021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

مگس‌ها چگونه پرواز می‌کنند؟

Michael Dickinson

How a fly flies

An insect's ability to fly is one of the greatest feats of evolution. Michael Dickinson looks at how a fruit fly takes flight with such delicate wings, thanks to a clever flapping motion and flight muscles that are both powerful and nimble. But the secret ingredient: the incredible fly brain.


تگ های مرتبط :

TEDx, Biology, Insects
من با برنامه پیشتازان فضا - Star Trek بزرگ شدم. ( سریال تلوزیونی در دهه شصت میلادی)، من عاشق پیشتازان فضا هستم. برنامه پیشتازان فضا من رو تشویق به دیدن موجودات عجیب کرد، موجوداتی از سرزمینهای دور اما اساسا، من متوجه شدم که میتونم اون موجودات عجیب رو روی زمین پیدا کنم. و کاری که من میکنم مطالعه حشرات تمام فکرو ذهنم من را حشرات، مخصوصا حشرات پرنده گرفته است. من فکر میکنم، تکامل پرواز حشرات شاید یکی از مهمترین رویدادهای تاریخ حیات باشه. بدون حشرات، گیاهان گلدار بوجود نمی آمدند. بدون گیاهان گلدار، هیچ پستاندارمیوه خور باهوشی نبود که بیاد توی TED صحبت کنه
(خنده) حالا دیوید، هیدهیکو و کتاکی داستان جالبی در مورد شباهتهای بین مگس میوه و انسان ارائه کردند، و شباهتهای بسیاری وجود داره، و بنابر این ممکن فکر کنید که اگر انسانها شبیه به پشه های میوه باشند، رفتار مورد علاقه یک پشه میوه یه چیزی مثل این باشه--- (خنده) اما من در بحثم نمیخوام به شباهتهای بین انسان و مگس میوه تاکید کنم، بلکه میخوام در مورد تفاوت هاشون صحبت کنم، و روی رفتاریهای تاکید کنم که مگس میوه تخصص زیادی در انجامش داره. و من میخوام یک ویدئو با سرعت پخش بالا رو بهتون نشون بدم
که از یک مگس با سرعت ۷٫۰۰۰ فریم در ثانیه بوسیله نور مادون قرمز تصویر گرفته شده، و در سمت راست، بیرون صفحه، یک شبه مهاجم الکترونیکی وجود داره که میخواد به سمت مگس بره. مگس مهاجم رو حس میکنه. و داره سعی میکنه که پاهاش رو به سمت بیرون باز کنه. و سعی میکنه با آرامش و حفظ تعادل خودشو به عقب بکشه تا بتونه جون خودشه حفظ کنه. حالا من به دقت این سکانس تصویر رو قطع کردم تا دقیقا به اندازه پلک زدن چشم انسان باشه، پس هنگامی که شما پلکتون به هم می‌زنید، مگس شبه مهاجم رو میبینه، موقعیت خودشو تخمین میزنه، و یک الگوی حرکتی رو آغاز میکنه تا بتونه فرار کنه،
۲۲۰ بار در ثانیه بال میزنه تا فرار کنه. من فکر میکنم که این یک رفتار شگفت انگیزه که نشون میده که مغز مگس چقدر سریع میتونه اطلاعات رو پردازش کنه. حالا، پرواز- چطور پرواز میکنه؟ خوب، برای اینکه پرواز کنه، مثل هواپیمای آدما، شما به بالهایی نیاز دارید که بتونه نیروی آیرودینامیک کافی تولید کنه، شما به یک موتور احتیاج دارید که قدرت مورد نیاز برای پرواز رو تامین کنه، و به یک کنترل کننده احتیاج دارید، در اولین هواپیمای ساخت بشر، کنترل کننده در واقع همون مغز اورویل و ویلبر ( کسانی ک اولین هواپیما را ساختند) در داخل کابین خلبان . حالا، این چه شباهتی به پرواز داره؟ من زمان زیادی رو در آغاز کارم برای این گذروندم که بفهمم
که چطور بال های مگس میتونه نیروی لازم برای پرواز در هوا رو فراهم کنه. وممکنه شنیده باشید که مهندسین ثابت کردند که چطور زنبورهای گاوی(زنبورهای بزرگ) نمیتونند پرواز کنن. مشکل در اینجا بود که تصور میشد که بالهای حشره دقیقا شبیه بالهای هواپیما کار میکنند. اما اینطور نیست. و ما با ساختن مدلهای ایرودینامیکی عظیمی، از حشرات ربوتیکی و شبیه سازی بال زدن اونها در استخرهای روغن معدنی این مشکل رومرتفع کردیم جایی که میتونستیم نیروی آیرودینامیکی رو بررسی کنیم. و مشخص شد که حشرات بالهای خود را بسیار زیرکانه به حرکت درمیارند، با یک زاویه بسیار بالایی از (حالت) حمله یک ساختار در لبه بال ایجاد میکنن،
