TEDMED 2018
Yaniv Erlich: How we're building the world's largest family tree
Yaniv Erlich: Como estamos construindo a maior árvore genealógica do mundo
Filmed:
Readability: 4.9
1,507,766 views
O geneticista computacional Yaniv Erlich ajudou a construir a maior árvore genealógica do mundo, abrangendo 13 milhões de pessoas ao longo de mais de 500 anos. Ele compartilha modelos fascinantes que surgiram do trabalho, sobre nossa vida amorosa, nossa saúde e até casos criminais de décadas, e mostra como os bancos de dados genealógicos de colaboração podem lançar luz não apenas sobre o passado, mas também sobre o 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
As pessoas usam
a internet por várias razões.
a internet por várias razões.
00:17
It turns out that one of the most
popular categories of website
popular categories of website
1
5765
3804
Uma das categorias mais populares de sites
00:21
is something that people
typically consume in private.
typically consume in private.
2
9593
2872
é aquela em que as pessoas
acessam reservadamente.
acessam reservadamente.
00:25
It involves curiosity,
3
13639
2510
Ela envolve curiosidade,
00:28
non-insignificant levels
of self-indulgence
of self-indulgence
4
16173
3796
níveis significativos de autoindulgência
00:31
and is centered around recording
the reproductive activities
the reproductive activities
5
19993
3260
e registra atividades reprodutivas
00:35
of other people.
6
23277
1309
de outras pessoas.
00:36
(Laughter)
7
24610
1032
(Risos)
00:37
Of course, I'm talking about genealogy --
8
25666
2250
Claro que estou falando sobre genealogia,
00:39
(Laughter)
9
27940
1214
(Risos)
00:41
the study of family history.
10
29178
1702
o estudo da história das famílias.
00:43
When it comes to detailing family history,
11
31353
2037
Quando se trata de história familiar,
00:45
in every family, we have this person
that is obsessed with genealogy.
that is obsessed with genealogy.
12
33414
3943
sempre temos, em todas as famílias,
uma pessoa obcecada por genealogia.
uma pessoa obcecada por genealogia.
00:49
Let's call him Uncle Bernie.
13
37381
1713
Vamos chamá-la de tio 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
Tio Bernie é aquela pessoa
que ninguém quer se sentar ao lado,
que ninguém quer se sentar ao lado,
00:54
in Thanksgiving dinner,
15
42924
1599
no jantar de Ação de Graças,
00:56
because he will bore you to death
with peculiar details
with peculiar details
16
44547
2814
porque ele vai atormentar
com detalhes específicos
com detalhes específicos
00:59
about some ancient relatives.
17
47385
1966
de alguns parentes mais velhos.
Como se sabe,
01:02
But as you know,
18
50462
1262
existe um lado científico para tudo,
01:03
there is a scientific side for everything,
19
51748
2872
01:06
and we found that Uncle Bernie's stories
20
54644
2978
e descobrimos que as histórias
do tio Bernie têm um imenso potencial
do tio Bernie têm um imenso potencial
01:09
have immense potential
for biomedical research.
for biomedical research.
21
57646
3168
para a pesquisa biomédica.
01:13
We let Uncle Bernie
and his fellow genealogists
and his fellow genealogists
22
61306
2714
Deixamos o tio Bernie e os genealogistas
01:16
document their family trees through
a genealogy website called geni.com.
a genealogy website called geni.com.
23
64044
4668
documentarem suas árvores genealógicas
usando um site chamado geni.com.
usando um site chamado geni.com.
01:21
When users upload
their trees to the website,
their trees to the website,
24
69198
2128
Quando se enviam as árvores para o site,
ele verifica os parentes,
ele verifica os parentes,
01:23
it scans their relatives,
25
71350
1690
01:25
and if it finds matches to existing trees,
26
73064
2075
e, se encontrar correspondências,
01:27
it merges the existing
and the new tree together.
and the new tree together.
27
75163
3610
mescla a árvore já existente com a nova.
