cerebro
03:34
are driven by fundamental properties
83
199000
3000
sigue las propiedades fundamentales
03:37
of their underlying biochemistry.
84
202000
2000
de su bioquímica subyacente.
03:39
These are proteins.
85
204000
2000
Estas son las proteínas,
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
que controlan el movimiento de los canales iónicos.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Controlan qué célula del sistema nervioso se relaciona con otra.
03:48
And they're controlling
88
213000
2000
Y, básicamente, controlan
03:50
basically everything that the nervous system has to do.
89
215000
2000
todo lo que tiene que hacer el sistema nervioso.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Así que si nos acercamos aún más
03:55
all of those proteins
91
220000
2000
todas esas proteínas
03:57
are encoded by our genomes.
92
222000
2000
están codificadas en el genoma.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Todos tenemos 23 pares de cromosomas:
04:02
We get one from mom, one from dad.
94
227000
2000
uno de mamá y uno de papá.
04:04
And on these chromosomes
95
229000
2000
Y en estos cromosomas
04:06
are roughly 25,000 genes.
96
231000
2000
hay unos 25.000 genes.
04:08
They're encoded in the DNA.
97
233000
2000
Están codificados en el ADN.
04:10
And the nature of a given cell
98
235000
3000
Y la naturaleza de una célula,
04:13
driving its underlying biochemistry
99
238000
2000
que guía su bioquímica subyacente,
04:15
is dictated by which of these 25,000 genes
100
240000
3000
depende de cuál de esos 25.000 genes
04:18
are turned on
101
243000
2000
está activado
04:20
and at what level they're turned on.
102
245000
2000
y del nivel de activación.
04:22
And so our project
103
247000
2000
Nuestro proyecto
04:24
is seeking to look at this readout,
104
249000
3000
intenta observar esta lectura
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
y entender cuáles de estos 25.000 genes están activados.
04:30
So in order to undertake such a project,
106
255000
3000
Para realizar un proyecto así
04:33
we obviously need brains.
107
258000
3000
obviamente necesitamos cerebros.
04:36
So we sent our lab technician out.
108
261000
3000
Mandamos a nuestros técnicos
04:39
We were seeking normal human brains.
109
264000
2000
en busca de cerebros normales.
04:41
What we actually start with
110
266000
2000
Empezamos en la oficina
04:43
is a medical examiner's office.
111
268000
2000
de un médico forense.
04:45
This a place where the dead are brought in.
112
270000
2000
Allí llevan a los muertos.
04:47
We are seeking normal human brains.
113
272000
2000
Buscamos cerebros normales.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Seguimos varios criterios al seleccionar cerebros.
04:52
We want to make sure
115
277000
2000
Queremos asegurarnos
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
que son de humanos normales de entre 20 y 60 años
04:57
they died a somewhat natural death
117
282000
2000
que tuvieron una muerte natural
04:59
with no injury to the brain,
118
284000
2000
sin lesiones cerebrales
05:01
no history of psychiatric disease,
119
286000
2000
ni antecedentes de enfermedad psiquiátrica,
05:03
no drugs on board --
120
288000
2000
ni presencia de drogas.
05:05
we do a toxicology workup.
121
290000
2000
Hacemos análisis toxicológicos.
05:07
And we're very careful
122
292000
2000
Somos muy cuidadosos
05:09
about the brains that we do take.
123
294000
2000
con los cerebros que seleccionamos.
05:11
We're also selecting for brains
124
296000
2000
Otra condición es que
05:13
in which we can get the tissue,
125
298000
2000
podamos obtener el tejido;
05:15
we can get consent to take the tissue
126
300000
2000
el consentimiento para tomar el tejido
05:17
within 24 hours of time of death.
127
302000
2000
dentro de las 24 horas de la muerte.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Porque tratamos de medir el ARN
05:22
which is the readout from our genes --
129
307000
2000
-la lectura de nuestros genes-
05:24
is very labile,
130
309000
2000
es muy lábil,
05:26
and so we have to move very quickly.
131
311000
2000
por eso tenemos que movernos con rapidez.
05:28
One side note on the collection of brains:
132
313000
3000
Una nota al margen de la selección de cerebros:
05:31
because of the way that we collect,
133
316000
2000
debido al modo de recolección
05:33
and because we require consent,
134
318000
2000
y dado que hace falta consentimiento,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
tenemos más cerebros masculinos que femeninos.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Los hombres son más propensos a morir en accidentes en la flor de la vida.
05:41
And men are much more likely
137
326000
2000
Y es mucho más probable obtener
05:43
to have their significant other, spouse, give consent
138
328000
3000
el consentimiento del cónyuge, la esposa,
05:46
than the other way around.
