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: Una mappa del cervello

Filmed:
1,269,611 views

Come possiamo cominciare a capire il modo in cui funziona il cervello? Nello stesso modo in cui si comincia a capire una città: disegnando una mappa. In questo discorso dal forte impatto visivo, Allan Jones mostra come la sua squadra traccia le mappe dei geni che si attivano ​​in ogni piccola regione e come tutto viene collegato.
- 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
HumansEsseri umani have long heldheld a fascinationfascino
0
0
2000
L'uomo è sempre stato affascinato
00:17
for the humanumano braincervello.
1
2000
2000
dal cervello umano.
00:19
We chartgrafico it, we'venoi abbiamo describeddescritta it,
2
4000
3000
Lo tracciamo, l'abbiamo descritto,
00:22
we'venoi abbiamo drawndisegnato it,
3
7000
2000
l'abbiamo disegnato,
00:24
we'venoi abbiamo mappedmappato it.
4
9000
3000
l'abbiamo mappato.
00:27
Now just like the physicalfisico mapsmappe of our worldmondo
5
12000
3000
Proprio come la cartografia del mondo
00:30
that have been highlyaltamente influencedinfluenzato by technologytecnologia --
6
15000
3000
è stata fortemente influenzata dalla tecnologia -
00:33
think GoogleGoogle MapsMappe,
7
18000
2000
pensate a Google Maps,
00:35
think GPSGPS --
8
20000
2000
al GPS -
00:37
the samestesso thing is happeningavvenimento for braincervello mappingMappatura
9
22000
2000
la stessa cosa accade per la mappatura del cervello
00:39
throughattraverso transformationtrasformazione.
10
24000
2000
attraverso la trasformazione.
00:41
So let's take a look at the braincervello.
11
26000
2000
Diamo uno sguardo al cervello.
00:43
MostMaggior parte people, when they first look at a freshfresco humanumano braincervello,
12
28000
3000
Molte persone quando vedono un cervello fresco per la prima volta
00:46
they say, "It doesn't look what you're typicallytipicamente looking at
13
31000
3000
dicono: "È diverso da quello che di solito si vede
00:49
when someonequalcuno showsSpettacoli you a braincervello."
14
34000
2000
quando qualcuno vi mostra un cervello".
00:51
TypicallyIn genere, what you're looking at is a fixedfisso braincervello. It's graygrigio.
15
36000
3000
Di solito quello che vedete è un cervello fisso. È grigio.
00:54
And this outeresterno layerstrato, this is the vasculaturesistema vascolare,
16
39000
2000
Questo strato più esterno è il sistema vascolare.
00:56
whichquale is incredibleincredibile, around a humanumano braincervello.
17
41000
2000
Quello di un cervello umano è straordinario.
00:58
This is the bloodsangue vesselsvasi.
18
43000
2000
Questi sono i vasi sanguigni.
01:00
20 percentper cento of the oxygenossigeno
19
45000
3000
Il 20% dell'ossigeno
01:03
comingvenuta from your lungspolmoni,
20
48000
2000
proveniente dai polmoni,
01:05
20 percentper cento of the bloodsangue pumpedpompato from your heartcuore,
21
50000
2000
e il 20% del sangue pompato dal cuore
01:07
is servicingrevisione this one organorgano.
22
52000
2000
sono al servizio di questo organo.
01:09
That's basicallyfondamentalmente, if you holdtenere two fistspugni togetherinsieme,
23
54000
2000
Il cervello è praticamente un po' più grande
01:11
it's just slightlyleggermente largerpiù grandi than the two fistspugni.
24
56000
2000
di due pugni chiusi messi insieme.
01:13
ScientistsScienziati, sortordinare of at the endfine of the 20thesimo centurysecolo,
25
58000
3000
Verso la fine del 20° secolo, gli scienziati
01:16
learnedimparato that they could tracktraccia bloodsangue flowflusso
26
61000
2000
appresero come monitorare il flusso sanguigno
01:18
to mapcarta geografica non-invasivelymodo non invasivo
27
63000
3000
tracciando mappe non invasive
01:21
where activityattività was going on in the humanumano braincervello.
28
66000
3000
per rilevare l'attività nel cervello umano.
01:24
So for exampleesempio, they can see in the back partparte of the braincervello,
29
69000
3000
In tal modo si può vedere nell'area posteriore del cervello,
01:27
whichquale is just turningsvolta around there.
30
72000
2000
proprio come si vede sullo schermo.
01:29
There's the cerebellumcervelletto; that's keepingconservazione you uprightverticale right now.
31
74000
2000
Ecco il cervelletto, che vi tiene in posizione verticale.
01:31
It's keepingconservazione me standingin piedi. It's involvedcoinvolti in coordinatedcoordinato movementmovimento.
32
76000
3000
Mi permette di stare in piedi. È coinvolto nel movimento coordinato.
01:34
On the sidelato here, this is temporaltemporale cortexcorteccia.
33
79000
3000
Su questo lato c'è la corteccia temporale.
01:37
This is the areala zona where primaryprimario auditoryuditorio processinglavorazione --
34
82000
3000
L'area in cui si verifica il processo uditivo primario -
01:40
so you're hearingudito my wordsparole,
35
85000
2000
così sentite le mie parole,
01:42
you're sendinginvio it up into higherpiù alto languageLingua processinglavorazione centerscentri.
36
87000
2000
che vengono inviate ai centri di elaborazione del linguaggio.
01:44
TowardsVerso the frontdavanti of the braincervello
37
89000
2000
Verso la parte anteriore del cervello
01:46
is the placeposto in whichquale all of the more complexcomplesso thought, decisiondecisione makingfabbricazione --
38
91000
3000
si verifica il pensiero più complesso, il processo decisionale -
01:49
it's the last to maturematuro in latein ritardo adulthoodetà adulta.
39
94000
4000
ultimo a maturare in tarda età adulta.
01:53
This is where all your decision-makingil processo decisionale processesprocessi are going on.
40
98000
3000
È qui che si svolgono tutti i processi decisionali.
01:56
It's the placeposto where you're decidingdecidere right now
41
101000
2000
È il luogo in cui probabilmente in questo momento
01:58
you probablyprobabilmente aren'tnon sono going to orderordine the steakbistecca for dinnercena.
