TEDWomen 2018
Karissa Sanbonmatsu: The biology of gender, from DNA to the brain
Karissa Sanbonmatsu: A gender biológiája, a DNS-től az agyig
Filmed:
Readability: 4.4
2,235,281 views
Hogyan működnek valójában a nemek? Nemcsak a kromoszómák műve az egész – mondja Karissa Sanbonmatsu biológus. Látnoki erejű előadásában beszél az epigenetika legújabb felfedezéseiről – az új kutatásokról, amelyek azt vizsgálják, hogyan változhat meg a DNS-tevékenység társadalmi okok, mint pl. traumák vagy a táplálkozás hatására. Ismerjük meg, hogyan hatnak az életesemények a gének kifejeződésére, és hogyan hat mindez a gender megértésére.
Karissa Sanbonmatsu - Structural biologist
Karissa Sanbonmatsu investigates how DNA allows cells in our body to remember events that take place. Full bio
Karissa Sanbonmatsu investigates how DNA allows cells in our body to remember events that take place. Full bio
Double-click the English transcript below to play the video.
00:14
So what does it mean to be a woman?
0
2595
3546
Mit is jelent nőnek lenni?
00:19
We all have XX chromosomes, right?
1
7341
2480
Minden nőnek két X-kromoszómája van, igaz?
00:22
Actually, that's not true.
2
10496
1520
Ami azt illeti, ez nem igaz.
00:25
Some women are mosaics.
3
13016
1736
Vannak mozaik-nők,
00:26
They have a mix of chromosome types
with X, with XY or with XXX.
with X, with XY or with XXX.
4
14776
5400
X, XY vagy XXX kromoszómatípusok
keverékével.
keverékével.
00:33
If it's not just
about our chromosomes,
about our chromosomes,
5
21056
2416
Ha pedig nem csak a kromoszómánktól függ,
00:35
then what is being a woman about?
6
23496
2240
mégis mitől lesz nő valaki?
00:38
Being feminine?
7
26496
1536
Attól, hogy nőies?
00:40
Getting married?
8
28056
1456
Hogy férjhez megy?
00:41
Having kids?
9
29536
1200
Gyereket szül?
00:43
You don't have to look far
to find fantastic exceptions
to find fantastic exceptions
10
31553
3678
Nem kell messzire mennünk,
hogy e szabályok alól
hogy e szabályok alól
látványos kivételeket találjunk,
00:47
to these rules,
11
35256
1616
00:48
but we all share something
that makes us women.
that makes us women.
12
36896
3640
ám mindannyiunkban van
valami közös, amitől nők vagyunk.
valami közös, amitől nők vagyunk.
00:53
Maybe that something is in our brains.
13
41536
2800
Lehet, hogy e valami az agyunkban rejlik.
00:57
You might have heard theories
from last century
from last century
14
45376
3096
Talán hallottak múlt századi
elméleteket arról,
elméleteket arról,
01:00
about how men are better
at math than women
at math than women
15
48496
2856
hogy a férfiak jobbak
a matekban, mint a nők,
a matekban, mint a nők,
01:03
because they have bigger brains.
16
51376
1560
mert nagyobb az agytérfogatuk.
01:05
These theories have been debunked.
17
53656
2256
E teóriákat azóta megcáfolták.
01:07
The average man has a brain
about three times smaller
about three times smaller
18
55937
2894
Az átlagos férfi agya harmad akkora,
01:10
than the average elephant,
19
58856
1776
mint egy átlagos elefánté,
01:12
but that doesn't mean
20
60656
1256
ám ez nem jelenti azt,
01:13
the average man is three times
dumber than an elephant ...
dumber than an elephant ...
21
61936
2736
hogy az átlagos férfi háromszor
butább, mint egy elefánt.
butább, mint egy elefánt.
01:16
or does it?
22
64696
1216
Vagy mégis?
01:17
(Laughter)
23
65935
2537
(Nevetés)
01:20
There's a new wave
of female neuroscientists
of female neuroscientists
24
68496
5176
Női idegtudósok új hulláma
01:25
that are finding important differences
between female and male brains
between female and male brains
25
73696
3976
fontos különbségeket fedez fel
a férfi és női agy között
a férfi és női agy között
01:29
in neuron connectivity,
26
77696
1736
az idegkapcsolódások,
01:31
in brain structure, in brain activity.
27
79456
2760
agyi struktúrák és agyműködés területén.
