TEDMED 2017
Steve McCarroll: How data is helping us unravel the mysteries of the brain
Steve McCarroll: Beynin gizemlerini çözmemize veriler nasıl yardımcı oluyor
Filmed:
Readability: 4.8
1,529,178 views
Genetik bilimci Steve McCarroll insan vücudundaki tüm hücrelerin bir atlasını çıkarmak istiyor. Böylece özellikle beyinde bulunan belirli genlerin nasıl çalıştığını kesin olarak anlayabileceğiz. Bu etkileyici konuşmasında, bilim insanlarının bireysel hücreleri daha önce mümkün olmayan bir şekilde analiz edebilmesini sağlayan "Drop-seq" teknolojisi dahil takımının çalışmalarını paylaşıyor. Ve bu araştırmanın şizofreni gibi zihinsel hastalıkların tedavisinde yeni yöntemlere nasıl yol açacağını açıklıyor.
Steve McCarroll - Geneticist
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Steve McCarroll is conducting groundbreaking research on the causes of mental illness. Full bio
Double-click the English transcript below to play the video.
00:12
Nine years ago,
0
785
1704
Dokuz yıl önce,
00:14
my sister discovered lumps
in her neck and arm
in her neck and arm
1
2513
3101
kız kardeşim boynunda ve kolunda
yumrular olduğunu fark etti
yumrular olduğunu fark etti
00:17
and was diagnosed with cancer.
2
5638
1760
ve kanser tanısı kondu.
00:20
From that day, she started to benefit
3
8985
3199
O günden itibaren,
00:24
from the understanding
that science has of cancer.
that science has of cancer.
4
12208
3115
bilimin kanser ile ilgili bilgilerinden
yararlanmaya başladı.
yararlanmaya başladı.
00:28
Every time she went to the doctor,
5
16206
2099
Doktora her gittiğinde
00:30
they measured specific molecules
6
18329
2194
belirli moleküllerin ölçümü yapıldı
00:32
that gave them information
about how she was doing
about how she was doing
7
20547
2881
ve bu ona hastalığın nasıl
gittiği ve sıradaki yapılacak şey
gittiği ve sıradaki yapılacak şey
00:35
and what to do next.
8
23452
1309
hakkında bilgi verdi.
00:38
New medical options
became available every few years.
became available every few years.
9
26095
3666
Birkaç yılda bir, yeni tıbbi
seçenekler ortaya çıkıyor.
seçenekler ortaya çıkıyor.
00:43
Everyone recognized
that she was struggling heroically
that she was struggling heroically
10
31070
4318
Herkes onun bu biyolojik hastalıkla
00:47
with a biological illness.
11
35412
1728
kahramanca savaştığının farkındaydı.
00:50
This spring, she received
an innovative new medical treatment
an innovative new medical treatment
12
38847
3657
Bu ilkbaharda, klinik bir deneyde
inovatif yeni bir tıbbi tedavi aldı.
00:54
in a clinical trial.
13
42528
1202
00:55
It dramatically knocked back her cancer.
14
43754
2224
Bu, kanseri önemli ölçüde geriletti.
00:59
Guess who I'm going to spend
this Thanksgiving with?
this Thanksgiving with?
15
47446
2552
Bu Şükran Günü'nü kiminle
geçireceğim, tahmin edin?
geçireceğim, tahmin edin?
01:02
My vivacious sister,
16
50022
2267
Hayat dolu kız kardeşimle,
01:04
who gets more exercise than I do,
17
52313
2629
benden fazla spor yapıyor
01:06
and who, like perhaps
many people in this room,
many people in this room,
18
54966
2859
ve belki bu odadaki çoğu kişi gibi
01:09
increasingly talks about a lethal illness
19
57849
2292
ölümcül bir hastalık hakkında
diderek daha fazla
diderek daha fazla
01:12
in the past tense.
20
60165
1263
geçmiş zaman kipinde konuşuyor.
01:14
Science can, in our lifetimes --
even in a decade --
even in a decade --
21
62614
3863
Bilim hayatımızda
hatta on yıl içinde bile
hatta on yıl içinde bile
01:18
transform what it means
to have a specific illness.
to have a specific illness.
22
66501
3207
belli bir hastalığa sahip olmanın
anlamını değiştirebiliyor.
anlamını değiştirebiliyor.
01:24
But not for all illnesses.
23
72055
1534
Ama tüm hastalıklarda değil.
01:27
My friend Robert and I
were classmates in graduate school.
were classmates in graduate school.
24
75375
3722
Arkadaşım Robert'la
üniversitede aynı sınıftaydık.
üniversitede aynı sınıftaydık.
01:31
Robert was smart,
25
79121
1801
Robert zeki biriydi
01:32
but with each passing month,
26
80946
1477
ama aylar geçtikçe
01:34
his thinking seemed to become
more disorganized.
more disorganized.
27
82447
3154
düşünme yeteneği sanki
giderek bozulmaya başladı.
giderek bozulmaya başladı.
01:38
He dropped out of school,
got a job in a store ...
got a job in a store ...
28
86241
3198
Okulu bıraktı, bir mağazada işe girdi.
01:41
But that, too, became too complicated.
29
89463
2218
Ama bu da çok karmaşıklaştı.
01:44
Robert became fearful and withdrawn.
30
92559
2945
Robert her şeyden korkan
çekingen birine dönüştü.
çekingen birine dönüştü.
01:48
A year and a half later,
he started hearing voices
he started hearing voices
31
96281
2381
Bir buçuk yıl sonra,
bazı sesler duymaya başladı
bazı sesler duymaya başladı
01:50
and believing that people
were following him.
were following him.
32
98686
2197
ve birilerinin onu
takip ettiğine inanıyordu.
takip ettiğine inanıyordu.
01:52
Doctors diagnosed him with schizophrenia,
33
100907
2722
Doktorlar ona şizofreni tanısı koydu
01:55
and they gave him
the best drug they could.
the best drug they could.
34
103653
2120
ve ona ellerindeki en iyi ilacı yazdılar.
01:57
That drug makes the voices
somewhat quieter,
somewhat quieter,
35
105797
3008
Bu ilaç sesleri bir nebze susturmuştu
02:00
but it didn't restore his bright mind
or his social connectedness.
or his social connectedness.
36
108829
3989
ama parlak zekası ve sosyal
bağlantısını geri getirememişti.
bağlantısını geri getirememişti.
