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

번역: 용관 고 검토: Jihyeon J. Kim

Nine years ago,

9년 전에

my sister discovered lumps in her neck and arm

제 여동생은 자신의 목과 팔에 있는 혹을 발견했고

and was diagnosed with cancer.

진단해본 결과 암이었습니다.

From that day, she started to benefit

그날부터, 그녀는 혜택을 받기 시작했습니다.

from the understanding that science has of cancer.

과학이 암에 대해 파악한 정보로부터요.

Every time she went to the doctor,

그녀가 의사를 찾아 갈 때마다

they measured specific molecules

그들은 특정한 분자를 측정했습니다.

that gave them information about how she was doing

그 분자는 그들에게 그녀가 어떻게 지냈는지 알려주었습니다.

and what to do next.

앞으로 무엇을 할지도 알려주었죠.

New medical options became available every few years.

새로운 의학적 옵션들이 몇 년 마다 등장했습니다.

Everyone recognized that she was struggling heroically

모든 사람들은 그녀가 의연하게 투쟁하고 있는 줄로 알았습니다.

with a biological illness.

생물학적 질병과요.

This spring, she received an innovative new medical treatment

올해 봄, 그녀는 혁신적인 의학 치료를 받았습니다.

in a clinical trial.

임상 시험으로요.

It dramatically knocked back her cancer.

그 치료는 극적으로 그녀의 암을 물리쳤습니다.

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

제가 이 기쁨을 누구와 함께하려 하는지 맞춰 보시겠어요?

My vivacious sister,

제 명랑한 여동생입니다.

who gets more exercise than I do,

저보다 더 많이 운동하고,

and who, like perhaps many people in this room,

아마 이곳에 있는 많은 분들처럼

increasingly talks about a lethal illness

치명적인 질병에 대해 갈수록 자주 얘기하는 여동생이요.

in the past tense.

과거 시제로 말이죠.

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

과학은, 놀랍게도 10년 안에 우리의 삶에서

transform what it means to have a specific illness.

특정 질병의 의미를 바꿀 수 있습니다.

But not for all illnesses.

하지만 세상의 모든 질병은 아니겠죠.

My friend Robert and I were classmates in graduate school.

로버트와 저는 대학원 친구였습니다.

Robert was smart,

로버트는 똑똑했지만

but with each passing month,

몇 달이 지나자

his thinking seemed to become more disorganized.

그의 생각이 중심을 잃는 것처럼 보였습니다.

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

그는 학교를 그만두고, 가게에서 일을 했습니다.

But that, too, became too complicated.

하지만 그 일도 너무 복잡해졌습니다.

Robert became fearful and withdrawn.

로버트는 겁이 많아졌고, 내성적으로 변했습니다

A year and a half later, he started hearing voices

1년 6개월 후에, 그는 목소리를 듣기 시작했고

and believing that people were following him.

사람들이 그를 따라 다닌다고 믿기 시작했습니다.

Doctors diagnosed him with schizophrenia,

의사들은 그가 정신 분열증이 있다고 진단했고

and they gave him the best drug they could.

할 수 있는 최선의 약을 처방했습니다.

That drug makes the voices somewhat quieter,

약은 목소리들을 어느 정도 조용하게 만들었지만

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

그의 밝은 마음이나 사회적 유대감을 회복시키진 못했습니다.

Robert struggled to remain connected

로버트는 학교, 직장, 그리고 친구들과

to the worlds of school and work and friends.

관계를 유지하는 것이 버거웠습니다.

He drifted away,

그는 소외되었죠.

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

그래서 오늘날 저는 그를 어디서 찾아야할지 모르겠습니다.

If he watches this,

만약 그가 이 동영상을 본다면

I hope he'll find me.

저를 찾아와주길 바랍니다.

Why does medicine have so much to offer my sister,

왜 의학은 제 여동생에게 그렇게나 많은 것들을 주었으면서

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

로버트같은 수많은 사람들에게는 그렇게 하지 못한 것일까요?

The need is there.

그들은 도움이 필요합니다.

The World Health Organization estimates that brain illnesses

세계 보건 기구의 예측에 따르면

like schizophrenia, bipolar disorder and major depression

정신분열증, 조울증과 심각한 우울증과 같은 정신질환들이

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

세계에서 사람들의 목숨과 삶을 앗아간 가장 큰 요인일 수 있다고 합니다.

