TEDMED 2018
Yaniv Erlich: How we're building the world's largest family tree
यानिव एर्लिच: हम दुनिया का सबसे बड़ा पारिवारिक पेड़ कैसे बना रहे हैं
Filmed:
Readability: 4.9
1,507,766 views
કોમ્પ્યુટેશનલ આનુવંશવિજ્ Yાની યાનીવ એર્લિચે વિશ્વના સૌથી મોટા કૌટુંબિક વૃક્ષને બનાવવામાં મદદ કરી - જેમાં 13 મિલિયન લોકોનો સમાવેશ થાય છે અને 500 વર્ષથી પણ વધુ પાછળ છે. તે કામ પરથી ઉદ્ભવેલી મનોહર દાખલાઓ શેર કરે છે - આપણા પ્રેમ જીવન વિશે, આપણા સ્વાસ્થ્ય વિશે, ઘણા દાયકાઓ જૂના ગુનાહિત કેસ - અને બતાવે છે કે કેવી રીતે ભીડ સ્રોત વંશાવળીના ડેટાબેસેસ ફક્ત ભૂતકાળમાં જ નહીં પણ ભવિષ્ય પર પણ પ્રકાશ લાવી શકે છે.
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.
લોકો વિવિધ કારણોસર
ઇન્ટરનેટનો ઉપયોગ કરે છે.
ઇન્ટરનેટનો ઉપયોગ કરે છે.
00:12
People use the internet
for various reasons.
for various reasons.
0
817
3452
00:17
It turns out that one of the most
popular categories of website
popular categories of website
1
5765
3804
તે સૌથી વધુ એક બહાર આવ્યું છે
વેબસાઇટ લોકપ્રિય વર્ગો
વેબસાઇટ લોકપ્રિય વર્ગો
00:21
is something that people
typically consume in private.
typically consume in private.
2
9593
2872
જેને લોકો મોટે ભાગે એકાંતમાં જુએ છે.
00:25
It involves curiosity,
3
13639
2510
તેમાં જિજ્ઞાસા શામેલ છે ,
00:28
non-insignificant levels
of self-indulgence
of self-indulgence
4
16173
3796
આનંદનો બિન-નિર્ણાયક સ્તર
00:31
and is centered around recording
the reproductive activities
the reproductive activities
5
19993
3260
અને રેકોર્ડિંગની આસપાસ કેન્દ્રિત છે
પ્રજનન પ્રવૃત્તિઓ
પ્રજનન પ્રવૃત્તિઓ
00:35
of other people.
6
23277
1309
અન્ય લોકોની .
00:36
(Laughter)
7
24610
1032
( હાસ્ય )
00:37
Of course, I'm talking about genealogy --
8
25666
2250
ખરેખર , હું વંશવૃક્ષ વિશે વાત કરું છું
00:39
(Laughter)
9
27940
1214
( હાસ્ય )
00:41
the study of family history.
10
29178
1702
કૌટુંબિક ઇતિહાસનો અભ્યાસ .
00:43
When it comes to detailing family history,
11
31353
2037
જ્યારે કૌટુંબિક ઇતિહાસની વાત આવે છે ,
00:45
in every family, we have this person
that is obsessed with genealogy.
that is obsessed with genealogy.
12
33414
3943
દરેક કુટુંબમાં, અમારી પાસે આ વ્યક્તિ છે
તે વંશાવળીથી ગ્રસ્ત છે.
તે વંશાવળીથી ગ્રસ્ત છે.
00:49
Let's call him Uncle Bernie.
13
37381
1713
ચાલો તેને અંકલ બર્ની કહીએ .
00:51
Uncle Bernie is exactly the last person
you want to sit next to
you want to sit next to
14
39118
3782
કાકા બર્ની બરાબર છેલ્લી વ્યક્તિ છે
તમારે બાજુમાં બેસવું છે
તમારે બાજુમાં બેસવું છે
00:54
in Thanksgiving dinner,
15
42924
1599
થેંક્સગિવિંગ ડિનરમાં,
00:56
because he will bore you to death
with peculiar details
with peculiar details
16
44547
2814
કારણ કે તે તમને મરણમાં લઈ જશે
વિચિત્ર વિગતો સાથે
વિચિત્ર વિગતો સાથે
00:59
about some ancient relatives.
17
47385
1966
કેટલાક પ્રાચીન સંબંધીઓ વિશે .
01:02
But as you know,
18
50462
1262
પરંતુ તમે જાણો છો ,
01:03
there is a scientific side for everything,
19
51748
2872
દરેક વસ્તુ માટે વૈજ્ઞાનિક બાજુ છે ,
01:06
and we found that Uncle Bernie's stories
20
54644
2978
અને આપણે જોયું કે અંકલ બર્નીની વાર્તાઓ
01:09
have immense potential
for biomedical research.
for biomedical research.
21
57646
3168
જૈવ તબીબી સંશોધન માટે ની અપાર
સંભાવના ધરાવે છે .
સંભાવના ધરાવે છે .
01:13
We let Uncle Bernie
and his fellow genealogists
and his fellow genealogists
22
61306
2714
અમે કાકા બર્નીને દો
અને તેના સાથી વંશાવલિઓ
અને તેના સાથી વંશાવલિઓ
01:16
document their family trees through
a genealogy website called geni.com.
a genealogy website called geni.com.
