TEDGlobal 2011
Allan Jones: A map of the brain
Allan Jones: Une cartographie du cerveau
Filmed:
Readability: 4.4
1,269,611 views
Comment pouvons nous comprendre le fonctionnement du cerveau? De la même manière que lorsque l'on commence à connaitre une ville: en faisant une carte. Dans cet exposé au superbe rendu visuel, Allan Jones nous montre comment son équipe cartographie ce que les gènes font dans chaque petite région du cerveau, et comment tout se connecte.
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio
Double-click the English transcript below to play the video.
00:15
Humans have long held a fascination
0
0
2000
Les humains ont longtemps été fascinés
00:17
for the human brain.
1
2000
2000
par le cerveau humain.
00:19
We chart it, we've described it,
2
4000
3000
Nous l'avons mis en tableau, nous l'avons décrit,
00:22
we've drawn it,
3
7000
2000
nous l'avons dessiné,
00:24
we've mapped it.
4
9000
3000
nous l'avons cartographié.
00:27
Now just like the physical maps of our world
5
12000
3000
Maintenant, tout comme les cartes physiques de notre monde
00:30
that have been highly influenced by technology --
6
15000
3000
qui ont été fortement influencées par la technologie -
00:33
think Google Maps,
7
18000
2000
pensez à Google Maps,
00:35
think GPS --
8
20000
2000
pensez au GPS -
00:37
the same thing is happening for brain mapping
9
22000
2000
la même chose se passe pour la cartographie du cerveau
00:39
through transformation.
10
24000
2000
grâce à la transformation.
00:41
So let's take a look at the brain.
11
26000
2000
Alors examinons le cerveau.
00:43
Most people, when they first look at a fresh human brain,
12
28000
3000
La plupart des gens, quand il regardent pour la première fois un cerveau humain frais,
00:46
they say, "It doesn't look what you're typically looking at
13
31000
3000
se disent, "Ça ne ressemble pas à ce qu'on voit généralement
00:49
when someone shows you a brain."
14
34000
2000
quand quelqu'un vous montre un cerveau. "
00:51
Typically, what you're looking at is a fixed brain. It's gray.
15
36000
3000
Typiquement, ce que vous voyez est un cerveau fixé. Il est gris.
00:54
And this outer layer, this is the vasculature,
16
39000
2000
Et cette couche externe, c'est le système vasculaire,
00:56
which is incredible, around a human brain.
17
41000
2000
qui est incroyable, autour d'un cerveau humain.
00:58
This is the blood vessels.
18
43000
2000
Ce sont les vaisseaux sanguins.
01:00
20 percent of the oxygen
19
45000
3000
20 pour cent de l'oxygène
01:03
coming from your lungs,
20
48000
2000
provenant de vos poumons,
01:05
20 percent of the blood pumped from your heart,
21
50000
2000
20 pour cent du sang pompé par votre coeur,
01:07
is servicing this one organ.
22
52000
2000
sont au service de cet organe unique.
01:09
That's basically, if you hold two fists together,
23
54000
2000
C'est en gros, si vous mettez les deux poings ensemble,
01:11
it's just slightly larger than the two fists.
24
56000
2000
c'est à peine un peu plus grande que les deux poings.
01:13
Scientists, sort of at the end of the 20th century,
25
58000
3000
Les scientifiques, vers la fin du 20ème siècle,
01:16
learned that they could track blood flow
26
61000
2000
ont appris qu'ils pouvaient suivre le flux sanguin
01:18
to map non-invasively
27
63000
3000
pour cartographier de manière non invasive
01:21
where activity was going on in the human brain.
28
66000
3000
où se produisait l'activité dans le cerveau humain.
01:24
So for example, they can see in the back part of the brain,
29
69000
3000
Ainsi, par exemple, ils peuvent voir dans la partie arrière du cerveau,
01:27
which is just turning around there.
30
72000
2000
qui se trouve exactement ici.
01:29
There's the cerebellum; that's keeping you upright right now.
31
74000
2000
Il y a le cervelet ; c'est lui qui vous permet de tenir debout en ce moment-même.
01:31
It's keeping me standing. It's involved in coordinated movement.
32
76000
3000
Il me permet de tenir debout. Il est impliqué dans la coordination des mouvements.
01:34
On the side here, this is temporal cortex.
33
79000
3000
Sur le côté ici, c'est le cortex temporal.
01:37
This is the area where primary auditory processing --
34
82000
3000
C'est la zone où le traitement auditif primaire -
01:40
so you're hearing my words,
35
85000
2000
vous entendez ce que je dis,
01:42
you're sending it up into higher language processing centers.
36
87000
2000
vous l'envoyez jusqu'aux centres supérieurs de traitement du langage.
01:44
Towards the front of the brain
37
89000
2000
Vers l'avant du cerveau
01:46
is the place in which all of the more complex thought, decision making --
38
91000
3000
c'est là que toute la pensée plus complexe, la prise de décision -
01:49
it's the last to mature in late adulthood.
39
94000
4000
c'est le dernier à parvenir à maturité tard dans l'âge adulte.
01:53
This is where all your decision-making processes are going on.
40
98000
3000
C'est là que tous vos processus de décision se passent.
01:56
It's the place where you're deciding right now
41
101000
2000
C'est l'endroit où vous décidez maintenant
01:58
you probably aren't going to order the steak for dinner.
