Allan Jones: A map of the brain

164,817 views ・ 2011-11-10

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

المترجم: Tofig Ahmed المدقّق: Anwar Dafa-Alla
00:15
Humans have long held a fascination
0
15260
2000
البشر مفتونون منذ مدةٍ طويلة
00:17
for the human brain.
1
17260
2000
بالدماغ البشري.
00:19
We chart it, we've described it,
2
19260
3000
عملنا جداول له ، وقمنا بوصفه ،
00:22
we've drawn it,
3
22260
2000
ورسمناه ،
00:24
we've mapped it.
4
24260
3000
وعملنا خرائط لأجزائه.
00:27
Now just like the physical maps of our world
5
27260
3000
والان ومثلما هو للخرائط الطبيعية لعالمنا
00:30
that have been highly influenced by technology --
6
30260
3000
والتي استفادت كثيراً من التقنية --
00:33
think Google Maps,
7
33260
2000
فكروا بخرائط غوغل ،
00:35
think GPS --
8
35260
2000
فكروا بنظام تحديد المواقع الـ GPS --
00:37
the same thing is happening for brain mapping
9
37260
2000
والشيء نفسه يحدث الآن لخرائط الدماغ
00:39
through transformation.
10
39260
2000
عن طريق النسخ.
00:41
So let's take a look at the brain.
11
41260
2000
لذا لنلقي نظرة على الدماغ.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
الكثير من الناس ،عندما ينظرون لأول مرةٍ إلى دماغٍ بشري طبيعي ،
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
يقولون ، " إنه لا يبدوا كما يتوقعه المرء
00:49
when someone shows you a brain."
14
49260
2000
عندما يريك إياه شخصٌ ما."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
في الحقيقة ، إن ما ترونه الان عبارة عن دماغٍ مثبّت. وهو يبدوا رمادياً.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
وهذه الطبقة الخارجية ، عبارة عن شبكة من الأوعية الدموية.
00:56
which is incredible, around a human brain.
17
56260
2000
وهي مدهشة ، وتحيط بالدماغ البشري.
00:58
This is the blood vessels.
18
58260
2000
وهذه هي الأوعية الدموية.
01:00
20 percent of the oxygen
19
60260
3000
20% من الأوكسجين
01:03
coming from your lungs,
20
63260
2000
والقادم من الرئتين ،
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
20% من الدم المتدفق من القلب ،
01:07
is servicing this one organ.
22
67260
2000
يخدم هذا العضو الوحيد.
01:09
That's basically, if you hold two fists together,
23
69260
2000
وهذا ببساطة ، مايوازي حجم قبضتين ،
01:11
it's just slightly larger than the two fists.
24
71260
2000
بل هي أكبر بقليل من حجم القبضتين.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
العلماء ، نوعاً ما في نهاية القرن العشرين ،
01:16
learned that they could track blood flow
26
76260
2000
تعلموا أنه بإمكانهم مراقبة تدفق الدم
01:18
to map non-invasively
27
78260
3000
لعمل خريطة و بدون عملية جراحية
01:21
where activity was going on in the human brain.
28
81260
3000
للأماكن النشطة في الدماغ البشري.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
لذا على سبيل المثال ، بإمكانهم رؤية الجزء الخلفي من الدماغ ،
01:27
which is just turning around there.
30
87260
2000
وإذا نظرنا في تلك الجهة
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
سنشاهد المخيخ ، والذي يبقيكم متزنين في هذه اللحظة.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
وهو يبقيني واقفاً الآن. فهو المسؤول عن الحركة المتناسقة.
01:34
On the side here, this is temporal cortex.
33
94260
3000
وفي هذا الجانب ، هذا هو الغشاء الصدغي.
01:37
This is the area where primary auditory processing --
34
97260
3000
وهذه هي المنطقة التي تتم فيها المعالجات الأولية السمعية --
01:40
so you're hearing my words,
35
100260
2000
حتى تتمكنوا من سماعي.
01:42
you're sending it up into higher language processing centers.
36
102260
2000
إنكم ترسلونها إلى الأعلى إلى مراكز معالجة اللغة.
01:44
Towards the front of the brain
37
104260
2000
باتجاه مقدمة الدماغ
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
حيث تتم جميع العمليات المعقدة ، واتخاذ القرارات --
01:49
it's the last to mature in late adulthood.
39
109260
4000
وهو آخر جزءٍ ينضج أثناء مرحلة البلوغ.
01:53
This is where all your decision-making processes are going on.
40
113260
3000
هنا حيث تتم جميع عمليات اتخاذ القرارات.
01:56
It's the place where you're deciding right now
41
116260
2000
إنه المكان الذي تتخذون فيه قراراتكم الآن
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
من المحتمل أنكم لن تطلبوا شريحة لحم على العشاء.
02:01
So if you take a deeper look at the brain,
43
121260
2000
وإذا أخذتم نظرةً عميقة إلى الدماغ ،
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
وأحد الأشياء ، إذا نظرتم إليها مقطعياً ،
02:05
what you can see
45
125260
2000
ما تلاحظونه
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
أنه لا يبدوا أن هناك بنيةً متكاملةً هناك.
