ABOUT THE SPEAKER
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.

Why you should listen

The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.

Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.

He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."

Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>

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

Allan Jones: A map of the brain

Allan Jones: En karta över hjärnan

Filmed:
1,269,611 views

Hur går vi tillväga för att förstå hur hjärnan fungerar? På samma sätt som vi gör för att förstå en stad: genom att göra en karta. I den här visuellt häpnadsväckande föreläsningen visar Allan Jones hur han och hans team kartlägger vilka gener som är aktiva i varje litet område i hjärnan och hur alltihopa är sammankopplat.
- Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain. Full bio

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

00:15
HumansMänniskor have long heldhållen a fascinationfascination
0
0
2000
Människor har länge fascinerats
00:17
for the humanmänsklig brainhjärna.
1
2000
2000
av den mänskliga hjärnan.
00:19
We chartDiagram it, we'vevi har describedbeskriven it,
2
4000
3000
Vi har beskrivit den,
00:22
we'vevi har drawndragen it,
3
7000
2000
vi har tecknat den,
00:24
we'vevi har mappedmappas it.
4
9000
3000
och vi har kartlagt den.
00:27
Now just like the physicalfysisk mapsKartor of our worldvärld
5
12000
3000
Precis som med de fysiska kartorna över vår värld
00:30
that have been highlyi hög grad influencedpåverkas by technologyteknologi --
6
15000
3000
som i stor utsträckning influerats av teknologi –
00:33
think GoogleGoogle MapsKartor,
7
18000
2000
tänk på Google Maps,
00:35
think GPSGPS --
8
20000
2000
tänk på GPS –
00:37
the samesamma thing is happeninghappening for brainhjärna mappingkartläggning
9
22000
2000
så håller nu samma sak på att hända inom hjärnkartläggningen.
00:39
throughgenom transformationomvandling.
10
24000
2000
Verklig förändring.
00:41
So let's take a look at the brainhjärna.
11
26000
2000
Så låt oss titta lite på hjärnan.
00:43
MostDe flesta people, when they first look at a freshfärsk humanmänsklig brainhjärna,
12
28000
3000
När de för första gången ser en färsk mänsklig hjärna
00:46
they say, "It doesn't look what you're typicallytypiskt looking at
13
31000
3000
säger de flesta: "Det ser inte ut som det brukar
00:49
when someonenågon showsvisar you a brainhjärna."
14
34000
2000
när någon visar en en hjärna."
00:51
TypicallyVanligtvis, what you're looking at is a fixedfast brainhjärna. It's graygrå.
15
36000
3000
Vad man vanligtvis får se är då en stelnad hjärna. Den är grå.
00:54
And this outeryttre layerlager, this is the vasculaturevaskulatur,
16
39000
2000
Och det här yttre lagret, det är vaskulaturen,
00:56
whichsom is incredibleotrolig, around a humanmänsklig brainhjärna.
17
41000
2000
som är fantastisk, runt en mänsklig hjärna.
00:58
This is the bloodblod vesselskärl.
18
43000
2000
Detta är blodkärlen.
01:00
20 percentprocent of the oxygensyre
19
45000
3000
20 procent av syret
01:03
comingkommande from your lungslungorna,
20
48000
2000
som kommer från dina lungor,
01:05
20 percentprocent of the bloodblod pumpedpumpas from your hearthjärta,
21
50000
2000
20 procent av blodet som pumpas från ditt hjärta,
01:07
is servicingunderhåll this one organorgan.
22
52000
2000
underhåller detta enda organ.
01:09
That's basicallyi grund och botten, if you holdhåll two fistsnävar togethertillsammans,
23
54000
2000
Ett organ som, om du håller ihop två knytna nävar,
01:11
it's just slightlylite largerstörre than the two fistsnävar.
24
56000
2000
bara är lite större än dessa två nävar.
01:13
ScientistsForskare, sortsortera of at the endslutet of the 20thth centuryårhundrade,
25
58000
3000
Ungefär på slutet av 1900-talet förstod forskare
01:16
learnedlärt mig that they could trackspåra bloodblod flowflöde
26
61000
2000
att de kunde följa blodflödet
01:18
to mapKarta non-invasivelyicke-invasivt
27
63000
3000
för att kartlägga, utan att orsaka skada,
01:21
where activityaktivitet was going on in the humanmänsklig brainhjärna.
28
66000
3000
var aktiviteten fanns i den mänskliga hjärnan.
01:24
So for exampleexempel, they can see in the back partdel of the brainhjärna,
29
69000
3000
Så de kan till exempel undersöka detta i hjärnans bakre del
01:27
whichsom is just turningvändning around there.
30
72000
2000
viken just nu snurrar förbi.
01:29
There's the cerebellumlilla hjärnan; that's keepingförvaring you uprightupprätt right now.
31
74000
2000
Här är lillhjärnan: den håller dig upprätt just nu.
01:31
It's keepingförvaring me standingstående. It's involvedinvolverade in coordinatedsamordnas movementrörelse.
32
76000
3000
Den hjälper mig att stå upp. Den är inblandad i koordinerade rörelser.
01:34
On the sidesida here, this is temporaltimlig cortexbark.
33
79000
3000
På sidan här har vi temporalloben.
01:37
This is the areaområde where primaryprimär auditoryauditiv processingbearbetning --
34
82000
3000
I detta område sker grundläggande ljudbearbetning –
01:40
so you're hearinghörsel my wordsord,
35
85000
2000
så att ni hör mina ord,
01:42
you're sendingsändning it up into higherhögre languagespråk processingbearbetning centerscentra.
36
87000
2000
som sedan skickas till de delar som behandlar språk.
01:44
TowardsMot the frontfrämre of the brainhjärna
37
89000
2000
I den främre delen av hjärnan
01:46
is the placeplats in whichsom all of the more complexkomplex thought, decisionbeslut makingtillverkning --
38
91000
3000
hanteras mer komplexa tankar och beslutsfattning –
01:49
it's the last to matureMogen in latesent adulthoodvuxen ålder.
39
94000
4000
det är också delen som utvecklas sist, sent i ens vuxna liv.
01:53
This is where all your decision-makingbeslutsfattande processesprocesser are going on.
40
98000
3000
Här sker all din beslutsfattning.
01:56
It's the placeplats where you're decidingbeslutar right now
41
101000
2000
Här fattas just nu beslutet
01:58
you probablyförmodligen aren'tinte going to orderbeställa the steakbiff for dinnermiddag.
42
103000
3000
att du förmodligen inte kommer beställa stek till middagen.
02:01
So if you take a deeperdjupare look at the brainhjärna,
43
106000
2000
Så om man tar en närmre titt på hjärnan,
02:03
one of the things, if you look at it in cross-sectiontvärsnitt,
44
108000
2000
om man tittar på den i tvärsnitt,
02:05
what you can see
45
110000
2000
märker man
02:07