01:34
They're finding that the brain
is like a patchwork mosaic --
is like a patchwork mosaic --
28
82936
3816
Arra jutnak, hogy az agy olyan,
mint egy foltokból álló mozaik –
mint egy foltokból álló mozaik –
01:38
a mixture.
29
86776
1296
keverék.
01:40
Women have mostly female patches
and a few male patches.
and a few male patches.
30
88096
3640
A nőknek főleg női foltjaik
és néhány férfifoltjuk van.
és néhány férfifoltjuk van.
01:44
With all this new data,
what does it mean to be a woman?
what does it mean to be a woman?
31
92776
3480
Figyelembe véve az új adatokat,
mit jelent nőnek lenni?
mit jelent nőnek lenni?
01:49
This is something that I've been
thinking about almost my entire life.
thinking about almost my entire life.
32
97296
3560
Jóformán egész életemben
ezen gondolkodtam.
ezen gondolkodtam.
01:53
When people learn that I'm a woman
who happens to be transgender,
who happens to be transgender,
33
101896
3856
Amikor az emberek megtudják,
hogy transznemű nő vagyok,
hogy transznemű nő vagyok,
01:57
they always ask,
34
105776
1496
mindig megkérdik:
01:59
"How do you know you're a woman?"
35
107296
1600
"Honnan tudod, hogy nő vagy?"
02:02
As a scientist, I'm searching
for a biological basis of gender.
for a biological basis of gender.
36
110056
5416
Tudósként a gender
biológiai alapját keresem.
biológiai alapját keresem.
02:07
I want to understand what makes me me.
37
115496
3280
Meg akarom érteni, mitől vagyok én – én.
02:12
New discoveries
at the front edge of science
at the front edge of science
38
120656
2976
A legmodernebb tudomány felfedezései
02:15
are shedding light
on the biomarkers that define gender.
on the biomarkers that define gender.
39
123656
4256
fényt derítenek a gendert
meghatározó biológiai markerekre.
meghatározó biológiai markerekre.
02:19
My colleagues and I in genetics,
neuroscience, physiology and psychology,
neuroscience, physiology and psychology,
40
127936
6136
A genetika, idegtudomány, élettan és
pszichológia terén dolgozó munkatársaimmal
pszichológia terén dolgozó munkatársaimmal
02:26
we're trying to figure out
exactly how gender works.
exactly how gender works.
41
134096
3056
a gender működését próbáljuk felderíteni.
02:29
These vastly different fields
share a common connection --
share a common connection --
42
137176
3856
Ezeket az eltérő tudományterületeket
mind összeköti valami –
mind összeköti valami –
02:33
epigenetics.
43
141056
1360
az epigenetika.
02:35
In epigenetics,
we're studying how DNA activity
we're studying how DNA activity
44
143576
6096
Az epigenetika azt kutatja,
hogyan változhat meg
hogyan változhat meg
02:41
can actually radically
and permanently change,
and permanently change,
45
149696
2976
gyökeresen és tartósan a DNS-tevékenység
02:44
even though the sequence stays the same.
46
152696
2480
annak ellenére, hogy a DNS-lánc
ugyanolyan marad.
ugyanolyan marad.
02:48
DNA is the long, string-like molecule
that winds up inside our cells.
that winds up inside our cells.
47
156216
5487
A DNS hosszú, fonalszerű molekula,
amely sejtjeink belsejében tekeredik.
amely sejtjeink belsejében tekeredik.
02:53
There's so much DNA
48
161728
1036
Olyan sok DNS van,
02:54
that it actually gets tangled
into these knot-like things --
into these knot-like things --
49
162789
2890
hogy tényleg efféle bogokba csavarodik –
02:57
we'll just call them knots.
50
165704
1320
hívjuk őket csak csomóknak.
03:00
So external factors change
how those DNA knots are formed.
how those DNA knots are formed.
51
168201
5040
Külső tényezők befolyásolják
a DNS-csomók formálódását.
a DNS-csomók formálódását.
03:06
You can think of it like this:
52
174941
1456
Elképzelhetik úgy is,
03:08
inside our cells, there's different
contraptions building things,
contraptions building things,
53
176421
5608
hogy sejtjeinkben különféle
szerkentyűk építkeznek,
szerkentyűk építkeznek,
03:14
connecting circuits,
54
182077
1696
kapcsolóáramköröket hoznak létre,
03:15
doing all the things they need
to make life happen.
to make life happen.
55
183797
2760
az élethez kellő mindenfélét tesznek.