23
64044
4668
દ્વારા તેમના કુટુંબ વૃક્ષો દસ્તાવેજ
એક વંશાવળી વેબસાઇટ જેને geni.com કહે છે.
એક વંશાવળી વેબસાઇટ જેને geni.com કહે છે.
01:21
When users upload
their trees to the website,
their trees to the website,
24
69198
2128
જ્યારે કર્તાઓ અપલોડ કરે,
વેબસાઇટ તેમના વૃક્ષો
વેબસાઇટ તેમના વૃક્ષો
01:23
it scans their relatives,
25
71350
1690
તે તેમના સંબંધીઓને સ્કેન કરે છે,
01:25
and if it finds matches to existing trees,
26
73064
2075
અને જો તે હાલના ઝાડ સાથે મેળ ખાતી હોય,
01:27
it merges the existing
and the new tree together.
and the new tree together.
27
75163
3610
તે હાલનાને મર્જ કરે છે
અને નવું વૃક્ષ એકસાથે.
અને નવું વૃક્ષ એકસાથે.
01:31
The result is that large
family trees are created,
family trees are created,
28
79768
2950
પરિણામ તે મોટું છે
કુટુંબ વૃક્ષો બનાવવામાં આવે છે,
કુટુંબ વૃક્ષો બનાવવામાં આવે છે,
01:34
beyond the individual level
of each genealogist.
of each genealogist.
29
82742
3479
વ્યક્તિગત સ્તરથી આગળ
દરેક વંશાવળી.
દરેક વંશાવળી.
01:38
Now, by repeating this process
with millions of people
with millions of people
30
86808
4129
હવે, આ પ્રક્રિયાને પુનરાવર્તિત કરીને
લાખો લોકો સાથે
લાખો લોકો સાથે
01:42
all over the world,
31
90961
1817
સમગ્ર વિશ્વમાં,
01:44
we can crowdsource the construction
of a family tree of all humankind.
of a family tree of all humankind.
32
92802
5532
અમે બાંધકામ ભીડ સ્રોત કરી શકો છો
બધા માનવજાતનો એક કુટુંબ વૃક્ષ.
બધા માનવજાતનો એક કુટુંબ વૃક્ષ.
01:51
Using this website,
33
99292
1584
આ વેબસાઇટનો ઉપયોગ કરીને,
01:52
we were able to connect 125 million people
34
100900
4813
અમે 125 મિલિયન લોકો કનેક્ટ કરવા સક્ષમ હતા
01:57
into a single family tree.
35
105737
2521
એક કુટુંબ વૃક્ષ માં.
02:00
I cannot draw the tree
on the screens over here
on the screens over here
36
108967
2788
હું ઝાડ દોરી શકતો નથી
અહીંની સ્ક્રીન પર
અહીંની સ્ક્રીન પર
02:03
because they have less pixels
37
111779
2165
કારણ કે તેમની પાસે ઓછા પિક્સેલ્સ છે
02:05
than the number of people in this tree.
38
113968
2513
આ વૃક્ષના લોકોની સંખ્યા કરતા
02:08
But here is an example of a subset
of 6,000 individuals.
of 6,000 individuals.
39
116505
5010
પરંતુ અહીં સબસેટનું ઉદાહરણ છે
6,000 વ્યક્તિઓ છે.
6,000 વ્યક્તિઓ છે.
02:14
Each green node is a person.
40
122159
2362
દરેક લીલો નોડ એક વ્યક્તિ છે.
02:17
The red nodes represent marriages,
41
125060
2849
લાલ ગાંઠો લગ્નનું પ્રતિનિધિત્વ કરે છે,
02:19
and the connections represent parenthood.
42
127933
2258
અને જોડાણો પિતૃત્વ રજૂ કરે છે.
02:22
In the middle of this tree,
you see the ancestors.
you see the ancestors.
43
130557
2372
આ ઝાડની મધ્યમાં,
તમે પૂર્વજો જુઓ.
તમે પૂર્વજો જુઓ.
02:24
And as we go to the periphery,
you see the descendants.
you see the descendants.
44
132953
2604
અને જેમ આપણે પરિઘ પર જઈએ છીએ,
તમે વંશજો જુઓ.
તમે વંશજો જુઓ.
02:27
This tree has seven
generations, approximately.
generations, approximately.
45
135581
3102
આ ઝાડ સાત છે
લગભગ પે ,ીઓ.
લગભગ પે ,ીઓ.
02:31
Now, this is what happens
when we increase the number of individuals
when we increase the number of individuals
46
139692
3234
હવે, આ તે થાય છે
જ્યારે આપણે વ્યક્તિઓની સંખ્યામાં વધારો કરીએ
જ્યારે આપણે વ્યક્તિઓની સંખ્યામાં વધારો કરીએ
02:34
to 70,000 people --
47
142950
1828
70,000 લોકોને -
02:36
still a tiny subset
of all the data that we have.
of all the data that we have.
48
144802
4330
હજી પણ એક નાનો સબસેટ
અમારી પાસેના બધા ડેટાની.
અમારી પાસેના બધા ડેટાની.
02:41
Despite that, you can already see
the formation of gigantic family trees
the formation of gigantic family trees
49
149629
4813
તે હોવા છતાં, તમે પહેલેથી જ જોઈ શકો છો
વિશાળ કુટુંબ વૃક્ષો રચના
વિશાળ કુટુંબ વૃક્ષો રચના
02:46
with many very distant relatives.
