ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com
TEDSummit

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

Ed Boyden: I pannolini che hanno ispirato un nuovo metodo di studio del cervello

Filmed:
1,501,957 views

Il neuroigegnere Ed Boyden vuole sapere come le minuscole biomolecole nel nostro cervello generano emozioni, pensieri e sentimenti -- e vuole scoprire i cambiamenti molecolari che portano a malattie come l'epilessia e l'Alzheimer. Invece di ingrandire queste strutture invisibili con un microscopio, si è chiesto: e se le ingrandissimo fisicamente per vederle più facilmente? Guarda come gli stessi polimeri usati per far gonfiare i pannolini potrebbero essere la chiave per capire meglio il cervello.
- Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute. Full bio

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

00:12
HelloCiao, everybodytutti.
0
904
1405
Buongiorno a tutti,
00:14
I broughtportato with me todayoggi a babybambino diaperpannolino.
1
2333
2643
oggi ho portato con me un pannolino.
00:18
You'llYou'll see why in a secondsecondo.
2
6793
1722
Tra un attimo vedrete perché.
00:20
BabyBambino diaperspannolini have interestinginteressante propertiesproprietà.
3
8539
2010
I pannolini hanno proprietà interessanti.
00:22
They can swellmoto ondoso enormouslyenormemente
when you addInserisci wateracqua to them,
4
10573
2691
Possono gonfiarsi enormemente
se aggiungete acqua,
00:25
an experimentsperimentare donefatto
by millionsmilioni of kidsbambini everyogni day.
5
13288
2984
un esperimento fatto
da milioni di bambini ogni giorno.
00:28
(LaughterRisate)
6
16296
1150
(Risate)
00:29
But the reasonragionare why
7
17470
1494
Ma il motivo
00:30
is that they're designedprogettato
in a very cleverintelligente way.
8
18988
2190
è che sono progettati
in modo molto intelligente.
00:33
They're madefatto out of a thing
calledchiamato a swellableGiunto idroespansivo materialMateriale.
9
21202
2635
Sono fatti di un materiale che si dilata.
00:35
It's a specialspeciale kindgenere of materialMateriale that,
when you addInserisci wateracqua,
10
23861
2737
È un materiale speciale
che, aggiungendo acqua,
00:38
it will swellmoto ondoso up enormouslyenormemente,
11
26622
1430
si dilata ernormemente,
00:40
maybe a thousandmille timesvolte in volumevolume.
12
28076
2166
anche 1000 volte il suo volume.
00:42
And this is a very usefulutile,
industrialindustriale kindgenere of polymerpolimero.
13
30266
3236
È un tipo di polimero industriale
molto utile.
00:45
But what we're tryingprovare to do
in my groupgruppo at MITMIT
14
33819
2526
Quello che stiamo cercando di fare
nel mio gruppo al MIT
00:48
is to figurefigura out if we can do
something similarsimile to the braincervello.
15
36369
3213
è capire se possiamo fare
qualcosa di simile al cervello.
00:51
Can we make it biggerpiù grande,
16
39606
1159
Possiamo ingrandirlo,
00:52
biggrande enoughabbastanza that you
can peerpari insidedentro
17
40789
1678
tanto da poterci sbirciare dentro
00:54
and see all the tinyminuscolo buildingcostruzione blocksblocchi,
the biomoleculesbiomolecole,
18
42481
2628
e vedere tutti i mattoncini,
le biomolecole,
00:57
how they're organizedorganizzato in threetre dimensionsdimensioni,
19
45133
2151
come sono organizzate in tre dimensioni,
00:59
the structurestruttura, the groundterra truthverità
structurestruttura of the braincervello, if you will?
20
47308
3485
la struttura vera e propria
del cervello?
01:02
If we could get that,
21
50817
1158
Se potessimo farlo,
01:03
maybe we could have a better understandingcomprensione
of how the braincervello is organizedorganizzato
22
51999
3509
forse potremmo capire meglio
come è organizzato il cervello
01:07
to yielddare la precedenza thoughtspensieri and emotionsemozioni
23
55532
1659
per raccogliere pensieri e emozioni,
01:09
and actionsAzioni and sensationssensazioni.
24
57215
1719
azioni e sensazioni.
01:10
Maybe we could try to pinpointlocalizzare
the exactesatto changesi cambiamenti in the braincervello
25
58958
3415
Potremmo cercare di localizzare
gli esatti cambiamenti nel cervello
01:14
that resultrisultato in diseasesmalattie,
26
62397
1776
che generano malattie,
01:16
diseasesmalattie like Alzheimer'sMorbo di Alzheimer
and epilepsyepilessia and Parkinson'sMalattia di Parkinson,
27
64197
3212
malattie come l'Alzheimer,
l'epilessia e il Parkinson,
01:19
for whichquale there are fewpochi
treatmentstrattamenti, much lessDi meno curescure,
28
67433
2578
per cui ci sono pochi trattamenti,
e molte meno cure,
01:22
and for whichquale, very oftenspesso,
we don't know the causecausa or the originsorigini
29
70035
3617
e di cui, molto spesso,
non sappiamo la causa o le origini
01:25
and what's really causingcausando them to occursi verificano.
30
73676
2135
e cosa realmente le scateni.
01:28
Now, our groupgruppo at MITMIT
31
76613
1740
Il nostro gruppo al MIT
01:30
is tryingprovare to take
a differentdiverso pointpunto of viewvista
32
78377
2686
sta cercando un punto di vista diverso
01:33
from the way neuroscienceneuroscienza has
been donefatto over the last hundredcentinaio yearsanni.
33
81087
3230
da quello della neuroscienza
degli ultimi cento anni.
01:36
We're designersprogettisti. We're inventorsinventori.
34
84341
1579
Siamo designer. Siamo inventori.
01:37
We're tryingprovare to figurefigura out
how to buildcostruire technologiestecnologie
35
85944
2544
Stiamo cercando di capire
come costruire tecnologie
01:40
that let us look at and repairriparazione the braincervello.
