Allan Jones: A map of the brain

162,249 views ・ 2011-11-10

TED


Dubbelklicka på de engelska undertexterna nedan för att spela upp videon.

Översättare: Erik Niklasson Granskare: Johan Cegrell
00:15
Humans have long held a fascination
0
15260
2000
Människor har länge fascinerats
00:17
for the human brain.
1
17260
2000
av den mänskliga hjärnan.
00:19
We chart it, we've described it,
2
19260
3000
Vi har beskrivit den,
00:22
we've drawn it,
3
22260
2000
vi har tecknat den,
00:24
we've mapped it.
4
24260
3000
och vi har kartlagt den.
00:27
Now just like the physical maps of our world
5
27260
3000
Precis som med de fysiska kartorna över vår värld
00:30
that have been highly influenced by technology --
6
30260
3000
som i stor utsträckning influerats av teknologi –
00:33
think Google Maps,
7
33260
2000
tänk på Google Maps,
00:35
think GPS --
8
35260
2000
tänk på GPS –
00:37
the same thing is happening for brain mapping
9
37260
2000
så håller nu samma sak på att hända inom hjärnkartläggningen.
00:39
through transformation.
10
39260
2000
Verklig förändring.
00:41
So let's take a look at the brain.
11
41260
2000
Så låt oss titta lite på hjärnan.
00:43
Most people, when they first look at a fresh human brain,
12
43260
3000
När de för första gången ser en färsk mänsklig hjärna
00:46
they say, "It doesn't look what you're typically looking at
13
46260
3000
säger de flesta: "Det ser inte ut som det brukar
00:49
when someone shows you a brain."
14
49260
2000
när någon visar en en hjärna."
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
51260
3000
Vad man vanligtvis får se är då en stelnad hjärna. Den är grå.
00:54
And this outer layer, this is the vasculature,
16
54260
2000
Och det här yttre lagret, det är vaskulaturen,
00:56
which is incredible, around a human brain.
17
56260
2000
som är fantastisk, runt en mänsklig hjärna.
00:58
This is the blood vessels.
18
58260
2000
Detta är blodkärlen.
01:00
20 percent of the oxygen
19
60260
3000
20 procent av syret
01:03
coming from your lungs,
20
63260
2000
som kommer från dina lungor,
01:05
20 percent of the blood pumped from your heart,
21
65260
2000
20 procent av blodet som pumpas från ditt hjärta,
01:07
is servicing this one organ.
22
67260
2000
underhåller detta enda organ.
01:09
That's basically, if you hold two fists together,
23
69260
2000
Ett organ som, om du håller ihop två knytna nävar,
01:11
it's just slightly larger than the two fists.
24
71260
2000
bara är lite större än dessa två nävar.
01:13
Scientists, sort of at the end of the 20th century,
25
73260
3000
Ungefär på slutet av 1900-talet förstod forskare
01:16
learned that they could track blood flow
26
76260
2000
att de kunde följa blodflödet
01:18
to map non-invasively
27
78260
3000
för att kartlägga, utan att orsaka skada,
01:21
where activity was going on in the human brain.
28
81260
3000
var aktiviteten fanns i den mänskliga hjärnan.
01:24
So for example, they can see in the back part of the brain,
29
84260
3000
Så de kan till exempel undersöka detta i hjärnans bakre del
01:27
which is just turning around there.
30
87260
2000
viken just nu snurrar förbi.
01:29
There's the cerebellum; that's keeping you upright right now.
31
89260
2000
Här är lillhjärnan: den håller dig upprätt just nu.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
91260
3000
Den hjälper mig att stå upp. Den är inblandad i koordinerade rörelser.
01:34
On the side here, this is temporal cortex.
33
94260
3000
På sidan här har vi temporalloben.
01:37
This is the area where primary auditory processing --
34
97260
3000
I detta område sker grundläggande ljudbearbetning –
01:40
so you're hearing my words,
35
100260
2000
så att ni hör mina ord,
01:42
you're sending it up into higher language processing centers.
36
102260
2000
som sedan skickas till de delar som behandlar språk.
01:44
Towards the front of the brain
37
104260
2000
I den främre delen av hjärnan
01:46
is the place in which all of the more complex thought, decision making --
38
106260
3000
hanteras mer komplexa tankar och beslutsfattning –
01:49
it's the last to mature in late adulthood.
39
109260
4000
det är också delen som utvecklas sist, sent i ens vuxna liv.
01:53
This is where all your decision-making processes are going on.
40
113260
3000
Här sker all din beslutsfattning.
01:56
It's the place where you're deciding right now
41
116260
2000
Här fattas just nu beslutet
01:58
you probably aren't going to order the steak for dinner.
42
118260
3000
att du förmodligen inte kommer beställa stek till middagen.
