TEDMED 2018
Yaniv Erlich: How we're building the world's largest family tree
Yaniv Erlich: Cómo estamos construyendo el mayor árbol genealógico del mundo
Filmed:
Readability: 4.9
1,507,766 views
El genetista computacional Yaniv Erlich ha ayudado a construir el árbol genealógico más grande del mundo, formado por 13 millones de personas y que se remonta a más de 500 años. Aquí comparte los fascinantes patrones que surgieron del trabajo, sobre nuestras vidas amorosas, nuestra salud e incluso sobre caso criminales de hace décadas, y nos muestra cómo las bases de datos de la genealogía de contribución abierta pueden arrojar luz no solo sobre el pasado sino también sobre el futuro.
Yaniv Erlich - Computational geneticist
Yaniv Erlich is fascinated by the connection between DNA and data. Full bio
Yaniv Erlich is fascinated by the connection between DNA and data. Full bio
Double-click the English transcript below to play the video.
00:12
People use the internet
for various reasons.
for various reasons.
0
817
3452
La gente usa Internet por varios motivos.
00:17
It turns out that one of the most
popular categories of website
popular categories of website
1
5765
3804
Resulta que una de las categorías
más populares de páginas web
más populares de páginas web
00:21
is something that people
typically consume in private.
typically consume in private.
2
9593
2872
es algo que la gente consume
normalmente en privado.
normalmente en privado.
00:25
It involves curiosity,
3
13639
2510
Tiene que ver con la curiosidad,
00:28
non-insignificant levels
of self-indulgence
of self-indulgence
4
16173
3796
con niveles significativos
de autocomplacencia
de autocomplacencia
00:31
and is centered around recording
the reproductive activities
the reproductive activities
5
19993
3260
que giran en torno a las
actividades reproductivas
actividades reproductivas
00:35
of other people.
6
23277
1309
de otras personas.
00:36
(Laughter)
7
24610
1032
(Risas)
00:37
Of course, I'm talking about genealogy --
8
25666
2250
Obviamente estoy hablando
de la genealogía...
de la genealogía...
00:39
(Laughter)
9
27940
1214
(Risas)
00:41
the study of family history.
10
29178
1702
el estudio de la historia familiar.
Cuando se trata de detallar
la historia familiar
la historia familiar
00:43
When it comes to detailing family history,
11
31353
2037
00:45
in every family, we have this person
that is obsessed with genealogy.
that is obsessed with genealogy.
12
33414
3943
en todas las familias hay una persona
obsesionada con la genealogía.
obsesionada con la genealogía.
00:49
Let's call him Uncle Bernie.
13
37381
1713
Llamémosle tío Bernie.
00:51
Uncle Bernie is exactly the last person
you want to sit next to
you want to sit next to
14
39118
3782
El tío Bernie es justo la última persona
a cuyo lado te quieres sentar
a cuyo lado te quieres sentar
00:54
in Thanksgiving dinner,
15
42924
1599
en la cena de Acción de Gracias,
00:56
because he will bore you to death
with peculiar details
with peculiar details
16
44547
2814
porque te aburrirá soberanamente
con detalles concretos
con detalles concretos
00:59
about some ancient relatives.
17
47385
1966
sobre parientes antiguos.
01:02
But as you know,
18
50462
1262
Pero como ya saben,
01:03
there is a scientific side for everything,
19
51748
2872
todo tiene un lado científico,
01:06
and we found that Uncle Bernie's stories
20
54644
2978
y hemos descubierto
que las historias del tío Bernie
que las historias del tío Bernie
01:09
have immense potential
for biomedical research.
for biomedical research.
21
57646
3168
tienen un potencial inmenso
para la investigación biomédica.
para la investigación biomédica.
01:13
We let Uncle Bernie
and his fellow genealogists
and his fellow genealogists
22
61306
2714
Dejamos que el tío Bernie
y sus amigos genealogistas
y sus amigos genealogistas
01:16
document their family trees through
a genealogy website called geni.com.
a genealogy website called geni.com.
