Allan Jones: A map of the brain

164,682 views ・ 2011-11-10

TED


Sila klik dua kali pada sari kata Inggeris di bawah untuk memainkan video.

Translator: Chin Lik Tan Reviewer: Pei Fang Ng
00:15
Humans have long held a fascination
0
15260
2000
Manusia telah lama terpesona oleh
00:17
for the human brain.
1
17260
2000
otak manusia
00:19
We chart it, we've described it,
2
19260
3000
Kita mencartakannya; kita menghuraikannya;
00:22
we've drawn it,
3
22260
2000
kita melukisnya;
00:24
we've mapped it.
4
24260
3000
kita memetakannya.
00:27
Now just like the physical maps of our world
5
27260
3000
Seperti peta-peta fizikal dunia kita
00:30
that have been highly influenced by technology --
6
30260
3000
yang telah banyak dipengaruhi oleh teknologi --
00:33
think Google Maps,
7
33260
2000
bayangkan Google Maps,
00:35
think GPS --
8
35260
2000
bayangkan GPS --
00:37
the same thing is happening for brain mapping
9
37260
2000
perkara yang sama sedang berlaku kepada pemetaan otak menerusi transformasi.
00:39
through transformation.
10
39260
2000
perkara yang sama sedang berlaku kepada pemetaan otak menerusi transformasi.
00:41
So let's take a look at the brain.
11
41260
2000
Mari kita lihat otak manusia.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
Kebanyakan orang yang lihat otak manusia pada kali pertama
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
akan kata, "Ia tidak kelihatan apa yang biasanya dilihat
00:49
when someone shows you a brain."
14
49260
2000
apabila seseorang tunjukkan sebuah otak kepada anda."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
Biasanya, apa yang anda lihat ialah otak yang telah diawet. Ia berwarna kelabu.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
Lapisan luar ini ialah vaskulatur yang menakjubkan, ia di sekitar otak manusia.
00:56
which is incredible, around a human brain.
17
56260
2000
Lapisan luar ini ialah vaskulatur yang menakjubkan, ia di sekitar otak manusia.
00:58
This is the blood vessels.
18
58260
2000
Inilah saluran darah.
01:00
20 percent of the oxygen
19
60260
3000
20% daripada oksigen yang datang dari peparu anda,
01:03
coming from your lungs,
20
63260
2000
20% daripada oksigen yang datang dari peparu anda,
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
20% daripada darah yang dipam oleh jantung anda,
01:07
is servicing this one organ.
22
67260
2000
dibekalkan kepada organ ini.
01:09
That's basically, if you hold two fists together,
23
69260
2000
Letakkan kedua-dua buku lima bersama,
01:11
it's just slightly larger than the two fists.
24
71260
2000
otak adalah sedikit lebih besar daripadanya.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
Ahli sains, lebih kurang pada hujung abad ke-20,
01:16
learned that they could track blood flow
26
76260
2000
tahu mereka boleh menjejaki pengaliran darah untuk memetakannya secara tidak invasif
01:18
to map non-invasively
27
78260
3000
tahu mereka boleh menjejaki pengaliran darah untuk memetakannya secara tidak invasif
01:21
where activity was going on in the human brain.
28
81260
3000
lokasi di mana aktiviti sedang berlaku di dalam otak manusia.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
Contohnya, mereka boleh lihat bahagian belakang otak,
01:27
which is just turning around there.
30
87260
2000
seperti yang sedang berpusing itu.
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
Itu serebelum. Ia mengekalkan postur tegak anda.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
Ia membolehkan saya berdiri. Ia terlibat dalam koordinasi pergerakan.
01:34
On the side here, this is temporal cortex.
33
94260
3000
Di sebelah ini ialah korteks temporal.
01:37
This is the area where primary auditory processing --
34
97260
3000
Ia bahagian di mana proses pendengaran primer --
01:40
so you're hearing my words,
35
100260
2000
jadi anda boleh mendengar kata-kata saya
01:42
you're sending it up into higher language processing centers.
36
102260
2000
dan menghantarkannya ke pusat pemprosesan bahasa atasan.
01:44
Towards the front of the brain
37
104260
2000
Bahagian depan otak ialah tempat di mana semua pemikiran lebih kompleks, membuat keputusan --
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
Bahagian depan otak ialah tempat di mana semua pemikiran lebih kompleks, membuat keputusan --
01:49
it's the last to mature in late adulthood.
39
109260
4000
ia struktur terakhir yang menjadi matang di peringkat dewasa lewat.
01:53
This is where all your decision-making processes are going on.
40
113260
3000
Inilah tempat di mana semua proses membuat keputusan berlaku.
01:56
It's the place where you're deciding right now
41
116260
2000
Ia tempat di mana anda membuat keputusan sekarang,
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
barangkali anda tidak akan memesan stik untuk makan malam.
02:01
So if you take a deeper look at the brain,
43
121260
2000
Jika anda meneliti otak,
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
jika anda melihat keratan rentas otak,
02:05
what you can see
45
125260
2000
apa yang berlaku ialah,
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
anda tidak dapat melihat banyak struktur di sana.
