TEDMED 2018
Yaniv Erlich: How we're building the world's largest family tree
야니브 에를리치(Yaniv Erlich): 세계에서 가장 큰 가계도를 만드는 방법
Filmed:
Readability: 4.9
1,507,766 views
전산 유전학자 야니브 에를리치는 세계에서 가장 큰 가계도를 만드는 것에 관여했습니다. 그 가계도는 1,300만 명으로 구성되어있고 500년 이상을 거슬러 올라갑니다. 그는 우리의 애정생활, 건강, 심지어 수십 년 된 범죄 사건들에 관한 결과물에서 나타난 대단히 흥미로운 패턴을 공유하며, 크라우드소싱된 족보 데이터베이스가 어떻게 과거뿐만 아니라 미래에도 빛을 발할 수 있는지를 보여줍니다.
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
사람들은 다양한 이유로
인터넷을 사용합니다.
인터넷을 사용합니다.
00:17
It turns out that one of the most
popular categories of website
popular categories of website
1
5765
3804
알고 보니 가장 인기 있는
웹사이트 중 하나는
웹사이트 중 하나는
00:21
is something that people
typically consume in private.
typically consume in private.
2
9593
2872
대개 사람들이 개인적으로 소비하는
어떤 것이었습니다.
어떤 것이었습니다.
00:25
It involves curiosity,
3
13639
2510
그것은 호기심과
00:28
non-insignificant levels
of self-indulgence
of self-indulgence
4
16173
3796
무의미한 수준의 자기 방종을 포함하며
00:31
and is centered around recording
the reproductive activities
the reproductive activities
5
19993
3260
다른 사람들의 생식 활동을
기록하는 데 중점을 둡니다.
기록하는 데 중점을 둡니다.
00:35
of other people.
6
23277
1309
00:36
(Laughter)
7
24610
1032
(웃음)
00:37
Of course, I'm talking about genealogy --
8
25666
2250
당연히 제가 얘기하는 건 가계도인데요.
00:39
(Laughter)
9
27940
1214
(웃음)
00:41
the study of family history.
10
29178
1702
가족사의 연구 말입니다.
00:43
When it comes to detailing family history,
11
31353
2037
가족사를 자세히 설명하자면,
00:45
in every family, we have this person
that is obsessed with genealogy.
that is obsessed with genealogy.
12
33414
3943
모든 가족 중에는
족보에 집착하는 사람이 있죠.
족보에 집착하는 사람이 있죠.
00:49
Let's call him Uncle Bernie.
13
37381
1713
그를 버니 삼촌이라고 합시다.
00:51
Uncle Bernie is exactly the last person
you want to sit next to
you want to sit next to
14
39118
3782
추수감사절 만찬에서 당신은 결코
버니 삼촌 옆에는 앉지 않을 겁니다.
버니 삼촌 옆에는 앉지 않을 겁니다.
00:54
in Thanksgiving dinner,
15
42924
1599
00:56
because he will bore you to death
with peculiar details
with peculiar details
16
44547
2814
그는 어떤 고대 친척들에 관한
이상한 정보로
이상한 정보로
00:59
about some ancient relatives.
17
47385
1966
당신을 지루하게 만들 거니까요.
01:02
But as you know,
18
50462
1262
하지만 당신도 알다시피
01:03
there is a scientific side for everything,
19
51748
2872
모든 것에는 과학적인 면이 있으며
01:06
and we found that Uncle Bernie's stories
20
54644
2978
우리는 버니 삼촌의 이야기가
생명 의학 연구에
생명 의학 연구에
01:09
have immense potential
for biomedical research.
for biomedical research.
21
57646
3168
엄청난 잠재력을 가졌다는 것을
알게 되었습니다.
알게 되었습니다.
01:13
We let Uncle Bernie
and his fellow genealogists
and his fellow genealogists
22
61306
2714
우리는 버니 삼촌과 동료 계보학자들에게
01:16
document their family trees through
a genealogy website called geni.com.
a genealogy website called geni.com.
23
64044
4668
지니닷컴이라는 계보학 사이트를 통해
그들의 가계도를 기록하도록 했습니다.