50
154466
2655
ઘણા ખૂબ દૂરના સંબંધીઓ સાથે.
02:49
Thanks to the hard work
of our genealogists,
of our genealogists,
51
157610
3134
મહેનત બદલ આભાર
અમારા વંશાવળી,
અમારા વંશાવળી,
02:52
we can go back in time
hundreds of years ago.
hundreds of years ago.
52
160768
3103
આપણે સમયસર પાછા જઈ શકીએ
સેંકડો વર્ષો પહેલા.
સેંકડો વર્ષો પહેલા.
02:56
For example, here is Alexander Hamilton,
53
164418
3441
ઉદાહરણ તરીકે, અહીં એલેક્ઝાંડર હેમિલ્ટન છે,
02:59
who was born in 1755.
54
167883
2475
જેનો જન્મ 1755 માં થયો હતો.
03:02
Alexander was the first
US Secretary of the Treasury,
US Secretary of the Treasury,
55
170872
3764
એલેક્ઝાંડર પ્રથમ હતો
ટ્રેઝરીના યુ.એસ. સચિવ,
ટ્રેઝરીના યુ.એસ. સચિવ,
03:06
but mostly known today
due to a popular Broadway musical.
due to a popular Broadway musical.
56
174660
3831
પરંતુ મોટે ભાગે આજે ઓળખાય છે
લોકપ્રિય બ્રોડવે મ્યુઝિકલને કારણે.
લોકપ્રિય બ્રોડવે મ્યુઝિકલને કારણે.
03:11
We found that Alexander has deeper
connections in the showbiz industry.
connections in the showbiz industry.
57
179137
4922
અમે જોયું કે એલેક્ઝાંડર erંડા છે
શોબિઝ ઉદ્યોગમાં જોડાણો.
શોબિઝ ઉદ્યોગમાં જોડાણો.
03:16
In fact, he's a blood relative of ...
58
184083
2111
હકીકતમાં, તે લોહીનો સબંધ છે ...
03:18
Kevin Bacon!
59
186781
1220
કેવિન બેકોન!
03:20
(Laughter)
60
188025
2032
(હાસ્ય)
03:22
Both of them are descendants
of a lady from Scotland
of a lady from Scotland
61
190081
2606
તે બંને વંશજો છે
સ્કોટલેન્ડની એક મહિલા
સ્કોટલેન્ડની એક મહિલા
03:24
who lived in the 13th century.
62
192711
2314
જે 13 મી સદીમાં રહેતા હતા.
03:27
So you can say that Alexander Hamilton
63
195049
3102
તેથી તમે કહી શકો છો કે એલેક્ઝાંડર હેમિલ્ટન
03:30
is 35 degrees of Kevin Bacon genealogy.
64
198175
3188
કેવિન બેકોન વંશાવળીનો 35 ડિગ્રી છે.
03:33
(Laughter)
65
201387
1441
(હાસ્ય)
03:34
And our tree has millions
of stories like that.
of stories like that.
66
202852
3230
અને આપણા વૃક્ષ પાસે લાખો છે
કે વાર્તાઓ.
કે વાર્તાઓ.
03:40
We invested significant efforts
to validate the quality of our data.
to validate the quality of our data.
67
208113
4890
અમે નોંધપાત્ર પ્રયત્નોનું રોકાણ કર્યું
અમારા ડેટાની ગુણવત્તાને માન્ય કરવા.
અમારા ડેટાની ગુણવત્તાને માન્ય કરવા.
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
DNA નો ઉપયોગ કરીને, અમને જોવા મળ્યું કે .
3 ટકા અમારા ડેટામાં માતા-બાળકનાં જોડાણો
3 ટકા અમારા ડેટામાં માતા-બાળકનાં જોડાણો
03:50
are wrong,
69
218442
1250
ખોટું છે,
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
જે દત્તક દરને મેચ કરી શકે
યુ.એસ. પૂર્વ-બીજા વિશ્વ યુદ્ધમાં.
યુ.એસ. પૂર્વ-બીજા વિશ્વ યુદ્ધમાં.
03:56
For the father's side,
71
224847
1785
પિતાની બાજુ માટે,
03:58
the news is not as good:
72
226656
1961
સમાચાર એટલા સારા નથી:
04:02
1.9 percent of the father-child
connections in our data are wrong.
connections in our data are wrong.
73
230149
5600
પિતા-બાળકનો 1.9 ટકા
અમારા ડેટામાં જોડાણો ખોટા છે.
અમારા ડેટામાં જોડાણો ખોટા છે.
04:07
And I see some people smirk over here.
74
235773
2363
અને હું કેટલાક લોકોને અહીં નિસ્તેજ જોઉં
છું.
છું.
04:10
It is what you think --
75
238160
1717
તમે જે વિચારો છો તે જ છે -
04:11
there are many milkmen out there.
76
239901
1789
ત્યાં ઘણા દૂધવાળો છે.
04:13
(Laughter)
77
241714
1064
(હાસ્ય)
04:14
However, this 1.9 percent error rate
in patrilineal connections
in patrilineal connections
78
242802
3989
જો કે, આ 1.9 ટકા ભૂલ દર
પેટ્રિનાઇલ જોડાણોમાં
પેટ્રિનાઇલ જોડાણોમાં
04:18
is not unique to our data.