is that you can't really see a wholehela lot of structurestrukturera there.
46
112000
3000
att man inte kan se särskilt mycket struktur.
02:10
But there's actuallyfaktiskt a lot of structurestrukturera there.
47
115000
2000
Men i själva verket finns här mycket struktur.
02:12
It's cellsceller and it's wirestrådar all wiredtrådbunden togethertillsammans.
48
117000
2000
Det är celler och ledningar som alla är sammankopplade.
02:14
So about a hundredhundra yearsår agosedan,
49
119000
2000
För ungefär 100 år sedan
02:16
some scientistsvetenskapsmän inventeduppfann a stainfläcken that would stainfläcken cellsceller.
50
121000
2000
uppfann några vetenskapsmän en färg att färga celler med.
02:18
And that's shownvisad here in the the very lightljus blueblå.
51
123000
3000
Det är detta ni ser här i ljusblått.
02:21
You can see areasområden
52
126000
2000
Man kan se områden
02:23
where neuronalneuronala cellcell bodieskroppar are beingvarelse stainedmålat.
53
128000
2000
där nervceller är färgade.
02:25
And what you can see is it's very non-uniformicke-enhetlig. You see a lot more structurestrukturera there.
54
130000
3000
Och man kan se att den inte är särskilt regelbunden. Ni ser mycket mer struktur där.
02:28
So the outeryttre partdel of that brainhjärna
55
133000
2000
Den yttre delen av hjärnan utgörs
02:30
is the neocortexneocortex.
56
135000
2000
av neocortexen.
02:32
It's one continuouskontinuerlig processingbearbetning unitenhet, if you will.
57
137000
3000
Den är som en enda stor bearbetningsenhet.
02:35
But you can alsoockså see things underneathunder there as well.
58
140000
2000
Men man kan se saker under också.
02:37
And all of these blanktom areasområden
59
142000
2000
Och alla dessa tomma ytor
02:39
are the areasområden in whichsom the wirestrådar are runninglöpning throughgenom.
60
144000
2000
är de ytor genom vilka ledningarna löper.
02:41
They're probablyförmodligen lessmindre cellcell densetät.
61
146000
2000
Det är förmodligen färre celler i dem.
02:43
So there's about 86 billionmiljard neuronsneuroner in our brainhjärna.
62
148000
4000
Det finns ungefär 86 miljarder nervceller i vår hjärna.
02:47
And as you can see, they're very non-uniformlyicke-enhetligt distributeddistribuerad.
63
152000
3000
Och som ni kan se är de inte jämnt fördelade.
02:50
And how they're distributeddistribuerad really contributesbidrar
64
155000
2000
Och hur de är fördelade bidrar i själva verket
02:52
to theirderas underlyingunderliggande functionfungera.
65
157000
2000
till deras underliggande funktion.
02:54
And of coursekurs, as I mentionednämnts before,
66
159000
2000
Och självklart, som jag nämnde förut,
02:56
sincesedan we can now startStart to mapKarta brainhjärna functionfungera,
67
161000
3000
eftersom vi nu börjar kunna kartlägga olika hjärnfunktioner
02:59
we can startStart to tieslips these into the individualenskild cellsceller.
68
164000
3000
så kan vi börja knyta dessa till enskilda celler.
03:02
So let's take a deeperdjupare look.
69
167000
2000
Så låt oss ta en djupare titt.
03:04
Let's look at neuronsneuroner.
70
169000
2000
Låt oss titta på nervceller.
03:06
So as I mentionednämnts, there are 86 billionmiljard neuronsneuroner.
71
171000
2000
Som jag nämnde förut finns det 86 miljarder nervceller.
03:08
There are alsoockså these smallermindre cellsceller as you'lldu kommer see.
72
173000
2000
Men det finns, som ni kommer se, också dessa mindre celler.
03:10
These are supportStöd cellsceller -- astrocytesastrocyter gliaglia.
73
175000
2000
Dessa är stödceller – astrocyter.
03:12
And the nervesnerver themselvessig själva
74
177000
3000
Och det är nervcellerna själva
03:15
are the onesettor who are receivingtar emot inputinmatning.
75
180000
2000
som tar emot signaler.
03:17
They're storinglagring it, they're processingbearbetning it.
76
182000
2000
De lagrar den. De bearbetar den.
03:19
EachVarje neuronnervcell is connectedansluten viavia synapsessynapser
77
184000
4000
Varje enskild nervcell kopplas via synapser
03:23
to up to 10,000 other neuronsneuroner in your brainhjärna.
78
188000
3000
till upp till 10 000 andra nervceller i din hjärna.
03:26
And eachvarje neuronnervcell itselfsig
79
191000
2000
Och varje enskild nervcell
03:28
is largelyi stora drag uniqueunik.
80
193000
2000
är till stora delar unik.
03:30
The uniqueunik characterkaraktär of bothbåde individualenskild neuronsneuroner
81
195000
2000
Den unika karaktären hos både enskilda nervceller
03:32
and neuronsneuroner withininom a collectionsamling of the brainhjärna
82
197000
2000
och nervceller inom ett visst område i hjärnan
03:34
are drivendriven by fundamentalgrundläggande propertiesegenskaper
83
199000
3000
beror på grundläggande egenskaper
03:37
of theirderas underlyingunderliggande biochemistrybiokemi.
84
202000
2000
i deras biokemi.
03:39
These are proteinsproteiner.
85
204000
2000
Detta är proteiner
03:41
They're proteinsproteiner that are controllingkontrollerande things like ionIon channelkanalisera movementrörelse.
86
206000
3000
De är proteiner som kontrollerar saker som flödet i jonkanaler.
03:44
They're controllingkontrollerande who nervousnervös systemsystemet cellsceller partnerpartner up with.
87
209000
4000
De kontrollerar vilka som nervsystemcellerna parar ihop sig med.
03:48
And they're controllingkontrollerande
88
213000
2000
Och de styr
03:50
basicallyi grund och botten everything that the nervousnervös systemsystemet has to do.
89
215000
2000
egentligen allt som nervsystemet har att sköta.
03:52
So if we zoomzoom in to an even deeperdjupare levelnivå,
90
217000
3000
Om vi zoomar in på en ännu djupare nivå,
03:55
all of those proteinsproteiner
91
220000
2000
så är alla dessa proteiner
03:57
are encodedkodade by our genomesgenomen.
92
222000
2000
kodade i våra genom.
03:59
We eachvarje have 23 pairspar of chromosomeskromosomer.
93
224000
3000
Vi har alla 23 par kromosomer.
04:02
We get one from mommamma, one from dadpappa.
94
227000
2000
Vi får en från mamma och en från pappa.
04:04
And on these chromosomeskromosomer
95
229000
2000
Och på dessa kromosomer
04:06
are roughlyungefär 25,000 genesgener.
96
231000
2000
finns ungefär 25 000 gener.
04:08
They're encodedkodade in the DNADNA.
97
233000
2000
De finns kodade i DNA:t.
04:10
And the naturenatur of a givengiven cellcell
98
235000
3000
Och varje enskild cells egenskaper
04:13
drivingkörning its underlyingunderliggande biochemistrybiokemi
99
238000
2000
som styr dess biokemi
