TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Sebuah peta otak
Filmed:
Readability: 4.4
1,269,611 views
Bagaimana kita mulai dapat memahami cara kerja otak? Sama seperti kita mulai memahami sebuah kota: membuat peta. Dalam presentasi yang luar biasa ini, Allan Jones menunjukkan bagaimana timnya memetakan gen mana yang menjadi aktif pada setiap bagian-bagian kecil di otak, dan bagaimana gen-gen itu saling berhubungan.
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
Manusia sudah lama terpesona
00:17
for the human brain.
1
2000
2000
dengan otak manusia.
00:19
We chart it, we've described it,
2
4000
3000
Kita memetakan, melukiskan,
00:22
we've drawn it,
3
7000
2000
dan menggambarkannya,
00:24
we've mapped it.
4
9000
3000
kita memetakannya.
00:27
Now just like the physical maps of our world
5
12000
3000
Lalu seperti peta fisik dari dunia kita
00:30
that have been highly influenced by technology --
6
15000
3000
yang telah banyak dipengaruhi oleh teknologi --
00:33
think Google Maps,
7
18000
2000
seperti Google Maps,
00:35
think GPS --
8
20000
2000
atau GPS --
00:37
the same thing is happening for brain mapping
9
22000
2000
hal yang sama juga terjadi dalam pemetaan otak
00:39
through transformation.
10
24000
2000
melalui transformasi ini.
00:41
So let's take a look at the brain.
11
26000
2000
Lalu mari kita melihat pada otak.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Kebanyakan orang saat pertama kali melihat otak manusia yang segar
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
mereka berkata, "Itu tidak seperti apa yang biasa anda lihat
00:49
when someone shows you a brain."
14
34000
2000
saat ada orang yang menunjukkan sebuah otak."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Biasanya, yang Anda lihat adalah otak yang kaku, berwarna kelabu.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Dan lapisan luar ini, ini adalah pembuluh darah
00:56
which is incredible, around a human brain.
17
41000
2000
yang sangat luar biasa, mengelilingi otak manusia.
00:58
This is the blood vessels.
18
43000
2000
Ini adalah pembuluh darah.
01:00
20 percent of the oxygen
19
45000
3000
20 persen dari oksigen
01:03
coming from your lungs,
20
48000
2000
yang masuk ke paru-paru Anda,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 persen dari darah yang dipompa dari jantung Anda
01:07
is servicing this one organ.
22
52000
2000
melayani organ tubuh yang satu ini,
01:09
That's basically, if you hold two fists together,
23
54000
2000
yang ukurannya, jika Anda mengepalkan kedua tangan,
01:11
it's just slightly larger than the two fists.
24
56000
2000
ukurannya hanya sedikit lebih besar daripada kedua kepalan tangan ini.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Ilmuwan, pada sekitar akhir abad 20
01:16
learned that they could track blood flow
26
61000
2000
menyadari bahwa mereka dapat melacak aliran darah
01:18
to map non-invasively
27
63000
3000
untuk memetakan kegiatan yang terjadi
01:21
where activity was going on in the human brain.
28
66000
3000
di otak manusia tanpa mengganggu otak.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Sebagai contoh, mereka dapat melihat pada bagian belakang otak
01:27
which is just turning around there.
30
72000
2000
yang ada di sana.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Itulah cerebellum, bagian yang membuat Anda tegak sekarang.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Bagian ini membuat saya tetap berdiri. Ia mengatur gerakan terkoordinasi.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Bagian ini adalah temporal cortex.
01:37
This is the area where primary auditory processing --
34
82000
3000
Inilah bagian pengolahan pendengaran utama --
01:40
so you're hearing my words,
35
85000
2000
sehingga Anda bisa mendengar suara saya,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
Anda mengirimkannya ke pusat pengolahan bahasa yang lebih tinggi.
01:44
Towards the front of the brain
37
89000
2000
Di bagian depan otak
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
adalah tempat di mana pemikiran yang lebih sulit, pengambilan keputusan --
01:49
it's the last to mature in late adulthood.
39
94000
4000
inilah bagian yang paling akhir menjadi dewasa.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Inilah tempat di mana semua proses pengambilan keputusan dilakukan.
