Allan Jones: A map of the brain

מתרגם: Yubal Masalker מבקר: Sigal Tifferet

Humans have long held a fascination

מזה זמן רב בני-אדם

for the human brain.

מוקסמים מהמוח.

We chart it, we've described it,

עשינו תרשימים שלו, תארנו אותו,

we've drawn it,

ציירנו אותו,

we've mapped it.

מיפינו אותו.

Now just like the physical maps of our world

אבל בדיוק כמו מפות העולם

that have been highly influenced by technology --

שהושפעו רבות מהטכנולוגיה --

think Google Maps,

לדוגמא מפות גוגל,

think GPS --

או GPS --

the same thing is happening for brain mapping

אותו הדבר קורה היום עם מיפוי מוח

through transformation.

בגלל השינויים הרבים.

So let's take a look at the brain.

הבה נעיף מבט על המוח.

Most people, when they first look at a fresh human brain,

רוב האנשים, כאשר רואים לראשונה מוח אדם טרי,

they say, "It doesn't look what you're typically looking at

הם אומרים, "הוא לא נראה כמו מה שבדרך-כלל רואים

when someone shows you a brain."

כאשר מישהו מראה לך מוח."

Typically, what you're looking at is a fixed brain. It's gray.

בדרך-כלל, מה שרואים זה מוח שעבר טיפול. הוא אפור.

And this outer layer, this is the vasculature,

שיכבה חיצונית זו, זוהי מערכת כלי-דם,

which is incredible, around a human brain.

שהיא מדהימה, סביב המוח האנושי.

This is the blood vessels.

אלה הם כלי-הדם.

20 percent of the oxygen

20 אחוז מהחמצן

coming from your lungs,

שמגיע מהריאות,

20 percent of the blood pumped from your heart,

20 אחוז מהדם שנשאב מהלב,

is servicing this one organ.

משרתים איבר יחיד זה.

That's basically, if you hold two fists together,

בגדול, אם מחזיקים שני אגרופים צמודים,

it's just slightly larger than the two fists.

הוא קצת יותר גדול מהם.

Scientists, sort of at the end of the 20th century,

מדענים, בסביבות סוף המאה ה-20,

learned that they could track blood flow

למדו שהם יכולים לעקוב

to map non-invasively

אחר זרם דם כדי למפות בצורה לא-פולשנית,

where activity was going on in the human brain.

מקומות בהם יש פעילות במוח האדם.

So for example, they can see in the back part of the brain,

לדוגמא, הם יכולים להסתכל בחלק האחורי של המוח,

which is just turning around there.

שבדיוק פונים לשם.

There's the cerebellum; that's keeping you upright right now.

יש את המוח הקטן; שמחזיק אותנו זקופים ממש עכשיו.

It's keeping me standing. It's involved in coordinated movement.

הוא מחזיק אותי עומד. הוא קשור בתנועה מתואמת.

On the side here, this is temporal cortex.

כאן בצד, זוהי אונה רקתית.

This is the area where primary auditory processing --

זהו המקום בו מתרחש עיבוד השמיעה הראשוני --

so you're hearing my words,

כך אתם שומעים את מילותיי,

you're sending it up into higher language processing centers.

אתם משגרים אותן אל מרכזי עיבוד שפה יותר גבוהים.

Towards the front of the brain

בקידמת המוח מתרחשים

is the place in which all of the more complex thought, decision making --

התהליכים היותר מורכבים של מחשבה, קבלת החלטות --

it's the last to mature in late adulthood.

אזור זה הוא האחרון להתפתח בתקופת הבגרות המאוחרת.

This is where all your decision-making processes are going on.

כאן מתרחשים כל תהליכי קבלת ההחלטות.

It's the place where you're deciding right now

זה האזור בו אתם מחליטים ברגע זה

you probably aren't going to order the steak for dinner.

שאינכם מתכוונים להזמין את הסטייק לארוחה.