04:15
is dictateddikteras by whichsom of these 25,000 genesgener
100
240000
3000
bestäms av vilka av dessa 25 000 gener som
04:18
are turnedvände on
101
243000
2000
aktiveras
04:20
and at what levelnivå they're turnedvände on.
102
245000
2000
och på vilken nivå de aktiveras.
04:22
And so our projectprojekt
103
247000
2000
Så vårt projekt
04:24
is seekingsökande to look at this readoutavläsning,
104
249000
3000
går ut på att titta på resultatet
04:27
understandingförståelse whichsom of these 25,000 genesgener is turnedvände on.
105
252000
3000
för att förstå vilka av dessa 25 000 gener som aktiveras.
04:30
So in orderbeställa to undertakeåtar sig suchsådan a projectprojekt,
106
255000
3000
För att kunna ta sig an ett sådant projekt
04:33
we obviouslysjälvklart need brainshjärnor.
107
258000
3000
behöver vi naturligtvis hjärnor.
04:36
So we sentskickat our lablabb techniciantekniker out.
108
261000
3000
Så vi skickade ut vår labbtekniker.
04:39
We were seekingsökande normalvanligt humanmänsklig brainshjärnor.
109
264000
2000
Vi ville ha normala människohjärnor.
04:41
What we actuallyfaktiskt startStart with
110
266000
2000
I själva verket börjar vi
04:43
is a medicalmedicinsk examiner'sgranskarens officekontor.
111
268000
2000
i obduktionssalen.
04:45
This a placeplats where the deaddöd are broughttog med in.
112
270000
2000
Det är hit döda förs.
04:47
We are seekingsökande normalvanligt humanmänsklig brainshjärnor.
113
272000
2000
Vi letar efter normala mänskliga hjärnor.
04:49
There's a lot of criteriakriterier by whichsom we're selectingatt välja these brainshjärnor.
114
274000
3000
Vi väljer ut hjärnorna enligt en mängd kriterier.
04:52
We want to make sure
115
277000
2000
Vi vill försäkra oss om att
04:54
that we have normalvanligt humansmänniskor betweenmellan the agesåldrar of 20 to 60,
116
279000
3000
vi får normala människor mellan 20 och 60 år
04:57
they dieddog a somewhatnågot naturalnaturlig deathdöd
117
282000
2000
som dog en relativt naturlig död
04:59
with no injuryskada to the brainhjärna,
118
284000
2000
utan skador på hjärnan,
05:01
no historyhistoria of psychiatricpsykiatriska diseasesjukdom,
119
286000
2000
utan dokumenterad psykisk sjukdom,
05:03
no drugsnarkotika on boardstyrelse --
120
288000
2000
utan droger –
05:05
we do a toxicologytoxikologi workupworkup.
121
290000
2000
vi utför en toxologisk undersökning.
05:07
And we're very carefulförsiktig
122
292000
2000
Och vi är mycket försiktiga
05:09
about the brainshjärnor that we do take.
123
294000
2000
med de hjärnor som vi tar.
05:11
We're alsoockså selectingatt välja for brainshjärnor
124
296000
2000
Vi väljer också hjärnor
05:13
in whichsom we can get the tissuevävnad,
125
298000
2000
från vilka vi kan ta vävnad,
05:15
we can get consentsamtycke to take the tissuevävnad
126
300000
2000
där vi kan få medgivande att ta vävnaden
05:17
withininom 24 hourstimmar of time of deathdöd.
127
302000
2000
inom 24 timmar efter att personen dött.
05:19
Because what we're tryingpåfrestande to measuremäta, the RNARNA --
128
304000
3000
Eftersom det vi försöker mäta, RNA:t –
05:22
whichsom is the readoutavläsning from our genesgener --
129
307000
2000
vilket är transkriptionen av våra gener –
05:24
is very labilelabila,
130
309000
2000
är väldigt instabilt
05:26
and so we have to moveflytta very quicklysnabbt.
131
311000
2000
så måste vi agera väldigt snabbt.
05:28
One sidesida notenotera on the collectionsamling of brainshjärnor:
132
313000
3000
En liten avstickare om att samla hjärnor:
05:31
because of the way that we collectsamla,
133
316000
2000
på grund av sättet som vi samlar hjärnor på
05:33
and because we requirebehöva consentsamtycke,
134
318000
2000
och eftersom vi kräver samtycke
05:35
we actuallyfaktiskt have a lot more malemanlig brainshjärnor than femalekvinna brainshjärnor.
135
320000
3000
så har vi många fler manshjärnor än kvinnohjärnor.
05:38
MalesMän are much more likelytroligt to die an accidentaloavsiktlig deathdöd in the primefrämsta of theirderas life.
136
323000
3000
Män löper nämligen mycket större risk att dö i en olycka mitt i livet.
05:41
And menmän are much more likelytroligt
137
326000
2000
Och det är mycket större sannolikhet att
05:43
to have theirderas significantsignifikant other, spousemake, give consentsamtycke
138
328000
3000
deras partners, deras fruar ger sitt samtycke
05:46
than the other way around.
139
331000
2000
än åt andra hållet.
05:48
(LaughterSkratt)
140
333000
4000
(Skratt)
05:52
So the first thing that we do at the sitewebbplats of collectionsamling
141
337000
2000
Så det första vi gör vi insamlingsplatsen
05:54
is we collectsamla what's calledkallad an MRHERR.
142
339000
2000
är att vi tar en så kallad MR.
05:56
This is magneticmagnetisk resonanceresonans imagingImaging -- MRIMRI.
143
341000
2000
Detta är magnetic resonance imaging – MRI.
05:58
It's a standardstandard- templatemall by whichsom we're going to hanghänga the restresten of this datadata.
144
343000
3000
Det är en standardmall som vi sen placerar in resten av datan i.
06:01
So we collectsamla this MRHERR.
145
346000
2000
Så vi tar denna MR.
06:03
And you can think of this as our satellitesatellit viewse for our mapKarta.
146
348000
2000
Ni kan tänka er detta som satellitbilden för vår karta.
06:05
The nextNästa thing we do
147
350000
2000
Nästa sak vi gör
06:07
is we collectsamla what's calledkallad a diffusiondiffusion tensortensor imagingImaging.
148
352000
3000
är att vi tar en så kallad DTI (Diffusion Tensor Imaging).
06:10
This mapsKartor the largestor cablingkablar in the brainhjärna.
149
355000
2000
Detta visar hjärnans kablage.
06:12
And again, you can think of this
150
357000
2000
Ni kan tänka er detta ungefär som
06:14
as almostnästan mappingkartläggning our interstateInterstate highwaysmotorvägar, if you will.
151
359000
2000
att göra en karta över våra landsvägar.
06:16
The brainhjärna is removedtog bort from the skullskalle,
152
361000
2000
Hjärnan plockas ut ur skallen,
06:18
and then it's slicedskivad into one-centimeteren-centimeter slicesskivor.
153
363000
3000
och sen skärs den i en centimeter tjocka skivor.
06:21
And those are frozenfrysta solidfast,
154
366000
2000
Dessa fryser vi
06:23
and they're shippedskickat to SeattleSeattle.
155
368000
2000
och skickar till Seattle.
06:25
And in SeattleSeattle, we take these --
156
370000
2000
Och i Seattle tar vi dessa –
06:27
this is a wholehela humanmänsklig hemispherehalvklotet --
