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

70,357 views ・ 2018-09-24

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

תרגום: Shlomo Adam עריכה: Sigal Tifferet
00:12
Nine years ago,
0
12785
1704
לפני תשע שנים
00:14
my sister discovered lumps in her neck and arm
1
14513
3101
אחותי גילתה גושים בצווארה ובזרועה
00:17
and was diagnosed with cancer.
2
17638
1760
ואובחן אצלה סרטן.
00:20
From that day, she started to benefit
3
20985
3199
החל מאותו יום היא הפיקה תועלת
מההבנה שהמדע רכש בנוגע לסרטן.
00:24
from the understanding that science has of cancer.
4
24208
3115
בכל פעם שהלכה לרופאים,
00:28
Every time she went to the doctor,
5
28206
2099
הם מדדו מולקולות מסוימות
00:30
they measured specific molecules
6
30329
2194
00:32
that gave them information about how she was doing
7
32547
2881
שנתנו להם מידע על מצבה
00:35
and what to do next.
8
35452
1309
ועל מה שיש לעשות בהמשך.
אפשרויות רפואיות חדשות נעשו זמינות מידי כמה שנים.
00:38
New medical options became available every few years.
9
38095
3666
כולם ראו שהיא נאבקת בגבורה
00:43
Everyone recognized that she was struggling heroically
10
43070
4318
במחלה ביולוגית.
00:47
with a biological illness.
11
47412
1728
00:50
This spring, she received an innovative new medical treatment
12
50847
3657
באביב הזה, היא קיבלה טיפול רפואי חדשני במסגרת ניסוי רפואי.
00:54
in a clinical trial.
13
54528
1202
00:55
It dramatically knocked back her cancer.
14
55754
2224
הטיפול הנחיל לסרטן מפלה ניצחת.
עם מי לדעתכם אבלה בחג ההודיה הקרוב?
00:59
Guess who I'm going to spend this Thanksgiving with?
15
59446
2552
עם אחותי שופעת החיים,
01:02
My vivacious sister,
16
62022
2267
שעושה פעילות גופנית יותר ממני,
01:04
who gets more exercise than I do,
17
64313
2629
01:06
and who, like perhaps many people in this room,
18
66966
2859
ושכמו רבים כאן באולם, כנראה,
01:09
increasingly talks about a lethal illness
19
69849
2292
מדברת יותר ויותר על מחלה קטלנית
בלשון עבר.
01:12
in the past tense.
20
72165
1263
01:14
Science can, in our lifetimes -- even in a decade --
21
74614
3863
המדע בחיינו, ואולי אף בעשור הקרוב,
01:18
transform what it means to have a specific illness.
22
78501
3207
ישנה את המשמעות של היות חולה במשהו.
אבל לא בכל המחלות.
01:24
But not for all illnesses.
23
84055
1534
01:27
My friend Robert and I were classmates in graduate school.
24
87375
3722
חברי, רוברט, ואני למדנו ביחד לתואר שני.
רוברט היה חכם,
01:31
Robert was smart,
25
91121
1801
01:32
but with each passing month,
26
92946
1477
אבל עם כל חודש שחלף,
01:34
his thinking seemed to become more disorganized.
27
94447
3154
נראה שחשיבתו הלכה ונעשתה מפוזרת.
הוא נשר מהלימודים, השיג עבודה בחנות...
01:38
He dropped out of school, got a job in a store ...
28
98241
3198
01:41
But that, too, became too complicated.
29
101463
2218
אבל גם זה נהיה מסובך מדי עבורו.
01:44
Robert became fearful and withdrawn.
30
104559
2945
רוברט נעשה מפוחד ומסוגר.
01:48
A year and a half later, he started hearing voices
31
108281
2381
כעבור שנה וחצי הוא החל לשמוע קולות
01:50
and believing that people were following him.
32
110686
2197
ולהאמין שעוקבים אחריו.
01:52
Doctors diagnosed him with schizophrenia,
33
112907
2722
הרופאים אבחנו אצלו סכיזופרניה,
01:55
and they gave him the best drug they could.
34
115653
2120
ונתנו לו את התרופה הכי טובה שיכלו לתת.
01:57
That drug makes the voices somewhat quieter,
35
117797
3008
התרופה השתיקה מעט את הקולות,
02:00
but it didn't restore his bright mind or his social connectedness.
36
120829
3989
אבל לא שיקמה את מוחו החד או את החברותיות שלו.
02:06
Robert struggled to remain connected
37
126270
1856
רוברט נאבק כדי להישאר מחובר
לעולמות הלימודים, העבודה והחברים.
02:08
to the worlds of school and work and friends.
38
128150
2857
הוא הלך והתרחק,
02:11
He drifted away,
39
131031
1383
02:12
and today I don't know where to find him.
40
132438
2285
והיום אינני יודע איפה הוא.