42
103000
3000
state decidendo che non ordinerete la bistecca a cena.
02:01
So if you take a deeperpiù profondo look at the braincervello,
43
106000
2000
Guardando più da vicino il cervello,
02:03
one of the things, if you look at it in cross-sectionsezione trasversale,
44
108000
2000
se lo si guarda in sezione trasversale,
02:05
what you can see
45
110000
2000
ciò che si nota
02:07
is that you can't really see a wholetotale lot of structurestruttura there.
46
112000
3000
è che qui non si riesce a vedere una grande struttura.
02:10
But there's actuallyin realtà a lot of structurestruttura there.
47
115000
2000
Ma c'è n'è davvero tanta.
02:12
It's cellscellule and it's wiresfili all wiredcablata togetherinsieme.
48
117000
2000
Ci sono cellule e collegamenti interconnessi.
02:14
So about a hundredcentinaio yearsanni agofa,
49
119000
2000
Un centinaio di anni fa,
02:16
some scientistsscienziati inventedinventato a stainmacchia that would stainmacchia cellscellule.
50
121000
2000
alcuni scienziati inventarono un colorante per le cellule.
02:18
And that's shownmostrato here in the the very lightleggero blueblu.
51
123000
3000
Come vedete qui in azzurro.
02:21
You can see areasle zone
52
126000
2000
Potete vedere aree
02:23
where neuronalun neurone cellcellula bodiescorpi are beingessere stainedmacchiato.
53
128000
2000
dove i corpi cellulari normali vengono colorati.
02:25
And what you can see is it's very non-uniformnon uniforme. You see a lot more structurestruttura there.
54
130000
3000
Non è per niente uniforme. È molto più strutturato qui.
02:28
So the outeresterno partparte of that braincervello
55
133000
2000
La parte esterna del cervello
02:30
is the neocortexneocorteccia.
56
135000
2000
è la neocorteccia.
02:32
It's one continuouscontinuo processinglavorazione unitunità, if you will.
57
137000
3000
È un'unità di elaborazione continua.
02:35
But you can alsoanche see things underneathsotto there as well.
58
140000
2000
Inoltre, vedete che ci sono delle cose al di sotto.
02:37
And all of these blankvuoto areasle zone
59
142000
2000
E in tutte queste aree in bianco
02:39
are the areasle zone in whichquale the wiresfili are runningin esecuzione throughattraverso.
60
144000
2000
ci sono le zone dove passano i collegamenti,
02:41
They're probablyprobabilmente lessDi meno cellcellula densedenso.
61
146000
2000
e in cui si ha una minor densità di cellule.
02:43
So there's about 86 billionmiliardo neuronsneuroni in our braincervello.
62
148000
4000
Ci sono circa 86 miliardi di neuroni nel nostro cervello.
02:47
And as you can see, they're very non-uniformlynon uniforme distributeddistribuito.
63
152000
3000
Come vedete, non sono distribuiti in maniera uniforme.
02:50
And how they're distributeddistribuito really contributescontribuisce
64
155000
2000
Questa distribuzione contribuisce in realtà
02:52
to theirloro underlyingsottostanti functionfunzione.
65
157000
2000
alla loro funzione di base.
02:54
And of coursecorso, as I mentionedmenzionato before,
66
159000
2000
E naturalmente, come ho detto prima,
02:56
sinceda we can now startinizio to mapcarta geografica braincervello functionfunzione,
67
161000
3000
poiché ora riusciamo a mappare le funzioni cerebrali,
02:59
we can startinizio to tiecravatta these into the individualindividuale cellscellule.
68
164000
3000
cominciamo a farle risalire alle singole cellule.
03:02
So let's take a deeperpiù profondo look.
69
167000
2000
Diamo un'occhiata più approfondita.
03:04
Let's look at neuronsneuroni.
70
169000
2000
Osserviamo i neuroni.
03:06
So as I mentionedmenzionato, there are 86 billionmiliardo neuronsneuroni.
71
171000
2000
Come ho già detto, ce ne sono 86 miliardi.
03:08
There are alsoanche these smallerpiù piccola cellscellule as you'llpotrai see.
72
173000
2000
Ci sono anche queste cellule più piccole, come vedrete.
03:10
These are supportsupporto cellscellule -- astrocytesastrociti gliaglia.
73
175000
2000
Queste sono cellule di supporto - astrociti.
03:12
And the nervesnervi themselvesloro stessi
74
177000
3000
E i nervi stessi
03:15
are the onesquelli who are receivingricevente inputingresso.
75
180000
2000
ricevono l'input.
03:17
They're storingmemorizzazione it, they're processinglavorazione it.
76
182000
2000
Lo memorizzano e lo elaborano.
03:19
EachOgni neuronneurone is connectedcollegato viaattraverso synapsessinapsi
77
184000
4000
Ogni neurone è collegato via sinapsi
03:23
to up to 10,000 other neuronsneuroni in your braincervello.
78
188000
3000
con altri 10.000 neuroni nel cervello.
03:26
And eachogni neuronneurone itselfsi
79
191000
2000
E ogni neurone
03:28
is largelyin gran parte uniqueunico.
80
193000
2000
è in gran parte unico.
03:30
The uniqueunico charactercarattere of bothentrambi individualindividuale neuronsneuroni
81
195000
2000
L'unicità di entrambi i singoli neuroni
03:32
and neuronsneuroni withinentro a collectioncollezione of the braincervello
82
197000
2000
e dei neuroni all'interno di una zona del cervello
03:34
are drivenguidato by fundamentalfondamentale propertiesproprietà
83
199000
3000
sono determinati dalle proprietà fondamentali
03:37
of theirloro underlyingsottostanti biochemistrybiochimica.
84
202000
2000
della loro biochimica di base.
03:39
These are proteinsproteine.
85
204000
2000
Queste sono proteine​​
03:41
They're proteinsproteine that are controllingcontrollo things like ionione channelcanale movementmovimento.
86
206000
3000
​​che controllano aspetti quali il movimento dei canali ionici.
03:44
They're controllingcontrollo who nervousnervoso systemsistema cellscellule partnercompagno up with.
87
209000
4000
Controllano con quali cellule del sistema nervoso associarsi.
