A new way to study the brain's invisible secrets | Ed Boyden

Translator: Levan Lashauri Reviewer: Mate Kobalia

Hello, everybody.

მოგესალმებით ყველას.

I brought with me today a baby diaper.

მე დღეს ბავშვის საფენი მოვიტანე.

You'll see why in a second.

ცოტა ხანში ნახავთ რატომაც.

Baby diapers have interesting properties.

ბავშვის საფენებს საინტერესო თვისებები აქვთ.

They can swell enormously when you add water to them,

როცა მათ წყალს დაასხამთ, ისინი უზომოდ იზრდებიან ზომაში.

an experiment done by millions of kids every day.

ამ ექსპერიმენტს მილიონობით ბავშვი ატარებს ყოველდღე.

(Laughter)

(სიცილი)

But the reason why

ეს იმიტომ,

is that they're designed in a very clever way.

რომ ისინი საკმაოდ ჭკვიანურადაა შექმნილი.

ისინი შექმნილია ნივთიერებისგან, რომელსაც გაფართოებად ნივთიერებას ეძახიან

They're made out of a thing called a swellable material.

It's a special kind of material that, when you add water,

ეს სპეციფიური სახის ნივთიერებაა, რომელსაც წყალს რომ დაასხამთ,

it will swell up enormously,

ის უზომოდ გაიზრდება,

maybe a thousand times in volume.

შეიძლება 1000-ჯერაც კი.

And this is a very useful, industrial kind of polymer.

ეს ძალიან ფართოდ გამოყენებადი სამრეწველო პოლიმერია.

But what we're trying to do in my group at MIT

MIT - ში ჩვენი ჯგუფი ცდილობს

is to figure out if we can do something similar to the brain.

ტვინზეც იგივე განახორციელოს.

Can we make it bigger,

შეიძლება კი, ის იმდენად გავზარდოთ,

big enough that you can peer inside

რომ მისი უმცირესი შემადგენელი ნაწილები,

and see all the tiny building blocks, the biomolecules,

ბიომოლეკულები დავინახოთ?

როგორ არიან ორგანიზებულები სამ განზომილებაში,

how they're organized in three dimensions,

the structure, the ground truth structure of the brain, if you will?

მათი სტრუქტურა, ტვინის ასე ვთქვათ, უშუალო სტრუქტურა.

If we could get that,

თუ ამას შევძლებთ,

maybe we could have a better understanding of how the brain is organized

შეიძლება უკეთ გავიგოთ, თუ როგორ წარმოიშვება ტვინში

to yield thoughts and emotions

აზრები და ემოიცები,

and actions and sensations.

ქმედებები და გრძნობები.

Maybe we could try to pinpoint the exact changes in the brain

შეიძლება დაავდების გამომწვევ

ზუსტ ცვლილებებს მივაგნოთ ტვინში.

that result in diseases,

diseases like Alzheimer's and epilepsy and Parkinson's,

დაავადებებისას, როგორებიცაა ალცჰაიმერი და პარკინსონი,

რომელთათვისაც ძალიან ცოტა მკურნალობის

for which there are few treatments, much less cures,

და უფრო ნაკლები განკურნების მეთოდია

and for which, very often, we don't know the cause or the origins

და რომელთა გამომწვევი მიზეზი, ხშირად არც კი ვიცით.

and what's really causing them to occur.

Now, our group at MIT

ჩვენი ჯგუფი MIT-ში

is trying to take a different point of view

ცდილობს ამ პრობლემას ნეირომეცნიერებაში ბოლო 100 წლის მანძილზე

from the way neuroscience has been done over the last hundred years.

არსებული ხედვებისგან განსხვავებულად მიუდგეს.

We're designers. We're inventors.

ჩვენ დიზაინერები და გამომგონებლები ვართ.

We're trying to figure out how to build technologies

ვცდილობთ გავარკვიოთ, როგორ შევქმნათ ტექნოლოგია,

that let us look at and repair the brain.

რომელიც ტვინის შესწავლის და განკურნების საშუალებას მოგვცემს.

And the reason is,

საქმე იმაშია,

რომ ტვინი უაღრესად რთული რამაა.

the brain is incredibly, incredibly complicated.