02:15
If he watches this,
41
135593
1479
אם הוא צופה בזה,
02:17
I hope he'll find me.
42
137962
1628
אני מקווה שהוא ימצא אותי.
02:22
Why does medicine have so much to offer my sister,
43
142639
4107
מדוע יכולה הרפואה להציע לאחותי כה הרבה,
02:27
and so much less to offer millions of people like Robert?
44
147540
4210
וכה פחות למיליוני אנשים כמו רוברט?
02:32
The need is there.
45
152952
1290
הצורך קיים.
02:34
The World Health Organization estimates that brain illnesses
46
154266
3153
ארגון הבריאות העולמי מעריך שמחלות של המוח,
02:37
like schizophrenia, bipolar disorder and major depression
47
157443
4115
כמו סכיזופרניה, הפרעה דו-קוטבית ודכאון חמור
02:41
are the world's largest cause of lost years of life and work.
48
161582
4971
הם הגורם העיקרי בעולם לאובדן שנות חיים ועבודה.
02:47
That's in part because these illnesses often strike early in life,
49
167807
3561
חלקית, זה משום שמחלות אלה מכות בד"כ בשלב מוקדם בחיים,
02:51
in many ways, in the prime of life,
50
171392
2181
במובנים רבים - באביב החיים,
02:53
just as people are finishing their educations, starting careers,
51
173597
4464
בדיוק כשאנשים מסיימים את הלימודים, פותחים בקריירה,
יוצרים מערכות-יחסים ומקימים משפחות.
02:58
forming relationships and families.
52
178085
2279
03:00
These illnesses can result in suicide;
53
180388
2829
המחלות האלה עלולות להסתיים בהתאבדות;
03:03
they often compromise one's ability to work at one's full potential;
54
183907
4567
הן בד"כ פוגעות ביכולת לממש את מלוא הפוטנציאל בעבודה;
03:09
and they're the cause of so many tragedies harder to measure:
55
189767
3455
והן גורמות לטרגדיות רבות מכפי שניתן לשער:
אובדן של מערכות-יחסים וקשרים,
03:13
lost relationships and connections,
56
193246
2438
03:15
missed opportunities to pursue dreams and ideas.
57
195708
3039
החמצת הזדמנויות להגשמת חלומות ולמימוש רעיונות.
03:19
These illnesses limit human possibilities
58
199533
3005
המחלות האלה מגבילות את האפשרויות האנושיות
03:22
in ways we simply cannot measure.
59
202562
2154
בדרכים שפשוט איננו מסוגלים למדוד.
03:27
We live in an era in which there's profound medical progress
60
207493
4016
אנו חיים בתקופה של קידמה רפואית אדירה
03:31
on so many other fronts.
61
211533
1811
בהרבה מאד חזיתות אחרות.
03:33
My sister's cancer story is a great example,
62
213368
2547
סיפור הסרטן של אחותי הוא דוגמה נהדרת לכך,
03:35
and we could say the same of heart disease.
63
215939
2062
ואפשר לומר זאת גם על מחלות הלב:
תרופות כמו סטטינים ימנעו מיליוני התקפי-לב ואירועי שבץ.
03:38
Drugs like statins will prevent millions of heart attacks and strokes.
64
218025
3585
כשרואים את התחומים האלה של הקידמה הרפואית הגדולה
03:43
When you look at these areas of profound medical progress
65
223047
2945
שאירעה עוד בימי חיינו,
03:46
in our lifetimes,
66
226016
1464
03:47
they have a narrative in common:
67
227504
1674
יש לכולם נרטיב משותף:
מדענים גילו מולקולות בעלות חשיבות במחלה מסוימת,
03:50
scientists discovered molecules that matter to an illness,
68
230067
4548
03:54
they developed ways to detect and measure those molecules in the body,
69
234639
4679
פיתחו דרכים לגלות ולמדוד בגוף את המולקולות האלה,
04:00
and they developed ways to interfere with those molecules
70
240492
2778
ופיתחו דרכי התערבות במולקולות אלה
04:03
using other molecules -- medicines.
71
243294
2048
בעזרת מולקולות אחרות: תרופות.
04:05
It's a strategy that has worked again and again and again.
72
245921
4020
זאת שיטה שהצליחה פעם אחר פעם.
04:11
But when it comes to the brain, that strategy has been limited,
73
251403
3642
אבל בכל הנוגע למוח, השיטה הזאת נותרה מוגבלת,
כי כיום אינו יודעים מספיק, עדיין,
04:15
because today, we don't know nearly enough, yet,
74
255069
4602
04:19
about how the brain works.
75
259695
1852
על אופן פעולתו של המוח.
04:22
We need to learn which of our cells matter to each illness,
76
262526
4266
עלינו ללמוד מהם התאים החשובים בכל מחלה,
04:26
and which molecules in those cells matter to each illness.
77
266816
3570
ואילו מולקולות בתאים אלה חשובות בכל מחלה.