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

그 이유는 이러한 질병이 우리 삶의 초기에 나타날 뿐만 아니라,

in many ways, in the prime of life,

이 질병들이 나타나는 방식이

just as people are finishing their educations, starting careers,

의무교육을 마치고, 직업을 가져 일을 시작하고,

forming relationships and families.

사람을 만나고 가정을 꾸리는 일만큼이나 자연스럽기 때문이죠.

These illnesses can result in suicide;

이러한 병들은 자살을 초래할 수 있습니다.

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

우리가 잠재력을 발휘할 수 없게 방해하며

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

헤아릴 수 없이 많은 비극을 일으킵니다.

lost relationships and connections,

관계와 만남의 단절,

missed opportunities to pursue dreams and ideas.

꿈과 아이디어를 이룰 기회를 잃어버리는 일들을 예로 들 수 있죠.

These illnesses limit human possibilities

이 병들은 사람들의 잠재력을 제한시킵니다.

in ways we simply cannot measure.

저희가 쉽게 알 수 없는 방법들로 말이죠.

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

우리는 의학이 여러 방면에서 심도있게 발전하는 시대에 살고 있습니다

on so many other fronts.

My sister's cancer story is a great example,

제 동생의 암이야기가 좋은 예이죠.

and we could say the same of heart disease.

심장질환도 마찬가지입니다.

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

스타틴과 같은 약들은 수많은 종류의 심장 질환과 뇌졸중을 치료할 것입니다.

When you look at these areas of profound medical progress

우리가 사는 동안 일어난 의학적 발전의 여러 분야를 생각해보면,

in our lifetimes,

they have a narrative in common:

그것들은 공통점이 많습니다.

scientists discovered molecules that matter to an illness,

과학자들은 특정 질병과 관련된 분자들을 발견했고

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

몸속의 분자들을 탐지하고 측정하는 법을 개발했으며

and they developed ways to interfere with those molecules

다른 분자를 사용하여

그 분자를 방해하는 방법 또한 개발해냈습니다. 약이죠.

using other molecules -- medicines.

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

이것은 계속 반복해오던 계략입니다.

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

하지만 이 계략들을 뇌에 적용하긴 힘듭니다.

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

왜냐하면 현재로선 뇌가 어떻게 작동하는지

about how the brain works.

충분히 알지 못하기 때문입니다.

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

우리는 어떤 세포들이 질병에 영향을 주는지,

and which molecules in those cells matter to each illness.

그 세포 속 어떤 분자가 질병에 영향을 주는지 배워야 합니다.

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

이것이 오늘날 제가 여러분들과 이야기하고 싶은 숙제입니다.

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

저의 연구실은 뇌를 빅 데이터 프로그램으로

into a big-data problem.

바꾸는 기술을 연구하고 있습니다.

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

저는 생물학자가 되기 전에, 컴퓨터와 수학을 융합하는 일을 하였고,

and I learned this lesson:

한 가지 교훈을 배웠습니다.

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

어떤 분야든지 시스템에 대한 올바른 데이터를 충분히 수집할 수 있다면,

about the functioning of a system,

you can use computers in powerful new ways

컴퓨터는 강력하고 새로운 도구가 될 수 있고,

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

시스템의 작동 방식을 배우고 이해하도록 도와준다는 것이죠.

Today, big-data approaches are transforming

오늘날, 빅데이터 접근 방식은

ever-larger sectors of our economy,

우리 경제의 큰 부문을 변화시키고 있으며,

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

생물학과 의학분야에서도 큰 부문을 변화시킬 수 있습니다.

But you have to have the right kinds of data.

하지만 그러기 위해서는 적절한 데이터가 필요합니다.

You have to have data about the right things.

우리는 올바른 데이터를 가지고 있어야 하며

And that often requires new technologies and ideas.

새로운 기술과 아이디어가 필요합니다.

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

이것이 제 연구실의 과학자들을 움직이게 만든 숙제입니다.

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

오늘, 저희 연구의 두 가지 일화를 간략히 소개하겠습니다.

One fundamental obstacle we face

뇌를 빅 데이터 프로그램으로 바꾸려고 하는 과정에서

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

저희가 직면한 하나의 근본적인 문제는

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

우리의 뇌가 수십억 개의 세포로 구성되어 있다는 사실이었습니다.

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

그리고 우리 세포들은 다재다능한 일꾼이 아니라

전문가에 가깝습니다.

Like humans at work,

직장에서의 사람들과 마찬가지로

they specialize into thousands of different cellular careers,

세포들은 수천 개의 다양한 업무나

특정 종류의 세포를 전문적으로 담당합니다.

or cell types.

