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

70,391 views ・ 2018-09-24

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Başak Karadağ Gözden geçirme: Cihan Ekmekçi
00:12
Nine years ago,
0
12785
1704
Dokuz yıl önce,
00:14
my sister discovered lumps in her neck and arm
1
14513
3101
kız kardeşim boynunda ve kolunda yumrular olduğunu fark etti
00:17
and was diagnosed with cancer.
2
17638
1760
ve kanser tanısı kondu.
00:20
From that day, she started to benefit
3
20985
3199
O günden itibaren,
00:24
from the understanding that science has of cancer.
4
24208
3115
bilimin kanser ile ilgili bilgilerinden yararlanmaya başladı.
00:28
Every time she went to the doctor,
5
28206
2099
Doktora her gittiğinde
00:30
they measured specific molecules
6
30329
2194
belirli moleküllerin ölçümü yapıldı
00:32
that gave them information about how she was doing
7
32547
2881
ve bu ona hastalığın nasıl gittiği ve sıradaki yapılacak şey
00:35
and what to do next.
8
35452
1309
hakkında bilgi verdi.
00:38
New medical options became available every few years.
9
38095
3666
Birkaç yılda bir, yeni tıbbi seçenekler ortaya çıkıyor.
00:43
Everyone recognized that she was struggling heroically
10
43070
4318
Herkes onun bu biyolojik hastalıkla
00:47
with a biological illness.
11
47412
1728
kahramanca savaştığının farkındaydı.
00:50
This spring, she received an innovative new medical treatment
12
50847
3657
Bu ilkbaharda, klinik bir deneyde
inovatif yeni bir tıbbi tedavi aldı.
00:54
in a clinical trial.
13
54528
1202
00:55
It dramatically knocked back her cancer.
14
55754
2224
Bu, kanseri önemli ölçüde geriletti.
00:59
Guess who I'm going to spend this Thanksgiving with?
15
59446
2552
Bu Şükran Günü'nü kiminle geçireceğim, tahmin edin?
01:02
My vivacious sister,
16
62022
2267
Hayat dolu kız kardeşimle,
01:04
who gets more exercise than I do,
17
64313
2629
benden fazla spor yapıyor
01:06
and who, like perhaps many people in this room,
18
66966
2859
ve belki bu odadaki çoğu kişi gibi
01:09
increasingly talks about a lethal illness
19
69849
2292
ölümcül bir hastalık hakkında diderek daha fazla
01:12
in the past tense.
20
72165
1263
geçmiş zaman kipinde konuşuyor.
01:14
Science can, in our lifetimes -- even in a decade --
21
74614
3863
Bilim hayatımızda hatta on yıl içinde bile
01:18
transform what it means to have a specific illness.
22
78501
3207
belli bir hastalığa sahip olmanın anlamını değiştirebiliyor.
01:24
But not for all illnesses.
23
84055
1534
Ama tüm hastalıklarda değil.
01:27
My friend Robert and I were classmates in graduate school.
24
87375
3722
Arkadaşım Robert'la üniversitede aynı sınıftaydık.
01:31
Robert was smart,
25
91121
1801
Robert zeki biriydi
01:32
but with each passing month,
26
92946
1477
ama aylar geçtikçe
01:34
his thinking seemed to become more disorganized.
27
94447
3154
düşünme yeteneği sanki giderek bozulmaya başladı.
01:38
He dropped out of school, got a job in a store ...
28
98241
3198
Okulu bıraktı, bir mağazada işe girdi.
01:41
But that, too, became too complicated.
29
101463
2218
Ama bu da çok karmaşıklaştı.
01:44
Robert became fearful and withdrawn.
30
104559
2945
Robert her şeyden korkan çekingen birine dönüştü.
01:48
A year and a half later, he started hearing voices
31
108281
2381
Bir buçuk yıl sonra, bazı sesler duymaya başladı
01:50
and believing that people were following him.
32
110686
2197
ve birilerinin onu takip ettiğine inanıyordu.
01:52
Doctors diagnosed him with schizophrenia,
33
112907
2722
Doktorlar ona şizofreni tanısı koydu
01:55
and they gave him the best drug they could.
34
115653
2120
ve ona ellerindeki en iyi ilacı yazdılar.
01:57
That drug makes the voices somewhat quieter,
35
117797
3008
Bu ilaç sesleri bir nebze susturmuştu
02:00
but it didn't restore his bright mind or his social connectedness.
36
120829
3989
ama parlak zekası ve sosyal bağlantısını geri getirememişti.
02:06
Robert struggled to remain connected
37
126270
1856
Robert, okul, iş ve arkadaş çevresi ile
02:08
to the worlds of school and work and friends.
38
128150
2857
ilişkisini devam ettirmeye çabaladı.
02:11
He drifted away,
39
131031
1383
Sonra kaybolup gitti,
02:12
and today I don't know where to find him.