36
88512
2456
che ci facciano osservare
e riparare il cervello.
01:42
And the reasonragionare is,
37
90992
1151
E il motivo è
01:44
the braincervello is incrediblyincredibilmente,
incrediblyincredibilmente complicatedcomplicato.
38
92167
2801
che i cervello
è incredibilmente complicato.
01:47
So what we'venoi abbiamo learnedimparato
over the first centurysecolo of neuroscienceneuroscienza
39
95484
2887
Quello che abbiamo imparato
nell'ultimo secolo di neuroscienze
01:50
is that the braincervello is a very
complicatedcomplicato networkRete,
40
98395
2303
è che il cervello è una rete
molto complicata,
01:52
madefatto out of very specializedspecializzato
cellscellule calledchiamato neuronsneuroni
41
100722
2480
fatta di cellule molto specializzate
chiamate neuroni
01:55
with very complexcomplesso geometriesgeometrie,
42
103226
1667
con geometrie molto complesse,
01:56
and electricalelettrico currentscorrenti will flowflusso
throughattraverso these complexlycomplessa shapeda forma di neuronsneuroni.
43
104917
4237
una corrente elettrica scorre attraverso
questi neuroni dalle forme complesse.
02:01
FurthermoreInoltre, neuronsneuroni
are connectedcollegato in networksreti.
44
109653
2784
Inoltre, i neuroni sono collegati in reti.
02:04
They're connectedcollegato by little junctionsgiunzioni
calledchiamato synapsessinapsi that exchangescambio chemicalssostanze chimiche
45
112461
3835
Sono collegati da piccoli collegamenti
chiamate sinapsi
che si scambiano elementi chimici
02:08
and allowpermettere the neuronsneuroni
to talk to eachogni other.
46
116320
2218
e permettono ai neuroni di parlarsi.
02:10
The densitydensità of the braincervello is incredibleincredibile.
47
118562
1940
La densità del cervello è incredibile.
02:12
In a cubiccubi millimetermillimetro of your braincervello,
48
120526
2307
In un millimetro cubo del vostro cervello,
02:14
there are about 100,000 of these neuronsneuroni
49
122857
2457
ci sono circa 100 000 neuroni
02:17
and maybe a billionmiliardo of those connectionsconnessioni.
50
125338
2517
e forse un miliardo di queste connessioni.
02:20
But it's worsepeggio.
51
128887
1382
Ma c'è di peggio.
02:22
So, if you could zoomzoom in to a neuronneurone,
52
130293
2305
Se si potesse zoomare su un neurone,
02:24
and, of coursecorso, this is just
our artist'sartista di renditioninterpretazione of it.
53
132622
2750
e, certo, questa è
una rappresentazione artistica.
02:27
What you would see are thousandsmigliaia
and thousandsmigliaia of kindstipi of biomoleculesbiomolecole,
54
135396
4207
Vedreste migliaia e migliaia
di tipi di biomolecole,
02:31
little nanoscalesu scala nanometrica machinesmacchine
organizedorganizzato in complexcomplesso, 3D patternsmodelli,
55
139627
4400
piccole macchine in nanoscala
organizzate in schemi 3D complessi,
02:36
and togetherinsieme they mediatemediare
those electricalelettrico pulsesimpulsi,
56
144051
2628
e insieme mediano
questi impulsi elettrici,
02:38
those chemicalchimico exchangesscambi
that allowpermettere neuronsneuroni to work togetherinsieme
57
146703
3937
questi scambi chimici che permettono
ai neuroni di lavorare insieme
02:42
to generatecreare things like thoughtspensieri
and feelingssentimenti and so forthvia.
58
150664
3669
per generare cose
come pensieri e sensazioni.
02:46
Now, we don't know how
the neuronsneuroni in the braincervello are organizedorganizzato
59
154357
3764
Non sappiamo come siano organizzati
i neuroni nel cervello
02:50
to formmodulo networksreti,
60
158145
1174
per formare reti,
02:51
and we don't know how
the biomoleculesbiomolecole are organizedorganizzato
61
159343
2500
e non sappiamo
come siano organizzate le biomolecole
02:53
withinentro neuronsneuroni
62
161867
1174
all'interno dei neuroni
02:55
to formmodulo these complexcomplesso, organizedorganizzato machinesmacchine.
63
163065
2405
per formare queste macchine complesse.
02:57
If we really want to understandcapire this,
64
165918
1820
Se vogliamo veramente capirlo,
02:59
we're going to need newnuovo technologiestecnologie.
65
167762
1817
ci serviranno nuove tecnologie.
03:01
But if we could get suchcome mapsmappe,
66
169603
1784
Ma se potessimo avere queste mappe,
03:03
if we could look at the organizationorganizzazione
of moleculesmolecole and neuronsneuroni
67
171411
2943
se potessimo osservare
l'organizzazione di molecole e neuroni
03:06
and neuronsneuroni and networksreti,
68
174378
1566
e neuroni e reti,
03:07
maybe we could really understandcapire
how the braincervello conductsconduce informationinformazione
69
175968
3437
forse potremmo veramente capire
come il cervello trasmette informazioni
03:11
from sensorysensoriale regionsregioni,
70
179429
1167
dalle regioni sensoriali,
03:12
mixesmiscele it with emotionemozione and feelingsensazione,
71
180620
1736
le mescola con emozioni e sentimenti,
03:14
and generatesgenera our decisionsdecisioni and actionsAzioni.
72
182380
2394
e genera decisioni e azioni.
03:17
Maybe we could pinpointlocalizzare the exactesatto setimpostato
of molecularmolecolare changesi cambiamenti that occursi verificano
73
185131
3789
Forse potremmo definire l'esatta serie
di cambiamenti molecolari che accadono
03:20
in a braincervello disorderdisturbo.
74
188944
1202
in una malattia del cervello.
