ABOUT THE SPEAKER
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.

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 >>

More profile about the speaker
Allan Jones | Speaker | TED.com
TEDGlobal 2011

Allan Jones: A map of the brain

Allan Jones: Sebuah peta otak

Filmed:
1,269,611 views

Bagaimana kita mulai dapat memahami cara kerja otak? Sama seperti kita mulai memahami sebuah kota: membuat peta. Dalam presentasi yang luar biasa ini, Allan Jones menunjukkan bagaimana timnya memetakan gen mana yang menjadi aktif pada setiap bagian-bagian kecil di otak, dan bagaimana gen-gen itu saling berhubungan.
- 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

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

00:15
HumansManusia have long helddiadakan a fascinationdaya tarik
0
0
2000
Manusia sudah lama terpesona
00:17
for the humanmanusia brainotak.
1
2000
2000
dengan otak manusia.
00:19
We chartgrafik it, we'vekita sudah describeddijelaskan it,
2
4000
3000
Kita memetakan, melukiskan,
00:22
we'vekita sudah drawnditarik it,
3
7000
2000
dan menggambarkannya,
00:24
we'vekita sudah mappeddipetakan it.
4
9000
3000
kita memetakannya.
00:27
Now just like the physicalfisik mapspeta of our worlddunia
5
12000
3000
Lalu seperti peta fisik dari dunia kita
00:30
that have been highlysangat influencedterpengaruh by technologyteknologi --
6
15000
3000
yang telah banyak dipengaruhi oleh teknologi --
00:33
think GoogleGoogle MapsPeta,
7
18000
2000
seperti Google Maps,
00:35
think GPSGPS --
8
20000
2000
atau GPS --
00:37
the samesama thing is happeningkejadian for brainotak mappingpemetaan
9
22000
2000
hal yang sama juga terjadi dalam pemetaan otak
00:39
throughmelalui transformationtransformasi.
10
24000
2000
melalui transformasi ini.
00:41
So let's take a look at the brainotak.
11
26000
2000
Lalu mari kita melihat pada otak.
00:43
MostSebagian people, when they first look at a freshsegar humanmanusia brainotak,
12
28000
3000
Kebanyakan orang saat pertama kali melihat otak manusia yang segar
00:46
they say, "It doesn't look what you're typicallykhas looking at
13
31000
3000
mereka berkata, "Itu tidak seperti apa yang biasa anda lihat
00:49
when someonesome one showsmenunjukkan you a brainotak."
14
34000
2000
saat ada orang yang menunjukkan sebuah otak."
00:51
TypicallyBiasanya, what you're looking at is a fixedtetap brainotak. It's graykelabu.
15
36000
3000
Biasanya, yang Anda lihat adalah otak yang kaku, berwarna kelabu.
00:54
And this outerluar layerlapisan, this is the vasculaturepembuluh darah,
16
39000
2000
Dan lapisan luar ini, ini adalah pembuluh darah
00:56
whichyang is incredibleluar biasa, around a humanmanusia brainotak.
17
41000
2000
yang sangat luar biasa, mengelilingi otak manusia.
00:58
This is the blooddarah vesselskapal.
18
43000
2000
Ini adalah pembuluh darah.
01:00
20 percentpersen of the oxygenoksigen
19
45000
3000
20 persen dari oksigen
01:03
comingkedatangan from your lungsparu-paru,
20
48000
2000
yang masuk ke paru-paru Anda,
01:05
20 percentpersen of the blooddarah pumpeddipompa from your heartjantung,
21
50000
2000
20 persen dari darah yang dipompa dari jantung Anda
01:07
is servicingpelayanan this one organorgan.
22
52000
2000
melayani organ tubuh yang satu ini,
01:09
That's basicallypada dasarnya, if you holdmemegang two fiststinju togetherbersama,
23
54000
2000
yang ukurannya, jika Anda mengepalkan kedua tangan,
01:11
it's just slightlysedikit largerlebih besar than the two fiststinju.
24
56000
2000
ukurannya hanya sedikit lebih besar daripada kedua kepalan tangan ini.
01:13
ScientistsIlmuwan, sortmenyortir of at the endakhir of the 20thth centuryabad,
25
58000
3000
Ilmuwan, pada sekitar akhir abad 20
01:16
learnedterpelajar that they could trackjalur blooddarah flowmengalir
26
61000
2000
menyadari bahwa mereka dapat melacak aliran darah
01:18
to mappeta non-invasivelyBebas-invasively
27
63000
3000
untuk memetakan kegiatan yang terjadi
01:21
where activityaktivitas was going on in the humanmanusia brainotak.
28
66000
3000
di otak manusia tanpa mengganggu otak.
01:24
So for examplecontoh, they can see in the back partbagian of the brainotak,
29
69000
3000
Sebagai contoh, mereka dapat melihat pada bagian belakang otak
01:27
whichyang is just turningberputar around there.
30
72000
2000
yang ada di sana.
01:29
There's the cerebellumotak kecil; that's keepingpenyimpanan you uprightjujur right now.
31
74000
2000
Itulah cerebellum, bagian yang membuat Anda tegak sekarang.
01:31
It's keepingpenyimpanan me standingkedudukan. It's involvedterlibat in coordinateddikoordinasikan movementgerakan.
32
76000
3000
Bagian ini membuat saya tetap berdiri. Ia mengatur gerakan terkoordinasi.
01:34
On the sidesisi here, this is temporalsementara cortexkorteks.
33
79000
3000
Bagian ini adalah temporal cortex.
01:37
This is the areadaerah where primaryutama auditorypendengaran processingpengolahan --
34
82000
3000
Inilah bagian pengolahan pendengaran utama --
01:40
so you're hearingpendengaran my wordskata-kata,
35
85000
2000
sehingga Anda bisa mendengar suara saya,
01:42
you're sendingpengiriman it up into higherlebih tinggi languagebahasa processingpengolahan centerspusat.
36
87000
2000
Anda mengirimkannya ke pusat pengolahan bahasa yang lebih tinggi.
01:44
TowardsMenuju the frontdepan of the brainotak
37
89000
2000
Di bagian depan otak
01:46
is the placetempat in whichyang all of the more complexkompleks thought, decisionkeputusan makingmembuat --
38
91000
3000
adalah tempat di mana pemikiran yang lebih sulit, pengambilan keputusan --
01:49
it's the last to matureberumur in lateterlambat adulthooddewasa.
39
94000
4000
inilah bagian yang paling akhir menjadi dewasa.
01:53
This is where all your decision-makingpengambilan keputusan processesproses are going on.
40
98000
3000
Inilah tempat di mana semua proses pengambilan keputusan dilakukan.
