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

Translator: Myo Aung Reviewer: Sanda Aung

People use the internet for various reasons.

ပြည်သူတို့ဟာ အင်တာနက်ကို အကြောင်း အမျိုးမျိုးအတွက် အသုံးချကြပါတယ်။

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

လူကြိုက်အများဆုံး ဝဘ်ဆိုက် တစ်ခုက

is something that people typically consume in private.

လူတွေပုံမှန်အားဖြင့် ကိုယ်ရေးကိုယ်တာ အတွက် အသုံးပြုကြတာ ဖြစ်လာပါတယ်။

It involves curiosity,

အဲဒါဟာ စပ်စုလိုစိတ်မှ စပါတယ်၊

non-insignificant levels of self-indulgence

ပြီးတော့ မသိမသာ အဲဒါကို ဝါသနာပါဖို့ လိုပါတယ်။

and is centered around recording the reproductive activities

ပြီးတော့ တခြားသူတွေရဲ့ မျိုးပွားမှု ဆိုင်ရာ အချက်အလက်တွေကို

မှတ်တမ်း တင်ပေးမှု ပါဝင်ပါတယ်။

of other people.

(Laughter)

(ရယ်သံများ)

Of course, I'm talking about genealogy --

အဟုတ်ပါ၊ ဆွေစဉ်ပြကားချပ် အကြောင်းကို ပြောနေတာ--

(Laughter)

(ရယ်သံများ)

the study of family history.

မိသားစုရဲ့ သမိုင်းလေ့လာမှုပါ။

မိသားစုသမိုင်းကို အသေးစိတ် ရေးမှတ်ဖို့ ကိစ္စဲထဲကျတော့၊

When it comes to detailing family history,

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

မိသားစုတိုင်းထဲမှာ ဆွေစဉ်ကားချပ်ကို အထူး စိတ်ဝင်စားသူဟာ အမြဲတမ်း ရှိတတ်ပါတယ်။

ဥပမာအဖြစ် သူ့ကို Uncle Bernie လို့ ခေါ်ကြပါစို့။

Let's call him Uncle Bernie.

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

အဲဒီ Uncle Bernie ဟာ လွန်ခဲ့တဲ့ ဆုတောင်းပွဲတော်တုန်းက ခင်ဗျားနဲ့ ကပ်လျက်

in Thanksgiving dinner,

ထိုင်နေခဲ့သူပါပဲ၊

because he will bore you to death with peculiar details

သူဟာ ခင်ဗျားကို သေချင်းစော်နံချင် လောက်အောင်ကို ဒုက္ခပေးမယ့်သူပါ။

about some ancient relatives.

ရှေးဟောင်းမျိုးစဉ် အသေးစိတ်တွေကို မေးမကုန်မှာမို့လို့ပါ။

But as you know,

ဒါပေမဲ့ ကျုပ်တို့ သိထားသင့်တာက၊

there is a scientific side for everything,

အရာတိုင်းအတွက် သိပ္ပံနည်း အဖြေဆိုတာ ရှိတတ်ပါတယ်၊

and we found that Uncle Bernie's stories

ခုနက Uncle Bernie ရဲ့ပုံပြင်တွေဟာ

have immense potential for biomedical research.

ဇီဝကျန်းမာရေး သုတေသနအတွက် လွန်စွာမှ အရေးပါကြလို့ပါ။

အခုတော့ အဲဒီလို Uncle Bernie နဲ့ ဆွေးစဉ် ကားချပ် လေ့လာရေး ပညာရှင်တို့ဟာ

We let Uncle Bernie and his fellow genealogists

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

သူတို့ရဲ့ ဆွေစဉ်ကားချပ်ကို geni.com ဝဘ်ဆိုက်မှတစ်ဆင့် မှတ်တမ်းတင်နိုင်ကြပါပြီ။

အသုံးပြုသူတို့က သူတို့မျိုးစဉ်ပင်စည်ကို ဝဘ်ဆိုက်ပေါ် တင်ပေးကြတဲ့ အခါမှာ၊

When users upload their trees to the website,

it scans their relatives,

၎င်းဟာ သူတို့ဆွေမျိုးတွေကို စိစစ်ကြည့်တယ်၊

and if it finds matches to existing trees,

ရှိနှင့်နေကြတဲ့ ပင်စည်များနဲ့ တိုက်ဆိုင်မှုတွေကို ရှာကြည့်တယ်၊

it merges the existing and the new tree together.