So what we've learned over the first century of neuroscience

ნეირომეცნიერების პირველ საუკუნეში დავადგინეთ,

is that the brain is a very complicated network,

რომ ტვინი ძალიან რთული ქსელია,

made out of very specialized cells called neurons

რომელიც ძალიან სპეციფიური უჯრედებისგან, ნეირონებისგან შედგება,

with very complex geometries,

რომელთაც რთული გეომეტრია აქვთ

and electrical currents will flow through these complexly shaped neurons.

და ელექტრული სიგნალები ამ რთული ფორმის ნეირონებში მიედინება.

Furthermore, neurons are connected in networks.

ეს ნეირონები ქსელშია ჩართული.

They're connected by little junctions called synapses that exchange chemicals

ამ ქსელში ისინი სინაფსებითაა შეერთებული, რომლებიც ქიმიკატების მიმოცვლას ახდენენ.

and allow the neurons to talk to each other.

ამ გზით ესაუბრებიან ნეირონები ერთმანეთს.

The density of the brain is incredible.

ტვინში მათი წარმოუდგენელი სიმჭიდროვეა.

In a cubic millimeter of your brain,

ტვინის 1 კუბურ მილიმეტრში

there are about 100,000 of these neurons

დაახლოებით 100 000 ნეირონია

and maybe a billion of those connections.

და ალბათ მილიარდი შეერთება

But it's worse.

უფრო მეტიც,

So, if you could zoom in to a neuron,

ნეირონის გადიდება რომ შეგეძლოთ

and, of course, this is just our artist's rendition of it.

და ეს რა თქმა უნდა გრაფიკული ვერსიაა,

What you would see are thousands and thousands of kinds of biomolecules,

დაინახავდით ათასობით სახის ბიომოლეკულას,

little nanoscale machines organized in complex, 3D patterns,

პატარა ნანო ზომის მექანიზმებს, რომლებიც სამგანზილებიან,

რთულ სტრუქტურას წარმოადგენენ.

ისინი ერთად ელექტრულ იმპულსებს და ქიმიკატების მიმოცვლას უზრუნველყოფენ,

and together they mediate those electrical pulses,

those chemical exchanges that allow neurons to work together

რომლებიც ნეირონების ერთად მუშაობის შედეგად

to generate things like thoughts and feelings and so forth.

აზრებს, გრძნობებს და სხვა ფენომენებს წარმოქმნის.

Now, we don't know how the neurons in the brain are organized

ჩვენ არ ვიცით როგორაა ნეირონები

ტვინში ქსელის სახით ორგანიზებული

to form networks,

and we don't know how the biomolecules are organized

და არც ბიომოლეკულები ვიცით

within neurons

როგორაა ნეიორონებში ორგანიზებული ისე,

to form these complex, organized machines.

რომ ქმნიან რთულ მექანიზმებს.

If we really want to understand this,

ამის რეალურად შესწავლისთვის,

we're going to need new technologies.

ახალი ტექნოლოგიები დაგვჭირდება.

But if we could get such maps,

თუ ჩვენ მივიღებთ რუკას,

if we could look at the organization of molecules and neurons

სადაც ვნახავთ მოლეკულების და ნეირონების

and neurons and networks,

და ნეირონული ქსელების ორგანიზაციულ სტრუქტურას,

maybe we could really understand how the brain conducts information

შეიძლება გავიგოთ, როგორ ამუშავებს ტვინი

from sensory regions,

სენსორულ ინფორმაციას

mixes it with emotion and feeling,

აზავებს მათ ემოციებსა და გრძნობებთან

and generates our decisions and actions.

და წარმოქმნის ჩვენს გადაწყვეტილებებსა და ქმედებებს.

იქნებ ტვინის დაავადებისას წარმოქნილი

Maybe we could pinpoint the exact set of molecular changes that occur

ზუსტი მოლეკულური ცვლილების დადგენა შევძლოთ

in a brain disorder.

და როცა უკვე გვეცოდინება რა ცვლილება მოხდა,

And once we know how those molecules have changed,

იქნება ეს მათი რაოდენობის ზრდა, თუ მათი სტრუქტურის ცვლილება,

whether they've increased in number or changed in pattern,

we could use those as targets for new drugs,

ამას ახალი წამლების შესაქმნელად გამოვიყენებდით.

for new ways of delivering energy into the brain

ტვინში ენერგიის მიწოდების ახალი გზებისთვის,

მისი დაზიანებული ფუნქციონალობის აღსადგენად,

in order to repair the brain computations that are afflicted

in patients who suffer from brain disorders.