یک ساختار شبیه به تورنادو بنام لبه جلویی گرداب، و این همون نیروی حلقوی هست که باعث میشه بالها نیروی کافی رو تولید کنند که حیوان بتونه در هوا بمونه. اما چیزی که واقعا خیلی جذاب به نظر می رسه این نیست که بالها دارای ساختار جذابیست. نکته هوشمندانه اینه که اونها چطور بالهای خودشونو به حرکت در میارن، که البته در نهایت توسط سیستم عصبی کنترل میشه، و این همان چیزی است که مگس ها را قادر می سازه تا مانورهای هوایی چشمگیری انجام بدن. حالا، موتور پرواز چی میشه؟ موتور پرواز مگس ها بسیار جالب. اونها دو نوع عضله پروازی دارند: به اصطلاح عضله قدرتی، که با کشش فعال میشه،
به این معنی که خود را فعال میکنه و نیازی به کنترل نداره بر اساس سیستم عصبی انقباض در انقباض. این توانایی برای تولید قدرت عظیم مورد نیاز برای پروازبوجود میاد، و بخش مرکزی مگس رو پر میکنه، بنابراین، وقتی که یک مگس با شیشه جلوی ماشینتون برخورد میکنه، چیزی که می بینید در واقع توان عضلانی. اما به پایه بال مجموعه ای از عضلات کنترلی کوچک متصل شده که اصلا قدرتمند نیستند بلکه بسیار سریع اند، و می تونند لولای بال رو بر اساس هر ضربه مجددا تنظیم کنه، و این همان چیزی که مگس رو قادر میکنه تا بال خودشو تغییر بده ودرنیروهای آیرودینامیکی تغییر ایجاد کنه
و مسیر پرواز خود شو تغییر بده. و البته، نقش سیستم عصبی، کنترل همه اینهاست. بنابراین بگذارید نگاهی به کنترل کننده ها بیندازیم. مگسها در انواع حسگرها سرآمدند که باعث مشکل تر شدن اوضاع میشه. اونها شاخکهایی دارند که باهاش بو حس می کنن و(جهت) باد تشخیص میدن. اونها چشم های پیچیدهای دارند که سریعترین سیستم بینایی توی دنیاست. اونها چشمهای دیگری هم در بالای سرشون دارن. ما نمیدونیم که کار اونها چیه. اونها روی بالهاشون حسگر دارن. بالهاشون از حسگرها پوشیده شده، از جمله حسگرهایی که تغییر شکل بال رو حس میکنه.
اونها حتی میتونن با بالهاشون مزه ها رو بچشند. یکی از پیچیده ترین حسگرهایی که یه مگس داره یه ساختاری به اسم هالتر(افسار). هالترها در واقع نوعی ژیروسکوپ اند. این دستگاه ها حدود ۲۰۰ هرتز در طول پرواز به جلو و عقب، ضربه وارد میکنه، و حیوان می تونه از اونها برای حس کردن چرخش بدنش استفاده کنه و مانورهای دقیق وخیلی خیلی سریعی رو شروع کنه. اما همه این اطلاعات حسی لازمه که بوسیله مغز پردازش بشه، وبله، قطعا مگسها مغز دارند، مغزی با در حدود ۱۰۰٫۰۰۰ سلول عصبی. اکنون افراد بسیاری در این کنفرانس هنوز هیچی نشده پشنهاد میدن که مگس های میوه می تونن در خدمت علوم اعصاب باشن
چونکه اونها یک مدل ساده از عملکرد مغز هستند. و مطلب اصلی بحثم اینه که، من می خوام دوباره به سر (این حشره) برگردم. فکر نمی کنم مدل ساده ای از هرچیزی باشه. به نظرم این مگسها یک مدل فوق العاده اند. و اونها هستن که یه مدل فوق العاده برای مگس ها به حساب میان. (خنده) بذارید مفهوم این سادگی رو بررسی کنیم. خب من فکر می کنم، متاسفانه، بسیاری از متخصصین اعصاب، و همه ما تا حدودی خود شیفته هستیم. وقتی ما درباره مغز صحبت می کنیم، طبیعتا مغز خودمونو تصور می کنیم. اما به یاد داشته باشید این نوع از مغز، که بسیار بسیار کوچک ترن
