TEDMED 2018
Yaniv Erlich: How we're building the world's largest family tree
Yaniv Erlich: Como estamos a criar a maior árvore genealógica do mundo
Filmed:
Readability: 4.9
1,507,766 views
Yaniv Erlich, geneticista computacional ajudou a construir a maior árvore genealógica do mundo — englobando 13 milhões de pessoas e recuando a mais de 500 anos. Revela-nos fascinantes padrões que surgem desse trabalho — sobre as vidas amorosas, a saúde, e até casos de criminosos de há décadas — e mostra como as bases de dados genealógicas podem lançar luz não só no passado mas também no 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 diversas razões.
por diversas razões.
00:17
It turns out that one of the most
popular categories of website
popular categories of website
1
5765
3804
Acontece que uma das categorias
mais populares da Internet
mais populares da Internet
00:21
is something that people
typically consume in private.
typically consume in private.
2
9593
2872
é uma coisa que as pessoas
habitualmente consomem em privado.
habitualmente consomem em privado.
00:25
It involves curiosity,
3
13639
2510
Envolve a curiosidade,
00:28
non-insignificant levels
of self-indulgence
of self-indulgence
4
16173
3796
com níveis significativos
de autocomplacência
de autocomplacência
00:31
and is centered around recording
the reproductive activities
the reproductive activities
5
19993
3260
e centra-se em registar
as atividades reprodutivas
as atividades reprodutivas
de outras pessoas.
00:35
of other people.
6
23277
1309
00:36
(Laughter)
7
24610
1032
(Risos)
00:37
Of course, I'm talking about genealogy --
8
25666
2250
Claro que estou a falar da genealogia,
00:39
(Laughter)
9
27940
1214
(Risos)
00:41
the study of family history.
10
29178
1702
o estudo da história familiar.
00:43
When it comes to detailing family history,
11
31353
2037
Quando se trata de pormenorizar
a história familiar,
a história familiar,
00:45
in every family, we have this person
that is obsessed with genealogy.
that is obsessed with genealogy.
12
33414
3943
em todas as famílias, temos uma pessoa
obcecada pela genealogia.
obcecada pela genealogia.
00:49
Let's call him Uncle Bernie.
13
37381
1713
Vamos chamar-lhe o 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
O Tio Bernie é a última pessoa
que queremos ao nosso lado
que queremos ao nosso lado
00:54
in Thanksgiving dinner,
15
42924
1599
no jantar do Dia de Ação de Graças,
00:56
because he will bore you to death
with peculiar details
with peculiar details
16
44547
2814
porque ele chateia-nos até à morte
com pormenores curiosos
sobre parentes antigos.
sobre parentes antigos.
00:59
about some ancient relatives.
17
47385
1966
01:02
But as you know,
18
50462
1262
Mas, como sabem,
01:03
there is a scientific side for everything,
19
51748
2872
tudo tem um lado científico,
01:06
and we found that Uncle Bernie's stories
20
54644
2978
e encontrámos nas histórias do Tio Bernie
01:09
have immense potential
for biomedical research.
for biomedical research.
21
57646
3168
um potencial enorme
para a investigação biomédica.
para a investigação biomédica.
01:13
We let Uncle Bernie
and his fellow genealogists
and his fellow genealogists
22
61306
2714
Vamos pôr o Tio Bernie
e os seus camaradas genealogistas
e os seus camaradas genealogistas
01:16
document their family trees through
a genealogy website called geni.com.
a genealogy website called geni.com.
23
64044
4668
a documentar as suas árvores genealógicas
num "website" chamado geni.com.
num "website" chamado geni.com.
Quando os utilizadores colocam
as suas árvores neste "website",
as suas árvores neste "website",
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 percorre os parentes
01:25
and if it finds matches to existing trees,
26
73064
2075
e, se encontra coincidências
com outras árvores existentes,
com outras árvores existentes,
01:27
it merges the existing
and the new tree together.
and the new tree together.