პაციენტებში, რომლებსაც ტვინის დაავადებები აწუხებთ.

We've all seen lots of different technologies over the last century

უკანასკნელი საუკუნის მანძილზე ამის მოსაგვარებლად გამოყენებული

უამრავი სხვადასხვა ტექნოლოგია გვინახავს..

to try to confront this.

I think we've all seen brain scans

მგონი ყველას გვინახავს

taken using MRI machines.

ტვინის მაგნიტურ რეზონანსული სურათი.

These, of course, have the great power that they are noninvasive,

ეს, რა თქმა უნდა დიდებული არაინვაზიური საშუალებებია,

they can be used on living human subjects.

რომლებიც შეიძლება ცოცხალ ადამიანებზე გამოვიყენოთ,

But also, they're spatially crude.

მაგრამ ისინი ასევე სივრცულად უზუსტოა.

Each of these blobs that you see, or voxels, as they're called,

თითოეული ეს ლაქა, ან ე.წ. ვოქსელი, რომელსაც ხედავთ,

can contain millions and millions of neurons.

მილიონობით ნეირონს შეიცავს.

So it's not at the level of resolution

ანუ, ეს გარჩევადობის ის დონე არაა,

where it can pinpoint the molecular changes that occur

რომელზეც შესაძლებელი იქნებოდა იმ მოლეკულური ცვლილების,

or the changes in the wiring of these networks

ან იმ დაქსელვის ცვლილების დადგენა,

რომელიც ჩვენს ცნობიერ და ძლევამოსილ არსებებად ყოფნას უზრუნველყოფს.

that contributes to our ability to be conscious and powerful beings.

At the other extreme, you have microscopes.

მოერეს მხრივ, გვაქვს მიკროსკოპები.

მიკროსკოპები უმცირესი ნაწილაკების გამოსაჩენად სინათლეს იყენებენ.

Microscopes, of course, will use light to look at little tiny things.

For centuries, they've been used to look at things like bacteria.

საუკუნეების მანძილზე ისინი ბაქტერიების მსგავსი ნაწილაკების დასანახად გამოიყენება.

For neuroscience,

ნეირომეცნიერებაში კი,

microscopes are actually how neurons were discovered in the first place,

პირველ რიგში სწორედ მიკროსკოპების საშუალებით მოხდა ნეირონების აღმოჩენა,

დაახლოებით 130 წლის წინ.

about 130 years ago.

But light is fundamentally limited.

მაგრამ სინათლეს პრინციპული შეზღუდვა აქვს.

You can't see individual molecules with a regular old microscope.

თქვენ ვერ შეხედავთ ინდივიდუალურ მოლეკულას ჩვეულებრივი მიკროსკოპით.

ვერ შეხედავთ ამ უმცირეს შეერთებებს.

You can't look at these tiny connections.

So if we want to make our ability to see the brain more powerful,

ამიტომ, თუ გვინდა ტვინი უფრო კარგად შევისწავლოთ

და მისი სტრუქტურის უშუალოდ დანახვამდე დავიდეთ,

to get down to the ground truth structure,

we're going to need to have even better technologies.

კიდევ უფრო უკეთესი ტექნოლოგია გვჭირდება.

My group, a couple years ago, started thinking:

ჩემმა ჯგუფმა, რამდენიმე წლის წინ იფიქრა:

Why don't we do the opposite?

რატომ არ შეგვიძლია საპირისპირო ვქნათ.

If it's so darn complicated to zoom in to the brain,

თუ ასე ძნელია ტვინში ჩახედვა,

why can't we make the brain bigger?

რატომ არ შეიძლება თავად ის გავზარდოთ?

პირველად ეს,

It initially started

with two grad students in my group, Fei Chen and Paul Tillberg.

ორ ბაკალავრთან, ფეი ჩენთან და პოლ ტილბერგთან ერთად დაიწყო.

Now many others in my group are helping with this process.

ახლა ბევრი სხვა ჩაერთო ამ პროცესში და გვეხმარება.