02:01
So if you take a deeper look at the brain,
43
121260
2000
Så om man tar en närmre titt på hjärnan,
02:03
one of the things, if you look at it in cross-section,
44
123260
2000
om man tittar på den i tvärsnitt,
02:05
what you can see
45
125260
2000
märker man
02:07
is that you can't really see a whole lot of structure there.
46
127260
3000
att man inte kan se särskilt mycket struktur.
02:10
But there's actually a lot of structure there.
47
130260
2000
Men i själva verket finns här mycket struktur.
02:12
It's cells and it's wires all wired together.
48
132260
2000
Det är celler och ledningar som alla är sammankopplade.
02:14
So about a hundred years ago,
49
134260
2000
För ungefär 100 år sedan
02:16
some scientists invented a stain that would stain cells.
50
136260
2000
uppfann några vetenskapsmän en färg att färga celler med.
02:18
And that's shown here in the the very light blue.
51
138260
3000
Det är detta ni ser här i ljusblått.
02:21
You can see areas
52
141260
2000
Man kan se områden
02:23
where neuronal cell bodies are being stained.
53
143260
2000
där nervceller är färgade.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
145260
3000
Och man kan se att den inte är särskilt regelbunden. Ni ser mycket mer struktur där.
02:28
So the outer part of that brain
55
148260
2000
Den yttre delen av hjärnan utgörs
02:30
is the neocortex.
56
150260
2000
av neocortexen.
02:32
It's one continuous processing unit, if you will.
57
152260
3000
Den är som en enda stor bearbetningsenhet.
02:35
But you can also see things underneath there as well.
58
155260
2000
Men man kan se saker under också.
02:37
And all of these blank areas
59
157260
2000
Och alla dessa tomma ytor
02:39
are the areas in which the wires are running through.
60
159260
2000
är de ytor genom vilka ledningarna löper.
02:41
They're probably less cell dense.
61
161260
2000
Det är förmodligen färre celler i dem.
02:43
So there's about 86 billion neurons in our brain.
62
163260
4000
Det finns ungefär 86 miljarder nervceller i vår hjärna.
02:47
And as you can see, they're very non-uniformly distributed.
63
167260
3000
Och som ni kan se är de inte jämnt fördelade.
02:50
And how they're distributed really contributes
64
170260
2000
Och hur de är fördelade bidrar i själva verket
02:52
to their underlying function.
65
172260
2000
till deras underliggande funktion.
02:54
And of course, as I mentioned before,
66
174260
2000
Och självklart, som jag nämnde förut,
02:56
since we can now start to map brain function,
67
176260
3000
eftersom vi nu börjar kunna kartlägga olika hjärnfunktioner
02:59
we can start to tie these into the individual cells.
68
179260
3000
så kan vi börja knyta dessa till enskilda celler.
03:02
So let's take a deeper look.
69
182260
2000
Så låt oss ta en djupare titt.
03:04
Let's look at neurons.
70
184260
2000
Låt oss titta på nervceller.
03:06
So as I mentioned, there are 86 billion neurons.
71
186260
2000
Som jag nämnde förut finns det 86 miljarder nervceller.
03:08
There are also these smaller cells as you'll see.
72
188260
2000
Men det finns, som ni kommer se, också dessa mindre celler.
03:10
These are support cells -- astrocytes glia.
73
190260
2000
Dessa är stödceller – astrocyter.
03:12
And the nerves themselves
74
192260
3000
Och det är nervcellerna själva
03:15
are the ones who are receiving input.
75
195260
2000
som tar emot signaler.
03:17
They're storing it, they're processing it.
76
197260
2000
De lagrar den. De bearbetar den.
03:19
Each neuron is connected via synapses
77
199260
4000
Varje enskild nervcell kopplas via synapser
03:23
to up to 10,000 other neurons in your brain.
78
203260
3000
till upp till 10 000 andra nervceller i din hjärna.
03:26
And each neuron itself
79
206260
2000
Och varje enskild nervcell
03:28
is largely unique.
80
208260
2000
är till stora delar unik.
03:30
The unique character of both individual neurons
81
210260
2000
Den unika karaktären hos både enskilda nervceller
03:32
and neurons within a collection of the brain
82
212260
2000
och nervceller inom ett visst område i hjärnan
03:34
are driven by fundamental properties
83
214260
3000
beror på grundläggande egenskaper
03:37
of their underlying biochemistry.
84
217260
2000
i deras biokemi.
03:39
These are proteins.
85
219260
2000
Detta är proteiner
03:41
They're proteins that are controlling things like ion channel movement.
86
221260
3000
De är proteiner som kontrollerar saker som flödet i jonkanaler.
03:44
They're controlling who nervous system cells partner up with.
87
224260
4000
De kontrollerar vilka som nervsystemcellerna parar ihop sig med.
03:48
And they're controlling
88
228260
2000
Och de styr
03:50
basically everything that the nervous system has to do.
89
230260
2000
egentligen allt som nervsystemet har att sköta.
