How we're building the world's largest family tree | Yaniv Erlich

번역: Hajeong Kang 검토: Yunjung Nam

People use the internet for various reasons.

사람들은 다양한 이유로 인터넷을 사용합니다.

It turns out that one of the most popular categories of website

알고 보니 가장 인기 있는 웹사이트 중 하나는

is something that people typically consume in private.

대개 사람들이 개인적으로 소비하는 어떤 것이었습니다.

It involves curiosity,

그것은 호기심과

non-insignificant levels of self-indulgence

무의미한 수준의 자기 방종을 포함하며

and is centered around recording the reproductive activities

다른 사람들의 생식 활동을 기록하는 데 중점을 둡니다.

of other people.

(Laughter)

(웃음)

Of course, I'm talking about genealogy --

당연히 제가 얘기하는 건 가계도인데요.

(Laughter)

(웃음)

the study of family history.

가족사의 연구 말입니다.

When it comes to detailing family history,

가족사를 자세히 설명하자면,

in every family, we have this person that is obsessed with genealogy.

모든 가족 중에는 족보에 집착하는 사람이 있죠.

Let's call him Uncle Bernie.

그를 버니 삼촌이라고 합시다.

Uncle Bernie is exactly the last person you want to sit next to

추수감사절 만찬에서 당신은 결코 버니 삼촌 옆에는 앉지 않을 겁니다.

in Thanksgiving dinner,

because he will bore you to death with peculiar details

그는 어떤 고대 친척들에 관한 이상한 정보로

about some ancient relatives.

당신을 지루하게 만들 거니까요.

But as you know,

하지만 당신도 알다시피

there is a scientific side for everything,

모든 것에는 과학적인 면이 있으며

and we found that Uncle Bernie's stories

우리는 버니 삼촌의 이야기가 생명 의학 연구에

have immense potential for biomedical research.

엄청난 잠재력을 가졌다는 것을 알게 되었습니다.

We let Uncle Bernie and his fellow genealogists

우리는 버니 삼촌과 동료 계보학자들에게

document their family trees through a genealogy website called geni.com.

지니닷컴이라는 계보학 사이트를 통해 그들의 가계도를 기록하도록 했습니다.

When users upload their trees to the website,

사용자들이 가계도를 웹사이트에 올리면,

it scans their relatives,

그 사이트는 친척을 찾아보고

and if it finds matches to existing trees,

기존의 것과 일치하는 것을 발견하면

it merges the existing and the new tree together.

새로운 것을 기존 버전과 합칩니다.

The result is that large family trees are created,

그러면 각 계보학자의 개인적인 수준을 넘는

beyond the individual level of each genealogist.

더 큰 가계도가 만들어지게 됩니다.

Now, by repeating this process with millions of people

이제 이 과정을 반복해서 전 세계의

all over the world,

수백만 명의 사람들과 함께

we can crowdsource the construction of a family tree of all humankind.

모든 인류의 가계도 구조를 크라우드 소싱할 수 있습니다.

Using this website,

이 웹사이트를 사용해서

we were able to connect 125 million people

1억 2천 5백만 명의 사람들을

into a single family tree.

하나의 가계도로 연결할 수 있었습니다.

I cannot draw the tree on the screens over here

여기 스크린에 그 가계도를 그릴 순 없습니다.

because they have less pixels

이 가계도에 있는 사람들의 수보다

than the number of people in this tree.

픽셀 수가 적기 때문이죠.

But here is an example of a subset of 6,000 individuals.

하지만 여기 6000명의 하위 집합의 예가 있습니다.

Each green node is a person.

각 녹색 점은 한 사람을 나타냅니다.

The red nodes represent marriages,

빨간 점들은 결혼을 나타내고요.

and the connections represent parenthood.

그리고 연결선들은 부모를 나타냅니다.

In the middle of this tree, you see the ancestors.

이 가계도 중앙에는 조상들이 보이죠.

