TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
Steve McCarroll: Como dados estão nos ajudando a desvendar os mistérios do cérebro
Filmed:
Readability: 4.8
1,529,178 views
O geneticista Steve McCarroll quer fazer um atlas de todas as células do corpo humano para que possamos entender em detalhes como funcionam genes específicos, especialmente no cérebro. Nesta palestra fascinante, ele compartilha o progresso de sua equipe, incluindo a invenção da “Drop-seq”, uma tecnologia que permite aos cientistas analisar células individuais em uma escala nunca antes possível, e ele descreve como essa pesquisa pode levar a novas maneiras de tratar doenças mentais como a esquizofrenia.
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
Nove anos atrás,
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
minha irmã descobriu nódulos
no pescoço e no braço
no pescoço e no braço
e foi diagnosticada com câncer.
00:17
and was diagnosed with cancer.
2
5638
1760
00:20
From that day, she started to benefit
3
8985
3199
A partir desse dia,
ela passou a se beneficiar do entendimento
que a ciência tem do câncer.
que a ciência tem do câncer.
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
00:28
Every time she went to the doctor,
5
16206
2099
Todas as vezes que ela ia ao médico,
00:30
they measured specific molecules
6
18329
2194
eles mediam moléculas específicas
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
que forneciam informações
sobre como ela estava
sobre como ela estava
e qual seria o próximo passo.
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
Novas opções médicas
tornaram-se disponíveis a cada ano.
tornaram-se disponíveis a cada ano.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
Todos reconheceram
que ela estava lutando heroicamente
que ela estava lutando heroicamente
contra uma doença biológica.
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
Nesta primavera, ela recebeu
um tratamento médico inovador
um tratamento médico inovador
em um estudo clínico.
00:54
in a clinical trial.
13
42528
1202
00:55
It dramatically knocked back her cancer.
14
43754
2224
Isso diminuiu drasticamente o câncer dela.
Adivinhem com quem vou passar
o próximo Dia de Ação de Graças?
o próximo Dia de Ação de Graças?
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
01:02
My vivacious sister,
16
50022
2267
Minha irmã vivaz,
01:04
who gets more exercise than I do,
17
52313
2629
que faz mais exercício do que eu,
e que, como talvez muitas pessoas aqui,
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
fala cada vez mais sobre uma doença letal
01:09
increasingly talks about a lethal illness
19
57849
2292
01:12
in the past tense.
20
60165
1263
no passado.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
A ciência pode, no nosso tempo de vida,
ou até mesmo em uma década,
ou até mesmo em uma década,
transformar o que significa
ter uma doença específica.
ter uma doença específica.
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
01:24
But not for all illnesses.
23
72055
1534
Mas não para todas as doenças.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
Meu amigo Robert e eu éramos colegas
de pós-graduação.
de pós-graduação.
Robert era inteligente,
01:31
Robert was smart,
25
79121
1801
01:32
but with each passing month,
26
80946
1477
mas a cada mês que passava,
os pensamentos dele se tornavam
mais desorganizados.
mais desorganizados.
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
Ele abandonou a escola,
conseguiu um emprego em uma loja,
conseguiu um emprego em uma loja,
01:41
But that, too, became too complicated.
29
89463
2218
mas isso também se tornou
muito complicado para ele.
muito complicado para ele.
01:44
Robert became fearful and withdrawn.
30
92559
2945
Robert sentia medo e se tornou retraído.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
Um ano e meio depois,
ele começou a ouvir vozes
ele começou a ouvir vozes
01:50
and believing that people
were following him.
were following him.
32
98686
2197
e a acreditar que pessoas
o estavam seguindo.
o estavam seguindo.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
Os médicos o diagnosticaram
com esquizofrenia,
com esquizofrenia,
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
e deram a ele o melhor
medicamento que podiam.
medicamento que podiam.
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
Esse medicamento fez com que as vozes
ficassem mais silenciosas,
ficassem mais silenciosas,
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
mas não restaurou a mente brilhante
ou a conexão social dele.
ou a conexão social dele.
02:06
Robert struggled to remain connected
37
114270
1856
Robert se esforçou pra se manter conectado
aos mundos da escola, trabalho e amigos.
aos mundos da escola, trabalho e amigos.