23
64044
4668
documenten sus árboles genealógicos
a través de una web llamada geni.com.
a través de una web llamada geni.com.
Cuando los usuarios
suben sus árboles a la web
suben sus árboles a la web
01:21
When users upload
their trees to the website,
their trees to the website,
24
69198
2128
01:23
it scans their relatives,
25
71350
1690
este escanea a sus familiares
y si encuentra coincidencias
con árboles existentes
con árboles existentes
01:25
and if it finds matches to existing trees,
26
73064
2075
01:27
it merges the existing
and the new tree together.
and the new tree together.
27
75163
3610
combina el árbol existente con el nuevo.
01:31
The result is that large
family trees are created,
family trees are created,
28
79768
2950
El resultado es que se crean
árboles genealógicos enormes,
árboles genealógicos enormes,
01:34
beyond the individual level
of each genealogist.
of each genealogist.
29
82742
3479
más allá del nivel individual
de cada genealogista.
de cada genealogista.
01:38
Now, by repeating this process
with millions of people
with millions of people
30
86808
4129
Al repetir este proceso
con millones de personas
con millones de personas
01:42
all over the world,
31
90961
1817
de todo el mundo,
01:44
we can crowdsource the construction
of a family tree of all humankind.
of a family tree of all humankind.
32
92802
5532
podemos colaborar para crear
un árbol genealógico de toda la humanidad.
un árbol genealógico de toda la humanidad.
01:51
Using this website,
33
99292
1584
Al usar esta página,
01:52
we were able to connect 125 million people
34
100900
4813
pudimos conectar a
125 millones de personas
125 millones de personas
01:57
into a single family tree.
35
105737
2521
en un solo árbol genealógico.
02:00
I cannot draw the tree
on the screens over here
on the screens over here
36
108967
2788
No puedo dibujar el árbol
en estas pantallas
en estas pantallas
02:03
because they have less pixels
37
111779
2165
porque tienen menos píxeles
02:05
than the number of people in this tree.
38
113968
2513
que el número de personas en el árbol.
02:08
But here is an example of a subset
of 6,000 individuals.
of 6,000 individuals.
39
116505
5010
Pero aquí tengo un ejemplo de
un subconjunto de 6000 individuos.
un subconjunto de 6000 individuos.
02:14
Each green node is a person.
40
122159
2362
Cada nodo verde es una persona.
02:17
The red nodes represent marriages,
41
125060
2849
Los nodos rojos representan matrimonios,
02:19
and the connections represent parenthood.
42
127933
2258
y las conexiones representan paternidad.
En el medio del árbol
pueden ver los ancestros.
pueden ver los ancestros.
02:22
In the middle of this tree,
you see the ancestors.
you see the ancestors.
43
130557
2372
A medida que vamos hacia la periferia
verán los descendientes.
verán los descendientes.
02:24
And as we go to the periphery,
you see the descendants.
you see the descendants.
44
132953
2604
Este árbol tiene, aproximadamente,
siete generaciones.
siete generaciones.
02:27
This tree has seven
generations, approximately.
generations, approximately.
45
135581
3102
02:31
Now, this is what happens
when we increase the number of individuals
when we increase the number of individuals
46
139692
3234
Esto es lo que pasa cuando aumentamos
el número de individuos
el número de individuos
02:34
to 70,000 people --
47
142950
1828
hasta 70 000 personas...
02:36
still a tiny subset
of all the data that we have.
of all the data that we have.
48
144802
4330
sigue siendo una pequeña parte
de los datos que tenemos.
de los datos que tenemos.
02:41
Despite that, you can already see
the formation of gigantic family trees
the formation of gigantic family trees
49
149629
4813
Aún así, pueden ver que se forman
árboles genealógicos enormes
árboles genealógicos enormes
02:46
with many very distant relatives.
50
154466
2655
con muchos parientes lejanos.
02:49
Thanks to the hard work
of our genealogists,
of our genealogists,
51
157610
3134
Gracias al arduo trabajo
de nuestros genealogistas,
de nuestros genealogistas,
02:52
we can go back in time
hundreds of years ago.
hundreds of years ago.