וזאת השליחות שברצוני לתאר לכם היום.
04:31
And that's the mission I want to tell you about today.
78
271058
2651
04:34
My lab develops technologies with which we try to turn the brain
79
274781
3809
המעבדה שלי מפתחת טכנולוגיות שבעזרתן אנו מנסים להפוך את המוח
04:38
into a big-data problem.
80
278614
1700
לבעיית נתוני-עתק ("ביג דאטה").
04:40
You see, before I became a biologist, I worked in computers and math,
81
280338
3536
כי לפני שהפכתי לביולוג, עבדתי במחשבים ובמתמטיקה,
04:43
and I learned this lesson:
82
283898
1324
וזה הלקח שלמדתי:
04:46
wherever you can collect vast amounts of the right kinds of data
83
286365
4184
כשרוצים לאסוף כמויות עצומות של נתונים מהסוג הנכון
04:50
about the functioning of a system,
84
290573
2030
בנוגע לתפקודה של מערכת,
04:53
you can use computers in powerful new ways
85
293365
3618
אפשר להשתמש במחשבים בדרכים חדשות ורבות-עוצמה
כדי להבין את המערכת וללמוד כיצד היא פועלת.
04:57
to make sense of that system and learn how it works.
86
297007
3225
היום, הגישות הנוגעות לנתוני-עתק
05:00
Today, big-data approaches are transforming
87
300256
2522
משנות חלקים גדלים והולכים מהכלכלה שלנו,
05:02
ever-larger sectors of our economy,
88
302802
2483
05:05
and they could do the same in biology and medicine, too.
89
305309
3286
ובכוחן לעשות זאת גם בביולוגיה וברפואה.
05:08
But you have to have the right kinds of data.
90
308619
2557
אבל חשוב שיהיו הנתונים מהסוג הנכון.
חשוב שיהיו הנתונים הקשורים לדברים הנכונים.
05:11
You have to have data about the right things.
91
311200
2259
05:13
And that often requires new technologies and ideas.
92
313917
3865
ולעתים קרובות זה דורש טכנולוגיות ורעיונות חדשים.
05:18
And that is the mission that animates the scientists in my lab.
93
318815
3494
זו השליחות שמפיחה רוח-חיים בחוקרים במעבדה שלי.
05:23
Today, I want to tell you two short stories from our work.
94
323251
2974
היום ברצוני לספר לכם שני סיפורים קצרים מעבודתנו.
05:27
One fundamental obstacle we face
95
327427
3104
אחד המכשולים היסודיים שיש לנו
05:30
in trying to turn the brain into a big-data problem
96
330555
2660
בנסיון להפוך את המוח לבעיית נתוני-עתק
05:33
is that our brains are composed of and built from billions of cells.
97
333946
4538
הוא שמוחנו מורכב ובנוי ממיליארדי תאים.
והתאים האלה אינם רב-תכליתיים אלא ייחודיים.
05:39
And our cells are not generalists; they're specialists.
98
339246
3859
כמו בני-אדם בעבודה,
05:43
Like humans at work,
99
343129
2089
הם מתמיינים לאלפי קריירות תאיות שונות,
05:45
they specialize into thousands of different cellular careers,
100
345242
5274
05:50
or cell types.
101
350540
1367
או סוגי תאים.
05:52
In fact, each of the cell types in our body
102
352796
2571
למעשה, כל אחד מסוגי התאים בגופנו
05:55
could probably give a lively TED Talk
103
355391
1878
מסוגל כנראה לתת הרצאת TED מעניינת
05:57
about what it does at work.
104
357293
1542
על מה שהוא עושה בעבודה.
06:00
But as scientists, we don't even know today
105
360422
2370
אבל כמדענים, אפילו איננו יודעים
06:02
how many cell types there are,
106
362816
1907
כמה סוגי תאים ישנם,
06:04
and we don't know what the titles of most of those talks would be.
107
364747
3277
ואיננו יודעים מה תהיינה הכותרות של רוב ההרצאות האלה.
06:11
Now, we know many important things about cell types.
108
371809
2970
ידועים לנו דברים רבים וחשובים אודות סוגי תאים.
06:14
They can differ dramatically in size and shape.
109
374803
2751
הם עשויים להיות שונים עד מאד בגודל ובצורה.
06:17
One will respond to a molecule that the other doesn't respond to,
110
377578
4135
תא אחד עשוי להגיב למולקולה שתא אחר - לא,
06:21
they'll make different molecules.
111
381737
1794
הם מייצרים מולקולות שונות.
06:23
But science has largely been reaching these insights
112
383555
2521
אבל המדע הגיע באופן כללי לתובנות האלה
באופן נקודתי, סוג תא אחר סוג תא,
06:26
in an ad hoc way, one cell type at a time,
113
386100
2943
מולקולה אחר מולקולה.
06:29
one molecule at a time.