01:56
It's the place where you're deciding right now
41
101000
2000
Inilah tempat di mana saat ini Anda memutuskan
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
mungkin Anda tidak mau memesan steak untuk makan malam.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Jadi jika Anda melihat otak lebih dalam
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
jika Anda melihat pada penampang melintangnya,
02:05
what you can see
45
110000
2000
salah satu yang Anda lihat
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
adalah Anda tidak benar-benar melihat struktur yang utuh.
02:10
But there's actually a lot of structure there.
47
115000
2000
Namun ada banyak struktur di sana.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Sel-sel dan kabelnya saling terhubung.
02:14
So about a hundred years ago,
49
119000
2000
Sekitar 100 tahun yang lalu,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
beberapa ilmuwan menemukan pewarna yang dapat menandai sel.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Pewarna itu ditunjukkan dengan warna biru muda ini.
02:21
You can see areas
52
126000
2000
Anda bisa melihat daerah
02:23
where neuronal cell bodies are being stained.
53
128000
2000
di mana sel-sel tubuh normal sedang ditandai.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Dan yang Anda lihat pewarna ini tidak seragam. Anda melihat banyak sekali struktur di sana.
02:28
So the outer part of that brain
55
133000
2000
Jadi bagian luar dari otak itu
02:30
is the neocortex.
56
135000
2000
adalah neocortex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Bisa dianggap sebuah unit pengolahan kontinu.
02:35
But you can also see things underneath there as well.
58
140000
2000
Namun Anda juga bisa melihat beberapa hal di bawahnya.
02:37
And all of these blank areas
59
142000
2000
Dan semua daerah kosong ini
02:39
are the areas in which the wires are running through.
60
144000
2000
adalah daerah di mana kabel-kabel itu berada.
02:41
They're probably less cell dense.
61
146000
2000
Mungkin daerah ini tidak terlalu padat.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Jadi ada sekitar 86 milyar neuron di dalam otak kita.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Dan seperti yang Anda lihat, mereka tersebar dengan tidak merata.
02:50
And how they're distributed really contributes
64
155000
2000
Dan bagaimana mereka tersebar benar-benar berkontribusi
02:52
to their underlying function.
65
157000
2000
pada fungsi mereka.
02:54
And of course, as I mentioned before,
66
159000
2000
Dan tentu saja, seperti yang telah saya sebutkan
02:56
since we can now start to map brain function,
67
161000
3000
karena kita dapat mulai memetakan fungsi otak,
02:59
we can start to tie these into the individual cells.
68
164000
3000
kita dapat mulai mengaitkan hal ini dengan sel-sel tunggal.
03:02
So let's take a deeper look.
69
167000
2000
Jadi mari kita melihat lebih jauh.
03:04
Let's look at neurons.
70
169000
2000
Mari kita melihat pada neuron,
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
jadi seperti yang saya sebutkan, ada 86 milyar neuron.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Ada juga sel-sel yang lebih kecil ini.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Ini adalah sel-sel pendukung -- astrosit glia.
03:12
And the nerves themselves
74
177000
3000
Dan sel saraf itu sendiri
03:15
are the ones who are receiving input.
75
180000
2000
adalah sel-sel yang menerima masukan.
03:17
They're storing it, they're processing it.
76
182000
2000
Mereka menyimpan dan mengolahnya.
03:19
Each neuron is connected via synapses
77
184000
4000
Setiap neuron terhubung dengan sinapsis
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
dengan hingga 10.000 neuron lain dalam otak Anda.
03:26
And each neuron itself
79
191000
2000
Dan setiap neuron itu sendiri
03:28
is largely unique.
80
193000
2000
sangat unik.
03:30
The unique character of both individual neurons
81
195000
2000
Sifat unik dari setiap neuron itu
03:32
and neurons within a collection of the brain
82
197000
2000
dan neuron di dalam bagian tertentu dari otak
03:34
are driven by fundamental properties
83
199000
3000
ditentukan oleh sifat-sifat dasar
03:37
of their underlying biochemistry.
84
202000
2000
dari biokimia dasarnya.
03:39
These are proteins.
85
204000
2000
Ini adalah protein
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
yang mengendalikan hal-hal seperti pergerakan saluran ion.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Protein ini mengendalikan siapa rekan dari sistem sel-sel syaraf.
03:48
And they're controlling
88
213000
2000
Dan mereka mengendalikan
03:50
basically everything that the nervous system has to do.
