ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com
TED2011

Ed Boyden: A light switch for neurons

اد بویدن: یک سوییچ برای روشن و خاموش کردن سلولهای عصبی

Filmed:
1,098,379 views

[اد بویدن] نشان می‌دهد چگونه با وارد کردن ژنهای کد کنندۀ پروتئینهای حساس به نور به سلولهای مغز می‌توان بصورت گزینشی و با کاشت فیبر نوری سلولهای عصبی خاص را فعال یا غیرفعال کرد. با این درجۀ بی سابقه از کنترل او توانسته تا موشهای مبتلا به بیماری مشابه به اختلال فشار روانى پس آسيبى (PTSD) و انواع خاصی از نابینایی را درمان کند. در افق فکری: اعصاب مصنوعی. میزبان جلسه، [جوان انریکز] سخنرانی را با پرسش و پاسخ ادامه می‌دهد.
- Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio

Double-click the English transcript below to play the video.

00:15
Think about your day for a secondدومین.
0
0
2000
یک لحظه به روز خودتون فکر کنید.
00:17
You wokeبیدار شدم up, feltنمد freshتازه airهوا on your faceصورت as you walkedراه می رفت out the doorدرب,
1
2000
3000
از خواب بلند شدید، هوای تازه را وقتی از در خارج شدید روی صورتتان احساس کردید،
00:20
encounteredمواجه شده newجدید colleaguesهمکاران and had great discussionsبحث ها,
2
5000
2000
همکاران جدید خود را ملاقات کردید و با هم بحثهای جالبی داشتید،
00:22
and feltنمد in aweهیاهو when you foundپیدا شد something newجدید.
3
7000
2000
و با یافتن چیزهای جدید حیرت زده شدید.
00:24
But I betشرط there's something you didn't think about todayامروز --
4
9000
2000
- ولی مطمئنم که چیزی هست که امروز به آن فکر نکردید -
00:26
something so closeبستن to home
5
11000
2000
چیزی آنقدر آشنا و نزدیک
00:28
that you probablyشاید don't think about it very oftenغالبا at all.
6
13000
2000
که احتمالا، زیاد به آن فکر نمی‌کنید.
00:30
And that's that all the sensationsاحساسات, feelingsاحساسات,
7
15000
2000
و آن اینه که همۀ احساسات، عواطف،
00:32
decisionsتصمیمات and actionsاقدامات
8
17000
2000
تصمیمها و کارها
00:34
are mediatedواسطه by the computerکامپیوتر in your headسر
9
19000
2000
توسط کامپیوتری که در سر شما
00:36
calledبه نام the brainمغز.
10
21000
2000
بنام مغز وجود دارد انجام میشه.
00:38
Now the brainمغز mayممکن است not look like much from the outsideخارج از --
11
23000
2000
مغر ممکنه با نگاه از بیرون خیلی پیچیده نرسه
00:40
a coupleزن و شوهر poundsپوند of pinkish-grayصورتی خاکستری fleshگوشت,
12
25000
2000
حدود یک کیلو جسم صورتی-خاکستری،
00:42
amorphousآمورف --
13
27000
2000
-بی شکل-
00:44
but the last hundredصد yearsسالها of neuroscienceعلوم اعصاب
14
29000
2000
ولی پیشرفت علم اعصاب در صد سال اخیر
00:46
have allowedمجاز us to zoomبزرگنمایی in on the brainمغز,
15
31000
2000
به ما اجازه داده تا با دقت بیشتری،
00:48
and to see the intricacyپیچیدگی of what liesدروغ withinدر داخل.
16
33000
2000
با پیچیدگی درون مغز آشنا بشویم.
00:50
And they'veآنها دارند told us that this brainمغز
17
35000
2000
و به ما گفته شده که مغز
00:52
is an incrediblyطور باور نکردنی complicatedبغرنج circuitمدار
18
37000
2000
یک مدار بسیار پیچیده است
00:54
madeساخته شده out of hundredsصدها of billionsمیلیاردها دلار of cellsسلول ها calledبه نام neuronsنورون ها.
19
39000
4000
که از صدها میلیارد سلول بنام نورون تشکیل شده.
00:58
Now unlikeبر خلاف a human-designedانسان طراحی شده است computerکامپیوتر,
20
43000
3000
بر خلاف کامپیوتر ساخت دست بشر،
01:01
where there's a fairlyمنصفانه smallکوچک numberعدد of differentناهمسان partsقطعات --
21
46000
2000
- که از اجزای مختلف نسبتا کمی درست شده -
01:03
we know how they work, because we humansانسان designedطراحی شده them --
22
48000
3000
و ما می‌دانیم چطور کار می‌کنند، چون خود ما آن را طراحی کرده‌ایم،
01:06
the brainمغز is madeساخته شده out of thousandsهزاران نفر of differentناهمسان kindsانواع of cellsسلول ها,
23
51000
3000
مغز از هزاران نوع متفاوت از سلول تشکیل شده،
01:09
maybe tensده ها of thousandsهزاران نفر.
24
54000
2000
و شاید دهها هزار.
01:11
They come in differentناهمسان shapesشکل ها; they're madeساخته شده out of differentناهمسان moleculesمولکول ها.
25
56000
2000
اشکال مختلفی از آنها وجود دارند، از مولکولهای مختلفی درست شده‌اند؛
01:13
And they projectپروژه and connectاتصال to differentناهمسان brainمغز regionsمناطق,
26
58000
3000
آنها بیرون زده، منشعب می‌شوند و به ناحیه های مختلف مغز متصل می‌شوند.
01:16
and they alsoهمچنین changeتغییر دادن differentناهمسان waysراه ها in differentناهمسان diseaseمرض statesایالت ها.
27
61000
3000
و همچنین در بیماریهای گوناگون به اشکال مختلفی تغییر شکل می‌دهند.
01:19
Let's make it concreteبتن.
28
64000
2000
این طور تجسم کنیم.
01:21
There's a classکلاس of cellsسلول ها,
29
66000
2000
گونه‌ای از سلولها هستند،
01:23
a fairlyمنصفانه smallکوچک cellسلول, an inhibitoryمهار کننده cellسلول, that quietsآرامش its neighborsهمسایه ها.
30
68000
3000
سلولهای کوچک مهار کننده، که فعالیت سلولهای مجاور خود را مهار می‌کنند.
01:26
It's one of the cellsسلول ها that seemsبه نظر می رسد to be atrophiedآتروفی in disordersاختلالات like schizophreniaجنون جوانی.
31
71000
4000
به نظر می‌رسه این همان نوع از سلولهایی هستند که در بیماریهایی مانند اسکیزوفرنی تحلیل می‌روند.
01:30
It's calledبه نام the basketسبد cellسلول.
32
75000
2000
به آنها سلولهای سبدی گفته میشه.
01:32
And this cellسلول is one of the thousandsهزاران نفر of kindsانواع of cellسلول
33
77000
2000
و این سلول تنها یکی از هزاران نوع سلوله
01:34
that we are learningیادگیری about.
34
79000
2000
که ما داریم در مورد آنها یاد می‌گیریم.
01:36
Newجدید onesآنهایی که are beingبودن discoveredکشف شده everydayهر روز.
35
81000
2000
و هر روزه انواع جدیدی از آنها کشف می‌شوند.
01:38
As just a secondدومین exampleمثال:
36
83000
2000
فقط به عنوان یک مثال دیگه:
01:40
these pyramidalهرم cellsسلول ها, largeبزرگ cellsسلول ها,
37
85000
2000
این سلولهای بزرگ هرمی شکل
01:42
they can spanطول a significantقابل توجه fractionکسر of the brainمغز.
38
87000
2000
قسمت بزرگی از مغز را در بر می‌گیرند.
01:44
They're excitatoryهیجان انگیز.
39
89000
2000
این سلولها تحریک کننده هستند.
01:46
And these are some of the cellsسلول ها
40
91000
2000
و این سلولهایی هستند که
01:48
that mightممکن be overactiveبیش فعال in disordersاختلالات suchچنین as epilepsyصرع.
41
93000
3000
بیش فعالی آنها ممکنه باعث بیماریهایی از قبیل صرع شوند.
01:51
Everyهرکدام one of these cellsسلول ها
42
96000
2000
هر کدام از این سلولها
01:53
is an incredibleباور نکردنی electricalالکتریکی deviceدستگاه.
43
98000
3000
مثل یک دستگاه الکتریکی باورنکردنی هستند
01:56
They receiveدريافت كردن inputورودی from thousandsهزاران نفر of upstreamبالادست partnersهمکاران
44
101000
2000
آنها از هزاران سلول قبل از خود ورودی دریافت می‌کنند
01:58
and computeمحاسبه کنید theirخودشان ownخودت electricalالکتریکی outputsخروجی ها,
45
103000
3000
و خروجی الکتریکی خود را پردازش می‌کنند،
02:01
whichکه then, if they passعبور a certainمسلم - قطعی thresholdآستانه,
46
106000
2000
که به همین ترتیب، اگر داده‌های الکتریکی آن از آستانۀ خاصی بگذرند،
02:03
will go to thousandsهزاران نفر of downstreamپایین دست partnersهمکاران.
47
108000
2000
به هزاران سلول بعد از خود ارسال می‌کنند.
02:05
And this processروند, whichکه takes just a millisecondمیلی ثانیه or so,
48
110000
3000
و این عملیات که تنها حدود یک میلی ثانیه طول می‌کشه،
02:08
happensاتفاق می افتد thousandsهزاران نفر of timesبار a minuteدقیقه
49
113000
2000
هزاران مرتبه در هر دقیقه
02:10
in everyهرکدام one of your 100 billionبیلیون cellsسلول ها,
50
115000
2000
در همۀ 100 میلیارد سلول شما
02:12
as long as you liveزنده
51
117000
2000
تا وقتی زنده هستید
02:14
and think and feel.
52
119000
3000
و فکر و احساس می‌کنید، اتفاق می‌افتد.
02:17
So how are we going to figureشکل out what this circuitمدار does?
53
122000
3000
خوب حالا چطور بفهمیم که این مدار چطور کار می‌کنه؟
02:20
Ideallyایده آل, we could go throughاز طریق the circuitمدار
54
125000
2000
بطور مطلوب ما می‌تونیم به سراغ این مدار بریم
02:22
and turnدور زدن these differentناهمسان kindsانواع of cellسلول on and off
55
127000
3000
و انواع مختلف سلولها را خاموش و روشن کنیم
02:25
and see whetherچه we could figureشکل out
56
130000
2000
و ببینیم آیا می‌توان فهمید
02:27
whichکه onesآنهایی که contributeمشارکت to certainمسلم - قطعی functionsتوابع
57
132000
2000
هر کدام از آنها چکار می‌کنند
02:29
and whichکه onesآنهایی که go wrongاشتباه in certainمسلم - قطعی pathologiesآسیب شناسی.