به جای ۱۰۰ میلیارد سلول عصبی، از ۱۰۰٫۰۰۰ سلول عصبی تشکیل شدن-- اما این رایج ترین شکل مغز بر روی زمینه و ۴۰۰ میلیون سال قدمت داره. و انصاف که بگیم که ساده ست؟ خب، از این لحاظ که داری سلولهای کمتری سادست، اما آیا این معیار سنجش درسته؟ وبه نظر من این معیار سنجش درستی نیست. خب بگذارید کمی دربارش فکر کنیم. من فکر میکنم می بایست مقایسه کنیم-- (خنده)-- می بایست اندازه مغز رو با توجه به توانایی هاش مقایسه کنیم. خب بنظرم ما یه برگ برنده داریم، و برگ برنده ما نسبت
کارنامه اخلاقی این مرد با سلولهای عصبی مغزش. ما می خواهیم تعداد برگ برنده های مگس میوه رو محاسبه کنیم. حالا کیا اینجا فکر میکنن برگ برنده های مگس میوه بیشتر؟ (تشویق) حضار خیلی باهوشی داریم. بله، نابرابری همینه که من اون بدیهی فرض کردم. من متوجه شدم که این موضوع کمی مضحک که بخوایم کارنامه اخلاقی آدمها رو با مگس مقایسه کنیم. اما اجازه بدید یه حیوان دیگه روبراتون مثال بزنم مثلا موش. یه موش ۱٫۰۰۰ برابر بیشتر از مگس سلول عصبی داره. من درباره موشها مطالعه داشتم، وقتی درباره موشها مطالعه میکردم، به آرومی صحبت می کردم.
یدفعه یه موضوعی باعث شد تا روی مگس ها کار کنم. (خنده) من فکر می کنم اگر تاریخ طبیعی مگسها وموشها رو مقایسه کنید، واقعا قابل مقایسه ست. اونها باید دنبال غذا بگردن. اونها در گیر رابطه عاشقانه میشن. اونها رابطه جنسی دارن. اونها خودشونو از شکارچی ها پنهان می کنن. اونها خیلی چیزهای مشابه انجام می دن. اما من استدلالم اینه که مگسها کارهای بیشتری انجام می دن. برای مثال ، یه سکانسی رو بهتون نشون میدهم. و باید بگم که بخشی از بودجه کاریم رو ازارتش گرفتم، و حالا می خوام این سکانس محرمانه رو بهتون نشون بدم و نباید این موضوع رو با کسی خارج از این اتاق مطرح کنید، باشه؟
من ازتون می خوام که به ظرفیت بار انتهای دم مگس نگاه کنید. با دقت نگاش کنید، و متوجه می شید که چرا پسر شش ساله من حالا می خواد یه متخصص اعصاب بشه. یه لحظه صبر کنید. صبرکنید. بنابر این حداقل تصدیق می‌کنید که اگرچه مگسهای میوه به اندازه موشها باهوش نیستند، ولی هرچی باشه از کبوترها که باهوش ترند.(خنده) حال، من می خواهم بفهمم که این موضوع فقط بحث اعداد نیست بلکه چالشی است برای مگسها برای محاسبه هر چیزی که مغز اونها باید با سلولهای عصبی بسیار کوچیک محاسبه کنه. خب این یه عکس قشنگ از سلول‌های عصبی داخل مغز یه موشه
که از آزمایشگاه جف لیکمن تهیه شده، شما می تونید عکسهای شگفت انگیزی از این مغزها رو ببینید که اون در این بحث اونا رو به شما نشون میده. اما در گوشه بالا، در گوشه سمت راست، تصویری با همان مقیاس، از سلولهای داخلی مغز مگس رو می بینید. و من میخواهم بحث رو بازش کنم. و اون یک سلول عصبی زیبای پیچیده ست. بسیار بسیار کوچک، و چالش های بیوفیزیکی بسیاری وجود داره برای محاسبه اطلاعات با این سلول عصبی بسیار بسیار کوچک. چه مقدار کمی سلولهای عصبی می تونن دریافت کنن؟ خب، به این حشره جالب نگاه کنید. تا حدی شبیه مگسه. بال داره، چشم داره، شاخک داره، پا داره، تاریخچه حیات پیچیده،
اون یک انگل، اون می پره تا کرم ابریشم پیدا کنه و بعد انگل زایی کنه، اما نه تنها مغزش هم اندازه دونه نمک، که در مقایسه با مغز مگس میوه، هم اندازه دونه نمک است. در اینجا موجودات زنده دیگری با همین مقیاس وجود داره. این حیوان به اندازه یک پارامیسیوم و یه جانور تک سلولی، و مغزش دارای هفت هزار سلول عصبی که بسیار کوچک است-- شما میدونید اینها به عنوان سلولهای بدنی شناخته می شن تا حالا شنیده بودید، هسته مرکزی سلولهای عصب اونها کجاست؟ این حیوون اونا رو از بین می بره چون جای زیادی رو اشغال می کنن. خُب این درسی از خطوط مقدم علوم اعصاب است.
