Allan Jones: A map of the brain

Allan Jones: Um mapa do cérebro

164,682 views ・ 2011-11-10

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Francisco Paulino Dubiela Revisor: Isabel Villan
00:15
Humans have long held a fascination
0
15260
2000
Há tempos os homens têm uma fascinação
00:17
for the human brain.
1
17260
2000
pelo cérebro humano.
00:19
We chart it, we've described it,
2
19260
3000
Nós o traçamos, nós o descrevemos,
00:22
we've drawn it,
3
22260
2000
nós o desenhamos,
00:24
we've mapped it.
4
24260
3000
nós o mapeamos.
00:27
Now just like the physical maps of our world
5
27260
3000
Da mesma forma como os mapas físicos de nosso mundo
00:30
that have been highly influenced by technology --
6
30260
3000
que foram muito influenciados pela tecnologia --
00:33
think Google Maps,
7
33260
2000
pensem nos Google Maps,
00:35
think GPS --
8
35260
2000
pensem no GPS --
00:37
the same thing is happening for brain mapping
9
37260
2000
a mesma coisa está acontecendo no mapeamento cerebral
00:39
through transformation.
10
39260
2000
por meio de transformação.
00:41
So let's take a look at the brain.
11
41260
2000
Então vamos dar uma olhada no cérebro.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
A maioria das pessoas, ao olhar pela primeira vez para um cérebro humano fresco,
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
dizem: "Isso não parece com o que você vê
00:49
when someone shows you a brain."
14
49260
2000
quando alguém mostra um cérebro."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
Normalmente, o que vocês veem é um cérebro fixado. É cinza.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
E essa camada externa, é a vasculatura,
00:56
which is incredible, around a human brain.
17
56260
2000
que é incrível, ao redor do cérebro humano.
00:58
This is the blood vessels.
18
58260
2000
Esses são os vasos sanguíneos.
01:00
20 percent of the oxygen
19
60260
3000
20 por cento do oxigênio
01:03
coming from your lungs,
20
63260
2000
que vêm de seus pulmões,
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
20 por cento do sangue bombeado pelo seu coração,
01:07
is servicing this one organ.
22
67260
2000
estão servindo a esse único órgão.
01:09
That's basically, if you hold two fists together,
23
69260
2000
Basicamente, se você apertar dois punhos juntos,
01:11
it's just slightly larger than the two fists.
24
71260
2000
ele será um pouco maior do que esses dois punhos.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
Os cientistas, perto do fim do século 20,
01:16
learned that they could track blood flow
26
76260
2000
aprenderam que podiam rastrear o fluxo sanguíneo
01:18
to map non-invasively
27
78260
3000
para mapear de forma não invasiva
01:21
where activity was going on in the human brain.
28
81260
3000
onde a atividade estava ocorrendo no cérebro humano.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
Então por exemplo, eles podem ver na parte de trás do cérebro,
01:27
which is just turning around there.
30
87260
2000
que está virando aqui.
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
Eis o cerebelo. Isso que está mantendo vocês sentados agora.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
Ele está me mantendo de pé. Está envolvido em movimentos coordenados.
01:34
On the side here, this is temporal cortex.
33
94260
3000
Aqui do lado, está o córtex temporal.
01:37
This is the area where primary auditory processing --
34
97260
3000
Essa é a área onde ocorre o processamento auditivo primário --
01:40
so you're hearing my words,
35
100260
2000
então vocês escutam minhas palavras,
01:42
you're sending it up into higher language processing centers.
36
102260
2000
e as enviam para centros de processamento de linguagem superiores.
01:44
Towards the front of the brain
37
104260
2000
Em direção à frente do cérebro
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
está o lugar de todos os pensamentos mais complexos, tomada de decisão --
01:49
it's the last to mature in late adulthood.
39
109260
4000
é o último a amadurecer na fase adulta.
01:53
This is where all your decision-making processes are going on.
40
113260
3000
É aqui onde todos os processos de tomada de decisão acontecem.
01:56
It's the place where you're deciding right now
41
116260
2000
É o lugar onde você decide agora mesmo
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
se você vai pedir bife para o jantar.