27
75163
3610
sobrepõe a nova árvore
às árvores já existentes.
às árvores já existentes.
01:31
The result is that large
family trees are created,
family trees are created,
28
79768
2950
O resultado é que se vão criando
grandes árvores genealógicas,
grandes árvores genealógicas,
01:34
beyond the individual level
of each genealogist.
of each genealogist.
29
82742
3479
para além do nível individual
de cada genealogia.
de cada genealogia.
01:38
Now, by repeating this process
with millions of people
with millions of people
30
86808
4129
Repetindo este processo
com milhões de pessoas,
com milhões de pessoas,
01:42
all over the world,
31
90961
1817
pelo mundo inteiro,
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 construir uma árvore
genealógica de toda a humanidade.
genealógica de toda a humanidade.
01:51
Using this website,
33
99292
1584
Usando este "website",
01:52
we were able to connect 125 million people
34
100900
4813
pudemos interligar 125 milhões de pessoas
01:57
into a single family tree.
35
105737
2521
numa única árvore genealógica.
02:00
I cannot draw the tree
on the screens over here
on the screens over here
36
108967
2788
Não posso desenhar aqui
esta árvore num ecrã
esta árvore num ecrã
02:03
because they have less pixels
37
111779
2165
porque não há pixéis que cheguem
02:05
than the number of people in this tree.
38
113968
2513
para o número de pessoas desta árvore.
02:08
But here is an example of a subset
of 6,000 individuals.
of 6,000 individuals.
39
116505
5010
Mas este é um exemplo
dum subconjunto de 6000 indivíduos.
dum subconjunto de 6000 indivíduos.
02:14
Each green node is a person.
40
122159
2362
Cada nódulo verde é uma pessoa.
02:17
The red nodes represent marriages,
41
125060
2849
Os nódulos vermelhos
representam os casamentos
representam os casamentos
02:19
and the connections represent parenthood.
42
127933
2258
e as ligações representam os progenitores.
02:22
In the middle of this tree,
you see the ancestors.
you see the ancestors.
43
130557
2372
No meio desta árvore,
vemos os antepassados.
vemos os antepassados.
02:24
And as we go to the periphery,
you see the descendants.
you see the descendants.
44
132953
2604
À medida que avançamos para a periferia,
vemos os descendentes.
vemos os descendentes.
02:27
This tree has seven
generations, approximately.
generations, approximately.
45
135581
3102
Esta árvore tem 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
Isto é o que acontece
quando aumentamos
quando aumentamos
o número de indivíduos
para 70 000 pessoas,
para 70 000 pessoas,
02:34
to 70,000 people --
47
142950
1828
02:36
still a tiny subset
of all the data that we have.
of all the data that we have.
48
144802
4330
ainda um pequeno subconjunto
de todos os dados que temos.
de todos os dados que temos.
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, já podemos ver
a formação de gigantescas árvores
a formação de gigantescas árvores
02:46
with many very distant relatives.
50
154466
2655
com parentes muito distantes.
02:49
Thanks to the hard work
of our genealogists,
of our genealogists,
51
157610
3134
Graças ao trabalho esforçado
dos nossos genealogistas,
dos nossos genealogistas,
02:52
we can go back in time
hundreds of years ago.
hundreds of years ago.
52
160768
3103
podemos recuar no tempo
centenas de anos.
centenas de anos.
02:56
For example, here is Alexander Hamilton,
53
164418
3441
Por exemplo, este é 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
Alexander 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 é mais conhecido hoje
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 profundas
ligações com a indústria do espetáculo.
ligações com a indústria do espetáculo.
03:16
In fact, he's a blood relative of ...
58
184083
2111
Na verdade, é parente consanguíneo 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 senhora escocesa
de uma senhora escocesa
03:24
who lived in the 13th century.
62
192711
2314
que viveu no século XIII.
