Allan Jones: A map of the brain

164,820 views ・ 2011-11-10

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Bartłomiej Szóstak Korekta: Agata Leśnicka
00:15
Humans have long held a fascination
0
15260
2000
Ludzie od dawna zafascynowani byli
00:17
for the human brain.
1
17260
2000
ludzkim mózgiem.
00:19
We chart it, we've described it,
2
19260
3000
Robimy jego wykresy, opisaliśmy go,
00:22
we've drawn it,
3
22260
2000
narysowaliśmy,
00:24
we've mapped it.
4
24260
3000
zmapowaliśmy go.
00:27
Now just like the physical maps of our world
5
27260
3000
Tak jak mapy fizyczne świata
00:30
that have been highly influenced by technology --
6
30260
3000
zostały bardzo zmienione przez technologię --
00:33
think Google Maps,
7
33260
2000
mam na myśli Mapy Google,
00:35
think GPS --
8
35260
2000
GPS --
00:37
the same thing is happening for brain mapping
9
37260
2000
to samo ma miejsce w mapowaniu mózgu
00:39
through transformation.
10
39260
2000
przez przekształcanie.
00:41
So let's take a look at the brain.
11
41260
2000
Przyjrzyjmy się więc mózgowi.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
Większość ludzi, po raz pierwszy widząc świeży ludzki mózg,
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
powie: "Nie wygląda tak,
00:49
when someone shows you a brain."
14
49260
2000
jak można by się tego spodziewać."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
Normalnie patrzycie na mózg utrwalony. Jest on szary.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
To jest warstwa zewnętrzna, to unaczynienie,
00:56
which is incredible, around a human brain.
17
56260
2000
które jest niesamowite, wokół ludzkiego mózgu.
00:58
This is the blood vessels.
18
58260
2000
To naczynia krwionośne.
01:00
20 percent of the oxygen
19
60260
3000
20% tlenu
01:03
coming from your lungs,
20
63260
2000
pochodzącego z płuc,
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
20% krwi pompowanej z serca
01:07
is servicing this one organ.
22
67260
2000
zaopatruje ten jeden organ.
01:09
That's basically, if you hold two fists together,
23
69260
2000
Zajmuje mniej więcej tyle miejsca, ile dwie złączone pięści,
01:11
it's just slightly larger than the two fists.
24
71260
2000
jest tylko nieco większy.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
Naukowcy jakoś pod koniec XX wieku
01:16
learned that they could track blood flow
26
76260
2000
odkryli, że można prześledzić przepływ krwi
01:18
to map non-invasively
27
78260
3000
by nieinwazyjnie zbadać,
01:21
where activity was going on in the human brain.
28
81260
3000
które obszary ludzkiego mózgu są aktywne.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
Więc na przykład, można zobaczyć tylną część mózgu,
01:27
which is just turning around there.
30
87260
2000
która właśnie się tu obraca.
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
Tam jest móżdżek, który utrzymuje nas w pozycji pionowej.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
Dzięki niemu mogę stać. Jest odpowiedzialny za koordynację ruchową.
01:34
On the side here, this is temporal cortex.
33
94260
3000
Po tej stronie jest kora skroniowa.
01:37
This is the area where primary auditory processing --
34
97260
3000
To obszar odpowiedzialny za ośrodkowe procesy przetwarzania słuchowego --
01:40
so you're hearing my words,
35
100260
2000
dzięki temu słyszycie moje słowa,
01:42
you're sending it up into higher language processing centers.
36
102260
2000
które są przesyłane do wyższych ośrodków przetwarzania języka.
01:44
Towards the front of the brain
37
104260
2000
W przedniej części mózgu
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
znajduje się obszar odpowiedzialny za wszystkie bardziej skomplikowane procesy myślenia i podejmowania decyzji,
01:49
it's the last to mature in late adulthood.
39
109260
4000
który najpóźniej osiąga pełną dojrzałość (w późnym wieku dorosłym).
01:53
This is where all your decision-making processes are going on.
40
113260
3000
To tam zachodzą wszystkie procesy decyzyjne.
01:56
It's the place where you're deciding right now
41
116260
2000
To miejsce, gdzie właśnie podejmujecie decyzje,
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
że prawdopodobnie nie zamówicie steka na obiad.