03:52
So if we zoom in to an even deeper level,
90
232260
3000
Om vi zoomar in på en ännu djupare nivå,
03:55
all of those proteins
91
235260
2000
så är alla dessa proteiner
03:57
are encoded by our genomes.
92
237260
2000
kodade i våra genom.
03:59
We each have 23 pairs of chromosomes.
93
239260
3000
Vi har alla 23 par kromosomer.
04:02
We get one from mom, one from dad.
94
242260
2000
Vi får en från mamma och en från pappa.
04:04
And on these chromosomes
95
244260
2000
Och på dessa kromosomer
04:06
are roughly 25,000 genes.
96
246260
2000
finns ungefär 25 000 gener.
04:08
They're encoded in the DNA.
97
248260
2000
De finns kodade i DNA:t.
04:10
And the nature of a given cell
98
250260
3000
Och varje enskild cells egenskaper
04:13
driving its underlying biochemistry
99
253260
2000
som styr dess biokemi
04:15
is dictated by which of these 25,000 genes
100
255260
3000
bestäms av vilka av dessa 25 000 gener som
04:18
are turned on
101
258260
2000
aktiveras
04:20
and at what level they're turned on.
102
260260
2000
och på vilken nivå de aktiveras.
04:22
And so our project
103
262260
2000
Så vårt projekt
04:24
is seeking to look at this readout,
104
264260
3000
går ut på att titta på resultatet
04:27
understanding which of these 25,000 genes is turned on.
105
267260
3000
för att förstå vilka av dessa 25 000 gener som aktiveras.
04:30
So in order to undertake such a project,
106
270260
3000
För att kunna ta sig an ett sådant projekt
04:33
we obviously need brains.
107
273260
3000
behöver vi naturligtvis hjärnor.
04:36
So we sent our lab technician out.
108
276260
3000
Så vi skickade ut vår labbtekniker.
04:39
We were seeking normal human brains.
109
279260
2000
Vi ville ha normala människohjärnor.
04:41
What we actually start with
110
281260
2000
I själva verket börjar vi
04:43
is a medical examiner's office.
111
283260
2000
i obduktionssalen.
04:45
This a place where the dead are brought in.
112
285260
2000
Det är hit döda förs.
04:47
We are seeking normal human brains.
113
287260
2000
Vi letar efter normala mänskliga hjärnor.
04:49
There's a lot of criteria by which we're selecting these brains.
114
289260
3000
Vi väljer ut hjärnorna enligt en mängd kriterier.
04:52
We want to make sure
115
292260
2000
Vi vill försäkra oss om att
04:54
that we have normal humans between the ages of 20 to 60,
116
294260
3000
vi får normala människor mellan 20 och 60 år
04:57
they died a somewhat natural death
117
297260
2000
som dog en relativt naturlig död
04:59
with no injury to the brain,
118
299260
2000
utan skador på hjärnan,
05:01
no history of psychiatric disease,
119
301260
2000
utan dokumenterad psykisk sjukdom,
05:03
no drugs on board --
120
303260
2000
utan droger –
05:05
we do a toxicology workup.
121
305260
2000
vi utför en toxologisk undersökning.
05:07
And we're very careful
122
307260
2000
Och vi är mycket försiktiga
05:09
about the brains that we do take.
123
309260
2000
med de hjärnor som vi tar.
05:11
We're also selecting for brains
124
311260
2000
Vi väljer också hjärnor
05:13
in which we can get the tissue,
125
313260
2000
från vilka vi kan ta vävnad,
05:15
we can get consent to take the tissue
126
315260
2000
där vi kan få medgivande att ta vävnaden
05:17
within 24 hours of time of death.
127
317260
2000
inom 24 timmar efter att personen dött.
05:19
Because what we're trying to measure, the RNA --
128
319260
3000
Eftersom det vi försöker mäta, RNA:t –
05:22
which is the readout from our genes --
129
322260
2000
vilket är transkriptionen av våra gener –
05:24
is very labile,
130
324260
2000
är väldigt instabilt
05:26
and so we have to move very quickly.
131
326260
2000
så måste vi agera väldigt snabbt.
05:28
One side note on the collection of brains:
132
328260
3000
En liten avstickare om att samla hjärnor:
05:31
because of the way that we collect,
133
331260
2000
på grund av sättet som vi samlar hjärnor på
05:33
and because we require consent,
134
333260
2000
och eftersom vi kräver samtycke
05:35
we actually have a lot more male brains than female brains.
135
335260
3000
så har vi många fler manshjärnor än kvinnohjärnor.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
338260
3000
Män löper nämligen mycket större risk att dö i en olycka mitt i livet.
05:41
And men are much more likely
137
341260
2000
Och det är mycket större sannolikhet att
05:43
to have their significant other, spouse, give consent
138
343260
3000
deras partners, deras fruar ger sitt samtycke
05:46
than the other way around.
