Allan Jones: A map of the brain

Allan Jones: un mapa del cerebro

164,682 views ・ 2011-11-10

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Sebastian Betti Revisor: Lidia Cámara de la Fuente
00:15
Humans have long held a fascination
0
15260
2000
A los seres humanos siempre nos
00:17
for the human brain.
1
17260
2000
ha fascinado el cerebro.
00:19
We chart it, we've described it,
2
19260
3000
Lo graficamos, lo describimos,
00:22
we've drawn it,
3
22260
2000
lo dibujamos,
00:24
we've mapped it.
4
24260
3000
lo cartografiamos.
00:27
Now just like the physical maps of our world
5
27260
3000
Igual que la tecnología
00:30
that have been highly influenced by technology --
6
30260
3000
afectó a la cartografía,
00:33
think Google Maps,
7
33260
2000
piensen en Google Maps,
00:35
think GPS --
8
35260
2000
en el GPS,
00:37
the same thing is happening for brain mapping
9
37260
2000
ocurre la misma transformación
00:39
through transformation.
10
39260
2000
en los mapas del cerebro.
00:41
So let's take a look at the brain.
11
41260
2000
Miremos el cerebro.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
Mucha gente al ver un cerebro real por primera vez
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
dice: "no se parece a lo que se ve generalmente
00:49
when someone shows you a brain."
14
49260
2000
cuando alguien muestra un cerebro".
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
En general se ve un cerebro estático, gris.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
Esta capa exterior es la vasculatura;
00:56
which is incredible, around a human brain.
17
56260
2000
algo que recubre al cerebro humano.
00:58
This is the blood vessels.
18
58260
2000
Estos son los vasos sanguíneos.
01:00
20 percent of the oxygen
19
60260
3000
El cerebro recibe oxígeno
01:03
coming from your lungs,
20
63260
2000
en un 20% de los pulmones,
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
el 20% de la sangre
01:07
is servicing this one organ.
22
67260
2000
que bombea el corazón.
01:09
That's basically, if you hold two fists together,
23
69260
2000
Básicamente, si juntamos los dos puños
01:11
it's just slightly larger than the two fists.
24
71260
2000
es un poco más grande que los dos puños.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
A finales del siglo XX los científicos
01:16
learned that they could track blood flow
26
76260
2000
aprendieron a hacer mapas no invasivos
01:18
to map non-invasively
27
78260
3000
siguiendo el flujo sanguíneo,
01:21
where activity was going on in the human brain.
28
81260
3000
para detectar actividad en el cerebro.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
Por ejemplo, vean la parte negra del cerebro
01:27
which is just turning around there.
30
87260
2000
que gira ahora hacia allí.
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
Ese es el cerebelo; que ahora nos mantiene erguidos.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
Me mantiene de pie. Participa en los movimientos coordinados.
01:34
On the side here, this is temporal cortex.
33
94260
3000
A un lado, aquí tenemos la corteza temporal.
01:37
This is the area where primary auditory processing --
34
97260
3000
Ahí ocurre el procesamiento auditivo primario,
01:40
so you're hearing my words,
35
100260
2000
por eso oyen mis palabras
01:42
you're sending it up into higher language processing centers.
36
102260
2000
y las envían a los centros de procesamiento del lenguaje.
01:44
Towards the front of the brain
37
104260
2000
Hacia la parte frontal del cerebro
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
ocurre el pensamiento más complejo, la toma de decisiones...
01:49
it's the last to mature in late adulthood.
39
109260
4000
es lo último que madura en la adultez tardía.
01:53
This is where all your decision-making processes are going on.
40
113260
3000
Aquí ocurren todos los procesos de toma de decisiones.
01:56
It's the place where you're deciding right now
41
116260
2000
Es el lugar en el que ahora deciden
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
que no pedirán carne en la cena.
