TEDGlobal 2011
Allan Jones: A map of the brain
Алан Джонс: Карта мозга
Filmed:
Readability: 4.4
1,269,611 views
Как нам начать понимать, как работает мозг? Так же, как мы начинаем понимать город - составляя карту. В этой визуально сногсшибательной беседе Алан Джонс показывает, как его команда составляет схему генов каждого крошечного участка мозга, и как они все взаимосвязаны.
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
Double-click the English transcript below to play the video.
00:15
Humans have long held a fascination
0
0
2000
Люди были давно очарованы
00:17
for the human brain.
1
2000
2000
человеческим мозгом.
00:19
We chart it, we've described it,
2
4000
3000
Мы составляли его схемы, описывали его,
00:22
we've drawn it,
3
7000
2000
мы рисовали его,
00:24
we've mapped it.
4
9000
3000
мы составляли его карты.
00:27
Now just like the physical maps of our world
5
12000
3000
А сейчас, как и физические карты нашего мира,
00:30
that have been highly influenced by technology --
6
15000
3000
на которые оказали серьезное влияние технологии -
00:33
think Google Maps,
7
18000
2000
вспомните Google Maps,
00:35
think GPS --
8
20000
2000
вспомните GPS -
00:37
the same thing is happening for brain mapping
9
22000
2000
то же самое происходит и с картографированием мозга,
00:39
through transformation.
10
24000
2000
оно трансформируется.
00:41
So let's take a look at the brain.
11
26000
2000
Давайте взглянем на мозг.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
Большинство людей, когда впервые смотрят на свежий человеческий мозг,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
говорят: "Он не похож на мозг,
00:49
when someone shows you a brain."
14
34000
2000
который обычно показывают".
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Обычно вам показывают затвердевший мозг. Он серый.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
А этот внешний слой, это сеть сосудов,
00:56
which is incredible, around a human brain.
17
41000
2000
это удивительно, она расположена вокруг мозга.
00:58
This is the blood vessels.
18
43000
2000
Это кровеносные сосуды.
01:00
20 percent of the oxygen
19
45000
3000
20 процентов кислорода,
01:03
coming from your lungs,
20
48000
2000
который поступает из ваших легких,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 процентов крови, которую качает ваше сердце
01:07
is servicing this one organ.
22
52000
2000
обслуживает это один единственный орган.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Если поставить рядом два кулака
01:11
it's just slightly larger than the two fists.
24
56000
2000
он будем лишь немного больше.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Ученые конца 20-го века
01:16
learned that they could track blood flow
26
61000
2000
научились отслеживать поток крови,
01:18
to map non-invasively
27
63000
3000
чтобы без хирургического вмешательства
01:21
where activity was going on in the human brain.
28
66000
3000
составлять карту активности головного мозга.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
К примеру, они могут увидеть заднюю часть мозга,
01:27
which is just turning around there.
30
72000
2000
которая только что была к нам повернута.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Это мозжечек; который поддерживает вас в вертикальном положении.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Он позволяет мне стоять. Он участвует в координации движений.
01:34
On the side here, this is temporal cortex.
33
79000
3000
А с этой стороны - это височная кора.
01:37
This is the area where primary auditory processing --
34
82000
3000
В этой области происходит основная обработка звука -
01:40
so you're hearing my words,
35
85000
2000
таким образом вы слышите мои слова,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
а потом отсылаете для обработки в высшие языковые центры.
01:44
Towards the front of the brain
37
89000
2000
Передняя часть мозга -
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
это область, в которой происходят сложные мысленные процессы, принимаются решения -
01:49
it's the last to mature in late adulthood.
39
94000
4000
эта область развивается последней в зрелом возрасте.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Здесь происходят все ваши процессы принятия решения.
