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
TED2011

Ed Boyden: A light switch for neurons

Ed Boyden: Nöronlar için bir elektrik anahtarı

Filmed:
1,098,379 views

Ed Boyden ışığa duyarlı proteinler için beyin hücrelerine yerleştirilen genler sayesinde, fiber optik implantlar ile belli nöronları nasıl etkinleştirdiğini veya etkisiz hale getirdiğini gösteriyor. Elde ettiği eşine rastlanmamış düzeydeki bu kontrolle, PTSD bozukluğuna sahip farelerin ve bazı görme bozukluklarının tedavisini sağladı. Ufukta sinirsel protez fikri var. Ve konuşma sonrası oturum misafiri olan Juan Enriwues kısa bir soru cevap bölümü sürdürüyor.
- 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.

00:15
Think about your day for a secondikinci.
0
0
2000
Bir dakikalığına bugününüzü bir gözden geçirin.
00:17
You wokeuyandı up, feltkeçe freshtaze airhava on your faceyüz as you walkedyürüdü out the doorkapı,
1
2000
3000
Kalktınız, kapıdan dışarı çıkarken ferah bir esinti vurdu yüzünüze,
00:20
encounteredkarşılaşılan newyeni colleaguesmeslektaşlar and had great discussionstartışmalar,
2
5000
2000
yeni meslektaşlar edindiniz ve güzel tartışmalarda bulundunuz,
00:22
and feltkeçe in awehuşu when you foundbulunan something newyeni.
3
7000
2000
ve yeni bir şey öğrendiğinizde dehşetli bir hayranlık hissettiniz.
00:24
But I betbahis there's something you didn't think about todaybugün --
4
9000
2000
Ama bahse girerim bugün hakkında düşünmediğiniz bir şey var--
00:26
something so closekapat to home
5
11000
2000
size çok içten gelen bir yakınlıkta
00:28
that you probablymuhtemelen don't think about it very oftensık sık at all.
6
13000
2000
muhtemelen sık sık düşünmediğiniz bir şey.
00:30
And that's that all the sensationsduyumları, feelingsduygular,
7
15000
2000
Bu, bütün hislerinizin,
00:32
decisionskararlar and actionseylemler
8
17000
2000
kararlarınızın, hareketlerinizin
00:34
are mediatedaracılı by the computerbilgisayar in your headkafa
9
19000
2000
kafanızdaki bilgisayar aracılığyla yönetildiği şeyin
00:36
calleddenilen the brainbeyin.
10
21000
2000
ismi beyindir.
00:38
Now the brainbeyin mayMayıs ayı not look like much from the outsidedışında --
11
23000
2000
Beyin dışarıdan göründüğü haline fazla benzemeyebilir --
00:40
a coupleçift poundspound of pinkish-grayPembemsi-gri flesheti,
12
25000
2000
pembemsi-gri bir çift et parçası
00:42
amorphousamorf --
13
27000
2000
biçimsiz--
00:44
but the last hundredyüz yearsyıl of neurosciencenörobilim
14
29000
2000
fakat son yüzyıllların nörolojisi
00:46
have allowedizin us to zoomyakınlaştırma in on the brainbeyin,
15
31000
2000
beyne yakından bakabilmemizi
00:48
and to see the intricacykarışıklık of what liesyalanlar withiniçinde.
16
33000
2000
ve içinde yatan karmaşıklığı gözlemleyebilmemizi sağladı.
00:50
And they'veonlar ettik told us that this brainbeyin
17
35000
2000
Ve beynin inanılmaz derecede
00:52
is an incrediblyinanılmaz complicatedkarmaşık circuitdevre
18
37000
2000
karmaşık bir devre olduğunu
00:54
madeyapılmış out of hundredsyüzlerce of billionsmilyarlarca of cellshücreler calleddenilen neuronsnöronlar.
19
39000
4000
yüz milyarlarca nöron denilen hücrelerden oluştuğunu anlattılar.
00:58
Now unlikeaksine a human-designedinsan tasarlanmış computerbilgisayar,
20
43000
3000
Bir insan tarafından dizayn edilmiş,
01:01
where there's a fairlyoldukça smallküçük numbernumara of differentfarklı partsparçalar --
21
46000
2000
çok az sayıda farklı parçaların olduğu bir bilgisayarın aksine--
01:03
we know how they work, because we humansinsanlar designedtasarlanmış them --
22
48000
3000
bunların işleyişini biliriz çünkü onları biz tasarladık--
01:06
the brainbeyin is madeyapılmış out of thousandsbinlerce of differentfarklı kindsçeşit of cellshücreler,
23
51000
3000
beyin binlerce çeşit hücreden meydana gelir
01:09
maybe tensonlarca of thousandsbinlerce.
24
54000
2000
belki on binlerce.
01:11
They come in differentfarklı shapesşekiller; they're madeyapılmış out of differentfarklı moleculesmoleküller.
25
56000
2000
Farklı şekillere girerler; farklı moleküllerden oluşmuşlardır;
01:13
And they projectproje and connectbağlamak to differentfarklı brainbeyin regionsbölgeler,
26
58000
3000
ve beynin farklı yerlerine bağlanarak görev alırlar.
01:16
and they alsoAyrıca changedeğişiklik differentfarklı waysyolları in differentfarklı diseasehastalık statesdevletler.
27
61000
3000
Ve aynı zamanda, geçirilen hastalığa göre farklı davranırlar.
01:19
Let's make it concretebeton.
28
64000
2000
Bunu biraz somutlaştıralım.
01:21
There's a classsınıf of cellshücreler,
29
66000
2000
Bir hücre sınıfı var,
01:23
a fairlyoldukça smallküçük cellhücre, an inhibitoryinhibitör cellhücre, that quietsquiets its neighborsKomşular.
30
68000
3000
orta derece büyüklükte, komşularını durgunlaştıran indirgeyici bir hücre.
01:26
It's one of the cellshücreler that seemsgörünüyor to be atrophiedkörelmiş in disordersbozukluklar like schizophreniaşizofreni.
31
71000
4000
Bu, şizofrenide olduğu gibi çökertilmiş hücrelerden biri gibi.
01:30
It's calleddenilen the basketsepet cellhücre.
32
75000
2000
Bu hücrenin ismi basket hücresi.
01:32
And this cellhücre is one of the thousandsbinlerce of kindsçeşit of cellhücre
33
77000
2000
Ve bu hücre keşfetmekte olduğumuz
01:34
that we are learningöğrenme about.
34
79000
2000
binlerce hücreden bir tanesi.
01:36
NewYeni onesolanlar are beingolmak discoveredkeşfedilen everydayher gün.
35
81000
2000
Her geçen gün yeni hücreler keşfediliyor.
01:38
As just a secondikinci exampleörnek:
36
83000
2000
İkinci bir örnek olarak:
01:40
these pyramidalPiramit cellshücreler, largegeniş cellshücreler,
37
85000
2000
piramit hücreleri var, büyük hücreler,
01:42
they can spankarış a significantönemli fractionkesir of the brainbeyin.
38
87000
2000
beynin ciddi bir büyüklükteki kısmını kaplayabiliyorlar.
01:44
They're excitatoryeksitatör.
39
89000
2000
Harekete geçirici nitelikteler.
01:46
And these are some of the cellshücreler
40
91000
2000
Ve bunlar sara gibi hastalıklarda
01:48
that mightbelki be overactiveaşırı aktif in disordersbozukluklar suchböyle as epilepsyepilepsi.
41
93000
3000
fazlasıyla aktif olabilen hücrelerden.
01:51
EveryHer one of these cellshücreler
42
96000
2000
Bu hücrelerden her biri
01:53
is an incredibleinanılmaz electricalelektrik devicecihaz.
43
98000
3000
inanılmaz bir elektrik aleti.
01:56
They receiveteslim almak inputgiriş from thousandsbinlerce of upstreamters yönde partnersortaklar
44
101000
2000
Yukarı akım eşlerinden girdi alarak
01:58
and computehesaplamak theironların ownkendi electricalelektrik outputsçıkış,
45
103000
3000
kendi elektriksel çıktılarını hesaplıyorlar ve sonra
02:01
whichhangi then, if they passpas a certainbelli thresholdeşik,
46
106000
2000
eğer belli bir eşiği geçerlerse
02:03
will go to thousandsbinlerce of downstreamakıntı yönünde partnersortaklar.
47
108000
2000
binlerce aşağı akım eşlerine gidiyorlar.
02:05
And this processsüreç, whichhangi takes just a millisecondmilisaniye or so,
48
110000
3000
Ve bu süreç yalnızca bir milisaniyede oluyor,
02:08
happensolur thousandsbinlerce of timeszamanlar a minutedakika
49
113000
2000
veya bir dakikada binlerce defa
02:10
in everyher one of your 100 billionmilyar cellshücreler,
50
115000
2000
100 milyar hücrenizin her birinde,
02:12
as long as you livecanlı
51
117000
2000
yaşadığınız, düşündüğünüz,
02:14
and think and feel.
52
119000
3000
ve hissettiğiniz sürece.
02:17
So how are we going to figureşekil out what this circuitdevre does?
53
122000
3000
Peki bu devrenin ne yaptığını nasıl bulacağız?
