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
TEDSummit

Ed Boyden: A new way to study the brain's invisible secrets

Ed Boyden: Une nouvelle méthode pour étudier les secrets invisibles du cerveau

Filmed:
1,501,957 views

Le neuro-ingénieur Ed Boyden veut savoir comment les minuscules biomolécules de nos cerveaux génèrent des pensées et des émotions, et il veut percer le mystère des changements moléculaires qui provoquent des maladies telles que l'épilepsie et l'Alzheimer. Au lieu de regarder ces structures invisibles à l’œil nu sous un microscope, si nous les agrandissions physiquement pour mieux les voir ? Apprenez comment on pourrait se servir des mêmes polymères qui se trouvent dans les couches pour bébé -- celles qui leur font gonfler -- pour mieux comprendre nos cerveaux.
- 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.

00:12
HelloSalut, everybodyTout le monde.
0
904
1405
Bonjour, tout le monde.
00:14
I broughtapporté with me todayaujourd'hui a babybébé diapercouche-culotte.
1
2333
2643
J'ai apporté une couche pour bébé.
00:18
You'llVous aurez see why in a secondseconde.
2
6793
1722
Je vous le dirai pourquoi.
00:20
BabyBébé diaperscouches have interestingintéressant propertiesPropriétés.
3
8539
2010
Elles ont des propriétés particulières.
00:22
They can swellHoule enormouslyénormément
when you addajouter watereau to them,
4
10573
2691
Elles se gonflent beaucoup
quand vous y ajoutez de l'eau,
00:25
an experimentexpérience doneterminé
by millionsdes millions of kidsdes gamins everychaque day.
5
13288
2984
comme le prouvent des millions
d'enfants tous les jours.
00:28
(LaughterRires)
6
16296
1150
(Rires)
00:29
But the reasonraison why
7
17470
1494
C'est parce qu'elles ont été conçues
très intelligemment.
00:30
is that they're designedconçu
in a very cleverintelligent way.
8
18988
2190
00:33
They're madefabriqué out of a thing
calledappelé a swellablegonflable materialMatériel.
9
21202
2635
Elles sont faites d'un matériel gonflable.
00:35
It's a specialspécial kindgentil of materialMatériel that,
when you addajouter watereau,
10
23861
2737
Quand vous y ajoutez de l'eau,
00:38
it will swellHoule up enormouslyénormément,
11
26622
1430
ça se gonfle énormément,
00:40
maybe a thousandmille timesfois in volumele volume.
12
28076
2166
peut-être mille fois en volume.
00:42
And this is a very usefulutile,
industrialindustriel kindgentil of polymerpolymère.
13
30266
3236
C'est un polymère industriel très utile.
00:45
But what we're tryingen essayant to do
in my groupgroupe at MITMIT
14
33819
2526
Ce que mon équipe
au MIT essaie de faire
00:48
is to figurefigure out if we can do
something similarsimilaire to the braincerveau.
15
36369
3213
est de voir si on peut faire quelque
chose de semblable au cerveau.
00:51
Can we make it biggerplus gros,
16
39606
1159
Peut-on l'agrandir
00:52
biggros enoughassez that you
can peerpair insideà l'intérieur
17
40789
1678
pour le regarder de près,
00:54
and see all the tinyminuscule buildingbâtiment blocksblocs,
the biomoleculesbiomolécules,
18
42481
2628
pour voir comment ces infimes
blocs, les biomolécules,
00:57
how they're organizedorganisé in threeTrois dimensionsdimensions,
19
45133
2151
sont organisés en
trois dimensions ?
00:59
the structurestructure, the groundsol truthvérité
structurestructure of the braincerveau, if you will?
20
47308
3485
Voir la structure de base
du cerveau, on pourrait dire ?
01:02
If we could get that,
21
50817
1158
En faisant ceci,
01:03
maybe we could have a better understandingcompréhension
of how the braincerveau is organizedorganisé
22
51999
3509
on aurait une meilleure idée de
comment le cerveau est organisé pour
01:07
to yieldrendement thoughtspensées and emotionsémotions
23
55532
1659
produire des pensées et émotions,
01:09
and actionsactes and sensationssensations.
24
57215
1719
des actions et sensations.
01:10
Maybe we could try to pinpointlocaliser
the exactexact changeschangements in the braincerveau
25
58958
3415
Peut-être qu'on pourrait identifier
les changements exacts
01:14
that resultrésultat in diseasesmaladies,
26
62397
1776
qui provoquent des maladies
01:16
diseasesmaladies like Alzheimer'sAlzheimer
and epilepsyépilepsie and Parkinson'sMaladie de Parkinson,
27
64197
3212
comme Alzheimer, l'épilepsie
et Parkinson,
01:19
for whichlequel there are fewpeu
treatmentstraitements, much lessMoins curescures,
28
67433
2578
pour lesquelles il y existe
peu de soins et de remèdes
01:22
and for whichlequel, very oftensouvent,
we don't know the causecause or the originsorigines
29
70035
3617
et desquelles on connaît
rarement les origines,
01:25
and what's really causingprovoquant them to occurse produire.
30
73676
2135
ce qui les causent vraiment.
01:28
Now, our groupgroupe at MITMIT
31
76613
1740
Notre équipe au MIT
01:30
is tryingen essayant to take
a differentdifférent pointpoint of viewvue
32
78377
2686
essaie de voir les choses
d'une autre façon en retraçant
01:33
from the way neuroscienceneuroscience has
been doneterminé over the last hundredcent yearsannées.
33
81087
3230
l'évolution de la neuroscience
au cours des 100 dernières années.
