How data is helping us unravel the mysteries of the brain | Steve McCarroll

70,391 views ・ 2018-09-24

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Shahnaz Moussavian Reviewer: sadegh zabihi
00:12
Nine years ago,
0
12785
1704
نُه سال پیش،
00:14
my sister discovered lumps in her neck and arm
1
14513
3101
خواهرم در بازو و گردن خود توده‌‌‌‌هایی پیدا کرد
00:17
and was diagnosed with cancer.
2
17638
1760
که سرطان تشخیص داده شد.
00:20
From that day, she started to benefit
3
20985
3199
از آن روز او از فوایدی بهره‌مند می‌شد که
00:24
from the understanding that science has of cancer.
4
24208
3115
درک درستی که علوم پایه از سرطان دارد، برای او به ارمغان می‌آورد.
00:28
Every time she went to the doctor,
5
28206
2099
هربار که پیش دکتر می‌‌‌‌‌‌رفت،
00:30
they measured specific molecules
6
30329
2194
نوع خاصی مولکول را اندازه گیری می‌کردند،
00:32
that gave them information about how she was doing
7
32547
2881
که نشان می‌داد حال او چطور است
00:35
and what to do next.
8
35452
1309
و قدم بعدی کدام است.
00:38
New medical options became available every few years.
9
38095
3666
هر چند‌سال گزینه‌های درمانی جدیدی از راه می‌رسید.
00:43
Everyone recognized that she was struggling heroically
10
43070
4318
همه می‌دیدند او چطور دلیرانه با یک
00:47
with a biological illness.
11
47412
1728
بیماری جسمی دست‌وپنجه نرم می‌کند.
00:50
This spring, she received an innovative new medical treatment
12
50847
3657
بهار امسال تحت درمان نو‌آورانه‌ای قرار گرفت
00:54
in a clinical trial.
13
54528
1202
در یک کارآزمایی بالینی،
00:55
It dramatically knocked back her cancer.
14
55754
2224
که به طرز چشمگیری غده را سرکوب کرد.
00:59
Guess who I'm going to spend this Thanksgiving with?
15
59446
2552
اگر گفتید عید شکرگزاری امسال را با که می‌گذرانم؟
01:02
My vivacious sister,
16
62022
2267
با خواهر سر‌زنده ام،
01:04
who gets more exercise than I do,
17
64313
2629
که از من بیشتر ورزش می‌کند،
01:06
and who, like perhaps many people in this room,
18
66966
2859
و شاید مثل بسیاری از شما که اینجا هستید،
01:09
increasingly talks about a lethal illness
19
69849
2292
هرچه بیشتر، از یک بیماری کشنده
01:12
in the past tense.
20
72165
1263
با قید گذشته یاد می‌کند.
01:14
Science can, in our lifetimes -- even in a decade --
21
74614
3863
علم قادر است در طول یک عمر -- حتی یک دهه --
01:18
transform what it means to have a specific illness.
22
78501
3207
مفهوم ابتلا به یک بیماری خاص را بکلی دگرگون کند.
01:24
But not for all illnesses.
23
84055
1534
ولی نه برای همه بیماریها.
01:27
My friend Robert and I were classmates in graduate school.
24
87375
3722
من و دوستم رابرت دردانشگاه هم دوره بودیم.
01:31
Robert was smart,
25
91121
1801
رابرت باهوش بود،
01:32
but with each passing month,
26
92946
1477
ولی هرماه که می‌گذشت
01:34
his thinking seemed to become more disorganized.
27
94447
3154
انگار تفکر او بیشترمغشوش می‌شد.
01:38
He dropped out of school, got a job in a store ...
28
98241
3198
او ترک تحصیل کرد، در فروشگاهی مشغول به کار شد ...
01:41
But that, too, became too complicated.
29
101463
2218
ولی همان هم دشوار شد.
01:44
Robert became fearful and withdrawn.
30
104559
2945
رابرت دچار ترس، و مردم‌گریز شد.
01:48
A year and a half later, he started hearing voices
31
108281
2381
یک سال‌و نیم بعد دچار صداهای موهومی شد
01:50
and believing that people were following him.
32
110686
2197
و فکر می‌کرد کسانی تعقیب‌اش می کنند.
01:52
Doctors diagnosed him with schizophrenia,
33
112907
2722
تشخیص دکترها شیزوفرنی بود.
01:55
and they gave him the best drug they could.
34
115653
2120
و بهترین داروی ممکن را برای او نوشتند.
01:57
That drug makes the voices somewhat quieter,
35
117797
3008
آن دارو صداها را قدری آرام می‌کرد،
02:00
but it didn't restore his bright mind or his social connectedness.
36
120829
3989
ولی برای حفظ ذهن بشاش او و جوشش اجتماعی او کارگر نبود.
02:06
Robert struggled to remain connected
37
126270
1856
رابرت تقلا می‌کرد تا رابطه‌اش را با
02:08
to the worlds of school and work and friends.
38
128150
2857
دنیای رفقا، کار و دانشگاه حفظ کند.
02:11
He drifted away,
39
131031
1383
او محو می‌شد و
02:12
and today I don't know where to find him.
40
132438
2285
من امروز هیچ نشانی از او ندارم.
02:15
If he watches this,
41
135593
1479
اگر این فیلم را می‌بیند،
02:17
I hope he'll find me.