ჩვენ გადავწყვიტეთ გაგვერკვია შეიძლებოდა თუ არა პოლიმერი,

We decided to try to figure out if we could take polymers,

like the stuff in the baby diaper,

როგორც ეს ბავშვის საფენშია,

and install it physically within the brain.

ფიზიკურად ჩაგვენერგა ტვინში.

If we could do it just right, and you add water,

თუ ამას სწორად ვიზამდით და წყალს დავასხმადით,

you can potentially blow the brain up

ტვინი ზომაში ისე უნდა გაზრდილიყო,

to where you could distinguish those tiny biomolecules from each other.

რომ შესაძლებელი გახდებოდა უმცირესი ბიომოლეკულების გარჩევა.

დავინახავდით შეერთებებსაც და შევადგენდით ტვინის რუკას.

You would see those connections and get maps of the brain.

This could potentially be quite dramatic.

ამას დრამატული შედეგის პოტენციალი ჰქონდა.

აქ პატარა ნიმუში გვაქვს.

We brought a little demo here.

We got some purified baby diaper material.

ბავშვის შესაბამისი მასალა ამოვიღეთ.

ინტერნეტში მისი ყოდვა ბევრად ადვილია,

It's much easier just to buy it off the Internet

than to extract the few grains that actually occur in these diapers.

ვიდრე საფენში არსებული ცოტაოდენი მარცვლების ამოღება.

I'm going to put just one teaspoon here

ამ სუფთა პოლიმერის

of this purified polymer.

მხოლოდ ერთ ჩაის კოვზს ჩავყრი

And here we have some water.

და ცოტა წყალს დავასხამ.

What we're going to do

ვნახოთ, ეს ერთი ჩაის კოვზი

is see if this teaspoon of the baby diaper material

ბავშვის საფენიდან ამორებული მასალა,

can increase in size.

ზომაში თუ გაიზრდება.

You're going to see it increase in volume by about a thousandfold

თქვენ დაინახავთ, რომ ის დაახლოებით ათასჯერ გაიზრდება

before your very eyes.

თქვენ თვალწინ.

I could pour much more of this in there,

უფრო მეტი შეიძლებოდა დამესხა,

but I think you've got the idea

მაგრამ მგონი გასაგებია,

რომ ეს ძალიან, ძალიან საინტერესო მოლეკულაა

that this is a very, very interesting molecule,

and if can use it in the right way,

და თუ მას სწორად გამოვიყენებთ,

we might be able to really zoom in on the brain

რეალურად შევძლებთ ტვინის ისეთი დეტალების დანახვას,

in a way that you can't do with past technologies.

რომელთა დანახვაც არსებული საშუალებებით შეუძლებელია.

OK. So a little bit of chemistry now.

კარგი, ახლა ცოტაოდენი ქიმია.

What's going on in the baby diaper polymer?

რა ხდება ბავშვის საფენის პოლიმერში?

If you could zoom in,

რომ გავადიდოთ,

it might look something like what you see on the screen.

ეს დაახლოებით ასე გამოიყურება, როგორც ეკრანზეა.

პოლიმერები ატომების ჯაჭვია, რომელიც გრძელ წვრილ ხაზებადაა აწყობილი.

Polymers are chains of atoms arranged in long, thin lines.

The chains are very tiny,

ჯაჭვები ძალიან მცირეა,

დაახლოებით ბიომოლეკულის სისქის,

about the width of a biomolecule,

and these polymers are really dense.

პოლიმერებიც მჭიდროდაა ერთმანეთთან.

They're separated by distances

ერთმანეთისგან დაახლოებით

that are around the size of a biomolecule.

ბიომოლეკულის ზომით არიან დაშორებულები.

This is very good

ეს ძალიან კარგია,

because we could potentially move everything apart in the brain.

რადგან პოტენციურად ტვინში ყველაფრის გაფართოება შეგვიძლია.

If we add water, what will happen is,

თუ წყალს დავასხამთ,

this swellable material is going to absorb the water,

ეს გაფართოებადი ნივთიერება შეიწოვს მას,

the polymer chains will move apart from each other,

პოლიმერის ჯაჭვები დაშორდება ერთმანეთს

and the entire material is going to become bigger.

და მთლიანი ნივთიერება ზომაში გაიზრდება.