114
389067
1486
06:31
We wanted to make it possible to learn all of this quickly and systematically.
115
391854
4731
רצינו לאפשר ללמוד את כל זה במהירות ובאופן מערכתי.
06:37
Now, until recently, it was the case
116
397673
1748
עד לאחרונה, המצב היה,
06:39
that if you wanted to inventory all of the molecules
117
399445
3076
שאם רציתם רשימת-מצאי של כל המולקולות
06:42
in a part of the brain or any organ,
118
402545
2925
בחלק של המוח או כל איבר שהוא,
06:45
you had to first grind it up into a kind of cellular smoothie.
119
405494
3954
היה צריך קודם כל לטחון אותו למעין שייק תאים.
06:50
But that's a problem.
120
410678
1230
אבל זאת בעיה.
06:52
As soon as you've ground up the cells,
121
412737
2538
כשטוחנים יחד את כל התאים,
06:55
you can only study the contents of the average cell --
122
415299
3511
אפשר לחקור את תוכנו של התא הממוצע בלבד,
06:58
not the individual cells.
123
418834
1595
ולא של התאים השונים.
נניח שהייתם מנסים להבין איך עובדת עיר גדולה כמו ניו-יורק,
07:01
Imagine if you were trying to understand how a big city like New York works,
124
421182
3709
07:04
but you could only do so by reviewing some statistics
125
424915
2542
ויכולתם לסקור רק כמה נתונים סטטיסטיים
07:07
about the average resident of New York.
126
427481
2029
אודות התושב הניו-יורקי הממוצע.
07:10
Of course, you wouldn't learn very much,
127
430637
1979
ברור שלא הייתם לומדים הרבה,
07:12
because everything that's interesting and important and exciting
128
432640
3000
כי כל מה שמעניין, חשוב ומלהיב
07:15
is in all the diversity and the specializations.
129
435664
2732
מצוי במגוון ובתחומי ההתמחות.
07:18
And the same thing is true of our cells.
130
438420
2606
כך גם עם התאים שלנו.
רצינו לאפשר את לימוד המוח לא כשייק של תאים
07:21
And we wanted to make it possible to study the brain not as a cellular smoothie
131
441050
4750
07:25
but as a cellular fruit salad,
132
445824
2478
אלא כסלט-פירות של תאים,
07:28
in which one could generate data about and learn from
133
448326
2604
כשאפשר להפיק נתונים וללמוד
07:30
each individual piece of fruit.
134
450954
1838
מכל פיסת פרי בודדת.
07:34
So we developed a technology for doing that.
135
454253
2718
ולכן פיתחנו לשם כך טכנולוגיה.
07:36
You're about to see a movie of it.
136
456995
1729
מיד תראו סרטון שלה.
07:41
Here we're packaging tens of thousands of individual cells,
137
461477
4028
כאן אנו אורזים עשרות אלפי תאים שונים
07:45
each into its own tiny water droplet
138
465529
2923
כל אחד בטיפת-מים זעירה משלו
07:48
for its own molecular analysis.
139
468476
2211
לצורך ניתוח מולקולרי נפרד.
07:51
When a cell lands in a droplet, it's greeted by a tiny bead,
140
471921
4123
כשהתא מגיע לטיפת המים, הוא מתקבל ע"י חרוז זעיר,
שמפיק מיליוני מולקולות של ברקוד דנ"א.
07:56
and that bead delivers millions of DNA bar code molecules.
141
476068
3694
כל חרוז מפיק רצף שונה של ברקוד דנ"א
08:01
And each bead delivers a different bar code sequence
142
481115
3308
08:04
to a different cell.
143
484447
1243
לכל תא.
08:06
We incorporate the DNA bar codes
144
486884
2581
שילבנו את ברקודי הדנ"א
08:09
into each cell's RNA molecules.
145
489489
3058
במולקולות הרנ"א של כל תא.
08:12
Those are the molecular transcripts it's making
146
492571
2836
אלו הרישומים המולקולריים שהוא יוצר
08:15
of the specific genes that it's using to do its job.
147
495431
3103
עבור הגנים המסוימים שבאמצעותם הוא מבצע את תפקידו.
08:19
And then we sequence billions of these combined molecules
148
499383
4207
ואז אנו מרצפים מיליארדי מולקולות משולבות כאלה
08:24
and use the sequences to tell us
149
504532
2498
והרצפים אומרים לנו
איזו מולקולה הגיעה מכל תא וכל גן.
08:27
which cell and which gene
150
507054
2602
08:29
every molecule came from.
151
509680
1540
08:32
We call this approach "Drop-seq," because we use droplets
152
512561
3292
אנו מכנים גישה זו "דרופ-סיק", כי אנו משתמשים בטיפות
08:35
to separate the cells for analysis,
153
515877
2575
כדי להפריד את התאים לצורך ניתוח,
08:38
and we use DNA sequences to tag and inventory
154
518476
3445
וברצפי הדנ"א כדי לתייג ולהכין רשימת מצאי
08:41
and keep track of everything.