139
346260
2000
än åt andra hållet.
05:48
(Laughter)
140
348260
4000
(Skratt)
05:52
So the first thing that we do at the site of collection
141
352260
2000
Så det första vi gör vi insamlingsplatsen
05:54
is we collect what's called an MR.
142
354260
2000
är att vi tar en så kallad MR.
05:56
This is magnetic resonance imaging -- MRI.
143
356260
2000
Detta är 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
Det är en standardmall som vi sen placerar in resten av datan i.
06:01
So we collect this MR.
145
361260
2000
Så vi tar denna MR.
06:03
And you can think of this as our satellite view for our map.
146
363260
2000
Ni kan tänka er detta som satellitbilden för vår karta.
06:05
The next thing we do
147
365260
2000
Nästa sak vi gör
06:07
is we collect what's called a diffusion tensor imaging.
148
367260
3000
är att vi tar en så kallad DTI (Diffusion Tensor Imaging).
06:10
This maps the large cabling in the brain.
149
370260
2000
Detta visar hjärnans kablage.
06:12
And again, you can think of this
150
372260
2000
Ni kan tänka er detta ungefär som
06:14
as almost mapping our interstate highways, if you will.
151
374260
2000
att göra en karta över våra landsvägar.
06:16
The brain is removed from the skull,
152
376260
2000
Hjärnan plockas ut ur skallen,
06:18
and then it's sliced into one-centimeter slices.
153
378260
3000
och sen skärs den i en centimeter tjocka skivor.
06:21
And those are frozen solid,
154
381260
2000
Dessa fryser vi
06:23
and they're shipped to Seattle.
155
383260
2000
och skickar till Seattle.
06:25
And in Seattle, we take these --
156
385260
2000
Och i Seattle tar vi dessa –
06:27
this is a whole human hemisphere --
157
387260
2000
detta är en hel hemisfär –
06:29
and we put them into what's basically a glorified meat slicer.
158
389260
2000
och så stoppar vi dem i vad som egentligen är en förfinad köttskivare.
06:31
There's a blade here that's going to cut across
159
391260
2000
Här finns ett blad som skär rakt igenom
06:33
a section of the tissue
160
393260
2000
en sektion av vävnaden
06:35
and transfer it to a microscope slide.
161
395260
2000
och för över den till ett objektglas.
06:37
We're going to then apply one of those stains to it,
162
397260
2000
Sen applicerar vi färgen på den
06:39
and we scan it.
163
399260
2000
och sen scannar vi den.
06:41
And then what we get is our first mapping.
164
401260
3000
Och det vi får då är vår första kartläggning.
06:44
So this is where experts come in
165
404260
2000
Det är här experterna kommer in i bilden
06:46
and they make basic anatomic assignments.
166
406260
2000
och de utför grundläggande anatomiska uppgifter.
06:48
You could consider this state boundaries, if you will,
167
408260
3000
Ni kan tänka er detta som gränser mellan stater,
06:51
those pretty broad outlines.
168
411260
2000
ganska breda gränser.
06:53
From this, we're able to then fragment that brain into further pieces,
169
413260
4000
Från detta kan vi sedan dela upp hjärnan i ännu fler delar
06:57
which then we can put on a smaller cryostat.
170
417260
2000
vilka vi sedan kan lägga på en mindre kryostat.
06:59
And this is just showing this here --
171
419260
2000
Det är detta ni ser här –
07:01
this frozen tissue, and it's being cut.
172
421260
2000
den här frusna vävnaden som skärs.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
423260
3000
Den är 20 mikrometer tjocka, ungefär samma tjocklek som ett bebishår.
07:06
And remember, it's frozen.
174
426260
2000
Och kom ihåg att den är frusen
07:08
And so you can see here,
175
428260
2000
Och här kan ni se
07:10
old-fashioned technology of the paintbrush being applied.
176
430260
2000
gammaldags penselteknik användas.
07:12
We take a microscope slide.
177
432260
2000
Vi tar ett objektglas.
07:14
Then we very carefully melt onto the slide.
178
434260
3000
Provet smälter och fastnar på objektglaset.
07:17
This will then go onto a robot
179
437260
2000
Detta stoppas sedan i en robot
07:19
that's going to apply one of those stains to it.
180
439260
3000
som applicerar färg på det.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
446260
3000
Våra anatomister kommer sedan undersöka detta närmre.
07:29
So again this is what they can see under the microscope.
182
449260
2000
Så detta är vad de ser i mikroskopet.
07:31
You can see collections and configurations
183
451260
2000
Man kan se samlingar och konfigurationer
07:33
of large and small cells
184
453260
2000
av stora och små celler
07:35
in clusters and various places.
185
455260
2000
i kluster och utspridda på olika ställen.
07:37
And from there it's routine. They understand where to make these assignments.
186
457260
2000
Och från här är det rutin. De vet var de ska utföra sina uppgifter.
