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

Why you should listen

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

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

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

Ed Boyden: A new way to study the brain's invisible secrets

Ed Boyden: Fraldas para bebés inspiraram esta nova forma de estudar o cérebro

Filmed:
1,501,957 views

O neuroengenheiro Ed Boyden quer perceber como as pequenas biomoléculas no nosso cérebro geram emoções, pensamentos e sentimentos — e quer descobrir as alterações moleculares que conduzem a doenças como epilepsia ou Alzheimer. Em vez de ampliar essas estruturas invisíveis com um microscópio, ele pensou: E se as aumentarmos fisicamente e as tornarmos mais fáceis de ver? Fiquem a saber como os mesmos polímeros usados para fazer inchar as fraldas para bebés poderão ser a chave para a compreensão do nosso cérebro.
- Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio

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

00:12
HelloOlá, everybodytodo mundo.
0
904
1405
Olá a todos.
00:14
I broughttrouxe with me todayhoje a babybebê diaperfralda.
1
2333
2643
Trouxe hoje comigo uma fralda para bebés.
00:18
You'llVocê vai see why in a secondsegundo.
2
6793
1722
Já vão ver porquê.
00:20
BabyBebê diapersfraldas have interestinginteressante propertiespropriedades.
3
8539
2010
As fraldas têm propriedades interessantes.
00:22
They can swellinchar enormouslyenormemente
when you addadicionar wateragua to them,
4
10573
2691
Conseguem inchar imenso
quando lhes deitamos água,
00:25
an experimentexperimentar donefeito
by millionsmilhões of kidsfilhos everycada day.
5
13288
2984
uma experiência feita por
milhões de crianças todos os dias.
00:28
(LaughterRiso)
6
16296
1150
(Risos)
00:29
But the reasonrazão why
7
17470
1494
Mas a razão para isso acontecer
00:30
is that they're designedprojetado
in a very cleveresperto way.
8
18988
2190
é que o design é feito
de modo muito inteligente.
00:33
They're madefeito out of a thing
calledchamado a swellableswellable materialmaterial.
9
21202
2635
Elas são feitas de um material absorvente.
00:35
It's a specialespecial kindtipo of materialmaterial that,
when you addadicionar wateragua,
10
23861
2737
Um tipo especial de material que,
quando adicionada água,
00:38
it will swellinchar up enormouslyenormemente,
11
26622
1430
consegue inchar tremendamente,
00:40
maybe a thousandmil timesvezes in volumevolume.
12
28076
2166
talvez mil vezes mais em volume.
00:42
And this is a very usefulútil,
industrialindustrial kindtipo of polymerpolímero.
13
30266
3236
Trata-se de um polímero
industrial muito útil.
00:45
But what we're tryingtentando to do
in my groupgrupo at MITMIT
14
33819
2526
Mas o que o nosso grupo do MIT
está a tentar fazer
00:48
is to figurefigura out if we can do
something similarsemelhante to the braincérebro.
15
36369
3213
é perceber se conseguimos fazer
algo semelhante com o cérebro.
Será que podemos aumentá-lo,
00:51
Can we make it biggerMaior,
16
39606
1159
00:52
biggrande enoughsuficiente that you
can peerpar insidedentro
17
40789
1678
de forma a ver o seu interior,
00:54
and see all the tinyminúsculo buildingconstrução blocksblocos,
the biomoleculesbiomoléculas,
18
42481
2628
todos os pequenos elementos,
as biomoléculas
00:57
how they're organizedorganizado in threetrês dimensionsdimensões,
19
45133
2151
e a sua organização em três dimensões,
00:59
the structureestrutura, the groundchão truthverdade
structureestrutura of the braincérebro, if you will?
20
47308
3485
a estrutura, a verdadeira
estrutura do cérebro?
01:02
If we could get that,
21
50817
1158
Se conseguíssemos isso,
01:03
maybe we could have a better understandingcompreensão
of how the braincérebro is organizedorganizado
22
51999
3509
talvez compreendêssemos melhor
como o cérebro está organizado
01:07
to yieldprodução thoughtspensamentos and emotionsemoções
23
55532
1659
para gerar pensamentos e emoções,
01:09
and actionsações and sensationssensações.
24
57215
1719
ações e sensações.
01:10
Maybe we could try to pinpointidentificar
the exactexato changesalterar in the braincérebro
25
58958
3415
Talvez pudéssemos tentar localizar
mudanças cerebrais específicas
01:14
that resultresultado in diseasesdoenças,
26
62397
1776
que geram doenças,
01:16
diseasesdoenças like Alzheimer'sA doença de Alzheimer
and epilepsyepilepsia and Parkinson'sA doença de Parkinson,
27
64197
3212
doenças como Alzheimer,
epilepsia e Parkinson,
01:19
for whichqual there are fewpoucos
treatmentstratamentos, much lessMenos curescura,
28
67433
2578
para as quais há poucos
tratamentos, quanto mais curas,
01:22
and for whichqual, very oftenfrequentemente,
we don't know the causecausa or the originsorigens
29
70035
3617
e para as quais, muitas vezes,
não sabemos a causa ou origem
01:25
and what's really causingcausando them to occurocorrer.
30
73676
2135
e o que realmente faz com que ocorram.
01:28
Now, our groupgrupo at MITMIT
31
76613
1740
Agora, o nosso grupo do MIT
01:30
is tryingtentando to take
a differentdiferente pointponto of viewVisão
32
78377
2686
está a tentar ver as coisas
de um ângulo diferente
01:33
from the way neuroscienceneurociência has
been donefeito over the last hundredcem yearsanos.
33
81087
3230
do da neurociência dos últimos cem anos.