40
132438
2285
şimdi onu nerede bulurum bilmiyorum.
02:15
If he watches this,
41
135593
1479
Eğer bu konuşmayı izlerse
02:17
I hope he'll find me.
42
137962
1628
umarım beni bulur.
02:22
Why does medicine have so much to offer my sister,
43
142639
4107
İlaçlar neden kız kardeşime bu kadar çok yardım ederken
02:27
and so much less to offer millions of people like Robert?
44
147540
4210
Robert gibi milyonlarca kişiye çok az yardım edebiliyor?
02:32
The need is there.
45
152952
1290
Burada bir şey yapılmalı.
02:34
The World Health Organization estimates that brain illnesses
46
154266
3153
Dünya Sağlık Örgütü şizofreni, bipolar bozukluk
02:37
like schizophrenia, bipolar disorder and major depression
47
157443
4115
ve şiddetli depresyon gibi beyin hastalıklarının
02:41
are the world's largest cause of lost years of life and work.
48
161582
4971
yitirilen yaşam ve iş yıllarının başlıca nedeni olduğunu tahmin ediyor.
02:47
That's in part because these illnesses often strike early in life,
49
167807
3561
Bunun nedeni kısmen bu hastalıkların erken yaşlarda birçok şekilde
02:51
in many ways, in the prime of life,
50
171392
2181
ortaya çıkması, en verimli yıllarda,
02:53
just as people are finishing their educations, starting careers,
51
173597
4464
insanlar tam eğitimlerini tamamlayıp bir işe başlayacakken,
02:58
forming relationships and families.
52
178085
2279
ilişki ve aile kuracakken.
03:00
These illnesses can result in suicide;
53
180388
2829
Bu hastalıklar intiharla sonuçlanabiliyor,
03:03
they often compromise one's ability to work at one's full potential;
54
183907
4567
genelde kişinin işte tam potansiyel göstermesini engelliyor
03:09
and they're the cause of so many tragedies harder to measure:
55
189767
3455
ve ölçülmesi zor pek çok trajediye neden oluyor:
03:13
lost relationships and connections,
56
193246
2438
Yitirilen ilişkiler ve bağlantılar,
03:15
missed opportunities to pursue dreams and ideas.
57
195708
3039
hayaller ve fikirlerle ilgili kaçırılan fırsatlar gibi...
03:19
These illnesses limit human possibilities
58
199533
3005
Bu hastalıklar insanın imkanlarını
03:22
in ways we simply cannot measure.
59
202562
2154
kolay ölçemeyeceğimiz biçimde kısıtlıyor.
03:27
We live in an era in which there's profound medical progress
60
207493
4016
Diğer pek çok cephede büyük tıbbi ilerlemelerin olduğu
03:31
on so many other fronts.
61
211533
1811
bir çağda yaşıyoruz.
03:33
My sister's cancer story is a great example,
62
213368
2547
Kız kardeşimin kanseri buna çok iyi bir örnek,
03:35
and we could say the same of heart disease.
63
215939
2062
kalp hastalığı için de bunu söyleyebiliriz.
03:38
Drugs like statins will prevent millions of heart attacks and strokes.
64
218025
3585
Statin gibi ilaçlar milyonlarca kalp krizi ve felci önlüyor.
03:43
When you look at these areas of profound medical progress
65
223047
2945
Bu alanlarda yaşamımız boyunca gördüğümüz
03:46
in our lifetimes,
66
226016
1464
büyük tıbbi ilerlemelere bakınca
03:47
they have a narrative in common:
67
227504
1674
ortak bir hikaye görüyoruz:
03:50
scientists discovered molecules that matter to an illness,
68
230067
4548
Bilim insanları bir hastalıkta önemli olan moleküller keşfetti,
03:54
they developed ways to detect and measure those molecules in the body,
69
234639
4679
bu molekülleri vücutta saptama ve ölçmenin yollarını buldu
04:00
and they developed ways to interfere with those molecules
70
240492
2778
ve o moleküllere müdahale etmenin yollarını geliştirdiler,
04:03
using other molecules -- medicines.
71
243294
2048
başka moleküller kullanarak, ilaçlarla...
04:05
It's a strategy that has worked again and again and again.
72
245921
4020
Bu tekrar ve tekrar işe yaramış olan bir strateji.
04:11
But when it comes to the brain, that strategy has been limited,
73
251403
3642
Fakat iş beyne gelince bu strateji sınırlı kalıyor
04:15
because today, we don't know nearly enough, yet,
74
255069
4602
çünkü bugün, beynin nasıl çalıştığını
04:19
about how the brain works.
75
259695
1852
henüz yeterince iyi bilmiyoruz.
04:22
We need to learn which of our cells matter to each illness,
76
262526
4266
Hangi hücrelerimizin hangi hastalığa etkisi olduğunu öğrenmemiz gerekiyor
04:26
and which molecules in those cells matter to each illness.