157
372000
2000
detta är en hel hemisfär –
06:29
and we put them into what's basicallyi grund och botten a glorifiedförhärligad meatkött slicerslicer.
158
374000
2000
och så stoppar vi dem i vad som egentligen är en förfinad köttskivare.
06:31
There's a bladeBlade here that's going to cutskära acrosstvärs över
159
376000
2000
Här finns ett blad som skär rakt igenom
06:33
a sectionsektion of the tissuevävnad
160
378000
2000
en sektion av vävnaden
06:35
and transferöverföra it to a microscopemikroskopet slideglida.
161
380000
2000
och för över den till ett objektglas.
06:37
We're going to then applytillämpa one of those stainsfläckar to it,
162
382000
2000
Sen applicerar vi färgen på den
06:39
and we scanskanna it.
163
384000
2000
och sen scannar vi den.
06:41
And then what we get is our first mappingkartläggning.
164
386000
3000
Och det vi får då är vår första kartläggning.
06:44
So this is where expertsexperter come in
165
389000
2000
Det är här experterna kommer in i bilden
06:46
and they make basicgrundläggande anatomicanatomiska assignmentsuppdrag.
166
391000
2000
och de utför grundläggande anatomiska uppgifter.
06:48
You could consideröverväga this statestat boundariesgränser, if you will,
167
393000
3000
Ni kan tänka er detta som gränser mellan stater,
06:51
those prettySöt broadbred outlineskonturer.
168
396000
2000
ganska breda gränser.
06:53
From this, we're ablestånd to then fragmentfragmentet that brainhjärna into furtherytterligare piecesbitar,
169
398000
4000
Från detta kan vi sedan dela upp hjärnan i ännu fler delar
06:57
whichsom then we can put on a smallermindre cryostatkryostaten.
170
402000
2000
vilka vi sedan kan lägga på en mindre kryostat.
06:59
And this is just showingsom visar this here --
171
404000
2000
Det är detta ni ser här –
07:01
this frozenfrysta tissuevävnad, and it's beingvarelse cutskära.
172
406000
2000
den här frusna vävnaden som skärs.
07:03
This is 20 micronsmikrometer thintunn, so this is about a babybebis hair'shårets widthbredd.
173
408000
3000
Den är 20 mikrometer tjocka, ungefär samma tjocklek som ett bebishår.
07:06
And rememberkom ihåg, it's frozenfrysta.
174
411000
2000
Och kom ihåg att den är frusen
07:08
And so you can see here,
175
413000
2000
Och här kan ni se
07:10
old-fashionedgammaldags technologyteknologi of the paintbrushpensel beingvarelse appliedapplicerad.
176
415000
2000
gammaldags penselteknik användas.
07:12
We take a microscopemikroskopet slideglida.
177
417000
2000
Vi tar ett objektglas.
07:14
Then we very carefullyförsiktigt meltsmälta ontotill the slideglida.
178
419000
3000
Provet smälter och fastnar på objektglaset.
07:17
This will then go ontotill a robotrobot
179
422000
2000
Detta stoppas sedan i en robot
07:19
that's going to applytillämpa one of those stainsfläckar to it.
180
424000
3000
som applicerar färg på det.
07:26
And our anatomistsanatomer are going to go in and take a deeperdjupare look at this.
181
431000
3000
Våra anatomister kommer sedan undersöka detta närmre.
07:29
So again this is what they can see underunder the microscopemikroskopet.
182
434000
2000
Så detta är vad de ser i mikroskopet.
07:31
You can see collectionssamlingar and configurationskonfigurationer
183
436000
2000
Man kan se samlingar och konfigurationer
07:33
of largestor and smallsmå cellsceller
184
438000
2000
av stora och små celler
07:35
in clusterskluster and variousolika placesplatser.
185
440000
2000
i kluster och utspridda på olika ställen.
07:37
And from there it's routinerutin-. They understandförstå where to make these assignmentsuppdrag.
186
442000
2000
Och från här är det rutin. De vet var de ska utföra sina uppgifter.
07:39
And they can make basicallyi grund och botten what's a referencereferens atlasAtlas.
187
444000
3000
De kan alltså göra ett slags referensverk.
07:42
This is a more detaileddetaljerad mapKarta.
188
447000
2000
Detta är en som en mer detaljerad karta.
07:44
Our scientistsvetenskapsmän then use this
189
449000
2000
Våra forskare använder sig sedan av denna
07:46
to go back to anotherannan piecebit of that tissuevävnad
190
451000
3000
för att gå tillbaka till en annan bit av samma vävnad
07:49
and do what's calledkallad laserlaser scanningläser in microdissectionlokalt.
191
454000
2000
och utföra en så kallad LMD (Laser MicroDissection)
07:51
So the techniciantekniker takes the instructionsinstruktioner.
192
456000
3000
Teknikern tar sedan dessa instruktioner.
07:54
They scribeScribe alonglängs a placeplats there.
193
459000
2000
De gör en markering runt ett område.
07:56
And then the laserlaser actuallyfaktiskt cutsnedskärningar.
194
461000
2000
Och sen skär lasern ut det.
07:58
You can see that blueblå dotpunkt there cuttingskärande. And that tissuevävnad fallsfalls off.
195
463000
3000
Ni kan se den blå punkten där som skär. Och den vävnaden faller av.
08:01
You can see on the microscopemikroskopet slideglida here,
196
466000
2000
Det kan ni se på objektglaset här
08:03
that's what's happeninghappening in realverklig time.
197
468000
2000
det är det som sker i realtid.
08:05
There's a containerbehållare underneathunder that's collectingsamlar that tissuevävnad.
198
470000
3000
Undertill finns en behållare som samlar upp vävnaden.
08:08
We take that tissuevävnad,
199
473000
2000
Vi tar den vävnaden,
08:10
we purifyrena the RNARNA out of it
200
475000
2000
vi extraherar RNA från den,
08:12
usinganvänder sig av some basicgrundläggande technologyteknologi,
201
477000
2000
med enkel teknik
08:14
and then we put a florescentfluorescerande tagtag on it.
202
479000
2000
och sen sätter vi en fluorescerande markör på den.
08:16
We take that taggedTaggade materialmaterial
203
481000
2000
Vi tar det markerade materialet
08:18
and we put it on to something calledkallad a microarraymicroarray.
204
483000
3000
och stoppar det på en så kallad en "microarray"
08:21
Now this mayMaj look like a bunchknippa of dotsprickar to you,
205
486000
2000
Det här ser kanske bara ut som en massa pinkter för er
08:23
but eachvarje one of these individualenskild dotsprickar
206
488000
2000
men på varje enskild punkt
08:25
is actuallyfaktiskt a uniqueunik piecebit of the humanmänsklig genomegenomet
207
490000
2000
sitter faktiskt en unik del av det mänskliga genomet
08:27
that we spottedFläckig down on glassglas.
208
492000
2000
som vi fäst i punkter på en glasskiva.
08:29
This has roughlyungefär 60,000 elementselement on it,
209
494000
3000