01:56
It's the placetempat where you're decidingmemutuskan right now
41
101000
2000
Inilah tempat di mana saat ini Anda memutuskan
01:58
you probablymungkin aren'ttidak going to ordermemesan the steaksteak for dinnermakan malam.
42
103000
3000
mungkin Anda tidak mau memesan steak untuk makan malam.
02:01
So if you take a deeperlebih dalam look at the brainotak,
43
106000
2000
Jadi jika Anda melihat otak lebih dalam
02:03
one of the things, if you look at it in cross-sectionpenampang,
44
108000
2000
jika Anda melihat pada penampang melintangnya,
02:05
what you can see
45
110000
2000
salah satu yang Anda lihat
02:07
is that you can't really see a wholeseluruh lot of structurestruktur there.
46
112000
3000
adalah Anda tidak benar-benar melihat struktur yang utuh.
02:10
But there's actuallysebenarnya a lot of structurestruktur there.
47
115000
2000
Namun ada banyak struktur di sana.
02:12
It's cellssel and it's wireskabel all wiredkabel togetherbersama.
48
117000
2000
Sel-sel dan kabelnya saling terhubung.
02:14
So about a hundredratus yearstahun agolalu,
49
119000
2000
Sekitar 100 tahun yang lalu,
02:16
some scientistsilmuwan inventeddiciptakan a stainnoda that would stainnoda cellssel.
50
121000
2000
beberapa ilmuwan menemukan pewarna yang dapat menandai sel.
02:18
And that's shownditunjukkan here in the the very lightcahaya bluebiru.
51
123000
3000
Pewarna itu ditunjukkan dengan warna biru muda ini.
02:21
You can see areasdaerah
52
126000
2000
Anda bisa melihat daerah
02:23
where neuronalsaraf cellsel bodiestubuh are beingmakhluk stainedpatri.
53
128000
2000
di mana sel-sel tubuh normal sedang ditandai.
02:25
And what you can see is it's very non-uniformnon-seragam. You see a lot more structurestruktur there.
54
130000
3000
Dan yang Anda lihat pewarna ini tidak seragam. Anda melihat banyak sekali struktur di sana.
02:28
So the outerluar partbagian of that brainotak
55
133000
2000
Jadi bagian luar dari otak itu
02:30
is the neocortexneokorteks.
56
135000
2000
adalah neocortex.
02:32
It's one continuouskontinu processingpengolahan unitsatuan, if you will.
57
137000
3000
Bisa dianggap sebuah unit pengolahan kontinu.
02:35
But you can alsojuga see things underneathdi bawah there as well.
58
140000
2000
Namun Anda juga bisa melihat beberapa hal di bawahnya.
02:37
And all of these blankkosong areasdaerah
59
142000
2000
Dan semua daerah kosong ini
02:39
are the areasdaerah in whichyang the wireskabel are runningberlari throughmelalui.
60
144000
2000
adalah daerah di mana kabel-kabel itu berada.
02:41
They're probablymungkin lesskurang cellsel densepadat.
61
146000
2000
Mungkin daerah ini tidak terlalu padat.
02:43
So there's about 86 billionmilyar neuronsneuron in our brainotak.
62
148000
4000
Jadi ada sekitar 86 milyar neuron di dalam otak kita.
02:47
And as you can see, they're very non-uniformlynon-seragam distributeddidistribusikan.
63
152000
3000
Dan seperti yang Anda lihat, mereka tersebar dengan tidak merata.
02:50
And how they're distributeddidistribusikan really contributesberkontribusi
64
155000
2000
Dan bagaimana mereka tersebar benar-benar berkontribusi
02:52
to theirmereka underlyingmendasari functionfungsi.
65
157000
2000
pada fungsi mereka.
02:54
And of courseTentu saja, as I mentionedtersebut before,
66
159000
2000
Dan tentu saja, seperti yang telah saya sebutkan
02:56
sincesejak we can now startmulai to mappeta brainotak functionfungsi,
67
161000
3000
karena kita dapat mulai memetakan fungsi otak,
02:59
we can startmulai to tiedasi these into the individualindividu cellssel.
68
164000
3000
kita dapat mulai mengaitkan hal ini dengan sel-sel tunggal.
03:02
So let's take a deeperlebih dalam look.
69
167000
2000
Jadi mari kita melihat lebih jauh.
03:04
Let's look at neuronsneuron.
70
169000
2000
Mari kita melihat pada neuron,
03:06
So as I mentionedtersebut, there are 86 billionmilyar neuronsneuron.
71
171000
2000
jadi seperti yang saya sebutkan, ada 86 milyar neuron.
03:08
There are alsojuga these smallerlebih kecil cellssel as you'llAnda akan see.
72
173000
2000
Ada juga sel-sel yang lebih kecil ini.
03:10
These are supportmendukung cellssel -- astrocytesAstrosit gliaglia.
73
175000
2000
Ini adalah sel-sel pendukung -- astrosit glia.
03:12
And the nervessaraf themselvesdiri
74
177000
3000
Dan sel saraf itu sendiri
03:15
are the onesyang who are receivingmenerima inputmemasukkan.
75
180000
2000
adalah sel-sel yang menerima masukan.
03:17
They're storingmenyimpan it, they're processingpengolahan it.
76
182000
2000
Mereka menyimpan dan mengolahnya.
03:19
EachMasing-masing neuronneuron is connectedterhubung viamelalui synapsessinapsis
77
184000
4000
Setiap neuron terhubung dengan sinapsis
03:23
to up to 10,000 other neuronsneuron in your brainotak.
78
188000
3000
dengan hingga 10.000 neuron lain dalam otak Anda.
03:26
And eachsetiap neuronneuron itselfdiri
79
191000
2000
Dan setiap neuron itu sendiri
03:28
is largelysebagian besar uniqueunik.
80
193000
2000
sangat unik.
03:30
The uniqueunik characterkarakter of bothkedua individualindividu neuronsneuron
81
195000
2000
Sifat unik dari setiap neuron itu
03:32
and neuronsneuron withindalam a collectionkoleksi of the brainotak
82
197000
2000
dan neuron di dalam bagian tertentu dari otak
03:34
are drivendidorong by fundamentalmendasar propertiesproperti
83
199000
3000
ditentukan oleh sifat-sifat dasar
03:37
of theirmereka underlyingmendasari biochemistrybiokimia.
84
202000
2000
dari biokimia dasarnya.
03:39
These are proteinsprotein.
85
204000
2000
Ini adalah protein
03:41
They're proteinsprotein that are controllingmengendalikan things like ionIon channelsaluran movementgerakan.
86
206000
3000
yang mengendalikan hal-hal seperti pergerakan saluran ion.