And as we go to the periphery, you see the descendants.

그리고 주변부로 가면 그 자손들을 볼 수 있습니다.

This tree has seven generations, approximately.

이 가계도에는 약 7세대가 있네요.

Now, this is what happens when we increase the number of individuals

개인의 숫자를 7만 명까지 늘렸을 때는

to 70,000 people --

이렇게 되겠죠.

still a tiny subset of all the data that we have.

우리가 가진 모든 데이터에 비하면 여전히 아주 작은 부분집합입니다.

Despite that, you can already see the formation of gigantic family trees

그럼에도 불구하고, 이미 많은 먼 친척들로 구성된

with many very distant relatives.

거대한 가계도가 형성되는 것을 볼 수 있습니다.

Thanks to the hard work of our genealogists,

많은 계보학자들의 노고 덕분에

we can go back in time hundreds of years ago.

우리는 수백 년 전 과거로 돌아갈 수 있습니다.

For example, here is Alexander Hamilton,

예를 들자면, 여기 알렉산더 해밀턴이 있습니다.

who was born in 1755.

그는 1755년에 태어났죠.

Alexander was the first US Secretary of the Treasury,

알렉산더는 미국의 초대 재무 장관이었지만

but mostly known today due to a popular Broadway musical.

대부분 알려진 건 오늘날 브로드웨이 뮤지컬의 인기 덕택이죠.

We found that Alexander has deeper connections in the showbiz industry.

알렉산더가 연예 산업에 깊은 연줄이 있다는 걸 알게 됐습니다.

In fact, he's a blood relative of ...

사실, 그는 친척 관계입니다.

Kevin Bacon!

바로 케빈 베이컨이랑요!

(Laughter)

(웃음)

Both of them are descendants of a lady from Scotland

그들 모두 스코틀랜드 출신인 한 여인의 후손입니다.

who lived in the 13th century.

그녀는 13세기 사람이죠.

So you can say that Alexander Hamilton

따라서 알렉산더 해밀턴와 케빈 베이컨은

is 35 degrees of Kevin Bacon genealogy.

35대가 차이 나는 친척이라고 할 수 있죠.

(Laughter)

(웃음)

And our tree has millions of stories like that.

이처럼 우리 가계도는 수백만 개의 이야기를 가지고 있습니다.

We invested significant efforts to validate the quality of our data.

저희는 데이터의 우수함을 입증하기 위해 상당한 노력을 기울였습니다.

Using DNA, we found that .3 percent of the mother-child connections in our data

DNA를 이용해서 데이터에 있는 어머니와 아이들의 관계 중 0.3%가

are wrong,

잘못됐다는 것을 발견했습니다.

which could match the adoption rate in the US pre-Second World War.

이것은 제2차 세계대전 이전 미국의 입양률과 일치할 겁니다.

For the father's side,

아버지의 경우에는

the news is not as good:

더 좋지 않네요.

1.9 percent of the father-child connections in our data are wrong.

데이터 중 아버지와 아이들의 관계는 1.9%의 비율로 잘못되었습니다.

And I see some people smirk over here.

여기 몇몇 분들이 웃고 계신 게 보이네요.

It is what you think --

여러분들이 생각하는 것처럼

there are many milkmen out there.

그곳엔 많은 우유배달원들이 있었죠.

(Laughter)

(웃음)

However, this 1.9 percent error rate in patrilineal connections

하지만 이러한 부계 관계의 1.9% 오차율이

is not unique to our data.

우리 자료에 국한된 것은 아닙니다.

Previous studies found a similar error rate

임상 등급의 가계도를 사용했었던 이전 연구 자료도

using clinical-grade pedigrees.

비슷한 오차율이 발견됐습니다.

So the quality of our data is good,

따라서 데이터의 품질은 우수한 것이고,

and that should not be a surprise.

그게 놀라운 일은 아닙니다.

Our genealogists have a profound, vested interest

우리 계보학자들은 가족사를 정확하게 기록하는 데

in correctly documenting their family history.