Den här har ungefär 60 000 punkter på sig
08:32
so we repeatedlyupprepat measuremäta variousolika genesgener
210
497000
3000
så vi mäter upprepade gånger olika gener
08:35
of the 25,000 genesgener in the genomegenomet.
211
500000
2000
av de 25 000 generna i genomet
08:37
And when we take a sampleprov and we hybridizehybridisera it to it,
212
502000
3000
Och då vi tar ett prov och applicerar det på skivan
08:40
we get a uniqueunik fingerprintfingeravtryck, if you will,
213
505000
2000
får vi ett unikt fingeravtryck
08:42
quantitativelykvantitativt of what genesgener are turnedvände on in that sampleprov.
214
507000
3000
kvantitativt av vilka gener som är aktiverade i provet.
08:45
Now we do this over and over again,
215
510000
2000
Den här processen gör vi om och om igen
08:47
this processbearbeta for any givengiven brainhjärna.
216
512000
3000
med varje hjärna.
08:50
We're takingtar over a thousandtusen samplesprover for eachvarje brainhjärna.
217
515000
3000
Vi tar över 1000 prover på varje hjärna.
08:53
This areaområde shownvisad here is an areaområde calledkallad the hippocampushippocampus.
218
518000
3000
Området som visas här kallas hippocampus.
08:56
It's involvedinvolverade in learninginlärning and memoryminne.
219
521000
2000
Det är inblandat i inlärning och minne.
08:58
And it contributesbidrar to about 70 samplesprover
220
523000
3000
Och det bidrar med ungefär 70
09:01
of those thousandtusen samplesprover.
221
526000
2000
av de 1000 proverna.
09:03
So eachvarje sampleprov getsblir us about 50,000 datadata pointspoäng
222
528000
4000
Varje prov ger oss ungefär 50 000 datapunkter
09:07
with repeatupprepa measurementsmätningar, a thousandtusen samplesprover.
223
532000
3000
med upprepade mätningar, tusen prover.
09:10
So roughlyungefär, we have 50 millionmiljon datadata pointspoäng
224
535000
2000
Vi får alltså ungefär 50 miljoner datapunkter
09:12
for a givengiven humanmänsklig brainhjärna.
225
537000
2000
för varje hjärna.
09:14
We'veVi har doneGjort right now
226
539000
2000
Vi har i nuläget
09:16
two humanmänsklig brains-worthhjärnor-värd of datadata.
227
541000
2000
två hjärnors data.
09:18
We'veVi har put all of that togethertillsammans
228
543000
2000
Vi har satt ihop all denna data
09:20
into one thing,
229
545000
2000
till en sak
09:22
and I'll showshow you what that synthesissyntes looksutseende like.
230
547000
2000
och jag ska visa er hur den syntesen ser ut.
09:24
It's basicallyi grund och botten a largestor datadata setuppsättning of informationinformation
231
549000
3000
Det är som en stor datamängd med information
09:27
that's all freelyfritt availabletillgängliga to any scientistforskare around the worldvärld.
232
552000
3000
som vilken forskare som helst i världen har fri tillgång till.
09:30
They don't even have to loglogga in to come use this toolverktyg,
233
555000
3000
De behöver inte ens logga in för att kunna använda det här verktyget,
09:33
minemina this datadata, find interestingintressant things out with this.
234
558000
4000
att gräva i den här datan och hitta intressanta saker.
09:37
So here'shär är the modalitiesmodaliteter that we put togethertillsammans.
235
562000
3000
Det här är delarna vi har satt ihop.
09:40
You'llDu kommer startStart to recognizeerkänna these things from what we'vevi har collectedsamlade in before.
236
565000
3000
Ni kommer känna igen de här sakerna från tidigare.
09:43
Here'sHär är the MRHERR. It provideserbjuder the frameworkramverk.
237
568000
2000
Här är MR-scanningen. Den ger oss ramverket.
09:45
There's an operatoroperatör sidesida on the right that allowstillåter you to turnsväng,
238
570000
3000
På höger sida finns en kontrollpanel som låter en vrida,
09:48
it allowstillåter you to zoomzoom in,
239
573000
2000
som låter dig zooma in,
09:50
it allowstillåter you to highlightMarkera individualenskild structuresstrukturer.
240
575000
3000
som låter dig markera enskilda strukturer.
09:53
But mostmest importantlyviktigt,
241
578000
2000
Men viktigast av allt,
09:55
we're now mappingkartläggning into this anatomicanatomiska frameworkramverk,
242
580000
3000
i detta anatomiska ramverk,
09:58
whichsom is a commonallmänning frameworkramverk for people to understandförstå where genesgener are turnedvände on.
243
583000
3000
vilket är öppet för alla som vill veta mer, för vi nu in vilka gener som är aktiverade var.
10:01
So the redröd levelsnivåer
244
586000
2000
De röda punkterna
10:03
are where a genegen is turnedvände on to a great degreegrad.
245
588000
2000
är områden där en gen aktiverad i hög grad.
10:05
GreenGrön is the sortsortera of coolHäftigt areasområden where it's not turnedvände on.
246
590000
3000
Gröna områden är svalare områden där genen inte är aktiverad
10:08
And eachvarje genegen givesger us a fingerprintfingeravtryck.
247
593000
2000
Varje gen ger oss ett fingeravtryck.
10:10
And rememberkom ihåg that we'vevi har assayedanalyseras all the 25,000 genesgener in the genomegenomet
248
595000
5000
Och kom ihåg att vi har undersökt alla 25 000 generna i genomet
10:15
and have all of that datadata availabletillgängliga.
249
600000
4000
och har tillgång till all den datan.
10:19
So what can scientistsvetenskapsmän learnlära sig about this datadata?
250
604000
2000
Vad kan då forskare lära sig av denna data?
10:21
We're just startingstartande to look at this datadata ourselvesoss själva.
251
606000
3000
Vi håller precis på att själva börja titta på den.
10:24
There's some basicgrundläggande things that you would want to understandförstå.
252
609000
3000
Det finns en del grundläggande saker som vi vill veta.
10:27
Two great examplesexempel are drugsnarkotika,
253
612000
2000
Två bra exempel är läkemedel,
10:29
ProzacProzac and WellbutrinWellbutrin.
254
614000
2000
Prozac och Wellbutrin.
10:31
These are commonlyvanligen prescribedföreskrivna antidepressantsantidepressiva medel.
255
616000
3000
Dessa är vanliga antidepressiva läkemedel.
10:34
Now rememberkom ihåg, we're assayingtestmetoder genesgener.
256
619000
2000
Kom ihåg att vi analyserar gener.
10:36
GenesGener sendskicka the instructionsinstruktioner to make proteinsproteiner.
257
621000
3000
Gener skickar instruktionerna för att bygga proteiner
10:39
ProteinsProteiner are targetsmål for drugsnarkotika.
258
624000
2000
Mediciner påverkar proteiner.
10:41
So drugsnarkotika bindbinda to proteinsproteiner
259
626000
2000
Mediciner binder på proteiner
10:43
and eitherantingen turnsväng them off, etcetc.
260