03:19
Here's one that's sort of reading
the DNA and making RNA.
the DNA and making RNA.
56
187797
4520
Itt van egy, ami a DNS-t olvassa,
és RNS-t épít.
és RNS-t épít.
03:25
And then this one is carrying
a huge sac of neurotransmitters
a huge sac of neurotransmitters
57
193477
3616
Ez itt nagy adag ingerületátvivőt cipel
03:29
from one end of the brain cell
58
197117
1816
az agysejt egyik sarkából
03:30
to the other.
59
198957
1376
a másikba.
03:32
Don't they get hazard pay
for this kind of work?
for this kind of work?
60
200357
2256
Nem kapnak veszélyességi pótlékot ezért?
03:34
(Laughter)
61
202637
1200
(Nevetés)
03:36
This one is an entire molecular factory --
62
204757
2136
Ez itt egy egész molekulagyár –
03:38
some say it's the secret to life.
63
206917
1776
egyesek szerint az élet titka.
03:40
It's call the ribosome.
64
208717
1376
Ez a riboszóma.
03:42
I've been studying this since 2001.
65
210117
2440
2001 óta tanulmányozom.
03:46
One of the stunning
things about our cells
things about our cells
66
214237
3216
Sejtjeink egyik káprázatos tulajdonsága,
03:49
is that the components inside them
are actually biodegradable.
are actually biodegradable.
67
217477
4256
hogy a bennük rejlő összetevők
biológiailag lebomlanak.
biológiailag lebomlanak.
03:53
They dissolve,
68
221757
1256
Lebomlanak,
03:55
and then they're rebuilt each day,
69
223037
2336
majd napról napra újraépülnek,
03:57
kind of like a traveling carnival
70
225397
2536
mint egy utazó cirkusz,
03:59
where the rides are taken down
and then rebuilt every single day.
and then rebuilt every single day.
71
227957
3720
ahol a körhintákat minden egyes nap
szétszerelik, majd újraépítik.
szétszerelik, majd újraépítik.
04:04
A big difference between our cells
and the traveling carnival
and the traveling carnival
72
232917
3296
Sejtjeink és az utazó cirkusz között
az a nagy különbség,
az a nagy különbség,
04:08
is that in the carnival,
73
236237
2175
hogy a cirkusz esetében
04:10
there are skilled craftsmen
that rebuild the rides each day.
that rebuild the rides each day.
74
238436
3801
képzett mesteremberek építik
naponta újra a körhintákat.
naponta újra a körhintákat.
04:15
In our cells, there are
no such skilled craftsmen,
no such skilled craftsmen,
75
243197
2616
Sejtjeinkben nincsenek
képzett mesteremberek,
képzett mesteremberek,
04:17
only dumb builder machines
76
245837
1536
csak egyszerű építő gépezetek,
04:19
that build whatever's
written in the plans,
written in the plans,
77
247397
2296
amelyek felépítik,
ami a tervekben szerepel,
ami a tervekben szerepel,
04:21
no matter what those plans say.
78
249717
1600
bármi álljon is bennük.
04:24
Those plans are the DNA.
79
252437
2816
A terv pedig nem más, mint a DNS.
04:27
The instructions for every
nook and cranny inside our cells.
nook and cranny inside our cells.
80
255277
3560
Az utasítás sejtjeink minden
egyes zeg-zugára vonatkozik.
egyes zeg-zugára vonatkozik.
04:32
If everything in, say,
our brain cells
our brain cells
81
260197
2856
Ha pl. minden, ami az agysejtjeinkben van,
04:35
dissolves almost every day,
82
263077
2096
szinte naponta lebomlik,
04:37
then how can the brain remember
anything past one day?
anything past one day?
83
265197
2840
mégis hogyan emlékszik az agy
bármire is egy napnál tovább?
bármire is egy napnál tovább?
04:40
That's where DNA comes in.
84
268917
1976
Itt jön be a képbe a DNS.
04:42
DNA is one of the those things
that does not dissolve.
that does not dissolve.
85
270917
3256
A DNS nem bomlik le.
04:46
But for DNA to remember
that something happened,
that something happened,
86
274197
2696
Ám ahhoz, hogy a DNS emlékezzen,
hogy valami megtörtént,
hogy valami megtörtént,
04:48
it has to change somehow.
87
276917
1600
valahogy meg kell változnia.