139
331000
2000
que al revés.
05:48
(Laughter)
140
333000
4000
(Risas)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Lo primero que hacemos en el lugar de recolección
05:54
is we collect what's called an MR.
142
339000
2000
es recolectar lo que se llama RM.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Es decir, una imagen de resonancia magnética o IRM.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Es una plantilla estándar sobre la que estructuraremos el resto de los datos.
06:01
So we collect this MR.
145
346000
2000
Así que recolectamos RM.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Podemos pensarlo como una vista satelital del mapa.
06:05
The next thing we do
147
350000
2000
Luego recolectamos
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
imágenes con tensores de difusión:
06:10
This maps the large cabling in the brain.
149
355000
2000
el mapa del gran cableado del cerebro.
06:12
And again, you can think of this
150
357000
2000
De nuevo, pueden pensarlo
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
como si cartografiaramos las rutas provinciales.
06:16
The brain is removed from the skull,
152
361000
2000
Se extrae el cerebro del cráneo
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
y luego se corta en rodajas de un cm.
06:21
And those are frozen solid,
154
366000
2000
Todo se congela
06:23
and they're shipped to Seattle.
155
368000
2000
y se envía a Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
Allí, tomamos...
06:27
this is a whole human hemisphere --
157
372000
2000
esto es un hemisferio completo,
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
y lo pasamos por esta cortadora de carne venida a más.
06:31
There's a blade here that's going to cut across
159
376000
2000
Hay una hoja que corta
06:33
a section of the tissue
160
378000
2000
una sección del tejido
06:35
and transfer it to a microscope slide.
161
380000
2000
y se transfiere al portaobjetos.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Luego la coloreamos
06:39
and we scan it.
163
384000
2000
y la escaneamos.
06:41
And then what we get is our first mapping.
164
386000
3000
Así construimos nuestro primer mapa.
06:44
So this is where experts come in
165
389000
2000
Aquí entran en juego los expertos
06:46
and they make basic anatomic assignments.
166
391000
2000
que realizan tareas básicas de anatomía.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Pueden pensarlo como fronteras entre provincias,
06:51
those pretty broad outlines.
168
396000
2000
esas líneas bastante gruesas.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
A partir de esto podemos fragmentar el cerebro en trozos
06:57
which then we can put on a smaller cryostat.
170
402000
2000
que luego pondremos en un criostato más pequeño.
06:59
And this is just showing this here --
171
404000
2000
Aquí mostramos
07:01
this frozen tissue, and it's being cut.
172
406000
2000
este tejido congelado, que se corta.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Tiene 20 micrones de espesor, como el cabello de un bebé.
07:06
And remember, it's frozen.
174
411000
2000
Y recuerden, está congelado.
07:08
And so you can see here,
175
413000
2000
Aquí ven
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
que se usa la vieja tecnología del pincel.
07:12
We take a microscope slide.
177
417000
2000
Tomamos un portaobjetos.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Luego derretimos la lámina cuidadosamente.
07:17
This will then go onto a robot
179
422000
2000
Después pasa por un robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
que lo colorea
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
para que los anatomistas lo observen en detalle.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Esto es lo que se verá bajo el microscopio.
07:31
You can see collections and configurations
183
436000
2000
Se ven conjuntos y configuraciones
07:33
of large and small cells
184
438000
2000
de células grandes y pequeñas
07:35
in clusters and various places.
185
440000
2000
en grupos y en varios lugares.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
A partir de ahí es rutina. Ellos saben dónde trabajar.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Y construyen un atlas de referencia.
07:42
This is a more detailed map.
188
447000
2000
Este es un mapa más detallado.
07:44
Our scientists then use this
189
449000
2000
Los científicos usan esto
07:46
to go back to another piece of that tissue
190
451000
3000
para volver a otra pieza de tejido
07:49
and do what's called laser scanning microdissection.
191
454000
2000
y hacer la microdisección láser.
07:51
So the technician takes the instructions.
192
456000
3000
El técnico toma las instrucciones,
07:54
They scribe along a place there.
193
459000
2000
escribe por allí
07:56
And then the laser actually cuts.
194
461000
2000
y luego el láser corta.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Allí ven el corte del punto azul. Y ese tejido se desprende.
08:01
You can see on the microscope slide here,
196
466000
2000
Pueden ver en el portaobjetos
08:03
that's what's happening in real time.
197
468000
2000
lo que sucede en tiempo real.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Debajo hay un contenedor que recolecta ese tejido.