77
266816
3570
ve o hücrelerdeki hangi moleküllerlerin hangi hastalığa etkisi olduğunu.
04:31
And that's the mission I want to tell you about today.
78
271058
2651
Bugün size anlatmak istediğim misyon bununla ilgili.
04:34
My lab develops technologies with which we try to turn the brain
79
274781
3809
Laboratuvarım beyni bir büyük veri problemine dönüştürmeye
04:38
into a big-data problem.
80
278614
1700
çalışan teknolojiler geliştiriyor.
04:40
You see, before I became a biologist, I worked in computers and math,
81
280338
3536
Yani bir biyolog olmadan önce bilgisayar ve matematik alanında çalıştım
04:43
and I learned this lesson:
82
283898
1324
ve şunu öğrendim:
04:46
wherever you can collect vast amounts of the right kinds of data
83
286365
4184
Bir sistemin işleyişi hakkında çok büyük miktarda
04:50
about the functioning of a system,
84
290573
2030
doğru tür veriyi toplayabilirseniz
04:53
you can use computers in powerful new ways
85
293365
3618
o sistemi anlamlandırmak ve nasıl işlediğini öğrenmek için
04:57
to make sense of that system and learn how it works.
86
297007
3225
bilgisayarları güçlü yeni yöntemlerle kullanabilirsiniz.
05:00
Today, big-data approaches are transforming
87
300256
2522
Bugün büyük veri yaklaşımı
05:02
ever-larger sectors of our economy,
88
302802
2483
ekonomimizin büyük sektörlerini dönüştürüyor
05:05
and they could do the same in biology and medicine, too.
89
305309
3286
ve aynı şeyi biyoloji ve tıp alanında da yapabilir.
05:08
But you have to have the right kinds of data.
90
308619
2557
Ancak doğru tür verilere sahip olmanız gerekiyor.
05:11
You have to have data about the right things.
91
311200
2259
Doğru şeylerle ilgili verilere sahip olmalısınız.
05:13
And that often requires new technologies and ideas.
92
313917
3865
Bu da genellikle yeni teknoloji ve fikirler gerektiriyor.
05:18
And that is the mission that animates the scientists in my lab.
93
318815
3494
Laboratuvarımdaki bilim insanlarını heyecanlandıran görev de bu.
05:23
Today, I want to tell you two short stories from our work.
94
323251
2974
Bugün size çalışmalarımızla ilgili iki kısa öykü anlatacağım.
05:27
One fundamental obstacle we face
95
327427
3104
Beyni büyük veri problemine dönüştürmede
05:30
in trying to turn the brain into a big-data problem
96
330555
2660
karşılaştığımız en temel engellerden biri
05:33
is that our brains are composed of and built from billions of cells.
97
333946
4538
beynimizin milyarlarca hücreden oluşması.
05:39
And our cells are not generalists; they're specialists.
98
339246
3859
Ve bunlar genel amaçlı değil, uzman hücreler.
05:43
Like humans at work,
99
343129
2089
Bir iş yerinde çalışan insanlar gibi
05:45
they specialize into thousands of different cellular careers,
100
345242
5274
binlerce farklı hücresel kariyerde veya hücre tipinde
05:50
or cell types.
101
350540
1367
uzmanlaşmış hücrelerdir.
05:52
In fact, each of the cell types in our body
102
352796
2571
Aslında vücudumuzdaki bu hücre tiplerinin hepsi
05:55
could probably give a lively TED Talk
103
355391
1878
ne iş yaptığıyla ilgili
05:57
about what it does at work.
104
357293
1542
canlı bir TED konuşması yapabilir.
06:00
But as scientists, we don't even know today
105
360422
2370
Ama bilim insanları olarak
bugün kaç hücre tipi olduğunu bile bilmiyoruz
06:02
how many cell types there are,
106
362816
1907
06:04
and we don't know what the titles of most of those talks would be.
107
364747
3277
ve çoğu konuşma başlığı ne olurdu, onu da bilmiyoruz.
06:11
Now, we know many important things about cell types.
108
371809
2970
Hücre tipleri hakkında pek çok önemli şey biliyoruz.
06:14
They can differ dramatically in size and shape.
109
374803
2751
Boyutları ve biçimleri çok farklı olabiliyor.
06:17
One will respond to a molecule that the other doesn't respond to,
110
377578
4135
Biri bir moleküle tepki verirken diğeri tepki vermiyor,
06:21
they'll make different molecules.
111
381737
1794
farklı moleküller yapıyorlar.
06:23
But science has largely been reaching these insights
112
383555
2521
Bilim bu iç görülere her seferinde bir hücre tipini,
06:26
in an ad hoc way, one cell type at a time,
113
386100
2943
her defasında bir molekülü
06:29
one molecule at a time.
