ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com
TED2011

Ed Boyden: A light switch for neurons

Ed Boyden: A fény mint kapcsoló az idegsejtekben

Filmed:
1,098,379 views

Ed Boyden megmutatja, hogy fényérzékeny proteinekért felelős gének beültetésével, képes szelektíven aktiválni vagy de-aktiválni speciális neuronokat fényvezetők beültetésével. Ezzel a példátlan szintű kontrollal képes volt kigyógyítani egy egeret a PTSD -ből (Post Traumatic Stress Disorder - Poszttraumatikus Stressz Szindróma) és egy bizonyos vakságból. A horizonton: az idegprotézis. Az előadás házigazdája Juan Enriquez feltesz egy pár kérdést a beszéd után.
- Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio

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

00:15
Think about your day for a secondmásodik.
0
0
2000
Gondolkodjon el egy másodperc erejéig a napjáról.
00:17
You wokefelébredt up, feltfilc freshfriss airlevegő on your facearc as you walkedsétált out the doorajtó,
1
2000
3000
Felkelt, érzékelte a friss levegőt az arcán amint kisétált az ajtón,
00:20
encounteredtalálkozott newúj colleagueskollégák and had great discussionsbeszélgetések,
2
5000
2000
találkozott új kollegákkal akikkel majd egy jót beszélgetett,
00:22
and feltfilc in awefélelem when you foundtalál something newúj.
3
7000
2000
és csodálat töltötte el az új dolgok iránt.
00:24
But I bettét there's something you didn't think about todayMa --
4
9000
2000
De lefogadom van valami amiről nem gondolkodott el ma --
00:26
something so closeBezárás to home
5
11000
2000
valami ami annyira alapvető,
00:28
that you probablyvalószínűleg don't think about it very oftengyakran at all.
6
13000
2000
hogy talán ezért nem is gondolkodik el rajta nagyon gyakran.
00:30
And that's that all the sensationsérzés, feelingsérzések,
7
15000
2000
És ez az összes érzék, érzés,
00:32
decisionsdöntések and actionsakciók
8
17000
2000
döntés és cselekedet,
00:34
are mediatedközvetített by the computerszámítógép in your headfej
9
19000
2000
amit a fejében lévő, agynak nevezett,
00:36
calledhívott the brainagy.
10
21000
2000
számítógép hozott.
00:38
Now the brainagy maylehet not look like much from the outsidekívül --
11
23000
2000
Namármost, az agy talán nem néz ki fontosnak kívülről --
00:40
a couplepárosít poundsfont of pinkish-grayrózsaszínes-szürke fleshhús,
12
25000
2000
néhány deka rózsaszínes-szürke hús,
00:42
amorphousamorf --
13
27000
2000
amorf anyag --
00:44
but the last hundredszáz yearsévek of neuroscienceidegtudomány
14
29000
2000
de az utolsó néhány száz év idegtana megengedi,
00:46
have allowedengedélyezett us to zoomzoomolás in on the brainagy,
15
31000
2000
hogy közelebbről is szemügyre vegyük az agyat,
00:48
and to see the intricacybonyolultság of what lieshazugságok withinbelül.
16
33000
2000
és lássuk mi rejlik a bonyolultság mögött.
00:50
And they'veők már told us that this brainagy
17
35000
2000
Azt mondták nekünk, hogy az agy
00:52
is an incrediblyhihetetlenül complicatedbonyolult circuitáramkör
18
37000
2000
egy hihetetlenül komplikált rendszer
00:54
madekészült out of hundredsszáz of billionsmilliárdokat of cellssejteket calledhívott neuronsneuronok.
19
39000
4000
ami százmilliárdnyi sejtből áll, amiket neuronoknak hívunk.
00:58
Now unlikenem úgy mint a human-designedemberi tervezett computerszámítógép,
20
43000
3000
Namármost, nem úgy mint egy ember-tervezte számítógép,
01:01
where there's a fairlymeglehetősen smallkicsi numberszám of differentkülönböző partsalkatrészek --
21
46000
2000
ami kevés számú különböző alkatrészből áll --
01:03
we know how they work, because we humansemberek designedtervezett them --
22
48000
3000
amikről tudjuk hogyan müküdnek, mert mi terveztük őket --
01:06
the brainagy is madekészült out of thousandsTöbb ezer of differentkülönböző kindsféle of cellssejteket,
23
51000
3000
az agy több ezer különböző fajta sejtből áll,
01:09
maybe tenstíz of thousandsTöbb ezer.
24
54000
2000
talán több tízezer fajtából.
01:11
They come in differentkülönböző shapesalakzatok; they're madekészült out of differentkülönböző moleculesmolekulák.
25
56000
2000
Mindegyik más alakú és különböző molekulákból állnak;
01:13
And they projectprogram and connectkapcsolódni to differentkülönböző brainagy regionsrégiók,
26
58000
3000
és közvetítenek, összekötnek más-más régiókat az agyban.
01:16
and they alsois changeváltozás differentkülönböző waysmódokon in differentkülönböző diseasebetegség statesÁllamok.
27
61000
3000
Továbbá, változnak is a különböző kórképeknek megfelelően.
01:19
Let's make it concreteKonkrét.
28
64000
2000
Szögezzünk le valamit.
01:21
There's a classosztály of cellssejteket,
29
66000
2000
Van egy osztálya a sejteknek,
01:23
a fairlymeglehetősen smallkicsi cellsejt, an inhibitorygátló cellsejt, that quietsquiets its neighborsszomszédok.
30
68000
3000
egy meglehetősen kicsi sejt, egy gátló sejt, ami csendesíti a szomszédait.
01:26
It's one of the cellssejteket that seemsÚgy tűnik, to be atrophiedelsorvadt in disordersrendellenességek like schizophreniaskizofrénia.
31
71000
4000
Azon sejtek közül való, amelyek elsorvadnak például a skizofrénia esetében.
01:30
It's calledhívott the basketkosár cellsejt.
32
75000
2000
Ezt hívják kosársejtnek.
01:32
And this cellsejt is one of the thousandsTöbb ezer of kindsféle of cellsejt
33
77000
2000
Ez a sejt egy a több ezer féle sejt közül
01:34
that we are learningtanulás about.
34
79000
2000
amit tanulmányozunk most.
01:36
NewÚj onesazok are beinglény discoveredfelfedezett everydayminden nap.
35
81000
2000
Minden nap új és új fajtákat fedeznek fel.
01:38
As just a secondmásodik examplepélda:
36
83000
2000
Csak egy másik példa:
01:40
these pyramidalpiramis cellssejteket, largenagy cellssejteket,
37
85000
2000
a piramis sejtek, nagy sejtek,
01:42
they can spanarasz a significantjelentős fractiontöredék of the brainagy.
38
87000
2000
amelyek képesek átfogni egy jelentős részét az agynak.
01:44
They're excitatoryserkentő.
39
89000
2000
Ők serkentő idegsejtek.
01:46
And these are some of the cellssejteket
40
91000
2000
Ezek közül valóak azok is
01:48
that mightesetleg be overactivehiperaktív in disordersrendellenességek suchilyen as epilepsyepilepszia.
41
93000
3000
melyek talán túlreagálnak olyan rendellenességekben mint az epilepszia.
01:51
EveryMinden one of these cellssejteket
42
96000
2000
Minden egyes ilyen sejt
01:53
is an incrediblehihetetlen electricalelektromos deviceeszköz.
43
98000
3000
egy hihetetlen elektromos eszköz.
01:56
They receivekap inputbemenet from thousandsTöbb ezer of upstreamupstream partnerspartnerek
44
101000
2000
Fogadnak egy beérkező jelet a sok ezer partnertől
01:58
and computekiszámít theirazok ownsaját electricalelektromos outputskimenetek,
45
103000
3000
és kiszámolják a saját elektromos kibocsátásukat,
02:01
whichmelyik then, if they passelhalad a certainbizonyos thresholdküszöb,
46
106000
2000
amely aztán, ha elér egy bizonyos küszöböt,
02:03
will go to thousandsTöbb ezer of downstreamdownstream partnerspartnerek.
47
108000
2000
továbbhalad a többezer befogadó partner felé.
02:05
And this processfolyamat, whichmelyik takes just a millisecondmilliszekundum or so,
48
110000
3000
Ez a folyamat, ami a másodperc ezred részéig tart,
02:08
happensmegtörténik thousandsTöbb ezer of timesalkalommal a minuteperc
49
113000
2000
megtörténik több ezerszer percenként
02:10
in everyminden one of your 100 billionmilliárd, ezermillió cellssejteket,
50
115000
2000
mindegyikében a száz milliárd idegsejtből,
02:12
as long as you liveélő
51
117000
2000
amíg csak él
02:14
and think and feel.
52
119000
3000
és gondolkodik és érez.
02:17
So how are we going to figureábra out what this circuitáramkör does?
53
122000
3000
Szóval hogyan is találhatnánk ki, hogy mit csinál ez az áramkör?