02:20
Ideallyİdeal olarak, we could go throughvasitasiyla the circuitdevre
54
125000
2000
İdeal durumda, devrenin içine girebiliriz
02:22
and turndönüş these differentfarklı kindsçeşit of cellhücre on and off
55
127000
3000
ve bu farklı hücreleri devre dışı bırakıp sonra tekrar devreye sokarak
02:25
and see whetherolup olmadığını we could figureşekil out
56
130000
2000
hangilerinin önemli fonksiyonlara sahip olduğunu,
02:27
whichhangi onesolanlar contributekatkıda bulunmak to certainbelli functionsfonksiyonlar
57
132000
2000
ve hangilerinin önemli hastalıklarda
02:29
and whichhangi onesolanlar go wrongyanlış in certainbelli pathologiespatolojiler.
58
134000
2000
rol oynadığını çıkarabiliriz.
02:31
If we could activateetkinleştirmek cellshücreler, we could see what powersgüçler they can unleashUnleash,
59
136000
3000
Eğer aktif hücreler yapabilsedik, nasıl bir güce sahip olduklarını,
02:34
what they can initiatebaşlatmak and sustainsürdürmek.
60
139000
2000
neyi başlatıp neyi devam ettirdiklerini görebilirdik.
02:36
If we could turndönüş them off,
61
141000
2000
Eğer onların işleyişini durdurabilseydik,
02:38
then we could try and figureşekil out what they're necessarygerekli for.
62
143000
2000
onların ne için gerekli olduklarını bulmaya çalışabilirdik.
02:40
And that's a storyÖykü I'm going to tell you about todaybugün.
63
145000
3000
Ve bugün size anlatacağım hikaye budur.
02:43
And honestlydürüstçe, where we'vebiz ettik gonegitmiş throughvasitasiyla over the last 11 yearsyıl,
64
148000
3000
Ve dürüstçe söylemek gerekirse, 11 yıldır bu işteyiz,
02:46
throughvasitasiyla an attemptgirişim to find waysyolları
65
151000
2000
beynin devrelerini, hücrelerini, parçalarını ve yolaklarını
02:48
of turningdöndürme circuitsdevreler and cellshücreler and partsparçalar and pathwaysyolları of the brainbeyin
66
153000
2000
açıp kapayabilmek için
02:50
on and off,
67
155000
2000
yeni yollar bulma peşindeyiz;
02:52
bothher ikisi de to understandanlama the scienceBilim
68
157000
2000
hem bilimi anlamak için
02:54
and alsoAyrıca to confrontkarşısına çıkmak some of the issuessorunlar
69
159000
3000
hem de insanlığın sorunlarıyla
02:57
that faceyüz us all as humansinsanlar.
70
162000
3000
yüzleşebilmek için.
03:00
Now before I tell you about the technologyteknoloji,
71
165000
3000
Şimdi, teknolojiyi anlatmaya başlamadan önce,
03:03
the badkötü newshaber is that a significantönemli fractionkesir of us in this roomoda,
72
168000
3000
kötü haber şu ki, bu odadan büyük bir kısmımız,
03:06
if we livecanlı long enoughyeterli,
73
171000
2000
eğer ömrümüz yeterse,
03:08
will encounterkarşılaşma, perhapsbelki, a brainbeyin disorderdüzensizlik.
74
173000
2000
bir beyin rahatsızlığıyla karşılaşacağız belki.
03:10
AlreadyZaten, a billionmilyar people
75
175000
2000
Şimdiden, bir milyar insan
03:12
have had some kindtür of brainbeyin disorderdüzensizlik
76
177000
2000
yeteneklerinin önüne geçen çeşitli
03:14
that incapacitatesgüçsüzleştirmiş them,
77
179000
2000
beyin hastalıklarıyla karşı karşıya.
03:16
and the numberssayılar don't do it justiceadalet thoughgerçi.
78
181000
2000
Ama yine de bu sayı tam olarak kendini göstermiyor.
03:18
These disordersbozukluklar -- schizophreniaşizofreni, Alzheimer'sAlzheimer,
79
183000
2000
Bu hastalıklar -- şizofreni, alzaymır,
03:20
depressiondepresyon, addictionbağımlılığı --
80
185000
2000
depresyon, bağımlılık --
03:22
they not only stealçalmak our time to livecanlı, they changedeğişiklik who we are.
81
187000
3000
vaktimizi çalmıyorlar, onlar bizi değiştiriyorlar;
03:25
They take our identityKimlik and changedeğişiklik our emotionsduygular
82
190000
2000
kimliğimizi ele geçirip duygularımızı değiştiriyorlar --
03:27
and changedeğişiklik who we are as people.
83
192000
3000
ve insan olarak kim olduğumuzu değiştiriyorlar.
03:30
Now in the 20thinci centuryyüzyıl,
84
195000
3000
Bugün 20. yüzyılda,
03:33
there was some hopeumut that was generatedoluşturulan
85
198000
3000
beyin hastalıklarını düzeltmek adına kurulan
03:36
throughvasitasiyla the developmentgelişme of pharmaceuticalsEczacılık for treatingtedavi brainbeyin disordersbozukluklar,
86
201000
3000
bir eczacılık gelişimine umut bağlanmıştı.
03:39
and while manyçok drugsilaçlar have been developedgelişmiş
87
204000
3000
Ve beyin hastalıklarının belirtilerini azaltan
03:42
that can alleviatehafifletmek symptomssemptomlar of brainbeyin disordersbozukluklar,
88
207000
2000
yeni bir çok ilaç bulunurken,
03:44
practicallypratikte noneYok of them can be considereddüşünülen to be curedtedavi.
89
209000
3000
pratikte bu hastalıklardan hiç birinin tedavi edildiği düşünülemez.
03:47
And partBölüm of that's because we're bathingbanyo the brainbeyin in the chemicalkimyasal.
90
212000
3000
Bunun bir nedeni de beyne kimyasal banyosu yaptırıyor olmamız.
03:50
This elaborateayrıntılı circuitdevre
91
215000
2000
Bu karmaşık devre
03:52
madeyapılmış out of thousandsbinlerce of differentfarklı kindsçeşit of cellhücre
92
217000
2000
binlerce farklı türde hücrenin
03:54
is beingolmak bathedbanyo in a substancemadde.
93
219000
2000
bir madde içinde yıkandığını gösteriyor.
03:56
That's alsoAyrıca why, perhapsbelki, mostçoğu of the drugsilaçlar, and not all, on the marketpazar
94
221000
2000
Bu hepsi olmasa da piyasadaki ilaçların büyük çoğunluğunun
03:58
can presentmevcut some kindtür of seriousciddi sideyan effectEfekt too.
95
223000
3000
neden ciddi türde yan etkiler gösterdiğinin de sebebi.
04:01
Now some people have gottenkazanılmış some solaceteselli
96
226000
3000
Bugün bazı insanlar beyne yerleştirilen
04:04
from electricalelektrik stimulatorsuyarıcılar that are implantedimplante in the brainbeyin.
97
229000
3000
elektrikli uyarıcılarla huzur buluyorlar.
04:07
And for Parkinson'sParkinson diseasehastalık,
98
232000
2000
Ve parkinson hastalığı için,
04:09
CochlearKoklear implantsimplantlar,
99
234000
2000
Koklear implantlar,
04:11
these have indeedaslında been ableyapabilmek
100
236000
2000
birçok çeşitli hastalıktaki
04:13
to bringgetirmek some kindtür of remedyçare
101
238000
2000
insanlara gerçekten de
04:15
to people with certainbelli kindsçeşit of disorderdüzensizlik.
102
240000
2000
çare olabiliyorlar.
04:17
But electricityelektrik alsoAyrıca will go in all directionstalimatlar --
103
242000
2000
Fakat elektrik de, aynı şekilde, her yöne gidecek --
04:19
the pathyol of leasten az resistancedirenç,
104
244000
2000
en dirençsiz olan yola da,
04:21
whichhangi is where that phraseifade, in partBölüm, comesgeliyor from.
105
246000
2000
bu terim bir parça da buradan geliyor.
04:23
And it alsoAyrıca will affectetkilemek normalnormal circuitsdevreler as well as the abnormalanormal onesolanlar that you want to fixdüzeltmek.
106
248000
3000
Ve aynı zamanda, onarmak istediğiniz anormal devrelerin yanında normal olanları da etkileyecek.
04:26
So again, we're sentgönderilen back to the ideaFikir
107
251000
2000
Ve yeniden, oldukça mükemmel kontrol
04:28
of ultra-preciseultra-hassas controlkontrol.
108
253000
2000
fikrimize geri döndürülüyoruz.
04:30
Could we dial-iniçeri arama informationbilgi preciselytam where we want it to go?
109
255000
3000
Bilgiyi tam olarak gitmesini istediğimiz yere yönlendirebilir miyiz?
04:34
So when I startedbaşladı in neurosciencenörobilim 11 yearsyıl agoönce,
110
259000
4000
11 yıll önce nöroloji bilimiyle ilgilenmeye başladığımda,
04:38
I had trainedeğitilmiş as an electricalelektrik engineermühendis and a physicistfizikçi,
111
263000
3000
bir elektrik mühendisi ve fizikçi olarak yetişmiştim,
04:41
and the first thing I thought about was,
112
266000
2000
ve bunun hakkında düşündüğüm ilk şey şuydu,
04:43
if these neuronsnöronlar are electricalelektrik devicescihazlar,
113
268000
2000
eğer nöronlar bir takım elektrik devreleriyse,
04:45
all we need to do is to find some way
114
270000
2000
tek ihtiyacımız olan şey, elektrik değişimlerini
04:47
of drivingsürme those electricalelektrik changesdeğişiklikler at a distancemesafe.
115
272000
2000
belli bir genişliğe yayan bir yol bulmak.
