TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
Steve McCarroll: Hoe data de mysteries van het brein helpen ontrafelen
Filmed:
Readability: 4.8
1,529,178 views
Geneticus Steve McCarroll wil een atlas maken van alle cellen in het menselijk lichaam zodat we precies kunnen begrijpen hoe specifieke genen werken, vooral dan in de hersenen. In deze fascinerende talk deelt hij de voortgang van zijn team -- inclusief hun uitvinding van 'Drop-seq', een technologie waarmee wetenschappers individuele cellen kunnen analyseren op een schaal die nooit eerder mogelijk was -- en hij beschrijft hoe dit onderzoek zou kunnen leiden tot nieuwe manieren om geestesziekten zoals schizofrenie te behandelen.
Steve McCarroll - Geneticist
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Double-click the English transcript below to play the video.
00:12
Nine years ago,
0
785
1704
Negen jaar geleden
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
ontdekte mijn zus
knobbels in haar nek en arm
knobbels in haar nek en arm
00:17
and was diagnosed with cancer.
2
5638
1760
en werd gediagnosticeerd met kanker.
00:20
From that day, she started to benefit
3
8985
3199
Vanaf die dag begon ze te genieten
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
van de inzichten
van de wetenschap over kanker.
van de wetenschap over kanker.
00:28
Every time she went to the doctor,
5
16206
2099
Telkens ze naar de dokter ging,
00:30
they measured specific molecules
6
18329
2194
maten ze specifieke moleculen
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
die hen informatie gaven
over hoe het met haar was
over hoe het met haar was
en wat er verder moest gebeuren.
00:35
and what to do next.
8
23452
1309
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
Nieuwe medische opties
kwamen elke paar jaar beschikbaar.
kwamen elke paar jaar beschikbaar.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
Iedereen erkende haar heldhaftige strijd
met een biologische ziekte.
00:47
with a biological illness.
11
35412
1728
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
Dit voorjaar kreeg ze een innovatieve
nieuwe medische behandeling
nieuwe medische behandeling
00:54
in a clinical trial.
13
42528
1202
in een klinische studie.
00:55
It dramatically knocked back her cancer.
14
43754
2224
Die draaide haar kanker dramatisch terug.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
Raad eens met wie ik
deze Thanksgiving ga doorbrengen?
deze Thanksgiving ga doorbrengen?
01:02
My vivacious sister,
16
50022
2267
Met mijn levendige zus,
01:04
who gets more exercise than I do,
17
52313
2629
die meer beweegt dan ik,
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
en die, net als misschien
veel mensen in deze zaal,
veel mensen in deze zaal,
01:09
increasingly talks about a lethal illness
19
57849
2292
meer en meer over haar dodelijke ziekte
01:12
in the past tense.
20
60165
1263
in de verleden tijd praat.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
De wetenschap kan in ons leven -–
zelfs in een decennium --
zelfs in een decennium --
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
transformeren wat het betekent
om een bepaalde ziekte te hebben.
om een bepaalde ziekte te hebben.
01:24
But not for all illnesses.
23
72055
1534
Maar niet voor alle ziekten.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
Mijn vriend Robert en ik waren
klasgenoten op de middelbare school.
klasgenoten op de middelbare school.
01:31
Robert was smart,
25
79121
1801
Robert was slim,
01:32
but with each passing month,
26
80946
1477
maar met elke voorbijgaande maand
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
leek zijn denken
meer ongeorganiseerd te raken.
meer ongeorganiseerd te raken.
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
Hij ging van school,
kreeg een baan in een winkel ...
kreeg een baan in een winkel ...
01:41
But that, too, became too complicated.
29
89463
2218
Maar ook dat werd te ingewikkeld.
01:44
Robert became fearful and withdrawn.
30
92559
2945
Robert werd angstig en teruggetrokken.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
Anderhalf jaar later
begon hij stemmen te horen
begon hij stemmen te horen
01:50
and believing that people
were following him.
were following him.
32
98686
2197
en te denken dat mensen hem volgden.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
Artsen diagnosticeerden hem
met schizofrenie,
met schizofrenie,
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
en gaven hem het beste
geneesmiddel dat ze hadden.
geneesmiddel dat ze hadden.
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
Dat geneesmiddel
kalmeerde de stemmen wat,
kalmeerde de stemmen wat,
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
maar het kon zijn heldere geest of
sociale verbondenheid niet herstellen.
sociale verbondenheid niet herstellen.