깊은 관심과 기득권을 가지고 있습니다.

We can leverage this data to learn quantitative information about humanity,

우리는 이 데이터를 활용해 인류의 양적 정보를 배울 수 있습니다.

for example, questions about demography.

예를 들면 인구통계학에 관한 문제 같은 거죠.

Here is a look at all our profiles on the map of the world.

여기 세계지도에 우리 모두의 프로필이 있습니다.

Each pixel is a person that lived at some point.

각각의 픽셀은 특정 시점에 살았던 사람입니다.

And since we have so much data,

이 데이터는 아주 방대하기때문에,

you can see the contours of many countries,

여러분은 많은 나라들, 특히 서구 세계의

especially in the Western world.

경계를 볼 수 있을 겁니다.

In this clip, we stratified the map that I've showed you

이 동영상에서는 여러분들에게 보여드린 지도를 계층화했습니다.

based on the year of births of individuals from 1400 to 1900,

1400년부터 1900년까지 개인의 출생연도를 기준으로요.

and we compared it to known migration events.

그리고 잘 알려진 이주 사건들과 그걸 비교했어요.

The clip is going to show you that the deepest lineages in our data

이 동영상은 데이터의 가장 깊은 혈통이 거슬러 올라가보면

go all the way back to the UK,

영국까지 간다는 걸 보여줍니다.

where they had better record keeping,

영국의 기록은 잘 유지되고 있었죠.

and then they spread along the routes of Western colonialism.

그들은 서구 식민주의의 루트를 따라 퍼져나갔습니다.

Let's watch this.

이걸 한 번 보시죠.

(Music)

(음악)

[Year of birth: ]

[출생연도]

[1492 - Columbus sails the ocean blue]

[1492 - 콜럼버스 대양 항해]

[1620 - Mayflower lands in Massachusetts]

[1620 - 메이플라워호 매사추세츠 상륙]

[1652 - Dutch settle in South Africa]

[1652 - 네덜란드인 남아프리카 정착]

[1788 - Great Britain penal transportation to Australia starts]

[1788 - 대영제국 호주로 유배 시작]

[1836 - 최초 이민자들 오리건 산길 이용]

[1836 - First migrants use Oregon Trail]

[all activity]

[모든 활동]

I love this movie.

저는 이 영화를 좋아합니다.

Now, since these migration events are giving the context of families,

이 이주 사건들이 가족의 맥락을 말해주고 있기 때문에

we can ask questions such as:

우리는 이런 질문을 할 수 있습니다.

What is the typical distance between the birth locations

남편과 아내의 출생지 사이의 일반적인 거리는 얼마입니까?

of husbands and wives?

This distance plays a pivotal role in demography,

이 거리는 인구통계학에서 중요한 역할을 합니다.

because the patterns in which people migrate to form families

왜냐하면 사람들이 가족을 이루기 위해 이주하는 패턴이

determine how genes spread in geographical areas.

유전자가 지리적으로 어떻게 확산되는지 결정하기 때문이죠.

We analyzed this distance using our data,

우리는 데이터를 사용하여 이 거리를 분석했고

and we found that in the old days,

옛날 사람들의 경우에는 분석하기 쉬웠다는 걸 알게 됐습니다.

people had it easy.

They just married someone in the village nearby.

사람들은 근처 마을의 누군가와 결혼했습니다.

But the Industrial Revolution really complicated our love life.

하지만 산업혁명은 우리의 애정생활을 정말 복잡하게 만들었습니다.

And today, with affordable flights and online social media,

그리고 오늘날엔 저렴한 항공편과 온라인 소셜미디어와 함께

people typically migrate more than 100 kilometers from their place of birth

사람들은 출생지에서 100km 이상 떨어진 곳으로 이동하죠.

to find their soul mate.

소울메이트를 찾기 위해서요.