02:01
So if you take a deeper look at the brain,
43
121260
2000
Mirando el cerebro más de cerca,
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
si lo miramos en un corte transversal,
02:05
what you can see
45
125260
2000
podemos advertir
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
que no se ve allí gran estructura.
02:10
But there's actually a lot of structure there.
47
130260
2000
Pero sí hay una gran estructura.
02:12
It's cells and it's wires all wired together.
48
132260
2000
Hay células y conexiones, todo está conectado.
02:14
So about a hundred years ago,
49
134260
2000
Hace unos cien años
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
algunos científicos inventaron una tintura celular.
02:18
And that's shown here in the the very light blue.
51
138260
3000
Aquí se ve en celeste.
02:21
You can see areas
52
141260
2000
Se ven zonas
02:23
where neuronal cell bodies are being stained.
53
143260
2000
con cuerpos celulares normales coloreados.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
Como ven es muy irregular. Se ve una gran estructura.
02:28
So the outer part of that brain
55
148260
2000
La parte exterior del cerebro
02:30
is the neocortex.
56
150260
2000
es el neocórtex.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
La unidad de procesamiento continuo, si se quiere.
02:35
But you can also see things underneath there as well.
58
155260
2000
Pero ven debajo de eso también.
02:37
And all of these blank areas
59
157260
2000
Y en esas zonas blancas
02:39
are the areas in which the wires are running through.
60
159260
2000
están las zonas por las que pasan las conexiones.
02:41
They're probably less cell dense.
61
161260
2000
Quizá haya menor densidad celular.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
Hay unas 86.000 millones de neuronas en el cerebro.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
Y, como ven, distribuidas de manera muy irregular.
02:50
And how they're distributed really contributes
64
170260
2000
Esta distribución contribuye realmente
02:52
to their underlying function.
65
172260
2000
a sus funciones subyacentes.
02:54
And of course, as I mentioned before,
66
174260
2000
Y, claro, como dije antes,
02:56
since we can now start to map brain function,
67
176260
3000
como ahora podemos mapear la función cerebral
02:59
we can start to tie these into the individual cells.
68
179260
3000
podemos llegar a las células individuales.
03:02
So let's take a deeper look.
69
182260
2000
Veamos en más detalle.
03:04
Let's look at neurons.
70
184260
2000
Veamos las neuronas.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
Como dije, hay 86.000 millones de neuronas.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
Además hay células más pequeñas, como verán.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
Estas son células de apoyo; astrocitos.
03:12
And the nerves themselves
74
192260
3000
Y los propios nervios
03:15
are the ones who are receiving input.
75
195260
2000
reciben la entrada.
03:17
They're storing it, they're processing it.
76
197260
2000
La almacenan y la procesan.
03:19
Each neuron is connected via synapses
77
199260
4000
Cada neurona se conecta por sinapsis
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
hasta con 10.000 neuronas.
03:26
And each neuron itself
79
206260
2000
Y cada neurona,
03:28
is largely unique.
80
208260
2000
en gran medida, es única.
03:30
The unique character of both individual neurons
81
210260
2000
El carácter único de las neuronas individuales
03:32
and neurons within a collection of the brain
82
212260
2000
y de las neuronas en el conjunto del cerebro
03:34
are driven by fundamental properties
83
214260
3000
sigue las propiedades fundamentales
03:37
of their underlying biochemistry.
84
217260
2000
de su bioquímica subyacente.
03:39
These are proteins.
85
219260
2000
Estas son las proteínas,
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
que controlan el movimiento de los canales iónicos.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
Controlan qué célula del sistema nervioso se relaciona con otra.
03:48
And they're controlling
88
228260
2000
Y, básicamente, controlan
03:50
basically everything that the nervous system has to do.
89
230260
2000
todo lo que tiene que hacer el sistema nervioso.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
Así que si nos acercamos aún más
03:55
all of those proteins
91
235260
2000
todas esas proteínas
03:57
are encoded by our genomes.
92
237260
2000
están codificadas en el genoma.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
Todos tenemos 23 pares de cromosomas:
04:02
We get one from mom, one from dad.