07:39
And they can make basically what's a reference atlas.
187
459260
3000
De kan alltså göra ett slags referensverk.
07:42
This is a more detailed map.
188
462260
2000
Detta är en som en mer detaljerad karta.
07:44
Our scientists then use this
189
464260
2000
Våra forskare använder sig sedan av denna
07:46
to go back to another piece of that tissue
190
466260
3000
för att gå tillbaka till en annan bit av samma vävnad
07:49
and do what's called laser scanning microdissection.
191
469260
2000
och utföra en så kallad LMD (Laser MicroDissection)
07:51
So the technician takes the instructions.
192
471260
3000
Teknikern tar sedan dessa instruktioner.
07:54
They scribe along a place there.
193
474260
2000
De gör en markering runt ett område.
07:56
And then the laser actually cuts.
194
476260
2000
Och sen skär lasern ut det.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
478260
3000
Ni kan se den blå punkten där som skär. Och den vävnaden faller av.
08:01
You can see on the microscope slide here,
196
481260
2000
Det kan ni se på objektglaset här
08:03
that's what's happening in real time.
197
483260
2000
det är det som sker i realtid.
08:05
There's a container underneath that's collecting that tissue.
198
485260
3000
Undertill finns en behållare som samlar upp vävnaden.
08:08
We take that tissue,
199
488260
2000
Vi tar den vävnaden,
08:10
we purify the RNA out of it
200
490260
2000
vi extraherar RNA från den,
08:12
using some basic technology,
201
492260
2000
med enkel teknik
08:14
and then we put a florescent tag on it.
202
494260
2000
och sen sätter vi en fluorescerande markör på den.
08:16
We take that tagged material
203
496260
2000
Vi tar det markerade materialet
08:18
and we put it on to something called a microarray.
204
498260
3000
och stoppar det på en så kallad en "microarray"
08:21
Now this may look like a bunch of dots to you,
205
501260
2000
Det här ser kanske bara ut som en massa pinkter för er
08:23
but each one of these individual dots
206
503260
2000
men på varje enskild punkt
08:25
is actually a unique piece of the human genome
207
505260
2000
sitter faktiskt en unik del av det mänskliga genomet
08:27
that we spotted down on glass.
208
507260
2000
som vi fäst i punkter på en glasskiva.
08:29
This has roughly 60,000 elements on it,
209
509260
3000
Den här har ungefär 60 000 punkter på sig
08:32
so we repeatedly measure various genes
210
512260
3000
så vi mäter upprepade gånger olika gener
08:35
of the 25,000 genes in the genome.
211
515260
2000
av de 25 000 generna i genomet
08:37
And when we take a sample and we hybridize it to it,
212
517260
3000
Och då vi tar ett prov och applicerar det på skivan
08:40
we get a unique fingerprint, if you will,
213
520260
2000
får vi ett unikt fingeravtryck
08:42
quantitatively of what genes are turned on in that sample.
214
522260
3000
kvantitativt av vilka gener som är aktiverade i provet.
08:45
Now we do this over and over again,
215
525260
2000
Den här processen gör vi om och om igen
08:47
this process for any given brain.
216
527260
3000
med varje hjärna.
08:50
We're taking over a thousand samples for each brain.
217
530260
3000
Vi tar över 1000 prover på varje hjärna.
08:53
This area shown here is an area called the hippocampus.
218
533260
3000
Området som visas här kallas hippocampus.
08:56
It's involved in learning and memory.
219
536260
2000
Det är inblandat i inlärning och minne.
08:58
And it contributes to about 70 samples
220
538260
3000
Och det bidrar med ungefär 70
09:01
of those thousand samples.
221
541260
2000
av de 1000 proverna.
09:03
So each sample gets us about 50,000 data points
222
543260
4000
Varje prov ger oss ungefär 50 000 datapunkter
09:07
with repeat measurements, a thousand samples.
223
547260
3000
med upprepade mätningar, tusen prover.
09:10
So roughly, we have 50 million data points
224
550260
2000
Vi får alltså ungefär 50 miljoner datapunkter
09:12
for a given human brain.
225
552260
2000
för varje hjärna.
09:14
We've done right now
226
554260
2000
Vi har i nuläget
09:16
two human brains-worth of data.
227
556260
2000
två hjärnors data.
09:18
We've put all of that together
228
558260
2000
Vi har satt ihop all denna data
09:20
into one thing,
229
560260
2000
till en sak
09:22
and I'll show you what that synthesis looks like.
230
562260
2000
och jag ska visa er hur den syntesen ser ut.
09:24
It's basically a large data set of information
231
564260
3000
Det är som en stor datamängd med information
09:27
that's all freely available to any scientist around the world.
232
567260
3000
som vilken forskare som helst i världen har fri tillgång till.
09:30
They don't even have to log in to come use this tool,
233
570260
3000
De behöver inte ens logga in för att kunna använda det här verktyget,
09:33
mine this data, find interesting things out with this.