04:51
We know the change
can't be in the sequence;
can't be in the sequence;
88
279477
2096
A változás nem lehet
a DNS-szekvenciában;
a DNS-szekvenciában;
04:53
if it changed sequence all the time,
89
281597
2096
ha ez folyton megváltozna,
04:55
then we might be growing like, a new ear
or a new eyeball every single day.
or a new eyeball every single day.
90
283717
4896
lehet, hogy naponta új fület
vagy szemet növesztenénk.
vagy szemet növesztenénk.
05:00
(Laughter)
91
288637
1016
(Nevetés)
05:01
So, instead it changes shape,
92
289677
1976
A DNS ehelyett az alakját változtatja,
05:03
and that's where those DNA knots come in.
93
291677
1976
és itt kapnak szerepet a DNS-csomók.
05:05
You can think of them like DNA memory.
94
293677
1960
DNS-emlékezetként is elképzelhetik őket.
05:09
When something big
in our life happens,
in our life happens,
95
297317
2296
Ha valami nagy dolog történik életünkben,
05:11
like a traumatic childhood event,
96
299637
2496
pl. egy megrázó gyerekkori élmény,
05:14
stress hormones flood our brain.
97
302157
1880
stresszhormonok árasztják el agyunkat.
05:16
The stress hormones
don't affect the sequence of DNA,
don't affect the sequence of DNA,
98
304877
2896
A stresszhormonok nem
a DNS-szekvenciára hatnak,
a DNS-szekvenciára hatnak,
05:19
but they do change the shape.
99
307797
2136
hanem a DNS alakját változtatják meg.
05:21
They affect that part of DNA
100
309957
2336
A DNS azon részére hatnak,
05:24
with the instructions for molecular
machines that reduce stress.
machines that reduce stress.
101
312317
3760
amely a stressz csökkentésére
utasítja a molekulagyárat.
utasítja a molekulagyárat.
05:28
That piece of DNA
gets wound up into a knot,
gets wound up into a knot,
102
316797
2376
A DNS ezen része csomóba tekeredik,
05:31
and now the dumb builder machines
can't read the plans they need
can't read the plans they need
103
319197
3936
és a buta gépek többé nem tudják
elolvasni az utasításokat,
elolvasni az utasításokat,
05:35
to build the machines that reduce stress.
104
323157
2080
hogy stresszt csökkentő gépeket építsenek.
05:38
That's a mouthful, but it's
what's happening on the microscale.
what's happening on the microscale.
105
326037
2976
Bonyolultan hangzik,
de ez történik mikroszkopikus szinten.
de ez történik mikroszkopikus szinten.
05:41
On the macroscale, you practically lose
the ability to deal with stress,
the ability to deal with stress,
106
329037
3416
Makroszinten pedig elveszítjük
képességünket, hogy a stresszt kezeljük,
képességünket, hogy a stresszt kezeljük,
05:44
and that's bad.
107
332477
1536
és ez rossz.
05:46
And that's how DNA can remember
what happens in the past.
what happens in the past.
108
334037
3200
Így emlékszik a DNS a múltban történtekre.
05:51
This is what I think
was happening to me
was happening to me
109
339357
2576
Azt hiszem, ez történt velem is,
05:53
when I first started my gender transition.
110
341957
2080
amikor nemváltásba kezdtem.
05:57
I knew I was a woman on the inside,
111
345277
2216
Tudtam, hogy belül nő vagyok,
05:59
and I wore women's clothes on the outside,
112
347517
2976
női ruhákat viseltem,
06:02
but everyone saw me as a man in a dress.
113
350517
2920
de mindenki női ruhát viselő
férfinak látott.
férfinak látott.
06:07
I felt like no matter
how many things I try,
how many things I try,
114
355117
5016
Úgy éreztem, bármit teszek is,
06:12
no one would ever
really see me as a woman.
really see me as a woman.
115
360157
2616
senki sem fog valóban nőnek látni.
06:14
In science, your credibility
is everything,
is everything,
116
362797
3056
A tudományban a hitelesség a legfontosabb,
06:17
and people were
snickering in the hallways,
snickering in the hallways,
117
365877
3240
az emberek pedig folyton
kuncogtak a folyosókon,
kuncogtak a folyosókon,
06:21
giving me stares,
118
369997
1456
megbámultak,
06:23
looks of disgust --
119
371477
1816
undorodva néztek rám –
06:25
afraid to be near me.
120
373317
1640
féltek a közelemben lenni.
06:28
I remember my first big talk
after transition.
after transition.
121
376197
2936
Emlékszem első nagy előadásomra
a nemváltás után.
a nemváltás után.