ရှိနေဆဲဟာတွေကို ပင်စည်သစ်နဲ့ ပေါင်းစည်းပေးလိုက်ပါတယ်။

The result is that large family trees are created,

အဲဒါရဲ့ရလဒ်အဖြစ် လူတဦးချင်း အနေနဲ့ တည်ဆောက်ရနိုင်တာထက်

beyond the individual level of each genealogist.

များစွာမှ ကြီးမားလှတဲ့ ဆွေစဉ် ပင်စည်တွေကို ဖန်တီးပေးလာနိုင်ပါတယ်။

Now, by repeating this process with millions of people

အဲဒီလို ပေါင်းစည်းမှုကို ကမ္ဘာပေါ်ရှိ ပြည်သူ သန်းပေါင်းများစွာတို့အတွက်

all over the world,

လုပ်ပေးနိုင်လာလို့၊

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

ကျုပ်တို့ဟာ လူသားတစ်ရပ်လုံးရဲ့ မိသားစု ပင်စည်ကြီးကို တည်ဆောက်လာနိုင်ပါမယ်။

Using this website,

အဲဒီ ဝဘ်ဆိုက်ကို အသုံးပြုလျက်၊

we were able to connect 125 million people

ကျုပ်တို့ဟာ အခုထိ လူ ၁၂၅ သန်းတို့ကို တစ်ခုတည်းသော

into a single family tree.

မိသားစု ပင်စည်ကြီးအဖြစ် ဆက်သွယ်ပေးနိုင်ခဲ့ပါပြီ။

I cannot draw the tree on the screens over here

အဲဒီအပင်ကို ကျနော်ဟာ ဒီစခရင်ပေါ်မှာ ရေးဆွဲမပြနိုင်ပါဘူး၊

because they have less pixels

ဒီမှာ ရှိနေတဲ့ pixel တွေက ပင်စည်ထဲ ရှိနေကြတဲ့ လူတွေထက်

than the number of people in this tree.

နည်းနေကြလို့ပါ။

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

ဒါပေမဲ့ ဥပမာတစ်ခုအဖြစ် လူ ၆၀၀၀ တို့ရဲ့ အချက်လက်ကို ပြပေးနိုင်ပါတယ်။

Each green node is a person.

ဒီမှာ မြင်ရတဲ့ အစိမ်းရောင် အဖုဟာ လူ တစ်ယောက်ပါ။

The red nodes represent marriages,

အနီရောင် အဖုက လက်ထပ်ခဲ့ကြတဲ့ စုံတွဲများပါ၊

and the connections represent parenthood.

ပြီးတော့ ချိတ်ဆက်မှုတွေက မိဘဖြစ်မှုကို ပြပေးပါတယ်။

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

အဲဒီလို ပင်စည်ကြီးရဲ့ ဗဟိုမှာ ဘိုးဘေးကို မြင်နိုင်ကြပါတယ်။

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

အစွန်အဖျားဆီကို သွားတာနဲ့အမျှ ဆင်းသက်လာသူတွေကို မြင်ကြရမယ်။

This tree has seven generations, approximately.

ဒီပင်စည်ထဲမှာ မျိုးဆက် ခုနစ်ခုခန့် ပါဝင်တယ်လို့ ယူဆရတယ်။

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

အခုဆက်ပြီး ပါဝင်တဲ့ လူတွေရဲ့ ဦးရေကို တိုးချဲ့ပေးရင် ဖြစ်လာပုံကို မြင်ရပါမယ်

to 70,000 people --

လူ ၇၀,၀၀၀ အထိ တိုးပေးလိုက်ရင် ---

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

ကျုပ်တို့ဆီမှာ ရှိတဲ့ ဒေတာထဲက သေးငယ်လှတဲ့ အပိုင်းမျှ ရှိနေတုန်းပါ။

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

ဒါတောင်မှ သိပ်ကို ဝေးလံကြတဲ့ ဆွေမျိုး များရဲ့ အချက်အလက်တွေကို

with many very distant relatives.