42
103000
3000
que vous n'allez probablement pas commander du steak pour le diner.
02:01
So if you take a deeper look at the brain,
43
106000
2000
Donc, si vous regardez le cerveau de plus près,
02:03
one of the things, if you look at it in cross-section,
44
108000
2000
l'une des choses, si vous le regardez en section transversale,
02:05
what you can see
45
110000
2000
ce que vous pouvez voir
02:07
is that you can't really see a whole lot of structure there.
46
112000
3000
est que vous ne pouvez pas vraiment y voir beaucoup de structures.
02:10
But there's actually a lot of structure there.
47
115000
2000
Mais en réalité, il y a beaucoup de structures.
02:12
It's cells and it's wires all wired together.
48
117000
2000
Ce sont des cellules et des connexions toutes reliées ensembles.
02:14
So about a hundred years ago,
49
119000
2000
Il y a environ une centaine d'années,
02:16
some scientists invented a stain that would stain cells.
50
121000
2000
des scientifiques ont inventé un colorant qui teintait des cellules.
02:18
And that's shown here in the the very light blue.
51
123000
3000
Et vous le voyez ici en bleu très clair.
02:21
You can see areas
52
126000
2000
Vous pouvez voir les zones
02:23
where neuronal cell bodies are being stained.
53
128000
2000
où les corps cellulaires normaux sont teintés.
02:25
And what you can see is it's very non-uniform. You see a lot more structure there.
54
130000
3000
Et vous pouvez voir que ce n'est pas du tout homogène. Vous y voyez beaucoup plus de structures.
02:28
So the outer part of that brain
55
133000
2000
Donc, la partie externe de ce cerveau
02:30
is the neocortex.
56
135000
2000
est le néocortex.
02:32
It's one continuous processing unit, if you will.
57
137000
3000
C'est une unité de traitement en continu, si vous voulez.
02:35
But you can also see things underneath there as well.
58
140000
2000
Mais vous pouvez aussi voir des choses en-dessous.
02:37
And all of these blank areas
59
142000
2000
Et toutes ces zones vides
02:39
are the areas in which the wires are running through.
60
144000
2000
sont les zones dans lesquelles passent les connexions.
02:41
They're probably less cell dense.
61
146000
2000
Elles sont probablement moins denses en cellules .
02:43
So there's about 86 billion neurons in our brain.
62
148000
4000
Il y a environ 86 milliards de neurones dans notre cerveau.
02:47
And as you can see, they're very non-uniformly distributed.
63
152000
3000
Et comme vous pouvez le voir, ils ne sont pas du tout répartis uniformément .
02:50
And how they're distributed really contributes
64
155000
2000
Et la façon ils sont répartis contribue vraiment
02:52
to their underlying function.
65
157000
2000
à leur fonction sous-jacente.
02:54
And of course, as I mentioned before,
66
159000
2000
Et bien sûr, comme je l'ai mentionné précédemment,
02:56
since we can now start to map brain function,
67
161000
3000
puisque nous pouvons maintenant commencer à cartographier le fonctionnement du cerveau,
02:59
we can start to tie these into the individual cells.
68
164000
3000
nous pouvons commencer à lier celles-ci aux cellules individuelles.
03:02
So let's take a deeper look.
69
167000
2000
Regardons de plus près.
03:04
Let's look at neurons.
70
169000
2000
Regardons les neurones.
03:06
So as I mentioned, there are 86 billion neurons.
71
171000
2000
Comme je l'ai mentionné, il y a 86 milliards de neurones.
03:08
There are also these smaller cells as you'll see.
72
173000
2000
Il y a aussi ces cellules plus petites comme vous le verrez.
03:10
These are support cells -- astrocytes glia.
73
175000
2000
Ce sont des cellules de soutien - des glies astrocytes.
03:12
And the nerves themselves
74
177000
3000
Et les nerfs eux-mêmes
03:15
are the ones who are receiving input.
75
180000
2000
sont ceux qui reçoivent les informations.
03:17
They're storing it, they're processing it.
76
182000
2000
Ils les stockent, ils les traitent.
03:19
Each neuron is connected via synapses
77
184000
4000
Chaque neurone est connecté via les synapses
03:23
to up to 10,000 other neurons in your brain.
78
188000
3000
jusqu'à 10 000 autres neurones dans votre cerveau.
03:26
And each neuron itself
79
191000
2000
Et chaque neurone lui-même
03:28
is largely unique.
80
193000
2000
est largement unique.
03:30
The unique character of both individual neurons
81
195000
2000
Le caractère unique des neurones individuels
03:32
and neurons within a collection of the brain
82
197000
2000
et des neurones dans une région du cerveau
03:34
are driven by fundamental properties
83
199000
3000
découle des propriétés fondamentales
03:37
of their underlying biochemistry.
84
202000
2000
de leur biochimie sous-jacente.
03:39
These are proteins.
85
204000
2000
Voici des protéines.
03:41
They're proteins that are controlling things like ion channel movement.
86
206000
3000
Ce sont des protéines qui contrôlent les choses telles que le mouvement des canaux ioniques.
03:44
They're controlling who nervous system cells partner up with.
87
209000
4000
Elles contrôlent avec qui les cellules du système nerveux s'associent.