01:36
We're designersconcepteurs. We're inventorsinventeurs.
34
84341
1579
On est designers et inventeurs.
01:37
We're tryingen essayant to figurefigure out
how to buildconstruire technologiesles technologies
35
85944
2544
On essaie de concevoir des technologies
01:40
that let us look at and repairréparation the braincerveau.
36
88512
2456
pour observer et réparer le cerveau.
01:42
And the reasonraison is,
37
90992
1151
La raison derrière
01:44
the braincerveau is incrediblyincroyablement,
incrediblyincroyablement complicatedcompliqué.
38
92167
2801
est que le cerveau est
sacrément compliqué.
01:47
So what we'venous avons learnedappris
over the first centurysiècle of neuroscienceneuroscience
39
95484
2887
On a appris au cours du premier
siècle de la neuroscience
01:50
is that the braincerveau is a very
complicatedcompliqué networkréseau,
40
98395
2303
que le cerveau est un
réseau très complexe
01:52
madefabriqué out of very specializedspécialisé
cellscellules calledappelé neuronsneurones
41
100722
2480
composé de neurones,
des cellules spécialisées
01:55
with very complexcomplexe geometriesgéométries,
42
103226
1667
avec des géométries très complexes
01:56
and electricalélectrique currentscourants will flowcouler
throughpar these complexlycomplexe shapeden forme de neuronsneurones.
43
104917
4237
à travers lesquelles traversent
des courants électriques.
02:01
FurthermoreEn outre, neuronsneurones
are connectedconnecté in networksréseaux.
44
109653
2784
De plus, les neurones
sont connectés en réseaux
02:04
They're connectedconnecté by little junctionsjonctions
calledappelé synapsessynapses that exchangeéchange chemicalsproduits chimiques
45
112461
3835
par de petites jonctions, des synapses,
qui transmettent les éléments chimiques
02:08
and allowpermettre the neuronsneurones
to talk to eachchaque other.
46
116320
2218
qui leur permettent de
communiquer entre eux.
02:10
The densitydensité of the braincerveau is incredibleincroyable.
47
118562
1940
Le cerveau est d'une densité incroyable.
02:12
In a cubiccubes millimetermillimètre of your braincerveau,
48
120526
2307
Dans un millimètre cube du cerveau,
02:14
there are about 100,000 of these neuronsneurones
49
122857
2457
il y a environ 100 000 de ces neurones
02:17
and maybe a billionmilliard of those connectionsles liaisons.
50
125338
2517
et peut-être bien
un milliard de ces jonctions.
02:20
But it's worsepire.
51
128887
1382
Mais c'est pire que ça.
02:22
So, if you could zoomZoom in to a neuronneurone,
52
130293
2305
Si vous zoomez sur un neurone --
02:24
and, of coursecours, this is just
our artist'sartistes renditioninterprétation of it.
53
132622
2750
et ceci n'est qu'une
représentation artistique --
02:27
What you would see are thousandsmilliers
and thousandsmilliers of kindssortes of biomoleculesbiomolécules,
54
135396
4207
vous allez voir des milliers et des
milliers de types de biomolécules,
02:31
little nanoscalenanométriques machinesmachines
organizedorganisé in complexcomplexe, 3D patternsmodèles,
55
139627
4400
des machines nanométriques
organisées en schémas 3D
02:36
and togetherensemble they mediatemédiation
those electricalélectrique pulsesimpulsions,
56
144051
2628
servant de médiateurs entre
les impulsions électriques,
02:38
those chemicalchimique exchangeséchanges
that allowpermettre neuronsneurones to work togetherensemble
57
146703
3937
ces échanges chimiques qui permettent
aux neurones de travailler ensemble
02:42
to generateGénérer things like thoughtspensées
and feelingssentiments and so forthavant.
58
150664
3669
pour générer des choses comme
les pensées et les sentiments.
02:46
Now, we don't know how
the neuronsneurones in the braincerveau are organizedorganisé
59
154357
3764
Nous ne savons pas exactement
comment sont organisés ces neurones
02:50
to formforme networksréseaux,
60
158145
1174
pour former des réseaux
02:51
and we don't know how
the biomoleculesbiomolécules are organizedorganisé
61
159343
2500
ou comment sont organisées les
biomolécules à l'intérieur des neurones
02:53
withindans neuronsneurones
62
161867
1174
02:55
to formforme these complexcomplexe, organizedorganisé machinesmachines.
63
163065
2405
pour former ces machines complexes.
02:57
If we really want to understandcomprendre this,
64
165918
1820
Si on veut vraiment comprendre ceci,
02:59
we're going to need newNouveau technologiesles technologies.
65
167762
1817
il faudra de nouvelles technologies.
03:01
But if we could get suchtel mapscartes,
66
169603
1784
En arrivant à cartographier le tout,
03:03
if we could look at the organizationorganisation
of moleculesmolécules and neuronsneurones
67
171411
2943
on pourrait voir l'organisation
des molécules et neurones, et
03:06
and neuronsneurones and networksréseaux,
68
174378
1566
des neurones et réseaux.
03:07
maybe we could really understandcomprendre
how the braincerveau conductseffectue informationinformation
69
175968
3437
On pourrait comprendre comment
le cerveau dirige de l'information
des régions sensorielles,
03:11
from sensorysensoriel regionsles régions,
70
179429
1167
03:12
mixesmélanges it with emotionémotion and feelingsentiment,
71
180620
1736
mélange ceci avec les émotions
03:14
and generatesgénère our decisionsles décisions and actionsactes.
72
182380
2394
et produit nos décisions et actions.