03:48
And they're controllingcontrollo
88
213000
2000
Controllano praticamente
03:50
basicallyfondamentalmente everything that the nervousnervoso systemsistema has to do.
89
215000
2000
tutto quello che deve fare il sistema nervoso.
03:52
So if we zoomzoom in to an even deeperpiù profondo levellivello,
90
217000
3000
Quindi, se ci avviciniamo ancora di più,
03:55
all of those proteinsproteine
91
220000
2000
tutte quelle proteine
03:57
are encodedcon codifica by our genomesgenomi.
92
222000
2000
sono codificate dal nostro genoma.
03:59
We eachogni have 23 pairscoppie of chromosomescromosomi.
93
224000
3000
Ognuno di noi ha 23 coppie di cromosomi:
04:02
We get one from mommamma, one from dadpapà.
94
227000
2000
uno dalla mamma e uno dal papà.
04:04
And on these chromosomescromosomi
95
229000
2000
E in questi cromosomi
04:06
are roughlyapprossimativamente 25,000 genesgeni.
96
231000
2000
ci sono circa 25.000 geni
04:08
They're encodedcon codifica in the DNADNA.
97
233000
2000
codificati nel DNA.
04:10
And the naturenatura of a givendato cellcellula
98
235000
3000
La natura di una determinata cellula
04:13
drivingguida its underlyingsottostanti biochemistrybiochimica
99
238000
2000
che attiva la propria biochimica di base
04:15
is dictateddettata by whichquale of these 25,000 genesgeni
100
240000
3000
è determinata da quali di questi 25.000 geni
04:18
are turnedtrasformato on
101
243000
2000
vengono attivati
04:20
and at what levellivello they're turnedtrasformato on.
102
245000
2000
e a quale livello si attivano.
04:22
And so our projectprogetto
103
247000
2000
Quindi il nostro progetto
04:24
is seekingcerca to look at this readoutdella lettura,
104
249000
3000
sta cercando di osservare questa lettura
04:27
understandingcomprensione whichquale of these 25,000 genesgeni is turnedtrasformato on.
105
252000
3000
e di capire quale di questi 25.000 geni è attivato.
04:30
So in orderordine to undertakesi impegnano suchcome a projectprogetto,
106
255000
3000
Per intraprendere un progetto del genere
04:33
we obviouslyovviamente need brainsmente.
107
258000
3000
abbiamo ovviamente bisogno di cervelli.
04:36
So we sentinviato our lablaboratorio techniciantecnico out.
108
261000
3000
Quindi abbiamo inviato i nostri tecnici
04:39
We were seekingcerca normalnormale humanumano brainsmente.
109
264000
2000
alla ricerca di cervelli umani normali.
04:41
What we actuallyin realtà startinizio with
110
266000
2000
Abbiamo iniziato nello studio
04:43
is a medicalmedico examiner'sdell'esaminatore officeufficio.
111
268000
2000
di un medico legale,
04:45
This a placeposto where the deadmorto are broughtportato in.
112
270000
2000
il luogo in cui vengono portati i cadaveri.
04:47
We are seekingcerca normalnormale humanumano brainsmente.
113
272000
2000
Siamo alla ricerca di cervelli normali.
04:49
There's a lot of criteriacriteri by whichquale we're selectingselezionando these brainsmente.
114
274000
3000
Ci sono molti criteri per selezionarli.
04:52
We want to make sure
115
277000
2000
Vogliamo assicurarci
04:54
that we have normalnormale humansgli esseri umani betweenfra the agesevo of 20 to 60,
116
279000
3000
che siano di essere umani normali tra i 20 e 60 anni
04:57
they diedmorto a somewhatpiuttosto naturalnaturale deathmorte
117
282000
2000
deceduti per cause naturali,
04:59
with no injuryferita to the braincervello,
118
284000
2000
senza lesioni al cervello,
05:01
no historystoria of psychiatricpsichiatrici diseasemalattia,
119
286000
2000
nessun passato di malattie psichiatriche,
05:03
no drugsfarmaci on boardtavola --
120
288000
2000
né problemi di droga -
05:05
we do a toxicologyTossicologia workupworkup.
121
290000
2000
facciamo un test tossicologico.
05:07
And we're very carefulattento
122
292000
2000
E stiamo molto attenti
05:09
about the brainsmente that we do take.
123
294000
2000
ai cervelli che scegliamo.
05:11
We're alsoanche selectingselezionando for brainsmente
124
296000
2000
Selezioniamo anche dei cervelli
05:13
in whichquale we can get the tissuefazzoletto di carta,
125
298000
2000
da cui poter prelevare i tessuti.
05:15
we can get consentconsenso to take the tissuefazzoletto di carta
126
300000
2000
Possiamo ottenere il consenso di prelevarli
05:17
withinentro 24 hoursore of time of deathmorte.
127
302000
2000
entro 24 ore dal decesso.
05:19
Because what we're tryingprovare to measuremisurare, the RNARNA --
128
304000
3000
Perché ciò che cerchiamo di misurare, l'RNA -
05:22
whichquale is the readoutdella lettura from our genesgeni --
129
307000
2000
che è la lettura dei nostri geni -
05:24
is very labilelabile,
130
309000
2000
è molto labile,
05:26
and so we have to movemossa very quicklyvelocemente.
131
311000
2000
e quindi dobbiamo agire molto in fretta.
05:28
One sidelato noteNota on the collectioncollezione of brainsmente:
132
313000
3000
Una nota a margine sulla raccolta dei cervelli:
05:31
because of the way that we collectraccogliere,
133
316000
2000
a causa del modo in cui li otteniamo,
05:33
and because we requirerichiedere consentconsenso,
134
318000
2000
e dato che abbiamo bisogno di consenso,
05:35
we actuallyin realtà have a lot more malemaschio brainsmente than femalefemmina brainsmente.
135
320000
3000
abbiamo molti più cervelli maschili che femminili.
05:38
MalesMaschi are much more likelyprobabile to diemorire an accidentalaccidentale deathmorte in the primeprimo of theirloro life.
136
323000
3000
I maschi hanno più probabilità di morire per un incidente nel fiore degli anni.
