Humans have long held a fascination for the human brain. We chart it, we've described it, we've drawn it, we've mapped it. Now just like the physical maps of our world that have been highly influenced by technology -- think Google Maps, think GPS -- the same thing is happening for brain mapping through transformation.
Az embereket régóta lenyűgözi az emberi agy. Részekre osztottuk, leírtuk, lerajzoltuk, térképet készítettünk róla. Éppen úgy, mint a fizikai világunk térképeivel, amelyeket nagyban befolyásol a technika -- gondoljanak csak a Google Maps-re, a GPS-re -- ugyanaz a dolog történik az agy térképezésével is az átalakulás során.
So let's take a look at the brain. Most people, when they first look at a fresh human brain, they say, "It doesn't look what you're typically looking at when someone shows you a brain." Typically, what you're looking at is a fixed brain. It's gray. And this outer layer, this is the vasculature, which is incredible, around a human brain. This is the blood vessels. 20 percent of the oxygen coming from your lungs, 20 percent of the blood pumped from your heart, is servicing this one organ. That's basically, if you hold two fists together, it's just slightly larger than the two fists.
Tehát vessünk egy pillantást az agyra. A legtöbb ember, amikor megnéz egy friss emberi agyat, azt mondja: "Ez nem úgy néz ki, mint amit tipikusan látsz, amikor valaki megmutat neked egy agyat." Amit tipikusan néz az ember, az egy fixált agy. Szürke. Ez a külső réteg, ez az érrendszer, ami hihetetlen, az emberi agy körül. Ez az érhálózat. Az oxigén 20%-a, ami a tüdőből jön, a vér 20%-a, amit a szív pumpál, ezt az egy szervet szolgálja. Alapvetően, ha a két öklünket összerakjuk, az agy csak egy picit nagyobb, mint a két ököl.
Scientists, sort of at the end of the 20th century, learned that they could track blood flow to map non-invasively where activity was going on in the human brain. So for example, they can see in the back part of the brain, which is just turning around there. There's the cerebellum; that's keeping you upright right now. It's keeping me standing. It's involved in coordinated movement. On the side here, this is temporal cortex. This is the area where primary auditory processing -- so you're hearing my words, you're sending it up into higher language processing centers. Towards the front of the brain is the place in which all of the more complex thought, decision making -- it's the last to mature in late adulthood. This is where all your decision-making processes are going on. It's the place where you're deciding right now you probably aren't going to order the steak for dinner.
A tudósok a 20. század vége felé rájöttek, hogyan követhetik a véráramot ahhoz, hogy nem invazív módon térképezzék fel, hol megy végbe aktivitás az emberi agyban. Így például beleláthatnak az agy hátsó részébe, ami éppen most fordul ide. Ez a kisagy; ez tart minket felegyenesedve. Ez tart állva. Részt vesz a koordinációs mozgásokban. Itt oldalt ez a temporális kéreg. Ez az a terület, ahol az elsődleges hallás végbemegy -- így hallják a hangomat, és elküldik a magasabb rendű nyelvi feldolgozó központokba. Az agy elülső része felé haladva itt van a bonyolultabb gondolkodás, döntéshozás helye -- ez lesz utoljára érett a késői felnőttkorban. Itt megy végbe az összes döntéshozó folyamat. Ez az a hely, ahol éppen most talán azt döntik el, hogy nem rendelnek steaket vacsorára.
So if you take a deeper look at the brain, one of the things, if you look at it in cross-section, what you can see is that you can't really see a whole lot of structure there. But there's actually a lot of structure there. It's cells and it's wires all wired together. So about a hundred years ago, some scientists invented a stain that would stain cells. And that's shown here in the the very light blue. You can see areas where neuronal cell bodies are being stained. And what you can see is it's very non-uniform. You see a lot more structure there. So the outer part of that brain is the neocortex. It's one continuous processing unit, if you will. But you can also see things underneath there as well. And all of these blank areas are the areas in which the wires are running through. They're probably less cell dense. So there's about 86 billion neurons in our brain. And as you can see, they're very non-uniformly distributed. And how they're distributed really contributes to their underlying function. And of course, as I mentioned before, since we can now start to map brain function, we can start to tie these into the individual cells.