58
134000
2000
و اینکه در هر بیماری کدام یک از آنها درست کار نمی‌کنند.
02:31
If we could activateفعال کردن cellsسلول ها, we could see what powersقدرت they can unleashرها کردن,
59
136000
3000
اگر ما می‌تونستیم سلولها را فعال کنیم، می‌تونستیم ببینیم هر کدام از آنها چه قدرتی دارند،
02:34
what they can initiateآغازکردن and sustainپایدار باش.
60
139000
2000
چه عملی را می‌تونند شروع کنند و ادامه بدهند.
02:36
If we could turnدور زدن them off,
61
141000
2000
اگر می‌تونستیم آنها را خاموش و غیرفعال کنیم،
02:38
then we could try and figureشکل out what they're necessaryلازم است for.
62
143000
2000
می‌تونستیم بفهمیم که آنها برای چه کاری مورد نیاز هستند.
02:40
And that's a storyداستان I'm going to tell you about todayامروز.
63
145000
3000
و این داستانیه که امروز می‌خواهم براتون تعریف کنم.
02:43
And honestlyصادقانه, where we'veما هستیم goneرفته throughاز طریق over the last 11 yearsسالها,
64
148000
3000
و اگر صادقانه بررسی کنیم، پیشرفتهایی که ما در 11 سال گذشته داشته‌ایم،
02:46
throughاز طریق an attemptتلاش کنید to find waysراه ها
65
151000
2000
برای این بوده که راهی پیدا کنیم
02:48
of turningچرخش circuitsمدارها and cellsسلول ها and partsقطعات and pathwaysمسیرها of the brainمغز
66
153000
2000
تا مدارها و سلولها و بخشها و مسیرهای مختلف مغز را
02:50
on and off,
67
155000
2000
خاموش و روشن کنیم،
02:52
bothهر دو to understandفهمیدن the scienceعلوم پایه
68
157000
2000
هم برای درک بهتر این علم،
02:54
and alsoهمچنین to confrontروبرو شدن با some of the issuesمسائل
69
159000
3000
و هم برای مقابله با برخی از مسائلی
02:57
that faceصورت us all as humansانسان.
70
162000
3000
که ما انسانها با آن مواجه هستیم.
03:00
Now before I tell you about the technologyتکنولوژی,
71
165000
3000
حالا قبل از اینکه در مورد این تکنولوژی صحبت کنم،
03:03
the badبد newsاخبار is that a significantقابل توجه fractionکسر of us in this roomاتاق,
72
168000
3000
خبر بد اینه که قسمت بزرگی از ما در این اتاق
03:06
if we liveزنده long enoughکافی,
73
171000
2000
اگر به اندازه کافی عمر کنیم،
03:08
will encounterرویارویی, perhapsشاید, a brainمغز disorderاختلال.
74
173000
2000
احتمالا دچار یک عارضۀ مغزی خواهیم شد.
03:10
Alreadyقبلا، پیش از این, a billionبیلیون people
75
175000
2000
همین حالا، یک میلیارد نفر
03:12
have had some kindنوع of brainمغز disorderاختلال
76
177000
2000
به نوعی بیماری مغزی دچار بوده اند
03:14
that incapacitatesناتوان کننده them,
77
179000
2000
که آنها را ناتوان ساخته.
03:16
and the numbersشماره don't do it justiceعدالت thoughگرچه.
78
181000
2000
و فقط حرف زدن از اعداد و رقم کافی نیست.
03:18
These disordersاختلالات -- schizophreniaجنون جوانی, Alzheimer'sآلزایمر,
79
183000
2000
این بیماریها مثل - اسکیزوفرنی، آلزایمر -
03:20
depressionافسردگی, addictionاعتیاد --
80
185000
2000
- افسردگی، اعتیاد -
03:22
they not only stealسرقت کن our time to liveزنده, they changeتغییر دادن who we are.
81
187000
3000
نه تنها زمان زندگی را از ما می‌ربایند، بلکه هویت ما را نیز تغییر می‌دهند؛
03:25
They take our identityهویت and changeتغییر دادن our emotionsاحساسات
82
190000
2000
- آنها هویت ما را تسخیر می‌کنند و احساسات ما را تغییر می‌دهند -
03:27
and changeتغییر دادن who we are as people.
83
192000
3000
و شخصی که هستیم را متحول می‌کنند.
03:30
Now in the 20thth centuryقرن,
84
195000
3000
اکنون در قرن بیستم،
03:33
there was some hopeامید that was generatedتولید شده است
85
198000
3000
امیدی از طریق تولید داروهایی
03:36
throughاز طریق the developmentتوسعه of pharmaceuticalsداروها for treatingدرمان brainمغز disordersاختلالات,
86
201000
3000
برای درمان بیماریهای مغزی بوجود آمد.
03:39
and while manyبسیاری drugsمواد مخدر have been developedتوسعه یافته
87
204000
3000
و با اینکه داروهای زیادی تولید شده‌اند
03:42
that can alleviateتسکین symptomsعلائم of brainمغز disordersاختلالات,
88
207000
2000
که می‌توانند علائم بیماریهای مغزی را آرامتر کنند،
03:44
practicallyعملا noneهیچ کدام of them can be consideredدر نظر گرفته شده to be curedدرمان شده.
89
209000
3000
عملا هیچ کدام از آنها را نمی‌توان درمان تصور کرد.
03:47
And partبخشی of that's because we're bathingحمام کردن the brainمغز in the chemicalشیمیایی.
90
212000
3000
و قسمتی از آن به این دلیله که ما با این کار همۀ مغز را در مادۀ شیمیایی شستشو می‌دهیم.
03:50
This elaborateبادقت شرح دادن circuitمدار
91
215000
2000
این مدار دقیق و پیچیده
03:52
madeساخته شده out of thousandsهزاران نفر of differentناهمسان kindsانواع of cellسلول
92
217000
2000
متشکل از هزاران نوع سلول
03:54
is beingبودن bathedحمام in a substanceمواد.
93
219000
2000
در یک مادۀ شیمیایی شستشو داده می‌شود.
03:56
That's alsoهمچنین why, perhapsشاید, mostاکثر of the drugsمواد مخدر, and not all, on the marketبازار
94
221000
2000
و همچنین احتمالا به این خاطره که بیشتر داروها، و نه همه آنهایی که در بازار هستند
03:58
can presentحاضر some kindنوع of seriousجدی sideسمت effectاثر too.
95
223000
3000
می‌تونند باعث انواع عوارض جانبی بشوند.
04:01
Now some people have gottenدریافت کردم some solaceآرامش
96
226000
3000
امروزه برخی از مردم با استفاده از
04:04
from electricalالکتریکی stimulatorsتحریک کننده ها that are implantedایمپلنت in the brainمغز.
97
229000
3000
محرکهای الکتریکی که در مغز کاشته می‌شوند تا حدی تسکین پیدا کرده اند.
04:07
And for Parkinson'sپارکینسون diseaseمرض,
98
232000
2000
و همچنین برای بیمارهای پارکینسونی،
04:09
Cochlearکوچهار implantsایمپلنت,
99
234000
2000
کاشت مجرای حلزونی گوش همین کار را کرده.
04:11
these have indeedدر واقع been ableتوانایی
100
236000
2000
اینها بالواقع توانسته اند
04:13
to bringآوردن some kindنوع of remedyدرمان
101
238000
2000
تا علاجی برای
04:15
to people with certainمسلم - قطعی kindsانواع of disorderاختلال.
102
240000
2000
مردم با انواع خاصی از بیماری باشند.
04:17
But electricityالکتریسیته alsoهمچنین will go in all directionsجهت ها --
103
242000
2000
ولی حتی الکتریسیته هم در همه جهات حرکت می‌کند
04:19
the pathمسیر of leastکمترین resistanceمقاومت,
104
244000
2000
در مسیری با مقاومت کمتر،
04:21
whichکه is where that phraseعبارت, in partبخشی, comesمی آید from.
105
246000
2000
که این عبارت هم از آن گرفته شده.
04:23
And it alsoهمچنین will affectتاثیر می گذارد normalطبیعی circuitsمدارها as well as the abnormalغیر طبیعی onesآنهایی که that you want to fixثابت.
106
248000
3000
و این همچنین هم روی مدارهای سالم تاثیر می‌گذاره و هم روی آنهایی که می‌خواهیم ترمیم شوند.
04:26
So again, we're sentارسال شد back to the ideaاندیشه
107
251000
2000
پس دوباره برمی‌گردیم به همان نظریه
04:28
of ultra-preciseفوق العاده دقیق controlکنترل.
108
253000
2000
کنترل فوق دقیق.
04:30
Could we dial-inشماره گیری در informationاطلاعات preciselyدقیقا where we want it to go?
109
255000
3000
آیا ما می‌توانیم اطلاعات را دقیقا به همانجا که می‌خواهیم بفرستیم؟
04:34
So when I startedآغاز شده in neuroscienceعلوم اعصاب 11 yearsسالها agoپیش,
110
259000
4000
وقتی 11 سال پیش در رشتۀ علم اعصاب شروع بکار کردم،
04:38
I had trainedآموزش دیده as an electricalالکتریکی engineerمهندس and a physicistفیزیکدان,
111
263000
3000
به عنوان یک مهندس برق و فیزیکدان تعلیم دیده بودم،
04:41
and the first thing I thought about was,
112
266000
2000
و اولین چیزی که به فکرش افتادم این بود،
04:43
if these neuronsنورون ها are electricalالکتریکی devicesدستگاه ها,
113
268000
2000
که اگر سلولهای عصبی مانند وسایل برقی کار می‌کنند،
04:45
all we need to do is to find some way
114
270000
2000
تنها کاری که باید بکنیم اینه که یک راهی پیدا کنیم
04:47
of drivingرانندگی those electricalالکتریکی changesتغییرات at a distanceفاصله.
115
272000
2000
که بتونیم آن تغییرات الکتریکی را از دور کنترل کنیم.