628000
2000
och får dem att stängas av, o.s.v.
10:45
So if you want to understandförstå the actionhandling of drugsnarkotika,
261
630000
2000
Så om man vill förstå hur läkemedel fungerar
10:47
you want to understandförstå how they're actingverkande in the wayssätt you want them to,
262
632000
3000
så vill man förstå hur de gör det man vill att de ska göra,
10:50
and alsoockså in the wayssätt you don't want them to.
263
635000
2000
men också hur de gör det man inte vill att de ska göra.
10:52
In the sidesida effecteffekt profileprofil, etcetc.,
264
637000
2000
För biverkningar, etc,
10:54
you want to see where those genesgener are turnedvände on.
265
639000
2000
så vill man se var dessa gener aktiveras.
10:56
And for the first time, we can actuallyfaktiskt do that.
266
641000
2000
Och nu kan vi för första gången göra det.
10:58
We can do that in multipleflera olika individualsindivider that we'vevi har assayedanalyseras too.
267
643000
3000
Vi kan också göra det i flera olika individer eftersom vi undersökt två.
11:01
So now we can look throughoutgenom hela the brainhjärna.
268
646000
3000
Vi kan nu alltså undersöka hela hjärnan.
11:04
We can see this uniqueunik fingerprintfingeravtryck.
269
649000
2000
Vi kan se detta unika fingeravtryck.
11:06
And we get confirmationBekräftelse.
270
651000
2000
Och vi får bekräftelse.
11:08
We get confirmationBekräftelse that, indeedverkligen, the genegen is turnedvände on --
271
653000
3000
Vi får bekrätelse om att genen verkligen aktiveras –
11:11
for something like ProzacProzac,
272
656000
2000
i något som Prozac,
11:13
in serotonergicserotonerga structuresstrukturer, things that are alreadyredan knownkänd be affectedpåverkade --
273
658000
3000
i serotonerga strukturer, saker som vi redan vet påverkas –
11:16
but we alsoockså get to see the wholehela thing.
274
661000
2000
men vi får nu också hela bilden.
11:18
We alsoockså get to see areasområden that no one has ever lookedtittade at before,
275
663000
2000
Vi kan också se områden som ingen tittat på förut,
11:20
and we see these genesgener turnedvände on there.
276
665000
2000
och vi ser gener aktiveras där.
11:22
It's as interestingintressant a sidesida effecteffekt as it could be.
277
667000
3000
Är detta intressanta biverkningar? Måhända.
11:25
One other thing you can do with suchsådan a thing
278
670000
2000
En annan sak vi kan göra med detta
11:27
is you can, because it's a patternmönster matchingmatchande exerciseträning,
279
672000
3000
eftersom det jämför mönster,
11:30
because there's uniqueunik fingerprintfingeravtryck,
280
675000
2000
eftersom det finns ett unikt fingeravtryck,
11:32
we can actuallyfaktiskt scanskanna throughgenom the entirehel genomegenomet
281
677000
2000
är att vi kan gå igenom hela genomet
11:34
and find other proteinsproteiner
282
679000
2000
och hitta andra proteiner
11:36
that showshow a similarliknande fingerprintfingeravtryck.
283
681000
2000
som uppvisar ett liknande fingeravtryck.
11:38
So if you're in drugläkemedel discoveryupptäckt, for exampleexempel,
284
683000
3000
Så om man arbetar med att hitta nya läkemedel till exempel
11:41
you can go throughgenom
285
686000
2000
så kan man gå igenom
11:43
an entirehel listingnotering of what the genomegenomet has on offererbjudande
286
688000
2000
en hel lista över vad genomet har att erbjuda
11:45
to find perhapskanske better drugläkemedel targetsmål and optimizeoptimera.
287
690000
4000
för att kanske hitta bättre mål för läkemedel och därigenom optimera.
11:49
MostDe flesta of you are probablyförmodligen familiarbekant
288
694000
2000
De flesta av er känner förmodligen till
11:51
with genome-wideGenome-wide associationförening studiesstudier
289
696000
2000
sambandsstudier med hela genomet
11:53
in the formform of people coveringsom täcker in the newsNyheter
290
698000
3000
i form av människor på nyheterna
11:56
sayingsäger, "ScientistsForskare have recentlynyligen discoveredupptäckt the genegen or genesgener
291
701000
3000
som säger: "Forskare har nyligen hittat genen eller generna
11:59
whichsom affectpåverka X."
292
704000
2000
som påverkar X."
12:01
And so these kindsslag of studiesstudier
293
706000
2000
Den här typen av studier
12:03
are routinelyrutinmässigt publishedpublicerat by scientistsvetenskapsmän
294
708000
2000
publiceras regelbundet av forskare
12:05
and they're great. They analyzeanalysera largestor populationspopulationer.
295
710000
2000
och de är jättebra. De undersöker stora populationer.
12:07
They look at theirderas entirehel genomesgenomen,
296
712000
2000
De tittar på hela deras genom
12:09
and they try to find hotvarm spotsfläckar of activityaktivitet
297
714000
2000
och de försöker hitta särskilt aktiva områden
12:11
that are linkedlänkad causallycausally to genesgener.
298
716000
3000
som kan kopplas ihop kausalt med olika gener.
12:14
But what you get out of suchsådan an exerciseträning
299
719000
2000
Men det man får ut av en sådan övning
12:16
is simplyhelt enkelt a listlista of genesgener.
300
721000
2000
är helt enkelt en lista över gener.
12:18
It tellsberättar you the what, but it doesn't tell you the where.
301
723000
3000
Listan ger dig ett vad, men inget var.
12:21
And so it's very importantViktig for those researchersforskare
302
726000
3000
Så för dessa forskare är det viktigt
12:24
that we'vevi har createdskapad this resourceresurs.
303
729000
2000
att vi skapat den här resursen.
12:26
Now they can come in
304
731000
2000
Nu kan de komma in
12:28
and they can startStart to get cluesledtrådar about activityaktivitet.
305
733000
2000
och börja få ledtrådar om aktivitet.
12:30
They can startStart to look at commonallmänning pathwaysvägar --
306
735000
2000
De kan börja titta på gemensamma vägar –
12:32
other things that they simplyhelt enkelt haven'thar inte been ablestånd to do before.
307
737000
3000
andra saker som de helt enkelt inte kunnat göra förut.
12:36
So I think this audiencepublik in particularsärskild
308
741000
3000
Jag tror den här publiken i synnerhet
12:39
can understandförstå the importancebetydelse of individualityindividualitet.
309
744000
3000
förstår vikten av individualitet.
12:42
And I think everyvarje humanmänsklig,
310
747000
2000
Och jag tror att varje människa,
12:44
we all have differentannorlunda geneticgenetisk backgroundsbakgrunder,
311
749000
4000
vi har alla olika genetisk bakgrund,
12:48
we all have livedlevde separateseparat livesliv.
312
753000
2000