03:44
They're controllingmengendalikan who nervousgugup systemsistem cellssel partnerpasangan up with.
87
209000
4000
Protein ini mengendalikan siapa rekan dari sistem sel-sel syaraf.
03:48
And they're controllingmengendalikan
88
213000
2000
Dan mereka mengendalikan
03:50
basicallypada dasarnya everything that the nervousgugup systemsistem has to do.
89
215000
2000
semua yang harus dilakukan oleh sistem syaraf.
03:52
So if we zoomzoom in to an even deeperlebih dalam leveltingkat,
90
217000
3000
Lalu jika kita memperbesarnya lebih jauh,
03:55
all of those proteinsprotein
91
220000
2000
semua protein ini
03:57
are encodeddikodekan by our genomesgenom.
92
222000
2000
tersandikan dalam genom kita.
03:59
We eachsetiap have 23 pairspasang of chromosomeskromosom.
93
224000
3000
Kita semua masing-masing memiliki 23 pasang kromosom.
04:02
We get one from momibu, one from dadayah.
94
227000
2000
Kita mendapat 1 dari ibu dan 1 dari ayah.
04:04
And on these chromosomeskromosom
95
229000
2000
Dan di dalam kromosom ini
04:06
are roughlykurang lebih 25,000 genesgen.
96
231000
2000
ada sekitar 25.000 gen
04:08
They're encodeddikodekan in the DNADNA.
97
233000
2000
yang tersandikan di dalam DNA.
04:10
And the naturealam of a givendiberikan cellsel
98
235000
3000
Dan sifat dasar dari setiap sel
04:13
drivingmenyetir its underlyingmendasari biochemistrybiokimia
99
238000
2000
dalam menentukan biokimia yang ada di dalamnya
04:15
is dictateddidikte by whichyang of these 25,000 genesgen
100
240000
3000
ditentukan oleh gen mana di antara 25.000 gen itu
04:18
are turnedberbalik on
101
243000
2000
yang aktif
04:20
and at what leveltingkat they're turnedberbalik on.
102
245000
2000
dan sejauh mana gen itu aktif.
04:22
And so our projectproyek
103
247000
2000
Jadi, proyek kami
04:24
is seekingpencarian to look at this readoutpembacaan,
104
249000
3000
adalah melihat pada bacaan ini,
04:27
understandingpengertian whichyang of these 25,000 genesgen is turnedberbalik on.
105
252000
3000
memahami gen yang mana yang diaktifkan dari 25.000 gen yang ada.
04:30
So in ordermemesan to undertakemelakukan suchseperti itu a projectproyek,
106
255000
3000
Jadi untuk melakukan proyek seperti ini,
04:33
we obviouslyjelas need brainsotak.
107
258000
3000
kami memerlukan otak.
04:36
So we sentdikirim our lablaboratorium technicianteknisi out.
108
261000
3000
Jadi kami mengirimkan teknisi lab kami.
04:39
We were seekingpencarian normalnormal humanmanusia brainsotak.
109
264000
2000
Kami mencari otak manusia normal.
04:41
What we actuallysebenarnya startmulai with
110
266000
2000
Kami akhirnya mulai dari
04:43
is a medicalmedis examiner'spemeriksa officekantor.
111
268000
2000
kamar otopsi.
04:45
This a placetempat where the deadmati are broughtdibawa in.
112
270000
2000
Inilah tempat penampungan orang meninggal.
04:47
We are seekingpencarian normalnormal humanmanusia brainsotak.
113
272000
2000
Kami mencari otak manusia normal.
04:49
There's a lot of criteriakriteria by whichyang we're selectingmemilih these brainsotak.
114
274000
3000
Ada banyak syarat dalam memilih otak-otak ini.
04:52
We want to make sure
115
277000
2000
Kami ingin memastikan
04:54
that we have normalnormal humansmanusia betweenantara the agesusia of 20 to 60,
116
279000
3000
bahwa kami mendapat otak orang normal berusia antara 20 hingga 60 tahun,
04:57
they diedmeninggal a somewhatagak naturalalam deathkematian
117
282000
2000
mereka meninggal secara alami
04:59
with no injurycedera to the brainotak,
118
284000
2000
tanpa cedera di otak,
05:01
no historysejarah of psychiatricPsikiatri diseasepenyakit,
119
286000
2000
tanpa sejarah penyakit kejiwaan,
05:03
no drugsnarkoba on boardnaik --
120
288000
2000
tanpa obat-obatan --
05:05
we do a toxicologyToksikologi workuphasil pemeriksaan.
121
290000
2000
kami melakukan pemeriksaan racun.
05:07
And we're very carefulcermat
122
292000
2000
Dan kami sangat berhati-hati
05:09
about the brainsotak that we do take.
123
294000
2000
dengan otak yang kami ambil.
05:11
We're alsojuga selectingmemilih for brainsotak
124
296000
2000
Kami juga memilih otak
05:13
in whichyang we can get the tissuetisu,
125
298000
2000
di mana kami bisa mendapatkan jaringannya,
05:15
we can get consentpersetujuan to take the tissuetisu
126
300000
2000
kami dapat memperoleh persetujuan untuk mengambil jaringan itu
05:17
withindalam 24 hoursjam of time of deathkematian.
127
302000
2000
dalam 24 jam setelah kematian.
05:19
Because what we're tryingmencoba to measuremengukur, the RNARNA --
128
304000
3000
Karena apa yang kami coba ukur, RNA --
05:22
whichyang is the readoutpembacaan from our genesgen --
129
307000
2000
yang merupakan bacaan dari gen kita --
05:24
is very labileakut,
130
309000
2000
sangat labil,
05:26
and so we have to movepindah very quicklysegera.
131
311000
2000
sehingga kami harus bergerak sangat cepat.
05:28
One sidesisi notecatatan on the collectionkoleksi of brainsotak:
132
313000
3000
Salah satu catatan dalam mengambil otak ini:
05:31
because of the way that we collectmengumpulkan,
133
316000
2000
karena cara kami mengambilnya
05:33
and because we requirememerlukan consentpersetujuan,
134
318000
2000
dan karena kami memerlukan persetujuan,
05:35
we actuallysebenarnya have a lot more malepria brainsotak than femalewanita brainsotak.
135
320000
3000
kami mendapat lebih banyak otak pria dibandingkan otak wanita.
05:38
MalesLaki-laki are much more likelymungkin to diemati an accidentalkecelakaan deathkematian in the primeutama of theirmereka life.
136
323000
3000
Pria jauh lebih mungkin meninggal dalam usia emas kehidupannya.