04:49
If we could turnدور زدن on the electricityالکتریسیته in one cellسلول,
116
274000
2000
اگر ما می‌تونستیم الکتریسیته را در یک سلول،
04:51
but not its neighborsهمسایه ها,
117
276000
2000
و نه در سلولهای مجاور آن فعال کنیم،
04:53
that would give us the toolابزار we need to activateفعال کردن and shutبسته شدن down these differentناهمسان cellsسلول ها,
118
278000
3000
این ابزار را به ما می‌داد تا بتونیم این سلولهای مختلف را فعال و یا غیر فعال کنیم،
04:56
figureشکل out what they do and how they contributeمشارکت
119
281000
2000
و بفهمیم هر کدام از آنها چکار می‌کنند و اینکه چه سهمی
04:58
to the networksشبکه های in whichکه they're embeddedجاسازی شده.
120
283000
2000
در شبکه مختص بخود دارند.
05:00
And alsoهمچنین it would allowاجازه دادن us to have the ultra-preciseفوق العاده دقیق controlکنترل we need
121
285000
2000
و همچنین به ما اجازه می‌ده تا آن کنترل فوق دقیق که برای
05:02
in orderسفارش to fixثابت the circuitمدار computationsمحاسبات
122
287000
3000
ترمیم محاسبات مداری نامتعادل مورد نیاز است را داشته باشیم.
05:05
that have goneرفته awryبیدرد.
123
290000
2000
ترمیم محاسبات مداری نامتعادل مورد نیاز است را داشته باشیم.
05:07
Now how are we going to do that?
124
292000
2000
خوب حالا چطور می‌خواهیم این کار را انجام بدهیم؟
05:09
Well there are manyبسیاری moleculesمولکول ها that existوجود دارد in natureطبیعت,
125
294000
2000
خوب، خیلی مولکولها در طبیعت وجود دارند،
05:11
whichکه are ableتوانایی to convertتبدیل lightسبک into electricityالکتریسیته.
126
296000
3000
که می‌تونند نور را به الکتریسیته تبدیل کنند.
05:14
You can think of them as little proteinsپروتئین ها
127
299000
2000
شما می‌تونید پروتئینهای کوچکی را در نظر بگیرید
05:16
that are like solarخورشیدی cellsسلول ها.
128
301000
2000
که مثل سلولهای خورشیدی کار می‌کنند.
05:18
If we can installنصب these moleculesمولکول ها in neuronsنورون ها somehowبه نحوی,
129
303000
3000
اگر ما به طریقی بتونیم این مولکولها را در نورونها نصب کنیم،
05:21
then these neuronsنورون ها would becomeتبدیل شدن به electricallyالکتریکی drivableقابل اجتناب است with lightسبک.
130
306000
3000
آنگاه این نورونها می‌تونند بوسیله نور، از خود الکتریسیته ساطع کنند.
05:24
And theirخودشان neighborsهمسایه ها, whichکه don't have the moleculeمولکول, would not.
131
309000
3000
ولی سلولهای مجاور آنها که فاقد این مولکول هستند، نه.
05:27
There's one other magicشعبده بازي trickترفند you need to make this all happenبه وقوع پیوستن,
132
312000
2000
البته یک فوت وفن دیگر هم مورد نیازه تا این کار عملی بشه،
05:29
and that's the abilityتوانایی to get lightسبک into the brainمغز.
133
314000
3000
و آن اینه که بتونیم نور را وارد مغز کنیم.
05:32
And to do that -- the brainمغز doesn't feel painدرد -- you can put --
134
317000
3000
و برای این کار - مغز درد را احساس نمی‌کند - پس ما می‌تونیم
05:35
takingگرفتن advantageمزیت of all the effortتلاش
135
320000
2000
با بهره گیری از همۀ تلاشهایی که
05:37
that's goneرفته into the Internetاینترنت and communicationsارتباطات and so on --
136
322000
2000
- در مقوله اینترنت و ارتباطات و غیره وجود داره -
05:39
opticalنوری fibersالیاف connectedمتصل to lasersلیزرها
137
324000
2000
فیبرهای نوری متصل به لیزر را در آن قرار بدهیم
05:41
that you can use to activateفعال کردن, in animalحیوانات modelsمدل ها for exampleمثال,
138
326000
2000
و از آنها، برای مثال در مدلهای حیوانی،
05:43
in pre-clinicalپیش از بالینی studiesمطالعات,
139
328000
2000
در تحقیقات پیش بالینی، برای فعال کردن
05:45
these neuronsنورون ها and to see what they do.
140
330000
2000
این نورونها استفاده کنیم و ببینیم هر یک از آنها چکار می‌کنند.
05:47
So how do we do this?
141
332000
2000
خوب حالا ما چطور این کار را انجام می‌دهیم؟
05:49
Around 2004,
142
334000
2000
حدود سال 2004،
05:51
in collaborationهمکاری with Gerhardگرهارد Nagelناگال and Karlکارل Deisserothدیزرت,
143
336000
2000
با همکاری [جرارد نیجل] و [کارل دیزراث]،
05:53
this visionچشم انداز cameآمد to fruitionثروتمند شدن.
144
338000
2000
این خیال بارور شد.
05:55
There's a certainمسلم - قطعی algaجلبک that swimsشنا می کند in the wildوحشی,
145
340000
3000
یک گونه خاص از جلبک وجود دارد که در طبیعت شنا می‌کند،
05:58
and it needsنیاز دارد to navigateحرکت کن towardsبه سمت lightسبک
146
343000
2000
و برای فتوسنتز بهینه باید
06:00
in orderسفارش to photosynthesizeفتوسنتز optimallyبهینه.
147
345000
2000
راهش را به سمت نور پیدا کنه.
06:02
And it sensesاحساسات lightسبک with a little eye-spotنقطه عطفی,
148
347000
2000
و این جلبک نور را بوسیله یک لکۀ چشمی کوچک حس می‌کنه،
06:04
whichکه worksآثار not unlikeبر خلاف how our eyeچشم worksآثار.
149
349000
3000
که تا حدودی مثل چشم ما عمل میکنه.
06:07
In its membraneغشاء, or its boundaryمرز,
150
352000
2000
در غشا یا پوسته آن،
06:09
it containsحاوی little proteinsپروتئین ها
151
354000
3000
یک پروتئین کوچک وجود داره
06:12
that indeedدر واقع can convertتبدیل lightسبک into electricityالکتریسیته.
152
357000
3000
که همان کار تبدیل نور به الکتریسیته را انجام می‌ده.
06:15
So these moleculesمولکول ها are calledبه نام channelrhodopsinsکانالرودپسین ها.
153
360000
3000
اسم این مولکولها [رودواسپین کانالی] است.
06:18
And eachهر یک of these proteinsپروتئین ها actsعمل می کند just like that solarخورشیدی cellسلول that I told you about.
154
363000
3000
و هر کدام از این پروتئینها درست مثل سلولهای خورشیدی که قبلا در موردش صحبت کردم عمل می‌کنند.
06:21
When blueآبی lightسبک hitsبازدید it, it opensباز می شود up a little holeسوراخ
155
366000
3000
هنگامی که نور آبی به آن می‌رسه، آن یک حفره کوچک را باز می‌کنه
06:24
and allowsاجازه می دهد chargedمتهم particlesذرات to enterوارد the eye-spotنقطه عطفی,
156
369000
2000
و به ذرات باردار اجازه می‌ده که به آن لکه چشمی وارد بشه.
06:26
and that allowsاجازه می دهد this eye-spotنقطه عطفی to have an electricalالکتریکی signalسیگنال
157
371000
2000
و این در نتیجه به لکه چشمی اجازه می‌ده تا یک سیگنال الکتریکی داشته باشه
06:28
just like a solarخورشیدی cellسلول chargingشارژ up a batteryباتری.
158
373000
3000
درست مثل یک سلول خورشیدی که یک باطری را شارژ می‌کنه.
06:31
So what we need to do is to take these moleculesمولکول ها
159
376000
2000
پس کاری که باید بکنیم اینه که این مولکولها را بگیریم
06:33
and somehowبه نحوی installنصب them in neuronsنورون ها.
160
378000
2000
و به طریقی آنها را در داخل نورونها نصب کنیم.
06:35
And because it's a proteinپروتئین,
161
380000
2000
و از آنجا که این یک پروتئین است،
06:37
it's encodedکدگذاری شده for in the DNADNA of this organismارگانیسم.
162
382000
3000
در نتیجه در DNA این جاندار کد شده.
06:40
So all we'veما هستیم got to do is take that DNADNA,
163
385000
2000
پس فقط همین می‌ماند که ما آن DNA را برداریم،
06:42
put it into a geneژن therapyدرمان vectorبردار, like a virusویروس,
164
387000
3000
آن را داخل یک حامل ژن درمانی، مانند یک ویروس قرار بدیم،
06:45
and put it into neuronsنورون ها.
165
390000
3000
و آن را به نورونها منتقل کنیم.
06:48
So it turnedتبدیل شد out that this was a very productiveسازنده time in geneژن therapyدرمان,
166
393000
3000
و این طور از کار در آمد که ما در زمان پرباری در زمینه ژن درمانی قرار داریم،
06:51
and lots of virusesویروس ها were comingآینده alongدر امتداد.
167
396000
2000
و هر روز ویروسهای بیشتری پیدا می‌شوند.
06:53
So this turnedتبدیل شد out to be very simpleساده to do.
168
398000
2000
و این انجام این کار خیلی راحت بود.
06:55
And earlyزود in the morningصبح one day in the summerتابستان of 2004,
169
400000
3000
و صبح یک روز تابستان در سال 2004 بود،
06:58
we gaveداد it a try, and it workedکار کرد on the first try.
170
403000
2000
که ما اینکار را امتحان کردیم و همان دفعۀ اول جواب داد.
07:00
You take this DNADNA and you put it into a neuronنورون.
171
405000
3000
شما این DNA را می‌گیرید و داخل یک نورون قرار می‌دهید.
07:03
The neuronنورون usesاستفاده می کند its naturalطبیعی است protein-makingتولید پروتئین machineryدستگاه
172
408000
3000
بعد نورون از ساز و کار پروتئین سازی طبیعی خودش استفاده می‌کنه
07:06
to fabricateساختن these little light-sensitiveحساس به نور proteinsپروتئین ها
173
411000
2000
و این پروتئینهای حساس به نور را می‌سازه
07:08
and installنصب them all over the cellسلول,
174
413000
2000
و در سر تا سر سلول نصب می‌کنه،
07:10
like puttingقرار دادن solarخورشیدی panelsپانل ها on a roofسقف,
175
415000
2000
مثل قرار دادن صفحه‌های خورشیدی روی یک سقف.