02:06
Robert struggled to remain connected
37
114270
1856
Robert vocht om verbonden te blijven
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
met de wereld van school,
werk en vrienden.
werk en vrienden.
02:11
He drifted away,
39
119031
1383
Hij dreef weg
02:12
and today I don't know where to find him.
40
120438
2285
en vandaag weet ik niet eens waar hij is.
02:15
If he watches this,
41
123593
1479
Als hij dit ziet,
02:17
I hope he'll find me.
42
125962
1628
hoop ik dat hij mij vindt.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
Waarom heeft de geneeskunde
zo veel aan mijn zus te bieden
zo veel aan mijn zus te bieden
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
en zo veel minder
aan miljoenen mensen als Robert?
aan miljoenen mensen als Robert?
02:32
The need is there.
45
140952
1290
De nood is er.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
De Wereldgezondheidsorganisatie
schat dat hersenziekten
schat dat hersenziekten
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
zoals schizofrenie,
bipolaire stoornis en zware depressie
bipolaire stoornis en zware depressie
02:41
are the world's largest cause
of lost years of life and work.
of lost years of life and work.
48
149582
4971
's werelds grootste oorzaak zijn
van verloren jaren van leven en werk.
van verloren jaren van leven en werk.
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
Dat komt voor een deel omdat deze ziekten
vaak vroeg in het leven toeslaan,
vaak vroeg in het leven toeslaan,
02:51
in many ways, in the prime of life,
50
159392
2181
vaak in de bloei van het leven,
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
net als mensen hun opleiding beëindigen,
een carrière beginnen,
een carrière beginnen,
02:58
forming relationships and families.
52
166085
2279
relaties aangaan en gezinnen vormen.
03:00
These illnesses can result in suicide;
53
168388
2829
Deze ziekten kunnen leiden tot zelfmoord.
03:03
they often compromise one's ability
to work at one's full potential;
to work at one's full potential;
54
171907
4567
Ze verhinderen vaak dat iemand
zijn volledige potentieel benut.
zijn volledige potentieel benut.
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
en ze zijn oorzaak van zo veel
moeilijker te meten tragedies:
moeilijker te meten tragedies:
03:13
lost relationships and connections,
56
181246
2438
verloren relaties en vriendschappen,
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
gemiste kansen om dromen
en ideeën na te streven.
en ideeën na te streven.
03:19
These illnesses limit human possibilities
58
187533
3005
Deze ziekten beperken
de menselijke mogelijkheden
de menselijke mogelijkheden
03:22
in ways we simply cannot measure.
59
190562
2154
op een manier die we
gewoon niet kunnen meten.
gewoon niet kunnen meten.
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
We leven in een tijdperk
van ingrijpende medische vooruitgang
van ingrijpende medische vooruitgang
03:31
on so many other fronts.
61
199533
1811
op zo veel andere fronten.
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
Het kankerverhaal van mijn zus
is een goed voorbeeld
is een goed voorbeeld
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
en hetzelfde geldt
voor hart-en-vaatziekten.
voor hart-en-vaatziekten.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
Geneesmiddelen als statines voorkomen
miljoenen hartaanvallen en beroertes.
miljoenen hartaanvallen en beroertes.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
Als je kijkt naar deze gebieden
van ingrijpende medische vooruitgang
van ingrijpende medische vooruitgang
03:46
in our lifetimes,
66
214016
1464
in onze levens,
03:47
they have a narrative in common:
67
215504
1674
dan hebben ze een verhaal
met elkaar gemeen:
met elkaar gemeen:
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
wetenschappers ontdekten moleculen
die belangrijk zijn voor een ziekte,
die belangrijk zijn voor een ziekte,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
ze ontwikkelden manieren om die moleculen
in het lichaam op te sporen en te meten
in het lichaam op te sporen en te meten
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
en ze ontwikkelden manieren
om in te grijpen op die moleculen
om in te grijpen op die moleculen
04:03
using other molecules -- medicines.
71
231294
2048
met behulp van andere moleculen:
geneesmiddelen.
geneesmiddelen.
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
Het is een strategie
die telkens opnieuw heeft gewerkt.
die telkens opnieuw heeft gewerkt.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
Maar als het gaat om de hersenen
is die strategie beperkt,
is die strategie beperkt,
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
want vandaag weten we nog lang niet genoeg
04:19
about how the brain works.
75
247695
1852
over hoe de hersenen werken.