So if you take a deeper look at the brain,

כך שאם מתבוננים יותר עמוק לתוך המוח,

one of the things, if you look at it in cross-section,

אם מסתכלים עליו בחתך רוחב,

what you can see

מה שמבחינים

is that you can't really see a whole lot of structure there.

הוא שלא ניתן לראות את המבנה לפרטיו.

But there's actually a lot of structure there.

אבל למעשה יש בזה המון פירוט.

It's cells and it's wires all wired together.

אלה תאים וחיווטים המחוברים זה לזה.

So about a hundred years ago,

לפני כמאה שנה,

some scientists invented a stain that would stain cells.

כמה מדענים המציאו חומר שצובע תאים.

And that's shown here in the the very light blue.

הוא נראה כאן בתכלת בהירה.

You can see areas

ניתן לראות אזורים

where neuronal cell bodies are being stained.

בהם תאי עצב נצבעים.

And what you can see is it's very non-uniform. You see a lot more structure there.

ורואים שזה לא אחיד. יש הרבה מבנים.

So the outer part of that brain

כך שהחלק החיצוני של המוח

is the neocortex.

הוא הניאו-קורטקס.

It's one continuous processing unit, if you will.

אם תרצו, זוהי יחידת עיבוד אחת רצופה.

But you can also see things underneath there as well.

אבל ניתן גם לראות דברים מתחת.

And all of these blank areas

וכל האזורים הריקים הללו

are the areas in which the wires are running through.

הם האזורים בהם עוברים הסיבים.

They're probably less cell dense.

ככל הנראה הם פחות צפופים בתאים.

So there's about 86 billion neurons in our brain.

ישנם כ-86 מיליארד תאי-עצב במוח שלנו.

And as you can see, they're very non-uniformly distributed.

וכפי שרואים, הם אינם מפוזרים באופן אחיד.

And how they're distributed really contributes

אופן פיזורם קובע מהותית

to their underlying function.

את צורת פעולתם.

And of course, as I mentioned before,

וכפי שהזכרתי קודם,

since we can now start to map brain function,

מאחר ואנו יכולים עתה להתחיל למפות את פעילות המוח,

we can start to tie these into the individual cells.

נוכל להתחיל ולקשור אותם לתאים מוגדרים.

So let's take a deeper look.

הבה נתבונן יותר עמוק.

Let's look at neurons.

נתבונן בתאי-עצב.

So as I mentioned, there are 86 billion neurons.

כפי שאמרתי, ישנם 86 מיליארד תאי-עצב.

There are also these smaller cells as you'll see.

יש גם תאים יותר קטנים כפי שרואים.

These are support cells -- astrocytes glia.

אלה כולם תאים תומכים -- אסטרוציטים, תאי גלייה.

And the nerves themselves

העצבים עצמם,

are the ones who are receiving input.

הם אלה שמקבלים את הקלט.

They're storing it, they're processing it.

הם מאחסנים אותו, הם מעבדים אותו.

Each neuron is connected via synapses

כל עצב מחובר באמצעות סינפסה

to up to 10,000 other neurons in your brain.

לעד 10,000 תאי-עצב אחרים במוח שלנו.

And each neuron itself

כל תא-עצב

is largely unique.

הוא מאוד ייחודי.

The unique character of both individual neurons

האופי הייחודי, הן של תאי-העצב הבודדים

and neurons within a collection of the brain

והן של תאי-העצב בתוך איזור במוח,

are driven by fundamental properties

נקבע על-ידי מאפיינים

of their underlying biochemistry.

ביוכימיים בסיסיים.

These are proteins.

אלה הם חלבונים.

They're proteins that are controlling things like ion channel movement.

חלבונים המווסתים דברים כמו תנועת תעלות יונים.

They're controlling who nervous system cells partner up with.

הם שולטים על הקשרים שיוצרים תאי מערכת עצבים.

And they're controlling

בעיקרון הם שולטים על כל דבר

basically everything that the nervous system has to do.