07:12
and the nextبعد thing you know,
176
417000
2000
و در این مرحله،
07:14
you have a neuronنورون whichکه can be activatedفعال شده with lightسبک.
177
419000
2000
ما یک نورون داریم که بوسیله نور فعال می‌شه.
07:16
So this is very powerfulقدرتمند.
178
421000
2000
پس این واقعا قدرتمنده.
07:18
One of the tricksترفندها you have to do
179
423000
2000
یک فوت وفن که برای اینکار مورد نیازه
07:20
is to figureشکل out how to deliverارائه these genesژن ها to the cellsسلول ها that you want
180
425000
2000
اینه که بتونیم بفهمیم چطور این ژنها را فقط به سلولهای مورد نظر منتقل کنیم
07:22
and not all the other neighborsهمسایه ها.
181
427000
2000
و نه به سلولهای مجاور آن.
07:24
And you can do that; you can tweakنیشگون گرفتن the virusesویروس ها
182
429000
2000
و این کار انجام شدنیه؛ ما می‌تونیم ویروسها را کمی تغییر بدهیم
07:26
so they hitاصابت just some cellsسلول ها and not othersدیگران.
183
431000
2000
تا فقط به همان سلولهای مورد نظر حمله کنه و نه بقیه آنها.
07:28
And there's other geneticژنتیک tricksترفندها you can playبازی
184
433000
2000
و همین طور حقه های ژنتیکی دیگری هستند
07:30
in orderسفارش to get light-activatedروشن فعال cellsسلول ها.
185
435000
3000
تا به سلولهای فعال شده توسط نور دست پیدا کنیم.
07:33
This fieldرشته has now come to be knownشناخته شده as optogeneticsoptogenetics.
186
438000
4000
این رشته را ما امروزه به عنوان آپتوژنتیک (ژنتیک نوری) می‌شناسیم.
07:37
And just as one exampleمثال of the kindنوع of thing you can do,
187
442000
2000
برای مثال فقط یکی از کارهایی که می‌تونید انجام بدهید،
07:39
you can take a complexپیچیده networkشبکه,
188
444000
2000
اینه که می‌تونید یک شبکه پیچیده را بگیرید،
07:41
use one of these virusesویروس ها to deliverارائه the geneژن
189
446000
2000
و از یکی از این ویروسها برای انتقال ژن
07:43
just to one kindنوع of cellسلول in this denseمتراکم networkشبکه.
190
448000
3000
تنها به یک نوع از سلولهای این شبکه متراکم استفاده کنید.
07:46
And then when you shineدرخشش lightسبک on the entireکل networkشبکه,
191
451000
2000
و سپس وقتی به تمام این شبکه نور می‌تابانید،
07:48
just that cellسلول typeتایپ کنید will be activatedفعال شده.
192
453000
2000
فقط همان گونه از سلولها فعال می‌شوند.
07:50
So for exampleمثال, letsاجازه می دهد sortمرتب سازی of considerدر نظر گرفتن that basketسبد cellسلول I told you about earlierقبلا --
193
455000
3000
برای مثال بگذارید آن سلولهای سبدی که قبلا در موردش صحبت کردیم را در نظر بگیریم
07:53
the one that's atrophiedآتروفی in schizophreniaجنون جوانی
194
458000
2000
همان که در بیماری اسکیزوفرنی تحلیل می‌رود
07:55
and the one that is inhibitoryمهار کننده.
195
460000
2000
و از نوع سلولهای مهار کننده است.
07:57
If we can deliverارائه that geneژن to these cellsسلول ها --
196
462000
2000
اگر ما بتونیم آن ژن را به این سلولها منتقل کنیم
07:59
and they're not going to be alteredتغییر کرد by the expressionاصطلاح of the geneژن, of courseدوره --
197
464000
3000
و البته آنها توسط عملکرد این ژن تغییر پیدا نمی‌کنند
08:02
and then flashفلاش blueآبی lightسبک over the entireکل brainمغز networkشبکه,
198
467000
3000
و بعد یک نور آبی روی تمام شبکۀ مغز بتابانیم،
08:05
just these cellsسلول ها are going to be drivenرانده.
199
470000
2000
فقط همین سلولها فعال خواهند شد.
08:07
And when the lightسبک turnsچرخش off, these cellsسلول ها go back to normalطبیعی,
200
472000
2000
و وقتی نور قطع می‌شود، این سلولها به حالت عادی بر می‌گردند،
08:09
so they don't seemبه نظر می رسد to be averseمخالف againstدر برابر that.
201
474000
3000
در نتیجه این برای سلولها ضرری ندارد.
08:12
Not only can you use this to studyمطالعه what these cellsسلول ها do,
202
477000
2000
نه تنها از این روش می‌توان برای تایین عملکرد این سلولها
08:14
what theirخودشان powerقدرت is in computingمحاسبه in the brainمغز,
203
479000
2000
و اینکه نقش هر کدام در محاسبه‌های ذهن چیست، استفاده کرد،
08:16
but you can alsoهمچنین use this to try to figureشکل out --
204
481000
2000
بلکه می‌توان از آن استفاده کرد تا بفهمیم
08:18
well maybe we could jazzجاز up the activityفعالیت of these cellsسلول ها,
205
483000
2000
که مثلا آیا میشه فعالیت این سلولها را در مواردی که
08:20
if indeedدر واقع they're atrophiedآتروفی.
206
485000
2000
آنها تحلیل رفته‌اند بالا برد.
08:22
Now I want to tell you a coupleزن و شوهر of shortکوتاه storiesداستان ها
207
487000
2000
حالا من می‌خواهم براتون دو تا داستان کوتاه
08:24
about how we're usingاستفاده كردن this,
208
489000
2000
در مورد چگونگی استفاده از این روش تعریف کنم،
08:26
bothهر دو at the scientificعلمی, clinicalبالینی and pre-clinicalپیش از بالینی levelsسطوح.
209
491000
3000
که هم مربوط میشه به مرحله علمی و هم بالینی و هم پیش بالینی.
08:29
One of the questionsسوالات we'veما هستیم confrontedمقابله با
210
494000
2000
یکی از سوالهایی که با آن مواجه هستیم این هست
08:31
is, what are the signalsسیگنال ها in the brainمغز that mediateمیانجی the sensationاحساسات of rewardجایزه?
211
496000
3000
که چه پیامها و سیگنالهایی در مغز وجود دارند که باعث احساس پاداش می‌شوند؟
08:34
Because if you could find those,
212
499000
2000
به خاطر اینکه اگر بتونیم آنها را پیدا کنیم،
08:36
those would be some of the signalsسیگنال ها that could driveراندن learningیادگیری.
213
501000
2000
آنها همان سیگنالهایی را تشکیل می‌دهند که باعث یادگیری می‌شوند.
08:38
The brainمغز will do more of whateverهر چه got that rewardجایزه.
214
503000
2000
مغز از هر کاری که پاداش بگیره، بیشتر آن را انجام می‌ده.
08:40
And alsoهمچنین these are signalsسیگنال ها that go awryبیدرد in disordersاختلالات suchچنین as addictionاعتیاد.
215
505000
3000
و این همان سیگنالهایی هستند که در مواردی مثل اعتیاد از جاده خارج می‌شوند.
08:43
So if we could figureشکل out what cellsسلول ها they are,
216
508000
2000
پس اگر ما می‌تونستیم بفهمیم آنها چه سلولهایی هستند،
08:45
we could maybe find newجدید targetsاهداف
217
510000
2000
شاید بتونیم هدفهای و گیرنده‌های جدیدی پیدا کنیم
08:47
for whichکه drugsمواد مخدر could be designedطراحی شده or screenedنمایش داده شده againstدر برابر,
218
512000
2000
و درنتیجه بتونیم برای آنها دارو طراحی کنیم،
08:49
or maybe placesمکان ها where electrodesالکترود could be put in
219
514000
2000
یا شاید جاهایی را پیدا کنیم که بتونیم برای
08:51
for people who have very severeشدید disabilityمعلولیت.
220
516000
3000
مردمی که ناتوانی شدید دارند الکترود نصب کنیم.
08:54
So to do that, we cameآمد up with a very simpleساده paradigmالگو
221
519000
2000
و برای این کار ما با همکاری گروه " فیورلا "
08:56
in collaborationهمکاری with the Fiorellaفیورلا groupگروه,
222
521000
2000
به فکر ساختن یک نمونه افتادیم.
08:58
where one sideسمت of this little boxجعبه,
223
523000
2000
وقتی حیوان به یک طرف این جعبه کوچک می‌رود
09:00
if the animalحیوانات goesمی رود there, the animalحیوانات getsمی شود a pulseنبض of lightسبک
224
525000
2000
یک پالس نوری دریافت می‌کند
09:02
in orderسفارش to make differentناهمسان cellsسلول ها in the brainمغز sensitiveحساس to lightسبک.
225
527000
2000
تا سلولهای مختلف در مغز به نور حساس شوند.
09:04
So if these cellsسلول ها can mediateمیانجی rewardجایزه,
226
529000
2000
بنابراین اگر این گروه از سلولها واسطه پاداش باشند،
09:06
the animalحیوانات should go there more and more.
227
531000
2000
در نتیجه آن حیوان می‌بایست هر دفعه با رغبت بیشتری به آنجا رود.
09:08
And so that's what happensاتفاق می افتد.
228
533000
2000
و همین اتفاق هم می‌افتد.
09:10
This animal'sحیوانات going to go to the right-handدست راست sideسمت and pokeبهم زدن his noseبینی there,
229
535000
2000
این حیوان از روی کنجکاوی به سمت راست آن میره،
09:12
and he getsمی شود a flashفلاش of blueآبی lightسبک everyهرکدام time he does that.
230
537000
2000
و هر بار که این کار را می‌کنه یک فلاش نور آبی دریافت می‌کنه.
09:14
And he'llجهنم do that hundredsصدها and hundredsصدها of timesبار.
231
539000
2000
و این کار را همین طور صدها و صدها بار انجام می‌ده.
09:16
These are the dopamineدوپامین neuronsنورون ها,
232
541000
2000
اینها نورونهای دپامین هستند،
09:18
whichکه some of you mayممکن است have heardشنیدم about, in some of the pleasureلذت centersمراکز in the brainمغز.
233
543000
2000
که احتمالا بعضی از شما درباره کار آن در برخی از مراکز لذت مغز شنیده‌اید.