03:27
So you can say that Alexander Hamilton
63
195049
3102
Assim, podemos dizer
que Alexander Hamilton
que Alexander Hamilton
03:30
is 35 degrees of Kevin Bacon genealogy.
64
198175
3188
tem 35 graus de genealogia
de Kevin Bacon.
de 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
A nossa árvore tem milhões
de histórias destas.
de histórias destas.
03:40
We invested significant efforts
to validate the quality of our data.
to validate the quality of our data.
67
208113
4890
Investimos esforços significativos
para validar a qualidade dos dados.
para validar a qualidade dos 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 ADN, descobrimos que 0,3%
das ligações mãe-filho nos nossos dados
das ligações mãe-filho nos nossos dados
03:50
are wrong,
69
218442
1250
estão incorretos,
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 coincide com a taxa de adoções
nos EUA, antes da II Guerra Mundial.
nos EUA, antes da II Guerra Mundial.
03:56
For the father's side,
71
224847
1785
Do lado do pai,
03:58
the news is not as good:
72
226656
1961
as notícias não são tão boas.
04:02
1.9 percent of the father-child
connections in our data are wrong.
connections in our data are wrong.
73
230149
5600
Há 1,9% das ligações pai-filho
nos nossos dados que são incorretas.
nos nossos dados que são incorretas.
04:07
And I see some people smirk over here.
74
235773
2363
Vejo aqui algumas pessoas
com um sorriso amarelo.
com um sorriso amarelo.
04:10
It is what you think --
75
238160
1717
É o que estão a pensar,
04:11
there are many milkmen out there.
76
239901
1789
há aqui muitos cucos.
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
Mas este erro de 1,9%
nas ligações patrilineares
nas ligações patrilineares
04:18
is not unique to our data.
79
246815
1769
não existe apenas nos nossos dados.
04:20
Previous studies found
a similar error rate
a similar error rate
80
248608
3069
Estudos anteriores encontraram
uma taxa semelhante de erro
uma taxa semelhante de erro
04:23
using clinical-grade pedigrees.
81
251701
2021
usando genealogias do foro clínico.
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 isso não deve constituir uma surpresa.
04:30
Our genealogists have
a profound, vested interest
a profound, vested interest
84
258960
3776
Os 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 sua história de família.
a sua história de família.
04:40
We can leverage this data to learn
quantitative information about humanity,
quantitative information about humanity,
86
268594
4591
Podemos usar estes dados para obter
informações quantitativas da humanidade,
informações quantitativas da humanidade,
04:45
for example, questions about demography.
87
273209
2596
como, por exemplo,
questões sobre demografia.
questões 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
Isto é uma visão de todos
os nossos perfis no mapa mundo.
os nossos perfis no mapa mundo.
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 dada altura.
que viveu em dada altura.
Como temos tantos dados,
04:56
And since we have so much data,
90
284755
1680
04:58
you can see the contours
of many countries,
of many countries,
91
286459
2781
podemos ver os contornos
de muitos países,
de muitos países,
05:01
especially in the Western world.
92
289264
2099
em especial 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 "clip", estratificámos
o mapa que vos mostrei,
o mapa que vos mostrei,
05:06
based on the year of births of individuals
from 1400 to 1900,
from 1400 to 1900,
94
294959
5072
com base no ano de nascimentos
de pessoas entre 1400 e 1900.
de pessoas entre 1400 e 1900.
05:12
and we compared it
to known migration events.
to known migration events.
95
300055
2766
Comparámos esses dados
com movimentos migratórios conhecidos.
com movimentos migratórios 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 "clip" mostra que as linhagens
mais profundas dos nossos dados
mais profundas dos nossos dados
05:18
go all the way back to the UK,
97
306671
1627
vão todas parar ao Reino Unido,
05:20
where they had better record keeping,
98
308322
1808
onde havia registos melhores
05:22
and then they spread along
the routes of Western colonialism.
the routes of Western colonialism.
