TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: En karta över hjärnan
Filmed:
Readability: 4.4
1,269,611 views
Hur går vi tillväga för att förstå hur hjärnan fungerar? På samma sätt som vi gör för att förstå en stad: genom att göra en karta. I den här visuellt häpnadsväckande föreläsningen visar Allan Jones hur han och hans team kartlägger vilka gener som är aktiva i varje litet område i hjärnan och hur alltihopa är sammankopplat.
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
Människor har länge fascinerats
00:17
for the human brain.
1
2000
2000
av den mänskliga hjärnan.
00:19
We chart it, we've described it,
2
4000
3000
Vi har beskrivit den,
00:22
we've drawn it,
3
7000
2000
vi har tecknat den,
00:24
we've mapped it.
4
9000
3000
och vi har kartlagt den.
00:27
Now just like the physical maps of our world
5
12000
3000
Precis som med de fysiska kartorna över vår värld
00:30
that have been highly influenced by technology --
6
15000
3000
som i stor utsträckning influerats av teknologi –
00:33
think Google Maps,
7
18000
2000
tänk på Google Maps,
00:35
think GPS --
8
20000
2000
tänk på GPS –
00:37
the same thing is happening for brain mapping
9
22000
2000
så håller nu samma sak på att hända inom hjärnkartläggningen.
00:39
through transformation.
10
24000
2000
Verklig förändring.
00:41
So let's take a look at the brain.
11
26000
2000
Så låt oss titta lite på hjärnan.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
När de för första gången ser en färsk mänsklig hjärna
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
säger de flesta: "Det ser inte ut som det brukar
00:49
when someone shows you a brain."
14
34000
2000
när någon visar en en hjärna."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Vad man vanligtvis får se är då en stelnad hjärna. Den är grå.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Och det här yttre lagret, det är vaskulaturen,
00:56
which is incredible, around a human brain.
17
41000
2000
som är fantastisk, runt en mänsklig hjärna.
00:58
This is the blood vessels.
18
43000
2000
Detta är blodkärlen.
01:00
20 percent of the oxygen
19
45000
3000
20 procent av syret
01:03
coming from your lungs,
20
48000
2000
som kommer från dina lungor,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 procent av blodet som pumpas från ditt hjärta,
01:07
is servicing this one organ.
22
52000
2000
underhåller detta enda organ.
01:09
That's basically, if you hold two fists together,
23
54000
2000
Ett organ som, om du håller ihop två knytna nävar,
01:11
it's just slightly larger than the two fists.
24
56000
2000
bara är lite större än dessa två nävar.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Ungefär på slutet av 1900-talet förstod forskare
01:16
learned that they could track blood flow
26
61000
2000
att de kunde följa blodflödet
01:18
to map non-invasively
27
63000
3000
för att kartlägga, utan att orsaka skada,
01:21
where activity was going on in the human brain.
28
66000
3000
var aktiviteten fanns i den mänskliga hjärnan.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Så de kan till exempel undersöka detta i hjärnans bakre del
01:27
which is just turning around there.
30
72000
2000
viken just nu snurrar förbi.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Här är lillhjärnan: den håller dig upprätt just nu.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Den hjälper mig att stå upp. Den är inblandad i koordinerade rörelser.
01:34
On the side here, this is temporal cortex.
33
79000
3000
På sidan här har vi temporalloben.
01:37
This is the area where primary auditory processing --
34
82000
3000
I detta område sker grundläggande ljudbearbetning –
01:40
so you're hearing my words,
35
85000
2000
så att ni hör mina ord,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
som sedan skickas till de delar som behandlar språk.
01:44
Towards the front of the brain
37
89000
2000
I den främre delen av hjärnan
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
hanteras mer komplexa tankar och beslutsfattning –
01:49
it's the last to mature in late adulthood.
39
94000
4000
det är också delen som utvecklas sist, sent i ens vuxna liv.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
Här sker all din beslutsfattning.