09:20
Now we'veما هستیم shownنشان داده شده that a briefمختصر activationفعال سازی of these
234
545000
2000
اینجا ما نشان داده‌ایم که حتی یک فعالسازی مختصر این قسمتها
09:22
is enoughکافی, indeedدر واقع, to driveراندن learningیادگیری.
235
547000
2000
برای تحریک یادگیری کافیه.
09:24
Now we can generalizeتعمیم دادن the ideaاندیشه.
236
549000
2000
و اینجا ما می‌تونیم این نظریه را تعمیم بدهیم.
09:26
Insteadبجای of one pointنقطه in the brainمغز,
237
551000
2000
یعنی بجای یک نقطه در مغز،
09:28
we can deviseطراحی شده devicesدستگاه ها that spanطول the brainمغز,
238
553000
2000
ما می‌تونیم دستگاههایی درست کنیم که همه مغز را فرا بگیرند،
09:30
that can deliverارائه lightسبک into three-dimensionalسه بعدی patternsالگوها --
239
555000
2000
- و بتونند نور را در یک الگوی سه بعدی انتقال بدهند -
09:32
arraysآرایه ها of opticalنوری fibersالیاف,
240
557000
2000
آرایه‌هایی از فیبرهای نوری،
09:34
eachهر یک coupledهمراه با to its ownخودت independentمستقل miniatureمینیاتوری lightسبک sourceمنبع.
241
559000
2000
که هر کدام به یک منبع نور مستقل و مخصوص خود جفت شده اند.
09:36
And then we can try to do things in vivovivo
242
561000
2000
و در این مرحله ما می‌تونیم کارهایی را در درون بدن یک موجود زنده انجام بدهیم
09:38
that have only been doneانجام شده to-dateبه روز in a dishظرف --
243
563000
3000
- که تا به حال تنها در یک ظرف قادر به انجام آن بوده ایم -
09:41
like high-throughputتوان بالا screeningغربالگری throughoutدر سراسر the entireکل brainمغز
244
566000
2000
مانند پوشش و بررسی کامل مغز با بازده بالا
09:43
for the signalsسیگنال ها that can causeسبب می شود certainمسلم - قطعی things to happenبه وقوع پیوستن.
245
568000
2000
برای یافتن سیگنالهایی که باعث وقایع خاص می‌شوند.
09:45
Or that could be good clinicalبالینی targetsاهداف
246
570000
2000
و یا اینکه می‌تونند اهداف بالینی خوبی باشند
09:47
for treatingدرمان brainمغز disordersاختلالات.
247
572000
2000
برای درمان بیماریهای مغزی.
09:49
And one storyداستان I want to tell you about
248
574000
2000
و نمونه‌ای که من اینجا می‌خواهم براتون تعریف کنم
09:51
is how can we find targetsاهداف for treatingدرمان post-traumaticپس از ضربه زدن stressفشار disorderاختلال --
249
576000
3000
اینه که ما چطور می‌تونیم برای درمان بیماری PTSD
09:54
a formفرم of uncontrolledکنترل نشده anxietyاضطراب and fearترس.
250
579000
3000
که باعث اضطراب و ترس خارج از کنترل میشه، سلولهای هدف را پیدا کنیم.
09:57
And one of the things that we did
251
582000
2000
و یکی از کارهایی که ما انجام دادیم
09:59
was to adoptاتخاذ کردن a very classicalکلاسیک modelمدل of fearترس.
252
584000
3000
استفاده از یکی از مدلهای بسیار کلاسیک ترس بود.
10:02
This goesمی رود back to the Pavlovianپاولوویان daysروزها.
253
587000
3000
این موضوع به دوران پاولف بر می‌گرده.
10:05
It's calledبه نام Pavlovianپاولوویان fearترس conditioningتهویه --
254
590000
2000
- که به آن شرطی شدن پاولفی ترس می‌گن -
10:07
where a toneلحن endsبه پایان می رسد with a briefمختصر shockشوکه شدن.
255
592000
2000
که در آن به حیوان پس از شنیدن یک صوت خاص، شوک مختصری داده می‌شود.
10:09
The shockشوکه شدن isn't painfulدردناک, but it's a little annoyingمزاحم.
256
594000
2000
آن شوک دردناک نیست، ولی کمی آزار دهنده است.
10:11
And over time -- in this caseمورد, a mouseموش,
257
596000
2000
و به مرور زمان - در این مورد، یک موش -
10:13
whichکه is a good animalحیوانات modelمدل, commonlyمعمولا used in suchچنین experimentsآزمایشات --
258
598000
2000
- که یک مدل حیوانی مطلوب است و معمولا در این گونه آزمایشها از آن استفاده میشود -
10:15
the animalحیوانات learnsیاد میگیرد to fearترس the toneلحن.
259
600000
2000
حیوان یاد می‌گیره که از آن صدا بترسه.
10:17
The animalحیوانات will reactواکنش نشان می دهند by freezingانجماد,
260
602000
2000
حیوان با خشک شدن در جای خودش واکنش نشان می‌ده،
10:19
sortمرتب سازی of like a deerگوزن in the headlightsچراغهای جلو.
261
604000
2000
مثل یک گوزن که در جاده چراغهای جلوی یک ماشین را می‌بینه.
10:21
Now the questionسوال is, what targetsاهداف in the brainمغز can we find
262
606000
3000
حالا اینجا این سوال مطرحه که ما چه نقاطی را در مغز به عنوان هدف پیدا کنیم
10:24
that allowاجازه دادن us to overcomeغلبه بر this fearترس?
263
609000
2000
که بتونیم با کمک آن با این ترس مقابله کنیم؟
10:26
So what we do is we playبازی that toneلحن again
264
611000
2000
پس کاری ما اینجا انجام می‌دهیم اینه که آن صدا را دوباره
10:28
after it's been associatedهمراه with fearترس.
265
613000
2000
بعد از اینکه با ترس وابسته شده و پیوند خورده اجرا می‌کنیم.
10:30
But we activateفعال کردن targetsاهداف in the brainمغز, differentناهمسان onesآنهایی که,
266
615000
2000
ولی این بار ما هدفهای مختلف دیگری را در مغز فعال می‌کنیم،
10:32
usingاستفاده كردن that opticalنوری fiberفیبر arrayآرایه I told you about in the previousقبلی slideاسلاید,
267
617000
3000
با استفاده از آن آرایه‌های فیبر نوری که در اسلاید قبل در موردش صحبت کردیم،
10:35
in orderسفارش to try and figureشکل out whichکه targetsاهداف
268
620000
2000
تا بتونیم بفهمیم کدام یک از این اهداف
10:37
can causeسبب می شود the brainمغز to overcomeغلبه بر that memoryحافظه of fearترس.
269
622000
3000
می‌تونند به مغز برای مقابله با آن ترس کمک کنند.
10:40
And so this briefمختصر videoویدئو
270
625000
2000
و این ویدئوی کوتاه
10:42
showsنشان می دهد you one of these targetsاهداف that we're workingکار کردن on now.
271
627000
2000
یکی از این هدفها را که ما داریم روی آن کار می‌کنیم را نشون می‌ده.
10:44
This is an areaمنطقه in the prefrontalمقدمه cortexقشر,
272
629000
2000
این یک ناحیه از قشر پیش پیشانی مغزه
10:46
a regionمنطقه where we can use cognitionشناختن to try to overcomeغلبه بر aversiveخجالت آور emotionalعاطفی statesایالت ها.
273
631000
3000
ناحیه ای که با استفاده از تفکر می‌تونیم با موقعیتهای احساسی آزارنده مقابله کنیم.
10:49
And the animal'sحیوانات going to hearشنیدن a toneلحن -- and a flashفلاش of lightسبک occurredرخ داده است there.
274
634000
2000
و حیوان یک صدا خواهد شنید - و یک فلاش نور هم اینجا اتفاق افتاد. -
10:51
There's no audioسمعی on this, but you can see the animal'sحیوانات freezingانجماد.
275
636000
2000
این تصاویر بدون صدا هستند، ولی شما می‌تونید ببینید که حیوان در جای خودش خشک می‌شه.
10:53
This toneلحن used to mean badبد newsاخبار.
276
638000
2000
این صدا همیشه خبر بدی همراه خود داشته.
10:55
And there's a little clockساعت in the lowerپایین تر left-handدست چپ cornerگوشه,
277
640000
2000
و با این ساعت کوچک که در پایین سمت چپ قرار داره،
10:57
so you can see the animalحیوانات is about two minutesدقایق into this.
278
642000
3000
شما می‌بینید که حیوان دو دقیقه‌ای هست که در این آزمایش قرار داره.
11:00
And now this nextبعد clipکلیپ
279
645000
2000
و این کلیپ بعدی
11:02
is just eightهشت minutesدقایق laterبعد.
280
647000
2000
فقط هشت دقیقه بعد از آن را نشان می‌ده.
11:04
And the sameیکسان toneلحن is going to playبازی, and the lightسبک is going to flashفلاش again.
281
649000
3000
و همان صدا اجرا خواهد شد، و نور هم دوباره فلاش می‌زنه.
11:07
Okay, there it goesمی رود. Right now.
282
652000
3000
خیلی خوب، اینجا.
11:10
And now you can see, just 10 minutesدقایق into the experimentآزمایشی,
283
655000
3000
و اینجا شما می‌بینید که تنها با گذشت 10 دقیقه از شروع آزمایش،
11:13
that we'veما هستیم equippedمجهز بودن the brainمغز by photoactivatingعکسبرداری this areaمنطقه
284
658000
3000
ما مغز را توسط فعالسازی نوری این ناحیه، مجهز کرده‌ایم
11:16
to overcomeغلبه بر the expressionاصطلاح
285
661000
2000
تا با القای این حافظه ترس مقابله کند.
11:18
of this fearترس memoryحافظه.
286
663000
2000
تا با القای این حافظه ترس مقابله کند.
11:20
Now over the last coupleزن و شوهر of yearsسالها, we'veما هستیم goneرفته back to the treeدرخت of life
287
665000
3000
اکنون در دو سال اخیر، ما به درخت زندگی باز گشته‌ایم،
11:23
because we wanted to find waysراه ها to turnدور زدن circuitsمدارها in the brainمغز off.
288
668000
3000
چون ما می‌خواستیم راههایی برای خاموش کردن مدارهای مغزی پیدا کنیم.
11:26
If we could do that, this could be extremelyفوق العاده powerfulقدرتمند.
289
671000
3000
توانایی انجام این کار به ما قدرت بسیار زیادی می‌دهد.