02:01
So if you take a deeper look at the brain,
43
121260
2000
Więc jeśli bliżej przyjrzeć się mózgowi,
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
jedną z rzeczy, patrząc na jego przekrój poprzeczny,
02:05
what you can see
45
125260
2000
którą można zobaczyć
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
jest to, że wcale nie ma tam wielu struktur.
02:10
But there's actually a lot of structure there.
47
130260
2000
W rzeczywistości jest ich tam bardzo dużo.
02:12
It's cells and it's wires all wired together.
48
132260
2000
To połączone ze sobą komórki i przewody.
02:14
So about a hundred years ago,
49
134260
2000
Więc około 100 lat temu
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
pewni naukowcy wynaleźli wnikający do komórek barwnik.
02:18
And that's shown here in the the very light blue.
51
138260
3000
Widać to tutaj, w bardzo jasnoniebieskim kolorze.
02:21
You can see areas
52
141260
2000
Możecie zobaczyć obszary,
02:23
where neuronal cell bodies are being stained.
53
143260
2000
gdzie zabarwione zostały ciała normalnych komórek.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
To, co widać jest bardzo niejednolite. Widać tu dużo więcej struktur.
02:28
So the outer part of that brain
55
148260
2000
Więc zewnętrzną częścią mózgu
02:30
is the neocortex.
56
150260
2000
jest kora nowa.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
Nieustannie przetwarza informacje.
02:35
But you can also see things underneath there as well.
58
155260
2000
Możemy również zobaczyć to, co jest pod spodem.
02:37
And all of these blank areas
59
157260
2000
Przez te wszystkie puste obszary
02:39
are the areas in which the wires are running through.
60
159260
2000
przebiegają połączenia.
02:41
They're probably less cell dense.
61
161260
2000
Prawdopodobnie komórki są tam rzadziej rozmieszczone.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
W mózgu jest około 86 miliardów neuronów.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
I jak widać, są one bardzo nierównomiernie rozmieszczone.
02:50
And how they're distributed really contributes
64
170260
2000
A sposób ich rozmieszczenia jest ściśle powiązany
02:52
to their underlying function.
65
172260
2000
z ich funkcjami.
02:54
And of course, as I mentioned before,
66
174260
2000
I oczywiście, jak wspomniałem wcześniej,
02:56
since we can now start to map brain function,
67
176260
3000
skoro możemy mapować funkcje mózgu,
02:59
we can start to tie these into the individual cells.
68
179260
3000
możemy zacząć przypisywać je poszczególnym komórkom.
03:02
So let's take a deeper look.
69
182260
2000
Więc przyjrzyjmy się bliżej
03:04
Let's look at neurons.
70
184260
2000
neuronom.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
Jak już wspominałem, jest ich 86 miliardów.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
Jak widać, są tam także te mniejsze komórki.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
To komórki wspomagające -- astrocyty.
03:12
And the nerves themselves
74
192260
3000
I same nerwy,
03:15
are the ones who are receiving input.
75
195260
2000
które odbierają bodźce.
03:17
They're storing it, they're processing it.
76
197260
2000
Przechowują je i przetwarzają.
03:19
Each neuron is connected via synapses
77
199260
4000
Każdy neuron jest połączony synapsami
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
z 10 000 innych neuronów w mózgu.
03:26
And each neuron itself
79
206260
2000
A każdy neuron sam w sobie
03:28
is largely unique.
80
208260
2000
jest niepowtarzalny.
03:30
The unique character of both individual neurons
81
210260
2000
Ten niepowtarzalny charakter zarówno pojedynczych neuronów
03:32
and neurons within a collection of the brain
82
212260
2000
i grup neuronów wewnątrz mózgu
03:34
are driven by fundamental properties
83
214260
3000
zależy od podstawowych właściwości
03:37
of their underlying biochemistry.
84
217260
2000
leżącej u ich podłoża biochemii.
03:39
These are proteins.
85
219260
2000
To białka.
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
Te białka sterują takimi procesami jak ruch jonów w kanałach.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
Kontrolują z czym łączą się komórki układu nerwowego.
03:48
And they're controlling
88
228260
2000
I wpływają zasadniczo
03:50
basically everything that the nervous system has to do.
89
230260
2000
na wszystko, za co odpowiedzialny jest układ nerwowy.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
Więc jeśli zbliżymy się jeszcze bardziej,
03:55
all of those proteins
91
235260
2000
te wszystkie białka
03:57
are encoded by our genomes.