89
215000
2000
semua yang harus dilakukan oleh sistem syaraf.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Lalu jika kita memperbesarnya lebih jauh,
03:55
all of those proteins
91
220000
2000
semua protein ini
03:57
are encoded by our genomes.
92
222000
2000
tersandikan dalam genom kita.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Kita semua masing-masing memiliki 23 pasang kromosom.
04:02
We get one from mom, one from dad.
94
227000
2000
Kita mendapat 1 dari ibu dan 1 dari ayah.
04:04
And on these chromosomes
95
229000
2000
Dan di dalam kromosom ini
04:06
are roughly 25,000 genes.
96
231000
2000
ada sekitar 25.000 gen
04:08
They're encoded in the DNA.
97
233000
2000
yang tersandikan di dalam DNA.
04:10
And the nature of a given cell
98
235000
3000
Dan sifat dasar dari setiap sel
04:13
driving its underlying biochemistry
99
238000
2000
dalam menentukan biokimia yang ada di dalamnya
04:15
is dictated by which of these 25,000 genes
100
240000
3000
ditentukan oleh gen mana di antara 25.000 gen itu
04:18
are turned on
101
243000
2000
yang aktif
04:20
and at what level they're turned on.
102
245000
2000
dan sejauh mana gen itu aktif.
04:22
And so our project
103
247000
2000
Jadi, proyek kami
04:24
is seeking to look at this readout,
104
249000
3000
adalah melihat pada bacaan ini,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
memahami gen yang mana yang diaktifkan dari 25.000 gen yang ada.
04:30
So in order to undertake such a project,
106
255000
3000
Jadi untuk melakukan proyek seperti ini,
04:33
we obviously need brains.
107
258000
3000
kami memerlukan otak.
04:36
So we sent our lab technician out.
108
261000
3000
Jadi kami mengirimkan teknisi lab kami.
04:39
We were seeking normal human brains.
109
264000
2000
Kami mencari otak manusia normal.
04:41
What we actually start with
110
266000
2000
Kami akhirnya mulai dari
04:43
is a medical examiner's office.
111
268000
2000
kamar otopsi.
04:45
This a place where the dead are brought in.
112
270000
2000
Inilah tempat penampungan orang meninggal.
04:47
We are seeking normal human brains.
113
272000
2000
Kami mencari otak manusia normal.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Ada banyak syarat dalam memilih otak-otak ini.
04:52
We want to make sure
115
277000
2000
Kami ingin memastikan
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
bahwa kami mendapat otak orang normal berusia antara 20 hingga 60 tahun,
04:57
they died a somewhat natural death
117
282000
2000
mereka meninggal secara alami
04:59
with no injury to the brain,
118
284000
2000
tanpa cedera di otak,
05:01
no history of psychiatric disease,
119
286000
2000
tanpa sejarah penyakit kejiwaan,
05:03
no drugs on board --
120
288000
2000
tanpa obat-obatan --
05:05
we do a toxicology workup.
121
290000
2000
kami melakukan pemeriksaan racun.
05:07
And we're very careful
122
292000
2000
Dan kami sangat berhati-hati
05:09
about the brains that we do take.
123
294000
2000
dengan otak yang kami ambil.
05:11
We're also selecting for brains
124
296000
2000
Kami juga memilih otak
05:13
in which we can get the tissue,
125
298000
2000
di mana kami bisa mendapatkan jaringannya,
05:15
we can get consent to take the tissue
126
300000
2000
kami dapat memperoleh persetujuan untuk mengambil jaringan itu
05:17
within 24 hours of time of death.
127
302000
2000
dalam 24 jam setelah kematian.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Karena apa yang kami coba ukur, RNA --
05:22
which is the readout from our genes --
129
307000
2000
yang merupakan bacaan dari gen kita --
05:24
is very labile,
130
309000
2000
sangat labil,
05:26
and so we have to move very quickly.
131
311000
2000
sehingga kami harus bergerak sangat cepat.
05:28
One side note on the collection of brains:
132
313000
3000
Salah satu catatan dalam mengambil otak ini:
05:31
because of the way that we collect,
133
316000
2000
karena cara kami mengambilnya
05:33
and because we require consent,
134
318000
2000
dan karena kami memerlukan persetujuan,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
kami mendapat lebih banyak otak pria dibandingkan otak wanita.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Pria jauh lebih mungkin meninggal dalam usia emas kehidupannya.