114
389067
1486
inceleyerek ulaşıyor.
06:31
We wanted to make it possible to learn all of this quickly and systematically.
115
391854
4731
Bütün bunların hepsini çabucak ve sistematik olarak öğrenmek istiyorduk.
06:37
Now, until recently, it was the case
116
397673
1748
Yakın zamanlara kadar durum buydu,
06:39
that if you wanted to inventory all of the molecules
117
399445
3076
yani beynin bir bölümü veya bir organdaki
06:42
in a part of the brain or any organ,
118
402545
2925
bütün moleküllerin envanterini çıkarmak istiyorsanız
06:45
you had to first grind it up into a kind of cellular smoothie.
119
405494
3954
onu önce bir tür hücre püresi halinde öğütmeniz gerekliydi.
06:50
But that's a problem.
120
410678
1230
Ama bu bir sorun.
06:52
As soon as you've ground up the cells,
121
412737
2538
Hücreleri öğüttüğünüzde
06:55
you can only study the contents of the average cell --
122
415299
3511
sadece ortalama bir hücrenin içeriğini inceleyebilirsiniz,
06:58
not the individual cells.
123
418834
1595
tek tek hücrelerin değil.
07:01
Imagine if you were trying to understand how a big city like New York works,
124
421182
3709
Diyelim ki New York gibi büyük bir şehrin işleyişini anlamaya çaılışıyorsunuz
07:04
but you could only do so by reviewing some statistics
125
424915
2542
ama bunu sadece ortalama bir New Yorklunun
07:07
about the average resident of New York.
126
427481
2029
istatistiklerine bakarak yapıyorsunuz.
07:10
Of course, you wouldn't learn very much,
127
430637
1979
Tabii ki çok şey öğrenemezsiniz
07:12
because everything that's interesting and important and exciting
128
432640
3000
çünkü ilginç, önemli ve heyecan verici her şey
07:15
is in all the diversity and the specializations.
129
435664
2732
çeşitlilikte ve uzmanlıktadır.
07:18
And the same thing is true of our cells.
130
438420
2606
Hücrelerimiz için de aynı şey geçerli.
07:21
And we wanted to make it possible to study the brain not as a cellular smoothie
131
441050
4750
Biz beyni hücresel bir püre değil,
hücresel bir meyve salatası olarak incelemeyi mümkün kılmak istedik.
07:25
but as a cellular fruit salad,
132
445824
2478
07:28
in which one could generate data about and learn from
133
448326
2604
Böylece her bir meyve parçasından
07:30
each individual piece of fruit.
134
450954
1838
veriler üretip öğrenebilecektik.
07:34
So we developed a technology for doing that.
135
454253
2718
Bu nedenle bunu yapacak bir teknoloji geliştirdik.
07:36
You're about to see a movie of it.
136
456995
1729
Bunun bir videosunu izleyeceksiniz.
07:41
Here we're packaging tens of thousands of individual cells,
137
461477
4028
Burada on binlerce hücreyi moleküler analizi için
07:45
each into its own tiny water droplet
138
465529
2923
kendi minik su damlasının
07:48
for its own molecular analysis.
139
468476
2211
içine paketliyoruz.
07:51
When a cell lands in a droplet, it's greeted by a tiny bead,
140
471921
4123
Hücre bir damlacığın içine girdiğinde minik bir kürecik onu karşılıyor
07:56
and that bead delivers millions of DNA bar code molecules.
141
476068
3694
ve bu kürecik milyonlarca DNA barkod molekülü taşıyor.
08:01
And each bead delivers a different bar code sequence
142
481115
3308
Her bir kürecik, farklı bir hücreye,
08:04
to a different cell.
143
484447
1243
farklı bir barkod dizilimi taşıyor.
08:06
We incorporate the DNA bar codes
144
486884
2581
DNA barkodlarını her bir hücrenin içindeki
08:09
into each cell's RNA molecules.
145
489489
3058
RNA molekülü ile birleştiriryoruz.
08:12
Those are the molecular transcripts it's making
146
492571
2836
Bunlar belirli genlerin işlerini yapmasını sağlayan
08:15
of the specific genes that it's using to do its job.
147
495431
3103
moleküler transkriptler.
08:19
And then we sequence billions of these combined molecules
148
499383
4207
Bu birleşik moleküllerden milyarlarca dizilim yapıyor
08:24
and use the sequences to tell us
149
504532
2498
ve bu dizilimleri her molekülün
08:27
which cell and which gene
150
507054
2602
hangi genden ve hücreden
08:29
every molecule came from.
151
509680
1540
geldiğini anlamada kullanıyoruz.