02:10
But there's actually a lot of structure there.
47
130260
2000
Sebenarnya terdapat banyak struktur di sana.
02:12
It's cells and it's wires all wired together.
48
132260
2000
Terdapat sel-sel yang dirangkaikan bersama.
02:14
So about a hundred years ago,
49
134260
2000
Lebih kurang seratus tahun dahulu,
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
ahli sains mencipta sejenis pewarna yang boleh mewarnakan sel.
02:18
And that's shown here in the the very light blue.
51
138260
3000
Ia yang ditunjukkan oleh biru muda.
02:21
You can see areas
52
141260
2000
Anda boleh melihat kawasan-kawasan
02:23
where neuronal cell bodies are being stained.
53
143260
2000
di mana sel-sel saraf telah diwarnakan.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
Ia tidak begitu seragam. Anda boleh melihat lebih banyak struktur di sana.
02:28
So the outer part of that brain
55
148260
2000
Bahagian luar otak ialah neokorteks.
02:30
is the neocortex.
56
150260
2000
Bahagian luar otak ialah neokorteks.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
Ia sebuah unit pemprosesan berterusan.
02:35
But you can also see things underneath there as well.
58
155260
2000
Anda juga boleh melihat benda-benda di bawah.
02:37
And all of these blank areas
59
157260
2000
Kesemua kawasan kosong ini
02:39
are the areas in which the wires are running through.
60
159260
2000
ialah kawasan-kawasan terdapatnya saraf.
02:41
They're probably less cell dense.
61
161260
2000
Kawasan-kawasan ini kurang padat dengan sel-sel.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
Terdapat kira-kira 86 bilion sel saraf di dalam otak kita.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
Seperti yang anda lihat, ia tersebar secara tidak seragam.
02:50
And how they're distributed really contributes
64
170260
2000
Bagaimana ia tersebar menyumbang kepada fungsi-fungsi asasnya.
02:52
to their underlying function.
65
172260
2000
Bagaimana ia tersebar menyumbang kepada fungsi-fungsi asasnya.
02:54
And of course, as I mentioned before,
66
174260
2000
Seperti yang saya katakan tadi,
02:56
since we can now start to map brain function,
67
176260
3000
oleh sebab kita mampu memetakan fungsi-fungsi otak,
02:59
we can start to tie these into the individual cells.
68
179260
3000
kita boleh mengaitkannya dengan sel-sel individu.
03:02
So let's take a deeper look.
69
182260
2000
Jadi mari kita menelitinya.
03:04
Let's look at neurons.
70
184260
2000
Mari kita lihat sel-sel saraf.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
Jadi, terdapat 86 bilion sel saraf.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
Terdapat juga sel-sel yang lebih kecil.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
Inilah sel-sel penyokong -- glia astrosit.
03:12
And the nerves themselves
74
192260
3000
Saraf-saraf akan menerima input.
03:15
are the ones who are receiving input.
75
195260
2000
Saraf-saraf akan menerima input.
03:17
They're storing it, they're processing it.
76
197260
2000
Ia menyimpan dan memproses input.
03:19
Each neuron is connected via synapses
77
199260
4000
Setiap sel saraf dihubungkan melalui sinaps-sinaps
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
kepada lebih kurang 10,000 sel-sel saraf lain di dalam otak anda.
03:26
And each neuron itself
79
206260
2000
Setiap sel saraf adalah unik.
03:28
is largely unique.
80
208260
2000
Setiap sel saraf adalah unik.
03:30
The unique character of both individual neurons
81
210260
2000
Ciri-ciri unik sel-sel saraf individu dan sel-sel saraf yang wujud berkumpulan di dalam otak
03:32
and neurons within a collection of the brain
82
212260
2000
Ciri-ciri unik sel-sel saraf individu dan sel-sel saraf yang wujud berkumpulan di dalam otak
03:34
are driven by fundamental properties
83
214260
3000
ditentukan oleh ciri-ciri asas biokimianya.
03:37
of their underlying biochemistry.
84
217260
2000
ditentukan oleh ciri-ciri asas biokimianya.
03:39
These are proteins.
85
219260
2000
Semua ini ialah protein.
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
Ia mengawal hal-hal seperti pergerakan saluran ion.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
Ia mengawal sel-sel sistem saraf dihubungkan kepada apa.
03:48
And they're controlling
88
228260
2000
Secara umum, ia mengawal semua yang membabitkan sistem saraf.
03:50
basically everything that the nervous system has to do.
89
230260
2000
Secara umumnya, ia mengawal semua yang membabitkan sistem saraf.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
Jika kita zum masuk ke peringkat yang lebih dalam,
03:55
all of those proteins
91
235260
2000
semua protein itu dikod oleh genom kita.
03:57
are encoded by our genomes.
92
237260
2000
semua protein itu dikod oleh genom kita.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
Setiap orang mempunyai 23 pasang kromosom.
04:02
We get one from mom, one from dad.
94
242260
2000
Kita menerima satu daripada emak, satu daripada bapa.