02:06
Robert struggled to remain connected
37
114270
1856
Robert, okul, iş ve arkadaş çevresi ile
02:08
to the worlds of school
and work and friends.
and work and friends.
38
116150
2857
ilişkisini devam ettirmeye çabaladı.
02:11
He drifted away,
39
119031
1383
Sonra kaybolup gitti,
02:12
and today I don't know where to find him.
40
120438
2285
şimdi onu nerede bulurum bilmiyorum.
02:15
If he watches this,
41
123593
1479
Eğer bu konuşmayı izlerse
02:17
I hope he'll find me.
42
125962
1628
umarım beni bulur.
02:22
Why does medicine have
so much to offer my sister,
so much to offer my sister,
43
130639
4107
İlaçlar neden kız kardeşime
bu kadar çok yardım ederken
bu kadar çok yardım ederken
02:27
and so much less to offer
millions of people like Robert?
millions of people like Robert?
44
135540
4210
Robert gibi milyonlarca kişiye
çok az yardım edebiliyor?
çok az yardım edebiliyor?
02:32
The need is there.
45
140952
1290
Burada bir şey yapılmalı.
02:34
The World Health Organization
estimates that brain illnesses
estimates that brain illnesses
46
142266
3153
Dünya Sağlık Örgütü
şizofreni, bipolar bozukluk
şizofreni, bipolar bozukluk
02:37
like schizophrenia, bipolar disorder
and major depression
and major depression
47
145443
4115
ve şiddetli depresyon gibi
beyin hastalıklarının
beyin hastalıklarının
02:41
are the world's largest cause
of lost years of life and work.
of lost years of life and work.
48
149582
4971
yitirilen yaşam ve iş yıllarının
başlıca nedeni olduğunu tahmin ediyor.
başlıca nedeni olduğunu tahmin ediyor.
02:47
That's in part because these illnesses
often strike early in life,
often strike early in life,
49
155807
3561
Bunun nedeni kısmen bu hastalıkların
erken yaşlarda birçok şekilde
erken yaşlarda birçok şekilde
02:51
in many ways, in the prime of life,
50
159392
2181
ortaya çıkması, en verimli yıllarda,
02:53
just as people are finishing
their educations, starting careers,
their educations, starting careers,
51
161597
4464
insanlar tam eğitimlerini
tamamlayıp bir işe başlayacakken,
tamamlayıp bir işe başlayacakken,
02:58
forming relationships and families.
52
166085
2279
ilişki ve aile kuracakken.
03:00
These illnesses can result in suicide;
53
168388
2829
Bu hastalıklar intiharla sonuçlanabiliyor,
03:03
they often compromise one's ability
to work at one's full potential;
to work at one's full potential;
54
171907
4567
genelde kişinin işte tam potansiyel
göstermesini engelliyor
göstermesini engelliyor
03:09
and they're the cause of so many
tragedies harder to measure:
tragedies harder to measure:
55
177767
3455
ve ölçülmesi zor pek çok trajediye
neden oluyor:
neden oluyor:
03:13
lost relationships and connections,
56
181246
2438
Yitirilen ilişkiler ve bağlantılar,
03:15
missed opportunities
to pursue dreams and ideas.
to pursue dreams and ideas.
57
183708
3039
hayaller ve fikirlerle ilgili
kaçırılan fırsatlar gibi...
kaçırılan fırsatlar gibi...
03:19
These illnesses limit human possibilities
58
187533
3005
Bu hastalıklar insanın imkanlarını
03:22
in ways we simply cannot measure.
59
190562
2154
kolay ölçemeyeceğimiz
biçimde kısıtlıyor.
biçimde kısıtlıyor.
03:27
We live in an era in which
there's profound medical progress
there's profound medical progress
60
195493
4016
Diğer pek çok cephede
büyük tıbbi ilerlemelerin olduğu
büyük tıbbi ilerlemelerin olduğu
03:31
on so many other fronts.
61
199533
1811
bir çağda yaşıyoruz.
03:33
My sister's cancer story
is a great example,
is a great example,
62
201368
2547
Kız kardeşimin kanseri
buna çok iyi bir örnek,
buna çok iyi bir örnek,
03:35
and we could say the same
of heart disease.
of heart disease.
63
203939
2062
kalp hastalığı için de
bunu söyleyebiliriz.
bunu söyleyebiliriz.
03:38
Drugs like statins will prevent
millions of heart attacks and strokes.
millions of heart attacks and strokes.
64
206025
3585
Statin gibi ilaçlar milyonlarca
kalp krizi ve felci önlüyor.
kalp krizi ve felci önlüyor.
03:43
When you look at these areas
of profound medical progress
of profound medical progress
65
211047
2945
Bu alanlarda yaşamımız boyunca gördüğümüz
03:46
in our lifetimes,
66
214016
1464
büyük tıbbi ilerlemelere bakınca
03:47
they have a narrative in common:
67
215504
1674
ortak bir hikaye görüyoruz:
03:50
scientists discovered molecules
that matter to an illness,
that matter to an illness,
68
218067
4548
Bilim insanları bir hastalıkta
önemli olan moleküller keşfetti,
önemli olan moleküller keşfetti,
03:54
they developed ways to detect
and measure those molecules in the body,
and measure those molecules in the body,
69
222639
4679
bu molekülleri vücutta saptama
ve ölçmenin yollarını buldu
ve ölçmenin yollarını buldu
04:00
and they developed ways
to interfere with those molecules
to interfere with those molecules
70
228492
2778
ve o moleküllere müdahale etmenin
yollarını geliştirdiler,
yollarını geliştirdiler,
04:03
using other molecules -- medicines.
71
231294
2048
başka moleküller kullanarak, ilaçlarla...
04:05
It's a strategy that has worked
again and again and again.
again and again and again.
72
233921
4020
Bu tekrar ve tekrar
işe yaramış olan bir strateji.
işe yaramış olan bir strateji.
04:11
But when it comes to the brain,
that strategy has been limited,
that strategy has been limited,
73
239403
3642
Fakat iş beyne gelince
bu strateji sınırlı kalıyor
bu strateji sınırlı kalıyor
04:15
because today, we don't know
nearly enough, yet,
nearly enough, yet,
74
243069
4602
çünkü bugün,
beynin nasıl çalıştığını
beynin nasıl çalıştığını
04:19
about how the brain works.