52
160768
3103
podemos retroceder en el tiempo
hasta cientos de años.
hasta cientos de años.
02:56
For example, here is Alexander Hamilton,
53
164418
3441
Por ejemplo, aquí tenemos
a Alexander Hamilton,
a Alexander Hamilton,
02:59
who was born in 1755.
54
167883
2475
que nació en 1755.
03:02
Alexander was the first
US Secretary of the Treasury,
US Secretary of the Treasury,
55
170872
3764
Alexander fue el primer
Secretario del Tesoro de EE.UU.
Secretario del Tesoro de EE.UU.
03:06
but mostly known today
due to a popular Broadway musical.
due to a popular Broadway musical.
56
174660
3831
pero hoy es conocido sobre todo
por un musical popular de Broadway.
por un musical popular de Broadway.
03:11
We found that Alexander has deeper
connections in the showbiz industry.
connections in the showbiz industry.
57
179137
4922
Descubrimos que Alexander tiene buenas
conexiones en el mundo del espectáculo.
conexiones en el mundo del espectáculo.
03:16
In fact, he's a blood relative of ...
58
184083
2111
De hecho, es pariente de sangre de...
03:18
Kevin Bacon!
59
186781
1220
¡Kevin Bacon!
03:20
(Laughter)
60
188025
2032
(Risas)
03:22
Both of them are descendants
of a lady from Scotland
of a lady from Scotland
61
190081
2606
Ambos son descendientes
de una señora de Escocia
de una señora de Escocia
03:24
who lived in the 13th century.
62
192711
2314
que vivió en el siglo XIII.
03:27
So you can say that Alexander Hamilton
63
195049
3102
Así que se podría decir
que Alexander Hamilton
que Alexander Hamilton
tiene 35 grados de separación
con Kevin Bacon.
con Kevin Bacon.
03:30
is 35 degrees of Kevin Bacon genealogy.
64
198175
3188
03:33
(Laughter)
65
201387
1441
(Risas)
03:34
And our tree has millions
of stories like that.
of stories like that.
66
202852
3230
Y nuestro árbol tiene
millones de historias como esa.
millones de historias como esa.
03:40
We invested significant efforts
to validate the quality of our data.
to validate the quality of our data.
67
208113
4890
Hemos puesto mucho esfuerzo
en validar la calidad de nuestros datos.
en validar la calidad de nuestros datos.
03:45
Using DNA, we found that .3 percent of
the mother-child connections in our data
the mother-child connections in our data
68
213027
5391
Con el ADN descubrimos que 0,3 % de las
conexiones madre-hijo de nuestros datos
conexiones madre-hijo de nuestros datos
03:50
are wrong,
69
218442
1250
son erróneas,
lo que coincide con las tasas de adopción
en EE.UU. antes de la II Guerra Mundial.
en EE.UU. antes de la II Guerra Mundial.
03:51
which could match the adoption rate
in the US pre-Second World War.
in the US pre-Second World War.
70
219716
3591
03:56
For the father's side,
71
224847
1785
Por el lado paterno,
03:58
the news is not as good:
72
226656
1961
las noticias no son tan buenas:
04:02
1.9 percent of the father-child
connections in our data are wrong.
connections in our data are wrong.
73
230149
5600
1,9 % de las conexiones padre-hijo
de nuestros datos son erróneos.
de nuestros datos son erróneos.
04:07
And I see some people smirk over here.
74
235773
2363
Veo que algunos se ríen.
04:10
It is what you think --
75
238160
1717
Es lo que piensan...
04:11
there are many milkmen out there.
76
239901
1789
hay muchos lecheros por ahí.
04:13
(Laughter)
77
241714
1064
(Risas)
04:14
However, this 1.9 percent error rate
in patrilineal connections
in patrilineal connections
78
242802
3989
Sin embargo, esta tasa de error del 1,9 %
en las conexiones patrilineales
en las conexiones patrilineales
04:18
is not unique to our data.