03:22
And onceuna volta we know how
those moleculesmolecole have changedcambiato,
75
190170
2822
Una volta che sappiamo
come sono cambiate queste molecole,
03:25
whetherse they'veessi hanno increasedè aumentato in numbernumero
or changedcambiato in patternmodello,
76
193016
2780
che ne sia aumentato il numero
o che sia cambiato lo schema,
03:27
we could use those
as targetsobiettivi for newnuovo drugsfarmaci,
77
195820
2939
potremmo usarle
come obiettivo di nuovi farmaci,
03:30
for newnuovo waysmodi of deliveringconsegna
energyenergia into the braincervello
78
198783
2271
per nuovi metodi
per dare energia al cervello
03:33
in orderordine to repairriparazione the braincervello
computationscalcoli that are afflictedafflitto
79
201078
3880
per riparare
le elaborazioni del cervello colpite
03:36
in patientspazienti who suffersoffrire
from braincervello disordersdisturbi.
80
204982
2299
in pazienti che soffrono
di malattie del cervello.
03:39
We'veAbbiamo all seenvisto lots of differentdiverso
technologiestecnologie over the last centurysecolo
81
207793
3243
Abbiamo tutti visto
diverse tecnologie del secolo scorso
03:43
to try to confrontaffrontare this.
82
211060
1166
per combattere tutto questo.
03:44
I think we'venoi abbiamo all seenvisto braincervello scansscansioni
83
212250
1880
Credo abbiamo tutti visto
le TAC al cervello
03:46
takenprese usingutilizzando MRIMRI machinesmacchine.
84
214154
2034
fatte tramite risonanza magnetica.
03:48
These, of coursecorso, have the great powerenergia
that they are noninvasivenon invasiva,
85
216212
3347
Naturalmente, hanno il grande pregio
di essere non invasive,
03:51
they can be used on livingvita humanumano subjectssoggetti.
86
219583
2355
possono essere usate su soggetti vivi.
03:54
But alsoanche, they're spatiallynello spazio crudegreggio.
87
222407
2231
Ma sono anche spazialmente molto grezze.
03:56
EachOgni of these blobsblob that you see,
or voxelsvoxel, as they're calledchiamato,
88
224662
2990
Ognuna di queste macchie che vedete,
o voxel, come li chiamano,
03:59
can containcontenere millionsmilioni
and millionsmilioni of neuronsneuroni.
89
227676
2689
può contenere
milioni e milioni di neuroni.
04:02
So it's not at the levellivello of resolutionrisoluzione
90
230389
1850
Non è al livello di risoluzione
04:04
where it can pinpointlocalizzare
the molecularmolecolare changesi cambiamenti that occursi verificano
91
232263
2538
che può localizzare
i cambiamenti molecolari
04:06
or the changesi cambiamenti in the wiringcablaggio
of these networksreti
92
234825
2286
o i cambiamenti
nelle comunicazioni di queste reti
04:09
that contributescontribuisce to our abilitycapacità
to be consciousconsapevole and powerfulpotente beingsesseri.
93
237135
3946
che contribuiscono alla nostra capacità
di esseri coscienti e potenti.
04:13
At the other extremeestremo,
you have microscopesmicroscopi.
94
241797
3181
All'altro estremo, ci sono i microscopi.
04:17
MicroscopesMicroscopi, of coursecorso, will use lightleggero
to look at little tinyminuscolo things.
95
245002
3295
I microscopi useranno la luce
per osservare cose minuscole.
04:20
For centuriessecoli, they'veessi hanno been used
to look at things like bacteriabatteri.
96
248321
3075
Per secoli, sono stati usati
per osservare cose come i batteri.
04:23
For neuroscienceneuroscienza,
97
251420
1151
Per la neuroscienza,
04:24
microscopesmicroscopi are actuallyin realtà how neuronsneuroni
were discoveredscoperto in the first placeposto,
98
252595
3412
i microscopi hanno consentito
la scoperta dei neuroni,
04:28
about 130 yearsanni agofa.
99
256031
1292
circa 130 anni fa.
04:29
But lightleggero is fundamentallyfondamentalmente limitedlimitato.
100
257347
2318
Ma la luce è sostanzialmente limitata.
04:31
You can't see individualindividuale moleculesmolecole
with a regularregolare oldvecchio microscopemicroscopio.
101
259689
3298
Non si vedono le singole molecole
con un normale microscopio.
04:35
You can't look at these tinyminuscolo connectionsconnessioni.
102
263011
2152
Non si vedono le minuscole connessioni.
04:37
So if we want to make our abilitycapacità
to see the braincervello more powerfulpotente,
103
265187
3942
Se vogliamo aumentare la nostra capacità
di analizzare il cervello,
04:41
to get down to the groundterra truthverità structurestruttura,
104
269153
2168
per andare
fino alla struttura vera e propria,
04:43
we're going to need to have
even better technologiestecnologie.
105
271345
3280
ci serviranno tecnologie migliori.
04:47
My groupgruppo, a couplecoppia yearsanni agofa,
startediniziato thinkingpensiero:
106
275611
2224
Il mio gruppo, un paio di anni fa,
ha cominciato a pensare:
04:49
Why don't we do the oppositedi fronte?
107
277859
1412
perché non facciamo l'opposto?
04:51
If it's so darnmaledettamente complicatedcomplicato
to zoomzoom in to the braincervello,
108
279295
2461
Se è così complicato zoomare nel cervello,
04:53
why can't we make the braincervello biggerpiù grande?
109
281780
1943
perché non ingrandiamo il cervello?
04:56
It initiallyinizialmente startediniziato
110
284166
1155
È iniziato
04:57
with two gradGrad studentsstudenti in my groupgruppo,
FeiFEI ChenChen and PaulPaolo TillbergTillberg.
111
285345
2996
con due studenti del mio gruppo,
Fei Chen e Paul Tillberg.
05:00
Now manymolti othersaltri in my groupgruppo
are helpingporzione with this processprocesso.
112
288365
2720
Molti altri nel mio gruppo
stanno aiutando.