ခင်ဗျားတို့ မြင်လို့ ရနိုင်ပါတယ်။

Thanks to the hard work of our genealogists,

ကျုပ်တို့ရဲ့ ဆွေစဉ်ပင်စည် ပညာရှင်တွေရဲ့ ကြိုးပမ်းမှုကျေးဇူးကြောင့်

we can go back in time hundreds of years ago.

ကျုပ်တို့ဟာ လွန်ခဲ့တဲ့ နှစ်ရာချီဆီကို ပြန်ပြီး သွားနိုင်ကြပါတယ်။

For example, here is Alexander Hamilton,

ဥပမာ အဖြစ် Alexander Hamilton ကို ယူကြည့်ကြပါစို့၊

who was born in 1755.

သူဟာ ၁၇၅၅ ခုနှစ်မှာ မွေးခဲ့တယ်။

Alexander was the first US Secretary of the Treasury,

အဲဒီ Alexander ဟာ အမေရိကန် ပြည်ထောင်စုရဲ့ ပထမဦးဆုံး ငွေတိုက်မှူး ဖြစ်ခဲ့တယ်၊

but mostly known today due to a popular Broadway musical.

ဒါပေမဲ့ ဒီနေ့တွင် လူကြိုက်များတဲ့ Broadway ဂီတဇာတ်မြူးကြောင့် လူသိများပါတယ်။

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

Alexander ဟာ ရှိုးပွဲတော်များနဲ့ နက်ရှိုင်းစွာ ဆက်နေတာကို တွေ့ရပါတယ်။

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

တကယ်တော့ သူဟာ Kevin Bacon ရဲ့

Kevin Bacon!

သိပ်ကို နီးစပ်တဲ့ ဘိုးလေးပါ။

(Laughter)

(ရယ်သံများ)

သူတို့နှစ်ဦးစလုံးဟာ စကော့တလန်မှ အမျိုးသမီးတစ်ဦးမှ ဆင်းသက်လာခဲ့ကြတယ်

Both of them are descendants of a lady from Scotland

who lived in the 13th century.

၁၃ ရာစုမှာ နေထိုင်ခဲ့တဲ့ အမျိုးသမီးပါ။

So you can say that Alexander Hamilton

ဒါကြောင့်မို့လို့ Alexander Hamilton ဟာ

is 35 degrees of Kevin Bacon genealogy.

Kevin Bacon ရဲ့ ဆွေစဉ်ပင်စည်ထဲက ၃၅ အဆင့်မှာ ရှိနေသူပါလို့ ဆိုနိုင်ပါတယ်။

(Laughter)

(ရယ်သံများ)

And our tree has millions of stories like that.

ကျုပ်တို့ရဲ့ ပင်စည်ကြီးထဲမှာ အဲဒီလို ပုံပြင်တွေ သန်းနဲ့ချီ ရှိပါတယ်။

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

ကျုပ်တို့ဟာ ကျုပ်တို့ရဲ့ ဒေတာ အရည်အသွေး ကောင်းစေဖို့ အတော့်လေး အားထုတ်ခဲ့ကြပါတယ်။

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

DNA ကို အသုံးပြုလျက် ကျုပ်တို့ ဒေတာထဲတွင် မိခင်နဲ့ကလေး ဆက်သွယ်မှုတွေရဲ့ ၃%ဟာ

are wrong,

လွဲမှားနေခဲ့ကြတယ်၊

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

အဲဒါ ဒုတိယကမ္ဘာစစ် မတိုင်မီတုန်းက မွေးစား ခဲ့ကြတဲ့ ကလေးနှုန်းနဲ့ ကိုက်ညီခဲ့တယ်။

For the father's side,

ဖခင်တွေအတွက် လေ့လာကြည့်တော့၊

the news is not as good:

သတင်းဟာ သိပ်မကောင်းလှပါ-

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

ကျုပ်တို့ ဒေတာထဲက ဖခင်-ကလေး ချိတ်ဆက်မှုဟာ ၁.၉ ရာခိုင်နှုန်း လွဲမှားနေခဲ့ကြတယ်။

And I see some people smirk over here.