79
246815
1769
no son únicas de nuestros datos.
04:20
Previous studies found
a similar error rate
a similar error rate
80
248608
3069
Estudios anteriores descubrieron
una tasa de error similar
una tasa de error similar
04:23
using clinical-grade pedigrees.
81
251701
2021
al usar genealogía clínica.
04:26
So the quality of our data is good,
82
254254
2525
Así que la calidad
de nuestros datos es buena
de nuestros datos es buena
04:28
and that should not be a surprise.
83
256803
2133
y eso no debería sorprender.
04:30
Our genealogists have
a profound, vested interest
a profound, vested interest
84
258960
3776
Nuestros genealogistas
tienen un profundo interés
tienen un profundo interés
04:34
in correctly documenting
their family history.
their family history.
85
262760
3668
en documentar correctamente
su historia familiar.
su historia familiar.
04:40
We can leverage this data to learn
quantitative information about humanity,
quantitative information about humanity,
86
268594
4591
Podemos usar estos datos para aprender
información cuantitativa de la humanidad,
información cuantitativa de la humanidad,
04:45
for example, questions about demography.
87
273209
2596
por ejemplo, cuestiones sobre demografía.
04:47
Here is a look at all our profiles
on the map of the world.
on the map of the world.
88
275829
3857
Echemos un vistazo a todos
los perfiles del mapa del mundo.
los perfiles del mapa del mundo.
04:52
Each pixel is a person
that lived at some point.
that lived at some point.
89
280250
4481
Cada pixel es una persona
que vivió en un momento dado.
que vivió en un momento dado.
04:56
And since we have so much data,
90
284755
1680
Y dado que tenemos tantos datos,
04:58
you can see the contours
of many countries,
of many countries,
91
286459
2781
pueden ver el contorno de muchos países,
05:01
especially in the Western world.
92
289264
2099
sobre todo el mundo occidental.
05:03
In this clip, we stratified
the map that I've showed you
the map that I've showed you
93
291387
3548
En este clip estratificamos
el mapa que les enseñamos
el mapa que les enseñamos
05:06
based on the year of births of individuals
from 1400 to 1900,
from 1400 to 1900,
94
294959
5072
basado en el año de nacimiento
de los individuos entre 1400 y 1900,
de los individuos entre 1400 y 1900,
05:12
and we compared it
to known migration events.
to known migration events.
95
300055
2766
y los comparamos con
movimientos migratorios conocidos.
movimientos migratorios conocidos.
05:15
The clip is going to show you
that the deepest lineages in our data
that the deepest lineages in our data
96
303482
3165
El clip les mostrará que las líneas
más profundas de nuestros datos
más profundas de nuestros datos
05:18
go all the way back to the UK,
97
306671
1627
llegan hasta el Reino Unido,
05:20
where they had better record keeping,
98
308322
1808
donde conservaban mejor los datos,
y luego se extendían a lo largo de
las rutas del colonialismo occidental.
las rutas del colonialismo occidental.
05:22
and then they spread along
the routes of Western colonialism.
the routes of Western colonialism.
99
310154
3282
05:25
Let's watch this.
100
313460
1322
Veámoslo.
05:27
(Music)
101
315143
1609
(Música)
05:28
[Year of birth: ]
102
316776
2341
[Año de nacimiento:]
05:31
[1492 - Columbus sails the ocean blue]
103
319705
1836
[1492 - Colón navega por el océano]
[1620 - El Mayflower
llega a Massachusetts]
llega a Massachusetts]
05:35
[1620 - Mayflower lands in Massachusetts]
104
323661
2000
[1652 - Los holandeses
se asientan en Sudáfrica]
se asientan en Sudáfrica]
05:38
[1652 - Dutch settle in South Africa]
105
326726
1775
[1788 - Gran Bretaña empieza
a transportar presos a Australia]
a transportar presos a Australia]
05:44
[1788 - Great Britain penal
transportation to Australia starts]
transportation to Australia starts]
106
332321
3186
[1836 - Los primeros emigrantes
usan la Senda de Oregón]
usan la Senda de Oregón]
05:47
[1836 - First migrants use Oregon Trail]
107
335531
1927
05:50
[all activity]
108
338149
3183
[Todo es actividad]
05:55
I love this movie.