06:31
It was in Italy.
122
379157
1216
Olaszországban tartottam.
06:32
I'd given prestigious talks before,
123
380397
2416
Korábban is tartottam fontos előadásokat,
06:34
but this one, I was terrified.
124
382837
2816
ám ezúttal meg voltam rettenve.
06:37
I looked out into the audience,
125
385677
1776
A közönségre pillantottam,
06:39
and the whispers started --
126
387477
2856
és elkezdődött a sugdosás,
06:42
the stares,
127
390357
1376
a bámulás,
06:43
the smirks, the chuckles.
128
391757
1920
a kuncogás és vihogás.
06:46
To this day, I still have social anxiety
around my experience eight years ago.
around my experience eight years ago.
129
394677
5360
Nyolc évvel korábbi élményem
a mai napig szorongással tölt el.
a mai napig szorongással tölt el.
06:53
I lost hope.
130
401917
1200
Elvesztettem a reményt.
06:56
Don't worry,
I've had therapy so I'm OK --
I've had therapy so I'm OK --
131
404877
2896
Nyugi, jártam terápiára,
úgyhogy jól vagyok –
úgyhogy jól vagyok –
06:59
I'm OK now.
132
407797
1216
már jól vagyok.
07:01
(Laughter)
133
409037
1816
(Nevetés)
07:02
(Cheers)
134
410877
1816
(Éljenzés)
07:04
(Applause)
135
412717
4136
(Taps)
07:08
But I felt enough is enough:
136
416877
1896
De úgy éreztem, ami sok, az sok:
07:10
I'm a scientist,
137
418797
1616
tudós vagyok,
07:12
I have a doctorate in astrophysics,
138
420437
1856
az asztrofizika doktora,
07:14
I've published in the top journals,
139
422317
1696
rangos folyóiratokban publikáltam,
07:16
in wave-particle interactions,
space physics,
space physics,
140
424037
2656
a hullám-részecske
interakciók, az űrfizika,
interakciók, az űrfizika,
07:18
nucleic acid biochemistry.
141
426717
2096
a nukleinsav-biokémia témáiban.
07:20
I've actually been trained
to get to the bottom of things, so --
to get to the bottom of things, so --
142
428837
3096
Azt tanultam, hogy járjak
a dolgok végére, úgyhogy...
a dolgok végére, úgyhogy...
07:23
(Laughter)
143
431957
1096
(Nevetés)
07:25
I went online --
144
433077
1256
felmentem a netre.
07:26
(Applause)
145
434357
4320
(Taps)
07:31
So I went online, and I found
fascinating research papers.
fascinating research papers.
146
439437
3816
Netezni kezdtem, és lenyűgöző
kutatásokra bukkantam.
kutatásokra bukkantam.
07:35
I learned that these DNA knot things
are not always bad.
are not always bad.
147
443277
3296
Megtanultam, hogy ezek a DNS-csomók
nem feltétlenül rossz dolgok.
nem feltétlenül rossz dolgok.
07:38
Actually, the knotting and unknotting --
148
446597
2336
Valójában a csomók képződése
és felbomlása olyan,
és felbomlása olyan,
07:40
it's like a complicated computer language.
149
448957
2336
mint egy bonyolult programnyelv.
07:43
It programs our bodies
with exquisite precision.
with exquisite precision.
150
451317
2960
Csodálatos pontossággal
programozza testünket.
programozza testünket.
07:47
So when we get pregnant,
151
455477
1856
Ha teherbe esünk,
07:49
our fertilized eggs grow
into newborn babies.
into newborn babies.
152
457357
3080
megtermékenyített petesejtjeink
újszülött babává nőnek.
újszülött babává nőnek.
07:53
This process requires
thousands of DNA decisions to happen.
thousands of DNA decisions to happen.
153
461317
4056
E folyamat ezernyi
DNS-döntést követel meg.
DNS-döntést követel meg.
07:57
Should an embryo cell become a blood cell?
154
465397
2736
Vérsejt alakuljon ki egy magzati sejtből?
08:00
A heart cell? A brain cell?
155
468157
1880
Szívsejt? Agysejt?
08:02
And the decisions happen
at different times during pregnancy.
at different times during pregnancy.
156
470877
3216
E kérdések a terhesség különböző
szakaszaiban dőlnek el.
szakaszaiban dőlnek el.
08:06
Some in the first trimester,
some in the second trimester
some in the second trimester
157
474117
3176
Néhány az első trimeszterben,
néhány a másodikban,
néhány a másodikban,
08:09
and some in the third trimester.