92
237260
2000
są zakodowane przez nasze genomy.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
Wszyscy mamy 23 pary chromosomów.
04:02
We get one from mom, one from dad.
94
242260
2000
Jeden zestaw otrzymujemy od matki, drugi od ojca.
04:04
And on these chromosomes
95
244260
2000
I na tych chromosomach
04:06
are roughly 25,000 genes.
96
246260
2000
jest około 25 000 genów.
04:08
They're encoded in the DNA.
97
248260
2000
Są one zakodowane w DNA.
04:10
And the nature of a given cell
98
250260
3000
I natura danej komórki
04:13
driving its underlying biochemistry
99
253260
2000
odpowiadająca za jej biochemię
04:15
is dictated by which of these 25,000 genes
100
255260
3000
jest podyktowana tym, który z tych 25 000 genów
04:18
are turned on
101
258260
2000
jest włączony
04:20
and at what level they're turned on.
102
260260
2000
i na jakim poziomie.
04:22
And so our project
103
262260
2000
Więc nasz projekt
04:24
is seeking to look at this readout,
104
264260
3000
ma na celu znalezienie takiego odczytu
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
i zrozumienie, który z tych 25 000 genów jest włączony.
04:30
So in order to undertake such a project,
106
270260
3000
Aby podjąć się takiego projektu,
04:33
we obviously need brains.
107
273260
3000
oczywiście potrzebujemy mózgów.
04:36
So we sent our lab technician out.
108
276260
3000
Więc wysyłamy naszych laborantów.
04:39
We were seeking normal human brains.
109
279260
2000
Szukaliśmy ludzkich mózgów.
04:41
What we actually start with
110
281260
2000
Tak naprawdę to zaczynamy
04:43
is a medical examiner's office.
111
283260
2000
w gabinecie patomorfologa.
04:45
This a place where the dead are brought in.
112
285260
2000
To miejsce, do którego przywożeni są zmarli.
04:47
We are seeking normal human brains.
113
287260
2000
Szukamy normalnych mózgów ludzkich.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
Jest wiele kryteriów, według których wybieramy mózgi.
04:52
We want to make sure
115
292260
2000
Chcemy się upewnić,
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
że mamy normalnych ludzi między w wieku 20-60 lat,
04:57
they died a somewhat natural death
117
297260
2000
którzy zmarli z przyczyn naturalnych,
04:59
with no injury to the brain,
118
299260
2000
bez urazów mózgu,
05:01
no history of psychiatric disease,
119
301260
2000
chorób psychicznych w wywiadzie,
05:03
no drugs on board --
120
303260
2000
niezażywających narkotyków --
05:05
we do a toxicology workup.
121
305260
2000
robimy badania toksykologiczne.
05:07
And we're very careful
122
307260
2000
I jesteśmy bardzo ostrożni co do
05:09
about the brains that we do take.
123
309260
2000
wybieranych mózgów.
05:11
We're also selecting for brains
124
311260
2000
Szukamy także mózgów,
05:13
in which we can get the tissue,
125
313260
2000
z których pobieramy tkankę,
05:15
we can get consent to take the tissue
126
315260
2000
i dostajemy zgodę na jej pobranie
05:17
within 24 hours of time of death.
127
317260
2000
w ciągu 24 godzin od zgonu.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
To dlatego, że będziemy badać RNA --
05:22
which is the readout from our genes --
129
322260
2000
transkrypt naszych genów -
05:24
is very labile,
130
324260
2000
które jest bardzo niestabilne,
05:26
and so we have to move very quickly.
131
326260
2000
więc musimy działać bardzo szybko.
05:28
One side note on the collection of brains:
132
328260
3000
Jedna uwaga na marginesie dotycząca zbioru mózgów:
05:31
because of the way that we collect,
133
331260
2000
z powodu sposobu, w jaki je zbieramy
05:33
and because we require consent,
134
333260
2000
i ponieważ wymagamy zgody,
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
mamy znacznie więcej mózgów mężczyzn niż kobiet.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
To mężczyźni częściej giną nagle w kwiecie wieku.
05:41
And men are much more likely
137
341260
2000
I w przypadku mężczyzn jest bardziej prawdopodobne,
05:43
to have their significant other, spouse, give consent
138
343260
3000
że ich partnerka lub małżonka, wyrazi zgodę
05:46
than the other way around.
139
346260
2000
niż w sytuacji odwrotnej.