05:41
And men are much more likely
137
326000
2000
Dan pria jauh lebih mungkin
05:43
to have their significant other, spouse, give consent
138
328000
3000
memiliki orang untuk memberi persetujuan, yaitu pasangannya,
05:46
than the other way around.
139
331000
2000
ketimbang sebaliknya.
05:48
(Laughter)
140
333000
4000
(Tawa)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Jadi hal pertama yang kami lakukan saat mengambilnya
05:54
is we collect what's called an MR.
142
339000
2000
adalah kami mengambil apa yang disebut MR.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Pemindaian resonansi magnetik -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Ini adalah prosedur standar di mana kami akan meletakkan data selanjutnya.
06:01
So we collect this MR.
145
346000
2000
Jadi kami mengumpulkan data MR ini.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Anda bisa menganggap ini adalah tampak atas dari peta kami.
06:05
The next thing we do
147
350000
2000
Selanjutnya
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
kami mengumpulkan apa yang disebut pencitraan penyebaran otot.
06:10
This maps the large cabling in the brain.
149
355000
2000
Pencitraan ini memetakan kabel-kabel besar di otak.
06:12
And again, you can think of this
150
357000
2000
Dan Anda dapat membayangkan hal ini
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
hampir seperti memetakan jalan raya antarnegara bagian.
06:16
The brain is removed from the skull,
152
361000
2000
Otak ini dipisahkan dari tengkorak
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
lalu diiris menjadi irisan setebal 1 cm.
06:21
And those are frozen solid,
154
366000
2000
Selanjutnya otak dibekukan
06:23
and they're shipped to Seattle.
155
368000
2000
dan dikirim ke Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
Dan di Seattle, kami mengambil ini --
06:27
this is a whole human hemisphere --
157
372000
2000
ini adalah belahan manusia --
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
dan kami menaruhnya di dalam pemotong daging yang "mulia."
06:31
There's a blade here that's going to cut across
159
376000
2000
Di sana ada pisau yang akan memotong
06:33
a section of the tissue
160
378000
2000
bagian dari jaringan ini
06:35
and transfer it to a microscope slide.
161
380000
2000
dan memindahkannya ke kaca objek mikroskop.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Kami akan memasukkan pewarna ke dalamnya
06:39
and we scan it.
163
384000
2000
dan memindainya.
06:41
And then what we get is our first mapping.
164
386000
3000
Lalu apa yang kami dapatkan adalah peta pertama.
06:44
So this is where experts come in
165
389000
2000
Jadi di sinilah para ahli terlibat
06:46
and they make basic anatomic assignments.
166
391000
2000
dan mereka membuat anatomi dasarnya.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Anda dapat menganggap garis-garis yang cukup luas itu
06:51
those pretty broad outlines.
168
396000
2000
sebagai batas negara bagian.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Dari sana, kita dapat memotong otak itu menjadi bagian-bagian kecil
06:57
which then we can put on a smaller cryostat.
170
402000
2000
yang dapat kita masukkan ke dalam alat pembeku yang lebih kecil.
06:59
And this is just showing this here --
171
404000
2000
Dan ini hanyalah contohnya --
07:01
this frozen tissue, and it's being cut.
172
406000
2000
jaringan beku ini sedang dipotong.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Jaringan ini tebalnya 20 mikron, setebal sekitar rambut bayi.
07:06
And remember, it's frozen.
174
411000
2000
Dan ingat, jaringan ini beku.
07:08
And so you can see here,
175
413000
2000
Dan anda bisa melihat,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
kami menerapkan teknologi lama bernama kuas.
07:12
We take a microscope slide.
177
417000
2000
Kami mengambil kaca objek mikroskop.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Lalu kami melelehkannya dengan hati-hati.
07:17
This will then go onto a robot
179
422000
2000
Lelehan ini akan dipasang ke robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
yang akan memasukkan pewarna ke dalamnya.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Dan ahli anatomi kami akan datang dan melihat lebih jauh akan hal ini.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Kembali, inilah apa yang mereka dapat lihat di bawah mikroskop.
07:31
You can see collections and configurations
183
436000
2000
Anda bisa melihat kumpulan dan susunan
07:33
of large and small cells
184
438000
2000
dari sel-sel besar dan kecil
07:35
in clusters and various places.