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
We moeten voor elke ziekte leren welke
cellen belangrijk zijn voor die ziekte
cellen belangrijk zijn voor die ziekte
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
en welke moleculen in die cellen
belangrijk zijn voor die ziekte.
belangrijk zijn voor die ziekte.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
Daarover wil ik het vandaag hebben.
04:34
My lab develops technologies
with which we try to turn the brain
with which we try to turn the brain
79
262781
3809
Mijn lab ontwikkelt technologieën waarmee
we proberen om de hersenen om te zetten
we proberen om de hersenen om te zetten
04:38
into a big-data problem.
80
266614
1700
in een big-dataprobleem.
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
Voordat ik bioloog werd,
werkte ik met computers en wiskunde
werkte ik met computers en wiskunde
04:43
and I learned this lesson:
82
271898
1324
en leerde ik deze les:
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
waar je enorme hoeveelheden
van de juiste soort
gegevens kan verzamelen
gegevens kan verzamelen
04:50
about the functioning of a system,
84
278573
2030
over de werking van een systeem,
04:53
you can use computers in powerful new ways
85
281365
3618
kan je computers op krachtige
nieuwe manieren gebruiken
nieuwe manieren gebruiken
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
om dat systeem te begrijpen
en te leren hoe het werkt.
en te leren hoe het werkt.
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
Vandaag de dag transformeren
big-databenaderingen
big-databenaderingen
05:02
ever-larger sectors of our economy,
88
290802
2483
steeds grotere sectoren
van onze economie
van onze economie
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
en ze zouden hetzelfde kunnen doen
in de biologie en de geneeskunde.
in de biologie en de geneeskunde.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
Maar je moet de juiste
soorten gegevens hebben.
soorten gegevens hebben.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
Je moet gegevens
over de juiste dingen hebben.
over de juiste dingen hebben.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
Dat vereist vaak nieuwe
technologieën en ideeën.
technologieën en ideeën.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
Dat is de missie van
de wetenschappers in mijn lab.
de wetenschappers in mijn lab.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
Vandaag vertel ik jullie
twee korte verhalen over ons werk.
twee korte verhalen over ons werk.
05:27
One fundamental obstacle we face
95
315427
3104
Een fundamenteel obstakel
dat ons belet van de hersenen
een big-dataprobleem te maken,
een big-dataprobleem te maken,
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
is dat onze hersenen
uit miljarden cellen zijn opgebouwd.
uit miljarden cellen zijn opgebouwd.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
En onze cellen zijn geen generalisten;
het zijn specialisten.
het zijn specialisten.
05:43
Like humans at work,
99
331129
2089
Net als mensen op het werk,
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
zijn ze gespecialiseerd in duizenden
verschillende cellulaire loopbanen,
verschillende cellulaire loopbanen,
05:50
or cell types.
101
338540
1367
of celtypes.
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
In feite kon elk celtype in ons lichaam
05:55
could probably give a lively TED Talk
103
343391
1878
wel een levendige TED Talk geven
05:57
about what it does at work.
104
345293
1542
over wat het doet op het werk.
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
Maar als wetenschappers
weten we vandaag niet eens
weten we vandaag niet eens
06:02
how many cell types there are,
106
350816
1907
hoeveel celtypes er zijn
06:04
and we don't know what the titles
of most of those talks would be.
of most of those talks would be.
107
352747
3277
en we weten niet welke titels
de meeste van die talks zouden krijgen.
de meeste van die talks zouden krijgen.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
Nu weten we wel veel
belangrijke dingen over celtypes.
belangrijke dingen over celtypes.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
Ze kunnen drastisch verschillen
in grootte en vorm.
in grootte en vorm.
06:17
One will respond to a molecule
that the other doesn't respond to,
that the other doesn't respond to,
110
365578
4135
Het ene zal reageren op een molecuul
waar het andere niet op reageert,
waar het andere niet op reageert,
ze zullen verschillende
moleculen aanmaken.
moleculen aanmaken.
06:21
they'll make different molecules.
111
369737
1794
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
Maar de wetenschap bereikte
deze inzichten grotendeels
deze inzichten grotendeels
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
op een ad hoc manier,
celtype per celtype,
celtype per celtype,
06:29
one molecule at a time.
114
377067
1486
molecuul per molecuul.
06:31
We wanted to make it possible to learn
all of this quickly and systematically.
all of this quickly and systematically.
115
379854
4731
Wij wilden het mogelijk maken om alles
snel en systematisch te weten te komen.
snel en systematisch te weten te komen.