그들의 가계도를 기록하도록 했습니다.
01:21
When users upload
their trees to the website,
their trees to the website,
24
69198
2128
사용자들이 가계도를
웹사이트에 올리면,
웹사이트에 올리면,
01:23
it scans their relatives,
25
71350
1690
그 사이트는 친척을 찾아보고
01:25
and if it finds matches to existing trees,
26
73064
2075
기존의 것과 일치하는 것을 발견하면
01:27
it merges the existing
and the new tree together.
and the new tree together.
27
75163
3610
새로운 것을 기존 버전과 합칩니다.
01:31
The result is that large
family trees are created,
family trees are created,
28
79768
2950
그러면 각 계보학자의
개인적인 수준을 넘는
개인적인 수준을 넘는
01:34
beyond the individual level
of each genealogist.
of each genealogist.
29
82742
3479
더 큰 가계도가 만들어지게 됩니다.
01:38
Now, by repeating this process
with millions of people
with millions of people
30
86808
4129
이제 이 과정을 반복해서 전 세계의
01:42
all over the world,
31
90961
1817
수백만 명의 사람들과 함께
01:44
we can crowdsource the construction
of a family tree of all humankind.
of a family tree of all humankind.
32
92802
5532
모든 인류의 가계도 구조를
크라우드 소싱할 수 있습니다.
크라우드 소싱할 수 있습니다.
01:51
Using this website,
33
99292
1584
이 웹사이트를 사용해서
01:52
we were able to connect 125 million people
34
100900
4813
1억 2천 5백만 명의 사람들을
01:57
into a single family tree.
35
105737
2521
하나의 가계도로
연결할 수 있었습니다.
연결할 수 있었습니다.
02:00
I cannot draw the tree
on the screens over here
on the screens over here
36
108967
2788
여기 스크린에 그 가계도를
그릴 순 없습니다.
그릴 순 없습니다.
02:03
because they have less pixels
37
111779
2165
이 가계도에 있는 사람들의 수보다
02:05
than the number of people in this tree.
38
113968
2513
픽셀 수가 적기 때문이죠.
02:08
But here is an example of a subset
of 6,000 individuals.
of 6,000 individuals.
39
116505
5010
하지만 여기 6000명의
하위 집합의 예가 있습니다.
하위 집합의 예가 있습니다.
02:14
Each green node is a person.
40
122159
2362
각 녹색 점은 한 사람을 나타냅니다.
02:17
The red nodes represent marriages,
41
125060
2849
빨간 점들은 결혼을 나타내고요.
02:19
and the connections represent parenthood.
42
127933
2258
그리고 연결선들은 부모를 나타냅니다.
02:22
In the middle of this tree,
you see the ancestors.
you see the ancestors.
43
130557
2372
이 가계도 중앙에는 조상들이 보이죠.
02:24
And as we go to the periphery,
you see the descendants.
you see the descendants.
44
132953
2604
그리고 주변부로 가면
그 자손들을 볼 수 있습니다.
그 자손들을 볼 수 있습니다.
02:27
This tree has seven
generations, approximately.
generations, approximately.
45
135581
3102
이 가계도에는 약 7세대가 있네요.
02:31
Now, this is what happens
when we increase the number of individuals
when we increase the number of individuals
46
139692
3234
개인의 숫자를
7만 명까지 늘렸을 때는
7만 명까지 늘렸을 때는
02:34
to 70,000 people --
47
142950
1828
이렇게 되겠죠.
02:36
still a tiny subset
of all the data that we have.
of all the data that we have.
48
144802
4330
우리가 가진 모든 데이터에 비하면
여전히 아주 작은 부분집합입니다.
여전히 아주 작은 부분집합입니다.
02:41
Despite that, you can already see
the formation of gigantic family trees
the formation of gigantic family trees
49
149629
4813
그럼에도 불구하고,
이미 많은 먼 친척들로 구성된
이미 많은 먼 친척들로 구성된
02:46
with many very distant relatives.
50
154466
2655
거대한 가계도가 형성되는 것을
볼 수 있습니다.