185
440000
2000
dalam gugusan dan di berbagai tempat.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Selanjutnya hanya prosedur rutin. Mereka paham apa yang harus dilakukan.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Dan mereka dapat membuat peta panduan.
07:42
This is a more detailed map.
188
447000
2000
Ini adalah peta yang lebih rinci.
07:44
Our scientists then use this
189
449000
2000
Ilmuwan kami menggunakan peta ini
07:46
to go back to another piece of that tissue
190
451000
3000
untuk kembali pada jaringan itu
07:49
and do what's called laser scanning microdissection.
191
454000
2000
dan melakukan apa yang disebut pemindaian laser pembedahan mikro.
07:51
So the technician takes the instructions.
192
456000
3000
Jadi para teknisi mengambil petunjuknya.
07:54
They scribe along a place there.
193
459000
2000
Mereka menuliskannya di sana.
07:56
And then the laser actually cuts.
194
461000
2000
Lalu laser itu mulai memotong.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Anda melihat titik-titik biru yang terpotong itu. Dan jaringannya terlepas.
08:01
You can see on the microscope slide here,
196
466000
2000
Anda dapat melihat pada penampang mikroskopis ini,
08:03
that's what's happening in real time.
197
468000
2000
itulah yang sedang terjadi.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Di bawahnya ada wadah yang mengumpulkan jaringan ini.
08:08
We take that tissue,
199
473000
2000
Kami mengambil jaringan ini
08:10
we purify the RNA out of it
200
475000
2000
dan memurnikan RNAnya
08:12
using some basic technology,
201
477000
2000
menggunakan teknologi dasar
08:14
and then we put a florescent tag on it.
202
479000
2000
lalu kami menandainya dengan floresens.
08:16
We take that tagged material
203
481000
2000
Kami mengambil bahan itu
08:18
and we put it on to something called a microarray.
204
483000
3000
dan meletakkannya di wadah yang disebut mikroarray.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Mungkin ini hanya tampak seperti titik-titik bagi Anda,
08:23
but each one of these individual dots
206
488000
2000
namun setiap titik ini
08:25
is actually a unique piece of the human genome
207
490000
2000
sebenarnya bagian unik dari genom manusia
08:27
that we spotted down on glass.
208
492000
2000
yang kami lihat dengan kaca.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Genom ini memiliki sekitar 60.000 elemen,
08:32
so we repeatedly measure various genes
210
497000
3000
jadi kami mengukur berbagai macam gen berulang-ulang
08:35
of the 25,000 genes in the genome.
211
500000
2000
dari 25.000 gen di dalam genom ini.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Lalu kami mengambil contoh dan menggabungkannya,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
kami lalu mendapat sidik jari yang unik,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
secara quantitatif mengenai gen apa yang aktif pada contoh ini.
08:45
Now we do this over and over again,
215
510000
2000
Kami melakukan ini berulang-ulang,
08:47
this process for any given brain.
216
512000
3000
pada semua otak yang ada.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Kami mengambil lebih dari seribu contoh untuk setiap otak.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Daerah yang ditunjukkan di sini disebut hippocampus
08:56
It's involved in learning and memory.
219
521000
2000
yang terlibat dalam pembelajaran dan ingatan.
08:58
And it contributes to about 70 samples
220
523000
3000
Dan bagian ini meliputi 70 contoh
09:01
of those thousand samples.
221
526000
2000
dari ribuan contoh itu.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Jadi setiap contoh memberikan kami sekitar 50.000 titik data
09:07
with repeat measurements, a thousand samples.
223
532000
3000
dengan pengukuran berulang, dengan seribu contoh.
09:10
So roughly, we have 50 million data points
224
535000
2000
Jadi kami memiliki sekitar 50 juta titik data
09:12
for a given human brain.
225
537000
2000
untuk setiap otak manusia.
09:14
We've done right now
226
539000
2000
Saat ini kami telah menyelesaikan
09:16
two human brains-worth of data.
227
541000
2000
data dari 2 otak manusia.
09:18
We've put all of that together
228
543000
2000
Kami menggabungkannya
09:20
into one thing,
229
545000
2000
menjadi satu hal
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
dan saya akan menunjukkan bagaimana penampakannya.
09:24
It's basically a large data set of information
231
549000
3000
Ini adalah sekelompok data yang besar
09:27
that's all freely available to any scientist around the world.