06:37
Now, until recently, it was the case
116
385673
1748
Tot voor kort was het zo
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
dat als je alle moleculen
wilde inventariseren
wilde inventariseren
06:42
in a part of the brain or any organ,
118
390545
2925
in een deel van de hersenen
of enig orgaan,
of enig orgaan,
je het eerst moest vermalen
tot een soort cellulaire smoothie.
tot een soort cellulaire smoothie.
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
06:50
But that's a problem.
120
398678
1230
Maar dat is een probleem.
06:52
As soon as you've ground up the cells,
121
400737
2538
Zodra je cellen gaat vermalen,
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
kan je alleen nog de inhoud
van de gemiddelde cel bestuderen --
van de gemiddelde cel bestuderen --
06:58
not the individual cells.
123
406834
1595
niet de afzonderlijke cellen.
07:01
Imagine if you were trying to understand
how a big city like New York works,
how a big city like New York works,
124
409182
3709
Stel dat je probeert te begrijpen
hoe een grote stad als New York werkt,
hoe een grote stad als New York werkt,
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
maar dat dat alleen kon
met een aantal statistieken
met een aantal statistieken
07:07
about the average resident of New York.
126
415481
2029
over de gemiddelde inwoner van New York.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
Natuurlijk zou je niet veel te leren,
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
want alles wat interessant,
belangrijk en spannend is,
belangrijk en spannend is,
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
zit hem net in alle diversiteit
en specialisaties.
en specialisaties.
07:18
And the same thing is true of our cells.
130
426420
2606
Hetzelfde geldt voor onze cellen.
Wij wilden het mogelijk maken
07:21
And we wanted to make it possible to study
the brain not as a cellular smoothie
the brain not as a cellular smoothie
131
429050
4750
om de hersenen niet te bestuderen
als een cellulaire smoothie,
als een cellulaire smoothie,
07:25
but as a cellular fruit salad,
132
433824
2478
maar als een cellulaire fruitsalade,
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
waarbij je gegevens kan verkrijgen
en kan leren van elk apart stuk fruit.
07:30
each individual piece of fruit.
134
438954
1838
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
We ontwikkelden een technologie
om net dat te doen.
om net dat te doen.
07:36
You're about to see a movie of it.
136
444995
1729
Je gaat er een film over zien.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
Hier verpakken we
tienduizenden individuele cellen,
tienduizenden individuele cellen,
elk in zijn eigen kleine waterdruppeltje,
07:45
each into its own tiny water droplet
138
453529
2923
voor haar eigen moleculaire analyse.
07:48
for its own molecular analysis.
139
456476
2211
07:51
When a cell lands in a droplet,
it's greeted by a tiny bead,
it's greeted by a tiny bead,
140
459921
4123
Wanneer een cel in een druppel belandt,
wordt ze begroet door een klein kraaltje,
wordt ze begroet door een klein kraaltje,
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
en dat kraaltje levert
miljoenen DNA-barcodemoleculen.
miljoenen DNA-barcodemoleculen.
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
En elk kraaltje levert per cel
een specifieke barcodereeks.
een specifieke barcodereeks.
08:04
to a different cell.
143
472447
1243
We bouwen de DNA-barcodes in
in de RNA-moleculen van elke cel.
in de RNA-moleculen van elke cel.
08:06
We incorporate the DNA bar codes
144
474884
2581
08:09
into each cell's RNA molecules.
145
477489
3058
Dat zijn de moleculaire
transcripties die ze maakt
transcripties die ze maakt
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
08:15
of the specific genes
that it's using to do its job.
that it's using to do its job.
147
483431
3103
van de specifieke genen
die ze gebruikt om haar werk te doen.
die ze gebruikt om haar werk te doen.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
En dan sequensen we miljarden
van deze gecombineerde moleculen
van deze gecombineerde moleculen
08:24
and use the sequences to tell us
149
492532
2498
en gebruiken de sequenties
om ons te vertellen
om ons te vertellen
08:27
which cell and which gene
150
495054
2602
van welke cel en van welk gen
08:29
every molecule came from.
151
497680
1540
elk molecuul vandaan kwam.
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
We noemen deze aanpak ‘Drop-seq’
omdat we gebruik maken van druppels
omdat we gebruik maken van druppels
08:35
to separate the cells for analysis,
153
503877
2575
om de cellen te scheiden voor analyse,
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
We gebruiken DNA-sequenties
om te labelen en te inventariseren
om te labelen en te inventariseren
08:41
and keep track of everything.