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
Mas ele se afastou,
e hoje não sei onde encontrá-lo.
e hoje não sei onde encontrá-lo.
02:11
He drifted away,
39
119031
1383
02:12
and today I don't know where to find him.
40
120438
2285
02:15
If he watches this,
41
123593
1479
Caso ele assista a essa palestra,
02:17
I hope he'll find me.
42
125962
1628
espero que ele me encontre.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
Por que a medicina tem
muito a oferecer à minha irmã,
muito a oferecer à minha irmã,
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
e muito menos a oferecer
a milhões de pessoas como Robert?
a milhões de pessoas como Robert?
02:32
The need is there.
45
140952
1290
A necessidade está aí.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
A Organização Mundial da Saúde
estima que transtornos mentais
estima que transtornos mentais
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
como esquizofrenia, transtorno bipolar
e depressão maior
e depressão maior
constituem a maior causa mundial
de anos perdidos de vida e de trabalho.
de anos perdidos de vida e de trabalho.
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
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
Um dos motivos disso é que essas doenças
geralmente se manifestam cedo,
geralmente se manifestam cedo,
02:51
in many ways, in the prime of life,
50
159392
2181
de muitas maneiras, no auge da vida,
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
quando as pessoas estão terminando
os estudos, começando carreiras,
os estudos, começando carreiras,
formando relacionamentos e famílias.
02:58
forming relationships and families.
52
166085
2279
03:00
These illnesses can result in suicide;
53
168388
2829
Essas doenças podem resultar em suicídio;
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
muitas vezes comprometem a capacidade
de se trabalhar com todo o potencial;
de se trabalhar com todo o potencial;
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
e são a causa de tantas tragédias
mais difíceis de se mensurar:
mais difíceis de se mensurar:
perda de relacionamentos e conexões,
03:13
lost relationships and connections,
56
181246
2438
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
e perda de oportunidades
de perseguir sonhos e ideias.
de perseguir sonhos e ideias.
03:19
These illnesses limit human possibilities
58
187533
3005
Essas doenças limitam
as possibilidades humanas
as possibilidades humanas
de maneiras que simplesmente
não conseguimos medir.
não conseguimos medir.
03:22
in ways we simply cannot measure.
59
190562
2154
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
Vivemos em uma época em que há
um profundo progresso médico
um profundo progresso médico
em tantas outras frentes.
03:31
on so many other fronts.
61
199533
1811
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
A história do câncer da minha irmã
é um ótimo exemplo,
é um ótimo exemplo,
e poderíamos dizer o mesmo
sobre doenças cardíacas.
sobre doenças cardíacas.
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
Medicamentos como estatinas impedirão
milhões de infartos e derrames.
milhões de infartos e derrames.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
Quando observamos essas áreas
de profundo progresso médico
de profundo progresso médico
03:46
in our lifetimes,
66
214016
1464
no tempo de nossa vida,
03:47
they have a narrative in common:
67
215504
1674
elas têm uma narrativa em comum:
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
os cientistas descobrem moléculas
importantes para uma doença,
importantes para uma doença,
desenvolvem maneiras de detectar
e medir tais moléculas no nosso corpo,
e medir tais moléculas no nosso corpo,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
e desenvolvem maneiras
de perturbar essas moléculas
de perturbar essas moléculas
utilizando outras moléculas, os fármacos.
04:03
using other molecules -- medicines.
71
231294
2048
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
É uma estratégia que tem
funcionado muitas vezes.
funcionado muitas vezes.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
Mas quando se trata do cérebro,
essa estratégia tem sido limitada,
essa estratégia tem sido limitada,
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
porque hoje nós não sabemos
o suficiente, ainda,
o suficiente, ainda,
sobre como o cérebro funciona.
04:19
about how the brain works.
75
247695
1852
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
Temos que entender quais de nossas células
são importantes para cada doença,
são importantes para cada doença,
e quais moléculas nessas células
são importantes para cada doença.
são importantes para cada doença.
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
E essa é a missão sobre
a qual eu quero falar hoje.
a qual eu quero falar hoje.
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
Meu laboratório desenvolve tecnologias
para tentar transformar o cérebro
para tentar transformar o cérebro
em um problema de Big Data.
04:38
into a big-data problem.