볼 수 있습니다.
02:49
Thanks to the hard work
of our genealogists,
of our genealogists,
51
157610
3134
많은 계보학자들의 노고 덕분에
02:52
we can go back in time
hundreds of years ago.
hundreds of years ago.
52
160768
3103
우리는 수백 년 전 과거로
돌아갈 수 있습니다.
돌아갈 수 있습니다.
02:56
For example, here is Alexander Hamilton,
53
164418
3441
예를 들자면,
여기 알렉산더 해밀턴이 있습니다.
여기 알렉산더 해밀턴이 있습니다.
02:59
who was born in 1755.
54
167883
2475
그는 1755년에 태어났죠.
03:02
Alexander was the first
US Secretary of the Treasury,
US Secretary of the Treasury,
55
170872
3764
알렉산더는 미국의
초대 재무 장관이었지만
초대 재무 장관이었지만
03:06
but mostly known today
due to a popular Broadway musical.
due to a popular Broadway musical.
56
174660
3831
대부분 알려진 건 오늘날
브로드웨이 뮤지컬의 인기 덕택이죠.
브로드웨이 뮤지컬의 인기 덕택이죠.
03:11
We found that Alexander has deeper
connections in the showbiz industry.
connections in the showbiz industry.
57
179137
4922
알렉산더가 연예 산업에
깊은 연줄이 있다는 걸 알게 됐습니다.
깊은 연줄이 있다는 걸 알게 됐습니다.
03:16
In fact, he's a blood relative of ...
58
184083
2111
사실, 그는 친척 관계입니다.
03:18
Kevin Bacon!
59
186781
1220
바로 케빈 베이컨이랑요!
03:20
(Laughter)
60
188025
2032
(웃음)
03:22
Both of them are descendants
of a lady from Scotland
of a lady from Scotland
61
190081
2606
그들 모두 스코틀랜드 출신인
한 여인의 후손입니다.
한 여인의 후손입니다.
03:24
who lived in the 13th century.
62
192711
2314
그녀는 13세기 사람이죠.
03:27
So you can say that Alexander Hamilton
63
195049
3102
따라서 알렉산더 해밀턴와 케빈 베이컨은
03:30
is 35 degrees of Kevin Bacon genealogy.
64
198175
3188
35대가 차이 나는
친척이라고 할 수 있죠.
친척이라고 할 수 있죠.
03:33
(Laughter)
65
201387
1441
(웃음)
03:34
And our tree has millions
of stories like that.
of stories like that.
66
202852
3230
이처럼 우리 가계도는
수백만 개의 이야기를 가지고 있습니다.
수백만 개의 이야기를 가지고 있습니다.
03:40
We invested significant efforts
to validate the quality of our data.
to validate the quality of our data.
67
208113
4890
저희는 데이터의 우수함을 입증하기 위해
상당한 노력을 기울였습니다.
상당한 노력을 기울였습니다.
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
DNA를 이용해서 데이터에 있는
어머니와 아이들의 관계 중 0.3%가
어머니와 아이들의 관계 중 0.3%가
03:50
are wrong,
69
218442
1250
잘못됐다는 것을 발견했습니다.
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
이것은 제2차 세계대전 이전
미국의 입양률과 일치할 겁니다.
미국의 입양률과 일치할 겁니다.
03:56
For the father's side,
71
224847
1785
아버지의 경우에는
03:58
the news is not as good:
72
226656
1961
더 좋지 않네요.
04:02
1.9 percent of the father-child
connections in our data are wrong.
connections in our data are wrong.
73
230149
5600
데이터 중 아버지와 아이들의 관계는
1.9%의 비율로 잘못되었습니다.
1.9%의 비율로 잘못되었습니다.
04:07
And I see some people smirk over here.
74
235773
2363
여기 몇몇 분들이
웃고 계신 게 보이네요.
웃고 계신 게 보이네요.
04:10
It is what you think --
75
238160
1717
여러분들이 생각하는 것처럼
04:11
there are many milkmen out there.
76
239901
1789
그곳엔 많은 우유배달원들이 있었죠.