02:20
IdeallyIdeális, we could go throughkeresztül the circuitáramkör
54
125000
2000
Ideálisan, mehetnénk akár ezen az áramkörön belül is
02:22
and turnfordulat these differentkülönböző kindsféle of cellsejt on and off
55
127000
3000
és ki-be kapcsolhatnánk a különböző sejteket
02:25
and see whetherakár we could figureábra out
56
130000
2000
majd meglátnánk, hogy képesek vagyunk e rájönni
02:27
whichmelyik onesazok contributehozzájárul to certainbizonyos functionsfunkciók
57
132000
2000
melyek működnek közre a bizonyos funkcióknál
02:29
and whichmelyik onesazok go wrongrossz in certainbizonyos pathologiesmegbetegedések.
58
134000
2000
és melyek működnek hibásan bizonyos patológiás eseteknél.
02:31
If we could activateaktiválása cellssejteket, we could see what powershatáskörök they can unleashszabadítsa fel,
59
136000
3000
Ha képesek lennénk aktiválni ezeket a sejteket, megláthatnánk milyen energiákat szabályoznak,
02:34
what they can initiatekezdeményezése and sustainfenntartani.
60
139000
2000
és mit képesek elindítani vagy fenntartani.
02:36
If we could turnfordulat them off,
61
141000
2000
Ha le tudnánk őket kapcsolni,
02:38
then we could try and figureábra out what they're necessaryszükséges for.
62
143000
2000
akkor rájöhetnénk, hogy mihez is kellenek pontosan.
02:40
And that's a storysztori I'm going to tell you about todayMa.
63
145000
3000
És ez az a történet amit most el fogok mondani önöknek ma.
02:43
And honestlyőszintén, where we'vevoltunk goneelmúlt throughkeresztül over the last 11 yearsévek,
64
148000
3000
Őszintén, ahova jutottunk az elmúlt 11 évben,
02:46
throughkeresztül an attemptkísérlet to find waysmódokon
65
151000
2000
a próbálkozásokon, hogy megtaláljuk az utat ahhoz,
02:48
of turningfordítás circuitsáramkörök and cellssejteket and partsalkatrészek and pathwaysutak of the brainagy
66
153000
2000
hogy képesek legyünk az áramköröket és sejteket és az agyban lévő pályákat
02:50
on and off,
67
155000
2000
be- és kikapcsolni,
02:52
bothmindkét to understandmegért the sciencetudomány
68
157000
2000
azért is, hogy megértsük tudományos szempontból,
02:54
and alsois to confrontszembeszáll some of the issueskérdések
69
159000
3000
és azért is, hogy küzdhessünk néhány problémával
02:57
that facearc us all as humansemberek.
70
162000
3000
amivel minden ember szembe kell hogy nézzen.
03:00
Now before I tell you about the technologytechnológia,
71
165000
3000
Most pedig, mielőtt elmondanám a technológiáját,
03:03
the badrossz newshírek is that a significantjelentős fractiontöredék of us in this roomszoba,
72
168000
3000
a rossz hírem az, hogy egy számottevő hányada az itt jelenlévőknek,
03:06
if we liveélő long enoughelég,
73
171000
2000
ha elég hosszú ideig fogunk élni,
03:08
will encountertalálkozás, perhapstalán, a brainagy disorderrendellenesség.
74
173000
2000
fogunk talán találkozni egy agyi rendelleneséggel.
03:10
AlreadyMár, a billionmilliárd, ezermillió people
75
175000
2000
Már most egy milliárd embernek
03:12
have had some kindkedves of brainagy disorderrendellenesség
76
177000
2000
volt valamilyen fajta ilyen rendellenesége
03:14
that incapacitatesincapacitates them,
77
179000
2000
ami munkaképtelenné tette őket.
03:16
and the numbersszám don't do it justiceigazságszolgáltatás thoughbár.
78
181000
2000
A számok nem is igazolják őket.
03:18
These disordersrendellenességek -- schizophreniaskizofrénia, Alzheimer'sAlzheimer-kór,
79
183000
2000
A rendelleneségek -- skizofrénia, Alzheimer kór,
03:20
depressiondepresszió, addictionfüggőség --
80
185000
2000
depresszió, függőség --
03:22
they not only steallop our time to liveélő, they changeváltozás who we are.
81
187000
3000
nem csak az időnket rabolják ez az élettől, de megváltoztatnak minket;
03:25
They take our identityidentitás and changeváltozás our emotionsérzelmek
82
190000
2000
elveszik az identitásunkat és megváltoztatják az érzelmeinket --
03:27
and changeváltozás who we are as people.
83
192000
3000
majd megváltoztatnak minket mint embereket.
03:30
Now in the 20thth centuryszázad,
84
195000
3000
Nos, a 20-ik században
03:33
there was some hoperemény that was generatedgenerált
85
198000
3000
volt némi remény az agyi problémák kezelésére
03:36
throughkeresztül the developmentfejlődés of pharmaceuticalsgyógyszerek for treatingkezelésére brainagy disordersrendellenességek,
86
201000
3000
a gyógyszeripar fejlődése miatt,
03:39
and while manysok drugsgyógyszerek have been developedfejlett
87
204000
3000
és mivel sok orvosságot fejlesztettek ki
03:42
that can alleviateenyhítésére symptomstünetek of brainagy disordersrendellenességek,
88
207000
2000
ami enyhítheti a problémák tüneteit,
03:44
practicallygyakorlatilag noneegyik sem of them can be consideredfigyelembe vett to be curedgyógyítható.
89
209000
3000
alapvetően egyik sem mondható gyógyulásnak.
03:47
And partrész of that's because we're bathingfürdés the brainagy in the chemicalkémiai.
90
212000
3000
És ez részben azért van mert kemikáliával árasztjuk el az agyat.
03:50
This elaboratebonyolult circuitáramkör
91
215000
2000
Ez egy bonyolult áramkör
03:52
madekészült out of thousandsTöbb ezer of differentkülönböző kindsféle of cellsejt
92
217000
2000
ami sok ezer különböző sejtből épül fel
03:54
is beinglény bathedfürdött in a substanceanyag.
93
219000
2000
és egy kémiai anyagban fürdetik.
03:56
That's alsois why, perhapstalán, mosta legtöbb of the drugsgyógyszerek, and not all, on the marketpiac
94
221000
2000
Éppen ezért talán a legtöbb gyógyszer, de persze nem az összes, a piacon
03:58
can presentajándék some kindkedves of serioussúlyos sideoldal effecthatás too.
95
223000
3000
okoz valamilyen komoly mellék hatást.
04:01
Now some people have gottenütött some solacevigaszt
96
226000
3000
Néhány ember vigasztalódást nyert
04:04
from electricalelektromos stimulatorsstimulátorok that are implantedbeültetett in the brainagy.
97
229000
3000
az agyba beültetett elektromos stimulátoroktól.
04:07
And for Parkinson'sParkinson-kór diseasebetegség,
98
232000
2000
A Parkinzon kórnál,
04:09
CochlearCsigás implantsimplantátumok,
99
234000
2000
cochlea-implantátumoknál,
04:11
these have indeedvalóban been ableképes
100
236000
2000
ezek csakugyan képesek voltak
04:13
to bringhoz some kindkedves of remedyorvosság
101
238000
2000
némi orvoslást nyújtani az embereknek
04:15
to people with certainbizonyos kindsféle of disorderrendellenesség.
102
240000
2000
bizonyos fajta rendelleneségek esetében.
04:17
But electricityelektromosság alsois will go in all directionsirányok --
103
242000
2000
Az elektromoság is halad minden irányban --
04:19
the pathpálya of leastlegkevésbé resistanceellenállás,
104
244000
2000
a legkisebb ellenállás irányába,
04:21
whichmelyik is where that phrasekifejezés, in partrész, comesjön from.
105
246000
2000
amiből az a mondás, legalábbis részben, jön.
04:23
And it alsois will affectérint normalnormál circuitsáramkörök as well as the abnormalkóros onesazok that you want to fixerősít.
106
248000
3000
Ez hatással lesz a normális áramkörökre is, és a nem normálisakra, amiket mi szeretnénk helyrehozni.
04:26
So again, we're sentküldött back to the ideaötlet
107
251000
2000
Szóval mégegyszer, vissza kerültünk az alapötlethez
04:28
of ultra-preciseUltra-precíz controlellenőrzés.
108
253000
2000
ami egy ultra-precíz kontrol.
04:30
Could we dial-inBehívás informationinformáció preciselypontosan where we want it to go?
109
255000
3000
Képesek lennénk az információt pontosan oda irányítani ahova akarjuk ?
04:34
So when I startedindult in neuroscienceidegtudomány 11 yearsévek agoezelőtt,
110
259000
4000
Amikor én 11 évvel ezelőtt elkezdtem foglalkozni idegtudománnyal,
04:38
I had trainedkiképzett as an electricalelektromos engineermérnök and a physicistfizikus,
111
263000
3000
én egy képzett elektromérnök és fizikus voltam,
04:41
and the first thing I thought about was,
112
266000
2000
és az első dolog amit gondoltam az az volt,
04:43
if these neuronsneuronok are electricalelektromos deviceskészülékek,
113
268000
2000
hogy ha ezek az idegsejtek elektromos eszközök,
04:45
all we need to do is to find some way
114
270000
2000
akkor csupán meg kell találnunk a módját annak,
04:47
of drivingvezetés those electricalelektromos changesváltoztatások at a distancetávolság.