04:49
If we could turndönüş on the electricityelektrik in one cellhücre,
116
274000
2000
Eğer bir hücrede elektriği açabilirsek,
04:51
but not its neighborsKomşular,
117
276000
2000
-komşu hücrelere dokunmadan-
04:53
that would give us the toolaraç we need to activateetkinleştirmek and shutkapamak down these differentfarklı cellshücreler,
118
278000
3000
bu bize farklı hücreleri aktifleştirip kapatabilmek için,
04:56
figureşekil out what they do and how they contributekatkıda bulunmak
119
281000
2000
bu hücrelerin ne yaptıklarını ve içinde bulundukları ağlara nasıl
04:58
to the networksağlar in whichhangi they're embeddedgömülü.
120
283000
2000
katkı sağladıklarını bulabilmek için bize lazım olan aracı elde etmiş oluruz.
05:00
And alsoAyrıca it would allowizin vermek us to have the ultra-preciseultra-hassas controlkontrol we need
121
285000
2000
Ve aynı zamanda bu, yanlış yöne giden devre hesaplamalarını
05:02
in ordersipariş to fixdüzeltmek the circuitdevre computationshesaplamalar
122
287000
3000
sabitlememiz için gerekli olan mükemmel kontrole
05:05
that have gonegitmiş awryters.
123
290000
2000
sahip olmamızı sağlayabilir.
05:07
Now how are we going to do that?
124
292000
2000
Peki bunu nasıl yapacağız?
05:09
Well there are manyçok moleculesmoleküller that existvar olmak in naturedoğa,
125
294000
2000
Doğada ışığı elektriğe çevirebilen
05:11
whichhangi are ableyapabilmek to convertdönüştürmek lightışık into electricityelektrik.
126
296000
3000
birçok molekül var.
05:14
You can think of them as little proteinsproteinler
127
299000
2000
Bunları solar hüceleri gibi
05:16
that are like solargüneş cellshücreler.
128
301000
2000
küçük proteinler olarak düşünebilirsiniz.
05:18
If we can installkurmak these moleculesmoleküller in neuronsnöronlar somehowbir şekilde,
129
303000
3000
Eğer bu molekülleri bir şekilde nöronlara programlayabilirsek,
05:21
then these neuronsnöronlar would becomeolmak electricallyelektrikle drivablehala kullanılabilir with lightışık.
130
306000
3000
bu nöronlar ışık altında elektrikle işler hale gelebilirler.
05:24
And theironların neighborsKomşular, whichhangi don't have the moleculemolekül, would not.
131
309000
3000
Ve komşu hücreleri, bu moleküllere sahip olmadığı için gelmezler.
05:27
There's one other magicsihirli trickhile you need to make this all happenolmak,
132
312000
2000
Bütün bunları yapabilmenizin ve bu ışığı beyne alabilmenizin
05:29
and that's the abilitykabiliyet to get lightışık into the brainbeyin.
133
314000
3000
bir güzel püf noktası daha var.
05:32
And to do that -- the brainbeyin doesn't feel painAğrı -- you can put --
134
317000
3000
Ve bunu yapabilmek için --
05:35
takingalma advantageavantaj of all the effortçaba
135
320000
2000
internet ve iletişimler için harcanan eforlar sayesinde
05:37
that's gonegitmiş into the InternetInternet and communicationsiletişim and so on --
136
322000
2000
beyin siz acıyı koymadıkça acı hissetmez --
05:39
opticaloptik fiberselyaf connectedbağlı to laserslazerler
137
324000
2000
bu nöronları aktifleştirmede kullanabileceğiniz,
05:41
that you can use to activateetkinleştirmek, in animalhayvan modelsmodeller for exampleörnek,
138
326000
2000
mesela hayvan modelleri ve ön klinik çalışmalarda kullanılabilen,
05:43
in pre-clinicalönceden klinik studiesçalışmalar,
139
328000
2000
lazerlere bağlı optik fiberler koyabilirsiniz,
05:45
these neuronsnöronlar and to see what they do.
140
330000
2000
ve bu sayede nöronların ne yaptığını görebilirsiniz.
05:47
So how do we do this?
141
332000
2000
Öyleyse bunu nasıl yapacağız?
05:49
Around 2004,
142
334000
2000
2004 yılı civarlarında
05:51
in collaborationişbirliği with GerhardGerhard NagelNagel and KarlKarl DeisserothDeisseroth,
143
336000
2000
Gerhard Nagel ve Karl Deisseroth ile yapılan işbirliğiyle
05:53
this visionvizyon camegeldi to fruitionmuradına erme.
144
338000
2000
bu öngörü meyve verdi.
05:55
There's a certainbelli algaAlga that swimsyüzüyor in the wildvahşi,
145
340000
3000
Rüzgarda yüzen bir tür alg var,
05:58
and it needsihtiyaçlar to navigategezinmek towardskarşı lightışık
146
343000
2000
verimli şekilde fotosentez yapabilmek için
06:00
in ordersipariş to photosynthesizephotosynthesize optimallyoptimal.
147
345000
2000
ışığa karşı gidip gelmesi gerekiyor.
06:02
And it sensesduyular lightışık with a little eye-spotgöz spot,
148
347000
2000
Ve gözlerimiz gibi işlemeyen küçük bir
06:04
whichhangi worksEserleri not unlikeaksine how our eyegöz worksEserleri.
149
349000
3000
göz beneği sayesinde ışığı algılıyor.
06:07
In its membranezar, or its boundarysınır,
150
352000
2000
Bu zarda veya sınırlarında,
06:09
it containsiçeren little proteinsproteinler
151
354000
3000
ışığı gerçekten elektriğe çevirebilen
06:12
that indeedaslında can convertdönüştürmek lightışık into electricityelektrik.
152
357000
3000
küçük proteinler bulunuyor.
06:15
So these moleculesmoleküller are calleddenilen channelrhodopsinschannelrhodopsins.
153
360000
3000
Bu yüzden bu moleküller channelrhodopsin olarak isimlendiriliyorlar.
06:18
And eachher of these proteinsproteinler actseylemler just like that solargüneş cellhücre that I told you about.
154
363000
3000
Ve bunların her bir molekülü anlattığım solar hücreler gibi davranıyor.
06:21
When bluemavi lightışık hitsisabetler it, it opensaçılan up a little holedelik
155
366000
3000
Mavi hücre ona isabet ettiğinde, küçük bir delik açılıyor
06:24
and allowsverir chargedyüklü particlesparçacıklar to entergirmek the eye-spotgöz spot,
156
369000
2000
ve yüklü parçaların göz beneğine girmesini sağlıyor.
06:26
and that allowsverir this eye-spotgöz spot to have an electricalelektrik signalişaret
157
371000
2000
Ve bu göz beneğinin, tıpkı bataryayı şarj eden bir güneş hücresi gibi
06:28
just like a solargüneş cellhücre chargingdoldurma up a batterypil.
158
373000
3000
bir elektrik sinyaline sahip olmasını sağlıyor.
06:31
So what we need to do is to take these moleculesmoleküller
159
376000
2000
Bu noktada bizim yapmamız gereken şey,
06:33
and somehowbir şekilde installkurmak them in neuronsnöronlar.
160
378000
2000
bu molekülleri alarak nöronlara çevirmek.
06:35
And because it's a proteinprotein,
161
380000
2000
Bu bir protein olduğundan
06:37
it's encodedkodlanmış for in the DNADNA of this organismorganizma.
162
382000
3000
organizmanın DNA'sında kodlanıyor.
06:40
So all we'vebiz ettik got to do is take that DNADNA,
163
385000
2000
Bu yüzden bu DNA'yı alıp, virüs gibi bir
06:42
put it into a genegen therapyterapi vectorvektör, like a virusvirüs,
164
387000
3000
gen terapi vektörüne koyarak,
06:45
and put it into neuronsnöronlar.
165
390000
3000
nöronlara yerleştirmek zorundayız.
06:48
So it turneddönük out that this was a very productiveüretken time in genegen therapyterapi,
166
393000
3000
Bunlar üretken bir gen terapi zamanında olduğumuzun bir göstergesi,
06:51
and lots of virusesvirüsler were cominggelecek alonguzun bir.
167
396000
2000
ve bir çok virüs meydana getiriliyor.
06:53
So this turneddönük out to be very simplebasit to do.
168
398000
2000
Bu artık yapılması çok kolay bir hale geldi.
06:55
And earlyerken in the morningsabah one day in the summeryaz of 2004,
169
400000
3000
2004 yazının erken bir sabahında
06:58
we gaveverdi it a try, and it workedişlenmiş on the first try.
170
403000
2000
biz bunu denedik, ve ilk deneyişimizde işledi.
07:00
You take this DNADNA and you put it into a neuronnöron.
171
405000
3000
Bu DNA'yı alıyorsunuz ve bir nörona koyuyorsunuz.
07:03
The neuronnöron useskullanımları its naturaldoğal protein-makingprotein yapımı machinerymakinalar
172
408000
3000
Bu nöron doğal protein yapma mekanizmasını kullanarak
07:06
to fabricateimal these little light-sensitiveışığa duyarlı proteinsproteinler
173
411000
2000
ışığa duyarlı proteinleri işletiyor
07:08
and installkurmak them all over the cellhücre,
174
413000
2000
ve çatıya güneş paneli koyar gibi
07:10
like puttingkoyarak solargüneş panelspaneller on a roofçatı,
175
415000
2000
onları hücrenin her tarafına yerleştiriyor.