155
521945
1488
כדי לעקוב אחרי הכל.
08:44
And now, whenever we do an experiment,
156
524727
1976
ועכשיו, כשאנו עורכים ניסוי,
08:46
we analyze tens of thousands of individual cells.
157
526727
3243
אנו מנתחים עשרות אלפי תאים שונים.
והיום, בתחום המדע הזה,
08:51
And today in this area of science,
158
531018
2624
08:53
the challenge is increasingly how to learn as much as we can
159
533666
4931
הולך וגדל האתגר ללמוד ככל שנוכל
08:58
as quickly as we can
160
538621
1872
מהר ככל שנוכל
09:00
from these vast data sets.
161
540517
1738
ממערכי הנתונים הענקיים האלה.
09:04
When we were developing Drop-seq, people used to tell us,
162
544914
2770
כשפיתחנו את ה"דרופ-סיק", אמרו לנו,
09:07
"Oh, this is going to make you guys the go-to for every major brain project."
163
547708
4804
"זה יהפוך אתכם לכתובת לכל מיזם גדול שקשור למוח."
09:13
That's not how we saw it.
164
553257
1544
אנו ראינו זאת אחרת.
09:14
Science is best when everyone is generating lots of exciting data.
165
554825
4531
המדע הוא במיטבו כשכולם מפיקים המון נתונים מלהיבים.
אז כתבנו ספר-הוראות בן 25 עמודים,
09:20
So we wrote a 25-page instruction book,
166
560197
3214
09:23
with which any scientist could build their own Drop-seq system from scratch.
167
563435
4578
שבעזרתו יכול כל מדען לבנות מערכת "דרופ-סיק" מההתחלה.
ספר ההוראות הזה הורד מאתר המעבדה שלנו
09:28
And that instruction book has been downloaded from our lab website
168
568037
3697
09:31
50,000 times in the past two years.
169
571758
2965
50,000 פעם בשנתיים האחרונות.
09:35
We wrote software that any scientist could use
170
575598
3052
כתבנו תוכנה שבה יכול להשתמש כל מדען
09:38
to analyze the data from Drop-seq experiments,
171
578674
2898
כדי לנתח נתונים מניסויי "דרופ-סיק",
09:41
and that software is also free,
172
581596
1715
וגם התוכנה היא חינמית,
09:43
and it's been downloaded from our website 30,000 times in the past two years.
173
583335
4388
והיא הורדה מהאתר שלנו 30,000 פעם בשנתיים האחרונות.
09:48
And hundreds of labs have written us about discoveries that they've made
174
588328
4979
ומאות מעבדות כתבו לנו על התגליות שלהן
09:53
using this approach.
175
593331
1443
באמצעות הגישה הזאת.
09:54
Today, this technology is being used to make a human cell atlas.
176
594798
3560
היום, הטכנולוגיה הזאת משמשת להכנת אטלס של התאים האנושיים.
09:58
It will be an atlas of all of the cell types in the human body
177
598382
3354
האטלס הזה יראה את כל סוגי התאים בגוף האנושי
10:01
and the specific genes that each cell type uses to do its job.
178
601760
3680
ואת הגנים הספציפיים שבהם משתמש כל תא לביצוע תפקידו.
עכשיו ברצוני לספר לכם עם אתגר נוסף שלנו
10:08
Now I want to tell you about a second challenge that we face
179
608133
2876
בנסיון להפוך את המוח לבעיית נתוני-עתק.
10:11
in trying to turn the brain into a big data problem.
180
611033
2448
10:13
And that challenge is that we'd like to learn from the brains
181
613505
3279
האתגר הוא רצוננו ללמוד מהמוחות
10:16
of hundreds of thousands of living people.
182
616808
2444
של מאות אלפי בני-אדם חיים.
10:19
But our brains are not physically accessible while we're living.
183
619998
3704
אבל המוחות שלנו אינם נגישים פיזית כשאנו בחיים.
10:24
But how can we discover molecular factors if we can't hold the molecules?
184
624895
3960
אז איך נגלה גורמים מולקולריים אם איננו יכולים להגיע למולקולות?
10:30
An answer comes from the fact that the most informative molecules, proteins,
185
630352
4548
התשובה נעוצה בעובדה שהמולקולות הכי אינפורמטיביות, החלבונים,
10:34
are encoded in our DNA,
186
634924
1782
מקודדות בדנ"א שלנו,
10:36
which has the recipes our cells follow to make all of our proteins.
187
636730
4530
שמכיל מתכונים שעל פיהם התאים יוצרים את החלבונים שלנו.
10:41
And these recipes vary from person to person to person
188
641999
4946
המתכונים האלה משתנים מאדם לאדם
10:46
in ways that cause the proteins to vary from person to person
189
646969
3342
בדרכים שגורמות לחלבונים להשתנות מאדם לאדם
10:50
in their precise sequence
190
650335
1787
מבחינת הרצף המדויק
וכמות החלבון שכל סוג תא מייצר.