08:08
We take that tissue,
199
473000
2000
Tomamos ese tejido
08:10
we purify the RNA out of it
200
475000
2000
purificamos su ARN
08:12
using some basic technology,
201
477000
2000
mediante varias tecnologías básicas
08:14
and then we put a florescent tag on it.
202
479000
2000
y luego le ponemos una etiqueta fluorescente.
08:16
We take that tagged material
203
481000
2000
Tomamos el material etiquetado
08:18
and we put it on to something called a microarray.
204
483000
3000
y lo ponemos en algo llamado micromatriz.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Esto parece un puñado de puntos
08:23
but each one of these individual dots
206
488000
2000
pero cada uno de estos puntos
08:25
is actually a unique piece of the human genome
207
490000
2000
es una pieza única del genoma humano
08:27
that we spotted down on glass.
208
492000
2000
que identificamos en un cristal.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Esto contiene unos 60.000 elementos
08:32
so we repeatedly measure various genes
210
497000
3000
así que medimos muchas veces varios genes
08:35
of the 25,000 genes in the genome.
211
500000
2000
de los 25.000 genes del genoma.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Y al tomar una muestra e hibridarla con eso
08:40
we get a unique fingerprint, if you will,
213
505000
2000
obtenemos una huella única, si se quiere,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
que cuantifica los genes activos en la muestra.
08:45
Now we do this over and over again,
215
510000
2000
Hacemos esto una y otra vez
08:47
this process for any given brain.
216
512000
3000
para cada cerebro.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
De cada cerebro tomamos más de mil muestras.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Esta zona de aquí es el hipocampo.
08:56
It's involved in learning and memory.
219
521000
2000
Se relaciona con el aprendizaje y la memoria
08:58
And it contributes to about 70 samples
220
523000
3000
y contribuye con cerca de 70 muestras
09:01
of those thousand samples.
221
526000
2000
de esas miles.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Por eso cada muestra nos da unos 50.000 datos
09:07
with repeat measurements, a thousand samples.
223
532000
3000
con medidas repetidas, y hay unas mil muestras.
09:10
So roughly, we have 50 million data points
224
535000
2000
Hay unos 50 millones de datos
09:12
for a given human brain.
225
537000
2000
para cada cerebro.
09:14
We've done right now
226
539000
2000
Hasta ahora tenemos datos
09:16
two human brains-worth of data.
227
541000
2000
equivalentes a dos cerebros.
09:18
We've put all of that together
228
543000
2000
Hemos juntado todo
09:20
into one thing,
229
545000
2000
en una sola cosa
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
y les mostraré el aspecto de esa síntesis.
09:24
It's basically a large data set of information
231
549000
3000
Básicamente es un gran conjunto de información
09:27
that's all freely available to any scientist around the world.
232
552000
3000
disponible gratis para cualquier científico del mundo.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Ni siquiera deben registrarse para usar esta herramienta
09:33
mine this data, find interesting things out with this.
234
558000
4000
para analizar los datos y encontrar algo interesante.
09:37
So here's the modalities that we put together.
235
562000
3000
Estas son las modalidades que consolidamos.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Empezarán a reconocer cosas a partir de lo ya habíamos recolectado.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Esta es la RM que proporciona el marco.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Hay un control a la derecha que permite girar,
09:48
it allows you to zoom in,
239
573000
2000
permite aumentar,
09:50
it allows you to highlight individual structures.
240
575000
3000
permite resaltar estructuras individuales.
09:53
But most importantly,
241
578000
2000
Pero, lo más importante,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
ahora mapeamos en este marco anatómico,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
un marco común para que se entienda dónde se activan los genes.
10:01
So the red levels
244
586000
2000
Los niveles rojos
10:03
are where a gene is turned on to a great degree.
245
588000
2000
son lugares en los que se activan mucho los genes.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Las zonas verdes son más bien frías, no se encienden.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Y cada gen deja una huella.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Recuerden que analizamos los 25.000 genes del genoma
10:15
and have all of that data available.
249
600000
4000
y que tenemos todos los datos disponibles.
10:19
So what can scientists learn about this data?
250
604000
2000
¿Qué pueden aprender los científicos de estos datos?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Empezamos a ver estos datos nosotros mismos.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Hay cosas básicas que querríamos entender.
10:27
Two great examples are drugs,
253
612000
2000
Dos grandes ejemplos son los medicamentos
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac y Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Son antidepresivos recetados comúnmente.
10:34
Now remember, we're assaying genes.
256
619000
2000
Recuerden que analizamos genes.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Los genes envían instrucciones para crear proteínas.
10:39
Proteins are targets for drugs.