05:48
(Laughter)
140
348260
4000
(Śmiech)
05:52
So the first thing that we do at the site of collection
141
352260
2000
Więc pierwszą rzeczą, która robimy w miejscu pobrania
05:54
is we collect what's called an MR.
142
354260
2000
to zrobienie rezonansu.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
Mowa o rezonansie magnetycznym - MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
358260
3000
To standardowy procedura, według której będziemy zbierać resztę danych.
06:01
So we collect this MR.
145
361260
2000
Więc robimy rezonans.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
I można traktować jako widok satelity na naszą mapę.
06:05
The next thing we do
147
365260
2000
Następną rzeczą, którą robimy
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
jest obrazowanie metodą tensora dyfuzji.
06:10
This maps the large cabling in the brain.
149
370260
2000
To mapuje większe przewody w mózgu.
06:12
And again, you can think of this
150
372260
2000
I znów, można to traktować
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
prawie jak mapowanie autostrad międzystanowych.
06:16
The brain is removed from the skull,
152
376260
2000
Mózg jest wyjmowany z czaszki,
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
a potem krojony na jednocentymetrowe plastry.
06:21
And those are frozen solid,
154
381260
2000
A te są dokładnie zamrażane
06:23
and they're shipped to Seattle.
155
383260
2000
i wysyłane do Seattle.
06:25
And in Seattle, we take these --
156
385260
2000
W Seattle zabieramy je --
06:27
this is a whole human hemisphere --
157
387260
2000
to cała półkula mózgu człowieka --
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
i wkładamy w coś, co w zasadzie jest szlachetniejszą formą krajalnicy do mięsa.
06:31
There's a blade here that's going to cut across
159
391260
2000
Jest tam ostrze, które przetnie
06:33
a section of the tissue
160
393260
2000
fragment tkanki
06:35
and transfer it to a microscope slide.
161
395260
2000
i przeniesie go na szkiełko podstawowe mikroskopu.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
Potem stosujemy jeden z barwników
06:39
and we scan it.
163
399260
2000
i skanujemy.
06:41
And then what we get is our first mapping.
164
401260
3000
Następnie otrzymujemy pierwsze mapowanie.
06:44
So this is where experts come in
165
404260
2000
To tu wkraczają eksperci
06:46
and they make basic anatomic assignments.
166
406260
2000
i wykonują podstawowe badania anatomiczne.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
Możecie to potraktować jako granice stanów,
06:51
those pretty broad outlines.
168
411260
2000
te całkiem wyraźne zarysy.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
Teraz możemy podzielić mózg na kolejne części,
06:57
which then we can put on a smaller cryostat.
170
417260
2000
które następnie możemy położyć na mniejszy kriostat.
06:59
And this is just showing this here --
171
419260
2000
Widać to tutaj --
07:01
this frozen tissue, and it's being cut.
172
421260
2000
zamrożona tkanka, w trakcie cięcia.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
Jest cienka na 20 mikronów, a więc jest mniej więcej grubości włosa niemowlęcia.
07:06
And remember, it's frozen.
174
426260
2000
I pamiętajcie, że jest zamrożona.
07:08
And so you can see here,
175
428260
2000
Jak widać tutaj,
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
stosowana jest staromodna technika pędzla.
07:12
We take a microscope slide.
177
432260
2000
Bierzemy szkiełko podstawowe
07:14
Then we very carefully melt onto the slide.
178
434260
3000
i przykładamy do próbki tkanki.
07:17
This will then go onto a robot
179
437260
2000
Następnie wkładamy do robota,
07:19
that's going to apply one of those stains to it.
180
439260
3000
który zastosuje jeden z barwników.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
Nasi anatomowie przyjrzą się temu bliżej.
07:29
So again this is what they can see under the microscope.
182
449260
2000
To jest to, co mogą zobaczyć pod mikroskopem.
07:31
You can see collections and configurations
183
451260
2000
Możemy zobaczyć grupy i układy
07:33
of large and small cells
184
453260
2000
dużych i małych komórek
07:35
in clusters and various places.
185
455260
2000
w skupiskach i różnych miejscach.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
Od tej chwili to rutyna. Wiedzą gdzie co badać.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
Mogą stworzyć swoisty atlas.
07:42
This is a more detailed map.