Szóval, ha mélyebben belenézünk az agyba, ha megnézzük a keresztmetszetét, az egyik dolog, amit látunk az, hogy nem igazán látunk sok szerkezetet. De valójában nagyon strukturált. A sejtjei és vezetékei mind össze vannak kötve egymással. Kb. 100 évvel ezelőtt néhány tudós felfedezett egy festéket, ami megfesti a sejteket. Ez látható itt a nagyon világos kék részen. Láthatjuk azokat a területeket, ahol az idegsejttestek meg vannak festve. És amit látunk, nem egységes. Bonyolult szerkezetet látunk. Szóval az agy külső része a neocortex (magyarul új agykéreg). Ez egy folytonos feldolgozóegység, ha úgy tetszik. De alatta is láthatunk dolgokat. Ezek a fehér területek azok a helyek, amiken keresztül a vezetékek futnak. Ezek valószínűleg kevesebb sejtet tartalmaznak. Körülbelül 86 milliárd idegsejt található az agyunkban. És amint látják, nagyon egyenlőtlenül oszlanak el. Az, hogy hogyan oszlanak el, kapcsolatban van az alapműködésükkel. És természetesen, ahogy már korábban említettem, mivel elkezdtük feltérképezni az agy működését, elkezdhetjük hozzákötni az egyedi sejtekhez.
So let's take a deeper look. Let's look at neurons. So as I mentioned, there are 86 billion neurons. There are also these smaller cells as you'll see. These are support cells -- astrocytes glia. And the nerves themselves are the ones who are receiving input. They're storing it, they're processing it. Each neuron is connected via synapses to up to 10,000 other neurons in your brain. And each neuron itself is largely unique. The unique character of both individual neurons and neurons within a collection of the brain are driven by fundamental properties of their underlying biochemistry. These are proteins. They're proteins that are controlling things like ion channel movement. They're controlling who nervous system cells partner up with. And they're controlling basically everything that the nervous system has to do.
Nézzük csak meg mélyebben. Nézzük az idegsejteket. Tehát amint mondtam, 86 milliárd idegsejtünk van. Vannak még ezek a kisebb sejtek is, ahogy látni fogják. Ezek támasztósejtek -- astrocyta gliasejtek. Maguk az idegek azok, amik a bemenő jeleket kapják. Tárolják és feldolgozzák. Minden idegsejt szinapszisokon keresztül kapcsolódik legalább tízezer másik idegsejthez az agyban. És minden idegsejt önmaga is jórészt egyedi. Mind az egyes idegsejtek, mind az agyon belüli idegsejtek együttesének egyedi jellegzetességeit alapvető biokémiájuk sarkalatos tulajdonságai irányítják. Ezek fehérjék. Olyan fehérjék, amelyek olyasmit szabályoznak, mint az ioncsatornák. Azt irányítják, hogy kivel társulnak az idegrendszer sejtjei. Alapvetően mindent ezek szabályoznak, amit az idegrendszer csinál.
So if we zoom in to an even deeper level, all of those proteins are encoded by our genomes. We each have 23 pairs of chromosomes. We get one from mom, one from dad. And on these chromosomes are roughly 25,000 genes. They're encoded in the DNA. And the nature of a given cell driving its underlying biochemistry is dictated by which of these 25,000 genes are turned on and at what level they're turned on.
Ha még mélyebb szintre közelítünk, ezek a fehérjék mind bele vannak kódolva a genomunkba. Mindannyiunknak 23 pár kromoszómája van. A párokból egyet anyutól, egyet aputól kapunk. És ezeken a kromoszómákon durván 25 ezer gén van. A DNS-be vannak belekódolva. Egy adott sejt természetét, amelyet alapvető biokémiája irányít, az szabja meg, hogy ebből a 25 ezer génből melyik van bekapcsolva, és milyen szinten van bekapcsolva.