In fact, each of the cell types in our body

사실 우리 몸의 세포 각각은

could probably give a lively TED Talk

자신들이 하는 업무를 주제로

about what it does at work.

생생한 TED 강연을 할 수 있습니다.

But as scientists, we don't even know today

하지만, 과학자로서 저희는 오늘날까지도

how many cell types there are,

뇌에 얼마나 많은 종류의 세포가 있고

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

각각의 세포들이 어떤 주제로 강연을 할지 모릅니다.

Now, we know many important things about cell types.

현재, 저희는 세포 종류에 대한 많은 중요한 정보를 파악했습니다.

They can differ dramatically in size and shape.

세포들은 크기와 형태가 매우 다양하죠.

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

한 세포는 어떤 분자와 반응하는데, 다른 세포는 그 분자와 반응하지 않습니다.

they'll make different molecules.

이 두 세포는 다른 분자를 만들겠죠.

But science has largely been reaching these insights

하지만 과학은 이런 결과에 이르기까지 다양한 가능성들을 배제했습니다.

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

한 번에 한 세포씩, 한 번에 한 분자씩 분석하면서 말이죠.

one molecule at a time.

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

저희는 이런 모든 것들을 빠르고 체계적으로 배울 수 있길 원했습니다.

Now, until recently, it was the case

최근까지는 만약 당신이 우리의 뇌 또는 다른 장기들의

that if you wanted to inventory all of the molecules

in a part of the brain or any organ,

모든 분자들을 분류하고 싶다면,

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

먼저 그것을 갈아 세포 스무디를 만들어야만 했습니다.

But that's a problem.

이것이 문제였습니다.

As soon as you've ground up the cells,

세포를 갈아놓는 순간,

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

여러분은 오직 세포의 평균 정보를 연구해야만 합니다.

not the individual cells.

각각의 세포를 연구할 순 없죠.

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

만약 여러분이 뉴욕처럼 거대한 도시를 연구하는데

but you could only do so by reviewing some statistics

뉴욕 시민들의 평균적인 통계만 사용할 수 있다면

about the average resident of New York.

어떤 심정일지 상상해보세요.

Of course, you wouldn't learn very much,

물론 딱히 배울 점이 없습니다.

because everything that's interesting and important and exciting

왜냐하면 흥미롭고, 중요하고, 재미있는 모든 것들은

is in all the diversity and the specializations.

다양성과 전문성에 있기 때문이죠.

And the same thing is true of our cells.

인간의 세포도 마찬가지입니다.

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

저희는 인간의 뇌를 세포 스무디를 통해서보단,

but as a cellular fruit salad,

각각의 과일 조각에 대한 정보를 파악하고 배울 수 있는

in which one could generate data about and learn from

each individual piece of fruit.

세포 샐러드를 통해 연구하고 싶었습니다.

So we developed a technology for doing that.

저희는 이를 위해 한 기술을 개발했습니다.

You're about to see a movie of it.

관련된 영상을 보시죠.

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

영상에서, 저희는 수만 개의 세포들을

each into its own tiny water droplet

작은 물방울에 포장하고 있습니다.

for its own molecular analysis.

세포의 분자를 분석하기 위해서죠.

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

세포가 물방울에 닿으면 반응을 통해 작은 구슬로 바뀌고,

and that bead delivers millions of DNA bar code molecules.

그 구슬은 수백만 개의 DNA 바코드 분자들을 운반합니다.

And each bead delivers a different bar code sequence

그리고 각각의 구슬은 전혀 다른 바코드 순서를 운반합니다.

to a different cell.

또다른 세포에게로요.

We incorporate the DNA bar codes

우리 몸은 DNA 바코드를

into each cell's RNA molecules.

각 세포의 RNA 분자들로 통합합니다.

Those are the molecular transcripts it's making

RNA는 일종의 분자 설계도인데,

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

세포가 업무수행 때 사용하는 특정 유전자들로 구성됩니다.

And then we sequence billions of these combined molecules

그 후 저희는 수십억 개의 통합된 분자들이 어떻게 배열되어 있는지 밝히고,

and use the sequences to tell us

이 배열 순서를 사용하여

which cell and which gene

분자들이 어떤 세포, 어떤 유전자로부터 왔는지

every molecule came from.

전부 알아냅니다.

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

저희는 이 방법을 "물방울-배열"이라고 부릅니다.