08:32
We call this approach "Drop-seq," because we use droplets
152
512561
3292
Bu yaklaşıma "Drop-seq" diyoruz
08:35
to separate the cells for analysis,
153
515877
2575
çünkü hücreleri analiz için ayırmada,
08:38
and we use DNA sequences to tag and inventory
154
518476
3445
DNA dizilimlerini etiketleyip envanter çıkarmada
08:41
and keep track of everything.
155
521945
1488
ve her şeyi izlemede damlacıklar kullanıyoruz.
08:44
And now, whenever we do an experiment,
156
524727
1976
Şimdi, ne zaman bir deney yapsak
08:46
we analyze tens of thousands of individual cells.
157
526727
3243
on binlerce bireysel hücreyi analiz ediyoruz.
08:51
And today in this area of science,
158
531018
2624
Bugün, bilimin bu alanında mesele,
08:53
the challenge is increasingly how to learn as much as we can
159
533666
4931
bu geniş veri kümelerinden mümkün olduğunca çok şeyi
08:58
as quickly as we can
160
538621
1872
mümkün olduğunca kısa sürede öğrenmek.
09:00
from these vast data sets.
161
540517
1738
09:04
When we were developing Drop-seq, people used to tell us,
162
544914
2770
Biz Drop-seq'i geliştirirken insanlar bize
09:07
"Oh, this is going to make you guys the go-to for every major brain project."
163
547708
4804
"Bu sizi her büyük beyin projesinde bilirkişi yapacak" diyordu.
09:13
That's not how we saw it.
164
553257
1544
Biz böyle görmüyorduk.
09:14
Science is best when everyone is generating lots of exciting data.
165
554825
4531
Bilim herkes heyecan verici veriler ürettiğinde güzeldir.
09:20
So we wrote a 25-page instruction book,
166
560197
3214
Bu nedenle herhangi bir bilim insanının sıfırdan
09:23
with which any scientist could build their own Drop-seq system from scratch.
167
563435
4578
kendi Drop-seq sistemini oluşturabileceği 25 sayfalık bir kılavuz yazdık.
09:28
And that instruction book has been downloaded from our lab website
168
568037
3697
Bu kılavuz laboratuvarımızın web sitesinden
09:31
50,000 times in the past two years.
169
571758
2965
son iki yılda 50.000 kez indirildi.
09:35
We wrote software that any scientist could use
170
575598
3052
Ayrıca Drop-seq deneylerindeki veriyi analiz etmek için
09:38
to analyze the data from Drop-seq experiments,
171
578674
2898
her bilim insanının kullanabileceği bir yazılım hazırladık.
09:41
and that software is also free,
172
581596
1715
Bu yazılım da bedava
09:43
and it's been downloaded from our website 30,000 times in the past two years.
173
583335
4388
ve web sitemizden son iki yılda 30.000 kez indirildi.
09:48
And hundreds of labs have written us about discoveries that they've made
174
588328
4979
Yüzlerce labaratuvar bu yaklaşımı kullanarak yaptıkları keşifler hakkında
09:53
using this approach.
175
593331
1443
bize yazdılar.
09:54
Today, this technology is being used to make a human cell atlas.
176
594798
3560
Bugün, bu teknoloji insan geni atlasını çıkarmada kullanılıyor.
09:58
It will be an atlas of all of the cell types in the human body
177
598382
3354
Bu insan vücudundaki bütün hücre tiplerinin ve her bir hücre tipinin
10:01
and the specific genes that each cell type uses to do its job.
178
601760
3680
işini yapmakta kullandığı spesifik genlerin atlası olacak.
10:08
Now I want to tell you about a second challenge that we face
179
608133
2876
Şimdi size beyni bir büyük veri problemine dönüştürmede
10:11
in trying to turn the brain into a big data problem.
180
611033
2448
karşılaştığımız ikinci bir zorluktan bahsedeyim.
10:13
And that challenge is that we'd like to learn from the brains
181
613505
3279
Bu zorluk, yaşayan yüz binlerce insanın
10:16
of hundreds of thousands of living people.
182
616808
2444
beyinlerinden bilgi edinmek istememiz.
10:19
But our brains are not physically accessible while we're living.
183
619998
3704
Ama yaşarken beyinlerimiz fiziksel anlamda erişilebilir değil.
10:24
But how can we discover molecular factors if we can't hold the molecules?
184
624895
3960
Peki molekülleri tutamazken moleküler faktörleri nasıl anlarız?
10:30
An answer comes from the fact that the most informative molecules, proteins,
185
630352
4548
Cevap, DNA'mızda kodlanmış olan en çok bilgi sağlayıcı moleküller olan
10:34
are encoded in our DNA,
186
634924
1782
proteinlerden geliyor.
10:36
which has the recipes our cells follow to make all of our proteins.
187
636730
4530
Bunlar hücrelerimizin protein üretiminin formülüne sahip.