از نظر من یکی از خطوط مقدم علم اعصاب اینه که بفهمیم که چطور مغز اونا کار میکنه اما بگذارید در این باره فکر کنیم. چطور میتونیم با مقدار کمی ازسلول های عصبی کارهای زیادی انجام بدیم؟ به نظرم، از دید یه مهندس، این موضوع دارای چند بخشه. شما می تونید یه سخت افزار داشته باشید واز اون سخت افزار برای چیزهای مختلف در زمان های مختلف استفاده کنید، و یا بخش های مختلفی از یه سخت افزار داشته باشید که کارهای مختلفی انجام بده. و اینها دو مفهومی هستن که می خوام دربارشون تحقیق کنم. اما این مفاهیمی که میخوام بگم مفاهیمی نیستند که من دنبالشون می گردم، اما مفاهیمی اند که در گذشته ارائه شدن. یکی از این ایده ها از نوع جویدن خرچنگ ها برداشت شده.
البته منظورم جویدن خوده خرچنگ نیست. من در بالتیمور بزرگ شدم و خیلی خوب خرچنگ می جوم. اما من دارم درباره عمل جویدن خود خرچنگ ها صحبت می کنم. نوع جویدن خرچنگها بسیار جذاب است. خرچنگها این ساختارپیچیده رو زیر لاکشون دارن که به اسم آسیاب معده شناخته میشه غذا ها رو به روشهای مختلف خرد میکنه. و این فیلم آندوسکوپی این ساختار را نشان می‌دهد. نکته جالب اینه که این بخش به وسیله مجموعه ای از سلولهای بسیار ریز کنترل میشه و می تونه مجموعه گسترده ای از الگوهای متفاوت حرکتی رو تولید کنه، و دلیل اینکه می تونه این کارو بکنه اینه که این مجموعه سلولهای عصبی کوچک
در خرچنگ درواقع مملو از تعداد بسیار بسیار زیادی متغیرهای سلولهای عصبی ست. شما قبلا هم درباره متغیرهای سلولهای عصبی چیزهایی شنیده بودید. متغیرهای سلولهای عصبی بیشتری هم وجود داره که تغییر ایجاد می‌کنند،که در این ساختار بیشتر از رشته های عصبی استفاده میشه تا سلولهای عصبی، و اونها میتونن مجموعه الگوهای پیچیده تری رو ایجاد کنند. و این سیستم شگفت انگیز ایو ماردر و تعداد کثیری از همکارانش مورد بررسی قرار دادن که نشون میده چطور خوشه های کوچک ترسلولهای عصبی می تونه کارهای بسیار بسیار بسیار زیادی انجام بده بخاطر متغیرهای عصبی که می تونه به صورت لحظه به لحظه رخ بده. بنا براین در زمان به چند بخش تقسیم میشه.
شبکه سلولهای عصبی رو تصور کنید که تنها یک متغیر عصبی داره. شما یه مجموعه از سلولها رو انتخاب می کنید که یک نوع رفتار انجام میده، یه متغیر عصبی دیگه، و یه مجموعه سلولهای دیگه یه الگوهای متفاوت، ومیتونید تصور کنید که شما میتونید یه سیستم بسیار بسیار پیچیده رو ملاک قرار بدید. مدرکی وجود داره که مگسها این کارو انجام میدن؟ خب، برای سالها در آزمیشگاه من و دیگر آزمایشگاه های سراسر جهان ما رفتار مگس رو در محیط شبیه سازی پرواز مورد بررسی قرار دادیم. شما می تونید مگس ببندینش به یه چیز چسبناک. شما می تونید نیروی آیرودینامیکی که ایجاد می کنه رو بسنجید. شما می تونید بذارید مگس در یه صفحه نمایش پرواز کنه ویه بازی ودیویی کوچیک انجام بده.