109
343851
1543
Me encanta esta película.
05:57
Now, since these migration events
are giving the context of families,
are giving the context of families,
110
345418
5093
Ya que estos sucesos migratorios
ponen en contexto a las familias,
ponen en contexto a las familias,
06:02
we can ask questions such as:
111
350535
2183
podemos hacer preguntas tales como:
06:04
What is the typical distance
between the birth locations
between the birth locations
112
352742
3470
¿Cuál es la distancia típica
entre los lugares de nacimiento
entre los lugares de nacimiento
06:08
of husbands and wives?
113
356236
2812
de maridos y mujeres?
06:11
This distance plays
a pivotal role in demography,
a pivotal role in demography,
114
359072
3677
Esta distancia tiene un papel
fundamental en la demografía
fundamental en la demografía
06:14
because the patterns in which
people migrate to form families
people migrate to form families
115
362773
3681
porque los patrones en los que
la gente emigra para formar familias
la gente emigra para formar familias
06:18
determine how genes spread
in geographical areas.
in geographical areas.
116
366478
3713
determina cómo se expanden
los genes en áreas geográficas.
los genes en áreas geográficas.
06:22
We analyzed this distance using our data,
117
370706
2328
Analizamos la distancia
usando nuestros datos,
usando nuestros datos,
06:25
and we found that in the old days,
118
373058
2290
y descubrimos que antiguamente
06:27
people had it easy.
119
375372
1230
la gente lo tenía fácil.
06:28
They just married someone
in the village nearby.
in the village nearby.
120
376626
2594
Simplemente se casaban
con gente del pueblo de al lado.
con gente del pueblo de al lado.
06:31
But the Industrial Revolution
really complicated our love life.
really complicated our love life.
121
379958
3705
Pero la Revolución Industrial
complicó nuestra vida amorosa.
complicó nuestra vida amorosa.
06:35
And today, with affordable flights
and online social media,
and online social media,
122
383687
4560
Y hoy, con los vuelos asequibles
y con las redes sociales,
y con las redes sociales,
06:40
people typically migrate more than
100 kilometers from their place of birth
100 kilometers from their place of birth
123
388271
4828
la gente suele emigrar a más de
100 km de su lugar de nacimiento
100 km de su lugar de nacimiento
para encontrar a su alma gemela.
06:45
to find their soul mate.
124
393123
1504
06:48
So now you might ask:
125
396524
1187
Puede que se pregunten:
06:49
OK, but who does the hard work
of migrating from places to places
of migrating from places to places
126
397735
4496
¿Quién hace el enorme trabajo
de emigrar de un sitio a otro
de emigrar de un sitio a otro
06:54
to form families?
127
402255
1269
para formar familias?
06:55
Are these the males or the females?
128
403548
3727
¿Son los hombres o las mujeres?
Usamos nuestros datos
para afrontar esta cuestión
para afrontar esta cuestión
06:59
We used our data to address this question,
129
407752
2155
07:01
and at least in the last 300 years,
130
409931
2594
y al menos en los últimos 300 años,
07:04
we found that the ladies do the hard work
131
412549
3883
descubrimos que las damas
hacen el trabajo arduo
hacen el trabajo arduo
07:08
of migrating from places
to places to form families.
to places to form families.
132
416456
2996
de emigrar de unos lugares
a otros para formar familias.
a otros para formar familias.
07:11
Now, these results
are statistically significant,
are statistically significant,
133
419476
3101
Estos resultados son
estadísticamente relevantes,
estadísticamente relevantes,
07:14
so you can take it as scientific fact
that males are lazy.
that males are lazy.
134
422601
3471
así que pueden admitir como hecho
científico que los varones son vagos.
científico que los varones son vagos.