02:10
But there's actually a lot of structure there.
47
130260
2000
ولكن في الحقيقة فهناك بنى متكاملة ضخمة.
02:12
It's cells and it's wires all wired together.
48
132260
2000
خلاياها و روابطها مرتبطةٌ ببعضها.
02:14
So about a hundred years ago,
49
134260
2000
إذ قبل مائة سنةٍ تقريباً ،
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
اخترع بعض العلماء صبغةً لصبغ بعض الخلايا.
02:18
And that's shown here in the the very light blue.
51
138260
3000
وهذا يمكن مشاهدته هنا باللون الأزرق الخفيف.
02:21
You can see areas
52
141260
2000
بإمكانكم مشاهدة مناطق
02:23
where neuronal cell bodies are being stained.
53
143260
2000
حيث تم صبغ خلايا الجسم العادية.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
و يمكنكم ملاحظة عدم تطابقها. وتشاهدون الكثير من البنية المتماسكة هناك.
02:28
So the outer part of that brain
55
148260
2000
لذا فالجزء الخارجي من ذلك الدماغ
02:30
is the neocortex.
56
150260
2000
هي القشرة الدماغية.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
إنها مثل وحدة معالجةٍ دائمة.
02:35
But you can also see things underneath there as well.
58
155260
2000
ولكن بإمكانكم أيضاً مشاهدة أشياء في الأسفل.
02:37
And all of these blank areas
59
157260
2000
وكل تلك المناطق الخالية
02:39
are the areas in which the wires are running through.
60
159260
2000
عبارة عن مسارات لكل تلك الروابط.
02:41
They're probably less cell dense.
61
161260
2000
وهي أقل كثافةً بالخلايا.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
إذ أن هناك 86 بليون خلية عصبية في دماغنا.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
وبإمكانكم ملاحظة أنها موزعةٌ توزيعاً غير منتظم.
02:50
And how they're distributed really contributes
64
170260
2000
وطريقة توزيعها بالفعل يتناسب
02:52
to their underlying function.
65
172260
2000
مع وظائفها الأولية.
02:54
And of course, as I mentioned before,
66
174260
2000
وبالطبع ، كما ذكرت سابقاً ،
02:56
since we can now start to map brain function,
67
176260
3000
حيث بإمكاننا الآن بدء عمل خريطةٍ لوظائف الدماغ ،
02:59
we can start to tie these into the individual cells.
68
179260
3000
وبالتالي بإمكاننا ربط تلك الوظائف بخلايا معينة.
03:02
So let's take a deeper look.
69
182260
2000
لذا لنلقي نظرة أعمق.
03:04
Let's look at neurons.
70
184260
2000
للنظر إلى الخلايا العصبية.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
وكما ذكرت ، فهناك 86 بليون خلية عصبية.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
وهناك أيضاً تلك الخلايا الصغيرة كما ستشاهدون.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
وهي خلايا دعم -- الخلايا النجمية الدبقية.
03:12
And the nerves themselves
74
192260
3000
وأيضاً الأعصاب
03:15
are the ones who are receiving input.
75
195260
2000
وهي التي تستقبل المعلومات.
03:17
They're storing it, they're processing it.
76
197260
2000
وهي تخزنها ، وتعالجها.
03:19
Each neuron is connected via synapses
77
199260
4000
وكل خليةٍ عصبية مرتبطة بواسطة وصلات
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
إلى مايقارب 10,000 خلية عصبية أخرى في أدمغتكم.
03:26
And each neuron itself
79
206260
2000
وكل خليةٍ عصبية
03:28
is largely unique.
80
208260
2000
فريدةٌ من نوعها.
03:30
The unique character of both individual neurons
81
210260
2000
الصفات الفريدة في كل خلية
03:32
and neurons within a collection of the brain
82
212260
2000
وفي كل مجموعةٍ من الخلايا في الدماغ
03:34
are driven by fundamental properties
83
214260
3000
تتميز بخصائص أساسية
03:37
of their underlying biochemistry.
84
217260
2000
لتكوينها الكيميائي الأولي.
03:39
These are proteins.
85
219260
2000
وهي البروتينات.
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
البروتينات هي التي تتحكم بأشياء مثل حركة الأنبوب الأيونية.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
وهي التي تتحكم بمن ترتبط به خلايا النظام العصبي.
03:48
And they're controlling
88
228260
2000
وهي تتحكم
03:50
basically everything that the nervous system has to do.
89
230260
2000
ببساطة بكل شيءٍ يقوم به النظام العصبي.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
وإذا كبرنا الصورة أكثر لمستوى أعمق.
03:55
all of those proteins
91
235260
2000
كل تلك البروتينات
03:57
are encoded by our genomes.
92
237260
2000
مرمّزةٌ في الجينومات لدينا.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
لدينا 23 زوجاً من الكروموسومات.