02:01
So if you take a deeper look at the brain,
43
121260
2000
Então se você der uma olhada mais profunda no cérebro
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
uma das coisas, se você observá-lo nessa seção,
02:05
what you can see
45
125260
2000
o que você pode ver
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
é que não pode realmente ver um monte de estruturas aqui.
02:10
But there's actually a lot of structure there.
47
130260
2000
Mas há realmente um monte de estruturas aqui.
02:12
It's cells and it's wires all wired together.
48
132260
2000
Suas células e suas conexões estão todas ligadas.
02:14
So about a hundred years ago,
49
134260
2000
Então, cerca de 100 anos atrás,
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
alguns cientistas inventaram uma marcação que podia identificar células.
02:18
And that's shown here in the the very light blue.
51
138260
3000
E isso é mostrado aqui nesse azul bem claro.
02:21
You can see areas
52
141260
2000
Você pode ver áreas
02:23
where neuronal cell bodies are being stained.
53
143260
2000
onde corpos celulares normais estão marcados.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
E você pode ver que não é muito uniforme. Você vê um monte de estruturas ali.
02:28
So the outer part of that brain
55
148260
2000
Então a parte externa desse cérebro
02:30
is the neocortex.
56
150260
2000
é o neocórtex.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
É uma unidade de processamento contínuo, se preferir.
02:35
But you can also see things underneath there as well.
58
155260
2000
Mas vocês também podem ver coisas embaixo dele.
02:37
And all of these blank areas
59
157260
2000
Todas essas áreas em branco
02:39
are the areas in which the wires are running through.
60
159260
2000
são as áreas onde as conexões estão passando.
02:41
They're probably less cell dense.
61
161260
2000
Elas provavelmente são menos densas em células.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
Então há cerca de 86 billhões de neurônios em nosso cérebro.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
E como pode ver aqui, eles não estão distribuídos uniformemente.
02:50
And how they're distributed really contributes
64
170260
2000
E como eles se distribuem contribui muito
02:52
to their underlying function.
65
172260
2000
para sua função subjacente.
02:54
And of course, as I mentioned before,
66
174260
2000
E é claro, como mencionei antes,
02:56
since we can now start to map brain function,
67
176260
3000
como podemos agora começar a mapear a função cerebral,
02:59
we can start to tie these into the individual cells.
68
179260
3000
podemos começar a amarrá-las em células individuais.
03:02
So let's take a deeper look.
69
182260
2000
Então vamos dar uma olhada mais profunda.
03:04
Let's look at neurons.
70
184260
2000
Vamos olhar os neurônios.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
Como mencionei, há 86 bilhões de neurônios.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
Há também essas células menores como podem ver.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
Elas são células de suporte -- astrócitos da glia.
03:12
And the nerves themselves
74
192260
3000
E os próprios nervos
03:15
are the ones who are receiving input.
75
195260
2000
são aqueles que recebem aferências.
03:17
They're storing it, they're processing it.
76
197260
2000
Eles estão armazenando, eles estão processando.
03:19
Each neuron is connected via synapses
77
199260
4000
Cada neurônio está conectado via sinapses
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
com até 10 mil outros neurônios em seu cérebro.
03:26
And each neuron itself
79
206260
2000
E cada neurônio sozinho
03:28
is largely unique.
80
208260
2000
é muito singular.
03:30
The unique character of both individual neurons
81
210260
2000
O caráter singular tanto de neurônios individuais
03:32
and neurons within a collection of the brain
82
212260
2000
como de neurônios dentro de um aglomerado cerebral
03:34
are driven by fundamental properties
83
214260
3000
é determinada por propriedades fundamentais
03:37
of their underlying biochemistry.
84
217260
2000
de sua bioquímica subjacente.
03:39
These are proteins.
85
219260
2000
Essas são proteínas.
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
São proteínas que controlam coisas como movimento de canais iônicos.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
Elas controlam com quem as células do sistema nervoso se conectam.
03:48
And they're controlling
88
228260
2000
E elas controlam
03:50
basically everything that the nervous system has to do.
89
230260
2000
basicamente tudo o que o sistema nervoso precisa fazer.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
Então se focarmos para um nível ainda mais profundo,
03:55
all of those proteins
91
235260
2000
todas essas proteínas
03:57
are encoded by our genomes.