07:18
(Laughter)
135
426096
3156
(Risas)
07:21
We can move from questions
about demography
about demography
136
429276
2536
Podemos pasar de las preguntas
sobre demografía
sobre demografía
07:23
and ask questions about human health.
137
431836
2913
y hacer preguntas sobre salud humana.
07:26
For example, we can ask
138
434773
1487
Por ejemplo, podemos preguntar
07:28
to what extent genetic variations
account for differences in life span
account for differences in life span
139
436284
4963
cómo las variaciones genéticas justifican
las diferencias en la esperanza de vida
las diferencias en la esperanza de vida
07:33
between individuals.
140
441271
1194
entre individuos.
07:34
Previous studies analyzed the correlation
of longevity between twins
of longevity between twins
141
442988
4530
Estudios previos analizaron la correlación
de la longevidad entre gemelos
de la longevidad entre gemelos
07:39
to address this question.
142
447542
1442
para afrontar esta cuestión.
07:41
They estimated that the genetic
variations account for
variations account for
143
449411
2667
Estimaron que las variaciones
genéticas justifican
genéticas justifican
07:44
about a quarter of the differences
in life span between individuals.
in life span between individuals.
144
452102
4040
alrededor de un cuarto de las diferencias
en la esperanza de vida entre individuos.
en la esperanza de vida entre individuos.
Pero los gemelos pueden correlacionarse
por diversas razones,
por diversas razones,
07:48
But twins can be correlated
due to so many reasons,
due to so many reasons,
145
456688
2598
07:51
including various environmental effects
146
459310
2304
incluyendo distintos
efectos medioambientales
efectos medioambientales
07:53
or a shared household.
147
461638
1622
o compartir casa.
07:56
Large family trees give us the opportunity
to analyze both close relatives,
to analyze both close relatives,
148
464411
3753
Los árboles genealógicos extensos
nos permiten analizar parientes próximos,
nos permiten analizar parientes próximos,
08:00
such as twins,
149
468188
1207
como los gemelos,
08:01
all the way to distant relatives,
even fourth cousins.
even fourth cousins.
150
469419
2917
hasta los parientes lejanos,
incluso primos cuartos.
incluso primos cuartos.
08:04
This way we can build robust models
151
472749
2689
De esta manera podemos
construir modelos robustos
construir modelos robustos
08:07
that can tease apart the contribution
of genetic variations
of genetic variations
152
475462
3708
que pueden separar la contribución
de variaciones genéticas
de variaciones genéticas
08:11
from environmental factors.
153
479194
1717
de los factores medioambientales.
08:13
We conducted this analysis using our data,
154
481379
2899
Llevamos a cabo este análisis
usando nuestros datos,
usando nuestros datos,
08:16
and we found that genetic variations
explain only 15 percent
explain only 15 percent
155
484302
5791
y descubrimos que las variaciones
genéticas solo explican solo el 15 %
genéticas solo explican solo el 15 %
08:22
of the differences in life span
between individuals.
between individuals.
156
490117
2806
de las diferencias de esperanza de vida
entre individuos.
entre individuos.
08:26
That is five years, on average.
157
494760
2756
De media son cinco años.
08:30
So genes matter less than
what we thought before to life span.
what we thought before to life span.
158
498316
4708
Así que los genes importan menos
de lo que pensábamos.
de lo que pensábamos.
08:35
And I find it great news,
159
503675
2136
Y me parece una noticia estupenda,
08:38
because it means that
our actions can matter more.
our actions can matter more.
160
506438
3293
porque significa que nuestras acciones
pueden importar más.
pueden importar más.
08:42
Smoking, for example, determines
10 years of our life expectancy --
10 years of our life expectancy --
161
510533
4274
Fumar, por ejemplo, determina
10 años de nuestra esperanza de vida,
10 años de nuestra esperanza de vida,
08:46
twice as much as what genetics determines.
162
514831
2646
el doble de lo que determina la genética.