07:12
and the nextSonraki thing you know,
176
417000
2000
Ve bildiğiniz bir sonraki şey,
07:14
you have a neuronnöron whichhangi can be activatedaktif with lightışık.
177
419000
2000
ışıkla aktifleşebilen bir nörona sahip olduğunuz.
07:16
So this is very powerfulgüçlü.
178
421000
2000
Bu gerçekten çok güçlü bir şey.
07:18
One of the trickspüf nokta you have to do
179
423000
2000
Yapmanız gereken bir önemli şey de,
07:20
is to figureşekil out how to deliverteslim etmek these genesgenler to the cellshücreler that you want
180
425000
2000
komşularına dokunmadan bu genleri istediğiniz hücrelere
07:22
and not all the other neighborsKomşular.
181
427000
2000
nasıl çevireceğinizi bulmak.
07:24
And you can do that; you can tweakTweak the virusesvirüsler
182
429000
2000
Bunu yapabilirsiniz; virüslerde ufak bir değişiklik yapabilirsiniz ve
07:26
so they hitvurmak just some cellshücreler and not othersdiğerleri.
183
431000
2000
onlar bu sayede yalnızca hedef hücrelere isabet edebilirler.
07:28
And there's other geneticgenetik trickspüf nokta you can playoyun
184
433000
2000
Işıkla aktifleşen hücreler elde edebilmek için
07:30
in ordersipariş to get light-activatedışık-harekete geçirmek cellshücreler.
185
435000
3000
kurnazca oynayabileceğiniz başka genetik yollar da var.
07:33
This fieldalan has now come to be knownbilinen as optogeneticsoptogenetics.
186
438000
4000
Bu alan, optogenetik olarak biliniyor.
07:37
And just as one exampleörnek of the kindtür of thing you can do,
187
442000
2000
Ve yapabileceklerinize yalnızca bir misal olarak,
07:39
you can take a complexkarmaşık network,
188
444000
2000
karmaşık bir ağ alabilirsiniz,
07:41
use one of these virusesvirüsler to deliverteslim etmek the genegen
189
446000
2000
bu virüslerden birini kullanarak, onu
07:43
just to one kindtür of cellhücre in this denseyoğun network.
190
448000
3000
bu yoğun ağdaki yalnızca bir hücre tipine iletebilirsiniz.
07:46
And then when you shineparlaklık lightışık on the entiretüm network,
191
451000
2000
Sonra ağa ışık yansıtısınız,
07:48
just that cellhücre typetip will be activatedaktif.
192
453000
2000
ve yalnızca o hücre aktifleşecektir.
07:50
So for exampleörnek, letsHaydi sortçeşit of considerdüşünmek that basketsepet cellhücre I told you about earlierdaha erken --
193
455000
3000
Mesela, daha önce anlattığım basket hücresini düşünelim --
07:53
the one that's atrophiedkörelmiş in schizophreniaşizofreni
194
458000
2000
şizofrenide çökertilmiş ve
07:55
and the one that is inhibitoryinhibitör.
195
460000
2000
indirgeyici olan bir hücre.
07:57
If we can deliverteslim etmek that genegen to these cellshücreler --
196
462000
2000
Eğer geni bu hücrelere iletebilirsek --
07:59
and they're not going to be altereddeğişmiş by the expressionifade of the genegen, of coursekurs --
197
464000
3000
tabi ki de bunlar genin ekspresyonuyla değişmeyecekler--
08:02
and then flashflaş bluemavi lightışık over the entiretüm brainbeyin network,
198
467000
3000
beyin ağına mavi ışığı yansıtılacak,
08:05
just these cellshücreler are going to be driventahrik.
199
470000
2000
ve yalnızca bu hücreler işlenecek.
08:07
And when the lightışık turnsdönüşler off, these cellshücreler go back to normalnormal,
200
472000
2000
Ve ışıkları kapattığımızda, bu hücreler normale dönecek,
08:09
so they don't seemgörünmek to be aversehoşlanmıyorsunuz againstkarşısında that.
201
474000
3000
bu yüzden hücreler bu olaya karşı isteksiz görünmüyorlar.
08:12
Not only can you use this to studyders çalışma what these cellshücreler do,
202
477000
2000
Bu çalışmayı yalnızca bu hücrelerin yaptığı şeyde ve
08:14
what theironların powergüç is in computingbilgi işlem in the brainbeyin,
203
479000
2000
onların beyinde hesaplanan gücünde değil,
08:16
but you can alsoAyrıca use this to try to figureşekil out --
204
481000
2000
başka şeylerde de kullabilirsiniz--
08:18
well maybe we could jazzcaz up the activityaktivite of these cellshücreler,
205
483000
2000
bu hücreler eğer gerçekten çökertilmiş hücrelerse
08:20
if indeedaslında they're atrophiedkörelmiş.
206
485000
2000
belki bunların aktifliğini kullanarak buna biraz daha ruh katabilirdik.
08:22
Now I want to tell you a coupleçift of shortkısa storieshikayeleri
207
487000
2000
Bilimsel, klinik ve ön klinik düzeylerde
08:24
about how we're usingkullanma this,
208
489000
2000
bunu nasıl kullandığımız hakkında
08:26
bothher ikisi de at the scientificilmi, clinicalklinik and pre-clinicalönceden klinik levelsseviyeleri.
209
491000
3000
size iki kısa hikaye anlatmak istiyorum şimdi.
08:29
One of the questionssorular we'vebiz ettik confrontedkarşı karşıya
210
494000
2000
Karşılaştığımız sorulardan bir tanesi şu,
08:31
is, what are the signalssinyalleri in the brainbeyin that mediatearabuluculuk the sensationduygu of rewardödül?
211
496000
3000
beyinde ödül duygusunu oluşturan sinyaller nelerdir?
08:34
Because if you could find those,
212
499000
2000
Çünkü eğer bunu bulursanız,
08:36
those would be some of the signalssinyalleri that could drivesürücü learningöğrenme.
213
501000
2000
bunlar öğrenmeyi sağlayan sinyallerden bazıları olabilir.
08:38
The brainbeyin will do more of whateverher neyse got that rewardödül.
214
503000
2000
Beyin, ödülü işleten şeyi kullanarak daha fazlasını yapabilir.
08:40
And alsoAyrıca these are signalssinyalleri that go awryters in disordersbozukluklar suchböyle as addictionbağımlılığı.
215
505000
3000
Ve aynı zamanda bunlar, bağımlılık gibi rahatsızlıklarda bozulan sinyallerdir.
08:43
So if we could figureşekil out what cellshücreler they are,
216
508000
2000
Eğer hücrelerin ne olduğunu bulabilirsek,
08:45
we could maybe find newyeni targetshedefler
217
510000
2000
belki ilaçların savaşacağı yeni düşmanlar tayin ederek
08:47
for whichhangi drugsilaçlar could be designedtasarlanmış or screenedekranlı againstkarşısında,
218
512000
2000
yeni ilaçlar dizayn edebiliriz,
08:49
or maybe placesyerler where electrodeselektrotlar could be put in
219
514000
2000
veya ciddi özürleri olan insanlar için
08:51
for people who have very severeşiddetli disabilitysakatlık.
220
516000
3000
elektrotları koyacak yeni yerler bulabiliriz.
08:54
So to do that, we camegeldi up with a very simplebasit paradigmparadigma
221
519000
2000
Bunu yapabilmek için, Fiorella grubuyla işbirliği içerisinde
08:56
in collaborationişbirliği with the FiorellaFiorella groupgrup,
222
521000
2000
çok basit bir paradigma sunuyoruz,
08:58
where one sideyan of this little boxkutu,
223
523000
2000
eğer hayvan bu kutuya giderse
09:00
if the animalhayvan goesgider there, the animalhayvan getsalır a pulsenabız of lightışık
224
525000
2000
bir yüzeyinden ışık sinyali alıyor,
09:02
in ordersipariş to make differentfarklı cellshücreler in the brainbeyin sensitivehassas to lightışık.
225
527000
2000
beyindeki farklı hücreleri ışığa duyarlı hale getirebilmek için.
09:04
So if these cellshücreler can mediatearabuluculuk rewardödül,
226
529000
2000
Eğer hücreler ödülü oluşturabilirse,
09:06
the animalhayvan should go there more and more.
227
531000
2000
hayvan oraya tekrar ve tekrar gitmelidir.
09:08
And so that's what happensolur.
228
533000
2000
Ve işte olup biten şey bu.
09:10
This animal'shayvanın going to go to the right-handsağ el sideyan and pokepoke his noseburun there,
229
535000
2000
Hayvanın sağ el tarafına gidişi ve oraya burnunu sokması
09:12
and he getsalır a flashflaş of bluemavi lightışık everyher time he does that.
230
537000
2000
ve bunu her yaptığında bir mavi ışık flaşı alması.
09:14
And he'llo olacak do that hundredsyüzlerce and hundredsyüzlerce of timeszamanlar.
231
539000
2000
Ve bunu yüzlerce ve yüzlerce defa yapacak.
09:16
These are the dopaminedopamin neuronsnöronlar,
232
541000
2000
Bunlar dopamin sinir hücreleridir,
09:18
whichhangi some of you mayMayıs ayı have heardduymuş about, in some of the pleasureZevk centersmerkezleri in the brainbeyin.
233
543000
2000
bazılarınız beyin merkezlerinde bu isimle karşılaşmış olabilirsiniz.