04:13
(Laughter)
77
241714
1064
(웃음)
04:14
However, this 1.9 percent error rate
in patrilineal connections
in patrilineal connections
78
242802
3989
하지만 이러한 부계 관계의
1.9% 오차율이
1.9% 오차율이
04:18
is not unique to our data.
79
246815
1769
우리 자료에 국한된 것은 아닙니다.
04:20
Previous studies found
a similar error rate
a similar error rate
80
248608
3069
임상 등급의 가계도를 사용했었던
이전 연구 자료도
이전 연구 자료도
04:23
using clinical-grade pedigrees.
81
251701
2021
비슷한 오차율이 발견됐습니다.
04:26
So the quality of our data is good,
82
254254
2525
따라서 데이터의 품질은 우수한 것이고,
04:28
and that should not be a surprise.
83
256803
2133
그게 놀라운 일은 아닙니다.
04:30
Our genealogists have
a profound, vested interest
a profound, vested interest
84
258960
3776
우리 계보학자들은
가족사를 정확하게 기록하는 데
가족사를 정확하게 기록하는 데
04:34
in correctly documenting
their family history.
their family history.
85
262760
3668
깊은 관심과 기득권을 가지고 있습니다.
04:40
We can leverage this data to learn
quantitative information about humanity,
quantitative information about humanity,
86
268594
4591
우리는 이 데이터를 활용해
인류의 양적 정보를 배울 수 있습니다.
인류의 양적 정보를 배울 수 있습니다.
04:45
for example, questions about demography.
87
273209
2596
예를 들면 인구통계학에 관한
문제 같은 거죠.
문제 같은 거죠.
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
여기 세계지도에
우리 모두의 프로필이 있습니다.
우리 모두의 프로필이 있습니다.
04:52
Each pixel is a person
that lived at some point.
that lived at some point.
89
280250
4481
각각의 픽셀은
특정 시점에 살았던 사람입니다.
특정 시점에 살았던 사람입니다.
04:56
And since we have so much data,
90
284755
1680
이 데이터는 아주 방대하기때문에,
04:58
you can see the contours
of many countries,
of many countries,
91
286459
2781
여러분은 많은 나라들,
특히 서구 세계의
특히 서구 세계의
05:01
especially in the Western world.
92
289264
2099
경계를 볼 수 있을 겁니다.
05:03
In this clip, we stratified
the map that I've showed you
the map that I've showed you
93
291387
3548
이 동영상에서는 여러분들에게
보여드린 지도를 계층화했습니다.
보여드린 지도를 계층화했습니다.
05:06
based on the year of births of individuals
from 1400 to 1900,
from 1400 to 1900,
94
294959
5072
1400년부터 1900년까지
개인의 출생연도를 기준으로요.
개인의 출생연도를 기준으로요.
05:12
and we compared it
to known migration events.
to known migration events.
95
300055
2766
그리고 잘 알려진 이주 사건들과
그걸 비교했어요.
그걸 비교했어요.
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
이 동영상은 데이터의 가장 깊은 혈통이
거슬러 올라가보면
거슬러 올라가보면
05:18
go all the way back to the UK,
97
306671
1627
영국까지 간다는 걸 보여줍니다.
05:20
where they had better record keeping,
98
308322
1808
영국의 기록은 잘 유지되고 있었죠.
05:22
and then they spread along
the routes of Western colonialism.
the routes of Western colonialism.
99
310154
3282
그들은 서구 식민주의의 루트를 따라
퍼져나갔습니다.
퍼져나갔습니다.
05:25
Let's watch this.
100
313460
1322
이걸 한 번 보시죠.