ဒါကို တချို့လူတွေ မျက်နှာ ရှုံ့မဲ့သွားကြတာ သတိထားမိတယ်။

It is what you think --

ဟုတ်ပါတယ်၊ ခင်ဗျားတို့ ထင်ကြသလို

there are many milkmen out there.

ဘေးမှသွေးရောစပ်နေတဲ့ ကလေးတွေ များပါတယ်။

(Laughter)

(ရယ်သံများ)

However, this 1.9 percent error rate in patrilineal connections

တကယ်ကျတော့ ဖခင်ဆိုင်ရာ ချိတ်ဆက်မှု ၁.၉ % လွဲမှားမှုဟာ

is not unique to our data.

ကျုပ်တို့ ဒေတာအတွက် မထူးဆန်းပါဘူး။

Previous studies found a similar error rate

အရင်တုန်းက ပြုလုပ်ခဲ့ဘူးတဲ့ ဆေးခန်းမှ လာကြတဲ့ ခွေမျိုးရိုးဆိုင်ရာ

using clinical-grade pedigrees.

အမှားတွေဟာလည်း အဲဒီလောက်ပဲ ရှိခဲ့ပါတယ်။

So the quality of our data is good,

ဒီတော့ ကျုပ်တို့ဒေတာရဲ့ အရည်အသွေးဟာ ကောင်းပါးတယ်၊

and that should not be a surprise.

ခုနက အချက်ဟာ အံ့အားသင့်စရာ မဟုတ်ပါဘူး။

Our genealogists have a profound, vested interest

ကျုပ်တို့ရဲ့ ဆွေစဉ်ပင်စည် ပညာရှင်များဟာ မိသားစု သမိုင်းကို

in correctly documenting their family history.

မှတ်တမ်း တင်ကြရာတွင် တကယ့်ကို အားထုတ်ကြိုးစားကြပါတယ်။

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

ကျုပ်တို့ဟာ ဒီဒေတာကို အသုံးပြုပြီး လူသားတို့ဆိုင်ရာ အချက်အလက်တချို့ကို၊

ဥပမာ၊ လူဦးရေပျံ့နှံ့နေထိုင်ကြပုံ အကြောင်းကို လေ့လာနိုင်ပါတယ်။

for example, questions about demography.

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

ကျုပ်တို့ရဲ့ ပရိုဖိုင်အားလုံးကို ကမ္ဘာ့ မြေပုံပေါ်မှာ ဒီလို မြင်နိုင်ပါတယ်။

Each pixel is a person that lived at some point.

pixel တခုချင်းစီဟာ တချိန်ချိန်မှာ နေထိုင်ခဲ့တဲ့ လူပါ။

And since we have so much data,

ကျုပ်တို့ဆီမှာ ဒေတာက သိပ်မများလှတော့၊

you can see the contours of many countries,

ခင်ဗျားတို့ဟာ နိုင်ငံ တော်တော်များများရဲ့ နယ်မြေတွေကို၊

especially in the Western world.

အထူးသဖြင့် အနောက်ကမ္ဘာခြမ်းမှာ မြင်နိုင်ကြပါတယ်။

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

အခုပြမယ့် ဗီဒီယိုထဲမှာကျတော့ ခင်ဗျားတို့ကို ပြောပြခဲ့တာတွေကို

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

အခြေခံပြီး ၁၄၀၀ ပြည့်နှစ်မှ ၁၉၀၀ အထိ မွေးခဲ့ကြတဲ့ သူတွေကို ကြည့်ကြရမှာပါ။

ပြီးတော့ အဲဒါတွေကို လူမျိုးတွေ နေရာ စွန့်ရွှေ့ပြောင်းခဲ့မှုနဲ့ ယှဉ်ပြထားပါတယ်။

and we compared it to known migration events.