05:41
And menuomini are much more likelyprobabile
137
326000
2000
E sono molto più propensi
05:43
to have theirloro significantsignificativo other, spouseSposa, give consentconsenso
138
328000
3000
ad avere un partner, una moglie che ne dia il consenso
05:46
than the other way around.
139
331000
2000
piuttosto che il contrario.
05:48
(LaughterRisate)
140
333000
4000
(Risate)
05:52
So the first thing that we do at the siteluogo of collectioncollezione
141
337000
2000
Quindi la prima cosa che facciamo nel luogo di raccolta
05:54
is we collectraccogliere what's calledchiamato an MRSIGNOR.
142
339000
2000
consiste nell'eseguire una RM,
05:56
This is magneticmagnetico resonancerisonanza imagingdi imaging -- MRIMRI.
143
341000
2000
una risonanza magnetica - RMI.
05:58
It's a standardstandard templatemodello by whichquale we're going to hangappendere the restriposo of this datadati.
144
343000
3000
È un modello standard con cui introdurremo il resto dei dati.
06:01
So we collectraccogliere this MRSIGNOR.
145
346000
2000
Abbiamo dunque la RM,
06:03
And you can think of this as our satellitesatellitare viewvista for our mapcarta geografica.
146
348000
2000
simile a una visione satellitare della nostra mappa.
06:05
The nextIl prossimo thing we do
147
350000
2000
Poi quello che facciamo
06:07
is we collectraccogliere what's calledchiamato a diffusiondiffusione tensortensore imagingdi imaging.
148
352000
3000
è raccogliere la cosiddetta imaging del tensore di diffusione,
06:10
This mapsmappe the largegrande cablingcablaggio in the braincervello.
149
355000
2000
che traccia la mappa del cablaggio cerebrale.
06:12
And again, you can think of this
150
357000
2000
E ancora, si può considerare
06:14
as almostquasi mappingMappatura our interstateInterstate highwaysautostrade, if you will.
151
359000
2000
come una mappatura delle nostre autostrade interstatali.
06:16
The braincervello is removedrimosso from the skullcranio,
152
361000
2000
Il cervello viene rimosso dal cranio,
06:18
and then it's slicedaffettato into one-centimeterun centimetro slicesfette.
153
363000
3000
quindi tagliato in sezioni spesse un centimetro.
06:21
And those are frozencongelato solidsolido,
154
366000
2000
Queste vengono congelate
06:23
and they're shippedspediti to SeattleSeattle.
155
368000
2000
e inviate a Seattle.
06:25
And in SeattleSeattle, we take these --
156
370000
2000
A Seattle le prendiamo -
06:27
this is a wholetotale humanumano hemisphereemisfero --
157
372000
2000
questo è un emisfero umano completo -
06:29
and we put them into what's basicallyfondamentalmente a glorifiedglorificato meatcarne sliceraffettatrice.
158
374000
2000
e le mettiamo in una sorta di affettatrice.
06:31
There's a bladelama here that's going to cuttagliare acrossattraverso
159
376000
2000
Qui c'è una lama che attraverserà
06:33
a sectionsezione of the tissuefazzoletto di carta
160
378000
2000
una sezione del tessuto
06:35
and transfertrasferimento it to a microscopemicroscopio slidediapositiva.
161
380000
2000
e la trasferirà sul vetrino del microscopio.
06:37
We're going to then applyapplicare one of those stainsmacchie to it,
162
382000
2000
Poi la coloreremo
06:39
and we scanscansione it.
163
384000
2000
e la scansioneremo.
06:41
And then what we get is our first mappingMappatura.
164
386000
3000
Otteniamo così la nostra prima mappatura.
06:44
So this is where expertsesperti come in
165
389000
2000
Qui entrano in gioco gli esperti
06:46
and they make basicdi base anatomicanatomico assignmentsassegnazioni.
166
391000
2000
che fanno le assegnazioni anatomiche di base.
06:48
You could considerprendere in considerazione this statestato boundariesconfini, if you will,
167
393000
3000
Potete considerare queste linee piuttosto spesse
06:51
those prettybella broadampio outlinescontorni.
168
396000
2000
come i confini tra stati.
06:53
From this, we're ablecapace to then fragmentframmento that braincervello into furtherulteriore piecespezzi,
169
398000
4000
Da questo, frammentiamo quel cervello in ulteriori parti
06:57
whichquale then we can put on a smallerpiù piccola cryostatcriostato.
170
402000
2000
che poi metteremo su un criostato più piccolo.
06:59
And this is just showingmostrando this here --
171
404000
2000
E qui vi mostriamo -
07:01
this frozencongelato tissuefazzoletto di carta, and it's beingessere cuttagliare.
172
406000
2000
questo tessuto congelato che viene tagliato.
07:03
This is 20 micronsmicron thinmagro, so this is about a babybambino hair'sdi capelli widthlarghezza.
173
408000
3000
Ha 20 micron di spessore, come i capelli di un bambino.
07:06
And rememberricorda, it's frozencongelato.
174
411000
2000
Ricordate che è congelato.
07:08
And so you can see here,
175
413000
2000
Vedete che qui
07:10
old-fashionedvecchio stile technologytecnologia of the paintbrushpennello beingessere appliedapplicato.
176
415000
2000
usiamo la vecchia tecnologia del pennello.
07:12
We take a microscopemicroscopio slidediapositiva.
177
417000
2000
Prendiamo un vetrino da microscopio.
07:14
Then we very carefullyaccuratamente meltdella fusione ontosu the slidediapositiva.
178
419000
3000
Poi, con molta cura lo scongeliamo sul vetrino.
07:17
This will then go ontosu a robotrobot
179
422000
2000
Questo va poi ad un robot
07:19
that's going to applyapplicare one of those stainsmacchie to it.
180
424000
3000
che applicherà uno di quei coloranti.
07:26
And our anatomistsanatomisti are going to go in and take a deeperpiù profondo look at this.
181
431000
3000
E i nostri anatomisti andranno ad analizzarlo in dettaglio.
07:29
So again this is what they can see undersotto the microscopemicroscopio.
182
434000
2000
Questo è quello che si vede al microscopio.
07:31
You can see collectionscollezioni and configurationsconfigurazioni
183
436000
2000
Potete vedere collezioni e configurazioni
07:33
of largegrande and smallpiccolo cellscellule
184
438000
2000
di cellule grandi e piccole
07:35
in clusterscluster and variousvario placesposti.