09:20
Now we'vebiz ettik showngösterilen that a briefkısa activationetkinleştirme of these
234
545000
2000
Biz, bunun kısa bir aktifliğinin,
09:22
is enoughyeterli, indeedaslında, to drivesürücü learningöğrenme.
235
547000
2000
öğrenmeyi oluşturmak için gerçekten yeterli olduğunu ispatladık.
09:24
Now we can generalizegenellemek the ideaFikir.
236
549000
2000
Şimdi bu fikri genelleyebiliriz.
09:26
InsteadBunun yerine of one pointpuan in the brainbeyin,
237
551000
2000
Beyindeki bir nokta yerine,
09:28
we can devisevasiyetle devicescihazlar that spankarış the brainbeyin,
238
553000
2000
ışığı üç boyutlu düzene ulaştırabilen
09:30
that can deliverteslim etmek lightışık into three-dimensional3 boyutlu patternsdesenler --
239
555000
2000
ve beyne yayan icatlar tasarlayabliriz --
09:32
arraysdiziler of opticaloptik fiberselyaf,
240
557000
2000
her biri kendi minyatür ışık kaynağıyla eşleşen
09:34
eachher coupledbirleştiğinde to its ownkendi independentbağımsız miniatureminyatür lightışık sourcekaynak.
241
559000
2000
optik fiber dizileri--
09:36
And then we can try to do things in vivovivo
242
561000
2000
Ve sonra bunları in vivoda deneyebiliriz
09:38
that have only been donetamam to-date-Tarih in a dishtabak --
243
563000
3000
bugüne kadar tek çatı altında yapılan tek deneme --
09:41
like high-throughputyüksek işlem hacmi screeningtarama throughoutboyunca the entiretüm brainbeyin
244
566000
2000
beyinde belli şeylerin olmasına yol açabilen sinyaller için
09:43
for the signalssinyalleri that can causesebeb olmak certainbelli things to happenolmak.
245
568000
2000
bütün beyin boyunca yapılan yüksek verimli eleme gibi.
09:45
Or that could be good clinicalklinik targetshedefler
246
570000
2000
Veya bu hücreler beyin hastalıklarınının tedavisinde
09:47
for treatingtedavi brainbeyin disordersbozukluklar.
247
572000
2000
iyi bir hedef hücre olarak kullanılabilirler.
09:49
And one storyÖykü I want to tell you about
248
574000
2000
Ve anlatmak istediğim bir hikaye de
09:51
is how can we find targetshedefler for treatingtedavi post-traumaticTravma sonrası stressstres disorderdüzensizlik --
249
576000
3000
travma sonrası stres bozukluklarını tedavide nasıl yeni hedefler bulabileceğimiz--
09:54
a formform of uncontrolledkontrolsüz anxietyanksiyete and fearkorku.
250
579000
3000
kontrol edilemeyen bir endişe ve korku biçimi.
09:57
And one of the things that we did
251
582000
2000
Ve yaptığımız şeylerden biri
09:59
was to adoptbenimsemek a very classicalKlasik modelmodel of fearkorku.
252
584000
3000
korkunun klasik bir modelini benimsemekti.
10:02
This goesgider back to the PavlovianPavlov daysgünler.
253
587000
3000
Bu Pavlovcu günlere geri dönüş.
10:05
It's calleddenilen PavlovianPavlov fearkorku conditioningşartlandırma --
254
590000
2000
İsmi, Pavlovcu korku durumu--
10:07
where a toneton endsuçları with a briefkısa shockşok.
255
592000
2000
tonun kısa bir şokla bittiği yer.
10:09
The shockşok isn't painfulacı verici, but it's a little annoyingCan sıkıcı.
256
594000
2000
Bu çok acı verici değil fakat sinir bozucu nitelikte.
10:11
And over time -- in this casedurum, a mousefare,
257
596000
2000
Ve zamanla hayvan -- bu durumda
10:13
whichhangi is a good animalhayvan modelmodel, commonlyçoğunlukla used in suchböyle experimentsdeneyler --
258
598000
2000
deneylerde sıklıkla kullanılan ve iyi bir hayvan modeli olan fare --
10:15
the animalhayvan learnsöğrenir to fearkorku the toneton.
259
600000
2000
tondan korkmayı öğrenir.
10:17
The animalhayvan will reacttepki by freezingbuz gibi,
260
602000
2000
Hayvan donarak tepki verecektir,
10:19
sortçeşit of like a deergeyik in the headlightsfarlar.
261
604000
2000
farların önündeki bir geyik gibi.
10:21
Now the questionsoru is, what targetshedefler in the brainbeyin can we find
262
606000
3000
Bu noktada soru şu, beyinde bu korkuyla başa çıkmamızı
10:24
that allowizin vermek us to overcomeüstesinden gelmek this fearkorku?
263
609000
2000
sağlayacak hedefi nasıl bulabiliriz?
10:26
So what we do is we playoyun that toneton again
264
611000
2000
Ve yaptığımız şey ton korkuyla birleştikten sonra
10:28
after it's been associatedilişkili with fearkorku.
265
613000
2000
yeniden tonla oynamak.
10:30
But we activateetkinleştirmek targetshedefler in the brainbeyin, differentfarklı onesolanlar,
266
615000
2000
Hangi hedef hücrelerin beynin bu korku hafızasının
10:32
usingkullanma that opticaloptik fiberelyaf arraydizi I told you about in the previousönceki slidekaymak,
267
617000
3000
üstesinden gelmesini sağlayacağını denemek ve tahmin etmek için
10:35
in ordersipariş to try and figureşekil out whichhangi targetshedefler
268
620000
2000
daha önce anlattığım optik fiber düzenini kullanarak
10:37
can causesebeb olmak the brainbeyin to overcomeüstesinden gelmek that memorybellek of fearkorku.
269
622000
3000
beyindeki farklı hedefleri aktifleştirebiliriz.
10:40
And so this briefkısa videovideo
270
625000
2000
Ve bu kısa video
10:42
showsgösterileri you one of these targetshedefler that we're workingçalışma on now.
271
627000
2000
şu an üzerinde çalıştığımız bu hedeflerin birini gösteriyor.
10:44
This is an areaalan in the prefrontalprefrontal cortexkorteks,
272
629000
2000
Bu beynin frontal lobu önünde bulunan korteksteki bir alan,
10:46
a regionbölge where we can use cognitionbiliş to try to overcomeüstesinden gelmek aversiveitici emotionalduygusal statesdevletler.
273
631000
3000
ve itici duygusal durumlarla başa çıkabilmede kafa yorabileceğimiz bir alan.
10:49
And the animal'shayvanın going to hearduymak a toneton -- and a flashflaş of lightışık occurredoluştu there.
274
634000
2000
Hayvanın bir tonu duymak için gidişi-- ve orada oluşan flaş ışığı.
10:51
There's no audioses on this, but you can see the animal'shayvanın freezingbuz gibi.
275
636000
2000
Ses yok fakat hayvanın donuşunu görebilirsiniz.
10:53
This toneton used to mean badkötü newshaber.
276
638000
2000
Bu ton önceden kötü haberlerin belirtisiydi.
10:55
And there's a little clocksaat in the loweralt left-handsol cornerköşe,
277
640000
2000
Ve aşağıda sol el köşesindeki küçük saat sayesinde
10:57
so you can see the animalhayvan is about two minutesdakika into this.
278
642000
3000
hayvanın 2 dakika civarlarında olduğunu görebilirsiniz.
11:00
And now this nextSonraki clipklips
279
645000
2000
Ve şimdi sonraki klip
11:02
is just eightsekiz minutesdakika latersonra.
280
647000
2000
sadece 8 dakika sonrası.
11:04
And the sameaynı toneton is going to playoyun, and the lightışık is going to flashflaş again.
281
649000
3000
Ve aynı ton oynuyor, yine flaş patlayacak.
11:07
Okay, there it goesgider. Right now.
282
652000
3000
Tamam, şimdi geliyor.
11:10
And now you can see, just 10 minutesdakika into the experimentdeney,
283
655000
3000
Ve şu an görebilirsiniz, deneyin yalnızca 10. dakikasında,
11:13
that we'vebiz ettik equippeddonanımlı the brainbeyin by photoactivatingphotoactivating this areaalan
284
658000
3000
bu korku hafızası ifadesinin üstesinden gelebilmek için
11:16
to overcomeüstesinden gelmek the expressionifade
285
661000
2000
bu alanı ışıkla aktifleştirerek
11:18
of this fearkorku memorybellek.
286
663000
2000
beyni donattık.
11:20
Now over the last coupleçift of yearsyıl, we'vebiz ettik gonegitmiş back to the treeağaç of life
287
665000
3000
Ve son 2 yıldan fazla bir zaman önce yaşam ağacına geri döndük,
11:23
because we wanted to find waysyolları to turndönüş circuitsdevreler in the brainbeyin off.
288
668000
3000
çünkü beyindeki devreleri kapatmanın yollarını bulmaya çalışıyoruz.
11:26
If we could do that, this could be extremelyson derece powerfulgüçlü.
289
671000
3000
Eğer bunu yapabilseydik, bu büyük bir güç unsuru olurdu.
11:29
If you can deletesilmek cellshücreler just for a fewaz millisecondsmilisaniye or secondssaniye,
290
674000
3000
Eğer hücreleri birkaç milisaniye veya saniye içerisinde silebilirseniz,
11:32
you can figureşekil out what necessarygerekli rolerol they playoyun
291
677000
2000
içinde bulundukları devrede
11:34
in the circuitsdevreler in whichhangi they're embeddedgömülü.