And so our project is seeking to look at this readout, understanding which of these 25,000 genes is turned on. So in order to undertake such a project, we obviously need brains. So we sent our lab technician out. We were seeking normal human brains. What we actually start with is a medical examiner's office. This a place where the dead are brought in. We are seeking normal human brains. There's a lot of criteria by which we're selecting these brains. We want to make sure that we have normal humans between the ages of 20 to 60, they died a somewhat natural death with no injury to the brain, no history of psychiatric disease, no drugs on board -- we do a toxicology workup. And we're very careful about the brains that we do take. We're also selecting for brains in which we can get the tissue, we can get consent to take the tissue within 24 hours of time of death. Because what we're trying to measure, the RNA -- which is the readout from our genes -- is very labile, and so we have to move very quickly.
A projektünk ezt a kiolvasott információt kutatja, megnézzük ezt az információt, hogy megtudjuk, ebből a 25 ezer génből melyik van bekapcsolva. A projekt végrehajtásához nyilvánvalóan agyakra van szükségünk. Ezért kiküldtük a labortechnikusunkat. Szabályos emberi agyakat keresünk. Az orvosszakértői hivatalban kezdtük. Ez az a hely, ahova a halottakat viszik. Szabályos emberi agyakat keresünk. Sok kritérium alapján választjuk ki ezeket az agyakat. Biztosnak kell lennünk abban, hogy 20-60 éves közötti átlagos emberek, akik valamilyen természetes halállal haltak meg, amely nem károsította az agyukat, nincs pszichiátriai kórelőzményük, nem drogoztak -- toxikológiai vizsgálatot végzünk. Nagyon óvatosak vagyunk az aggyal, amit elviszünk. Olyan agyakat választunk, amelyekben a szövetet, a szövet elviteléhez való hozzájárulást a halál után 24 órán belül megkaphatjuk. Mivel amit mérni akarunk, az RNS -- amely a génjeink kiolvasott információja -- nagyon labilis, így nagyon gyorsan kell lépnünk.
One side note on the collection of brains: because of the way that we collect, and because we require consent, we actually have a lot more male brains than female brains. Males are much more likely to die an accidental death in the prime of their life. And men are much more likely to have their significant other, spouse, give consent than the other way around.
Egy széljegyzet az agyak gyűjtéséhez: a gyűjtés módja miatt, és mivel hozzájárulást kérünk, sokkal több férfiagyunk van, mint női. A férfiak sokkal nagyobb valószínűséggel halnak hirtelen halált életük teljében. És a férfiaknak sokkal valószínűbb, hogy van egy fontos valakijük, házastársuk, aki beleegyezését adja, mint a másik nemnek.
(Laughter)
(Nevetés)
So the first thing that we do at the site of collection is we collect what's called an MR. This is magnetic resonance imaging -- MRI. It's a standard template by which we're going to hang the rest of this data. So we collect this MR. And you can think of this as our satellite view for our map. The next thing we do is we collect what's called a diffusion tensor imaging. This maps the large cabling in the brain. And again, you can think of this as almost mapping our interstate highways, if you will. The brain is removed from the skull, and then it's sliced into one-centimeter slices. And those are frozen solid, and they're shipped to Seattle. And in Seattle, we take these -- this is a whole human hemisphere -- and we put them into what's basically a glorified meat slicer. There's a blade here that's going to cut across a section of the tissue and transfer it to a microscope slide. We're going to then apply one of those stains to it, and we scan it. And then what we get is our first mapping.
Tehát az első dolog, amit a begyűjtés helyén teszünk, hogy beszerezzük az MR-t. Ez a mágneses rezonanciás képalkotás -- MRI. Ez egy standard sablon, amellyel a többi adatot fogjuk be. Tehát megcsináljuk az MR-t. Úgy gondoljanak rá, hogy ez a térképünk műholdas nézete. A következő dolog, amit csinálunk, a diffúziós tenzor leképezés. Ez az agy nagy idegpályáit térképezi le. Úgy gondolhatnak erre, ha tetszik, mintha az államok közötti autópályákat térképeznénk. Az agyat kiveszik a koponyából, aztán egy centiméteres szeletekre vágják. Ezeket megfagyasztják, majd elszállítják Seattle-be. Mi Seattle-ben fogjuk ezeket -- ez egy teljes emberi félteke --, és betesszük őket alapvetően egy megszépített hússzeletelőbe. Van itt egy penge, ami átvágja a szövetmetszetet, és átalakítja mikroszkópos metszetté. Aztán az egyik festékkel megfestjük, és megvizsgáljuk. Amit így kapunk, az az első térképezésünk.