79
246815
1769
અમારા ડેટા માટે વિશિષ્ટ નથી.
04:20
Previous studies found
a similar error rate
a similar error rate
80
248608
3069
પાછલા અધ્યયન મળ્યાં છે
સમાન ભૂલ દર
સમાન ભૂલ દર
04:23
using clinical-grade pedigrees.
81
251701
2021
ક્લિનિકલ-ગ્રેડ વંશાવલિ નો ઉપયોગ.
04:26
So the quality of our data is good,
82
254254
2525
તેથી અમારા ડેટાની ગુણવત્તા સારી છે,
04:28
and that should not be a surprise.
83
256803
2133
અને તે આશ્ચર્યજનક ન હોવું જોઈએ.
04:30
Our genealogists have
a profound, vested interest
a profound, vested interest
84
258960
3776
અમારા વંશાવલિઓ પાસે છે
એક ગહન, સ્વાર્થ હિત
એક ગહન, સ્વાર્થ હિત
04:34
in correctly documenting
their family history.
their family history.
85
262760
3668
યોગ્ય રીતે દસ્તાવેજીકરણમાં
તેમના કુટુંબ ઇતિહાસ.
તેમના કુટુંબ ઇતિહાસ.
04:40
We can leverage this data to learn
quantitative information about humanity,
quantitative information about humanity,
86
268594
4591
આપણે શીખવા માટે આ ડેટાને લાભ આપી શકીએ છીએ
માનવતા વિશે માત્રાત્મક માહિતી,
માનવતા વિશે માત્રાત્મક માહિતી,
04:45
for example, questions about demography.
87
273209
2596
ઉદાહરણ તરીકે, ડેમોગ્રાફી વિશેના પ્રશ્નો.
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
અહીં અમારી બધી પ્રોફાઇલ્સ પર એક નજર છે
વિશ્વના નકશા પર.
વિશ્વના નકશા પર.
04:52
Each pixel is a person
that lived at some point.
that lived at some point.
89
280250
4481
દરેક પિક્સેલ એક વ્યક્તિ છે
કે અમુક સમયે રહેતા હતા.
કે અમુક સમયે રહેતા હતા.
04:56
And since we have so much data,
90
284755
1680
અને આપણી પાસે ખૂબ જ ડેટા હોવાથી,
04:58
you can see the contours
of many countries,
of many countries,
91
286459
2781
તમે રૂપરેખા જોઈ શકો છો
ઘણા દેશોના,
ઘણા દેશોના,
05:01
especially in the Western world.
92
289264
2099
ખાસ કરીને પશ્ચિમી વિશ્વમાં.
05:03
In this clip, we stratified
the map that I've showed you
the map that I've showed you
93
291387
3548
આ ક્લિપમાં, અમે સ્તરીકરણ કર્યું છે
મેં તમને બતાવ્યું તે નકશો
મેં તમને બતાવ્યું તે નકશો
05:06
based on the year of births of individuals
from 1400 to 1900,
from 1400 to 1900,
94
294959
5072
વ્યક્તિઓના જન્મના વર્ષના આધારે
1400 થી 1900 સુધી,
1400 થી 1900 સુધી,
05:12
and we compared it
to known migration events.
to known migration events.
95
300055
2766
અને અમે તેની તુલના કરી
જાણીતા સ્થળાંતર ઘટનાઓ માટે.
જાણીતા સ્થળાંતર ઘટનાઓ માટે.
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
ક્લિપ તમને બતાવવા જઈ રહી છે
કે જે આપણા ડેટામાં સૌથી estંડો વંશ છે
કે જે આપણા ડેટામાં સૌથી estંડો વંશ છે
05:18
go all the way back to the UK,
97
306671
1627
યુકે પર પાછા જાઓ,
05:20
where they had better record keeping,
98
308322
1808
જ્યાં તેઓ વધુ સારી રીતે રેકોર્ડ
રાખવા,
રાખવા,
05:22
and then they spread along
the routes of Western colonialism.
the routes of Western colonialism.
99
310154
3282
અને પછી તેઓ સાથે ફેલાયા
પશ્ચિમી સંસ્થાનવાદના માર્ગો.
પશ્ચિમી સંસ્થાનવાદના માર્ગો.
05:25
Let's watch this.
100
313460
1322
ચાલો આ જોઈએ.
05:27
(Music)
101
315143
1609
(સંગીત)
05:28
[Year of birth: ]
102
316776
2341
[જન્મ વર્ષ: ]
05:31
[1492 - Columbus sails the ocean blue]
103
319705
1836
[1492 - કોલમ્બસ સમુદ્ર વાદળી વહાણમાં]
05:35
[1620 - Mayflower lands in Massachusetts]
104
323661
2000
[1620-મેસેચ્યુસેટ્સમાં મે ફ્લાવર
લેન્ડિંગ]
લેન્ડિંગ]
05:38
[1652 - Dutch settle in South Africa]
105
326726
1775
[1652-ડચ દક્ષિણ આફ્રિકામાં સ્થાયીથયા]
05:44
[1788 - Great Britain penal
transportation to Australia starts]
transportation to Australia starts]
106
332321
3186
[1788 - ગ્રેટ બ્રિટન દંડ
Australiaસ્ટ્રેલિયા પરિવહન શરૂ થાય છે]
Australiaસ્ટ્રેલિયા પરિવહન શરૂ થાય છે]
05:47
[1836 - First migrants use Oregon Trail]
107
335531
1927
[1836-સ્થળાંતર OregonTrail ઉપયોગ કરે છે]
05:50
[all activity]
108
338149
3183
[તમામ પ્રવૃત્તિ]
05:55
I love this movie.