04:02
We get one from mom, one from dad.
94
242260
2000
نحصل على واحدة من الأم وواحدة من الأب.
04:04
And on these chromosomes
95
244260
2000
وفي تلك الكروموسومات
04:06
are roughly 25,000 genes.
96
246260
2000
مايقارب الـ 25,000 جين.
04:08
They're encoded in the DNA.
97
248260
2000
وهي مرمّزة في الحمض النووي الـ DNA.
04:10
And the nature of a given cell
98
250260
3000
وطبيعة أي خلية
04:13
driving its underlying biochemistry
99
253260
2000
و ببنيتها البيوكيميائية الأساسية
04:15
is dictated by which of these 25,000 genes
100
255260
3000
تتحدّد بكون أيٍ من تلك الجينات الـ 25,000
04:18
are turned on
101
258260
2000
نشطاً
04:20
and at what level they're turned on.
102
260260
2000
ولأي مستوى.
04:22
And so our project
103
262260
2000
لذا فمشروعنا
04:24
is seeking to look at this readout,
104
264260
3000
يبحث في النظر إلى تلك القراءات ،
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
لفهم أيٍ من تلك الجينات الـ 25,000 نشط.
04:30
So in order to undertake such a project,
106
270260
3000
وللقيام بمشروعٍ مثل هذا ،
04:33
we obviously need brains.
107
273260
3000
من الواضح أننا نحتاج إلى أدمغة.
04:36
So we sent our lab technician out.
108
276260
3000
لذا أطلقنا تقني مختبرنا:
04:39
We were seeking normal human brains.
109
279260
2000
كنا نبحث عن أدمغةٍ بشريةٍ طبيعية.
04:41
What we actually start with
110
281260
2000
وما بدأنا به
04:43
is a medical examiner's office.
111
283260
2000
هو مكتب الطبيب الشرعي.
04:45
This a place where the dead are brought in.
112
285260
2000
وهو المكان الذي تُحضر إليه الجثث.
04:47
We are seeking normal human brains.
113
287260
2000
نحن نبحث عن أدمغةٍ بشريةٍ طبيعية.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
وهناك الكثير من المواصفات التي ننتقي على أساسها تلك الأدمغة.
04:52
We want to make sure
115
292260
2000
نريد أن نتأكد
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
من أننا نحصل على أناسٍ طبيعيين بين عمري الـ 20 والـ 60 ،
04:57
they died a somewhat natural death
117
297260
2000
وماتوا بسببٍ طبيعي
04:59
with no injury to the brain,
118
299260
2000
بدون إصاباتٍ في الدماغ.
05:01
no history of psychiatric disease,
119
301260
2000
وبدون تاريخ بمرضٍ عقلي ،
05:03
no drugs on board --
120
303260
2000
وبدون تناول مخدرات --
05:05
we do a toxicology workup.
121
305260
2000
نقوم بعمل فحصٍ للسموم.
05:07
And we're very careful
122
307260
2000
فنحن حذرون جداً
05:09
about the brains that we do take.
123
309260
2000
في انتقاءنا للأدمغة التي نختارها.
05:11
We're also selecting for brains
124
311260
2000
ونحن أيضاً نختار الأدمغة
05:13
in which we can get the tissue,
125
313260
2000
التي بإمكاننا أن نحصل منها على أنسجة ،
05:15
we can get consent to take the tissue
126
315260
2000
قد يتعين علينا الحصول على موافقة لأخذ الأنسجة
05:17
within 24 hours of time of death.
127
317260
2000
خلال 24 ساعة من وقت الوفاة.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
لأن ما نريد قياسه ، الـ RNA --
05:22
which is the readout from our genes --
129
322260
2000
وهي القراءات التي نحصل عليها من جيناتنا --
05:24
is very labile,
130
324260
2000
غير مستقرة تماماً ،
05:26
and so we have to move very quickly.
131
326260
2000
لذا يتعين علينا التحرك بسرعةٍ كبيرة.
05:28
One side note on the collection of brains:
132
328260
3000
هناك ملاحظة جانبية في موضوع تجميع الأدمغة :
05:31
because of the way that we collect,
133
331260
2000
بسبب الطريقة التي نجمع فيها الأدمغة ،
05:33
and because we require consent,
134
333260
2000
ولأننا بحاجةٍ إلى الحصول على موافقة ،
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
فإننا فعلياً حصلنا على أدمغةٍ من الذكور أكثر بكثير من الإناث.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
الذكور أكثر عرضةً للموت العرضي في شبابهم.
05:41
And men are much more likely
137
341260
2000
وفي الذكور من الأسهل
05:43
to have their significant other, spouse, give consent
138
343260
3000
الحصول على الموافقة ، من رفيق حياتهم ،
05:46
than the other way around.
139
346260
2000
مما هي عليه الحال في حالة الإناث.
05:48
(Laughter)
140
348260
4000
(ضحك)
05:52
So the first thing that we do at the site of collection
141
352260
2000
لذا أول عملٍ نقوم به في موقع التجميع
05:54
is we collect what's called an MR.