01:36
We're designersdesigners. We're inventorsinventores.
34
84341
1579
Somos designers, inventores.
01:37
We're tryingtentando to figurefigura out
how to buildconstruir technologiestecnologias
35
85944
2544
Tentamos perceber
como construir tecnologias
01:40
that let us look at and repairreparar the braincérebro.
36
88512
2456
que permitam observar e tratar o cérebro.
01:42
And the reasonrazão is,
37
90992
1151
E a razão é esta,
01:44
the braincérebro is incrediblyincrivelmente,
incrediblyincrivelmente complicatedcomplicado.
38
92167
2801
o cérebro é incrivelmente complicado.
01:47
So what we'venós temos learnedaprendido
over the first centuryséculo of neuroscienceneurociência
39
95484
2887
O que nós aprendemos
no primeiro século da neurociência
01:50
is that the braincérebro is a very
complicatedcomplicado networkrede,
40
98395
2303
é que o cérebro
é uma rede muito complicada,
01:52
madefeito out of very specializedespecializado
cellscélulas calledchamado neuronsneurônios
41
100722
2480
feita de células muito
especializadas, os neurónios,
01:55
with very complexcomplexo geometriesgeometrias,
42
103226
1667
com geometrias muito complexas,
01:56
and electricalelétrico currentscorrentes will flowfluxo
throughatravés these complexlycomplexamente shapedem forma neuronsneurônios.
43
104917
4237
e há correntes elétricas que correm
por esses neurónios com formas complexas.
02:01
FurthermoreAlém disso, neuronsneurônios
are connectedconectado in networksredes.
44
109653
2784
Além disso, os neurónios
estão interligados em redes.
02:04
They're connectedconectado by little junctionsEntroncamentos
calledchamado synapsessinapses that exchangetroca chemicalsprodutos quimicos
45
112461
3835
Estão ligados por pequenas junções,
designadas sinapses, que trocam químicos
02:08
and allowpermitir the neuronsneurônios
to talk to eachcada other.
46
116320
2218
e permitem aos neurónios
comunicar entre si.
02:10
The densitydensidade of the braincérebro is incredibleincrível.
47
118562
1940
A densidade do cérebro é espantosa.
02:12
In a cubiccúbico millimetermilímetro of your braincérebro,
48
120526
2307
Num milímetro cúbico do nosso cérebro,
02:14
there are about 100,000 of these neuronsneurônios
49
122857
2457
existem cerca de cem mil neurónios destes
02:17
and maybe a billionbilhão of those connectionsconexões.
50
125338
2517
e talvez mil milhões destas ligações.
02:20
But it's worsepior.
51
128887
1382
Mas o pior está para vir.
02:22
So, if you could zoomzoom in to a neuronneurônio,
52
130293
2305
Então, se conseguissem ver
o neurónio de perto
02:24
and, of coursecurso, this is just
our artist'sartista renditioncapitulação of it.
53
132622
2750
— claro, isto é apenas
o nosso esboço artístico —
02:27
What you would see are thousandsmilhares
and thousandsmilhares of kindstipos of biomoleculesbiomoléculas,
54
135396
4207
veriam milhares e milhares
de tipos de biomoléculas,
02:31
little nanoscalenanoescala machinesmáquinas
organizedorganizado in complexcomplexo, 3D patternspadrões,
55
139627
4400
pequenas nano-máquinas organizadas
em padrões tridimensionais complexos,
02:36
and togetherjuntos they mediatemediar
those electricalelétrico pulsespulsos,
56
144051
2628
que juntas medeiam
esses impulsos elétricos,
02:38
those chemicalquímico exchangestrocas
that allowpermitir neuronsneurônios to work togetherjuntos
57
146703
3937
essas trocas químicas que permitem
aos neurónios trabalhar juntos,
02:42
to generategerar things like thoughtspensamentos
and feelingssentimentos and so forthadiante.
58
150664
3669
gerando coisas como pensamentos,
sentimentos, e por aí fora.
02:46
Now, we don't know how
the neuronsneurônios in the braincérebro are organizedorganizado
59
154357
3764
Mas nós não sabemos como os neurónios
se organizam no cérebro formando redes,
02:50
to formFormato networksredes,
60
158145
1174
02:51
and we don't know how
the biomoleculesbiomoléculas are organizedorganizado
61
159343
2500
nem sabemos como é que as biomoléculas
se organizam nesses neurónios
02:53
withindentro neuronsneurônios
62
161867
1174
02:55
to formFormato these complexcomplexo, organizedorganizado machinesmáquinas.
63
163065
2405
para formar essas máquinas
organizadas e complexas.
02:57
If we really want to understandCompreendo this,
64
165918
1820
Para realmente se perceber isto,
02:59
we're going to need newNovo technologiestecnologias.
65
167762
1817
são necessárias novas tecnologias.
03:01
But if we could get suchtal mapsmapas,
66
169603
1784
Mas se pudéssemos obter estes mapas,
03:03
if we could look at the organizationorganização
of moleculesmoléculas and neuronsneurônios
67
171411
2943
se pudéssemos ver a organização
de moléculas e neurónios
03:06
and neuronsneurônios and networksredes,
68
174378
1566
e neurónios e redes,
03:07
maybe we could really understandCompreendo
how the braincérebro conductsconduz informationem formação
69
175968
3437
talvez conseguíssemos perceber realmente
como o cérebro conduz informação
03:11
from sensorysensorial regionsregiões,
70
179429
1167
das regiões sensoriais,
03:12
mixesmisturas it with emotionemoção and feelingsentindo-me,
71
180620
1736
a mistura com emoção e sentimento,
03:14
and generatesgera our decisionsdecisões and actionsações.
72
182380
2394
e produz as nossas decisões e ações.