115
272000
2000
hogy messzebbre eljuttassuk azokat az elektromos változásokat.
04:49
If we could turnfordulat on the electricityelektromosság in one cellsejt,
116
274000
2000
Ha az elektromosságot be tudnánk kapcsolni egy sejtben,
04:51
but not its neighborsszomszédok,
117
276000
2000
a szomszédos sejteket kihagyva,
04:53
that would give us the tooleszköz we need to activateaktiválása and shutbecsuk down these differentkülönböző cellssejteket,
118
278000
3000
akkor lenne egy szerszámunk amivel be- és kikapcsolhatnánk ezeket a különböző sejteket,
04:56
figureábra out what they do and how they contributehozzájárul
119
281000
2000
kitalálva mit is csinálnak pontosan és hogy működnek közre
04:58
to the networkshálózatok in whichmelyik they're embeddedbeágyazott.
120
283000
2000
a hálózatban amiben helyet foglalnak.
05:00
And alsois it would allowlehetővé teszi us to have the ultra-preciseUltra-precíz controlellenőrzés we need
121
285000
2000
Továbbá lenne egy ultra-precíz vezérlésünk ahhoz,
05:02
in ordersorrend to fixerősít the circuitáramkör computationsszámítások
122
287000
3000
hogy helyrehozzunk a számításokat amelyek
05:05
that have goneelmúlt awryfonák.
123
290000
2000
valahogy félresiklottak.
05:07
Now how are we going to do that?
124
292000
2000
Namost, hogyan is csináljuk mindezt?
05:09
Well there are manysok moleculesmolekulák that existlétezik in naturetermészet,
125
294000
2000
Hát van egy csomó a természetben létező molekula,
05:11
whichmelyik are ableképes to convertalakítani lightfény into electricityelektromosság.
126
296000
3000
amely át tudja a fényt változtatni elektromossággá.
05:14
You can think of them as little proteinsfehérjék
127
299000
2000
Úgy is gondolhatunk rájuk mint kis fehérjékre
05:16
that are like solarnap- cellssejteket.
128
301000
2000
amik olyanok mint a napelemek.
05:18
If we can installtelepítés these moleculesmolekulák in neuronsneuronok somehowvalahogy,
129
303000
3000
Ha installálni tudnánk ezeket a molekulákat az idegsejtekbe valahogy,
05:21
then these neuronsneuronok would becomeválik electricallyelektromosan drivabledrivable with lightfény.
130
306000
3000
akkor ezek az idegsejtek fénnyel is stimulálhatók lennének.
05:24
And theirazok neighborsszomszédok, whichmelyik don't have the moleculemolekula, would not.
131
309000
3000
A molekula nélküli szomszédok pedig nem.
05:27
There's one other magicvarázslat tricktrükk you need to make this all happentörténik,
132
312000
2000
És van itt egy másik trükk is amit végre kell hajtanunk,
05:29
and that's the abilityképesség to get lightfény into the brainagy.
133
314000
3000
és az lenne a fénynek az agyba juttatása.
05:32
And to do that -- the brainagy doesn't feel painfájdalom -- you can put --
134
317000
3000
Mivel az agy nem érez fájdalmat, ezért használhatunk --
05:35
takingbevétel advantageelőny of all the efforterőfeszítés
135
320000
2000
kihasználva mindazt az erőfeszitést
05:37
that's goneelmúlt into the InternetInternet and communicationstávközlés and so on --
136
322000
2000
ami az internetbe és a kommunikációba ment --
05:39
opticaloptikai fibersszálak connectedcsatlakoztatva to laserslézerek
137
324000
2000
lézerhez csatlakoztatott optikai szálakat,
05:41
that you can use to activateaktiválása, in animalállat modelsmodellek for examplepélda,
138
326000
2000
amit az idegsejtek aktiválásra használnánk,
05:43
in pre-clinicalpre-klinikai studiestanulmányok,
139
328000
2000
mint az állatokkal végzett előklinikai kísérletekben,
05:45
these neuronsneuronok and to see what they do.
140
330000
2000
hogy meglássuk mit is csinálnak az idegsejtek.
05:47
So how do we do this?
141
332000
2000
Hogyan is menne ez végbe?
05:49
Around 2004,
142
334000
2000
2004 körül,
05:51
in collaborationegyüttműködés with GerhardGerhard NagelNovak and KarlKarl DeisserothDeisseroth,
143
336000
2000
Gerhard Nagel és Karl Deisseroth közös munkájának köszönhetően,
05:53
this visionlátomás camejött to fruitionmegvalósulás.
144
338000
2000
ez az elképzelés kezdett valóra válni.
05:55
There's a certainbizonyos algaalga that swimsúszik in the wildvad,
145
340000
3000
Létezik egy fajta alga ami szabadon úszik,
05:58
and it needsigények to navigatehajózik towardsfelé lightfény
146
343000
2000
és a fény felé kell navigálnia,
06:00
in ordersorrend to photosynthesizephotosynthesize optimallyoptimálisan.
147
345000
2000
hogy optimálissá tegye a fotoszintézisét.
06:02
And it sensesérzékek lightfény with a little eye-spotszem-pont,
148
347000
2000
A fényt egy kis szemecskével érzékeli,
06:04
whichmelyik worksművek not unlikenem úgy mint how our eyeszem worksművek.
149
349000
3000
amely nem úgy működik mint a mi szemünk.
06:07
In its membranemembrán, or its boundaryhatár,
150
352000
2000
A membránjában vagy a külső felületén,
06:09
it containstartalmaz little proteinsfehérjék
151
354000
3000
egy kevés proteint tartalmaz
06:12
that indeedvalóban can convertalakítani lightfény into electricityelektromosság.
152
357000
3000
mely valóban képes fényt elektromossággá konvertálni.
06:15
So these moleculesmolekulák are calledhívott channelrhodopsinschannelrhodopsins.
153
360000
3000
Ezeket a bizonyos molekulákat csatorna-rodopszinnak nevezik.
06:18
And eachminden egyes of these proteinsfehérjék actscselekmények just like that solarnap- cellsejt that I told you about.
154
363000
3000
Az összes ilyen protein úgy viselkedik mint egy napelem amiről az előbb beszéltem.
06:21
When bluekék lightfény hitstalálatok it, it opensMegnyílik up a little holelyuk
155
366000
3000
Amikor kék fény esik rá, akkor kinyit egy kis lyukat
06:24
and allowslehetővé tesz chargedtöltött particlesrészecskéket to enterbelép the eye-spotszem-pont,
156
369000
2000
mely beengedi a töltött részecskéket a szemecskébe,
06:26
and that allowslehetővé tesz this eye-spotszem-pont to have an electricalelektromos signaljel
157
371000
2000
majd ettől lesz ennek a szemecskének egy elektronikus jele,
06:28
just like a solarnap- cellsejt chargingtöltés up a batteryakkumulátor.
158
373000
3000
pontosan úgy mintha egy napelem töltene fel egy elemet.
06:31
So what we need to do is to take these moleculesmolekulák
159
376000
2000
Ezért annyit kell tennünk, hogy ezeket a molekulákat
06:33
and somehowvalahogy installtelepítés them in neuronsneuronok.
160
378000
2000
az idegsejtekbe installáljuk.
06:35
And because it's a proteinfehérje,
161
380000
2000
És mivel egy fehérjéről beszélünk,
06:37
it's encodedkódolt for in the DNADNS of this organismszervezet.
162
382000
3000
ennek az organizmusnak a DNS-be van bekódolva.
06:40
So all we'vevoltunk got to do is take that DNADNS,
163
385000
2000
Ezért annyit kell csupán tennünk, hogy vesszük azt a DNS-t,
06:42
put it into a genegén therapyterápia vectorvektor, like a virusvírus,
164
387000
3000
és belehelyezzük egy génterápiás virális vektorba,
06:45
and put it into neuronsneuronok.
165
390000
3000
és az idegsejtbe juttatjuk.
06:48
So it turnedfordult out that this was a very productivetermelő time in genegén therapyterápia,
166
393000
3000
Amint kiderült, ez egy nagyon produktív időszak volt a génterápiában,
06:51
and lots of virusesvírusok were comingeljövetel alongmentén.
167
396000
2000
és sok vírust fejlesztettek ki .
06:53
So this turnedfordult out to be very simpleegyszerű to do.
168
398000
2000
Tehát ezt nagyon egyszerűen végre lehetett hajtani.
06:55
And earlykorai in the morningreggel one day in the summernyár of 2004,
169
400000
3000
2004 nyarának egyik napján, kora reggel,
06:58
we gaveadott it a try, and it workeddolgozott on the first try.
170
403000
2000
megpróbáltuk, és működött elsőre.
07:00
You take this DNADNS and you put it into a neuronidegsejt.
171
405000
3000
Vesszük ezt a DNS-t és belehelyezzük az idegsejtbe.
07:03
The neuronidegsejt usesfelhasználások its naturaltermészetes protein-makingfehérje-gyártás machinerygépezet
172
408000
3000
Az idegsejt használja saját fehérje előállító mechanizmusát,
07:06
to fabricatekitalál these little light-sensitivefényérzékeny proteinsfehérjék
173
411000
2000
hogy létrehozza ezeket a kis fényérzékeny fehérjéket
07:08
and installtelepítés them all over the cellsejt,
174
413000
2000
és installálja őket mindenfelé a sejtben,
07:10
like puttingelhelyezés solarnap- panelspanelek on a rooftető,
175
415000
2000
mint ahogy napelem-paneleket szerelünk a tetőre.