04:04
And on these chromosomes
95
244260
2000
Dalam setiap kromosom ini,
04:06
are roughly 25,000 genes.
96
246260
2000
terdapat lebih kurang 25,000 gen.
04:08
They're encoded in the DNA.
97
248260
2000
Gen-gen dikod dalam DNA.
04:10
And the nature of a given cell
98
250260
3000
Cara setiap sel mengawal ciri-ciri asas biokimianya
04:13
driving its underlying biochemistry
99
253260
2000
Cara setiap sel mengawal ciri-ciri asas biokimianya
04:15
is dictated by which of these 25,000 genes
100
255260
3000
ditentukan oleh yang mana antara 25,000 gen ini dihidupkan
04:18
are turned on
101
258260
2000
ditentukan oleh yang mana antara 25,000 gen ini dihidupkan
04:20
and at what level they're turned on.
102
260260
2000
dan pada peringkat apa gen-gen itu dihidupkan.
04:22
And so our project
103
262260
2000
Projek kami cuba mengkaji bacaan output ini,
04:24
is seeking to look at this readout,
104
264260
3000
Projek kami cuba mengkaji bacaan output ini,
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
memahami yang mana antara 25,000 gen ini yang dihidupkan.
04:30
So in order to undertake such a project,
106
270260
3000
Jadi untuk melaksanakan projek ini,
04:33
we obviously need brains.
107
273260
3000
sememangnya kami memerlukan otak-otak.
04:36
So we sent our lab technician out.
108
276260
3000
Jadi kami menghantar juruteknik kami.
04:39
We were seeking normal human brains.
109
279260
2000
Kami mencari otak-otak manusia yang normal.
04:41
What we actually start with
110
281260
2000
Kami mulakan dengan bilik patologi forensik.
04:43
is a medical examiner's office.
111
283260
2000
Kami mulakan dengan bilik patologi forensik.
04:45
This a place where the dead are brought in.
112
285260
2000
Inilah tempat di mana mayat-mayat dihantar. Kami mencari otak-otak manusia yang normal.
04:47
We are seeking normal human brains.
113
287260
2000
Inilah tempat di mana mayat-mayat dihantar. Kami mencari otak-otak manusia yang normal.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
Kami memilih otak-otak ini berdasarkan banyak kriteria.
04:52
We want to make sure
115
292260
2000
Kami ingin memastikan bahawa
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
kami memperoleh otak-otak manusia yang berusia antara 20 hingga 60 tahun,
04:57
they died a somewhat natural death
117
297260
2000
mereka mati atas sebab-sebab semula jadi
04:59
with no injury to the brain,
118
299260
2000
tanpa kecederaan otak,
05:01
no history of psychiatric disease,
119
301260
2000
tanpa penyakit psikiatri,
05:03
no drugs on board --
120
303260
2000
tiada dadah --
05:05
we do a toxicology workup.
121
305260
2000
kami menjalankan ujian toksikologi.
05:07
And we're very careful
122
307260
2000
Dan kami sangat berhati-hati terhadap
05:09
about the brains that we do take.
123
309260
2000
otak-otak yang kami ambil.
05:11
We're also selecting for brains
124
311260
2000
Kami juga memilih otak-otak
05:13
in which we can get the tissue,
125
313260
2000
yang mana kami boleh memperoleh tisu,
05:15
we can get consent to take the tissue
126
315260
2000
kami boleh mendapat kebenaran untuk mengambil tisu
05:17
within 24 hours of time of death.
127
317260
2000
dalam masa 24 jam selepas kematian.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
Oleh sebab apa yang kami ingin menyukat, RNA --
05:22
which is the readout from our genes --
129
322260
2000
iaitu bacaan output daripada gen-gen kami --
05:24
is very labile,
130
324260
2000
adalah tidak stabil,
05:26
and so we have to move very quickly.
131
326260
2000
maka kami perlu bergerak dengan cepat.
05:28
One side note on the collection of brains:
132
328260
3000
Satu nota tambahan mengenai pengumpulan otak-otak tersebut:
05:31
because of the way that we collect,
133
331260
2000
disebabkan cara kami mengumpul,
05:33
and because we require consent,
134
333260
2000
dan oleh sebab kami memerlukan kebenaran,
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
kami mendapat lebih banyak otak lelaki daripada otak wanita.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
Bagi lelaki, kebarangkalian mati akibat kemalangan adalah lebih tinggi.
05:41
And men are much more likely
137
341260
2000
Pasangan lelaki juga lebih sudi memberikan kebenaran
05:43
to have their significant other, spouse, give consent
138
343260
3000
Pasangan lelaki juga lebih sudi memberikan kebenaran
05:46
than the other way around.
139
346260
2000
daripada pasangan perempuan.
05:48
(Laughter)
140
348260
4000
(Gelak ketawa)
05:52
So the first thing that we do at the site of collection
141
352260
2000
Perkara pertama yang kami jalankan di tempat pengutipan ialah MR.
05:54
is we collect what's called an MR.