94
242260
2000
uno de mamá y uno de papá.
04:04
And on these chromosomes
95
244260
2000
Y en estos cromosomas
04:06
are roughly 25,000 genes.
96
246260
2000
hay unos 25.000 genes.
04:08
They're encoded in the DNA.
97
248260
2000
Están codificados en el ADN.
04:10
And the nature of a given cell
98
250260
3000
Y la naturaleza de una célula,
04:13
driving its underlying biochemistry
99
253260
2000
que guía su bioquímica subyacente,
04:15
is dictated by which of these 25,000 genes
100
255260
3000
depende de cuál de esos 25.000 genes
04:18
are turned on
101
258260
2000
está activado
04:20
and at what level they're turned on.
102
260260
2000
y del nivel de activación.
04:22
And so our project
103
262260
2000
Nuestro proyecto
04:24
is seeking to look at this readout,
104
264260
3000
intenta observar esta lectura
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
y entender cuáles de estos 25.000 genes están activados.
04:30
So in order to undertake such a project,
106
270260
3000
Para realizar un proyecto así
04:33
we obviously need brains.
107
273260
3000
obviamente necesitamos cerebros.
04:36
So we sent our lab technician out.
108
276260
3000
Mandamos a nuestros técnicos
04:39
We were seeking normal human brains.
109
279260
2000
en busca de cerebros normales.
04:41
What we actually start with
110
281260
2000
Empezamos en la oficina
04:43
is a medical examiner's office.
111
283260
2000
de un médico forense.
04:45
This a place where the dead are brought in.
112
285260
2000
Allí llevan a los muertos.
04:47
We are seeking normal human brains.
113
287260
2000
Buscamos cerebros normales.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
Seguimos varios criterios al seleccionar cerebros.
04:52
We want to make sure
115
292260
2000
Queremos asegurarnos
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
que son de humanos normales de entre 20 y 60 años
04:57
they died a somewhat natural death
117
297260
2000
que tuvieron una muerte natural
04:59
with no injury to the brain,
118
299260
2000
sin lesiones cerebrales
05:01
no history of psychiatric disease,
119
301260
2000
ni antecedentes de enfermedad psiquiátrica,
05:03
no drugs on board --
120
303260
2000
ni presencia de drogas.
05:05
we do a toxicology workup.
121
305260
2000
Hacemos análisis toxicológicos.
05:07
And we're very careful
122
307260
2000
Somos muy cuidadosos
05:09
about the brains that we do take.
123
309260
2000
con los cerebros que seleccionamos.
05:11
We're also selecting for brains
124
311260
2000
Otra condición es que
05:13
in which we can get the tissue,
125
313260
2000
podamos obtener el tejido;
05:15
we can get consent to take the tissue
126
315260
2000
el consentimiento para tomar el tejido
05:17
within 24 hours of time of death.
127
317260
2000
dentro de las 24 horas de la muerte.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
Porque tratamos de medir el ARN
05:22
which is the readout from our genes --
129
322260
2000
-la lectura de nuestros genes-
05:24
is very labile,
130
324260
2000
es muy lábil,
05:26
and so we have to move very quickly.
131
326260
2000
por eso tenemos que movernos con rapidez.
05:28
One side note on the collection of brains:
132
328260
3000
Una nota al margen de la selección de cerebros:
05:31
because of the way that we collect,
133
331260
2000
debido al modo de recolección
05:33
and because we require consent,
134
333260
2000
y dado que hace falta consentimiento,
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
tenemos más cerebros masculinos que femeninos.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
Los hombres son más propensos a morir en accidentes en la flor de la vida.
05:41
And men are much more likely
137
341260
2000
Y es mucho más probable obtener
05:43
to have their significant other, spouse, give consent
138
343260
3000
el consentimiento del cónyuge, la esposa,
05:46
than the other way around.
139
346260
2000
que al revés.