75
247695
1852
henüz yeterince iyi bilmiyoruz.
04:22
We need to learn which of our cells
matter to each illness,
matter to each illness,
76
250526
4266
Hangi hücrelerimizin hangi hastalığa
etkisi olduğunu öğrenmemiz gerekiyor
etkisi olduğunu öğrenmemiz gerekiyor
04:26
and which molecules in those cells
matter to each illness.
matter to each illness.
77
254816
3570
ve o hücrelerdeki hangi moleküllerlerin
hangi hastalığa etkisi olduğunu.
hangi hastalığa etkisi olduğunu.
04:31
And that's the mission
I want to tell you about today.
I want to tell you about today.
78
259058
2651
Bugün size anlatmak istediğim
misyon bununla ilgili.
misyon bununla ilgili.
04:34
My lab develops technologies
with which we try to turn the brain
with which we try to turn the brain
79
262781
3809
Laboratuvarım beyni bir
büyük veri problemine dönüştürmeye
büyük veri problemine dönüştürmeye
04:38
into a big-data problem.
80
266614
1700
çalışan teknolojiler geliştiriyor.
04:40
You see, before I became a biologist,
I worked in computers and math,
I worked in computers and math,
81
268338
3536
Yani bir biyolog olmadan önce
bilgisayar ve matematik alanında çalıştım
bilgisayar ve matematik alanında çalıştım
04:43
and I learned this lesson:
82
271898
1324
ve şunu öğrendim:
04:46
wherever you can collect vast amounts
of the right kinds of data
of the right kinds of data
83
274365
4184
Bir sistemin işleyişi hakkında
çok büyük miktarda
çok büyük miktarda
04:50
about the functioning of a system,
84
278573
2030
doğru tür veriyi toplayabilirseniz
04:53
you can use computers in powerful new ways
85
281365
3618
o sistemi anlamlandırmak
ve nasıl işlediğini öğrenmek için
ve nasıl işlediğini öğrenmek için
04:57
to make sense of that system
and learn how it works.
and learn how it works.
86
285007
3225
bilgisayarları güçlü yeni
yöntemlerle kullanabilirsiniz.
yöntemlerle kullanabilirsiniz.
05:00
Today, big-data approaches
are transforming
are transforming
87
288256
2522
Bugün büyük veri yaklaşımı
05:02
ever-larger sectors of our economy,
88
290802
2483
ekonomimizin büyük
sektörlerini dönüştürüyor
sektörlerini dönüştürüyor
05:05
and they could do the same
in biology and medicine, too.
in biology and medicine, too.
89
293309
3286
ve aynı şeyi biyoloji ve tıp
alanında da yapabilir.
alanında da yapabilir.
05:08
But you have to have
the right kinds of data.
the right kinds of data.
90
296619
2557
Ancak doğru tür verilere
sahip olmanız gerekiyor.
sahip olmanız gerekiyor.
05:11
You have to have data
about the right things.
about the right things.
91
299200
2259
Doğru şeylerle ilgili
verilere sahip olmalısınız.
verilere sahip olmalısınız.
05:13
And that often requires
new technologies and ideas.
new technologies and ideas.
92
301917
3865
Bu da genellikle yeni teknoloji
ve fikirler gerektiriyor.
ve fikirler gerektiriyor.
05:18
And that is the mission that animates
the scientists in my lab.
the scientists in my lab.
93
306815
3494
Laboratuvarımdaki bilim insanlarını
heyecanlandıran görev de bu.
heyecanlandıran görev de bu.
05:23
Today, I want to tell you
two short stories from our work.
two short stories from our work.
94
311251
2974
Bugün size çalışmalarımızla
ilgili iki kısa öykü anlatacağım.
ilgili iki kısa öykü anlatacağım.
05:27
One fundamental obstacle we face
95
315427
3104
Beyni büyük veri problemine dönüştürmede
05:30
in trying to turn the brain
into a big-data problem
into a big-data problem
96
318555
2660
karşılaştığımız en temel engellerden biri
05:33
is that our brains are composed of
and built from billions of cells.
and built from billions of cells.
97
321946
4538
beynimizin milyarlarca hücreden oluşması.
05:39
And our cells are not generalists;
they're specialists.
they're specialists.
98
327246
3859
Ve bunlar genel amaçlı
değil, uzman hücreler.
değil, uzman hücreler.
05:43
Like humans at work,
99
331129
2089
Bir iş yerinde çalışan insanlar gibi
05:45
they specialize into thousands
of different cellular careers,
of different cellular careers,
100
333242
5274
binlerce farklı hücresel
kariyerde veya hücre tipinde
kariyerde veya hücre tipinde
05:50
or cell types.
101
338540
1367
uzmanlaşmış hücrelerdir.
05:52
In fact, each of
the cell types in our body
the cell types in our body
102
340796
2571
Aslında vücudumuzdaki
bu hücre tiplerinin hepsi
bu hücre tiplerinin hepsi
05:55
could probably give a lively TED Talk
103
343391
1878
ne iş yaptığıyla ilgili
05:57
about what it does at work.
104
345293
1542
canlı bir TED konuşması yapabilir.
06:00
But as scientists,
we don't even know today
we don't even know today
105
348422
2370
Ama bilim insanları olarak
bugün kaç hücre tipi
olduğunu bile bilmiyoruz
olduğunu bile bilmiyoruz
06:02
how many cell types there are,
106
350816
1907
06:04
and we don't know what the titles
of most of those talks would be.
of most of those talks would be.
107
352747
3277
ve çoğu konuşma başlığı ne olurdu,
onu da bilmiyoruz.
onu da bilmiyoruz.
06:11
Now, we know many
important things about cell types.
important things about cell types.
108
359809
2970
Hücre tipleri hakkında
pek çok önemli şey biliyoruz.
pek çok önemli şey biliyoruz.
06:14
They can differ dramatically
in size and shape.
in size and shape.
109
362803
2751
Boyutları ve biçimleri
çok farklı olabiliyor.
çok farklı olabiliyor.
06:17
One will respond to a molecule
that the other doesn't respond to,
that the other doesn't respond to,
110
365578
4135
Biri bir moleküle tepki verirken
diğeri tepki vermiyor,
diğeri tepki vermiyor,
06:21
they'll make different molecules.
111
369737
1794
farklı moleküller yapıyorlar.