142
354260
2000
Perkara pertama yang kami jalankan di tempat pengutipan ialah MR.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
Ini "Magnetic Resonance Imaging" -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
358260
3000
Ia templat piawai yang kami gunakan untuk data-data seterusnya.
06:01
So we collect this MR.
145
361260
2000
Jadi kami mengumpulkan MR ini.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
Anda boleh anggapnya pandangan satelit untuk peta kami.
06:05
The next thing we do
147
365260
2000
Seterusnya,
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
kami mengumpulkan imej tensor resapan.
06:10
This maps the large cabling in the brain.
149
370260
2000
Ini memetakan kabel-kabel besar di dalam otak.
06:12
And again, you can think of this
150
372260
2000
Dan sekali lagi, anda boleh anggap ini sebagai
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
proses memetakan lebuh raya antara negeri.
06:16
The brain is removed from the skull,
152
376260
2000
Otak akan dikeluarkan dari tengkorak
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
dan dihiris kepada keratan setebal satu sentimeter.
06:21
And those are frozen solid,
154
381260
2000
Semua ini dibekukan
06:23
and they're shipped to Seattle.
155
383260
2000
dan dihantar ke Seattle.
06:25
And in Seattle, we take these --
156
385260
2000
Di Seattle, kami mengambil ini --
06:27
this is a whole human hemisphere --
157
387260
2000
ini sebuah hemisfera manusia --
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
kami memasukannya ke penghiris daging.
06:31
There's a blade here that's going to cut across
159
391260
2000
mata pisau akan memotong sekerat tisu
06:33
a section of the tissue
160
393260
2000
mata pisau akan memotong sekerat tisu
06:35
and transfer it to a microscope slide.
161
395260
2000
dan ia dialihkan ke sisip kaca mikroskop.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
Kami akan mewarnakannya, dan kami mengimbasnya.
06:39
and we scan it.
163
399260
2000
Kami akan mewarnakannya, dan kami mengimbasnya.
06:41
And then what we get is our first mapping.
164
401260
3000
Kemudian, kami dapat pemetaan yang pertama.
06:44
So this is where experts come in
165
404260
2000
Di sinilah pakar-pakar terlibat. Mereka melaksanakan persempadanan anatomi asas.
06:46
and they make basic anatomic assignments.
166
406260
2000
Di sinilah pakar-pakar terlibat. Mereka melaksanakan persempadanan anatomi asas.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
Anda boleh anggap ini sebagai sempadan antara negeri,
06:51
those pretty broad outlines.
168
411260
2000
garis-garis bentuk yang cantik itu.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
Dari sini, kami boleh memecah-mecahkan otak itu kepada kepingan yang lebih kecil
06:57
which then we can put on a smaller cryostat.
170
417260
2000
yang akan dimasukkan ke sebuah kriostat kecil.
06:59
And this is just showing this here --
171
419260
2000
Ini menunjukkan --
07:01
this frozen tissue, and it's being cut.
172
421260
2000
tisu yang telah dibekukan ini sedang dihiris.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
Lebarnya 20 mikron, senipis rambut bayi.
07:06
And remember, it's frozen.
174
426260
2000
Ingat, ia telah dibekukan.
07:08
And so you can see here,
175
428260
2000
Anda boleh lihat di sini, teknologi lama, berus lukisan digunakan.
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
Anda boleh lihat di sini, teknologi lama, berus lukisan digunakan.
07:12
We take a microscope slide.
177
432260
2000
Kami mengambil sebuah sisip kaca mikroskop.
07:14
Then we very carefully melt onto the slide.
178
434260
3000
Kemudian, kami meleburkannya di atas sisip kaca.
07:17
This will then go onto a robot
179
437260
2000
Kemudian, ini dipindahkan ke sebuah robot
07:19
that's going to apply one of those stains to it.
180
439260
3000
yang akan mewarnakannya.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
Pakar-pakar anatomi kami akan menelitinya.
07:29
So again this is what they can see under the microscope.
182
449260
2000
Inilah apa yang dilihat di bawah mikroskop.
07:31
You can see collections and configurations
183
451260
2000
Anda boleh melihat koleksi dan konfigurasi
07:33
of large and small cells
184
453260
2000
sel-sel yang besar dan kecil
07:35
in clusters and various places.
185
455260
2000
berkelompok di merata-rata tempat.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
Ia faham di mana untuk membuat persempadanan. Ia boleh dijadikan sebagai sebuah atlas rujukan.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
Ia faham di mana untuk membuat persempadanan. Ia boleh dijadikan sebagai sebuah atlas rujukan.
07:42
This is a more detailed map.
188
462260
2000
Ini sebuah peta yang lebih terperinci.
07:44
Our scientists then use this
189
464260
2000
Kemudian, ahli-ahli sains kami menggunakan ini
07:46
to go back to another piece of that tissue
190
466260
3000
untuk beralih ke sekeping tisu yang lain dan menjalankan mikrobedahan pengimbasan laser.
07:49
and do what's called laser scanning microdissection.
191
469260
2000
untuk beralih ke sekeping tisu yang lain dan menjalankan mikrobedahan pengimbasan laser.