109
343851
1543
મને આ મૂવી ગમે છે.
05:57
Now, since these migration events
are giving the context of families,
are giving the context of families,
110
345418
5093
હવે, આ સ્થળાંતર ઘટનાઓ
પરિવારોનો સંદર્ભ આપી રહ્યાં છે,
પરિવારોનો સંદર્ભ આપી રહ્યાં છે,
06:02
we can ask questions such as:
111
350535
2183
અમે જેવા પ્રશ્નો પૂછી શકીએ છીએ:
06:04
What is the typical distance
between the birth locations
between the birth locations
112
352742
3470
લાક્ષણિક અંતર શું છે
જન્મ સ્થાનો વચ્ચે
જન્મ સ્થાનો વચ્ચે
06:08
of husbands and wives?
113
356236
2812
પતિ અને પત્નીના?
06:11
This distance plays
a pivotal role in demography,
a pivotal role in demography,
114
359072
3677
આ અંતર ભજવે છે
વસ્તી વિષયક વિષયમાં મુખ્ય ભૂમિકા,
વસ્તી વિષયક વિષયમાં મુખ્ય ભૂમિકા,
06:14
because the patterns in which
people migrate to form families
people migrate to form families
115
362773
3681
કારણ કે જેમાં પેટર્ન
લોકો પરિવારો રચવા સ્થળાંતર કરે છે
લોકો પરિવારો રચવા સ્થળાંતર કરે છે
06:18
determine how genes spread
in geographical areas.
in geographical areas.
116
366478
3713
જનીનો કેવી રીતે ફેલાય છે તે નક્કી કરો
ભૌગોલિક વિસ્તારોમાં.
ભૌગોલિક વિસ્તારોમાં.
06:22
We analyzed this distance using our data,
117
370706
2328
અમે ડેટાનો ઉપયોગ કરીને અંતરનું
વિશ્લેષણ કર્યું.
વિશ્લેષણ કર્યું.
06:25
and we found that in the old days,
118
373058
2290
અને આપણે જોયું કે, જૂના દિવસોમાં,
06:27
people had it easy.
119
375372
1230
લોકો પાસે તે સરળ હતું.
06:28
They just married someone
in the village nearby.
in the village nearby.
120
376626
2594
તેઓએ ફક્ત કોઈની સાથે લગ્ન કર્યા
નજીકના ગામમાં.
નજીકના ગામમાં.
06:31
But the Industrial Revolution
really complicated our love life.
really complicated our love life.
121
379958
3705
પરંતુ Industrialદ્યોગિક ક્રાંતિ
ખરેખર અમારા પ્રેમ જીવન જટિલ.
ખરેખર અમારા પ્રેમ જીવન જટિલ.
06:35
And today, with affordable flights
and online social media,
and online social media,
122
383687
4560
અને આજે, સસ્તું ફ્લાઇટ્સ સાથે
અને સોશિયલ મીડિયા,
અને સોશિયલ મીડિયા,
06:40
people typically migrate more than
100 kilometers from their place of birth
100 kilometers from their place of birth
123
388271
4828
લોકો સામાન્ય રીતે કરતા વધારે સ્થળાંતર
કરે છે તેમના જન્મસ્થળથી 100 કિલોમીટર દૂર
કરે છે તેમના જન્મસ્થળથી 100 કિલોમીટર દૂર
06:45
to find their soul mate.
124
393123
1504
તેમના આત્માની સાથી શોધવા માટે.
06:48
So now you might ask:
125
396524
1187
તેથી હવે તમે પૂછી શકોછો:
06:49
OK, but who does the hard work
of migrating from places to places
of migrating from places to places
126
397735
4496
ઠીક છે, પરંતુ મહેનત કોણ કરે છે
સ્થળોએ સ્થળોએ સ્થળાંતર
સ્થળોએ સ્થળોએ સ્થળાંતર
06:54
to form families?
127
402255
1269
પરિવારો રચવા માટે?
06:55
Are these the males or the females?
128
403548
3727
આ પુરુષો છે કે સ્ત્રી?
06:59
We used our data to address this question,
129
407752
2155
અમે ડેટાને વાપરવા અમારા
ડેટાનોઉપયોગ કર્યો છે,
ડેટાનોઉપયોગ કર્યો છે,
07:01
and at least in the last 300 years,
130
409931
2594
અને ઓછામાં ઓછા છેલ્લા 300 વર્ષોમાં,
07:04
we found that the ladies do the hard work
131
412549
3883
અમે જોયું કે મહિલાઓ સખત મહેનત કરે છે
07:08
of migrating from places
to places to form families.
to places to form families.
132
416456
2996
સ્થળોએ સ્થળાંતર
સ્થળોએ કુટુંબ બનાવવા માટે.
સ્થળોએ કુટુંબ બનાવવા માટે.