03:17
Maybe we could pinpointlocaliser the exactexact setensemble
of molecularmoléculaire changeschangements that occurse produire
73
185131
3789
On pourrait identifier les changements
moléculaires exacts qui se produisent
03:20
in a braincerveau disorderdésordre.
74
188944
1202
dans un trouble cérébral.
03:22
And onceune fois que we know how
those moleculesmolécules have changedmodifié,
75
190170
2822
Une fois qu'on comprend comment
ces molécules ont changé,
03:25
whetherqu'il s'agisse they'veils ont increasedaugmenté in numbernombre
or changedmodifié in patternmodèle,
76
193016
2780
si elles ont augmenté ou changé de schéma,
03:27
we could use those
as targetscibles for newNouveau drugsdrogues,
77
195820
2939
on les utiliserait comme cibles
pour de nouveaux médicaments,
03:30
for newNouveau waysfaçons of deliveringlivrer
energyénergie into the braincerveau
78
198783
2271
de nouvelles façons de
transmettre de l'énergie
03:33
in ordercommande to repairréparation the braincerveau
computationscalculs that are afflictedaffligé
79
201078
3880
dans le cerveau pour y réparer
les computations abîmées
03:36
in patientsles patients who suffersouffrir
from braincerveau disorderstroubles.
80
204982
2299
chez les patients atteints
de troubles cérébraux.
03:39
We'veNous avons all seenvu lots of differentdifférent
technologiesles technologies over the last centurysiècle
81
207793
3243
Beaucoup de nouvelles technologies
au cours du dernier siècle
03:43
to try to confrontaffronter this.
82
211060
1166
ont relevé ce défi.
03:44
I think we'venous avons all seenvu braincerveau scansscans
83
212250
1880
On a tous vu des scans cérébraux
03:46
takenpris usingen utilisant MRIIRM machinesmachines.
84
214154
2034
pris dans des machines fMRI.
03:48
These, of coursecours, have the great powerPuissance
that they are noninvasivenon invasif,
85
216212
3347
Leur grand atout est leur
non invasivité, donc on peut
03:51
they can be used on livingvivant humanHumain subjectssujets.
86
219583
2355
les utiliser sur des
sujets humains vivants.
03:54
But alsoaussi, they're spatiallydans l’espace crudebrut.
87
222407
2231
Mais ils sont aussi
visuellement peu raffinés.
03:56
EachChaque of these blobsblobs that you see,
or voxelsvoxels, as they're calledappelé,
88
224662
2990
Chacune de ces zones
à l'écran, des voxels,
03:59
can containcontenir millionsdes millions
and millionsdes millions of neuronsneurones.
89
227676
2689
peut contenir des millions de neurones.
04:02
So it's not at the levelniveau of resolutionrésolution
90
230389
1850
Alors on n'a pas la résolution
04:04
where it can pinpointlocaliser
the molecularmoléculaire changeschangements that occurse produire
91
232263
2538
requise pour identifier les
changements moléculaires
04:06
or the changeschangements in the wiringcâblage
of these networksréseaux
92
234825
2286
ou les changements dans
le câblage du cerveau
04:09
that contributescontribue to our abilitycapacité
to be consciousconscient and powerfulpuissant beingsêtres.
93
237135
3946
qui contribue à nous faire des
êtres conscients et capables.
04:13
At the other extremeextrême,
you have microscopesmicroscopes.
94
241797
3181
À l'autre extrême,
vous avez les microscopes.
04:17
MicroscopesMicroscopes, of coursecours, will use lightlumière
to look at little tinyminuscule things.
95
245002
3295
Ils se servent de la lumière pour
observer des choses minuscules.
04:20
For centuriesdes siècles, they'veils ont been used
to look at things like bacteriades bactéries.
96
248321
3075
Pendant des siècles, on a ainsi
observé les bactéries, etc.
04:23
For neuroscienceneuroscience,
97
251420
1151
En neuroscience,
04:24
microscopesmicroscopes are actuallyréellement how neuronsneurones
were discovereddécouvert in the first placeendroit,
98
252595
3412
les microscopes ont fait
la découverte des neurones
04:28
about 130 yearsannées agodepuis.
99
256031
1292
il y a 130 ans.
04:29
But lightlumière is fundamentallyfondamentalement limitedlimité.
100
257347
2318
Mais la lumière a ses limites.
04:31
You can't see individualindividuel moleculesmolécules
with a regularordinaire oldvieux microscopemicroscope.
101
259689
3298
On ne peut pas voir des molécules
individuelles avec un microscope.
04:35
You can't look at these tinyminuscule connectionsles liaisons.
102
263011
2152
On ne peut pas voir ces petites jonctions.
04:37
So if we want to make our abilitycapacité
to see the braincerveau more powerfulpuissant,
103
265187
3942
Si nous voulons améliorer
la façon d'observer le cerveau,
04:41
to get down to the groundsol truthvérité structurestructure,
104
269153
2168
de voir sa structure de base de près,
04:43
we're going to need to have
even better technologiesles technologies.
105
271345
3280
on aura besoin de meilleures technologies.
04:47
My groupgroupe, a couplecouple yearsannées agodepuis,
startedcommencé thinkingen pensant:
106
275611
2224
Mon équipe s'est demandé :
04:49
Why don't we do the oppositecontraire?
107
277859
1412
si on faisait le contraire ?
04:51
If it's so darnZut complicatedcompliqué
to zoomZoom in to the braincerveau,
108
279295
2461
Si c'est compliqué de
zoomer sur le cerveau,
04:53
why can't we make the braincerveau biggerplus gros?