05:03
We decideddeciso to try to figurefigura out
if we could take polymerspolimeri,
113
291109
2762
Abbiamo deciso di cercare di capire
se potevamo prendere polimeri,
05:05
like the stuffcose in the babybambino diaperpannolino,
114
293895
1629
quella roba dei pannolini,
05:07
and installinstallare it physicallyfisicamente
withinentro the braincervello.
115
295548
2006
e installarli fisicamente nel cervello.
05:09
If we could do it just right,
and you addInserisci wateracqua,
116
297578
2241
Se potessimo farlo bene,
e aggiungete acqua,
05:11
you can potentiallypotenzialmente blowsoffio the braincervello up
117
299843
1835
potenzialmente
si può far esplodere il cervello
05:13
to where you could distinguishdistinguere
those tinyminuscolo biomoleculesbiomolecole from eachogni other.
118
301702
3377
al punto da poter distinguere
le minuscole biomolecole.
05:17
You would see those connectionsconnessioni
and get mapsmappe of the braincervello.
119
305103
2870
Si vedrebbero le connessioni
e si farebbe una mappa del cervello.
05:19
This could potentiallypotenzialmente be quiteabbastanza dramaticdrammatico.
120
307997
1988
Potrebbe essere abbastanza drammatico.
05:22
We broughtportato a little demoDemo here.
121
310009
3008
Abbiamo portato una piccola demo.
05:25
We got some purifiedpurificato babybambino diaperpannolino materialMateriale.
122
313538
2575
Abbiamo del materiale
da pannolino purificato.
05:28
It's much easierPiù facile
just to buyacquistare it off the InternetInternet
123
316137
2274
È molto più facile comprarlo su Internet
05:30
than to extractestratto the fewpochi grainsgrani
that actuallyin realtà occursi verificano in these diaperspannolini.
124
318435
3475
che estrarre i granellini dai pannolini.
05:33
I'm going to put just one teaspooncucchiaino da tè here
125
321934
2225
Ne metto qui solo un cucchiaino
05:36
of this purifiedpurificato polymerpolimero.
126
324706
1794
di questo polimero purificato.
05:39
And here we have some wateracqua.
127
327270
2152
Ecco qua un po' d'acqua.
05:41
What we're going to do
128
329446
1162
Quello che faremo
05:42
is see if this teaspooncucchiaino da tè
of the babybambino diaperpannolino materialMateriale
129
330632
3011
è vedere se questo cucchiaino
di materiale da pannolino
05:45
can increaseaumentare in sizedimensione.
130
333667
1709
può aumentare in dimensione.
05:48
You're going to see it increaseaumentare in volumevolume
by about a thousandfoldthousandfold
131
336687
3696
Lo vedrete aumentare
di volume di circa 1000 volte
05:52
before your very eyesocchi.
132
340407
1286
davanti ai vostri occhi.
06:01
I could pourversare much more of this in there,
133
349597
1972
Potrei versarne molto di più,
06:03
but I think you've got the ideaidea
134
351593
1558
ma penso che renda l'idea
06:05
that this is a very,
very interestinginteressante moleculemolecola,
135
353175
2502
che è una molecola molto interessante,
06:07
and if can use it in the right way,
136
355701
1912
se riesco a usarla nel modo giusto,
06:09
we mightpotrebbe be ablecapace
to really zoomzoom in on the braincervello
137
357637
2321
potremmo essere in grado
di zoomare nel cervello
06:11
in a way that you can't do
with pastpassato technologiestecnologie.
138
359982
2594
come non si è mai fatto prima
con le tecnologie del passato.
06:15
OK. So a little bitpo of chemistrychimica now.
139
363227
2054
Ok. Ora un po' di chimica.
06:17
What's going on
in the babybambino diaperpannolino polymerpolimero?
140
365305
2442
Cosa succede al polimero del pannolino?
06:19
If you could zoomzoom in,
141
367771
1676
Potendo zoomare,
06:21
it mightpotrebbe look something like
what you see on the screenschermo.
142
369471
2673
lo vedreste come appare sullo schermo.
06:24
PolymersPolimeri are chainsCatene of atomsatomi
arrangeddisposte in long, thinmagro linesLinee.
143
372168
4492
I polimeri sono catene di atomi
organizzate in linee lunghe e sottili.
06:28
The chainsCatene are very tinyminuscolo,
144
376684
1367
Le catene sono minuscole,
06:30
about the widthlarghezza of a biomoleculebiomolecola,
145
378075
1864
la larghezza di una molecola,
06:31
and these polymerspolimeri are really densedenso.
146
379963
1747
e questi polimeri sono molto densi.
06:33
They're separatedseparato by distancesdistanze
147
381734
1500
Le separa
06:35
that are around the sizedimensione of a biomoleculebiomolecola.
148
383258
2252
la dimensione di una biomolecola.
06:37
This is very good
149
385534
1165
Va molto bene
06:38
because we could potentiallypotenzialmente
movemossa everything aparta parte in the braincervello.
150
386723
3041
perché potremmo potenzialmente
spostare tutto nel cervello.
06:41
If we addInserisci wateracqua, what will happenaccadere is,
151
389788
1848
Se aggiungiamo acqua,
06:43
this swellableGiunto idroespansivo materialMateriale
is going to absorbassorbire the wateracqua,
152
391660
2515
questo materiale gonfiabile
assorbirà l'acqua,
06:46
the polymerpolimero chainsCatene will movemossa
aparta parte from eachogni other,
153
394199
2400
le catene dei polimeri
si allontaneranno tra loro,
06:48
and the entireintero materialMateriale
is going to becomediventare biggerpiù grande.
154
396623
2634
e l'intero materiale
diventerà più grande.
06:51
And because these chainsCatene are so tinyminuscolo
155
399615
1814
E siccome queste catene
sono molto piccole
06:53
and spaceddistanziati by biomolecularbiomolecolari distancesdistanze,
156
401453
2205
e a distanze biomolecolari,
06:55
we could potentiallypotenzialmente blowsoffio up the braincervello
157
403682
2039
potremmo potenzialmente
esplodere il cervello
06:57
and make it biggrande enoughabbastanza to see.
158
405745
1633
e renderlo abbastanza grande da vedere.