세포분석을 위해 개별체로 분리하는 과정에서 물방울을 사용하기 때문이죠.

to separate the cells for analysis,

and we use DNA sequences to tag and inventory

또한 DNA 배열을 이용하여 모든 것들을 명명하고,

and keep track of everything.

분류하고, 추적하기 때문입니다.

And now, whenever we do an experiment,

그리고 현재, 실험을 하려고 마음만 먹으면

we analyze tens of thousands of individual cells.

저희는 언제든지라도 수만 개의 개별 세포들을 분석할 수 있습니다.

And today in this area of science,

오늘날 이 분야의 과학에서

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

점점 떠오르는 도전과제가 있습니다.

이 방대한 양의 데이터를 통해

as quickly as we can

가능한 많이, 가능한 빨리 지식을 얻는 방법을 찾는 것이죠.

from these vast data sets.

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

물방울-배열법을 개발했을 때, 사람들은 이렇게 말했습니다.

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

"오, 이건 모든 주요 뇌 연구 프로젝트에서 자네들을 주목하게 만들거야."

이건 저희의 관점과 달랐습니다.

That's not how we saw it.

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

과학이 가장 과학다운 순간은 모든 사람들이 흥미로운 데이터를

수많이 만들어낼 때입니다.

So we wrote a 25-page instruction book,

그래서 저희는 25장짜리 지도서를 만들었습니다.

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

어느 과학자라도 사전지식 없이 자신만의 물방울-배열 시스템을 만들 수 있도록 말이죠.

And that instruction book has been downloaded from our lab website

지난 2년간 이 지도서는 저희 연구소 웹사이트를 통해

50,000 times in the past two years.

5만 번 정도 다운로드 되었습니다.

We wrote software that any scientist could use

저희는 물방울-배열 실험에서 얻은 데이터를 분석하기 위해서라면

to analyze the data from Drop-seq experiments,

어느 과학자라도 사용할 수 있는 소프트웨어를 개발했습니다.

and that software is also free,

물론 소프트웨어는 무료이고,

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

지난 2년간 저희 웹사이트를 통해 3만 번 정도 다운로드 되었습니다.

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

그리고 수많은 연구소가 이 방법을 통해 얻은 발견들을

using this approach.

저희에게 전하고 있죠.

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

오늘날, 이 기술은 인간 세포지도를 제작하는데 사용되고 있습니다.

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

이것은 인간에게 있는 세포종류를 모두 표시한 지도가 될 것이고,

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

세포들이 역할을 수행하며 사용하는 특정 유전자를 알려줄 것입니다.

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

이제 뇌를 빅데이터 프로그램으로 바꿀 때,

저희가 직면한 두 번째 문제점을 말씀드리겠습니다.

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

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

그 문제점은 저희가 수많은 살아있는 사람들의 뇌를

of hundreds of thousands of living people.

연구해야 된다는 것입니다.

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

하지만, 살아있는 인간의 뇌에는 물리적으로 접근하기 어렵죠.

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

만약 분자들을 얻을 수 없다면, 어떻게 분자에 대해 알아낼 수 있을까요?

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

답은 정보가 많은 분자와 단백질들이

우리의 DNA에 입력되어있다는 사실로부터 왔습니다.

are encoded in our DNA,

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

DNA는 우리 세포들이 단백질을 만들 때 반드시 사용하는 요리법이기 때문이죠.

And these recipes vary from person to person to person

이 요리법은 사람마다 다릅니다.

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

그렇기 때문에 사람마다 다른 특징들이 나타나죠.

in their precise sequence

단백질의 순서가 미묘하게 다르고,

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

각각의 세포 유형이 만드는 특정 단백질의 양도 다르죠.

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

이 모든 것이 DNA에 입력되어 있고, 이것은 곧 유전입니다.

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

하지만 우리가 학교에서 배운 유전과는 다르죠.

Do you remember big B, little b?

B, b를 기억하시나요?

If you inherit big B, you get brown eyes?

B를 가지고 태어나면, 눈동자는 갈색이겠죠?

It's simple.

이것은 간단합니다.

Very few traits are that simple.

매우 소수의 특징만이 이렇게 간단합니다.

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

심지어 눈동자색조차 하나의 염색분자가 아닌 훨씬 많은 분자들이 만들어내는 것이죠.

And something as complex as the function of our brains

우리 뇌의 기능만큼이나 복잡한 것은

is shaped by the interaction of thousands of genes.

수천 개의 유전자가 상호작용하여 만듭니다.

And each of these genes varies meaningfully

그리고 각각의 유전자는 상당한 정도로

from person to person to person,

사람마다 다릅니다.