הקשור במערכת עצבים.

So if we zoom in to an even deeper level,

אם נתמקד ברמה יותר עמוקה,

all of those proteins

כל החלבונים האלה

are encoded by our genomes.

מקודדים על-ידי הגנומים שלנו.

We each have 23 pairs of chromosomes.

לכל אחד מאיתנו יש 23 זוגות של כרומוזומים.

We get one from mom, one from dad.

אחד מקבלים מאמא ואחד מאבא.

And on these chromosomes

ובכרומוזומים אלה

are roughly 25,000 genes.

יש בערך 25,000 גנים.

They're encoded in the DNA.

הם מקודדים ב-DNA.

And the nature of a given cell

והאופי של כל תא,

driving its underlying biochemistry

שקובע את הביוכימיה שלו,

is dictated by which of these 25,000 genes

מוכתב על-ידי אילו גנים מתוך ה-25,000

are turned on

יופעלו

and at what level they're turned on.

ובאיזו רמה הם יופעלו.

And so our project

המיזם שלנו

is seeking to look at this readout,

שואף להתבונן בפלט הזה,

understanding which of these 25,000 genes is turned on.

ולהבין איזה מבין 25,000 הגנים הללו מופעלים.

So in order to undertake such a project,

לכן מובן מאליו שכדי לבצע מיזם כזה,

we obviously need brains.

אנו זקוקים למוחות.

So we sent our lab technician out.

לכן שלחנו את טכנאי המעבדה לחפש.

We were seeking normal human brains.

חיפשנו מוחות אדם רגילים.

What we actually start with

התחלנו אצל

is a medical examiner's office.

פתולוג.

This a place where the dead are brought in.

זה המקום אליו מובאים המתים.

We are seeking normal human brains.

אנו מחפשים מוחות אדם רגילים.

There's a lot of criteria by which we're selecting these brains.

יש הרבה קריטריונים לפיהם אנו בוחרים מוחות אלה.

We want to make sure

ברצוננו לוודא

that we have normal humans between the ages of 20 to 60,

שיש בידינו אנשים רגילים בגילאים 20 עד 60,

they died a somewhat natural death

שהם נפטרו במוות טבעי

with no injury to the brain,

ללא פגיעה מוחית,

no history of psychiatric disease,

שאין להם היסטוריה של מחלת נפש,

no drugs on board --

שלא היה שימוש בסמים --

we do a toxicology workup.

אנו עושים בדיקות רעלים.

And we're very careful

אנו מאוד נזהרים בנוגע

about the brains that we do take.

למוחות שאנו בוחרים.

We're also selecting for brains

כמו-כן אנו בוחרים מוחות

in which we can get the tissue,

שניתן ליטול מהם ריקמה,

we can get consent to take the tissue

שאנו יכולים לקבל הסכמה לנטילת הריקמה

within 24 hours of time of death.

בתוך 24 שעות משעת הפטירה.

Because what we're trying to measure, the RNA --

מכיוון שהדבר שאנו מנסים למדוד, ה-RNA --

which is the readout from our genes --

שהוא הפלט מטעם הגנים --

is very labile,

הוא מאוד לא יציב,

and so we have to move very quickly.

ולכן עלינו לפעול במהירות רבה.

One side note on the collection of brains:

הערת שוליים על איסוף מוחות:

because of the way that we collect,

בגלל הדרך בה אנו אוספים,

and because we require consent,

ומשום שאנו זקוקים להסכמה,

we actually have a lot more male brains than female brains.

יש לנו הרבה יותר מוחות של גברים מאשר נשים.

Males are much more likely to die an accidental death in the prime of their life.

לגברים יש סבירות הרבה יותר גבוהה למות באופן לא צפוי בשלב מוקדם של חייהם.

And men are much more likely

ולגברים יש סבירות יותר גבוהה

to have their significant other, spouse, give consent

שבת-זוגם תתן את הסכמתה

than the other way around.