05:48
(Laughter)
140
348260
4000
(Risas)
05:52
So the first thing that we do at the site of collection
141
352260
2000
Lo primero que hacemos en el lugar de recolección
05:54
is we collect what's called an MR.
142
354260
2000
es recolectar lo que se llama RM.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
Es decir, una imagen de resonancia magnética o IRM.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
358260
3000
Es una plantilla estándar sobre la que estructuraremos el resto de los datos.
06:01
So we collect this MR.
145
361260
2000
Así que recolectamos RM.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
Podemos pensarlo como una vista satelital del mapa.
06:05
The next thing we do
147
365260
2000
Luego recolectamos
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
imágenes con tensores de difusión:
06:10
This maps the large cabling in the brain.
149
370260
2000
el mapa del gran cableado del cerebro.
06:12
And again, you can think of this
150
372260
2000
De nuevo, pueden pensarlo
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
como si cartografiaramos las rutas provinciales.
06:16
The brain is removed from the skull,
152
376260
2000
Se extrae el cerebro del cráneo
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
y luego se corta en rodajas de un cm.
06:21
And those are frozen solid,
154
381260
2000
Todo se congela
06:23
and they're shipped to Seattle.
155
383260
2000
y se envía a Seattle.
06:25
And in Seattle, we take these --
156
385260
2000
Allí, tomamos...
06:27
this is a whole human hemisphere --
157
387260
2000
esto es un hemisferio completo,
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
y lo pasamos por esta cortadora de carne venida a más.
06:31
There's a blade here that's going to cut across
159
391260
2000
Hay una hoja que corta
06:33
a section of the tissue
160
393260
2000
una sección del tejido
06:35
and transfer it to a microscope slide.
161
395260
2000
y se transfiere al portaobjetos.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
Luego la coloreamos
06:39
and we scan it.
163
399260
2000
y la escaneamos.
06:41
And then what we get is our first mapping.
164
401260
3000
Así construimos nuestro primer mapa.
06:44
So this is where experts come in
165
404260
2000
Aquí entran en juego los expertos
06:46
and they make basic anatomic assignments.
166
406260
2000
que realizan tareas básicas de anatomía.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
Pueden pensarlo como fronteras entre provincias,
06:51
those pretty broad outlines.
168
411260
2000
esas líneas bastante gruesas.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
A partir de esto podemos fragmentar el cerebro en trozos
06:57
which then we can put on a smaller cryostat.
170
417260
2000
que luego pondremos en un criostato más pequeño.
06:59
And this is just showing this here --
171
419260
2000
Aquí mostramos
07:01
this frozen tissue, and it's being cut.
172
421260
2000
este tejido congelado, que se corta.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
Tiene 20 micrones de espesor, como el cabello de un bebé.
07:06
And remember, it's frozen.
174
426260
2000
Y recuerden, está congelado.
07:08
And so you can see here,
175
428260
2000
Aquí ven
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
que se usa la vieja tecnología del pincel.
07:12
We take a microscope slide.
177
432260
2000
Tomamos un portaobjetos.
07:14
Then we very carefully melt onto the slide.
178
434260
3000
Luego derretimos la lámina cuidadosamente.
07:17
This will then go onto a robot
179
437260
2000
Después pasa por un robot
07:19
that's going to apply one of those stains to it.
180
439260
3000
que lo colorea
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
para que los anatomistas lo observen en detalle.
07:29
So again this is what they can see under the microscope.
182
449260
2000
Esto es lo que se verá bajo el microscopio.
07:31
You can see collections and configurations
183
451260
2000
Se ven conjuntos y configuraciones
07:33
of large and small cells
184
453260
2000
de células grandes y pequeñas
07:35
in clusters and various places.
185
455260
2000
en grupos y en varios lugares.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
A partir de ahí es rutina. Ellos saben dónde trabajar.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
Y construyen un atlas de referencia.
07:42
This is a more detailed map.
188
462260
2000
Este es un mapa más detallado.