07:11
Now, these results
are statistically significant,
are statistically significant,
133
419476
3101
હવે, આ પરિણામો
આંકડાકીય રીતે નોંધપાત્ર છે,
આંકડાકીય રીતે નોંધપાત્ર છે,
07:14
so you can take it as scientific fact
that males are lazy.
that males are lazy.
134
422601
3471
જેથી તમે તેને વૈજ્ .ાનિક તથ્ય તરીકે લઈ શકો
પુરુષો આળસુ છે.
પુરુષો આળસુ છે.
07:18
(Laughter)
135
426096
3156
(હાસ્ય)
07:21
We can move from questions
about demography
about demography
136
429276
2536
અમે પ્રશ્નો માંથી ખસેડી શકો છો
વસ્તી વિષયક વિશે
વસ્તી વિષયક વિશે
07:23
and ask questions about human health.
137
431836
2913
અને માનવ સ્વાસ્થ્ય વિશે પ્રશ્નો પૂછો.
07:26
For example, we can ask
138
434773
1487
ઉદાહરણ તરીકે, અમે પૂછી શકીએ છીએ
07:28
to what extent genetic variations
account for differences in life span
account for differences in life span
139
436284
4963
આનુવંશિક ભિન્નતા કેટલી હદ સુધી
જીવનકાળમાં તફાવતો માટે એકાઉન્ટ
જીવનકાળમાં તફાવતો માટે એકાઉન્ટ
07:33
between individuals.
140
441271
1194
વ્યક્તિઓ વચ્ચે.
07:34
Previous studies analyzed the correlation
of longevity between twins
of longevity between twins
141
442988
4530
પાછલા અધ્યયનએ સહસંબંધનું વિશ્લેષણ કર્યું
જોડિયા વચ્ચે આયુષ્ય
જોડિયા વચ્ચે આયુષ્ય
07:39
to address this question.
142
447542
1442
આ પ્રશ્નને ધ્યાનમાં લેવા.
07:41
They estimated that the genetic
variations account for
variations account for
143
449411
2667
તેઓએ અનુમાન કર્યું છે કે આનુવંશિક
વિવિધતાઓ માટે એકાઉન્ટ
વિવિધતાઓ માટે એકાઉન્ટ
07:44
about a quarter of the differences
in life span between individuals.
in life span between individuals.
144
452102
4040
તફાવતો લગભગ એક ક્વાર્ટર
વ્યક્તિઓ વચ્ચેના જીવનકાળમાં.
વ્યક્તિઓ વચ્ચેના જીવનકાળમાં.
07:48
But twins can be correlated
due to so many reasons,
due to so many reasons,
145
456688
2598
પરંતુ જોડિયા સહસંબંધ કરી શકાય છે
ઘણા કારણોસર,
ઘણા કારણોસર,
07:51
including various environmental effects
146
459310
2304
વિવિધ પર્યાવરણીય અસરો સહિત
07:53
or a shared household.
147
461638
1622
અથવા વહેંચાયેલ ઘરનું.
07:56
Large family trees give us the opportunity
to analyze both close relatives,
to analyze both close relatives,
148
464411
3753
કુટુંબનાં મોટાં વૃક્ષો આપણને તક આપે છે
બંને નજીકના સંબંધીઓનું વિશ્લેષણ કરવા માટે
બંને નજીકના સંબંધીઓનું વિશ્લેષણ કરવા માટે
08:00
such as twins,
149
468188
1207
જેમ કે જોડિયા,
08:01
all the way to distant relatives,
even fourth cousins.
even fourth cousins.
150
469419
2917
દૂરના સંબંધીઓને બધી રીતે,
ચોથા પિતરાઇ ભાઈઓ પણ.
ચોથા પિતરાઇ ભાઈઓ પણ.
08:04
This way we can build robust models
151
472749
2689
આ રીતે આપણે મજબૂત મોડેલો બનાવી શકીએ છીએ
08:07
that can tease apart the contribution
of genetic variations
of genetic variations
152
475462
3708
જે ફાળો ફાળવી શકે છે
આનુવંશિક વિવિધતાઓ
આનુવંશિક વિવિધતાઓ
08:11
from environmental factors.
153
479194
1717
પર્યાવરણીય પરિબળો માંથી.
08:13
We conducted this analysis using our data,
154
481379
2899
અમે અમારા ડેટાની મદદથી આ વિશ્લેષણ
હાથ ધર્યું,
હાથ ધર્યું,
08:16
and we found that genetic variations
explain only 15 percent
explain only 15 percent
155
484302
5791
અને અમને મળ્યું કે આનુવંશિક ભિન્નતા
માત્ર 15 ટકા સમજાવો
માત્ર 15 ટકા સમજાવો
08:22
of the differences in life span
between individuals.
between individuals.
156
490117
2806
જીવનકાળમાં તફાવતો
વ્યક્તિઓ વચ્ચે.
વ્યક્તિઓ વચ્ચે.
08:26
That is five years, on average.
157
494760
2756
તે સરેરાશ પાંચ વર્ષ છે.
08:30
So genes matter less than
what we thought before to life span.
what we thought before to life span.
158
498316
4708
તેથી જનીનોની તુલના ઓછી છે
આપણે આયુષ્ય પહેલાં શું વિચાર્યું હતું.
આપણે આયુષ્ય પહેલાં શું વિચાર્યું હતું.