מאשר המצב ההפוך.

(Laughter)

(צחוק)

So the first thing that we do at the site of collection

לכן הדבר הראשון שאנו עושים באתר האיסוף

is we collect what's called an MR.

זה ליטול את מה שנקרא MR.

This is magnetic resonance imaging -- MRI.

זוהי הדמיה בתהודה מגנטית -- MRI.

It's a standard template by which we're going to hang the rest of this data.

זוהי תבנית סטנדרטית שבאמצעותה נציג את כל הנתונים.

So we collect this MR.

אנו אוספים את ה-MR.

And you can think of this as our satellite view for our map.

מעין מבט-על לצורך המפה שלנו.

The next thing we do

הדבר הבא שאנו עושים

is we collect what's called a diffusion tensor imaging.

זו הדמיית DTI.

This maps the large cabling in the brain.

היא ממפה את הכבלים הגדולים במוח.

And again, you can think of this

אפשר לחשוב על זה כמעט

as almost mapping our interstate highways, if you will.

כמו מיפוי של כבישים מהירים בין-עירוניים.

The brain is removed from the skull,

המוח מוסר מהגולגולת,

and then it's sliced into one-centimeter slices.

ואז נפרס לפרוסות בנות 1 ס"מ.

And those are frozen solid,

הן עוברות הקפאה

and they're shipped to Seattle.

ונשלחות לסיאטל.

And in Seattle, we take these --

בסיאטל אנו נוטלים אותן --

this is a whole human hemisphere --

זוהי אונת מוח אנושית שלמה --

and we put them into what's basically a glorified meat slicer.

ואנו שמים אותן בחותך הבשר המהולל.

There's a blade here that's going to cut across

יש להב שיחתוך

a section of the tissue

מקטע מהריקמה,

and transfer it to a microscope slide.

ואז להעבירו אל זכוכית נושאת.

We're going to then apply one of those stains to it,

לאחר-מכן צובעים אותו

and we scan it.

ואז סורקים אותו.

And then what we get is our first mapping.

כך מקבלים את המיפוי הראשון.

So this is where experts come in

כאן נכנסים לפעולה המומחים שלנו

and they make basic anatomic assignments.

והם מבצעים משימות אנטומיות פשוטות.

You could consider this state boundaries, if you will,

אפשר לדמיין את קוי-המיתאר העבים הללו

those pretty broad outlines.

בתור גבולות בין מדינות.

From this, we're able to then fragment that brain into further pieces,

מכאן אנו יכולים לפצל את פיסת המוח לחלקים יותר קטנים, שאותם אפשר להניח

which then we can put on a smaller cryostat.

על-גבי התקן השומר על טמפרטורה נמוכה.

And this is just showing this here --

כאן פשוט רואים את כל זה --

this frozen tissue, and it's being cut.

את הריקמה הקפואה, כאשר היא נחתכת.

This is 20 microns thin, so this is about a baby hair's width.

העובי של זה הוא 20 מיקרון, שזה כמו עובי שיער תינוק.

And remember, it's frozen.

ויש לזכור שזה קפוא.

And so you can see here,

כאן ניתן לראות טכנולוגיה ישנה --

old-fashioned technology of the paintbrush being applied.

שימוש במברשת צבע.

We take a microscope slide.

לוקחים זכוכית נושאת

Then we very carefully melt onto the slide.

ומתיכים מתחתיה בזהירות.

This will then go onto a robot

אחר-כך זה מועבר לרובוט

that's going to apply one of those stains to it.

שיצבע אותו באחד הצבעים ההם.

And our anatomists are going to go in and take a deeper look at this.

חוקרי האנטומיה יבחנו את זה באופן יותר מעמיק.

So again this is what they can see under the microscope.

וזה מה שהם רואים תחת מיקרוסקופ.

You can see collections and configurations

ניתן לראות ריכוזים ומבנים

of large and small cells

של תאים גדולים וקטנים

in clusters and various places.