185
440000
2000
in gruppi e punti diversi.
07:37
And from there it's routineroutine. They understandcapire where to make these assignmentsassegnazioni.
186
442000
2000
E da lì è routine. Loro sanno cosa fare.
07:39
And they can make basicallyfondamentalmente what's a referenceriferimento atlasAtlante.
187
444000
3000
Praticamente sono in grado di fare un atlante di riferimento.
07:42
This is a more detaileddettagliata mapcarta geografica.
188
447000
2000
Questa è una mappa più dettagliata.
07:44
Our scientistsscienziati then use this
189
449000
2000
Poi i nostri scienziati usano questo
07:46
to go back to anotherun altro piecepezzo of that tissuefazzoletto di carta
190
451000
3000
per tornare a un altro pezzo di quel tessuto
07:49
and do what's calledchiamato laserlaser scanninglettura microdissectionMicrodissection.
191
454000
2000
ed eseguono la cosiddetta microdissezione laser.
07:51
So the techniciantecnico takes the instructionsIstruzioni.
192
456000
3000
Quindi il tecnico riceve le istruzioni,
07:54
They scribescriba alonglungo a placeposto there.
193
459000
2000
e loro delineano un punto.
07:56
And then the laserlaser actuallyin realtà cutstagli.
194
461000
2000
Poi il laser taglia.
07:58
You can see that blueblu dotpunto there cuttingtaglio. And that tissuefazzoletto di carta fallscadute off.
195
463000
3000
Vedete il taglio del punto blu. E quel tessuto si stacca.
08:01
You can see on the microscopemicroscopio slidediapositiva here,
196
466000
2000
Si vede qui sul vetrino
08:03
that's what's happeningavvenimento in realvero time.
197
468000
2000
ciò che accade in tempo reale.
08:05
There's a containercontenitore underneathsotto that's collectingraccolta that tissuefazzoletto di carta.
198
470000
3000
Sotto c'è un contenitore che raccoglie il tessuto.
08:08
We take that tissuefazzoletto di carta,
199
473000
2000
Lo prendiamo,
08:10
we purifypurificare the RNARNA out of it
200
475000
2000
purifichiamo il suo RNA
08:12
usingutilizzando some basicdi base technologytecnologia,
201
477000
2000
usando una tecnologia di base
08:14
and then we put a florescentfluorescente tagProdotto Tag on it.
202
479000
2000
e applichiamo un'etichetta fluorescente.
08:16
We take that taggedetichetta materialMateriale
203
481000
2000
Prendiamo il materiale etichettato
08:18
and we put it on to something calledchiamato a microarraymicroarray.
204
483000
3000
e lo mettiamo su quello che chiamiamo microarray.
08:21
Now this maypuò look like a bunchmazzo of dotspunti to you,
205
486000
2000
A voi possono sembrare una serie di punti,
08:23
but eachogni one of these individualindividuale dotspunti
206
488000
2000
ma ognuno di questi singoli punti
08:25
is actuallyin realtà a uniqueunico piecepezzo of the humanumano genomegenoma
207
490000
2000
è in realtà un pezzo unico del genoma umano
08:27
that we spottedmacchiato down on glassbicchiere.
208
492000
2000
che abbiamo individuato sul vetro.
08:29
This has roughlyapprossimativamente 60,000 elementselementi on it,
209
494000
3000
Questo contiene circa 60.000 elementi,
08:32
so we repeatedlyripetutamente measuremisurare variousvario genesgeni
210
497000
3000
e noi possiamo misurare ripetutamente vari geni
08:35
of the 25,000 genesgeni in the genomegenoma.
211
500000
2000
tra i 25.000 geni del genoma.
08:37
And when we take a samplecampione and we hybridizeibridare it to it,
212
502000
3000
E quando prendiamo un campione e lo ibridiamo,
08:40
we get a uniqueunico fingerprintimpronte digitali, if you will,
213
505000
2000
otteniamo un'impronta unica
08:42
quantitativelyquantitativamente of what genesgeni are turnedtrasformato on in that samplecampione.
214
507000
3000
che quantifica i geni attivati in quel campione.
08:45
Now we do this over and over again,
215
510000
2000
Ripetiamo continuamente questo processo
08:47
this processprocesso for any givendato braincervello.
216
512000
3000
per ogni cervello a disposizione.
08:50
We're takingpresa over a thousandmille samplescampioni for eachogni braincervello.
217
515000
3000
Prendiamo oltre un migliaio di campioni di ogni cervello.
08:53
This areala zona shownmostrato here is an areala zona calledchiamato the hippocampusippocampo.
218
518000
3000
Questa zona, qui, è l'ippocampo.
08:56
It's involvedcoinvolti in learningapprendimento and memorymemoria.
219
521000
2000
È coinvolta nell'apprendimento e nella memoria.
08:58
And it contributescontribuisce to about 70 samplescampioni
220
523000
3000
E contribuisce fino a circa 70 campioni
09:01
of those thousandmille samplescampioni.
221
526000
2000
di quelle migliaia di campioni.
09:03
So eachogni samplecampione getsprende us about 50,000 datadati pointspunti
222
528000
4000
Così ogni campione ci dà circa 50.000 dati
09:07
with repeatripetere measurementsmisurazioni, a thousandmille samplescampioni.
223
532000
3000
con misure ripetute, un migliaio di campioni.
09:10
So roughlyapprossimativamente, we have 50 millionmilione datadati pointspunti
224
535000
2000
Quindi abbiamo all'incirca 50 milioni di punti di dati
09:12
for a givendato humanumano braincervello.
225
537000
2000
per ogni cervello umano.
09:14
We'veAbbiamo donefatto right now
226
539000
2000
Ora abbiamo i dati
09:16
two humanumano brains-worthcervelli-vale la pena of datadati.
227
541000
2000
equivalenti a due cervelli umani.
09:18
We'veAbbiamo put all of that togetherinsieme
228
543000
2000
Abbiamo combinato tutto questo
09:20
into one thing,
229
545000
2000
in una sintesi unica
09:22
and I'll showmostrare you what that synthesissintesi lookssembra like.
230
547000
2000
e vi mostrerò l'aspetto di questa sintesi.