01:31
The result is that large
family trees are created,
family trees are created,
28
79768
2950
Com isso, são criadas
grandes árvores genealógicas,
grandes árvores genealógicas,
01:34
beyond the individual level
of each genealogist.
of each genealogist.
29
82742
3479
muito além do nível 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
Repetindo esse processo
com milhões de pessoas,
com milhões de pessoas,
01:42
all over the world,
31
90961
1817
no mundo todo,
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 contribuir para a construção
de uma árvore de toda a humanidade.
de uma árvore de toda a humanidade.
01:51
Using this website,
33
99292
1584
Usando este site,
01:52
we were able to connect 125 million people
34
100900
4813
conseguimos conectar
125 milhões de pessoas
125 milhões de pessoas
01:57
into a single family tree.
35
105737
2521
em uma única árvore genealógica.
02:00
I cannot draw the tree
on the screens over here
on the screens over here
36
108967
2788
Não é possível desenhar
a árvore nessas telas,
a árvore nessas telas,
02:03
because they have less pixels
37
111779
2165
porque elas têm menos pixels
02:05
than the number of people in this tree.
38
113968
2513
do que o número de pessoas na árvore.
02:08
But here is an example of a subset
of 6,000 individuals.
of 6,000 individuals.
39
116505
5010
Vejam um exemplo de 6 mil indivíduos,
que é apenas uma parte da árvore.
que é apenas uma parte da árvore.
02:14
Each green node is a person.
40
122159
2362
Cada nó verde representa uma pessoa.
02:17
The red nodes represent marriages,
41
125060
2849
Os nós vermelhos representam casamentos
02:19
and the connections represent parenthood.
42
127933
2258
e as conexões representam a paternidade.
02:22
In the middle of this tree,
you see the ancestors.
you see the ancestors.
43
130557
2372
No meio da árvore, veem-se os ancestrais.
02:24
And as we go to the periphery,
you see the descendants.
you see the descendants.
44
132953
2604
A parte externa mostra os descendentes.
02:27
This tree has seven
generations, approximately.
generations, approximately.
45
135581
3102
Esta árvore mostra sete gerações,
aproximadamente.
aproximadamente.
02:31
Now, this is what happens
when we increase the number of individuals
when we increase the number of individuals
46
139692
3234
Vejam o que acontece quando
aumentamos o número de indivíduos
aumentamos o número de indivíduos
02:34
to 70,000 people --
47
142950
1828
para 70 mil pessoas,
02:36
still a tiny subset
of all the data that we have.
of all the data that we have.
48
144802
4330
que ainda é uma pequena parte
do total de dados.
do total de dados.
02:41
Despite that, you can already see
the formation of gigantic family trees
the formation of gigantic family trees
49
149629
4813
Apesar disso, pode-se ver a formação
de árvores genealógicas gigantescas
de árvores genealógicas gigantescas
02:46
with many very distant relatives.
50
154466
2655
com vários parentes muito distantes.
02:49
Thanks to the hard work
of our genealogists,
of our genealogists,
51
157610
3134
Graças ao trabalho
árduo dos genealogistas,
árduo dos genealogistas,
02:52
we can go back in time
hundreds of years ago.
hundreds of years ago.
52
160768
3103
podemos voltar centenas de anos.
02:56
For example, here is Alexander Hamilton,
53
164418
3441
Por exemplo,
vejam aqui Alexander Hamilton,
vejam aqui Alexander Hamilton,
02:59
who was born in 1755.
54
167883
2475
que nasceu em 1755.
03:02
Alexander was the first
US Secretary of the Treasury,
US Secretary of the Treasury,
55
170872
3764
Ele foi o primeiro
secretário do Tesouro dos EUA,
secretário do Tesouro dos EUA,
03:06
but mostly known today
due to a popular Broadway musical.
due to a popular Broadway musical.
56
174660
3831
mas hoje é conhecido, principalmente,
devido a um musical da Broadway.
devido a um musical da Broadway.
03:11
We found that Alexander has deeper
connections in the showbiz industry.
connections in the showbiz industry.