05:41
And menpria are much more likelymungkin
137
326000
2000
Dan pria jauh lebih mungkin
05:43
to have theirmereka significantpenting other, spousepasangan, give consentpersetujuan
138
328000
3000
memiliki orang untuk memberi persetujuan, yaitu pasangannya,
05:46
than the other way around.
139
331000
2000
ketimbang sebaliknya.
05:48
(LaughterTawa)
140
333000
4000
(Tawa)
05:52
So the first thing that we do at the sitesitus of collectionkoleksi
141
337000
2000
Jadi hal pertama yang kami lakukan saat mengambilnya
05:54
is we collectmengumpulkan what's calledbernama an MRMR.
142
339000
2000
adalah kami mengambil apa yang disebut MR.
05:56
This is magneticmagnetik resonanceresonansi imagingpencitraan -- MRIMRI.
143
341000
2000
Pemindaian resonansi magnetik -- MRI.
05:58
It's a standardstandar templatetemplate by whichyang we're going to hangmenggantung the restberistirahat of this datadata.
144
343000
3000
Ini adalah prosedur standar di mana kami akan meletakkan data selanjutnya.
06:01
So we collectmengumpulkan this MRMR.
145
346000
2000
Jadi kami mengumpulkan data MR ini.
06:03
And you can think of this as our satellitesatelit viewmelihat for our mappeta.
146
348000
2000
Anda bisa menganggap ini adalah tampak atas dari peta kami.
06:05
The nextberikutnya thing we do
147
350000
2000
Selanjutnya
06:07
is we collectmengumpulkan what's calledbernama a diffusiondifusi tensortensor imagingpencitraan.
148
352000
3000
kami mengumpulkan apa yang disebut pencitraan penyebaran otot.
06:10
This mapspeta the largebesar cablingkabel in the brainotak.
149
355000
2000
Pencitraan ini memetakan kabel-kabel besar di otak.
06:12
And again, you can think of this
150
357000
2000
Dan Anda dapat membayangkan hal ini
06:14
as almosthampir mappingpemetaan our interstateInterstate highwaysjalan raya, if you will.
151
359000
2000
hampir seperti memetakan jalan raya antarnegara bagian.
06:16
The brainotak is removeddihapus from the skulltengkorak,
152
361000
2000
Otak ini dipisahkan dari tengkorak
06:18
and then it's slicedirisan into one-centimetersatu-sentimeter slicesirisan.
153
363000
3000
lalu diiris menjadi irisan setebal 1 cm.
06:21
And those are frozenbeku solidpadat,
154
366000
2000
Selanjutnya otak dibekukan
06:23
and they're shippedDikirim to SeattleSeattle.
155
368000
2000
dan dikirim ke Seattle.
06:25
And in SeattleSeattle, we take these --
156
370000
2000
Dan di Seattle, kami mengambil ini --
06:27
this is a wholeseluruh humanmanusia hemispherebelahan bumi --
157
372000
2000
ini adalah belahan manusia --
06:29
and we put them into what's basicallypada dasarnya a glorifieddimuliakan meatdaging sliceralat pengiris.
158
374000
2000
dan kami menaruhnya di dalam pemotong daging yang "mulia."
06:31
There's a bladepisau here that's going to cutmemotong acrossmenyeberang
159
376000
2000
Di sana ada pisau yang akan memotong
06:33
a sectionbagian of the tissuetisu
160
378000
2000
bagian dari jaringan ini
06:35
and transfertransfer it to a microscopemikroskop slidemeluncur.
161
380000
2000
dan memindahkannya ke kaca objek mikroskop.
06:37
We're going to then applymenerapkan one of those stainsnoda to it,
162
382000
2000
Kami akan memasukkan pewarna ke dalamnya
06:39
and we scanscan it.
163
384000
2000
dan memindainya.
06:41
And then what we get is our first mappingpemetaan.
164
386000
3000
Lalu apa yang kami dapatkan adalah peta pertama.
06:44
So this is where expertsahli come in
165
389000
2000
Jadi di sinilah para ahli terlibat
06:46
and they make basicdasar anatomicanatomi assignmentstugas.
166
391000
2000
dan mereka membuat anatomi dasarnya.
06:48
You could considermempertimbangkan this statenegara boundariesbatas, if you will,
167
393000
3000
Anda dapat menganggap garis-garis yang cukup luas itu
06:51
those prettycantik broadluas outlinesgaris besar.
168
396000
2000
sebagai batas negara bagian.
06:53
From this, we're ablesanggup to then fragmentfragmen that brainotak into furtherlebih lanjut piecespotongan,
169
398000
4000
Dari sana, kita dapat memotong otak itu menjadi bagian-bagian kecil
06:57
whichyang then we can put on a smallerlebih kecil cryostatcryostat.
170
402000
2000
yang dapat kita masukkan ke dalam alat pembeku yang lebih kecil.
06:59
And this is just showingmenunjukkan this here --
171
404000
2000
Dan ini hanyalah contohnya --
07:01
this frozenbeku tissuetisu, and it's beingmakhluk cutmemotong.
172
406000
2000
jaringan beku ini sedang dipotong.
07:03
This is 20 micronsmikron thintipis, so this is about a babybayi hair'srambut widthlebar.
173
408000
3000
Jaringan ini tebalnya 20 mikron, setebal sekitar rambut bayi.
07:06
And rememberingat, it's frozenbeku.
174
411000
2000
Dan ingat, jaringan ini beku.
07:08
And so you can see here,
175
413000
2000
Dan anda bisa melihat,
07:10
old-fashionedkuno technologyteknologi of the paintbrushkuas beingmakhluk appliedterapan.
176
415000
2000
kami menerapkan teknologi lama bernama kuas.
07:12
We take a microscopemikroskop slidemeluncur.
177
417000
2000
Kami mengambil kaca objek mikroskop.
07:14
Then we very carefullyhati-hati meltmencair ontoke the slidemeluncur.
178
419000
3000
Lalu kami melelehkannya dengan hati-hati.
07:17
This will then go ontoke a robotrobot
179
422000
2000
Lelehan ini akan dipasang ke robot
07:19
that's going to applymenerapkan one of those stainsnoda to it.
180
424000
3000
yang akan memasukkan pewarna ke dalamnya.
07:26
And our anatomistsanatomi are going to go in and take a deeperlebih dalam look at this.
181
431000
3000
Dan ahli anatomi kami akan datang dan melihat lebih jauh akan hal ini.
07:29
So again this is what they can see underdibawah the microscopemikroskop.
182
434000
2000
Kembali, inilah apa yang mereka dapat lihat di bawah mikroskop.