10:41
And these recipes vary from person to person to person
188
641999
4946
Proteinlerin dizilimi ve her hücre tipinin
10:46
in ways that cause the proteins to vary from person to person
189
646969
3342
her bir proteinden ne kadar ürettiği,
10:50
in their precise sequence
190
650335
1787
insandan insana değiştikçe
10:52
and in how much each cell type makes of each protein.
191
652146
3151
bu formüller de insandan insana değişiyor.
10:56
It's all encoded in our DNA, and it's all genetics,
192
656441
3393
Bunların hepsi DNA'mızda kodlanmış bir genetik
10:59
but it's not the genetics that we learned about in school.
193
659858
2817
ama bu okulda öğrendiğimiz genetik değil.
11:03
Do you remember big B, little b?
194
663572
1983
Büyük B ve küçük b'yi hatırlıyor musunuz?
11:06
If you inherit big B, you get brown eyes?
195
666260
2400
Büyük B kalıtımla geçerse kahverengi gözleriniz olur.
11:09
It's simple.
196
669085
1223
Bu basit.
11:11
Very few traits are that simple.
197
671451
3173
Çok az özellik bu kadar basit.
11:15
Even eye color is shaped by much more than a single pigment molecule.
198
675232
4725
Göz rengi bile bir pigment molekülünden çok daha fazlasıyla şekilleniyor.
11:20
And something as complex as the function of our brains
199
680861
4250
Beynimizin foksiyonu kadar karmaşık bir şey ise
11:25
is shaped by the interaction of thousands of genes.
200
685135
3247
binlerce genin etkileşiminden şekilleniyor.
11:28
And each of these genes varies meaningfully
201
688406
2340
Bu genlerin her biri insandan insana
11:30
from person to person to person,
202
690770
1838
anlamlı bir şekilde farklılaşıyor.
11:32
and each of us is a unique combination of that variation.
203
692632
3517
Her birimiz bu varyasyonun benzersiz bir kombinasyonuyuz.
11:37
It's a big data opportunity.
204
697419
2216
Bu büyük data için bir fırsat.
11:40
And today, it's increasingly possible to make progress
205
700214
3176
Bugün daha önce mümkün olmayan bir boyutta
11:43
on a scale that was never possible before.
206
703414
2796
ilerleme kaydetmek daha da mümkün.
11:46
People are contributing to genetic studies
207
706234
2405
İnsanlar genetik çalışmalara
11:48
in record numbers,
208
708663
1594
rekor sayıda katkıda bulunuyor.
11:51
and scientists around the world are sharing the data with one another
209
711085
4087
Bilim insanları ilerlemeyi hızlandırmak için birbiriyle
11:55
to speed progress.
210
715196
1571
data paylaşımında bulunuyorlar.
11:57
I want to tell you a short story about a discovery we recently made
211
717514
3239
Size şizofreninin genetiği hakkında yaptığımız keşfin
12:00
about the genetics of schizophrenia.
212
720777
1894
kısa bir hikayesini anlatmak istiyorum.
12:03
It was made possible by 50,000 people from 30 countries,
213
723506
4596
30 ülkeden 50.000 insan şizofreni hakkında
12:08
who contributed their DNA to genetic research on schizophrenia.
214
728126
4700
genetik araştırma yapmak için DNA'larıyla katkıda bulundular.
12:14
It had been known for several years
215
734406
2096
Yıllardır biliniyor ki
12:16
that the human genome's largest influence on risk of schizophrenia
216
736526
4111
insan genomunun şizofreni riskine en büyük etkisi
12:20
comes from a part of the genome
217
740661
1802
bağışıklık sistemimizin çoğu molekülünü
12:22
that encodes many of the molecules in our immune system.
218
742487
3344
şifreleyen genom parçasından geliyor.
12:25
But it wasn't clear which gene was responsible.
219
745855
3034
Ama hangi genin sorumlu olduğu belirsizdi.
12:29
A scientist in my lab developed a new way to analyze DNA with computers,
220
749746
4040
Laboratuvarımdaki bir bilim insanı DNA'nın bilgisayarla analizi için bir yol buldu
12:33
and he discovered something very surprising.
221
753810
3095
ve çok şaşırtıcı bir şey keşfetti.
12:36
He found that a gene called "complement component 4" --
222
756929
3251
"Tamamlayıcı bileşen 4" kısaca "C4" adında
12:40
it's called "C4" for short --
223
760204
1799
bir gen buldu.
12:43
comes in dozens of different forms in different people's genomes,
224
763036
3889
Farklı insanların genomlarında düzinelerce farklı formda oluşuyor.
12:46
and these different forms make different amounts
225
766949
3197
Bu farklı formlar beynimizde farklı miktarlarda
12:50
of C4 protein in our brains.
226
770170
2242
C4 proteini üretiyor.
12:52
And he found that the more C4 protein our genes make,
227
772957
3985
Ve genlerimiz ne kadar çok C4 proteini üretirse
12:56
the greater our risk for schizophrenia.