And because these chains are so tiny

რადგან ეს ჯაჭვები ასე პატარაა

and spaced by biomolecular distances,

და ერთმანეთისგან ბიომოლეკულური მანძილებითაა დაშორებული,

we could potentially blow up the brain

პოტენციურად ტვინის იმდენად გაფართოება შეგვიძლია,

and make it big enough to see.

რომ ისინი მარტივად დავინახოთ.

აქ ერთი გამოცანაა:

Here's the mystery, then:

How do we actually make these polymer chains inside the brain

როგორ უნდა ჩავსვათ ეს პოლიმერის ჯაჭვები ტვინში ისე,

so we can move all the biomolecules apart?

რომ ყველა ბიომოლეკულა განვაცალკევოთ?

If we could do that,

ეს რომ შევძლოთ,

maybe we could get ground truth maps of the brain.

მაშინ ტვინის უშუალო რუკასაც მივიღებდით.

We could look at the wiring.

შეერთებების ქსელს დავინახავდით.

We can peer inside and see the molecules within.

შიგნით ჩავიხედავდით და მოლეკულებს ვნახავდით.

To explain this, we made some animations

ამის ასახნელად ანიმაცია შევქმენით,

where we actually look at, in these artist renderings,

სადაც გრაფიკულ ვერსიაში, შეგვიძლია ვნახოთ,

თუ როგორ შეიძლება ბიომოლეკულები გამოიყურებოდნენ

what biomolecules might look like and how we might separate them.

და როგორ შეიძლება განვაცალკევოთ ისინი.

Step one: what we'd have to do, first of all,

ნაბიჯი პირველი: პირველ რიგში,

is attach every biomolecule, shown in brown here,

ყოველი ყავისფრად აღნიშნული ბიომოლეკულა უნდა მივამაგროთ

to a little anchor, a little handle.

პატარა ღუზაზე, პატარა ხელჩასაჭიდზე.

We need to pull the molecules of the brain apart from each other,

ჩვენ ტვინის მოლეკულები ერთმანეთისგან უნდა განვაცალკევოთ

and to do that, we need to have a little handle

და ამისთვის პატარა ხელჩასაჭიდი გვჭირდება,

that allows those polymers to bind to them

რომელიც პოლიმერების მიბმის

and to exert their force.

და მათი ძალის გამოყენების საშუალებას მოგვცემს.

Now, if you just take baby diaper polymer and dump it on the brain,

თუ ბავშვის საფენიდან პოლიმერს ტვინს უბრალოდ დავადებთ,

obviously, it's going to sit there on top.

ცხადია, ის ზემოდან დარჩება.

So we need to find a way to make the polymers inside.

ამიტომ, პოლიმერის შიგნით ჩასმის საშუალება უნდა ვნახოთ.

აქ კი, ძალიან გაგვიმართლა.

And this is where we're really lucky.

It turns out, you can get the building blocks,

როგორც აღმოჩნდა შესაძლებელია, საშენი ბლოკების,

ე.წ. მონომერების მიღება.

monomers, as they're called,

and if you let them go into the brain

თუ მათ ტვინში შეუშვებთ

and then trigger the chemical reactions,

და შემდეგ ქიმიურ რეაქციას გამოიწვევთ,

you can get them to form those long chains,

ისინი გრძელ ჯაჭვს შექმნიან

შიგ ტვინის ქსოვილში.

right there inside the brain tissue.

They're going to wind their way around biomolecules

ისინი საკუთარ გზას ბიომოლეკულების გარშემო

and between biomolecules,

და მათ შორის გაიკვლევენ,

forming those complex webs

რითიც რთულ ქსელებს შექმნიან,

that will allow you, eventually, to pull apart the molecules

რომლებიც საბოლოო ჯამში საშუალებას მოგვცემს

მოლეკულები ერთმანეთისგან განვაცალკევოთ.

from each other.

And every time one of those little handles is around,

ყოველ ჯერზე, როცა ეს პატარა ხელჩასაჭიდი ახლოსაა,

the polymer will bind to the handle, and that's exactly what we need

პოლიმერი ხელჩასაჭიდს მიებმება და ჩვენც სწორედ ეს გვჭირდება,

იმისთვის რომ მოკლეულები განვაცალკევოთ.

in order to pull the molecules apart from each other.