خب اجازه بدید یه سکانس کوچکی از اینو بهتون نشون بدم. این یه مگس نمای بزرگی ازمگس زیر نور مادون قرمز ودر محیط شبیه سازی پرواز و این بازی که مگس دوست داره انجام بده. شما اجازه می دید که با یه بند کوچیک هدایت بشه، و اونها تا همیشه با این بند کوچیک هدایت میشن. این بخشی از سیستم هدایت بصری اونهاست. اما بسیار، بسیار به تازگی، تغییر این نوع از عرصه رفتار فیزیواوژیکی میسر شده. پس این مقدمه‌ای برای یکی ا شاگردان ز فوق دکترای سابق من به اسم گبی میمن که اکنون در راکفلر، در بخش پیشبرد کار میکنه، و این در واقع یه شبیه ساز پرواز اما تحت شرایطی که شما واقعا بتونید یه الکترود
به مغز مگس بچسبونید و سلول های عصبی شناخته شده ژنی رو در مغز مگس ثبت کنید. و این همان چیزی است که در یکی از این آزمایشات به نظر می‌رسه. و این یه سکانس از یکی دیگه از آزمایشگاه های فوق دکترا بتینا اشنل. اثر سبز در قسمت پایین، نشانگر پتانسیل غشایی سلولهای عصبی مغز مگس، و شما می بینید که مگس شروع میکنه به پرواز، و مگس در واقع چرخش الگوی بصری خودشو بوسیله حرکت بالهاش کنترل می کنه، و شما می تونید ببینید که این سلولهای عصبی داخلی بهنگام پرواز مگسها به الگوی حرکتی بالها واکنش نشون میده. در واقع ما برای اولین بار تونستیم
سلول های عصبی مغز مگس در حین اجرای رفتار های پیچیده مثل پرواز ثبت کنیم. و یکی از درسهایی که ما یاد گرفتیم این بود که فیزیولوژی سلولهایی که ما سالهای متمادی در باره مگس های غیر فعال بررسی کردیم شباهتی بین فیزیولوژی سلولهای مگسهایی که در گیر رفتارهای فعالی مانند پرواز کردن، راه رفتن و مانند اینهاست وجود نداره. و چرا فیزیولوژی شون فرق داره؟ خب، معلوم شد که متغیرهای سلولهای عصبی شون درست مثل متغیرهای سلوهای عصبی در مجموعه سلولهای عصبی بسیار کوچک خرچنگ این یه عکس از سیستم آکتوپومین. آکتوپومین یه متغییر سلول عصبی
که به نظر میاد نقش مهمی در پرواز ودیگر رفتارها انجام میده. اما این تنها یکی ازچندین متغیرهای سلولهای عصبی موجود درمغز مگس همینطوری که ما یاد می گیریم، من واقعا فکر میکنم، تمام مغز مگس مثل یه گونه بزرگی ازمجموعه سلولهای ستوماتیگاسریک stomatogastric از کار در بیاد و این یکی ازدلایلی که با سلولهای عصبی بسیار کم می تونه کارهای زیادی انجام بده حالا، ایده بعدی، راه دیگری برای چند بخشی کردن چند بخشی کردن در فضا، داشتن بخشهای مختلفی از سلولهای عصبی که همزمان چیزهای مختلفی انجام بده. خب، در این جا دو نوع سلولهای عصبی متعارف وجود داره
از مهره دارها و بی مهره ها یه سلول عصبی هرمی از رامونی کا خال، سلولهای دیگر در سمت راست سلوهای عصبی داخلی غیر افزایشی‌اند، و این کار آلن واتسون و مالکوم باروز در سالها پیش، و مالکوم باروز به یه ایده جالب رسید که بر این اساس این سلول های عصبی از ملخ ها دارای پتانسیل فعالیت آتشین نیست. اون یه سلول غیر افزایشی. بنابر این یه سلول معمولی، مثل سلولهای عصبی مغز ما ناحیه ای داره به نام دندریت ها که ورودی رو دریافت، و اون ورودی روی هم انباشته میشه و پتانسیل فعالیت تولید می کنه که به پائین اکسون میره و فعال میشه
تمامی خروجی بخش سلول عصبی رو فعال میکنه. اما سلول های غیر افزایشی در واقع کمی پیچیده هستند چون اونها می تونن هم سیناپس های ورودی داشته باشن وهم سیناپس های خروجی که همشون به هم پیوستن و هیچ پتانسیل عمل واحدی وجود نداره که هم زمان همه خروجی ها رو هدایت کنه. پس این امکان وجود دارد که شما محفظه محاسباتی داشته باشید که اجازه بده بخش های مختلف سلول عصبی همزمان کارهای مختلفی انجام بده پس این مفاهیم اولیه از چند کار کردی بودن در زمان و چند کارکردی بودن در فضا، که فکرم می کنم که این چیزها در مغز ما هم صدق می کنه، اما دراین مورد فکر می کنم که حشرات حرف اول می زنن
پس امیدوارم دفعات بعد نظر تون به حشرات تغییر بدین، من از این بالا می خوام بگم، خواهش می‌کنم قبل از اینکه اونارو بکشید کمی دربارش فکر کنید. (تشویق)
I grew up watching Star Trek. I love Star Trek. Star Trek made me want to see alien creatures, creatures from a far-distant world. But basically, I figured out that I could find those alien creatures right on Earth. And what I do is I study insects. I'm obsessed with insects, particularly insect flight. I think the evolution of insect flight is perhaps one of the most important events in the history of life. Without insects, there'd be no flowering plants. Without flowering plants, there would be no clever, fruit-eating primates giving TED Talks.