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

ဒီထဲမှာ အနက်ရှိုင်းဆုံး ဒေတာတွေရဲ့ ချိတ်ဆက်မှုတွေဟာ ယူကေနဲ့

go all the way back to the UK,

သက်ဆိုင်နေတာကို မြင်ကြရမှာပါ၊

သူတို့ဆီမှာ မှတ်တမ်းတွေကို ထားတဲ့ စနစ်က ကောင်းခဲ့လို့ပါ။

where they had better record keeping,

and then they spread along the routes of Western colonialism.

နောက်မှာ သူတို့ဟာ အနောက်နိုင်င်ငံများရဲ့ ကိုလိုနီ လမ်းကြောင်းအတိုင်း သွားကြပါတယ်။

Let's watch this.

အခုတော့ ဗီဒီယိုကို ကြည့်ကြပါစို့။

(Music)

(ဂီတ)

[Year of birth: ]

[မွေးနှစ်- ]

[1492 - Columbus sails the ocean blue]

[၁၄၉၂- ကိုလံဘတ်က ပင်လယ်ထဲ ခရီးထွက်]

[1620 - Mayflower lands in Massachusetts]

[၁၆၂၀ - မက်ဆာချူးဆက်ထဲက မေဖလားဝါးမြေများ]

[1652 - Dutch settle in South Africa]

[၁၆၅၂ - ဒတ်ခ်ျလူမျိုးတွေ တောင်အာဖရိကမှာ ခြေချခဲ့]

[၁၇၈၈ - ဗြိတိန်နိုင်ငံက သြစတြေးလျ ဘက်သို့ ခရီးဆန့်မှုကို စတင်ခဲ့]

[1788 - Great Britain penal transportation to Australia starts]

[1836 - First migrants use Oregon Trail]

[၁၈၃၆ - ပထမဦးဆုံး ရွှေ့ပြောင်း ကြသူတို့က Oregon Trail ကိုသုံးကြ]

[all activity]

[လုပ်ဆောင်ချက်များ အားလုံး]

I love this movie.

ကျနော် ဒီဗီဒီယိုကို ကြိုက်တယ်။

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

ဒီမှာ မြင်ခဲ့ကြရတဲ့ ရွှေ့ပြောင်းမှုတွေက မိသားစုတွေရဲ့ ဇာတ်မြစ်ကို ပြသနေကြတော့၊

we can ask questions such as:

ကျုပ်တို့ဟာ ဒီလို မေးခွန်းတွေကို မေးနိုင်ကြတယ်-

What is the typical distance between the birth locations

လင်နဲ့ မယားတို့ရဲ့ မွေးရပ်များ အကြားက ပုံမှန် အကွာအဝေးဟာ

of husbands and wives?

ဘယ်လောက်များပါလိမ့်။

This distance plays a pivotal role in demography,

လူတွေက မိသားစုကို ဖွဲ့စည်းရန် ခရီးသွား ကြပုံဟာ လူဦးရေပျံ့နှံ့နေထိုင်မှုအတွက်

because the patterns in which people migrate to form families

သိပ်ကို သော့ချက်ကျပြီး အရေးကြီးတဲ့ အချက် ဖြစ်နေလို့ပါ။

determine how genes spread in geographical areas.

အဲဒီအချက်က မျိုးရိုးဗီဇတွေက ပထဝီဒေသ အနှံ ပြန့်နှံ့ပုံကို ဆုံးဖြတ်ပေးလို့ပါ။

ကျုပ်တို့ရဲ့ ဒေတာကို သုံးပြီး အဲဒီအချက်ကို ကျုပ်တို့ လေ့လာခဲ့ကြရာ၊

We analyzed this distance using our data,

and we found that in the old days,

ရှေးခေတ် နှစ်များတုံးက ဒီကိစ္စဟာ

people had it easy.

လွယ်ကူခဲ့ပုံ ရပါတယ်။

They just married someone in the village nearby.