07:31
You can see collectionskoleksi and configurationskonfigurasi
183
436000
2000
Anda bisa melihat kumpulan dan susunan
07:33
of largebesar and smallkecil cellssel
184
438000
2000
dari sel-sel besar dan kecil
07:35
in clusterskelompok and variousberbagai placestempat.
185
440000
2000
dalam gugusan dan di berbagai tempat.
07:37
And from there it's routinerutin. They understandmemahami where to make these assignmentstugas.
186
442000
2000
Selanjutnya hanya prosedur rutin. Mereka paham apa yang harus dilakukan.
07:39
And they can make basicallypada dasarnya what's a referencereferensi atlasAtlas.
187
444000
3000
Dan mereka dapat membuat peta panduan.
07:42
This is a more detailedrinci mappeta.
188
447000
2000
Ini adalah peta yang lebih rinci.
07:44
Our scientistsilmuwan then use this
189
449000
2000
Ilmuwan kami menggunakan peta ini
07:46
to go back to anotherlain piecebagian of that tissuetisu
190
451000
3000
untuk kembali pada jaringan itu
07:49
and do what's calledbernama laserlaser scanningpemindaian microdissectionmicrodissection.
191
454000
2000
dan melakukan apa yang disebut pemindaian laser pembedahan mikro.
07:51
So the technicianteknisi takes the instructionsinstruksi.
192
456000
3000
Jadi para teknisi mengambil petunjuknya.
07:54
They scribeScribe alongsepanjang a placetempat there.
193
459000
2000
Mereka menuliskannya di sana.
07:56
And then the laserlaser actuallysebenarnya cutsluka.
194
461000
2000
Lalu laser itu mulai memotong.
07:58
You can see that bluebiru dotdot there cuttingpemotongan. And that tissuetisu fallsair terjun off.
195
463000
3000
Anda melihat titik-titik biru yang terpotong itu. Dan jaringannya terlepas.
08:01
You can see on the microscopemikroskop slidemeluncur here,
196
466000
2000
Anda dapat melihat pada penampang mikroskopis ini,
08:03
that's what's happeningkejadian in realnyata time.
197
468000
2000
itulah yang sedang terjadi.
08:05
There's a containerwadah underneathdi bawah that's collectingmengumpulkan that tissuetisu.
198
470000
3000
Di bawahnya ada wadah yang mengumpulkan jaringan ini.
08:08
We take that tissuetisu,
199
473000
2000
Kami mengambil jaringan ini
08:10
we purifymemurnikan the RNARNA out of it
200
475000
2000
dan memurnikan RNAnya
08:12
usingmenggunakan some basicdasar technologyteknologi,
201
477000
2000
menggunakan teknologi dasar
08:14
and then we put a florescentneon tagTag on it.
202
479000
2000
lalu kami menandainya dengan floresens.
08:16
We take that taggedTagged materialbahan
203
481000
2000
Kami mengambil bahan itu
08:18
and we put it on to something calledbernama a microarraymicroarray.
204
483000
3000
dan meletakkannya di wadah yang disebut mikroarray.
08:21
Now this maymungkin look like a bunchbanyak of dotstitik-titik to you,
205
486000
2000
Mungkin ini hanya tampak seperti titik-titik bagi Anda,
08:23
but eachsetiap one of these individualindividu dotstitik-titik
206
488000
2000
namun setiap titik ini
08:25
is actuallysebenarnya a uniqueunik piecebagian of the humanmanusia genomegenom
207
490000
2000
sebenarnya bagian unik dari genom manusia
08:27
that we spottedmelihat down on glasskaca.
208
492000
2000
yang kami lihat dengan kaca.
08:29
This has roughlykurang lebih 60,000 elementselemen on it,
209
494000
3000
Genom ini memiliki sekitar 60.000 elemen,
08:32
so we repeatedlyberkali-kali measuremengukur variousberbagai genesgen
210
497000
3000
jadi kami mengukur berbagai macam gen berulang-ulang
08:35
of the 25,000 genesgen in the genomegenom.
211
500000
2000
dari 25.000 gen di dalam genom ini.
08:37
And when we take a samplemencicipi and we hybridizeberhibridisasi it to it,
212
502000
3000
Lalu kami mengambil contoh dan menggabungkannya,
08:40
we get a uniqueunik fingerprintsidik jari, if you will,
213
505000
2000
kami lalu mendapat sidik jari yang unik,
08:42
quantitativelysecara kuantitatif of what genesgen are turnedberbalik on in that samplemencicipi.
214
507000
3000
secara quantitatif mengenai gen apa yang aktif pada contoh ini.
08:45
Now we do this over and over again,
215
510000
2000
Kami melakukan ini berulang-ulang,
08:47
this processproses for any givendiberikan brainotak.
216
512000
3000
pada semua otak yang ada.
08:50
We're takingpengambilan over a thousandribu samplessampel for eachsetiap brainotak.
217
515000
3000
Kami mengambil lebih dari seribu contoh untuk setiap otak.
08:53
This areadaerah shownditunjukkan here is an areadaerah calledbernama the hippocampushippocampus.
218
518000
3000
Daerah yang ditunjukkan di sini disebut hippocampus
08:56
It's involvedterlibat in learningbelajar and memoryingatan.
219
521000
2000
yang terlibat dalam pembelajaran dan ingatan.
08:58
And it contributesberkontribusi to about 70 samplessampel
220
523000
3000
Dan bagian ini meliputi 70 contoh
09:01
of those thousandribu samplessampel.
221
526000
2000
dari ribuan contoh itu.
09:03
So eachsetiap samplemencicipi getsmendapat us about 50,000 datadata pointspoin
222
528000
4000
Jadi setiap contoh memberikan kami sekitar 50.000 titik data
09:07
with repeatulangi measurementspengukuran, a thousandribu samplessampel.
223
532000
3000
dengan pengukuran berulang, dengan seribu contoh.
09:10
So roughlykurang lebih, we have 50 millionjuta datadata pointspoin
224
535000
2000
Jadi kami memiliki sekitar 50 juta titik data
09:12
for a givendiberikan humanmanusia brainotak.
225
537000
2000
untuk setiap otak manusia.
09:14
We'veKami telah doneselesai right now
226
539000
2000
Saat ini kami telah menyelesaikan
09:16
two humanmanusia brains-worthotak-senilai of datadata.
227
541000
2000
data dari 2 otak manusia.
09:18
We'veKami telah put all of that togetherbersama
228
543000
2000
Kami menggabungkannya
09:20
into one thing,
229
545000
2000
menjadi satu hal
09:22
and I'll showmenunjukkan you what that synthesisperpaduan looksterlihat like.
230
547000
2000
dan saya akan menunjukkan bagaimana penampakannya.