234
573260
4000
att gräva i den här datan och hitta intressanta saker.
09:37
So here's the modalities that we put together.
235
577260
3000
Det här är delarna vi har satt ihop.
09:40
You'll start to recognize these things from what we've collected before.
236
580260
3000
Ni kommer känna igen de här sakerna från tidigare.
09:43
Here's the MR. It provides the framework.
237
583260
2000
Här är MR-scanningen. Den ger oss ramverket.
09:45
There's an operator side on the right that allows you to turn,
238
585260
3000
På höger sida finns en kontrollpanel som låter en vrida,
09:48
it allows you to zoom in,
239
588260
2000
som låter dig zooma in,
09:50
it allows you to highlight individual structures.
240
590260
3000
som låter dig markera enskilda strukturer.
09:53
But most importantly,
241
593260
2000
Men viktigast av allt,
09:55
we're now mapping into this anatomic framework,
242
595260
3000
i detta anatomiska ramverk,
09:58
which is a common framework for people to understand where genes are turned on.
243
598260
3000
vilket är öppet för alla som vill veta mer, för vi nu in vilka gener som är aktiverade var.
10:01
So the red levels
244
601260
2000
De röda punkterna
10:03
are where a gene is turned on to a great degree.
245
603260
2000
är områden där en gen aktiverad i hög grad.
10:05
Green is the sort of cool areas where it's not turned on.
246
605260
3000
Gröna områden är svalare områden där genen inte är aktiverad
10:08
And each gene gives us a fingerprint.
247
608260
2000
Varje gen ger oss ett fingeravtryck.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
610260
5000
Och kom ihåg att vi har undersökt alla 25 000 generna i genomet
10:15
and have all of that data available.
249
615260
4000
och har tillgång till all den datan.
10:19
So what can scientists learn about this data?
250
619260
2000
Vad kan då forskare lära sig av denna data?
10:21
We're just starting to look at this data ourselves.
251
621260
3000
Vi håller precis på att själva börja titta på den.
10:24
There's some basic things that you would want to understand.
252
624260
3000
Det finns en del grundläggande saker som vi vill veta.
10:27
Two great examples are drugs,
253
627260
2000
Två bra exempel är läkemedel,
10:29
Prozac and Wellbutrin.
254
629260
2000
Prozac och Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
631260
3000
Dessa är vanliga antidepressiva läkemedel.
10:34
Now remember, we're assaying genes.
256
634260
2000
Kom ihåg att vi analyserar gener.
10:36
Genes send the instructions to make proteins.
257
636260
3000
Gener skickar instruktionerna för att bygga proteiner
10:39
Proteins are targets for drugs.
258
639260
2000
Mediciner påverkar proteiner.
10:41
So drugs bind to proteins
259
641260
2000
Mediciner binder på proteiner
10:43
and either turn them off, etc.
260
643260
2000
och får dem att stängas av, o.s.v.
10:45
So if you want to understand the action of drugs,
261
645260
2000
Så om man vill förstå hur läkemedel fungerar
10:47
you want to understand how they're acting in the ways you want them to,
262
647260
3000
så vill man förstå hur de gör det man vill att de ska göra,
10:50
and also in the ways you don't want them to.
263
650260
2000
men också hur de gör det man inte vill att de ska göra.
10:52
In the side effect profile, etc.,
264
652260
2000
För biverkningar, etc,
10:54
you want to see where those genes are turned on.
265
654260
2000
så vill man se var dessa gener aktiveras.
10:56
And for the first time, we can actually do that.
266
656260
2000
Och nu kan vi för första gången göra det.
10:58
We can do that in multiple individuals that we've assayed too.
267
658260
3000
Vi kan också göra det i flera olika individer eftersom vi undersökt två.
11:01
So now we can look throughout the brain.
268
661260
3000
Vi kan nu alltså undersöka hela hjärnan.
11:04
We can see this unique fingerprint.
269
664260
2000
Vi kan se detta unika fingeravtryck.
11:06
And we get confirmation.
270
666260
2000
Och vi får bekräftelse.
11:08
We get confirmation that, indeed, the gene is turned on --
271
668260
3000
Vi får bekrätelse om att genen verkligen aktiveras –
11:11
for something like Prozac,
272
671260
2000
i något som Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
673260
3000
i serotonerga strukturer, saker som vi redan vet påverkas –
11:16
but we also get to see the whole thing.
274
676260
2000
men vi får nu också hela bilden.
11:18
We also get to see areas that no one has ever looked at before,
275
678260
2000
Vi kan också se områden som ingen tittat på förut,
11:20
and we see these genes turned on there.
276
680260
2000
och vi ser gener aktiveras där.
11:22
It's as interesting a side effect as it could be.
277
682260
3000
Är detta intressanta biverkningar? Måhända.