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

우리는 그 다양성의 특별한 결합인 셈이죠.

It's a big data opportunity.

이제 빅데이터를 사용할 기회입니다.

And today, it's increasingly possible to make progress

현재, 과학이 발전할 가능성이 점점 커지고 있습니다.

on a scale that was never possible before.

전에는 없던 엄청난 규모로 말이죠.

People are contributing to genetic studies

유전 연구에 참가하는 사람들의 숫자는

in record numbers,

해마다 기록을 갱신하고 있고,

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

전 세계의 과학자들은 서로 정보를 공유하고 있습니다.

to speed progress.

발전을 촉진하기 위해서요.

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

정신분열증의 유전에 대해 저희가 최근 발견한 것을

about the genetics of schizophrenia.

짧은 이야기로 전해드리겠습니다.

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

30개국의 5만 명의 사람들이 정신분열증 유전연구를 위해

who contributed their DNA to genetic research on schizophrenia.

DNA를 기증해주신 덕분에 이 연구는 가능할 수 있었습니다.

It had been known for several years

인간 유전자가 정신분열증 발병에 미치는 가장 큰 영향력은

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

어느 유전체의 한 부분으로부터 나오고,

comes from a part of the genome

이 유전체는 인간 면역체계 속 많은 분자들을 코드화했다는 사실이

that encodes many of the molecules in our immune system.

수년간 알려져 왔습니다.

But it wasn't clear which gene was responsible.

하지만, 그것이 어떤 유전자인지는 명확하지 않았습니다.

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

저희 연구실의 한 과학자는 컴퓨터로 DNA를 분석하는 새로운 방법을 발명했고,

and he discovered something very surprising.

매우 놀라운 사실을 알아냈습니다.

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

그는 "보체결합 4"라고 불리는 유전자를 발견했습니다.

it's called "C4" for short --

짧게 "C4"라고 부르는데요,

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

그는 이 유전자가 사람의 유전체에 따라 수십 개의 다른 형태를 띄고,

and these different forms make different amounts

우리 뇌 속 C4단백질의 양이 결정하는 주체가

of C4 protein in our brains.

유전자 형태의 다양성임을 밝혔습니다.

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

그리고, 그는 우리의 유전자가 더 많은 C4단백질을 만들어낼수록

the greater our risk for schizophrenia.

정신분열증의 위험이 높아지는 것을 발견했죠.

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

이제, C4는 복잡한 체계속에서 한 가지 위험요소일 뿐입니다.

This isn't big B,

이것은 B가 아니죠.

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

하지만 중요한 분자에 대해 이해한 것입니다.

Complement proteins like C4 were known for a long time

C4와 같은 보체단백질은 면역체계 속에서 일을 한다는 사실이

for their roles in the immune system,

수년간 알려져 왔습니다.

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

그들은 일종의 분자 메모지처럼 행동합니다.

that says, "Eat me."

"저를 먹으세요."라는 메모지요.

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

그리고 메모지는 우리 몸의 수많은 잔해와

and dead cells in our bodies

죽은 세포들을 뒤집어 씁니다.

and invites immune cells to eliminate them.

그 후, 그것들을 제거하기 위해 면역세포들을 부르죠.

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

하지만, C4 메모지는 우리 뇌의 시냅스를 뒤집어 쓴 채로

also gets put on synapses in the brain

자멸을 촉진한다는 사실을

and prompts their elimination.

제 동료 두 명이 밝혔습니다.

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

현재, 인간의 성장과 배움에 있어서 시냅스의 생성과 소멸은

of human development and learning.

자주 일어나는 일입니다.

Our brains create and eliminate synapses all the time.

우리의 뇌는 매순간 시냅스를 생성하고 제거합니다.

But our genetic results suggest that in schizophrenia,

하지만 인간은 정신분열증에 걸렸을 경우,

the elimination process may go into overdrive.

세포제거 과정이 급속도로 빨라지는데, 이는 유전의 결과입니다.

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

제약회사의 과학자들은 저에게 이 발견이 정말 흥미롭다고 말했습니다.

because they've been working on complement proteins for years

왜냐하면 그들은 수년간 면역체계 속 보체 단백질에 대해

in the immune system,

연구했기 때문입니다.

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

그들은 단백질이 어떻게 일하는지 많이 배웠죠.

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

심지어는 보체 단백질을 방해하는 분자를 개발하기도 했습니다.