06:23
But science has largely
been reaching these insights
been reaching these insights
112
371555
2521
Bilim bu iç görülere
her seferinde bir hücre tipini,
her seferinde bir hücre tipini,
06:26
in an ad hoc way, one cell type at a time,
113
374100
2943
her defasında bir molekülü
06:29
one molecule at a time.
114
377067
1486
inceleyerek ulaşıyor.
06:31
We wanted to make it possible to learn
all of this quickly and systematically.
all of this quickly and systematically.
115
379854
4731
Bütün bunların hepsini çabucak ve
sistematik olarak öğrenmek istiyorduk.
sistematik olarak öğrenmek istiyorduk.
06:37
Now, until recently, it was the case
116
385673
1748
Yakın zamanlara kadar durum buydu,
06:39
that if you wanted to inventory
all of the molecules
all of the molecules
117
387445
3076
yani beynin bir bölümü veya bir organdaki
06:42
in a part of the brain or any organ,
118
390545
2925
bütün moleküllerin envanterini
çıkarmak istiyorsanız
çıkarmak istiyorsanız
06:45
you had to first grind it up
into a kind of cellular smoothie.
into a kind of cellular smoothie.
119
393494
3954
onu önce bir tür hücre püresi
halinde öğütmeniz gerekliydi.
halinde öğütmeniz gerekliydi.
06:50
But that's a problem.
120
398678
1230
Ama bu bir sorun.
06:52
As soon as you've ground up the cells,
121
400737
2538
Hücreleri öğüttüğünüzde
06:55
you can only study the contents
of the average cell --
of the average cell --
122
403299
3511
sadece ortalama bir hücrenin
içeriğini inceleyebilirsiniz,
içeriğini inceleyebilirsiniz,
06:58
not the individual cells.
123
406834
1595
tek tek hücrelerin değil.
07:01
Imagine if you were trying to understand
how a big city like New York works,
how a big city like New York works,
124
409182
3709
Diyelim ki New York gibi büyük bir şehrin
işleyişini anlamaya çaılışıyorsunuz
işleyişini anlamaya çaılışıyorsunuz
07:04
but you could only do so
by reviewing some statistics
by reviewing some statistics
125
412915
2542
ama bunu sadece
ortalama bir New Yorklunun
ortalama bir New Yorklunun
07:07
about the average resident of New York.
126
415481
2029
istatistiklerine bakarak yapıyorsunuz.
07:10
Of course, you wouldn't learn very much,
127
418637
1979
Tabii ki çok şey öğrenemezsiniz
07:12
because everything that's interesting
and important and exciting
and important and exciting
128
420640
3000
çünkü ilginç, önemli
ve heyecan verici her şey
ve heyecan verici her şey
07:15
is in all the diversity
and the specializations.
and the specializations.
129
423664
2732
çeşitlilikte ve uzmanlıktadır.
07:18
And the same thing is true of our cells.
130
426420
2606
Hücrelerimiz için de aynı şey geçerli.
07:21
And we wanted to make it possible to study
the brain not as a cellular smoothie
the brain not as a cellular smoothie
131
429050
4750
Biz beyni hücresel bir püre değil,
hücresel bir meyve salatası olarak
incelemeyi mümkün kılmak istedik.
incelemeyi mümkün kılmak istedik.
07:25
but as a cellular fruit salad,
132
433824
2478
07:28
in which one could generate
data about and learn from
data about and learn from
133
436326
2604
Böylece her bir meyve parçasından
07:30
each individual piece of fruit.
134
438954
1838
veriler üretip öğrenebilecektik.
07:34
So we developed
a technology for doing that.
a technology for doing that.
135
442253
2718
Bu nedenle bunu yapacak
bir teknoloji geliştirdik.
bir teknoloji geliştirdik.
07:36
You're about to see a movie of it.
136
444995
1729
Bunun bir videosunu izleyeceksiniz.
07:41
Here we're packaging
tens of thousands of individual cells,
tens of thousands of individual cells,
137
449477
4028
Burada on binlerce hücreyi
moleküler analizi için
moleküler analizi için
07:45
each into its own tiny water droplet
138
453529
2923
kendi minik su damlasının
07:48
for its own molecular analysis.
139
456476
2211
içine paketliyoruz.
07:51
When a cell lands in a droplet,
it's greeted by a tiny bead,
it's greeted by a tiny bead,
140
459921
4123
Hücre bir damlacığın içine girdiğinde
minik bir kürecik onu karşılıyor
minik bir kürecik onu karşılıyor
07:56
and that bead delivers millions
of DNA bar code molecules.
of DNA bar code molecules.
141
464068
3694
ve bu kürecik milyonlarca
DNA barkod molekülü taşıyor.
DNA barkod molekülü taşıyor.
08:01
And each bead delivers
a different bar code sequence
a different bar code sequence
142
469115
3308
Her bir kürecik, farklı bir hücreye,
farklı bir barkod dizilimi taşıyor.
08:04
to a different cell.
143
472447
1243
08:06
We incorporate the DNA bar codes
144
474884
2581
DNA barkodlarını her bir hücrenin içindeki
08:09
into each cell's RNA molecules.
145
477489
3058
RNA molekülü ile birleştiriryoruz.
08:12
Those are the molecular
transcripts it's making
transcripts it's making
146
480571
2836
Bunlar belirli genlerin
işlerini yapmasını sağlayan
işlerini yapmasını sağlayan
08:15
of the specific genes
that it's using to do its job.
that it's using to do its job.
147
483431
3103
moleküler transkriptler.
08:19
And then we sequence billions
of these combined molecules
of these combined molecules
148
487383
4207
Bu birleşik moleküllerden
milyarlarca dizilim yapıyor
milyarlarca dizilim yapıyor
08:24
and use the sequences to tell us
149
492532
2498
ve bu dizilimleri her molekülün
08:27
which cell and which gene
150
495054
2602
hangi genden ve hücreden
08:29
every molecule came from.
151
497680
1540
geldiğini anlamada kullanıyoruz.
08:32
We call this approach "Drop-seq,"
because we use droplets
because we use droplets
152
500561
3292
Bu yaklaşıma "Drop-seq" diyoruz
08:35
to separate the cells for analysis,
153
503877
2575
çünkü hücreleri analiz için ayırmada,
08:38
and we use DNA sequences
to tag and inventory
to tag and inventory
154
506476
3445
DNA dizilimlerini etiketleyip
envanter çıkarmada
envanter çıkarmada
08:41
and keep track of everything.