232
552000
3000
yang tersedia dengan gratis bagi semua ilmuwan di seluruh dunia.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Mereka bahkan tidak perlu mendaftar untuk menggunakannya,
09:33
mine this data, find interesting things out with this.
234
558000
4000
untuk mengambil data ini dan menemukan hal-hal menarik di sana.
09:37
So here's the modalities that we put together.
235
562000
3000
Inilah pengandaian yang kita satukan bersama.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Anda akan mulai mengenali hal ini dari apa yang telah kami ambil sebelumnya.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Inilah MR, yang menyediakan kerangka bagi hal itu.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Ada bagian operator di sebelah kanan yang memungkinkan Anda memutar,
09:48
it allows you to zoom in,
239
573000
2000
juga memperbesar
09:50
it allows you to highlight individual structures.
240
575000
3000
dan menandai struktur-struktur tunggal.
09:53
But most importantly,
241
578000
2000
Namun yang paling penting,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
kami kini memetakannya dalam kerangka anatomi,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
yang merupakan kerangka umum bagi orang-orang untuk memahami gen mana yang aktif.
10:01
So the red levels
244
586000
2000
Jadi warna merah itu
10:03
are where a gene is turned on to a great degree.
245
588000
2000
menunjukkan gen yang sangat aktif.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Hijau adalah daerah sejuk di mana gen itu tidak aktif.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Dan setiap gen memberikan sidik jari.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Harap diingat bahwa kami menguji 25.000 gen di dalam genom
10:15
and have all of that data available.
249
600000
4000
dan memiliki semua data itu.
10:19
So what can scientists learn about this data?
250
604000
2000
Jadi apa yang dapat dipelajari para ilmuwan dari data ini?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Kami baru saja mulai melihat sendiri pada data ini.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Ada beberapa hal dasar yang ingin Anda pahami.
10:27
Two great examples are drugs,
253
612000
2000
Dua contoh yang bagus adalah obat-obatan,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac and Wellbutrin
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Ini adalah obat antidepresi yang biasa diresepkan.
10:34
Now remember, we're assaying genes.
256
619000
2000
Ingatlah bahwa kami menguji gen ini.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Gen-gen ini mengirimkan petunjuk untuk membuat protein.
10:39
Proteins are targets for drugs.
258
624000
2000
Protein adalah sasaran obat-obatan.
10:41
So drugs bind to proteins
259
626000
2000
Sehingga obat-obatan terikat pada protein
10:43
and either turn them off, etc.
260
628000
2000
dan akan menonaktifkan atau melakukan hal lainnya.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Jadi jika Anda ingin memahami pengaruh dari obat-obatan,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
Anda ingin memahami bagaimana obat itu bereaksi dalam cara yang Anda inginkan
10:50
and also in the ways you don't want them to.
263
635000
2000
dan dalam cara yang tidak Anda inginkan.
10:52
In the side effect profile, etc.,
264
637000
2000
Contohnya dalam efek sampingnya,
10:54
you want to see where those genes are turned on.
265
639000
2000
Anda ingin melihat di mana gen-gen yang diaktifkan itu.
10:56
And for the first time, we can actually do that.
266
641000
2000
Dan untuk pertama kalinya, kami dapat melakukan hal itu.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Kami dapat melakukannya dalam otak banyak orang yang kami uji.
11:01
So now we can look throughout the brain.
268
646000
3000
Jadi kami dapat melihat melalui otak
11:04
We can see this unique fingerprint.
269
649000
2000
dan melihat sidik jari unik itu.
11:06
And we get confirmation.
270
651000
2000
Dan kita dapat memastikan
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
bahwa, gen-gen ini sungguh menjadi aktif --
11:11
for something like Prozac,
272
656000
2000
karena sesuatu seperti Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
dalam struktur serotonergik, hal-hal yang sudah diketahui terkena pengaruhnya --
11:16
but we also get to see the whole thing.
274
661000
2000
namun kami juga dapat melihat gambaran besarnya.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Kami juga melihat daerah yang belum pernah dilihat sebelumnya
11:20
and we see these genes turned on there.
276
665000
2000
dan kami melihat gen-gen itu diaktifkan.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Efek samping ini dapat menjadi sangat menarik.