228
776966
2112
şizofreni riskimiz o kadar artar.
12:59
Now, C4 is still just one risk factor in a complex system.
229
779919
4907
C4 karmaşık bir sistemde risk faktörlerinden yalnızca biri.
13:04
This isn't big B,
230
784850
1989
Bu bir büyük B değil
13:06
but it's an insight about a molecule that matters.
231
786863
3557
ama bu önemli bir molekül hakkında bir içgörü.
13:11
Complement proteins like C4 were known for a long time
232
791492
3637
C4 gibi tamamlayıcı proteinler bağışıklık sistemindeki rolleri hakkında
13:15
for their roles in the immune system,
233
795153
1953
uzun zamandır biliniyordu.
13:17
where they act as a kind of molecular Post-it note
234
797130
2778
Üzerinde "beni ye" yazan bir Post-it notu gibi davranıyorlar.
13:19
that says, "Eat me."
235
799932
1580
13:22
And that Post-it note gets put on lots of debris
236
802475
2667
Ve bu Post-it notu vücudumuzdaki
13:25
and dead cells in our bodies
237
805166
2357
atık ve ölü hücrelerin üzerine yapışarak
13:27
and invites immune cells to eliminate them.
238
807547
2490
bağışıklık hücrelerini onları yok etmeye çağırıyor.
13:30
But two colleagues of mine found that the C4 Post-it note
239
810779
3539
Ancak iki arkadaşım C4 Post-in notunun
13:35
also gets put on synapses in the brain
240
815183
3298
beyin sinapslarının üzerine de yapıştığını
13:38
and prompts their elimination.
241
818505
1864
ve onları yok ettiğini buldu.
13:41
Now, the creation and elimination of synapses is a normal part
242
821154
3266
Sinapsların oluşturulması ve yok edilmesi insan gelişimi
insan gelişim ve ve öğreniminin normal bir parçası.
13:44
of human development and learning.
243
824444
1854
13:46
Our brains create and eliminate synapses all the time.
244
826322
2921
Beynimiz sinapsları sürekli oluşturup yok ediyor.
13:49
But our genetic results suggest that in schizophrenia,
245
829921
2960
Ama genetik sonuçlar gösteriyor ki
13:52
the elimination process may go into overdrive.
246
832905
3233
şizofrenide yok etme süreci çok hızlanabiliyor.
13:57
Scientists at many drug companies tell me they're excited about this discovery,
247
837185
3929
Birçok ilaç şirketindeki bilim insanları bu keşif hakkında çok heyecanlandılar
14:01
because they've been working on complement proteins for years
248
841138
3239
çünkü bağışıklık sistemindeki tamamlayıcı proteinler üzerinde
14:04
in the immune system,
249
844401
1540
yıllardır çalışıyorlar
14:05
and they've learned a lot about how they work.
250
845965
2206
ve nasıl çalıştıklarıyla ilgili çok şey öğrendiler.
14:08
They've even developed molecules that interfere with complement proteins,
251
848885
3894
Hatta tamamlayıcı proteinlere müdahale eden moleküller geliştirdiler
14:12
and they're starting to test them in the brain as well as the immune system.
252
852803
3607
ve bağışıklık sisteminde olduğu gibi beyinde de onları test etmeye başladılar.
14:17
It's potentially a path toward a drug that might address a root cause
253
857124
4721
Bu bireysel bir semptomdan ziyade kök nedeni adresleyen
14:21
rather than an individual symptom,
254
861869
2649
bir ilaca doğru olası bir yol.
14:24
and we hope very much that this work by many scientists over many years
255
864542
4048
Umuyoruz ki bilim insanlarının yıllar boyu süren bu çalışması
14:28
will be successful.
256
868614
1152
başarılı olacak.
14:31
But C4 is just one example
257
871689
3014
C4 yüzyılların medikal problemlerine
14:34
of the potential for data-driven scientific approaches
258
874727
3112
yeni kapılar açan veri bazlı bilimsel yaklaşımların potansiyelinin
14:37
to open new fronts on medical problems that are centuries old.
259
877863
3903
yalnızca bir örneği.
14:42
There are hundreds of places in our genomes
260
882144
2745
Genomlarımızda beyin hastalıklarına neden olan
14:44
that shape risk for brain illnesses,
261
884913
2585
yüzlerce yer var.
14:47
and any one of them could lead us to the next molecular insight
262
887522
4066
Ve onlardan herhangi biri bizi önemi olan bir molekülle ilgili
14:51
about a molecule that matters.
263
891612
2020
bir sonraki moleküler içgörüye yönlendirebilir.
14:53
And there are hundreds of cell types that use these genes in different combinations.
264
893656
3987
Üstelik bu genleri farklı kombinasyonlarda kullanan yüzlerce hücre tipi var.