109
281780
1943
pourquoi pas l'agrandir ?
04:56
It initiallyinitialement startedcommencé
110
284166
1155
Ça a commencé
04:57
with two gradGrad studentsélèves in my groupgroupe,
FeiFEI ChenChen and PaulPaul TillbergTillberg.
111
285345
2996
avec deux doctorants de l'équipe,
Fei Chen et Paul Tillberg.
05:00
Now manybeaucoup othersautres in my groupgroupe
are helpingportion with this processprocessus.
112
288365
2720
Maintenant d'autres m'aident
dans cette expérience.
05:03
We decideddécidé to try to figurefigure out
if we could take polymerspolymères,
113
291109
2762
On a décidé d'essayer de
prendre des polymères
05:05
like the stuffdes trucs in the babybébé diapercouche-culotte,
114
293895
1629
comme ceux des couches
05:07
and installinstaller it physicallyphysiquement
withindans the braincerveau.
115
295548
2006
et les installer dans le cerveau.
05:09
If we could do it just right,
and you addajouter watereau,
116
297578
2241
Si on arrive à le faire
et on y ajoute de l'eau,
05:11
you can potentiallypotentiellement blowcoup the braincerveau up
117
299843
1835
on pourrait gonfler le cerveau
05:13
to where you could distinguishdistinguer
those tinyminuscule biomoleculesbiomolécules from eachchaque other.
118
301702
3377
au point de pouvoir distinguer
une molécule d'une autre.
05:17
You would see those connectionsles liaisons
and get mapscartes of the braincerveau.
119
305103
2870
On pourrait voir ces jonctions
et cartographier le cerveau.
05:19
This could potentiallypotentiellement be quiteassez dramaticdramatique.
120
307997
1988
Ça pourrait avoir un effet important.
05:22
We broughtapporté a little demodémo here.
121
310009
3008
On a apporté une démo.
05:25
We got some purifiedpurifiée babybébé diapercouche-culotte materialMatériel.
122
313538
2575
Voici du matériel de couche purifié.
05:28
It's much easierPlus facile
just to buyacheter it off the InternetInternet
123
316137
2274
C'est plus facile d'en
acheter sur Internet
05:30
than to extractextrait the fewpeu grainsgrains de
that actuallyréellement occurse produire in these diaperscouches.
124
318435
3475
que d'extraire les quelques graines
qui se trouvent dans les couches.
05:33
I'm going to put just one teaspooncuillère à café here
125
321934
2225
Ici, je vais placer une cuillerée
05:36
of this purifiedpurifiée polymerpolymère.
126
324706
1794
de ce polymère purifié.
05:39
And here we have some watereau.
127
327270
2152
Et voici un peu d'eau.
05:41
What we're going to do
128
329446
1162
Ce qu'on va faire est
05:42
is see if this teaspooncuillère à café
of the babybébé diapercouche-culotte materialMatériel
129
330632
3011
essayer de voir si cette cuillerée
de matière de couche
05:45
can increaseaugmenter in sizeTaille.
130
333667
1709
peut augmenter en taille.
05:48
You're going to see it increaseaugmenter in volumele volume
by about a thousandfoldThousandfold
131
336687
3696
Vous allez la voir augmenter par mille
05:52
before your very eyesles yeux.
132
340407
1286
sous vos yeux.
06:01
I could pourverser much more of this in there,
133
349597
1972
Je pourrais y ajouter encore plus d'eau,
06:03
but I think you've got the ideaidée
134
351593
1558
mais vous avez déjà en gros vu
06:05
that this is a very,
very interestingintéressant moleculemolécule,
135
353175
2502
que c'est une molécule très intéressante.
06:07
and if can use it in the right way,
136
355701
1912
Si on l'utilise intelligemment,
06:09
we mightpourrait be ablecapable
to really zoomZoom in on the braincerveau
137
357637
2321
on pourra zoomer sur
le cerveau d'une façon
06:11
in a way that you can't do
with pastpassé technologiesles technologies.
138
359982
2594
que les autres technologies
n'ont pas pu faire.
06:15
OK. So a little bitbit of chemistrychimie now.
139
363227
2054
Maintenant, un peu de chimie.
06:17
What's going on
in the babybébé diapercouche-culotte polymerpolymère?
140
365305
2442
Que se passe-t-il dans
ce polymère de couche ?
06:19
If you could zoomZoom in,
141
367771
1676
Si on zoomait dessus,
06:21
it mightpourrait look something like
what you see on the screenécran.
142
369471
2673
ça ressemblerait à
ce qu'il y a sur l'écran.
06:24
PolymersPolymères are chainsChaînes of atomsatomes
arrangedarrangé in long, thinmince lineslignes.
143
372168
4492
Les polymères sont de longues
et minces chaînes d'atomes.
06:28
The chainsChaînes are very tinyminuscule,
144
376684
1367
Ces chaînes sont minuscules,
06:30
about the widthlargeur of a biomoleculebiomolécule,
145
378075
1864
de la largeur d'une biomolécule,
06:31
and these polymerspolymères are really densedense.
146
379963
1747
et ces polymères sont très denses.
06:33
They're separatedséparé by distancesles distances
147
381734
1500
Ils sont séparés par
06:35
that are around the sizeTaille of a biomoleculebiomolécule.
148
383258
2252
la distance d'une biomolécule.
06:37
This is very good
149
385534
1165
Ceci est bien
06:38
because we could potentiallypotentiellement
movebouge toi everything apartune part in the braincerveau.
150
386723
3041
parce qu'on pourrait tout
écarter dans le cerveau.