All right, the moment of truth.

მაშ ასე, საპასუხისმგებლო მომენტი:

We have to treat this specimen

ეს ნიმუში ქიმიურად ისე უნდა დავამუშაოთ,

with a chemical to kind of loosen up all the molecules from each other,

რომ მოლეკულების ურთიერთკავშირი შევასუსტოთ

და შემდეგ, როცა წყალს დავასხამთ,

and then, when we add water,

that swellable material is going to start absorbing the water,

გაფართოებადი ნივთოერება მის შეწოვას დაიწყებს,

the polymer chains will move apart,

პოლიმერის ჯაჭვები განცალკევდება,

but now, the biomolecules will come along for the ride.

ახლა უკვე ბიომოლეკულებთან ერთად.

And much like drawing a picture on a balloon,

როგორც ბუშტზე რაღაცის დახატვისას,

and then you blow up the balloon,

როცა მას გაბერავთ

the image is the same,

ნახატი იგივე რჩება,

but the ink particles have moved away from each other.

მაგრამ მელნის ნაწილაკები ერთმანეთს შორდებიან.

ზუსტად ამის გაკეთება შევძელით, ოღონდ სამ განზომილებაში.

And that's what we've been able to do now, but in three dimensions.

There's one last trick.

ერთი უკანასკნელი ხრიკია.

As you can see here,

როგორც აქ ხედავთ,

we've color-coded all the biomolecules brown.

ჩვენ ყველა ბიომოლეკულა ყავისფრად აღვნიშნეთ.

That's because they all kind of look the same.

რადგან ისინი ყველა დაახლოებით ერთნაირად გამოიყურება.

ბიომოლეკულები ერთნაირი ატომებისგან შედგება,

Biomolecules are made out of the same atoms,

but just in different orders.

მაგრამ სხვადასხვა თანმიმდევრობით.

So we need one last thing

ამიტომ, ბოლოს

მათი ხილვადობისთვის რაც გვჭირდება,

in order to make them visible.

We have to bring in little tags,

კაშკაშა ფერების პატარა ტეგებია,

with glowing dyes that will distinguish them.

რომლებიც მათი გარჩევის საშუალებას მოგვცემს.

So one kind of biomolecule might get a blue color.

ერთი ტიპის ბიომოლეკულა შეიძლება იყოს ლურჯი.

მეორე ტიპის ბიომოლეკულა კი - წითელი

Another kind of biomolecule might get a red color.

And so forth.

და ა.შ.

And that's the final step.

ეს ბოლო ნაბიჯია.

Now we can look at something like a brain

ახლა შეიძლება დავინახოთ როგორც ტვინი,

and look at the individual molecules,

ისე დავინახოთ მისი ცალკეულ მოლეკულა,

because we've moved them far apart enough from each other

რადგან ჩვენ ისინი იმდენად დავაშორეთ ერთმანეთს,

that we can tell them apart.

რომ შეგვიძლია გავარჩიოთ.

So the hope here is that we can make the invisible visible.

ამგვარად უხილავის, ხილვადად ქცევის იმედი გვაქვს.

We can turn things that might seem small and obscure

ჩვენ შეიძლება პატარა და გაურკვეველი ნაწილაკები

and blow them up

ისე გავაფართოვოთ, რომ ისინი

until they're like constellations of information about life.

სიცოცხლის შესახებ ინფორმაციის წყარო გახდეს.

Here's an actual video of what it might look like.

აი, ვიდეო, რომელიც ამას აჩვენებს.

We have here a little brain in a dish --

ჩვენ აქ პატარა ტვინი გვიდევს თასზე.

a little piece of a brain, actually.

ტვინის პატარა ნაწილი, პრინციპში.

We've infused the polymer in,

შიგნით პოლიმერი ჩავსვით

and now we're adding water.

და ახლა წყალს ვასხამთ.

What you'll see is that, right before your eyes --

ეს ვიდეო 6-ჯერაა აჩქარებული.

this video is sped up about sixtyfold --

სადაც დაინახავთ, რომ თქვენს თვალწინ

this little piece of brain tissue is going to grow.

ტვინის ეს პატარა ნაწილი გაიზრდება.

It can increase by a hundredfold or even more in volume.

მას შეუძლია 100-ჯერ, ან მეტჯერაც კი გაფართოვდეს.