158
477317
1560
néhány pedig a harmadikban.
08:14
To truly understand
DNA decision-making,
DNA decision-making,
159
482277
3056
Hogy igazán megértsük
a DNS döntéshozó folyamatát,
a DNS döntéshozó folyamatát,
08:17
we need to see the process
of knot formation in atomic detail.
of knot formation in atomic detail.
160
485357
3760
atomi szinten kell látnunk
a csomóképződést.
a csomóképződést.
08:21
Even the most powerful
microscopes can't see this.
microscopes can't see this.
161
489877
2720
A legerősebb mikroszkópok sem látják.
08:26
What if we tried
to simulate these on a computer?
to simulate these on a computer?
162
494196
2721
Mi lenne, ha számítógépen
próbálnánk szimulálni?
próbálnánk szimulálni?
08:29
For that we'd need
a million computers to do that.
a million computers to do that.
163
497716
3480
Milliónyi számítógépre volna
ehhez szükségünk.
ehhez szükségünk.
08:34
That's exactly what we have
at Los Alamos Labs --
at Los Alamos Labs --
164
502037
3256
Épp van is milliónyi számítógépünk
Los Alamos-i laborunkban,
Los Alamos-i laborunkban,
08:37
a million computers
connected in a giant warehouse.
connected in a giant warehouse.
165
505317
3120
amelyek hatalmas raktárban
vannak egymáshoz kapcsolva.
vannak egymáshoz kapcsolva.
08:42
So here we're showing the DNA
making up an entire gene
making up an entire gene
166
510237
4016
Itt a DNS-t látjuk,
amely egy egész gént alkot,
amely egy egész gént alkot,
08:46
folded into very specific shapes of knots.
167
514277
3465
egyedi csomómintázatokba rendeződve.
08:50
For the first time,
168
518517
1336
Most először
08:51
my team has simulated
an entire gene of DNA --
an entire gene of DNA --
169
519877
3696
csapatom egy egész DNS génjét szimulálta,
08:55
the largest biomolecular simulation
performed to date.
performed to date.
170
523597
3040
ami a mai napig a legnagyobb
biomolekuláris szimuláció.
biomolekuláris szimuláció.
09:00
For the first time, we're beginning
to understand the unsolved problem
to understand the unsolved problem
171
528477
3456
Most először kezdjük megérteni
az eddig megoldatlan kérdést,
az eddig megoldatlan kérdést,
09:03
of how hormones trigger
the formation of these knots.
the formation of these knots.
172
531957
3320
hogy a hormonok hogyan hatnak
e csomók formálódására.
e csomók formálódására.
09:09
DNA knot formation
can be seen beautifully in calico cats.
can be seen beautifully in calico cats.
173
537557
4576
A DNS-csomók formálódása gyönyörűen
megfigyelhető a kalikó macskákon.
megfigyelhető a kalikó macskákon.
09:14
The decision between orange and black
174
542157
2576
A narancs és fekete szín közötti választás
09:16
happens early on in the womb,
175
544757
1760
még a méhben eldől,
09:19
so that orange-and-black patchy pattern,
176
547070
2776
úgyhogy a narancs
és fekete foltok mintázata
és fekete foltok mintázata
09:21
it's an exact readout of what happened
177
549870
2296
pontosan mutatja, mi történt,
09:24
when that cat was
just a tiny little kitten embryo
just a tiny little kitten embryo
178
552190
2376
amikor a macska még csak
aprócska embrió volt
aprócska embrió volt
09:26
inside her mom's womb.
179
554590
1440
az anyaméhben.
09:28
And the patchy pattern actually happens
in our brains and in cancer.
in our brains and in cancer.
180
556795
5296
Ez a foltos mintázat megjelenik
az agyunkban és a rákbetegségben is.
az agyunkban és a rákbetegségben is.
09:34
It's directly related to intellectual
disability and breast cancer.
disability and breast cancer.
181
562115
3480
Közvetlenül összefügg az értelmi
fogyatékossággal és az emlőrákkal.
fogyatékossággal és az emlőrákkal.
09:39
These DNA decisions
also happen in other parts of the body.
also happen in other parts of the body.
182
567955
4176
Hasonló DNS-választások
testünk más részeiben is eldőlnek.
testünk más részeiben is eldőlnek.