och vi har alla levt olika liv.
12:50
But the factfaktum is
313
755000
2000
Men faktum är
12:52
our genomesgenomen are greaterstörre than 99 percentprocent similarliknande.
314
757000
3000
att våra genom är mer än 99 procent lika.
12:55
We're similarliknande at the geneticgenetisk levelnivå.
315
760000
3000
Vi är lika på den genetiska nivån.
12:58
And what we're findingfynd
316
763000
2000
Och det vi nu börjar se
13:00
is actuallyfaktiskt, even at the brainhjärna biochemicalbiokemisk levelnivå,
317
765000
2000
är att vi faktiskt, även på hjärnans biokemiska nivå,
13:02
we are quiteganska similarliknande.
318
767000
2000
är ganska lika.
13:04
And so this showsvisar it's not 99 percentprocent,
319
769000
2000
Denna bild visar att det inte är 99 procent
13:06
but it's roughlyungefär 90 percentprocent correspondencekorrespondens
320
771000
2000
utan ungefär 90 procent överrensstämmelse
13:08
at a reasonablerimlig cutoffcutoff,
321
773000
3000
vid ett rimligt brytvärde,
13:11
so everything in the cloudmoln is roughlyungefär correlatedkorrelerade.
322
776000
2000
så allt i molnet är stort sett överrensstämmande.
13:13
And then we find some outliersextremvärden,
323
778000
2000
Och sen hitttar vi några
13:15
some things that lielögn beyondbortom the cloudmoln.
324
780000
3000
som ligger utanför molnet.
13:18
And those genesgener are interestingintressant,
325
783000
2000
Och de generna är intressanta,
13:20
but they're very subtlesubtil.
326
785000
2000
men de är väldigt subtila.
13:22
So I think it's an importantViktig messagemeddelande
327
787000
3000
Så jag tycker att ett viktigt budskap
13:25
to take home todayi dag
328
790000
2000
att ta med sig hem idag
13:27
that even thoughdock we celebratefira all of our differencesskillnader,
329
792000
3000
är att även fast vi värdesätter alla våra olikheter,
13:30
we are quiteganska similarliknande
330
795000
2000
så är vi ganska lika
13:32
even at the brainhjärna levelnivå.
331
797000
2000
även på hjärnnivå.
13:34
Now what do those differencesskillnader look like?
332
799000
2000
Hur ser nu dessa skillnader ut?
13:36
This is an exampleexempel of a studystudie that we did
333
801000
2000
Detta är ett exempel på en studie vi gjorde
13:38
to followFölj up and see what exactlyexakt those differencesskillnader were --
334
803000
2000
för att följa upp och se exakt vad de skillnaderna var –
13:40
and they're quiteganska subtlesubtil.
335
805000
2000
och de är rätt så subtila.
13:42
These are things where genesgener are turnedvände on in an individualenskild cellcell typetyp.
336
807000
4000
Detta är saker där gener aktiveras i en viss celltyp.
13:46
These are two genesgener that we foundhittades as good examplesexempel.
337
811000
3000
Detta är två gener vi tyckte var bra exempel.
13:49
One is calledkallad RELNRELN -- it's involvedinvolverade in earlytidigt developmentalutvecklingsmässiga cuesstack-ikoner.
338
814000
3000
En kallas RELN – den är inblandad i styrningen av tidig utveckling.
13:52
DISCSKIVA1 is a genegen
339
817000
2000
DISC1 är en gen
13:54
that's deletedraderade in schizophreniaschizofreni.
340
819000
2000
som saknas vid schizofreni.
13:56
These aren'tinte schizophrenicschizofren individualsindivider,
341
821000
2000
Detta är inte schizofrena individer,
13:58
but they do showshow some populationbefolkning variationvariation.
342
823000
3000
men de uppvisar en viss populationsvariation.
14:01
And so what you're looking at here
343
826000
2000
Det ni ser här
14:03
in donorgivare one and donorgivare fourfyra,
344
828000
2000
i donator 1 och donator 4,
14:05
whichsom are the exceptionsundantag to the other two,
345
830000
2000
vilka är undantagen från de andra två,
14:07
that genesgener are beingvarelse turnedvände on
346
832000
2000
är att gener aktiveras
14:09
in a very specificspecifik subsetdelmängd of cellsceller.
347
834000
2000
i en väldigt specifik undergrupp celler.
14:11
It's this darkmörk purplelila precipitatefällning withininom the cellcell
348
836000
3000
Det är detta mörkt lila inom cellen
14:14
that's tellingtalande us a genegen is turnedvände on there.
349
839000
3000
som säger oss att en gen är aktiverad där.
14:17
WhetherHuruvida or not that's duepå grund av
350
842000
2000
Huruvida det beror på
14:19
to an individual'sindividens geneticgenetisk backgroundbakgrund or theirderas experiencesupplevelser,
351
844000
2000
individens genetiska bakgrund eller vad de varit med om
14:21
we don't know.
352
846000
2000
vet vi inte.
14:23
Those kindsslag of studiesstudier requirebehöva much largerstörre populationspopulationer.
353
848000
3000
Dessa typer av studier kräver mycket större populationer.
14:28
So I'm going to leavelämna you with a finalslutlig notenotera
354
853000
2000
Jag tänkte avsluta med en sista sak
14:30
about the complexitykomplexitet of the brainhjärna
355
855000
3000
om hjärnans komplexitet
14:33
and how much more we have to go.
356
858000
2000
och hur långt vi fortfarande har kvar.
14:35
I think these resourcesMedel are incrediblyoerhört valuablevärdefulla.
357
860000
2000
Jag tror att de här resurserna är väldigt värdefulla.
14:37
They give researchersforskare a handlehantera
358
862000
2000
De ger forskare ledtrådar
14:39
on where to go.
359
864000
2000
om var de bör forska vidare.
14:41
But we only lookedtittade at a handfulhandfull of individualsindivider at this pointpunkt.
360
866000
3000
Men vi har hittils bara tittat på en handfull individer.
14:44
We're certainlysäkert going to be looking at more.
361
869000
2000
Vi kommer utan tvekan titta på fler.
14:46
I'll just closestänga by sayingsäger
362
871000
2000
Jag vill avsluta med att säga
14:48
that the toolsverktyg are there,
363
873000
2000
att verktygen finns där,
14:50
and this is trulyverkligt an unexploredoutforskade, undiscoveredoupptäckta continentkontinent.
364
875000
4000
och detta är en verkligen en outforskad, oupptäckt kontinent.
14:54
This is the newny frontierFrontier, if you will.
365
879000
4000
Detta är det nya stora forskningsområdet.
14:58
And so for those who are undauntedoförskräckt,
366
883000
2000
Så för de som är orädda
15:00
but humbledödmjuk by the complexitykomplexitet of the brainhjärna,
367
885000
2000
men ödmjuka inför hjärnans komplexitet
15:02
the futureframtida awaitsväntar.
368
887000
2000
väntar framtiden.
15:04
ThanksTack.
369
889000
2000
Tack!
15:06
(ApplauseApplåder)
370
891000
9000
(Applåder)
Translated by Erik Niklasson
Reviewed by Johan Cegrell