01:56
It's the place where you're deciding right now
41
101000
2000
Это то место, в котором вы сейчас принимаете решение
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
о том, что вы, вероятно, не станете заказывать стейк на обед.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Если вы внимательнее посмотрите на могз
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
в поперечном разрезе,
02:05
what you can see
45
110000
2000
то сможете заметить,
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
что в нем не заметно какой-то особой структуры.
02:10
But there's actually a lot of structure there.
47
115000
2000
Но на самом деле ее там очень много.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Это клетки, а это провода, которые все связывают вместе
02:14
So about a hundred years ago,
49
119000
2000
Примерно 100 лет назад
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
ученые изобрели краситель, который способен окрашивать клетки.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Вот он, светло-голубого цвета.
02:21
You can see areas
52
126000
2000
Видны области,
02:23
where neuronal cell bodies are being stained.
53
128000
2000
в которых обычные клетки тела были окрашены.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
То, что вы видите - очень неоднородно. Видна сложная структура.
02:28
So the outer part of that brain
55
133000
2000
Внешняя часть мозга -
02:30
is the neocortex.
56
135000
2000
это неокортекс.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Это единый постоянно работающий вычислительный центр.
02:35
But you can also see things underneath there as well.
58
140000
2000
Но также видны и другие, более глубокие участки.
02:37
And all of these blank areas
59
142000
2000
Все эти пустые участки -
02:39
are the areas in which the wires are running through.
60
144000
2000
это области, по которым проходят соединительные волокна.
02:41
They're probably less cell dense.
61
146000
2000
Их плотность не так велика, как у клеток.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
В мозгу 86 миллиардов нейронов.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Как видно, они распределены весьма неоднородно.
02:50
And how they're distributed really contributes
64
155000
2000
И то, как они распределены, на самом деле влияет
02:52
to their underlying function.
65
157000
2000
на функции, которые они выполняют.
02:54
And of course, as I mentioned before,
66
159000
2000
И конечно же, как я отметил ранее,
02:56
since we can now start to map brain function,
67
161000
3000
поскольку мы сейчас можем начать составлять карту функций мозга,
02:59
we can start to tie these into the individual cells.
68
164000
3000
мы можем связать их с отдельными клетками.
03:02
So let's take a deeper look.
69
167000
2000
Давайте взглянем внимательнее.
03:04
Let's look at neurons.
70
169000
2000
Рассмотрим нейрон.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Как я уже говорил, в мозгу насчитывается 86 миллиардов нейронов.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Как видите, существуют эти меньшие клетки.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Это вспомогательные клетки - астроглиоциты.
03:12
And the nerves themselves
74
177000
3000
А сами нервы
03:15
are the ones who are receiving input.
75
180000
2000
непосредственно принимают входящую информацию.
03:17
They're storing it, they're processing it.
76
182000
2000
Они ее хранят, обрабатывают.
03:19
Each neuron is connected via synapses
77
184000
4000
Каждый нейрон имеет до 10 000 связей
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
с другими нейронами мозга.
03:26
And each neuron itself
79
191000
2000
И каждый нейрон в отдельности
03:28
is largely unique.
80
193000
2000
во многом уникален.
03:30
The unique character of both individual neurons
81
195000
2000
Уникальные характеристики двух отдельных нейронов
03:32
and neurons within a collection of the brain
82
197000
2000
и набора нейронов мозга
03:34
are driven by fundamental properties
83
199000
3000
управляются фундаментальными свойствами
03:37
of their underlying biochemistry.
84
202000
2000
лежащей в их основе биохимии.
03:39
These are proteins.
85
204000
2000
Это белок.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Эти белки управляют процессами как движение по ионным каналам.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Они управляют взаимодействиями клеток нервной системы.
03:48
And they're controlling
88
213000
2000
И они управляют
03:50
basically everything that the nervous system has to do.
89
215000
2000
практически всем, с чем имеет дело нервная система.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Если же мы увеличим картинку и посмотрим на еще более глубокие слои,
03:55
all of those proteins
91
220000
2000
все эти белки
03:57
are encoded by our genomes.