06:41
If we addajouter watereau, what will happense produire is,
151
389788
1848
Si nous y ajoutons de l'eau,
06:43
this swellablegonflable materialMatériel
is going to absorbabsorber the watereau,
152
391660
2515
le matériel gonflable va l'absorber,
06:46
the polymerpolymère chainsChaînes will movebouge toi
apartune part from eachchaque other,
153
394199
2400
les chaînes vont s'écarter
l'une de l'autre
06:48
and the entiretout materialMatériel
is going to becomedevenir biggerplus gros.
154
396623
2634
et tout le matériel va grandir.
06:51
And because these chainsChaînes are so tinyminuscule
155
399615
1814
Parce que ces chaînes sont minuscules
06:53
and spacedespacées de by biomolecularbiomoléculaire distancesles distances,
156
401453
2205
et séparées par des
distances biomoléculaires,
06:55
we could potentiallypotentiellement blowcoup up the braincerveau
157
403682
2039
on pourrait agrandir le cerveau
06:57
and make it biggros enoughassez to see.
158
405745
1633
à une taille visible.
07:00
Here'sVoici the mysterymystère, then:
159
408020
1240
La question clé est :
07:01
How do we actuallyréellement make
these polymerpolymère chainsChaînes insideà l'intérieur the braincerveau
160
409284
3610
comment mettre ces chaînes
de polymère dans le cerveau
07:04
so we can movebouge toi all the biomoleculesbiomolécules apartune part?
161
412918
2239
pour faire s'écarter les biomolécules ?
07:07
If we could do that,
162
415181
1151
Si on pouvait le faire,
07:08
maybe we could get
groundsol truthvérité mapscartes of the braincerveau.
163
416356
2397
on pourrait cartographier
les bases du cerveau.
07:10
We could look at the wiringcâblage.
164
418777
1389
On pourrait voir le câblage.
07:12
We can peerpair insideà l'intérieur
and see the moleculesmolécules withindans.
165
420190
3157
On y regarderait à l'intérieur
pour voir les molécules.
07:15
To explainExplique this, we madefabriqué some animationsdes animations
166
423925
2481
On a conçu des animations
pour mieux expliquer ceci.
07:18
where we actuallyréellement look
at, in these artistartiste renderingsrendus,
167
426430
2603
Les représentations artistiques
nous permettent de voir
07:21
what biomoleculesbiomolécules mightpourrait look
like and how we mightpourrait separateséparé them.
168
429057
3541
comment seraient les biomolécules
si nous les écartions.
07:24
StepÉtape one: what we'dmer have
to do, first of all,
169
432622
2549
La première étape serait
07:27
is attachattacher everychaque biomoleculebiomolécule,
shownmontré in brownmarron here,
170
435195
3389
de lier chaque biomolécule
(ici en marron)
07:30
to a little anchorancre, a little handlemanipuler.
171
438608
2159
à une petite ancre, une petite anse.
07:32
We need to pulltirer the moleculesmolécules
of the braincerveau apartune part from eachchaque other,
172
440791
3095
On doit écarter les molécules du
cerveau l'une de l'autre,
07:35
and to do that, we need
to have a little handlemanipuler
173
443910
2326
et pour le faire, on a besoin
d'une petite anse
07:38
that allowspermet those polymerspolymères to bindlier to them
174
446260
2285
qui fasse que les polymères
se lient à elles
07:40
and to exertexercer une theirleur forceObliger.
175
448569
1542
et exercent leur force.
07:43
Now, if you just take babybébé diapercouche-culotte
polymerpolymère and dumpdéverser it on the braincerveau,
176
451278
3161
Si vous mettez simplement
le polymère sur le cerveau,
07:46
obviouslyévidemment, it's going to sitasseoir there on topHaut.
177
454463
2037
ça va seulement s'installer dessus.
07:48
So we need to find a way
to make the polymerspolymères insideà l'intérieur.
178
456524
2528
Il faudrait plutôt le fabriquer
à l'intérieur même.
07:51
And this is where we're really luckychanceux.
179
459076
1788
Sur ce point, on est chanceux
07:52
It turnsse tourne out, you can
get the buildingbâtiment blocksblocs,
180
460888
2188
car on peut prendre les blocs constructifs
07:55
monomersmonomères, as they're calledappelé,
181
463100
1372
appelés « monomères »
07:56
and if you let them go into the braincerveau
182
464496
1784
et les lâcher dans le cerveau
07:58
and then triggergâchette the chemicalchimique reactionsréactions,
183
466304
2036
avant d'induire des réactions chimiques
08:00
you can get them to formforme
those long chainsChaînes,
184
468364
2702
qui les transformeraient
en ces longues chaînes
08:03
right there insideà l'intérieur the braincerveau tissuetissu.
185
471090
1798
à l'intérieur même du tissu cérébral.
08:05
They're going to windvent theirleur way
around biomoleculesbiomolécules
186
473325
2397
Ils vont s'enrouler
autour des biomolécules
08:07
and betweenentre biomoleculesbiomolécules,
187
475746
1221
et entre celles-ci
08:08
formingformant those complexcomplexe websWebs
188
476991
1625
pour former des réseaux complexes
08:10
that will allowpermettre you, eventuallyfinalement,
to pulltirer apartune part the moleculesmolécules
189
478640
2862
qui permettraient, éventuellement,
d'écarter les molécules
08:13
from eachchaque other.
190
481526
1175
l'une de l'autre.
08:14
And everychaque time one
of those little handlespoignées is around,
191
482725
3054
À chaque fois qu'il y
a une petite anse,
08:17
the polymerpolymère will bindlier to the handlemanipuler,
and that's exactlyexactement what we need
192
485803
3350
le polymère s'y attachera,
et c'est ce dont on a besoin
08:21
in ordercommande to pulltirer the moleculesmolécules
apartune part from eachchaque other.
