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

תרגום: Shlomo Adam עריכה: Sigal Tifferet

Nine years ago,

לפני תשע שנים

my sister discovered lumps in her neck and arm

אחותי גילתה גושים בצווארה ובזרועה

and was diagnosed with cancer.

ואובחן אצלה סרטן.

From that day, she started to benefit

החל מאותו יום היא הפיקה תועלת

מההבנה שהמדע רכש בנוגע לסרטן.

from the understanding that science has of cancer.

בכל פעם שהלכה לרופאים,

Every time she went to the doctor,

הם מדדו מולקולות מסוימות

they measured specific molecules

that gave them information about how she was doing

שנתנו להם מידע על מצבה

and what to do next.

ועל מה שיש לעשות בהמשך.

אפשרויות רפואיות חדשות נעשו זמינות מידי כמה שנים.

New medical options became available every few years.

כולם ראו שהיא נאבקת בגבורה

Everyone recognized that she was struggling heroically

במחלה ביולוגית.

with a biological illness.

This spring, she received an innovative new medical treatment

באביב הזה, היא קיבלה טיפול רפואי חדשני במסגרת ניסוי רפואי.

in a clinical trial.

It dramatically knocked back her cancer.

הטיפול הנחיל לסרטן מפלה ניצחת.

עם מי לדעתכם אבלה בחג ההודיה הקרוב?

Guess who I'm going to spend this Thanksgiving with?

עם אחותי שופעת החיים,

My vivacious sister,

שעושה פעילות גופנית יותר ממני,

who gets more exercise than I do,

and who, like perhaps many people in this room,

ושכמו רבים כאן באולם, כנראה,

increasingly talks about a lethal illness

מדברת יותר ויותר על מחלה קטלנית

בלשון עבר.

in the past tense.

Science can, in our lifetimes -- even in a decade --

המדע בחיינו, ואולי אף בעשור הקרוב,

transform what it means to have a specific illness.

ישנה את המשמעות של היות חולה במשהו.

אבל לא בכל המחלות.

But not for all illnesses.

My friend Robert and I were classmates in graduate school.

חברי, רוברט, ואני למדנו ביחד לתואר שני.

רוברט היה חכם,

Robert was smart,

but with each passing month,

אבל עם כל חודש שחלף,

his thinking seemed to become more disorganized.

נראה שחשיבתו הלכה ונעשתה מפוזרת.

הוא נשר מהלימודים, השיג עבודה בחנות...

He dropped out of school, got a job in a store ...

But that, too, became too complicated.

אבל גם זה נהיה מסובך מדי עבורו.

Robert became fearful and withdrawn.

רוברט נעשה מפוחד ומסוגר.

A year and a half later, he started hearing voices

כעבור שנה וחצי הוא החל לשמוע קולות

and believing that people were following him.

ולהאמין שעוקבים אחריו.

Doctors diagnosed him with schizophrenia,

הרופאים אבחנו אצלו סכיזופרניה,

and they gave him the best drug they could.

ונתנו לו את התרופה הכי טובה שיכלו לתת.

That drug makes the voices somewhat quieter,

התרופה השתיקה מעט את הקולות,

but it didn't restore his bright mind or his social connectedness.

אבל לא שיקמה את מוחו החד או את החברותיות שלו.

Robert struggled to remain connected

רוברט נאבק כדי להישאר מחובר

לעולמות הלימודים, העבודה והחברים.

to the worlds of school and work and friends.

הוא הלך והתרחק,

He drifted away,

and today I don't know where to find him.

והיום אינני יודע איפה הוא.

If he watches this,

אם הוא צופה בזה,

I hope he'll find me.

אני מקווה שהוא ימצא אותי.

Why does medicine have so much to offer my sister,

מדוע יכולה הרפואה להציע לאחותי כה הרבה,

and so much less to offer millions of people like Robert?

וכה פחות למיליוני אנשים כמו רוברט?

The need is there.

הצורך קיים.

The World Health Organization estimates that brain illnesses

ארגון הבריאות העולמי מעריך שמחלות של המוח,

like schizophrenia, bipolar disorder and major depression

כמו סכיזופרניה, הפרעה דו-קוטבית ודכאון חמור

are the world's largest cause of lost years of life and work.

הם הגורם העיקרי בעולם לאובדן שנות חיים ועבודה.