So this is where experts come in and they make basic anatomic assignments. You could consider this state boundaries, if you will, those pretty broad outlines. From this, we're able to then fragment that brain into further pieces, which then we can put on a smaller cryostat. And this is just showing this here -- this frozen tissue, and it's being cut. This is 20 microns thin, so this is about a baby hair's width. And remember, it's frozen. And so you can see here, old-fashioned technology of the paintbrush being applied. We take a microscope slide. Then we very carefully melt onto the slide. This will then go onto a robot that's going to apply one of those stains to it. And our anatomists are going to go in and take a deeper look at this.
Itt jönnek a képbe a szakértők, és alapvető anatómiai felosztást végeznek. Államhatároknak is képzelhetik ezeket, azokat a meglehetősen durva körvonalakat. Ebből aztán az agyat további darabokra tudjuk szétszedni, amiket majd egy kisebb kriosztátba tehetünk. Éppen ezt mutatom itt -- ez a fagyasztott szövet, amit éppen vágnak. Ez húsz mikron vastag, körülbelül egy kisbaba hajszálának a szélességével egyenlő. Ne felejtsék el, meg van fagyasztva. Itt láthatják, hogy egy régimódi technikát, ecsetet alkalmazunk. Fogunk egy mikroszkópos metszetet. Nagyon óvatosan ráolvasztjuk a tárgylemezre. Ezután egy robotra kerül, amely valamelyik festéket alkalmazza. Jönnek az anatómusaink , és alaposabban megnézik.
So again this is what they can see under the microscope. You can see collections and configurations of large and small cells in clusters and various places. And from there it's routine. They understand where to make these assignments. And they can make basically what's a reference atlas. This is a more detailed map.
Ezt látják a mikroszkóp alatt. Nagy és kis sejtek halmozódását és alakzatait látják csoportokba rendeződve, különböző helyeken. Innen kezdve már rutinmunka jön. Tudják, hol kell megcsinálni a felosztásokat. Alapvetően egy referenciaatlaszt tudnak készíteni. Ez egy részletesebb térkép.
Our scientists then use this to go back to another piece of that tissue and do what's called laser scanning microdissection. So the technician takes the instructions. They scribe along a place there. And then the laser actually cuts. You can see that blue dot there cutting. And that tissue falls off. You can see on the microscope slide here, that's what's happening in real time. There's a container underneath that's collecting that tissue. We take that tissue, we purify the RNA out of it using some basic technology, and then we put a florescent tag on it. We take that tagged material and we put it on to something called a microarray.
A tudósaink aztán ezt használják arra, hogy visszatérjenek ugyanannak a szövetnek egy másik darabjához, és lézer mikrodisszekciót végezzenek. A technikus megkapja az utasításokat. Körberajzol egy helyet. Aztán a lézer kivágja. Látják azt a kék pontot, amit kivág. Aztán ez a szövet leesik. Itt láthatják a mikroszkopikus metszetet, ez valós időben történik. Van egy tartály alatta, ami felfogja a szövetet. Vesszük ezt a szövetet, alapvető technológia segítségével RNS-t tisztítunk belőle, aztán egy fluoreszcens jelet teszünk rá. Fogjuk ezt a megjelölt anyagot, és egy microarray-re tesszük.
Now this may look like a bunch of dots to you, but each one of these individual dots is actually a unique piece of the human genome that we spotted down on glass. This has roughly 60,000 elements on it, so we repeatedly measure various genes of the 25,000 genes in the genome. And when we take a sample and we hybridize it to it, we get a unique fingerprint, if you will, quantitatively of what genes are turned on in that sample.
Ez most Önöknek lehet, hogy úgy néz ki, mint egy csomó pont, de ezeknek az egyedi pontoknak mindegyike valójában a humán genom egy egyedi darabja, amit üvegre képeztünk le. Durván 60 ezer elem van rajta, tehát a genomban lévő 25 ezer gén változatait többször mérjük. Amikor veszünk egy mintát és hozzá hibridizáljuk, egy egyedi lenyomatot kapunk, ha úgy tetszik, mennyiségileg megkapjuk, hogy abban a mintában mely gének vannak bekapcsolva.