193
489177
2531
pour écarter les molécules
les unes des autres.
08:23
All right, the momentmoment of truthvérité.
194
491732
1693
Nous voici à un moment crucial.
08:25
We have to treattraiter this specimenspécimen
195
493449
2148
On doit traiter ce spécimen
08:27
with a chemicalchimique to kindgentil of loosenDesserrer up
all the moleculesmolécules from eachchaque other,
196
495621
3446
avec un agent chimique pour
détacher chaque molécule de l'autre,
08:31
and then, when we addajouter watereau,
197
499091
1836
puis, à l'ajout de l'eau,
08:32
that swellablegonflable materialMatériel is going
to startdébut absorbingabsorbant the watereau,
198
500951
2953
le matériel gonflable va
commencer à l'absorber
08:35
the polymerpolymère chainsChaînes will movebouge toi apartune part,
199
503928
1703
et les chaînes vont s'écarter,
08:37
but now, the biomoleculesbiomolécules
will come alongle long de for the ridebalade.
200
505655
2722
mais maintenant, les biomolécules
vont les accompagner.
08:40
And much like drawingdessin
a picturephoto on a balloonballon,
201
508401
2164
Et tout comme quand
on dessine un ballon
08:42
and then you blowcoup up the balloonballon,
202
510589
1587
et puis qu'on le gonfle,
08:44
the imageimage is the sameMême,
203
512200
1290
l'image reste la même,
08:45
but the inkencre particlesdes particules have moveddéplacé
away from eachchaque other.
204
513514
2548
mais les particules d'encre
se sont écartées.
08:48
And that's what we'venous avons been ablecapable
to do now, but in threeTrois dimensionsdimensions.
205
516086
3467
Et ce que nous avons pu faire en 3D.
08:51
There's one last tricktour.
206
519577
1999
Il y a un dernier truc.
08:53
As you can see here,
207
521600
1218
Comme vous le voyez,
08:54
we'venous avons color-codedCode de couleur
all the biomoleculesbiomolécules brownmarron.
208
522842
2109
on a codé toutes
les biomolécules en marron
08:56
That's because they all
kindgentil of look the sameMême.
209
524975
2170
parce qu'elles se ressemblent toutes.
08:59
BiomoleculesBiomolécules are madefabriqué
out of the sameMême atomsatomes,
210
527169
2105
Elles sont faites des mêmes atomes,
09:01
but just in differentdifférent ordersordres.
211
529298
2240
juste dans des ordres différents.
09:03
So we need one last thing
212
531562
1500
On a besoin d'un dernier truc
09:05
in ordercommande to make them visiblevisible.
213
533086
1695
pour les rendre visibles.
09:06
We have to bringapporter in little tagsTags,
214
534805
1579
On a besoin de petites étiquettes
09:08
with glowingincandescent dyescolorants
that will distinguishdistinguer them.
215
536408
3019
teintes de couleurs vives
qui les différencient.
09:11
So one kindgentil of biomoleculebiomolécule
mightpourrait get a bluebleu colorCouleur.
216
539451
2673
Un type de biomolécule aurait
la couleur bleue.
09:14
AnotherUn autre kindgentil of biomoleculebiomolécule
mightpourrait get a redrouge colorCouleur.
217
542148
2351
Un autre type aurait la couleur rouge.
09:16
And so forthavant.
218
544523
1276
Et ainsi de suite.
09:17
And that's the finalfinal stepétape.
219
545823
1552
Ceci est l'étape finale.
09:19
Now we can look at something like a braincerveau
220
547399
2278
On peut maintenant
regarder le cerveau
09:21
and look at the individualindividuel moleculesmolécules,
221
549701
1796
et voir les molécules individuelles
09:23
because we'venous avons moveddéplacé them
farloin apartune part enoughassez from eachchaque other
222
551521
2707
parce qu'elles ont été assez
écartées l'une de l'autre
09:26
that we can tell them apartune part.
223
554252
1698
pour qu'on les différencie.
09:27
So the hopeespérer here is that
we can make the invisibleinvisible visiblevisible.
224
555974
2834
L'idée est de rendre visible l'invisible.
09:30
We can turntour things that mightpourrait seemsembler
smallpetit and obscureobscure
225
558832
2566
On peut prendre des choses
minuscules et obscures
09:33
and blowcoup them up
226
561422
1151
et les agrandir
09:34
untiljusqu'à they're like constellationsconstellations
of informationinformation about life.
227
562597
3177
jusqu'à ce qu'elles deviennent
des constellations d'information.
09:37
Here'sVoici an actualréel videovidéo
of what it mightpourrait look like.
228
565798
2375
Voici une vidéo d'à quoi ça
pourrait ressembler.
09:40
We have here a little braincerveau in a dishplat --
229
568197
2371
On a un petit cerveau dans un pétri --
09:42
a little piecepièce of a braincerveau, actuallyréellement.
230
570592
1747
un morceau de cerveau, en fait.
09:44
We'veNous avons infusedinfusé the polymerpolymère in,
231
572363
1596
On y a injecté le polymère
09:45
and now we're addingajouter watereau.
232
573983
1467
et on y ajoute de l'eau.
09:47
What you'lltu vas see is that,
right before your eyesles yeux --
233
575474
2358
Vous verrez de vos propres yeux
09:49
this videovidéo is spedSped up about sixtyfoldsixtyfold --
234
577856
1923
(cette vidéo est accélérée par soixante)
09:51
this little piecepièce of braincerveau tissuetissu
is going to growcroître.