07:12
and the nextkövetkező thing you know,
176
417000
2000
A következő lépést már tudják,
07:14
you have a neuronidegsejt whichmelyik can be activatedaktivált with lightfény.
177
419000
2000
kapunk egy idegsejtet ami fénnyel aktiválható.
07:16
So this is very powerfulerős.
178
421000
2000
Ez egy hatalmas dolog.
07:18
One of the trickstrükkök you have to do
179
423000
2000
Egy szükséges trükk: ki kell találnunk,
07:20
is to figureábra out how to deliverszállít these genesgének to the cellssejteket that you want
180
425000
2000
hogy milyen módon szállíthatjuk ezeket a géneket a kívánt sejtekhez,
07:22
and not all the other neighborsszomszédok.
181
427000
2000
nem pedig a többi szomszédhoz.
07:24
And you can do that; you can tweakcsípés the virusesvírusok
182
429000
2000
Ezt meg lehet tenni: betudjuk állítani ezeket a vírusokat úgy,
07:26
so they hittalálat just some cellssejteket and not othersmások.
183
431000
2000
hogy csak egyes sejteket támadjanak meg, ne másokat.
07:28
And there's other geneticgenetikai trickstrükkök you can playjáték
184
433000
2000
És van egy másik genetikai trükk amivel játszhatunk
07:30
in ordersorrend to get light-activatedfény-aktivált cellssejteket.
185
435000
3000
azért hogy ilyen fényérzékeny sejteket kapjunk.
07:33
This fieldmező has now come to be knownismert as optogeneticsoptogenetics.
186
438000
4000
Ezt a területet most úgy ismerik, hogy optogenetika.
07:37
And just as one examplepélda of the kindkedves of thing you can do,
187
442000
2000
És csak egy példa arra, hogy mit lehet elérni,
07:39
you can take a complexösszetett networkhálózat,
188
444000
2000
mondjuk vesszük az egész bonyolult hálózatot,
07:41
use one of these virusesvírusok to deliverszállít the genegén
189
446000
2000
használunk egy ilyen vírust ami elszállítja a gént
07:43
just to one kindkedves of cellsejt in this densesűrű networkhálózat.
190
448000
3000
csak az egyik fajta sejthez ebben a sűrű hálóban.
07:46
And then when you shineragyog lightfény on the entireteljes networkhálózat,
191
451000
2000
Majd amikor megvilágítjuk az egész hálózatot,
07:48
just that cellsejt typetípus will be activatedaktivált.
192
453000
2000
csak az a bizonyos típusú sejt aktiválódik.
07:50
So for examplepélda, letslehetővé teszi, sortfajta of considerfontolgat that basketkosár cellsejt I told you about earlierkorábban --
193
455000
3000
Például, vegyük a kosár sejtet amiről már korábban beszéltünk --
07:53
the one that's atrophiedelsorvadt in schizophreniaskizofrénia
194
458000
2000
az amelyik elsorvad a skizofrénia esetében
07:55
and the one that is inhibitorygátló.
195
460000
2000
és ugyebár ez egy gátló fajta.
07:57
If we can deliverszállít that genegén to these cellssejteket --
196
462000
2000
Ha eljuttatnánk ezeket a géneket ezekhez a sejtekhez --
07:59
and they're not going to be alteredmegváltozott by the expressionkifejezés of the genegén, of coursetanfolyam --
197
464000
3000
és nem fognak módosulni a gének hatására, természetesen --
08:02
and then flashvaku bluekék lightfény over the entireteljes brainagy networkhálózat,
198
467000
3000
majd kék fényt bocsájtunk az egész hálózatra,
08:05
just these cellssejteket are going to be drivenhajtott.
199
470000
2000
akkor csak ezek a sejtek fognak működésbe lépni.
08:07
And when the lightfény turnsmenetek off, these cellssejteket go back to normalnormál,
200
472000
2000
Majd mikor a fény kialszik, a sejtek újra normálisan működnek,
08:09
so they don't seemlátszik to be averseidegenkedik againstellen that.
201
474000
3000
szóval nem tűnik úgy mintha idegenkednének.
08:12
Not only can you use this to studytanulmány what these cellssejteket do,
202
477000
2000
Ez a módszer nem csak a sejtek működésének tanulmányozására használható,
08:14
what theirazok powererő is in computingszámítástechnika in the brainagy,
203
479000
2000
vagyis mi a szerepük az agyműködésben,
08:16
but you can alsois use this to try to figureábra out --
204
481000
2000
de arra is használható a módszer, hogy kitaláljuk --
08:18
well maybe we could jazzdzsessz up the activitytevékenység of these cellssejteket,
205
483000
2000
sőt talán helyre is hozhatjuk ezen sejtek aktivitását,
08:20
if indeedvalóban they're atrophiedelsorvadt.
206
485000
2000
ha valóban elsorvadtak.
08:22
Now I want to tell you a couplepárosít of shortrövid storiestörténetek
207
487000
2000
Szeretnék elmondani egy pár rövid történetet
08:24
about how we're usinghasználva this,
208
489000
2000
arról, hogy miként használjuk ezt,
08:26
bothmindkét at the scientifictudományos, clinicalklinikai and pre-clinicalpre-klinikai levelsszintek.
209
491000
3000
mind a tudományos, a klinikai és a elő-klinikai szinten.
08:29
One of the questionskérdések we'vevoltunk confrontedszembesülnek
210
494000
2000
Egy kérdés amivel szembe kellett néznünk:
08:31
is, what are the signalsjelek in the brainagy that mediateközvetítsen the sensationszenzáció of rewardjutalom?
211
496000
3000
milyen jelek segítik elő a jutalom érzését az agyban?
08:34
Because if you could find those,
212
499000
2000
Mert ha mi megtaláljuk azokat,
08:36
those would be some of the signalsjelek that could drivehajtás learningtanulás.
213
501000
2000
akkor azok lennének a jelek amelyek a tanuláshoz vezetnek.
08:38
The brainagy will do more of whatevertök mindegy got that rewardjutalom.
214
503000
2000
Az agy többet is csinál abból amiért jutalmat kap.
08:40
And alsois these are signalsjelek that go awryfonák in disordersrendellenességek suchilyen as addictionfüggőség.
215
505000
3000
Ezek azok a jelek amelyek félre mennek bizonyos esetekben, mint például a függőség.
08:43
So if we could figureábra out what cellssejteket they are,
216
508000
2000
Szóval ha rájönnénk melyek ezek a sejtek,
08:45
we could maybe find newúj targetscélkitűzések
217
510000
2000
akkor talán új célokat találhatnánk
08:47
for whichmelyik drugsgyógyszerek could be designedtervezett or screenedárnyékolt againstellen,
218
512000
2000
amikhez gyógyszereket fejlesztenénk ki,
08:49
or maybe placeshelyek where electrodeselektródák could be put in
219
514000
2000
vagy talán helyeket ahová elektródák helyezhetők
08:51
for people who have very severeszigorú disabilityfogyatékosság.
220
516000
3000
azon emberek számára akik súlyos rendellenességekkel küzdenek.
08:54
So to do that, we camejött up with a very simpleegyszerű paradigmparadigma
221
519000
2000
Ehhez egy nagyon egyszerű paradigmával álltunk elő
08:56
in collaborationegyüttműködés with the FiorellaFiorella groupcsoport,
222
521000
2000
együttműködésben a Fiorella csoporttal,
08:58
where one sideoldal of this little boxdoboz,
223
523000
2000
ahol egy kis doboz egyik oldalán,
09:00
if the animalállat goesmegy there, the animalállat getsjelentkeznek a pulseimpulzus of lightfény
224
525000
2000
ha az állat arra megy, egy fény villanás éri
09:02
in ordersorrend to make differentkülönböző cellssejteket in the brainagy sensitiveérzékeny to lightfény.
225
527000
2000
azért, hogy különböző sejteket fényérzékennyé tegyen az agyban.
09:04
So if these cellssejteket can mediateközvetítsen rewardjutalom,
226
529000
2000
Ha ezek a sejtek elősegítik a jutalmat,
09:06
the animalállat should go there more and more.
227
531000
2000
az állat egyre többször fog arra menni.
09:08
And so that's what happensmegtörténik.
228
533000
2000
És pontosan ez történik.
09:10
This animal'sállat going to go to the right-handjobb kéz sideoldal and pokelök his noseorr there,
229
535000
2000
Az állat megy a jobb oldalra és az orrával bökdösi azt,
09:12
and he getsjelentkeznek a flashvaku of bluekék lightfény everyminden time he does that.
230
537000
2000
és akkor kap egy adag kék fényt minden egyes alkalommal.
09:14
And he'llpokol do that hundredsszáz and hundredsszáz of timesalkalommal.
231
539000
2000
Majd ő ezt ismételgeti több százszor.
09:16
These are the dopaminedopamin neuronsneuronok,
232
541000
2000
Ezek a dopamin neuronjai,
09:18
whichmelyik some of you maylehet have heardhallott about, in some of the pleasureöröm centersközpontok in the brainagy.