07:44
Our scientists then use this
189
464260
2000
Los científicos usan esto
07:46
to go back to another piece of that tissue
190
466260
3000
para volver a otra pieza de tejido
07:49
and do what's called laser scanning microdissection.
191
469260
2000
y hacer la microdisección láser.
07:51
So the technician takes the instructions.
192
471260
3000
El técnico toma las instrucciones,
07:54
They scribe along a place there.
193
474260
2000
escribe por allí
07:56
And then the laser actually cuts.
194
476260
2000
y luego el láser corta.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
Allí ven el corte del punto azul. Y ese tejido se desprende.
08:01
You can see on the microscope slide here,
196
481260
2000
Pueden ver en el portaobjetos
08:03
that's what's happening in real time.
197
483260
2000
lo que sucede en tiempo real.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
Debajo hay un contenedor que recolecta ese tejido.
08:08
We take that tissue,
199
488260
2000
Tomamos ese tejido
08:10
we purify the RNA out of it
200
490260
2000
purificamos su ARN
08:12
using some basic technology,
201
492260
2000
mediante varias tecnologías básicas
08:14
and then we put a florescent tag on it.
202
494260
2000
y luego le ponemos una etiqueta fluorescente.
08:16
We take that tagged material
203
496260
2000
Tomamos el material etiquetado
08:18
and we put it on to something called a microarray.
204
498260
3000
y lo ponemos en algo llamado micromatriz.
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
Esto parece un puñado de puntos
08:23
but each one of these individual dots
206
503260
2000
pero cada uno de estos puntos
08:25
is actually a unique piece of the human genome
207
505260
2000
es una pieza única del genoma humano
08:27
that we spotted down on glass.
208
507260
2000
que identificamos en un cristal.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
Esto contiene unos 60.000 elementos
08:32
so we repeatedly measure various genes
210
512260
3000
así que medimos muchas veces varios genes
08:35
of the 25,000 genes in the genome.
211
515260
2000
de los 25.000 genes del genoma.
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
Y al tomar una muestra e hibridarla con eso
08:40
we get a unique fingerprint, if you will,
213
520260
2000
obtenemos una huella única, si se quiere,
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
que cuantifica los genes activos en la muestra.
08:45
Now we do this over and over again,
215
525260
2000
Hacemos esto una y otra vez
08:47
this process for any given brain.
216
527260
3000
para cada cerebro.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
De cada cerebro tomamos más de mil muestras.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
Esta zona de aquí es el hipocampo.
08:56
It's involved in learning and memory.
219
536260
2000
Se relaciona con el aprendizaje y la memoria
08:58
And it contributes to about 70 samples
220
538260
3000
y contribuye con cerca de 70 muestras
09:01
of those thousand samples.
221
541260
2000
de esas miles.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
Por eso cada muestra nos da unos 50.000 datos
09:07
with repeat measurements, a thousand samples.
223
547260
3000
con medidas repetidas, y hay unas mil muestras.
09:10
So roughly, we have 50 million data points
224
550260
2000
Hay unos 50 millones de datos
09:12
for a given human brain.
225
552260
2000
para cada cerebro.
09:14
We've done right now
226
554260
2000
Hasta ahora tenemos datos
09:16
two human brains-worth of data.
227
556260
2000
equivalentes a dos cerebros.
09:18
We've put all of that together
228
558260
2000
Hemos juntado todo
09:20
into one thing,
229
560260
2000
en una sola cosa
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
y les mostraré el aspecto de esa síntesis.
09:24
It's basically a large data set of information
231
564260
3000
Básicamente es un gran conjunto de información
09:27
that's all freely available to any scientist around the world.
232
567260
3000
disponible gratis para cualquier científico del mundo.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
Ni siquiera deben registrarse para usar esta herramienta
09:33
mine this data, find interesting things out with this.
234
573260
4000
para analizar los datos y encontrar algo interesante.
09:37
So here's the modalities that we put together.