07:51
So the technician takes the instructions.
192
471260
3000
Juruteknik akan mengikut arahan.
07:54
They scribe along a place there.
193
474260
2000
Dia melukis sepanjang satu lokasi di sana.
07:56
And then the laser actually cuts.
194
476260
2000
Dan laser akan memotong.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
Anda boleh melihat titik biru itu memotong. Tisu itu akan jatuh.
08:01
You can see on the microscope slide here,
196
481260
2000
Anda boleh melihat sisip kaca mikroskop ini,
08:03
that's what's happening in real time.
197
483260
2000
inilah apa yang sedang berlaku dalam masa sebenar.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
Bekas di bawah akan mengutip tisu itu.
08:08
We take that tissue,
199
488260
2000
Kami mengambil tisu itu,
08:10
we purify the RNA out of it
200
490260
2000
kami memperoleh RNA daripadanya
08:12
using some basic technology,
201
492260
2000
dengan menggunakan teknologi asas,
08:14
and then we put a florescent tag on it.
202
494260
2000
dan seterusnya kami meletakkan satu teg berpendafluor padanya.
08:16
We take that tagged material
203
496260
2000
Kami mengambil bahan yang diteg itu
08:18
and we put it on to something called a microarray.
204
498260
3000
dan meletakkannya dalam tata susunan mikro.
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
Ini kelihatan seperti kelompok titik,
08:23
but each one of these individual dots
206
503260
2000
tapi setiap titik ialah sebahagian daripada genom manusia yang unik
08:25
is actually a unique piece of the human genome
207
505260
2000
tapi setiap titik ialah sebahagian daripada genom manusia yang unik
08:27
that we spotted down on glass.
208
507260
2000
yang kami letakkan di atas sekeping gelas.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
ia mengandungi lebih kurang 60,000 elemen.
08:32
so we repeatedly measure various genes
210
512260
3000
jadi kami mengukur pelbagai gen daripada 25,000 gen
08:35
of the 25,000 genes in the genome.
211
515260
2000
yang terdapat dalam genom kita.
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
Apabila kami mengambil sebuah sampel dan menghibridkannya,
08:40
we get a unique fingerprint, if you will,
213
520260
2000
kami memperoleh satu "cap jari" yang unik;
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
secara kuantitatif, ia menunjukkan gen mana yang dihidupkan dalam sampel itu.
08:45
Now we do this over and over again,
215
525260
2000
Kami menjalankan proses ini berulang kali,
08:47
this process for any given brain.
216
527260
3000
proses yang sama untuk setiap otak.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
Kami mengambil lebih daripada seribu sampel dari setiap otak.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
Kawasan ini dikenali sebagai hipokampus.
08:56
It's involved in learning and memory.
219
536260
2000
Ia terlibat dalam pembelajaran dan ingatan.
08:58
And it contributes to about 70 samples
220
538260
3000
Ia menyumbang kepada lebih kurang 70 buah sampel
09:01
of those thousand samples.
221
541260
2000
daripada ribuan sampel tersebut.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
Jadi setiap sampel memberikan kami lebih kurang 50,000 data
09:07
with repeat measurements, a thousand samples.
223
547260
3000
dengan ukuran berulangan, seribu sampel.
09:10
So roughly, we have 50 million data points
224
550260
2000
Jadi secara kasar, kami mempunyai 50 juta data untuk setiap otak manusia.
09:12
for a given human brain.
225
552260
2000
Jadi secara kasar, kami mempunyai 50 juta data untuk setiap otak manusia.
09:14
We've done right now
226
554260
2000
Kami telah melengkapkan data daripada dua otak manusia.
09:16
two human brains-worth of data.
227
556260
2000
Kami telah melengkapkan data daripada dua otak manusia.
09:18
We've put all of that together
228
558260
2000
Kami telah menyatukan semua data itu.
09:20
into one thing,
229
560260
2000
Kami telah menyatukan semua data itu.
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
Saya akan tunjukkan kepada anda hasilnya.
09:24
It's basically a large data set of information
231
564260
3000
Secara dasar, ia mengandungi banyak maklumat
09:27
that's all freely available to any scientist around the world.
232
567260
3000
yang boleh diperoleh secara percuma oleh mana-mana ahli sains di seluruh dunia.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
Mereka tidak perlu log masuk pun untuk menggunakan alat ini,
09:33
mine this data, find interesting things out with this.
234
573260
4000
menerokai data ini, mencari sesuatu yang menarik daripadanya.
09:37
So here's the modalities that we put together.
235
577260
3000
Jadi di sinilah semua modaliti yang kami telah kumpulkan bersama.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
Anda akan memahami semua ini bermula daripada apa telah kami kumpulkan sebelum ini.
09:43
Here's the MR. It provides the framework.
237
583260
2000
Ini MR. Ia menyediakan rangka kerja.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
Di sebelah kanan ialah pengendali yang membolehkan anda memusing,
09:48
it allows you to zoom in,
239
588260
2000
ia membenarkan anda zum masuk dan
09:50
it allows you to highlight individual structures.