11:25
One other thing you can do with such a thing
278
685260
2000
En annan sak vi kan göra med detta
11:27
is you can, because it's a pattern matching exercise,
279
687260
3000
eftersom det jämför mönster,
11:30
because there's unique fingerprint,
280
690260
2000
eftersom det finns ett unikt fingeravtryck,
11:32
we can actually scan through the entire genome
281
692260
2000
är att vi kan gå igenom hela genomet
11:34
and find other proteins
282
694260
2000
och hitta andra proteiner
11:36
that show a similar fingerprint.
283
696260
2000
som uppvisar ett liknande fingeravtryck.
11:38
So if you're in drug discovery, for example,
284
698260
3000
Så om man arbetar med att hitta nya läkemedel till exempel
11:41
you can go through
285
701260
2000
så kan man gå igenom
11:43
an entire listing of what the genome has on offer
286
703260
2000
en hel lista över vad genomet har att erbjuda
11:45
to find perhaps better drug targets and optimize.
287
705260
4000
för att kanske hitta bättre mål för läkemedel och därigenom optimera.
11:49
Most of you are probably familiar
288
709260
2000
De flesta av er känner förmodligen till
11:51
with genome-wide association studies
289
711260
2000
sambandsstudier med hela genomet
11:53
in the form of people covering in the news
290
713260
3000
i form av människor på nyheterna
11:56
saying, "Scientists have recently discovered the gene or genes
291
716260
3000
som säger: "Forskare har nyligen hittat genen eller generna
11:59
which affect X."
292
719260
2000
som påverkar X."
12:01
And so these kinds of studies
293
721260
2000
Den här typen av studier
12:03
are routinely published by scientists
294
723260
2000
publiceras regelbundet av forskare
12:05
and they're great. They analyze large populations.
295
725260
2000
och de är jättebra. De undersöker stora populationer.
12:07
They look at their entire genomes,
296
727260
2000
De tittar på hela deras genom
12:09
and they try to find hot spots of activity
297
729260
2000
och de försöker hitta särskilt aktiva områden
12:11
that are linked causally to genes.
298
731260
3000
som kan kopplas ihop kausalt med olika gener.
12:14
But what you get out of such an exercise
299
734260
2000
Men det man får ut av en sådan övning
12:16
is simply a list of genes.
300
736260
2000
är helt enkelt en lista över gener.
12:18
It tells you the what, but it doesn't tell you the where.
301
738260
3000
Listan ger dig ett vad, men inget var.
12:21
And so it's very important for those researchers
302
741260
3000
Så för dessa forskare är det viktigt
12:24
that we've created this resource.
303
744260
2000
att vi skapat den här resursen.
12:26
Now they can come in
304
746260
2000
Nu kan de komma in
12:28
and they can start to get clues about activity.
305
748260
2000
och börja få ledtrådar om aktivitet.
12:30
They can start to look at common pathways --
306
750260
2000
De kan börja titta på gemensamma vägar –
12:32
other things that they simply haven't been able to do before.
307
752260
3000
andra saker som de helt enkelt inte kunnat göra förut.
12:36
So I think this audience in particular
308
756260
3000
Jag tror den här publiken i synnerhet
12:39
can understand the importance of individuality.
309
759260
3000
förstår vikten av individualitet.
12:42
And I think every human,
310
762260
2000
Och jag tror att varje människa,
12:44
we all have different genetic backgrounds,
311
764260
4000
vi har alla olika genetisk bakgrund,
12:48
we all have lived separate lives.
312
768260
2000
och vi har alla levt olika liv.
12:50
But the fact is
313
770260
2000
Men faktum är
12:52
our genomes are greater than 99 percent similar.
314
772260
3000
att våra genom är mer än 99 procent lika.
12:55
We're similar at the genetic level.
315
775260
3000
Vi är lika på den genetiska nivån.
12:58
And what we're finding
316
778260
2000
Och det vi nu börjar se
13:00
is actually, even at the brain biochemical level,
317
780260
2000
är att vi faktiskt, även på hjärnans biokemiska nivå,
13:02
we are quite similar.
318
782260
2000
är ganska lika.
13:04
And so this shows it's not 99 percent,
319
784260
2000
Denna bild visar att det inte är 99 procent
13:06
but it's roughly 90 percent correspondence
320
786260
2000
utan ungefär 90 procent överrensstämmelse
13:08
at a reasonable cutoff,
321
788260
3000
vid ett rimligt brytvärde,
13:11
so everything in the cloud is roughly correlated.
322
791260
2000
så allt i molnet är stort sett överrensstämmande.
13:13
And then we find some outliers,
323
793260
2000
Och sen hitttar vi några
13:15
some things that lie beyond the cloud.
324
795260
3000
som ligger utanför molnet.
13:18
And those genes are interesting,
325
798260
2000
Och de generna är intressanta,
13:20
but they're very subtle.
326
800260
2000
men de är väldigt subtila.