That's in part because these illnesses often strike early in life,

חלקית, זה משום שמחלות אלה מכות בד"כ בשלב מוקדם בחיים,

in many ways, in the prime of life,

במובנים רבים - באביב החיים,

just as people are finishing their educations, starting careers,

בדיוק כשאנשים מסיימים את הלימודים, פותחים בקריירה,

יוצרים מערכות-יחסים ומקימים משפחות.

forming relationships and families.

These illnesses can result in suicide;

המחלות האלה עלולות להסתיים בהתאבדות;

they often compromise one's ability to work at one's full potential;

הן בד"כ פוגעות ביכולת לממש את מלוא הפוטנציאל בעבודה;

and they're the cause of so many tragedies harder to measure:

והן גורמות לטרגדיות רבות מכפי שניתן לשער:

אובדן של מערכות-יחסים וקשרים,

lost relationships and connections,

missed opportunities to pursue dreams and ideas.

החמצת הזדמנויות להגשמת חלומות ולמימוש רעיונות.

These illnesses limit human possibilities

המחלות האלה מגבילות את האפשרויות האנושיות

in ways we simply cannot measure.

בדרכים שפשוט איננו מסוגלים למדוד.

We live in an era in which there's profound medical progress

אנו חיים בתקופה של קידמה רפואית אדירה

on so many other fronts.

בהרבה מאד חזיתות אחרות.

My sister's cancer story is a great example,

סיפור הסרטן של אחותי הוא דוגמה נהדרת לכך,

and we could say the same of heart disease.

ואפשר לומר זאת גם על מחלות הלב:

תרופות כמו סטטינים ימנעו מיליוני התקפי-לב ואירועי שבץ.

Drugs like statins will prevent millions of heart attacks and strokes.

כשרואים את התחומים האלה של הקידמה הרפואית הגדולה

When you look at these areas of profound medical progress

שאירעה עוד בימי חיינו,

in our lifetimes,

they have a narrative in common:

יש לכולם נרטיב משותף:

מדענים גילו מולקולות בעלות חשיבות במחלה מסוימת,

scientists discovered molecules that matter to an illness,

they developed ways to detect and measure those molecules in the body,

פיתחו דרכים לגלות ולמדוד בגוף את המולקולות האלה,

and they developed ways to interfere with those molecules

ופיתחו דרכי התערבות במולקולות אלה

using other molecules -- medicines.

בעזרת מולקולות אחרות: תרופות.

It's a strategy that has worked again and again and again.

זאת שיטה שהצליחה פעם אחר פעם.

But when it comes to the brain, that strategy has been limited,

אבל בכל הנוגע למוח, השיטה הזאת נותרה מוגבלת,

כי כיום אינו יודעים מספיק, עדיין,

because today, we don't know nearly enough, yet,

about how the brain works.

על אופן פעולתו של המוח.

We need to learn which of our cells matter to each illness,

עלינו ללמוד מהם התאים החשובים בכל מחלה,

and which molecules in those cells matter to each illness.

ואילו מולקולות בתאים אלה חשובות בכל מחלה.

וזאת השליחות שברצוני לתאר לכם היום.

And that's the mission I want to tell you about today.

My lab develops technologies with which we try to turn the brain

המעבדה שלי מפתחת טכנולוגיות שבעזרתן אנו מנסים להפוך את המוח

into a big-data problem.

לבעיית נתוני-עתק ("ביג דאטה").

You see, before I became a biologist, I worked in computers and math,

כי לפני שהפכתי לביולוג, עבדתי במחשבים ובמתמטיקה,

and I learned this lesson:

וזה הלקח שלמדתי:

wherever you can collect vast amounts of the right kinds of data

כשרוצים לאסוף כמויות עצומות של נתונים מהסוג הנכון

about the functioning of a system,

בנוגע לתפקודה של מערכת,

you can use computers in powerful new ways

אפשר להשתמש במחשבים בדרכים חדשות ורבות-עוצמה

כדי להבין את המערכת וללמוד כיצד היא פועלת.

to make sense of that system and learn how it works.

היום, הגישות הנוגעות לנתוני-עתק

Today, big-data approaches are transforming

משנות חלקים גדלים והולכים מהכלכלה שלנו,

ever-larger sectors of our economy,

and they could do the same in biology and medicine, too.