233
543000
2000
amelyekről talán hallottak már, az agy örömkeltő központjaiban vannak.
09:20
Now we'vevoltunk shownLátható that a briefrövid activationaktiválás of these
234
545000
2000
Megmutattuk, hogy ezeknek egy rövid aktiválása
09:22
is enoughelég, indeedvalóban, to drivehajtás learningtanulás.
235
547000
2000
elég, hogy segítse a tanulást.
09:24
Now we can generalizeáltalánosít the ideaötlet.
236
549000
2000
Általánosíthatjuk az ötletet.
09:26
InsteadEhelyett of one pointpont in the brainagy,
237
551000
2000
Az agy egy bizonyos pontja helyett,
09:28
we can devisedolgozzon ki deviceskészülékek that spanarasz the brainagy,
238
553000
2000
tervezhetünk eszközöket melyek átfogják az agyat,
09:30
that can deliverszállít lightfény into three-dimensionalháromdimenziós patternsminták --
239
555000
2000
és képesek három dimenzióban fényt közvetíteni --
09:32
arraystömbök of opticaloptikai fibersszálak,
240
557000
2000
a tömbbe rendezett optikai szálak,
09:34
eachminden egyes coupledpárosított to its ownsaját independentfüggetlen miniatureminiatűr lightfény sourceforrás.
241
559000
2000
mindegyik a saját miniatűr fényforrásával.
09:36
And then we can try to do things in vivoin vivo
242
561000
2000
Megpróbálhatunk olyan dolgokat élőben
09:38
that have only been doneKész to-date-hoz-időpont in a dishtál --
243
563000
3000
amiket eddig csakis csészében tudtunk --
09:41
like high-throughputNagy áteresztőképességű screeningárnyékolás throughoutegész the entireteljes brainagy
244
566000
2000
mint egy mélyreható átvilágitása az egész agynak,
09:43
for the signalsjelek that can causeok certainbizonyos things to happentörténik.
245
568000
2000
olyan jelek után amik bizonyos dolgokat okoznak.
09:45
Or that could be good clinicalklinikai targetscélkitűzések
246
570000
2000
Vagy lehetnének jó klinikai célpontok is
09:47
for treatingkezelésére brainagy disordersrendellenességek.
247
572000
2000
az agyi rendellenességek kezelésénél.
09:49
And one storysztori I want to tell you about
248
574000
2000
Egy történet amit szeretnék elmondani arról,
09:51
is how can we find targetscélkitűzések for treatingkezelésére post-traumaticposzt-traumás stressfeszültség disorderrendellenesség --
249
576000
3000
hogy hogyan találhatnánk meg a módját a poszttraumatikus stressz szindróma kezelésének --
09:54
a formforma of uncontrolledellenőrizetlen anxietyszorongás and fearfélelem.
250
579000
3000
ami egy nem kontrollált idegesség és félelem forma.
09:57
And one of the things that we did
251
582000
2000
És egy dolog amit megtettünk az az volt,
09:59
was to adoptelfogad a very classicalklasszikus modelmodell of fearfélelem.
252
584000
3000
hogy egy nagyon klasszikus félelem-modelt használtunk.
10:02
This goesmegy back to the PavlovianPavlovi daysnapok.
253
587000
3000
Ez visszanyúlik a Pavlovi időkbe.
10:05
It's calledhívott PavlovianPavlovi fearfélelem conditioningkondicionálás --
254
590000
2000
Úgy hívják, hogy Pavlovi félelem kondicionálás --
10:07
where a tonetónus endsvéget ér with a briefrövid shocksokk.
255
592000
2000
ahol a hangot egy rövid elektrosokk követ.
10:09
The shocksokk isn't painfulfájdalmas, but it's a little annoyingbosszantó.
256
594000
2000
Az elektrosokk nem fájdalmas, inkább csak idegesítő.
10:11
And over time -- in this caseügy, a mouseegér,
257
596000
2000
Majd később -- ebben az esetben az egér,
10:13
whichmelyik is a good animalállat modelmodell, commonlyáltalában used in suchilyen experimentskísérletek --
258
598000
2000
amely nagyon jó állat-modell, gyakran használt ilyen kísérletekben --
10:15
the animalállat learnstanul to fearfélelem the tonetónus.
259
600000
2000
az állat megtanul félni a hangtól.
10:17
The animalállat will reactreagál by freezingfagyasztás,
260
602000
2000
Az állat megdermed a hangtól,
10:19
sortfajta of like a deerSzarvas in the headlightsfényszóró.
261
604000
2000
ahogy a szarvas a fényszórótól.
10:21
Now the questionkérdés is, what targetscélkitűzések in the brainagy can we find
262
606000
3000
A kérdés az, hogy miféle célpontot találhatunk az agyban
10:24
that allowlehetővé teszi us to overcomeleküzdése this fearfélelem?
263
609000
2000
ami segít leküzdeni ezt a félelmet?
10:26
So what we do is we playjáték that tonetónus again
264
611000
2000
Tehát lejátszuk azt a hangot megint
10:28
after it's been associatedtársult with fearfélelem.
265
613000
2000
miután az asszociálódott a félelemmel.
10:30
But we activateaktiválása targetscélkitűzések in the brainagy, differentkülönböző onesazok,
266
615000
2000
Ugyanakkor aktiváljuk a különféle célterületeket az agyban,
10:32
usinghasználva that opticaloptikai fiberrost arraysor I told you about in the previouselőző slidecsúszik,
267
617000
3000
használva a tömbbe rendezett optikai szálakat,
10:35
in ordersorrend to try and figureábra out whichmelyik targetscélkitűzések
268
620000
2000
azért, hogy megtudjuk melyik célterület
10:37
can causeok the brainagy to overcomeleküzdése that memorymemória of fearfélelem.
269
622000
3000
okozhatja az agyban a félelem emlékének legyőzését.
10:40
And so this briefrövid videovideó-
270
625000
2000
Ez a rövid videó megmutatja
10:42
showsműsorok you one of these targetscélkitűzések that we're workingdolgozó on now.
271
627000
2000
az egyik ilyen célterületet amin éppen dolgozunk.
10:44
This is an areaterület in the prefrontalprefrontális cortexkéreg,
272
629000
2000
Ez a terület a prefrontális agykéregben van,
10:46
a regionvidék where we can use cognitionmegismerés to try to overcomeleküzdése aversivetámasztják alá következetes emotionalérzelmi statesÁllamok.
273
631000
3000
ahol az ismeretet használva próbáljuk legyőzni az ellenséges érzelmi állapotokat.
10:49
And the animal'sállat going to hearhall a tonetónus -- and a flashvaku of lightfény occurredtörtént there.
274
634000
2000
Az állat hallani fogja a hangot -- majd ott felvillant a fény.
10:51
There's no audiohang- on this, but you can see the animal'sállat freezingfagyasztás.
275
636000
2000
Itt most nem lesz hang, de láthatják, hogy az állat megdermed.
10:53
This tonetónus used to mean badrossz newshírek.
276
638000
2000
Ez a hang rosszat szokott jelenteni.
10:55
And there's a little clockóra in the lowerAlsó left-handbal kéz cornersarok,
277
640000
2000
És van egy kicsi óra az bal alsó sarokban,
10:57
so you can see the animalállat is about two minutespercek into this.
278
642000
3000
és láthatják, hogy az állat két perce van így.
11:00
And now this nextkövetkező clipcsipesz
279
645000
2000
Most pedig itt van a következő klipp,
11:02
is just eightnyolc minutespercek latera későbbiekben.
280
647000
2000
csak nyolc perccel később.
11:04
And the sameazonos tonetónus is going to playjáték, and the lightfény is going to flashvaku again.
281
649000
3000
Ugyanaz a hang fog szólni most is, és a fény is fel fog villanni.
11:07
Okay, there it goesmegy. Right now.
282
652000
3000
Rendben, most indul. Éppen most.
11:10
And now you can see, just 10 minutespercek into the experimentkísérlet,
283
655000
3000
És láthatják is, csak tíz perce megy a kísérlet,
11:13
that we'vevoltunk equippedfelszerelt the brainagy by photoactivatingphotoactivating this areaterület
284
658000
3000
ahol a fénnyel való aktiválás folyik az agynak eme területén,
11:16
to overcomeleküzdése the expressionkifejezés
285
661000
2000
hogy legyőzzük a a félelem
11:18
of this fearfélelem memorymemória.
286
663000
2000
emlékének kifejeződését.
11:20
Now over the last couplepárosít of yearsévek, we'vevoltunk goneelmúlt back to the treefa of life
287
665000
3000
Az elmúlt néhány évben visszatértünk az élet fájához,
11:23
because we wanted to find waysmódokon to turnfordulat circuitsáramkörök in the brainagy off.
288
668000
3000
mert kerestünk módokat az agyi áramkörök kikapcsolására.
11:26
If we could do that, this could be extremelyrendkívüli módon powerfulerős.
289
671000
3000
Ha ezt meg tudnánk tenni, akkor ez hatalmas dolog lenne.