03:48
And they're controlling
88
213000
2000
Et elles contrôlent
03:50
basically everything that the nervous system has to do.
89
215000
2000
essentiellement tout ce que le système nerveux doit faire.
03:52
So if we zoom in to an even deeper level,
90
217000
3000
Donc, si on fait un zoom à un niveau encore plus profond,
03:55
all of those proteins
91
220000
2000
toutes ces protéines
03:57
are encoded by our genomes.
92
222000
2000
sont codées par nos génomes.
03:59
We each have 23 pairs of chromosomes.
93
224000
3000
Nous avons chacun 23 paires de chromosomes.
04:02
We get one from mom, one from dad.
94
227000
2000
Nous en obtenons un de maman, un de papa.
04:04
And on these chromosomes
95
229000
2000
Et sur ces chromosomes
04:06
are roughly 25,000 genes.
96
231000
2000
il y a environ 25 000 gènes.
04:08
They're encoded in the DNA.
97
233000
2000
Ils sont codés dans l'ADN.
04:10
And the nature of a given cell
98
235000
3000
Et la nature d'une cellule donnée
04:13
driving its underlying biochemistry
99
238000
2000
qui induit sa biochimie sous-jacente
04:15
is dictated by which of these 25,000 genes
100
240000
3000
est dictée par ceux de ces 25 000 gènes
04:18
are turned on
101
243000
2000
qui sont activés,
04:20
and at what level they're turned on.
102
245000
2000
et à quel niveau ils le sont.
04:22
And so our project
103
247000
2000
Et donc notre projet
04:24
is seeking to look at this readout,
104
249000
3000
consiste à essayer de regarder ce relevé,
04:27
understanding which of these 25,000 genes is turned on.
105
252000
3000
et à comprendre lequel de ces 25 000 gènes est activé.
04:30
So in order to undertake such a project,
106
255000
3000
Alors afin d'entreprendre un tel projet,
04:33
we obviously need brains.
107
258000
3000
nous avons évidemment besoin de cerveaux.
04:36
So we sent our lab technician out.
108
261000
3000
Nous avons donc envoyé notre technicien de laboratoire en mission.
04:39
We were seeking normal human brains.
109
264000
2000
Nous cherchions des cerveaux humains normaux.
04:41
What we actually start with
110
266000
2000
Nous avons en fait commencé
04:43
is a medical examiner's office.
111
268000
2000
par le cabinet d'un médecin légiste.
04:45
This a place where the dead are brought in.
112
270000
2000
C'est un endroit où on amène les morts.
04:47
We are seeking normal human brains.
113
272000
2000
Nous recherchons des cerveaux humains normaux.
04:49
There's a lot of criteria by which we're selecting these brains.
114
274000
3000
Il y a beaucoup de critères pour notre sélection de ces cerveaux.
04:52
We want to make sure
115
277000
2000
Nous voulons nous assurer
04:54
that we have normal humans between the ages of 20 to 60,
116
279000
3000
que nous avons des humains normaux âgés de 20 à 60 ans,
04:57
they died a somewhat natural death
117
282000
2000
qu'ils sont morts d'une mort naturelle
04:59
with no injury to the brain,
118
284000
2000
sans blessure au cerveau,
05:01
no history of psychiatric disease,
119
286000
2000
ni d'antécédents de maladie psychiatrique,
05:03
no drugs on board --
120
288000
2000
pas de drogues -
05:05
we do a toxicology workup.
121
290000
2000
nous faisons un bilan toxicologique.
05:07
And we're very careful
122
292000
2000
Et nous sommes très prudents
05:09
about the brains that we do take.
123
294000
2000
dans le choix du cerveau que nous prenons.
05:11
We're also selecting for brains
124
296000
2000
Nous sélectionnons aussi des cerveaux
05:13
in which we can get the tissue,
125
298000
2000
sur lesquels nous pouvons prélever les tissus,
05:15
we can get consent to take the tissue
126
300000
2000
nous pouvons obtenir le consentement de prendre le tissu
05:17
within 24 hours of time of death.
127
302000
2000
dans les 24 heures après la mort.
05:19
Because what we're trying to measure, the RNA --
128
304000
3000
Parce que ce que nous essayons de mesurer, l'ARN -
05:22
which is the readout from our genes --
129
307000
2000
qui est le relevé de nos gènes -
05:24
is very labile,
130
309000
2000
est très volatile,
05:26
and so we have to move very quickly.
131
311000
2000
et donc nous devons aller très vite.
05:28
One side note on the collection of brains:
132
313000
3000
Une note corollaire sur la collecte de cerveaux :
05:31
because of the way that we collect,
133
316000
2000
en raison de la façon dont nous les recueillons,
05:33
and because we require consent,
134
318000
2000
et parce que nous exigeons le consentement,
05:35
we actually have a lot more male brains than female brains.
135
320000
3000
nous avons beaucoup plus de cerveaux d'hommes que de femmes.
05:38
Males are much more likely to die an accidental death in the prime of their life.
136
323000
3000
Les hommes sont beaucoup plus susceptibles de mourir d'une mort accidentelle dans la fleur de l'âge.
05:41
And men are much more likely
137
326000
2000
Et les hommes sont beaucoup plus susceptibles
05:43
to have their significant other, spouse, give consent
138
328000
3000
de voir leur partenaire, leur épouse, donner son consentement
05:46
than the other way around.