09:44
It turns out that the precursor genitals
transform into either female or male
transform into either female or male
183
572155
5016
Kiderült, hogy a kezdetleges nemi szervek
a terhesség első trimeszterében alakulnak
a terhesség első trimeszterében alakulnak
09:49
during the first trimester of pregnancy.
184
577195
1920
női vagy férfi nemi szervvé.
09:51
The precursor brains, on the other hand,
185
579795
2256
A kezdetleges agy viszont
09:54
transform into female or male
during the second trimester of pregnancy.
during the second trimester of pregnancy.
186
582075
3480
csak a második trimeszterben
alakul női vagy férfiaggyá.
alakul női vagy férfiaggyá.
09:58
So the current working model
187
586675
2056
A jelenlegi modell szerint
10:00
is that a unique mix in my mom's womb
188
588755
3856
az anyaméh egyedi összetétele okozza
10:04
caused the precursor genitals
to transform one way,
to transform one way,
189
592635
3536
a kezdetleges nemi szervek
valamivé alakulását,
valamivé alakulását,
10:08
but the precursor brain
to transform the other way.
to transform the other way.
190
596195
2760
miközben a kezdetleges agy
más módon alakul át.
más módon alakul át.
10:15
Most of epigenetic research
191
603035
1976
A legtöbb epigenetikai kutatás
10:17
has really focused
on stress, anxiety, depression --
on stress, anxiety, depression --
192
605035
3376
főleg a stresszre, szorongásra,
depresszióra összpontosít –
depresszióra összpontosít –
10:20
kind of a downer,
193
608435
1456
nyomasztó,
10:21
kind of bad things.
194
609915
1216
rossz dolgokra.
10:23
(Laughter)
195
611155
1016
(Nevetés)
10:24
But nowadays --
196
612195
1576
Ám manapság –
10:25
the latest stuff --
197
613795
1216
a legújabb kutatások –
10:27
people are looking at relaxation.
198
615035
1616
a pihenésre koncentrálnak.
10:28
Can that have a positive
effect on your DNA?
effect on your DNA?
199
616675
2240
Lehet pozitív hatása a DNS-ünkre?
10:32
Right now we're missing
key data from mice models.
key data from mice models.
200
620195
3120
Az egereken végzett kísérletek
adatai még nem teljesek.
adatai még nem teljesek.
10:36
We know that mice relax,
201
624675
1416
Tudjuk: az egerek pihennek,
10:38
but could they meditate
like the Dalai Lama?
like the Dalai Lama?
202
626115
3976
de meditálnak-e vajon, mint a dalai láma?
10:42
Achieve enlightenment?
203
630115
1776
Elérik-e a megvilágosodást?
10:43
Could they move stones with their mind
like Jedi Master Yoda?
like Jedi Master Yoda?
204
631915
3696
Tudnak-e köveket mozgatni tudatukkal,
mint Yoda, a jedimester?
mint Yoda, a jedimester?
10:47
(Yoda voice): Hm, a Jedi mouse
must feel the force flow, hm.
must feel the force flow, hm.
205
635635
3856
(Yoda hangja) Hm, egy jedi egér
biztosan érzi az erőt, hm.
biztosan érzi az erőt, hm.
10:51
(Laughter)
206
639515
1936
(Nevetés)
10:53
(Applause)
207
641475
3080
(Taps)
10:57
I wonder if the support I've had
since that talk back in Italy
since that talk back in Italy
208
645755
3656
Vajon a támogatás, amit az akkori
olaszországi beszédem óta kaptam,
olaszországi beszédem óta kaptam,
11:01
has tried to unwind my DNA.
209
649435
2000
megpróbálta kicsomózni a DNS-emet?
11:04
Having a great circle of friends,
supportive parents
supportive parents
210
652635
2856
Csodálatos barátaim vannak,
támogató szüleim,
támogató szüleim,
11:07
and being in a loving relationship
211
655515
1976
és szerető kapcsolatban élek;
11:09
has actually given me strength
and hope to help others.
and hope to help others.
212
657515
3400
mindez erőt és reményt adott ahhoz,
hogy másoknak segítsek.
hogy másoknak segítsek.
11:13
At work I wear a rainbow bracelet.
213
661875
2536
Munkahelyemen szivárványszínű
karkötőt viselek.
karkötőt viselek.
11:16
Sometimes it raises eyebrows,
but it also raises awareness.
but it also raises awareness.
214
664435
3360
Néhányan felvonják a szemöldöküket,
ám ez a tudatosságot is erősíti.
ám ez a tudatosságot is erősíti.