155
509945
1488
en alles bij te houden.
08:44
And now, whenever we do an experiment,
156
512727
1976
Wanneer we nu een experiment doen,
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
analyseren we
tienduizenden individuele cellen.
tienduizenden individuele cellen.
08:51
And today in this area of science,
158
519018
2624
Vandaag in dit gebied van de wetenschap
08:53
the challenge is increasingly
how to learn as much as we can
how to learn as much as we can
159
521666
4931
bestaat de uitdaging erin
hoe zo veel mogelijk
hoe zo veel mogelijk
08:58
as quickly as we can
160
526621
1872
en zo snel mogelijk te leren
09:00
from these vast data sets.
161
528517
1738
uit deze enorme datasets.
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
Toen we Drop-seq ontwikkelden,
zeiden de mensen ons vaak:
zeiden de mensen ons vaak:
09:07
"Oh, this is going to make you guys
the go-to for every major brain project."
the go-to for every major brain project."
163
535708
4804
"Oh, dit gaat van jullie de vraagbaak
voor elk groot hersenproject maken."
voor elk groot hersenproject maken."
Dat is niet hoe wij het zagen.
09:13
That's not how we saw it.
164
541257
1544
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
Wetenschap is op zijn best als iedereen
veel interessante data genereert.
veel interessante data genereert.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
Dus schreven we
een instructieboek van 25 pagina's,
een instructieboek van 25 pagina's,
09:23
with which any scientist could build
their own Drop-seq system from scratch.
their own Drop-seq system from scratch.
167
551435
4578
waarmee elke wetenschapper zijn eigen
Drop-seq-systeem vanaf nul kan opbouwen.
Drop-seq-systeem vanaf nul kan opbouwen.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
Dat instructieboek werd
van de website van ons lab
van de website van ons lab
09:31
50,000 times in the past two years.
169
559758
2965
50.000 keer gedownload
in de afgelopen twee jaar.
in de afgelopen twee jaar.
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
We schreven software
die elke wetenschapper kon gebruiken
die elke wetenschapper kon gebruiken
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
om de gegevens te analyseren
van Drop-seq experimenten.
van Drop-seq experimenten.
09:41
and that software is also free,
172
569596
1715
Die software is ook gratis
09:43
and it's been downloaded from our website
30,000 times in the past two years.
30,000 times in the past two years.
173
571335
4388
en is in de afgelopen twee jaar
30.000 keer van onze website gedownload.
30.000 keer van onze website gedownload.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
Honderden labs hebben ons geschreven
over ontdekkingen die ze deden
over ontdekkingen die ze deden
met behulp van deze aanpak.
09:53
using this approach.
175
581331
1443
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
Vandaag maken we hiermee
een atlas van de menselijke cel.
een atlas van de menselijke cel.
09:58
It will be an atlas of all
of the cell types in the human body
of the cell types in the human body
177
586382
3354
Het wordt een atlas van alle soorten
cellen in het menselijk lichaam
cellen in het menselijk lichaam
10:01
and the specific genes
that each cell type uses to do its job.
that each cell type uses to do its job.
178
589760
3680
en de specifieke genen die elk celtype
gebruikt om zijn werk te doen.
gebruikt om zijn werk te doen.
Nu wil ik jullie vertellen
over een tweede uitdaging
over een tweede uitdaging
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
als je van de hersenen
een big-dataprobleem wil maken.
een big-dataprobleem wil maken.
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
Die uitdaging is dat we graag
willen leren over de hersenen
willen leren over de hersenen
10:16
of hundreds of thousands of living people.
182
604808
2444
van honderdduizenden lévende mensen.
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
Maar onze hersenen zijn niet fysiek
toegankelijk terwijl we leven.
toegankelijk terwijl we leven.
10:24
But how can we discover molecular factors
if we can't hold the molecules?
if we can't hold the molecules?
184
612895
3960
Hoe ontdek je moleculaire factoren
als we niet bij de moleculen kunnen?
als we niet bij de moleculen kunnen?