ובכוחן לעשות זאת גם בביולוגיה וברפואה.

But you have to have the right kinds of data.

אבל חשוב שיהיו הנתונים מהסוג הנכון.

חשוב שיהיו הנתונים הקשורים לדברים הנכונים.

You have to have data about the right things.

And that often requires new technologies and ideas.

ולעתים קרובות זה דורש טכנולוגיות ורעיונות חדשים.

And that is the mission that animates the scientists in my lab.

זו השליחות שמפיחה רוח-חיים בחוקרים במעבדה שלי.

Today, I want to tell you two short stories from our work.

היום ברצוני לספר לכם שני סיפורים קצרים מעבודתנו.

One fundamental obstacle we face

אחד המכשולים היסודיים שיש לנו

in trying to turn the brain into a big-data problem

בנסיון להפוך את המוח לבעיית נתוני-עתק

is that our brains are composed of and built from billions of cells.

הוא שמוחנו מורכב ובנוי ממיליארדי תאים.

והתאים האלה אינם רב-תכליתיים אלא ייחודיים.

And our cells are not generalists; they're specialists.

כמו בני-אדם בעבודה,

Like humans at work,

הם מתמיינים לאלפי קריירות תאיות שונות,

they specialize into thousands of different cellular careers,

or cell types.

או סוגי תאים.

In fact, each of the cell types in our body

למעשה, כל אחד מסוגי התאים בגופנו

could probably give a lively TED Talk

מסוגל כנראה לתת הרצאת TED מעניינת

about what it does at work.

על מה שהוא עושה בעבודה.

But as scientists, we don't even know today

אבל כמדענים, אפילו איננו יודעים

how many cell types there are,

כמה סוגי תאים ישנם,

and we don't know what the titles of most of those talks would be.

ואיננו יודעים מה תהיינה הכותרות של רוב ההרצאות האלה.

Now, we know many important things about cell types.

ידועים לנו דברים רבים וחשובים אודות סוגי תאים.

They can differ dramatically in size and shape.

הם עשויים להיות שונים עד מאד בגודל ובצורה.

One will respond to a molecule that the other doesn't respond to,

תא אחד עשוי להגיב למולקולה שתא אחר - לא,

they'll make different molecules.

הם מייצרים מולקולות שונות.

But science has largely been reaching these insights

אבל המדע הגיע באופן כללי לתובנות האלה

באופן נקודתי, סוג תא אחר סוג תא,

in an ad hoc way, one cell type at a time,

מולקולה אחר מולקולה.

one molecule at a time.

We wanted to make it possible to learn all of this quickly and systematically.

רצינו לאפשר ללמוד את כל זה במהירות ובאופן מערכתי.

Now, until recently, it was the case

עד לאחרונה, המצב היה,

that if you wanted to inventory all of the molecules

שאם רציתם רשימת-מצאי של כל המולקולות

in a part of the brain or any organ,

בחלק של המוח או כל איבר שהוא,

you had to first grind it up into a kind of cellular smoothie.

היה צריך קודם כל לטחון אותו למעין שייק תאים.

But that's a problem.

אבל זאת בעיה.

As soon as you've ground up the cells,

כשטוחנים יחד את כל התאים,

you can only study the contents of the average cell --

אפשר לחקור את תוכנו של התא הממוצע בלבד,

not the individual cells.

ולא של התאים השונים.

נניח שהייתם מנסים להבין איך עובדת עיר גדולה כמו ניו-יורק,

Imagine if you were trying to understand how a big city like New York works,

but you could only do so by reviewing some statistics

ויכולתם לסקור רק כמה נתונים סטטיסטיים

about the average resident of New York.

אודות התושב הניו-יורקי הממוצע.

Of course, you wouldn't learn very much,

ברור שלא הייתם לומדים הרבה,

because everything that's interesting and important and exciting

כי כל מה שמעניין, חשוב ומלהיב

is in all the diversity and the specializations.

מצוי במגוון ובתחומי ההתמחות.

And the same thing is true of our cells.

כך גם עם התאים שלנו.

רצינו לאפשר את לימוד המוח לא כשייק של תאים

And we wanted to make it possible to study the brain not as a cellular smoothie

but as a cellular fruit salad,

אלא כסלט-פירות של תאים,

in which one could generate data about and learn from

כשאפשר להפיק נתונים וללמוד

each individual piece of fruit.