42
137962
1628
امیدوارم مرا پیدا کند.
02:22
Why does medicine have so much to offer my sister,
43
142639
4107
چطور علم پزشکی این‌همه دستاورد برای خواهر من دارد و
02:27
and so much less to offer millions of people like Robert?
44
147540
4210
برای میلیونها نفر مثل رابرت اینچنین دست‌خالی است؟
02:32
The need is there.
45
152952
1290
نیاز در آنجاست.
02:34
The World Health Organization estimates that brain illnesses
46
154266
3153
طبق برآورد سازمان جهانی بهداشت بیماریهای مغزی
02:37
like schizophrenia, bipolar disorder and major depression
47
157443
4115
مثل شیزوفرنی، ناهنجاری دوقطبی و افسردگی حاد
02:41
are the world's largest cause of lost years of life and work.
48
161582
4971
بزرگترین عامل سالها افتادگی از کار و از زندگی در تمام جهان هستند.
02:47
That's in part because these illnesses often strike early in life,
49
167807
3561
بخشی به آن دلیل که این ناراحتی‌ها اغلب در آغاز زندگی بروز می‌کنند،
02:51
in many ways, in the prime of life,
50
171392
2181
به هر‌ طریق در بهترین دوران زندگی،
02:53
just as people are finishing their educations, starting careers,
51
173597
4464
درست وقتی افراد فارغ‌التحصیل می‌شوند، آغاز بکار می‌کنند،
02:58
forming relationships and families.
52
178085
2279
دارای روابط و خانواده می‌شوند.
03:00
These illnesses can result in suicide;
53
180388
2829
این ناراحتی‌ها می‌توانند منجر به خودکشی شوند،
03:03
they often compromise one's ability to work at one's full potential;
54
183907
4567
اغلب سبب می‌شوند فرد قادر به انجام کار به بهترین شکل نباشد،
03:09
and they're the cause of so many tragedies harder to measure:
55
189767
3455
و پایان‌های غم‌بار بسیاری به بار می‌آورند که قابل اندازه‌گیری نیستند:
03:13
lost relationships and connections,
56
193246
2438
روابط و پیوندهای گسیخته،
03:15
missed opportunities to pursue dreams and ideas.
57
195708
3039
فرصت‌های از دست‌رفته برای رسیدن به رویاها و آرزوها.
03:19
These illnesses limit human possibilities
58
199533
3005
این بیماریها امکانات بشری را به صورت‌هایی
03:22
in ways we simply cannot measure.
59
202562
2154
که نمی‌توان اندازه گرفت، پایین می‌آورند.
03:27
We live in an era in which there's profound medical progress
60
207493
4016
ما در عصری زندگی می‌کنیم که علوم پزشکی پیشرفتهای شگرفی
03:31
on so many other fronts.
61
211533
1811
در عرصه‌های دیگر بدست آورده‌است.
03:33
My sister's cancer story is a great example,
62
213368
2547
نمونه خوب آن بیماری خواهر من است
03:35
and we could say the same of heart disease.
63
215939
2062
همچنین بیماریهای قلبی.
03:38
Drugs like statins will prevent millions of heart attacks and strokes.
64
218025
3585
داروهایی چون استاتین‌ها از میلیونها سکته قلبی و مغزی پیشگیری می‌کنند.
03:43
When you look at these areas of profound medical progress
65
223047
2945
وقتی به این عرصه‌های شگرف پیشروی پزشکی نگاه می‌کنیم
03:46
in our lifetimes,
66
226016
1464
در زمانی که ما زندگی می‌کنیم،
03:47
they have a narrative in common:
67
227504
1674
می‌بینیم یک داستان مشترک دارند:
03:50
scientists discovered molecules that matter to an illness,
68
230067
4548
دانشمندان به مولکولی دست یافتند که برای یک بیماری مهم بود،
03:54
they developed ways to detect and measure those molecules in the body,
69
234639
4679
و سپس راههایی برای ردیابی و اندازه‌گیری آن ابداع کردند،
04:00
and they developed ways to interfere with those molecules
70
240492
2778
همچنین مسیرهایی برای مداخله در نحوه کار آن مولکول
04:03
using other molecules -- medicines.
71
243294
2048
بکمک مولکول دیگری -- به نام دارو.
04:05
It's a strategy that has worked again and again and again.
72
245921
4020
یک راهبردی که بارها و بارها ثمربخش بوده است.
04:11
But when it comes to the brain, that strategy has been limited,
73
251403
3642
نوبت به مغز که می‌رسد اما، آن راهبرد دچار محدودیت می‌شود.
04:15
because today, we don't know nearly enough, yet,
74
255069
4602
چرا که امروز دانش ما هنوز کافی نیست
04:19
about how the brain works.
75
259695
1852
از‌اینکه مغز چگونه کار می‌کند.
04:22
We need to learn which of our cells matter to each illness,
76
262526
4266
ما می‌بایست دریابیم کدامیک از سلولها در یک بیماری نقش دارند،
04:26
and which molecules in those cells matter to each illness.
77
266816
3570
و کدام مولکول آن سلولها در بیماری نقش دارند.
04:31
And that's the mission I want to tell you about today.
78
271058
2651
و این رسالتی است که امروز می‌خواهم از آن گفتگو کنم.