07:00
Here'sQui è the mysterymistero, then:
159
408020
1240
Allora, ecco il mistero:
07:01
How do we actuallyin realtà make
these polymerpolimero chainsCatene insidedentro the braincervello
160
409284
3610
come mettiamo
queste catene di polimeri nel cervello
07:04
so we can movemossa all the biomoleculesbiomolecole aparta parte?
161
412918
2239
in modo da allontanare le biomolecole?
07:07
If we could do that,
162
415181
1151
Se potessimo farlo,
07:08
maybe we could get
groundterra truthverità mapsmappe of the braincervello.
163
416356
2397
potremmo ottenere
una mappa realistica del cervello.
07:10
We could look at the wiringcablaggio.
164
418777
1389
Potremmo analizzare i collegamenti.
07:12
We can peerpari insidedentro
and see the moleculesmolecole withinentro.
165
420190
3157
Possiamo osservare all'interno
e vedere le molecole.
07:15
To explainspiegare this, we madefatto some animationsanimazioni
166
423925
2481
Per spiegarlo,
abbiamo fatto delle animazioni
07:18
where we actuallyin realtà look
at, in these artistartista renderingsrendering,
167
426430
2603
in cui guardiamo,
in queste rappresentazioni artistiche,
07:21
what biomoleculesbiomolecole mightpotrebbe look
like and how we mightpotrebbe separateseparato them.
168
429057
3541
come potrebbero essere le biomolecole
e come potremmo separarle.
07:24
StepPasso one: what we'dsaremmo have
to do, first of all,
169
432622
2549
Fase uno: quello che dovremmo fare,
prima di tutto,
07:27
is attachallegare everyogni biomoleculebiomolecola,
shownmostrato in brownMarrone here,
170
435195
3389
è connettere tutte le biomolecole,
qui in marrone,
07:30
to a little anchorancora, a little handlemaniglia.
171
438608
2159
a una piccola ancora,
una piccola maniglia.
07:32
We need to pullTirare the moleculesmolecole
of the braincervello aparta parte from eachogni other,
172
440791
3095
Dobbiamo allontanare
le molecole del cervello,
07:35
and to do that, we need
to have a little handlemaniglia
173
443910
2326
e per fare questo,
serve una piccola maniglia
07:38
that allowsconsente those polymerspolimeri to bindlegare to them
174
446260
2285
che permetta ai polimeri di attaccarsi
07:40
and to exertesercitare theirloro forcevigore.
175
448569
1542
e esercitare la loro forza.
07:43
Now, if you just take babybambino diaperpannolino
polymerpolimero and dumpcumulo di rifiuti it on the braincervello,
176
451278
3161
Un polimero di pannolino
buttato nel cervello,
07:46
obviouslyovviamente, it's going to sitsedersi there on topsuperiore.
177
454463
2037
ovviamente, se ne starà lì sopra.
07:48
So we need to find a way
to make the polymerspolimeri insidedentro.
178
456524
2528
Dobbiamo trovare un modo
di fare entrare il polimero.
07:51
And this is where we're really luckyfortunato.
179
459076
1788
Qui siamo fortunati.
07:52
It turnsgiri out, you can
get the buildingcostruzione blocksblocchi,
180
460888
2188
Si possono prendere i mattoni,
07:55
monomersmonomeri, as they're calledchiamato,
181
463100
1372
monomeri, come li chiamano,
07:56
and if you let them go into the braincervello
182
464496
1784
e se si lasciano andare nel cervello
07:58
and then triggergrilletto the chemicalchimico reactionsreazioni,
183
466304
2036
e scatenare le reazioni chimiche,
08:00
you can get them to formmodulo
those long chainsCatene,
184
468364
2702
si possono far formare lunghe catene,
08:03
right there insidedentro the braincervello tissuefazzoletto di carta.
185
471090
1798
proprio dentro il tessuto cerebrale.
08:05
They're going to windvento theirloro way
around biomoleculesbiomolecole
186
473325
2397
Si faranno strada intorno alle biomolecole
08:07
and betweenfra biomoleculesbiomolecole,
187
475746
1221
e tra le biomolecole,
08:08
formingformatura those complexcomplesso websragnatele
188
476991
1625
formando queste reti complesse
08:10
that will allowpermettere you, eventuallyinfine,
to pullTirare aparta parte the moleculesmolecole
189
478640
2862
che permetteranno,
alla fine, di allontanare le molecole
08:13
from eachogni other.
190
481526
1175
l'una dall'altra.
08:14
And everyogni time one
of those little handlesmaniglie is around,
191
482725
3054
E ogni volta che compare
una di queste maniglie,
08:17
the polymerpolimero will bindlegare to the handlemaniglia,
and that's exactlydi preciso what we need
192
485803
3350
i polimeri vi si attaccano,
ed è quello che ci serve
08:21
in orderordine to pullTirare the moleculesmolecole
aparta parte from eachogni other.
193
489177
2531
per allontanare le molecole
l'una dall'altra.
08:23
All right, the momentmomento of truthverità.
194
491732
1693
Il momento della verità.
08:25
We have to treattrattare this specimenesemplare
195
493449
2148
Dobbiamo trattare questo esemplare
08:27
with a chemicalchimico to kindgenere of loosenAllentare up
all the moleculesmolecole from eachogni other,
196
495621
3446
con una sostanza chimica
per allentare le molecole,
08:31
and then, when we addInserisci wateracqua,
197
499091
1836
e poi, quando aggiungiamo acqua,
08:32
that swellableGiunto idroespansivo materialMateriale is going
to startinizio absorbingassorbente the wateracqua,
198
500951
2953
quel materiale dilatabile
comincerà ad assorbirla,
08:35
the polymerpolimero chainsCatene will movemossa aparta parte,
199
503928
1703
le catene di polimeri
si allontaneranno,
08:37
but now, the biomoleculesbiomolecole
will come alonglungo for the ridecavalcata.
200
505655
2722
ma ora, le biomolecole
arriveranno per il giretto.