And the cool part is, because those polymers are so tiny,

ყველაზე მაგარი ისაა, რომ რადგან ეს პოლიმერები ასე მცირეა,

we're separating biomolecules evenly from each other.

ჩვენ ამ ბიომოლეკულებს თანაბრად ვაშორებთ ერთმანეთს.

It's a smooth expansion.

ეს გლუვი გაფართოებაა.

We're not losing the configuration of the information.

ჩვენ ინფორმაციის სტრუქტურას არ ვკარგავთ.

We're just making it easier to see.

ჩვენ მას მხოლოდ ადვილად დასანახს ვხდით.

ახლა ჩვენ შეგვიძლია ტვინის რეალური სქემა ვნახოთ.

So now we can take actual brain circuitry --

here's a piece of the brain involved with, for example, memory --

მაგალითად ტვინის ეს ნაწილი, მეხსიერებაზეა პასუხისმგებელი

and we can zoom in.

და შეგვიძლია გავზარდოთ.

We can start to actually look at how circuits are configured.

შეგვიძლია უშუალოდ ვნახოთ, როგორაა სქემები აწყობილი.

Maybe someday we could read out a memory.

შეიძლება როდესმე მეხსიერებაც ამოვიკითხოთ.

Maybe we could actually look at how circuits are configured

შეიძლება რალურად გავიგოთ როგორაა აწყობილი სქემები,

to process emotions,

რომელიც ემოციებს ამუშავებს.

how the actual wiring of our brain is organized

როგორაა შეერთებები ტვინში ორგანიზებული,

in order to make us who we are.

რომ იმად გვაქციოს, რაც ვართ.

And of course, we can pinpoint, hopefully,

და რა თქმა უნდა, იმედია, შევძლებთ

the actual problems in the brain at a molecular level.

მოლეკულურ დონეზე პრობლემების შესწავლას.

What if we could actually look into cells in the brain

იქნებ ტვინის უჯრედებში ჩახედვა შევძლოთ

and figure out, wow, here are the 17 molecules that have altered

და გავარკვიოთ, რომ მაგალითად,

in this brain tissue that has been undergoing epilepsy

ეპილეფსიით, ან პარკინსონით დაავადებული ადამიანის ტვინის ქსოვილში,

or changing in Parkinson's disease

აი, ამ 17-მა მოლეკულამ განიცადა ცვლილება.

or otherwise being altered?

თუ ასეთი ანომალიების სიას შევადგენთ,

If we get that systematic list of things that are going wrong,

მკურნალობასაც მათი გამოსწორებისკენ მივმართავთ.

those become our therapeutic targets.

We can build drugs that bind those.

წამლებსაც მათ მიხედვით შევქმნით.

შესაძლოა ენერგია ტვინის სხვა ადგილებისკენ მივმართოთ,

We can maybe aim energy at different parts of the brain

in order to help people with Parkinson's or epilepsy

რომ პარკინსონიან, ეპილეპსიან,

or other conditions that affect over a billion people

ან სხვა დაავადების მქონე მილიარდობით პაციენტს

around the world.

დავეხმაროთ მსოფლიოში.

Now, something interesting has been happening.

საინტერესო რამ ხდება.

It turns out that throughout biomedicine,

აღმოჩნდა რომ ბიომედიცინაში,

there are other problems that expansion might help with.

სხვა პრობლემებიც არსებობს, რომლებშიც შეიძლება გაფართოება დაგვეხმაროს.

This is an actual biopsy from a human breast cancer patient.

ეს, ძუძუს კიბოს მქონე პაციენტის ნამდვილი ბიოფსიაა.

It turns out that if you look at cancers,

აღმოჩნდა, რომ თუ კიბოს შევხედავთ,

if you look at the immune system,

თუ შევხედავთ იმუნურ სისტემას,

if you look at aging, if you look at development --

თუ შევხედავთ დაბერებას, დაავადების განვითარებას,

all these processes are involving large-scale biological systems.

ყველა ამ პროცესში მსხვილი ბიოლოგიური სისტემები მონაწილეობს,

But of course, the problems begin with those little nanoscale molecules,

თუმცა, პრობლემები რა თქმა უნდა ნანო ზომის მოლეკულებში იწყება.

the machines that make the cells and the organs in our body tick.