188
462260
2000
To bardziej szczegółowa mapa
07:44
Our scientists then use this
189
464260
2000
Następnie, nasi naukowcy używają tego
07:46
to go back to another piece of that tissue
190
466260
3000
by wrócić do poprzedniego kawałka tkanki
07:49
and do what's called laser scanning microdissection.
191
469260
2000
i wykonują mikrodysekcję laserową.
07:51
So the technician takes the instructions.
192
471260
3000
Technik dostaje instrukcje.
07:54
They scribe along a place there.
193
474260
2000
Obrysowują dane miejsce,
07:56
And then the laser actually cuts.
194
476260
2000
a laser wycina.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
Widzimy tnącą niebieską kropkę. A tamta tkanka odchodzi.
08:01
You can see on the microscope slide here,
196
481260
2000
Widzimy na szkiełku mikroskopu,
08:03
that's what's happening in real time.
197
483260
2000
co dzieje się w trakcie cięcia.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
Poniżej znajduje się pojemnik na odciętą tkankę.
08:08
We take that tissue,
199
488260
2000
Zbieramy ją,
08:10
we purify the RNA out of it
200
490260
2000
oczyszczamy z niej RNA
08:12
using some basic technology,
201
492260
2000
przy użyciu prostych technologii,
08:14
and then we put a florescent tag on it.
202
494260
2000
a następnie nakładamy znacznik fluorescencyjny.
08:16
We take that tagged material
203
496260
2000
Oznaczony materiał
08:18
and we put it on to something called a microarray.
204
498260
3000
umieszczamy na mikromacierzy.
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
Dla was może to wyglądać jak grupa kropek,
08:23
but each one of these individual dots
206
503260
2000
ale każda z nich
08:25
is actually a unique piece of the human genome
207
505260
2000
jest unikalną częścią ludzkiego genomu,
08:27
that we spotted down on glass.
208
507260
2000
przeniesionego na szkło.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
Jest tu z grubsza 60 000 elementów,
08:32
so we repeatedly measure various genes
210
512260
3000
więc nieustannie mierzymy poszczególne geny
08:35
of the 25,000 genes in the genome.
211
515260
2000
z 25 000 genów w genomie.
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
Kiedy zhybrydyzujemy próbkę,
08:40
we get a unique fingerprint, if you will,
213
520260
2000
otrzymamy unikalny odcisk palca,
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
dowód ilościowy, potwierdzający które geny są włączone w danej próbce.
08:45
Now we do this over and over again,
215
525260
2000
Powtarzamy ten proces bez przerwy
08:47
this process for any given brain.
216
527260
3000
dla każdego mózgu.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
Pobieramy ponad tysiąc próbek z każdego mózgu.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
Pokazany tu obszar to hipokamp.
08:56
It's involved in learning and memory.
219
536260
2000
Odpowiedzialny jest za uczenie się i pamięć.
08:58
And it contributes to about 70 samples
220
538260
3000
Z niego pobieramy około 70 próbek
09:01
of those thousand samples.
221
541260
2000
spośród tego tysiąca.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
Każda próbka dostarcza nam około 50 000 punktów danych
09:07
with repeat measurements, a thousand samples.
223
547260
3000
z powtarzającymi się danymi, tysiąc próbek.
09:10
So roughly, we have 50 million data points
224
550260
2000
Mamy więc z grubsza 50 mln punktów danych
09:12
for a given human brain.
225
552260
2000
dla każdego badanego ludzkiego mózgu.
09:14
We've done right now
226
554260
2000
Przebadaliśmy ostatnio
09:16
two human brains-worth of data.
227
556260
2000
dwa ludzkie mózgi pełne danych.
09:18
We've put all of that together
228
558260
2000
Dodaliśmy to wszystko
09:20
into one thing,
229
560260
2000
do siebie
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
i pokażę teraz co otrzymaliśmy z tej syntezy.
09:24
It's basically a large data set of information
231
564260
3000
Jest to duży zestaw informacji
09:27
that's all freely available to any scientist around the world.
232
567260
3000
dostępny każdemu naukowcowi na świecie.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
Nie muszą się nawet logować by móc używać tego narzędzia,
09:33
mine this data, find interesting things out with this.
234
573260
4000
pozyskiwać danych i szukać interesujących informacji.
09:37
So here's the modalities that we put together.
235
577260
3000
To są wszystkie badania, które składamy w całość.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
Pewnie możecie już je rozpoznać ze zgromadzonych wcześniej danych.