80
266614
1700
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
Antes de me tornar biólogo,
trabalhei em computação e matemática,
trabalhei em computação e matemática,
e aprendi esta lição:
04:43
and I learned this lesson:
82
271898
1324
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
sempre que houver grandes quantidades
de tipos corretos de dados
de tipos corretos de dados
sobre o funcionamento de um sistema,
04:50
about the functioning of a system,
84
278573
2030
04:53
you can use computers in powerful new ways
85
281365
3618
você pode usar computadores
de novas formas poderosas
de novas formas poderosas
para entender o sistema
e aprender como ele funciona.
e aprender como ele funciona.
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
Hoje, as abordagens de Big Data
estão transformando
estão transformando
05:02
ever-larger sectors of our economy,
88
290802
2483
setores cada vez maiores
da nossa economia,
da nossa economia,
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
e elas poderiam fazer o mesmo
em biologia e medicina também.
em biologia e medicina também.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
Mas é necessário ter
os tipos corretos de dados.
os tipos corretos de dados.
Ter dados sobre as coisas certas.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
E isso geralmente requer
novas tecnologias e ideias.
novas tecnologias e ideias.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
E essa é a missão que anima
os cientistas no meu laboratório.
os cientistas no meu laboratório.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
Hoje, quero contar duas histórias curtas
do nosso trabalho.
do nosso trabalho.
05:27
One fundamental obstacle we face
95
315427
3104
Um obstáculo fundamental que enfrentamos,
tentando transformar o cérebro
em um problema de Big Data,
em um problema de Big Data,
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
é que nosso cérebro é composto
por bilhões de células.
por bilhões de células.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
E nossas células não são generalistas;
elas são especialistas.
elas são especialistas.
Como humanos no trabalho,
05:43
Like humans at work,
99
331129
2089
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
elas se especializam em milhares
de diferentes carreiras celulares,
de diferentes carreiras celulares,
ou tipos celulares.
05:50
or cell types.
101
338540
1367
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
De fato, cada um dos tipos celulares
em nosso corpo
em nosso corpo
provavelmente poderia dar
uma palestra do TED
uma palestra do TED
05:55
could probably give a lively TED Talk
103
343391
1878
05:57
about what it does at work.
104
345293
1542
sobre o que faz no trabalho.
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
Mas como cientistas,
nós nem sabemos hoje
nós nem sabemos hoje
quantos tipos celulares existem,
06:02
how many cell types there are,
106
350816
1907
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
e não sabemos quais seriam os títulos
da maioria dessas palestras.
da maioria dessas palestras.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
Sabemos muitas coisas importantes
sobre os tipos de células.
sobre os tipos de células.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
Elas podem diferir drasticamente
em tamanho e forma.
em tamanho e forma.
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
Uma pode responder a uma molécula
que o outra não responde,
que o outra não responde,
elas sintetizam moléculas diferentes.
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
Mas a ciência tem, em grande parte,
alcançado essas percepções
alcançado essas percepções
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
de uma maneira designada,
um tipo de célula de cada vez,
um tipo de célula de cada vez,
06:29
one molecule at a time.
114
377067
1486
uma molécula por vez.
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
Queríamos tornar possível aprender
tudo isso de forma rápida e sistemática.
tudo isso de forma rápida e sistemática.
06:37
Now, until recently, it was the case
116
385673
1748
Até recentemente, era o caso
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
que, se quiséssemos catalogar
todas as moléculas
todas as moléculas
06:42
in a part of the brain or any organ,
118
390545
2925
de uma parte do cérebro
ou de qualquer órgão,
ou de qualquer órgão,
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
teríamos que primeiro triturar isso
em uma espécie de "smoothie" celular.
em uma espécie de "smoothie" celular.
06:50
But that's a problem.
120
398678
1230
Mas isso é um problema.
06:52
As soon as you've ground up the cells,
121
400737
2538
Como trituramos as células,
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
só podemos estudar o conteúdo
da "célula média"
da "célula média"
e não das células individuais.
06:58
not the individual cells.
123
406834
1595
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
Imaginem querer entender como funciona
uma cidade como Nova York,
uma cidade como Nova York,
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
mas só se pode fazer isso
revisando algumas estatísticas
revisando algumas estatísticas
07:07
about the average resident of New York.