01:56
It's the place where you're deciding right now
41
101000
2000
Här fattas just nu beslutet
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
att du förmodligen inte kommer beställa stek till middagen.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Så om man tar en närmre titt på hjärnan,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
om man tittar på den i tvärsnitt,
02:05
what you can see
45
110000
2000
märker man
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
att man inte kan se särskilt mycket struktur.
02:10
But there's actually a lot of structure there.
47
115000
2000
Men i själva verket finns här mycket struktur.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Det är celler och ledningar som alla är sammankopplade.
02:14
So about a hundred years ago,
49
119000
2000
För ungefär 100 år sedan
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
uppfann några vetenskapsmän en färg att färga celler med.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Det är detta ni ser här i ljusblått.
02:21
You can see areas
52
126000
2000
Man kan se områden
02:23
where neuronal cell bodies are being stained.
53
128000
2000
där nervceller är färgade.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Och man kan se att den inte är särskilt regelbunden. Ni ser mycket mer struktur där.
02:28
So the outer part of that brain
55
133000
2000
Den yttre delen av hjärnan utgörs
02:30
is the neocortex.
56
135000
2000
av neocortexen.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
Den är som en enda stor bearbetningsenhet.
02:35
But you can also see things underneath there as well.
58
140000
2000
Men man kan se saker under också.
02:37
And all of these blank areas
59
142000
2000
Och alla dessa tomma ytor
02:39
are the areas in which the wires are running through.
60
144000
2000
är de ytor genom vilka ledningarna löper.
02:41
They're probably less cell dense.
61
146000
2000
Det är förmodligen färre celler i dem.
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Det finns ungefär 86 miljarder nervceller i vår hjärna.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Och som ni kan se är de inte jämnt fördelade.
02:50
And how they're distributed really contributes
64
155000
2000
Och hur de är fördelade bidrar i själva verket
02:52
to their underlying function.
65
157000
2000
till deras underliggande funktion.
02:54
And of course, as I mentioned before,
66
159000
2000
Och självklart, som jag nämnde förut,
02:56
since we can now start to map brain function,
67
161000
3000
eftersom vi nu börjar kunna kartlägga olika hjärnfunktioner
02:59
we can start to tie these into the individual cells.
68
164000
3000
så kan vi börja knyta dessa till enskilda celler.
03:02
So let's take a deeper look.
69
167000
2000
Så låt oss ta en djupare titt.
03:04
Let's look at neurons.
70
169000
2000
Låt oss titta på nervceller.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Som jag nämnde förut finns det 86 miljarder nervceller.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Men det finns, som ni kommer se, också dessa mindre celler.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Dessa är stödceller – astrocyter.
03:12
And the nerves themselves
74
177000
3000
Och det är nervcellerna själva
03:15
are the ones who are receiving input.
75
180000
2000
som tar emot signaler.
03:17
They're storing it, they're processing it.
76
182000
2000
De lagrar den. De bearbetar den.
03:19
Each neuron is connected via synapses
77
184000
4000
Varje enskild nervcell kopplas via synapser
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
till upp till 10 000 andra nervceller i din hjärna.
03:26
And each neuron itself
79
191000
2000
Och varje enskild nervcell
03:28
is largely unique.
80
193000
2000
är till stora delar unik.
03:30
The unique character of both individual neurons
81
195000
2000
Den unika karaktären hos både enskilda nervceller
03:32
and neurons within a collection of the brain
82
197000
2000
och nervceller inom ett visst område i hjärnan
03:34
are driven by fundamental properties
83
199000
3000
beror på grundläggande egenskaper
03:37
of their underlying biochemistry.
84
202000
2000
i deras biokemi.
03:39
These are proteins.
85
204000
2000
Detta är proteiner
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
De är proteiner som kontrollerar saker som flödet i jonkanaler.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
De kontrollerar vilka som nervsystemcellerna parar ihop sig med.
03:48
And they're controlling
88
213000
2000
Och de styr
03:50
basically everything that the nervous system has to do.