92
237260
2000
são codificadas por nossos genomas.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
Cada um de nós tem 23 pares de cromossomos.
04:02
We get one from mom, one from dad.
94
242260
2000
Nós recebemos um da mãe e um do pai.
04:04
And on these chromosomes
95
244260
2000
E nesses cromossomos
04:06
are roughly 25,000 genes.
96
246260
2000
estão aproximadamente 25 mil genes.
04:08
They're encoded in the DNA.
97
248260
2000
Eles estão codificados no DNA.
04:10
And the nature of a given cell
98
250260
3000
E a natureza de uma determinada célula
04:13
driving its underlying biochemistry
99
253260
2000
que dirige sua bioquímica subjacente
04:15
is dictated by which of these 25,000 genes
100
255260
3000
é ditada por quais desses 25 mil genes
04:18
are turned on
101
258260
2000
são ativados
04:20
and at what level they're turned on.
102
260260
2000
e em qual nível estão ativados.
04:22
And so our project
103
262260
2000
Então nosso projeto
04:24
is seeking to look at this readout,
104
264260
3000
é tentar verificar esta leitura,
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
e entender quais desses 25 mil genes estão ativados.
04:30
So in order to undertake such a project,
106
270260
3000
Para executar um projeto assim,
04:33
we obviously need brains.
107
273260
3000
nós precisamos de cérebros, obviamente.
04:36
So we sent our lab technician out.
108
276260
3000
Então enviamos nosso técnico de laboratório para fora.
04:39
We were seeking normal human brains.
109
279260
2000
Nós estávamos em busca de cérebros humanos normais.
04:41
What we actually start with
110
281260
2000
Nós começamos na verdade
04:43
is a medical examiner's office.
111
283260
2000
em um instituto médico legal.
04:45
This a place where the dead are brought in.
112
285260
2000
Esse é um lugar para onde os mortos são trazidos.
04:47
We are seeking normal human brains.
113
287260
2000
Nós estamos procurando cérebros humanos normais.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
Há vários critérios pelos quais selecionamos esses cérebros.
04:52
We want to make sure
115
292260
2000
Nós queremos ter certeza
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
de que temos humanos normais entre as idades de 20 a 60 anos,
04:57
they died a somewhat natural death
117
297260
2000
que morreram devido a morte natural
04:59
with no injury to the brain,
118
299260
2000
sem danos para o cérebro,
05:01
no history of psychiatric disease,
119
301260
2000
sem histórico de doença psiquiátrica,
05:03
no drugs on board --
120
303260
2000
sem drogas envolvidas --
05:05
we do a toxicology workup.
121
305260
2000
nós fazemos um exame toxicológico.
05:07
And we're very careful
122
307260
2000
E somos muito cuidadosos
05:09
about the brains that we do take.
123
309260
2000
com os cérebros que levamos.
05:11
We're also selecting for brains
124
311260
2000
Nós também selecionamos cérebros
05:13
in which we can get the tissue,
125
313260
2000
em que podemos retirar o tecido,
05:15
we can get consent to take the tissue
126
315260
2000
podemos conseguir o consentimento para retirar o tecido
05:17
within 24 hours of time of death.
127
317260
2000
até 24 horas depois da hora da morte.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
Pois o que estamos tentando medir, o RNA --
05:22
which is the readout from our genes --
129
322260
2000
que é a leitura de nossos genes --
05:24
is very labile,
130
324260
2000
é muito lábil,
05:26
and so we have to move very quickly.
131
326260
2000
e por isso temos de agir com rapidez.
05:28
One side note on the collection of brains:
132
328260
3000
Uma nota sobre a coleção de cérebros:
05:31
because of the way that we collect,
133
331260
2000
devido à maneira como os coletamos,
05:33
and because we require consent,
134
333260
2000
e por que pedimos consentimento,
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
nós temos muito mais cérebros de homens do que de mulheres.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
Os homens tendem muito mais a morrer em acidentes no auge da vida.
05:41
And men are much more likely
137
341260
2000
E os homens tendem muito mais
05:43
to have their significant other, spouse, give consent
138
343260
3000
a ter uma companheira, sua esposa, que dá o consentimento,
05:46
than the other way around.
139
346260
2000
do que o inverso.