139
331000
2000
que l'inverse.
05:48
(Laughter)
140
333000
4000
(Rires)
05:52
So the first thing that we do at the site of collection
141
337000
2000
Donc la première chose que nous faisons sur le lieu de la collecte
05:54
is we collect what's called an MR.
142
339000
2000
est que nous recueillons ce qu'on appelle une IRM.
05:56
This is magnetic resonance imaging -- MRI.
143
341000
2000
C'est l'imagerie par résonance magnétique - IRM.
05:58
It's a standard template by which we're going to hang the rest of this data.
144
343000
3000
C'est un modèle standard auquel nous allons relier le reste de ces données.
06:01
So we collect this MR.
145
346000
2000
Nous recueillons donc cette IRM.
06:03
And you can think of this as our satellite view for our map.
146
348000
2000
Vous pouvez la considérer comme la vue satellite de notre carte.
06:05
The next thing we do
147
350000
2000
Ce que nous faisons ensuite,
06:07
is we collect what's called a diffusion tensor imaging.
148
352000
3000
c'est que nous recueillons ce qu'on appelle une imagerie du tenseur de diffusion.
06:10
This maps the large cabling in the brain.
149
355000
2000
Cela établit la carte du gros câblage du cerveau.
06:12
And again, you can think of this
150
357000
2000
Là aussi, vous pouvez considérer cela
06:14
as almost mapping our interstate highways, if you will.
151
359000
2000
presque comme la cartographie de nos autoroutes, si vous voulez.
06:16
The brain is removed from the skull,
152
361000
2000
Le cerveau est retiré de la boîte crânienne,
06:18
and then it's sliced into one-centimeter slices.
153
363000
3000
et puis on le coupe en tranches d'un centimètre.
06:21
And those are frozen solid,
154
366000
2000
Et on les congèle,
06:23
and they're shipped to Seattle.
155
368000
2000
on les expédie à Seattle.
06:25
And in Seattle, we take these --
156
370000
2000
Et à Seattle, nous prenons ces -
06:27
this is a whole human hemisphere --
157
372000
2000
il s'agit d'un hémisphère humain entier -
06:29
and we put them into what's basically a glorified meat slicer.
158
374000
2000
et nous les mettons dans ce qui est en gros une trancheuse à viande améliorée.
06:31
There's a blade here that's going to cut across
159
376000
2000
Il y a une lame ici qui va découper
06:33
a section of the tissue
160
378000
2000
une section du tissu
06:35
and transfer it to a microscope slide.
161
380000
2000
et le transférer sur une lame de microscope.
06:37
We're going to then apply one of those stains to it,
162
382000
2000
Nous allons ensuite lui appliquer l'un de ces colorants,
06:39
and we scan it.
163
384000
2000
et nous allons le scanner.
06:41
And then what we get is our first mapping.
164
386000
3000
Ce que nous obtenons alors est notre première carte.
06:44
So this is where experts come in
165
389000
2000
C'est là que les experts interviennent
06:46
and they make basic anatomic assignments.
166
391000
2000
et qu'ils effectuent les répartitions anatomiques de base.
06:48
You could consider this state boundaries, if you will,
167
393000
3000
Vous pouvez voir ça comme les frontières des états, si vous voulez,
06:51
those pretty broad outlines.
168
396000
2000
ces contours assez large.
06:53
From this, we're able to then fragment that brain into further pieces,
169
398000
4000
A partir de ça, nous sommes ensuite capables de fragmenter ce cerveau en plus petits morceaux,
06:57
which then we can put on a smaller cryostat.
170
402000
2000
que nous pouvons alors mettre sur un petit cryostat.
06:59
And this is just showing this here --
171
404000
2000
Et c'est ce qu'on voit justement ici,
07:01
this frozen tissue, and it's being cut.
172
406000
2000
ce tissu congelé, et on le découpe.
07:03
This is 20 microns thin, so this is about a baby hair's width.
173
408000
3000
Ceci n'a que 20 microns d'épaisseur, c'est à peu près la largeur d'un cheveu de bébé.
07:06
And remember, it's frozen.
174
411000
2000
Et rappelez-vous, c'est congelé.
07:08
And so you can see here,
175
413000
2000
Vous pouvez voir ici,
07:10
old-fashioned technology of the paintbrush being applied.
176
415000
2000
on applique l'ancienne technologie du pinceau.
07:12
We take a microscope slide.
177
417000
2000
On prend une lame de microscope.
07:14
Then we very carefully melt onto the slide.
178
419000
3000
On la fait fondre très soigneusement sur la lame.
07:17
This will then go onto a robot
179
422000
2000
Ce ira ensuite dans un robot
07:19
that's going to apply one of those stains to it.
180
424000
3000
qui va lui appliquer l'une de ces colorants.
07:26
And our anatomists are going to go in and take a deeper look at this.
181
431000
3000
Nos anatomistes vont intervenir et regarder ça de plus près.
07:29
So again this is what they can see under the microscope.
182
434000
2000
Là encore, c'est ce qu'ils peuvent voir au microscope.
07:31
You can see collections and configurations
183
436000
2000
Vous pouvez voir les assemblages et les configurations
07:33
of large and small cells
184
438000
2000
de grandes et petites cellules
07:35
in clusters and various places.