03:17
Maybe we could pinpointidentificar the exactexato setconjunto
of molecularmolecular changesalterar that occurocorrer
73
185131
3789
Talvez pudéssemos identificar
todas as alterações moleculares
que ocorrem numa doença cerebral.
03:20
in a braincérebro disorderdesordem.
74
188944
1202
03:22
And onceuma vez we know how
those moleculesmoléculas have changedmudou,
75
190170
2822
Uma vez sabendo que alterações
as moléculas sofreram,
03:25
whetherse they'veeles têm increasedaumentou in numbernúmero
or changedmudou in patternpadronizar,
76
193016
2780
se tinham aumentado em número
ou alterado o seu padrão,
03:27
we could use those
as targetsalvos for newNovo drugsdrogas,
77
195820
2939
poderíamos usá-las como alvos
para novos fármacos,
03:30
for newNovo waysmaneiras of deliveringentregando
energyenergia into the braincérebro
78
198783
2271
como forma de transferir
energia para o cérebro
03:33
in orderordem to repairreparar the braincérebro
computationscálculos that are afflictedafligido
79
201078
3880
de modo a reparar os cálculos
cerebrais que foram afetados
03:36
in patientspacientes who sufferSofra
from braincérebro disordersdesordens.
80
204982
2299
em pacientes que sofram
de doenças cerebrais.
03:39
We'veTemos all seenvisto lots of differentdiferente
technologiestecnologias over the last centuryséculo
81
207793
3243
Todos nós vimos várias tecnologias
diferentes no último século
a tentar responder a isto.
03:43
to try to confrontenfrentar this.
82
211060
1166
03:44
I think we'venós temos all seenvisto braincérebro scansvarredura
83
212250
1880
Acho que já todos vimos imagens do cérebro
03:46
takenocupado usingusando MRIRESSONÂNCIA MAGNÉTICA machinesmáquinas.
84
214154
2034
adquiridas com aparelhos
de ressonância magnética.
03:48
These, of coursecurso, have the great powerpoder
that they are noninvasivenão-invasiva,
85
216212
3347
Tais máquinas têm a grande vantagem
de não serem invasivas,
03:51
they can be used on livingvivo humanhumano subjectsassuntos.
86
219583
2355
podendo ser usadas em seres humanos vivos.
03:54
But alsoAlém disso, they're spatiallyespacialmente crudebruto.
87
222407
2231
Mas as imagens são grosseiras.
03:56
EachCada of these blobsbolhas that you see,
or voxelsvoxels, as they're calledchamado,
88
224662
2990
Cada uma destas manchas que veem,
ou vóxeis, como são chamados,
03:59
can containconter millionsmilhões
and millionsmilhões of neuronsneurônios.
89
227676
2689
pode conter milhões
e milhões de neurónios.
04:02
So it's not at the levelnível of resolutionresolução
90
230389
1850
Não é ao nível da resolução
04:04
where it can pinpointidentificar
the molecularmolecular changesalterar that occurocorrer
91
232263
2538
que se podem identificar
as alterações moleculares
04:06
or the changesalterar in the wiringfiação
of these networksredes
92
234825
2286
ou as alterações nas ligações
entre essas redes,
04:09
that contributescontribui to our abilityhabilidade
to be consciousconsciente and powerfulpoderoso beingsseres.
93
237135
3946
que contribuem para sermos seres
conscientes e com grandes capacidades.
04:13
At the other extremeextremo,
you have microscopesmicroscópios.
94
241797
3181
No extremo oposto, temos os microscópios.
04:17
MicroscopesMicroscópios, of coursecurso, will use lightluz
to look at little tinyminúsculo things.
95
245002
3295
Os microscópios, claro, utilizam a luz
para ver coisas muito pequenas.
04:20
For centuriesséculos, they'veeles têm been used
to look at things like bacteriabactérias.
96
248321
3075
Foram usados durante séculos
para ver coisas como bactérias.
Na neurociência,
04:23
For neuroscienceneurociência,
97
251420
1151
04:24
microscopesmicroscópios are actuallyna realidade how neuronsneurônios
were discovereddescobriu in the first placeLugar, colocar,
98
252595
3412
os neurónios foram descobertos
precisamente com a ajuda de microscópios,
04:28
about 130 yearsanos agoatrás.
99
256031
1292
há cerca de 130 anos.
04:29
But lightluz is fundamentallyfundamentalmente limitedlimitado.
100
257347
2318
Mas a luz tem limitações.
04:31
You can't see individualIndividual moleculesmoléculas
with a regularregular oldvelho microscopemicroscópio.
101
259689
3298
Não se veem moléculas individuais
com um microscópio tradicional.
04:35
You can't look at these tinyminúsculo connectionsconexões.
102
263011
2152
Não se veem as pequenas ligações.
04:37
So if we want to make our abilityhabilidade
to see the braincérebro more powerfulpoderoso,
103
265187
3942
Portanto, se queremos melhorar
a capacidade de ver o cérebro,
04:41
to get down to the groundchão truthverdade structureestrutura,
104
269153
2168
de ver diretamente
a sua verdadeira estrutura,
04:43
we're going to need to have
even better technologiestecnologias.
105
271345
3280
teremos de ter tecnologias
ainda mais avançadas.
04:47
My groupgrupo, a couplecasal yearsanos agoatrás,
startedcomeçado thinkingpensando:
106
275611
2224
Há uns anos, o meu grupo começou a pensar:
04:49
Why don't we do the oppositeoposto?
107
277859
1412
E que tal fazer ao contrário?
04:51
If it's so darndanado complicatedcomplicado
to zoomzoom in to the braincérebro,
108
279295
2461
Se é tão difícil fazer zoom no cérebro,
04:53
why can't we make the braincérebro biggerMaior?
109
281780
1943
porque não torná-lo maior?
Começou com dois estudantes de mestrado