126
415481
2029
sobre o "morador médio" de Nova York.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
Obviamente, não aprenderíamos muito,
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
porque tudo que é interessante,
importante e emocionante
importante e emocionante
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
está em toda a diversidade
e nas especializações.
e nas especializações.
07:18
And the same thing is true of our cells.
130
426420
2606
E o mesmo acontece com nossas células.
E queríamos tornar possível estudar
o cérebro não como um smoothie celular
o cérebro não como um smoothie celular
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
mas como uma salada de frutas celular,
07:25
but as a cellular fruit salad,
132
433824
2478
em que se poderia gerar dados e aprender
com cada fruta individualmente.
com cada fruta individualmente.
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
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
Assim, desenvolvemos
uma tecnologia para fazer isso.
uma tecnologia para fazer isso.
07:36
You're about to see a movie of it.
136
444995
1729
Vocês estão prestes a ver um vídeo dela.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
Aqui milhares de células individuais
estão sendo empacotadas,
estão sendo empacotadas,
cada uma em sua própria
pequena gota de água
pequena gota de água
07:45
each into its own tiny water droplet
138
453529
2923
07:48
for its own molecular analysis.
139
456476
2211
para sua própria análise molecular.
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
Quando uma célula entra em uma gota,
ela encontra uma pequena esfera,
ela encontra uma pequena esfera,
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
e essa esfera carrega milhões de moléculas
de código de barras de DNA.
de código de barras de DNA.
E cada esfera carrega uma sequência
de código de barras de DNA diferente
de código de barras de DNA diferente
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
para cada célula.
08:04
to a different cell.
143
472447
1243
08:06
We incorporate the DNA bar codes
144
474884
2581
As moléculas de código de barras
de DNA se pareiam
de DNA se pareiam
08:09
into each cell's RNA molecules.
145
477489
3058
com as moléculas de RNA de cada célula.
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
Esses RNAs são os transcritos moleculares
sintetizados a partir de genes específicos
sintetizados a partir de genes específicos
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
que a célula está usando
para realizar seu trabalho.
para realizar seu trabalho.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
E então sequenciamos bilhões
dessas moléculas pareadas
dessas moléculas pareadas
08:24
and use the sequences to tell us
149
492532
2498
e usamos as sequências encontradas para
nos dizer de qual célula e de qual gene
nos dizer de qual célula e de qual gene
08:27
which cell and which gene
150
495054
2602
08:29
every molecule came from.
151
497680
1540
cada molécula se originou.
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
Nós chamamos essa abordagem
de "Drop-seq" porque usamos gotículas
de "Drop-seq" porque usamos gotículas
para separar as células para análise,
08:35
to separate the cells for analysis,
153
503877
2575
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
e usamos sequências de DNA
para marcar, catalogar e monitorar tudo.
para marcar, catalogar e monitorar tudo.
08:41
and keep track of everything.
155
509945
1488
08:44
And now, whenever we do an experiment,
156
512727
1976
Sempre que fazemos um experimento,
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
analisamos dezenas de milhares
de células individuais.
de células individuais.
08:51
And today in this area of science,
158
519018
2624
E hoje nessa área da ciência,
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
o desafio é como aprender
o máximo possível
o máximo possível
08:58
as quickly as we can
160
526621
1872
e o mais rápido possível
09:00
from these vast data sets.
161
528517
1738
desses vastos conjuntos de dados.
Quando estávamos desenvolvendo Drop-seq,
as pessoas costumavam nos dizer:
as pessoas costumavam nos dizer:
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
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
"Isso vai fazer com que sejam procurados
pra todos grandes projetos sobre cérebro".
pra todos grandes projetos sobre cérebro".
09:13
That's not how we saw it.
164
541257
1544
Não é assim que enxergamos isso.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
A ciência é melhor quando todos
estão gerando muitos dados interessantes.
estão gerando muitos dados interessantes.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
Então escrevemos um livro
de instruções de 25 páginas,
de instruções de 25 páginas,
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
que ensina a qualquer cientista
como construir o Drop-seq do zero.
como construir o Drop-seq do zero.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
E esse livro de instruções foi baixado
do site do nosso laboratório
do site do nosso laboratório
50 mil vezes nos últimos 2 anos.