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
Een antwoord komt van het feit dat
de meest informatieve moleculen, eiwitten,
de meest informatieve moleculen, eiwitten,
10:34
are encoded in our DNA,
186
622924
1782
worden gecodeerd in ons DNA,
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
dat de recepten bevat volgens welke
onze cellen al onze eiwitten maken.
onze cellen al onze eiwitten maken.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
Deze recepten variëren
van persoon tot persoon
van persoon tot persoon
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
waardoor de eiwitten variëren
van persoon tot persoon
van persoon tot persoon
10:50
in their precise sequence
190
638335
1787
in hun precieze volgorde
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
en in hoeveel elk celtype
aanmaakt van elk proteïne.
aanmaakt van elk proteïne.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
Het is allemaal gecodeerd in ons DNA,
het is allemaal genetica,
het is allemaal genetica,
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
maar het is niet de genetica
waar we op school over leerden.
waar we op school over leerden.
11:03
Do you remember big B, little b?
194
651572
1983
Herinner je je nog grote B, kleine b?
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
Als je grote B erft, krijg je bruine ogen.
11:09
It's simple.
196
657085
1223
Het is eenvoudig.
11:11
Very few traits are that simple.
197
659451
3173
Zeer weinig eigenschappen
zijn zo eenvoudig.
zijn zo eenvoudig.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
Zelfs oogkleur komt van veel meer
dan één enkel pigmentmolecuul.
dan één enkel pigmentmolecuul.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
En iets dat zo complex is
als de functie van onze hersenen
als de functie van onze hersenen
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
wordt gevormd door de interactie
van duizenden genen.
van duizenden genen.
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
Elk van deze genen varieert
van persoon tot persoon tot persoon,
van persoon tot persoon tot persoon,
11:30
from person to person to person,
202
678770
1838
en ieder van ons is een unieke
combinatie van die variatie.
combinatie van die variatie.
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
Een buitenkans voor big-data.
11:37
It's a big data opportunity.
204
685419
2216
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
Vandaag is het steeds beter mogelijk
om vooruitgang te boeken
om vooruitgang te boeken
11:43
on a scale that was never possible before.
206
691414
2796
op een schaal die
nooit eerder mogelijk was.
nooit eerder mogelijk was.
11:46
People are contributing to genetic studies
207
694234
2405
Mensen dragen bij aan genetische studies
11:48
in record numbers,
208
696663
1594
in recordaantallen
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
en wetenschappers over de hele wereld
delen gegevens met elkaar
delen gegevens met elkaar
11:55
to speed progress.
210
703196
1571
om de voortuitgang te versnellen.
11:57
I want to tell you a short story
about a discovery we recently made
about a discovery we recently made
211
705514
3239
Ik vertel een kort verhaal
over een ontdekking die we onlangs deden
over een ontdekking die we onlangs deden
12:00
about the genetics of schizophrenia.
212
708777
1894
over de genetica van schizofrenie.
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
Ze werd mogelijk gemaakt
door 50.000 mensen uit 30 landen,
door 50.000 mensen uit 30 landen,
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
die hun DNA hebben afgestaan
aan genetisch onderzoek naar schizofrenie.
aan genetisch onderzoek naar schizofrenie.
12:14
It had been known for several years
215
722406
2096
Het was al enkele jaren bekend
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
dat de grootste invloed op het risico
op schizofrenie in het menselijk genoom
op schizofrenie in het menselijk genoom
afkomstig is uit een deel van het genoom
12:20
comes from a part of the genome
217
728661
1802
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
dat codeert voor veel moleculen
in ons immuunsysteem.
in ons immuunsysteem.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
Maar het was niet duidelijk
welk gen verantwoordelijk was.
welk gen verantwoordelijk was.
Een wetenschapper in mijn lab
12:29
A scientist in my lab developed
a new way to analyze DNA with computers,
a new way to analyze DNA with computers,
220
737746
4040
ontwikkelde een nieuwe manier
om DNA te analyseren met computers
om DNA te analyseren met computers
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
en hij ontdekte iets heel verrassends.
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
Hij vond dat het gen
‘complement component 4’ --
‘complement component 4’ --
12:40
it's called "C4" for short --
223
748204
1799
‘C4’ in het kort --
in tientallen verschillende
vormen voorkomt
vormen voorkomt
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
in het genoom van verschillende mensen,
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
en deze verschillende vormen
maken verschillende hoeveelheden
maken verschillende hoeveelheden
12:50
of C4 protein in our brains.
226
758170
2242
C4-eiwit in onze hersenen.
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
Hij vond dat hoe meer C4-eiwit
onze genen maken,
onze genen maken,
hoe groter onze kans op schizofrenie.
12:56
the greater our risk for schizophrenia.