09:24
It's basicallypada dasarnya a largebesar datadata setset of informationinformasi
231
549000
3000
Ini adalah sekelompok data yang besar
09:27
that's all freelybebas availabletersedia to any scientistilmuwan around the worlddunia.
232
552000
3000
yang tersedia dengan gratis bagi semua ilmuwan di seluruh dunia.
09:30
They don't even have to loglog in to come use this toolalat,
233
555000
3000
Mereka bahkan tidak perlu mendaftar untuk menggunakannya,
09:33
mineranjau this datadata, find interestingmenarik things out with this.
234
558000
4000
untuk mengambil data ini dan menemukan hal-hal menarik di sana.
09:37
So here'sini the modalitiesmodalitas that we put togetherbersama.
235
562000
3000
Inilah pengandaian yang kita satukan bersama.
09:40
You'llAnda akan startmulai to recognizemengakui these things from what we'vekita sudah collecteddikumpulkan before.
236
565000
3000
Anda akan mulai mengenali hal ini dari apa yang telah kami ambil sebelumnya.
09:43
Here'sBerikut adalah the MRMR. It providesmenyediakan the frameworkkerangka.
237
568000
2000
Inilah MR, yang menyediakan kerangka bagi hal itu.
09:45
There's an operatoroperator sidesisi on the right that allowsmemungkinkan you to turnbelok,
238
570000
3000
Ada bagian operator di sebelah kanan yang memungkinkan Anda memutar,
09:48
it allowsmemungkinkan you to zoomzoom in,
239
573000
2000
juga memperbesar
09:50
it allowsmemungkinkan you to highlightSorot individualindividu structuresstruktur.
240
575000
3000
dan menandai struktur-struktur tunggal.
09:53
But mostpaling importantlypenting,
241
578000
2000
Namun yang paling penting,
09:55
we're now mappingpemetaan into this anatomicanatomi frameworkkerangka,
242
580000
3000
kami kini memetakannya dalam kerangka anatomi,
09:58
whichyang is a commonumum frameworkkerangka for people to understandmemahami where genesgen are turnedberbalik on.
243
583000
3000
yang merupakan kerangka umum bagi orang-orang untuk memahami gen mana yang aktif.
10:01
So the redmerah levelstingkat
244
586000
2000
Jadi warna merah itu
10:03
are where a genegen is turnedberbalik on to a great degreegelar.
245
588000
2000
menunjukkan gen yang sangat aktif.
10:05
GreenHijau is the sortmenyortir of coolkeren areasdaerah where it's not turnedberbalik on.
246
590000
3000
Hijau adalah daerah sejuk di mana gen itu tidak aktif.
10:08
And eachsetiap genegen givesmemberi us a fingerprintsidik jari.
247
593000
2000
Dan setiap gen memberikan sidik jari.
10:10
And rememberingat that we'vekita sudah assayeddiuji all the 25,000 genesgen in the genomegenom
248
595000
5000
Harap diingat bahwa kami menguji 25.000 gen di dalam genom
10:15
and have all of that datadata availabletersedia.
249
600000
4000
dan memiliki semua data itu.
10:19
So what can scientistsilmuwan learnbelajar about this datadata?
250
604000
2000
Jadi apa yang dapat dipelajari para ilmuwan dari data ini?
10:21
We're just startingmulai to look at this datadata ourselvesdiri.
251
606000
3000
Kami baru saja mulai melihat sendiri pada data ini.
10:24
There's some basicdasar things that you would want to understandmemahami.
252
609000
3000
Ada beberapa hal dasar yang ingin Anda pahami.
10:27
Two great examplescontoh are drugsnarkoba,
253
612000
2000
Dua contoh yang bagus adalah obat-obatan,
10:29
ProzacProzac and WellbutrinWellbutrin.
254
614000
2000
Prozac and Wellbutrin
10:31
These are commonlybiasanya prescribedresep antidepressantsantidepresan.
255
616000
3000
Ini adalah obat antidepresi yang biasa diresepkan.
10:34
Now rememberingat, we're assayingassaying, Refinery genesgen.
256
619000
2000
Ingatlah bahwa kami menguji gen ini.
10:36
GenesGen sendKirim the instructionsinstruksi to make proteinsprotein.
257
621000
3000
Gen-gen ini mengirimkan petunjuk untuk membuat protein.
10:39
ProteinsProtein are targetstarget for drugsnarkoba.
258
624000
2000
Protein adalah sasaran obat-obatan.
10:41
So drugsnarkoba bindmengikat to proteinsprotein
259
626000
2000
Sehingga obat-obatan terikat pada protein
10:43
and eitherantara turnbelok them off, etcdll.
260
628000
2000
dan akan menonaktifkan atau melakukan hal lainnya.
10:45
So if you want to understandmemahami the actiontindakan of drugsnarkoba,
261
630000
2000
Jadi jika Anda ingin memahami pengaruh dari obat-obatan,
10:47
you want to understandmemahami how they're actingbertindak in the wayscara you want them to,
262
632000
3000
Anda ingin memahami bagaimana obat itu bereaksi dalam cara yang Anda inginkan
10:50
and alsojuga in the wayscara you don't want them to.
263
635000
2000
dan dalam cara yang tidak Anda inginkan.
10:52
In the sidesisi effectefek profileProfil, etcdll.,
264
637000
2000
Contohnya dalam efek sampingnya,
10:54
you want to see where those genesgen are turnedberbalik on.
265
639000
2000
Anda ingin melihat di mana gen-gen yang diaktifkan itu.
10:56
And for the first time, we can actuallysebenarnya do that.
266
641000
2000
Dan untuk pertama kalinya, kami dapat melakukan hal itu.
10:58
We can do that in multiplebanyak individualsindividu that we'vekita sudah assayeddiuji too.
267
643000
3000
Kami dapat melakukannya dalam otak banyak orang yang kami uji.
11:01
So now we can look throughoutsepanjang the brainotak.
268
646000
3000
Jadi kami dapat melihat melalui otak
11:04
We can see this uniqueunik fingerprintsidik jari.
269
649000
2000
dan melihat sidik jari unik itu.
11:06
And we get confirmationkonfirmasi.
270
651000
2000
Dan kita dapat memastikan
11:08
We get confirmationkonfirmasi that, indeedmemang, the genegen is turnedberbalik on --
271
653000
3000
bahwa, gen-gen ini sungguh menjadi aktif --
11:11
for something like ProzacProzac,
272
656000
2000
karena sesuatu seperti Prozac,
11:13
in serotonergickerja structuresstruktur, things that are alreadysudah knowndikenal be affectedterpengaruh --
273
658000
3000
dalam struktur serotonergik, hal-hal yang sudah diketahui terkena pengaruhnya --
11:16
but we alsojuga get to see the wholeseluruh thing.