89
215000
2000
egentligen allt som nervsystemet har att sköta.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Om vi zoomar in på en ännu djupare nivå,
03:55
all of those proteins
91
220000
2000
så är alla dessa proteiner
03:57
are encoded by our genomes.
92
222000
2000
kodade i våra genom.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Vi har alla 23 par kromosomer.
04:02
We get one from mom, one from dad.
94
227000
2000
Vi får en från mamma och en från pappa.
04:04
And on these chromosomes
95
229000
2000
Och på dessa kromosomer
04:06
are roughly 25,000 genes.
96
231000
2000
finns ungefär 25 000 gener.
04:08
They're encoded in the DNA.
97
233000
2000
De finns kodade i DNA:t.
04:10
And the nature of a given cell
98
235000
3000
Och varje enskild cells egenskaper
04:13
driving its underlying biochemistry
99
238000
2000
som styr dess biokemi
04:15
is dictated by which of these 25,000 genes
100
240000
3000
bestäms av vilka av dessa 25 000 gener som
04:18
are turned on
101
243000
2000
aktiveras
04:20
and at what level they're turned on.
102
245000
2000
och på vilken nivå de aktiveras.
04:22
And so our project
103
247000
2000
Så vårt projekt
04:24
is seeking to look at this readout,
104
249000
3000
går ut på att titta på resultatet
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
för att förstå vilka av dessa 25 000 gener som aktiveras.
04:30
So in order to undertake such a project,
106
255000
3000
För att kunna ta sig an ett sådant projekt
04:33
we obviously need brains.
107
258000
3000
behöver vi naturligtvis hjärnor.
04:36
So we sent our lab technician out.
108
261000
3000
Så vi skickade ut vår labbtekniker.
04:39
We were seeking normal human brains.
109
264000
2000
Vi ville ha normala människohjärnor.
04:41
What we actually start with
110
266000
2000
I själva verket börjar vi
04:43
is a medical examiner's office.
111
268000
2000
i obduktionssalen.
04:45
This a place where the dead are brought in.
112
270000
2000
Det är hit döda förs.
04:47
We are seeking normal human brains.
113
272000
2000
Vi letar efter normala mänskliga hjärnor.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Vi väljer ut hjärnorna enligt en mängd kriterier.
04:52
We want to make sure
115
277000
2000
Vi vill försäkra oss om att
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
vi får normala människor mellan 20 och 60 år
04:57
they died a somewhat natural death
117
282000
2000
som dog en relativt naturlig död
04:59
with no injury to the brain,
118
284000
2000
utan skador på hjärnan,
05:01
no history of psychiatric disease,
119
286000
2000
utan dokumenterad psykisk sjukdom,
05:03
no drugs on board --
120
288000
2000
utan droger –
05:05
we do a toxicology workup.
121
290000
2000
vi utför en toxologisk undersökning.
05:07
And we're very careful
122
292000
2000
Och vi är mycket försiktiga
05:09
about the brains that we do take.
123
294000
2000
med de hjärnor som vi tar.
05:11
We're also selecting for brains
124
296000
2000
Vi väljer också hjärnor
05:13
in which we can get the tissue,
125
298000
2000
från vilka vi kan ta vävnad,
05:15
we can get consent to take the tissue
126
300000
2000
där vi kan få medgivande att ta vävnaden
05:17
within 24 hours of time of death.
127
302000
2000
inom 24 timmar efter att personen dött.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Eftersom det vi försöker mäta, RNA:t –
05:22
which is the readout from our genes --
129
307000
2000
vilket är transkriptionen av våra gener –
05:24
is very labile,
130
309000
2000
är väldigt instabilt
05:26
and so we have to move very quickly.
131
311000
2000
så måste vi agera väldigt snabbt.
05:28
One side note on the collection of brains:
132
313000
3000
En liten avstickare om att samla hjärnor:
05:31
because of the way that we collect,
133
316000
2000
på grund av sättet som vi samlar hjärnor på
05:33
and because we require consent,
134
318000
2000
och eftersom vi kräver samtycke
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
så har vi många fler manshjärnor än kvinnohjärnor.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Män löper nämligen mycket större risk att dö i en olycka mitt i livet.