Now we do this over and over again, this process for any given brain. We're taking over a thousand samples for each brain. This area shown here is an area called the hippocampus. It's involved in learning and memory. And it contributes to about 70 samples of those thousand samples. So each sample gets us about 50,000 data points with repeat measurements, a thousand samples.
Ezt a folyamatot újra és újra megcsináljuk egy adott agy esetében. Mindegyik agyból több mint ezer mintát veszünk. Ez a terület, amit itt látnak, a hippokampusz. Ez a tanulásban és a memóriában játszik szerepet. És ez körülbelül 70 mintával járul hozzá ahhoz az ezer mintához. Mindegyik minta körülbelül 50 ezer adatpontot ad nekünk, ismételt mérésekkel, ezer mintából.
So roughly, we have 50 million data points for a given human brain. We've done right now two human brains-worth of data. We've put all of that together into one thing, and I'll show you what that synthesis looks like. It's basically a large data set of information that's all freely available to any scientist around the world. They don't even have to log in to come use this tool, mine this data, find interesting things out with this. So here's the modalities that we put together. You'll start to recognize these things from what we've collected before. Here's the MR. It provides the framework. There's an operator side on the right that allows you to turn, it allows you to zoom in, it allows you to highlight individual structures.
Így durván 50 millió adatpontunk van egy adott emberi agy esetében. Éppen most csináltunk meg két emberi agynyi adatot. Ezeket egy dologgá illesztjük össze, és megmutatom Önöknek, hogy néz ki ez a szintézis. Ez alapvetően egy nagy információs adathalmaz, amely szabadon elérhető bármelyik tudós számára a világon. Még csak be sem kell jelentkezniük ennek az eszköznek a használatához, hogy bányásszanak az adatok között, hogy érdekes dolgokat tudjanak meg. Itt van a jelleg, amit összeraktunk. Felismerhetik azokat a dolgokat, amikből kiindultunk. Itt van az MR. Ez adja a vázat. A jobb oldalon van egy kezelői oldal, ami lehetővé teszi a forgatást, a nagyítást, lehetővé teszi egyedi struktúrák kiemelését.
But most importantly, we're now mapping into this anatomic framework, which is a common framework for people to understand where genes are turned on. So the red levels are where a gene is turned on to a great degree. Green is the sort of cool areas where it's not turned on. And each gene gives us a fingerprint. And remember that we've assayed all the 25,000 genes in the genome and have all of that data available.
De a legfontosabb, hogy most már ebben az anatómiai vázban térképezünk, amely egy közös váz az embereknek, hogy megtudják, hol vannak bekapcsolva a gének. A piros felszínek azok, ahol a gének nagymértékben be vannak kapcsolva. A zöld egyfajta hideg terület, ahol nincsenek bekapcsolva. Mindegyik gén egy ujjlenyomatot ad nekünk. Ne felejtsék el, megvizsgáltuk mind a 25 ezer gént a genomban, és az összes adatot elérhetővé tettük.
So what can scientists learn about this data? We're just starting to look at this data ourselves. There's some basic things that you would want to understand. Two great examples are drugs, Prozac and Wellbutrin. These are commonly prescribed antidepressants. Now remember, we're assaying genes. Genes send the instructions to make proteins. Proteins are targets for drugs. So drugs bind to proteins and either turn them off, etc. So if you want to understand the action of drugs, you want to understand how they're acting in the ways you want them to, and also in the ways you don't want them to. In the side effect profile, etc., you want to see where those genes are turned on. And for the first time, we can actually do that. We can do that in multiple individuals that we've assayed too.
Mit tanulhatnak a tudósok ezekből az adatokból? Mi magunk is éppen most kezdjük megnézni ezeket az adatokat. Van néhány alap dolog, amit az ember meg szeretne tudni. A gyógyszer a fő példánk , a Prozac és a Wellbutrin. Ezek rendszeresen felírt antidepresszánsok. Ne felejtsék el, géneket vizsgálunk. A gének küldik a fehérjék készítéséhez az utasításokat. A fehérjék a gyógyszerek célpontjai. A gyógyszerek hozzákapcsolódnak a fehérjékhez, és kikapcsolják őket stb. Ha meg akarjuk érteni a gyógyszerek működését, meg akarjuk érteni, hogyan működnek úgy, ahogy szeretnénk, és úgy, ahogy nem akarjuk, hogy működjenek. A mellékhatások profiljában stb., azt akarjuk látni, hogy azok a gének hol vannak bekapcsolva. És most először ezt tényleg meg tudjuk tenni. Ezt több egyedben is megtehetjük, amiket megvizsgáltunk.