11:29
If you can deleteحذف cellsسلول ها just for a fewتعداد کمی millisecondsمیلی ثانیه or secondsثانیه,
290
674000
3000
اگر ما بتونیم سلولها را تنها برای چند ثانیه و یا حتی میلی ثانیه غیرفعال کنیم،
11:32
you can figureشکل out what necessaryلازم است roleنقش they playبازی
291
677000
2000
می‌تونیم بفهمیم هر کدام از آنها در مدار خود
11:34
in the circuitsمدارها in whichکه they're embeddedجاسازی شده.
292
679000
2000
چه نقشی را بازی می‌کنند.
11:36
And we'veما هستیم now surveyedمورد بررسی قرار گرفت organismsارگانیسم ها from all over the treeدرخت of life --
293
681000
2000
- و اکنون ما موجوداتی را از سراسر مسیر تکاملی مورد بررسی قرار داده‌ایم -
11:38
everyهرکدام kingdomپادشاهی of life exceptبجز for animalsحیوانات, we see slightlyکمی differentlyمتفاوت است.
294
683000
3000
در هر گونه به غیر از حیوانات، ما کمی تفاوت می‌بینیم.
11:41
And we foundپیدا شد all sortsانواع of moleculesمولکول ها, they're calledبه نام halorhodopsinsهالورودپسین ها or archaerhodopsinsarchaerhodopsins,
295
686000
3000
و ما انواعی از مولکولها بنام هالورودوپسینها و آرکیرودوپسینها را پیدا کرده‌ایم،
11:44
that respondپاسخ دادن to greenسبز and yellowرنگ زرد lightسبک.
296
689000
2000
که به نور سبز و زرد واکنش می‌دهند.
11:46
And they do the oppositeمخالف thing of the moleculeمولکول I told you about before
297
691000
2000
و در واقع برعکس آن چیزی را انجام می‌دهند که آن مولکول قبلی انجام می‌داد
11:48
with the blueآبی lightسبک activatorفعال کننده channelrhodopsinکانالرودپسین.
298
693000
3000
و توسط نور آبی فعال می‌شد.
11:52
Let's give an exampleمثال of where we think this is going to go.
299
697000
3000
بگذارید یک مثال بزنم تا بفهمیم این نظریه چه اهدافی داره.
11:55
Considerدر نظر گرفتن, for exampleمثال, a conditionوضعیت like epilepsyصرع,
300
700000
3000
برای مثال یک بیماری مانند صرع را در نظر بگیرید،
11:58
where the brainمغز is overactiveبیش فعال.
301
703000
2000
که در آن مغز فعالیت بیش از حد داره.
12:00
Now if drugsمواد مخدر failشکست in epilepticصرع treatmentرفتار,
302
705000
2000
اگر در درمان این بیماری با دارو موفق نباشیم،
12:02
one of the strategiesاستراتژی ها is to removeبرداشتن partبخشی of the brainمغز.
303
707000
2000
یکی از روشهای درمان اینه که قسمتی از مغز را برداریم.
12:04
But that's obviouslyبدیهی است irreversibleبرگشت ناپذیر, and there could be sideسمت effectsاثرات.
304
709000
2000
و خوب معلومه که این برگشت پذیر نیست و با عوارض جانبی همراهه.
12:06
What if we could just turnدور زدن off that brainمغز for a briefمختصر amountمیزان of time,
305
711000
3000
حالا اگر بتونیم آن مغز را برای زمان کوتاهی خاموش کنیم،
12:09
untilتا زمان the seizureتصرف diesمیمیرد away,
306
714000
3000
تا وقتی که تشنج از بین بره،
12:12
and causeسبب می شود the brainمغز to be restoredبازسازی شد to its initialاولیه stateحالت --
307
717000
3000
- و باعث بشه تا مغز به حالت عادی خودش برگرده -
12:15
sortمرتب سازی of like a dynamicalدینامیک systemسیستم that's beingبودن coaxedcohesive down into a stableپایدار stateحالت.
308
720000
3000
مثل یک سیستم دینامیک که به حالت پایدار خودش برگردانیم.
12:18
So this animationانیمیشن just triesتلاش می کند to explainتوضیح this conceptمفهوم
309
723000
3000
این انیمیشن سعی دارد این موضوع را توضیح بده
12:21
where we madeساخته شده these cellsسلول ها sensitiveحساس to beingبودن turnedتبدیل شد off with lightسبک,
310
726000
2000
که در آن ما این سلولها را حساس کردیم تا توسط نور خاموش بشوند،
12:23
and we beamپرتو lightسبک in,
311
728000
2000
و ما به آن نور می‌تابانیم،
12:25
and just for the time it takes to shutبسته شدن down a seizureتصرف,
312
730000
2000
تنها تا زمانی که تشنج متوقف بشه،
12:27
we're hopingامید to be ableتوانایی to turnدور زدن it off.
313
732000
2000
ما امیدواریم که بتونیم آن را خاموش کنیم.
12:29
And so we don't have dataداده ها to showنشان بده you on this frontجلوی,
314
734000
2000
و ما داده‌ای در اینجا نداریم که به شما نشان بدهیم،
12:31
but we're very excitedبرانگیخته about this.
315
736000
2000
ولی ما در این مورد بسیار هیجان زده هستیم.
12:33
Now I want to closeبستن on one storyداستان,
316
738000
2000
حالا می‌خواهم با این موضوع پایان بدهم،
12:35
whichکه we think is anotherیکی دیگر possibilityامکان پذیری --
317
740000
2000
- که ما فکر می‌کنیم یک احتمال دیگر وجود داره -
12:37
whichکه is that maybe these moleculesمولکول ها, if you can do ultra-preciseفوق العاده دقیق controlکنترل,
318
742000
2000
که شاید از این مولکولها، در صورتیکه بتونیم کنترل فوق دقیق اعمال کنیم،
12:39
can be used in the brainمغز itselfخودش
319
744000
2000
در خود مغز استفاده کنیم
12:41
to make a newجدید kindنوع of prostheticپروتز, an opticalنوری prostheticپروتز.
320
746000
3000
تا نوع جدیدی از اندامهای مصنوعی وابسته به نور درست کنیم.
12:44
I alreadyقبلا told you that electricalالکتریکی stimulatorsتحریک کننده ها are not uncommonغیر معمول.
321
749000
3000
ما قبلا گفتیم که محرکهای الکتریکی غیر معمول نیستند.
12:47
Seventy-fiveهفتاد و پنج thousandهزار people have Parkinson'sپارکینسون deep-brainعمیق مغز stimulatorsتحریک کننده ها implantedایمپلنت.
322
752000
3000
75000 نفر دارای ایمپلنت محرکهای عمیق مغزی برای درمان پارکینسون هستند.
12:50
Maybe 100,000 people have Cochlearکوچهار implantsایمپلنت,
323
755000
2000
شاید حدود 100000 نفر ایمپلنت محرکهای درون گوش دارند،
12:52
whichکه allowاجازه دادن them to hearشنیدن.
324
757000
2000
که به آنها برای شنوایی کمک می‌کنند.
12:54
There's anotherیکی دیگر thing, whichکه is you've got to get these genesژن ها into cellsسلول ها.
325
759000
3000
یک مسئله دیگه هم وجود داره که ما باید بتونیم این ژنها را به نحوی به سلولها وارد کنیم.
12:57
And newجدید hopeامید in geneژن therapyدرمان has been developedتوسعه یافته
326
762000
3000
و امیدهای تازه ای در ژن درمانی در جریان است
13:00
because virusesویروس ها like the adeno-associatedadeno مرتبط virusویروس,
327
765000
2000
چون ویروسهایی مانند ادنو-ویروسها،
13:02
whichکه probablyشاید mostاکثر of us around this roomاتاق have,
328
767000
2000
که احتمالا همه ما در این سالن در بدن خود داریم،
13:04
and it doesn't have any symptomsعلائم,
329
769000
2000
و هیچگونه علائم بیماری از خود ندارند،
13:06
whichکه have been used in hundredsصدها of patientsبیماران
330
771000
2000
و در صدها بیمار از آنها
13:08
to deliverارائه genesژن ها into the brainمغز or the bodyبدن.
331
773000
2000
برای انتقال ژنها به مغز و یا بدن آنها استفاده شده.
13:10
And so farدور, there have not been seriousجدی adverseمنفی است eventsمناسبت ها
332
775000
2000
و تا کنون هیچ گونه عوارض جانبی از
13:12
associatedهمراه with the virusویروس.
333
777000
2000
این ویروسها مشاهده نشده است.
13:14
There's one last elephantفیل in the roomاتاق, the proteinsپروتئین ها themselvesخودشان,
334
779000
3000
تنها یک مشکل دیگر باقی میمونه، و آن خود پروتئینها هستند،
13:17
whichکه come from algaeجلبک and bacteriaباکتری ها and fungiقارچ,
335
782000
2000
که از جلبکها و باکتریها و قارچها،
13:19
and all over the treeدرخت of life.
336
784000
2000
و تمام گونه های حیات گرفته می‌شوند.
13:21
Mostاکثر of us don't have fungiقارچ or algaeجلبک in our brainsمغز,
337
786000
2000
بیشتر ما در مغز خود هیچ قارچ و یا جلبکی نداریم،
13:23
so what is our brainمغز going to do if we put that in?
338
788000
2000
پس مغز ما پس از ورود آنها چه واکنشی از خود نشان می‌دهد؟
13:25
Are the cellsسلول ها going to tolerateتحمل كردن it? Will the immuneایمنی systemسیستم reactواکنش نشان می دهند?
339
790000
2000
آیا سلولها قادر به تحمل آن هستند؟ آیا سیستم ایمنی واکنش نشان خواهد داد؟
13:27
In its earlyزود daysروزها -- these have not been doneانجام شده on humansانسان yetهنوز --
340
792000
2000
این تحقیق در مراحل مقدماتی قرار دارد و هنوز روی انسانها آزمایش نشده،
13:29
but we're workingکار کردن on a varietyتنوع of studiesمطالعات
341
794000
2000
ولی ما داریم روی تحقیقات متعددی کار می‌کنیم
13:31
to try and examineمعاینه کردن this,
342
796000
2000
تا بتونیم این مطلب را بررسی کنیم.
13:33
and so farدور we haven'tنه seenمشاهده گردید overtآشکار reactionsواکنش ها of any severityشدت
343
798000
3000
و تا کنون شاهد هیچ گونه واکنش آشکاری
13:36
to these moleculesمولکول ها
344
801000
2000
علیه این مولکولها
13:38
or to the illuminationروشنایی of the brainمغز with lightسبک.