235
577260
3000
Estas son las modalidades que consolidamos.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
Empezarán a reconocer cosas a partir de lo ya habíamos recolectado.
09:43
Here's the MR. It provides the framework.
237
583260
2000
Esta es la RM que proporciona el marco.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
Hay un control a la derecha que permite girar,
09:48
it allows you to zoom in,
239
588260
2000
permite aumentar,
09:50
it allows you to highlight individual structures.
240
590260
3000
permite resaltar estructuras individuales.
09:53
But most importantly,
241
593260
2000
Pero, lo más importante,
09:55
we're now mapping into this anatomic framework,
242
595260
3000
ahora mapeamos en este marco anatómico,
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
un marco común para que se entienda dónde se activan los genes.
10:01
So the red levels
244
601260
2000
Los niveles rojos
10:03
are where a gene is turned on to a great degree.
245
603260
2000
son lugares en los que se activan mucho los genes.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
Las zonas verdes son más bien frías, no se encienden.
10:08
And each gene gives us a fingerprint.
247
608260
2000
Y cada gen deja una huella.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
Recuerden que analizamos los 25.000 genes del genoma
10:15
and have all of that data available.
249
615260
4000
y que tenemos todos los datos disponibles.
10:19
So what can scientists learn about this data?
250
619260
2000
¿Qué pueden aprender los científicos de estos datos?
10:21
We're just starting to look at this data ourselves.
251
621260
3000
Empezamos a ver estos datos nosotros mismos.
10:24
There's some basic things that you would want to understand.
252
624260
3000
Hay cosas básicas que querríamos entender.
10:27
Two great examples are drugs,
253
627260
2000
Dos grandes ejemplos son los medicamentos
10:29
Prozac and Wellbutrin.
254
629260
2000
Prozac y Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
Son antidepresivos recetados comúnmente.
10:34
Now remember, we're assaying genes.
256
634260
2000
Recuerden que analizamos genes.
10:36
Genes send the instructions to make proteins.
257
636260
3000
Los genes envían instrucciones para crear proteínas.
10:39
Proteins are targets for drugs.
258
639260
2000
Las proteínas son el objetivo de los medicamentos.
10:41
So drugs bind to proteins
259
641260
2000
Las medicinas se adhieren a las proteínas
10:43
and either turn them off, etc.
260
643260
2000
y las apagan, etc.
10:45
So if you want to understand the action of drugs,
261
645260
2000
Si queremos entender el funcionamiento de los medicamentos
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
entender cómo actúan de la forma que queremos,
10:50
and also in the ways you don't want them to.
263
650260
2000
y también de la forma que no queremos.
10:52
In the side effect profile, etc.,
264
652260
2000
Sus efectos secundarios, etc.,
10:54
you want to see where those genes are turned on.
265
654260
2000
queremos ver dónde se activan esos genes.
10:56
And for the first time, we can actually do that.
266
656260
2000
Y, por primera vez, podemos hacerlo.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
Podemos hacerlo en varias personas analizadas.
11:01
So now we can look throughout the brain.
268
661260
3000
Ahora miraremos en el cerebro.
11:04
We can see this unique fingerprint.
269
664260
2000
Podemos ver esta huella única.
11:06
And we get confirmation.
270
666260
2000
Y tenemos una confirmación
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
de que, de hecho, el gen se activa
11:11
for something like Prozac,
272
671260
2000
con Prozac
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
en estructuras serotoninérgicas, algo de lo que ya se sabe que afecta
11:16
but we also get to see the whole thing.
274
676260
2000
pero también podemos ver el todo.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
También vemos zonas que nadie ha visto antes
11:20
and we see these genes turned on there.
276
680260
2000
y allí vemos esos genes encendidos.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
Es muy interesante como efecto secundario.