מכל פיסת פרי בודדת.

So we developed a technology for doing that.

ולכן פיתחנו לשם כך טכנולוגיה.

You're about to see a movie of it.

מיד תראו סרטון שלה.

Here we're packaging tens of thousands of individual cells,

כאן אנו אורזים עשרות אלפי תאים שונים

each into its own tiny water droplet

כל אחד בטיפת-מים זעירה משלו

for its own molecular analysis.

לצורך ניתוח מולקולרי נפרד.

When a cell lands in a droplet, it's greeted by a tiny bead,

כשהתא מגיע לטיפת המים, הוא מתקבל ע"י חרוז זעיר,

שמפיק מיליוני מולקולות של ברקוד דנ"א.

and that bead delivers millions of DNA bar code molecules.

כל חרוז מפיק רצף שונה של ברקוד דנ"א

And each bead delivers a different bar code sequence

to a different cell.

לכל תא.

We incorporate the DNA bar codes

שילבנו את ברקודי הדנ"א

into each cell's RNA molecules.

במולקולות הרנ"א של כל תא.

Those are the molecular transcripts it's making

אלו הרישומים המולקולריים שהוא יוצר

of the specific genes that it's using to do its job.

עבור הגנים המסוימים שבאמצעותם הוא מבצע את תפקידו.

And then we sequence billions of these combined molecules

ואז אנו מרצפים מיליארדי מולקולות משולבות כאלה

and use the sequences to tell us

והרצפים אומרים לנו

איזו מולקולה הגיעה מכל תא וכל גן.

which cell and which gene

every molecule came from.

We call this approach "Drop-seq," because we use droplets

אנו מכנים גישה זו "דרופ-סיק", כי אנו משתמשים בטיפות

to separate the cells for analysis,

כדי להפריד את התאים לצורך ניתוח,

and we use DNA sequences to tag and inventory

וברצפי הדנ"א כדי לתייג ולהכין רשימת מצאי

and keep track of everything.

כדי לעקוב אחרי הכל.

And now, whenever we do an experiment,

ועכשיו, כשאנו עורכים ניסוי,

we analyze tens of thousands of individual cells.

אנו מנתחים עשרות אלפי תאים שונים.

והיום, בתחום המדע הזה,

And today in this area of science,

the challenge is increasingly how to learn as much as we can

הולך וגדל האתגר ללמוד ככל שנוכל

as quickly as we can

מהר ככל שנוכל

from these vast data sets.

ממערכי הנתונים הענקיים האלה.

When we were developing Drop-seq, people used to tell us,

כשפיתחנו את ה"דרופ-סיק", אמרו לנו,

"Oh, this is going to make you guys the go-to for every major brain project."

"זה יהפוך אתכם לכתובת לכל מיזם גדול שקשור למוח."

That's not how we saw it.

אנו ראינו זאת אחרת.

Science is best when everyone is generating lots of exciting data.

המדע הוא במיטבו כשכולם מפיקים המון נתונים מלהיבים.

אז כתבנו ספר-הוראות בן 25 עמודים,

So we wrote a 25-page instruction book,

with which any scientist could build their own Drop-seq system from scratch.

שבעזרתו יכול כל מדען לבנות מערכת "דרופ-סיק" מההתחלה.

ספר ההוראות הזה הורד מאתר המעבדה שלנו

And that instruction book has been downloaded from our lab website

50,000 times in the past two years.

50,000 פעם בשנתיים האחרונות.

We wrote software that any scientist could use

כתבנו תוכנה שבה יכול להשתמש כל מדען

to analyze the data from Drop-seq experiments,

כדי לנתח נתונים מניסויי "דרופ-סיק",

and that software is also free,

וגם התוכנה היא חינמית,

and it's been downloaded from our website 30,000 times in the past two years.

והיא הורדה מהאתר שלנו 30,000 פעם בשנתיים האחרונות.

And hundreds of labs have written us about discoveries that they've made

ומאות מעבדות כתבו לנו על התגליות שלהן

using this approach.

באמצעות הגישה הזאת.

Today, this technology is being used to make a human cell atlas.