בקבוצות באזורים שונים.

And from there it's routine. They understand where to make these assignments.

מכאן זו עבודה שגרתית.

And they can make basically what's a reference atlas.

הם יכולים ליצור מין אטלס שהוא מראה-מקום.

This is a more detailed map.

זו מפה יותר מפורטת.

Our scientists then use this

המדענים שלנו משתמשים בזה

to go back to another piece of that tissue

כדי לחזור לפיסה אחרת מאותה ריקמה ולבצע

and do what's called laser scanning microdissection.

את מה שקרוי LMD.

So the technician takes the instructions.

הטכנאים לוקחים את ההוראות.

They scribe along a place there.

הם מסמנים לאורך האזור.

And then the laser actually cuts.

ואז הלייזר ממש חותך.

You can see that blue dot there cutting. And that tissue falls off.

ניתן לראות את הנקודה הכחולה חותכת. ואותה ריקמה נופלת מטה.

You can see on the microscope slide here,

ניתן לראות זאת על הזכוכית הנושאת,

that's what's happening in real time.

שזה מה שקורה בזמן אמת.

There's a container underneath that's collecting that tissue.

ישנו מיכל למטה אשר קולט את הריקמה.

We take that tissue,

אנו לוקחים את הריקמה,

we purify the RNA out of it

מזקקים ממנה את ה-RNA

using some basic technology,

באמצעות טכנולוגיה פשוטה,

and then we put a florescent tag on it.

ואז מצמידים לה תג פלואורוצנטי.

We take that tagged material

אנו לוקחים את החומר המתוייג

and we put it on to something called a microarray.

ומניחים אותו על-גבי מה שנקרא מערך-מיקרו.

Now this may look like a bunch of dots to you,

זה עשוי להיראות לכם כאוסף של נקודות,

but each one of these individual dots

אבל כל אחת מהנקודות

is actually a unique piece of the human genome

היא למעשה גן אנושי ייחודי

that we spotted down on glass.

שניקדנו איתו את הזכוכית.

This has roughly 60,000 elements on it,

יש כאן בערך 60,000 נקודות, וזה אומר

so we repeatedly measure various genes

שאנו עושים מדידות חוזרות של גנים שונים

of the 25,000 genes in the genome.

מ-25,000 הגנים שבגנום.

And when we take a sample and we hybridize it to it,

כאשר אנו נוטלים דוגמית ומכליאים אותה עם זה,

we get a unique fingerprint, if you will,

אנו מקבלים טביעת-אצבע ייחודית

quantitatively of what genes are turned on in that sample.

כמותית של אילו גנים מופעלים באותה דוגמית.

Now we do this over and over again,

אנו עושים זאת שוב ושוב,

this process for any given brain.

את התהליך הזה לכל מוח נתון.

We're taking over a thousand samples for each brain.

אנו נוטלים יותר מאלף דוגמיות מכל מוח.

This area shown here is an area called the hippocampus.

אזור זה המוצג כאן נקרא היפוקמפוס.

It's involved in learning and memory.

הוא קשור בלמידה וזיכרון.

And it contributes to about 70 samples

הוא תורם לכ-70 דוגמיות

of those thousand samples.

מתוך אלף דוגמיות.

So each sample gets us about 50,000 data points

לכן כל דוגמית נותנת לנו כ-50,000 נקודות מידע

with repeat measurements, a thousand samples.

במדידות חוזרות, אלף דוגמיות.

So roughly, we have 50 million data points

לכן יש לנו כ- 50 מיליון נקודות מידע

for a given human brain.

למוח אנושי אחד.

We've done right now

עד עכשיו הספקנו לאסוף מידע

two human brains-worth of data.

השווה-ערך לשני מוחות אנושיים.

We've put all of that together

חיברנו את הכל ביחד

into one thing,

לדבר אחד,

and I'll show you what that synthesis looks like.

ואראה לכם כיצד נראה מיזוג זה.