228
764966
2112
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
Nu is C4 slechts één risicofactor
in een complex systeem.
in een complex systeem.
13:04
This isn't big B,
230
772850
1989
Dit is niet 'grote B',
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
maar het is een inzicht
over een molecuul dat ertoe doet.
over een molecuul dat ertoe doet.
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
Complement-eiwitten zoals C4
waren al langer bekend
waren al langer bekend
13:15
for their roles in the immune system,
233
783153
1953
voor hun rol in het immuunsysteem,
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
waar ze als een soort
moleculaire post-it zeggen: "Eet me."
moleculaire post-it zeggen: "Eet me."
13:19
that says, "Eat me."
235
787932
1580
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
Die post-it komt terecht op veel afval
en dode cellen in ons lichaam
en dode cellen in ons lichaam
13:25
and dead cells in our bodies
237
793166
2357
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
en nodigt immuuncellen uit
om ze te elimineren.
om ze te elimineren.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
Maar twee van mijn collega's
vonden dat de C4 post-it
vonden dat de C4 post-it
13:35
also gets put on synapses in the brain
240
803183
3298
ook terecht komt
op synapsen in de hersenen
op synapsen in de hersenen
13:38
and prompts their elimination.
241
806505
1864
en hun eliminatie vraagt.
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
Nu is creatie en eliminatie van synapsen
een normaal onderdeel
een normaal onderdeel
13:44
of human development and learning.
243
812444
1854
van menselijke ontwikkeling en leren.
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
Onze hersenen creëren en elimineren
de hele tijd synapsen.
de hele tijd synapsen.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
Maar onze genetische resultaten
suggereren dat bij schizofrenie
suggereren dat bij schizofrenie
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
het eliminatieproces te hard kan gaan.
Wetenschappers van veel
farmaceutische bedrijven
farmaceutische bedrijven
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
zeggen enthousiast te zijn
over deze ontdekking,
over deze ontdekking,
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
omdat ze al jaren hebben gewerkt
aan complementeiwitten
aan complementeiwitten
14:04
in the immune system,
249
832401
1540
in het immuunsysteem,
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
en ze hebben veel geleerd
over hoe ze werken.
over hoe ze werken.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
Ze hebben zelfs moleculen ontwikkeld
die interfereren met complementeiwitten
die interfereren met complementeiwitten
14:12
and they're starting to test them
in the brain as well as the immune system.
in the brain as well as the immune system.
252
840803
3607
en ze beginnen ze zowel in de hersenen
als in het immuunsysteem te testen.
als in het immuunsysteem te testen.
14:17
It's potentially a path toward a drug
that might address a root cause
that might address a root cause
253
845124
4721
Het kan mogelijk een weg zijn
naar een geneesmiddel
naar een geneesmiddel
dat een oorzaak zou kunnen aanpakken
in plaats van een individueel symptoom
in plaats van een individueel symptoom
14:21
rather than an individual symptom,
254
849869
2649
14:24
and we hope very much that this work
by many scientists over many years
by many scientists over many years
255
852542
4048
en we hopen van harte dat dit werk
van vele wetenschappers en van vele jaren
van vele wetenschappers en van vele jaren
succesvol zal zijn.
14:28
will be successful.
256
856614
1152
14:31
But C4 is just one example
257
859689
3014
Maar C4 is slechts één voorbeeld
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
van hoe datagedreven
wetenschappelijke benaderingen
wetenschappelijke benaderingen
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
nieuwe fronten kunnen openen
bij eeuwenoude medische problemen.
bij eeuwenoude medische problemen.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
Op honderden plaatsen in onze genomen
wordt risico op hersenziekten gecreëerd,
14:44
that shape risk for brain illnesses,
261
872913
2585
en elk ervan kan ons leiden
naar het volgende moleculaire inzicht
naar het volgende moleculaire inzicht
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
in een belangrijk molecuul.
14:51
about a molecule that matters.
263
879612
2020
14:53
And there are hundreds of cell types that
use these genes in different combinations.
use these genes in different combinations.
264
881656
3987
Honderden celsoorten gebruiken deze genen
in verschillende combinaties.
in verschillende combinaties.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
Terwijl wij en andere wetenschappers
trachten de nog benodigde data te krijgen,
trachten de nog benodigde data te krijgen,
14:59
the rest of the data that's needed
266
887760
2069
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
en daaruit alles wat we kunnen te leren,
15:04
we hope to open many more new fronts.