10:52
and in how much each cell type makes of each protein.
191
652146
3151
10:56
It's all encoded in our DNA, and it's all genetics,
192
656441
3393
הכל מקודד בדנ"א, כל זה הוא גנטיקה,
10:59
but it's not the genetics that we learned about in school.
193
659858
2817
אבל לא הגנטיקה שלמדנו בבית-הספר.
11:03
Do you remember big B, little b?
194
663572
1983
זוכרים את האותיות הגדולות והקטנות בדנ"א?
11:06
If you inherit big B, you get brown eyes?
195
666260
2400
שאם ירשתם B גדולה, תהיינה לכם עיניים חומות?
זה פשוט.
11:09
It's simple.
196
669085
1223
11:11
Very few traits are that simple.
197
671451
3173
מעט מאד תכונות הן עד כדי כך פשוטות.
אפילו צבע העיניים מוכתב ע"י הרבה יותר מאשר מולקולת פיגמנט בודדת.
11:15
Even eye color is shaped by much more than a single pigment molecule.
198
675232
4725
11:20
And something as complex as the function of our brains
199
680861
4250
ומשהו כה מורכב כמו תפקוד המוח
נקבע ע"י יחסי הגומלין בין אלפי גנים.
11:25
is shaped by the interaction of thousands of genes.
200
685135
3247
11:28
And each of these genes varies meaningfully
201
688406
2340
וכל אחד מהגנים האלה שונה באופן משמעותי אצל כל אדם,
11:30
from person to person to person,
202
690770
1838
11:32
and each of us is a unique combination of that variation.
203
692632
3517
וכל אחד מאיתנו הוא שילוב ייחודי של שוֹנוּת זו.
11:37
It's a big data opportunity.
204
697419
2216
זאת הזדמנות עבור גישת נתוני העתק.
והיום, יותר ויותר מתאפשרת קידמה
11:40
And today, it's increasingly possible to make progress
205
700214
3176
11:43
on a scale that was never possible before.
206
703414
2796
בהיקף שלא היה אפשרי עד כה.
אנשים תורמים למחקר הגנטי
11:46
People are contributing to genetic studies
207
706234
2405
11:48
in record numbers,
208
708663
1594
במספרי שיא,
ומדענים בכל העולם חולקים ביניהם נתונים
11:51
and scientists around the world are sharing the data with one another
209
711085
4087
כדי להאיץ את ההתקדמות.
11:55
to speed progress.
210
715196
1571
11:57
I want to tell you a short story about a discovery we recently made
211
717514
3239
אני רוצה לספר לכם סיפור קצר על תגלית שגילינו לאחרונה
12:00
about the genetics of schizophrenia.
212
720777
1894
בנוגע לגנטיקה של הסכיזופרניה.
12:03
It was made possible by 50,000 people from 30 countries,
213
723506
4596
היא התאפשרה הודות ל-50,000 איש מ-30 מדינות,
שתרמו מהדנ"א שלהם לחקר הגנטי של הסכיזופרניה.
12:08
who contributed their DNA to genetic research on schizophrenia.
214
728126
4700
12:14
It had been known for several years
215
734406
2096
מזה כמה שנים ידוע
12:16
that the human genome's largest influence on risk of schizophrenia
216
736526
4111
שהסיכון לסכיזופרניה הגדול ביותר בגנום האנושי
12:20
comes from a part of the genome
217
740661
1802
מקורו בחלק בגנום
12:22
that encodes many of the molecules in our immune system.
218
742487
3344
שמקודד רבות מהמולקולות במערכת החיסונית שלנו.
12:25
But it wasn't clear which gene was responsible.
219
745855
3034
אבל לא היה ברור מיהו הגן האחראי לכך.
12:29
A scientist in my lab developed a new way to analyze DNA with computers,
220
749746
4040
מדען במעבדה שלי פיתח דרך חדשה לניתוח דנ"א בעזרת מחשב,
12:33
and he discovered something very surprising.
221
753810
3095
והוא גילה דבר מפתיע ביותר.
12:36
He found that a gene called "complement component 4" --
222
756929
3251
הוא גילה שגן בשם "מרכיב משלים 4"
או בקיצור "סי4" --
12:40
it's called "C4" for short --
223
760204
1799
מופיע בעשרות צורות שונות בגנומים של אנשים שונים,
12:43
comes in dozens of different forms in different people's genomes,
224
763036
3889
12:46
and these different forms make different amounts
225
766949
3197
והצורות השונות האלה יוצרות כמויות שונות
של חלבון סי4 במוח.
12:50
of C4 protein in our brains.
226
770170
2242
12:52
And he found that the more C4 protein our genes make,
227
772957
3985
הוא מצא שככל שהגנים שלנו מייצרים יותר חלבון סי4,
12:56
the greater our risk for schizophrenia.