274
661000
2000
namun kami juga dapat melihat gambaran besarnya.
11:18
We alsojuga get to see areasdaerah that no one has ever lookedtampak at before,
275
663000
2000
Kami juga melihat daerah yang belum pernah dilihat sebelumnya
11:20
and we see these genesgen turnedberbalik on there.
276
665000
2000
dan kami melihat gen-gen itu diaktifkan.
11:22
It's as interestingmenarik a sidesisi effectefek as it could be.
277
667000
3000
Efek samping ini dapat menjadi sangat menarik.
11:25
One other thing you can do with suchseperti itu a thing
278
670000
2000
Hal lain yang dapat Anda lakukan dengan itu
11:27
is you can, because it's a patternpola matchingpencocokan exerciseolahraga,
279
672000
3000
adalah, karena ini adalah sistem pencocokan pola
11:30
because there's uniqueunik fingerprintsidik jari,
280
675000
2000
dan karena ada sidik jari yang unik,
11:32
we can actuallysebenarnya scanscan throughmelalui the entireseluruh genomegenom
281
677000
2000
kami dapat memindai seluruh genom ini
11:34
and find other proteinsprotein
282
679000
2000
dan menemukan protein lain
11:36
that showmenunjukkan a similarserupa fingerprintsidik jari.
283
681000
2000
yang menunjukkan sidik jari yang sama.
11:38
So if you're in drugobat discoverypenemuan, for examplecontoh,
284
683000
3000
Sehingga jika Anda bekerja untuk menemukan obat,
11:41
you can go throughmelalui
285
686000
2000
Anda dapat melihat
11:43
an entireseluruh listingDaftar of what the genomegenom has on offermenawarkan
286
688000
2000
seluruh daftar yang mungkin dari genom itu
11:45
to find perhapsmungkin better drugobat targetstarget and optimizeoptimalkan.
287
690000
4000
untuk menemukan sasaran yang lebih baik dan mengoptimalkannya.
11:49
MostSebagian of you are probablymungkin familiarakrab
288
694000
2000
Kebanyakan dari Anda mungkin akrab
11:51
with genome-widegenom-lebar associationasosiasi studiesstudi
289
696000
2000
dengan kajian yang berhubungan dengan genom
11:53
in the formbentuk of people coveringpenutup in the newsberita
290
698000
3000
di mana orang-orang meliput berita
11:56
sayingpepatah, "ScientistsIlmuwan have recentlybaru saja discoveredditemukan the genegen or genesgen
291
701000
3000
yang mengatakan, "Para ilmuwan telah menemukan gen
11:59
whichyang affectmempengaruhi X."
292
704000
2000
yang mempengaruhi X."
12:01
And so these kindsmacam of studiesstudi
293
706000
2000
Jadi kajian seperti ini
12:03
are routinelysecara rutin publishedditerbitkan by scientistsilmuwan
294
708000
2000
diterbitkan secara rutin oleh para ilmuwan
12:05
and they're great. They analyzemenganalisa largebesar populationspopulasi.
295
710000
2000
dan mereka luar biasa. Mereka menganalisis banyak data.
12:07
They look at theirmereka entireseluruh genomesgenom,
296
712000
2000
Mereka melihat seluruh genomnya
12:09
and they try to find hotpanas spotsbintik of activityaktivitas
297
714000
2000
dan mereka mencoba menemukan pusat kegiatan
12:11
that are linkedterkait causallykausal to genesgen.
298
716000
3000
yang terhubung dengan gen ini.
12:14
But what you get out of suchseperti itu an exerciseolahraga
299
719000
2000
Namun apa yang Anda dapatkan dari hal itu
12:16
is simplysecara sederhana a listdaftar of genesgen.
300
721000
2000
hanyalah daftar gen
12:18
It tellsmengatakan you the what, but it doesn't tell you the where.
301
723000
3000
yang memberitahukan tentang apa, namun tidak memberitahu di mana.
12:21
And so it's very importantpenting for those researcherspeneliti
302
726000
3000
Jadi penemuan sumber daya ini
12:24
that we'vekita sudah createddiciptakan this resourcesumber.
303
729000
2000
akan sangat penting bagi para ilmuwan itu.
12:26
Now they can come in
304
731000
2000
Kini mereka dapat bekerja
12:28
and they can startmulai to get cluespetunjuk about activityaktivitas.
305
733000
2000
dan mulai mendapat petunjuk tentang kegiatan itu.
12:30
They can startmulai to look at commonumum pathwaysjalur --
306
735000
2000
Mereka dapat mulai melihat rute umum --
12:32
other things that they simplysecara sederhana haven'ttidak been ablesanggup to do before.
307
737000
3000
suatu cara lain yang belum pernah dapat mereka lakukan sebelumnya.
12:36
So I think this audiencehadirin in particulartertentu
308
741000
3000
Jadi saya rasa para penonton di sini
12:39
can understandmemahami the importancepentingnya of individualityindividualitas.
309
744000
3000
dapat memahami pentingnya suatu kepribadian.
12:42
And I think everysetiap humanmanusia,
310
747000
2000
Dan saya rasa setiap manusia
12:44
we all have differentberbeda geneticgenetik backgroundslatar belakang,
311
749000
4000
memiliki latar belakang genetik yang berbeda,
12:48
we all have livedhidup separateterpisah liveshidup.
312
753000
2000
kita semua hidup secara terpisah.
12:50
But the factfakta is
313
755000
2000
Namun pada kenyataannya
12:52
our genomesgenom are greaterlebih besar than 99 percentpersen similarserupa.
314
757000
3000
genom kita lebih dari 99 persen serupa.
12:55
We're similarserupa at the geneticgenetik leveltingkat.
315
760000
3000
Kita semua serupa dalam tingkatan genetik.
12:58
And what we're findingtemuan
316
763000
2000
Dan apa yang kami temukan
13:00
is actuallysebenarnya, even at the brainotak biochemicalbiokimia leveltingkat,
317
765000
2000
adalah , bahkan pada tingkat biokimia otak,
13:02
we are quitecukup similarserupa.
318
767000
2000
kita semua cukup serupa.
13:04
And so this showsmenunjukkan it's not 99 percentpersen,
319
769000
2000
Dan tingkat keserupaannya bukanlah 99 persen,
13:06
but it's roughlykurang lebih 90 percentpersen correspondencekorespondensi
320
771000
2000
namun sekitar 90 persen
13:08
at a reasonablemasuk akal cutoffcutoff,
321
773000
3000
dengan tingkat penyisihan tertentu,
13:11
so everything in the cloudawan is roughlykurang lebih correlatedberkorelasi.