57
179137
4922
Descobrimos que Alexander tem conexões
profundas na indústria do showbiz.
profundas na indústria do showbiz.
03:16
In fact, he's a blood relative of ...
58
184083
2111
Ele é um parente de sangue de ...
03:18
Kevin Bacon!
59
186781
1220
Kevin Bacon!
03:20
(Laughter)
60
188025
2032
(Risos)
03:22
Both of them are descendants
of a lady from Scotland
of a lady from Scotland
61
190081
2606
Ambos são descendentes de uma escocesa
que viveu no século 13.
que viveu no século 13.
03:24
who lived in the 13th century.
62
192711
2314
03:27
So you can say that Alexander Hamilton
63
195049
3102
Pode-se dizer, então,
que Alexander Hamilton
que Alexander Hamilton
03:30
is 35 degrees of Kevin Bacon genealogy.
64
198175
3188
tem um parentesco
de 35 graus com Kevin Bacon.
de 35 graus com Kevin Bacon.
03:33
(Laughter)
65
201387
1441
(Risos)
03:34
And our tree has millions
of stories like that.
of stories like that.
66
202852
3230
Essa árvore tem milhões
de histórias assim.
de histórias assim.
03:40
We invested significant efforts
to validate the quality of our data.
to validate the quality of our data.
67
208113
4890
Investimos muito empenho para validar
a qualidade dos nossos dados.
a qualidade dos nossos dados.
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
Usando o DNA, descobrimos que 0,3%
dos dados das conexões mãe-filho
dos dados das conexões mãe-filho
03:50
are wrong,
69
218442
1250
estão errados,
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
o que coincidiria com as adoções nos EUA
antes da Segunda Guerra Mundial.
antes da Segunda Guerra Mundial.
03:56
For the father's side,
71
224847
1785
Do lado dos pais,
03:58
the news is not as good:
72
226656
1961
a notícia não é tão boa:
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% das conexões pai-filho
nos dados estão erradas.
nos dados estão erradas.
04:07
And I see some people smirk over here.
74
235773
2363
Vejo algumas pessoas sorrindo.
04:10
It is what you think --
75
238160
1717
Estão pensando:
existem muitos leiteiros por aí.
existem muitos leiteiros por aí.
04:11
there are many milkmen out there.
76
239901
1789
04:13
(Laughter)
77
241714
1064
(Risos)
04:14
However, this 1.9 percent error rate
in patrilineal connections
in patrilineal connections
78
242802
3989
No entanto, essa taxa de erro de 1,9%
nas conexões patriarcais
nas conexões patriarcais
04:18
is not unique to our data.
79
246815
1769
não é exclusiva dos nossos dados.
04:20
Previous studies found
a similar error rate
a similar error rate
80
248608
3069
Estudos anteriores encontraram
uma taxa de erro similar
uma taxa de erro similar
04:23
using clinical-grade pedigrees.
81
251701
2021
usando classificação genealógica clínica.
04:26
So the quality of our data is good,
82
254254
2525
Portanto, a qualidade
dos nossos dados é boa
dos nossos dados é boa
04:28
and that should not be a surprise.
83
256803
2133
e não deveria ser uma surpresa.
04:30
Our genealogists have
a profound, vested interest
a profound, vested interest
84
258960
3776
Nossos genealogistas
têm um profundo interesse
têm um profundo interesse
04:34
in correctly documenting
their family history.
their family history.
85
262760
3668
em documentar corretamente
a história familiar.
a história familiar.
04:40
We can leverage this data to learn
quantitative information about humanity,
quantitative information about humanity,
86
268594
4591
Podemos usar esses dados para aprender
quantitativamente sobre a humanidade,
quantitativamente sobre a humanidade,
04:45
for example, questions about demography.
87
273209
2596
por exemplo, sobre demografia.
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
Vejam todos os nossos
perfis no mapa-múndi.
perfis no mapa-múndi.
04:52
Each pixel is a person
that lived at some point.
that lived at some point.
89
280250
4481
Cada pixel é uma pessoa
que viveu em algum momento.
que viveu em algum momento.