04:34
My lab develops technologies with which we try to turn the brain
79
274781
3809
آزمایشگاه من فن‌آوری‌هایی را ایجاد می‌کند تا مغز را بتوان بدل
04:38
into a big-data problem.
80
278614
1700
به یک صورت‌مساله کلان‌داده کرد.
04:40
You see, before I became a biologist, I worked in computers and math,
81
280338
3536
قبل از اینکه زیست‌شناس بشوم من در حوزه ریاضی و کامپیوتر کار می‌کردم،
04:43
and I learned this lesson:
82
283898
1324
و این درسی است که فرا گرفتم:
04:46
wherever you can collect vast amounts of the right kinds of data
83
286365
4184
هر جا بشود دست به گردآوری انبوهی از اقسام داده‌های مناسب زد،
04:50
about the functioning of a system,
84
290573
2030
درباره اینکه یک سیستم چگونه کار می‌کند،
04:53
you can use computers in powerful new ways
85
293365
3618
می‌توان از رایانه، با شیوه‌های پرقدرت نوینی بهره جست
04:57
to make sense of that system and learn how it works.
86
297007
3225
برای درک آن سیستم و اینکه بیاموزیم چگونه کار می‌کند.
05:00
Today, big-data approaches are transforming
87
300256
2522
رویکردهای کلان داده امروز در‌حال دگرگون ساختن
05:02
ever-larger sectors of our economy,
88
302802
2483
بخش‌های هرچه وسیع‌تراقتصاد ما هستند و
05:05
and they could do the same in biology and medicine, too.
89
305309
3286
می‌توانند همین تاثیر را بر علوم زیستی و پزشکی بگذارند.
05:08
But you have to have the right kinds of data.
90
308619
2557
ولی می‌بایست داده‌های مناسب را در اختیار داشت.
05:11
You have to have data about the right things.
91
311200
2259
داده درباره چیزهای مناسب.
05:13
And that often requires new technologies and ideas.
92
313917
3865
این اغلب نیازمند ایده‌ و فن‌آوری‌ نوین است.
05:18
And that is the mission that animates the scientists in my lab.
93
318815
3494
و این رسالتی است که دانشمندان را درآزمایشگاه من بر‌انگیخته می‌کند.
05:23
Today, I want to tell you two short stories from our work.
94
323251
2974
امروز می‌خواهم دو قصه کوتاه از کاری که می‌کنیم برایتان بگویم.
05:27
One fundamental obstacle we face
95
327427
3104
یک سد بنیادی بر سر راه ما
05:30
in trying to turn the brain into a big-data problem
96
330555
2660
در تلاش برای تبدیل مغز به مساله کلان‌داده
05:33
is that our brains are composed of and built from billions of cells.
97
333946
4538
آن است که مغز ما از میلیاردها یاخته (سلول) ترکیب و ساخته شده،
05:39
And our cells are not generalists; they're specialists.
98
339246
3859
و کار این یاخته‌ها عمومی نیست، بلکه تخصصی است.
05:43
Like humans at work,
99
343129
2089
همانطور که آدمها در حرفه‌های خود هستند.
05:45
they specialize into thousands of different cellular careers,
100
345242
5274
اینها هم بین هزاران گونه حرفهٔ سلولی، در یکی تخصصی شده،
05:50
or cell types.
101
350540
1367
و نوع خاصی از سلول می‌شوند.
05:52
In fact, each of the cell types in our body
102
352796
2571
در واقع هر یاخته بدن ما
05:55
could probably give a lively TED Talk
103
355391
1878
می‌شد یک سخنرانی پرشور TED اجرا کند
05:57
about what it does at work.
104
357293
1542
درباره کاری که انجام می‌دهد.
06:00
But as scientists, we don't even know today
105
360422
2370
ولی در‌جایگاه دانشمند، ما امروز حتی نمی‌دانیم
06:02
how many cell types there are,
106
362816
1907
چند نوع یاخته وجود دارد،
06:04
and we don't know what the titles of most of those talks would be.
107
364747
3277
و نمی‌دانیم سرفصل بیشتر آن سخنرانی‌ها چه می‌توانست باشد.
06:11
Now, we know many important things about cell types.
108
371809
2970
ولی، چیزهای مهم بسیاری از انواع یاخته‌ها می‌دانیم.
06:14
They can differ dramatically in size and shape.
109
374803
2751
می توانند به طور چشمگیری در اندازه و شکل متفاوت باشند.
06:17
One will respond to a molecule that the other doesn't respond to,
110
377578
4135
یکی به مولکولی پاسخ می‌دهد که آن دیگری نمی‌دهد،
06:21
they'll make different molecules.
111
381737
1794
مولکولهای متفاوتی تولید می‌کنند.
06:23
But science has largely been reaching these insights
112
383555
2521
اما دست‌یابی علوم به این بینش‌ها عمدتا
06:26
in an ad hoc way, one cell type at a time,
113
386100
2943
مرتبط با شرایط ویژه و برای یک نوع سلول بوده
06:29
one molecule at a time.
114
389067
1486
و یک نوع مولکول.
06:31
We wanted to make it possible to learn all of this quickly and systematically.
115
391854
4731
ما می‌خواستیم کاری کنیم تا بشود همه اینها را روشمند و با‌سرعت بیاموزیم.