09:31
50,000 times in the past two years.
169
559758
2965
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
Nós desenvolvemos um software
que qualquer cientista poderia usar
que qualquer cientista poderia usar
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
para analisar os dados
de experimentos com Drop-seq,
de experimentos com Drop-seq,
e esse software também é gratuito,
09:41
and that software is also free,
172
569596
1715
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
e foi baixado do nosso site
30 mil vezes nos últimos dois anos.
30 mil vezes nos últimos dois anos.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
E centenas de laboratórios nos escreveram
sobre as descobertas que fizeram
sobre as descobertas que fizeram
usando essa técnica.
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
Hoje, esta tecnologia está sendo usada
para fazer um atlas de células humanas.
para fazer um atlas de células humanas.
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
Será um atlas de todos os tipos
celulares do corpo humano
celulares do corpo humano
e dos genes específicos
que cada tipo de célula usa
que cada tipo de célula usa
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
para fazer seu trabalho.
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
Agora eu quero falar sobre
um segundo desafio que enfrentamos
um segundo desafio que enfrentamos
ao tentar transformar o cérebro
em um problema de Big Data.
em um problema de Big Data.
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
Nós gostaríamos de aprender com o cérebro
de centenas de milhares de pessoas vivas.
de centenas de milhares de pessoas vivas.
10:16
of hundreds of thousands of living people.
182
604808
2444
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
Mas nosso cérebro não é fisicamente
acessível enquanto estamos vivos.
acessível enquanto estamos vivos.
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
Como podemos descobrir fatores moleculares
se não podemos acessar as moléculas?
se não podemos acessar as moléculas?
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
Uma resposta vem do fato de que as
moléculas mais informativas, as proteínas,
moléculas mais informativas, as proteínas,
10:34
are encoded in our DNA,
186
622924
1782
estão codificadas em nosso 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
que tem as receitas que as células seguem
para fazer todas as nossas proteínas.
para fazer todas as nossas proteínas.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
E essas receitas variam
de pessoa para pessoa
de pessoa para pessoa
de maneira que as proteínas
variem de pessoa para pessoa
variem de pessoa para pessoa
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
na sequência precisa delas
10:50
in their precise sequence
190
638335
1787
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
e em quanto cada tipo de célula
faz de cada proteína.
faz de cada proteína.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
Está tudo codificado em nosso DNA,
e é tudo genética,
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
mas não é a genética
que aprendemos na escola.
que aprendemos na escola.
11:03
Do you remember big B, little b?
194
651572
1983
Vocês se lembram do B grande e b pequeno?
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
Se você herdar B grande,
você apresenta olhos castanhos?
você apresenta olhos castanhos?
11:09
It's simple.
196
657085
1223
É simples.
11:11
Very few traits are that simple.
197
659451
3173
Mas muito poucas características
são tão simples.
são tão simples.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
Até mesmo a cor dos olhos depende
de mais do que uma molécula de pigmento.
de mais do que uma molécula de pigmento.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
E algo tão complexo quanto
o funcionamento de nosso cérebro
o funcionamento de nosso cérebro
é moldado pela interação
de milhares de genes.
de milhares de genes.
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
E cada um desses genes
varia significativamente
varia significativamente
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
de pessoa para pessoa, e cada um de nós
é uma combinação única dessa variação.
é uma combinação única dessa variação.
11:30
from person to person to person,
202
678770
1838
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
11:37
It's a big data opportunity.
204
685419
2216
É uma oportunidade de Big Data.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
E hoje, é cada vez mais possível progredir
em uma escala que não era possível antes.
11:43
on a scale that was never possible before.
206
691414
2796
11:46
People are contributing to genetic studies
207
694234
2405
As pessoas estão contribuindo
para estudos genéticos
para estudos genéticos
11:48
in record numbers,
208
696663
1594
em números recordes.
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
E cientistas de todo o mundo estão
compartilhando dados uns com os outros
compartilhando dados uns com os outros
11:55
to speed progress.
210
703196
1571
para acelerar o progresso.
Quero compartilhar uma história
sobre uma descoberta recente que fizemos
sobre uma descoberta recente que fizemos
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
sobre a genética da esquizofrenia.
12:00
about the genetics of schizophrenia.