345
803000
3000
یا علیه تابش نور به مغز نبوده‌ایم
13:41
So it's earlyزود daysروزها, to be upfrontپیشاپیش, but we're excitedبرانگیخته about it.
346
806000
3000
در مراحل نخستین این طرح هستیم و صادقادنه بگیم که از آن هیجان زده‌ایم.
13:44
I wanted to closeبستن with one storyداستان,
347
809000
2000
من می‌خواستم بحث را با این موضوع به پایان ببرم،
13:46
whichکه we think could potentiallyبالقوه
348
811000
2000
که می‌تونه بطور بالقوه
13:48
be a clinicalبالینی applicationکاربرد.
349
813000
2000
یک کاربرد بالینی داشته باشه.
13:50
Now there are manyبسیاری formsتشکیل می دهد of blindnessکوری
350
815000
2000
امروزه انواع مختلفی از نابینایی وجود دارد
13:52
where the photoreceptorsفتوگرامترها,
351
817000
2000
که در آنها گیرنده‌های نور،
13:54
our lightسبک sensorsسنسورها that are in the back of our eyeچشم, are goneرفته.
352
819000
3000
که در پشت چشم قرار دارند از بین رفته.
13:57
And the retinaشبکیه چشم, of courseدوره, is a complexپیچیده structureساختار.
353
822000
2000
و می‌دونیم که شبکیه عضو بسیار پیچیده ایست.
13:59
Now let's zoomبزرگنمایی in on it here, so we can see it in more detailجزئیات.
354
824000
2000
حالا بگذاریم بریم نزدیک تر تا آنرا با جزئیات بیشتری ببینیم.
14:01
The photoreceptorفتوگرامتر cellsسلول ها are shownنشان داده شده here at the topبالا,
355
826000
3000
سلولهای گیرنده نور در این بالا نشان داده شده‌اند،
14:04
and then the signalsسیگنال ها that are detectedشناسایی شده by the photoreceptorsفتوگرامترها
356
829000
2000
و سپس سیگنالهایی که توسط گیرنده‌های نوری دریافت می‌شوند
14:06
are transformedتبدیل شده است by variousمختلف computationsمحاسبات
357
831000
2000
توسط محاسبات گوناگون تبدیل می‌شوند،
14:08
untilتا زمان finallyسرانجام that layerلایه of cellsسلول ها at the bottomپایین, the ganglionگانگلیون cellsسلول ها,
358
833000
3000
تا نهایتا آن لایه سلول که در زیر قرار گرفته، بنام گره‌های عصبی،
14:11
relayرله the informationاطلاعات to the brainمغز,
359
836000
2000
این اطلاعات را به مغز مخابره میی‌کنند،
14:13
where we see that as perceptionادراک.
360
838000
2000
و ما آن را بصورت یک حس دریافت می‌کنیم.
14:15
In manyبسیاری formsتشکیل می دهد of blindnessکوری, like retinitisرتینیت pigmentosapigmentosa,
361
840000
3000
در انواع مختلفی از نابینایی، مانند آماس شبکیه‌ای رنگدانه‌ای،
14:18
or macularماكولا degenerationانحطاط,
362
843000
2000
و یا انحطاط لکه چشمی
14:20
the photoreceptorفتوگرامتر cellsسلول ها have atrophiedآتروفی or been destroyedنابود.
363
845000
3000
سلولهای گیرنده نور تحلیل رفته و نابود شده‌اند.
14:23
Now how could you repairتعمیر this?
364
848000
2000
حالا چطور می‌توان آن را درمان کرد؟
14:25
It's not even clearروشن است that a drugدارو could causeسبب می شود this to be restoredبازسازی شد,
365
850000
3000
در این مورد حتی مشخص نیست که یک دارو بتونه باعث برگشت این سلولها بشه،
14:28
because there's nothing for the drugدارو to bindبستن to.
366
853000
2000
چون چیزی برای پیوند با دارو وجود نداره.
14:30
On the other handدست, lightسبک can still get into the eyeچشم.
367
855000
2000
از سوی دیگر نور هنوز می‌تونه وارد چشم بشه.
14:32
The eyeچشم is still transparentشفاف and you can get lightسبک in.
368
857000
3000
مسیر نور هنوز شفافه و نور می‌تونه وارد چشم بشه.
14:35
So what if we could just take these channelrhodopsinsکانالرودپسین ها and other moleculesمولکول ها
369
860000
3000
حالا اگر ما بتونیم این [رودواسپین کانالی] ها و مولکولهای دیگر را بگیریم
14:38
and installنصب them on some of these other spareیدکی cellsسلول ها
370
863000
2000
و آنها را روی برخی از این سلولهای بجا مانده قرار بدهیم
14:40
and convertتبدیل them into little camerasدوربین ها.
371
865000
2000
آنها را به نوعی دوربینهای کوچک تبدیل کنیم.
14:42
And because there's so manyبسیاری of these cellsسلول ها in the eyeچشم,
372
867000
2000
و چون سلولهای زیادی از این نوع در چشم وجود دارند،
14:44
potentiallyبالقوه, they could be very high-resolutionکیفیت بالا camerasدوربین ها.
373
869000
3000
دوربینهای با کیفیت بالایی بدست خواهیم آورد.
14:47
So this is some work that we're doing.
374
872000
2000
خوب این قسمتی از کاریه که ما داریم انجام می‌دهیم.
14:49
It's beingبودن led by one of our collaboratorsمشارکت کنندگان,
375
874000
2000
این تحقیقات توسط یکی از همکاران ما،
14:51
Alanآلن HorsagerHorsager at USCUSC,
376
876000
2000
Alan Horsager در دانشگاه کالیفرنیای جنوبی هدایت می‌شه،
14:53
and beingبودن soughtبه دنبال to be commercializedتجاری شده است by a start-upشروع companyشرکت Eosائوس Neuroscienceعلوم اعصاب,
377
878000
3000
و دنبال این هستیم که به آن توسط تاسیس شرکت علوم اعصاب بنام Eos جنبه تجاری بدهیم،
14:56
whichکه is fundedبودجه by the NIHNIH.
378
881000
2000
که هزینه آن توسط انستیتوی ملی سلامتی تامین می‌شه.
14:58
And what you see here is a mouseموش tryingتلاش کن to solveحل a mazeمارپیچ.
379
883000
2000
و اینجا شما یک موش را در حین حل کردن یک هزارتو می‌بینید.
15:00
It's a six-armشش بازو mazeمارپیچ. And there's a bitبیت of waterاب in the mazeمارپیچ
380
885000
2000
این یک هزارتو شش جهتیه. و مقداری هم آب در آن وجود داره
15:02
to motivateایجاد انگیزه the mouseموش to moveحرکت, or he'llجهنم just sitنشستن there.
381
887000
2000
تا موش را تحریک کنه که به جلو بره، وگرنه همانجا می‌مونه.
15:04
And the goalهدف, of courseدوره, of this mazeمارپیچ
382
889000
2000
و هدف این هزارتو البته اینه که
15:06
is to get out of the waterاب and go to a little platformسکو
383
891000
2000
موش از آب بیرون بیاد و به سطح کوچکی برسه
15:08
that's underزیر the litروشن است topبالا portبندر.
384
893000
2000
که در زیر این دریچه نور دهی شده بالایی است.
15:10
Now miceموش are smartهوشمندانه, so this mouseموش solvesحل می کند the mazeمارپیچ eventuallyدر نهایت,
385
895000
3000
موشها باهوشند، و این موش نهایتا هزارتو را حل می‌کنه،
15:13
but he does a brute-forceنیروی بی رحم searchجستجو کردن.
386
898000
2000
ولی این کار را در زیر فشار انجام می‌ده.
15:15
He's swimmingشنا كردن down everyهرکدام avenueخیابان untilتا زمان he finallyسرانجام getsمی شود to the platformسکو.
387
900000
3000
او در هر راهرو به سمت پایین شنا می‌کنه تا نهایتا به سطح برسه.
15:18
So he's not usingاستفاده كردن visionچشم انداز to do it.
388
903000
2000
پس او از حس بینایی خودش استفاده نمی‌کنه.
15:20
These differentناهمسان miceموش are differentناهمسان mutationsجهش
389
905000
2000
این موشها جهشهای ژنتیکی متفاوتی دارند
15:22
that recapitulateجمع کردن differentناهمسان kindsانواع of blindnessکوری that affectتاثیر می گذارد humansانسان.
390
907000
3000
که نماینده انواع مختلف نابینایی در انسانها هستند.
15:25
And so we're beingبودن carefulمراقب باشید in tryingتلاش کن to look at these differentناهمسان modelsمدل ها
391
910000
3000
پس اینجا ما سعی می‌کنیم تا با دقت مدلهای مختلف را مورد بررسی قرار بدهیم،
15:28
so we come up with a generalizedعمومی است approachرویکرد.
392
913000
2000
تا به یک روش عمومی دست پیدا کنیم.
15:30
So how are we going to solveحل this?
393
915000
2000
پس ما چطور برای این مسئله جواب پیدا کنیم؟
15:32
We're going to do exactlyدقیقا what we outlinedمشخص شده in the previousقبلی slideاسلاید.
394
917000
2000
ما دقیقا همان کاری را که در اسلاید قبل توضیح دادیم انجام خواهیم داد.
15:34
We're going to take these blueآبی lightسبک photosensorsحسگرها
395
919000
2000
ما این گیرنده های نوری آبی را می‌گیریم
15:36
and installنصب them on a layerلایه of cellsسلول ها
396
921000
2000
و آنها را روی یک لایه سلولی
15:38
in the middleوسط of the retinaشبکیه چشم in the back of the eyeچشم
397
923000
3000
در وسط شبکیه در پشت چشم کار می‌گذاریم
15:41
and convertتبدیل them into a cameraدوربین --
398
926000
2000
و آنها را به یک دوربین تبدیل می‌کنیم.
15:43
just like installingنصب کردن solarخورشیدی cellsسلول ها all over those neuronsنورون ها
399
928000
2000
درست مثل نصب کردن سلولهای خورشیدی در تمامی این نورونها
15:45
to make them lightسبک sensitiveحساس.
400
930000
2000
و تبدیل آنها به سلولهای حساس به نور.
15:47
Lightسبک is convertedتبدیل شده است to electricityالکتریسیته on them.