258
624000
2000
Las proteínas son el objetivo de los medicamentos.
10:41
So drugs bind to proteins
259
626000
2000
Las medicinas se adhieren a las proteínas
10:43
and either turn them off, etc.
260
628000
2000
y las apagan, etc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Si queremos entender el funcionamiento de los medicamentos
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
entender cómo actúan de la forma que queremos,
10:50
and also in the ways you don't want them to.
263
635000
2000
y también de la forma que no queremos.
10:52
In the side effect profile, etc.,
264
637000
2000
Sus efectos secundarios, etc.,
10:54
you want to see where those genes are turned on.
265
639000
2000
queremos ver dónde se activan esos genes.
10:56
And for the first time, we can actually do that.
266
641000
2000
Y, por primera vez, podemos hacerlo.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Podemos hacerlo en varias personas analizadas.
11:01
So now we can look throughout the brain.
268
646000
3000
Ahora miraremos en el cerebro.
11:04
We can see this unique fingerprint.
269
649000
2000
Podemos ver esta huella única.
11:06
And we get confirmation.
270
651000
2000
Y tenemos una confirmación
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
de que, de hecho, el gen se activa
11:11
for something like Prozac,
272
656000
2000
con Prozac
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
en estructuras serotoninérgicas, algo de lo que ya se sabe que afecta
11:16
but we also get to see the whole thing.
274
661000
2000
pero también podemos ver el todo.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
También vemos zonas que nadie ha visto antes
11:20
and we see these genes turned on there.
276
665000
2000
y allí vemos esos genes encendidos.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Es muy interesante como efecto secundario.
11:25
One other thing you can do with such a thing
278
670000
2000
Otra cosa que se puede hacer con algo así
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
dado que es un ejercicio de comparación de patrones,
11:30
because there's unique fingerprint,
280
675000
2000
porque hay una huella única,
11:32
we can actually scan through the entire genome
281
677000
2000
podemos barrer todo el genoma
11:34
and find other proteins
282
679000
2000
y encontrar otras proteínas
11:36
that show a similar fingerprint.
283
681000
2000
que tengan una huella similar.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Así que si investigan medicinas, por ejemplo,
11:41
you can go through
285
686000
2000
pueden analizar
11:43
an entire listing of what the genome has on offer
286
688000
2000
todo un listado de lo que el genoma ofrece
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
para encontrar quizá mejores objetivos y optimizarlas.
11:49
Most of you are probably familiar
288
694000
2000
A muchos les resultarán familiares
11:51
with genome-wide association studies
289
696000
2000
los estudios sobre el genoma
11:53
in the form of people covering in the news
290
698000
3000
publicados en las noticias y que dicen:
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
"Los científicos descubrieron el gen o los genes
11:59
which affect X."
292
704000
2000
que afectan X".
12:01
And so these kinds of studies
293
706000
2000
Los científicos publican
12:03
are routinely published by scientists
294
708000
2000
a menudo este tipo de estudios.
12:05
and they're great. They analyze large populations.
295
710000
2000
Y son geniales. Analizan grandes poblaciones.
12:07
They look at their entire genomes,
296
712000
2000
Miran todos sus genomas
12:09
and they try to find hot spots of activity
297
714000
2000
y tratan de encontrar zonas de mucha actividad
12:11
that are linked causally to genes.
298
716000
3000
que tengan una relación causal con los genes.
12:14
But what you get out of such an exercise
299
719000
2000
Pero de estos ejercicios obtenemos
12:16
is simply a list of genes.
300
721000
2000
una lista de genes.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Se nos dice qué, pero no dónde.
12:21
And so it's very important for those researchers
302
726000
3000
Para los investigadores es muy importante
12:24
that we've created this resource.
303
729000
2000
que hayamos creado este recurso.
12:26
Now they can come in
304
731000
2000
Ahora pueden venir
12:28
and they can start to get clues about activity.
305
733000
2000
y empezar a obtener pistas de esa actividad.
12:30
They can start to look at common pathways --
306
735000
2000
Pueden empezar a buscar vías comunes...
12:32
other things that they simply haven't been able to do before.
307
737000
3000
de otras formas antes inexistentes.
12:36
So I think this audience in particular
308
741000
3000
Creo que esta audiencia en particular
12:39
can understand the importance of individuality.
309
744000
3000
entiende la importancia de la individualidad.
12:42
And I think every human,
310
747000
2000
Pienso que como humanos
12:44
we all have different genetic backgrounds,
311
749000
4000
tenemos diferentes antecedentes genéticos,
12:48
we all have lived separate lives.
312
753000
2000
todos vivimos vidas separadas.