142
354260
2000
هو أخذ مايسمى بالـ MR.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
وهذا هو التصوير بالرنين المغناطيسي -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
358260
3000
إنه عبارة عن نموذجٍ قياسي والتي بوسيلتها سنتمكن من حفظ المعلومات.
06:01
So we collect this MR.
145
361260
2000
لذا نجمع ذلك الـ MR.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
بإمكانكم تشبيهها بصور القمر الصناعي لخرائطنا.
06:05
The next thing we do
147
365260
2000
والخطوة التالية التي نقوم بها
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
هي أن نجمع ما يسمى صور المياه المحتجزة في الأنسجة DTI
06:10
This maps the large cabling in the brain.
149
370260
2000
وهذا ما يمكننا من عمل خرائط للروابط الهائلة في الدماغ.
06:12
And again, you can think of this
150
372260
2000
ومرةً أخرى ، يمكنكم تشبيهها
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
بخرائط الطرق السريعة بين الولايات ، مع فارق التشبيه.
06:16
The brain is removed from the skull,
152
376260
2000
ثم يتم استخراج الدماغ من الجمجمة ،
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
وتقطّع إلى شرائح بسمك 1 سنتيمتر.
06:21
And those are frozen solid,
154
381260
2000
وتجمد تلك الشرائح وتحفظ ،
06:23
and they're shipped to Seattle.
155
383260
2000
ومن ثم ترسل إلى مدينة سياتل.
06:25
And in Seattle, we take these --
156
385260
2000
وفي سياتل ، نأخذ تلك --
06:27
this is a whole human hemisphere --
157
387260
2000
هذا عبارة عن نصف كرة دماغية --
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
و نضعها في جهاز تقليمٍ للحم.
06:31
There's a blade here that's going to cut across
159
391260
2000
هناك شفرة ستقوم بالقطع عرضياً
06:33
a section of the tissue
160
393260
2000
مقطعاً من النسيج
06:35
and transfer it to a microscope slide.
161
395260
2000
وتنقلها إلى صفيحة مجهرية.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
وسنقوم بوضع أحد تلك الصبغات ،
06:39
and we scan it.
163
399260
2000
وثم نقوم بمسحها بالكمبيوتر.
06:41
And then what we get is our first mapping.
164
401260
3000
وما نحصل عليه بعدها هو أول خريطةٍ لنا.
06:44
So this is where experts come in
165
404260
2000
وهنا يأتي دور الخبراء
06:46
and they make basic anatomic assignments.
166
406260
2000
ويقومون بعمل تعيين مناطق تشريحية بسيطة.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
بإمكانكم تشبيه هذا بالحدود بين الولايات ، إذا أمكننا المقارنة ،
06:51
those pretty broad outlines.
168
411260
2000
بتلك الخطوط العريضة.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
ومن هنا ، نتمكن من تقسيم الدماغ إلى قطع كثيرة ،
06:57
which then we can put on a smaller cryostat.
170
417260
2000
والتي يمكن من ثم وضعها في قاطعٍ دقيق.
06:59
And this is just showing this here --
171
419260
2000
ويمكنكم رؤيته هنا --
07:01
this frozen tissue, and it's being cut.
172
421260
2000
هذا نسيجٌ مجمد ، ويتم تقطيعه.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
وهذه بسماكة 20 ميكرون ، أي بسماكة شعرة طفلٍ رضيع.
07:06
And remember, it's frozen.
174
426260
2000
وتذكروا بأنها مجمدة.
07:08
And so you can see here,
175
428260
2000
ويمكنكم أيضاً الآن رؤية ،
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
استخدام أسلوب قديم من التقنية وهي استخدام الفرشاة.
07:12
We take a microscope slide.
177
432260
2000
ونأخذ صفيحةً مجهرية.
07:14
Then we very carefully melt onto the slide.
178
434260
3000
وبكل حذر نقوم بلصقها بالشريحة النسيجية.
07:17
This will then go onto a robot
179
437260
2000
وهذه تنتقل بعدئذٍ إلى الروبوت الآلي
07:19
that's going to apply one of those stains to it.
180
439260
3000
والذي يقوم بدوره بصبغها بأحد تلك الأصباغ.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
وسيقوم خبراء التشريح بإلقاء نظرةٍ عميقةٍ إليها.
07:29
So again this is what they can see under the microscope.
182
449260
2000
ومرةً أخرى هذا ما سيتمكنون من رؤيته تحت المجهر.
07:31
You can see collections and configurations
183
451260
2000
ستلاحظون مجموعاتٍ وتكتلات
07:33
of large and small cells
184
453260
2000
من خلايا كبيرة وصغيرة
07:35
in clusters and various places.
185
455260
2000
في تجمعات وفي أماكن متفرقة.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
ومن هناك يصبح العمل روتينياً. بإمكانهم تحديد أماكن العينات.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
وبإمكانهم ببساطة عمل مرجعٍ خرائط.