do meu grupo, Fei Chen e Paul Tillberg.
04:56
It initiallyinicialmente startedcomeçado
110
284166
1155
04:57
with two gradGrad studentsalunos in my groupgrupo,
FeiFei ChenChen and PaulPaul TillbergTillberg.
111
285345
2996
Agora já há outros no grupo
a ajudar no processo.
05:00
Now manymuitos othersoutras in my groupgrupo
are helpingajudando with this processprocesso.
112
288365
2720
Decidimos tentar perceber
se podíamos pegar em polímeros,
05:03
We decideddecidiu to try to figurefigura out
if we could take polymerspolímeros,
113
291109
2762
como a substância das fraldas,
05:05
like the stuffcoisa in the babybebê diaperfralda,
114
293895
1629
e implantá-los fisicamente no cérebro.
05:07
and installinstalar it physicallyfisicamente
withindentro the braincérebro.
115
295548
2006
Se o fizéssemos corretamente,
e adicionássemos água,
05:09
If we could do it just right,
and you addadicionar wateragua,
116
297578
2241
haveria a possibilidade
de expandir o cérebro
05:11
you can potentiallypotencialmente blowgolpe the braincérebro up
117
299843
1835
05:13
to where you could distinguishdistinguir
those tinyminúsculo biomoleculesbiomoléculas from eachcada other.
118
301702
3377
até ao ponto de se distinguirem
pequenas biomoléculas umas das outras.
05:17
You would see those connectionsconexões
and get mapsmapas of the braincérebro.
119
305103
2870
Veríamos as tais ligações
e teríamos mapas do cérebro.
05:19
This could potentiallypotencialmente be quitebastante dramaticdramático.
120
307997
1988
Isto pode ser bastante dramático.
05:22
We broughttrouxe a little demodemo here.
121
310009
3008
Trouxemos uma pequena demonstração.
Arranjámos algum material
purificado de fraldas de bebés.
05:25
We got some purifiedpurificado babybebê diaperfralda materialmaterial.
122
313538
2575
05:28
It's much easierMais fácil
just to buyComprar it off the InternetInternet
123
316137
2274
É muito mais fácil comprá-lo na Internet
05:30
than to extractextrair the fewpoucos grainsgrãos
that actuallyna realidade occurocorrer in these diapersfraldas.
124
318435
3475
do que extrair os poucos grãos
que existem nestas fraldas.
05:33
I'm going to put just one teaspooncolher de chá here
125
321934
2225
Vou colocar aqui apenas uma colher de chá
05:36
of this purifiedpurificado polymerpolímero.
126
324706
1794
deste polímero purificado.
05:39
And here we have some wateragua.
127
327270
2152
E aqui temos alguma água.
05:41
What we're going to do
128
329446
1162
O que iremos fazer
05:42
is see if this teaspooncolher de chá
of the babybebê diaperfralda materialmaterial
129
330632
3011
é ver se esta colher de chá
de material de fraldas para bebés
05:45
can increaseaumentar in sizeTamanho.
130
333667
1709
pode aumentar de volume.
05:48
You're going to see it increaseaumentar in volumevolume
by about a thousandfoldaproveitará
131
336687
3696
Irão vê-lo aumentar de volume
até cerca de mil vezes o seu tamanho
05:52
before your very eyesolhos.
132
340407
1286
perante os vossos olhos.
06:01
I could pourderramar much more of this in there,
133
349597
1972
Podia adicionar bastante mais,
06:03
but I think you've got the ideaidéia
134
351593
1558
mas acho que já ficaram com a ideia
06:05
that this is a very,
very interestinginteressante moleculemolécula,
135
353175
2502
que isto é uma molécula
muito, muito interessante.
06:07
and if can use it in the right way,
136
355701
1912
E se soubermos tirar partido dela,
06:09
we mightpoderia be ablecapaz
to really zoomzoom in on the braincérebro
137
357637
2321
poderemos conseguir ampliar o cérebro
06:11
in a way that you can't do
with pastpassado technologiestecnologias.
138
359982
2594
de um modo que não é possível
com tecnologias antigas.
06:15
OK. So a little bitpouco of chemistryquímica now.
139
363227
2054
Muito bem, um pouco de química agora.
06:17
What's going on
in the babybebê diaperfralda polymerpolímero?
140
365305
2442
O que se passa com o polímero da fralda?
06:19
If you could zoomzoom in,
141
367771
1676
Se pudessem ampliá-lo,
06:21
it mightpoderia look something like
what you see on the screentela.
142
369471
2673
veriam algo como o que está no ecrã.
06:24
PolymersPolímeros are chainscorrentes of atomsátomos
arrangedarranjado in long, thinfino lineslinhas.
143
372168
4492
Os polímeros são cadeias de átomos
dispostos em linhas longas e finas.
06:28
The chainscorrentes are very tinyminúsculo,
144
376684
1367
As cadeias são muito estreitas,
cerca da largura de uma biomolécula,
06:30
about the widthlargura of a biomoleculebiomolécula,
145
378075
1864
06:31
and these polymerspolímeros are really densedenso.
146
379963
1747
e estes polímeros são muito densos.
06:33
They're separatedseparado by distancesdistâncias
147
381734
1500
Estão separados a distâncias
06:35
that are around the sizeTamanho of a biomoleculebiomolécula.
148
383258
2252
que são idênticas ao tamanho
de uma biomolécula.
06:37
This is very good
149
385534
1165
Isto é muito vantajoso
06:38
because we could potentiallypotencialmente
movemover everything apartseparados in the braincérebro.
150
386723
3041
pois desta forma poderíamos afastar
entre si as estruturas do cérebro.
06:41
If we addadicionar wateragua, what will happenacontecer is,
151
389788
1848
Se adicionarmos água, o que acontece
06:43
this swellableswellable materialmaterial