It's basically a large data set of information

בעיקרון זה מערך גדול של מידע

that's all freely available to any scientist around the world.

הזמין חינם לכל מדען בעולם.

They don't even have to log in to come use this tool,

אין צורך אפילו להתחבר כדי להשתמש בכלי זה,

mine this data, find interesting things out with this.

לחפור במידע, למצוא עם זה דברים מעניינים.

So here's the modalities that we put together.

הנה האופנויות שאנו מחברים.

You'll start to recognize these things from what we've collected before.

תוכלו לזהות דברים אלה ממה שאספנו קודם.

Here's the MR. It provides the framework.

הנה ה-MR. הוא מספק את המסגרת.

There's an operator side on the right that allows you to turn,

שם מימין יש את הממשק למפעיל שמאפשר להטות,

it allows you to zoom in,

לבצע זום פנימה

it allows you to highlight individual structures.

ולהדגיש מבנים מסויימים.

But most importantly,

אבל הכי חשוב,

we're now mapping into this anatomic framework,

אנו ממפים היום את המערכת האנטומית הזאת,

which is a common framework for people to understand where genes are turned on.

שהיא המערכת המקובלת כדי שאנשים יבינו היכן הגנים מופעלים.

So the red levels

האזורים האדומים הם המקום

are where a gene is turned on to a great degree.

בו הגן מופעל ברמה גבוהה.

Green is the sort of cool areas where it's not turned on.

ירוק זה מין אזורים קרים בהם הוא אינו מופעל.

And each gene gives us a fingerprint.

כל גן נותן לנו טביעת-אצבע.

And remember that we've assayed all the 25,000 genes in the genome

יש לזכור שבחנו את כל 25,000 הגנים שבגנום

and have all of that data available.

וכל המידע הזה זמין.

So what can scientists learn about this data?

מה יכולים המדענים ללמוד ממידע זה?

We're just starting to look at this data ourselves.

אנו בעצמנו רק מתחילים לחקור מידע זה.

There's some basic things that you would want to understand.

יש כמה דברים בסיסיים שהיינו רוצים להבין.

Two great examples are drugs,

שתי דוגמאות מצויינות הן של התרופות,

Prozac and Wellbutrin.

פרוזאק וולבוטרין.

These are commonly prescribed antidepressants.

אלה תרופות שכיחות נגד דיכאון.

Now remember, we're assaying genes.

יש לזכור שאנו בוחנים גנים.

Genes send the instructions to make proteins.

גנים שולחים את ההוראות ליצירת חלבונים.

Proteins are targets for drugs.

חלבונים הם מטרות של תרופות.

So drugs bind to proteins

תרופות מתחברות לחלבונים

and either turn them off, etc.

ובין היתר מפסיקות את פעילותם וכו'.

So if you want to understand the action of drugs,

לכן אם רוצים להבין את פעולת התרופות,

you want to understand how they're acting in the ways you want them to,

צריך להבין כיצד הן פועלות בדרכים שאנו רוצים שיפעלו,

and also in the ways you don't want them to.

וגם בדרכים שאין אנו חפצים בהן.

In the side effect profile, etc.,

בתופעות לוואי וכו',

you want to see where those genes are turned on.

רוצים לראות היכן אותם גנים מופעלים.

And for the first time, we can actually do that.

ולראשונה, אנו ממש יכולים לבצע זאת.

We can do that in multiple individuals that we've assayed too.

אנו גם יכולים לעשות זאת באנשים רבים שבחנו.

So now we can look throughout the brain.

כעת אנו יכולים להסתכל אל תוך המוח.

We can see this unique fingerprint.

אנו יכולים לראות את טביעת-האצבע הייחודית.

And we get confirmation.

ואנו גם מקבלים אישור לכך.

We get confirmation that, indeed, the gene is turned on --

אנו מקבלים אישור שאכן הגן הופעל --

for something like Prozac,

בגלל משהו כמו פרוזאק,

in serotonergic structures, things that are already known be affected --

במערכות של סרוטונין, אפקט שכבר מוכר לנו --

but we also get to see the whole thing.