07:42
This is a more detailed map.
188
462260
2000
هذه خريطةٌ مفصّلة.
07:44
Our scientists then use this
189
464260
2000
علماؤنا بعدئذٍ يستخدمون تلك المراجع
07:46
to go back to another piece of that tissue
190
466260
3000
للرجوع إلى قطعةٍ أخرى من ذلك النسيج
07:49
and do what's called laser scanning microdissection.
191
469260
2000
وعمل مايسمى بالتشريح الليزري الدقيق.
07:51
So the technician takes the instructions.
192
471260
3000
لذا يتلقى التقنيون التعليمات.
07:54
They scribe along a place there.
193
474260
2000
ويحددون حول ذلك المكان.
07:56
And then the laser actually cuts.
194
476260
2000
ومن ثم يقوم الليزر بالتقطيع.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
بإمكانكم رؤية تلك النقطة الزرقاء تقوم بالقطع. ويفصل ذلك الجزء.
08:01
You can see on the microscope slide here,
196
481260
2000
ترون الصفيحة المجهرية هنا.
08:03
that's what's happening in real time.
197
483260
2000
وهذا ما يتم آنياً.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
هناك حاوية في الأسفل تحفظ ذلك الجزء النسيجي.
08:08
We take that tissue,
199
488260
2000
ونأخذ ذلك النسيج ،
08:10
we purify the RNA out of it
200
490260
2000
ونستخلص منه الـ RNA
08:12
using some basic technology,
201
492260
2000
باستخدام تقنية بسيطة ،
08:14
and then we put a florescent tag on it.
202
494260
2000
ومن ثم نضع عليه علامة لامعة.
08:16
We take that tagged material
203
496260
2000
ونأخذ تلك المادة المعلّمة
08:18
and we put it on to something called a microarray.
204
498260
3000
ونضعها في ما يسمى بالـمصفوفة الدقيقة.
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
والآن قد تبدو لكم هذه مجرد نقاط صغيرة ،
08:23
but each one of these individual dots
206
503260
2000
ولكن كل من هذه النقاط الصغيرة
08:25
is actually a unique piece of the human genome
207
505260
2000
هي بالفعل وحدة فريدة من الجينومات البشرية
08:27
that we spotted down on glass.
208
507260
2000
والتي تمكنا من التقاطها على صفيحة زجاجية.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
وهذه تحتوي على مايقارب الـ 60,000 عنصراً ،
08:32
so we repeatedly measure various genes
210
512260
3000
لذا فنحن نقوم باستمرار بدراسة عدة جينات مختلفة
08:35
of the 25,000 genes in the genome.
211
515260
2000
من الـ 25,000 جين والموجودة في الجينوم.
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
وعندما نقوم بأخذ عينة ونقوم بتهجينها بها ،
08:40
we get a unique fingerprint, if you will,
213
520260
2000
نحصل على نتائج فريدة ، نوعاً ما
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
من الناحية الكمية في كون أي من الجينات نشط في تلك العينة.
08:45
Now we do this over and over again,
215
525260
2000
والآن نقوم بتكرار تلك العملية مرةً تلو الأخرى
08:47
this process for any given brain.
216
527260
3000
لكل دماغٍ نحصل عليه.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
إننا نأخذ مايفوق الألف عينة من كل دماغ.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
هذه المنطقة الواضحة هنا تسمى بالـحصين.
08:56
It's involved in learning and memory.
219
536260
2000
وهي المسؤولة عن التعلم والحفظ.
08:58
And it contributes to about 70 samples
220
538260
3000
وتساهم بمايقارب الـ 70 عينة
09:01
of those thousand samples.
221
541260
2000
من تلك العينات الألف.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
وكل عينة تعطينا مايقارب الـ 50,000 نقطة معلوماتية
09:07
with repeat measurements, a thousand samples.
223
547260
3000
ومع العمليات المتكررة ، لكل ألف عينة.
09:10
So roughly, we have 50 million data points
224
550260
2000
نحصل على حوالي 50 مليون نقطة معلوماتية
09:12
for a given human brain.
225
552260
2000
لكل دماغٍ بشري.
09:14
We've done right now
226
554260
2000
وحصلنا إلى الآن
09:16
two human brains-worth of data.
227
556260
2000
على مايوازي مجموع دماغين بشريين من المعلومات.
09:18
We've put all of that together
228
558260
2000
وجمعنا كل ذلك مع بعضه
09:20
into one thing,
229
560260
2000
لننتج شيئاً واحداً.
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
وسأريكم كيف يبدوا ذلك التركيب.
09:24
It's basically a large data set of information
231
564260
3000
إنها ببساطة عبارة عن مجموعة بيانات ضخمة
09:27
that's all freely available to any scientist around the world.
232
567260
3000
والتي أصبحت متاحةً لأي عالمٍ من جميع أنحاء العالم مجاناً.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
بل ليس عليهم حتى التسجيل لإستخدام هذه الأداة ،
09:33
mine this data, find interesting things out with this.