05:27
(Music)
101
315143
1609
(음악)
05:28
[Year of birth: ]
102
316776
2341
[출생연도]
05:31
[1492 - Columbus sails the ocean blue]
103
319705
1836
[1492 - 콜럼버스 대양 항해]
05:35
[1620 - Mayflower lands in Massachusetts]
104
323661
2000
[1620 - 메이플라워호
매사추세츠 상륙]
매사추세츠 상륙]
05:38
[1652 - Dutch settle in South Africa]
105
326726
1775
[1652 - 네덜란드인
남아프리카 정착]
남아프리카 정착]
05:44
[1788 - Great Britain penal
transportation to Australia starts]
transportation to Australia starts]
106
332321
3186
[1788 - 대영제국
호주로 유배 시작]
호주로 유배 시작]
[1836 - 최초 이민자들
오리건 산길 이용]
오리건 산길 이용]
05:47
[1836 - First migrants use Oregon Trail]
107
335531
1927
05:50
[all activity]
108
338149
3183
[모든 활동]
05:55
I love this movie.
109
343851
1543
저는 이 영화를 좋아합니다.
05:57
Now, since these migration events
are giving the context of families,
are giving the context of families,
110
345418
5093
이 이주 사건들이
가족의 맥락을 말해주고 있기 때문에
가족의 맥락을 말해주고 있기 때문에
06:02
we can ask questions such as:
111
350535
2183
우리는 이런 질문을 할 수 있습니다.
06:04
What is the typical distance
between the birth locations
between the birth locations
112
352742
3470
남편과 아내의 출생지 사이의
일반적인 거리는 얼마입니까?
일반적인 거리는 얼마입니까?
06:08
of husbands and wives?
113
356236
2812
06:11
This distance plays
a pivotal role in demography,
a pivotal role in demography,
114
359072
3677
이 거리는 인구통계학에서
중요한 역할을 합니다.
중요한 역할을 합니다.
06:14
because the patterns in which
people migrate to form families
people migrate to form families
115
362773
3681
왜냐하면 사람들이 가족을 이루기 위해
이주하는 패턴이
이주하는 패턴이
06:18
determine how genes spread
in geographical areas.
in geographical areas.
116
366478
3713
유전자가 지리적으로 어떻게 확산되는지
결정하기 때문이죠.
결정하기 때문이죠.
06:22
We analyzed this distance using our data,
117
370706
2328
우리는 데이터를 사용하여
이 거리를 분석했고
이 거리를 분석했고
06:25
and we found that in the old days,
118
373058
2290
옛날 사람들의 경우에는
분석하기 쉬웠다는 걸 알게 됐습니다.
분석하기 쉬웠다는 걸 알게 됐습니다.
06:27
people had it easy.
119
375372
1230
06:28
They just married someone
in the village nearby.
in the village nearby.
120
376626
2594
사람들은 근처 마을의 누군가와
결혼했습니다.
결혼했습니다.
06:31
But the Industrial Revolution
really complicated our love life.
really complicated our love life.
121
379958
3705
하지만 산업혁명은 우리의 애정생활을
정말 복잡하게 만들었습니다.
정말 복잡하게 만들었습니다.
06:35
And today, with affordable flights
and online social media,
and online social media,
122
383687
4560
그리고 오늘날엔 저렴한 항공편과
온라인 소셜미디어와 함께
온라인 소셜미디어와 함께
06:40
people typically migrate more than
100 kilometers from their place of birth
100 kilometers from their place of birth
123
388271
4828
사람들은 출생지에서 100km 이상
떨어진 곳으로 이동하죠.
떨어진 곳으로 이동하죠.
06:45
to find their soul mate.
124
393123
1504
소울메이트를 찾기 위해서요.
06:48
So now you might ask:
125
396524
1187
여기서 나오는 질문이,
06:49
OK, but who does the hard work
of migrating from places to places
of migrating from places to places
126
397735
4496
좋아요. 그런데 가족을 이루기 위해
누가 이곳저곳 이동하는
누가 이곳저곳 이동하는
06:54
to form families?
127
402255
1269
힘든 일을 하죠?
06:55
Are these the males or the females?
128
403548
3727
남성들인가요, 여성들인가요?
06:59
We used our data to address this question,
129
407752
2155
답을 찾기 위해
우리 데이터를 사용했죠.
우리 데이터를 사용했죠.
07:01
and at least in the last 300 years,
130
409931
2594
그리고 적어도 지난 300년 동안
07:04
we found that the ladies do the hard work
131
412549
3883
여성들이 이 힘든 일을
했다는 것을 발견했죠.