11:20
There's so many transgender people --
215
668355
2296
Rengeteg transznemű embert –
11:22
especially women of color --
216
670675
1896
főleg színes bőrű nőket –
11:24
that are just one demeaning comment
away from taking their own lives.
away from taking their own lives.
217
672595
4840
még egy megalázó megjegyzés is
öngyilkosságba kergetne.
öngyilkosságba kergetne.
11:31
Forty percent of us attempt suicide.
218
679195
2440
40%-unk kísérel meg öngyilkosságot.
11:35
If you're listening and you feel
like you have no other option,
like you have no other option,
219
683235
5096
Ha ezt hallják, és úgy érzik,
nincs más esélyük,
nincs más esélyük,
11:40
try to call a friend,
220
688355
1776
hívják fel egy barátjukat,
11:42
go online or try to get
in a support group.
in a support group.
221
690155
2120
próbáljanak egy segítő csoportba
bekerülni!
bekerülni!
11:45
If you're a woman who's not transgender
but you know pain of isolation,
but you know pain of isolation,
222
693755
5176
Ha önök nem is transznemű nők,
de ismerik az elszigeteltség fájdalmát
de ismerik az elszigeteltség fájdalmát
11:50
of sexual assault --
223
698955
1616
vagy a szexuális támadásokét –
11:52
reach out.
224
700595
1200
kérjenek segítséget!
11:56
So what does it mean to be a woman?
225
704795
2760
Mit jelent hát nőnek lenni?
12:00
The latest research is showing
226
708715
1776
A legújabb kutatások azt mutatják,
12:02
that female and male brains
do develop differently in the womb,
do develop differently in the womb,
227
710515
4096
a női és férfiagy valóban
másként fejlődik az anyaméhben,
másként fejlődik az anyaméhben,
12:06
possibly giving us females
this innate sense of being a woman.
this innate sense of being a woman.
228
714635
3760
s talán ez adja nekünk, nőknek,
a nőiség velünk született érzését.
a nőiség velünk született érzését.
12:11
On the other hand,
229
719395
1256
Másrészt viszont
12:12
maybe it's our shared sense
of commonality that makes us women.
of commonality that makes us women.
230
720675
4400
talán a hasonlóság érzése
tesz minket nővé.
tesz minket nővé.
12:18
We come in so many different
shapes and sizes
shapes and sizes
231
726195
2336
Olyan sokféle nő létezik,
12:20
that asking what it means to be a woman
may not be the right question.
may not be the right question.
232
728555
4416
hogy a kérdés, mit jelent nőnek lenni,
talán nem is a legjobb kérdés.
talán nem is a legjobb kérdés.
12:24
It's like asking a calico cat
what it means to be a calico cat.
what it means to be a calico cat.
233
732995
3720
Olyan, mint egy kalikó macskát kérdezni,
mit jelent kalikó macskának lenni.
mit jelent kalikó macskának lenni.
12:29
Maybe becoming a woman
means accepting ourselves
means accepting ourselves
234
737622
4829
Nővé válni talán azt jelenti,
hogy annak fogadjuk el magunkat,
hogy annak fogadjuk el magunkat,
12:34
for who we really are
235
742475
1816
akik valóban vagyunk,
12:36
and acknowledging the same in each other.
236
744315
2560
és felismerjük a hasonlóságot egymásban.
12:39
I see you.
237
747875
1736
Látom magukat.
12:41
And you've just seen me.
238
749635
2120
És most láttak engem.
12:44
(Applause and cheers)
239
752635
5240
(Taps és éljenzés)
ABOUT THE SPEAKER
Karissa Sanbonmatsu - Structural biologistKarissa Sanbonmatsu investigates how DNA allows cells in our body to remember events that take place.
Why you should listen
Dr. Karissa Sanbonmatsu is a principal investigator at Los Alamos National Laboratory and the New Mexico Consortium, funded by the National Institutes of Health and the National Science Foundation.
As a principal investigator, Sanbonmatsu has advanced our understanding of the mechanism of the ribosome, antibiotics and riboswitches. She published some of the first structural studies of epigenetic long non-coding RNAs and is currently studying the mechanism of epigenetic effects involving chromatin architecture. She uses a combination of wetlab biochemistry, supercomputers and cryogenic electron microscopy to investigate mechanism in atomistic detail. She is on the board of Equality New Mexico and the Gender Identity Center and is an advocate for LGBT people in the sciences.
Karissa Sanbonmatsu | Speaker | TED.com