212
708777
1894
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
Ela foi possível graças
a 50 mil pessoas de 30 países,
a 50 mil pessoas de 30 países,
que contribuíram com o DNA delas
para a pesquisa genética em esquizofrenia.
para a pesquisa genética em esquizofrenia.
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
12:14
It had been known for several years
215
722406
2096
Já era conhecido há vários anos
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
que a maior influência do genoma humano
no risco de esquizofrenia
no risco de esquizofrenia
vem de uma parte do genoma
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
que codifica muitas das moléculas
do nosso sistema imunológico.
do nosso sistema imunológico.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
Mas não era claro qual
gene era o responsável.
gene era o responsável.
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
Um cientista no meu laboratório
desenvolveu uma nova maneira
desenvolveu uma nova maneira
de analisar o DNA com computadores,
e ele descobriu algo muito surpreendente.
e ele descobriu algo muito surpreendente.
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
Ele descobriu que um gene chamado
"componente quatro do complemento",
"componente quatro do complemento",
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
abreviadamente chamado "C4",
12:40
it's called "C4" for short --
223
748204
1799
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
existe em dezenas de formas diferentes
em genomas de pessoas diferentes,
em genomas de pessoas diferentes,
e essas formas diferentes
fazem quantidades diferentes
fazem quantidades diferentes
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
da proteína C4 em nosso cérebro.
12:50
of C4 protein in our brains.
226
758170
2242
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
Ele descobriu que quanto mais
proteína C4 nossos genes fazem,
proteína C4 nossos genes fazem,
maior o risco de esquizofrenia.
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
C4 ainda é apenas um fator de risco
em um sistema complexo.
em um sistema complexo.
13:04
This isn't big B,
230
772850
1989
Isso não é B grande,
mas é um entendimento
sobre uma molécula importante.
sobre uma molécula importante.
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
Proteínas do complemento, como C4,
são conhecidas há muito tempo
são conhecidas há muito tempo
13:15
for their roles in the immune system,
233
783153
1953
pelos papéis dela no sistema imunológico,
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
onde eles agem como uma espécie
de "post-it" molecular
de "post-it" molecular
13:19
that says, "Eat me."
235
787932
1580
que diz: "Me coma!"
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
E esse post-it é colocado
em muitos detritos
em muitos detritos
13:25
and dead cells in our bodies
237
793166
2357
e em células mortas em nosso corpo
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
e estimula as células
imunológicas a eliminá-los.
imunológicas a eliminá-los.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
Mas dois colegas meus descobriram
que a nota de post-it do C4
que a nota de post-it do C4
13:35
also gets put on synapses in the brain
240
803183
3298
também é colocada em sinapses no cérebro
e solicita a eliminação delas.
13:38
and prompts their elimination.
241
806505
1864
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
A criação e eliminação de sinapses
é uma parte normal
é uma parte normal
13:44
of human development and learning.
243
812444
1854
de desenvolvimento humano e aprendizagem.
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
Nosso cérebro cria
e elimina sinapses o tempo todo.
e elimina sinapses o tempo todo.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
Mas nossos resultados genéticos
sugerem que, na esquizofrenia,
sugerem que, na esquizofrenia,
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
o processo de eliminação
pode ser exacerbado.
pode ser exacerbado.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
Cientistas de empresas farmacêuticas
me dizem que estão empolgados
me dizem que estão empolgados
com essa descoberta, pois eles trabalham
com proteínas do complemento há anos
com proteínas do complemento há anos
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
14:04
in the immune system,
249
832401
1540
no sistema imunológico,
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
e eles aprenderam muito
sobre como elas funcionam.
sobre como elas funcionam.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
Eles desenvolveram moléculas que interagem
com proteínas do complemento,
com proteínas do complemento,
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
e estão começando a testá-las no cérebro
e no sistema imunológico.
e no sistema imunológico.
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
É um caminho em direção a uma droga
com potencial de resolver uma causa raiz
com potencial de resolver uma causa raiz
14:21
rather than an individual symptom,
254
849869
2649
em vez de um sintoma individual,
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
e esperamos que esse trabalho
de muitos cientistas e de vários anos
de muitos cientistas e de vários anos
14:28
will be successful.
256
856614
1152
seja bem-sucedido.