240
590260
3000
menonjolkan struktur-struktur tertentu.
09:53
But most importantly,
241
593260
2000
Tapi yang penting,
09:55
we're now mapping into this anatomic framework,
242
595260
3000
kami sedang memetakan rangka kerja anatomi ini,
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
yang merupakan rangka kerja untuk orang ramai memahami gen-gen yang dihidupkan.
10:01
So the red levels
244
601260
2000
Warna-warna merah ialah
10:03
are where a gene is turned on to a great degree.
245
603260
2000
gen-gen yang dihidupkan ke tahap yang sangat tinggi.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
Warna hijau mewakili kawasan-kawasan di mana gen-gen tidak dihidupkan.
10:08
And each gene gives us a fingerprint.
247
608260
2000
Setiap gen memberikan kami satu "cap jari".
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
Ingat, kami telah mengkaji kesemua 25,000 gen yang terdapat dalam genom
10:15
and have all of that data available.
249
615260
4000
dan data-data itu sudah tersedia.
10:19
So what can scientists learn about this data?
250
619260
2000
Apakah yang boleh diperoleh ahli-ahli sains mengenai data ini?
10:21
We're just starting to look at this data ourselves.
251
621260
3000
Kami sendiri baru mengkaji data ini.
10:24
There's some basic things that you would want to understand.
252
624260
3000
Terdapat beberapa perkara asas yang anda mahu tahu.
10:27
Two great examples are drugs,
253
627260
2000
Dua contoh yang baik ialah ubat-ubatan: Prozac dan Wellbutrin.
10:29
Prozac and Wellbutrin.
254
629260
2000
Dua contoh yang baik ialah ubat-ubatan: Prozac dan Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
Inilah ubat antidepresan yang biasa digunakan.
10:34
Now remember, we're assaying genes.
256
634260
2000
Ingat, kami sedang mengkaji gen-gen.
10:36
Genes send the instructions to make proteins.
257
636260
3000
Gen-gen memberikan arahan untuk membuat protein.
10:39
Proteins are targets for drugs.
258
639260
2000
Protein ialah sasaran ubat-ubatan.
10:41
So drugs bind to proteins
259
641260
2000
Jadi, ubat-ubat terikat pada protein
10:43
and either turn them off, etc.
260
643260
2000
dan mematikan fungsinya, dan sebagainya.
10:45
So if you want to understand the action of drugs,
261
645260
2000
Jika anda ingin memahami tindakan ubat-ubatan,
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
anda perlu memahami bagaimana ia bertindak mengikut kehendak anda, dan tidak mengikut kehendak anda,
10:50
and also in the ways you don't want them to.
263
650260
2000
anda perlu memahami bagaimana ia bertindak mengikut kehendak anda, dan tidak mengikut kehendak anda,
10:52
In the side effect profile, etc.,
264
652260
2000
kesan sampingan, dan sebagainya. Anda mahu lokasi gen-gen yang dihidupkan.
10:54
you want to see where those genes are turned on.
265
654260
2000
kesan sampingan, dan sebagainya. Anda mahu lokasi gen-gen yang dihidupkan.
10:56
And for the first time, we can actually do that.
266
656260
2000
Dan pertama kalinya, kita mampu melakukannya.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
Kita boleh melakukannya bagi individu-individu yang telah kita kaji.
11:01
So now we can look throughout the brain.
268
661260
3000
Jadi sekarang, kita boleh melihat seluruh otak.
11:04
We can see this unique fingerprint.
269
664260
2000
Kami boleh mengesan "cap jari" yang unik ini.
11:06
And we get confirmation.
270
666260
2000
Dan kami mendapat pengesahan.
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
Kami mendapat pengesahan bahawa, sememangnya, gen tersebut dihidupkan --
11:11
for something like Prozac,
272
671260
2000
bagi sesuatu seperti Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
dalam struktur-struktur serotonin, yang telah kita faham akan dipengaruhi --
11:16
but we also get to see the whole thing.
274
676260
2000
tapi kami juga dapat melihatnya secara keseluruhan.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
Kami juga dapat melihat kawasan-kawasan yang sebelum ini tidak pernah dilihat,
11:20
and we see these genes turned on there.
276
680260
2000
dan kami dapat melihat gen-gen yang dihidupkan di situ.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
Ia seakan-akan satu kesan sampingan yang amat menarik.
11:25
One other thing you can do with such a thing
278
685260
2000
Satu lagi perkara yang anda boleh lakukan dengannya ialah,
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
anda boleh, disebabkan ia satu proses pemadanan corak,
11:30
because there's unique fingerprint,
280
690260
2000
disebabkan adanya satu "cap jari" yang unik,
11:32
we can actually scan through the entire genome
281
692260
2000
kami boleh mengimbas seluruh genom
11:34
and find other proteins
282
694260
2000
dan mencari protein-protein lain
11:36
that show a similar fingerprint.
283
696260
2000
yang menunjukkan "cap jari" yang hampir serupa.