So now we can look throughout the brain. We can see this unique fingerprint. And we get confirmation. We get confirmation that, indeed, the gene is turned on -- for something like Prozac, in serotonergic structures, things that are already known be affected -- but we also get to see the whole thing. We also get to see areas that no one has ever looked at before, and we see these genes turned on there. It's as interesting a side effect as it could be. One other thing you can do with such a thing is you can, because it's a pattern matching exercise, because there's unique fingerprint, we can actually scan through the entire genome and find other proteins that show a similar fingerprint. So if you're in drug discovery, for example, you can go through an entire listing of what the genome has on offer to find perhaps better drug targets and optimize.
Tehát körülnézhetünk az agyban. Láthatjuk ezeket az egyedi ujjlenyomatokat. Megerősítést kaphatunk. Megerősítést kaphatunk, hogy valóban, a gén be van kapcsolva -- olyasmi esetében, mint a Prozac, a szerotonerg szerkezetekben, olyan dolgok esetében, amikről már tudjuk, hogy hatásosak -- de az egész dolgot is láthatjuk. Olyan területeket is láthatunk, amiket senki nem nézett meg ezelőtt, és látjuk, hogy ezek a gének itt be vannak kapcsolva. Ez olyan érdekes mellékhatás, amilyen csak lehet. Egy másik dolog, amit az ilyesmivel meg lehet csinálni, mivel ez egy mintaillesztési feladat, mivel egyedi ujjlenyomatok vannak, hogy végig pásztázzuk az egész genomot, és más fehérjéket keresünk, amelyeknek hasonló ujjlenyomatuk van. Ha az ember például a gyógyszerkutatásban dolgozik, végigmehet a teljes listán, amit a genom ad, hogy esetleg jobb gyógyszercélpontot találjon és optimalizáljon.
Most of you are probably familiar with genome-wide association studies in the form of people covering in the news saying, "Scientists have recently discovered the gene or genes which affect X." And so these kinds of studies are routinely published by scientists and they're great. They analyze large populations. They look at their entire genomes, and they try to find hot spots of activity that are linked causally to genes. But what you get out of such an exercise is simply a list of genes. It tells you the what, but it doesn't tell you the where. And so it's very important for those researchers that we've created this resource. Now they can come in and they can start to get clues about activity. They can start to look at common pathways -- other things that they simply haven't been able to do before.
Önök közül valószínűleg nagyon sokan ismerik a genommal kapcsolatos tanulmányokat, ahogy a hírekben közvetítik: „A tudósok nemrég felfedezték azt a gént vagy géneket, amely(ek) X-re hat(nak).” Ezeket a fajta tanulmányokat rendszeresen publikálják a tudósok, és ezek nagyszerűek. Nagy populációkat elemeznek. Megnézik a teljes genomot, és megpróbálnak aktivitási forró pontokat találni, amelyek okozatilag a génekhez kapcsolódnak. De egy ilyen kísérletből egyszerűen csak egy génlistát kapunk. Ez megmutatja, hogy mi, de nem mutatja meg, hogy hol. Ezeknek a kutatóknak nagyon fontos, hogy létrehoztuk ezt a forrást. Most bejöhetnek, és kulcsot kaphatnak ezekhez az aktivitásokhoz. Elkezdhetnek közös útvonalakat keresni -- más olyan dolgokat, amiket azelőtt nem tudtak megcsinálni.
So I think this audience in particular can understand the importance of individuality. And I think every human, we all have different genetic backgrounds, we all have lived separate lives. But the fact is our genomes are greater than 99 percent similar. We're similar at the genetic level. And what we're finding is actually, even at the brain biochemical level, we are quite similar. And so this shows it's not 99 percent, but it's roughly 90 percent correspondence at a reasonable cutoff, so everything in the cloud is roughly correlated. And then we find some outliers, some things that lie beyond the cloud. And those genes are interesting, but they're very subtle. So I think it's an important message to take home today that even though we celebrate all of our differences, we are quite similar even at the brain level.