92
222000
2000
закодированы нашими генами.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
У каждого из нас есть 23 пары хромосом.
04:02
We get one from mom, one from dad.
94
227000
2000
Мы получаем одну от мамы и одну от папы.
04:04
And on these chromosomes
95
229000
2000
У этих хромосом
04:06
are roughly 25,000 genes.
96
231000
2000
примерно 25 000 генов.
04:08
They're encoded in the DNA.
97
233000
2000
Они закодированы в ДНК.
04:10
And the nature of a given cell
98
235000
3000
Особенность конкретной клетки
04:13
driving its underlying biochemistry
99
238000
2000
определяется ее биохимией,
04:15
is dictated by which of these 25,000 genes
100
240000
3000
она определяется тем, какие из 25 000 генов
04:18
are turned on
101
243000
2000
включены
04:20
and at what level they're turned on.
102
245000
2000
и на каком уровне они включены.
04:22
And so our project
103
247000
2000
Итак, наш проект
04:24
is seeking to look at this readout,
104
249000
3000
пытается взглянуть на эти данные
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
и понять, какой из этих 25 000 генов включен.
04:30
So in order to undertake such a project,
106
255000
3000
Что бы осуществить такой проект,
04:33
we obviously need brains.
107
258000
3000
нам определенно нужны мозги.
04:36
So we sent our lab technician out.
108
261000
3000
Мы отпустили наших лаборантов.
04:39
We were seeking normal human brains.
109
264000
2000
Мы искали обычные человеческие мозги.
04:41
What we actually start with
110
266000
2000
Мы начали с
04:43
is a medical examiner's office.
111
268000
2000
офиса судмедэксперта.
04:45
This a place where the dead are brought in.
112
270000
2000
Сюда привозят мертвецов.
04:47
We are seeking normal human brains.
113
272000
2000
Мы искали нормальные человеческие мозги.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Было очень много критериев для отбора мозгов.
04:52
We want to make sure
115
277000
2000
Мы хотели быть уверенными,
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
что у нас будут нормальные человеческие мозги в возрасте от 20 до 60 лет,
04:57
they died a somewhat natural death
117
282000
2000
которые умерли по естественной причине
04:59
with no injury to the brain,
118
284000
2000
без травм мозга,
05:01
no history of psychiatric disease,
119
286000
2000
без психиатрических заболеваний,
05:03
no drugs on board --
120
288000
2000
без наркотиков -
05:05
we do a toxicology workup.
121
290000
2000
мы делали токсикологическое исследование.
05:07
And we're very careful
122
292000
2000
И мы были очень осторожны
05:09
about the brains that we do take.
123
294000
2000
в отношении тех мозгов, которые брали.
05:11
We're also selecting for brains
124
296000
2000
Мы так же отбирали мозги,
05:13
in which we can get the tissue,
125
298000
2000
с которых мы могли взять пробы тканей,
05:15
we can get consent to take the tissue
126
300000
2000
для нас было важно взять образцы
05:17
within 24 hours of time of death.
127
302000
2000
в течении 24 часов после смерти.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Потому что мы пытаемся измерять РНК,
05:22
which is the readout from our genes --
129
307000
2000
считанный с наших генов -
05:24
is very labile,
130
309000
2000
он очень хрупкий,
05:26
and so we have to move very quickly.
131
311000
2000
так что нам надо было очень быстро работать.
05:28
One side note on the collection of brains:
132
313000
3000
Одна деталь о сборе мозгов:
05:31
because of the way that we collect,
133
316000
2000
из-за способа, которым мы их собирали,
05:33
and because we require consent,
134
318000
2000
и из-за того, что нам требовалось согласие на сбор,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
мы собрали намного больше мужских мозгов, чем женских.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Мужчины более склонны к смерти от несчастного случая в расцвете сил.