06:37
Now, until recently, it was the case
116
397673
1748
حالا، تا همین اواخر اینطوربود که
06:39
that if you wanted to inventory all of the molecules
117
399445
3076
اگرمی‌خواستیم موجودی کل مولکولی را بررسی کنیم
06:42
in a part of the brain or any organ,
118
402545
2925
در ناحیه‌ای از مغز یا اندامی دیگر،
06:45
you had to first grind it up into a kind of cellular smoothie.
119
405494
3954
اول می‌بایست همه آنرا له می‌کردیم و بشکل خمیر همگن سلولی درمی‌آوردیم.
06:50
But that's a problem.
120
410678
1230
ولی این یک اشکال دارد.
06:52
As soon as you've ground up the cells,
121
412737
2538
همین که از سلول‌ها خمیری تهیه کنیم
06:55
you can only study the contents of the average cell --
122
415299
3511
فقط می‌توانیم محتوای سلول میانگین رامطالعه کنیم
06:58
not the individual cells.
123
418834
1595
و نه فرد فرد سلولها را.
07:01
Imagine if you were trying to understand how a big city like New York works,
124
421182
3709
تصور کنید اگر می‌خواستیم درکی از شهربزرگی چون نیویورک بدست آوریم،
07:04
but you could only do so by reviewing some statistics
125
424915
2542
ولی فقط با دست‌رسی به مرور بخشی از آمار
07:07
about the average resident of New York.
126
427481
2029
فرد متوسط ساکن نیویورک.
07:10
Of course, you wouldn't learn very much,
127
430637
1979
بدیهی است چیز زیادی دستگیرمان نمی‌‌شد،
07:12
because everything that's interesting and important and exciting
128
432640
3000
زیرا تمام آنچه جالب، با‌اهمیت و پرهیجان است،
07:15
is in all the diversity and the specializations.
129
435664
2732
در آن‌همه نا‌همگونی، و ویژگی داشتن است.
07:18
And the same thing is true of our cells.
130
438420
2606
این دربارهٔ سلولهای ما هم صادق است.
07:21
And we wanted to make it possible to study the brain not as a cellular smoothie
131
441050
4750
ما می خواستیم مطالعهٔ مغز را نه به مثابه خمیر سلولی
07:25
but as a cellular fruit salad,
132
445824
2478
بلکه سالاد میوهٔ سلولی ممکن سازیم،
07:28
in which one could generate data about and learn from
133
448326
2604
تا در آن تولید داده، و فراگیری دربارهٔ
07:30
each individual piece of fruit.
134
450954
1838
هر قطعهٔ میوه به تنهایی امکان‌پذیر باشد.
07:34
So we developed a technology for doing that.
135
454253
2718
بنابر‌این یک فن‌آوری برای انجام این کار پدید آوردیم.
07:36
You're about to see a movie of it.
136
456995
1729
الان فیلمی درباره آن خواهید دید.
07:41
Here we're packaging tens of thousands of individual cells,
137
461477
4028
اینجا ما ده‌ها هزار سلول منفرد را بسته بندی می‌کنیم،
07:45
each into its own tiny water droplet
138
465529
2923
هر کدام در یک قطره آب کوچک جدا
07:48
for its own molecular analysis.
139
468476
2211
برای بررسی مولکولی جداگانه.
07:51
When a cell lands in a droplet, it's greeted by a tiny bead,
140
471921
4123
هنگامی که سلول وارد قطره می‌شود یک دانه مهرهٔ کوچکی به او خوشآمد می‌گوید
07:56
and that bead delivers millions of DNA bar code molecules.
141
476068
3694
که حامل میلیونها مولکول رمز خط‌ نماد DNA می‌باشد.
08:01
And each bead delivers a different bar code sequence
142
481115
3308
و هر مهره توالی رمز متفاوتی ارايه می‌دهد
08:04
to a different cell.
143
484447
1243
برای سلول متفاوتی.
08:06
We incorporate the DNA bar codes
144
486884
2581
ما رمز خط‌ نماد DNA را پیوست
08:09
into each cell's RNA molecules.
145
489489
3058
به مولکول RNA در هر سلول می‌کنیم.
08:12
Those are the molecular transcripts it's making
146
492571
2836
اینها رونوشت مولکولی هستند که سلول می‌سازد
08:15
of the specific genes that it's using to do its job.
147
495431
3103
مطابق ژن‌های خاصی که برای انجام حرفه اش بکار می‌برد.
08:19
And then we sequence billions of these combined molecules
148
499383
4207
سپس میلیاردها از این مولکول‌های ترکیبی را توالی خوانی می‌کنیم
08:24
and use the sequences to tell us
149
504532
2498
و توالی خوانی به ما می‌گوید
08:27
which cell and which gene
150
507054
2602
از کدام سلول و کدام ژن
08:29
every molecule came from.
151
509680
1540
هر مولکول سرچشمه گرفته‌ است.
08:32
We call this approach "Drop-seq," because we use droplets
152
512561
3292
ما این رویکرد را "دراپ-سیک" نامیده‌ایم زیرا با کمک قطره
08:35
to separate the cells for analysis,
153
515877
2575
سلولها را برای تحلیل از هم جدا می‌کنیم.
08:38
and we use DNA sequences to tag and inventory
154
518476
3445
و با رشته‌های DNA برچسب‌گذاری می‌کنیم تا بررسی و
08:41
and keep track of everything.