(Laughter) Now, David and Hidehiko and Ketaki gave a very compelling story about the similarities between fruit flies and humans, and there are many similarities, and so you might think that if humans are similar to fruit flies, the favorite behavior of a fruit fly might be this, for example -- (Laughter) but in my talk, I don't want to emphasize on the similarities between humans and fruit flies, but rather the differences, and focus on the behaviors that I think fruit flies excel at doing. And so I want to show you a high-speed video sequence
of a fly shot at 7,000 frames per second in infrared lighting, and to the right, off-screen, is an electronic looming predator that is going to go at the fly. The fly is going to sense this predator. It is going to extend its legs out. It's going to sashay away to live to fly another day. Now I have carefully cropped this sequence to be exactly the duration of a human eye blink, so in the time that it would take you to blink your eye, the fly has seen this looming predator, estimated its position, initiated a motor pattern to fly it away,
beating its wings at 220 times a second as it does so. I think this is a fascinating behavior that shows how fast the fly's brain can process information. Now, flight -- what does it take to fly? Well, in order to fly, just as in a human aircraft, you need wings that can generate sufficient aerodynamic forces, you need an engine sufficient to generate the power required for flight, and you need a controller, and in the first human aircraft, the controller was basically the brain of Orville and Wilbur sitting in the cockpit. Now, how does this compare to a fly? Well, I spent a lot of my early career trying to figure out
how insect wings generate enough force to keep the flies in the air. And you might have heard how engineers proved that bumblebees couldn't fly. Well, the problem was in thinking that the insect wings function in the way that aircraft wings work. But they don't. And we tackle this problem by building giant, dynamically scaled model robot insects that would flap in giant pools of mineral oil where we could study the aerodynamic forces. And it turns out that the insects flap their wings in a very clever way, at a very high angle of attack that creates a structure at the leading edge of the wing,
a little tornado-like structure called a leading edge vortex, and it's that vortex that actually enables the wings to make enough force for the animal to stay in the air. But the thing that's actually most -- so, what's fascinating is not so much that the wing has some interesting morphology. What's clever is the way the fly flaps it, which of course ultimately is controlled by the nervous system, and this is what enables flies to perform these remarkable aerial maneuvers. Now, what about the engine? The engine of the fly is absolutely fascinating. They have two types of flight muscle:
so-called power muscle, which is stretch-activated, which means that it activates itself and does not need to be controlled on a contraction-by-contraction basis by the nervous system. It's specialized to generate the enormous power required for flight, and it fills the middle portion of the fly, so when a fly hits your windshield, it's basically the power muscle that you're looking at. But attached to the base of the wing is a set of little, tiny control muscles that are not very powerful at all, but they're very fast, and they're able to reconfigure the hinge of the wing on a stroke-by-stroke basis,
and this is what enables the fly to change its wing and generate the changes in aerodynamic forces which change its flight trajectory. And of course, the role of the nervous system is to control all this. So let's look at the controller. Now flies excel in the sorts of sensors that they carry to this problem. They have antennae that sense odors and detect wind detection. They have a sophisticated eye which is the fastest visual system on the planet. They have another set of eyes on the top of their head. We have no idea what they do.