05:41
And men are much more likely
137
326000
2000
Och det är mycket större sannolikhet att
05:43
to have their significant other, spouse, give consent
138
328000
3000
deras partners, deras fruar ger sitt samtycke
05:46
than the other way around.
139
331000
2000
än åt andra hållet.
05:48
(Laughter)
140
333000
4000
(Skratt)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Så det första vi gör vi insamlingsplatsen
05:54
is we collect what's called an MR.
142
339000
2000
är att vi tar en så kallad MR.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
Detta är magnetic resonance imaging – MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
Det är en standardmall som vi sen placerar in resten av datan i.
06:01
So we collect this MR.
145
346000
2000
Så vi tar denna MR.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Ni kan tänka er detta som satellitbilden för vår karta.
06:05
The next thing we do
147
350000
2000
Nästa sak vi gör
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
är att vi tar en så kallad DTI (Diffusion Tensor Imaging).
06:10
This maps the large cabling in the brain.
149
355000
2000
Detta visar hjärnans kablage.
06:12
And again, you can think of this
150
357000
2000
Ni kan tänka er detta ungefär som
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
att göra en karta över våra landsvägar.
06:16
The brain is removed from the skull,
152
361000
2000
Hjärnan plockas ut ur skallen,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
och sen skärs den i en centimeter tjocka skivor.
06:21
And those are frozen solid,
154
366000
2000
Dessa fryser vi
06:23
and they're shipped to Seattle.
155
368000
2000
och skickar till Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
Och i Seattle tar vi dessa –
06:27
this is a whole human hemisphere --
157
372000
2000
detta är en hel hemisfär –
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
och så stoppar vi dem i vad som egentligen är en förfinad köttskivare.
06:31
There's a blade here that's going to cut across
159
376000
2000
Här finns ett blad som skär rakt igenom
06:33
a section of the tissue
160
378000
2000
en sektion av vävnaden
06:35
and transfer it to a microscope slide.
161
380000
2000
och för över den till ett objektglas.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Sen applicerar vi färgen på den
06:39
and we scan it.
163
384000
2000
och sen scannar vi den.
06:41
And then what we get is our first mapping.
164
386000
3000
Och det vi får då är vår första kartläggning.
06:44
So this is where experts come in
165
389000
2000
Det är här experterna kommer in i bilden
06:46
and they make basic anatomic assignments.
166
391000
2000
och de utför grundläggande anatomiska uppgifter.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Ni kan tänka er detta som gränser mellan stater,
06:51
those pretty broad outlines.
168
396000
2000
ganska breda gränser.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
Från detta kan vi sedan dela upp hjärnan i ännu fler delar
06:57
which then we can put on a smaller cryostat.
170
402000
2000
vilka vi sedan kan lägga på en mindre kryostat.
06:59
And this is just showing this here --
171
404000
2000
Det är detta ni ser här –
07:01
this frozen tissue, and it's being cut.
172
406000
2000
den här frusna vävnaden som skärs.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Den är 20 mikrometer tjocka, ungefär samma tjocklek som ett bebishår.
07:06
And remember, it's frozen.
174
411000
2000
Och kom ihåg att den är frusen
07:08
And so you can see here,
175
413000
2000
Och här kan ni se
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
gammaldags penselteknik användas.
07:12
We take a microscope slide.
177
417000
2000
Vi tar ett objektglas.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
Provet smälter och fastnar på objektglaset.
07:17
This will then go onto a robot
179
422000
2000
Detta stoppas sedan i en robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
som applicerar färg på det.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Våra anatomister kommer sedan undersöka detta närmre.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Så detta är vad de ser i mikroskopet.
07:31
You can see collections and configurations
183
436000
2000
Man kan se samlingar och konfigurationer
07:33
of large and small cells
184
438000
2000
av stora och små celler
07:35
in clusters and various places.