Incluso podemos tener más
descubrimientos sorprendentes
descubrimientos sorprendentes
08:50
We can even have more surprising findings
163
518236
2289
08:52
as we move from family trees
164
520549
1492
si nos movemos de los árboles
08:54
and we let our genealogists
document and crowdsource DNA information.
document and crowdsource DNA information.
165
522065
4732
y dejamos que los genealogistas documenten
y recopilen información sobre el ADN.
y recopilen información sobre el ADN.
08:58
And the results can be amazing.
166
526821
2024
Y el resultado puede ser increíble.
09:01
It might be hard to imagine,
but Uncle Bernie and his friends
but Uncle Bernie and his friends
167
529255
3915
Puede costar imaginarlo,
pero el tío Bernie y sus amigos
pero el tío Bernie y sus amigos
09:05
can create DNA forensic capabilities
168
533194
2646
pueden crear competencias forenses de ADN
09:07
that even exceed
what the FBI currently has.
what the FBI currently has.
169
535864
3559
que incluso superan
a las que tiene actualmente el FBI.
a las que tiene actualmente el FBI.
09:12
When you place the DNA
on a large family tree,
on a large family tree,
170
540862
2404
Al colocar el ADN
en un árbol genealógico grande,
en un árbol genealógico grande,
09:15
you effectively create a beacon
171
543290
2117
se crea un modelo efectivo
09:17
that illuminates the hundreds
of distant relatives
of distant relatives
172
545431
2634
que ilumina cientos de parientes lejanos
09:20
that are all connected to the person
that originated the DNA.
that originated the DNA.
173
548089
3490
conectados a la persona que originó el ADN.
09:24
By placing multiple beacons
on a large family tree,
on a large family tree,
174
552505
2913
Al situar múltiples modelos
en un árbol genealógico grande,
en un árbol genealógico grande,
09:27
you can now triangulate the DNA
of an unknown person,
of an unknown person,
175
555442
3720
se puede triangular el ADN
de una persona desconocida,
de una persona desconocida,
09:31
the same way that the GPS system
uses multiple satellites
uses multiple satellites
176
559186
3938
igual que los sistemas de GPS
usan múltiples satélites
usan múltiples satélites
09:35
to find a location.
177
563148
1324
para encontrar una ubicación.
09:37
The prime example
of the power of this technique
of the power of this technique
178
565226
3624
Un gran ejemplo del poder de esta técnica
09:40
is capturing the Golden State Killer,
179
568874
2675
es la captura del asesino
del Golden State,
del Golden State,
09:44
one of the most notorious criminals
in the history of the US.
in the history of the US.
180
572612
4528
uno de los criminales más famosos
de la historia de EE.UU.
de la historia de EE.UU.
09:49
The FBI had been searching
for this person for over 40 years.
for this person for over 40 years.
181
577164
5892
El FBI llevaba 40 años
buscando a esta persona.
buscando a esta persona.
09:55
They had his DNA,
182
583588
1835
Tenían su ADN,
09:57
but he never showed up
in any police database.
in any police database.
183
585447
3350
pero nunca aparecía
en las bases de datos policiales.
en las bases de datos policiales.
10:01
About a year ago, the FBI
consulted a genetic genealogist,
consulted a genetic genealogist,
184
589447
4712
Hace un año, el FBI consultó
a una genealogista genética
a una genealogista genética
10:06
and she suggested that they submit
his DNA to a genealogy service
his DNA to a genealogy service
185
594183
3950
y esta sugirió que llevaran su ADN
a un servicio de genealogía
a un servicio de genealogía
10:10
that can locate distant relatives.
186
598157
2398
que puede localizar a parientes lejanos.
10:13
They did that,
187
601117
1156
Lo hicieron,
10:14
and they found a third cousin
of the Golden State Killer.
of the Golden State Killer.
188
602297
3692
y encontraron a un primo tercero
del asesino de Golden State.
del asesino de Golden State.