11:25
One other thing you can do with such a thing
278
670000
2000
Hal lain yang dapat Anda lakukan dengan itu
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
adalah, karena ini adalah sistem pencocokan pola
11:30
because there's unique fingerprint,
280
675000
2000
dan karena ada sidik jari yang unik,
11:32
we can actually scan through the entire genome
281
677000
2000
kami dapat memindai seluruh genom ini
11:34
and find other proteins
282
679000
2000
dan menemukan protein lain
11:36
that show a similar fingerprint.
283
681000
2000
yang menunjukkan sidik jari yang sama.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Sehingga jika Anda bekerja untuk menemukan obat,
11:41
you can go through
285
686000
2000
Anda dapat melihat
11:43
an entire listing of what the genome has on offer
286
688000
2000
seluruh daftar yang mungkin dari genom itu
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
untuk menemukan sasaran yang lebih baik dan mengoptimalkannya.
11:49
Most of you are probably familiar
288
694000
2000
Kebanyakan dari Anda mungkin akrab
11:51
with genome-wide association studies
289
696000
2000
dengan kajian yang berhubungan dengan genom
11:53
in the form of people covering in the news
290
698000
3000
di mana orang-orang meliput berita
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
yang mengatakan, "Para ilmuwan telah menemukan gen
11:59
which affect X."
292
704000
2000
yang mempengaruhi X."
12:01
And so these kinds of studies
293
706000
2000
Jadi kajian seperti ini
12:03
are routinely published by scientists
294
708000
2000
diterbitkan secara rutin oleh para ilmuwan
12:05
and they're great. They analyze large populations.
295
710000
2000
dan mereka luar biasa. Mereka menganalisis banyak data.
12:07
They look at their entire genomes,
296
712000
2000
Mereka melihat seluruh genomnya
12:09
and they try to find hot spots of activity
297
714000
2000
dan mereka mencoba menemukan pusat kegiatan
12:11
that are linked causally to genes.
298
716000
3000
yang terhubung dengan gen ini.
12:14
But what you get out of such an exercise
299
719000
2000
Namun apa yang Anda dapatkan dari hal itu
12:16
is simply a list of genes.
300
721000
2000
hanyalah daftar gen
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
yang memberitahukan tentang apa, namun tidak memberitahu di mana.
12:21
And so it's very important for those researchers
302
726000
3000
Jadi penemuan sumber daya ini
12:24
that we've created this resource.
303
729000
2000
akan sangat penting bagi para ilmuwan itu.
12:26
Now they can come in
304
731000
2000
Kini mereka dapat bekerja
12:28
and they can start to get clues about activity.
305
733000
2000
dan mulai mendapat petunjuk tentang kegiatan itu.
12:30
They can start to look at common pathways --
306
735000
2000
Mereka dapat mulai melihat rute umum --
12:32
other things that they simply haven't been able to do before.
307
737000
3000
suatu cara lain yang belum pernah dapat mereka lakukan sebelumnya.
12:36
So I think this audience in particular
308
741000
3000
Jadi saya rasa para penonton di sini
12:39
can understand the importance of individuality.
309
744000
3000
dapat memahami pentingnya suatu kepribadian.
12:42
And I think every human,
310
747000
2000
Dan saya rasa setiap manusia
12:44
we all have different genetic backgrounds,
311
749000
4000
memiliki latar belakang genetik yang berbeda,
12:48
we all have lived separate lives.
312
753000
2000
kita semua hidup secara terpisah.
12:50
But the fact is
313
755000
2000
Namun pada kenyataannya
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
genom kita lebih dari 99 persen serupa.
12:55
We're similar at the genetic level.
315
760000
3000
Kita semua serupa dalam tingkatan genetik.
12:58
And what we're finding
316
763000
2000
Dan apa yang kami temukan
13:00
is actually, even at the brain biochemical level,
317
765000
2000
adalah , bahkan pada tingkat biokimia otak,
13:02
we are quite similar.
318
767000
2000
kita semua cukup serupa.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Dan tingkat keserupaannya bukanlah 99 persen,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
namun sekitar 90 persen
13:08
at a reasonable cutoff,
321
773000
3000
dengan tingkat penyisihan tertentu,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
jadi pada dasarnya semuanya berhubungan.
13:13
And then we find some outliers,
323
778000
2000
Lalu kami menemukan beberapa keganjilan,
13:15
some things that lie beyond the cloud.
324
780000
3000
bebarapa hal di luar kewajaran.
13:18
And those genes are interesting,
325
783000
2000
Dan gen-gen itu sangat menarik
13:20
but they're very subtle.