09:43
Here's the MR. It provides the framework.
237
583260
2000
Oto badanie rezonansem magnetycznych. Dostarcza nam zarys.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
Po prawej stronie znajduje się panel operatora umożliwiający obracanie,
09:48
it allows you to zoom in,
239
588260
2000
powiększanie
09:50
it allows you to highlight individual structures.
240
590260
3000
i wyodrębnianie konkretnych struktur.
09:53
But most importantly,
241
593260
2000
Ale co najważniejsze,
09:55
we're now mapping into this anatomic framework,
242
595260
3000
mapujemy teraz ten zarys anatomiczny,
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
typowy zarys pomagający ludziom zrozumieć gdzie znajdują się aktywne geny.
10:01
So the red levels
244
601260
2000
Kolorem czerwonym
10:03
are where a gene is turned on to a great degree.
245
603260
2000
oznaczono geny o wysokiej aktywności.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
Kolor zielony oznacza spokojniejsze obszary niższej aktywności.
10:08
And each gene gives us a fingerprint.
247
608260
2000
Każdy gen dostarcza nam, w pewnym sensie, "odcisku palca."
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
Pamiętajcie, że mamy na macierzach wszystkie z25 000 genów genomu
10:15
and have all of that data available.
249
615260
4000
i posiadamy wszelkie dostępne dane.
10:19
So what can scientists learn about this data?
250
619260
2000
Jakich informacji dostarczają te dane naukowcom?
10:21
We're just starting to look at this data ourselves.
251
621260
3000
Dopiero się z nimi zaczynamy zapoznawać.
10:24
There's some basic things that you would want to understand.
252
624260
3000
Są podstawowe rzeczy, które chcielibyście zrozumieć.
10:27
Two great examples are drugs,
253
627260
2000
Dwa doskonałe przykłady to leki
10:29
Prozac and Wellbutrin.
254
629260
2000
fluoksetyna i bupropion.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
To powszechnie przepisywane antydepresanty.
10:34
Now remember, we're assaying genes.
256
634260
2000
A teraz weźcie pod uwagę, że analizujemy geny.
10:36
Genes send the instructions to make proteins.
257
636260
3000
Geny wysyłają instrukcje to stworzenia białek.
10:39
Proteins are targets for drugs.
258
639260
2000
Białka są celem leków.
10:41
So drugs bind to proteins
259
641260
2000
Więc leki wiążą się z białkami
10:43
and either turn them off, etc.
260
643260
2000
i je wyłączają itd.
10:45
So if you want to understand the action of drugs,
261
645260
2000
Jeśli chcemy zrozumieć działanie leków,
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
musimy zrozumieć ich działanie zgodne z naszymi oczekiwaniami
10:50
and also in the ways you don't want them to.
263
650260
2000
oraz ich działania niepożądane.
10:52
In the side effect profile, etc.,
264
652260
2000
W opisie skutków ubocznych itd.,
10:54
you want to see where those genes are turned on.
265
654260
2000
chcielibyśmy zobaczyć, gdzie znajdują się włączone geny.
10:56
And for the first time, we can actually do that.
266
656260
2000
Po raz pierwszy możemy tego dokonać.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
Możemy to zrobić w przypadku wielu przeanalizowanych przez nas jednostek.
11:01
So now we can look throughout the brain.
268
661260
3000
Więc możemy spojrzeć w głąb mózgu.
11:04
We can see this unique fingerprint.
269
664260
2000
Możemy zobaczyć ten unikalny "odcisk palca."
11:06
And we get confirmation.
270
666260
2000
I mamy potwierdzenie.
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
Potwierdzenie, że rzeczywiście gen jest włączony --
11:11
for something like Prozac,
272
671260
2000
w przypadku leków takich jak fluoksetyna,
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
w strukturach serotoninowych, wiemy co zostaje zaatakowane --
11:16
but we also get to see the whole thing.
274
676260
2000
ale widzimy też całość.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
Możemy również przyjrzeć się obszarom, których nikt wcześniej nie oglądał
11:20
and we see these genes turned on there.
276
680260
2000
i możemy tam zobaczyć włączone geny.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
Jest to niezwykle interesujący skutek uboczny.