04:56
And since we have so much data,
90
284755
1680
Como temos muitos dados,
pode-se ver os contornos de muitos países,
pode-se ver os contornos de muitos países,
04:58
you can see the contours
of many countries,
of many countries,
91
286459
2781
05:01
especially in the Western world.
92
289264
2099
especialmente no mundo Ocidental.
05:03
In this clip, we stratified
the map that I've showed you
the map that I've showed you
93
291387
3548
Neste videoclipe, estratificamos
o mapa que acabei de mostrar,
o mapa que acabei de mostrar,
05:06
based on the year of births of individuals
from 1400 to 1900,
from 1400 to 1900,
94
294959
5072
baseado nas datas de nascimentos
das pessoas entre os anos de 1400 a 1900,
das pessoas entre os anos de 1400 a 1900,
05:12
and we compared it
to known migration events.
to known migration events.
95
300055
2766
e as comparamos com eventos
de migração conhecidos.
de migração conhecidos.
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
O videoclipe mostra que as linhagens
mais profundas dos dados
mais profundas dos dados
05:18
go all the way back to the UK,
97
306671
1627
apontam para o Reino Unido,
onde tinham um registro melhor
onde tinham um registro melhor
05:20
where they had better record keeping,
98
308322
1808
05:22
and then they spread along
the routes of Western colonialism.
the routes of Western colonialism.
99
310154
3282
e eles se expandiram pelas rotas
do colonialismo ocidental.
do colonialismo ocidental.
05:25
Let's watch this.
100
313460
1322
Vamos assistir.
05:27
(Music)
101
315143
1609
(Vídeo) (Música)
05:28
[Year of birth: ]
102
316776
2341
[Ano de nascimento:]
05:31
[1492 - Columbus sails the ocean blue]
103
319705
1836
[1492 - Colombo navega pelo oceano]
05:35
[1620 - Mayflower lands in Massachusetts]
104
323661
2000
[1620 - Mayflower chega a Massachusetts]
05:38
[1652 - Dutch settle in South Africa]
105
326726
1775
[1652 - Colonização holandesa
na África do Sul]
na África do Sul]
05:44
[1788 - Great Britain penal
transportation to Australia starts]
transportation to Australia starts]
106
332321
3186
[1788 - Transferência de presos
da Grã-Bretanha para a Austrália]
da Grã-Bretanha para a Austrália]
05:47
[1836 - First migrants use Oregon Trail]
107
335531
1927
[1836 - Primeiros migrantes
usam a trilha do Oregon]
usam a trilha do Oregon]
05:50
[all activity]
108
338149
3183
[Atividade total]
05:55
I love this movie.
109
343851
1543
Yaniv Erlich: Adoro este filme.
05:57
Now, since these migration events
are giving the context of families,
are giving the context of families,
110
345418
5093
Como esses eventos de migração
estão num contexto das famílias,
estão num contexto das famílias,
06:02
we can ask questions such as:
111
350535
2183
podemos fazer perguntas como:
06:04
What is the typical distance
between the birth locations
between the birth locations
112
352742
3470
"Qual é a distância típica
entre os locais de nascimento
entre os locais de nascimento
06:08
of husbands and wives?
113
356236
2812
de maridos e esposas?"
06:11
This distance plays
a pivotal role in demography,
a pivotal role in demography,
114
359072
3677
Essa distância desempenha
um papel fundamental na demografia,
um papel fundamental na demografia,
06:14
because the patterns in which
people migrate to form families
people migrate to form families
115
362773
3681
porque os padrões nos quais as pessoas
migram para formar famílias
migram para formar famílias
06:18
determine how genes spread
in geographical areas.
in geographical areas.
116
366478
3713
determinam como os genes se propagam
pelas áreas geográficas.
pelas áreas geográficas.
06:22
We analyzed this distance using our data,
117
370706
2328
Analisamos essa distância usando os dados
06:25
and we found that in the old days,
118
373058
2290
e descobrimos que, antigamente,
era tudo muito fácil.
era tudo muito fácil.