292
679000
2000
hangi önemli rolleri oynadıklarını bulabilirsiniz.
11:36
And we'vebiz ettik now surveyedAnketin organismsorganizmalar from all over the treeağaç of life --
293
681000
2000
Ve şimdi hayat ağacının her tarafından organizmalar araştırmaktayız --
11:38
everyher kingdomkrallık of life exceptdışında for animalshayvanlar, we see slightlyhafifçe differentlyfarklı olarak.
294
683000
3000
hayvanlar dışındaki her canlı aleminde biraz farklılıklar gözlüyoruz.
11:41
And we foundbulunan all sortssıralar of moleculesmoleküller, they're calleddenilen halorhodopsinshalorhodopsins or archaerhodopsinsarchaerhodopsins,
295
686000
3000
Yeşil ve sarı ışığa karşılık veren bütün molekül çeşitlerini bulduk,
11:44
that respondyanıtlamak to greenyeşil and yellowSarı lightışık.
296
689000
2000
halorhodopsin veya archaerhodopsin olarak isimlendiriliyorlar.
11:46
And they do the oppositekarşısında thing of the moleculemolekül I told you about before
297
691000
2000
Ve daha önce bahsettiğim mavi ışık etkinleştiricisi olan
11:48
with the bluemavi lightışık activatorharekete geçirmek channelrhodopsinchannelrhodopsin.
298
693000
3000
channelrhodopsin molekülü ile zıt şeyleri yapıyorlar.
11:52
Let's give an exampleörnek of where we think this is going to go.
299
697000
3000
Şimdi bunun nereye gittiğini düşündüğümüze dair bir örnek verelim.
11:55
ConsiderDüşünün, for exampleörnek, a conditionşart like epilepsyepilepsi,
300
700000
3000
Mesela epilepsi gibi beynin fazla aktif
11:58
where the brainbeyin is overactiveaşırı aktif.
301
703000
2000
olduğu bir durum düşünün.
12:00
Now if drugsilaçlar failbaşarısız in epilepticepileptik treatmenttedavi,
302
705000
2000
Eğer ilaçlar epilepsiyi tedavide başarısız olursa
12:02
one of the strategiesstratejiler is to removeKaldır partBölüm of the brainbeyin.
303
707000
2000
bu stratejilerden bir tanesi beyinden kaldırılacaktır.
12:04
But that's obviouslybelli ki irreversiblegeri dönüşü olmayan, and there could be sideyan effectsetkileri.
304
709000
2000
Fakat bunun geri döndürülemez olduğu açık, ve yan etkileri olabilir.
12:06
What if we could just turndönüş off that brainbeyin for a briefkısa amounttutar of time,
305
711000
3000
Peki ya beyni çok kısa bir zaman içerisinde etkisizleştirebilirsek,
12:09
untila kadar the seizurehaciz dieskalıp away,
306
714000
3000
felç durumu kaybolana kadar,
12:12
and causesebeb olmak the brainbeyin to be restoredgeri to its initialilk statebelirtmek, bildirmek --
307
717000
3000
ve beynin ilk haline geri dönmesini sağlayabilirsek --
12:15
sortçeşit of like a dynamicaldinamik systemsistem that's beingolmak coaxedcoaxed down into a stablekararlı statebelirtmek, bildirmek.
308
720000
3000
sabit duruma ikna edilen bir çeşit dinamik sistem gibi.
12:18
So this animationanimasyon just triesçalışır to explainaçıklamak this conceptkavram
309
723000
3000
Bu yüzden bu animasyon yalnızca şu kavramı açıklamaya çalışıyor
12:21
where we madeyapılmış these cellshücreler sensitivehassas to beingolmak turneddönük off with lightışık,
310
726000
2000
hücreleri ışığın kapanmasına karşı duyarlı hale getirdik
12:23
and we beamışın lightışık in,
311
728000
2000
ve ışığı yoğunlaştırdık,
12:25
and just for the time it takes to shutkapamak down a seizurehaciz,
312
730000
2000
ve nöbeti durdurabilmek için yalnızca bir an gerekli,
12:27
we're hopingumut to be ableyapabilmek to turndönüş it off.
313
732000
2000
onu durdurabilmeyi umut ediyoruz.
12:29
And so we don't have dataveri to showgöstermek you on this frontön,
314
734000
2000
Bu sahada elimizde size gösterebilecek bilgiler yok,
12:31
but we're very excitedheyecanlı about this.
315
736000
2000
fakat bu konuda için çok heyecanlıyız.
12:33
Now I want to closekapat on one storyÖykü,
316
738000
2000
Şimdi bir hikayeyle kapatmak istiyorum,
12:35
whichhangi we think is anotherbir diğeri possibilityolasılık --
317
740000
2000
düşündüğümüz başka bir ihtimal ise --
12:37
whichhangi is that maybe these moleculesmoleküller, if you can do ultra-preciseultra-hassas controlkontrol,
318
742000
2000
eğer mükemmel kontrolü sağlayabilirseniz belki bu moleküller
12:39
can be used in the brainbeyin itselfkendisi
319
744000
2000
beynin kendi içinde,
12:41
to make a newyeni kindtür of prostheticProtez, an opticaloptik prostheticProtez.
320
746000
3000
yeni bir çeşit protez yapımında kullanılabilirler, bir optik protez.
12:44
I alreadyzaten told you that electricalelektrik stimulatorsuyarıcılar are not uncommonnadir.
321
749000
3000
Size zaten elektrik uyarıcıların çok yaygın olmadığını söylemiştim.
12:47
Seventy-fiveYetmiş beş thousandbin people have Parkinson'sParkinson deep-brainderin-beyin stimulatorsuyarıcılar implantedimplante.
322
752000
3000
75,000 insan Parkinson derin-beyin stimülasyonlarına sahipler.
12:50
Maybe 100,000 people have CochlearKoklear implantsimplantlar,
323
755000
2000
Belki 100,000 insan duymalarını
12:52
whichhangi allowizin vermek them to hearduymak.
324
757000
2000
koklear implantlara borçlular.
12:54
There's anotherbir diğeri thing, whichhangi is you've got to get these genesgenler into cellshücreler.
325
759000
3000
Bir şey daha var, hücrelere bu genleri almak zorunda olduğunuz.
12:57
And newyeni hopeumut in genegen therapyterapi has been developedgelişmiş
326
762000
3000
Gen terapisinde yeni bir umut gelişmekte
13:00
because virusesvirüsler like the adeno-associatedAdeno ilişkili virusvirüs,
327
765000
2000
çünkü muhtemelen bu odada bir çoğumuzun da sahip olduğu
13:02
whichhangi probablymuhtemelen mostçoğu of us around this roomoda have,
328
767000
2000
Adeno Assosiye Viruslere benzeyen virüsler
13:04
and it doesn't have any symptomssemptomlar,
329
769000
2000
beyne ya da vücuda genleri iletebilmek için
13:06
whichhangi have been used in hundredsyüzlerce of patientshastalar
330
771000
2000
yüzlerce hastalık için kullanıldılar,
13:08
to deliverteslim etmek genesgenler into the brainbeyin or the bodyvücut.
331
773000
2000
ve hiçbir belirtileri yok.
13:10
And so faruzak, there have not been seriousciddi adverseolumsuz eventsolaylar
332
775000
2000
Ve şimdiye dek bu virüsle bağlantılı
13:12
associatedilişkili with the virusvirüs.
333
777000
2000
ciddi kötü olaylarla karşılaşılmadı.
13:14
There's one last elephantfil in the roomoda, the proteinsproteinler themselveskendilerini,
334
779000
3000
Odada es geçilen son bir gerçek daha var,
13:17
whichhangi come from algaeyosun and bacteriabakteriler and fungimantar,
335
782000
2000
alg, bakteri ve mantarlardan gelen ve
13:19
and all over the treeağaç of life.
336
784000
2000
hayat ağacının her tarafında bulunan proteinlerin kendileri.
13:21
MostÇoğu of us don't have fungimantar or algaeyosun in our brainsbeyin,
337
786000
2000
Birçoğumuzun beyninde mantar veya algler yok,
13:23
so what is our brainbeyin going to do if we put that in?
338
788000
2000
o halde bunları beyne koyarsak beyin ne yapar?
13:25
Are the cellshücreler going to toleratekatlanmak it? Will the immunebağışık systemsistem reacttepki?
339
790000
2000
Hücreler bunu hoş görüyle karşılar mı? Bağışıklık sistemi tepki gösterir mi?
13:27
In its earlyerken daysgünler -- these have not been donetamam on humansinsanlar yethenüz --
340
792000
2000
İlk günlerde -- henüz insanlar üzerinde denenmedi--
13:29
but we're workingçalışma on a varietyvaryete of studiesçalışmalar
341
794000
2000
bunu denemek ve anlamak için
13:31
to try and examineincelemek this,
342
796000
2000
çeşitli çalışmalarda bulunduk.
13:33
and so faruzak we haven'tyok seengörüldü overtaçık reactionsreaksiyonları of any severityönem derecesi
343
798000
3000
Ve şimdiye kadar açık olarak bu moleküllere ya da
13:36
to these moleculesmoleküller
344
801000
2000
beynin ışıkla aydınlatılmasına karşı
13:38
or to the illuminationaydınlatma of the brainbeyin with lightışık.
345
803000
3000
herhangi bir güçlüğe dayalı aleni reaksiyonlar görmedik.
13:41
So it's earlyerken daysgünler, to be upfrontayarlıyoruz, but we're excitedheyecanlı about it.