05:41
And men are much more likely
137
326000
2000
Мужчины также чаще
05:43
to have their significant other, spouse, give consent
138
328000
3000
имеют близких людей, жен, которые могут дать разрешение,
05:46
than the other way around.
139
331000
2000
чем женщины.
05:48
(Laughter)
140
333000
4000
(Смех)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Первое что мы делали -
05:54
is we collect what's called an MR.
142
339000
2000
собирали так называемые МР данные.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Это магнитно-резонансные изображения -- МРИ.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Это стандартный шаблон, по которому мы обрабатывали остальную часть данных.
06:01
So we collect this MR.
145
346000
2000
Итак, мы получали МР данные.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Это можно себе представить как спутниковый снимок нашей карты.
06:05
The next thing we do
147
350000
2000
Далее мы
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
получали так называемые дифузионно-тензорные изображения.
06:10
This maps the large cabling in the brain.
149
355000
2000
Это давало нам карту больших соединений мозга.
06:12
And again, you can think of this
150
357000
2000
Это можно себе представить как
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
нанесение на карту международных магистралей.
06:16
The brain is removed from the skull,
152
361000
2000
Мозг извлекался из черепа,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
а потом нарезался на ломтики толщиной в сантиметр.
06:21
And those are frozen solid,
154
366000
2000
Потом они замораживались
06:23
and they're shipped to Seattle.
155
368000
2000
и транспортировались в Сиэтл.
06:25
And in Seattle, we take these --
156
370000
2000
А в Сиэтле мы брали вот это -
06:27
this is a whole human hemisphere --
157
372000
2000
это полное человеческое полушарие -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
и мы клали их в устройство, похожее на всем известную ломтерезку для мяса.
06:31
There's a blade here that's going to cut across
159
376000
2000
Эти лезвия разрезают
06:33
a section of the tissue
160
378000
2000
участок ткани
06:35
and transfer it to a microscope slide.
161
380000
2000
и переносят на предметное стекло микроскопа.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Далее мы применяем один из этих красителей
06:39
and we scan it.
163
384000
2000
и сканируем его.
06:41
And then what we get is our first mapping.
164
386000
3000
После построения первой карты мы получили вот это.
06:44
So this is where experts come in
165
389000
2000
Здесь в игру вступают эксперты,
06:46
and they make basic anatomic assignments.
166
391000
2000
они делают базовую анатомическую привязку.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Это себе можно представить как границы штатов,
06:51
those pretty broad outlines.
168
396000
2000
эти широкие контуры.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Далее мы могли разделить мозг на более мелкие части,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
которые потом помещались в меньший криостат.
06:59
And this is just showing this here --
171
404000
2000
Вот он тут показан -
07:01
this frozen tissue, and it's being cut.
172
406000
2000
это замороженная ткань, а это разрезанная.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Она толщиной 20 микрон, в толщину детского волоса.
07:06
And remember, it's frozen.
174
411000
2000
И вы же помните, что она заморожена.
07:08
And so you can see here,
175
413000
2000
Здесь вы можете видеть,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
здесь применяется старинная технология кисточки.
07:12
We take a microscope slide.
177
417000
2000
Мы берем предметное стекло микроскопа.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Потом мы аккуратно расплавляли его на стекле.
07:17
This will then go onto a robot
179
422000
2000
Далее оно поступало к роботу,
07:19
that's going to apply one of those stains to it.
180
424000
3000
который наносит один из красителей.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Далее наши анатомы подвергают его более внимательному изучению.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Вот что они увидели под микроскопом.
07:31
You can see collections and configurations
183
436000
2000
Вы видите наборы и структуры
07:33
of large and small cells
184
438000
2000
маленьких и больших клеток
07:35
in clusters and various places.
185
440000
2000
в скоплениях и разных местах.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
А дальше начинается рутина. Они знают, к чему делать привязку.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
И они делают что-то на подобии справочного указателя.