13:22
So I think it's an important message
327
802260
3000
Så jag tycker att ett viktigt budskap
13:25
to take home today
328
805260
2000
att ta med sig hem idag
13:27
that even though we celebrate all of our differences,
329
807260
3000
är att även fast vi värdesätter alla våra olikheter,
13:30
we are quite similar
330
810260
2000
så är vi ganska lika
13:32
even at the brain level.
331
812260
2000
även på hjärnnivå.
13:34
Now what do those differences look like?
332
814260
2000
Hur ser nu dessa skillnader ut?
13:36
This is an example of a study that we did
333
816260
2000
Detta är ett exempel på en studie vi gjorde
13:38
to follow up and see what exactly those differences were --
334
818260
2000
för att följa upp och se exakt vad de skillnaderna var –
13:40
and they're quite subtle.
335
820260
2000
och de är rätt så subtila.
13:42
These are things where genes are turned on in an individual cell type.
336
822260
4000
Detta är saker där gener aktiveras i en viss celltyp.
13:46
These are two genes that we found as good examples.
337
826260
3000
Detta är två gener vi tyckte var bra exempel.
13:49
One is called RELN -- it's involved in early developmental cues.
338
829260
3000
En kallas RELN – den är inblandad i styrningen av tidig utveckling.
13:52
DISC1 is a gene
339
832260
2000
DISC1 är en gen
13:54
that's deleted in schizophrenia.
340
834260
2000
som saknas vid schizofreni.
13:56
These aren't schizophrenic individuals,
341
836260
2000
Detta är inte schizofrena individer,
13:58
but they do show some population variation.
342
838260
3000
men de uppvisar en viss populationsvariation.
14:01
And so what you're looking at here
343
841260
2000
Det ni ser här
14:03
in donor one and donor four,
344
843260
2000
i donator 1 och donator 4,
14:05
which are the exceptions to the other two,
345
845260
2000
vilka är undantagen från de andra två,
14:07
that genes are being turned on
346
847260
2000
är att gener aktiveras
14:09
in a very specific subset of cells.
347
849260
2000
i en väldigt specifik undergrupp celler.
14:11
It's this dark purple precipitate within the cell
348
851260
3000
Det är detta mörkt lila inom cellen
14:14
that's telling us a gene is turned on there.
349
854260
3000
som säger oss att en gen är aktiverad där.
14:17
Whether or not that's due
350
857260
2000
Huruvida det beror på
14:19
to an individual's genetic background or their experiences,
351
859260
2000
individens genetiska bakgrund eller vad de varit med om
14:21
we don't know.
352
861260
2000
vet vi inte.
14:23
Those kinds of studies require much larger populations.
353
863260
3000
Dessa typer av studier kräver mycket större populationer.
14:28
So I'm going to leave you with a final note
354
868260
2000
Jag tänkte avsluta med en sista sak
14:30
about the complexity of the brain
355
870260
3000
om hjärnans komplexitet
14:33
and how much more we have to go.
356
873260
2000
och hur långt vi fortfarande har kvar.
14:35
I think these resources are incredibly valuable.
357
875260
2000
Jag tror att de här resurserna är väldigt värdefulla.
14:37
They give researchers a handle
358
877260
2000
De ger forskare ledtrådar
14:39
on where to go.
359
879260
2000
om var de bör forska vidare.
14:41
But we only looked at a handful of individuals at this point.
360
881260
3000
Men vi har hittils bara tittat på en handfull individer.
14:44
We're certainly going to be looking at more.
361
884260
2000
Vi kommer utan tvekan titta på fler.
14:46
I'll just close by saying
362
886260
2000
Jag vill avsluta med att säga
14:48
that the tools are there,
363
888260
2000
att verktygen finns där,
14:50
and this is truly an unexplored, undiscovered continent.
364
890260
4000
och detta är en verkligen en outforskad, oupptäckt kontinent.
14:54
This is the new frontier, if you will.
365
894260
4000
Detta är det nya stora forskningsområdet.
14:58
And so for those who are undaunted,
366
898260
2000
Så för de som är orädda
15:00
but humbled by the complexity of the brain,
367
900260
2000
men ödmjuka inför hjärnans komplexitet
15:02
the future awaits.
368
902260
2000
väntar framtiden.
15:04
Thanks.
369
904260
2000
Tack!
15:06
(Applause)
370
906260
9000
(Applåder)

Original video on YouTube.com
Om denna webbplats

På den här webbplatsen hittar du YouTube-videor som är användbara för att lära sig engelska. Du kommer att få se engelska lektioner som ges av förstklassiga lärare från hela världen. Dubbelklicka på de engelska undertexterna som visas på varje videosida för att spela upp videon därifrån. Undertexterna rullar i takt med videouppspelningen. Om du har några kommentarer eller önskemål kan du kontakta oss via detta kontaktformulär.

https://forms.gle/WvT1wiN1qDtmnspy7