05:48
(Laughter)
140
348260
4000
(Risos)
05:52
So the first thing that we do at the site of collection
141
352260
2000
Então a primeira coisa que fazemos no local da coleta
05:54
is we collect what's called an MR.
142
354260
2000
é coletarmos o que chamamos de MR.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
Isso é imageamento por ressonância magnética -- MRI.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
358260
3000
É uma amostra padrão pela qual vamos basear o resto dos dados.
06:01
So we collect this MR.
145
361260
2000
Então coletamos esse MR.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
E você pode pensar nisso como nossa visão de satélite de nosso mapa.
06:05
The next thing we do
147
365260
2000
A próxima coisa que fazemos
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
é coletar o que é chamado de imageamento por tensor de difusão.
06:10
This maps the large cabling in the brain.
149
370260
2000
Isso mapeia os cabos principais do cérebro.
06:12
And again, you can think of this
150
372260
2000
E de novo, você pode pensar nisso
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
como o mapeamento de nossas rodovias federais, se preferir.
06:16
The brain is removed from the skull,
152
376260
2000
O cérebro é removido do crânio,
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
e é então cortado em fatias de 1 centímetro.
06:21
And those are frozen solid,
154
381260
2000
E elas são congeladas,
06:23
and they're shipped to Seattle.
155
383260
2000
e são enviadas para Seattle.
06:25
And in Seattle, we take these --
156
385260
2000
E em Seattle, nós fazemos isso --
06:27
this is a whole human hemisphere --
157
387260
2000
isso é um hemisfério humano inteiro --
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
e o colocamos num tipo de fatiador de carne especial.
06:31
There's a blade here that's going to cut across
159
391260
2000
Há uma lâmina que corta
06:33
a section of the tissue
160
393260
2000
uma seção do tecido
06:35
and transfer it to a microscope slide.
161
395260
2000
e a transfere para uma lâmina de microscópio.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
Nós vamos aplicar uma das marcações nela,
06:39
and we scan it.
163
399260
2000
e a escaneamos.
06:41
And then what we get is our first mapping.
164
401260
3000
E depois o que temos é nosso primeiro mapeamento.
06:44
So this is where experts come in
165
404260
2000
Então aqui é onde os experts entram
06:46
and they make basic anatomic assignments.
166
406260
2000
e fazem medidas anatômicas básicas.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
Você pode considerar como fronteiras entre os estados, se preferir,
06:51
those pretty broad outlines.
168
411260
2000
essas lindas linhas fronteiriças.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
A partir disso, somos capazes de fragmentar esse cérebro em peças menores,
06:57
which then we can put on a smaller cryostat.
170
417260
2000
que colocamos em um criostato menor.
06:59
And this is just showing this here --
171
419260
2000
E isso está mostrado aqui --
07:01
this frozen tissue, and it's being cut.
172
421260
2000
o tecido congelado, e sendo cortado.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
Isso tem 20 mícrons de espessura, mais ou menos um fio de cabelo de um bebê.
07:06
And remember, it's frozen.
174
426260
2000
E lembre-se, está congelado.
07:08
And so you can see here,
175
428260
2000
E como podem ver aqui,
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
a tradicional tecnologia do pincel sendo aplicada.
07:12
We take a microscope slide.
177
432260
2000
Nós usamos uma lâmina de microscópio.
07:14
Then we very carefully melt onto the slide.
178
434260
3000
Então nós a esquentamos com muito cuidado sobre a lâmina.
07:17
This will then go onto a robot
179
437260
2000
Isso vai depois para um robô
07:19
that's going to apply one of those stains to it.
180
439260
3000
que aplica uma dessas marcações nela.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
E nossos anatomistas vão dar uma olhada mais profunda nisso.
07:29
So again this is what they can see under the microscope.
182
449260
2000
Então novamente isso é o que eles veem no microscópio.
07:31
You can see collections and configurations
183
451260
2000
Vocês podem ver coleções e configurações
07:33
of large and small cells
184
453260
2000
de células maiores e menores
07:35
in clusters and various places.
185
455260
2000
em grupos e lugares variados.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
E a partir daí é rotina. Eles sabem onde fazer essas medidas.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
E eles podem fazer basicamente um atlas de referência.