했다는 것을 발견했죠.
07:08
of migrating from places
to places to form families.
to places to form families.
132
416456
2996
가족을 이루기 위해
이곳저곳 옮겨가는 일이요.
이곳저곳 옮겨가는 일이요.
07:11
Now, these results
are statistically significant,
are statistically significant,
133
419476
3101
이 결과는 통계적으로 중요합니다.
07:14
so you can take it as scientific fact
that males are lazy.
that males are lazy.
134
422601
3471
남자들이 게으르다는 것을
과학적 사실로 받아들일 수 있으니까요.
과학적 사실로 받아들일 수 있으니까요.
07:18
(Laughter)
135
426096
3156
(웃음)
07:21
We can move from questions
about demography
about demography
136
429276
2536
우리는 인구통계학에 관한
질문으로부터 벗어나
질문으로부터 벗어나
07:23
and ask questions about human health.
137
431836
2913
인간의 건강에 대해
질문할 수 있습니다.
질문할 수 있습니다.
07:26
For example, we can ask
138
434773
1487
예를 들면, 우리는
07:28
to what extent genetic variations
account for differences in life span
account for differences in life span
139
436284
4963
유전자 변이가 개인 간 수명 차이를
어느 정도까지 설명할 수 있는지
어느 정도까지 설명할 수 있는지
07:33
between individuals.
140
441271
1194
물어볼 수 있습니다.
07:34
Previous studies analyzed the correlation
of longevity between twins
of longevity between twins
141
442988
4530
이전 연구들은 이 문제를 풀기 위해
쌍둥이의 장수의 상관관계를 분석했습니다.
쌍둥이의 장수의 상관관계를 분석했습니다.
07:39
to address this question.
142
447542
1442
07:41
They estimated that the genetic
variations account for
variations account for
143
449411
2667
그들은 유전자 변이가
개인 간 수명 차이의
개인 간 수명 차이의
07:44
about a quarter of the differences
in life span between individuals.
in life span between individuals.
144
452102
4040
약 4분의 1을 차지한다고
추정했습니다.
추정했습니다.
07:48
But twins can be correlated
due to so many reasons,
due to so many reasons,
145
456688
2598
하지만 쌍둥이는 많은 이유로
상관관계가 있겠죠.
상관관계가 있겠죠.
07:51
including various environmental effects
146
459310
2304
다양한 환경적 요인이나
07:53
or a shared household.
147
461638
1622
공동 가정을 포함해서요.
07:56
Large family trees give us the opportunity
to analyze both close relatives,
to analyze both close relatives,
148
464411
3753
큰 가계도는 가까운 친척 모두를
분석할 수 있는 기회가 됩니다.
분석할 수 있는 기회가 됩니다.
08:00
such as twins,
149
468188
1207
쌍둥이와 뿐만 아니라,
08:01
all the way to distant relatives,
even fourth cousins.
even fourth cousins.
150
469419
2917
심지어 10촌 같은 먼 친척까지요.
08:04
This way we can build robust models
151
472749
2689
이런 식으로 우리는
강력한 모델을 구축할 수 있죠.
강력한 모델을 구축할 수 있죠.
08:07
that can tease apart the contribution
of genetic variations
of genetic variations
152
475462
3708
그 모델은 환경적 요인으로부터
유전자 변이의 영향을 구별할 수 있습니다.
유전자 변이의 영향을 구별할 수 있습니다.
08:11
from environmental factors.
153
479194
1717
08:13
We conducted this analysis using our data,
154
481379
2899
우리는 데이터를 사용하여
이 분석을 수행했고
이 분석을 수행했고
08:16
and we found that genetic variations
explain only 15 percent
explain only 15 percent
155
484302
5791
유전적 변이가 개인 간
수명 차이 중 약 15%만을
수명 차이 중 약 15%만을
08:22
of the differences in life span
between individuals.
between individuals.
156
490117
2806
설명해 준다는 것을 발견했습니다.
08:26
That is five years, on average.
157
494760
2756
그건 평균적으로 5년입니다.
08:30
So genes matter less than
what we thought before to life span.
what we thought before to life span.