322
776000
2000
jadi pada dasarnya semuanya berhubungan.
13:13
And then we find some outliersoutliers,
323
778000
2000
Lalu kami menemukan beberapa keganjilan,
13:15
some things that lieberbohong beyondluar the cloudawan.
324
780000
3000
bebarapa hal di luar kewajaran.
13:18
And those genesgen are interestingmenarik,
325
783000
2000
Dan gen-gen itu sangat menarik
13:20
but they're very subtlehalus.
326
785000
2000
namun juga sangat tersembunyi.
13:22
So I think it's an importantpenting messagepesan
327
787000
3000
Jadi saya rasa ini adalah pesan
13:25
to take home todayhari ini
328
790000
2000
yang penting untuk dibawa,
13:27
that even thoughmeskipun we celebratemerayakan all of our differencesperbedaan,
329
792000
3000
bahwa walaupun kita mensyukuri semua perbedaan kita,
13:30
we are quitecukup similarserupa
330
795000
2000
kita cukup serupa
13:32
even at the brainotak leveltingkat.
331
797000
2000
bahkan pada tingkatan otak.
13:34
Now what do those differencesperbedaan look like?
332
799000
2000
Kini bagaimana perbedaan itu?
13:36
This is an examplecontoh of a studybelajar that we did
333
801000
2000
Ini adalah contoh kajian yang kami lakukan
13:38
to followmengikuti up and see what exactlypersis those differencesperbedaan were --
334
803000
2000
untuk menindaklanjuti tentang bagaimana perbedaan itu sebenarnya --
13:40
and they're quitecukup subtlehalus.
335
805000
2000
dan perbedaan itu cukup tersembunyi.
13:42
These are things where genesgen are turnedberbalik on in an individualindividu cellsel typemengetik.
336
807000
4000
Ini adalah tempat di mana gen menjadi aktif pada sel tunggal.
13:46
These are two genesgen that we foundditemukan as good examplescontoh.
337
811000
3000
Ini adalah dua gen yang kami anggap merupakan contoh yang bagus.
13:49
One is calledbernama RELNRELN -- it's involvedterlibat in earlyawal developmentalperkembangan cuesisyarat.
338
814000
3000
Salah satunya adalah RELN -- yang berhubungan dengan perkembangan awal.
13:52
DISCDISC1 is a genegen
339
817000
2000
DISC1 adalah gen
13:54
that's deleteddihapus in schizophreniaskizofrenia.
340
819000
2000
yang hilang pada penderita skizofrenia.
13:56
These aren'ttidak schizophrenicpenderita skizofrenia individualsindividu,
341
821000
2000
Orang ini bukan penderita skizofrenia,
13:58
but they do showmenunjukkan some populationpopulasi variationvariasi.
342
823000
3000
namun mereka menunjukkan variasi populasi.
14:01
And so what you're looking at here
343
826000
2000
Jadi apa yang Anda lihat di sini
14:03
in donordonor one and donordonor fourempat,
344
828000
2000
pada pendonor pertama dan keempat,
14:05
whichyang are the exceptionspengecualian to the other two,
345
830000
2000
yang merupakan pengecualian dibandingkan dua donor lainnya,
14:07
that genesgen are beingmakhluk turnedberbalik on
346
832000
2000
bahwa gen yang aktif
14:09
in a very specificspesifik subsetsubset of cellssel.
347
834000
2000
pada kelompok sel yang khusus.
14:11
It's this darkgelap purpleungu precipitatemengendapkan withindalam the cellsel
348
836000
3000
Warna ungu gelap ini mengendap di dalam sel
14:14
that's tellingpemberitaan us a genegen is turnedberbalik on there.
349
839000
3000
yang memberi tahu bahwa gen ini diaktifkan.
14:17
WhetherApakah or not that's duekarena
350
842000
2000
Apakah hal itu merupakan petunjuk
14:19
to an individual'sindividu geneticgenetik backgroundLatar Belakang or theirmereka experiencespengalaman,
351
844000
2000
akan latar belakang genetik atau pengalaman orang itu,
14:21
we don't know.
352
846000
2000
kami masih tidak tahu.
14:23
Those kindsmacam of studiesstudi requirememerlukan much largerlebih besar populationspopulasi.
353
848000
3000
Kajian seperti ini memerlukan contoh yang jauh lebih banyak.
14:28
So I'm going to leavemeninggalkan you with a finalterakhir notecatatan
354
853000
2000
Jadi saya akan meninggalkan satu catatan
14:30
about the complexitykompleksitas of the brainotak
355
855000
3000
tentang kompleksitas dari otak
14:33
and how much more we have to go.
356
858000
2000
dan seberapa jauh lagi kita harus melangkah.
14:35
I think these resourcessumber daya are incrediblyluar biasa valuableberharga.
357
860000
2000
Saya rasa sumber daya ini sangatlah berharga.
14:37
They give researcherspeneliti a handlemenangani
358
862000
2000
Mereka memberikan pegangan kepada para ilmuwan
14:39
on where to go.
359
864000
2000
tentang ke mmana harus melangkah.
14:41
But we only lookedtampak at a handfulsegenggam of individualsindividu at this pointtitik.
360
866000
3000
Namun kami hanya melihat beberapa orang pada saat ini.
14:44
We're certainlypasti going to be looking at more.
361
869000
2000
Sudah pasti kami akan melihat lebih banyak orang lagi.
14:46
I'll just closedekat by sayingpepatah
362
871000
2000
Saya akan menutup dengan mengatakan
14:48
that the toolsalat are there,
363
873000
2000
bahwa alatnya ada di sana
14:50
and this is trulysungguh an unexploredbelum diselidiki, undiscoveredbelum ditemukan continentbenua.
364
875000
4000
dan ini adalah daratan yang belum ditemukan dan terjamah.
14:54
This is the newbaru frontierperbatasan, if you will.
365
879000
4000
Ini adalah batas yang baru.
14:58
And so for those who are undauntedgentar,
366
883000
2000
Jadi bagi mereka yang tidak takut
15:00
but humbledmerendahkan by the complexitykompleksitas of the brainotak,
367
885000
2000
namun kesulitan akan kompleksitas otak,
15:02
the futuremasa depan awaitsmenanti.
368
887000
2000
masa depan telah menanti.
15:04
ThanksTerima kasih.
369
889000
2000
Terima kasih.
15:06
(ApplauseTepuk tangan)
370
891000
9000
(Tepuk tangan)
Translated by Antonius Yudi Sendjaja
Reviewed by Yustina Suryanti

▲Back to top

ABOUT THE SPEAKER
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.

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 >>

More profile about the speaker
Allan Jones | Speaker | TED.com