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
As pessoas se casavam
com outras de aldeias próximas.
com outras de aldeias próximas.
06:31
But the Industrial Revolution
really complicated our love life.
really complicated our love life.
121
379958
3705
Mas a Revolução Industrial
complicou essa vida amorosa.
complicou essa vida amorosa.
06:35
And today, with affordable flights
and online social media,
and online social media,
122
383687
4560
Hoje, com voos acessíveis
e com as mídias sociais,
e com as mídias sociais,
06:40
people typically migrate more than
100 kilometers from their place of birth
100 kilometers from their place of birth
123
388271
4828
as pessoas normalmente migram mais
de 100 quilômetros de onde nasceram
de 100 quilômetros de onde nasceram
06:45
to find their soul mate.
124
393123
1504
para encontrar sua alma gêmea.
06:48
So now you might ask:
125
396524
1187
Pode-se perguntar:
06:49
OK, but who does the hard work
of migrating from places to places
of migrating from places to places
126
397735
4496
"Quem trabalha duro pra migrar
de um lugar a outro pra formar família?"
de um lugar a outro pra formar família?"
06:54
to form families?
127
402255
1269
06:55
Are these the males or the females?
128
403548
3727
Os machos ou as fêmeas?
06:59
We used our data to address this question,
129
407752
2155
Usamos nossos dados para resolver isso
07:01
and at least in the last 300 years,
130
409931
2594
e, pelo menos nos últimos 300 anos,
07:04
we found that the ladies do the hard work
131
412549
3883
descobrimos que as mulheres
fazem esse trabalho difícil
fazem esse trabalho difícil
07:08
of migrating from places
to places to form families.
to places to form families.
132
416456
2996
de migrar de um lugar a outro
para formar uma família.
para formar uma família.
07:11
Now, these results
are statistically significant,
are statistically significant,
133
419476
3101
Esses resultados são
estatisticamente significativos
estatisticamente significativos
07:14
so you can take it as scientific fact
that males are lazy.
that males are lazy.
134
422601
3471
para considerar como fato científico
que os homens são preguiçosos.
que os homens são preguiçosos.
07:18
(Laughter)
135
426096
3156
(Risos)
07:21
We can move from questions
about demography
about demography
136
429276
2536
Podemos passar de perguntas
sobre demografia
sobre demografia
07:23
and ask questions about human health.
137
431836
2913
para perguntas sobre a saúde humana.
07:26
For example, we can ask
138
434773
1487
Por exemplo,
07:28
to what extent genetic variations
account for differences in life span
account for differences in life span
139
436284
4963
como as variações genéticas influenciam
as diferenças no tempo de vida
as diferenças no tempo de vida
das pessoas.
07:33
between individuals.
140
441271
1194
07:34
Previous studies analyzed the correlation
of longevity between twins
of longevity between twins
141
442988
4530
Estudos analisaram a correlação
da longevidade entre gêmeos
da longevidade entre gêmeos
07:39
to address this question.
142
447542
1442
para resolver esta questão.
07:41
They estimated that the genetic
variations account for
variations account for
143
449411
2667
Estimou-se que as variações
genéticas respondem
genéticas respondem
por cerca de um quarto das diferenças
no tempo de vida das pessoas.
no tempo de vida das pessoas.
07:44
about a quarter of the differences
in life span between individuals.
in life span between individuals.
144
452102
4040
07:48
But twins can be correlated
due to so many reasons,
due to so many reasons,
145
456688
2598
Gêmeos podem se correlacionar
por várias razões,
por várias razões,
07:51
including various environmental effects
146
459310
2304
incluindo diferentes efeitos ambientais,
ou por viverem na mesma casa.
ou por viverem na mesma casa.
07:53
or a shared household.
147
461638
1622
07:56
Large family trees give us the opportunity
to analyze both close relatives,
to analyze both close relatives,
148
464411
3753
Grandes árvores genealógicas nos permitem
analisar parentes próximos,
analisar parentes próximos,
08:00
such as twins,
149
468188
1207
como gêmeos,
08:01
all the way to distant relatives,
even fourth cousins.
even fourth cousins.