185
440000
2000
i kluster och utspridda på olika ställen.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Och från här är det rutin. De vet var de ska utföra sina uppgifter.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
De kan alltså göra ett slags referensverk.
07:42
This is a more detailed map.
188
447000
2000
Detta är en som en mer detaljerad karta.
07:44
Our scientists then use this
189
449000
2000
Våra forskare använder sig sedan av denna
07:46
to go back to another piece of that tissue
190
451000
3000
för att gå tillbaka till en annan bit av samma vävnad
07:49
and do what's called laser scanning microdissection.
191
454000
2000
och utföra en så kallad LMD (Laser MicroDissection)
07:51
So the technician takes the instructions.
192
456000
3000
Teknikern tar sedan dessa instruktioner.
07:54
They scribe along a place there.
193
459000
2000
De gör en markering runt ett område.
07:56
And then the laser actually cuts.
194
461000
2000
Och sen skär lasern ut det.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Ni kan se den blå punkten där som skär. Och den vävnaden faller av.
08:01
You can see on the microscope slide here,
196
466000
2000
Det kan ni se på objektglaset här
08:03
that's what's happening in real time.
197
468000
2000
det är det som sker i realtid.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Undertill finns en behållare som samlar upp vävnaden.
08:08
We take that tissue,
199
473000
2000
Vi tar den vävnaden,
08:10
we purify the RNA out of it
200
475000
2000
vi extraherar RNA från den,
08:12
using some basic technology,
201
477000
2000
med enkel teknik
08:14
and then we put a florescent tag on it.
202
479000
2000
och sen sätter vi en fluorescerande markör på den.
08:16
We take that tagged material
203
481000
2000
Vi tar det markerade materialet
08:18
and we put it on to something called a microarray.
204
483000
3000
och stoppar det på en så kallad en "microarray"
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Det här ser kanske bara ut som en massa pinkter för er
08:23
but each one of these individual dots
206
488000
2000
men på varje enskild punkt
08:25
is actually a unique piece of the human genome
207
490000
2000
sitter faktiskt en unik del av det mänskliga genomet
08:27
that we spotted down on glass.
208
492000
2000
som vi fäst i punkter på en glasskiva.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Den här har ungefär 60 000 punkter på sig
08:32
so we repeatedly measure various genes
210
497000
3000
så vi mäter upprepade gånger olika gener
08:35
of the 25,000 genes in the genome.
211
500000
2000
av de 25 000 generna i genomet
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Och då vi tar ett prov och applicerar det på skivan
08:40
we get a unique fingerprint, if you will,
213
505000
2000
får vi ett unikt fingeravtryck
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
kvantitativt av vilka gener som är aktiverade i provet.
08:45
Now we do this over and over again,
215
510000
2000
Den här processen gör vi om och om igen
08:47
this process for any given brain.
216
512000
3000
med varje hjärna.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Vi tar över 1000 prover på varje hjärna.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
Området som visas här kallas hippocampus.
08:56
It's involved in learning and memory.
219
521000
2000
Det är inblandat i inlärning och minne.
08:58
And it contributes to about 70 samples
220
523000
3000
Och det bidrar med ungefär 70
09:01
of those thousand samples.
221
526000
2000
av de 1000 proverna.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Varje prov ger oss ungefär 50 000 datapunkter
09:07
with repeat measurements, a thousand samples.
223
532000
3000
med upprepade mätningar, tusen prover.
09:10
So roughly, we have 50 million data points
224
535000
2000
Vi får alltså ungefär 50 miljoner datapunkter
09:12
for a given human brain.
225
537000
2000
för varje hjärna.
09:14
We've done right now
226
539000
2000
Vi har i nuläget
09:16
two human brains-worth of data.
227
541000
2000
två hjärnors data.
09:18
We've put all of that together
228
543000
2000
Vi har satt ihop all denna data
09:20
into one thing,
229
545000
2000
till en sak
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
och jag ska visa er hur den syntesen ser ut.
09:24
It's basically a large data set of information
231
549000
3000
Det är som en stor datamängd med information
09:27
that's all freely available to any scientist around the world.