היום, הטכנולוגיה הזאת משמשת להכנת אטלס של התאים האנושיים.

It will be an atlas of all of the cell types in the human body

האטלס הזה יראה את כל סוגי התאים בגוף האנושי

and the specific genes that each cell type uses to do its job.

ואת הגנים הספציפיים שבהם משתמש כל תא לביצוע תפקידו.

עכשיו ברצוני לספר לכם עם אתגר נוסף שלנו

Now I want to tell you about a second challenge that we face

בנסיון להפוך את המוח לבעיית נתוני-עתק.

in trying to turn the brain into a big data problem.

And that challenge is that we'd like to learn from the brains

האתגר הוא רצוננו ללמוד מהמוחות

of hundreds of thousands of living people.

של מאות אלפי בני-אדם חיים.

But our brains are not physically accessible while we're living.

אבל המוחות שלנו אינם נגישים פיזית כשאנו בחיים.

But how can we discover molecular factors if we can't hold the molecules?

אז איך נגלה גורמים מולקולריים אם איננו יכולים להגיע למולקולות?

An answer comes from the fact that the most informative molecules, proteins,

התשובה נעוצה בעובדה שהמולקולות הכי אינפורמטיביות, החלבונים,

are encoded in our DNA,

מקודדות בדנ"א שלנו,

which has the recipes our cells follow to make all of our proteins.

שמכיל מתכונים שעל פיהם התאים יוצרים את החלבונים שלנו.

And these recipes vary from person to person to person

המתכונים האלה משתנים מאדם לאדם

in ways that cause the proteins to vary from person to person

בדרכים שגורמות לחלבונים להשתנות מאדם לאדם

in their precise sequence

מבחינת הרצף המדויק

וכמות החלבון שכל סוג תא מייצר.

and in how much each cell type makes of each protein.

It's all encoded in our DNA, and it's all genetics,

הכל מקודד בדנ"א, כל זה הוא גנטיקה,

but it's not the genetics that we learned about in school.

אבל לא הגנטיקה שלמדנו בבית-הספר.

Do you remember big B, little b?

זוכרים את האותיות הגדולות והקטנות בדנ"א?

If you inherit big B, you get brown eyes?

שאם ירשתם B גדולה, תהיינה לכם עיניים חומות?

זה פשוט.

It's simple.

Very few traits are that simple.

מעט מאד תכונות הן עד כדי כך פשוטות.

אפילו צבע העיניים מוכתב ע"י הרבה יותר מאשר מולקולת פיגמנט בודדת.

Even eye color is shaped by much more than a single pigment molecule.

And something as complex as the function of our brains

ומשהו כה מורכב כמו תפקוד המוח

נקבע ע"י יחסי הגומלין בין אלפי גנים.

is shaped by the interaction of thousands of genes.

And each of these genes varies meaningfully

וכל אחד מהגנים האלה שונה באופן משמעותי אצל כל אדם,

from person to person to person,

and each of us is a unique combination of that variation.

וכל אחד מאיתנו הוא שילוב ייחודי של שוֹנוּת זו.

It's a big data opportunity.

זאת הזדמנות עבור גישת נתוני העתק.

והיום, יותר ויותר מתאפשרת קידמה

And today, it's increasingly possible to make progress

on a scale that was never possible before.

בהיקף שלא היה אפשרי עד כה.

אנשים תורמים למחקר הגנטי

People are contributing to genetic studies

in record numbers,

במספרי שיא,

ומדענים בכל העולם חולקים ביניהם נתונים

and scientists around the world are sharing the data with one another

כדי להאיץ את ההתקדמות.

to speed progress.

I want to tell you a short story about a discovery we recently made

אני רוצה לספר לכם סיפור קצר על תגלית שגילינו לאחרונה

about the genetics of schizophrenia.

בנוגע לגנטיקה של הסכיזופרניה.

It was made possible by 50,000 people from 30 countries,

היא התאפשרה הודות ל-50,000 איש מ-30 מדינות,

שתרמו מהדנ"א שלהם לחקר הגנטי של הסכיזופרניה.

who contributed their DNA to genetic research on schizophrenia.

It had been known for several years

מזה כמה שנים ידוע

that the human genome's largest influence on risk of schizophrenia

שהסיכון לסכיזופרניה הגדול ביותר בגנום האנושי

comes from a part of the genome

מקורו בחלק בגנום

that encodes many of the molecules in our immune system.