11:29
If you can deletetöröl cellssejteket just for a fewkevés millisecondsmilliszekundum or secondsmásodperc,
290
674000
3000
Ha tudnánk sejteket kikapcsolni , akár néhány ezredmásodpercre vagy másodpercre,
11:32
you can figureábra out what necessaryszükséges roleszerep they playjáték
291
677000
2000
akkor rájöhetnénk, hogy milyen szerepet játszanak
11:34
in the circuitsáramkörök in whichmelyik they're embeddedbeágyazott.
292
679000
2000
az áramkörökben, ahova be vannak épülve.
11:36
And we'vevoltunk now surveyedmegkérdezett organismsszervezetek from all over the treefa of life --
293
681000
2000
És most már felmértük az organizmusokat az egész életfáról --
11:38
everyminden kingdomkirályság of life exceptkivéve for animalsállatok, we see slightlynémileg differentlyeltérően.
294
683000
3000
és az élet minden területét egy kicsit másként látjuk, kivéve az állatokét.
11:41
And we foundtalál all sortsfajta of moleculesmolekulák, they're calledhívott halorhodopsinshalorhodopsins or archaerhodopsinsarchaerhodopsins,
295
686000
3000
És találtunk mindenféle molekulát, halorhodopsinokat vagy archaerhodopsinokat,
11:44
that respondreagál to greenzöld and yellowsárga lightfény.
296
689000
2000
amik a zöld és sárga fényre reagálnak.
11:46
And they do the oppositeszemben thing of the moleculemolekula I told you about before
297
691000
2000
Pontosan az ellenkezőjét csinálják mint az előbb említett molekula,
11:48
with the bluekék lightfény activatorélénkíteni channelrhodopsinchannelrhodopsin.
298
693000
3000
a kék fény aktiválására képes csatorna-rodopszin.
11:52
Let's give an examplepélda of where we think this is going to go.
299
697000
3000
Nézzünk meg egy példát arra, hogy ez az egész merre tarthat.
11:55
ConsiderFontolja meg, for examplepélda, a conditionfeltétel like epilepsyepilepszia,
300
700000
3000
Vegyünk például egy állapotot mint az epilepszia,
11:58
where the brainagy is overactivehiperaktív.
301
703000
2000
amikor az agy túlzottan tevékeny.
12:00
Now if drugsgyógyszerek failnem sikerül in epilepticepilepsziás treatmentkezelés,
302
705000
2000
Ha a gyógyszer nem hat az epilepszia kezelése során,
12:02
one of the strategiesstratégiák is to removeeltávolít partrész of the brainagy.
303
707000
2000
egy stratégia lehet az agy egy részének eltávolítása.
12:04
But that's obviouslymagától értetődően irreversiblevisszafordíthatatlan, and there could be sideoldal effectshatások.
304
709000
2000
Ez természetesen egy visszafordíthatatlan folyamat, és lehetnek mellékhatásai.
12:06
What if we could just turnfordulat off that brainagy for a briefrövid amountösszeg of time,
305
711000
3000
Mi lenne, ha ki tudnánk kapcsolni az agy azon részét egy rövid időre,
12:09
untilamíg the seizureelkobzás diesmeghal away,
306
714000
3000
amíg a roham meg nem szűnik,
12:12
and causeok the brainagy to be restoredfelújított to its initiala kezdeti stateállapot --
307
717000
3000
és az agy vissza állítódna az eredeti állapotába --
12:15
sortfajta of like a dynamicaldinamikai systemrendszer that's beinglény coaxedcoaxed down into a stablestabil stateállapot.
308
720000
3000
mint egyfajta dinamikus rendszer ami visszakerülne a stabil állapotába.
12:18
So this animationélénkség just triespróbálkozás to explainmegmagyarázni this conceptkoncepció
309
723000
3000
Ez az animáció megpróbálja elmagyarázni ezt a koncepciót,
12:21
where we madekészült these cellssejteket sensitiveérzékeny to beinglény turnedfordult off with lightfény,
310
726000
2000
amiben ezeket a sejteket fényérzékennyé tettük,
12:23
and we beamgerenda lightfény in,
311
728000
2000
majd fényt irányítottunk rá,
12:25
and just for the time it takes to shutbecsuk down a seizureelkobzás,
312
730000
2000
csak arra az időre amíg a roham megszűnik,
12:27
we're hopingremélve to be ableképes to turnfordulat it off.
313
732000
2000
reméljük, hogy ki tudnánk kapcsolni őket.
12:29
And so we don't have dataadat to showelőadás you on this frontelülső,
314
734000
2000
Sajnos nincsen adatunk amit itt most meg tudnánk mutatni,
12:31
but we're very excitedizgatott about this.
315
736000
2000
de már nagyon izgatottak vagyunk ez ügyben.
12:33
Now I want to closeBezárás on one storysztori,
316
738000
2000
Most szeretném lezárni az egyik történetet,
12:35
whichmelyik we think is anotheregy másik possibilitylehetőség --
317
740000
2000
ami szerintünk egy másik lehetőség --
12:37
whichmelyik is that maybe these moleculesmolekulák, if you can do ultra-preciseUltra-precíz controlellenőrzés,
318
742000
2000
ahol ezek a molekulák, ha képesek vagyunk az ultra-precíz kontrollra,
12:39
can be used in the brainagy itselfmaga
319
744000
2000
használhatóak lennének magában az agyban,
12:41
to make a newúj kindkedves of prostheticprotézis, an opticaloptikai prostheticprotézis.
320
746000
3000
mint egy új fajta protézis, egy optikai protézis.
12:44
I alreadymár told you that electricalelektromos stimulatorsstimulátorok are not uncommonritka.
321
749000
3000
Már mondtam, hogy az elektromos stimulálás egyáltalán nem ritka.
12:47
Seventy-fiveHetvenöt thousandezer people have Parkinson'sParkinson-kór deep-brainmély agyi stimulatorsstimulátorok implantedbeültetett.
322
752000
3000
75,000 Parkinson kóros embernek van mélyagyi stimulátor beultetve.
12:50
Maybe 100,000 people have CochlearCsigás implantsimplantátumok,
323
755000
2000
Talán 100,000 embernek van Cochlear implantátuma,
12:52
whichmelyik allowlehetővé teszi them to hearhall.
324
757000
2000
ami lehetővé teszi, hogy halljanak.
12:54
There's anotheregy másik thing, whichmelyik is you've got to get these genesgének into cellssejteket.
325
759000
3000
És van egy másik haszna annak, hogy ezeket a géneket bejuttatjuk a sejtekbe.
12:57
And newúj hoperemény in genegén therapyterápia has been developedfejlett
326
762000
3000
És kifejlődött egy új remény a gén terápiában
13:00
because virusesvírusok like the adeno-associatedadeno-asszociált virusvírus,
327
765000
2000
mert olyan vírusokat mint például az adeno-asszociált vírus --
13:02
whichmelyik probablyvalószínűleg mosta legtöbb of us around this roomszoba have,
328
767000
2000
ami talán többségünknek megvan itt a teremben,
13:04
and it doesn't have any symptomstünetek,
329
769000
2000
és nincs semmi tünete --
13:06
whichmelyik have been used in hundredsszáz of patientsbetegek
330
771000
2000
több száz páciensnél használtak már,
13:08
to deliverszállít genesgének into the brainagy or the bodytest.
331
773000
2000
hogy géneket jutassanak az agyba vagy a testbe.
13:10
And so farmessze, there have not been serioussúlyos adversekedvezőtlen eventsesemények
332
775000
2000
Ezidáig, nem volt semmilyen súlyos ellenhatás
13:12
associatedtársult with the virusvírus.
333
777000
2000
ezzel a vírussal kapcsolatosan.
13:14
There's one last elephantelefánt in the roomszoba, the proteinsfehérjék themselvesmaguk,
334
779000
3000
Van egy utolsó nyilvánvaló igazság: maguk a fehérjék,
13:17
whichmelyik come from algaealgák and bacteriabaktériumok and fungigombák,
335
782000
2000
amik algákból és baktériumokból és gombákból származnak,
13:19
and all over the treefa of life.
336
784000
2000
meg mindenhonnan az életfáról.
13:21
MostA legtöbb of us don't have fungigombák or algaealgák in our brainsagyvelő,
337
786000
2000
A többségünknek nincs gomba vagy alga az agyában,
13:23
so what is our brainagy going to do if we put that in?
338
788000
2000
vajon mit fog csinálni az agyunk ha ilyeneket teszünk bele?
13:25
Are the cellssejteket going to tolerateelvisel it? Will the immuneimmúnis systemrendszer reactreagál?
339
790000
2000
Fogják-e a sejtek tolerálni? Fog-e az immunrendszer reagálni?
13:27
In its earlykorai daysnapok -- these have not been doneKész on humansemberek yetmég --
340
792000
2000
A kezdeti szakaszban -- ez még nem lett végrehajtva embereken --
13:29
but we're workingdolgozó on a varietyfajta of studiestanulmányok
341
794000
2000
de különböző tanulmányokon dolgozunk,
13:31
to try and examinevizsgálata this,
342
796000
2000
hogy megvizsgálhassuk ezt.
13:33
and so farmessze we haven'tnincs seenlátott overtnyílt reactionsreakciók of any severitysúlyossága
343
798000
3000
Mostanáig nem láttunk semmi komolyabb nyilvánvaló reakciót
13:36
to these moleculesmolekulák
344
801000
2000
ezen molekulák ellen
13:38
or to the illuminationmegvilágítás of the brainagy with lightfény.