326
785000
2000
namun juga sangat tersembunyi.
13:22
So I think it's an important message
327
787000
3000
Jadi saya rasa ini adalah pesan
13:25
to take home today
328
790000
2000
yang penting untuk dibawa,
13:27
that even though we celebrate all of our differences,
329
792000
3000
bahwa walaupun kita mensyukuri semua perbedaan kita,
13:30
we are quite similar
330
795000
2000
kita cukup serupa
13:32
even at the brain level.
331
797000
2000
bahkan pada tingkatan otak.
13:34
Now what do those differences look like?
332
799000
2000
Kini bagaimana perbedaan itu?
13:36
This is an example of a study that we did
333
801000
2000
Ini adalah contoh kajian yang kami lakukan
13:38
to follow up and see what exactly those differences were --
334
803000
2000
untuk menindaklanjuti tentang bagaimana perbedaan itu sebenarnya --
13:40
and they're quite subtle.
335
805000
2000
dan perbedaan itu cukup tersembunyi.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Ini adalah tempat di mana gen menjadi aktif pada sel tunggal.
13:46
These are two genes that we found as good examples.
337
811000
3000
Ini adalah dua gen yang kami anggap merupakan contoh yang bagus.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Salah satunya adalah RELN -- yang berhubungan dengan perkembangan awal.
13:52
DISC1 is a gene
339
817000
2000
DISC1 adalah gen
13:54
that's deleted in schizophrenia.
340
819000
2000
yang hilang pada penderita skizofrenia.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Orang ini bukan penderita skizofrenia,
13:58
but they do show some population variation.
342
823000
3000
namun mereka menunjukkan variasi populasi.
14:01
And so what you're looking at here
343
826000
2000
Jadi apa yang Anda lihat di sini
14:03
in donor one and donor four,
344
828000
2000
pada pendonor pertama dan keempat,
14:05
which are the exceptions to the other two,
345
830000
2000
yang merupakan pengecualian dibandingkan dua donor lainnya,
14:07
that genes are being turned on
346
832000
2000
bahwa gen yang aktif
14:09
in a very specific subset of cells.
347
834000
2000
pada kelompok sel yang khusus.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Warna ungu gelap ini mengendap di dalam sel
14:14
that's telling us a gene is turned on there.
349
839000
3000
yang memberi tahu bahwa gen ini diaktifkan.
14:17
Whether or not that's due
350
842000
2000
Apakah hal itu merupakan petunjuk
14:19
to an individual's genetic background or their experiences,
351
844000
2000
akan latar belakang genetik atau pengalaman orang itu,
14:21
we don't know.
352
846000
2000
kami masih tidak tahu.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Kajian seperti ini memerlukan contoh yang jauh lebih banyak.
14:28
So I'm going to leave you with a final note
354
853000
2000
Jadi saya akan meninggalkan satu catatan
14:30
about the complexity of the brain
355
855000
3000
tentang kompleksitas dari otak
14:33
and how much more we have to go.
356
858000
2000
dan seberapa jauh lagi kita harus melangkah.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Saya rasa sumber daya ini sangatlah berharga.
14:37
They give researchers a handle
358
862000
2000
Mereka memberikan pegangan kepada para ilmuwan
14:39
on where to go.
359
864000
2000
tentang ke mmana harus melangkah.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Namun kami hanya melihat beberapa orang pada saat ini.
14:44
We're certainly going to be looking at more.
361
869000
2000
Sudah pasti kami akan melihat lebih banyak orang lagi.
14:46
I'll just close by saying
362
871000
2000
Saya akan menutup dengan mengatakan
14:48
that the tools are there,
363
873000
2000
bahwa alatnya ada di sana
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
dan ini adalah daratan yang belum ditemukan dan terjamah.
14:54
This is the new frontier, if you will.
365
879000
4000
Ini adalah batas yang baru.
14:58
And so for those who are undaunted,
366
883000
2000
Jadi bagi mereka yang tidak takut
15:00
but humbled by the complexity of the brain,
367
885000
2000
namun kesulitan akan kompleksitas otak,
15:02
the future awaits.
368
887000
2000
masa depan telah menanti.
15:04
Thanks.
369
889000
2000
Terima kasih.
15:06
(Applause)
370
891000
9000
(Tepuk tangan)
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