268
892270
2403
hopen we nog vele
nieuwe fronten te openen.
nieuwe fronten te openen.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
Genetica en enkele-cel-analyse
zijn slechts twee manieren
zijn slechts twee manieren
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
om te proberen van de hersenen
een big-dataprobleem te maken.
een big-dataprobleem te maken.
15:18
There is so much more we can do.
271
906424
2159
Er is zoveel meer dat we kunnen doen.
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
Wetenschappers in mijn lab
creëren een technologie
creëren een technologie
voor het snel in kaart brengen
van de synaptische verbindingen
van de synaptische verbindingen
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
om te zien welke neuronen praten
met welke andere neuronen
met welke andere neuronen
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
en hoe dat gesprek verandert in de loop
van het leven en tijdens ziektes.
van het leven en tijdens ziektes.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
En we ontwikkelen een manier
om in één enkele buis te testen
om in één enkele buis te testen
hoe cellen met honderden genomen
van verschillende mensen
van verschillende mensen
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
verschillend reageren
op dezelfde stimulus.
op dezelfde stimulus.
15:42
respond differently to the same stimulus.
278
930753
2170
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
Deze projecten brengen mensen
met verschillende achtergronden
met verschillende achtergronden
15:51
and training and interests --
280
939175
2493
en opleiding en interesses samen --
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
biologie, computers, scheikunde,
wiskunde, statistiek, ingenieurskunst.
wiskunde, statistiek, ingenieurskunst.
Maar de wetenschappelijke mogelijkheden
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
verenigen mensen
met uiteenlopende interessegebieden
met uiteenlopende interessegebieden
16:04
into working intensely together.
283
952461
2235
om intensief samen te werken.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
Wat is de toekomst
die we hopen te creëren?
die we hopen te creëren?
16:12
Consider cancer.
285
960267
1350
Denk aan kanker.
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
We komen vanuit
een tijdperk van onwetendheid
een tijdperk van onwetendheid
over wat kanker veroorzaakt,
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
waarin kanker algemeen werd toegeschreven
aan persoonlijke psychologische kenmerken,
aan persoonlijke psychologische kenmerken,
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
tot een modern moleculair inzicht
in de werkelijke biologische
oorzaken van kanker.
oorzaken van kanker.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
Dat inzicht leidt vandaag
tot het ene na het andere
innovatieve geneesmiddel
innovatieve geneesmiddel
16:35
after innovative medicine,
290
983198
1696
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
en hoewel er nog zoveel werk is te doen,
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
zijn we al omringd door mensen
die genezen zijn van kanker
die genezen zijn van kanker
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
die een generatie geleden
als onbehandelbaar werden beschouwd.
als onbehandelbaar werden beschouwd.
Miljoenen overlevenden van kanker,
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
zoals mijn zus,
krijgen onverwachte levensjaren cadeau
16:51
find themselves with years of life
that they didn't take for granted
that they didn't take for granted
295
999654
4401
16:56
and new opportunities
296
1004079
1769
en nieuwe kansen
16:57
for work and joy and human connection.
297
1005872
3930
voor werk, vreugde
en menselijke verbinding.
en menselijke verbinding.
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
Dat is de toekomst
waarvan we vastbesloten zijn
waarvan we vastbesloten zijn
om ze rond geestesziekte te creëren --
17:08
one of real understanding and empathy
299
1016581
4119
een van echt begrip, empathie
en onbegrensde mogelijkheden.
17:12
and limitless possibility.
300
1020724
1816
17:15
Thank you.
301
1023159
1190
Dank je.
17:16
(Applause)
302
1024374
4062
(Applaus)
ABOUT THE SPEAKER
Steve McCarroll - GeneticistSteve McCarroll is conducting groundbreaking research on the causes of mental illness.
Why you should listen
Steve McCarroll and the scientists in his lab use human genetics, molecular biology and engineering to create new ways of studying the human brain, reveal the ways in which genomes vary from person to person and discover the molecular and cellular processes that underlie brain illness. McCarroll and his team at Harvard have linked schizophrenia to specific gene variations that recruit immune molecules into "pruning" synapses in the brain, a discovery that is leading toward new ways of thinking about the biological basis of schizophrenia and new approaches for discovering medicines.
Prior to leading his lab, McCarroll earned his PhD in neuroscience at the University of California, San Francisco. He is also currently serving as Director of Genetics for the Broad Institute's Stanley Center for Psychiatric Research.
Steve McCarroll | Speaker | TED.com