228
776966
2112
כך גדל הסיכון לסכיזופרניה.
12:59
Now, C4 is still just one risk factor in a complex system.
229
779919
4907
הסי4 הוא רק גורם-סיכון אחד במערכת מורכבת.
13:04
This isn't big B,
230
784850
1989
לא מדובר בתכונה גנטית פשוטה,
13:06
but it's an insight about a molecule that matters.
231
786863
3557
אלא בתובנה לגבי מולקולה חשובה.
13:11
Complement proteins like C4 were known for a long time
232
791492
3637
חלבונים משלימים כמו סי4 מוכרים מזה זמן רב
בשל תפקידיהם במערכת החיסונית,
13:15
for their roles in the immune system,
233
795153
1953
שבה הם מתפקדים כפתקים-דביקים מולקולריים
13:17
where they act as a kind of molecular Post-it note
234
797130
2778
13:19
that says, "Eat me."
235
799932
1580
שמודיעים, "איכלו אותי".
13:22
And that Post-it note gets put on lots of debris
236
802475
2667
פתק דביק כזה נצמד לכל מיני שאריות ותאים מתים בגופנו
13:25
and dead cells in our bodies
237
805166
2357
13:27
and invites immune cells to eliminate them.
238
807547
2490
והוא מזמין את תאי המערכת החיסונית לחסל אותם.
13:30
But two colleagues of mine found that the C4 Post-it note
239
810779
3539
אבל שניים מעמיתי גילו שפתקי הסי4
מוצמדים גם לסינפסות במוח
13:35
also gets put on synapses in the brain
240
815183
3298
13:38
and prompts their elimination.
241
818505
1864
ומזמינים את חיסולן.
יצירה וחיסול של סינפסות היא חלק תקין
13:41
Now, the creation and elimination of synapses is a normal part
242
821154
3266
13:44
of human development and learning.
243
824444
1854
מההתפתחות והלמידה האנושית.
13:46
Our brains create and eliminate synapses all the time.
244
826322
2921
מוחותינו יוצרים ומחסלים סינפסות כל הזמן.
13:49
But our genetic results suggest that in schizophrenia,
245
829921
2960
אבל לפי תוצאות החקר הגנטי שלנו בסכיזופרניה,
13:52
the elimination process may go into overdrive.
246
832905
3233
תהליך החיסול עלול לצאת משליטה.
מדענים בחברות תרופות רבות אומרים לי שהם נרגשים מתגלית זו,
13:57
Scientists at many drug companies tell me they're excited about this discovery,
247
837185
3929
כי הם עובדים כבר שנים על חלבונים משלימים
14:01
because they've been working on complement proteins for years
248
841138
3239
14:04
in the immune system,
249
844401
1540
במערכת החיסונית,
14:05
and they've learned a lot about how they work.
250
845965
2206
והם למדו המון על אופן פעולתם.
14:08
They've even developed molecules that interfere with complement proteins,
251
848885
3894
הם אפילו פיתחו מולקולות שמשבשות את פעולת החלבונים המשלימים,
14:12
and they're starting to test them in the brain as well as the immune system.
252
852803
3607
והם מתחילים לבחון אותם במוח וגם במערכת החיסונית.
יש כאן פוטנציאל לתרופה שתטפל בגורם יסודי
14:17
It's potentially a path toward a drug that might address a root cause
253
857124
4721
14:21
rather than an individual symptom,
254
861869
2649
במקום בתסמין מסוים,
14:24
and we hope very much that this work by many scientists over many years
255
864542
4048
ואנו מקווים שעבודתם מרובת השנים הזו של מדענים רבים
14:28
will be successful.
256
868614
1152
תישא פרי.
14:31
But C4 is just one example
257
871689
3014
אבל הסי4 הוא רק דוגמה אחת
14:34
of the potential for data-driven scientific approaches
258
874727
3112
לאפשרויות הגלומות בגישות מדעיות מבוססות-נתונים
14:37
to open new fronts on medical problems that are centuries old.
259
877863
3903
לפתיחת חזיתות חדשות בבעיות רפואיות בנות מאות שנים.
יש בגנום שלנו מאות מקומות
14:42
There are hundreds of places in our genomes
260
882144
2745
14:44
that shape risk for brain illnesses,
261
884913
2585
שמשפיעים על הסיכון למחלות מוח,
14:47
and any one of them could lead us to the next molecular insight
262
887522
4066
וכל אחד מהם עשוי להניב את התובנה המולקולרית הבאה
14:51
about a molecule that matters.
263
891612
2020
בנוגע למולקולה חשובה.
14:53
And there are hundreds of cell types that use these genes in different combinations.
264
893656
3987
בנוסף, ישנם מאות סוגי תאים שמשתמשים בגנים אלה בשילובים שונים.