12:50
But the fact is
313
755000
2000
Pero el hecho es que
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
son similares en más del 99%.
12:55
We're similar at the genetic level.
315
760000
3000
Somos similares a nivel genético.
12:58
And what we're finding
316
763000
2000
Y hallamos que
13:00
is actually, even at the brain biochemical level,
317
765000
2000
incluso a nivel de la bioquímica cerebral
13:02
we are quite similar.
318
767000
2000
somos bastante similares.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Esto demuestra no el 99%,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
pero casi el 90% de correspondencia
13:08
at a reasonable cutoff,
321
773000
3000
en un corte razonable
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
así que todo en la nube está correlacionado.
13:13
And then we find some outliers,
323
778000
2000
Luego encontramos valores extremos
13:15
some things that lie beyond the cloud.
324
780000
3000
que están fuera de la nube.
13:18
And those genes are interesting,
325
783000
2000
Y los genes son interesantes
13:20
but they're very subtle.
326
785000
2000
pero muy sutiles.
13:22
So I think it's an important message
327
787000
3000
Hay un mensaje importante
13:25
to take home today
328
790000
2000
para llevarse a casa
13:27
that even though we celebrate all of our differences,
329
792000
3000
y es que aún si bien celebramos las diferencias
13:30
we are quite similar
330
795000
2000
somos muy similares
13:32
even at the brain level.
331
797000
2000
incluso a nivel cerebral.
13:34
Now what do those differences look like?
332
799000
2000
¿Cómo son esas diferencias?
13:36
This is an example of a study that we did
333
801000
2000
Este es el ejemplo de un estudio que hicimos
13:38
to follow up and see what exactly those differences were --
334
803000
2000
para analizar esas diferencias
13:40
and they're quite subtle.
335
805000
2000
y son muy sutiles.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Aquí los genes se encienden en un tipo individual de célula.
13:46
These are two genes that we found as good examples.
337
811000
3000
Estos dos genes son buenos ejemplos.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Uno se llama RELN... participa en las claves tempranas del desarrollo.
13:52
DISC1 is a gene
339
817000
2000
El DISC1 es un gen
13:54
that's deleted in schizophrenia.
340
819000
2000
ausente en la esquizofrenia.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Estas no son personas con esquizofrenia
13:58
but they do show some population variation.
342
823000
3000
pero muestran cierta variación de la población.
14:01
And so what you're looking at here
343
826000
2000
Y aquí vemos
14:03
in donor one and donor four,
344
828000
2000
en los donantes uno y cuatro,
14:05
which are the exceptions to the other two,
345
830000
2000
que son la excepción a los otros dos,
14:07
that genes are being turned on
346
832000
2000
esos genes se activan
14:09
in a very specific subset of cells.
347
834000
2000
en un subconjunto muy específico de células.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Este precipitado de color púrpura oscuro dentro de la célula
14:14
that's telling us a gene is turned on there.
349
839000
3000
nos dice que allí hay un gen activo.
14:17
Whether or not that's due
350
842000
2000
Se deba o no
14:19
to an individual's genetic background or their experiences,
351
844000
2000
a los antecedentes genéticos de una persona o a sus experiencias
14:21
we don't know.
352
846000
2000
no lo sabemos.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Esos estudios requieren de poblaciones mucho más grandes.
14:28
So I'm going to leave you with a final note
354
853000
2000
Terminaré con una nota final
14:30
about the complexity of the brain
355
855000
3000
sobre la complejidad del cerebro
14:33
and how much more we have to go.
356
858000
2000
y lo que falta por recorrer.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Creo que estos recursos son muy valiosos.
14:37
They give researchers a handle
358
862000
2000
Son una guía para
14:39
on where to go.
359
864000
2000
investigadores.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Pero en este momento sólo vimos un puñado de personas.
14:44
We're certainly going to be looking at more.
361
869000
2000
Sin duda incorporaremos más.
14:46
I'll just close by saying
362
871000
2000
Terminaré diciendo
14:48
that the tools are there,
363
873000
2000
que las herramientas existen,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
que es un continente inexplorado, sin descubrir.
14:54
This is the new frontier, if you will.
365
879000
4000
Es la nueva frontera, si se quiere.
14:58
And so for those who are undaunted,
366
883000
2000
Y para los intrépidos,
15:00
but humbled by the complexity of the brain,
367
885000
2000
intimidados por la complejidad del cerebro,
15:02
the future awaits.
368
887000
2000
el futuro aguarda.
15:04
Thanks.
369
889000
2000
Gracias.
15:06
(Applause)
370
891000
9000
(Aplausos)
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