232
552000
3000
som vilken forskare som helst i världen har fri tillgång till.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
De behöver inte ens logga in för att kunna använda det här verktyget,
09:33
mine this data, find interesting things out with this.
234
558000
4000
att gräva i den här datan och hitta intressanta saker.
09:37
So here's the modalities that we put together.
235
562000
3000
Det här är delarna vi har satt ihop.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Ni kommer känna igen de här sakerna från tidigare.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Här är MR-scanningen. Den ger oss ramverket.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
På höger sida finns en kontrollpanel som låter en vrida,
09:48
it allows you to zoom in,
239
573000
2000
som låter dig zooma in,
09:50
it allows you to highlight individual structures.
240
575000
3000
som låter dig markera enskilda strukturer.
09:53
But most importantly,
241
578000
2000
Men viktigast av allt,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
i detta anatomiska ramverk,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
vilket är öppet för alla som vill veta mer, för vi nu in vilka gener som är aktiverade var.
10:01
So the red levels
244
586000
2000
De röda punkterna
10:03
are where a gene is turned on to a great degree.
245
588000
2000
är områden där en gen aktiverad i hög grad.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Gröna områden är svalare områden där genen inte är aktiverad
10:08
And each gene gives us a fingerprint.
247
593000
2000
Varje gen ger oss ett fingeravtryck.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Och kom ihåg att vi har undersökt alla 25 000 generna i genomet
10:15
and have all of that data available.
249
600000
4000
och har tillgång till all den datan.
10:19
So what can scientists learn about this data?
250
604000
2000
Vad kan då forskare lära sig av denna data?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Vi håller precis på att själva börja titta på den.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Det finns en del grundläggande saker som vi vill veta.
10:27
Two great examples are drugs,
253
612000
2000
Två bra exempel är läkemedel,
10:29
Prozac and Wellbutrin.
254
614000
2000
Prozac och Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Dessa är vanliga antidepressiva läkemedel.
10:34
Now remember, we're assaying genes.
256
619000
2000
Kom ihåg att vi analyserar gener.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Gener skickar instruktionerna för att bygga proteiner
10:39
Proteins are targets for drugs.
258
624000
2000
Mediciner påverkar proteiner.
10:41
So drugs bind to proteins
259
626000
2000
Mediciner binder på proteiner
10:43
and either turn them off, etc.
260
628000
2000
och får dem att stängas av, o.s.v.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Så om man vill förstå hur läkemedel fungerar
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
så vill man förstå hur de gör det man vill att de ska göra,
10:50
and also in the ways you don't want them to.
263
635000
2000
men också hur de gör det man inte vill att de ska göra.
10:52
In the side effect profile, etc.,
264
637000
2000
För biverkningar, etc,
10:54
you want to see where those genes are turned on.
265
639000
2000
så vill man se var dessa gener aktiveras.
10:56
And for the first time, we can actually do that.
266
641000
2000
Och nu kan vi för första gången göra det.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Vi kan också göra det i flera olika individer eftersom vi undersökt två.
11:01
So now we can look throughout the brain.
268
646000
3000
Vi kan nu alltså undersöka hela hjärnan.
11:04
We can see this unique fingerprint.
269
649000
2000
Vi kan se detta unika fingeravtryck.
11:06
And we get confirmation.
270
651000
2000
Och vi får bekräftelse.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Vi får bekrätelse om att genen verkligen aktiveras –
11:11
for something like Prozac,
272
656000
2000
i något som Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
i serotonerga strukturer, saker som vi redan vet påverkas –
11:16
but we also get to see the whole thing.
274
661000
2000
men vi får nu också hela bilden.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Vi kan också se områden som ingen tittat på förut,
11:20
and we see these genes turned on there.
276
665000
2000
och vi ser gener aktiveras där.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
Är detta intressanta biverkningar? Måhända.