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

그리고 면역체계뿐만 아니라 뇌에서도 그것들을 실험하기 시작했습니다.

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

이것은 개별적인 증상보다 근본적인 원인을 해결하는 약을 개발하는데

rather than an individual symptom,

하나의 잠재적인 길이 될 수 있습니다.

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

그리고 많은 과학자들이 수년간 노력하여 이 일이 성공적으로 끝나기를

will be successful.

간절히 원했습니다.

But C4 is just one example

하지만 C4는 단지 데이터 기반의 과학적 시도들이

of the potential for data-driven scientific approaches

수 세기동안 풀리지 않은 의학적 문제들에 새로운 해결방안을 제시하는

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

가능성의 한 가지 예시일 뿐입니다.

There are hundreds of places in our genomes

우리의 유전체 속에는 뇌질환을 유발하는 부분들이 수많이 있습니다.

that shape risk for brain illnesses,

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

그리고 유전체의 어떤 부분이라도

중요한 분자에 대한 새로운 해석을 우리에게 알려줄 수 있습니다.

about a molecule that matters.

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

그리고 수많은 종류의 세포들이 서로 다른 방식으로 유전자들을 사용하죠.

As we and other scientists work to generate

저희와 다른 과학자들은

the rest of the data that's needed

필수 데이터를 마저 완성하고

and to learn all that we can from that data,

데이터로부터 가능한 모든 것들을 배운 후,

we hope to open many more new fronts.

저희가 많은 부분들을 개척했길 바랐습니다.

Genetics and single-cell analysis are just two ways

유전학과 개별 세포 분석법은 뇌를 빅데이터의 문제로 바꾸려는

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

두 가지 방법에 불과합니다.

There is so much more we can do.

시도할 수 있는 방법은 아직 많습니다.

Scientists in my lab are creating a technology

저희 연구소의 과학자들은 뇌 속의 시냅스 연결망을

for quickly mapping the synaptic connections in the brain

빠르게 파악하는 기술을 개발했습니다.

to tell which neurons are talking to which other neurons

이 지도는 한 뉴런이 어떤 뉴런과 소통하는지,

and how that conversation changes throughout life and during illness.

살아가면서 또는 병에 걸린 동안에는 이 소통이 어떻게 변하는지 알려줍니다.

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

또한 수많은 인간 유전체의 세포들이 같은 자극에 어떻게 다르게 반응하는지

how cells with hundreds of different people's genomes

단 하나의 실험관에서 실험할 수 있는

respond differently to the same stimulus.

기술을 개발하기도 했죠.

These projects bring together people with diverse backgrounds

이러한 프로젝트는 배경, 교육과정, 관심사가 서로 다른 사람들이

and training and interests --

서로 만나도록 만들었습니다.

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

그들은 생물학, 컴퓨터학, 화학, 수학, 통계학, 공학 분야의 사람들이죠.

But the scientific possibilities rally people with diverse interests

하지만, 과학적 가능성이 다양한 분야의 사람들을 결집시켜

into working intensely together.

같이 열심히 일하도록 만들었습니다.

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

우리가 만들고 싶은 미래는 어떤 모습일까요?

Consider cancer.

암을 예시로 들겠습니다.

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

개인의 심리적 특징 때문에 암이 발병한다고 알려졌던

in which cancer was commonly ascribed to personal psychological characteristics,

암 발병 원인에 대한 무지의 시대로부터 벗어나

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

우리는 암의 생물학적 원인을 진정으로 파악하는 현대 분자식 이해로 가고 있습니다.

That understanding today leads to innovative medicine

오늘날 이러한 이해는 획기적인 약을

after innovative medicine,

거듭해서 개발해내고 있습니다.

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

그리고 비록 할 일이 많이 남았지만,

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

한 세대 전에는 치료가 불가능하다고 여겨졌던 암을

that were considered untreatable a generation ago.

극복한 환자들이 우리 주변에 많이 있죠.

And millions of cancer survivors like my sister

제 여동생과 같은 수백 만의 암 생존자들은

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

그들에게 오지 않을 운명이였던 수십 년의 시간과 새로운 기회들,

and new opportunities

for work and joy and human connection.

일, 기쁨과 인간관계의 기회들을 만끽하며 살고 있습니다.

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

이것이 저희가 이루고자 했던 정신질환의 새로운 모습입니다.

one of real understanding and empathy

이것은 진정한 이해와 공감이고

and limitless possibility.

무한한 가능성입니다.

Thank you.

감사합니다.

(Applause)

(박수)