07:42
This is a more detailed map.
188
447000
2000
Это более детальная карта.
07:44
Our scientists then use this
189
449000
2000
Наши ученые затем используют ее,
07:46
to go back to another piece of that tissue
190
451000
3000
чтобы перейти к следующему кусочку ткани
07:49
and do what's called laser scanning microdissection.
191
454000
2000
и проделать так называемую лазерную сканирующую микрохирургию.
07:51
So the technician takes the instructions.
192
456000
3000
Технические специалисты принимают указания.
07:54
They scribe along a place there.
193
459000
2000
Они прочерчивают вдоль стекла.
07:56
And then the laser actually cuts.
194
461000
2000
А потом лазер просто режет.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Здесь видно, как синяя точка режет. И ткань отпадает.
08:01
You can see on the microscope slide here,
196
466000
2000
На предметном стекле микроскопа видно,
08:03
that's what's happening in real time.
197
468000
2000
как это происходит в реальном времени.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Внизу стоит контейнер для сбора ткани.
08:08
We take that tissue,
199
473000
2000
Мы берем эту ткань,
08:10
we purify the RNA out of it
200
475000
2000
выделяем из нее РНК
08:12
using some basic technology,
201
477000
2000
используя некоторые не сложные технологии,
08:14
and then we put a florescent tag on it.
202
479000
2000
а далее помечаем флюоресцентным маркером.
08:16
We take that tagged material
203
481000
2000
Далее мы берем этот отмеченный материал
08:18
and we put it on to something called a microarray.
204
483000
3000
и кладем на микропанель.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Это может вам показаться просто набором точек,
08:23
but each one of these individual dots
206
488000
2000
но каждая из этих точек -
08:25
is actually a unique piece of the human genome
207
490000
2000
это уникальный кусочек человеческого генома,
08:27
that we spotted down on glass.
208
492000
2000
который мы отметили на стекле.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Здесь около 60 000 элементов,
08:32
so we repeatedly measure various genes
210
497000
3000
так что мы постоянно изменяем разные гены,
08:35
of the 25,000 genes in the genome.
211
500000
2000
25 000 генов в геноме.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Когда мы берем образец и скрещиваем его,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
мы получаем уникальный отпечаток,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
гарантировано показывающий, какие гены включены в конкретном образце.
08:45
Now we do this over and over again,
215
510000
2000
Это мы делаем снова и снова
08:47
this process for any given brain.
216
512000
3000
для обработки каждого мозга.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Мы берем тысячи образцов для каждого мозга.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Показанная область называется гипокампом.
08:56
It's involved in learning and memory.
219
521000
2000
Она задействована в обучении и памяти.
08:58
And it contributes to about 70 samples
220
523000
3000
Из нее взято около 70 образцов
09:01
of those thousand samples.
221
526000
2000
из этой тысячи.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Каждый образец дает примерно 50 000 точек данных
09:07
with repeat measurements, a thousand samples.
223
532000
3000
с постоянным измерением тысяч образцов.
09:10
So roughly, we have 50 million data points
224
535000
2000
так что у нас примерно 50 миллионов точек данных
09:12
for a given human brain.
225
537000
2000
для каждого человеческого мозга.
09:14
We've done right now
226
539000
2000
Пока что мы получили
09:16
two human brains-worth of data.
227
541000
2000
данные из двух мозгов.
09:18
We've put all of that together
228
543000
2000
Мы их собрали
09:20
into one thing,
229
545000
2000
вместе,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
и я покажу, как выглядит этот синтез.
09:24
It's basically a large data set of information
231
549000
3000
По сути это большой набор информации,
09:27
that's all freely available to any scientist around the world.
232
552000
3000
которая доступна любому ученому на планете.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Им даже не надо регистрироваться, что бы использовать эти инструменты,
09:33
mine this data, find interesting things out with this.
234
558000
4000
получить эти данные, находить интересные вещи в этом.