158
498316
4708
따라서 유전자는 수명에 있어
우리가 생각했던 것보다 덜 중요합니다.
우리가 생각했던 것보다 덜 중요합니다.
08:35
And I find it great news,
159
503675
2136
그리고 그건 좋은 소식입니다.
08:38
because it means that
our actions can matter more.
our actions can matter more.
160
506438
3293
우리의 행동이 더 중요할 수 있음을
의미하기 때문이죠.
의미하기 때문이죠.
08:42
Smoking, for example, determines
10 years of our life expectancy --
10 years of our life expectancy --
161
510533
4274
예를 들어 흡연이
기대수명의 10년을 결정한다면
기대수명의 10년을 결정한다면
08:46
twice as much as what genetics determines.
162
514831
2646
이건 유전자가 결정하는 것보다
두 배나 많습니다.
두 배나 많습니다.
08:50
We can even have more surprising findings
163
518236
2289
심지어 더 놀라운 결과가 있습니다.
08:52
as we move from family trees
164
520549
1492
우리가 가계도를 떠나서
08:54
and we let our genealogists
document and crowdsource DNA information.
document and crowdsource DNA information.
165
522065
4732
계보학자들에게 DNA 정보를 문서화하고
크라우드 소싱하게 했을 때
크라우드 소싱하게 했을 때
08:58
And the results can be amazing.
166
526821
2024
그 결과는 놀라웠습니다.
09:01
It might be hard to imagine,
but Uncle Bernie and his friends
but Uncle Bernie and his friends
167
529255
3915
상상하기 어렵겠지만
버니 삼촌과 그의 친구들은
버니 삼촌과 그의 친구들은
09:05
can create DNA forensic capabilities
168
533194
2646
DNA 법의학을 만들 수 있어요.
09:07
that even exceed
what the FBI currently has.
what the FBI currently has.
169
535864
3559
그건 심지어 FBI의 것보다 낫죠.
09:12
When you place the DNA
on a large family tree,
on a large family tree,
170
540862
2404
큰 가계도에 DNA를 넣으면,
09:15
you effectively create a beacon
171
543290
2117
효과적인 불빛을 만들어
09:17
that illuminates the hundreds
of distant relatives
of distant relatives
172
545431
2634
수백 명의 먼 친척들을
표시할 수 있게 되죠.
표시할 수 있게 되죠.
09:20
that are all connected to the person
that originated the DNA.
that originated the DNA.
173
548089
3490
그들은 모두 특정 DNA로를 타고난
한 사람과 연결되어 있습니다.
한 사람과 연결되어 있습니다.
09:24
By placing multiple beacons
on a large family tree,
on a large family tree,
174
552505
2913
대형 가계도에
여러 개의 비콘을 배치함으로써
여러 개의 비콘을 배치함으로써
09:27
you can now triangulate the DNA
of an unknown person,
of an unknown person,
175
555442
3720
여러분들은 알려지지 않은 사람의
DNA를 삼각측량할 수 있습니다.
DNA를 삼각측량할 수 있습니다.
09:31
the same way that the GPS system
uses multiple satellites
uses multiple satellites
176
559186
3938
GPA 시스템이 위치를 찾기 위해
여러 개의 위성을 사용하는 방식과
여러 개의 위성을 사용하는 방식과
09:35
to find a location.
177
563148
1324
같은 방식이죠.
09:37
The prime example
of the power of this technique
of the power of this technique
178
565226
3624
이 기술의 가장 큰 예는
09:40
is capturing the Golden State Killer,
179
568874
2675
골든스테이트 킬러를 잡은 일입니다.
09:44
one of the most notorious criminals
in the history of the US.
in the history of the US.
180
572612
4528
그는 미국 역사상
가장 악명 높은 범죄자 중 한 명이죠.
가장 악명 높은 범죄자 중 한 명이죠.
09:49
The FBI had been searching
for this person for over 40 years.
for this person for over 40 years.
181
577164
5892
FBI는 40년 넘게 이 사람을
찾고 있었습니다.
찾고 있었습니다.