99
310154
3282
e depois vão espalhar-se
pelas vias do colonialismo ocidental.
pelas vias do colonialismo ocidental.
05:25
Let's watch this.
100
313460
1322
Vamos observar.
05:27
(Music)
101
315143
1609
05:28
[Year of birth: ]
102
316776
2341
[Ano de nascimento:]
[1492 - Colombo navega no oceano azul]
05:31
[1492 - Columbus sails the ocean blue]
103
319705
1836
05:35
[1620 - Mayflower lands in Massachusetts]
104
323661
2000
[1620 - O Mayflower atraca
em Massachusetts]
em Massachusetts]
[1652 - Os holandeses
instalam-se na África do Sul]
instalam-se na África do Sul]
05:38
[1652 - Dutch settle in South Africa]
105
326726
1775
[1788 - Começa o transporte de presos
da Grã-Bretanha para a Austrália]
da Grã-Bretanha para a Austrália]
05:44
[1788 - Great Britain penal
transportation to Australia starts]
transportation to Australia starts]
106
332321
3186
05:47
[1836 - First migrants use Oregon Trail]
107
335531
1927
[1836 - Os primeiros migrantes
usam o Trilho do Oregon]
usam o Trilho do Oregon]
05:50
[all activity]
108
338149
3183
[Todas as atividades]
05:55
I love this movie.
109
343851
1543
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
Já que estes episódios de migração
põem as famílias em contexto,
põem as famílias em contexto,
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 habitual
entre os locais de nascimento
entre os locais de nascimento
06:08
of husbands and wives?
113
356236
2812
de maridos e mulheres?
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 em que
as pessoas migram para formar famílias
as pessoas migram para formar famílias
06:18
determine how genes spread
in geographical areas.
in geographical areas.
116
366478
3713
determinam como os genes
se espalham pelas áreas geográficas.
se espalham pelas áreas geográficas.
06:22
We analyzed this distance using our data,
117
370706
2328
Analisámos essa distância,
usando os nossos dados
usando os nossos dados
06:25
and we found that in the old days,
118
373058
2290
e descobrimos que, antigamente,
isso era fácil para as pessoas.
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
Casavam com alguém
da aldeia vizinha.
da aldeia vizinha.
06:31
But the Industrial Revolution
really complicated our love life.
really complicated our love life.
121
379958
3705
Mas a Revolução Industrial
complicou a nossa vida amorosa.
complicou a nossa vida amorosa.
06:35
And today, with affordable flights
and online social media,
and online social media,
122
383687
4560
E hoje, com os voos económicos
e as redes sociais
e as redes 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 migram a mais de 100 km
de distância do local do nascimento
de distância do local do nascimento
06:45
to find their soul mate.
124
393123
1504
para encontrar uma alma gémea.
06:48
So now you might ask:
125
396524
1187
Agora, podem 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
"Ok, mas quem se dá ao trabalho
de migrar de um local para outro
de migrar de um local para outro
06:54
to form families?
127
402255
1269
"para formar uma família?
06:55
Are these the males or the females?
128
403548
3727
"É o homem ou é a mulher?"
06:59
We used our data to address this question,
129
407752
2155
Usámos os nossos dados
para responder a esta pergunta
para responder a esta pergunta
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 são as mulheres
que têm o trabalho difícil
que têm o 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 local para outro
para formar uma família.
para formar uma família.
07:11
Now, these results
are statistically significant,
are statistically significant,
133
419476
3101
Estes resultados são significativos,
do ponto de vista estatístico,
do ponto de vista estatístico,
07:14
so you can take it as scientific fact
that males are lazy.
that males are lazy.
134
422601
3471
por isso, podem considerar
como facto científico,
como facto científico,
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 das perguntas
sobre demografia
sobre demografia
07:23
and ask questions about human health.
137
431836
2913
para fazer perguntas
sobre a saúde humana.
sobre a saúde humana.