14:57
As we and other scientists work to generate
265
897667
2069
אני ומדענים נוספים עובדים על הפקת שאר הנתונים הדרושים
14:59
the rest of the data that's needed
266
899760
2069
15:01
and to learn all that we can from that data,
267
901853
2393
ועל לימוד כל מה שנוכל ללמוד מנתונים אלה,
15:04
we hope to open many more new fronts.
268
904270
2403
ואנו מקווים לפתוח עוד הרבה חזיתות חדשות.
15:08
Genetics and single-cell analysis are just two ways
269
908483
5079
הגנטיקה וניתוח התא הבודד הן רק שתי דרכים
15:13
of trying to turn the brain into a big data problem.
270
913586
3767
לנסות להפוך את המוח לבעיית נתוני-עתק.
15:18
There is so much more we can do.
271
918424
2159
יש עוד דברים רבים שנוכל לעשות.
מדענים במעבדתי יוצרים טכנולוגיה
15:21
Scientists in my lab are creating a technology
272
921235
3074
15:24
for quickly mapping the synaptic connections in the brain
273
924333
3196
למיפוי מהיר של החיבורים הסינפטיים במוח
15:27
to tell which neurons are talking to which other neurons
274
927553
2938
כדי לקבוע אילו תאי-עצב מדברים עם אילו תאי-עצב
15:30
and how that conversation changes throughout life and during illness.
275
930515
3996
ואיך השיחות האלה משתנות לאורך החיים ובמהלך מחלה.
15:35
And we're developing a way to test in a single tube
276
935467
4520
הם גם מפתחים דרך לבחון במבחנה בודדת
איך תאים עם גנומים של מאות אנשים שונים
15:40
how cells with hundreds of different people's genomes
277
940011
2718
15:42
respond differently to the same stimulus.
278
942753
2170
מגיבים אחרת לאותו גירוי.
המיזמים האלה מחברים בין אנשים ממגוון רקעים, הכשרות ותחומי-עניין --
15:46
These projects bring together people with diverse backgrounds
279
946248
4903
15:51
and training and interests --
280
951175
2493
15:53
biology, computers, chemistry, math, statistics, engineering.
281
953692
5877
ביולוגיה, מחשבים, כימיה, מתמטיקה, סטטיסטיקה, הנדסה.
והאפשרויות המדעיות מקבצות אנשים בעלי תחומי-עניין מגוונים
16:00
But the scientific possibilities rally people with diverse interests
282
960205
4232
16:04
into working intensely together.
283
964461
2235
לעבודה מאומצת ביחד.
16:08
What's the future that we could hope to create?
284
968871
2551
מהו העתיד שאנו מקווים ליצור?
16:12
Consider cancer.
285
972267
1350
חישבו על הסרטן.
עברנו מעידן הבורות באשר לגורמי הסרטן,
16:14
We've moved from an era of ignorance about what causes cancer,
286
974193
3922
שבו ייחסו בד"כ את הסרטן למאפיינים פסיכולוגיים אישיים,
16:18
in which cancer was commonly ascribed to personal psychological characteristics,
287
978139
6988
לעידן המודרני של ההבנה המולקולרית באשר לגורמי הסרטן האמיתיים.
16:26
to a modern molecular understanding of the true biological causes of cancer.
288
986238
5395
הבנה זו מולידה כיום חידושים רפואיים
16:32
That understanding today leads to innovative medicine
289
992100
3074
בזה אחר זה,
16:35
after innovative medicine,
290
995198
1696
16:36
and although there's still so much work to do,
291
996918
2839
ולמרות שהמלאכה עוד רבה,
16:39
we're already surrounded by people who have been cured of cancers
292
999781
3394
כבר היום אנו מוקפים באנשים שהחלימו מסרטן
שנחשב חשוך-מרפא לפני דור אחד בלבד.
16:43
that were considered untreatable a generation ago.
293
1003199
3269
16:48
And millions of cancer survivors like my sister
294
1008254
3376
ומיליוני ניצולי סרטן, כמו אחותי,
16:51
find themselves with years of life that they didn't take for granted
295
1011654
4401
מגלים שמצפות להם שנות חיים בלתי-מובנות מאליהן
והזדמנויות חדשות
16:56
and new opportunities
296
1016079
1769
16:57
for work and joy and human connection.
297
1017872
3930
לעבודה, לשמחה ולקשר אנושי.
17:03
That is the future that we are determined to create around mental illness --
298
1023358
4378
זהו העתיד שאנו נחושים ליצור בנוגע למחלות הנפש --
17:08
one of real understanding and empathy
299
1028581
4119
עתיד של הבנה אמיתית ואמפתיה
17:12
and limitless possibility.
300
1032724
1816
ושל אפשרויות בלתי-מוגבלות.
תודה לכם.
17:15
Thank you.
301
1035159
1190
17:16
(Applause)
302
1036374
4062
(מחיאות כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7