185
440000
2000
en grappes et dans des endroits différents.
07:37
And from there it's routine. They understand where to make these assignments.
186
442000
2000
Et à partir de là, c'est la routine. Ils savent où faire cette répartition.
07:39
And they can make basically what's a reference atlas.
187
444000
3000
Et ils peuvent créer ce qui est en gros un atlas de référence.
07:42
This is a more detailed map.
188
447000
2000
Voici une carte plus détaillée.
07:44
Our scientists then use this
189
449000
2000
Nos scientifiques l'utilisent ensuite
07:46
to go back to another piece of that tissue
190
451000
3000
pour revenir à un autre morceau de ce tissu
07:49
and do what's called laser scanning microdissection.
191
454000
2000
et faire ce qu'on appelle une microdissection à balayage laser .
07:51
So the technician takes the instructions.
192
456000
3000
Le technicien prend les instructions.
07:54
They scribe along a place there.
193
459000
2000
Elles sont écrite quelque part ici.
07:56
And then the laser actually cuts.
194
461000
2000
Et puis le laser coupe réellement.
07:58
You can see that blue dot there cutting. And that tissue falls off.
195
463000
3000
Vous pouvez voir ce point bleu de coupe. Et ce tissu tombe.
08:01
You can see on the microscope slide here,
196
466000
2000
Vous pouvez le voir sur la lame du microscope ici,
08:03
that's what's happening in real time.
197
468000
2000
c'est ce qui se passe en temps réel.
08:05
There's a container underneath that's collecting that tissue.
198
470000
3000
Il y a un récipient en dessous qui reçoit ce tissu.
08:08
We take that tissue,
199
473000
2000
Nous prenons ce tissu,
08:10
we purify the RNA out of it
200
475000
2000
nous le purifions de son ARN
08:12
using some basic technology,
201
477000
2000
en utilisant une technologie de base,
08:14
and then we put a florescent tag on it.
202
479000
2000
puis nous lui appliquons un marqueur fluorescent.
08:16
We take that tagged material
203
481000
2000
Nous prenons ce matériau marqué
08:18
and we put it on to something called a microarray.
204
483000
3000
et nous lui appliquons ce qu'on appelle un microréseau.
08:21
Now this may look like a bunch of dots to you,
205
486000
2000
Cela peut ressembler à un paquet de points pour vous,
08:23
but each one of these individual dots
206
488000
2000
mais chacun de ces points
08:25
is actually a unique piece of the human genome
207
490000
2000
est en fait un élément unique du génome humain
08:27
that we spotted down on glass.
208
492000
2000
que nous avons repéré sur le verre.
08:29
This has roughly 60,000 elements on it,
209
494000
3000
Il y a à peu près 60 000 éléments là-dessus,
08:32
so we repeatedly measure various genes
210
497000
3000
alors nous mesurons à plusieurs reprises différents gènes
08:35
of the 25,000 genes in the genome.
211
500000
2000
parmi les 25 000 gènes du génome.
08:37
And when we take a sample and we hybridize it to it,
212
502000
3000
Et quand on prend un échantillon et qu'on l'hybride sur lui-même,
08:40
we get a unique fingerprint, if you will,
213
505000
2000
nous obtenons une empreinte unique, si vous voulez,
08:42
quantitatively of what genes are turned on in that sample.
214
507000
3000
de la quantité des gènes qui sont activés dans cet échantillon.
08:45
Now we do this over and over again,
215
510000
2000
Nous refaisons cela encore et encore,
08:47
this process for any given brain.
216
512000
3000
ce processus, pour tous les cerveaux.
08:50
We're taking over a thousand samples for each brain.
217
515000
3000
Nous prenons plus d'un millier d'échantillons pour chaque cerveau.
08:53
This area shown here is an area called the hippocampus.
218
518000
3000
La zone que vous voyez ici s'appele l'hippocampe.
08:56
It's involved in learning and memory.
219
521000
2000
Il est impliqué dans l'apprentissage et la mémoire.
08:58
And it contributes to about 70 samples
220
523000
3000
Et il fournit environ 70 échantillons
09:01
of those thousand samples.
221
526000
2000
parmi les milliers.
09:03
So each sample gets us about 50,000 data points
222
528000
4000
Ainsi chaque échantillon nous procure environ 50 000 points de données
09:07
with repeat measurements, a thousand samples.
223
532000
3000
avec des mesures répétées, un millier d'échantillons.
09:10
So roughly, we have 50 million data points
224
535000
2000
Donc en gros, nous avons 50 millions de points de données
09:12
for a given human brain.
225
537000
2000
pour un cerveau humain donné.
09:14
We've done right now
226
539000
2000
Nous en sommes maintenant
09:16
two human brains-worth of data.
227
541000
2000
à l'équivalent des données de deux cerveaux humains.
09:18
We've put all of that together
228
543000
2000
Nous avons mis tout cela ensemble,
09:20
into one thing,
229
545000
2000
regroupé en un seul,
09:22
and I'll show you what that synthesis looks like.
230
547000
2000
et je vais vous montrer ce à quoi la synthèse ressemble.
09:24
It's basically a large data set of information
231
549000
3000
C'est essentiellement un vaste ensemble de données d'informations
09:27
that's all freely available to any scientist around the world.