10:18
They built a large family tree,
189
606013
2344
Construyeron un árbol genealógico enorme,
10:20
scanned the different
branches of that tree,
branches of that tree,
190
608381
2102
escanearon las diferentes ramas del árbol,
hasta que encontraron un perfil
que coincidía exactamente
que coincidía exactamente
10:22
until they found a profile
that exactly matched
that exactly matched
191
610507
2565
10:25
what they knew about
the Golden State Killer.
the Golden State Killer.
192
613096
2581
con lo que sabían
del asesino de Golden State.
del asesino de Golden State.
10:27
They obtained DNA from this person
and found a perfect match
and found a perfect match
193
615701
3592
Consiguieron el ADN de esta persona
y obtuvieron una coincidencia perfecta
y obtuvieron una coincidencia perfecta
10:31
to the DNA they had in hand.
194
619317
2025
con el ADN que tenían a mano.
10:33
They arrested him
and brought him to justice
and brought him to justice
195
621366
2350
Lo arrestaron y lo llevaron
ante la justicia
ante la justicia
10:35
after all these years.
196
623740
1424
después de tantos años.
10:38
Since then, genetic genealogists
have started working with
have started working with
197
626172
3241
Desde entonces, los genealogistas
genéticos han estado trabajando
genéticos han estado trabajando
10:41
local US law enforcement agencies
198
629437
2668
con las fuerzas del orden
locales de EE.UU.
locales de EE.UU.
10:44
to use this technique
in order to capture criminals.
in order to capture criminals.
199
632129
3362
para que usen esta técnica
para detener criminales.
para detener criminales.
10:47
And only in the past six months,
200
635521
2681
Y solo en los últimos seis meses
10:50
they were able to solve
over 20 cold cases with this technique.
over 20 cold cases with this technique.
201
638226
4296
pudieron cerrar con esta técnica
20 casos sin resolver.
20 casos sin resolver.
10:56
Luckily, we have people like Uncle
Bernie and his fellow genealogists
Bernie and his fellow genealogists
202
644203
4636
Afortunadamente, tenemos a gente como
el tío Bernie y sus colegas genealogistas.
el tío Bernie y sus colegas genealogistas.
11:01
These are not amateurs
with a self-serving hobby.
with a self-serving hobby.
203
649045
2994
No son aficionados que
tienen una afición egoísta.
tienen una afición egoísta.
11:04
These are citizen scientists
with a deep passion to tell us who we are.
with a deep passion to tell us who we are.
204
652602
6419
Son ciudadanos científicos con la
gran pasión de decirnos quiénes somos.
gran pasión de decirnos quiénes somos.
11:11
And they know that the past
can hold a key to the future.
can hold a key to the future.
205
659065
4458
Y saben que el pasado
puede ser la clave del futuro.
puede ser la clave del futuro.
11:16
Thank you very much.
206
664067
1183
Muchísimas gracias.
11:17
(Applause)
207
665314
3469
(Aplausos)
ABOUT THE SPEAKER
Yaniv Erlich - Computational geneticistYaniv Erlich is fascinated by the connection between DNA and data.
Why you should listen
As a professor and researcher at Columbia University and as CSO of MyHeritage.com, Yaniv Erlich has performed foundational work in genetic privacy and large-scale studies of crowdsourced genomic data. Dubbed a "genome hacker" by the journal Nature, Erlich and his team discovered a privacy loophole enabling reidentification of allegedly anonymous male research participants using just internet searches and their Y chromosome. Later, he discovered that 60 percent of all US individuals with European descent can be identified by forensic genetics using open genetic genealogy databases, which Science magazine called one of the top 10 breakthroughs of 2018.
Erlich is also responsible for the construction of the world's largest family tree, comprising 13 million people, as well as the development of the website DNA.land, which has compiled the genotypes of more than 150,000 donors. He has also worked to discover the genetic bases for several conditions in Israeli families. His team has demonstrated stable DNA data storage, reaching a density of 215 petabyte per gram of DNA. He's been awarded numerous prizes, has published more than 45 papers and authored seven patents.
Yaniv Erlich | Speaker | TED.com