155
521945
1488
و پیگیری همه چیزها ممکن باشد.
08:44
And now, whenever we do an experiment,
156
524727
1976
اکنون هرگاه آزمایشی انجام می‌دهیم،
08:46
we analyze tens of thousands of individual cells.
157
526727
3243
ده‌ها هزار سلول واحد را بررسی می‌کنیم.
08:51
And today in this area of science,
158
531018
2624
و امروزه در این بخش از علوم،
08:53
the challenge is increasingly how to learn as much as we can
159
533666
4931
چالش روز‌افزون این شده است که چطور هرچه بیشتر بیاموزیم،
08:58
as quickly as we can
160
538621
1872
و تا جای ممکن هر چه سریع‌تر،
09:00
from these vast data sets.
161
540517
1738
از این مجموعه داده‌‌های گسترده.
09:04
When we were developing Drop-seq, people used to tell us,
162
544914
2770
هنگامی که دست‌ بکار ساختن دراپ-سیک بودیم دیگران می‌گفتند
09:07
"Oh, this is going to make you guys the go-to for every major brain project."
163
547708
4804
"اوه، این راه ورود شما به هر طرح عظیم مغز را خواهد گشود"
09:13
That's not how we saw it.
164
553257
1544
ما اینگونه نگاه نمی‌کردیم.
09:14
Science is best when everyone is generating lots of exciting data.
165
554825
4531
دانش وقتی در یهترین حالت است که هر کس موفق به تولید داده‌های مهیج زیادی بشود.
09:20
So we wrote a 25-page instruction book,
166
560197
3214
ازاینرو ما یک دستورعمل ۲۵ صفحه‌ای نوشتیم
09:23
with which any scientist could build their own Drop-seq system from scratch.
167
563435
4578
که با کمک آن هر دانشمند علوم بتواند سیستم دراپ-سیک خود را از صفر بسازد.
09:28
And that instruction book has been downloaded from our lab website
168
568037
3697
این کتابچه آموزشی از تارنمای آزمایشگاه ما، تا حالا
09:31
50,000 times in the past two years.
169
571758
2965
۵۰٫۰۰۰ بار در دو سال گدشته، بارگیری شده است.
09:35
We wrote software that any scientist could use
170
575598
3052
ما نرم‌افزاری نوشتیم تا هر دانشمند بتواند آنرا
09:38
to analyze the data from Drop-seq experiments,
171
578674
2898
برای تحلیل داده های آزمایش دراپ-سیک بکار برد،
09:41
and that software is also free,
172
581596
1715
و آن نرم‌افزار هم رایگان است،
09:43
and it's been downloaded from our website 30,000 times in the past two years.
173
583335
4388
و از تارنمای ما ۳۰٫۰۰۰ بار در دو سال گذشته بارگیری شده‌است.
09:48
And hundreds of labs have written us about discoveries that they've made
174
588328
4979
و صدها آزمایشگاه به ما درباره یافته‌های خود نوشته‌اند
09:53
using this approach.
175
593331
1443
از بکارگیری این رویکرد.
09:54
Today, this technology is being used to make a human cell atlas.
176
594798
3560
امروزه این فناوری برای پدید‌آوردن یک اطلس یاخته انسانی بکار می‌رود.
09:58
It will be an atlas of all of the cell types in the human body
177
598382
3354
این یک اطلس از همه گونه‌های یاخته (سلول) در بدن انسان خواهد بود
10:01
and the specific genes that each cell type uses to do its job.
178
601760
3680
و ژن‌های ویژه‌ای که هر گونه سلول در انجام وظیفه‌ خود بکار می‌برد.
10:08
Now I want to tell you about a second challenge that we face
179
608133
2876
اکنون می‌خواهم از چالش دومی بگویم که ما با آن هنگام
10:11
in trying to turn the brain into a big data problem.
180
611033
2448
برگرداندن مغز به یک موضوع بزرگ داده‌ای، روبروییم.
10:13
And that challenge is that we'd like to learn from the brains
181
613505
3279
آن چالش این است که می‌خواهیم درباره مغزهای
10:16
of hundreds of thousands of living people.
182
616808
2444
صدها هزار انسان زنده بیاموزیم.
10:19
But our brains are not physically accessible while we're living.
183
619998
3704
ولی مغز مادامی که زنده هستیم قابل دسترسی نیست.
10:24
But how can we discover molecular factors if we can't hold the molecules?
184
624895
3960
چگونه می‌توان به عوامل مولکولی پی برد وقتی نمی‌توان مولکولها را در دست گرقت؟
10:30
An answer comes from the fact that the most informative molecules, proteins,
185
630352
4548
یک پاسخ از این واقعیت می آید که پراطلاعات ترین مولکول‌ها، پروتئین ها،
10:34
are encoded in our DNA,
186
634924
1782
در DNA ما رمزگذاری شده‌اند،
10:36
which has the recipes our cells follow to make all of our proteins.
187
636730
4530
که حاوی دستوری هستند که یاخته‌های ما برای ساختن پروتئین‌ها از آن پیروی می‌کنند.
10:41
And these recipes vary from person to person to person
188
641999
4946
و این دستورها برای فرد فرد ما متفاوت است
10:46
in ways that cause the proteins to vary from person to person
189
646969
3342
طوری که سبب می‌شوند پروتیٔین‌های ما از فردی به فرد دیگر فرق کنند
10:50
in their precise sequence
190
650335
1787
در چگونگی دقیق ترتیب وتوالی
10:52
and in how much each cell type makes of each protein.