So now you might ask:

여기서 나오는 질문이,

OK, but who does the hard work of migrating from places to places

좋아요. 그런데 가족을 이루기 위해 누가 이곳저곳 이동하는

to form families?

힘든 일을 하죠?

Are these the males or the females?

남성들인가요, 여성들인가요?

We used our data to address this question,

답을 찾기 위해 우리 데이터를 사용했죠.

and at least in the last 300 years,

그리고 적어도 지난 300년 동안

we found that the ladies do the hard work

여성들이 이 힘든 일을 했다는 것을 발견했죠.

of migrating from places to places to form families.

가족을 이루기 위해 이곳저곳 옮겨가는 일이요.

Now, these results are statistically significant,

이 결과는 통계적으로 중요합니다.

so you can take it as scientific fact that males are lazy.

남자들이 게으르다는 것을 과학적 사실로 받아들일 수 있으니까요.

(Laughter)

(웃음)

We can move from questions about demography

우리는 인구통계학에 관한 질문으로부터 벗어나

and ask questions about human health.

인간의 건강에 대해 질문할 수 있습니다.

For example, we can ask

예를 들면, 우리는

to what extent genetic variations account for differences in life span

유전자 변이가 개인 간 수명 차이를 어느 정도까지 설명할 수 있는지

between individuals.

물어볼 수 있습니다.

Previous studies analyzed the correlation of longevity between twins

이전 연구들은 이 문제를 풀기 위해 쌍둥이의 장수의 상관관계를 분석했습니다.

to address this question.

They estimated that the genetic variations account for

그들은 유전자 변이가 개인 간 수명 차이의

about a quarter of the differences in life span between individuals.

약 4분의 1을 차지한다고 추정했습니다.

But twins can be correlated due to so many reasons,

하지만 쌍둥이는 많은 이유로 상관관계가 있겠죠.

including various environmental effects

다양한 환경적 요인이나

or a shared household.

공동 가정을 포함해서요.

Large family trees give us the opportunity to analyze both close relatives,

큰 가계도는 가까운 친척 모두를 분석할 수 있는 기회가 됩니다.

such as twins,

쌍둥이와 뿐만 아니라,

all the way to distant relatives, even fourth cousins.

심지어 10촌 같은 먼 친척까지요.

This way we can build robust models

이런 식으로 우리는 강력한 모델을 구축할 수 있죠.

that can tease apart the contribution of genetic variations

그 모델은 환경적 요인으로부터 유전자 변이의 영향을 구별할 수 있습니다.

from environmental factors.

We conducted this analysis using our data,

우리는 데이터를 사용하여 이 분석을 수행했고

and we found that genetic variations explain only 15 percent

유전적 변이가 개인 간 수명 차이 중 약 15%만을

of the differences in life span between individuals.

설명해 준다는 것을 발견했습니다.

That is five years, on average.

그건 평균적으로 5년입니다.

So genes matter less than what we thought before to life span.

따라서 유전자는 수명에 있어 우리가 생각했던 것보다 덜 중요합니다.

And I find it great news,

그리고 그건 좋은 소식입니다.

because it means that our actions can matter more.

우리의 행동이 더 중요할 수 있음을 의미하기 때문이죠.

Smoking, for example, determines 10 years of our life expectancy --

예를 들어 흡연이 기대수명의 10년을 결정한다면

twice as much as what genetics determines.

이건 유전자가 결정하는 것보다 두 배나 많습니다.

We can even have more surprising findings

심지어 더 놀라운 결과가 있습니다.

as we move from family trees

우리가 가계도를 떠나서

and we let our genealogists document and crowdsource DNA information.

계보학자들에게 DNA 정보를 문서화하고 크라우드 소싱하게 했을 때

And the results can be amazing.

그 결과는 놀라웠습니다.

It might be hard to imagine, but Uncle Bernie and his friends

상상하기 어렵겠지만 버니 삼촌과 그의 친구들은

can create DNA forensic capabilities

DNA 법의학을 만들 수 있어요.

that even exceed what the FBI currently has.