07:26
For example, we can ask
138
434773
1487
Por exemplo, podemos perguntar
07:28
to what extent genetic variations
account for differences in life span
account for differences in life span
139
436284
4963
até que ponto as variações
genéticas existentes
genéticas existentes
contribuem para as diferenças
na longevidade entre indivíduos.
na longevidade entre indivíduos.
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 anteriores analisaram
a correlação de longevidade entre gémeos
a correlação de longevidade entre gémeos
07:39
to address this question.
142
447542
1442
para responder a esta pergunta.
07:41
They estimated that the genetic
variations account for
variations account for
143
449411
2667
Calcularam que as variações genéticas
contribuem em cerca de um quarto
contribuem em cerca de um quarto
07:44
about a quarter of the differences
in life span between individuals.
in life span between individuals.
144
452102
4040
da diferença na longevidade
dos indivíduos.
dos indivíduos.
07:48
But twins can be correlated
due to so many reasons,
due to so many reasons,
145
456688
2598
Mas os gémeos podem ser correlacionados
devido a muitas razões,
devido a muitas razões,
07:51
including various environmental effects
146
459310
2304
incluindo diversos efeitos ambientais
07:53
or a shared household.
147
461638
1622
ou a um lar partilhado.
07:56
Large family trees give us the opportunity
to analyze both close relatives,
to analyze both close relatives,
148
464411
3753
As grandes árvores genealógicas
dão-nos a oportunidade
dão-nos a oportunidade
de analisar parentes próximos,
como os gémeos,
como os gémeos,
08:00
such as twins,
149
468188
1207
08:01
all the way to distant relatives,
even fourth cousins.
even fourth cousins.
150
469419
2917
ou parentes distantes,
até primos em quarto grau.
até primos em quarto grau.
08:04
This way we can build robust models
151
472749
2689
Desta forma, podemos construir
modelos robustos
modelos robustos
08:07
that can tease apart the contribution
of genetic variations
of genetic variations
152
475462
3708
que podem separar a contribuição
de variações genéticas
de variações genéticas
08:11
from environmental factors.
153
479194
1717
e a contribuição dos fatores ambientais.
08:13
We conducted this analysis using our data,
154
481379
2899
Efetuámos esta análise
usando os nossos dados
usando os nossos dados
08:16
and we found that genetic variations
explain only 15 percent
explain only 15 percent
155
484302
5791
e descobrimos que as variações genéticas
explicam apenas 15% das diferenças
na longevidade entre indivíduos.
na longevidade entre indivíduos.
08:22
of the differences in life span
between individuals.
between individuals.
156
490117
2806
08:26
That is five years, on average.
157
494760
2756
Ou seja, 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
Assim, os genes são menos importantes
que aquilo que pensávamos,
que aquilo que pensávamos,
em termos de longevidade.
08:35
And I find it great news,
159
503675
2136
E eu acho que é uma boa notícia
08:38
because it means that
our actions can matter more.
our actions can matter more.
160
506438
3293
porque significa que as 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 10 anos
da nossa esperança de vida
da nossa esperança de vida
08:46
twice as much as what genetics determines.
162
514831
2646
— o dobro do que é determinado
pela genética.
pela genética.
Podemos vir a encontrar
mais descobertas surpreendentes
mais descobertas surpreendentes
08:50
We can even have more surprising findings
163
518236
2289
08:52
as we move from family trees
164
520549
1492
se nos afastamos das árvores genealógicas
08:54
and we let our genealogists
document and crowdsource DNA information.
document and crowdsource DNA information.
165
522065
4732
e deixarmos os nossos genealogistas
documentarem informações de ADN.
documentarem informações de ADN.
08:58
And the results can be amazing.
166
526821
2024
Os resultados podem revelar-se espantosos.
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 imaginar
mas o Tio Bernie e os seus amigos
mas o Tio Bernie e os seus amigos
09:05
can create DNA forensic capabilities
168
533194
2646
podem criar competências
forenses de ADN
forenses de ADN
09:07
that even exceed
what the FBI currently has.
what the FBI currently has.