191
652146
3151
و در مقادیری که هر یاخته از هر پروتئین‌ تولید می‌کند.
10:56
It's all encoded in our DNA, and it's all genetics,
192
656441
3393
همه در مولکول DNA ما کدگذاری شده‌، و همه ژنتیک است.
10:59
but it's not the genetics that we learned about in school.
193
659858
2817
ولی نه آن ژنتیکی که در مدرسه آموخته‌ایم.
11:03
Do you remember big B, little b?
194
663572
1983
آیا ب بزرگ و ب کوچک را به یاد می‌آورید؟
11:06
If you inherit big B, you get brown eyes?
195
666260
2400
اگرب بزرگ را ارث ببرید چشم‌تان قهوه‌ای خواهد شد؟
11:09
It's simple.
196
669085
1223
ساده است.
11:11
Very few traits are that simple.
197
671451
3173
صفات بسیار کمی به این سادگی هستند.
11:15
Even eye color is shaped by much more than a single pigment molecule.
198
675232
4725
حتی در رنگ چشم ما هم خیلی بیشتر از فقط یک مولکول رنگدانه نقش دارد.
11:20
And something as complex as the function of our brains
199
680861
4250
و چیزی به پیچیدگی عملکرد مغز ما
11:25
is shaped by the interaction of thousands of genes.
200
685135
3247
زادهٔ سروکارداشتن هزاران ژن با‌هم است.
11:28
And each of these genes varies meaningfully
201
688406
2340
و درهر یک از این ژنها ‌ تفاوت هدفدارانه‌ای است
11:30
from person to person to person,
202
690770
1838
از یک فرد به فردی دیگر،
11:32
and each of us is a unique combination of that variation.
203
692632
3517
و هر یک از ما یک ترکیب بی نظیر از این گوناگونی هستیم.
11:37
It's a big data opportunity.
204
697419
2216
این یک فرصت داده‌ای بزرگ است.
11:40
And today, it's increasingly possible to make progress
205
700214
3176
و امروز بطور روز‌افزون امکان پیشروی
11:43
on a scale that was never possible before.
206
703414
2796
در اندازه‌ای که پیشتر هرگز ممکن نبود، فراهم است.
11:46
People are contributing to genetic studies
207
706234
2405
بهره‌مندسازی مطالعات ژنتیکی از سوی همگان
11:48
in record numbers,
208
708663
1594
بطرز بی‌سابقه‌ای است،
11:51
and scientists around the world are sharing the data with one another
209
711085
4087
و دانشمندان در سراسر جهان داده ها را با یکدیگر به اشتراک می گذارند تا
11:55
to speed progress.
210
715196
1571
به این پیشرفت سرعت ببخشند.
11:57
I want to tell you a short story about a discovery we recently made
211
717514
3239
می‌خواهم حکایت کوتاهی از کشفی که بتازگی کرده‌ایم برایتان بگویم
12:00
about the genetics of schizophrenia.
212
720777
1894
در خصوص ژنتیک شیزوفرنی.
12:03
It was made possible by 50,000 people from 30 countries,
213
723506
4596
این کار با کمک ۵۰٫۰۰۰ نفر از سی کشور میسر شد
12:08
who contributed their DNA to genetic research on schizophrenia.
214
728126
4700
که DNA خود را برای پژوهش در باب شیزوفرنی اهدا کردند.
12:14
It had been known for several years
215
734406
2096
از سالها پیش می‌دانستیم که
12:16
that the human genome's largest influence on risk of schizophrenia
216
736526
4111
بیشترین تاثیر ژنوم انسانی در بالا بردن خطر ابتلا به شیزوفرنی
12:20
comes from a part of the genome
217
740661
1802
از سوی ناحیه‌ای از خزانه ژنی ژنوم است
12:22
that encodes many of the molecules in our immune system.
218
742487
3344
که بسیاری از مولکول‌های دستگاه ایمنی ما را رمزگذاری می‌کند.
12:25
But it wasn't clear which gene was responsible.
219
745855
3034
بی‌آنکه بدانیم کدام ژن مسئول آن است.
12:29
A scientist in my lab developed a new way to analyze DNA with computers,
220
749746
4040
یک دانشمند در آزمایشگاه من روش جدیدی برای بررسی DNA با رایانه پدید آورده‌است،
12:33
and he discovered something very surprising.
221
753810
3095
و کشف شگفت انگیزی کرد.
12:36
He found that a gene called "complement component 4" --
222
756929
3251
او فهمید ژنی که "جزء چهارم سامانه کمپلمان" نامیده میشود --
12:40
it's called "C4" for short --
223
760204
1799
نام کوتاه آن C4 سی چهار است --
12:43
comes in dozens of different forms in different people's genomes,
224
763036
3889
به چندین صورت مختلف در خزانه ژنی افراد مختلف ظاهر می‌شود،
12:46
and these different forms make different amounts
225
766949
3197
واین اشکال متفاوت هر یک مقادیر متفاوتی از
12:50
of C4 protein in our brains.
226
770170
2242
پروتیٔین C4 در مغز ما تولید می‌کند.