232
552000
3000
qui est disponible gratuitement pour tout chercheur dans le monde.
09:30
They don't even have to log in to come use this tool,
233
555000
3000
Ils n'ont même pas à se connecter pour venir utiliser cet outil,
09:33
mine this data, find interesting things out with this.
234
558000
4000
puiser dans ces données, y trouver des choses intéressantes.
09:37
So here's the modalities that we put together.
235
562000
3000
Voici les conditions que nous y mettons.
09:40
You'll start to recognize these things from what we've collected before.
236
565000
3000
Vous allez commencer à reconnaître des choses à partir de ce que nous avons recueilli auparavant.
09:43
Here's the MR. It provides the framework.
237
568000
2000
Voici l'IRM. Elle fournit le cadre de référence.
09:45
There's an operator side on the right that allows you to turn,
238
570000
3000
Il y a une fenêtre de contrôle sur le côté droit qui vous permet de faire pivoter,
09:48
it allows you to zoom in,
239
573000
2000
qui vous permet de zoomer,
09:50
it allows you to highlight individual structures.
240
575000
3000
qui vous permet de mettre en évidence des structures individuelles.
09:53
But most importantly,
241
578000
2000
Mais le plus important,
09:55
we're now mapping into this anatomic framework,
242
580000
3000
c'est que nous cartographions maintenant dans ce cadre anatomique,
09:58
which is a common framework for people to understand where genes are turned on.
243
583000
3000
qui est un cadre commun pour que les gens comprennent où les gènes sont activés.
10:01
So the red levels
244
586000
2000
Les niveaux rouges
10:03
are where a gene is turned on to a great degree.
245
588000
2000
sont l'endroit où un gène est activé au plus haut degré.
10:05
Green is the sort of cool areas where it's not turned on.
246
590000
3000
Le vert est un genre d'îlot de fraîcheur, où il n'y en a pas d'activé.
10:08
And each gene gives us a fingerprint.
247
593000
2000
Et chaque gène nous donne une empreinte digitale.
10:10
And remember that we've assayed all the 25,000 genes in the genome
248
595000
5000
Et n'oubliez pas que nous avons testés la totalité des 25 000 gènes du génome
10:15
and have all of that data available.
249
600000
4000
et que nous avons toutes ces données disponibles.
10:19
So what can scientists learn about this data?
250
604000
2000
Que peuvent apprendre les scientifiques sur ces données ?
10:21
We're just starting to look at this data ourselves.
251
606000
3000
Nous commençons tout juste à regarder ces données nous-mêmes.
10:24
There's some basic things that you would want to understand.
252
609000
3000
Il y a des choses basiques que l'on voudrait comprendre.
10:27
Two great examples are drugs,
253
612000
2000
Deux très bons exemples en sont des médicaments,
10:29
Prozac and Wellbutrin.
254
614000
2000
le Prozac et le Wellbutrin.
10:31
These are commonly prescribed antidepressants.
255
616000
3000
Ce sont des antidépresseurs couramment prescrits.
10:34
Now remember, we're assaying genes.
256
619000
2000
Rappelez-vous, nous testons les gènes.
10:36
Genes send the instructions to make proteins.
257
621000
3000
Les gènes envoyent les instructions pour fabriquer des protéines.
10:39
Proteins are targets for drugs.
258
624000
2000
Les protéines sont des cibles pour les médicaments.
10:41
So drugs bind to proteins
259
626000
2000
Alors les médicaments se lient aux protéines
10:43
and either turn them off, etc.
260
628000
2000
et soit les désactivent, etc.
10:45
So if you want to understand the action of drugs,
261
630000
2000
Donc, si vous voulez comprendre l'action des médicaments,
10:47
you want to understand how they're acting in the ways you want them to,
262
632000
3000
vous devez comprendre comment ils agissent comme vous le voulez,
10:50
and also in the ways you don't want them to.
263
635000
2000
mais aussi comme vous ne le voudriez pas.
10:52
In the side effect profile, etc.,
264
637000
2000
Dans le schémas des effets secondaires, etc,
10:54
you want to see where those genes are turned on.
265
639000
2000
vous voulez voir où ces gènes sont activés.
10:56
And for the first time, we can actually do that.
266
641000
2000
Et pour la première fois, nous pouvons réellement le faire.
10:58
We can do that in multiple individuals that we've assayed too.
267
643000
3000
Nous pouvons le faire dans plusieurs individus que nous avons testés aussi.
11:01
So now we can look throughout the brain.
268
646000
3000
Donc maintenant nous pouvons regarder dans tout le cerveau.
11:04
We can see this unique fingerprint.
269
649000
2000
Nous pouvons voir cette empreinte unique.
11:06
And we get confirmation.
270
651000
2000
Et nous obtenons la confirmation.
11:08
We get confirmation that, indeed, the gene is turned on --
271
653000
3000
Nous obtenons la confirmation que, en effet, le gène est activé -
11:11
for something like Prozac,
272
656000
2000
pour quelque chose dans le genre du Prozac,
11:13
in serotonergic structures, things that are already known be affected --
273
658000
3000
dans les structures sérotoninergiques, des choses qu'on sait être déjà affectées,
11:16
but we also get to see the whole thing.