▲Back to top

ABOUT THE SPEAKER
Allan Jones - Brain scientist
As CEO of the Allen Institute for Brain Science, Allan Jones leads an ambitious project to build an open, online, interactive atlas of the human brain.

Why you should listen

The Allen Institute for Brain Science -- based in Seattle, kickstarted by Microsoft co-founder Paul Allen -- has a mission to fuel discoveries about the human brain by building tools the entire scientific community can use. As CEO, one of Allan Jones' first projects was to lead the drive to create a comprehensive atlas of the brain of a mouse. Flash forward to April 2011, when the Allen Institute announced the first milestone in its online interactive atlas of the human brain, showing the activity of the more than 20,000 human genes it contains. It's based on a composite of 15 brains, since every human brain is unique.

Think of the Allen Human Brain Atlas as a high-tech bridge between brain anatomy and genetics. Using this atlas, scientists will be able to determine where in the brain genes that encode specific proteins are active, including proteins that are affected by medication. Or researchers could zoom in on brain structures thought to be altered in mental disorders such as schizophrenia to find their molecular footprint. The atlas may provide clues to memory, attention, motor coordination, hunger, and perhaps emotions such as happiness or anxiety.

He says: "Understanding how our genes are used in our brains will help scientists and the medical community better understand and discover new treatments for the full spectrum of brain diseases and disorders."

Watch Dr. Jones' latest TEDx talk on the map of the brain, from TEDxCaltech 2013 >>

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