150
469419
2917
ou parentes distantes,
como primos de quarto grau.
como primos de quarto grau.
08:04
This way we can build robust models
151
472749
2689
Desta forma, podemos construir
modelos consistentes
modelos consistentes
08:07
that can tease apart the contribution
of genetic variations
of genetic variations
152
475462
3708
que podem diferenciar a contribuição
das variações genéticas
das variações genéticas
08:11
from environmental factors.
153
479194
1717
daquela de fatores ambientais.
08:13
We conducted this analysis using our data,
154
481379
2899
Realizamos essa análise
usando nossos dados,
usando nossos dados,
08:16
and we found that genetic variations
explain only 15 percent
explain only 15 percent
155
484302
5791
e descobrimos que variações
genéticas explicam apenas 15%
genéticas explicam apenas 15%
08:22
of the differences in life span
between individuals.
between individuals.
156
490117
2806
das diferenças na expectativa
de vida entre indivíduos.
de vida entre indivíduos.
08:26
That is five years, on average.
157
494760
2756
São cinco anos, em média.
08:30
So genes matter less than
what we thought before to life span.
what we thought before to life span.
158
498316
4708
Portanto, os genes influenciam
menos do que pensávamos antes.
menos do que pensávamos antes.
08:35
And I find it great news,
159
503675
2136
São notícias ótimas,
08:38
because it means that
our actions can matter more.
our actions can matter more.
160
506438
3293
porque significa que nossas ações
são mais importantes.
são mais importantes.
08:42
Smoking, for example, determines
10 years of our life expectancy --
10 years of our life expectancy --
161
510533
4274
Fumar, por exemplo, determina dez anos
da nossa expectativa de vida;
da nossa expectativa de vida;
08:46
twice as much as what genetics determines.
162
514831
2646
o dobro da influência genética.
08:50
We can even have more surprising findings
163
518236
2289
Podemos descobrir coisas
mais surpreendentes
mais surpreendentes
08:52
as we move from family trees
164
520549
1492
quando saímos dessas árvores
08:54
and we let our genealogists
document and crowdsource DNA information.
document and crowdsource DNA information.
165
522065
4732
e deixamos os genealogistas reunirem
e documentarem informações sobre o DNA.
e documentarem informações sobre o DNA.
08:58
And the results can be amazing.
166
526821
2024
Os resultados podem ser surpreendentes.
09:01
It might be hard to imagine,
but Uncle Bernie and his friends
but Uncle Bernie and his friends
167
529255
3915
Pode ser difícil de acreditar,
mas o tio Bernie e seus amigos
mas o tio Bernie e seus amigos
09:05
can create DNA forensic capabilities
168
533194
2646
podem criar competências forenses de DNA
09:07
that even exceed
what the FBI currently has.
what the FBI currently has.
169
535864
3559
maiores até o que o FBI, atualmente.
09:12
When you place the DNA
on a large family tree,
on a large family tree,
170
540862
2404
Quando se coloca o DNA numa grande árvore,
09:15
you effectively create a beacon
171
543290
2117
cria-se um farol
09:17
that illuminates the hundreds
of distant relatives
of distant relatives
172
545431
2634
que ilumina centenas de parentes distantes
09:20
that are all connected to the person
that originated the DNA.
that originated the DNA.
173
548089
3490
que estão todos conectados
à pessoa que originou o DNA.
à pessoa que originou o DNA.
09:24
By placing multiple beacons
on a large family tree,
on a large family tree,
174
552505
2913
Ao se colocar vários faróis
numa grande árvore genealógica,
numa grande árvore genealógica,
09:27
you can now triangulate the DNA
of an unknown person,
of an unknown person,
175
555442
3720
pode-se triangular o DNA
de uma pessoa desconhecida,
de uma pessoa desconhecida,
09:31
the same way that the GPS system
uses multiple satellites
uses multiple satellites
176
559186
3938
da mesma forma que
o sistema GPS usa vários satélites
o sistema GPS usa vários satélites
09:35
to find a location.