11:38
So if you're in drug discovery, for example,
284
698260
3000
Contohnya, jika anda bekerja dalam bidang penemuan ubat,
11:41
you can go through
285
701260
2000
anda boleh melihat seluruh senarai genom
11:43
an entire listing of what the genome has on offer
286
703260
2000
anda boleh melihat seluruh senarai genom
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
untuk mencari ubat yang lebih baik dan mengoptimumkannya.
11:49
Most of you are probably familiar
288
709260
2000
Mungkin kebanyakan daripada anda biasa dengan
11:51
with genome-wide association studies
289
711260
2000
kajian-kajian perkaitan genom,
11:53
in the form of people covering in the news
290
713260
3000
seperti dalam liputan berita:
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
"Ahli-ahli sains telah menemui gen-gen
11:59
which affect X."
292
719260
2000
yang mempengaruhi X."
12:01
And so these kinds of studies
293
721260
2000
Kajian-kajian seperti ini
12:03
are routinely published by scientists
294
723260
2000
lazimnya diterbitkan oleh ahli sains
12:05
and they're great. They analyze large populations.
295
725260
2000
dan ia adalah bagus. Mereka menganalisa populasi yang besar.
12:07
They look at their entire genomes,
296
727260
2000
Mereka mengkaji seluruh genom
12:09
and they try to find hot spots of activity
297
729260
2000
dan cuba mencari pusat-pusat beraktiviti tinggi
12:11
that are linked causally to genes.
298
731260
3000
yang boleh dikatkan dengan gen-gen.
12:14
But what you get out of such an exercise
299
734260
2000
Tapi apa yang anda dapat daripada analisis sebegini
12:16
is simply a list of genes.
300
736260
2000
hanyalah satu senarai gen.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
Ia beritahu anda gen mana, bukannya lokasi gen.
12:21
And so it's very important for those researchers
302
741260
3000
Jadi, bagi para penyelidik, ia sangat penting
12:24
that we've created this resource.
303
744260
2000
kerana kami telah mewujudkan sumber ini.
12:26
Now they can come in
304
746260
2000
Sekarang mereka boleh menggunakannya
12:28
and they can start to get clues about activity.
305
748260
2000
dan mula memahami aktiviti gen.
12:30
They can start to look at common pathways --
306
750260
2000
Mereka boleh mula menyiasat laluan-laluan umum --
12:32
other things that they simply haven't been able to do before.
307
752260
3000
apa-apa yang mereka tidak mampu lakukan sebelum ini.
12:36
So I think this audience in particular
308
756260
3000
Saya rasa, anda secara khususnya,
12:39
can understand the importance of individuality.
309
759260
3000
dapat memahami kepentingan keindividuan.
12:42
And I think every human,
310
762260
2000
Setiap manusia memiliki latar belakang genetik yang berlainan,
12:44
we all have different genetic backgrounds,
311
764260
4000
Setiap manusia memiliki latar belakang genetik yang berlainan,
12:48
we all have lived separate lives.
312
768260
2000
kita semua telah melalui hidup yang berasingan. Tapi hakikatnya,
12:50
But the fact is
313
770260
2000
kita semua telah melalui hidup yang berasingan. Tapi hakikatnya,
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
peratus keserupaan genom kita ialah 99%.
12:55
We're similar at the genetic level.
315
775260
3000
Kita serupa dari segi genetik.
12:58
And what we're finding
316
778260
2000
Apa kita dapat tahu,
13:00
is actually, even at the brain biochemical level,
317
780260
2000
bahkan dari segi biokimia otak,
13:02
we are quite similar.
318
782260
2000
kita amat serupa.
13:04
And so this shows it's not 99 percent,
319
784260
2000
Jadi ini menunjukkan bahawa ia bukannya 99%,
13:06
but it's roughly 90 percent correspondence
320
786260
2000
tapi lebih kurang 90% keserupaan pada satu tahap yang munasabah;
13:08
at a reasonable cutoff,
321
788260
3000
tapi lebih kurang 90% keserupaan pada satu tahap yang munasabah;
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
Secara kasar, semua yang berada di dalam julat berhubung kait.
13:13
And then we find some outliers,
323
793260
2000
Kemudian, kami menemui gen-gen yang asing, gen-gen yang terletak di luar julat.
13:15
some things that lie beyond the cloud.
324
795260
3000
Kemudian, kami menemui gen-gen yang asing, gen-gen yang terletak di luar julat.
13:18
And those genes are interesting,
325
798260
2000
Gen-gen itu adalah menarik,
13:20
but they're very subtle.
326
800260
2000
tapi ia tidak ketara.
13:22
So I think it's an important message
327
802260
3000
Jadi, satu mesej penting untuk difahami hari ini ialah,
13:25
to take home today
328
805260
2000
Jadi, satu mesej penting untuk difahami hari ini ialah,
13:27
that even though we celebrate all of our differences,
329
807260
3000
walaupun kita meraikan perbezaan kita,
13:30
we are quite similar
330
810260
2000
kita sebenarnya agak serupa,
13:32
even at the brain level.
331
812260
2000
bahkan di peringkat otak.
13:34
Now what do those differences look like?