401
932000
2000
نور تابیده شده بر آنها به الکتریسیته تبدیل می‌شه.
15:49
So this mouseموش was blindنابینا a coupleزن و شوهر weeksهفته ها before this experimentآزمایشی
402
934000
3000
این موش دو هفته قبل از آزمایش کور بود
15:52
and receivedاخذ شده one doseدوز of this photosensitiveحساسیت به نور moleculeمولکول in a virusویروس.
403
937000
3000
و یک دز از این مولکول حساس به نور را در یک ویروس دریافت کرد.
15:55
And now you can see, the animalحیوانات can indeedدر واقع avoidاجتناب کردن wallsدیوارها
404
940000
2000
و اینجا می‌تونید ببینید که این حیوان به دیوارها برخورد نمی‌کنه
15:57
and go to this little platformسکو
405
942000
2000
و به این سطح کوچک می‌رسه
15:59
and make cognitiveشناختی use of its eyesچشم ها again.
406
944000
3000
و در واقع از چشماش استفاده هوشمند می‌کنه.
16:02
And to pointنقطه out the powerقدرت of this:
407
947000
2000
و برای اینکه قدرت این کار را درک کنید بگویم که
16:04
these animalsحیوانات are ableتوانایی to get to that platformسکو
408
949000
2000
این حیوانها به همان سرعت حیواناتی به سطح می‌رسند
16:06
just as fastسریع as animalsحیوانات that have seenمشاهده گردید theirخودشان entireکل livesزندگی می کند.
409
951000
2000
که تمامی عمرشان بینا بوده‌اند.
16:08
So this pre-clinicalپیش از بالینی studyمطالعه, I think,
410
953000
2000
به نظر من این تحقیق پیش بالینی
16:10
bodesبس hopeامید for the kindsانواع of things
411
955000
2000
ما را برای انجام کارهایی که
16:12
we're hopingامید to do in the futureآینده.
412
957000
2000
می‌خواهیم در آینده انجام دهیم امیدوار می‌کند.
16:14
To closeبستن, I want to pointنقطه out that we're alsoهمچنین exploringکاوش
413
959000
3000
در خاتمه می‌خواهم بگم که ما دنبال مدلهای
16:17
newجدید businessکسب و کار modelsمدل ها for this newجدید fieldرشته of neurotechnologyفناوری نانو.
414
962000
2000
تجاری جدید در این رشته جدید از نوروتکنولوژی هستیم.
16:19
We're developingدر حال توسعه these toolsابزار,
415
964000
2000
ما این ابزارها را درست می‌کنیم،
16:21
but we shareاشتراک گذاری them freelyآزادانه with hundredsصدها of groupsگروه ها all over the worldجهان,
416
966000
2000
ولی آنها را مجانی در اختیار صدها گروه در سرتاسر جهان می‌گذاریم،
16:23
so people can studyمطالعه and try to treatدرمان شود differentناهمسان disordersاختلالات.
417
968000
2000
تا مردم بتونند آنها را مطالعه و روی درمان بیماریهای مختلف توسط آنها تحقیق کنند.
16:25
And our hopeامید is that, by figuringبدانید out brainمغز circuitsمدارها
418
970000
3000
و امید ما اینه که با درک بهتر مدارهای مغزی
16:28
at a levelسطح of abstractionانتزاع - مفهوم - برداشت that letsاجازه می دهد us repairتعمیر them and engineerمهندس them,
419
973000
3000
تا مرحله‌ای که بتوان از آن برای ترمیم و مهندسی آنها استفاده کرد،
16:31
we can take some of these intractableرام نشدنی disordersاختلالات that I told you about earlierقبلا,
420
976000
3000
ما می‌تونیم برخی از این بیماریهای غیر قابل کنترل را که در مورد آنها حرف زدیم،
16:34
practicallyعملا noneهیچ کدام of whichکه are curedدرمان شده,
421
979000
2000
که عملا برای هیچ یک درمانی وجود نداره را بگیریم،
16:36
and in the 21stخیابان centuryقرن make them historyتاریخ.
422
981000
2000
و در قرن 21 آنها را به تاریخ تبدیل کنیم.
16:38
Thank you.
423
983000
2000
متشکرم.
16:40
(Applauseتشویق و تمجید)
424
985000
13000
(تشویق)
16:53
Juanخوان Enriquezانریکه: So some of the stuffچیز is a little denseمتراکم.
425
998000
3000
- پس بعضی چیزها یک خرده سخت هستند.
16:56
(Laughterخنده)
426
1001000
2000
(خنده حضار)
16:58
But the implicationsپیامدها
427
1003000
2000
ولی کابرد مفاهیم
17:00
of beingبودن ableتوانایی to controlکنترل seizuresتشنج or epilepsyصرع
428
1005000
3000
و اینکه قادر باشیم صرع و تشنج را
17:03
with lightسبک insteadبجای of drugsمواد مخدر,
429
1008000
2000
با نور بجای استفاده از دارو کنترل کنیم،
17:05
and beingبودن ableتوانایی to targetهدف those specificallyبه طور مشخص
430
1010000
3000
و بتونیم آنها را مستقیما و بطور اختصاصی هدف قرار بدهیم
17:08
is a first stepگام.
431
1013000
2000
مرحله اول کاره.
17:10
The secondدومین thing that I think I heardشنیدم you say
432
1015000
2000
نکته دوم که فکر کنم به آن اشاره کردید
17:12
is you can now controlکنترل the brainمغز in two colorsرنگ ها,
433
1017000
3000
اینه ما الان می‌تونیم مغز را با دو رنگ کنترل کنیم.
17:15
like an on/off switchسوئیچ.
434
1020000
2000
مثل یک سوییچ خاموش و روشن.
17:17
Edاد Boydenبویدن: That's right.
435
1022000
2000
- درسته.
17:19
JEجی: Whichکدام makesباعث می شود everyهرکدام impulseضربان قلب going throughاز طریق the brainمغز a binaryدودویی codeکد.
436
1024000
3000
- که باعث می‌شه هر ایمپالسی که وارد مغز می‌شه مثل یک کد دودویی عمل کنه.
17:22
EBEB: Right, yeah.
437
1027000
2000
- بله، درسته.
17:24
So with blueآبی lightسبک, we can driveراندن informationاطلاعات, and it's in the formفرم of a one.
438
1029000
3000
پس با کد آبی ما می‌تونیم اطالاعات را وارد و تحریک کنیم، که این به صورت یک کد یکه.
17:27
And by turningچرخش things off, it's more or lessکمتر a zeroصفر.
439
1032000
2000
و با ملایم کردن آن مثل صفر عمل می‌کنه.
17:29
So our hopeامید is to eventuallyدر نهایت buildساختن brainمغز coprocessorscoprocessors
440
1034000
2000
پس امید ما اینه نهایتا در آینده برای مغز پردازنده‌های کمکی بسازیم
17:31
that work with the brainمغز
441
1036000
2000
که همراه با مغز کار می‌کنند،
17:33
so we can augmentتقویت کردن functionsتوابع in people with disabilitiesمعلولیت.
442
1038000
3000
و ما می‌تونیم عملکرد را به انسانهای ناتوان برگردونیم.
17:36
JEجی: And in theoryتئوری, that meansبه معنای that,
443
1041000
2000
- و در تئوری این بدان معناست که
17:38
as a mouseموش feelsاحساس می کند, smellsبوی,
444
1043000
2000
همان طور که یک موش احساس می‌کنه، بو می‌کشه،
17:40
hearsمیشن, touchesلمس می کند,
445
1045000
2000
می‌شنوه، لمس می‌کنه،
17:42
you can modelمدل it out as a stringرشته of onesآنهایی که and zerosصفرها.
446
1047000
3000
شما می‌تونید آن را بصورت داده های صفر و یک، الگوبرداری کنید.
17:45
EBEB: Sure, yeah. We're hopingامید to use this as a way of testingآزمایش کردن
447
1050000
2000
- البته، بله، ما امیدواریم بتونیم از این روش به عنوان راهی برای آزمایش این پیدا کنیم
17:47
what neuralعصبی codesکدهای can driveراندن certainمسلم - قطعی behaviorsرفتار
448
1052000
2000
که کدام کد نورونی باعث چه رفتارهای خاصی
17:49
and certainمسلم - قطعی thoughtsاندیشه ها and certainمسلم - قطعی feelingsاحساسات,
449
1054000
2000
و افکار خاصی و احساسات خاصی می‌شوند،
17:51
and use that to understandفهمیدن more about the brainمغز.
450
1056000
3000
و از آن برای درک بیشتر مغز استفاده کنیم.
17:54
JEجی: Does that mean that some day you could downloadدانلود memoriesخاطرات
451
1059000
3000
- آیا این بدین معناست که یک روز ما می‌تونیم حافظه اشخاص را دانلود
17:57
and maybe uploadبارگذاری them?
452
1062000
2000
و یا حتی آپلود کنیم؟
17:59
EBEB: Well that's something we're startingراه افتادن to work on very hardسخت.
453
1064000
2000
- خوب این چیزیه که ما سخت روی آن مشغول کار هستیم.
18:01
We're now workingکار کردن on some work
454
1066000
2000
ما الان مشغول انجام کاری هستیم
18:03
where we're tryingتلاش کن to tileکاشی the brainمغز with recordingضبط elementsعناصر too.
455
1068000
2000
که در آن سعی می‌کنیم تا مغز را با یک سری عناصر ضبط کننده بپوشونیم.
18:05
So we can recordرکورد informationاطلاعات and then driveراندن informationاطلاعات back in --
456
1070000
3000
- تا بتونیم اطلاعات را ذخیره سازی و دوباره وارد مغز کنیم -
18:08
sortمرتب سازی of computingمحاسبه what the brainمغز needsنیاز دارد
457
1073000
2000
یه جور مثل انجام محاسباتی که مغز احتیاج داره
18:10
in orderسفارش to augmentتقویت کردن its informationاطلاعات processingدر حال پردازش.
458
1075000
2000
تا بتونیم به پردازش اطلاعات آن کمک کنیم.
18:12
JEجی: Well, that mightممکن changeتغییر دادن a coupleزن و شوهر things. Thank you. (EBEB: Thank you.)
459
1077000
3000
- خوب، این باعث تغییراتی می‌شه. متشکرم. (- متشکرم.)
18:15
(Applauseتشویق و تمجید)
460
1080000
3000
(تشویق)
Translated by Milad Mirmoghtadaei
Reviewed by Sepideh Sekehchi

▲Back to top

ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com