09:24
It's basicallyfondamentalmente a largegrande datadati setimpostato of informationinformazione
231
549000
3000
Si tratta di una grande quantità di informazioni
09:27
that's all freelyliberamente availablea disposizione to any scientistscienziato around the worldmondo.
232
552000
3000
gratuitamente a disposizione di ogni scienziato al mondo.
09:30
They don't even have to logceppo in to come use this toolstrumento,
233
555000
3000
Non serve registrarsi per usare questo strumento,
09:33
mineil mio this datadati, find interestinginteressante things out with this.
234
558000
4000
analizzare i dati e trovare cose interessanti.
09:37
So here'secco the modalitiesmodalità that we put togetherinsieme.
235
562000
3000
Queste sono le modalità che abbiamo ideato.
09:40
You'llYou'll startinizio to recognizericonoscere these things from what we'venoi abbiamo collectedraccolto before.
236
565000
3000
Le riconoscerete da quello che abbiamo raccolto prima.
09:43
Here'sQui è the MRSIGNOR. It providesfornisce the frameworkstruttura.
237
568000
2000
Ecco la RM che fornisce la struttura.
09:45
There's an operatoroperatore sidelato on the right that allowsconsente you to turnturno,
238
570000
3000
A destra c'è un operatore che vi permette di ruotare,
09:48
it allowsconsente you to zoomzoom in,
239
573000
2000
ingrandire,
09:50
it allowsconsente you to highlightevidenziare individualindividuale structuresstrutture.
240
575000
3000
ed evidenziare singole strutture.
09:53
But mostmaggior parte importantlyimportante,
241
578000
2000
Ma la cosa più importante,
09:55
we're now mappingMappatura into this anatomicanatomico frameworkstruttura,
242
580000
3000
è che ora facciamo le mappe di questa struttura anatomica,
09:58
whichquale is a commonComune frameworkstruttura for people to understandcapire where genesgeni are turnedtrasformato on.
243
583000
3000
una struttura comune per comprendere dove vengono attivati i geni.
10:01
So the redrosso levelslivelli
244
586000
2000
Nei livelli rossi
10:03
are where a genegene is turnedtrasformato on to a great degreegrado.
245
588000
2000
viene attivato un gene al massimo grado.
10:05
GreenVerde is the sortordinare of coolfreddo areasle zone where it's not turnedtrasformato on.
246
590000
3000
Nel verde ci sono le zone fredde dove non è attivato.
10:08
And eachogni genegene gives us a fingerprintimpronte digitali.
247
593000
2000
E ogni gene ci fornisce un'impronta digitale.
10:10
And rememberricorda that we'venoi abbiamo assayedanalizzati all the 25,000 genesgeni in the genomegenoma
248
595000
5000
Ricordate che abbiamo analizzato tutti i 25.000 geni del genoma
10:15
and have all of that datadati availablea disposizione.
249
600000
4000
e abbiamo tutti i dati disponibili.
10:19
So what can scientistsscienziati learnimparare about this datadati?
250
604000
2000
Che cosa apprendono gli scienziati da questi dati?
10:21
We're just startingdi partenza to look at this datadati ourselvesnoi stessi.
251
606000
3000
Noi stessi stiamo solo iniziando a studiare questi dati.
10:24
There's some basicdi base things that you would want to understandcapire.
252
609000
3000
Ci sono alcuni aspetti di base che vorremmo capire.
10:27
Two great examplesesempi are drugsfarmaci,
253
612000
2000
Ottimi esempi sono due farmaci,
10:29
ProzacProzac and WellbutrinWellbutrin.
254
614000
2000
il Prozac e il Wellbutrin,
10:31
These are commonlycomunemente prescribedprescritto antidepressantsantidepressivi.
255
616000
3000
gli antidepressivi più comunemente prescritti.
10:34
Now rememberricorda, we're assayinganalizzante genesgeni.
256
619000
2000
Ricordate che noi analizziamo i geni.
10:36
GenesGeni sendinviare the instructionsIstruzioni to make proteinsproteine.
257
621000
3000
I geni inviano le istruzioni per produrre proteine​​.
10:39
ProteinsProteine are targetsobiettivi for drugsfarmaci.
258
624000
2000
Le proteine ​​sono i bersagli dei farmaci.
10:41
So drugsfarmaci bindlegare to proteinsproteine
259
626000
2000
I farmaci si legano alle proteine
10:43
and eithero turnturno them off, etceccetera.
260
628000
2000
e le disattivano, ecc.
10:45
So if you want to understandcapire the actionazione of drugsfarmaci,
261
630000
2000
Se volete comprendere l'azione dei farmaci,
10:47
you want to understandcapire how they're actingrecitazione in the waysmodi you want them to,
262
632000
3000
capire come agiscono in modo desiderato
10:50
and alsoanche in the waysmodi you don't want them to.
263
635000
2000
e anche in modo indesiderato,
10:52
In the sidelato effecteffetto profileprofilo, etceccetera.,
264
637000
2000
gli effetti collaterali, ecc.,
10:54
you want to see where those genesgeni are turnedtrasformato on.
265
639000
2000
dovete guardare dove vengono attivati questi geni.
10:56
And for the first time, we can actuallyin realtà do that.
266
641000
2000
E per la prima volta, possiamo davvero farlo.
10:58
We can do that in multiplemultiplo individualsindividui that we'venoi abbiamo assayedanalizzati too.
267
643000
3000
Possiamo farlo anche su molti individui che abbiamo analizzato.
11:01
So now we can look throughoutper tutto the braincervello.
268
646000
3000
Ora possiamo osservare tutto il cervello.
11:04
We can see this uniqueunico fingerprintimpronte digitali.
269
649000
2000
Possiamo vedere questa impronta digitale unica.
11:06
And we get confirmationconferma.
270
651000
2000
E ottenere la conferma.
11:08
We get confirmationconferma that, indeedinfatti, the genegene is turnedtrasformato on --
271
653000
3000
Conferma che, in effetti, il gene viene attivato -
11:11
for something like ProzacProzac,
272
656000
2000
per un farmaco come il Prozac,
11:13
in serotonergicserotoninergici structuresstrutture, things that are alreadygià knownconosciuto be affectedinfluenzato --
273
658000
3000
in strutture serotoninergiche, già notoriamente interessate -
11:16
but we alsoanche get to see the wholetotale thing.