08:40
And much like drawingdisegno
a pictureimmagine on a balloonPalloncino,
201
508401
2164
È come disegnare su un pallone,
08:42
and then you blowsoffio up the balloonPalloncino,
202
510589
1587
e poi gonfiare il pallone,
08:44
the imageImmagine is the samestesso,
203
512200
1290
l'immagine è la stessa,
08:45
but the inkinchiostro particlesparticelle have movedmosso
away from eachogni other.
204
513514
2548
ma le particelle di inchiostro
si sono allontanate l'una dall'altra.
08:48
And that's what we'venoi abbiamo been ablecapace
to do now, but in threetre dimensionsdimensioni.
205
516086
3467
Questo è quel che siamo riusciti a fare,
ma in tre dimensioni.
08:51
There's one last tricktrucco.
206
519577
1999
C'è un ultimo trucco.
08:53
As you can see here,
207
521600
1218
Come vedete qui,
08:54
we'venoi abbiamo color-codedcolor-coded
all the biomoleculesbiomolecole brownMarrone.
208
522842
2109
abbiamo colorato
tutte le biomolecole in marrone.
08:56
That's because they all
kindgenere of look the samestesso.
209
524975
2170
Questo perché si assomigliano tutte.
08:59
BiomoleculesBiomolecole are madefatto
out of the samestesso atomsatomi,
210
527169
2105
Le biomolecole sono fatte
degli stessi atomi,
09:01
but just in differentdiverso ordersordini.
211
529298
2240
solo in ordini diverso.
09:03
So we need one last thing
212
531562
1500
Ci serve un'ultima cosa
09:05
in orderordine to make them visiblevisibile.
213
533086
1695
per renderle visibili.
09:06
We have to bringportare in little tagsTag,
214
534805
1579
Dobbiamo prendere
delle piccole etichette,
09:08
with glowingincandescente dyescoloranti
that will distinguishdistinguere them.
215
536408
3019
di colore brillante che le distingua.
09:11
So one kindgenere of biomoleculebiomolecola
mightpotrebbe get a blueblu colorcolore.
216
539451
2673
Un tipo di biomolecola
potrebbe avere un blu.
09:14
AnotherUn altro kindgenere of biomoleculebiomolecola
mightpotrebbe get a redrosso colorcolore.
217
542148
2351
Un altro tipo di biomolecola
potrebbe prendere il rosso.
09:16
And so forthvia.
218
544523
1276
E così via.
09:17
And that's the finalfinale steppasso.
219
545823
1552
Questa è la fase finale.
09:19
Now we can look at something like a braincervello
220
547399
2278
Ora possiamo osservare un cervello
09:21
and look at the individualindividuale moleculesmolecole,
221
549701
1796
e analizzare le singole molecole,
09:23
because we'venoi abbiamo movedmosso them
farlontano aparta parte enoughabbastanza from eachogni other
222
551521
2707
perché le abbiamo allontanate
abbastanza l'una dall'altra
09:26
that we can tell them aparta parte.
223
554252
1698
da poterle distinguere.
09:27
So the hopesperanza here is that
we can make the invisibleinvisibile visiblevisibile.
224
555974
2834
La speranza
è rendere visibile l'invisibile.
09:30
We can turnturno things that mightpotrebbe seemsembrare
smallpiccolo and obscureoscurare
225
558832
2566
Possiamo trasformare cose
apparentemente piccole e oscure
09:33
and blowsoffio them up
226
561422
1151
e esploderle
09:34
untilfino a they're like constellationscostellazioni
of informationinformazione about life.
227
562597
3177
finché non sono come costellazioni
di informazioni sulla vita.
09:37
Here'sQui è an actualeffettivo videovideo
of what it mightpotrebbe look like.
228
565798
2375
Ecco un video di come potrebbe essere.
09:40
We have here a little braincervello in a dishpiatto --
229
568197
2371
Qui abbiamo un piccolo cervello
in un piattino --
09:42
a little piecepezzo of a braincervello, actuallyin realtà.
230
570592
1747
un pezzetto di cervello.
09:44
We'veAbbiamo infusedinfuso the polymerpolimero in,
231
572363
1596
Abbiamo infuso il polimero,
09:45
and now we're addingaggiungendo wateracqua.
232
573983
1467
ora aggiungiamo acqua.
09:47
What you'llpotrai see is that,
right before your eyesocchi --
233
575474
2358
Quello che vedrete
è che davanti ai vostri occhi --
09:49
this videovideo is spedaccelerato up about sixtyfoldsessanta --
234
577856
1923
questo video è accelerato di 60 volte --
09:51
this little piecepezzo of braincervello tissuefazzoletto di carta
is going to growcrescere.
235
579803
2725
questo pezzetto
di tessuto cerebrale crescerà.
09:54
It can increaseaumentare by a hundredfoldcentuplo
or even more in volumevolume.
236
582552
3180
Può aumentare di volume
di 100 volte o anche di più.
09:57
And the coolfreddo partparte is, because
those polymerspolimeri are so tinyminuscolo,
237
585756
2949
La cosa bella è che siccome
questi polimeri sono così piccoli,
10:00
we're separatingseparazione biomoleculesbiomolecole
evenlyin modo uniforme from eachogni other.
238
588729
2559
stiamo separando biomolecole
uniformemente.
10:03
It's a smoothliscio expansionespansione.
239
591312
1658
È un'espansione fluida.
10:04
We're not losingperdere the configurationconfigurazione
of the informationinformazione.
240
592994
2687
Non stiamo perdendo la configurazione
delle informazioni.
10:07
We're just makingfabbricazione it easierPiù facile to see.
241
595705
2700
Lo rendiamo solo più facile da vedere.
10:11
So now we can take
actualeffettivo braincervello circuitrycircuiteria --
242
599333
2176
Ora possiamo prendere
un vero circuito cerebrale --
10:13
here'secco a piecepezzo of the braincervello
involvedcoinvolti with, for exampleesempio, memorymemoria --
243
601533
3134
Ecco un pezzo di cervello
attinente alla memoria --
10:16
and we can zoomzoom in.
244
604691
1263
possiamo zoomare.
10:17
We can startinizio to actuallyin realtà look at
how circuitscircuiti are configuredconfigurato.
245
605978
2890
Possiamo iniziare a osservare
come sono configurati i circuiti.
10:20
Maybe somedayun giorno we could readleggere out a memorymemoria.
246
608892
1968
Magari un giorno
potremo leggere la memoria.
10:22
Maybe we could actuallyin realtà look
at how circuitscircuiti are configuredconfigurato
247
610884
2779
Potremmo analizzare
come sono configurati i circuiti
10:25
to processprocesso emotionsemozioni,
248
613687
1152
nell'elaborazione delle emozioni,
10:26
how the actualeffettivo wiringcablaggio
of our braincervello is organizedorganizzato
249
614863
2922
come sono organizzati i circuiti
del nostro cervello
10:29
in orderordine to make us who we are.
250
617809
2567
per renderci quello che siamo.
10:32
And of coursecorso, we can pinpointlocalizzare, hopefullyfiduciosamente,
251
620400
2047
Naturalmente, possiamo definire,
lo spero,
10:34
the actualeffettivo problemsi problemi in the braincervello
at a molecularmolecolare levellivello.
252
622471
3159
i veri problemi del cervello
a livello molecolare.
10:37
What if we could actuallyin realtà
look into cellscellule in the braincervello
253
625654
2569
E se potessimo osservare
all'interno delle cellule cerebrali
10:40
and figurefigura out, wowWow, here are the 17
moleculesmolecole that have alteredalterato
254
628247
3083
e scorprire, ecco le 17 molecole alterate
10:43
in this braincervello tissuefazzoletto di carta that has been
undergoingin fase di epilepsyepilessia
255
631354
3455
in questo tessuto cerebrale
che ha sofferto di epilessia
10:46
or changingmutevole in Parkinson'sMalattia di Parkinson diseasemalattia
256
634833
1650
o sono cambiate
per i morbo di Parkinson
10:48
or otherwisealtrimenti beingessere alteredalterato?
257
636507
1517
o sono cambiate per altri motivi?
10:50
If we get that systematicsistematica listelenco
of things that are going wrongsbagliato,
258
638048
3043
Se otteniamo quella lista sistematica
di cose che vanno storto,
10:53
those becomediventare our therapeuticterapeutico targetsobiettivi.
259
641115
2199
quelli diventano
i nostri target terapeutici.
10:55
We can buildcostruire drugsfarmaci that bindlegare those.
260
643338
1677
Possiamo creare farmaci
che li uniscono.
10:57
We can maybe aimscopo energyenergia
at differentdiverso partsparti of the braincervello
261
645039
2627
Forse possiamo puntare all'energia
in diverse parti del cervello
10:59
in orderordine to help people
with Parkinson'sMalattia di Parkinson or epilepsyepilessia
262
647690
2687
per aiutare la gente
con il Parkinson o con l'epilessia
11:02
or other conditionscondizioni that affectinfluenzare
over a billionmiliardo people
263
650401
2551
o altre malattie che colpiscono
più di un miliardo di persone
11:04
around the worldmondo.
264
652976
1213
nel mondo.
11:07
Now, something interestinginteressante
has been happeningavvenimento.
265
655246
2206
Accade qualcosa di interessante.
11:09
It turnsgiri out that throughoutper tutto biomedicinebiomedicina,
266
657476
2705
Attraverso la biomedicina,
11:12
there are other problemsi problemi
that expansionespansione mightpotrebbe help with.
267
660205
2666
l'espansione potrebbe aiutare
per altri problemi.
11:14
This is an actualeffettivo biopsybiopsia
from a humanumano breastSeno cancercancro patientpaziente.
268
662895
3234
Questa è una biopsia
di un cancro al seno di una paziente.
11:18
It turnsgiri out that if you look at cancerstumori,
269
666505
2188
Osservando il cancro,
11:20
if you look at the immuneimmune systemsistema,
270
668717
1611
analizzando il sistema immunitario,
11:22
if you look at aginginvecchiamento,
if you look at developmentsviluppo --
271
670352
2513
l'invecchiamento, lo sviluppo --
11:24
all these processesprocessi are involvingcoinvolgendo
large-scalelarga scala biologicalbiologico systemssistemi.
272
672889
4497
tutti i processi coinvolgono
sistemi biologici su larga scala.
11:29
But of coursecorso, the problemsi problemi begininizio
with those little nanoscalesu scala nanometrica moleculesmolecole,
273
677410
4024
Ma ovviamente, il problema inizia
con queste molecole in nanoscala,
11:33
the machinesmacchine that make the cellscellule
and the organsorgani in our bodycorpo tickzecca.
274
681458
3869
le macchine che fanno scattare
le cellule e gli organi.
11:37
So what we're tryingprovare
to do now is to figurefigura out
275
685351
2222
Stiamo cercando di capire
11:39
if we can actuallyin realtà use this technologytecnologia
to mapcarta geografica the buildingcostruzione blocksblocchi of life
276
687597
3466
se possiamo usare queste tecnologia
per mappare i mattoni della vita
11:43
in a widelargo varietyvarietà of diseasesmalattie.
277
691087
1745
in una vasta gamma di malattie.
11:44
Can we actuallyin realtà pinpointlocalizzare
the molecularmolecolare changesi cambiamenti in a tumortumore
278
692856
2896
Possiamo definire
i cambiamenti molecolari in un tumore
11:47
so that we can actuallyin realtà
go after it in a smartinteligente way
279
695776
2369
in modo da dargli la caccia
in modo intelligente
11:50
and deliverconsegnare drugsfarmaci that mightpotrebbe wipepulire out
exactlydi preciso the cellscellule that we want to?
280
698169
3944
e somministrare medicinali
che potrebbero spazzare via
le cellule giuste?
11:54
You know, a lot of medicinemedicina
is very highalto riskrischio.
281
702137
2335
Molti medicinali sono ad alto rischio.