09:37
So here's the modalities that we put together.
235
562000
3000
Это модели, которые мы собрали вместе.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Вы узнаете отдельные вещи, которые мы собрали раньше.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Это МР. Он служит каркасом.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Справа расположено место оператора, которое позволяет поворачивать,
09:48
it allows you to zoom in,
239
573000
2000
увеличивать,
09:50
it allows you to highlight individual structures.
240
575000
3000
выделять отдельные структуры.
09:53
But most importantly,
241
578000
2000
Но самое важное -
09:55
we're now mapping into this anatomic framework,
242
580000
3000
мы сейчас занимаемся составлением карты на основе этого анатомического шаблона,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
это обычный шаблон, с помощью которого люди могут понять, где гены включены.
10:01
So the red levels
244
586000
2000
Красные уровни -
10:03
are where a gene is turned on to a great degree.
245
588000
2000
это места, где гены в большей степени включены.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Зеленые области как бы более холодные, где они не включены.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Каждый ген дает нам отпечаток.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
И помните, мы исследовали все 25 000 генов в геноме,
10:15
and have all of that data available.
249
600000
4000
и все данные об этом доступны.
10:19
So what can scientists learn about this data?
250
604000
2000
Что же ученые смогут узнать из этих данных?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Мы сами только начали изучать эти данные.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Есть несколько основных вещей, которые хотелось бы понять.
10:27
Two great examples are drugs,
253
612000
2000
Два замечательных примера - это лекарства,
10:29
Prozac and Wellbutrin.
254
614000
2000
Прозак и Вельбутрин.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Это часто выписываемые антидепрессанты.
10:34
Now remember, we're assaying genes.
256
619000
2000
А теперь вспомните, как мы изучали гены.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Гены посылают указания для выработки белков.
10:39
Proteins are targets for drugs.
258
624000
2000
Белки - это цель медикаментов.
10:41
So drugs bind to proteins
259
626000
2000
Лекарство цепляется за белки
10:43
and either turn them off, etc.
260
628000
2000
и либо выключают их, либо делают какие-то другие действия.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Если вы хотите понять действия лекарств,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
вам надо понять, каким образом они имеют определенное действие,
10:50
and also in the ways you don't want them to.
263
635000
2000
а так же как предотвратить нежелаемые действия.
10:52
In the side effect profile, etc.,
264
637000
2000
Применительно к побочным эффектам,
10:54
you want to see where those genes are turned on.
265
639000
2000
вам нужно видеть, активны ли эти гены.
10:56
And for the first time, we can actually do that.
266
641000
2000
И вот впервые вы на самом деле это можете сделать.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Вы можете это проверить на нескольких личностях, которых мы исследовали.
11:01
So now we can look throughout the brain.
268
646000
3000
Теперь вы можете заглянуть в мозг.
11:04
We can see this unique fingerprint.
269
649000
2000
Вы можете увидеть этот уникальный отпечаток.
11:06
And we get confirmation.
270
651000
2000
И мы получили подтверждение.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Мы и в самом деле получили подтверждение того, что гены включены
11:11
for something like Prozac,
272
656000
2000
для лекарств типа Прозак,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
в серотониновых структурах, это действие уже было известно,
11:16
but we also get to see the whole thing.
274
661000
2000
но нам удалось увидеть полную картину.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Нам также удалось увидеть области, на которые никто раньше не смотрел,
11:20
and we see these genes turned on there.
276
665000
2000
и мы увидели включенные там гены.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Это самый интересный побочный эффект.
11:25
One other thing you can do with such a thing
278
670000
2000
С этим можно делать еще кое-что -
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
это сравнивать шаблоны,
11:30
because there's unique fingerprint,
280
675000
2000
из-за того что отпечатки уникальны,
11:32
we can actually scan through the entire genome
281
677000
2000
мы можем просматривать весь геном
11:34
and find other proteins
282
679000
2000
и находить другие белки,
11:36
that show a similar fingerprint.