11:25
One other thing you can do with such a thing
278
685260
2000
Otra cosa que se puede hacer con algo así
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
dado que es un ejercicio de comparación de patrones,
11:30
because there's unique fingerprint,
280
690260
2000
porque hay una huella única,
11:32
we can actually scan through the entire genome
281
692260
2000
podemos barrer todo el genoma
11:34
and find other proteins
282
694260
2000
y encontrar otras proteínas
11:36
that show a similar fingerprint.
283
696260
2000
que tengan una huella similar.
11:38
So if you're in drug discovery, for example,
284
698260
3000
Así que si investigan medicinas, por ejemplo,
11:41
you can go through
285
701260
2000
pueden analizar
11:43
an entire listing of what the genome has on offer
286
703260
2000
todo un listado de lo que el genoma ofrece
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
para encontrar quizá mejores objetivos y optimizarlas.
11:49
Most of you are probably familiar
288
709260
2000
A muchos les resultarán familiares
11:51
with genome-wide association studies
289
711260
2000
los estudios sobre el genoma
11:53
in the form of people covering in the news
290
713260
3000
publicados en las noticias y que dicen:
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
"Los científicos descubrieron el gen o los genes
11:59
which affect X."
292
719260
2000
que afectan X".
12:01
And so these kinds of studies
293
721260
2000
Los científicos publican
12:03
are routinely published by scientists
294
723260
2000
a menudo este tipo de estudios.
12:05
and they're great. They analyze large populations.
295
725260
2000
Y son geniales. Analizan grandes poblaciones.
12:07
They look at their entire genomes,
296
727260
2000
Miran todos sus genomas
12:09
and they try to find hot spots of activity
297
729260
2000
y tratan de encontrar zonas de mucha actividad
12:11
that are linked causally to genes.
298
731260
3000
que tengan una relación causal con los genes.
12:14
But what you get out of such an exercise
299
734260
2000
Pero de estos ejercicios obtenemos
12:16
is simply a list of genes.
300
736260
2000
una lista de genes.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
Se nos dice qué, pero no dónde.
12:21
And so it's very important for those researchers
302
741260
3000
Para los investigadores es muy importante
12:24
that we've created this resource.
303
744260
2000
que hayamos creado este recurso.
12:26
Now they can come in
304
746260
2000
Ahora pueden venir
12:28
and they can start to get clues about activity.
305
748260
2000
y empezar a obtener pistas de esa actividad.
12:30
They can start to look at common pathways --
306
750260
2000
Pueden empezar a buscar vías comunes...
12:32
other things that they simply haven't been able to do before.
307
752260
3000
de otras formas antes inexistentes.
12:36
So I think this audience in particular
308
756260
3000
Creo que esta audiencia en particular
12:39
can understand the importance of individuality.
309
759260
3000
entiende la importancia de la individualidad.
12:42
And I think every human,
310
762260
2000
Pienso que como humanos
12:44
we all have different genetic backgrounds,
311
764260
4000
tenemos diferentes antecedentes genéticos,
12:48
we all have lived separate lives.
312
768260
2000
todos vivimos vidas separadas.
12:50
But the fact is
313
770260
2000
Pero el hecho es que
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
son similares en más del 99%.
12:55
We're similar at the genetic level.
315
775260
3000
Somos similares a nivel genético.
12:58
And what we're finding
316
778260
2000
Y hallamos que
13:00
is actually, even at the brain biochemical level,
317
780260
2000
incluso a nivel de la bioquímica cerebral
13:02
we are quite similar.
318
782260
2000
somos bastante similares.
13:04
And so this shows it's not 99 percent,
319
784260
2000
Esto demuestra no el 99%,
13:06
but it's roughly 90 percent correspondence
320
786260
2000
pero casi el 90% de correspondencia
13:08
at a reasonable cutoff,
321
788260
3000
en un corte razonable
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
así que todo en la nube está correlacionado.
13:13
And then we find some outliers,
323
793260
2000
Luego encontramos valores extremos
13:15
some things that lie beyond the cloud.
324
795260
3000
que están fuera de la nube.