274
661000
2000
mais nous avons aussi la chance d'avoir une vue d'ensemble.
11:18
We also get to see areas that no one has ever looked at before,
275
663000
2000
Nous pouvons aussi voir les zones que personne n'avait jamais vu avant,
11:20
and we see these genes turned on there.
276
665000
2000
et nous voyons ces gènes activés à cet endroit.
11:22
It's as interesting a side effect as it could be.
277
667000
3000
C'est ce qu'on peut avoir de plus intéressant comme effet secondaire.
11:25
One other thing you can do with such a thing
278
670000
2000
Ce que vous pouvez faire d'autre avec ça,
11:27
is you can, because it's a pattern matching exercise,
279
672000
3000
c'est que vous pouvez, parce que c'est un exercice d'association de schémas,
11:30
because there's unique fingerprint,
280
675000
2000
parce qu'il y a des empreintes uniques,
11:32
we can actually scan through the entire genome
281
677000
2000
nous pouvons réellement parcourir l'ensemble du génome
11:34
and find other proteins
282
679000
2000
et trouver d'autres protéines
11:36
that show a similar fingerprint.
283
681000
2000
qui montrent une empreinte similaire.
11:38
So if you're in drug discovery, for example,
284
683000
3000
Si vous êtes dans la recherche sur les médicaments, par exemple,
11:41
you can go through
285
686000
2000
vous pouvez passer en revue
11:43
an entire listing of what the genome has on offer
286
688000
2000
une liste complète de ce que ce génome a à offrir
11:45
to find perhaps better drug targets and optimize.
287
690000
4000
pour trouver peut-être de meilleures cibles au médicament, et l'améliorer.
11:49
Most of you are probably familiar
288
694000
2000
La plupart d'entre avez probablement déjà entendu parler
11:51
with genome-wide association studies
289
696000
2000
des études d'associations pangénomiques
11:53
in the form of people covering in the news
290
698000
3000
par l'intermédiaire des présentateurs de journaux
11:56
saying, "Scientists have recently discovered the gene or genes
291
701000
3000
qui disent : «Les scientifiques ont récemment découvert le gène ou les gènes
11:59
which affect X."
292
704000
2000
qui affectent X. "
12:01
And so these kinds of studies
293
706000
2000
Ce genre d'étude
12:03
are routinely published by scientists
294
708000
2000
est régulièrement publiée par des scientifiques
12:05
and they're great. They analyze large populations.
295
710000
2000
et elles sont géniales. Ils analysent des populations importantes.
12:07
They look at their entire genomes,
296
712000
2000
Ils regardent leurs génomes entiers,
12:09
and they try to find hot spots of activity
297
714000
2000
et ils essaient de trouver les points chauds d'activité
12:11
that are linked causally to genes.
298
716000
3000
qui sont liés causalement à des gènes.
12:14
But what you get out of such an exercise
299
719000
2000
Mais ce que vous retirez d'un tel exercice
12:16
is simply a list of genes.
300
721000
2000
est simplement une liste de gènes.
12:18
It tells you the what, but it doesn't tell you the where.
301
723000
3000
Cela vous indique de quoi il s'agit, mais ça ne vous dit pas où ça se trouve.
12:21
And so it's very important for those researchers
302
726000
3000
Et il est donc très important pour ces chercheurs
12:24
that we've created this resource.
303
729000
2000
que nous ayons créé cette ressource.
12:26
Now they can come in
304
731000
2000
Maintenant ils peuvent intervenir
12:28
and they can start to get clues about activity.
305
733000
2000
et ils peuvent commencer à obtenir des indices sur l'activité.
12:30
They can start to look at common pathways --
306
735000
2000
Ils peuvent commencer à regarder les voies communes -
12:32
other things that they simply haven't been able to do before.
307
737000
3000
d'autres voies qu'ils n'avaient tout simplement pas pu étudier auparavant.
12:36
So I think this audience in particular
308
741000
3000
Je pense que ce public en particulier,
12:39
can understand the importance of individuality.
309
744000
3000
peut comprendre l'importance de l'individualité.
12:42
And I think every human,
310
747000
2000
Et je pense que chaque être humain,
12:44
we all have different genetic backgrounds,
311
749000
4000
nous avons tous des patrimoines génétiques différents,
12:48
we all have lived separate lives.
312
753000
2000
nous avons tous vécu des vies séparées.
12:50
But the fact is
313
755000
2000
Mais le fait est
12:52
our genomes are greater than 99 percent similar.
314
757000
3000
que nos génomes sont à plus de 99 pour cent similaires.
12:55
We're similar at the genetic level.
315
760000
3000
Nous sommes semblables au niveau génétique.
12:58
And what we're finding
316
763000
2000
Et ce que nous constatons
13:00
is actually, even at the brain biochemical level,
317
765000
2000
c'est qu'en réalité, même au niveau biochimique du cerveau ,
13:02
we are quite similar.
318
767000
2000
nous sommes tout à fait semblables.
13:04
And so this shows it's not 99 percent,
319
769000
2000
Cela montre que ce n'est pas à 99 pour cent,
13:06
but it's roughly 90 percent correspondence
320
771000
2000
mais c'est à peu près à 90 pour cent de correspondance
13:08
at a reasonable cutoff,
321
773000
3000
avec une marge raisonnable,
13:11
so everything in the cloud is roughly correlated.