is going to absorbabsorver the wateragua,
152
391660
2515
é que este material
expansível irá absorvê-la,
as cadeias do polímero irão
afastar-se umas das outras,
06:46
the polymerpolímero chainscorrentes will movemover
apartseparados from eachcada other,
153
394199
2400
e todo o material irá tornar-se maior.
06:48
and the entireinteira materialmaterial
is going to becometornar-se biggerMaior.
154
396623
2634
06:51
And because these chainscorrentes are so tinyminúsculo
155
399615
1814
E como as cadeias são muito estreitas
06:53
and spacedespaçadas by biomolecularBiomolecular distancesdistâncias,
156
401453
2205
e espaçadas entre si
de distâncias biomoleculares,
06:55
we could potentiallypotencialmente blowgolpe up the braincérebro
157
403682
2039
poderíamos expandir o cérebro
06:57
and make it biggrande enoughsuficiente to see.
158
405745
1633
e torná-lo suficientemente
grande para o vermos.
07:00
Here'sAqui é the mysterymistério, then:
159
408020
1240
Então, eis o mistério:
07:01
How do we actuallyna realidade make
these polymerpolímero chainscorrentes insidedentro the braincérebro
160
409284
3610
Como criar cadeias de polímeros
dentro do cérebro
07:04
so we can movemover all the biomoleculesbiomoléculas apartseparados?
161
412918
2239
para afastarmos as biomoléculas entre si?
07:07
If we could do that,
162
415181
1151
Se o conseguíssemos fazer,
07:08
maybe we could get
groundchão truthverdade mapsmapas of the braincérebro.
163
416356
2397
talvez pudéssemos obter
mapas realistas do cérebro.
07:10
We could look at the wiringfiação.
164
418777
1389
Veríamos a sua conectividade.
07:12
We can peerpar insidedentro
and see the moleculesmoléculas withindentro.
165
420190
3157
Poderíamos perscrutar o seu interior
e ver as moléculas lá dentro.
07:15
To explainexplicar this, we madefeito some animationsanimações
166
423925
2481
Para explicar isto, criámos umas animações
07:18
where we actuallyna realidade look
at, in these artistartista renderingsrenderings,
167
426430
2603
onde observamos, nessas
representações artísticas,
07:21
what biomoleculesbiomoléculas mightpoderia look
like and how we mightpoderia separateseparado them.
168
429057
3541
como são as biomoléculas
e como as poderemos separar.
07:24
StepPasso one: what we'dqua have
to do, first of all,
169
432622
2549
Primeiro: o que teríamos
de fazer, antes de mais,
07:27
is attachanexar everycada biomoleculebiomolécula,
shownmostrando in brownCastanho here,
170
435195
3389
seria ligar a cada biomolécula,
aqui representadas a castanho,
07:30
to a little anchorâncora, a little handlelidar com.
171
438608
2159
uma pequena âncora,
uma pequena maçaneta.
07:32
We need to pullpuxar the moleculesmoléculas
of the braincérebro apartseparados from eachcada other,
172
440791
3095
Precisamos de afastar entre si
as moléculas do cérebro
07:35
and to do that, we need
to have a little handlelidar com
173
443910
2326
e, para tal, precisamos
de uma pequena maçaneta
07:38
that allowspermite those polymerspolímeros to bindligar to them
174
446260
2285
que permita aos polímeros
agarrarem-se a elas
07:40
and to exertexercer theirdeles forceforça.
175
448569
1542
e aplicar a sua força.
07:43
Now, if you just take babybebê diaperfralda
polymerpolímero and dumpdespejar it on the braincérebro,
176
451278
3161
Agora, se pegarmos em polímero
de fraldas e o pusermos no cérebro,
07:46
obviouslyobviamente, it's going to sitsentar there on toptopo.
177
454463
2037
obviamente que ficará em cima dele.
07:48
So we need to find a way
to make the polymerspolímeros insidedentro.
178
456524
2528
É preciso perceber como
colocar os polímeros lá dentro.
07:51
And this is where we're really luckypor sorte.
179
459076
1788
E é aqui que temos sorte.
Ao que parece, podemos usar
os blocos de construção,
07:52
It turnsgira out, you can
get the buildingconstrução blocksblocos,
180
460888
2188
07:55
monomersmonômeros, as they're calledchamado,
181
463100
1372
chamados monómeros,
07:56
and if you let them go into the braincérebro
182
464496
1784
e se os deixarmos entrar no cérebro
07:58
and then triggerdesencadear the chemicalquímico reactionsreações,
183
466304
2036
e ativar as reações químicas,
08:00
you can get them to formFormato
those long chainscorrentes,
184
468364
2702
podemos fazer com que formem
as tais cadeias longas,
08:03
right there insidedentro the braincérebro tissuelenço de papel.
185
471090
1798
mesmo no interior do tecido cerebral.
08:05
They're going to windvento theirdeles way
around biomoleculesbiomoléculas
186
473325
2397
Irão serpentear à volta das biomoléculas
e entre as biomoléculas,
08:07
and betweenentre biomoleculesbiomoléculas,
187
475746
1221
08:08
formingformando those complexcomplexo websteias de
188
476991
1625
formando estas redes complexas
08:10
that will allowpermitir you, eventuallyeventualmente,
to pullpuxar apartseparados the moleculesmoléculas
189
478640
2862
que nos irão permitir, eventualmente,
afastar as moléculas entre si.
08:13
from eachcada other.
190
481526
1175
E de cada vez que se cruzar
com uma dessas pequenas maçanetas,
08:14
And everycada time one
of those little handlesalças is around,
191
482725
3054
08:17
the polymerpolímero will bindligar to the handlelidar com,
and that's exactlyexatamente what we need
192
485803
3350
o polímero irá ligar-se a ela,