11:25
One other thing you can do with such a thing
278
670000
2000
En annan sak vi kan göra med detta
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
eftersom det jämför mönster,
11:30
because there's unique fingerprint,
280
675000
2000
eftersom det finns ett unikt fingeravtryck,
11:32
we can actually scan through the entire genome
281
677000
2000
är att vi kan gå igenom hela genomet
11:34
and find other proteins
282
679000
2000
och hitta andra proteiner
11:36
that show a similar fingerprint.
283
681000
2000
som uppvisar ett liknande fingeravtryck.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Så om man arbetar med att hitta nya läkemedel till exempel
11:41
you can go through
285
686000
2000
så kan man gå igenom
11:43
an entire listing of what the genome has on offer
286
688000
2000
en hel lista över vad genomet har att erbjuda
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
för att kanske hitta bättre mål för läkemedel och därigenom optimera.
11:49
Most of you are probably familiar
288
694000
2000
De flesta av er känner förmodligen till
11:51
with genome-wide association studies
289
696000
2000
sambandsstudier med hela genomet
11:53
in the form of people covering in the news
290
698000
3000
i form av människor på nyheterna
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
som säger: "Forskare har nyligen hittat genen eller generna
11:59
which affect X."
292
704000
2000
som påverkar X."
12:01
And so these kinds of studies
293
706000
2000
Den här typen av studier
12:03
are routinely published by scientists
294
708000
2000
publiceras regelbundet av forskare
12:05
and they're great. They analyze large populations.
295
710000
2000
och de är jättebra. De undersöker stora populationer.
12:07
They look at their entire genomes,
296
712000
2000
De tittar på hela deras genom
12:09
and they try to find hot spots of activity
297
714000
2000
och de försöker hitta särskilt aktiva områden
12:11
that are linked causally to genes.
298
716000
3000
som kan kopplas ihop kausalt med olika gener.
12:14
But what you get out of such an exercise
299
719000
2000
Men det man får ut av en sådan övning
12:16
is simply a list of genes.
300
721000
2000
är helt enkelt en lista över gener.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Listan ger dig ett vad, men inget var.
12:21
And so it's very important for those researchers
302
726000
3000
Så för dessa forskare är det viktigt
12:24
that we've created this resource.
303
729000
2000
att vi skapat den här resursen.
12:26
Now they can come in
304
731000
2000
Nu kan de komma in
12:28
and they can start to get clues about activity.
305
733000
2000
och börja få ledtrådar om aktivitet.
12:30
They can start to look at common pathways --
306
735000
2000
De kan börja titta på gemensamma vägar –
12:32
other things that they simply haven't been able to do before.
307
737000
3000
andra saker som de helt enkelt inte kunnat göra förut.
12:36
So I think this audience in particular
308
741000
3000
Jag tror den här publiken i synnerhet
12:39
can understand the importance of individuality.
309
744000
3000
förstår vikten av individualitet.
12:42
And I think every human,
310
747000
2000
Och jag tror att varje människa,
12:44
we all have different genetic backgrounds,
311
749000
4000
vi har alla olika genetisk bakgrund,
12:48
we all have lived separate lives.
312
753000
2000
och vi har alla levt olika liv.
12:50
But the fact is
313
755000
2000
Men faktum är
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
att våra genom är mer än 99 procent lika.
12:55
We're similar at the genetic level.
315
760000
3000
Vi är lika på den genetiska nivån.
12:58
And what we're finding
316
763000
2000
Och det vi nu börjar se
13:00
is actually, even at the brain biochemical level,
317
765000
2000
är att vi faktiskt, även på hjärnans biokemiska nivå,
13:02
we are quite similar.
318
767000
2000
är ganska lika.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Denna bild visar att det inte är 99 procent
13:06
but it's roughly 90 percent correspondence
320
771000
2000
utan ungefär 90 procent överrensstämmelse
13:08
at a reasonable cutoff,
321
773000
3000
vid ett rimligt brytvärde,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
så allt i molnet är stort sett överrensstämmande.
13:13
And then we find some outliers,
323
778000
2000
Och sen hitttar vi några
13:15
some things that lie beyond the cloud.