12:52
And he found that the more C4 protein our genes make,
227
772957
3985
و او دریافت که هر چه بیشتر ژنهای ما از این پروتیٔین C4 بسازند،
12:56
the greater our risk for schizophrenia.
228
776966
2112
خطرابتلا به شیزوفرنی در ما بیشتراست.
12:59
Now, C4 is still just one risk factor in a complex system.
229
779919
4907
با این‌همه C4 تنها یک عامل خطر است در میان یک سامانه پیچیده.
13:04
This isn't big B,
230
784850
1989
این ب بزرگ نیست.
13:06
but it's an insight about a molecule that matters.
231
786863
3557
ولی بینشی است درباره مولکولی که مهم است.
13:11
Complement proteins like C4 were known for a long time
232
791492
3637
پروتئین‌های کمپلمان از جمله C4 مدت درازی است که شناخته شده‌اند
13:15
for their roles in the immune system,
233
795153
1953
بخاطر نقش‌شان در سامانه ایمنی،
13:17
where they act as a kind of molecular Post-it note
234
797130
2778
که به یک برگه یادداشت می‌مانند
13:19
that says, "Eat me."
235
799932
1580
که می‌گوید، "مرا بخور".
13:22
And that Post-it note gets put on lots of debris
236
802475
2667
و این برگه یادداشت روی بسیاری از بقایا
13:25
and dead cells in our bodies
237
805166
2357
و سلولهای مرده در بدن ما زده می‌شود تا
13:27
and invites immune cells to eliminate them.
238
807547
2490
یاخته‌های ایمنی را دعوت به از میان بردن اینها کند.
13:30
But two colleagues of mine found that the C4 Post-it note
239
810779
3539
اما دو نفر از همکاران من دریافتند که برگه یادآوری C4
13:35
also gets put on synapses in the brain
240
815183
3298
همچنین بر روی سیناپس‌های مغز قرار می‌گیرد
13:38
and prompts their elimination.
241
818505
1864
و نابودی آنها را جلو می‌اندازد.
13:41
Now, the creation and elimination of synapses is a normal part
242
821154
3266
و اما ساختن و از میان بردن سیناپس‌ها یک بخش طبیعی
13:44
of human development and learning.
243
824444
1854
از تکامل و یادگیری انسان است.
13:46
Our brains create and eliminate synapses all the time.
244
826322
2921
مغز ما مرتبا سیناپس می‌سازد و نابود می‌کند.
13:49
But our genetic results suggest that in schizophrenia,
245
829921
2960
ولی از نتایج ژنتیکی چنین برمی‌آید که در شیزوفرنی،
13:52
the elimination process may go into overdrive.
246
832905
3233
فرآیند نابودی ممکن است فراتر رود.
13:57
Scientists at many drug companies tell me they're excited about this discovery,
247
837185
3929
دانشمندان چندین شرکت دارویی به من می گویند از این کشف هیجان زده اند،
14:01
because they've been working on complement proteins for years
248
841138
3239
زیرا آنها سالها روی پروتیٔین‌های کمپلمان
14:04
in the immune system,
249
844401
1540
در سیستم ایمنی کار کرده‌اند، و
14:05
and they've learned a lot about how they work.
250
845965
2206
چیزهای زیادی درباره نحوه کار آنها آموحته‌اند.
14:08
They've even developed molecules that interfere with complement proteins,
251
848885
3894
آنها حتی مولکولهایی پدید آورده‌اند که با پروتیٔین‌های کمپلمان تداخل می‌کند،
14:12
and they're starting to test them in the brain as well as the immune system.
252
852803
3607
و حالا می‌خواهند آنها را در مغز، همچنین دستگاه ایمنی به امتحان بگذارند.
14:17
It's potentially a path toward a drug that might address a root cause
253
857124
4721
این می‌تواند راهی به سوی یک دارویی باشد برای علت ریشه‌ای و
14:21
rather than an individual symptom,
254
861869
2649
نه فقط یک نشانه بیماری.
14:24
and we hope very much that this work by many scientists over many years
255
864542
4048
ما بس امیدواریم این کار که توسط دانشمندان بسیار و در طول سالیان در حال انجام است
14:28
will be successful.
256
868614
1152
به پیروزی بینجامد.
14:31
But C4 is just one example
257
871689
3014
ولی C4 تنها یک نمونه است
14:34
of the potential for data-driven scientific approaches
258
874727
3112
از توانایی رویکردهای علمی داده پردازانه
14:37
to open new fronts on medical problems that are centuries old.
259
877863
3903
برای گشودن راه‌های جدیدی بر موضوعات پزشکی یک قرن گذشته.
14:42
There are hundreds of places in our genomes
260
882144
2745
صدها نقطه در خزانه ژنی ما وجود دارد که
14:44
that shape risk for brain illnesses,
261
884913
2585
خطری برای بروز بیماری مغزی بشمار می‌آید،
14:47
and any one of them could lead us to the next molecular insight
262
887522
4066
وهر کدام آنها می‌تواند ما را به بینش مولکولی بعدی
14:51
about a molecule that matters.
263
891612
2020
درباره یک مولکول مهم رهنمون شود.
14:53
And there are hundreds of cell types that use these genes in different combinations.
264
893656
3987
ودر صدها گونه یاخته این ژنها در ترکیبهای گوناگون، بکار برده می‌شوند.