e é isso mesmo que nós precisamos
08:21
in orderordem to pullpuxar the moleculesmoléculas
apartseparados from eachcada other.
193
489177
2531
de modo a conseguir afastar as moléculas.
08:23
All right, the momentmomento of truthverdade.
194
491732
1693
Muito bem, é o momento da verdade.
08:25
We have to treattratar this specimenespécime
195
493449
2148
Temos de tratar este espécime
08:27
with a chemicalquímico to kindtipo of loosenDesaperte up
all the moleculesmoléculas from eachcada other,
196
495621
3446
com um químico, para relaxar
as ligações entre as moléculas,
08:31
and then, when we addadicionar wateragua,
197
499091
1836
e depois, quando adicionarmos água,
08:32
that swellableswellable materialmaterial is going
to startcomeçar absorbingabsorção de the wateragua,
198
500951
2953
este material expansível
começará a absorvê-la,
08:35
the polymerpolímero chainscorrentes will movemover apartseparados,
199
503928
1703
as cadeias do polímero afastar-se-ão,
08:37
but now, the biomoleculesbiomoléculas
will come alongao longo for the ridepasseio.
200
505655
2722
mas desta vez, as biomoléculas
irão apanhar a boleia.
08:40
And much like drawingdesenhando
a picturecenário on a balloonbalão,
201
508401
2164
É análogo a fazer um desenho num balão,
08:42
and then you blowgolpe up the balloonbalão,
202
510589
1587
e depois encherem o balão de ar,
08:44
the imageimagem is the samemesmo,
203
512200
1290
a imagem é a mesma,
08:45
but the inktinta particlespartículas have movedse mudou
away from eachcada other.
204
513514
2548
mas as partículas de tinta
afastaram-se entre si.
08:48
And that's what we'venós temos been ablecapaz
to do now, but in threetrês dimensionsdimensões.
205
516086
3467
E isso é o que fizemos agora,
mas em três dimensões.
08:51
There's one last tricktruque.
206
519577
1999
Há um último truque.
08:53
As you can see here,
207
521600
1218
Como podem ver aqui,
08:54
we'venós temos color-codedcódigo de cores
all the biomoleculesbiomoléculas brownCastanho.
208
522842
2109
marcámos todas as biomoléculas
com a cor castanha.
08:56
That's because they all
kindtipo of look the samemesmo.
209
524975
2170
Isto porque elas
são todas muito parecidas.
08:59
BiomoleculesBiomoléculas are madefeito
out of the samemesmo atomsátomos,
210
527169
2105
São feitas dos mesmos átomos,
09:01
but just in differentdiferente ordersordens.
211
529298
2240
mas com configurações diferentes.
09:03
So we need one last thing
212
531562
1500
Então é preciso só mais uma coisa
09:05
in orderordem to make them visiblevisível.
213
533086
1695
de modo a torná-las visíveis.
09:06
We have to bringtrazer in little tagsEtiquetas,
214
534805
1579
Temos de pôr pequenos marcadores,
09:08
with glowinga brilhar dyescorantes
that will distinguishdistinguir them.
215
536408
3019
com tintas brilhantes
que irão permitir distingui-las.
09:11
So one kindtipo of biomoleculebiomolécula
mightpoderia get a blueazul colorcor.
216
539451
2673
Então, um dado tipo de biomolécula
poderá ficar azul.
09:14
AnotherOutro kindtipo of biomoleculebiomolécula
mightpoderia get a redvermelho colorcor.
217
542148
2351
Outro tipo de biomolécula
poderá ficar vermelho.
09:16
And so forthadiante.
218
544523
1276
E assim por diante.
09:17
And that's the finalfinal stepdegrau.
219
545823
1552
E é esse o passo final.
09:19
Now we can look at something like a braincérebro
220
547399
2278
Agora podemos olhar para algo
como seja um cérebro
09:21
and look at the individualIndividual moleculesmoléculas,
221
549701
1796
e ver as várias moléculas,
09:23
because we'venós temos movedse mudou them
farlonge apartseparados enoughsuficiente from eachcada other
222
551521
2707
porque as afastámos entre si o suficiente
09:26
that we can tell them apartseparados.
223
554252
1698
para as conseguirmos distinguir.
09:27
So the hopeesperança here is that
we can make the invisibleinvisível visiblevisível.
224
555974
2834
A nossa esperança é conseguir
tornar o invisível em visível.
09:30
We can turnvirar things that mightpoderia seemparecem
smallpequeno and obscureobscurecer
225
558832
2566
Podemos alterar coisas que parecem
pequenas e obscuras,
e ampliá-las até parecerem constelações
de informação sobre a vida.
09:33
and blowgolpe them up
226
561422
1151
09:34
untilaté they're like constellationsconstelações
of informationem formação about life.
227
562597
3177
09:37
Here'sAqui é an actualreal videovídeo
of what it mightpoderia look like.
228
565798
2375
Aqui temos um vídeo
de como isto poderá ser.
09:40
We have here a little braincérebro in a dishprato --
229
568197
2371
Temos um pequeno cérebro numa placa
09:42
a little piecepeça of a braincérebro, actuallyna realidade.
230
570592
1747
— um pequeno pedaço de cérebro.
09:44
We'veTemos infusedinfundido the polymerpolímero in,
231
572363
1596
Injetámos o polímero no interior,
09:45
and now we're addingadicionando wateragua.
232
573983
1467
e agora estamos a juntar água.
09:47
What you'llvocê vai see is that,
right before your eyesolhos --
233
575474
2358
O que veem é, diante dos vossos olhos
09:49
this videovídeo is spedSPED up about sixtyfoldsixtyfold --
234
577856
1923
— este vídeo foi acelerado
cerca de seis vezes —
09:51
this little piecepeça of braincérebro tissuelenço de papel
is going to growcrescer.
235
579803
2725
que este pequeno pedaço