283
681000
2000
которые имеют похожие отпечатки.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Если, к примеру, вы занимаетесь изобретением лекарств,
11:41
you can go through
285
686000
2000
вы можете долго копатся
11:43
an entire listing of what the genome has on offer
286
688000
2000
в листинге вариантов генома,
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
что бы найти лучшую цель для лекарства или оптимизоровать его.
11:49
Most of you are probably familiar
288
694000
2000
Для большинства из вас, вероятно, знакомы
11:51
with genome-wide association studies
289
696000
2000
изучения генома,
11:53
in the form of people covering in the news
290
698000
3000
когда в новостях объявляют:
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
"Ученые недавно обраружили ген или гены,
11:59
which affect X."
292
704000
2000
которые действуют на Х".
12:01
And so these kinds of studies
293
706000
2000
Исследования, подобные этому,
12:03
are routinely published by scientists
294
708000
2000
регулярно публикуются учеными,
12:05
and they're great. They analyze large populations.
295
710000
2000
и они замечательны. Они анализируют большие объемы.
12:07
They look at their entire genomes,
296
712000
2000
Они просматривают целые геномы
12:09
and they try to find hot spots of activity
297
714000
2000
и пытаются найти очаги активности,
12:11
that are linked causally to genes.
298
716000
3000
которые относятся к генам.
12:14
But what you get out of such an exercise
299
719000
2000
Но мы получаем
12:16
is simply a list of genes.
300
721000
2000
всего лишь список генов.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Они могут ответить на вопрос Что, но не скажут вам Где.
12:21
And so it's very important for those researchers
302
726000
3000
Так что для этих исследователей очень важно,
12:24
that we've created this resource.
303
729000
2000
что мы сосздали этот ресурс.
12:26
Now they can come in
304
731000
2000
Теперь они могут прийти
12:28
and they can start to get clues about activity.
305
733000
2000
и начать получать информацию об активности.
12:30
They can start to look at common pathways --
306
735000
2000
Они могут начать просматривать стандартные направления,
12:32
other things that they simply haven't been able to do before.
307
737000
3000
исследовать другие пути, которые они раньше просто не могли исследовать.
12:36
So I think this audience in particular
308
741000
3000
Я думаю, что по крайней мере эта публика
12:39
can understand the importance of individuality.
309
744000
3000
может оценить важность индивидуальности.
12:42
And I think every human,
310
747000
2000
И я думаю, что каждый человек,
12:44
we all have different genetic backgrounds,
311
749000
4000
у всех нас разный генетический фон,
12:48
we all have lived separate lives.
312
753000
2000
все мы живем отдельными жизнями.
12:50
But the fact is
313
755000
2000
Но фактически
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
наш геном более чем на 99 процентов одинаков.
12:55
We're similar at the genetic level.
315
760000
3000
На генетическом уровне мы одинаковы.
12:58
And what we're finding
316
763000
2000
Мы обнаруживаем
13:00
is actually, even at the brain biochemical level,
317
765000
2000
даже на биохимическом уровне мозга,
13:02
we are quite similar.
318
767000
2000
что мы все похожи.
13:04
And so this shows it's not 99 percent,
319
769000
2000
В данном случае похожи не на 99 процентов,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
но где-то около 90 процентов совпадений
13:08
at a reasonable cutoff,
321
773000
3000
про умеренном усреднении,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
так что все в этом облаке связано.
13:13
And then we find some outliers,
323
778000
2000
Тогда мы находим несовпадения,
13:15
some things that lie beyond the cloud.
324
780000
3000
некоторые вещи находятся вне облака.
13:18
And those genes are interesting,
325
783000
2000
И эти гены интересны,
13:20
but they're very subtle.
326
785000
2000
они очень незаметны.