324
780000
3000
som ligger utanför molnet.
13:18
And those genes are interesting,
325
783000
2000
Och de generna är intressanta,
13:20
but they're very subtle.
326
785000
2000
men de är väldigt subtila.
13:22
So I think it's an important message
327
787000
3000
Så jag tycker att ett viktigt budskap
13:25
to take home today
328
790000
2000
att ta med sig hem idag
13:27
that even though we celebrate all of our differences,
329
792000
3000
är att även fast vi värdesätter alla våra olikheter,
13:30
we are quite similar
330
795000
2000
så är vi ganska lika
13:32
even at the brain level.
331
797000
2000
även på hjärnnivå.
13:34
Now what do those differences look like?
332
799000
2000
Hur ser nu dessa skillnader ut?
13:36
This is an example of a study that we did
333
801000
2000
Detta är ett exempel på en studie vi gjorde
13:38
to follow up and see what exactly those differences were --
334
803000
2000
för att följa upp och se exakt vad de skillnaderna var –
13:40
and they're quite subtle.
335
805000
2000
och de är rätt så subtila.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
Detta är saker där gener aktiveras i en viss celltyp.
13:46
These are two genes that we found as good examples.
337
811000
3000
Detta är två gener vi tyckte var bra exempel.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
En kallas RELN – den är inblandad i styrningen av tidig utveckling.
13:52
DISC1 is a gene
339
817000
2000
DISC1 är en gen
13:54
that's deleted in schizophrenia.
340
819000
2000
som saknas vid schizofreni.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Detta är inte schizofrena individer,
13:58
but they do show some population variation.
342
823000
3000
men de uppvisar en viss populationsvariation.
14:01
And so what you're looking at here
343
826000
2000
Det ni ser här
14:03
in donor one and donor four,
344
828000
2000
i donator 1 och donator 4,
14:05
which are the exceptions to the other two,
345
830000
2000
vilka är undantagen från de andra två,
14:07
that genes are being turned on
346
832000
2000
är att gener aktiveras
14:09
in a very specific subset of cells.
347
834000
2000
i en väldigt specifik undergrupp celler.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
Det är detta mörkt lila inom cellen
14:14
that's telling us a gene is turned on there.
349
839000
3000
som säger oss att en gen är aktiverad där.
14:17
Whether or not that's due
350
842000
2000
Huruvida det beror på
14:19
to an individual's genetic background or their experiences,
351
844000
2000
individens genetiska bakgrund eller vad de varit med om
14:21
we don't know.
352
846000
2000
vet vi inte.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Dessa typer av studier kräver mycket större populationer.
14:28
So I'm going to leave you with a final note
354
853000
2000
Jag tänkte avsluta med en sista sak
14:30
about the complexity of the brain
355
855000
3000
om hjärnans komplexitet
14:33
and how much more we have to go.
356
858000
2000
och hur långt vi fortfarande har kvar.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Jag tror att de här resurserna är väldigt värdefulla.
14:37
They give researchers a handle
358
862000
2000
De ger forskare ledtrådar
14:39
on where to go.
359
864000
2000
om var de bör forska vidare.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Men vi har hittils bara tittat på en handfull individer.
14:44
We're certainly going to be looking at more.
361
869000
2000
Vi kommer utan tvekan titta på fler.
14:46
I'll just close by saying
362
871000
2000
Jag vill avsluta med att säga
14:48
that the tools are there,
363
873000
2000
att verktygen finns där,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
och detta är en verkligen en outforskad, oupptäckt kontinent.
14:54
This is the new frontier, if you will.
365
879000
4000
Detta är det nya stora forskningsområdet.
14:58
And so for those who are undaunted,
366
883000
2000
Så för de som är orädda
15:00
but humbled by the complexity of the brain,
367
885000
2000
men ödmjuka inför hjärnans komplexitet
15:02
the future awaits.
368
887000
2000
väntar framtiden.
15:04
Thanks.
369
889000
2000
Tack!
15:06
(Applause)
370
891000
9000
(Applåder)
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