234
573260
4000
نقب في تلك المعلومات واحصل على ما تبحث عنه.
09:37
So here's the modalities that we put together.
235
577260
3000
هاهي النماذج التي جمعناها.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
ستتعرفون على هذه الأشياء مما تمكنا من جمعه مسبقاً.
09:43
Here's the MR. It provides the framework.
237
583260
2000
هاهو الـ MR. يوفر لنا الإطار الرئيسي.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
وهناك أدوات في الجانب الأيمن تتيح لكم الدوران ،
09:48
it allows you to zoom in,
239
588260
2000
وتتيح التكبير ،
09:50
it allows you to highlight individual structures.
240
590260
3000
وتتيح وضع إشارات على أجزاء معينة.
09:53
But most importantly,
241
593260
2000
ولكن الأهم ،
09:55
we're now mapping into this anatomic framework,
242
595260
3000
هو أننا نبني خرائط لذلك الهيكل التشريحي ،
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
والذي هو بمثابة إطار أساسي للباحثين عن أماكن الجينات النشطة.
10:01
So the red levels
244
601260
2000
لذا فإن المستوى الأحمر
10:03
are where a gene is turned on to a great degree.
245
603260
2000
هي الأماكن التي أصبح الجين فيها نشطاً بدرجةٍ عالية.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
والأخضر هي الأماكن الهادئة حيث أن الجينات غير نشطة.
10:08
And each gene gives us a fingerprint.
247
608260
2000
وكل جين يترك لنا بصمة.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
وتذكروا بأننا درسنا جميع الجينات الـ 25,000 في الجينوم
10:15
and have all of that data available.
249
615260
4000
وحصلنا على جميع تلك البيانات.
10:19
So what can scientists learn about this data?
250
619260
2000
فكيف سيستفيد العلماء من تلك المعلومات ؟
10:21
We're just starting to look at this data ourselves.
251
621260
3000
لقد بدأنا للتو بدراسة هذه المعلومات بأنفسنا.
10:24
There's some basic things that you would want to understand.
252
624260
3000
وهناك بعض الأمور البسيطة التي عليكم معرفتها.
10:27
Two great examples are drugs,
253
627260
2000
هناك دوائين كمثالٍ على ذلك ،
10:29
Prozac and Wellbutrin.
254
629260
2000
هما البروزاك والويلبوترين.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
هذان هما دوائين معروفين لعلاج حالات الإكتئاب.
10:34
Now remember, we're assaying genes.
256
634260
2000
والآن تذكروا ، إننا ندرس الجينات.
10:36
Genes send the instructions to make proteins.
257
636260
3000
والجينات ترسل الأوامر بإنتاج البروتينات.
10:39
Proteins are targets for drugs.
258
639260
2000
والأدوية تستهدف البروتينات.
10:41
So drugs bind to proteins
259
641260
2000
لذا فإن الأدوية مرتبطة بالبروتينات
10:43
and either turn them off, etc.
260
643260
2000
وقد تتسبب في خمولها ، وما إلى ذلك.
10:45
So if you want to understand the action of drugs,
261
645260
2000
لذا إذا كنت تريد معرفة تأثير الدواء ،
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
عليك متابعة تأثيرها مقارنةً بما تريده ،
10:50
and also in the ways you don't want them to.
263
650260
2000
أيضاً متابعة النتائج التي لا تريدها.
10:52
In the side effect profile, etc.,
264
652260
2000
من جهة التأثيرات الجانبية ، وغير ذلك.
10:54
you want to see where those genes are turned on.
265
654260
2000
عليك معرفة أي من الجينات أصبحت نشطة.
10:56
And for the first time, we can actually do that.
266
656260
2000
ولأول مرةٍ ، بإمكاننا فعل ذلك الآن.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
نستطيع تجربة ذلك على عدة جينات قد سبق وفحصناها أيضاً.
11:01
So now we can look throughout the brain.
268
661260
3000
لذا بإمكاننا الآن البحث في كامل الدماغ.
11:04
We can see this unique fingerprint.
269
664260
2000
ورؤية تلك الآثار الفريدة.
11:06
And we get confirmation.
270
666260
2000
والحصول على نتائج تؤكد ذلك.
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
نحصل على تأكيد ، بأن الجين بالفعل نشط --
11:11
for something like Prozac,
272
671260
2000
لشيءٍ ما مثل البروزاك ،
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
ومعرفة الأماكن التي تأثرت بالفعل في هياكل هرمون السيروتونين --
11:16
but we also get to see the whole thing.
274
676260
2000
بل إنه بإمكاننا معرفة كل شيء.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
بإمكاننا أيضاً النظر إلى مناطق لم يراها أحدٌ من قبل ،
11:20
and we see these genes turned on there.
276
680260
2000
ونرى تلك الجينات النشطة هناك.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
إنها مثيرةٌ للإهتمام بشكلٍ مدمنٍ للغاية.