345
803000
3000
vagy az agy megvilágítása ellen.
13:41
So it's earlykorai daysnapok, to be upfrontelőre, but we're excitedizgatott about it.
346
806000
3000
Még korai, hogy végleges véleményt mondjunk, de nagyon izgatottak vagyunk miatta.
13:44
I wanted to closeBezárás with one storysztori,
347
809000
2000
Egy történettel akartam befejezni,
13:46
whichmelyik we think could potentiallypotenciálisan
348
811000
2000
ami szerintünk lehetne egy
13:48
be a clinicalklinikai applicationAlkalmazás.
349
813000
2000
klinikai jellegű felhasználás.
13:50
Now there are manysok formsformák of blindnessvakság
350
815000
2000
Sokféle vakság létezik
13:52
where the photoreceptorsfotoreceptorok,
351
817000
2000
ahol a fényérzékelők
13:54
our lightfény sensorsérzékelők that are in the back of our eyeszem, are goneelmúlt.
352
819000
3000
amik a szemünkben vannak hátul, elhalnak.
13:57
And the retinaretina, of coursetanfolyam, is a complexösszetett structureszerkezet.
353
822000
2000
És a retina, természetesen, egy bonyolult struktúra.
13:59
Now let's zoomzoomolás in on it here, so we can see it in more detailRészlet.
354
824000
2000
Most közelítsünk rá, hogy részletesebben is lássuk.
14:01
The photoreceptorphotoreceptor cellssejteket are shownLátható here at the topfelső,
355
826000
3000
A fényérzékelő sejtek itt vannak felül,
14:04
and then the signalsjelek that are detectedészlelt by the photoreceptorsfotoreceptorok
356
829000
2000
majd a fényérzékelők által észlelt jeleket
14:06
are transformedtranszformált by variouskülönféle computationsszámítások
357
831000
2000
változatos számításokkal átváltoztatják,
14:08
untilamíg finallyvégül that layerréteg of cellssejteket at the bottomalsó, the ganglionganglion cellssejteket,
358
833000
3000
amíg végül az az alsó sejtréteg, a ganglion sejtek,
14:11
relayrelé the informationinformáció to the brainagy,
359
836000
2000
közvetítik az információt az agynak,
14:13
where we see that as perceptionészlelés.
360
838000
2000
ahol mi érzékeljuk azt.
14:15
In manysok formsformák of blindnessvakság, like retinitisretinitis pigmentosapigmentosa,
361
840000
3000
Sokféle vakság esetében, mint például a retinitis pigmentosa,
14:18
or macularmakula degenerationdegeneráció,
362
843000
2000
vagy a sárgafolt elfajulás,
14:20
the photoreceptorphotoreceptor cellssejteket have atrophiedelsorvadt or been destroyedelpusztított.
363
845000
3000
a fényérzékelő sejtek sorvadnak vagy pusztulnak el.
14:23
Now how could you repairjavítás this?
364
848000
2000
Hogyan lehetne megjavítani ezeket?
14:25
It's not even clearegyértelmű that a drugdrog could causeok this to be restoredfelújított,
365
850000
3000
Még az sem világos hogy egy gyógyszer képes lenne-e helyrehozni,
14:28
because there's nothing for the drugdrog to bindköt to.
366
853000
2000
mert nincs semmi amihez a gyógyszer kötődni tudna.
14:30
On the other handkéz, lightfény can still get into the eyeszem.
367
855000
2000
Másrészről, a fény még képes bejutni a szembe.
14:32
The eyeszem is still transparentátlátszó and you can get lightfény in.
368
857000
3000
A szem még mindig átlátszó és így a fény behatolhat.
14:35
So what if we could just take these channelrhodopsinschannelrhodopsins and other moleculesmolekulák
369
860000
3000
Mi történne, ha fognánk ezeket a csatorna-rodopszinokat és más molekulákat
14:38
and installtelepítés them on some of these other sparetartalék cellssejteket
370
863000
2000
és elhelyeznénk őket ezekbe a megmaradt sejtekbe
14:40
and convertalakítani them into little cameraskamerák.
371
865000
2000
és átalakítanánk őket kicsi fényképezőgépekké.
14:42
And because there's so manysok of these cellssejteket in the eyeszem,
372
867000
2000
És mert olyan sok van belőlük a szemben,
14:44
potentiallypotenciálisan, they could be very high-resolutionnagy felbontású cameraskamerák.
373
869000
3000
elvileg alkothatnának akár egy magas felbontású fényképezőgépet.
14:47
So this is some work that we're doing.
374
872000
2000
Szóval ilyenfajta dolgokon munkálkodunk.
14:49
It's beinglény led by one of our collaboratorsegyüttműködők,
375
874000
2000
Egy munkatársunk vezeti mindezt,
14:51
AlanAlan HorsagerHorsager at USCUSC,
376
876000
2000
Alan Horsager az USC-nél,
14:53
and beinglény soughtkeresett to be commercializedkereskedelmi forgalomba by a start-upinduló companyvállalat EosEOS NeuroscienceIdegtudomány,
377
878000
3000
és kereskedelmi forgalomba hozná majd egy induló cég, az Eos Neuroscience,
14:56
whichmelyik is fundedtőkefedezeti by the NIHNIH.
378
881000
2000
amit a NIH támogat.
14:58
And what you see here is a mouseegér tryingmegpróbálja to solvemegfejt a mazelabirintus.
379
883000
2000
Itt egy egér megpróbál megoldani egy labirintus-problémát.
15:00
It's a six-armhat-kar mazelabirintus. And there's a bitbit of watervíz in the mazelabirintus
380
885000
2000
Ez egy hat ágú labirintus. És van egy kis víz is ebben a labirintusban,
15:02
to motivatemotivál the mouseegér to movemozog, or he'llpokol just sitül there.
381
887000
2000
hogy az egeret motíválja valami, különben csak ülne ott.
15:04
And the goalcél, of coursetanfolyam, of this mazelabirintus
382
889000
2000
A célja ennek a labirintusnak, természetesen,
15:06
is to get out of the watervíz and go to a little platformemelvény
383
891000
2000
az hogy kikerüljön a vízből a szárazra,
15:08
that's underalatt the litmegvilágított topfelső portkikötő.
384
893000
2000
ami a fény alatti rész.
15:10
Now miceegerek are smartOkos, so this mouseegér solvesmegoldja the mazelabirintus eventuallyvégül is,
385
895000
3000
Nos, az egerek okosak, ezért ő megoldja a labirintust végül,
15:13
but he does a brute-forceoktalan-kényszerít searchKeresés.
386
898000
2000
de végig próbálva az összes lehetőséget.
15:15
He's swimmingúszás down everyminden avenuesugárút untilamíg he finallyvégül getsjelentkeznek to the platformemelvény.
387
900000
3000
Leúszik mindegyik ágon amíg meg nem találja a száraz alapzatot.
15:18
So he's not usinghasználva visionlátomás to do it.
388
903000
2000
Szóval nem használja a látását ehhez.
15:20
These differentkülönböző miceegerek are differentkülönböző mutationsmutációk
389
905000
2000
Ezek a különböző egerek különböző mutációk,
15:22
that recapitulateismétel differentkülönböző kindsféle of blindnessvakság that affectérint humansemberek.
390
907000
3000
amik különböző fajta, az embereket is érintő, vakságtól szenvednek.
15:25
And so we're beinglény carefulóvatos in tryingmegpróbálja to look at these differentkülönböző modelsmodellek
391
910000
3000
Tehát óvatosak próbálunk lenni amikor nézegetjük ezeket a különböző modelleket,
15:28
so we come up with a generalizedgeneralizált approachmegközelítés.
392
913000
2000
és végül találtunk egy általános megközelítést.
15:30
So how are we going to solvemegfejt this?
393
915000
2000
Hogyan is fogjuk megoldani ezt?
15:32
We're going to do exactlypontosan what we outlinedvázolt in the previouselőző slidecsúszik.
394
917000
2000
Pontosan azt csináljuk amit vázoltunk az előző képen.
15:34
We're going to take these bluekék lightfény photosensorsphotosensors
395
919000
2000
Fogjuk ezeket a kék fény érzékelőket
15:36
and installtelepítés them on a layerréteg of cellssejteket
396
921000
2000
és telepítjük őket egy sejtrétegbe
15:38
in the middleközépső of the retinaretina in the back of the eyeszem
397
923000
3000
a retina középen, a szem belsejében
15:41
and convertalakítani them into a camerakamera --
398
926000
2000
és fényképezőgéppé változtatjuk őket.
15:43
just like installingtelepítése solarnap- cellssejteket all over those neuronsneuronok
399
928000
2000
Pont úgy mintha napelemeket telepítenénk mindenfele az idegsejtekben,
15:45
to make them lightfény sensitiveérzékeny.
400
930000
2000
hogy fényérzékenyekké váljanak.
15:47
LightFény is convertedkonvertált to electricityelektromosság on them.
401
932000
2000
A fény elektromossággá alakul bennük.