155
509945
1488
ve her şeyi izlemede
damlacıklar kullanıyoruz.
damlacıklar kullanıyoruz.
08:44
And now, whenever we do an experiment,
156
512727
1976
Şimdi, ne zaman bir deney yapsak
08:46
we analyze tens of thousands
of individual cells.
of individual cells.
157
514727
3243
on binlerce bireysel hücreyi
analiz ediyoruz.
analiz ediyoruz.
08:51
And today in this area of science,
158
519018
2624
Bugün, bilimin bu alanında mesele,
08:53
the challenge is increasingly
how to learn as much as we can
how to learn as much as we can
159
521666
4931
bu geniş veri kümelerinden
mümkün olduğunca çok şeyi
mümkün olduğunca çok şeyi
08:58
as quickly as we can
160
526621
1872
mümkün olduğunca kısa sürede öğrenmek.
09:00
from these vast data sets.
161
528517
1738
09:04
When we were developing Drop-seq,
people used to tell us,
people used to tell us,
162
532914
2770
Biz Drop-seq'i geliştirirken insanlar bize
09:07
"Oh, this is going to make you guys
the go-to for every major brain project."
the go-to for every major brain project."
163
535708
4804
"Bu sizi her büyük beyin projesinde
bilirkişi yapacak" diyordu.
bilirkişi yapacak" diyordu.
09:13
That's not how we saw it.
164
541257
1544
Biz böyle görmüyorduk.
09:14
Science is best when everyone
is generating lots of exciting data.
is generating lots of exciting data.
165
542825
4531
Bilim herkes heyecan verici veriler
ürettiğinde güzeldir.
ürettiğinde güzeldir.
09:20
So we wrote a 25-page instruction book,
166
548197
3214
Bu nedenle herhangi
bir bilim insanının sıfırdan
bir bilim insanının sıfırdan
09:23
with which any scientist could build
their own Drop-seq system from scratch.
their own Drop-seq system from scratch.
167
551435
4578
kendi Drop-seq sistemini oluşturabileceği
25 sayfalık bir kılavuz yazdık.
25 sayfalık bir kılavuz yazdık.
09:28
And that instruction book has been
downloaded from our lab website
downloaded from our lab website
168
556037
3697
Bu kılavuz
laboratuvarımızın web sitesinden
laboratuvarımızın web sitesinden
09:31
50,000 times in the past two years.
169
559758
2965
son iki yılda 50.000 kez indirildi.
09:35
We wrote software
that any scientist could use
that any scientist could use
170
563598
3052
Ayrıca Drop-seq deneylerindeki
veriyi analiz etmek için
veriyi analiz etmek için
09:38
to analyze the data
from Drop-seq experiments,
from Drop-seq experiments,
171
566674
2898
her bilim insanının
kullanabileceği bir yazılım hazırladık.
kullanabileceği bir yazılım hazırladık.
09:41
and that software is also free,
172
569596
1715
Bu yazılım da bedava
09:43
and it's been downloaded from our website
30,000 times in the past two years.
30,000 times in the past two years.
173
571335
4388
ve web sitemizden son iki yılda
30.000 kez indirildi.
30.000 kez indirildi.
09:48
And hundreds of labs have written us
about discoveries that they've made
about discoveries that they've made
174
576328
4979
Yüzlerce labaratuvar bu yaklaşımı
kullanarak yaptıkları keşifler hakkında
kullanarak yaptıkları keşifler hakkında
09:53
using this approach.
175
581331
1443
bize yazdılar.
09:54
Today, this technology is being used
to make a human cell atlas.
to make a human cell atlas.
176
582798
3560
Bugün, bu teknoloji insan geni
atlasını çıkarmada kullanılıyor.
atlasını çıkarmada kullanılıyor.
09:58
It will be an atlas of all
of the cell types in the human body
of the cell types in the human body
177
586382
3354
Bu insan vücudundaki bütün hücre
tiplerinin ve her bir hücre tipinin
tiplerinin ve her bir hücre tipinin
10:01
and the specific genes
that each cell type uses to do its job.
that each cell type uses to do its job.
178
589760
3680
işini yapmakta kullandığı
spesifik genlerin atlası olacak.
spesifik genlerin atlası olacak.
10:08
Now I want to tell you about
a second challenge that we face
a second challenge that we face
179
596133
2876
Şimdi size beyni bir büyük
veri problemine dönüştürmede
veri problemine dönüştürmede
10:11
in trying to turn the brain
into a big data problem.
into a big data problem.
180
599033
2448
karşılaştığımız ikinci bir
zorluktan bahsedeyim.
zorluktan bahsedeyim.
10:13
And that challenge is that
we'd like to learn from the brains
we'd like to learn from the brains
181
601505
3279
Bu zorluk,
yaşayan yüz binlerce insanın
yaşayan yüz binlerce insanın
10:16
of hundreds of thousands of living people.
182
604808
2444
beyinlerinden bilgi edinmek istememiz.
10:19
But our brains are not physically
accessible while we're living.
accessible while we're living.
183
607998
3704
Ama yaşarken beyinlerimiz
fiziksel anlamda erişilebilir değil.
fiziksel anlamda erişilebilir değil.
10:24
But how can we discover molecular factors
if we can't hold the molecules?
if we can't hold the molecules?
184
612895
3960
Peki molekülleri tutamazken
moleküler faktörleri nasıl anlarız?
moleküler faktörleri nasıl anlarız?
10:30
An answer comes from the fact that
the most informative molecules, proteins,
the most informative molecules, proteins,
185
618352
4548
Cevap, DNA'mızda kodlanmış olan
en çok bilgi sağlayıcı moleküller olan
en çok bilgi sağlayıcı moleküller olan
10:34
are encoded in our DNA,
186
622924
1782
proteinlerden geliyor.
10:36
which has the recipes our cells follow
to make all of our proteins.
to make all of our proteins.
187
624730
4530
Bunlar hücrelerimizin
protein üretiminin formülüne sahip.
protein üretiminin formülüne sahip.
10:41
And these recipes vary
from person to person to person
from person to person to person
188
629999
4946
Proteinlerin dizilimi ve her hücre tipinin
10:46
in ways that cause the proteins
to vary from person to person
to vary from person to person
189
634969
3342
her bir proteinden ne kadar ürettiği,
10:50
in their precise sequence
190
638335
1787
insandan insana değiştikçe
10:52
and in how much each cell type
makes of each protein.
makes of each protein.