322
776000
2000
donc tout dans le nuage est à peu près corrélé.
13:13
And then we find some outliers,
323
778000
2000
Et puis nous trouvons quelques valeurs aberrantes,
13:15
some things that lie beyond the cloud.
324
780000
3000
certaines choses qui se situent en dehors du nuage.
13:18
And those genes are interesting,
325
783000
2000
Et ces gènes sont intéressants,
13:20
but they're very subtle.
326
785000
2000
mais ils sont très subtils.
13:22
So I think it's an important message
327
787000
3000
Je pense que c'est un message important
13:25
to take home today
328
790000
2000
à emporter avec vous aujourd'hui :
13:27
that even though we celebrate all of our differences,
329
792000
3000
même si nous célébrons toutes nos différences,
13:30
we are quite similar
330
795000
2000
nous sommes tout à fait semblables
13:32
even at the brain level.
331
797000
2000
même au niveau du cerveau.
13:34
Now what do those differences look like?
332
799000
2000
A quoi ces différences ressemblent-elles ?
13:36
This is an example of a study that we did
333
801000
2000
Ceci est un exemple d'une étude que nous avons faite
13:38
to follow up and see what exactly those differences were --
334
803000
2000
pour suivre et voir ce que ces différences étaient exactement -
13:40
and they're quite subtle.
335
805000
2000
et elles sont assez subtiles.
13:42
These are things where genes are turned on in an individual cell type.
336
807000
4000
C'est un cas où les gènes sont activés dans un type cellulaire particulier.
13:46
These are two genes that we found as good examples.
337
811000
3000
Ce sont deux gènes que nous avons trouvé être de bons exemples.
13:49
One is called RELN -- it's involved in early developmental cues.
338
814000
3000
L'une est appelée RELN - il est impliqué dans les premiers signaux du développement.
13:52
DISC1 is a gene
339
817000
2000
DISC1 est un gène
13:54
that's deleted in schizophrenia.
340
819000
2000
qui est supprimé dans la schizophrénie.
13:56
These aren't schizophrenic individuals,
341
821000
2000
Ces individus ne sont pas schizophrènes,
13:58
but they do show some population variation.
342
823000
3000
mais ils montrent une certaine variation par rapport à la population générale.
14:01
And so what you're looking at here
343
826000
2000
Ce que vous voyez ici
14:03
in donor one and donor four,
344
828000
2000
chez le donneur 1 et le donneur 4,
14:05
which are the exceptions to the other two,
345
830000
2000
qui sont très différents deux autres,
14:07
that genes are being turned on
346
832000
2000
c'est que des gènes sont activés
14:09
in a very specific subset of cells.
347
834000
2000
dans un sous-ensemble très spécifique de cellules.
14:11
It's this dark purple precipitate within the cell
348
836000
3000
C'est ce précipité violet foncé dans la cellule
14:14
that's telling us a gene is turned on there.
349
839000
3000
qui nous dit qu'un gène est activé ici.
14:17
Whether or not that's due
350
842000
2000
Que ce soit dû ou pas
14:19
to an individual's genetic background or their experiences,
351
844000
2000
au patrimoine génétique d'un individu ou à ses expériences,
14:21
we don't know.
352
846000
2000
nous ne le savons pas.
14:23
Those kinds of studies require much larger populations.
353
848000
3000
Ces types d'études nécessitent des populations beaucoup plus grandes.
14:28
So I'm going to leave you with a final note
354
853000
2000
Je vais donc vous laisser sur une dernière pensée
14:30
about the complexity of the brain
355
855000
3000
sur la complexité du cerveau
14:33
and how much more we have to go.
356
858000
2000
et combien il nous reste à faire.
14:35
I think these resources are incredibly valuable.
357
860000
2000
Je pense que ces ressources sont extrêmement précieuse.
14:37
They give researchers a handle
358
862000
2000
Elles donnent aux chercheurs
14:39
on where to go.
359
864000
2000
la possibilité de savoir où aller.
14:41
But we only looked at a handful of individuals at this point.
360
866000
3000
Mais nous avons seulement étudié une poignée d'individus à ce stade.
14:44
We're certainly going to be looking at more.
361
869000
2000
Nous allons certainement en étudier plus.
14:46
I'll just close by saying
362
871000
2000
Je terminerai en vous disant
14:48
that the tools are there,
363
873000
2000
que les outils sont là,
14:50
and this is truly an unexplored, undiscovered continent.
364
875000
4000
et que c'est vraiment un continent inexploré à découvrir.
14:54
This is the new frontier, if you will.
365
879000
4000
C'est la nouvelle frontière, si vous voulez.
14:58
And so for those who are undaunted,
366
883000
2000
Et pour ceux qui sont intrépides,
15:00
but humbled by the complexity of the brain,
367
885000
2000
mais humbles devant la complexité du cerveau,
15:02
the future awaits.
368
887000
2000
l'avenir vous attend.
15:04
Thanks.
369
889000
2000
Merci.
15:06
(Applause)
370
891000
9000
(Applaudissements)
ABOUT THE SPEAKER
Allan Jones - Brain scientistAs CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.
Why you should listen
The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.
Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.
He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."
Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>
Allan Jones | Speaker | TED.com