그건 심지어 FBI의 것보다 낫죠.

When you place the DNA on a large family tree,

큰 가계도에 DNA를 넣으면,

you effectively create a beacon

효과적인 불빛을 만들어

that illuminates the hundreds of distant relatives

수백 명의 먼 친척들을 표시할 수 있게 되죠.

that are all connected to the person that originated the DNA.

그들은 모두 특정 DNA로를 타고난 한 사람과 연결되어 있습니다.

By placing multiple beacons on a large family tree,

대형 가계도에 여러 개의 비콘을 배치함으로써

you can now triangulate the DNA of an unknown person,

여러분들은 알려지지 않은 사람의 DNA를 삼각측량할 수 있습니다.

the same way that the GPS system uses multiple satellites

GPA 시스템이 위치를 찾기 위해 여러 개의 위성을 사용하는 방식과

to find a location.

같은 방식이죠.

The prime example of the power of this technique

이 기술의 가장 큰 예는

is capturing the Golden State Killer,

골든스테이트 킬러를 잡은 일입니다.

one of the most notorious criminals in the history of the US.

그는 미국 역사상 가장 악명 높은 범죄자 중 한 명이죠.

The FBI had been searching for this person for over 40 years.

FBI는 40년 넘게 이 사람을 찾고 있었습니다.

They had his DNA,

FBI는 그의 DNA를 가지고 있었지만

but he never showed up in any police database.

그는 어떤 경찰 데이터베이스에도 나타나지 않았죠.

About a year ago, the FBI consulted a genetic genealogist,

약 1년 전, FBI는 한 유전 계보학자와 상담했고

and she suggested that they submit his DNA to a genealogy service

그녀는 FBI에게 그의 DNA를 계보학회에 제출하라고 했습니다.

that can locate distant relatives.

그걸로 먼 친척을 찾을 수 있으니까요.

They did that,

그들은 그렇게 했고

and they found a third cousin of the Golden State Killer.

골든스테이트 킬러의 8촌을 찾았습니다.

They built a large family tree,

그들은 큰 가계도를 만들었고

scanned the different branches of that tree,

그 가계도의 다른 가지들을 훑어봤습니다.

until they found a profile that exactly matched

골든스테이트 킬러에 대해 알고 있는 것과

what they knew about the Golden State Killer.

정확히 일치하는 프로필을 찾을 때까지요.

They obtained DNA from this person and found a perfect match

이 사람으로부터 얻은 DNA가 그들이 가지고 있는 DNA와

to the DNA they had in hand.

정확히 일치하는 것을 발견했습니다.

They arrested him and brought him to justice

그는 체포됐고 법의 심판을 받게 됐습니다.

after all these years.

이 모든 세월이 지난 후에요.

Since then, genetic genealogists have started working with

그 이후로 유전 계보학자들은 미국 지방 법 집행기관과

local US law enforcement agencies

함께 일하기 시작했습니다.

to use this technique in order to capture criminals.

범인을 잡는데 이 기술을 사용하기 위해서죠.

And only in the past six months,

그리고 지난 6개월 동안만 해도

they were able to solve over 20 cold cases with this technique.

이 기술로 20개 넘는 미제 사건들을 해결할 수 있었습니다.

Luckily, we have people like Uncle Bernie and his fellow genealogists

다행히도 우리에게는 버니 삼촌과 동료 계보학자와 같은 사람들이 있죠.

These are not amateurs with a self-serving hobby.

그들은 이기적인 취미를 가진 아마추어가 아닙니다.

These are citizen scientists with a deep passion to tell us who we are.

그들은 우리가 누구인지 알려주려는 깊은 열정을 가진 시민과학자이며

And they know that the past can hold a key to the future.

과거가 미래의 열쇠를 쥐고 있다는 것을 압니다.

Thank you very much.

대단히 감사합니다.

(Applause)

(박수)