Azt hiszem, ez a közönség különösen megérti az egyéniség fontosságát. Úgy gondolom, minden embernek, mindannyiunknak más genetikai háttere van, mindannyian független életet élünk. De tény, hogy a genomunk több mint 99%-a azonos. Genetikai szinten azonosak vagyunk. És valójában azt találjuk, hogy még az agy biokémiai szintjén is meglehetősen hasonlóak vagyunk. Ez azt mutatja, hogy nem 99%, hanem durván 90% egyezés van egy ésszerű határon belül, tehát a felhőben minden nagyjából összefüggésben van. Találunk néhány távol álló pontot, olyanokat, amik a felhőn kívül találhatók. És azok a gének érdekesek, de nagyon apróak. Azt hiszem, egy fontos üzenet, amit ma hazavihetnek, hogy annak ellenére, hogy a különbségeinket hangsúlyozzuk, meglehetősen hasonlóak vagyunk még az agy szintjén is.
Now what do those differences look like? This is an example of a study that we did to follow up and see what exactly those differences were -- and they're quite subtle. These are things where genes are turned on in an individual cell type. These are two genes that we found as good examples. One is called RELN -- it's involved in early developmental cues. DISC1 is a gene that's deleted in schizophrenia. These aren't schizophrenic individuals, but they do show some population variation. And so what you're looking at here in donor one and donor four, which are the exceptions to the other two, that genes are being turned on in a very specific subset of cells. It's this dark purple precipitate within the cell that's telling us a gene is turned on there. Whether or not that's due to an individual's genetic background or their experiences, we don't know. Those kinds of studies require much larger populations.
Hogy néznek ki a különbségek? Ez egy olyan tanulmányból vett példa, amit azért végeztünk, hogy lássuk, pontosan mik ezek a különbségek -- és ezek bizony elég apróak. Ezek olyan dolgok, ahol a gének be vannak kapcsolva egy egyedi sejttípusban. Itt van két gén, amit jó példának találtunk. Az egyiket úgy hívják: RELN -- ez a korai fejlődési utasításokban vesz részt. A DISC1 egy olyan gén, amely törölve van a skizofréniában. Ezek nem skizofrén egyedek, de bizonyos ingadozást mutatnak a populációban. Amit itt látnak, az egyes és négyes donorban, a másik kettővel ellentétben, hogy bekapcsolt gének vannak a sejtek egy nagyon specifikus alcsoportjában. Ez a sötétlila üledék a sejten belül mutatja, hogy egy gén ott be van kapcsolva. Azt, hogy vajon ez az egyed genetikai hátterének vagy a tapasztalatainak köszönhető-e, nem tudjuk. Az ilyesféle vizsgálatok sokkal nagyobb populációt igényelnek.
So I'm going to leave you with a final note about the complexity of the brain and how much more we have to go. I think these resources are incredibly valuable. They give researchers a handle on where to go. But we only looked at a handful of individuals at this point. We're certainly going to be looking at more. I'll just close by saying that the tools are there, and this is truly an unexplored, undiscovered continent. This is the new frontier, if you will. And so for those who are undaunted, but humbled by the complexity of the brain, the future awaits.
Egy utolsó megjegyzéssel távozom, az agy összetettségére vonatkozóan, és hogy milyen sokat kell még haladnunk. Azt hiszem, ezek a források hihetetlenül értékesek. Fogódzót adnak a kutatóknak azzal kapcsolatban, hogy merre menjenek. De eddig csak egy maroknyi egyedet néztünk meg. Biztos, hogy többet fogunk megnézni. Azzal zárom, hogy az eszközök ott vannak, és ez valóban egy felderítetlen, felfedezetlen kontinens. Ez az új határ, ha úgy tetszik. És azokat, akik rettenthetetlenek, de alázatossá teszi őket az agy összetettsége, várja a jövő.
Thanks.
Köszönöm.
(Applause)
(Taps)