169
535864
3559
que ultrapassem o que o FBI
tem atualmente.
tem atualmente.
09:12
When you place the DNA
on a large family tree,
on a large family tree,
170
540862
2404
Quando colocamos o ADN
numa grande árvore genealógica,
numa grande árvore genealógica,
09:15
you effectively create a beacon
171
543290
2117
estamos a criar um farol
09:17
that illuminates the hundreds
of distant relatives
of distant relatives
172
545431
2634
que ilumina as centenas
de parentes distantes
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 ligados à pessoa
que originou esse ADN.
que originou esse ADN.
09:24
By placing multiple beacons
on a large family tree,
on a large family tree,
174
552505
2913
Colocando múltiplos 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
podemos triangular o ADN
duma pessoa desconhecida,
duma pessoa desconhecida,
09:31
the same way that the GPS system
uses multiple satellites
uses multiple satellites
176
559186
3938
tal como o sistema GPS
usa múltiplos satélites
usa múltiplos 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 exemplo principal
do poder desta técnica
do poder desta técnica
09:40
is capturing the Golden State Killer,
179
568874
2675
é a captura do Assassino do 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
um dos criminosos mais famosos
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 andava à procura
desta pessoa há mais de 40 anos.
desta pessoa há mais de 40 anos.
09:55
They had his DNA,
182
583588
1835
Tinham o ADN dele,
09:57
but he never showed up
in any police database.
in any police database.
183
585447
3350
mas ele nunca apareceu
em nenhuma base de dados da polícia.
em nenhuma base 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
consultou 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 colocassem
o ADN num serviço de genealogias
o ADN num serviço de genealogias
10:10
that can locate distant relatives.
186
598157
2398
que pode localizar parentes distantes.
10:13
They did that,
187
601117
1156
Foi o que fizeram
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 terceiro
do Assassino do Golden State.
do Assassino do Golden State.
10:18
They built a large family tree,
189
606013
2344
Criaram uma grande árvore genealógica,
10:20
scanned the different
branches of that tree,
branches of that tree,
190
608381
2102
percorreram os vários ramos dessa árvore,
10:22
until they found a profile
that exactly matched
that exactly matched
191
610507
2565
até que encontraram um perfil
que correspondia exatamente
que correspondia exatamente
10:25
what they knew about
the Golden State Killer.
the Golden State Killer.
192
613096
2581
ao que eles conheciam
do Assassino do Golden State.
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
Obtiveram o ADN dessa pessoa
e encontraram uma correspondência perfeita
e encontraram uma correspondência perfeita
10:31
to the DNA they had in hand.
194
619317
2025
ao ADN que tinham na mão.
10:33
They arrested him
and brought him to justice
and brought him to justice
195
621366
2350
Prenderam-no e apresentaram-no à Justiça
10:35
after all these years.
196
623740
1424
ao fim desses anos todos.
10:38
Since then, genetic genealogists
have started working with
have started working with
197
626172
3241
A partir daí, os genealogistas genéticos
começaram a trabalhar
começaram a trabalhar
10:41
local US law enforcement agencies
198
629437
2668
com as agências policiais locais dos EUA
10:44
to use this technique
in order to capture criminals.
in order to capture criminals.
199
632129
3362
para usarem esta técnica,
a fim de capturar criminosos.
a fim de capturar criminosos.
10:47
And only in the past six months,
200
635521
2681
Só 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
conseguiram resolver, com esta técnica,
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, temos pessoas
como o Tio Bernie e os genealogistas.
como o Tio Bernie e os 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 passatempo egoísta.
com um passatempo 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
São cidadãos cientistas
com a profunda paixão
com a profunda paixão
de nos dizerem 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
Sabem que o passado
pode conter a chave do futuro.
pode conter a chave do 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