שמקודד רבות מהמולקולות במערכת החיסונית שלנו.

But it wasn't clear which gene was responsible.

אבל לא היה ברור מיהו הגן האחראי לכך.

A scientist in my lab developed a new way to analyze DNA with computers,

מדען במעבדה שלי פיתח דרך חדשה לניתוח דנ"א בעזרת מחשב,

and he discovered something very surprising.

והוא גילה דבר מפתיע ביותר.

He found that a gene called "complement component 4" --

הוא גילה שגן בשם "מרכיב משלים 4"

או בקיצור "סי4" --

it's called "C4" for short --

מופיע בעשרות צורות שונות בגנומים של אנשים שונים,

comes in dozens of different forms in different people's genomes,

and these different forms make different amounts

והצורות השונות האלה יוצרות כמויות שונות

של חלבון סי4 במוח.

of C4 protein in our brains.

And he found that the more C4 protein our genes make,

הוא מצא שככל שהגנים שלנו מייצרים יותר חלבון סי4,

the greater our risk for schizophrenia.

כך גדל הסיכון לסכיזופרניה.

Now, C4 is still just one risk factor in a complex system.

הסי4 הוא רק גורם-סיכון אחד במערכת מורכבת.

This isn't big B,

לא מדובר בתכונה גנטית פשוטה,

but it's an insight about a molecule that matters.

אלא בתובנה לגבי מולקולה חשובה.

Complement proteins like C4 were known for a long time

חלבונים משלימים כמו סי4 מוכרים מזה זמן רב

בשל תפקידיהם במערכת החיסונית,

for their roles in the immune system,

שבה הם מתפקדים כפתקים-דביקים מולקולריים

where they act as a kind of molecular Post-it note

that says, "Eat me."

שמודיעים, "איכלו אותי".

And that Post-it note gets put on lots of debris

פתק דביק כזה נצמד לכל מיני שאריות ותאים מתים בגופנו

and dead cells in our bodies

and invites immune cells to eliminate them.

והוא מזמין את תאי המערכת החיסונית לחסל אותם.

But two colleagues of mine found that the C4 Post-it note

אבל שניים מעמיתי גילו שפתקי הסי4

מוצמדים גם לסינפסות במוח

also gets put on synapses in the brain

and prompts their elimination.

ומזמינים את חיסולן.

יצירה וחיסול של סינפסות היא חלק תקין

Now, the creation and elimination of synapses is a normal part

of human development and learning.

מההתפתחות והלמידה האנושית.

Our brains create and eliminate synapses all the time.

מוחותינו יוצרים ומחסלים סינפסות כל הזמן.

But our genetic results suggest that in schizophrenia,

אבל לפי תוצאות החקר הגנטי שלנו בסכיזופרניה,

the elimination process may go into overdrive.

תהליך החיסול עלול לצאת משליטה.

מדענים בחברות תרופות רבות אומרים לי שהם נרגשים מתגלית זו,

Scientists at many drug companies tell me they're excited about this discovery,

כי הם עובדים כבר שנים על חלבונים משלימים

because they've been working on complement proteins for years

in the immune system,

במערכת החיסונית,

and they've learned a lot about how they work.

והם למדו המון על אופן פעולתם.

They've even developed molecules that interfere with complement proteins,

הם אפילו פיתחו מולקולות שמשבשות את פעולת החלבונים המשלימים,

and they're starting to test them in the brain as well as the immune system.

והם מתחילים לבחון אותם במוח וגם במערכת החיסונית.

יש כאן פוטנציאל לתרופה שתטפל בגורם יסודי

It's potentially a path toward a drug that might address a root cause

rather than an individual symptom,

במקום בתסמין מסוים,

and we hope very much that this work by many scientists over many years

ואנו מקווים שעבודתם מרובת השנים הזו של מדענים רבים

will be successful.

תישא פרי.

But C4 is just one example

אבל הסי4 הוא רק דוגמה אחת

of the potential for data-driven scientific approaches

לאפשרויות הגלומות בגישות מדעיות מבוססות-נתונים

to open new fronts on medical problems that are centuries old.

לפתיחת חזיתות חדשות בבעיות רפואיות בנות מאות שנים.