They have sensors on their wing. Their wing is covered with sensors, including sensors that sense deformation of the wing. They can even taste with their wings. One of the most sophisticated sensors a fly has is a structure called the halteres. The halteres are actually gyroscopes. These devices beat back and forth about 200 hertz during flight, and the animal can use them to sense its body rotation and initiate very, very fast corrective maneuvers. But all of this sensory information has to be processed by a brain, and yes, indeed, flies have a brain,
a brain of about 100,000 neurons. Now several people at this conference have already suggested that fruit flies could serve neuroscience because they're a simple model of brain function. And the basic punchline of my talk is, I'd like to turn that over on its head. I don't think they're a simple model of anything. And I think that flies are a great model. They're a great model for flies. (Laughter) And let's explore this notion of simplicity. So I think, unfortunately, a lot of neuroscientists, we're all somewhat narcissistic.
When we think of brain, we of course imagine our own brain. But remember that this kind of brain, which is much, much smaller — instead of 100 billion neurons, it has 100,000 neurons — but this is the most common form of brain on the planet and has been for 400 million years. And is it fair to say that it's simple? Well, it's simple in the sense that it has fewer neurons, but is that a fair metric? And I would propose it's not a fair metric. So let's sort of think about this. I think we have to compare -- (Laughter) — we have to compare the size of the brain
with what the brain can do. So I propose we have a Trump number, and the Trump number is the ratio of this man's behavioral repertoire to the number of neurons in his brain. We'll calculate the Trump number for the fruit fly. Now, how many people here think the Trump number is higher for the fruit fly? (Applause) It's a very smart, smart audience. Yes, the inequality goes in this direction, or I would posit it. Now I realize that it is a little bit absurd to compare the behavioral repertoire of a human to a fly. But let's take another animal just as an example. Here's a mouse.
A mouse has about 1,000 times as many neurons as a fly. I used to study mice. When I studied mice, I used to talk really slowly. And then something happened when I started to work on flies. (Laughter) And I think if you compare the natural history of flies and mice, it's really comparable. They have to forage for food. They have to engage in courtship. They have sex. They hide from predators. They do a lot of the similar things. But I would argue that flies do more. So for example, I'm going to show you a sequence, and I have to say, some of my funding comes from the military,
so I'm showing this classified sequence and you cannot discuss it outside of this room. Okay? So I want you to look at the payload at the tail of the fruit fly. Watch it very closely, and you'll see why my six-year-old son now wants to be a neuroscientist. Wait for it. Pshhew. So at least you'll admit that if fruit flies are not as clever as mice, they're at least as clever as pigeons. (Laughter) Now, I want to get across that it's not just a matter of numbers but also the challenge for a fly to compute
everything its brain has to compute with such tiny neurons. So this is a beautiful image of a visual interneuron from a mouse that came from Jeff Lichtman's lab, and you can see the wonderful images of brains that he showed in his talk. But up in the corner, in the right corner, you'll see, at the same scale, a visual interneuron from a fly. And I'll expand this up. And it's a beautifully complex neuron. It's just very, very tiny, and there's lots of biophysical challenges with trying to compute information with tiny, tiny neurons. How small can neurons get? Well, look at this interesting insect.
It looks sort of like a fly. It has wings, it has eyes, it has antennae, its legs, complicated life history, it's a parasite, it has to fly around and find caterpillars to parasatize, but not only is its brain the size of a salt grain, which is comparable for a fruit fly, it is the size of a salt grain. So here's some other organisms at the similar scale. This animal is the size of a paramecium and an amoeba, and it has a brain of 7,000 neurons that's so small -- you know these things called cell bodies you've been hearing about, where the nucleus of the neuron is?