235
579803
2725
comment grandit ce petit morceau
de tissu cérébral.
09:54
It can increaseaugmenter by a hundredfoldau centuple
or even more in volumele volume.
236
582552
3180
Ça peut augmenter par cent
ou encore plus en volume.
09:57
And the coolcool partpartie is, because
those polymerspolymères are so tinyminuscule,
237
585756
2949
Ce qui est super, c'est que
ces polymères sont si petites
10:00
we're separatingséparer biomoleculesbiomolécules
evenlyuniformément from eachchaque other.
238
588729
2559
que la séparation des
biomolécules est uniforme.
10:03
It's a smoothlisse expansionexpansion.
239
591312
1658
C'est un élargissement uniforme.
10:04
We're not losingperdant the configurationConfiguration
of the informationinformation.
240
592994
2687
La configuration de l'information
ne se perd pas.
10:07
We're just makingfabrication it easierPlus facile to see.
241
595705
2700
Elle devient simplement
plus facile à voir.
10:11
So now we can take
actualréel braincerveau circuitrycircuits --
242
599333
2176
Prenons maintenant un
vrai circuit cérébral,
10:13
here'svoici a piecepièce of the braincerveau
involvedimpliqué with, for exampleExemple, memoryMémoire --
243
601533
3134
par exemple la partie
qui s'occupe de la mémoire,
10:16
and we can zoomZoom in.
244
604691
1263
et on peut zoomer dessus.
10:17
We can startdébut to actuallyréellement look at
how circuitsles circuits are configuredconfigurée.
245
605978
2890
On peut discerner comment
sont configurés ces circuits.
10:20
Maybe somedayun jour we could readlis out a memoryMémoire.
246
608892
1968
Peut-être même « lire » une mémoire.
10:22
Maybe we could actuallyréellement look
at how circuitsles circuits are configuredconfigurée
247
610884
2779
Voir comment ils sont configurés pour
10:25
to processprocessus emotionsémotions,
248
613687
1152
traiter les émotions,
10:26
how the actualréel wiringcâblage
of our braincerveau is organizedorganisé
249
614863
2922
comment le câblage du cerveau
est vraiment organisé
10:29
in ordercommande to make us who we are.
250
617809
2567
pour nous rendre qui nous sommes.
10:32
And of coursecours, we can pinpointlocaliser, hopefullyj'espère,
251
620400
2047
Nous espérons, bien sûr, identifier
10:34
the actualréel problemsproblèmes in the braincerveau
at a molecularmoléculaire levelniveau.
252
622471
3159
les réels problèmes cérébraux
au niveau moléculaire.
10:37
What if we could actuallyréellement
look into cellscellules in the braincerveau
253
625654
2569
Et si on pouvait regarder
dans les cellules du cerveau
10:40
and figurefigure out, wowsensationnel, here are the 17
moleculesmolécules that have alteredaltéré
254
628247
3083
et voir que, disons, 17
molécules ont changé
10:43
in this braincerveau tissuetissu that has been
undergoingen cours de epilepsyépilepsie
255
631354
3455
dans ce tissu cérébral qui
est atteint d'épilepsie
10:46
or changingen changeant in Parkinson'sMaladie de Parkinson diseasemaladie
256
634833
1650
ou de Parkinson ou
10:48
or otherwiseautrement beingétant alteredaltéré?
257
636507
1517
a changé d'une autre manière ?
10:50
If we get that systematicsystématique listliste
of things that are going wrongfaux,
258
638048
3043
Si on dresse une liste de
tout ce qui va de travers,
10:53
those becomedevenir our therapeuticthérapeutique targetscibles.
259
641115
2199
on a une liste de nos
cibles thérapeutiques
10:55
We can buildconstruire drugsdrogues that bindlier those.
260
643338
1677
pour concevoir des médicaments
10:57
We can maybe aimobjectif energyénergie
at differentdifférent partsles pièces of the braincerveau
261
645039
2627
et pour cibler de l'énergie
sur certaines parties
10:59
in ordercommande to help people
with Parkinson'sMaladie de Parkinson or epilepsyépilepsie
262
647690
2687
afin d'aider ceux atteints de
Parkinson ou d'épilepsie
11:02
or other conditionsconditions that affectaffecter
over a billionmilliard people
263
650401
2551
ou d'autres maladies qui touchent plus
d'un milliard de personnes dans le monde.
11:04
around the worldmonde.
264
652976
1213
11:07
Now, something interestingintéressant
has been happeningévénement.
265
655246
2206
Ce qui est intéressant est qu'il s'avère
11:09
It turnsse tourne out that throughouttout au long de biomedicinebiomédecine,
266
657476
2705
qu'à travers la biomédecine,
11:12
there are other problemsproblèmes
that expansionexpansion mightpourrait help with.
267
660205
2666
l'agrandissement pourrait
résoudre d'autres problèmes.
11:14
This is an actualréel biopsybiopsie
from a humanHumain breastSein cancercancer patientpatient.
268
662895
3234
Voici la biopsie d'une patiente
atteinte d'un cancer du sein.
11:18
It turnsse tourne out that if you look at cancerscancers,
269
666505
2188
Si vous regardez les cancers
11:20
if you look at the immuneimmunitaire systemsystème,
270
668717
1611
ainsi que le système immunitaire,
11:22
if you look at agingvieillissement,
if you look at developmentdéveloppement --
271
670352
2513
le vieillissement et le développement,
11:24
all these processesprocessus are involvingimpliquant
large-scalegrande échelle biologicalbiologique systemssystèmes.