07:42
This is a more detailed map.
188
462260
2000
Esse é um mapa mais detalhado.
07:44
Our scientists then use this
189
464260
2000
Nossos cientistas usam isso
07:46
to go back to another piece of that tissue
190
466260
3000
para voltar para outra peça desse tecido
07:49
and do what's called laser scanning microdissection.
191
469260
2000
e fazer a chamada microdissecção por escaneamento a laser.
07:51
So the technician takes the instructions.
192
471260
3000
Então os técnicos tomam as instruções.
07:54
They scribe along a place there.
193
474260
2000
Eles delineiam um lugar ali.
07:56
And then the laser actually cuts.
194
476260
2000
E depois o laser o corta.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
Vocês podem ver esse ponto azul cortando. E esse tecido cai.
08:01
You can see on the microscope slide here,
196
481260
2000
Vocês podem vê-lo na lâmina de microscópio aqui,
08:03
that's what's happening in real time.
197
483260
2000
isso é o que acontece em tempo real.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
Há um recipiente abaixo que está coletando esse tecido.
08:08
We take that tissue,
199
488260
2000
Nós pegamos esse tecido,
08:10
we purify the RNA out of it
200
490260
2000
purificamos o RNA dele
08:12
using some basic technology,
201
492260
2000
usando alguma tecnologia básica,
08:14
and then we put a florescent tag on it.
202
494260
2000
e depois colocamos uma marca fluorescente nele.
08:16
We take that tagged material
203
496260
2000
Nós pegamos esse material marcado
08:18
and we put it on to something called a microarray.
204
498260
3000
e o colocamos em algo chamado de 'microarray'.
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
Agora isso pode parecer como um monte de pontos para vocês,
08:23
but each one of these individual dots
206
503260
2000
mas cada um desses pontos individuais
08:25
is actually a unique piece of the human genome
207
505260
2000
representa um pedaço singular do genoma humano
08:27
that we spotted down on glass.
208
507260
2000
que detectamos na lâmina.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
Esse tem cerca de 60 mil elementos,
08:32
so we repeatedly measure various genes
210
512260
3000
então nós medimos repetidamente vários genes
08:35
of the 25,000 genes in the genome.
211
515260
2000
dos 25 mil genes do genoma.
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
E quando tomamos uma amostra e a hibridizamos,
08:40
we get a unique fingerprint, if you will,
213
520260
2000
conseguimos uma digital singular, se preferir,
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
quantitativa de quais genes estão ativados naquela amostra.
08:45
Now we do this over and over again,
215
525260
2000
Agora fazemos isso de novo e de novo,
08:47
this process for any given brain.
216
527260
3000
esse processo para todos os cérebros.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
Estamos coletando mil amostras para cada cérebro.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
Essa área mostrada aqui é chamada de hipocampo.
08:56
It's involved in learning and memory.
219
536260
2000
Ela está envolvida em aprendizagem e memória.
08:58
And it contributes to about 70 samples
220
538260
3000
E ela contribui com cerca de 70 amostras
09:01
of those thousand samples.
221
541260
2000
das mil amostras.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
Então cada amostra nos oferece cerca de 50 mil pontos de dados
09:07
with repeat measurements, a thousand samples.
223
547260
3000
com medidas repetidas, mil amostras.
09:10
So roughly, we have 50 million data points
224
550260
2000
Então temos aproximadamente 50 milhões de pontos de dados
09:12
for a given human brain.
225
552260
2000
para cada cérebro humano.
09:14
We've done right now
226
554260
2000
Nós conseguimos agora
09:16
two human brains-worth of data.
227
556260
2000
dados completos de dois cérebros humanos.
09:18
We've put all of that together
228
558260
2000
Nós juntamos tudo
09:20
into one thing,
229
560260
2000
em uma coisa só,
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
e vou mostrar a vocês como se parece a síntese.
09:24
It's basically a large data set of information
231
564260
3000
É basicamente uma grande série de informações
09:27
that's all freely available to any scientist around the world.
232
567260
3000
que está disponível gratuitamente para qualquer cientista no planeta.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
Não é preciso fazer cadastro para usar essa ferramenta,
09:33
mine this data, find interesting things out with this.