13:18
And those genes are interesting,
325
798260
2000
Y los genes son interesantes
13:20
but they're very subtle.
326
800260
2000
pero muy sutiles.
13:22
So I think it's an important message
327
802260
3000
Hay un mensaje importante
13:25
to take home today
328
805260
2000
para llevarse a casa
13:27
that even though we celebrate all of our differences,
329
807260
3000
y es que aún si bien celebramos las diferencias
13:30
we are quite similar
330
810260
2000
somos muy similares
13:32
even at the brain level.
331
812260
2000
incluso a nivel cerebral.
13:34
Now what do those differences look like?
332
814260
2000
¿Cómo son esas diferencias?
13:36
This is an example of a study that we did
333
816260
2000
Este es el ejemplo de un estudio que hicimos
13:38
to follow up and see what exactly those differences were --
334
818260
2000
para analizar esas diferencias
13:40
and they're quite subtle.
335
820260
2000
y son muy sutiles.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
Aquí los genes se encienden en un tipo individual de célula.
13:46
These are two genes that we found as good examples.
337
826260
3000
Estos dos genes son buenos ejemplos.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
Uno se llama RELN... participa en las claves tempranas del desarrollo.
13:52
DISC1 is a gene
339
832260
2000
El DISC1 es un gen
13:54
that's deleted in schizophrenia.
340
834260
2000
ausente en la esquizofrenia.
13:56
These aren't schizophrenic individuals,
341
836260
2000
Estas no son personas con esquizofrenia
13:58
but they do show some population variation.
342
838260
3000
pero muestran cierta variación de la población.
14:01
And so what you're looking at here
343
841260
2000
Y aquí vemos
14:03
in donor one and donor four,
344
843260
2000
en los donantes uno y cuatro,
14:05
which are the exceptions to the other two,
345
845260
2000
que son la excepción a los otros dos,
14:07
that genes are being turned on
346
847260
2000
esos genes se activan
14:09
in a very specific subset of cells.
347
849260
2000
en un subconjunto muy específico de células.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
Este precipitado de color púrpura oscuro dentro de la célula
14:14
that's telling us a gene is turned on there.
349
854260
3000
nos dice que allí hay un gen activo.
14:17
Whether or not that's due
350
857260
2000
Se deba o no
14:19
to an individual's genetic background or their experiences,
351
859260
2000
a los antecedentes genéticos de una persona o a sus experiencias
14:21
we don't know.
352
861260
2000
no lo sabemos.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
Esos estudios requieren de poblaciones mucho más grandes.
14:28
So I'm going to leave you with a final note
354
868260
2000
Terminaré con una nota final
14:30
about the complexity of the brain
355
870260
3000
sobre la complejidad del cerebro
14:33
and how much more we have to go.
356
873260
2000
y lo que falta por recorrer.
14:35
I think these resources are incredibly valuable.
357
875260
2000
Creo que estos recursos son muy valiosos.
14:37
They give researchers a handle
358
877260
2000
Son una guía para
14:39
on where to go.
359
879260
2000
investigadores.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
Pero en este momento sólo vimos un puñado de personas.
14:44
We're certainly going to be looking at more.
361
884260
2000
Sin duda incorporaremos más.
14:46
I'll just close by saying
362
886260
2000
Terminaré diciendo
14:48
that the tools are there,
363
888260
2000
que las herramientas existen,
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
que es un continente inexplorado, sin descubrir.
14:54
This is the new frontier, if you will.
365
894260
4000
Es la nueva frontera, si se quiere.
14:58
And so for those who are undaunted,
366
898260
2000
Y para los intrépidos,
15:00
but humbled by the complexity of the brain,
367
900260
2000
intimidados por la complejidad del cerebro,
15:02
the future awaits.
368
902260
2000
el futuro aguarda.
15:04
Thanks.
369
904260
2000
Gracias.
15:06
(Applause)
370
906260
9000
(Aplausos)

Original video on YouTube.com
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7