This animal gets rid of them because they take up too much space. So this is a session on frontiers in neuroscience. I would posit that one frontier in neuroscience is to figure out how the brain of that thing works. But let's think about this. How can you make a small number of neurons do a lot? And I think, from an engineering perspective, you think of multiplexing. You can take a hardware and have that hardware do different things at different times, or have different parts of the hardware doing different things. And these are the two concepts I'd like to explore. And they're not concepts that I've come up with,
but concepts that have been proposed by others in the past. And one idea comes from lessons from chewing crabs. And I don't mean chewing the crabs. I grew up in Baltimore, and I chew crabs very, very well. But I'm talking about the crabs actually doing the chewing. Crab chewing is actually really fascinating. Crabs have this complicated structure under their carapace called the gastric mill that grinds their food in a variety of different ways. And here's an endoscopic movie of this structure. The amazing thing about this is that it's controlled by a really tiny set of neurons, about two dozen neurons
that can produce a vast variety of different motor patterns, and the reason it can do this is that this little tiny ganglion in the crab is actually inundated by many, many neuromodulators. You heard about neuromodulators earlier. There are more neuromodulators that alter, that innervate this structure than actually neurons in the structure, and they're able to generate a complicated set of patterns. And this is the work by Eve Marder and her many colleagues who've been studying this fascinating system that show how a smaller cluster of neurons can do many, many, many things because of neuromodulation that can take place on a moment-by-moment basis.
So this is basically multiplexing in time. Imagine a network of neurons with one neuromodulator. You select one set of cells to perform one sort of behavior, another neuromodulator, another set of cells, a different pattern, and you can imagine you could extrapolate to a very, very complicated system. Is there any evidence that flies do this? Well, for many years in my laboratory and other laboratories around the world, we've been studying fly behaviors in little flight simulators. You can tether a fly to a little stick. You can measure the aerodynamic forces it's creating. You can let the fly play a little video game
by letting it fly around in a visual display. So let me show you a little tiny sequence of this. Here's a fly and a large infrared view of the fly in the flight simulator, and this is a game the flies love to play. You allow them to steer towards the little stripe, and they'll just steer towards that stripe forever. It's part of their visual guidance system. But very, very recently, it's been possible to modify these sorts of behavioral arenas for physiologies. So this is the preparation that one of my former post-docs, Gaby Maimon, who's now at Rockefeller, developed,
and it's basically a flight simulator but under conditions where you actually can stick an electrode in the brain of the fly and record from a genetically identified neuron in the fly's brain. And this is what one of these experiments looks like. It was a sequence taken from another post-doc in the lab, Bettina Schnell. The green trace at the bottom is the membrane potential of a neuron in the fly's brain, and you'll see the fly start to fly, and the fly is actually controlling the rotation of that visual pattern itself by its own wing motion,
and you can see this visual interneuron respond to the pattern of wing motion as the fly flies. So for the first time we've actually been able to record from neurons in the fly's brain while the fly is performing sophisticated behaviors such as flight. And one of the lessons we've been learning is that the physiology of cells that we've been studying for many years in quiescent flies is not the same as the physiology of those cells when the flies actually engage in active behaviors like flying and walking and so forth. And why is the physiology different?
Well it turns out it's these neuromodulators, just like the neuromodulators in that little tiny ganglion in the crabs. So here's a picture of the octopamine system. Octopamine is a neuromodulator that seems to play an important role in flight and other behaviors. But this is just one of many neuromodulators that's in the fly's brain. So I really think that, as we learn more, it's going to turn out that the whole fly brain is just like a large version of this stomatogastric ganglion, and that's one of the reasons why it can do so much with so few neurons. Now, another idea, another way of multiplexing
is multiplexing in space, having different parts of a neuron do different things at the same time. So here's two sort of canonical neurons from a vertebrate and an invertebrate, a human pyramidal neuron from Ramon y Cajal, and another cell to the right, a non-spiking interneuron, and this is the work of Alan Watson and Malcolm Burrows many years ago, and Malcolm Burrows came up with a pretty interesting idea based on the fact that this neuron from a locust does not fire action potentials. It's a non-spiking cell. So a typical cell, like the neurons in our brain,
has a region called the dendrites that receives input, and that input sums together and will produce action potentials that run down the axon and then activate all the output regions of the neuron. But non-spiking neurons are actually quite complicated because they can have input synapses and output synapses all interdigitated, and there's no single action potential that drives all the outputs at the same time. So there's a possibility that you have computational compartments that allow the different parts of the neuron to do different things at the same time.
So these basic concepts of multitasking in time and multitasking in space, I think these are things that are true in our brains as well, but I think the insects are the true masters of this. So I hope you think of insects a little bit differently next time, and as I say up here, please think before you swat. (Applause)