יש בגנום שלנו מאות מקומות

There are hundreds of places in our genomes

that shape risk for brain illnesses,

שמשפיעים על הסיכון למחלות מוח,

and any one of them could lead us to the next molecular insight

וכל אחד מהם עשוי להניב את התובנה המולקולרית הבאה

about a molecule that matters.

בנוגע למולקולה חשובה.

And there are hundreds of cell types that use these genes in different combinations.

בנוסף, ישנם מאות סוגי תאים שמשתמשים בגנים אלה בשילובים שונים.

As we and other scientists work to generate

אני ומדענים נוספים עובדים על הפקת שאר הנתונים הדרושים

the rest of the data that's needed

and to learn all that we can from that data,

ועל לימוד כל מה שנוכל ללמוד מנתונים אלה,

we hope to open many more new fronts.

ואנו מקווים לפתוח עוד הרבה חזיתות חדשות.

Genetics and single-cell analysis are just two ways

הגנטיקה וניתוח התא הבודד הן רק שתי דרכים

of trying to turn the brain into a big data problem.

לנסות להפוך את המוח לבעיית נתוני-עתק.

There is so much more we can do.

יש עוד דברים רבים שנוכל לעשות.

מדענים במעבדתי יוצרים טכנולוגיה

Scientists in my lab are creating a technology

for quickly mapping the synaptic connections in the brain

למיפוי מהיר של החיבורים הסינפטיים במוח

to tell which neurons are talking to which other neurons

כדי לקבוע אילו תאי-עצב מדברים עם אילו תאי-עצב

and how that conversation changes throughout life and during illness.

ואיך השיחות האלה משתנות לאורך החיים ובמהלך מחלה.

And we're developing a way to test in a single tube

הם גם מפתחים דרך לבחון במבחנה בודדת

איך תאים עם גנומים של מאות אנשים שונים

how cells with hundreds of different people's genomes

respond differently to the same stimulus.

מגיבים אחרת לאותו גירוי.

המיזמים האלה מחברים בין אנשים ממגוון רקעים, הכשרות ותחומי-עניין --

These projects bring together people with diverse backgrounds

and training and interests --

biology, computers, chemistry, math, statistics, engineering.

ביולוגיה, מחשבים, כימיה, מתמטיקה, סטטיסטיקה, הנדסה.

והאפשרויות המדעיות מקבצות אנשים בעלי תחומי-עניין מגוונים

But the scientific possibilities rally people with diverse interests

into working intensely together.

לעבודה מאומצת ביחד.

What's the future that we could hope to create?

מהו העתיד שאנו מקווים ליצור?

Consider cancer.

חישבו על הסרטן.

עברנו מעידן הבורות באשר לגורמי הסרטן,

We've moved from an era of ignorance about what causes cancer,

שבו ייחסו בד"כ את הסרטן למאפיינים פסיכולוגיים אישיים,

in which cancer was commonly ascribed to personal psychological characteristics,

לעידן המודרני של ההבנה המולקולרית באשר לגורמי הסרטן האמיתיים.

to a modern molecular understanding of the true biological causes of cancer.

הבנה זו מולידה כיום חידושים רפואיים

That understanding today leads to innovative medicine

בזה אחר זה,

after innovative medicine,

and although there's still so much work to do,

ולמרות שהמלאכה עוד רבה,

we're already surrounded by people who have been cured of cancers

כבר היום אנו מוקפים באנשים שהחלימו מסרטן

שנחשב חשוך-מרפא לפני דור אחד בלבד.

that were considered untreatable a generation ago.

And millions of cancer survivors like my sister

ומיליוני ניצולי סרטן, כמו אחותי,

find themselves with years of life that they didn't take for granted

מגלים שמצפות להם שנות חיים בלתי-מובנות מאליהן

והזדמנויות חדשות

and new opportunities

for work and joy and human connection.

לעבודה, לשמחה ולקשר אנושי.

That is the future that we are determined to create around mental illness --

זהו העתיד שאנו נחושים ליצור בנוגע למחלות הנפש --

one of real understanding and empathy

עתיד של הבנה אמיתית ואמפתיה

and limitless possibility.

ושל אפשרויות בלתי-מוגבלות.

תודה לכם.

Thank you.

(Applause)

(מחיאות כפיים)