332
814260
2000
Apakah perbezaan-perbezaan itu?
13:36
This is an example of a study that we did
333
816260
2000
Ini satu contoh kajian yang kami jalankan
13:38
to follow up and see what exactly those differences were --
334
818260
2000
sebagai susulan dan melihat apa perbezaan-perbezaan itu. Ia tidak ketara.
13:40
and they're quite subtle.
335
820260
2000
sebagai susulan dan melihat apa perbezaan-perbezaan itu. Ia tidak ketara.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
Ini benda-benda di mana gen-gen dihidupkan dalam sejenis sel.
13:46
These are two genes that we found as good examples.
337
826260
3000
Ini dua gen yang kami temui dan dijadikan sebagai contoh.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
Salah satu ialah RELN -- ia memberikan isyarat pertumbuhan di peringkat awal.
13:52
DISC1 is a gene
339
832260
2000
DISC1 ialah satu gen yang dihapuskan dalam skizofrenia.
13:54
that's deleted in schizophrenia.
340
834260
2000
DISC1 ialah satu gen yang dihapuskan dalam skizofrenia.
13:56
These aren't schizophrenic individuals,
341
836260
2000
Ini bukannya individu-individu dengan skizofrenia,
13:58
but they do show some population variation.
342
838260
3000
tetapi mereka menunjukkan beberapa variasi populasi.
14:01
And so what you're looking at here
343
841260
2000
Apa yang anda lihat di sini
14:03
in donor one and donor four,
344
843260
2000
bagi Penderma 1 dan Penderma 4,
14:05
which are the exceptions to the other two,
345
845260
2000
yang merupakan kekecualian daripada dua yang lain,
14:07
that genes are being turned on
346
847260
2000
gen-gen dihidupkan
14:09
in a very specific subset of cells.
347
849260
2000
di dalam subset sel-sel yang spesifik.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
Mendakan ungu tua dalam sel inilah
14:14
that's telling us a gene is turned on there.
349
854260
3000
yang beritahu kita bahawa satu gen dihidupkan di situ.
14:17
Whether or not that's due
350
857260
2000
Sama ada ia berpunca daripada latar belakang genetik seseorang atau pengalamannya,
14:19
to an individual's genetic background or their experiences,
351
859260
2000
Sama ada ia berpunca daripada latar belakang genetik seseorang atau pengalamannya,
14:21
we don't know.
352
861260
2000
kami masih tidak tahu.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
Penyelidikan seperti itu memerlukan populasi yang lebih besar.
14:28
So I'm going to leave you with a final note
354
868260
2000
Saya akan memberikan anda satu nota terakhir
14:30
about the complexity of the brain
355
870260
3000
tentang kekompleksan otak dan berapa banyak lagi yang kita perlu fahami.
14:33
and how much more we have to go.
356
873260
2000
tentang kekompleksan otak dan berapa banyak lagi yang kita perlu fahami.
14:35
I think these resources are incredibly valuable.
357
875260
2000
Sumber-sumber ini sangat bernilai.
14:37
They give researchers a handle
358
877260
2000
Ia memberikan hala tuju kepada para penyelidik.
14:39
on where to go.
359
879260
2000
Ia memberikan hala tuju kepada para penyelidik.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
Tapi kami hanya menyelidiki beberapa individu setakat ini.
14:44
We're certainly going to be looking at more.
361
884260
2000
Sudah pasti kami akan menyelidiki lebih banyak lagi.
14:46
I'll just close by saying
362
886260
2000
Akhirnya, saya ingin mengatakan,
14:48
that the tools are there,
363
888260
2000
alat-alat sudah tersedia. Ini sebuah arena yang tidak pernah dijelajahi.
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
alat-alat sudah tersedia. Ini sebuah arena yang tidak pernah dijelajahi.
14:54
This is the new frontier, if you will.
365
894260
4000
Ini seumpama satu babak baru.
14:58
And so for those who are undaunted,
366
898260
2000
Jadi, bagi mereka yang tidak gentar, tapi terpesona oleh kekompleksan otak,
15:00
but humbled by the complexity of the brain,
367
900260
2000
Jadi, bagi mereka yang tidak gentar, tapi terpesona oleh kekompleksan otak,
15:02
the future awaits.
368
902260
2000
masa depan menantikan anda.
15:04
Thanks.
369
904260
2000
Terima kasih.
15:06
(Applause)
370
906260
9000
(Tepukan)

Original video on YouTube.com
Mengenai laman web ini

Laman web ini akan memperkenalkan anda kepada video YouTube yang berguna untuk belajar bahasa Inggeris. Anda akan melihat pelajaran Bahasa Inggeris yang diajar oleh guru terkemuka dari seluruh dunia. Klik dua kali pada sari kata bahasa Inggeris yang dipaparkan pada setiap halaman video untuk memainkan video dari sana. Sari kata tatal selari dengan main balik video. Jika anda mempunyai sebarang komen atau permintaan, sila hubungi kami menggunakan borang hubungan ini.

https://forms.gle/WvT1wiN1qDtmnspy7