274
661000
2000
ma si può anche ottenere una visione generale.
11:18
We alsoanche get to see areasle zone that no one has ever lookedguardato at before,
275
663000
2000
Vediamo anche zone che nessuno ha mai visto prima,
11:20
and we see these genesgeni turnedtrasformato on there.
276
665000
2000
e vediamo questi geni attivati lì.
11:22
It's as interestinginteressante a sidelato effecteffetto as it could be.
277
667000
3000
È un effetto collaterale molto interessante.
11:25
One other thing you can do with suchcome a thing
278
670000
2000
Un'altra cosa che si può fare,
11:27
is you can, because it's a patternmodello matchingcorrispondenza exerciseesercizio,
279
672000
3000
dato che è un esercizio di equivalenza di pattern,
11:30
because there's uniqueunico fingerprintimpronte digitali,
280
675000
2000
e c'è un'impronta digitale unica,
11:32
we can actuallyin realtà scanscansione throughattraverso the entireintero genomegenoma
281
677000
2000
è scansionare l'intero genoma
11:34
and find other proteinsproteine
282
679000
2000
e trovare altre proteine
11:36
that showmostrare a similarsimile fingerprintimpronte digitali.
283
681000
2000
​​che mostrino un'impronta digitale simile.
11:38
So if you're in drugdroga discoveryscoperta, for exampleesempio,
284
683000
3000
Se siete alla ricerca di nuovi farmaci, per esempio,
11:41
you can go throughattraverso
285
686000
2000
è possibile esaminare
11:43
an entireintero listingprofilo of what the genomegenoma has on offeroffrire
286
688000
2000
un intero elenco di ciò che il genoma ha da offrire
11:45
to find perhapsForse better drugdroga targetsobiettivi and optimizeottimizzare.
287
690000
4000
per trovare migliori bersagli farmacologici e ottimizzarli.
11:49
MostMaggior parte of you are probablyprobabilmente familiarfamiliare
288
694000
2000
Probabilmente avrete sentito parlare
11:51
with genome-widegenoma associationassociazione studiesstudi
289
696000
2000
degli studi di associazione multipla [genome-wide]
11:53
in the formmodulo of people coveringcopertura in the newsnotizia
290
698000
3000
che i notiziari annunciano in tal modo:
11:56
sayingdetto, "ScientistsScienziati have recentlyrecentemente discoveredscoperto the genegene or genesgeni
291
701000
3000
"Gli scienziati hanno recentemente scoperto il gene, i geni
11:59
whichquale affectinfluenzare X."
292
704000
2000
che interessano X".
12:01
And so these kindstipi of studiesstudi
293
706000
2000
Questo tipo di studi
12:03
are routinelydi routine publishedpubblicato by scientistsscienziati
294
708000
2000
viene regolarmente pubblicato dagli scienziati,
12:05
and they're great. They analyzeanalizzare largegrande populationspopolazioni.
295
710000
2000
e sono bravissimi. Analizzano grandi popolazioni.
12:07
They look at theirloro entireintero genomesgenomi,
296
712000
2000
Analizzano i loro interi genomi
12:09
and they try to find hotcaldo spotsmacchie of activityattività
297
714000
2000
e cercano di trovare punti di alta attività
12:11
that are linkedconnesso causallycausale to genesgeni.
298
716000
3000
collegati ai geni secondo cause specifiche.
12:14
But what you get out of suchcome an exerciseesercizio
299
719000
2000
Ma quello che si ottiene da tale esercizio
12:16
is simplysemplicemente a listelenco of genesgeni.
300
721000
2000
è semplicemente un elenco di geni.
12:18
It tellsdice you the what, but it doesn't tell you the where.
301
723000
3000
Vi dice il cosa, ma non il dove.
12:21
And so it's very importantimportante for those researchersricercatori
302
726000
3000
Quindi, per quei ricercatori, è molto importante
12:24
that we'venoi abbiamo createdcreato this resourcerisorsa.
303
729000
2000
il fatto che abbiamo creato questa risorsa.
12:26
Now they can come in
304
731000
2000
Ora possono venire da noi
12:28
and they can startinizio to get cluesindizi about activityattività.
305
733000
2000
e cominciare ad ottenere indizi sull'attività.
12:30
They can startinizio to look at commonComune pathwayspercorsi --
306
735000
2000
Possono iniziare a guardare a dei percorsi comuni -
12:32
other things that they simplysemplicemente haven'tnon hanno been ablecapace to do before.
307
737000
3000
altri modi che non erano riusciti a individuare prima.
12:36
So I think this audiencepubblico in particularparticolare
308
741000
3000
Penso che questo pubblico in particolare
12:39
can understandcapire the importanceimportanza of individualityindividualità.
309
744000
3000
possa capire l'importanza dell'individualità.
12:42
And I think everyogni humanumano,
310
747000
2000
E penso che ogni essere umano,
12:44
we all have differentdiverso geneticgenetico backgroundssfondi,
311
749000
4000
tutti noi abbiamo diversi background genetici,
12:48
we all have livedha vissuto separateseparato livesvite.
312
753000
2000
abbiamo tutti vissuto vite separate.
12:50
But the factfatto is
313
755000
2000
Ma il fatto è
12:52
our genomesgenomi are greatermaggiore than 99 percentper cento similarsimile.
314
757000
3000
che i nostri genomi sono più del 99% simili.
12:55
We're similarsimile at the geneticgenetico levellivello.
315
760000
3000
Siamo simili a livello genetico.
12:58
And what we're findingscoperta
316
763000
2000
E scopriamo che
13:00
is actuallyin realtà, even at the braincervello biochemicalbiochimica levellivello,
317
765000
2000
anche a livello di chimica cerebrale,
13:02
we are quiteabbastanza similarsimile.
318
767000
2000
siamo piuttosto simili.
13:04
And so this showsSpettacoli it's not 99 percentper cento,
319
769000
2000
Questo mostra che la corrispondenza non è del 99%
13:06
but it's roughlyapprossimativamente 90 percentper cento correspondencecorrispondenza
320
771000
2000
ma è circa del 90%,
13:08
at a reasonableragionevole cutoffCut-off,
321
773000
3000
in un ragionevole margine,
13:11
so everything in the cloudnube is roughlyapprossimativamente correlatedcorrelato.