15:49
So this mouseegér was blindvak a couplepárosít weekshetes before this experimentkísérlet
402
934000
3000
Szóval ez az egér vak volt néhány héttel a kísérlet előtt
15:52
and receivedkapott one doseadag of this photosensitivefényérzékeny moleculemolekula in a virusvírus.
403
937000
3000
és kapott egy dózis fényérzékeny molekulákat tartalmazó vírust.
15:55
And now you can see, the animalállat can indeedvalóban avoidelkerül wallsfalak
404
940000
2000
És most már látható, hogy az állat képes elkerülni a falakat
15:57
and go to this little platformemelvény
405
942000
2000
és megy egyenesen a száraz területre
15:59
and make cognitivemegismerő use of its eyesszemek again.
406
944000
3000
és kognitiv módon használja újra a szemét.
16:02
And to pointpont out the powererő of this:
407
947000
2000
És a módszer ereje abban van,
16:04
these animalsállatok are ableképes to get to that platformemelvény
408
949000
2000
hogy ezek az állatok képesek a platformra jutni
16:06
just as fastgyors as animalsállatok that have seenlátott theirazok entireteljes liveséletét.
409
951000
2000
éppoly gyorsan mint az állatok akik egész életükben láttak.
16:08
So this pre-clinicalpre-klinikai studytanulmány, I think,
410
953000
2000
Szerintem ezek az elő-klinikai tanulmány
16:10
bodesteremtenek hoperemény for the kindsféle of things
411
955000
2000
reményt jósolhat azoknak a dolgoknak
16:12
we're hopingremélve to do in the futurejövő.
412
957000
2000
amiket remélünk, hogy végre tudunk hajtani a jövőben.
16:14
To closeBezárás, I want to pointpont out that we're alsois exploringfeltárása
413
959000
3000
Végül, szeretném kiemelni, hogy szintén próbálunk találni
16:17
newúj businessüzleti modelsmodellek for this newúj fieldmező of neurotechnologyneurotechnology.
414
962000
2000
új üzleti modelleket ehhez az új neurotechnológiai területhez.
16:19
We're developingfejlesztés these toolsszerszámok,
415
964000
2000
Fejlesztjük ezeket a módszereket,
16:21
but we shareOssza meg them freelyönként with hundredsszáz of groupscsoportok all over the worldvilág,
416
966000
2000
de megosztjuk őket szabadon több száz csapattal mindenfelé a világon,
16:23
so people can studytanulmány and try to treatcsemege differentkülönböző disordersrendellenességek.
417
968000
2000
így az emberek kipróbálhatják a különböző gyógymódokat a rendelleneségekre.
16:25
And our hoperemény is that, by figuringösszeadás out brainagy circuitsáramkörök
418
970000
3000
Reményünk az, hogy megértvén az agyunkban lévő áramköröket
16:28
at a levelszint of abstractionabsztrakció that letslehetővé teszi, us repairjavítás them and engineermérnök them,
419
973000
3000
egy elvont szinten ami lehetővé teszi számunkra, hogy megjavítsuk és tervezzük őket,
16:31
we can take some of these intractablemegoldhatatlan disordersrendellenességek that I told you about earlierkorábban,
420
976000
3000
és vehetjük ezeket a konok betegségeket amikről beszéltünk már korábban,
16:34
practicallygyakorlatilag noneegyik sem of whichmelyik are curedgyógyítható,
421
979000
2000
melyek gyakorlatilag gyógyíthatatlanok,
16:36
and in the 21stutca centuryszázad make them historytörténelem.
422
981000
2000
és a 21-ik században múlttá tegyük őket.
16:38
Thank you.
423
983000
2000
Köszönöm.
16:40
(ApplauseTaps)
424
985000
13000
(Taps)
16:53
JuanJuan EnriquezEnriquez: So some of the stuffdolog is a little densesűrű.
425
998000
3000
Juan Enriquesz: Szóval néhány dolog elég sűrű volt.
16:56
(LaughterNevetés)
426
1001000
2000
(Nevetés)
16:58
But the implicationskövetkezményei
427
1003000
2000
De a jelentősége
17:00
of beinglény ableképes to controlellenőrzés seizuresrohamok or epilepsyepilepszia
428
1005000
3000
a képességnek, hogy a szélütés vagy az epilepszia kontrollálható lenne
17:03
with lightfény insteadhelyette of drugsgyógyszerek,
429
1008000
2000
gyógyszerek helyett fény által,
17:05
and beinglény ableképes to targetcél those specificallykifejezetten
430
1010000
3000
és képessé válni arra, hogy ezeket specifikusan megcélozhassuk,
17:08
is a first steplépés.
431
1013000
2000
az egy első lépés.
17:10
The secondmásodik thing that I think I heardhallott you say
432
1015000
2000
A második dolog amit gondolom mondtál,
17:12
is you can now controlellenőrzés the brainagy in two colorsszínek,
433
1017000
3000
hogy az agy kontrolálható két fény által,
17:15
like an on/off switchkapcsoló.
434
1020000
2000
mint egy ki/be kapcsoló.
17:17
EdEd BoydenBoyden: That's right.
435
1022000
2000
Ed Boyden: Így van.
17:19
JEJE: WhichAmely makesgyártmányú everyminden impulseimpulzus going throughkeresztül the brainagy a binarykétkomponensű codekód.
436
1024000
3000
JE: Ami minden minden agyi impulzust bináris kóddá tesz.
17:22
EBEB: Right, yeah.
437
1027000
2000
EB: Pontosan.
17:24
So with bluekék lightfény, we can drivehajtás informationinformáció, and it's in the formforma of a one.
438
1029000
3000
Szóval a kék fénnyel, információt vezetünk, ami az egyes formája.
17:27
And by turningfordítás things off, it's more or lessKevésbé a zeronulla.
439
1032000
2000
A kikapcsolásával pedig többé-kevésbé zéró.
17:29
So our hoperemény is to eventuallyvégül is buildépít brainagy coprocessorslogikai
440
1034000
2000
Reményünk szerint végül is építenénk egy kisegítő agy-processzort
17:31
that work with the brainagy
441
1036000
2000
ami az aggyal együtt dolgozna,
17:33
so we can augmentfokozza a functionsfunkciók in people with disabilitiesfogyatékkal élő.
442
1038000
3000
szóval így tudnánk fokozni a funkciókat a rokkantakban.
17:36
JEJE: And in theoryelmélet, that meanseszközök that,
443
1041000
2000
JE: És elméletben ez azt jelenti,
17:38
as a mouseegér feelsérzi, smellsillatok,
444
1043000
2000
hogy amit egy egér érez, szagol,
17:40
hearshall, touchessimítások,
445
1045000
2000
hall, tapogat,
17:42
you can modelmodell it out as a stringhúr of onesazok and zerosnullák.
446
1047000
3000
lemodellezhetjük mint egyesek és zérók sorozata.
17:45
EBEB: Sure, yeah. We're hopingremélve to use this as a way of testingtesztelés
447
1050000
2000
EB: Úgy van. Reméljük, hogy ezt használva kiderítjük
17:47
what neuralideg- codeskódok can drivehajtás certainbizonyos behaviorsviselkedés
448
1052000
2000
melyik idegi kódok vezérelnek bizonyos viselkedéseket
17:49
and certainbizonyos thoughtsgondolatok and certainbizonyos feelingsérzések,
449
1054000
2000
és bizonyos gondolatokat és bizonyos érzéseket,
17:51
and use that to understandmegért more about the brainagy.
450
1056000
3000
és ezt arra használni hogy jobban megértsük az agy müködését.
17:54
JEJE: Does that mean that some day you could downloadLetöltés memoriesmemóriák
451
1059000
3000
JE: Ez jelentheti-e vajon azt, hogy egy nap le tudnánk tölteni az emlékeket
17:57
and maybe uploadfeltölt them?
452
1062000
2000
és talán feltölteni is?
17:59
EBEB: Well that's something we're startingkiindulási to work on very hardkemény.
453
1064000
2000
EB: Hát ezen nagyon keményen kezdtünk el dolgozni.
18:01
We're now workingdolgozó on some work
454
1066000
2000
Most éppen dolgozunk valamin
18:03
where we're tryingmegpróbálja to tilecsempe the brainagy with recordingfelvétel elementselemek too.
455
1068000
2000
ahol megpróbáljuk beburkolni az agyat felvevő egységekkel is.
18:05
So we can recordrekord informationinformáció and then drivehajtás informationinformáció back in --
456
1070000
3000
Így rögzíthetjük az információt majd vissza közvetítenénk azt --
18:08
sortfajta of computingszámítástechnika what the brainagy needsigények
457
1073000
2000
mintegy kiszámolva mire van szüksége az agynak,
18:10
in ordersorrend to augmentfokozza a its informationinformáció processingfeldolgozás.
458
1075000
2000
azért, hogy javítsuk az információ feldolgozó képességét.
18:12
JEJE: Well, that mightesetleg changeváltozás a couplepárosít things. Thank you. (EBEB: Thank you.)
459
1077000
3000
JE: Hát, ez lehet hogy néhány dolgot meg fog változtatni. Köszönöm. (EB: Köszönöm.)
18:15
(ApplauseTaps)
460
1080000
3000
(Taps)
Translated by Zsolt Kertai
Reviewed by Laszlo Kereszturi

▲Back to top

ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com