191
640146
3151
bu formüller de insandan insana değişiyor.
10:56
It's all encoded in our DNA,
and it's all genetics,
and it's all genetics,
192
644441
3393
Bunların hepsi
DNA'mızda kodlanmış bir genetik
DNA'mızda kodlanmış bir genetik
10:59
but it's not the genetics
that we learned about in school.
that we learned about in school.
193
647858
2817
ama bu okulda öğrendiğimiz genetik değil.
11:03
Do you remember big B, little b?
194
651572
1983
Büyük B ve küçük b'yi hatırlıyor musunuz?
11:06
If you inherit big B, you get brown eyes?
195
654260
2400
Büyük B kalıtımla geçerse
kahverengi gözleriniz olur.
kahverengi gözleriniz olur.
11:09
It's simple.
196
657085
1223
Bu basit.
11:11
Very few traits are that simple.
197
659451
3173
Çok az özellik bu kadar basit.
11:15
Even eye color is shaped by much more
than a single pigment molecule.
than a single pigment molecule.
198
663232
4725
Göz rengi bile bir pigment molekülünden
çok daha fazlasıyla şekilleniyor.
çok daha fazlasıyla şekilleniyor.
11:20
And something as complex
as the function of our brains
as the function of our brains
199
668861
4250
Beynimizin foksiyonu kadar
karmaşık bir şey ise
karmaşık bir şey ise
11:25
is shaped by the interaction
of thousands of genes.
of thousands of genes.
200
673135
3247
binlerce genin etkileşiminden
şekilleniyor.
şekilleniyor.
11:28
And each of these genes
varies meaningfully
varies meaningfully
201
676406
2340
Bu genlerin her biri insandan insana
11:30
from person to person to person,
202
678770
1838
anlamlı bir şekilde farklılaşıyor.
11:32
and each of us is a unique
combination of that variation.
combination of that variation.
203
680632
3517
Her birimiz bu varyasyonun
benzersiz bir kombinasyonuyuz.
benzersiz bir kombinasyonuyuz.
11:37
It's a big data opportunity.
204
685419
2216
Bu büyük data için bir fırsat.
11:40
And today, it's increasingly
possible to make progress
possible to make progress
205
688214
3176
Bugün daha önce mümkün
olmayan bir boyutta
olmayan bir boyutta
11:43
on a scale that was never possible before.
206
691414
2796
ilerleme kaydetmek daha da mümkün.
11:46
People are contributing to genetic studies
207
694234
2405
İnsanlar genetik çalışmalara
11:48
in record numbers,
208
696663
1594
rekor sayıda katkıda bulunuyor.
11:51
and scientists around the world
are sharing the data with one another
are sharing the data with one another
209
699085
4087
Bilim insanları ilerlemeyi
hızlandırmak için birbiriyle
hızlandırmak için birbiriyle
11:55
to speed progress.
210
703196
1571
data paylaşımında bulunuyorlar.
11:57
I want to tell you a short story
about a discovery we recently made
about a discovery we recently made
211
705514
3239
Size şizofreninin genetiği hakkında
yaptığımız keşfin
yaptığımız keşfin
12:00
about the genetics of schizophrenia.
212
708777
1894
kısa bir hikayesini anlatmak istiyorum.
12:03
It was made possible
by 50,000 people from 30 countries,
by 50,000 people from 30 countries,
213
711506
4596
30 ülkeden 50.000 insan
şizofreni hakkında
şizofreni hakkında
12:08
who contributed their DNA
to genetic research on schizophrenia.
to genetic research on schizophrenia.
214
716126
4700
genetik araştırma yapmak için
DNA'larıyla katkıda bulundular.
DNA'larıyla katkıda bulundular.
12:14
It had been known for several years
215
722406
2096
Yıllardır biliniyor ki
12:16
that the human genome's largest influence
on risk of schizophrenia
on risk of schizophrenia
216
724526
4111
insan genomunun şizofreni riskine
en büyük etkisi
en büyük etkisi
12:20
comes from a part of the genome
217
728661
1802
bağışıklık sistemimizin çoğu molekülünü
12:22
that encodes many of the molecules
in our immune system.
in our immune system.
218
730487
3344
şifreleyen genom parçasından geliyor.
12:25
But it wasn't clear which gene
was responsible.
was responsible.
219
733855
3034
Ama hangi genin sorumlu olduğu belirsizdi.
12:29
A scientist in my lab developed
a new way to analyze DNA with computers,
a new way to analyze DNA with computers,
220
737746
4040
Laboratuvarımdaki bir bilim insanı DNA'nın
bilgisayarla analizi için bir yol buldu
bilgisayarla analizi için bir yol buldu
12:33
and he discovered something
very surprising.
very surprising.
221
741810
3095
ve çok şaşırtıcı bir şey keşfetti.
12:36
He found that a gene called
"complement component 4" --
"complement component 4" --
222
744929
3251
"Tamamlayıcı bileşen 4"
kısaca "C4" adında
kısaca "C4" adında
12:40
it's called "C4" for short --
223
748204
1799
bir gen buldu.
12:43
comes in dozens of different forms
in different people's genomes,
in different people's genomes,
224
751036
3889
Farklı insanların genomlarında
düzinelerce farklı formda oluşuyor.
düzinelerce farklı formda oluşuyor.
12:46
and these different forms
make different amounts
make different amounts
225
754949
3197
Bu farklı formlar beynimizde
farklı miktarlarda
farklı miktarlarda
12:50
of C4 protein in our brains.
226
758170
2242
C4 proteini üretiyor.
12:52
And he found that the more
C4 protein our genes make,
C4 protein our genes make,
227
760957
3985
Ve genlerimiz ne kadar çok
C4 proteini üretirse
C4 proteini üretirse
12:56
the greater our risk for schizophrenia.
228
764966
2112
şizofreni riskimiz o kadar artar.
12:59
Now, C4 is still just one risk factor
in a complex system.
in a complex system.
229
767919
4907
C4 karmaşık bir sistemde
risk faktörlerinden yalnızca biri.
risk faktörlerinden yalnızca biri.
13:04
This isn't big B,
230
772850
1989
Bu bir büyük B değil
13:06
but it's an insight about
a molecule that matters.
a molecule that matters.
231
774863
3557
ama bu önemli bir molekül
hakkında bir içgörü.
hakkında bir içgörü.