de cérebro irá crescer.
09:54
It can increaseaumentar by a hundredfoldcem
or even more in volumevolume.
236
582552
3180
Pode aumentar o volume
em cem vezes ou até mais.
09:57
And the coollegal partparte is, because
those polymerspolímeros are so tinyminúsculo,
237
585756
2949
E a parte fixe é que, como esses
polímeros são muito estreitos,
10:00
we're separatingseparando biomoleculesbiomoléculas
evenlyuniformemente from eachcada other.
238
588729
2559
estamos a afastar as biomoléculas
de modo uniforme.
10:03
It's a smoothsuave expansionexpansão.
239
591312
1658
É uma expansão suave.
10:04
We're not losingperdendo the configurationconfiguração
of the informationem formação.
240
592994
2687
Não estamos a perder
a informação sobre a configuração.
10:07
We're just makingfazer it easierMais fácil to see.
241
595705
2700
Estamos apenas a torná-la mais visível.
Agora podemos pegar em
circuitos do cérebro reais
10:11
So now we can take
actualreal braincérebro circuitrycircuitos --
242
599333
2176
10:13
here'saqui está a piecepeça of the braincérebro
involvedenvolvido with, for exampleexemplo, memorymemória --
243
601533
3134
— eis um pedaço do cérebro
relacionado com a memória —
e ampliar os mesmos.
10:16
and we can zoomzoom in.
244
604691
1263
10:17
We can startcomeçar to actuallyna realidade look at
how circuitscircuitos are configuredconfigurado.
245
605978
2890
Podemos começar a analisar
como os circuitos estão configurados.
10:20
Maybe somedayalgum dia we could readler out a memorymemória.
246
608892
1968
Talvez um dia consigamos ler uma memória.
10:22
Maybe we could actuallyna realidade look
at how circuitscircuitos are configuredconfigurado
247
610884
2779
Talvez possamos realmente analisar
a configuração dos circuitos
10:25
to processprocesso emotionsemoções,
248
613687
1152
que permite processar emoções,
10:26
how the actualreal wiringfiação
of our braincérebro is organizedorganizado
249
614863
2922
como é que as ligações
no cérebro estão organizadas
10:29
in orderordem to make us who we are.
250
617809
2567
fazendo de nós quem somos.
10:32
And of coursecurso, we can pinpointidentificar, hopefullyesperançosamente,
251
620400
2047
E, claro, esperamos conseguir identificar
10:34
the actualreal problemsproblemas in the braincérebro
at a molecularmolecular levelnível.
252
622471
3159
os verdadeiros problemas cerebrais
a um nível molecular.
10:37
What if we could actuallyna realidade
look into cellscélulas in the braincérebro
253
625654
2569
E se fôssemos capazes
de olhar para células do cérebro
10:40
and figurefigura out, wowUau, here are the 17
moleculesmoléculas that have alteredalterado
254
628247
3083
e perceber, uau, aqui estão
as 17 moléculas com alterações
10:43
in this braincérebro tissuelenço de papel that has been
undergoingpassando por epilepsyepilepsia
255
631354
3455
neste tecido do cérebro
em que ocorreu epilepsia,
10:46
or changingmudando in Parkinson'sA doença de Parkinson diseasedoença
256
634833
1650
ou que mudou com Parkinson,
10:48
or otherwisede outra forma beingser alteredalterado?
257
636507
1517
ou que sofreu outra alteração?
10:50
If we get that systematicsistemática listLista
of things that are going wrongerrado,
258
638048
3043
Se obtivermos uma lista sistemática
das várias coisas erradas,
10:53
those becometornar-se our therapeuticterapêutico targetsalvos.
259
641115
2199
essas tornam-se os alvos terapêuticos.
10:55
We can buildconstruir drugsdrogas that bindligar those.
260
643338
1677
Podemos criar fármacos para eles.
10:57
We can maybe aimalvo energyenergia
at differentdiferente partspartes of the braincérebro
261
645039
2627
Podemos talvez enviar energia
para diferentes zonas cerebrais
10:59
in orderordem to help people
with Parkinson'sA doença de Parkinson or epilepsyepilepsia
262
647690
2687
ajudando pessoas com Parkinson, epilepsia
ou outras doenças que afetam
mais de mil milhões de pessoas
11:02
or other conditionscondições that affectafetar
over a billionbilhão people
263
650401
2551
11:04
around the worldmundo.
264
652976
1213
em todo o mundo.
11:07
Now, something interestinginteressante
has been happeningacontecendo.
265
655246
2206
Agora, algo interessante
tem estado a acontecer.
11:09
It turnsgira out that throughoutao longo biomedicinebiomedicina,
266
657476
2705
Acontece que na biomedicina,
11:12
there are other problemsproblemas
that expansionexpansão mightpoderia help with.
267
660205
2666
há outros problemas em que
a expansão poderá ajudar.
11:14
This is an actualreal biopsybiópsia
from a humanhumano breastpeito cancerCâncer patientpaciente.
268
662895
3234
Isto é uma biópsia verdadeira
de um paciente com cancro da mama.
11:18
It turnsgira out that if you look at cancerscâncer,
269
666505
2188
Ao que parece, se observarmos cancros,
11:20
if you look at the immuneimune systemsistema,
270
668717
1611
ou o sistema imunitário,
11:22
if you look at agingenvelhecimento,
if you look at developmentdesenvolvimento --
271
670352
2513
ou o envelhecimento,
ou o desenvolvimento,
11:24
all these processesprocessos are involvingenvolvendo
large-scaleem larga escala biologicalbiológico systemssistemas.
272
672889
4497
todos esses processos envolvem
sistemas biológicos em grande escala.
11:29
But of coursecurso, the problemsproblemas begininício