09:55
They had his DNA,
182
583588
1835
FBI는 그의 DNA를 가지고 있었지만
09:57
but he never showed up
in any police database.
in any police database.
183
585447
3350
그는 어떤 경찰 데이터베이스에도
나타나지 않았죠.
나타나지 않았죠.
10:01
About a year ago, the FBI
consulted a genetic genealogist,
consulted a genetic genealogist,
184
589447
4712
약 1년 전, FBI는
한 유전 계보학자와 상담했고
한 유전 계보학자와 상담했고
10:06
and she suggested that they submit
his DNA to a genealogy service
his DNA to a genealogy service
185
594183
3950
그녀는 FBI에게 그의 DNA를
계보학회에 제출하라고 했습니다.
계보학회에 제출하라고 했습니다.
10:10
that can locate distant relatives.
186
598157
2398
그걸로 먼 친척을 찾을 수 있으니까요.
10:13
They did that,
187
601117
1156
그들은 그렇게 했고
10:14
and they found a third cousin
of the Golden State Killer.
of the Golden State Killer.
188
602297
3692
골든스테이트 킬러의 8촌을 찾았습니다.
10:18
They built a large family tree,
189
606013
2344
그들은 큰 가계도를 만들었고
10:20
scanned the different
branches of that tree,
branches of that tree,
190
608381
2102
그 가계도의 다른 가지들을
훑어봤습니다.
훑어봤습니다.
10:22
until they found a profile
that exactly matched
that exactly matched
191
610507
2565
골든스테이트 킬러에 대해
알고 있는 것과
알고 있는 것과
10:25
what they knew about
the Golden State Killer.
the Golden State Killer.
192
613096
2581
정확히 일치하는
프로필을 찾을 때까지요.
프로필을 찾을 때까지요.
10:27
They obtained DNA from this person
and found a perfect match
and found a perfect match
193
615701
3592
이 사람으로부터 얻은 DNA가
그들이 가지고 있는 DNA와
그들이 가지고 있는 DNA와
10:31
to the DNA they had in hand.
194
619317
2025
정확히 일치하는 것을 발견했습니다.
10:33
They arrested him
and brought him to justice
and brought him to justice
195
621366
2350
그는 체포됐고 법의 심판을
받게 됐습니다.
받게 됐습니다.
10:35
after all these years.
196
623740
1424
이 모든 세월이 지난 후에요.
10:38
Since then, genetic genealogists
have started working with
have started working with
197
626172
3241
그 이후로 유전 계보학자들은
미국 지방 법 집행기관과
미국 지방 법 집행기관과
10:41
local US law enforcement agencies
198
629437
2668
함께 일하기 시작했습니다.
10:44
to use this technique
in order to capture criminals.
in order to capture criminals.
199
632129
3362
범인을 잡는데
이 기술을 사용하기 위해서죠.
이 기술을 사용하기 위해서죠.
10:47
And only in the past six months,
200
635521
2681
그리고 지난 6개월 동안만 해도
10:50
they were able to solve
over 20 cold cases with this technique.
over 20 cold cases with this technique.
201
638226
4296
이 기술로 20개 넘는 미제 사건들을
해결할 수 있었습니다.
해결할 수 있었습니다.
10:56
Luckily, we have people like Uncle
Bernie and his fellow genealogists
Bernie and his fellow genealogists
202
644203
4636
다행히도 우리에게는 버니 삼촌과
동료 계보학자와 같은 사람들이 있죠.
동료 계보학자와 같은 사람들이 있죠.
11:01
These are not amateurs
with a self-serving hobby.
with a self-serving hobby.
203
649045
2994
그들은 이기적인 취미를 가진
아마추어가 아닙니다.
아마추어가 아닙니다.
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
그들은 우리가 누구인지 알려주려는
깊은 열정을 가진 시민과학자이며
깊은 열정을 가진 시민과학자이며
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
과거가 미래의 열쇠를
쥐고 있다는 것을 압니다.
쥐고 있다는 것을 압니다.
대단히 감사합니다.
11:16
Thank you very much.
206
664067
1183
(박수)
11:17
(Applause)
207
665314
3469
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