14:31
But C4 is just one example
257
859689
3014
Mas o C4 é apenas um exemplo
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
do potencial de abordagens científicas
baseadas em dados
baseadas em dados
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
para abrir novas frentes
em problemas médicos com séculos de idade.
em problemas médicos com séculos de idade.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
Existem centenas de regiões
nos nossos genomas
nos nossos genomas
14:44
that shape risk for brain illnesses,
261
872913
2585
que moldam o risco de doenças cerebrais,
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
e qualquer uma delas poderia nos fornecer
um próximo entendimento molecular
um próximo entendimento molecular
sobre uma molécula que é importante.
14:51
about a molecule that matters.
263
879612
2020
Há centenas de tipos celulares que usam
esses genes em diferentes combinações.
esses genes em diferentes combinações.
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
Nós e outros cientistas
trabalhamos para gerar
trabalhamos para gerar
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
14:59
the rest of the data that's needed
266
887760
2069
o restante dos dados necessários
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
e aprender tudo o que pudermos
com esses dados,
com esses dados,
e esperamos abrir muitas novas frentes.
15:04
we hope to open many more new fronts.
268
892270
2403
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
Genética e análise de células individuais
são apenas duas maneiras
são apenas duas maneiras
de tentar transformar o cérebro
em um problema de Big Data.
em um problema de Big Data.
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
15:18
There is so much more we can do.
271
906424
2159
Há muito mais que podemos fazer.
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
Os cientistas do meu laboratório
estão criando uma tecnologia
estão criando uma tecnologia
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
para o rápido mapeamento
das conexões sinápticas no cérebro
das conexões sinápticas no cérebro
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
para dizer quais neurônios se comunicam
com quais outros neurônios
com quais outros neurônios
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
e como essa comunicação muda
ao longo da vida e durante a doença.
ao longo da vida e durante a doença.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
E estamos desenvolvendo uma maneira
de testar em um único tubo
de testar em um único tubo
como células com centenas de genomas
de pessoas diferentes
de pessoas diferentes
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
15:42
respond differently to the same stimulus.
278
930753
2170
respondem de forma diferente
ao mesmo estímulo.
ao mesmo estímulo.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
Esses projetos reúnem pessoas
com diversas bagagens,
com diversas bagagens,
treinamentos e interesses,
15:51
and training and interests --
280
939175
2493
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
como biologia, informática, química,
matemática, estatística e engenharia.
matemática, estatística e engenharia.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
As possibilidades científicas
juntam pessoas com interesses diferentes
juntam pessoas com interesses diferentes
16:04
into working intensely together.
283
952461
2235
para trabalhar intensamente juntas.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
Qual o futuro que poderíamos criar?
16:12
Consider cancer.
285
960267
1350
Considerem o câncer.
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
Evoluímos de uma era de ignorância
sobre o que causa câncer,
sobre o que causa câncer,
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
em que o câncer era comumente atribuído
a características psicológicas pessoais,
a características psicológicas pessoais,
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
para uma compreensão molecular moderna
das causas biológicas reais do câncer.
das causas biológicas reais do câncer.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
Essa compreensão hoje
leva a inovações na medicina
leva a inovações na medicina
16:35
after innovative medicine,
290
983198
1696
e mais inovações,
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
e embora ainda haja
muito trabalho a ser feito,
muito trabalho a ser feito,
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
já estamos cercados por pessoas
que foram curadas de cânceres
que foram curadas de cânceres
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
que foram considerados
intratáveis há uma geração.
intratáveis há uma geração.
E milhões de sobreviventes de câncer,
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
como minha irmã,
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
encontram-se com anos de vida
que achavam que não teriam
que achavam que não teriam
e novas oportunidades
16:56
and new opportunities
296
1004079
1769
16:57
for work and joy and human connection.
297
1005872
3930
de trabalho, alegria e conexão humana.
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
Esse é o futuro que estamos determinados
a criar em torno das doenças mentais:
a criar em torno das doenças mentais:
17:08
one of real understanding and empathy
299
1016581
4119
um de real compreensão e empatia
17:12
and limitless possibility.
300
1020724
1816
e possibilidades ilimitadas.
17:15
Thank you.
301
1023159
1190
Obrigado.
17:16
(Applause)
302
1024374
4062
(Aplausos)
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