მექანიზმებში, რომლებიც ჩვენს უჯრედებს და ორგანოებს ამუშავებს.

So what we're trying to do now is to figure out

ამიტომ, ჩვენ ვცდილობთ,

if we can actually use this technology to map the building blocks of life

დაავადებათა ფართე სპექტრისთვის ტექნოლოგიის გამოყენებით,

სიცოცხლის მდგენელი ბლოკების რუკის შექმნას.

in a wide variety of diseases.

Can we actually pinpoint the molecular changes in a tumor

შევძლებთ სიმსივნურ ქსოვილში მოლეკულური ცვლილებების დადგენას,

so that we can actually go after it in a smart way

რომ შემდეგ ჭკვიანურად მოვუაროთ მას

და შევქმნათ წამალი, რომელიც ზუსტად ჩვენთვის სასურველ უჯრედებს გაანადგირებს?

and deliver drugs that might wipe out exactly the cells that we want to?

როგორც იცით, მედიცინა დიდ წილად რისკია.

You know, a lot of medicine is very high risk.

Sometimes, it's even guesswork.

ზოგჯერ, ვარაუდიც კი.

My hope is we can actually turn what might be a high-risk moon shot

ვიმედოვნებ, რომ შევძლებთ ეს რისკიანი საქმე,

უფრო სანდო რამედ ვაქციოთ.

into something that's more reliable.

If you think about the original moon shot,

მთვარეზე დაჯდომას თუ გაიხსენებთ,

where they actually landed on the moon,

როცა რეალურად დავდგით ფეხი მთვარეზე,

it was based on solid science.

ამას მყარი მეცნიერული საფუძველი ჰქონდა.

We understood gravity;

ჩვენ გვესმოდა გრავიტაცია;

we understood aerodynamics.

გვესმოდა აეროდინამიკა;

We knew how to build rockets.

ვიცოდით, როგორ აგვეგო ხომალდები.

The science risk was under control.

მეცნიერულ რისკებს ვაკონტროლებდით.

It was still a great, great feat of engineering.

ეს ინჟინერიის უდიდესი მიღწევა იყო,

But in medicine, we don't necessarily have all the laws.

მაგრამ მედიცინაში ჩვენ არ გვაქვს ყველა კანონი.

გვაქვს კი, მედიცინაში გრავიტაციის,

Do we have all the laws that are analogous to gravity,

that are analogous to aerodynamics?

ან აეროდინამიკის ანალოგიური კანონები?

I would argue that with technologies

მე ვფიქრობ, რომ ისეთი ტექნოლოგოებით,

like the kinds I'm talking about today,

რომლებზეც დღეს ვსაუბრობ,

maybe we can actually derive those.

შეიძლება დაიწეროს მსგავსი კანონები.

ჩვენ შეიძლება ცოცხალი ორგანიზმების ფუნქციონალობის მოდელები შევქმნათ

We can map the patterns that occur in living systems,

and figure out how to overcome the diseases that plague us.

და გავარკვიოთ, თუ როგორ განვკურნოთ დაავადებები, რომლებიც ასე გვაწუხებს.

You know, my wife and I have two young kids,

იცით, მე და ჩემს ცოლს ორი პატარა შვილი გვყავს

and one of my hopes as a bioengineer is to make life better for them

და ჩემი, როგორც ბიოინჟინერის ერთ-ერთი ოცნებაა,

ცხოვრება მათთვის უფრო უკეთესი გავხადო, ვიდრე ის დღესაა ჩვენთვის.

than it currently is for us.

And my hope is, if we can turn biology and medicine

ვიმედოვნებ, რომ თუ ჩვენ შევძლებთ ბიოლოგია და მედიცინა,

from these high-risk endeavors that are governed by chance and luck,

მაღალი რისკის მქონე ძალისხმევიდან, რომელიც გამართლებით და შემთხვევითობით მუშაობს,

and make them things that we win by skill and hard work,

გადავიყვანოთ საქმიანობად, სადაც ოსტატობას და შრომას მოაქვს წარმატება,

then that would be a great advance.

მაშინ ეს უდიდესი მიღწევა იქნება.

Thank you very much.

დიდი მადლობა.

(Applause)

(აპლოდისმენტები)