322
776000
2000
quindi tutto, nella nuvola, è più o meno correlato.
13:13
And then we find some outliersvalori anomali,
323
778000
2000
E poi troviamo alcuni valori anomali,
13:15
some things that liemenzogna beyondal di là the cloudnube.
324
780000
3000
alcuni elementi che si trovano al di là della nuvola.
13:18
And those genesgeni are interestinginteressante,
325
783000
2000
Questi geni sono interessanti
13:20
but they're very subtlesottile.
326
785000
2000
ma appena percettibili.
13:22
So I think it's an importantimportante messagemessaggio
327
787000
3000
Secondo me un messaggio importante
13:25
to take home todayoggi
328
790000
2000
da portare con sé oggi
13:27
that even thoughanche se we celebratecelebrare all of our differencesdifferenze,
329
792000
3000
è che, nonostante celebriamo tutte le nostre differenze,
13:30
we are quiteabbastanza similarsimile
330
795000
2000
siamo molto simili,
13:32
even at the braincervello levellivello.
331
797000
2000
anche a livello cerebrale.
13:34
Now what do those differencesdifferenze look like?
332
799000
2000
Ora, quali sono queste differenze?
13:36
This is an exampleesempio of a studystudia that we did
333
801000
2000
Ecco l'esempio di uno studio condotto
13:38
to followSeguire up and see what exactlydi preciso those differencesdifferenze were --
334
803000
2000
per monitorare esattamente queste differenze -
13:40
and they're quiteabbastanza subtlesottile.
335
805000
2000
e sono abbastanza sottili.
13:42
These are things where genesgeni are turnedtrasformato on in an individualindividuale cellcellula typetipo.
336
807000
4000
Qui i geni sono attivati in un unico tipo di cellula.
13:46
These are two genesgeni that we foundtrovato as good examplesesempi.
337
811000
3000
Questi due geni sono esempi validi.
13:49
One is calledchiamato RELNRELN -- it's involvedcoinvolti in earlypresto developmentaldello sviluppo cuesstecche.
338
814000
3000
Uno, l'RELN, è coinvolto nelle prime fasi dello sviluppo.
13:52
DISCDISCO1 is a genegene
339
817000
2000
Il DISC1 è un gene
13:54
that's deletedcancellato in schizophreniaschizofrenia.
340
819000
2000
soppresso nella schizofrenia.
13:56
These aren'tnon sono schizophrenicschizofrenico individualsindividui,
341
821000
2000
Questi non sono soggetti schizofrenici,
13:58
but they do showmostrare some populationpopolazione variationvariazione.
342
823000
3000
ma mostrano alcune variazioni nella popolazione.
14:01
And so what you're looking at here
343
826000
2000
E quello che vedete qui
14:03
in donordonatore one and donordonatore fourquattro,
344
828000
2000
nei donatori uno e quattro,
14:05
whichquale are the exceptionseccezioni to the other two,
345
830000
2000
che sono l'eccezione agli altri due,
14:07
that genesgeni are beingessere turnedtrasformato on
346
832000
2000
è che i geni si attivano
14:09
in a very specificspecifica subsetsottoinsieme of cellscellule.
347
834000
2000
in un sottogruppo molto specifico di cellule.
14:11
It's this darkbuio purpleviola precipitateprecipitato withinentro the cellcellula
348
836000
3000
È questo precipitato viola scuro all'interno della cellula
14:14
that's tellingraccontare us a genegene is turnedtrasformato on there.
349
839000
3000
che ci dice che lì c'è un gene attivo.
14:17
WhetherSe or not that's duedovuto
350
842000
2000
Che sia dovuto o meno
14:19
to an individual'sdell'individuo geneticgenetico backgroundsfondo or theirloro experiencesesperienze,
351
844000
2000
al background genetico di una persona o alle sue esperienze,
14:21
we don't know.
352
846000
2000
non lo sappiamo.
14:23
Those kindstipi of studiesstudi requirerichiedere much largerpiù grandi populationspopolazioni.
353
848000
3000
Questi studi richiedono popolazioni molto più ampie.
14:28
So I'm going to leavepartire you with a finalfinale noteNota
354
853000
2000
Quindi vi lascerò con una nota finale
14:30
about the complexitycomplessità of the braincervello
355
855000
3000
sulla complessità del cervello
14:33
and how much more we have to go.
356
858000
2000
e su quanto dobbiamo ancora fare.
14:35
I think these resourcesrisorse are incrediblyincredibilmente valuableprezioso.
357
860000
2000
Ritengo queste risorse incredibilmente importanti.
14:37
They give researchersricercatori a handlemaniglia
358
862000
2000
Danno ai ricercatori la possibilità
14:39
on where to go.
359
864000
2000
di sapere dove dirigersi.
14:41
But we only lookedguardato at a handfulmanciata of individualsindividui at this pointpunto.
360
866000
3000
Ma in questa fase abbiamo studiato solo alcuni individui.
14:44
We're certainlycertamente going to be looking at more.
361
869000
2000
Sicuramente ne analizzeremo di più.
14:46
I'll just closevicino by sayingdetto
362
871000
2000
Concludo solo dicendo
14:48
that the toolsutensili are there,
363
873000
2000
che gli strumenti ci sono,
14:50
and this is trulyveramente an unexploredinesplorato, undiscoveredda scoprire continentcontinente.
364
875000
4000
ed è veramente un continente inesplorato, tutto da scoprire.
14:54
This is the newnuovo frontierfrontiera, if you will.
365
879000
4000
Questa è la nuova frontiera.
14:58
And so for those who are undauntedImperterrito,
366
883000
2000
E quindi per gli intrepidi,
15:00
but humbledumiliato by the complexitycomplessità of the braincervello,
367
885000
2000
intimiditi dalla complessità del cervello,
15:02
the futurefuturo awaitsAspetta.
368
887000
2000
il futuro vi attende.
15:04
ThanksGrazie.
369
889000
2000
Grazie.
15:06
(ApplauseApplausi)
370
891000
9000
(Applausi)
Translated by Ana María Pérez
Reviewed by Elena Montrasio

▲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