with those little nanoscalenanoescala moleculesmoléculas,
273
677410
4024
Mas, claro, os problemas começam
com essas moléculas à nanoescala,
11:33
the machinesmáquinas that make the cellscélulas
and the organsórgãos in our bodycorpo tickCarraça.
274
681458
3869
as máquinas que permitem que as nossas
células e os nossos órgãos funcionem.
11:37
So what we're tryingtentando
to do now is to figurefigura out
275
685351
2222
O que estamos a tentar
fazer agora é perceber
11:39
if we can actuallyna realidade use this technologytecnologia
to mapmapa the buildingconstrução blocksblocos of life
276
687597
3466
se podemos usar esta tecnologia
para mapear os tijolos da vida
11:43
in a wideLargo varietyvariedade of diseasesdoenças.
277
691087
1745
nas mais diversas doenças.
11:44
Can we actuallyna realidade pinpointidentificar
the molecularmolecular changesalterar in a tumortumor
278
692856
2896
Será que podemos identificar
alterações moleculares num tumor
11:47
so that we can actuallyna realidade
go after it in a smartinteligente way
279
695776
2369
de modo a atuar sobre ele
de modo inteligente
11:50
and deliverentregar drugsdrogas that mightpoderia wipelimpe out
exactlyexatamente the cellscélulas that we want to?
280
698169
3944
e criar fármacos que possam eliminar
exatamente as células que queremos?
11:54
You know, a lot of medicineremédio
is very highAlto riskrisco.
281
702137
2335
Sabem, muito da medicina
tem um risco elevado.
11:56
SometimesÀs vezes, it's even guessworkadivinhação.
282
704496
1782
Por vezes, são somente conjeturas.
11:58
My hopeesperança is we can actuallyna realidade turnvirar
what mightpoderia be a high-riskalto risco moonlua shottiro
283
706626
3875
Tenho esperança que possamos transformar
uma tentativa arriscada de "ida à Lua"
12:02
into something that's more reliableconfiável.
284
710525
1769
em algo mais fiável.
12:04
If you think about the originaloriginal moonlua shottiro,
285
712318
2055
Se pensarem na ida à Lua original,
12:06
where they actuallyna realidade landeddesembarcou on the moonlua,
286
714397
1898
a aterragem na Lua
teve uma base científica sólida.
12:08
it was basedSediada on solidsólido scienceCiência.
287
716319
1444
12:09
We understoodEntendido gravitygravidade;
288
717787
1603
Nós percebíamos de gravidade,
12:11
we understoodEntendido aerodynamicsaerodinâmica.
289
719414
1341
percebíamos de aerodinâmica.
12:12
We knewsabia how to buildconstruir rocketsfoguetes.
290
720779
1395
Sabíamos construir foguetões.
12:14
The scienceCiência riskrisco was undersob controlao controle.
291
722198
2468
O risco científico estava controlado.
12:16
It was still a great, great
featfaçanha of engineeringEngenharia.
292
724690
2753
Ainda assim foi uma conquista
bastante grande da engenharia.
12:19
But in medicineremédio, we don't
necessarilynecessariamente have all the lawsleis.
293
727467
2645
Mas em medicina não temos
propriamente todas as leis.
12:22
Do we have all the lawsleis
that are analogousanáloga to gravitygravidade,
294
730136
3109
Teremos leis análogas à gravidade,
12:25
that are analogousanáloga to aerodynamicsaerodinâmica?
295
733269
2344
leis análogas à aerodinâmica?
12:27
I would argueargumentar that with technologiestecnologias
296
735637
1730
Eu diria que com tecnologias
como estas de que falei hoje
12:29
like the kindstipos I'm talkingfalando about todayhoje,
297
737391
1872
12:31
maybe we can actuallyna realidade derivederivar those.
298
739287
1693
talvez possamos derivar essas leis.
12:33
We can mapmapa the patternspadrões
that occurocorrer in livingvivo systemssistemas,
299
741004
2857
Podemos mapear os padrões
que ocorrem em seres vivos,
12:35
and figurefigura out how to overcomesuperar
the diseasesdoenças that plaguePraga us.
300
743885
4558
e descobrir como vencer
as doenças que nos atingem.
A minha mulher e eu
temos dois filhos jovens,
12:41
You know, my wifeesposa and I
have two youngjovem kidsfilhos,
301
749499
2079
12:43
and one of my hopesesperanças as a bioengineerbioengineer
is to make life better for them
302
751602
3234
e tenho esperança, como bioengenheiro,
de tornar a vida deles melhor
12:46
than it currentlyatualmente is for us.
303
754860
1729
do que a que nós temos agora.
12:48
And my hopeesperança is, if we can
turnvirar biologybiologia and medicineremédio
304
756613
3730
E tenho esperança que, se pudermos
mudar a biologia e a medicina,
12:52
from these high-riskalto risco endeavorsempreendimentos
that are governedgovernou by chancechance and lucksorte,
305
760367
4357
de empreendimentos de alto risco,
governados pela sorte,
12:56
and make them things
that we winganhar by skillhabilidade and hardDifícil work,
306
764748
3927
para vitórias que atingimos
com conhecimento e trabalho árduo,
13:00
then that would be a great advanceavançar.
307
768699
1898
então isso seria um grande avanço.
13:02
Thank you very much.
308
770621
1206
Muito obrigado.
13:03
(ApplauseAplausos)
309
771851
10383
(Aplausos)
Translated by Juliana Rodrigues
Reviewed by Margarida Ferreira

▲Back to top

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

Why you should listen

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

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

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

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee