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
TED2011

Ed Boyden: A light switch for neurons

Ed Boyden: Um interruptor para os neurónios

Filmed:
1,098,379 views

Ed Boyen demonstra como, pela inserção de proteínas sensíveis à luz em células cerebrais, pode activar ou desactivar selectivamente neurónios através de implantes de fibra óptica. Com este nível de controlo sem precedentes, conseguiu tratar ratos com distúrbios similares ao Síndrome de Stress Pós-Traumático e certas formas de cegueira. No horizonte: próteses neuronais. O moderador da sessão Juan Enriquez conduz um pequeno comentário no final.
- 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.

00:15
Think about your day for a secondsegundo.
0
0
2000
Pensem no vosso dia por um segundo.
00:17
You wokeacordou up, feltsentiu freshfresco airar on your facecara as you walkedcaminhou out the doorporta,
1
2000
3000
Vocês acordaram, sentiram ar fresco na vossa cara quando saíram pela porta,
00:20
encounteredencontrado newNovo colleaguescolegas and had great discussionsdiscussões,
2
5000
2000
conheceram colegas novos e tiveram discussões interessantes,
00:22
and feltsentiu in awetemor when you foundencontrado something newNovo.
3
7000
2000
e sentiram-se maravilhados ao descobrirem algo novo.
00:24
But I betaposta there's something you didn't think about todayhoje --
4
9000
2000
Mas, eu aposto que há algo em que vocês não pensaram hoje -
00:26
something so closefechar to home
5
11000
2000
algo tão familiar
00:28
that you probablyprovavelmente don't think about it very oftenfrequentemente at all.
6
13000
2000
que provavelmente nem pensam nisto muitas vezes.
00:30
And that's that all the sensationssensações, feelingssentimentos,
7
15000
2000
É que todas as sensações, sentimentos,
00:32
decisionsdecisões and actionsações
8
17000
2000
decisões e acções
00:34
are mediatedmediada by the computercomputador in your headcabeça
9
19000
2000
são mediadas pelo computador que está nas vossas cabeças
00:36
calledchamado the braincérebro.
10
21000
2000
chamado cérebro.
00:38
Now the braincérebro maypode not look like much from the outsidelado de fora --
11
23000
2000
Visto de fora, o cérebro pode não parecer grande coisa --
00:40
a couplecasal poundslibras of pinkish-graycinza-rosado fleshcarne,
12
25000
2000
um quilo e pouco de matéria cinzenta-rosa
00:42
amorphousamorfo --
13
27000
2000
amorfa -
00:44
but the last hundredcem yearsanos of neuroscienceneurociência
14
29000
2000
mas os últimos 100 anos das Neurociências
00:46
have allowedpermitido us to zoomzoom in on the braincérebro,
15
31000
2000
permitiram-nos 'entrar' no cérebro,
00:48
and to see the intricacycomplexidade of what liesmentiras withindentro.
16
33000
2000
e ver a complexidade do que está por dentro.
00:50
And they'veeles têm told us that this braincérebro
17
35000
2000
E isso mostrou-nos que este cérebro
00:52
is an incrediblyincrivelmente complicatedcomplicado circuito circuito
18
37000
2000
é um circuito incrivelmente complicado
00:54
madefeito out of hundredscentenas of billionsbilhões of cellscélulas calledchamado neuronsneurônios.
19
39000
4000
composto por centenas de milhares de milhões de células chamadas neurónios.
00:58
Now unlikeao contrário a human-designedhumanos-projetado computercomputador,
20
43000
3000
Ao contrário de um computador desenhado pelo Homem,
01:01
where there's a fairlybastante smallpequeno numbernúmero of differentdiferente partspartes --
21
46000
2000
em que existe um número relativamente pequeno de partes diferentes -
01:03
we know how they work, because we humanshumanos designedprojetado them --
22
48000
3000
nós sabemos como funcionam, porque fomos nós que as concebemos -
01:06
the braincérebro is madefeito out of thousandsmilhares of differentdiferente kindstipos of cellscélulas,
23
51000
3000
o cérebro é feito de milhares de tipos de células diferentes,
01:09
maybe tensdezenas of thousandsmilhares.
24
54000
2000
talvez dezenas de milhares.
01:11
They come in differentdiferente shapesformas; they're madefeito out of differentdiferente moleculesmoléculas.
25
56000
2000
Elas existem em diferentes formas. São feitas de diversas moléculas,
01:13
And they projectprojeto and connectconectar to differentdiferente braincérebro regionsregiões,
26
58000
3000
e elas projectam e relacionam-se com diferentes regiões cerebrais.
01:16
and they alsoAlém disso changemudança differentdiferente waysmaneiras in differentdiferente diseasedoença statesestados.
27
61000
3000
E alteram-se consoante o desenvolvimento de diferentes doenças.
01:19
Let's make it concreteconcreto.
28
64000
2000
Vamos tornar isto concreto.
01:21
There's a classclasse of cellscélulas,
29
66000
2000
Há uma classe de células,
01:23
a fairlybastante smallpequeno cellcélula, an inhibitoryinibitório cellcélula, that quietsaquieta its neighborsvizinhos.
30
68000
3000
uma célula relativamente pequena, inibitória, que acalma as suas vizinhas.
01:26
It's one of the cellscélulas that seemsparece to be atrophiedatrofiados in disordersdesordens like schizophreniaesquizofrenia.
31
71000
4000
É uma das células que parece estar atrofiada em desordens como a esquizofrenia.
01:30
It's calledchamado the basketcesta cellcélula.
32
75000
2000
Chama-se "basket cell" - célula em forma de cesto.
01:32
And this cellcélula is one of the thousandsmilhares of kindstipos of cellcélula
33
77000
2000
E esta célula é uma dos mil tipos de células
01:34
that we are learningAprendendo about.
34
79000
2000
sobre as quais estamos a aprender.
01:36
NewNovo onesuns are beingser discovereddescobriu everydaytodo dia.
35
81000
2000
São descobertas células novas todos os dias.
01:38
As just a secondsegundo exampleexemplo:
36
83000
2000
Como segundo exemplo:
01:40
these pyramidalpiramidal cellscélulas, largeampla cellscélulas,
37
85000
2000
existem células piramidais, células largas,
01:42
they can spanperíodo a significantsignificativo fractionfração of the braincérebro.
38
87000
2000
elas podem ocupar um espaço significativo no cérebro.
01:44
They're excitatoryexcitatórios.
39
89000
2000
Elas são excitatórias.
01:46
And these are some of the cellscélulas
40
91000
2000
E estas são algumas das células
01:48
that mightpoderia be overactivehiperativa in disordersdesordens suchtal as epilepsyepilepsia.
41
93000
3000
que podem estar hiperactivas em doenças como a epilepsia.
01:51
EveryCada one of these cellscélulas
42
96000
2000
Cada célula destas
01:53
is an incredibleincrível electricalelétrico devicedispositivo.
43
98000
3000
é um incrível dispositivo eléctrico.
01:56
They receivereceber inputentrada from thousandsmilhares of upstreamRio acima partnersparceiros
44
101000
2000
Elas recebem impulsos de milhares de parceiros superiores
01:58
and computecalcular theirdeles ownpróprio electricalelétrico outputssaídas,
45
103000
3000
e calculam as suas próprias respostas eléctricas,
02:01
whichqual then, if they passpassar a certaincerto thresholdlimite,
46
106000
2000
que, caso passem um certo campo,
02:03
will go to thousandsmilhares of downstreamRio abaixo partnersparceiros.
47
108000
2000
chegam a milhares de parceiros inferiores.
02:05
And this processprocesso, whichqual takes just a millisecondmilissegundo or so,
48
110000
3000
E este processo, que dura apenas cerca de um milissegundo,
02:08
happensacontece thousandsmilhares of timesvezes a minuteminuto
49
113000
2000
acontece milhares de vezes por minuto
02:10
in everycada one of your 100 billionbilhão cellscélulas,
50
115000
2000
em cada uma das vossas 100 mil milhões de células,
02:12
as long as you liveviver
51
117000
2000
enquanto vocês viverem
02:14
and think and feel.
52
119000
3000
pensarem e sentirem.
02:17
So how are we going to figurefigura out what this circuito circuito does?
53
122000
3000
Então, como vamos descobrir o que este circuito faz?
02:20
IdeallyIdealmente, we could go throughatravés the circuito circuito
54
125000
2000
Idealmente, nós poderíamos ir através do circuito
02:22
and turnvirar these differentdiferente kindstipos of cellcélula on and off
55
127000
3000
e ligar e desligar estes diferentes tipos de células
02:25
and see whetherse we could figurefigura out
56
130000
2000
para ver se descobríamos
02:27
whichqual onesuns contributecontribuir to certaincerto functionsfunções
57
132000
2000
quais é que contribuem para certas funções
02:29
and whichqual onesuns go wrongerrado in certaincerto pathologiespatologias.
58
134000
2000
e quais é que funcionam mal em certas patologias.
02:31
If we could activateativar cellscélulas, we could see what powerspoderes they can unleashdesencadear,
59
136000
3000
Se pudéssemos activar células, poderíamos ver que poderes podem desencadear,
02:34
what they can initiateiniciar and sustainsustentar.
60
139000
2000
que processos podem iniciar e sustentar.
02:36
If we could turnvirar them off,
61
141000
2000
Se pudéssemos desligá-las.
02:38
then we could try and figurefigura out what they're necessarynecessário for.
62
143000
2000
então podíamos tentar descobrir para que são necessárias.
02:40
And that's a storyhistória I'm going to tell you about todayhoje.
63
145000
3000
E esta é a história que vou contar hoje.
02:43
And honestlyhonestamente, where we'venós temos gonefoi throughatravés over the last 11 yearsanos,
64
148000
3000
E honestamente, nós temos andado por aqui nos últimos 11 anos,
02:46
throughatravés an attempttentativa to find waysmaneiras
65
151000
2000
numa tentativa de encontrar formas
02:48
of turninggiro circuitscircuitos and cellscélulas and partspartes and pathwayscaminhos of the braincérebro
66
153000
2000
de modificar circuitos, células, regiões e circuitos do cérebro
02:50
on and off,
67
155000
2000
ligar e desligar,
02:52
bothambos to understandCompreendo the scienceCiência
68
157000
2000
tanto para entendermos a ciência,
02:54
and alsoAlém disso to confrontenfrentar some of the issuesproblemas
69
159000
3000
como para confrontar algumas questões
02:57
that facecara us all as humanshumanos.
70
162000
3000
que dizem respeito a todos os humanos.
03:00
Now before I tell you about the technologytecnologia,
71
165000
3000
Antes de vos falar sobre a tecnologia,
03:03
the badmau newsnotícia is that a significantsignificativo fractionfração of us in this roomquarto,
72
168000
3000
a má noticia é que uma parte significante de nós nesta sala,
03:06
if we liveviver long enoughsuficiente,
73
171000
2000
se vivermos tempo suficiente,
03:08
will encounterencontro, perhapspossivelmente, a braincérebro disorderdesordem.
74
173000
2000
vai enfrentar, talvez, uma desordem cerebral.
03:10
Already, a billionbilhão people
75
175000
2000
Actualmente, mil milhões de pessoas
03:12
have had some kindtipo of braincérebro disorderdesordem
76
177000
2000
teve algum tipo de desordem cerebral.
03:14
that incapacitatesincapacita them,
77
179000
2000
que os deixou incapacitados.
03:16
and the numbersnúmeros don't do it justicejustiça thoughApesar.
78
181000
2000
E ainda assim os números não fazem justiça.
03:18
These disordersdesordens -- schizophreniaesquizofrenia, Alzheimer'sA doença de Alzheimer,
79
183000
2000
Estas desordens - esquizofrenia, Alzheimer,
03:20
depressiondepressão, addictionvício --
80
185000
2000
depressão, dependência -
03:22
they not only stealroubar our time to liveviver, they changemudança who we are.
81
187000
3000
elas não só nos tiram tempo de vida, como elas mudam quem nós somos;
03:25
They take our identityidentidade and changemudança our emotionsemoções
82
190000
2000
roubam a nossa identidade e modificam as nossas emoções -
03:27
and changemudança who we are as people.
83
192000
3000
e mudam quem somos como pessoas.
03:30
Now in the 20thº centuryséculo,
84
195000
3000
No século 20,
03:33
there was some hopeesperança that was generatedgerado
85
198000
3000
havia alguma esperança que surgiu
03:36
throughatravés the developmentdesenvolvimento of pharmaceuticalsprodutos farmacêuticos for treatingtratando braincérebro disordersdesordens,
86
201000
3000
com o desenvolvimento de fármacos para tratar as desordens cerebrais.
03:39
and while manymuitos drugsdrogas have been developeddesenvolvido
87
204000
3000
E enquanto muitos medicamentos foram desenvolvidos
03:42
that can alleviatealiviar o symptomssintomas of braincérebro disordersdesordens,
88
207000
2000
que podem aliviar sintomas das desordens cerebrais,
03:44
practicallypraticamente noneNenhum of them can be consideredconsiderado to be curedcurado.
89
209000
3000
praticamente nenhuma delas pode ser considerada curável.
03:47
And partparte of that's because we're bathingtomar banho the braincérebro in the chemicalquímico.
90
212000
3000
E parte disso deve-se a estarmos a banhar o cérebro em químicos.
03:50
This elaborateelaborar circuito circuito
91
215000
2000
Este circuito elaborado
03:52
madefeito out of thousandsmilhares of differentdiferente kindstipos of cellcélula
92
217000
2000
feito de milhares de diferentes tipos de células
03:54
is beingser bathedbanhado in a substancesubstância.
93
219000
2000
está a ser banhado numa substância.
03:56
That's alsoAlém disso why, perhapspossivelmente, mosta maioria of the drugsdrogas, and not all, on the marketmercado
94
221000
2000
É também por isso, talvez, que a maior parte das drogas no mercado, não todas,
03:58
can presentpresente some kindtipo of seriousgrave sidelado effectefeito too.
95
223000
3000
podem apresentar efeitos secundários severos.
04:01
Now some people have gottenobtido some solaceconsolo
96
226000
3000
Algumas pessoas têm tirado algum consolo
04:04
from electricalelétrico stimulatorsestimuladores that are implantedimplantado in the braincérebro.
97
229000
3000
de estimuladores eléctricos que são implantados no cérebro.
04:07
And for Parkinson'sA doença de Parkinson diseasedoença,
98
232000
2000
E para a Doença de Parkinson,
04:09
CochlearCoclear implantsimplantes,
99
234000
2000
os implantes cocleares,
04:11
these have indeedde fato been ablecapaz
100
236000
2000
estes têm sido, na verdade, capazes
04:13
to bringtrazer some kindtipo of remedyremédio
101
238000
2000
de proporcionar algum tipo de recuperação
04:15
to people with certaincerto kindstipos of disorderdesordem.
102
240000
2000
a pessoas com certo tipo de desordens.
04:17
But electricityeletricidade alsoAlém disso will go in all directionsinstruções --
103
242000
2000
Mas a electricidade também se estende em todas as direcções -
04:19
the pathcaminho of leastpelo menos resistanceresistência,
104
244000
2000
o caminho da menor resistência,
04:21
whichqual is where that phrasefrase, in partparte, comesvem from.
105
246000
2000
que é de onde, em parte, vem a expressão.
04:23
And it alsoAlém disso will affectafetar normalnormal circuitscircuitos as well as the abnormalanormal onesuns that you want to fixconsertar.
106
248000
3000
E vai afectar tanto os circuitos que se quer consertar como os que funcionam bem.
04:26
So again, we're sentenviei back to the ideaidéia
107
251000
2000
Novamente, nós retomamos a ideia
04:28
of ultra-preciseultra-precisas controlao controle.
108
253000
2000
de controlo ultra-preciso.
04:30
Could we dial-indial-em informationem formação preciselyprecisamente where we want it to go?
109
255000
3000
Podemos enviar informação precisamente para onde queremos que ela vá?
04:34
So when I startedcomeçado in neuroscienceneurociência 11 yearsanos agoatrás,
110
259000
4000
Quando comecei nas neurociências, há 11 anos,
04:38
I had trainedtreinado as an electricalelétrico engineerengenheiro and a physicistfísico,
111
263000
3000
trabalhei como engenheiro electrotécnico e como físico,
04:41
and the first thing I thought about was,
112
266000
2000
e a primeira coisa em que pensei foi,
04:43
if these neuronsneurônios are electricalelétrico devicesdispositivos,
113
268000
2000
se estes neurónios são dispositivos eléctricos,
04:45
all we need to do is to find some way
114
270000
2000
tudo o que precisamos de fazer é descobrir uma forma
04:47
of drivingdirigindo those electricalelétrico changesalterar at a distancedistância.
115
272000
2000
de controlar estas mudanças eléctricas à distância.
04:49
If we could turnvirar on the electricityeletricidade in one cellcélula,
116
274000
2000
Se pudéssemos activar a electricidade numa célula,
04:51
but not its neighborsvizinhos,
117
276000
2000
mas não nas células vizinhas,
04:53
that would give us the toolferramenta we need to activateativar and shutfechar down these differentdiferente cellscélulas,
118
278000
3000
isso dar-nos-ia a ferramenta de que necessitamos para activar e desactivar estas diferentes células,
04:56
figurefigura out what they do and how they contributecontribuir
119
281000
2000
descobrir o que elas fazem e como contribuem
04:58
to the networksredes in whichqual they're embeddedembutido.
120
283000
2000
para as redes de trabalho em que estão implicadas.
05:00
And alsoAlém disso it would allowpermitir us to have the ultra-preciseultra-precisas controlao controle we need
121
285000
2000
Para além disso, permitir-nos-ia ter a precisão de controlo de que precisamos
05:02
in orderordem to fixconsertar the circuito circuito computationscálculos
122
287000
3000
com vista a corrigirmos as computações do circuito
05:05
that have gonefoi awryerrado.
123
290000
2000
que começaram a funcionar mal.
05:07
Now how are we going to do that?
124
292000
2000
E como vamos fazer isso?
05:09
Well there are manymuitos moleculesmoléculas that existexistir in naturenatureza,
125
294000
2000
Bem, existem muitas moléculas na natureza,
05:11
whichqual are ablecapaz to convertconverter lightluz into electricityeletricidade.
126
296000
3000
que são capazes de converter luz em electricidade.
05:14
You can think of them as little proteinsproteínas
127
299000
2000
Vocês podem pensar nelas como pequenas proteínas
05:16
that are like solarsolar cellscélulas.
128
301000
2000
que funcionam como células solares.
05:18
If we can installinstalar these moleculesmoléculas in neuronsneurônios somehowde alguma forma,
129
303000
3000
Se pudermos instalar estas moléculas em neurónios,
05:21
then these neuronsneurônios would becometornar-se electricallyeletricamente drivabledirigível with lightluz.
130
306000
3000
então estes neurónios seriam electricamente dirigíveis com luz.
05:24
And theirdeles neighborsvizinhos, whichqual don't have the moleculemolécula, would not.
131
309000
3000
E os seus vizinhos, que não teriam esta molécula, não.
05:27
There's one other magicMagia tricktruque you need to make this all happenacontecer,
132
312000
2000
Há outro truque mágico que é necessário para isto acontecer,
05:29
and that's the abilityhabilidade to get lightluz into the braincérebro.
133
314000
3000
que é a habilidade de trazer luz para dentro do cérebro.
05:32
And to do that -- the braincérebro doesn't feel paindor -- you can put --
134
317000
3000
E para fazer isso - o cérebro não sente dor - pode-se colocar -
05:35
takinglevando advantagevantagem of all the effortesforço
135
320000
2000
tirando partido de todo o esforço
05:37
that's gonefoi into the InternetInternet and communicationscomunicações and so on --
136
322000
2000
dirigido para a internet e comunicações e tudo o mais -
05:39
opticalóptico fibersfibras connectedconectado to laserslasers de
137
324000
2000
fibra óptica ligada a lasers
05:41
that you can use to activateativar, in animalanimal modelsmodelos for exampleexemplo,
138
326000
2000
que se pode usar para activar (por exemplo, em modelos animais,
05:43
in pre-clinicalpré-clínicos studiesestudos,
139
328000
2000
em estudos pré-clínicos),
05:45
these neuronsneurônios and to see what they do.
140
330000
2000
estes neurónios e ver o que eles fazem.
05:47
So how do we do this?
141
332000
2000
Como fazemos isto?
05:49
Around 2004,
142
334000
2000
Por volta de 2004,
05:51
in collaborationcolaboração with GerhardGerhard NagelNagel and KarlKarl DeisserothDeisseroth,
143
336000
2000
em colaboração com Gerhard Nagel e Karl Deisseroth,
05:53
this visionvisão cameveio to fruitionfruição.
144
338000
2000
esta visão concretizou-se.
05:55
There's a certaincerto algaalga that swimsnada in the wildselvagem,
145
340000
3000
Existe uma alga aquática na natureza,
05:58
and it needsprecisa to navigatenavegar towardsem direção lightluz
146
343000
2000
que necessita de navegar na direcção da luz
06:00
in orderordem to photosynthesizefotossintetizar optimallyOtimamente.
147
345000
2000
para conseguir fotossintetizar optimamente.
06:02
And it sensessentidos lightluz with a little eye-spotolho-ponto,
148
347000
2000
A alga detecta a luz com uma espécie de olho,
06:04
whichqual workstrabalho not unlikeao contrário how our eyeolho workstrabalho.
149
349000
3000
que funciona de uma maneira não muito distinta dos nossos olhos.
06:07
In its membranemembrana, or its boundaryfronteira,
150
352000
2000
Na sua membrana, ou nos seus limites,
06:09
it containscontém little proteinsproteínas
151
354000
3000
existem pequenas proteínas
06:12
that indeedde fato can convertconverter lightluz into electricityeletricidade.
152
357000
3000
que na verdade convertem luz em electricidade.
06:15
So these moleculesmoléculas are calledchamado channelrhodopsinschannelrhodopsins.
153
360000
3000
Estas moléculas chamam-se 'channelrhodospins'.
06:18
And eachcada of these proteinsproteínas actsatos just like that solarsolar cellcélula that I told you about.
154
363000
3000
E cada uma destas proteínas actua como a célula solar de que vos falei.
06:21
When blueazul lightluz hitsexitos it, it opensabre up a little holeburaco
155
366000
3000
Quando a luz azul lhe acerta, abre um pequeno buraco
06:24
and allowspermite chargedcarregada particlespartículas to enterentrar the eye-spotolho-ponto,
156
369000
2000
e permite que as partículas carregadas entrem no "olho".
06:26
and that allowspermite this eye-spotolho-ponto to have an electricalelétrico signalsinal
157
371000
2000
Isto faz com que este olho tenha um sinal eléctrico
06:28
just like a solarsolar cellcélula chargingcobrando up a batterybateria.
158
373000
3000
tal como uma pilha solar a carregar uma bateria.
06:31
So what we need to do is to take these moleculesmoléculas
159
376000
2000
Então o que precisamos de fazer é pegar nestas moléculas
06:33
and somehowde alguma forma installinstalar them in neuronsneurônios.
160
378000
2000
e, de alguma maneira, instalá-las nos neurónios.
06:35
And because it's a proteinproteína,
161
380000
2000
E porque é uma proteína,
06:37
it's encodedcodificado for in the DNADNA of this organismorganismo.
162
382000
3000
é codificada pelo ADN deste organismo.
06:40
So all we'venós temos got to do is take that DNADNA,
163
385000
2000
Então tudo que precisamos de fazer é pegar nesse ADN,
06:42
put it into a genegene therapyterapia vectorVector, like a virusvírus,
164
387000
3000
colocá-lo num vector de terapia genética, como um vírus,
06:45
and put it into neuronsneurônios.
165
390000
3000
e introduzi-lo nos neurónios.
06:48
So it turnedvirou out that this was a very productiveprodutivo time in genegene therapyterapia,
166
393000
3000
Este acabou por ser um momento muito produtivo na terapia genética,
06:51
and lots of virusesvírus were comingchegando alongao longo.
167
396000
2000
e muitos vírus colaboraram.
06:53
So this turnedvirou out to be very simplesimples to do.
168
398000
2000
E isto tornou-se muito simples de fazer.
06:55
And earlycedo in the morningmanhã one day in the summerverão of 2004,
169
400000
3000
E assim, numa manhã num dia de Verão de 2004,
06:58
we gavedeu it a try, and it workedtrabalhou on the first try.
170
403000
2000
nós decidimos arriscar, e funcionou à primeira tentativa.
07:00
You take this DNADNA and you put it into a neuronneurônio.
171
405000
3000
Pega-se neste ADN e coloca-se no neurónio.
07:03
The neuronneurônio usesusa its naturalnatural protein-makingfabricação de proteínas machinerymáquinas
172
408000
3000
O neurónio utiliza a sua maquinaria natural de produção de proteínas,
07:06
to fabricatefabricar these little light-sensitivesensível à luz proteinsproteínas
173
411000
2000
para fabricar estas proteínas sensíveis à luz
07:08
and installinstalar them all over the cellcélula,
174
413000
2000
e instalá-las em toda a célula,
07:10
like puttingcolocando solarsolar panelspainéis on a roofcobertura,
175
415000
2000
tal como colocar painéis solares num telhado.
07:12
and the nextPróximo thing you know,
176
417000
2000
E a próxima coisa que se sabe,
07:14
you have a neuronneurônio whichqual can be activatedativado with lightluz.
177
419000
2000
é que temos um neurónio que pode ser activado pela luz.
07:16
So this is very powerfulpoderoso.
178
421000
2000
Isto tem muito potencial.
07:18
One of the trickstruques you have to do
179
423000
2000
Um dos truques que se tem de fazer
07:20
is to figurefigura out how to deliverentregar these genesgenes to the cellscélulas that you want
180
425000
2000
é descobrir como colocar estes genes nas células que queremos
07:22
and not all the other neighborsvizinhos.
181
427000
2000
e não em todas as células vizinhas.
07:24
And you can do that; you can tweakTweak the virusesvírus
182
429000
2000
E pode fazer-se isso, pode-se ajustar os vírus
07:26
so they hitacertar just some cellscélulas and not othersoutras.
183
431000
2000
de forma a atingirem apenas umas células e não as outras.
07:28
And there's other geneticgenético trickstruques you can playToque
184
433000
2000
E há outros truques genéticos que se podem usar
07:30
in orderordem to get light-activatedluz-ativado cellscélulas.
185
435000
3000
por forma a ter-se células activadas por luz.
07:33
This fieldcampo has now come to be knownconhecido as optogeneticsoptogenetics.
186
438000
4000
Este campo veio a ser designado como Optogenética.
07:37
And just as one exampleexemplo of the kindtipo of thing you can do,
187
442000
2000
E apenas como um exemplo do que se pode fazer,
07:39
you can take a complexcomplexo networkrede,
188
444000
2000
podemos pegar numa rede complexa,
07:41
use one of these virusesvírus to deliverentregar the genegene
189
446000
2000
usar um destes vírus para entregar o gene
07:43
just to one kindtipo of cellcélula in this densedenso networkrede.
190
448000
3000
apenas num tipo de células desta rede densa.
07:46
And then when you shinebrilho lightluz on the entireinteira networkrede,
191
451000
2000
E depois quando se ilumina a rede toda,
07:48
just that cellcélula typetipo will be activatedativado.
192
453000
2000
apenas esse tipo de célula será activada.
07:50
So for exampleexemplo, letsvamos sortordenar of considerconsiderar that basketcesta cellcélula I told you about earliermais cedo --
193
455000
3000
Assim, por exemplo, vamos imaginar aquela 'basket cell' de que vos falei antes -
07:53
the one that's atrophiedatrofiados in schizophreniaesquizofrenia
194
458000
2000
aquela que está atrofiada na esquizofrenia
07:55
and the one that is inhibitoryinibitório.
195
460000
2000
e que é inibitória.
07:57
If we can deliverentregar that genegene to these cellscélulas --
196
462000
2000
Se pudermos colocar esse gene nestas células -
07:59
and they're not going to be alteredalterado by the expressionexpressão of the genegene, of coursecurso --
197
464000
3000
e, claro, elas não serão alteradas pela expressão do gene -
08:02
and then flashinstantâneo blueazul lightluz over the entireinteira braincérebro networkrede,
198
467000
3000
e depois fizermos incidir luz azul sobre toda a rede cerebral,
08:05
just these cellscélulas are going to be drivendirigido.
199
470000
2000
apenas estas células serão dirigidas.
08:07
And when the lightluz turnsgira off, these cellscélulas go back to normalnormal,
200
472000
2000
E quando a luz se apaga, estas células voltam ao normal,
08:09
so they don't seemparecem to be averseavessos ao againstcontra that.
201
474000
3000
e elas não parecem ser adversas a este procedimento.
08:12
Not only can you use this to studyestude what these cellscélulas do,
202
477000
2000
Podemos não só usar este procedimento para estudar o que as células fazem,
08:14
what theirdeles powerpoder is in computingInformática in the braincérebro,
203
479000
2000
qual é o seu papel no funcionamento cerebral,
08:16
but you can alsoAlém disso use this to try to figurefigura out --
204
481000
2000
como também podemos usar isto para tentar descobrir -
08:18
well maybe we could jazzjazz up the activityatividade of these cellscélulas,
205
483000
2000
bem, talvez nós pudéssemos animar a actividade destas células,
08:20
if indeedde fato they're atrophiedatrofiados.
206
485000
2000
caso elas estejam verdadeiramente atrofiadas.
08:22
Now I want to tell you a couplecasal of shortcurto storieshistórias
207
487000
2000
Agora, eu quero contar-vos algumas histórias
08:24
about how we're usingusando this,
208
489000
2000
sobre como estamos a aplicar isto,
08:26
bothambos at the scientificcientífico, clinicalclínico and pre-clinicalpré-clínicos levelsníveis.
209
491000
3000
tanto a nível científico, como clínico e pré-clínico.
08:29
One of the questionsquestões we'venós temos confrontedconfrontado
210
494000
2000
Uma das questões com que nos temos confrontado
08:31
is, what are the signalssinais in the braincérebro that mediatemediar the sensationsensação of rewardrecompensa?
211
496000
3000
é: quais são os sinais cerebrais que medeiam a sensação de recompensa?
08:34
Because if you could find those,
212
499000
2000
Porque se pudéssemos encontrá-los,
08:36
those would be some of the signalssinais that could drivedirigir learningAprendendo.
213
501000
2000
esses seriam alguns dos sinais que poderiam orientar a aprendizagem.
08:38
The braincérebro will do more of whatevertanto faz got that rewardrecompensa.
214
503000
2000
O cérebro fará mais daquilo que conseguir essa recompensa.
08:40
And alsoAlém disso these are signalssinais that go awryerrado in disordersdesordens suchtal as addictionvício.
215
505000
3000
E, ainda, estes são sinais que funcionam mal em desordens como a dependência.
08:43
So if we could figurefigura out what cellscélulas they are,
216
508000
2000
Se pudéssemos descobrir quais são estas células,
08:45
we could maybe find newNovo targetsalvos
217
510000
2000
nós talvez pudéssemos encontrar novos alvos
08:47
for whichqual drugsdrogas could be designedprojetado or screenedselecionados againstcontra,
218
512000
2000
para os quais os medicamentos poderiam ser direccionados ou adaptados,
08:49
or maybe placeslocais where electrodeseletrodos could be put in
219
514000
2000
ou talvez os pontos em que os eléctrodos seriam colocados,
08:51
for people who have very severegrave disabilityDeficiência.
220
516000
3000
em pessoas com dificuldades severas.
08:54
So to do that, we cameveio up with a very simplesimples paradigmparadigma
221
519000
2000
Assim, para fazer isto, nós inventámos um paradigma muito simples
08:56
in collaborationcolaboração with the FiorellaFiorella groupgrupo,
222
521000
2000
em colaboração com o grupo Fiorella
08:58
where one sidelado of this little boxcaixa,
223
523000
2000
onde num lado desta pequena caixa,
09:00
if the animalanimal goesvai there, the animalanimal getsobtém a pulsepulso of lightluz
224
525000
2000
se o animal for lá, o animal recebe um dose de luz
09:02
in orderordem to make differentdiferente cellscélulas in the braincérebro sensitivesensível to lightluz.
225
527000
2000
a fim de tornar diferentes células cerebrais sensíveis à luz.
09:04
So if these cellscélulas can mediatemediar rewardrecompensa,
226
529000
2000
Assim, se estas células puderem mediar a recompensa,
09:06
the animalanimal should go there more and more.
227
531000
2000
o animal deverá aproximar-se cada vez mais.
09:08
And so that's what happensacontece.
228
533000
2000
E é isto que acontece.
09:10
This animal'sdo animal going to go to the right-handmão direita sidelado and pokegato por lebre his nosenariz there,
229
535000
2000
Este animal vai para o lado direito e coloca lá o nariz,
09:12
and he getsobtém a flashinstantâneo of blueazul lightluz everycada time he does that.
230
537000
2000
e recebe um flash de luz azul de cada vez que o faz.
09:14
And he'llinferno do that hundredscentenas and hundredscentenas of timesvezes.
231
539000
2000
E ele fará isso centenas e centenas de vezes.
09:16
These are the dopaminedopamina neuronsneurônios,
232
541000
2000
Estes são neurónios de dopamina,
09:18
whichqual some of you maypode have heardouviu about, in some of the pleasureprazer centerscentros in the braincérebro.
233
543000
2000
dos quais alguns de vocês já terão ter ouvido falar como estando associados a centros de prazer no cérebro.
09:20
Now we'venós temos shownmostrando that a briefbreve activationativação of these
234
545000
2000
Nós mostramos que uma breve activação destes neurónios
09:22
is enoughsuficiente, indeedde fato, to drivedirigir learningAprendendo.
235
547000
2000
é suficiente, na verdade, para guiar a aprendizagem.
09:24
Now we can generalizegeneralizar the ideaidéia.
236
549000
2000
Podemos generalizar esta ideia.
09:26
InsteadEm vez disso of one pointponto in the braincérebro,
237
551000
2000
Em vez de um ponto no cérebro,
09:28
we can deviseconceber devicesdispositivos that spanperíodo the braincérebro,
238
553000
2000
podemos criar dispositivos que abarcam o cérebro todo,
09:30
that can deliverentregar lightluz into three-dimensionaltridimensional patternspadrões --
239
555000
2000
que podem levar luz em moldes tridimensionais -
09:32
arraysmatrizes of opticalóptico fibersfibras,
240
557000
2000
matrizes de fibra óptica,
09:34
eachcada coupledjuntamente to its ownpróprio independentindependente miniatureem miniatura lightluz sourcefonte.
241
559000
2000
cada uma acoplada à sua pequena fonte de luz independente.
09:36
And then we can try to do things in vivovivo
242
561000
2000
E então podemos tentar fazer coisas 'in vivo',
09:38
that have only been donefeito to-dateaté à data in a dishprato --
243
563000
3000
que até à data só foram feitas num prato -
09:41
like high-throughputelevado-throughput screeningtriagem throughoutao longo the entireinteira braincérebro
244
566000
2000
como selecção de alta qualidade em todo o cérebro
09:43
for the signalssinais that can causecausa certaincerto things to happenacontecer.
245
568000
2000
dos sinais que podem levar a que certas coisas aconteçam.
09:45
Or that could be good clinicalclínico targetsalvos
246
570000
2000
Ou eles podem ser bom alvos clínicos
09:47
for treatingtratando braincérebro disordersdesordens.
247
572000
2000
para tratar desordens cerebrais.
09:49
And one storyhistória I want to tell you about
248
574000
2000
E uma coisa que vos quero dizer sobre isto
09:51
is how can we find targetsalvos for treatingtratando post-traumaticpós-traumático stressestresse disorderdesordem --
249
576000
3000
é como podemos encontrar alvos para tratar a desordem de stress pós-traumático -
09:54
a formFormato of uncontrollednão controlada anxietyansiedade and fearmedo.
250
579000
3000
uma forma de ansiedade e medo descontrolados.
09:57
And one of the things that we did
251
582000
2000
E uma das coisas que fizemos
09:59
was to adoptadotar a very classicalclássica modelmodelo of fearmedo.
252
584000
3000
foi adoptar o modelo clássico de medo.
10:02
This goesvai back to the PavlovianPavloviano daysdias.
253
587000
3000
Isto remonta ao tempo de Pavlov.
10:05
It's calledchamado PavlovianPavloviano fearmedo conditioningcondicionado --
254
590000
2000
É chamado Condicionamento do Medo de Pavlov -
10:07
where a tonetom endstermina with a briefbreve shockchoque.
255
592000
2000
onde um som termina com a introdução de um pequeno choque.
10:09
The shockchoque isn't painfuldoloroso, but it's a little annoyingirritante.
256
594000
2000
O choque não é doloroso, mas é um pouco atordoante.
10:11
And over time -- in this casecaso, a mouserato,
257
596000
2000
E com o tempo - um rato neste caso,
10:13
whichqual is a good animalanimal modelmodelo, commonlycomumente used in suchtal experimentsexperiências --
258
598000
2000
que é um bom modelo animal, frequentemente utilizado neste tipo de experiências -
10:15
the animalanimal learnsaprende to fearmedo the tonetom.
259
600000
2000
o animal aprende a recear o som.
10:17
The animalanimal will reactreagir by freezingcongelamento,
260
602000
2000
O animal vai paralizar
10:19
sortordenar of like a deerveado in the headlightsfaróis.
261
604000
2000
como uma espécie de veado perante faróis de um carro.
10:21
Now the questionquestão is, what targetsalvos in the braincérebro can we find
262
606000
3000
Agora, a questão é, que alvos podemos encontrar no cérebro
10:24
that allowpermitir us to overcomesuperar this fearmedo?
263
609000
2000
que nos permitem superar este medo?
10:26
So what we do is we playToque that tonetom again
264
611000
2000
Assim o que fazemos é reproduzir outra vez o som
10:28
after it's been associatedassociado with fearmedo.
265
613000
2000
depois de ele ter sido associado ao medo.
10:30
But we activateativar targetsalvos in the braincérebro, differentdiferente onesuns,
266
615000
2000
Mas nós activamos diferentes alvos cerebrais,
10:32
usingusando that opticalóptico fiberfibra arraymatriz I told you about in the previousanterior slidedeslizar,
267
617000
3000
usando a matriz de fibra óptica de que vos falei nos slides anteriores,
10:35
in orderordem to try and figurefigura out whichqual targetsalvos
268
620000
2000
no sentido de descobrir que alvos
10:37
can causecausa the braincérebro to overcomesuperar that memorymemória of fearmedo.
269
622000
3000
podem levar o cérebro a apagar essa memória do medo.
10:40
And so this briefbreve videovídeo
270
625000
2000
E este pequeno vídeo
10:42
showsmostra you one of these targetsalvos that we're workingtrabalhando on now.
271
627000
2000
mostra-vos um destes pequenos alvos em que estamos a trabalhar agora.
10:44
This is an areaárea in the prefrontalpré-frontal cortexcórtex,
272
629000
2000
Esta é uma área no cortex pré-frontal
10:46
a regionregião where we can use cognitionconhecimento to try to overcomesuperar aversivecontrário emotionalemocional statesestados.
273
631000
3000
uma região em que podemos usar a cognição para tentar superar estados emocionais aversivos.
10:49
And the animal'sdo animal going to hearouvir a tonetom -- and a flashinstantâneo of lightluz occurredocorreu there.
274
634000
2000
E o animal vai ouvir um som - e um flash de luz aparece.
10:51
There's no audioáudio on this, but you can see the animal'sdo animal freezingcongelamento.
275
636000
2000
Não há audio no vídeo, mas vocês podem ver o animal assustado.
10:53
This tonetom used to mean badmau newsnotícia.
276
638000
2000
Este som costumava significar más notícias.
10:55
And there's a little clockrelógio in the lowermais baixo left-handmão esquerda cornercanto,
277
640000
2000
E há um pequeno relógio no canto esquerdo inferior,
10:57
so you can see the animalanimal is about two minutesminutos into this.
278
642000
3000
assim vocês podem ver que o animal está nisto há dois minutos.
11:00
And now this nextPróximo clipgrampo
279
645000
2000
E este próximo slide
11:02
is just eightoito minutesminutos latermais tarde.
280
647000
2000
é de 8 minutos depois.
11:04
And the samemesmo tonetom is going to playToque, and the lightluz is going to flashinstantâneo again.
281
649000
3000
E o mesmo som vai ser reproduzido, e a luz vai aparecer outra vez.
11:07
Okay, there it goesvai. Right now.
282
652000
3000
Ok, aqui está. Agora mesmo.
11:10
And now you can see, just 10 minutesminutos into the experimentexperimentar,
283
655000
3000
E aqui vocês podem ver, 10 minutos após o início da experiência,
11:13
that we'venós temos equippedequipado the braincérebro by photoactivatingphotoactivating this areaárea
284
658000
3000
que nós equipámos o cérebro pela fotoactivação desta área
11:16
to overcomesuperar the expressionexpressão
285
661000
2000
para suprimir a expressão
11:18
of this fearmedo memorymemória.
286
663000
2000
da memória deste medo.
11:20
Now over the last couplecasal of yearsanos, we'venós temos gonefoi back to the treeárvore of life
287
665000
3000
Nos últimos anos, nós voltámos à árvore da vida,
11:23
because we wanted to find waysmaneiras to turnvirar circuitscircuitos in the braincérebro off.
288
668000
3000
porque queríamos encontrar maneiras de desligar circuitos cerebrais.
11:26
If we could do that, this could be extremelyextremamente powerfulpoderoso.
289
671000
3000
Se pudessemos fazê-lo, isto seria extremamente importante.
11:29
If you can deleteexcluir cellscélulas just for a fewpoucos millisecondsmilissegundos or secondssegundos,
290
674000
3000
Se pudéssemos apagar algumas células por apenas alguns milissegundos ou segundos,
11:32
you can figurefigura out what necessarynecessário roleFunção they playToque
291
677000
2000
podíamos descobrir qual o papel que elas desempenham
11:34
in the circuitscircuitos in whichqual they're embeddedembutido.
292
679000
2000
nos circuitos em que estão implicadas.
11:36
And we'venós temos now surveyedpesquisados organismsorganismos from all over the treeárvore of life --
293
681000
2000
E até agora nós investigámos em todos os organismos da árvore da vida -
11:38
everycada kingdomreino of life exceptexceto for animalsanimais, we see slightlylevemente differentlydiferente.
294
683000
3000
todos os reinos da vida excepto o dos animais, que vemos ligeiramente diferente.
11:41
And we foundencontrado all sortstipos of moleculesmoléculas, they're calledchamado halorhodopsinshalorhodopsins or archaerhodopsinsarchaerhodopsins,
295
686000
3000
E nós encontrámos todo o tipo de moléculas, são chamadas 'halorhodopsins' ou 'archaerhodopsins',
11:44
that respondresponder to greenverde and yellowamarelo lightluz.
296
689000
2000
que respondem à luz verde e amarela.
11:46
And they do the oppositeoposto thing of the moleculemolécula I told you about before
297
691000
2000
E elas fazem o oposto da molécula de que vos falei antes
11:48
with the blueazul lightluz activatorativador channelrhodopsinchannelrhodopsin.
298
693000
3000
com o activador da luz azul channelrhodopsin.
11:52
Let's give an exampleexemplo of where we think this is going to go.
299
697000
3000
Vamos dar um exemplo de onde achamos que isto vai dar.
11:55
ConsiderConsidere, for exampleexemplo, a conditioncondição like epilepsyepilepsia,
300
700000
3000
Considerem por exemplo uma condição como a epilepsia,
11:58
where the braincérebro is overactivehiperativa.
301
703000
2000
onde o cérebro é hiperactivo.
12:00
Now if drugsdrogas failfalhou in epilepticepiléptico treatmenttratamento,
302
705000
2000
Se os medicamentos falharem no tratamento da epilepsia,
12:02
one of the strategiesestratégias is to removeremover partparte of the braincérebro.
303
707000
2000
uma das estratégias é remover parte do cérebro.
12:04
But that's obviouslyobviamente irreversibleirreversível, and there could be sidelado effectsefeitos.
304
709000
2000
Mas isso é obviamente irreversível, e podem existir efeitos secundários.
12:06
What if we could just turnvirar off that braincérebro for a briefbreve amountmontante of time,
305
711000
3000
E se pudéssemos desligar esse cérebro por um certo tempo,
12:09
untilaté the seizureapreensão diesmorre away,
306
714000
3000
até a convulsão passar,
12:12
and causecausa the braincérebro to be restoredrestaurado to its initialinicial stateEstado --
307
717000
3000
e levar o cérebro a ser restaurado até ao seu estado inicial -
12:15
sortordenar of like a dynamicaldinâmicos systemsistema that's beingser coaxedpersuadido de down into a stableestável stateEstado.
308
720000
3000
uma espécie de sistema dinâmico que está a ser levado até um estado estável.
12:18
So this animationanimação just triestentativas to explainexplicar this conceptconceito
309
723000
3000
Esta animação tenta explicar este conceito
12:21
where we madefeito these cellscélulas sensitivesensível to beingser turnedvirou off with lightluz,
310
726000
2000
em que tornámos estas células sensíveis de modo a serem desligadas com a luz,
12:23
and we beamfeixe de lightluz in,
311
728000
2000
e inserimos luz no interior.
12:25
and just for the time it takes to shutfechar down a seizureapreensão,
312
730000
2000
e apenas pelo tempo necessário para deter a convulsão,
12:27
we're hopingna esperança to be ablecapaz to turnvirar it off.
313
732000
2000
esperamos ser capazes de as desligar.
12:29
And so we don't have datadados to showexposição you on this frontfrente,
314
734000
2000
Nós não temos dados para vos mostrar neste aspecto,
12:31
but we're very excitedanimado about this.
315
736000
2000
mas estamos muito entusiasmados com isto.
12:33
Now I want to closefechar on one storyhistória,
316
738000
2000
Agora, quero terminar com uma história,
12:35
whichqual we think is anotheroutro possibilitypossibilidade --
317
740000
2000
que nós achamos que é outra possibilidade -
12:37
whichqual is that maybe these moleculesmoléculas, if you can do ultra-preciseultra-precisas controlao controle,
318
742000
2000
talvez estas moléculas, se tivermos controlo ultra-preciso,
12:39
can be used in the braincérebro itselfem si
319
744000
2000
possam ser usadas no próprio cérebro
12:41
to make a newNovo kindtipo of prostheticprótese, an opticalóptico prostheticprótese.
320
746000
3000
para fazer um novo tipo de próteses, uma prótese óptica.
12:44
I already told you that electricalelétrico stimulatorsestimuladores are not uncommonincomum.
321
749000
3000
Eu já vos disse que os estimuladores eléctricos não são raros.
12:47
Seventy-fiveSetenta e cinco thousandmil people have Parkinson'sA doença de Parkinson deep-brainprofundo-cérebro stimulatorsestimuladores implantedimplantado.
322
752000
3000
75.000 pessoas têm estimuladores Parkinsoniandos cerebrais implantados.
12:50
Maybe 100,000 people have CochlearCoclear implantsimplantes,
323
755000
2000
Talvez 100.000 pesssoas tenham implantes cocleares,
12:52
whichqual allowpermitir them to hearouvir.
324
757000
2000
que lhes permitem ouvir.
12:54
There's anotheroutro thing, whichqual is you've got to get these genesgenes into cellscélulas.
325
759000
3000
Este é outro exemplo, onde podemos introduzir estes genes nas células.
12:57
And newNovo hopeesperança in genegene therapyterapia has been developeddesenvolvido
326
762000
3000
E uma nova esperança na terapia genética tem-se desenvolvido
13:00
because virusesvírus like the adeno-associatedadeno-associado virusvírus,
327
765000
2000
porque vírus como o Vírus Adeno-Associado,
13:02
whichqual probablyprovavelmente mosta maioria of us around this roomquarto have,
328
767000
2000
que provavelmente a maioria de nós nesta sala possuímos,
13:04
and it doesn't have any symptomssintomas,
329
769000
2000
sem manifestação de qualquer sintoma,
13:06
whichqual have been used in hundredscentenas of patientspacientes
330
771000
2000
que tem sido usado em centenas de pacientes
13:08
to deliverentregar genesgenes into the braincérebro or the bodycorpo.
331
773000
2000
para introduzir genes no cérebro ou no corpo.
13:10
And so farlonge, there have not been seriousgrave adverseadversas eventseventos
332
775000
2000
E até agora, não ocorreram efeitos adversos graves
13:12
associatedassociado with the virusvírus.
333
777000
2000
associados ao vírus.
13:14
There's one last elephantelefante in the roomquarto, the proteinsproteínas themselvessi mesmos,
334
779000
3000
Há um último elefante na sala, as próprias proteínas,
13:17
whichqual come from algaealgas and bacteriabactérias and fungifungos,
335
782000
2000
que vêm das algas, bactérias e fungos,
13:19
and all over the treeárvore of life.
336
784000
2000
e de toda a árvore da vida.
13:21
MostMaioria of us don't have fungifungos or algaealgas in our brainscérebro,
337
786000
2000
A maioria de nós não tem fungos ou algas no cérebro,
13:23
so what is our braincérebro going to do if we put that in?
338
788000
2000
então, o que irá o nosso cérebro fazer se nós os colocarmos lá?
13:25
Are the cellscélulas going to toleratetolerar it? Will the immuneimune systemsistema reactreagir?
339
790000
2000
Será que as células vão tolerá-lo? O sistema imunitário irá reagir?
13:27
In its earlycedo daysdias -- these have not been donefeito on humanshumanos yetainda --
340
792000
2000
Nesta fase inicial - isto ainda não foi tentado em humanos -
13:29
but we're workingtrabalhando on a varietyvariedade of studiesestudos
341
794000
2000
nós estamos a trabalhar numa série de estudos
13:31
to try and examineexaminar this,
342
796000
2000
para experimentar e examinar isto.
13:33
and so farlonge we haven'tnão tem seenvisto overtabertos reactionsreações of any severitygravidade
343
798000
3000
E até agora ainda não vimos nenhuma grande reacção severa a acontecer
13:36
to these moleculesmoléculas
344
801000
2000
a estas moléculas
13:38
or to the illuminationiluminação of the braincérebro with lightluz.
345
803000
3000
ou à iluminação do cérebro com luz.
13:41
So it's earlycedo daysdias, to be upfrontadiantado, but we're excitedanimado about it.
346
806000
3000
Ainda é cedo, mas estamos entusiasmados com isto.
13:44
I wanted to closefechar with one storyhistória,
347
809000
2000
Eu quero fechar com uma história,
13:46
whichqual we think could potentiallypotencialmente
348
811000
2000
que achamos que poderá ter potencial
13:48
be a clinicalclínico applicationaplicação.
349
813000
2000
para aplicação clínica.
13:50
Now there are manymuitos formsformas of blindnesscegueira
350
815000
2000
Existem muitos tipos de cegueira
13:52
where the photoreceptorsfotorreceptores,
351
817000
2000
onde os fotorreceptores,
13:54
our lightluz sensorssensores that are in the back of our eyeolho, are gonefoi.
352
819000
3000
os nossos sensores de luz que estão na parte de trás do olho, já não funcionam.
13:57
And the retinaretina, of coursecurso, is a complexcomplexo structureestrutura.
353
822000
2000
E claro, a retina é uma estrutura complexa.
13:59
Now let's zoomzoom in on it here, so we can see it in more detaildetalhe.
354
824000
2000
Agora vamo-nos focar aqui, para podermos ver detalhadamente.
14:01
The photoreceptorfotorreceptoras cellscélulas are shownmostrando here at the toptopo,
355
826000
3000
As células fotorreceptoras aparecem aqui no topo,
14:04
and then the signalssinais that are detecteddetectado by the photoreceptorsfotorreceptores
356
829000
2000
e depois, os sinais que são detectados pelos fotorreceptores
14:06
are transformedtransformado by variousvários computationscálculos
357
831000
2000
são transformados por vários processos,
14:08
untilaté finallyfinalmente that layercamada of cellscélulas at the bottominferior, the gangliongânglio cellscélulas,
358
833000
3000
até que a última camada de células do fundo, as células gangliais,
14:11
relayrelé the informationem formação to the braincérebro,
359
836000
2000
transmitem a informação ao cérebro,
14:13
where we see that as perceptionpercepção.
360
838000
2000
onde vemos isso como uma percepção.
14:15
In manymuitos formsformas of blindnesscegueira, like retinitisRetinite pigmentosapigmentosa,
361
840000
3000
Em muitas formas de cegueira, como a retinite pigmentosa,
14:18
or macularmacular degenerationdegeneração,
362
843000
2000
ou a degeneração macular,
14:20
the photoreceptorfotorreceptoras cellscélulas have atrophiedatrofiados or been destroyeddestruído.
363
845000
3000
as células fotorreceptoras atrofiaram ou foram destruídas.
14:23
Now how could you repairreparar this?
364
848000
2000
Como podemos reparar isto?
14:25
It's not even clearClaro that a drugdroga could causecausa this to be restoredrestaurado,
365
850000
3000
Não é sequer claro que um medicamento possa restaurar isto,
14:28
because there's nothing for the drugdroga to bindligar to.
366
853000
2000
porque não há nada onde a substância se possa ligar.
14:30
On the other handmão, lightluz can still get into the eyeolho.
367
855000
2000
Por outro lado, a luz continua a chegar até ao olho.
14:32
The eyeolho is still transparenttransparente and you can get lightluz in.
368
857000
3000
O olho ainda é transparente e recebe luz no interior.
14:35
So what if we could just take these channelrhodopsinschannelrhodopsins and other moleculesmoléculas
369
860000
3000
Então, e se nós pudermos pegar nestas channelrhodopsins e em outras moléculas
14:38
and installinstalar them on some of these other sparepoupar cellscélulas
370
863000
2000
e instalá-las em algumas destas outras células de reserva
14:40
and convertconverter them into little camerascâmeras.
371
865000
2000
e convertê-las em pequenas câmaras.
14:42
And because there's so manymuitos of these cellscélulas in the eyeolho,
372
867000
2000
E como existem tantas células destas no olho,
14:44
potentiallypotencialmente, they could be very high-resolutionalta resolução camerascâmeras.
373
869000
3000
provavelmente, elas poderiam ser câmaras de alta-resolução.
14:47
So this is some work that we're doing.
374
872000
2000
Este é algum do trabalho que temos andado a fazer.
14:49
It's beingser led by one of our collaboratorscolaboradores,
375
874000
2000
Está a ser liderado por um dos nossos colaboradores,
14:51
AlanAlan HorsagerHorsager at USCUSC,
376
876000
2000
Alan Horsager da USC,
14:53
and beingser soughtbuscou to be commercializedcomercializados by a start-upstart-up companyempresa EosEOS NeuroscienceNeurociência,
377
878000
3000
e procurado para comercialização por uma empresa recente, Eos Neuroscience,
14:56
whichqual is fundedfinanciado by the NIHNIH.
378
881000
2000
criada pelo NIH.
14:58
And what you see here is a mouserato tryingtentando to solveresolver a mazeLabirinto.
379
883000
2000
E o que vocês vêem aqui é um rato a tentar resolver um labirinto.
15:00
It's a six-arm6-braço mazeLabirinto. And there's a bitpouco of wateragua in the mazeLabirinto
380
885000
2000
É um labirinto de seis braços. E há alguma água no labirinto
15:02
to motivatemotivar the mouserato to movemover, or he'llinferno just sitsentar there.
381
887000
2000
para motivar o rato a mover-se, ou então ele ficaria apenas ali parado.
15:04
And the goalobjetivo, of coursecurso, of this mazeLabirinto
382
889000
2000
E o objectivo deste labirinto é, claro,
15:06
is to get out of the wateragua and go to a little platformplataforma
383
891000
2000
sair da água e ir para uma pequena plataforma
15:08
that's undersob the litaceso toptopo portporta.
384
893000
2000
que está sob a porta de cima.
15:10
Now miceratos are smartinteligente, so this mouserato solvesresolve the mazeLabirinto eventuallyeventualmente,
385
895000
3000
Os ratos são espertos, por isso este rato vai acabar por sair deste labirinto,
15:13
but he does a brute-forceforça bruta searchpesquisa.
386
898000
2000
mas ele faz uma pesquisa exaustiva.
15:15
He's swimmingnatação down everycada avenueAvenida untilaté he finallyfinalmente getsobtém to the platformplataforma.
387
900000
3000
Ele nada por todas as avenidas até que entra finalmente na plataforma.
15:18
So he's not usingusando visionvisão to do it.
388
903000
2000
Ele não está a usar a visão para isso.
15:20
These differentdiferente miceratos are differentdiferente mutationsmutações
389
905000
2000
Estes ratos são o resultado de mutações diferentes
15:22
that recapitulaterecapitular differentdiferente kindstipos of blindnesscegueira that affectafetar humanshumanos.
390
907000
3000
que retratam diferentes tipos de cegueira que afecta os humanos.
15:25
And so we're beingser carefulCuidado in tryingtentando to look at these differentdiferente modelsmodelos
391
910000
3000
E nós temos sidos cuidadosos em olhar para estes modelos diferentes,
15:28
so we come up with a generalizedgeneralizada approachabordagem.
392
913000
2000
e por isso temos uma abordagem generalizada.
15:30
So how are we going to solveresolver this?
393
915000
2000
Então como vamos resolver isto?
15:32
We're going to do exactlyexatamente what we outlineddescritas in the previousanterior slidedeslizar.
394
917000
2000
Nós vamos fazer exactamente o que mostrei no slide anterior.
15:34
We're going to take these blueazul lightluz photosensorsfotosensores
395
919000
2000
Vamos usar estes fotossensores de luz azul
15:36
and installinstalar them on a layercamada of cellscélulas
396
921000
2000
e instalá-los numa camada de células
15:38
in the middlemeio of the retinaretina in the back of the eyeolho
397
923000
3000
no meio da retina na parte de trás do olho
15:41
and convertconverter them into a cameraCâmera --
398
926000
2000
e convertê-los numa câmara.
15:43
just like installingInstalando solarsolar cellscélulas all over those neuronsneurônios
399
928000
2000
É como instalar células solares em todos aqueles neurónios
15:45
to make them lightluz sensitivesensível.
400
930000
2000
para os fazer sensíveis à luz.
15:47
LightLuz is convertedconvertido to electricityeletricidade on them.
401
932000
2000
Neles, a luz é convertida em electricidade.
15:49
So this mouserato was blindcego a couplecasal weekssemanas before this experimentexperimentar
402
934000
3000
Umas semanas antes desta experiência este rato era cego
15:52
and receivedrecebido one dosedose of this photosensitivefotossensível moleculemolécula in a virusvírus.
403
937000
3000
e recebeu uma dose desta molécula fotosensitiva num vírus.
15:55
And now you can see, the animalanimal can indeedde fato avoidevitar wallsparedes
404
940000
2000
E agora vocês podem ver que o animal está a evitar as paredes
15:57
and go to this little platformplataforma
405
942000
2000
e vai para esta pequena plataforma
15:59
and make cognitivecognitivo use of its eyesolhos again.
406
944000
3000
e faz uso cognitivo dos seus olhos outra vez.
16:02
And to pointponto out the powerpoder of this:
407
947000
2000
E para realçar o valor disto:
16:04
these animalsanimais are ablecapaz to get to that platformplataforma
408
949000
2000
estes animais são capazes de chegar à plataforma
16:06
just as fastvelozes as animalsanimais that have seenvisto theirdeles entireinteira livesvidas.
409
951000
2000
tão depressa quanto os animais que sempre viram.
16:08
So this pre-clinicalpré-clínicos studyestude, I think,
410
953000
2000
Então eu penso que este estudo pré-clínico,
16:10
bodesé um sinal hopeesperança for the kindstipos of things
411
955000
2000
augura esperança para todo o tipo de coisas
16:12
we're hopingna esperança to do in the futurefuturo.
412
957000
2000
que esperamos fazer no futuro.
16:14
To closefechar, I want to pointponto out that we're alsoAlém disso exploringexplorando
413
959000
3000
Para terminar, eu quero realçar que nós também estamos a explorar
16:17
newNovo businesso negócio modelsmodelos for this newNovo fieldcampo of neurotechnologyNeurotecnologia.
414
962000
2000
novos modelos de negócios para este novo campo da neurotecnologia.
16:19
We're developingem desenvolvimento these toolsFerramentas,
415
964000
2000
Nós estamos a desenvolver estas ferramentas,
16:21
but we sharecompartilhar them freelylivremente with hundredscentenas of groupsgrupos all over the worldmundo,
416
966000
2000
mas nós partilhamo-las gratuitamente com grupos por todo o mundo,
16:23
so people can studyestude and try to treattratar differentdiferente disordersdesordens.
417
968000
2000
de modo a que as pessoas possam estudar e tentar curar diversas doenças.
16:25
And our hopeesperança is that, by figuringfigurando out braincérebro circuitscircuitos
418
970000
3000
E a nossa esperança é que, descobrindo os circuitos cerebrais
16:28
at a levelnível of abstractionabstração that letsvamos us repairreparar them and engineerengenheiro them,
419
973000
3000
a um nível de abstracção tal que nos permita repará-los e modificá-los,
16:31
we can take some of these intractableintratável disordersdesordens that I told you about earliermais cedo,
420
976000
3000
possamos pegar em algumas destas doenças incuráveis de que vos falei antes,
16:34
practicallypraticamente noneNenhum of whichqual are curedcurado,
421
979000
2000
praticamente nenhuma delas curável,
16:36
and in the 21stst centuryséculo make them historyhistória.
422
981000
2000
e fazê-las passar à história no século XXI.
16:38
Thank you.
423
983000
2000
Obrigado.
16:40
(ApplauseAplausos)
424
985000
13000
(Aplausos)
16:53
JuanJuan EnriquezEnriquez: So some of the stuffcoisa is a little densedenso.
425
998000
3000
Juan Enriquez: algumas destas coisas são um pouco densas.
16:56
(LaughterRiso)
426
1001000
2000
(Risos)
16:58
But the implicationsimplicações
427
1003000
2000
Mas as implicações
17:00
of beingser ablecapaz to controlao controle seizuresapreensões or epilepsyepilepsia
428
1005000
3000
de ser possível controlar as convulsões ou a epilepsia
17:03
with lightluz insteadem vez de of drugsdrogas,
429
1008000
2000
com luz em vez de medicamentos,
17:05
and beingser ablecapaz to targetalvo those specificallyespecificamente
430
1010000
3000
e ser possível atingi-los especificamente
17:08
is a first stepdegrau.
431
1013000
2000
é um primeiro passo.
17:10
The secondsegundo thing that I think I heardouviu you say
432
1015000
2000
A segunda coisa que eu acho que o ouvi dizer
17:12
is you can now controlao controle the braincérebro in two colorscores,
433
1017000
3000
é que você agora pode controlar o cérebro com duas cores.
17:15
like an on/off switchinterruptor.
434
1020000
2000
Como ligar/desligar.
17:17
EdEd BoydenBoyden: That's right.
435
1022000
2000
Ed Boyen: É isso mesmo.
17:19
JEJE: WhichQue makesfaz com que everycada impulseimpulso going throughatravés the braincérebro a binarybinário codecódigo.
436
1024000
3000
JE: O que faz com que cada impulso que viaja pelo cérebro seja um código binário.
17:22
EBEB: Right, yeah.
437
1027000
2000
EB: Sim.
17:24
So with blueazul lightluz, we can drivedirigir informationem formação, and it's in the formFormato of a one.
438
1029000
3000
Assim com luz azul nós podemos guiar informação, e isso é como um 1.
17:27
And by turninggiro things off, it's more or lessMenos a zerozero.
439
1032000
2000
E ao desligar, é mais ou menos como um zero.
17:29
So our hopeesperança is to eventuallyeventualmente buildconstruir braincérebro coprocessorscoprocessadores
440
1034000
2000
Assim a nossa esperança é que eventualmente construamos coprocessadores cerebrais.
17:31
that work with the braincérebro
441
1036000
2000
que trabalhem com o cérebro,
17:33
so we can augmentaumentar functionsfunções in people with disabilitiesdeficiência.
442
1038000
3000
de forma a podermos ampliar as funções em pessoas com deficiências.
17:36
JEJE: And in theoryteoria, that meanssignifica that,
443
1041000
2000
JE: E em teoria, isso quer dizer que,
17:38
as a mouserato feelssente, smellscheiros,
444
1043000
2000
tal como um rato sente, cheira,
17:40
hearsouve, touchestoca,
445
1045000
2000
ouve, toca,
17:42
you can modelmodelo it out as a stringcorda of onesuns and zeroszeros.
446
1047000
3000
você pode modular isso como uma sequência de 1 e 0.
17:45
EBEB: Sure, yeah. We're hopingna esperança to use this as a way of testingtestando
447
1050000
2000
EB: Sim, pois. Nós esperamos poder usar isto como uma forma de testar
17:47
what neuralneural codescódigos de can drivedirigir certaincerto behaviorscomportamentos
448
1052000
2000
que códigos neuronais podem levar a certos comportamentos
17:49
and certaincerto thoughtspensamentos and certaincerto feelingssentimentos,
449
1054000
2000
e a certos pensamentos e certos sentimentos,
17:51
and use that to understandCompreendo more about the braincérebro.
450
1056000
3000
e usar isso para compreender mais sobre o cérebro.
17:54
JEJE: Does that mean that some day you could downloadbaixar memoriesrecordações
451
1059000
3000
JE: Isso quer dizer que um dia poderemos fazer o download de memórias
17:57
and maybe uploadEnvio them?
452
1062000
2000
e talvez o upload delas?
17:59
EBEB: Well that's something we're startinginiciando to work on very hardDifícil.
453
1064000
2000
EB: Bem, isso é algo em que estamos a começar de trabalhar fortemente.
18:01
We're now workingtrabalhando on some work
454
1066000
2000
Estamos agora a trabalhar em algo
18:03
where we're tryingtentando to tiletelha the braincérebro with recordinggravação elementselementos too.
455
1068000
2000
onde tentamos colocar lado a lado o cérebro com elementos registados.
18:05
So we can recordregistro informationem formação and then drivedirigir informationem formação back in --
456
1070000
3000
Assim nós podemos registar informação e depois devolvê-la -
18:08
sortordenar of computingInformática what the braincérebro needsprecisa
457
1073000
2000
o tipo de computação de que o cérebro precisa
18:10
in orderordem to augmentaumentar its informationem formação processingem processamento.
458
1075000
2000
para aumentar o processamento da informação.
18:12
JEJE: Well, that mightpoderia changemudança a couplecasal things. Thank you. (EBEB: Thank you.)
459
1077000
3000
JE: Bem, isso pode mudar algumas coisas. Obrigado. (EB: Obrigado.)
18:15
(ApplauseAplausos)
460
1080000
3000
(Aplausos)
Translated by Joana Neto
Reviewed by Ilona Bastos

▲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