אבל אנו גם מצליחים לראות את התמונה כולה.

We also get to see areas that no one has ever looked at before,

אנו גם מצליחים לראות אזורים שאף אחד לא בחן מעולם,

and we see these genes turned on there.

ואנו יכולים לראות את הגנים האלה מופעלים שם.

It's as interesting a side effect as it could be.

זו תופעת לוואי מעניינת.

One other thing you can do with such a thing

דבר נוסף שניתן לעשות עם זה,

is you can, because it's a pattern matching exercise,

בגלל שזה תרגיל בהתאמת תבניות,

because there's unique fingerprint,

כי יש טביעת-אצבע ייחודית,

we can actually scan through the entire genome

אנו יכולים לסרוק את כל הגנום

and find other proteins

ולמצוא חלבונים אחרים

that show a similar fingerprint.

המראים אותה טביעת-אצבע.

So if you're in drug discovery, for example,

כך לדוגמא אם רוצים לגלות תרופות חדשות,

you can go through

ניתן לעבור על כל הרשימה

an entire listing of what the genome has on offer

של מה שהגנום יכול לתת

to find perhaps better drug targets and optimize.

כדי לאתר אולי מטרות עדיפות עבור התרופות ולהפיק מהן את המירב.

Most of you are probably familiar

רבים מכם ודאי מכירים

with genome-wide association studies

מחקרי גנום מלא GWAS בצורת

in the form of people covering in the news

התאמות מכלילות של גנום כאשר שדרי חדשות מספרים

saying, "Scientists have recently discovered the gene or genes

"מדענים גילו לאחרונה את הגן או הגנים

which affect X."

המשפיעים על X".

And so these kinds of studies

מחקרים מהסוג הזה

are routinely published by scientists

מתפרסמים כשיגרה על-ידי המדענים

and they're great. They analyze large populations.

וזה טוב. הם מנתחים אוכלוסיות גדולות.

They look at their entire genomes,

הם מסתכלים על הגנום השלם שלהם,

and they try to find hot spots of activity

ומחפשים אזורי פעילות "חמים"

that are linked causally to genes.

הקשורים באופן סיבתי לגנים.

But what you get out of such an exercise

אבל מה שמתקבל ממחקר כזה

is simply a list of genes.

זו רק רשימה של גנים.

It tells you the what, but it doesn't tell you the where.

היא אומרת לנו מה, אבל לא היכן.

And so it's very important for those researchers

לכן זה מאוד חשוב לחוקרים אלה

that we've created this resource.

שיצרנו את המאגר הזה.

Now they can come in

כעת הם יכולים לבוא

and they can start to get clues about activity.

ולהתחיל לקבל רמזים לגבי פעילות.

They can start to look at common pathways --

הם יכולים להסתכל על מסלולים משותפים --

other things that they simply haven't been able to do before.

דברים שהם פשוט לא יכלו לעשות קודם.

So I think this audience in particular

אני חושב שקהל זה במיוחד

can understand the importance of individuality.

יכול להבין את חשיבות האינדיבידואליות.

And I think every human,

אני סבור שלכל אדם

we all have different genetic backgrounds,

יש רקע גנטי שונה,

we all have lived separate lives.

כולנו חיינו חיים נפרדים זה מזה.

But the fact is

אבל העובדה היא

our genomes are greater than 99 percent similar.

שהגנומים שלנו זהים ביותר מ-99 אחוז.

We're similar at the genetic level.

אנו דומים ברמה הגנטית.

And what we're finding

ומה שאנו מוצאים, שלמעשה,

is actually, even at the brain biochemical level,

אפילו ברמה הביוכימית של המוח,

we are quite similar.

אנו די דומים.