14:57
As we and other scientists work to generate
265
897667
2069
همچنان که ما و دیگر دانشمندان درکار تأمین
14:59
the rest of the data that's needed
266
899760
2069
سایر اطلاعات مورد نیاز و
15:01
and to learn all that we can from that data,
267
901853
2393
فراگرفتن تمام آنچه می‌توان، از این داده‌ها هستیم،
15:04
we hope to open many more new fronts.
268
904270
2403
امیدوارهستیم جبهه‌های نوین بیشتری را بگشاییم.
15:08
Genetics and single-cell analysis are just two ways
269
908483
5079
ژنتیک و بررسی سلول واحد فقط دو شیوه
15:13
of trying to turn the brain into a big data problem.
270
913586
3767
برای تبدیل مغز به موضوع داده‌ای بزرگ است.
15:18
There is so much more we can do.
271
918424
2159
کارهای بیشتری هست که می‌توان انجام داد.
15:21
Scientists in my lab are creating a technology
272
921235
3074
دانشمندان آزمایشگاهم فناوری‌ای می‌آفرینند
15:24
for quickly mapping the synaptic connections in the brain
273
924333
3196
برای نقشه‌برداری سریع تماس‌های سیناپسی مغز
15:27
to tell which neurons are talking to which other neurons
274
927553
2938
تا بتوان فهمید کدام پی‌یاخته با کدام پی‌یاخته دیگرگفتگو دارد
15:30
and how that conversation changes throughout life and during illness.
275
930515
3996
و این گفتگو چگونه در مسیر عمر و بیماری تغییر می‌کند.
15:35
And we're developing a way to test in a single tube
276
935467
4520
و ما داریم شیوه‌ای را پدید می‌آوریم تا با یک لوله واحد آزمایش کنیم
15:40
how cells with hundreds of different people's genomes
277
940011
2718
چگونه یاخته‌هایی با صدها ژنوم انسانی مختلف
15:42
respond differently to the same stimulus.
278
942753
2170
به یک محرک پاسخ متفاوتی می‌دهند.
15:46
These projects bring together people with diverse backgrounds
279
946248
4903
این طرح‌ها افرادی را گرد‌هم می‌آورد، از پیشینه گوناگون
15:51
and training and interests --
280
951175
2493
آموزش و منافع ناهمگون --
15:53
biology, computers, chemistry, math, statistics, engineering.
281
953692
5877
زیست‌شناسی، کامپیوتر، شیمی، ریاضی، آمار، مهندسی.
16:00
But the scientific possibilities rally people with diverse interests
282
960205
4232
ولی امکانات علمی، افراد با منافع ناهم‌راستا را گرد هم می‌آورد
16:04
into working intensely together.
283
964461
2235
تا با تمرکز با هم کار کنند.
16:08
What's the future that we could hope to create?
284
968871
2551
آینده‌ای که به ساختن آن بتوان امیدوار بود کدام است؟
16:12
Consider cancer.
285
972267
1350
سرطان را در نظر بگیرید.
16:14
We've moved from an era of ignorance about what causes cancer,
286
974193
3922
ما از یک عصر جاهلیت درباره ریشه سرطان،
16:18
in which cancer was commonly ascribed to personal psychological characteristics,
287
978139
6988
که در آن سرطان عموما به ویژگی‌های روانی شخصی نسبت داده می‌شد،
16:26
to a modern molecular understanding of the true biological causes of cancer.
288
986238
5395
به یک درک مولکولی مدرن از علل واقعی بیولوژیکی سرطان، هجرت کرده‌ایم.
16:32
That understanding today leads to innovative medicine
289
992100
3074
این درک مولکولی امروز منتهی به یک داروی نوآورانه
16:35
after innovative medicine,
290
995198
1696
پس از داروی نوآورانه دیگر می‌شود،
16:36
and although there's still so much work to do,
291
996918
2839
و اگرچه هنوز کار زیادی مانده که باید کرد،
16:39
we're already surrounded by people who have been cured of cancers
292
999781
3394
در پیرامون خود اکنون مردمی را می‌بینیم که از سرطان هایی شفا یافته‌اند
16:43
that were considered untreatable a generation ago.
293
1003199
3269
که در یک نسل عقب‌تر غیر‌قابل درمان تصور می‌شدند.
16:48
And millions of cancer survivors like my sister
294
1008254
3376
و میلیونها نفر از رهایی یافتگان از چنگار (سرطان) همچون خواهر من
16:51
find themselves with years of life that they didn't take for granted
295
1011654
4401
دارای سالهای زندگی شده‌اند که مسلم نبودند
16:56
and new opportunities
296
1016079
1769
همچنین فرصتهای تازه‌
16:57
for work and joy and human connection.
297
1017872
3930
برای کار و شادمانی و پیوند با انسانها.
17:03
That is the future that we are determined to create around mental illness --
298
1023358
4378
این آینده‌ای است که ما مصمم هستیم تا پیرامون بیماریهای ذهنی بوجود آوریم
17:08
one of real understanding and empathy
299
1028581
4119
آینده‌ای از درک واقعی و همدردی
17:12
and limitless possibility.
300
1032724
1816
و امکان بی‌پایان.
17:15
Thank you.
301
1035159
1190
متشکرم.
17:16
(Applause)
302
1036374
4062
(تشویق)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7