177
563148
1324
para encontrar um local.
09:37
The prime example
of the power of this technique
of the power of this technique
178
565226
3624
O principal exemplo do poder dessa técnica
09:40
is capturing the Golden State Killer,
179
568874
2675
foi a captura do assassino
do Golden State, na Califórnia,
do Golden State, na Califórnia,
09:44
one of the most notorious criminals
in the history of the US.
in the history of the US.
180
572612
4528
um dos criminosos mais notórios
da história dos EUA.
da história dos EUA.
09:49
The FBI had been searching
for this person for over 40 years.
for this person for over 40 years.
181
577164
5892
O FBI procurava por essa pessoa
há mais de 40 anos.
09:55
They had his DNA,
182
583588
1835
Tinham o DNA dele,
09:57
but he never showed up
in any police database.
in any police database.
183
585447
3350
mas ele nunca apareceu
nos bancos de dados da polícia.
nos bancos de dados da polícia.
10:01
About a year ago, the FBI
consulted a genetic genealogist,
consulted a genetic genealogist,
184
589447
4712
Há cerca de um ano, o FBI consultou
uma genealogista genética
uma 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
e ela sugeriu que submetessem
o DNA dele a um serviço de genealogia,
o DNA dele a um serviço de genealogia,
10:10
that can locate distant relatives.
186
598157
2398
que pode localizar parentes distantes.
10:13
They did that,
187
601117
1156
Fizeram isso
10:14
and they found a third cousin
of the Golden State Killer.
of the Golden State Killer.
188
602297
3692
e encontraram um primo
de terceiro grau do assassino.
de terceiro grau do assassino.
10:18
They built a large family tree,
189
606013
2344
Construíram uma grande árvore genealógica,
10:20
scanned the different
branches of that tree,
branches of that tree,
190
608381
2102
examinaram suas diferentes ramificações,
10:22
until they found a profile
that exactly matched
that exactly matched
191
610507
2565
até encontrar um perfil
que correspondesse exatamente
que correspondesse exatamente
10:25
what they knew about
the Golden State Killer.
the Golden State Killer.
192
613096
2581
ao do assassino do Golden State.
10:27
They obtained DNA from this person
and found a perfect match
and found a perfect match
193
615701
3592
Conseguiram o DNA dessa pessoa
e encontraram uma combinação perfeita
e encontraram uma combinação perfeita
10:31
to the DNA they had in hand.
194
619317
2025
para o DNA que eles tinham.
10:33
They arrested him
and brought him to justice
and brought him to justice
195
621366
2350
Ele foi preso e levado à justiça
depois de todos esses anos.
depois de todos esses anos.
10:35
after all these years.
196
623740
1424
10:38
Since then, genetic genealogists
have started working with
have started working with
197
626172
3241
Desde então, os genealogistas
genéticos começaram a trabalhar
genéticos começaram a trabalhar
10:41
local US law enforcement agencies
198
629437
2668
com forças policiais locais
10:44
to use this technique
in order to capture criminals.
in order to capture criminals.
199
632129
3362
e a usar essa técnica
para capturar criminosos.
para capturar criminosos.
10:47
And only in the past six months,
200
635521
2681
Somente nos 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
com esta técnica, conseguiram resolver
mais de 20 casos arquivados.
mais de 20 casos arquivados.
10:56
Luckily, we have people like Uncle
Bernie and his fellow genealogists
Bernie and his fellow genealogists
202
644203
4636
Felizmente, existem muitos "tios Bernie"
e seus colegas genealogistas.
e seus colegas genealogistas.
11:01
These are not amateurs
with a self-serving hobby.
with a self-serving hobby.
203
649045
2994
Não são amadores com um hobby limitado.
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
São cidadãos cientistas com uma profunda
paixão para investigar quem somos.
paixão para investigar quem 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
Eles sabem que o passado
pode ser a chave para o futuro.
pode ser a chave para o futuro.
11:16
Thank you very much.
206
664067
1183
Muito obrigado.
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