234
573260
4000
analisar os dados, encontrar coisas interessantes com isso.
09:37
So here's the modalities that we put together.
235
577260
3000
Então eis as modalidades que colocamos juntas.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
Vocês vão reconhecer essas coisas das que já coletamos antes.
09:43
Here's the MR. It provides the framework.
237
583260
2000
Aqui está o MR. Ele fornece a estrutura.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
Há um operador lateral à direita que permite que você vire,
09:48
it allows you to zoom in,
239
588260
2000
faça um zoom,
09:50
it allows you to highlight individual structures.
240
590260
3000
permite que você destaque estruturas individuais.
09:53
But most importantly,
241
593260
2000
Mas mais importante,
09:55
we're now mapping into this anatomic framework,
242
595260
3000
estamos agora mapeando essa estrutura anatômica,
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
que é uma estrutura comum para as pessoas entenderem onde os genes estão ativados.
10:01
So the red levels
244
601260
2000
Então os níveis em vermelho
10:03
are where a gene is turned on to a great degree.
245
603260
2000
são onde um gene está ativado em um nível alto.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
O verde são as áreas frias onde não está ativado.
10:08
And each gene gives us a fingerprint.
247
608260
2000
E cada gene nos dá uma digital.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
E lembre-se que analisamos todos os 25 mil genes do genoma
10:15
and have all of that data available.
249
615260
4000
e temos todos esses dados disponíveis.
10:19
So what can scientists learn about this data?
250
619260
2000
Então o que os cientistas podem aprender com esses dados?
10:21
We're just starting to look at this data ourselves.
251
621260
3000
Nós mesmos estamos só começando a olhar para esses dados.
10:24
There's some basic things that you would want to understand.
252
624260
3000
Há algumas coisas básicas que vocês gostariam de saber.
10:27
Two great examples are drugs,
253
627260
2000
Dois grandes exemplos são as drogas,
10:29
Prozac and Wellbutrin.
254
629260
2000
Prozac e Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
Eles são antidepressivos normalmente prescritos.
10:34
Now remember, we're assaying genes.
256
634260
2000
Agora lembrem-se, estamos analisando genes.
10:36
Genes send the instructions to make proteins.
257
636260
3000
Os genes enviam as instruções para fazer proteínas.
10:39
Proteins are targets for drugs.
258
639260
2000
As proteínas são alvos para as drogas.
10:41
So drugs bind to proteins
259
641260
2000
Então as drogas se ligam a proteínas
10:43
and either turn them off, etc.
260
643260
2000
e as ativam, etc.
10:45
So if you want to understand the action of drugs,
261
645260
2000
Então se você quer entender a ação das drogas,
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
é preciso entender como elas atuam nas maneiras que gostaríamos,
10:50
and also in the ways you don't want them to.
263
650260
2000
e também nas maneiras que não gostaríamos.
10:52
In the side effect profile, etc.,
264
652260
2000
Seus efeitos colaterais, etc.
10:54
you want to see where those genes are turned on.
265
654260
2000
Você quer ver onde esses genes são ativados.
10:56
And for the first time, we can actually do that.
266
656260
2000
E pela primeira vez, nós podemos fazer isso.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
Podemos fazer isso em vários indivíduos que analisamos também.
11:01
So now we can look throughout the brain.
268
661260
3000
Então agora podemos ver através do cérebro.
11:04
We can see this unique fingerprint.
269
664260
2000
Podemos ver essa digital única.
11:06
And we get confirmation.
270
666260
2000
E obter a confirmação.
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
Obtemos a confirmação de que, de fato, o gene está ativado --
11:11
for something like Prozac,
272
671260
2000
por algo como o Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
em estruturas serotonérgicas, coisas que já se sabia que são afetadas --
11:16
but we also get to see the whole thing.
274
676260
2000
mas também conseguimos ver o quadro completo.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
Podemos ver áreas que ninguém havia olhado antes,
11:20
and we see these genes turned on there.
276
680260
2000
e vemos esses genes ativados aqui.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
É um efeito colateral muito interessante.