11:25
One other thing you can do with such a thing
278
685260
2000
وأحد الأشياء التي يمكن عملها أيضاً
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
أنه بإمكانك ، ولأنها عبارة عن عمليات مقارنة نماذج
11:30
because there's unique fingerprint,
280
690260
2000
لأن هناك آثارٌ فريدة ومميزة ،
11:32
we can actually scan through the entire genome
281
692260
2000
هو أن نقوم بفحص كامل الجينوم
11:34
and find other proteins
282
694260
2000
والبحث عن بروتيناتٍ أخرى
11:36
that show a similar fingerprint.
283
696260
2000
والتي لها نفس الآثار.
11:38
So if you're in drug discovery, for example,
284
698260
3000
لذا إذا كنت ، على سبيل المثال ، في تجربة دواء ،
11:41
you can go through
285
701260
2000
بإمكانك البحث في
11:43
an entire listing of what the genome has on offer
286
703260
2000
قائمة طويلةٍ من العروض المتوفرة في الجينوم
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
للبحث عن أفضل دواءٍ خصيصاً لك.
11:49
Most of you are probably familiar
288
709260
2000
والكثير منكم قد يكون على معرفةٍ
11:51
with genome-wide association studies
289
711260
2000
ببحوث تأثيرات الجينات
11:53
in the form of people covering in the news
290
713260
3000
على هيئة الأخبار الرئيسية في المجلات
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
تقول "العلماء يكتشفون أخيراً الجين أو الجينات
11:59
which affect X."
292
719260
2000
المسؤولة عن تأثيرٍ ما"
12:01
And so these kinds of studies
293
721260
2000
وتلك الأنواع من البحوث
12:03
are routinely published by scientists
294
723260
2000
تنشر بشكلٍ مستمر عن طريق الباحثين
12:05
and they're great. They analyze large populations.
295
725260
2000
وهي مفيدة. إنها تقوم على تحليل عددٍ كبيرٍ من الناس.
12:07
They look at their entire genomes,
296
727260
2000
ويدرسون كامل جينوماتهم ،
12:09
and they try to find hot spots of activity
297
729260
2000
ويحاولون إيجاد المناطق المفعمة بالنشاط
12:11
that are linked causally to genes.
298
731260
3000
والتي هي مرتبطةٌ فعلياً بالجينات.
12:14
But what you get out of such an exercise
299
734260
2000
ولكن ماتحصل عليه من تلك التجارب
12:16
is simply a list of genes.
300
736260
2000
هو ببساطة قائمةٌ من الجينات.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
إنها تخبركم أي المناطق ، ولكن لا تستطيع أن تحدد أين.
12:21
And so it's very important for those researchers
302
741260
3000
لذا فإنه من المهم جداً لهؤلاء الباحثين
12:24
that we've created this resource.
303
744260
2000
أننا قمنا ببناء هذه الأداة.
12:26
Now they can come in
304
746260
2000
والآن بإمكانهم التقدم
12:28
and they can start to get clues about activity.
305
748260
2000
والحصول على أدلة عن النشاط.
12:30
They can start to look at common pathways --
306
750260
2000
بإمكانهم البحث في المجالات العادية --
12:32
other things that they simply haven't been able to do before.
307
752260
3000
بطرق غير اعتيادية لم يكن بإمكانهم العمل بها من قبل.
12:36
So I think this audience in particular
308
756260
3000
لذا أظن أن هذا الحشد خاصةً
12:39
can understand the importance of individuality.
309
759260
3000
بإمكانه معرفة أهمية التفرّد .
12:42
And I think every human,
310
762260
2000
وأعتقد أن كل إنسان ،
12:44
we all have different genetic backgrounds,
311
764260
4000
بل جميعنا نملك خلفياتٍ جينيةٍ مختلفة ،
12:48
we all have lived separate lives.
312
768260
2000
و كلٍ منا يملك حياةً متفرّدة.
12:50
But the fact is
313
770260
2000
ولكن الحقيقة هي أن
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
جينوماتنا متشابهة بنسبةٍ أعلى من 99%
12:55
We're similar at the genetic level.
315
775260
3000
إننا متشابهون من الناحية الجينية.
12:58
And what we're finding
316
778260
2000
وما نكتشفه
13:00
is actually, even at the brain biochemical level,
317
780260
2000
فعلياً ، أنه حتى على مستوى الكيمياء الحيوية للدماغ ،
13:02
we are quite similar.
318
782260
2000
فنحن متشابهون تماماً.
13:04
And so this shows it's not 99 percent,
319
784260
2000
وهذا يوضح أنها ليست نسبة 99% ،
13:06
but it's roughly 90 percent correspondence
320
786260
2000
ولكنها قريبة من تطابقٍ بنسبة 90%
13:08
at a reasonable cutoff,
321
788260
3000
باستخدام تقريبٍ منطقي.
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
لذا فإن أي شيءٍ ضمن هذه السحابة مرتبطٌ ببعضه نوعاً ما.
13:13
And then we find some outliers,
323
793260
2000
وهناك نجد بعض الخارجين عن النطاق ،
13:15
some things that lie beyond the cloud.