11:25
One other thing you can do with such a thing
278
685260
2000
Inną rzeczą, którą możemy zrobić,
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
ponieważ polega to na łączeniu wzorców,
11:30
because there's unique fingerprint,
280
690260
2000
i ponieważ występuje tam unikalny "odcisk palca,"
11:32
we can actually scan through the entire genome
281
692260
2000
możemy zeskanować cały genom
11:34
and find other proteins
282
694260
2000
i odnaleźć inne białka
11:36
that show a similar fingerprint.
283
696260
2000
charakteryzujące się podobnym odciskiem.
11:38
So if you're in drug discovery, for example,
284
698260
3000
Jeżeli opracowujecie leki, możecie
11:41
you can go through
285
701260
2000
na przykład przestudiować
11:43
an entire listing of what the genome has on offer
286
703260
2000
całą listę cech genomu,
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
by znaleźć lepsze cele dla leków i je zoptymalizować.
11:49
Most of you are probably familiar
288
709260
2000
Prawdopodobnie większość z was zna
11:51
with genome-wide association studies
289
711260
2000
metodę badania GWA
11:53
in the form of people covering in the news
290
713260
3000
w formie podawanej w mediach,
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
gdzie zwykło się mówić: "Naukowcy właśnie odkryli gen lub geny,
11:59
which affect X."
292
719260
2000
odpowiedzialne za coś."
12:01
And so these kinds of studies
293
721260
2000
Takie badania
12:03
are routinely published by scientists
294
723260
2000
są zazwyczaj publikowane przez naukowców,
12:05
and they're great. They analyze large populations.
295
725260
2000
i są świetne. Analizują duże populace.
12:07
They look at their entire genomes,
296
727260
2000
Badają całe genomy
12:09
and they try to find hot spots of activity
297
729260
2000
i starają się znaleźć obszary szczególnej aktywności
12:11
that are linked causally to genes.
298
731260
3000
połączone z konkretnymi genami.
12:14
But what you get out of such an exercise
299
734260
2000
Takie badanie dostarcza nam
12:16
is simply a list of genes.
300
736260
2000
listę genów.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
Mówi na CO, ale nie stwierdza GDZIE.
12:21
And so it's very important for those researchers
302
741260
3000
Najważniejszą rzeczą dla tych naukowców,
12:24
that we've created this resource.
303
744260
2000
jest to, abyśmy stworzyli im odpowiednie zasoby.
12:26
Now they can come in
304
746260
2000
Teraz mogą przyjść
12:28
and they can start to get clues about activity.
305
748260
2000
i zebrać odpowiednie dane na temat aktywności.
12:30
They can start to look at common pathways --
306
750260
2000
Mogą zapoznać się z powszechnie stosowanymi procedurami --
12:32
other things that they simply haven't been able to do before.
307
752260
3000
innymi metodami, których nie mieli okazji stosować.
12:36
So I think this audience in particular
308
756260
3000
Uważam że ta widownia w szczególności
12:39
can understand the importance of individuality.
309
759260
3000
może zrozumieć jak ważna jest niepowtarzalność.
12:42
And I think every human,
310
762260
2000
Sądzę, że każdy człowiek,
12:44
we all have different genetic backgrounds,
311
764260
4000
każdy z nas ma inne podłoże genetyczne,
12:48
we all have lived separate lives.
312
768260
2000
każdy z nas wiedzie inne życie.
12:50
But the fact is
313
770260
2000
Ale faktem jest,
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
że nasze genomy są w ponad 99% podobne.
12:55
We're similar at the genetic level.
315
775260
3000
Na poziomie genetycznym jesteśmy do siebie podobni.
12:58
And what we're finding
316
778260
2000
To, czego się dowiedzieliśmy,
13:00
is actually, even at the brain biochemical level,
317
780260
2000
nawet na poziomie biochemicznym mózgu,
13:02
we are quite similar.
318
782260
2000
to to, że jesteśmy do siebie podobni.
13:04
And so this shows it's not 99 percent,
319
784260
2000
Ukazuje to, że nie jest to 99%,
13:06
but it's roughly 90 percent correspondence
320
786260
2000
ale z grubsza 90% zgodności
13:08
at a reasonable cutoff,
321
788260
3000
przy rozsądnym odcięciu,
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
wszystko w skupisku jest ze sobą ściśle powiązane.
13:13
And then we find some outliers,
323
793260
2000
Są też jednostki odstające,
13:15
some things that lie beyond the cloud.
324
795260
3000
te poza skupiskiem.
13:18
And those genes are interesting,
325
798260
2000
I właśnie te geny są interesujące,
13:20
but they're very subtle.