And so this shows it's not 99 percent,

כאן רואים שזה לא 99 אחוז,

but it's roughly 90 percent correspondence

אלא בקירוב 90 אחוז של התאמה

at a reasonable cutoff,

בחתך מייצג, כך שהכל בתוך

so everything in the cloud is roughly correlated.

הענן די תואם אחד לשני.

And then we find some outliers,

אבל אנו מוצאים כמה מחוץ לתחום,

some things that lie beyond the cloud.

כמה הנמצאים מחוץ לענן.

And those genes are interesting,

הגנים הללו מעוררים עניין,

but they're very subtle.

אבל ההבדלים מאוד עדינים.

So I think it's an important message

לכן אני סבור שזה מסר חשוב

to take home today

לקחת היום הביתה

that even though we celebrate all of our differences,

והוא שלמרות שאנו משבחים את הנבדלות בינינו,

we are quite similar

אנו די דומים

even at the brain level.

אפילו ברמת המוח.

Now what do those differences look like?

איך נראים ההבדלים הללו?

This is an example of a study that we did

זוהי דוגמא למחקר שעשינו

to follow up and see what exactly those differences were --

כדי לעקוב ולראות מה הם בדיוק ההבדלים --

and they're quite subtle.

והם די עדינים.

These are things where genes are turned on in an individual cell type.

אלה הם הדברים בגללם גנים מתעוררים בתאים מסויימים בלבד.

These are two genes that we found as good examples.

אלה הם שני גנים שמצאנו כדוגמאות טובות.

One is called RELN -- it's involved in early developmental cues.

אחד נקרא RELN -- קשור באותות התפתחותיים מוקדמים.

DISC1 is a gene

DISC1 הוא גן

that's deleted in schizophrenia.

שנשמט בסכיזופרניה.

These aren't schizophrenic individuals,

אלה לא אנשים סכיזופרניים,

but they do show some population variation.

אבל הם כן מציגים שוני מהאוכלוסיה הרגילה.

And so what you're looking at here

אז מה שרואים כאן

in donor one and donor four,

בתורם 1 ותורם 4,

which are the exceptions to the other two,

שהם שונים משני האחרים,

that genes are being turned on

שגנים מופעלים

in a very specific subset of cells.

במערכות-מישנה מאוד מסויימות של תאים.

It's this dark purple precipitate within the cell

אלה הכתמים הכהים הסגולים בתוך התא

that's telling us a gene is turned on there.

האומרים לנו שגן הופעל שם.

Whether or not that's due

אם זה בגלל הרקע הגנטי של אותו אדם

to an individual's genetic background or their experiences,

או בגלל חוויותיו,

we don't know.

איננו יודעים.

Those kinds of studies require much larger populations.

מחקרים כאלה דורשים אוכלוסיות הרבה יותר גדולות.

So I'm going to leave you with a final note

לסיום אשאיר אתכם עם הערה אחרונה

about the complexity of the brain

על מורכבות המוח

and how much more we have to go.

ועד כמה הרבה עוד עלינו לעבור.

I think these resources are incredibly valuable.

אני סבור שמאגרי מידע אלה חשובים עד מאוד.

They give researchers a handle

הם נותנים לחוקרים כיוון

on where to go.

לאן להתקדם.

But we only looked at a handful of individuals at this point.

אבל בדקנו רק קומץ אנשים בשלב זה.

We're certainly going to be looking at more.

בטוח שנבדוק עוד.

I'll just close by saying

אסיים באומרי

that the tools are there,

שהכלים כבר קיימים,

and this is truly an unexplored, undiscovered continent.

וזוהי באמת יבשת שלמה שעדיין לא נתגלתה ולא נחקרה.

This is the new frontier, if you will.

אם תרצו, זוהי החזית החדשה.

And so for those who are undaunted,

ולכן עבור כל אלה העשויים ללא חת

but humbled by the complexity of the brain,

אבל חשים ענווה מול מורכבות המוח,

the future awaits.

העתיד מחכה לכם.

Thanks.

תודה.

(Applause)

(מחיאות כפיים)