324
795260
3000
بعض الأشياء التي هي خارج حدود تلك السحابة.
13:18
And those genes are interesting,
325
798260
2000
وتلك الجينات مثيرةٌ للإهتمام.
13:20
but they're very subtle.
326
800260
2000
ولكنها متقنةٌ تماماً.
13:22
So I think it's an important message
327
802260
3000
لذا أعتقد أنها رسالةٌ هامة
13:25
to take home today
328
805260
2000
لأخذها معكم اليوم
13:27
that even though we celebrate all of our differences,
329
807260
3000
هو أنه بالرغم من أننا نحتفي باختلافاتنا ،
13:30
we are quite similar
330
810260
2000
ولكننا متشابهون
13:32
even at the brain level.
331
812260
2000
حتى على مستوى الدماغ.
13:34
Now what do those differences look like?
332
814260
2000
والآن ماهي تلك الإختلافات ؟
13:36
This is an example of a study that we did
333
816260
2000
هذا مثالٌ لتجربةٍ قمنا بها
13:38
to follow up and see what exactly those differences were --
334
818260
2000
لمتابعة ورؤية ماهي تلك الإختلافات --
13:40
and they're quite subtle.
335
820260
2000
وهي مُتقنةٌ تماماً.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
إنها عبارة عن جيناتٍ نشطة في أنواعٍ مستقلة من الخلايا.
13:46
These are two genes that we found as good examples.
337
826260
3000
وهذان نوعان من الجينات التي وجدناها كمثالٍ جيد.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
أحدهما يدعى RELN -- وهي مسؤولةٌ عن تطور الحكمة أثناء النشوء.
13:52
DISC1 is a gene
339
832260
2000
DISC1 عبارةٌ عن جين
13:54
that's deleted in schizophrenia.
340
834260
2000
والذي يُمسح في حالات إنفصام الشخصية.
13:56
These aren't schizophrenic individuals,
341
836260
2000
هذه ليست وحدات إنفصام الشخصية ،
13:58
but they do show some population variation.
342
838260
3000
ولكنها تبين فوارق في بعض العينات.
14:01
And so what you're looking at here
343
841260
2000
لذا ماترونه هنا
14:03
in donor one and donor four,
344
843260
2000
في المتبرع رقم واحد والمتبرع رقم أربعة ،
14:05
which are the exceptions to the other two,
345
845260
2000
والذين يعتبران إستثنائيين عن الباقين.
14:07
that genes are being turned on
346
847260
2000
أن هناك جيناتٍ نشطة
14:09
in a very specific subset of cells.
347
849260
2000
في بعض المجموعات الخاصة من الخلايا.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
إنها تلك البقع البنفسجية الغامقة من الخلية
14:14
that's telling us a gene is turned on there.
349
854260
3000
والتي تخبرنا بأن جيناً ما نشطٌ هناك.
14:17
Whether or not that's due
350
857260
2000
ما إذا كان ذلك يعود إلى
14:19
to an individual's genetic background or their experiences,
351
859260
2000
خلفيةٍ جينيةٍ أو خبرات
14:21
we don't know.
352
861260
2000
فذلك لا نعلمه.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
تلك الأنواع من الدراسات تحتاج إلى عددٍ أكبر من المتبرعين.
14:28
So I'm going to leave you with a final note
354
868260
2000
لذا سأتترككم بخلاصةٍ أخيرة
14:30
about the complexity of the brain
355
870260
3000
عن تعقيد الدماغ
14:33
and how much more we have to go.
356
873260
2000
وإلى أي حدٍ علينا أن نصل.
14:35
I think these resources are incredibly valuable.
357
875260
2000
أعتقد أن تلك الأدوات قيمةٌ جداً.
14:37
They give researchers a handle
358
877260
2000
فهي توفر للباحثين أداةً
14:39
on where to go.
359
879260
2000
يتوجهوا بها.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
ولكننا بحثنا بكميةٍ لا بأس بها من الأفراد في هذه المرحلة.
14:44
We're certainly going to be looking at more.
361
884260
2000
وبالتأكيد سنبحث عن المزيد.
14:46
I'll just close by saying
362
886260
2000
وسأنهي الحديث بقول
14:48
that the tools are there,
363
888260
2000
أن الأدوات موجودة ،
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
وأن هذه بالفعل قارةٌ غير مكتشفة ،
14:54
This is the new frontier, if you will.
365
894260
4000
هذا أقصى ماتوصل إليه العلم ، إلى حدٍ ما.
14:58
And so for those who are undaunted,
366
898260
2000
وإلى كل هؤلاء الشجعان ،
15:00
but humbled by the complexity of the brain,
367
900260
2000
والمتواضعين لتعقيدات الدماغ ،
15:02
the future awaits.
368
902260
2000
المستقبل ينتظر.
15:04
Thanks.
369
904260
2000
شكراً.
15:06
(Applause)
370
906260
9000
(تصفيق)

Original video on YouTube.com
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7