13:11
Complement proteins like C4
were known for a long time
were known for a long time
232
779492
3637
C4 gibi tamamlayıcı proteinler
bağışıklık sistemindeki rolleri hakkında
bağışıklık sistemindeki rolleri hakkında
13:15
for their roles in the immune system,
233
783153
1953
uzun zamandır biliniyordu.
13:17
where they act as a kind of
molecular Post-it note
molecular Post-it note
234
785130
2778
Üzerinde "beni ye" yazan
bir Post-it notu gibi davranıyorlar.
bir Post-it notu gibi davranıyorlar.
13:19
that says, "Eat me."
235
787932
1580
13:22
And that Post-it note
gets put on lots of debris
gets put on lots of debris
236
790475
2667
Ve bu Post-it notu vücudumuzdaki
13:25
and dead cells in our bodies
237
793166
2357
atık ve ölü hücrelerin üzerine yapışarak
13:27
and invites immune cells
to eliminate them.
to eliminate them.
238
795547
2490
bağışıklık hücrelerini onları
yok etmeye çağırıyor.
yok etmeye çağırıyor.
13:30
But two colleagues of mine found
that the C4 Post-it note
that the C4 Post-it note
239
798779
3539
Ancak iki arkadaşım C4 Post-in notunun
13:35
also gets put on synapses in the brain
240
803183
3298
beyin sinapslarının üzerine de yapıştığını
13:38
and prompts their elimination.
241
806505
1864
ve onları yok ettiğini buldu.
13:41
Now, the creation and elimination
of synapses is a normal part
of synapses is a normal part
242
809154
3266
Sinapsların oluşturulması
ve yok edilmesi insan gelişimi
ve yok edilmesi insan gelişimi
insan gelişim ve ve öğreniminin
normal bir parçası.
normal bir parçası.
13:44
of human development and learning.
243
812444
1854
13:46
Our brains create and eliminate
synapses all the time.
synapses all the time.
244
814322
2921
Beynimiz sinapsları sürekli
oluşturup yok ediyor.
oluşturup yok ediyor.
13:49
But our genetic results suggest
that in schizophrenia,
that in schizophrenia,
245
817921
2960
Ama genetik sonuçlar gösteriyor ki
13:52
the elimination process
may go into overdrive.
may go into overdrive.
246
820905
3233
şizofrenide yok etme süreci
çok hızlanabiliyor.
çok hızlanabiliyor.
13:57
Scientists at many drug companies tell me
they're excited about this discovery,
they're excited about this discovery,
247
825185
3929
Birçok ilaç şirketindeki bilim insanları
bu keşif hakkında çok heyecanlandılar
bu keşif hakkında çok heyecanlandılar
14:01
because they've been working
on complement proteins for years
on complement proteins for years
248
829138
3239
çünkü bağışıklık sistemindeki
tamamlayıcı proteinler üzerinde
tamamlayıcı proteinler üzerinde
14:04
in the immune system,
249
832401
1540
yıllardır çalışıyorlar
14:05
and they've learned a lot
about how they work.
about how they work.
250
833965
2206
ve nasıl çalıştıklarıyla ilgili
çok şey öğrendiler.
çok şey öğrendiler.
14:08
They've even developed molecules
that interfere with complement proteins,
that interfere with complement proteins,
251
836885
3894
Hatta tamamlayıcı proteinlere
müdahale eden moleküller geliştirdiler
müdahale eden moleküller geliştirdiler
14:12
and they're starting to test them
in the brain as well as the immune system.
in the brain as well as the immune system.
252
840803
3607
ve bağışıklık sisteminde olduğu gibi
beyinde de onları test etmeye başladılar.
beyinde de onları test etmeye başladılar.
14:17
It's potentially a path toward a drug
that might address a root cause
that might address a root cause
253
845124
4721
Bu bireysel bir semptomdan ziyade
kök nedeni adresleyen
kök nedeni adresleyen
14:21
rather than an individual symptom,
254
849869
2649
bir ilaca doğru olası bir yol.
14:24
and we hope very much that this work
by many scientists over many years
by many scientists over many years
255
852542
4048
Umuyoruz ki bilim insanlarının
yıllar boyu süren bu çalışması
yıllar boyu süren bu çalışması
14:28
will be successful.
256
856614
1152
başarılı olacak.
14:31
But C4 is just one example
257
859689
3014
C4 yüzyılların medikal problemlerine
14:34
of the potential for data-driven
scientific approaches
scientific approaches
258
862727
3112
yeni kapılar açan veri bazlı bilimsel
yaklaşımların potansiyelinin
yaklaşımların potansiyelinin
14:37
to open new fronts on medical problems
that are centuries old.
that are centuries old.
259
865863
3903
yalnızca bir örneği.
14:42
There are hundreds of places
in our genomes
in our genomes
260
870144
2745
Genomlarımızda
beyin hastalıklarına neden olan
beyin hastalıklarına neden olan
14:44
that shape risk for brain illnesses,
261
872913
2585
yüzlerce yer var.
14:47
and any one of them could lead us
to the next molecular insight
to the next molecular insight
262
875522
4066
Ve onlardan herhangi biri
bizi önemi olan bir molekülle ilgili
bizi önemi olan bir molekülle ilgili
bir sonraki moleküler içgörüye
yönlendirebilir.
yönlendirebilir.
14:51
about a molecule that matters.
263
879612
2020
14:53
And there are hundreds of cell types that
use these genes in different combinations.
use these genes in different combinations.
264
881656
3987
Üstelik bu genleri farklı kombinasyonlarda
kullanan yüzlerce hücre tipi var.
kullanan yüzlerce hücre tipi var.
14:57
As we and other scientists
work to generate
work to generate
265
885667
2069
Biz ve diğer bilim insanları
14:59
the rest of the data that's needed
266
887760
2069
datanın gerekli olan
diğer kısmını oluşturmak
diğer kısmını oluşturmak
15:01
and to learn all that we can
from that data,
from that data,
267
889853
2393
ve bu datadan her şeyi
öğrenmek için çalıştıkça
öğrenmek için çalıştıkça
15:04
we hope to open many more new fronts.
268
892270
2403
daha birçok yeni kapı
açacağımızı umuyoruz.
açacağımızı umuyoruz.