11:25
One other thing you can do with such a thing
278
685260
2000
Uma outra coisa que você pode fazer com isso
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
é que você pode, pois é um exercício de comparação de padrões,
11:30
because there's unique fingerprint,
280
690260
2000
pois há uma digital singular,
11:32
we can actually scan through the entire genome
281
692260
2000
podemos escanear o genoma completo
11:34
and find other proteins
282
694260
2000
e encontrar outras proteínas
11:36
that show a similar fingerprint.
283
696260
2000
que mostram uma digital similar.
11:38
So if you're in drug discovery, for example,
284
698260
3000
Então se você pesquisa a descoberta de novas drogas, por exemplo,
11:41
you can go through
285
701260
2000
você pode fazer
11:43
an entire listing of what the genome has on offer
286
703260
2000
uma lista completa do que o genoma tem a oferecer
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
para encontrar talvez melhores drogas e otimizá-las.
11:49
Most of you are probably familiar
288
709260
2000
A maioria de vocês provavelmente conhece
11:51
with genome-wide association studies
289
711260
2000
estudos de associação de genomas
11:53
in the form of people covering in the news
290
713260
3000
na forma como as pessoas acompanham as notícias
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
dizendo: "Cientistas descobriram recentemente o gene ou genes
11:59
which affect X."
292
719260
2000
que afetam X."
12:01
And so these kinds of studies
293
721260
2000
E assim esse tipo de estudos
12:03
are routinely published by scientists
294
723260
2000
são rotineiramente publicados pelos cientistas
12:05
and they're great. They analyze large populations.
295
725260
2000
e são ótimos. Eles analisam grandes populações.
12:07
They look at their entire genomes,
296
727260
2000
Eles verificam genomas inteiros,
12:09
and they try to find hot spots of activity
297
729260
2000
e tentam encontrar pontos quentes de atividade
12:11
that are linked causally to genes.
298
731260
3000
que estão ligados causalmente com genes.
12:14
But what you get out of such an exercise
299
734260
2000
Mas o que você obtém com um estudo assim
12:16
is simply a list of genes.
300
736260
2000
é apenas uma lista de genes.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
Ele diz o que, mas não diz onde.
12:21
And so it's very important for those researchers
302
741260
3000
Assim é muito importante para esses pesquisadores
12:24
that we've created this resource.
303
744260
2000
que tenhamos criado esse recurso.
12:26
Now they can come in
304
746260
2000
Agora eles podem vir
12:28
and they can start to get clues about activity.
305
748260
2000
e podem começar a ter pistas sobre atividade.
12:30
They can start to look at common pathways --
306
750260
2000
Eles podem começar a olhar as vias comuns --
12:32
other things that they simply haven't been able to do before.
307
752260
3000
outros caminhos que simplesmente não podiam ver antes.
12:36
So I think this audience in particular
308
756260
3000
Então eu acho que essa audiência em particular
12:39
can understand the importance of individuality.
309
759260
3000
pode entender a importância da individualidade.
12:42
And I think every human,
310
762260
2000
E eu acho que cada humano,
12:44
we all have different genetic backgrounds,
311
764260
4000
todos nós temos contextos genéticos diferentes,
12:48
we all have lived separate lives.
312
768260
2000
todos nós vivemos vidas separadas.
12:50
But the fact is
313
770260
2000
Mas o fato é que
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
nossos genomas são mais do que 99 por cento parecidos.
12:55
We're similar at the genetic level.
315
775260
3000
Nós somos parecidos no nível genético.
12:58
And what we're finding
316
778260
2000
E o que estamos descobrindo
13:00
is actually, even at the brain biochemical level,
317
780260
2000
é que, mesmo no nível da bioquímica cerebral,
13:02
we are quite similar.
318
782260
2000
nós somos muito parecidos.
13:04
And so this shows it's not 99 percent,
319
784260
2000
E isso mostra que não é 99 por cento,
13:06
but it's roughly 90 percent correspondence
320
786260
2000
mas é uma correspondência de 90 por cento
13:08
at a reasonable cutoff,
321
788260
3000
em um limite razoável,
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
então tudo na nuvem está correlacionado aproximadamente.
13:13
And then we find some outliers,
323
793260
2000
E depois encontramos alguns pontos fora da curva,
13:15
some things that lie beyond the cloud.
324
795260
3000
algumas coisas que estão fora da nuvem.