08:35
And I find it great news,
159
503675
2136
અને મને તે એક મહાન સમાચાર લાગે છે,
08:38
because it means that
our actions can matter more.
our actions can matter more.
160
506438
3293
કારણ કે તેનો અર્થ એ છે કે
અમારી ક્રિયાઓ વધુ મહત્વનું છે.
અમારી ક્રિયાઓ વધુ મહત્વનું છે.
08:42
Smoking, for example, determines
10 years of our life expectancy --
10 years of our life expectancy --
161
510533
4274
ધૂમ્રપાન, ઉદાહરણ તરીકે, નક્કી કરે છે
આપણા જીવનકાળના 10 વર્ષ -
આપણા જીવનકાળના 10 વર્ષ -
08:46
twice as much as what genetics determines.
162
514831
2646
આનુવંશિકતા નક્કી કરે છે તેના કરતા બમણું
આપણે વધારે આશ્ચર્યજનક તારણો મેળવી શકીએ છીએ
08:50
We can even have more surprising findings
163
518236
2289
અમે કુટુંબ વૃક્ષો માંથી ખસેડવા તરીકે
08:52
as we move from family trees
164
520549
1492
08:54
and we let our genealogists
document and crowdsource DNA information.
document and crowdsource DNA information.
165
522065
4732
અને અમે અમારા વંશાવલિઓને દો
દસ્તાવેજ અને ક્રાઉડસોર્સ ડીએનએ માહિતી.
દસ્તાવેજ અને ક્રાઉડસોર્સ ડીએનએ માહિતી.
08:58
And the results can be amazing.
166
526821
2024
અને પરિણામો આશ્ચર્યજનક હોઈ શકે છે.
09:01
It might be hard to imagine,
but Uncle Bernie and his friends
but Uncle Bernie and his friends
167
529255
3915
તેની કલ્પના કરવી મુશ્કેલ હોઈ શકે,
પરંતુ કાકા બર્ની અને તેના મિત્રો
પરંતુ કાકા બર્ની અને તેના મિત્રો
09:05
can create DNA forensic capabilities
168
533194
2646
DNA ફોરેન્સિક ક્ષમતાઓ બનાવી શકે છે
09:07
that even exceed
what the FBI currently has.
what the FBI currently has.
169
535864
3559
કે પણ ઓળંગી
FBI પાસે હાલમાં જે છે.
FBI પાસે હાલમાં જે છે.
09:12
When you place the DNA
on a large family tree,
on a large family tree,
170
540862
2404
જ્યારે તમે ડીએનએ મૂકો
મોટા કુટુંબના ઝાડ પર,
મોટા કુટુંબના ઝાડ પર,
09:15
you effectively create a beacon
171
543290
2117
તમે અસરકારક રીતે એક બીકન બનાવો છો
09:17
that illuminates the hundreds
of distant relatives
of distant relatives
172
545431
2634
જે સેંકડોને પ્રકાશિત કરે છે
દૂરના સંબંધીઓની
દૂરના સંબંધીઓની
09:20
that are all connected to the person
that originated the DNA.
that originated the DNA.
173
548089
3490
તે બધા વ્યક્તિ સાથે જોડાયેલા છે
જેનો મૂળ DNA
જેનો મૂળ DNA
09:24
By placing multiple beacons
on a large family tree,
on a large family tree,
174
552505
2913
બહુવિધ બેકન્સ મૂકીને
મોટા કુટુંબના ઝાડ પર,
મોટા કુટુંબના ઝાડ પર,
09:27
you can now triangulate the DNA
of an unknown person,
of an unknown person,
175
555442
3720
હવે તમે ડીએનએ ત્રિકોણ કરી શકો છો
કોઈ અજાણ્યા વ્યક્તિનું,
કોઈ અજાણ્યા વ્યક્તિનું,
09:31
the same way that the GPS system
uses multiple satellites
uses multiple satellites
176
559186
3938
તે જ રીતે કે જીપીએસ સિસ્ટમ
બહુવિધ ઉપગ્રહોનો ઉપયોગ કરે છે
બહુવિધ ઉપગ્રહોનો ઉપયોગ કરે છે
09:35
to find a location.
177
563148
1324
સ્થાન શોધવા માટે.
09:37
The prime example
of the power of this technique
of the power of this technique
178
565226
3624
મુખ્ય ઉદાહરણ
આ તકનીક શક્તિ
આ તકનીક શક્તિ
09:40
is capturing the Golden State Killer,
179
568874
2675
ગોલ્ડન સ્ટેટ કિલરને પકડી રહ્યું છે,
09:44
one of the most notorious criminals
in the history of the US.
in the history of the US.
180
572612
4528
એક સૌથી કુખ્યાત ગુનેગારો
યુ.એસ. ના ઇતિહાસમાં.
યુ.એસ. ના ઇતિહાસમાં.
09:49
The FBI had been searching
for this person for over 40 years.
for this person for over 40 years.
181
577164
5892
FBI શોધ કરી રહી હતી
આ વ્યક્તિ માટે 40 વર્ષથી વધુ સમય માટે.
આ વ્યક્તિ માટે 40 વર્ષથી વધુ સમય માટે.
09:55
They had his DNA,
182
583588
1835
તેમની પાસે તેમનો ડીએનએ હતો,
09:57
but he never showed up
in any police database.
in any police database.