15:08
Genetics and single-cell analysis
are just two ways
are just two ways
269
896483
5079
Genetik ve tek hücre analizi
beyni büyük veri problemine
döndürmeye çalışmanın sadece iki yolu.
döndürmeye çalışmanın sadece iki yolu.
15:13
of trying to turn the brain
into a big data problem.
into a big data problem.
270
901586
3767
15:18
There is so much more we can do.
271
906424
2159
Yapabileceğimiz daha çok şey var.
15:21
Scientists in my lab
are creating a technology
are creating a technology
272
909235
3074
Laboratuvarımdaki bilim insanları
beyindeki sinaptik bağlantıların
beyindeki sinaptik bağlantıların
15:24
for quickly mapping the synaptic
connections in the brain
connections in the brain
273
912333
3196
hızlıca haritasını çizmek için
bir teknoloji yaratıyorlar,
bir teknoloji yaratıyorlar,
15:27
to tell which neurons are talking
to which other neurons
to which other neurons
274
915553
2938
böylece hangi nöron
başka hangi nöronlarla konuşuyor
başka hangi nöronlarla konuşuyor
15:30
and how that conversation changes
throughout life and during illness.
throughout life and during illness.
275
918515
3996
ve hayat boyunca ve hastalık süresince bu
konuşma nasıl değişiyor söyleyebilecekler.
konuşma nasıl değişiyor söyleyebilecekler.
15:35
And we're developing a way
to test in a single tube
to test in a single tube
276
923467
4520
Yüzlerce farklı insanın genomlarının
aynı uyarıya nasıl farklı tepki verdiğini
aynı uyarıya nasıl farklı tepki verdiğini
15:40
how cells with hundreds
of different people's genomes
of different people's genomes
277
928011
2718
tek bir tüpte test edebilecek
15:42
respond differently to the same stimulus.
278
930753
2170
yeni bir yol geliştiriyoruz.
15:46
These projects bring together
people with diverse backgrounds
people with diverse backgrounds
279
934248
4903
Bu projeler farklı geçmişi, eğitimi
ve ilgi alanları olan insanları
ve ilgi alanları olan insanları
15:51
and training and interests --
280
939175
2493
bir araya getiriyor,
15:53
biology, computers, chemistry,
math, statistics, engineering.
math, statistics, engineering.
281
941692
5877
biyoloji, bilgisayar, kimya,
matematik, istatistik, mühendislik gibi.
matematik, istatistik, mühendislik gibi.
16:00
But the scientific possibilities
rally people with diverse interests
rally people with diverse interests
282
948205
4232
Bilimsel ihtimaller farklı ilgi alanları
olan insanları birlikte yoğun bir şekilde
olan insanları birlikte yoğun bir şekilde
16:04
into working intensely together.
283
952461
2235
çalışmaya teşvik ediyor.
16:08
What's the future
that we could hope to create?
that we could hope to create?
284
956871
2551
Nasıl bir gelecek yaratmayı umuyoruz?
16:12
Consider cancer.
285
960267
1350
Kanseri ele alalım.
16:14
We've moved from an era of ignorance
about what causes cancer,
about what causes cancer,
286
962193
3922
Kanserin nedeninin kişisel
psikolojik karakteristiklere atfedildiği
psikolojik karakteristiklere atfedildiği
16:18
in which cancer was commonly ascribed
to personal psychological characteristics,
to personal psychological characteristics,
287
966139
6988
cahilce bir devirden, kanserin gerçek
biyolojik nedenlerini anlayabildiğimiz
biyolojik nedenlerini anlayabildiğimiz
16:26
to a modern molecular understanding
of the true biological causes of cancer.
of the true biological causes of cancer.
288
974238
5395
modern moleküler bir yaklaşıma geçtik.
16:32
That understanding today
leads to innovative medicine
leads to innovative medicine
289
980100
3074
Bugün bu anlayış bizleri her geçen gün
daha çok yenilikçi tıbba yönlendiriyor.
16:35
after innovative medicine,
290
983198
1696
16:36
and although there's still
so much work to do,
so much work to do,
291
984918
2839
Yapılacak daha çok şey olmasına rağmen,
16:39
we're already surrounded by people
who have been cured of cancers
who have been cured of cancers
292
987781
3394
etrafımız şimiden kanseri yenmiş
insanlarla çevrili,
insanlarla çevrili,
16:43
that were considered untreatable
a generation ago.
a generation ago.
293
991199
3269
bir jenerasyon önce tedavi edilemez
olduğunu düşündüğümüz...
olduğunu düşündüğümüz...
16:48
And millions of cancer survivors
like my sister
like my sister
294
996254
3376
Kardeşim gibi kanseri yenen
milyonlarca kişi
milyonlarca kişi
16:51
find themselves with years of life
that they didn't take for granted
that they didn't take for granted
295
999654
4401
ellerinde olmadığını düşündükleri yıllar,
16:56
and new opportunities
296
1004079
1769
iş, mutluluk ve insan iletişimi için
16:57
for work and joy and human connection.
297
1005872
3930
yeni fırsatlar edindiler.
17:03
That is the future that we are determined
to create around mental illness --
to create around mental illness --
298
1011358
4378
İşte bu zihinsel hastalıklarla ilgili
yaratmak istediğimiz gelecek;
yaratmak istediğimiz gelecek;
17:08
one of real understanding and empathy
299
1016581
4119
gerçek anlayış, empati
17:12
and limitless possibility.
300
1020724
1816
ve sonsuz olanağın olduğu bir gelecek.
17:15
Thank you.
301
1023159
1190
Teşekkürler.
17:16
(Applause)
302
1024374
4062
(Alkışlar)
ABOUT THE SPEAKER
Steve McCarroll - GeneticistSteve McCarroll is conducting groundbreaking research on the causes of mental illness.
Why you should listen
Steve McCarroll and the scientists in his lab use human genetics, molecular biology and engineering to create new ways of studying the human brain, reveal the ways in which genomes vary from person to person and discover the molecular and cellular processes that underlie brain illness. McCarroll and his team at Harvard have linked schizophrenia to specific gene variations that recruit immune molecules into "pruning" synapses in the brain, a discovery that is leading toward new ways of thinking about the biological basis of schizophrenia and new approaches for discovering medicines.
Prior to leading his lab, McCarroll earned his PhD in neuroscience at the University of California, San Francisco. He is also currently serving as Director of Genetics for the Broad Institute's Stanley Center for Psychiatric Research.
Steve McCarroll | Speaker | TED.com