272
672889
4497
tous ces procédés impliquent des
systèmes biologiques à grande échelle,
11:29
But of coursecours, the problemsproblèmes begincommencer
with those little nanoscalenanométriques moleculesmolécules,
273
677410
4024
mais, bien sûr, le problème commence
à l'échelle des molécules nanométriques,
11:33
the machinesmachines that make the cellscellules
and the organsorganes in our bodycorps tickcocher.
274
681458
3869
ces « machines » qui font marcher
les cellules et organes de nos corps.
11:37
So what we're tryingen essayant
to do now is to figurefigure out
275
685351
2222
On essaie de comprendre comment
11:39
if we can actuallyréellement use this technologyLa technologie
to mapcarte the buildingbâtiment blocksblocs of life
276
687597
3466
utiliser cette technologie pour
cartographier les schémas structuraux
11:43
in a widelarge varietyvariété of diseasesmaladies.
277
691087
1745
de plusieurs maladies.
11:44
Can we actuallyréellement pinpointlocaliser
the molecularmoléculaire changeschangements in a tumortumeur
278
692856
2896
Pouvons-nous identifier les
changements dans une tumeur
11:47
so that we can actuallyréellement
go after it in a smartintelligent way
279
695776
2369
pour pouvoir l'attaquer
de manière intelligente
11:50
and deliverlivrer drugsdrogues that mightpourrait wipeessuyer out
exactlyexactement the cellscellules that we want to?
280
698169
3944
et fournir les médicaments qui éliminent
précisément les cellules qu'il faut ?
11:54
You know, a lot of medicinemédicament
is very highhaute riskrisque.
281
702137
2335
Beaucoup de médicaments
ont un risque très élevé.
11:56
SometimesParfois, it's even guessworkdevinettes.
282
704496
1782
C'est souvent de l'approximation.
11:58
My hopeespérer is we can actuallyréellement turntour
what mightpourrait be a high-riskrisque élevé moonlune shotcoup
283
706626
3875
J'espère transformer quelque
chose à risque très élevé
12:02
into something that's more reliablefiable.
284
710525
1769
en quelque chose de plus sûr.
12:04
If you think about the originaloriginal moonlune shotcoup,
285
712318
2055
La première mission sur la Lune
avait des bases scientifiques solides.
12:06
where they actuallyréellement landeda atterri on the moonlune,
286
714397
1898
12:08
it was basedbasé on solidsolide sciencescience.
287
716319
1444
12:09
We understoodcompris gravityla gravité;
288
717787
1603
On comprenait déjà la gravité,
les lois de l'aérodynamisme,
12:11
we understoodcompris aerodynamicsaérodynamique.
289
719414
1341
12:12
We knewa connu how to buildconstruire rocketsfusées.
290
720779
1395
la construction des fusées.
12:14
The sciencescience riskrisque was underen dessous de controlcontrôle.
291
722198
2468
Le risque scientifique
était sous contrôle,
12:16
It was still a great, great
featfeat of engineeringingénierie.
292
724690
2753
mais c'était quand même un
grand exploit d'ingénierie.
12:19
But in medicinemédicament, we don't
necessarilynécessairement have all the lawslois.
293
727467
2645
Mais en médecine, on n'a pas
toujours toutes les lois.
12:22
Do we have all the lawslois
that are analogousanalogue to gravityla gravité,
294
730136
3109
Avons-nous des lois qui sont
analogues à celle de la gravité,
12:25
that are analogousanalogue to aerodynamicsaérodynamique?
295
733269
2344
à celles de l'aérodynamisme ?
12:27
I would arguese disputer that with technologiesles technologies
296
735637
1730
Je dirais qu'avec les technologies
12:29
like the kindssortes I'm talkingparlant about todayaujourd'hui,
297
737391
1872
dont je parle aujourd'hui,
12:31
maybe we can actuallyréellement derivedériver those.
298
739287
1693
on pourrait bien trouver ces lois.
12:33
We can mapcarte the patternsmodèles
that occurse produire in livingvivant systemssystèmes,
299
741004
2857
On pourrait cartographier les
profils des systèmes vivants
12:35
and figurefigure out how to overcomesurmonter
the diseasesmaladies that plaguepeste us.
300
743885
4558
et trouver des remèdes aux
maladies qui nous affectent.
12:41
You know, my wifefemme and I
have two youngJeune kidsdes gamins,
301
749499
2079
Mon épouse et moi avons deux enfants.
12:43
and one of my hopesespère as a bioengineerbioingénieur
is to make life better for them
302
751602
3234
En tant que bio-ingénieur, je veux
que leur vie soit meilleure
12:46
than it currentlyactuellement is for us.
303
754860
1729
que la nôtre actuellement.
12:48
And my hopeespérer is, if we can
turntour biologyla biologie and medicinemédicament
304
756613
3730
Mon rêve est de transformer
la biologie et la médecine
12:52
from these high-riskrisque élevé endeavorsefforts
that are governedgouverné by chancechance and luckla chance,
305
760367
4357
de ces projets à risque élevé,
gouvernés par la chance et le hasard,
12:56
and make them things
that we wingagner by skillcompétence and harddifficile work,
306
764748
3927
à des domaines où on réussit grâce
à l'effort et aux compétences.
13:00
then that would be a great advanceavance.
307
768699
1898
Ce serait une grande avancée.
Merci beaucoup.
13:02
Thank you very much.
308
770621
1206
(Applaudissements)
13:03
(ApplauseApplaudissements)
309
771851
10383
Translated by Ameerah Arjanee
Reviewed by eric vautier

▲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