183
585447
3350
પરંતુ તેણે ક્યારેય બતાવ્યું નહીં
કોઈપણ પોલીસ ડેટાબેઝમાં.
કોઈપણ પોલીસ ડેટાબેઝમાં.
10:01
About a year ago, the FBI
consulted a genetic genealogist,
consulted a genetic genealogist,
184
589447
4712
લગભગ એક વર્ષ પહેલા, એફબીઆઇ
આનુવંશિક વંશાવળીના નિષ્ણાતની સલાહ લીધી,
આનુવંશિક વંશાવળીના નિષ્ણાતની સલાહ લીધી,
10:06
and she suggested that they submit
his DNA to a genealogy service
his DNA to a genealogy service
185
594183
3950
અને તેમણે સૂચન કર્યું કે તેઓ સબમિટ કરો
વંશાવળી સેવા માટે તેના ડીએનએ
વંશાવળી સેવા માટે તેના ડીએનએ
10:10
that can locate distant relatives.
186
598157
2398
જે દૂરના સંબંધીઓને શોધી શકે છે.
10:13
They did that,
187
601117
1156
તેઓએ તે કર્યું,
10:14
and they found a third cousin
of the Golden State Killer.
of the Golden State Killer.
188
602297
3692
અને તેઓને ત્રીજો કઝીન મળી
ગોલ્ડન સ્ટેટ કિલરની.
ગોલ્ડન સ્ટેટ કિલરની.
10:18
They built a large family tree,
189
606013
2344
તેઓએ એક વિશાળ કુટુંબનું વૃક્ષ બનાવ્યું,
10:20
scanned the different
branches of that tree,
branches of that tree,
190
608381
2102
વિવિધ સ્કેન
તે ઝાડની ડાળીઓ,
તે ઝાડની ડાળીઓ,
10:22
until they found a profile
that exactly matched
that exactly matched
191
610507
2565
જ્યાં સુધી તેમને કોઈ પ્રોફાઇલ મળી નથી
કે બરાબર મેળ ખાતી
કે બરાબર મેળ ખાતી
10:25
what they knew about
the Golden State Killer.
the Golden State Killer.
192
613096
2581
તેઓ શું જાણતા હતા
ગોલ્ડન સ્ટેટ કિલર.
ગોલ્ડન સ્ટેટ કિલર.
10:27
They obtained DNA from this person
and found a perfect match
and found a perfect match
193
615701
3592
તેઓએ આ વ્યક્તિ પાસેથી ડીએનએ મેળવ્યો
અને એક ઉત્તમ મેચ મળી
અને એક ઉત્તમ મેચ મળી
10:31
to the DNA they had in hand.
194
619317
2025
ડીએનએ પાસે તેઓનો હાથ હતો.
10:33
They arrested him
and brought him to justice
and brought him to justice
195
621366
2350
તેઓએ તેની ધરપકડ કરી અને તેને ન્યાય અપાવ્યો
10:35
after all these years.
196
623740
1424
આટલા વર્ષો પછી .
10:38
Since then, genetic genealogists
have started working with
have started working with
197
626172
3241
ત્યારથી, આનુવંશિક વંશાવળી
સાથે કામ કરવાનું શરૂ કર્યું છે
સાથે કામ કરવાનું શરૂ કર્યું છે
10:41
local US law enforcement agencies
198
629437
2668
સ્થાનિક યુએસ કાયદા અમલીકરણ એજન્સીઓ
10:44
to use this technique
in order to capture criminals.
in order to capture criminals.
199
632129
3362
આ તકનીકનો ઉપયોગ કરવા માટે
ગુનેગારોને પકડવા માટે.
ગુનેગારોને પકડવા માટે.
10:47
And only in the past six months,
200
635521
2681
અને ફક્ત છેલ્લા છ મહિનામાં,
10:50
they were able to solve
over 20 cold cases with this technique.
over 20 cold cases with this technique.
201
638226
4296
તેઓ હલ કરવામાં સક્ષમ હતા
આ તકનીકી સાથે 20 થી વધુ ઠંડા કેસો.
આ તકનીકી સાથે 20 થી વધુ ઠંડા કેસો.
10:56
Luckily, we have people like Uncle
Bernie and his fellow genealogists
Bernie and his fellow genealogists
202
644203
4636
સદભાગ્યે, અમારી પાસે કાકા જેવા લોકો છે
બર્ની અને તેના સાથી વંશાવલિઓ
બર્ની અને તેના સાથી વંશાવલિઓ
11:01
These are not amateurs
with a self-serving hobby.
with a self-serving hobby.
203
649045
2994
આ એમેચર્સ નથી
સ્વ-સેવા આપતા શોખ સાથે.
સ્વ-સેવા આપતા શોખ સાથે.
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
આ નાગરિક વૈજ્નિકો છે ઉત્સાહ સાથે
અમને જણાવવા માટે કે અમે કોણ છીએ.
અમને જણાવવા માટે કે અમે કોણ છીએ.
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
અને તેઓ જાણે છે કે ભૂતકાળ
ભવિષ્યની ચાવી રાખી શકે છે.
ભવિષ્યની ચાવી રાખી શકે છે.
11:16
Thank you very much.
206
664067
1183
ખુબ ખુબ આભાર.
11:17
(Applause)
207
665314
3469
(તાળીઓ)
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