13:22
So I think it's an important message
327
787000
3000
Так что я думаю важным сообщением,
13:25
to take home today
328
790000
2000
которые вы сегодня унесете домой,
13:27
that even though we celebrate all of our differences,
329
792000
3000
будет то, что не смотря на то, что мы радуемся нашим отличиям,
13:30
we are quite similar
330
795000
2000
мы все же очень похожи
13:32
even at the brain level.
331
797000
2000
даже на уровне мозга.
13:34
Now what do those differences look like?
332
799000
2000
Как же выглядят эти отличия?
13:36
This is an example of a study that we did
333
801000
2000
Это пример исследования, которое мы провели,
13:38
to follow up and see what exactly those differences were --
334
803000
2000
что бы проследить и понять как же выглядят эти отличия,
13:40
and they're quite subtle.
335
805000
2000
и они весьма незначительны.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Вот здесь включены гены клеток отдельного типа.
13:46
These are two genes that we found as good examples.
337
811000
3000
Мы нашли два гена, которые послужат замечательным примером.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
Один из них называется RELN - он участвует на ранних стадиях развития сигналов.
13:52
DISC1 is a gene
339
817000
2000
DISC1 - это ген,
13:54
that's deleted in schizophrenia.
340
819000
2000
который отсутствует при шизофрении.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Он не делает личность шизофренической,
13:58
but they do show some population variation.
342
823000
3000
но они показывают некоторые колебания в населении.
14:01
And so what you're looking at here
343
826000
2000
Так точ то, что вы тут видите
14:03
in donor one and donor four,
344
828000
2000
у донора один и донора четыре,
14:05
which are the exceptions to the other two,
345
830000
2000
которые отличаются от остальных двух -
14:07
that genes are being turned on
346
832000
2000
это эти включенные гены
14:09
in a very specific subset of cells.
347
834000
2000
в весьма определенном наборе клеток.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Это вот этот темно фиолетовый осадок в клетках,
14:14
that's telling us a gene is turned on there.
349
839000
3000
который показывает нам, что ген включен.
14:17
Whether or not that's due
350
842000
2000
Зависит ли то, включен он или нет,
14:19
to an individual's genetic background or their experiences,
351
844000
2000
от индивидуального генетического фона или от жизненного опыта,
14:21
we don't know.
352
846000
2000
мы не знаем.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Такие исследования потребуют значительно большего количества людей.
14:28
So I'm going to leave you with a final note
354
853000
2000
Так что я оставлю вас с последней заметкой
14:30
about the complexity of the brain
355
855000
3000
о сложности мозга
14:33
and how much more we have to go.
356
858000
2000
и о том, как далеко нам еще предстоит продвинутся.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Я считаю, что эти ресурсы черезвычайно важны.
14:37
They give researchers a handle
358
862000
2000
Они позволяют исследователям определять,
14:39
on where to go.
359
864000
2000
куда двигатся.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Но мы пока что смотрим всего лишь на горсть людей.
14:44
We're certainly going to be looking at more.
361
869000
2000
Нам определенно необходимо больше.
14:46
I'll just close by saying
362
871000
2000
В завершение скажу,
14:48
that the tools are there,
363
873000
2000
что инструменты есть,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
и это действительно неизведанный, неоткрытый контитент.
14:54
This is the new frontier, if you will.
365
879000
4000
Это новая граница, если позволите.
14:58
And so for those who are undaunted,
366
883000
2000
И для тех, кто бесстрашен,
15:00
but humbled by the complexity of the brain,
367
885000
2000
но смирился со сложностью мозга,
15:02
the future awaits.
368
887000
2000
будущее ждет.
15:04
Thanks.
369
889000
2000
Спасибо.
15:06
(Applause)
370
891000
9000
(Аплодисменты)
ABOUT THE SPEAKER
Allan Jones - Brain scientistAs CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.
Why you should listen
The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.
Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.
He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."
Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>
Allan Jones | Speaker | TED.com