13:18
And those genes are interesting,
325
798260
2000
E esses genes são interessantes,
13:20
but they're very subtle.
326
800260
2000
mas eles são muito sutis.
13:22
So I think it's an important message
327
802260
3000
Então acho que é uma mensagem importante
13:25
to take home today
328
805260
2000
para levar para casa hoje
13:27
that even though we celebrate all of our differences,
329
807260
3000
que mesmo que celebremos todas as nossas diferenças,
13:30
we are quite similar
330
810260
2000
nós somos muito parecidos
13:32
even at the brain level.
331
812260
2000
mesmo no nível cerebral.
13:34
Now what do those differences look like?
332
814260
2000
Agora como essas diferenças se parecem?
13:36
This is an example of a study that we did
333
816260
2000
Isso é um exemplo de um estudo que fizemos
13:38
to follow up and see what exactly those differences were --
334
818260
2000
para rastrear e ver como eram essas diferenças exatamente --
13:40
and they're quite subtle.
335
820260
2000
e elas são muito sutis.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
Essas são coisas onde os genes são ativados em um tipo de célula específico.
13:46
These are two genes that we found as good examples.
337
826260
3000
Esses são dois genes que encontramos como bons exemplos.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
Um é chamado de RELN -- está envolvido com pistas do desenvolvimento inicial.
13:52
DISC1 is a gene
339
832260
2000
O DISC1 é um gene
13:54
that's deleted in schizophrenia.
340
834260
2000
que está deletado na esquizofrenia.
13:56
These aren't schizophrenic individuals,
341
836260
2000
Esses não são indivíduos esquizofrênicos,
13:58
but they do show some population variation.
342
838260
3000
mas eles mostram alguma variação na população.
14:01
And so what you're looking at here
343
841260
2000
E o que vocês estão vendo aqui
14:03
in donor one and donor four,
344
843260
2000
no doador um e doador quatro,
14:05
which are the exceptions to the other two,
345
845260
2000
que são as exceções dos outros dois,
14:07
that genes are being turned on
346
847260
2000
é que os genes estão sendo ativados
14:09
in a very specific subset of cells.
347
849260
2000
em um grupo muito específico de células.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
É esse precipitado roxo escuro dentro da célula
14:14
that's telling us a gene is turned on there.
349
854260
3000
que está nos dizendo que um gene está ativado ali.
14:17
Whether or not that's due
350
857260
2000
Se isso é ou não é devido
14:19
to an individual's genetic background or their experiences,
351
859260
2000
ao contexto genético do indivíduo ou suas experiências,
14:21
we don't know.
352
861260
2000
nós não sabemos.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
Esses tipos de estudos requerem populações bem maiores.
14:28
So I'm going to leave you with a final note
354
868260
2000
Então vou deixar a vocês uma nota final
14:30
about the complexity of the brain
355
870260
3000
sobre a complexidade do cérebro
14:33
and how much more we have to go.
356
873260
2000
e quanto ainda precisamos ir.
14:35
I think these resources are incredibly valuable.
357
875260
2000
Eu acho que esses recursos são incrivelmente valiosos.
14:37
They give researchers a handle
358
877260
2000
Eles oferecem aos pesquisadores uma bússola
14:39
on where to go.
359
879260
2000
para onde ir.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
Mas nós só olhamos para alguns indivíduos até esse ponto.
14:44
We're certainly going to be looking at more.
361
884260
2000
Certamente vamos olhar em mais.
14:46
I'll just close by saying
362
886260
2000
Eu vou apenas encerrar dizendo
14:48
that the tools are there,
363
888260
2000
que as ferramentas estão aí,
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
e isso é realmente um continente inexplorado e desconhecido.
14:54
This is the new frontier, if you will.
365
894260
4000
Essa é a nova fronteira, se preferir.
14:58
And so for those who are undaunted,
366
898260
2000
E para aqueles que são destemidos,
15:00
but humbled by the complexity of the brain,
367
900260
2000
mas humildes diante da complexidade do cérebro,
15:02
the future awaits.
368
902260
2000
o futuro aguarda.
15:04
Thanks.
369
904260
2000
Obrigado.
15:06
(Applause)
370
906260
9000
(Aplausos)

Original video on YouTube.com
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7