346
806000
3000
Evet, bunlar daha ilk günler, fakat meraklı ve heyecanlıyız.
13:44
I wanted to closekapat with one storyÖykü,
347
809000
2000
Bunu potansiyel olarak
13:46
whichhangi we think could potentiallypotansiyel
348
811000
2000
klinik bir uygulama olabileceğini düşündüğümüz
13:48
be a clinicalklinik applicationuygulama.
349
813000
2000
bir hikayeyle kapatmak istiyorum.
13:50
Now there are manyçok formsformlar of blindnesskörlük
350
815000
2000
Körlüğün çok çeşitleri var,
13:52
where the photoreceptorsfotoreseptör,
351
817000
2000
bunlarda gözümüzün arkasındaki ışık algılayıcıları
13:54
our lightışık sensorssensörler that are in the back of our eyegöz, are gonegitmiş.
352
819000
3000
olan fotoreseptörler yitiriliyor.
13:57
And the retinaretina, of coursekurs, is a complexkarmaşık structureyapı.
353
822000
2000
Ve tabi ki retina karmaşık bir yapı.
13:59
Now let's zoomyakınlaştırma in on it here, so we can see it in more detaildetay.
354
824000
2000
Şimdi ona yaklaşalım ve daha detaylı görelim.
14:01
The photoreceptorphotoreceptor cellshücreler are showngösterilen here at the topüst,
355
826000
3000
Fotoreseptör hücreleri burada yukarıda görünüyor,
14:04
and then the signalssinyalleri that are detectedtespit by the photoreceptorsfotoreseptör
356
829000
2000
ve sonra fotoreseptörlerle algılanan sinyaller
14:06
are transformeddönüştürülmüş by variousçeşitli computationshesaplamalar
357
831000
2000
sonunda aşağıdaki bu hücre tabakası olan ganglion hücreleri,
14:08
untila kadar finallyen sonunda that layertabaka of cellshücreler at the bottomalt, the ganglionsinir düğümü cellshücreler,
358
833000
3000
bilgiyi beyine iletinceye kadar,
14:11
relayRöle the informationbilgi to the brainbeyin,
359
836000
2000
ki biz bunu burada algı olarak görüyoruz,
14:13
where we see that as perceptionalgı.
360
838000
2000
farklı hesaplamalarla değişiyorlar.
14:15
In manyçok formsformlar of blindnesskörlük, like retinitisRetinitis pigmentosaPigmentosa,
361
840000
3000
Körlüğün retinis pigmentosa veya
14:18
or macularyaşa bağlı makula degenerationdejenerasyon,
362
843000
2000
moleküler dejenarasyon gibi bir çok çeşidinde,
14:20
the photoreceptorphotoreceptor cellshücreler have atrophiedkörelmiş or been destroyedyerlebir edilmiş.
363
845000
3000
fotoreseptör hücreler çökermiş veya yıpranmıştır.
14:23
Now how could you repaironarım this?
364
848000
2000
O halde bunu nasıl tamir ederiz?
14:25
It's not even clearaçık that a drugilaç could causesebeb olmak this to be restoredgeri,
365
850000
3000
Bir ilacın buna sebebiyet verebileceği konusu henüz net değil,
14:28
because there's nothing for the drugilaç to bindbağlamak to.
366
853000
2000
çünkü ilacın bağlanabileceği bir şey yok.
14:30
On the other handel, lightışık can still get into the eyegöz.
367
855000
2000
Diğer yandan, ışık hala göze girebiilyor.
14:32
The eyegöz is still transparentşeffaf and you can get lightışık in.
368
857000
3000
Işık hala geçirgen ve onu içeri alabiliyorsunuz.
14:35
So what if we could just take these channelrhodopsinschannelrhodopsins and other moleculesmoleküller
369
860000
3000
Peki ya yalnızca bu channelrhodopsin ve diğer molekülleri alabilirsek
14:38
and installkurmak them on some of these other spareyedek cellshücreler
370
863000
2000
ve onları diğer boş hücrelerin bir kısmı üzerine yerleştirip
14:40
and convertdönüştürmek them into little cameraskameralar.
371
865000
2000
onları küçük kameralara çevirebilirsek?
14:42
And because there's so manyçok of these cellshücreler in the eyegöz,
372
867000
2000
Ve gözde bu hücrelerden çok fazla sayıda olduğu için,
14:44
potentiallypotansiyel, they could be very high-resolutionyüksek çözünürlük cameraskameralar.
373
869000
3000
potansiyel olarak yüksek çözünürlükte kameralar olacaklardır.
14:47
So this is some work that we're doing.
374
872000
2000
Bu bizim çalışmalarımız arasında yer alıyor.
14:49
It's beingolmak led by one of our collaboratorsortak çalışanlar,
375
874000
2000
İş ortaklarımızdan biri olan USC'den Alan Horsager
14:51
AlanAlan HorsagerHorsager at USCUSC,
376
876000
2000
tarafından başlatıldı ve
14:53
and beingolmak soughtaranan to be commercializedticari by a start-upbaşlangıç companyşirket EosEOS NeuroscienceNörolojik,
377
878000
3000
Eos Neuroscience adında bir kuruluş tarafından ticarete dökülüyor,
14:56
whichhangi is fundedfinanse by the NIHNIH.
378
881000
2000
NIH taradından finanse ediliyor.
14:58
And what you see here is a mousefare tryingçalışıyor to solveçözmek a mazeLabirent.
379
883000
2000
Ve burada gördüğünüz şey bir farenin labirenti çözmeye çalışması.
15:00
It's a six-armaltı kollu mazeLabirent. And there's a bitbit of waterSu in the mazeLabirent
380
885000
2000
Bu 6 kollu bir labirent. Ve farenin hareketini canladırmak için
15:02
to motivatemotive etmek the mousefare to movehareket, or he'llo olacak just sitoturmak there.
381
887000
2000
içinde biraz su var, değilse olduğu yerde otururdu yalnızca.
15:04
And the goalhedef, of coursekurs, of this mazeLabirent
382
889000
2000
Ve tabi ki labirentteki hedefi
15:06
is to get out of the waterSu and go to a little platformplatform
383
891000
2000
sudan çıkıp bu ışık kalesinin altındaki
15:08
that's underaltında the litAydınlatılmış topüst portLiman.
384
893000
2000
küçük bir bölgeye gitmek.
15:10
Now micefareler are smartakıllı, so this mousefare solvesçözer the mazeLabirent eventuallysonunda,
385
895000
3000
Fare zeki ve nihayetinde labirenti çözüyor,
15:13
but he does a brute-forcekaba kuvvet searcharama.
386
898000
2000
ama çıkış yolunu kendini yırtarcasına arıyor.
15:15
He's swimmingyüzme down everyher avenuecadde untila kadar he finallyen sonunda getsalır to the platformplatform.
387
900000
3000
Düz zemini buluncaya kadar karşısına çıkan her yoldan aşağı doğru yüzüyor.
15:18
So he's not usingkullanma visionvizyon to do it.
388
903000
2000
Bunu yapmak için görme yetisini kullanmıyor.
15:20
These differentfarklı micefareler are differentfarklı mutationsmutasyonlar
389
905000
2000
Bu farklı fareler insanları etkileyen farklı türdeki
15:22
that recapitulateyinelemek differentfarklı kindsçeşit of blindnesskörlük that affectetkilemek humansinsanlar.
390
907000
3000
körlükleri tanımlayan çeşitli mutasyonlar.
15:25
And so we're beingolmak carefuldikkatli in tryingçalışıyor to look at these differentfarklı modelsmodeller
391
910000
3000
Ve bu farklı modellere bakmaya çalışırken çok dikkatli olmaya çalışıyoruz,
15:28
so we come up with a generalizedgenelleştirilmiş approachyaklaşım.
392
913000
2000
böylelikle daha geniş bir yaklaşım ileri sürüyoruz.
15:30
So how are we going to solveçözmek this?
393
915000
2000
Peki bunu nasıl çözeceğiz?
15:32
We're going to do exactlykesinlikle what we outlinedana hatlar in the previousönceki slidekaymak.
394
917000
2000
Yapacağımız şey, tam olarak bir önceki slaytta altını çizdiğimiz şey.
15:34
We're going to take these bluemavi lightışık photosensorsphotosensors
395
919000
2000
Bu mavi ışıklı fotosensörleri alarak
15:36
and installkurmak them on a layertabaka of cellshücreler
396
921000
2000
hücrenin bir tabakasına yerleştireceğiz,
15:38
in the middleorta of the retinaretina in the back of the eyegöz
397
923000
3000
gözün arkasındaki retinanın ortasına
15:41
and convertdönüştürmek them into a camerakamera --
398
926000
2000
ve onları bir kameraya çevireceğiz.
15:43
just like installingYükleme solargüneş cellshücreler all over those neuronsnöronlar
399
928000
2000
Tıpkı bu nöronları ışığa duyarlı hale getirmek için
15:45
to make them lightışık sensitivehassas.
400
930000
2000
onların her tarafındaki solar hücreleri yerleştirdiğimiz gibi.
15:47
LightIşık is converteddönüştürülmüş to electricityelektrik on them.
401
932000
2000
Işık onlar üzerinde elektriğe dönüşüyor.
15:49
So this mousefare was blindkör a coupleçift weekshaftalar before this experimentdeney
402
934000
3000
Bu fare deneyden 2 hafta önce kördü
15:52
and receivedAlınan one dosedoz of this photosensitiveışığa duyarlı moleculemolekül in a virusvirüs.