14:57
As we and other scientists work to generate
265
897667
2069
Biz ve diğer bilim insanları
14:59
the rest of the data that's needed
266
899760
2069
datanın gerekli olan diğer kısmını oluşturmak
15:01
and to learn all that we can from that data,
267
901853
2393
ve bu datadan her şeyi öğrenmek için çalıştıkça
15:04
we hope to open many more new fronts.
268
904270
2403
daha birçok yeni kapı açacağımızı umuyoruz.
15:08
Genetics and single-cell analysis are just two ways
269
908483
5079
Genetik ve tek hücre analizi
beyni büyük veri problemine döndürmeye çalışmanın sadece iki yolu.
15:13
of trying to turn the brain into a big data problem.
270
913586
3767
15:18
There is so much more we can do.
271
918424
2159
Yapabileceğimiz daha çok şey var.
15:21
Scientists in my lab are creating a technology
272
921235
3074
Laboratuvarımdaki bilim insanları beyindeki sinaptik bağlantıların
15:24
for quickly mapping the synaptic connections in the brain
273
924333
3196
hızlıca haritasını çizmek için bir teknoloji yaratıyorlar,
15:27
to tell which neurons are talking to which other neurons
274
927553
2938
böylece hangi nöron başka hangi nöronlarla konuşuyor
15:30
and how that conversation changes throughout life and during illness.
275
930515
3996
ve hayat boyunca ve hastalık süresince bu konuşma nasıl değişiyor söyleyebilecekler.
15:35
And we're developing a way to test in a single tube
276
935467
4520
Yüzlerce farklı insanın genomlarının aynı uyarıya nasıl farklı tepki verdiğini
15:40
how cells with hundreds of different people's genomes
277
940011
2718
tek bir tüpte test edebilecek
15:42
respond differently to the same stimulus.
278
942753
2170
yeni bir yol geliştiriyoruz.
15:46
These projects bring together people with diverse backgrounds
279
946248
4903
Bu projeler farklı geçmişi, eğitimi ve ilgi alanları olan insanları
15:51
and training and interests --
280
951175
2493
bir araya getiriyor,
15:53
biology, computers, chemistry, math, statistics, engineering.
281
953692
5877
biyoloji, bilgisayar, kimya, matematik, istatistik, mühendislik gibi.
16:00
But the scientific possibilities rally people with diverse interests
282
960205
4232
Bilimsel ihtimaller farklı ilgi alanları olan insanları birlikte yoğun bir şekilde
16:04
into working intensely together.
283
964461
2235
çalışmaya teşvik ediyor.
16:08
What's the future that we could hope to create?
284
968871
2551
Nasıl bir gelecek yaratmayı umuyoruz?
16:12
Consider cancer.
285
972267
1350
Kanseri ele alalım.
16:14
We've moved from an era of ignorance about what causes cancer,
286
974193
3922
Kanserin nedeninin kişisel psikolojik karakteristiklere atfedildiği
16:18
in which cancer was commonly ascribed to personal psychological characteristics,
287
978139
6988
cahilce bir devirden, kanserin gerçek biyolojik nedenlerini anlayabildiğimiz
16:26
to a modern molecular understanding of the true biological causes of cancer.
288
986238
5395
modern moleküler bir yaklaşıma geçtik.
16:32
That understanding today leads to innovative medicine
289
992100
3074
Bugün bu anlayış bizleri her geçen gün
daha çok yenilikçi tıbba yönlendiriyor.
16:35
after innovative medicine,
290
995198
1696
16:36
and although there's still so much work to do,
291
996918
2839
Yapılacak daha çok şey olmasına rağmen,
16:39
we're already surrounded by people who have been cured of cancers
292
999781
3394
etrafımız şimiden kanseri yenmiş insanlarla çevrili,
16:43
that were considered untreatable a generation ago.
293
1003199
3269
bir jenerasyon önce tedavi edilemez olduğunu düşündüğümüz...
16:48
And millions of cancer survivors like my sister
294
1008254
3376
Kardeşim gibi kanseri yenen milyonlarca kişi
16:51
find themselves with years of life that they didn't take for granted
295
1011654
4401
ellerinde olmadığını düşündükleri yıllar,
16:56
and new opportunities
296
1016079
1769
iş, mutluluk ve insan iletişimi için
16:57
for work and joy and human connection.
297
1017872
3930
yeni fırsatlar edindiler.
17:03
That is the future that we are determined to create around mental illness --
298
1023358
4378
İşte bu zihinsel hastalıklarla ilgili yaratmak istediğimiz gelecek;
17:08
one of real understanding and empathy
299
1028581
4119
gerçek anlayış, empati
17:12
and limitless possibility.
300
1032724
1816
ve sonsuz olanağın olduğu bir gelecek.
17:15
Thank you.
301
1035159
1190
Teşekkürler.
17:16
(Applause)
302
1036374
4062
(Alkışlar)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7