11:56
SometimesA volte, it's even guessworkcongetture.
282
704496
1782
Talvolta si va anche per tentativi.
11:58
My hopesperanza is we can actuallyin realtà turnturno
what mightpotrebbe be a high-riskalto rischio moonLuna shottiro
283
706626
3875
La mia speranza è che si possa
trasformare dei tentativi ad alto rischio
12:02
into something that's more reliableaffidabile.
284
710525
1769
in qualcosa di più affidabile.
12:04
If you think about the originaloriginale moonLuna shottiro,
285
712318
2055
Se pensate al primo lancio sulla luna,
12:06
where they actuallyin realtà landedatterrato on the moonLuna,
286
714397
1898
in cui sono poi atterrati sulla luna,
12:08
it was basedbasato on solidsolido sciencescienza.
287
716319
1444
era basato su scienza valida.
12:09
We understoodinteso gravitygravità;
288
717787
1603
Abbiamo capito la gravità;
12:11
we understoodinteso aerodynamicsaerodinamica.
289
719414
1341
abbiamo capito l'aerodinamica.
12:12
We knewconosceva how to buildcostruire rocketsrazzi.
290
720779
1395
Sapevamo come costruire razzi.
12:14
The sciencescienza riskrischio was undersotto controlcontrollo.
291
722198
2468
I rischi scientifici
erano sotto controllo.
12:16
It was still a great, great
featfeat of engineeringingegneria.
292
724690
2753
È stata comunque
una grande impresa ingegneristica.
12:19
But in medicinemedicina, we don't
necessarilynecessariamente have all the lawslegislazione.
293
727467
2645
Ma in medicina,
non abbiamo necessariamente
tutte le leggi.
12:22
Do we have all the lawslegislazione
that are analogousanaloga to gravitygravità,
294
730136
3109
Abbiamo tutte le leggi
analoghe alla gravità,
12:25
that are analogousanaloga to aerodynamicsaerodinamica?
295
733269
2344
analoghe all'aerodinamica?
12:27
I would arguediscutere that with technologiestecnologie
296
735637
1730
Sono piuttosto dell'idea
che con le tecnologie
12:29
like the kindstipi I'm talkingparlando about todayoggi,
297
737391
1872
del tipo di cui sto parlando oggi,
12:31
maybe we can actuallyin realtà derivederivare those.
298
739287
1693
possiamo forse ricavarle.
12:33
We can mapcarta geografica the patternsmodelli
that occursi verificano in livingvita systemssistemi,
299
741004
2857
Possiamo mappare gli schemi
dei sistemi viventi,
12:35
and figurefigura out how to overcomesuperare
the diseasesmalattie that plaguepeste us.
300
743885
4558
e capire come sconfiggere
le malattie che ci affliggono.
12:41
You know, my wifemoglie and I
have two younggiovane kidsbambini,
301
749499
2079
Mia moglie ed io abbiamo due bambini,
12:43
and one of my hopessperanze as a bioengineerbioingegnere
is to make life better for them
302
751602
3234
una delle mie speranze da bioingegnere
è rendere loro la vita migliore
12:46
than it currentlyattualmente is for us.
303
754860
1729
di quanto non lo sia per noi.
12:48
And my hopesperanza is, if we can
turnturno biologybiologia and medicinemedicina
304
756613
3730
La mia speranza è, se possiamo
trasformare la biologia e la medicina
12:52
from these high-riskalto rischio endeavorssforzi
that are governedgovernati by chanceopportunità and luckfortuna,
305
760367
4357
da tentativi ad alto rischio
controllati dal caso e dalla fortuna,
12:56
and make them things
that we winvincere by skillabilità and harddifficile work,
306
764748
3927
e trasformarle in cose che vinciamo
con le capacità e il duro lavoro,
13:00
then that would be a great advanceavanzare.
307
768699
1898
sarebbe un enorme progresso.
13:02
Thank you very much.
308
770621
1206
Grazie infinite.
13:03
(ApplauseApplausi)
309
771851
10383
(Applausi)
Translated by Anna Cristiana Minoli
Reviewed by Andrea Giglio

▲Back to top

ABOUT THE SPEAKER
Ed Boyden - Neuroengineer
Ed Boyden is a professor of biological engineering and brain and cognitive sciences at the MIT Media Lab and the MIT McGovern Institute.

Why you should listen

Ed Boyden leads the Synthetic Neurobiology Group, which develops tools for analyzing and repairing complex biological systems such as the brain. His group applies these tools in a systematic way in order to reveal ground truth scientific understandings of biological systems, which in turn reveal radical new approaches for curing diseases and repairing disabilities. These technologies include expansion microscopy, which enables complex biological systems to be imaged with nanoscale precision, and optogenetic tools, which enable the activation and silencing of neural activity with light (TED Talk: A light switch for neurons). Boyden also co-directs the MIT Center for Neurobiological Engineering, which aims to develop new tools to accelerate neuroscience progress.

Amongst other recognitions, Boyden has received the Breakthrough Prize in Life Sciences (2016), the BBVA Foundation Frontiers of Knowledge Award (2015), the Carnegie Prize in Mind and Brain Sciences (2015), the Jacob Heskel Gabbay Award (2013), the Grete Lundbeck Brain Prize (2013) and the NIH Director's Pioneer Award (2013). He was also named to the World Economic Forum Young Scientist list (2013) and the Technology Review World's "Top 35 Innovators under Age 35" list (2006). His group has hosted hundreds of visitors to learn how to use new biotechnologies and spun out several companies to bring inventions out of his lab and into the world. Boyden received his Ph.D. in neurosciences from Stanford University as a Hertz Fellow, where he discovered that the molecular mechanisms used to store a memory are determined by the content to be learned. Before that, he received three degrees in electrical engineering, computer science and physics from MIT. He has contributed to over 300 peer-reviewed papers, current or pending patents and articles, and he has given over 300 invited talks on his group's work.

More profile about the speaker
Ed Boyden | Speaker | TED.com