326
800260
2000
ale również delikatne.
13:22
So I think it's an important message
327
802260
3000
Uważam, że jest to niezwykle ważna informacja,
13:25
to take home today
328
805260
2000
z którą wrócimy dziś do domu:
13:27
that even though we celebrate all of our differences,
329
807260
3000
pomimo, że każdy z nas szczyci się odmiennością,
13:30
we are quite similar
330
810260
2000
to jesteśmy całkiem podobni
13:32
even at the brain level.
331
812260
2000
nawet na poziomie mózgu.
13:34
Now what do those differences look like?
332
814260
2000
Jak wyglądają te różnice?
13:36
This is an example of a study that we did
333
816260
2000
To przykład badania, jakie przeprowadziliśmy
13:38
to follow up and see what exactly those differences were --
334
818260
2000
na zakończenie, by sprawdzić o jakich dokładnie różnicach mowa --
13:40
and they're quite subtle.
335
820260
2000
są one bardzo subtelne.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
Różnice, gdzie włączone geny znajdują się w komórkach indywidualnych.
13:46
These are two genes that we found as good examples.
337
826260
3000
To są dwa geny, będące dobrym przykładem.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
Jeden nazywa się RELN - bierze udział w replikacji we wczesnej fazie rozwoju.
13:52
DISC1 is a gene
339
832260
2000
DISC1 to gen
13:54
that's deleted in schizophrenia.
340
834260
2000
nie występujący w przypadku schizofrenii.
13:56
These aren't schizophrenic individuals,
341
836260
2000
Nie są to osoby chore na schizofrenię,
13:58
but they do show some population variation.
342
838260
3000
ale obrazują pewien wariant populacyjny.
14:01
And so what you're looking at here
343
841260
2000
To na co teraz patrzycie
14:03
in donor one and donor four,
344
843260
2000
to dawca 1 i dawca 4,
14:05
which are the exceptions to the other two,
345
845260
2000
którzy stanowią wyjątek w stosunku do pozostałych dwóch dawców.
14:07
that genes are being turned on
346
847260
2000
Ich geny są włączone
14:09
in a very specific subset of cells.
347
849260
2000
w bardzo specyficznej podgrupie komórek.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
To ten ciemnofioletowy osad w komórce,
14:14
that's telling us a gene is turned on there.
349
854260
3000
który świadczy o tym, że gen jest tu włączony.
14:17
Whether or not that's due
350
857260
2000
Niezależnie od tego, uwarunkowane to jest
14:19
to an individual's genetic background or their experiences,
351
859260
2000
podłożem genetycznym lub doświadczeniem danego osobnika,
14:21
we don't know.
352
861260
2000
ale tego nie wiemy.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
Tego typu badania wymagają przeanalizowania większej populacji.
14:28
So I'm going to leave you with a final note
354
868260
2000
Pożegnam was ostatnią uwagą
14:30
about the complexity of the brain
355
870260
3000
odnoście do złożoności mózgu
14:33
and how much more we have to go.
356
873260
2000
i tego, co jeszcze jest do zrobienia.
14:35
I think these resources are incredibly valuable.
357
875260
2000
Uważam, że są to niezwykle cenne informacje,
14:37
They give researchers a handle
358
877260
2000
pozwalające podążać naukowcom
14:39
on where to go.
359
879260
2000
w odpowiednim kierunku.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
My natomiast przyjrzeliśmy się tylko kilku materiałom badawczym.
14:44
We're certainly going to be looking at more.
361
884260
2000
Przebadamy jeszcze więcej.
14:46
I'll just close by saying
362
886260
2000
Zakończę stwierdzeniem,
14:48
that the tools are there,
363
888260
2000
istnieją narzędzia,
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
a to jest zdecydowanie nieodkryty kontynent.
14:54
This is the new frontier, if you will.
365
894260
4000
Albo jak wolicie, nowa granica.
14:58
And so for those who are undaunted,
366
898260
2000
A dla nieustraszonych
15:00
but humbled by the complexity of the brain,
367
900260
2000
i zdumionych złożonością mózgu,
15:02
the future awaits.
368
902260
2000
oczekują nowe odkrycia.
15:04
Thanks.
369
904260
2000
Dziękuję.
15:06
(Applause)
370
906260
9000
(Oklaski)

Original video on YouTube.com
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7