403
937000
3000
ve bir virüsteki ışığa duyarlı molekülden bir doz aldı.
15:55
And now you can see, the animalhayvan can indeedaslında avoidönlemek wallsduvarlar
404
940000
2000
Ve şimdi hayvanın duvarlara çarpmaktan sakınabildiğini
15:57
and go to this little platformplatform
405
942000
2000
ve bu küçük platforma gittiğini
15:59
and make cognitivebilişsel use of its eyesgözleri again.
406
944000
3000
ve gözlerini bilinçli olarak tekrardan nasıl kullandığını görebilirsiniz.
16:02
And to pointpuan out the powergüç of this:
407
947000
2000
Bu güç şuna işaret ediyor:
16:04
these animalshayvanlar are ableyapabilmek to get to that platformplatform
408
949000
2000
bu hayvanlar hayatları boyunca gördükleri hayvanlar kadar
16:06
just as fasthızlı as animalshayvanlar that have seengörüldü theironların entiretüm liveshayatları.
409
951000
2000
hızlı bir şekilde platforma ulaşmayı başarabiliyorlar.
16:08
So this pre-clinicalönceden klinik studyders çalışma, I think,
410
953000
2000
Bu ön klinik çalışma, bence,
16:10
bodesbodes hopeumut for the kindsçeşit of things
411
955000
2000
gelecekte başarmak istediğimiz türdeki
16:12
we're hopingumut to do in the futuregelecek.
412
957000
2000
umutlara işaret ediyor.
16:14
To closekapat, I want to pointpuan out that we're alsoAyrıca exploringkeşfetmek
413
959000
3000
Son olarak, nöroteknolojinin bu yeni alanı için
16:17
newyeni business modelsmodeller for this newyeni fieldalan of neurotechnologyNÖROTEKNOLOJİ.
414
962000
2000
yeni iş modelleri keşfediyor olduğumuzu da belirtmek istiyorum.
16:19
We're developinggelişen these toolsaraçlar,
415
964000
2000
Bu araçları geliştiriyoruz,
16:21
but we sharepay them freelyserbestçe with hundredsyüzlerce of groupsgruplar all over the worldDünya,
416
966000
2000
fakat onları dünyanın her tarafından yüzlerce grupla ücretsiz olarak paylaşıyoruz,
16:23
so people can studyders çalışma and try to treattedavi etmek differentfarklı disordersbozukluklar.
417
968000
2000
böylece insanlar farklı hastalıkları tedavi etmeye çalışabiliyorlar.
16:25
And our hopeumut is that, by figuringendam out brainbeyin circuitsdevreler
418
970000
3000
Ve umudumuz o ki, beyin devrelerini onları yeniden planlayıp
16:28
at a levelseviye of abstractionsoyutlama that letsHaydi us repaironarım them and engineermühendis them,
419
973000
3000
düzenleyebilecek kadar çözerek, daha önce bahsettiğim
16:31
we can take some of these intractablezorlu disordersbozukluklar that I told you about earlierdaha erken,
420
976000
3000
inatçı hastalıkların bazılarını ele alabiliriz,
16:34
practicallypratikte noneYok of whichhangi are curedtedavi,
421
979000
2000
ve pratikte hiç birinin tedavi edilemediği bu hastalıkları
16:36
and in the 21stst centuryyüzyıl make them historytarih.
422
981000
2000
21. yüzyılda bunları tarih yapabiliriz.
16:38
Thank you.
423
983000
2000
Teşekkür ederim.
16:40
(ApplauseAlkış)
424
985000
13000
(Alkışlar)
16:53
JuanJuan EnriquezEnriquez: So some of the stuffşey is a little denseyoğun.
425
998000
3000
Juan Enriquez: Evet bazı şeyler biraz zor anlaşılır.
16:56
(LaughterKahkaha)
426
1001000
2000
(Kahkahalar)
16:58
But the implicationsetkileri
427
1003000
2000
Ama bütün bunlar
17:00
of beingolmak ableyapabilmek to controlkontrol seizuresnöbetler or epilepsyepilepsi
428
1005000
3000
ilaç yerine ışık yoluyla epilepsi ya da felçlerin
17:03
with lightışık insteadyerine of drugsilaçlar,
429
1008000
2000
kontrol altına alınabileceğini gösteriyor
17:05
and beingolmak ableyapabilmek to targethedef those specificallyözellikle
430
1010000
3000
ve belirli bir şekilde bunları hedefleyebilmek
17:08
is a first stepadım.
431
1013000
2000
ilk adım.
17:10
The secondikinci thing that I think I heardduymuş you say
432
1015000
2000
Söylediğinizi duyduğumu düşündüğüm ikinci şey
17:12
is you can now controlkontrol the brainbeyin in two colorsrenkler,
433
1017000
3000
beyni şu an 2 renkle kontrol edebiliyor olmanız.
17:15
like an on/off switchşalter.
434
1020000
2000
Bir açma/kapama anahtarı gibi.
17:17
EdEd BoydenBoyden: That's right.
435
1022000
2000
Ed Boyden: Bu doğru.
17:19
JEJE: WhichHangi makesmarkaları everyher impulsedürtü going throughvasitasiyla the brainbeyin a binaryikili codekod.
436
1024000
3000
JE: Beyne giden her uyarıyı ikili bir koda dönüştüren bir anahtar.
17:22
EBEB: Right, yeah.
437
1027000
2000
EB: Doğru, evet.
17:24
So with bluemavi lightışık, we can drivesürücü informationbilgi, and it's in the formform of a one.
438
1029000
3000
Yani mavi ışık ile bilgileri yürütebiliyoruz, ve bu bir 1 kodu.
17:27
And by turningdöndürme things off, it's more or lessaz a zerosıfır.
439
1032000
2000
Ve yumuşatılmasıyla, bu neredeyse 0 oluyor.
17:29
So our hopeumut is to eventuallysonunda buildinşa etmek brainbeyin coprocessorsişIemciIere
440
1034000
2000
Bu yüzden birim ümidimiz beyin ile çalışan
17:31
that work with the brainbeyin
441
1036000
2000
yardımcı beyin işlemcileri icat etmek,
17:33
so we can augmentçoğaltmak functionsfonksiyonlar in people with disabilitiesEngelli.
442
1038000
3000
böylelikle hastalardaki fonksiyonları büyütebiliriz.
17:36
JEJE: And in theoryteori, that meansanlamına geliyor that,
443
1041000
2000
JE: Ve teoride, bu şu anlama geliyor,
17:38
as a mousefare feelshissediyor, smellskokuyor,
444
1043000
2000
hisseden, koklayan
17:40
hearsduyar, touchesdokunuşlar,
445
1045000
2000
duyan, dokunan bir fare,
17:42
you can modelmodel it out as a stringsicim of onesolanlar and zerossıfır.
446
1047000
3000
ve siz onu birler ve sıfırlar zinciriyle modelleyebiliyorsunuz.
17:45
EBEB: Sure, yeah. We're hopingumut to use this as a way of testingtest yapmak
447
1050000
2000
EB: Kesinlikle, evet. Bunu sinirsel kodların bazı davranışları
17:47
what neuralsinirsel codeskodları can drivesürücü certainbelli behaviorsdavranışlar
448
1052000
2000
ve bazı düşünce ve hisleri nasıl yönettiğini
17:49
and certainbelli thoughtsdüşünceler and certainbelli feelingsduygular,
449
1054000
2000
test etmek için bir yol olarak kullanmayı
17:51
and use that to understandanlama more about the brainbeyin.
450
1056000
3000
ve beyni daha iyi anlamayı umut ediyoruz.
17:54
JEJE: Does that mean that some day you could downloadindir memorieshatıralar
451
1059000
3000
JE: Bu günün birinde hafızalardan bilgiyi indirebileceğiniz
17:57
and maybe uploadyüklemek them?
452
1062000
2000
ve belki de hafızalara bilgiyi yükleyebileceğiniz anlamına mı geliyor?
17:59
EBEB: Well that's something we're startingbaşlangıç to work on very hardzor.
453
1064000
2000
EB: Bu üzerinde çalışmaya başladığımız bir şey.
18:01
We're now workingçalışma on some work
454
1066000
2000
Şu anki çalışmamızda aynı zamanda
18:03
where we're tryingçalışıyor to tilefayans the brainbeyin with recordingkayıt elementselementler too.
455
1068000
2000
beyni kayıt maddeleriyle kaplamaya çalışıyoruz.
18:05
So we can recordkayıt informationbilgi and then drivesürücü informationbilgi back in --
456
1070000
3000
Böylelikle bilgileri kaydedip geri içeri sokabileceğiz --
18:08
sortçeşit of computingbilgi işlem what the brainbeyin needsihtiyaçlar
457
1073000
2000
beynin bilgi işleyişini genişletebilmek amacıyla
18:10
in ordersipariş to augmentçoğaltmak its informationbilgi processingişleme.
458
1075000
2000
ihtiyaç duyduğu bir çeşit hesaplama.
18:12
JEJE: Well, that mightbelki changedeğişiklik a coupleçift things. Thank you. (EBEB: Thank you.)
459
1077000
3000
JE: Güzel, bu bir şeyleri değiştirebilir. Teşekkürler. (EB: Teşekkürler.)
18:15
(ApplauseAlkış)
460
1080000
3000
(Alkışlar)
Translated by ŞEYDANUR TIKIR
Reviewed by Meric Aydonat

▲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