လူတွေဟာ အနီးအနား ရွာထဲက တစ်ယောက်ယောက်နဲ့ လက်ထပ်ခဲ့ကြတယ်။

But the Industrial Revolution really complicated our love life.

ဒါပေမဲ့ စက်မှုတော်လှန်ရေးဟာ ကျုပ်တို့ရဲ့ ဘဝကို များစွာမှ ရှုပ်ထွေးပစ်ခဲ့တယ်။

And today, with affordable flights and online social media,

ဒီနေ့တွင်၊ လေယာဉ်နဲ့ သွာလာနိုင်ပြီး အွန်လိုင်း လူမှုမီဒီယာတွေ ရှိနေကြတော့၊

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

လူတွေဟာ သူတို့ရဲ့ ကြင်ဖေါ်ကို ရှာဖို့အတွက် ကိုယ့်မွေးရပ်မှနေပြီး

to find their soul mate.

ကီလိုမီတာ ၁၀၀ မကအထိ သွားကြပါတယ်။

ဒီတော့ ခင်ဗျားတို့ မေးချင်နိုင်ကြတာက-

So now you might ask:

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

ကောင်းပါပြီ၊ အဲဒီလို မိသားစုထူထောင်ဖို့ အဝေးမှာ ရှာကြံရတဲ့ ခက်ခဲတဲ့ အလုပ်ကို

to form families?

လုပ်တာက ဘယ်သူများလဲ။

Are these the males or the females?

အဲဒါ ဤယောက်ျားလား မိန်းမလား။

ကျုပ်တို့ ဒေတာကို သုံးပြီး အဲဒီမေးခွန်း အတွက် အဖြေကို ရှာကြည့်တော့

We used our data to address this question,

and at least in the last 300 years,

အနည်းဆုံးအားဖြင့် နောက်ဆုံး နှစ် ၃၀၀ အတွင်းမှာ

we found that the ladies do the hard work

မိသားစုကို ထူထောင်ဖို့အတွက် တနေရာမှနေပြီး နောက် တနေရာကို သွားရတဲ့ မလွယ်တဲ့ အလုပ်ကို

of migrating from places to places to form families.

အမျိုးသမီးတွေ ပြုလုပ်ခဲ့ကြတာကို တွေ့နိုင်ပါတယ်။

Now, these results are statistically significant,

အဲဒီစာရင်းအင်းတွေက အတော့်ကို အရေးပါကြလို့

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

ယောက်ျားတွေဟာ ပျင်းရိကြတာကို သိပ္ပံနည်းကျ အဖြေအဖြစ် လက်ခံကြရပါမယ်။

(Laughter)

(ရယ်သံများ)

We can move from questions about demography

ကျုပ်တို့ဟာ လူဦးရေပျံ့နှံ့နေထိုင်မှု မေးခွန်းတွေကနေပြီး

and ask questions about human health.

ရွှေ့ပြောင်းလျက် လူ့ကျန်းမာရေး အကြောင်း မေးနိုင်ကြပါတယ်။

For example, we can ask

ဥပမာ၊ လူတဦးနဲ့တဦး

to what extent genetic variations account for differences in life span

အသက်အရွယ်ချင်း မတူကွဲပြားမှုက မျိုးရိုးဗီဇမူကွာဟချက်နဲ့

between individuals.

ဘယ်လို ဆက်စပ်နေပါသလဲ။

Previous studies analyzed the correlation of longevity between twins

အမွှာများရဲ့ အသက်အရွယ် ကွဲပြားခဲ့ပုံကို အရင်တုန်းက လေ့လာရင်း

အဲဒီမေးခွန်းကို ဖြေဖို့ အားထုတ်ခဲ့ကြတယ်။

to address this question.

They estimated that the genetic variations account for

လူတွေရဲ့ အသက်အရွယ် မတူကွဲပြားရခြင်းရဲ့

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

လေးပုံတပုံအတွက် ဗီဇဆိုင်ရာ ကွဲလွဲချက်တွေ နဲ့ ဆိုင်ခဲ့တယ်လို့ ယူဆခဲ့ကြပါတယ်။

ဒါပေမဲ့ အမွှာတွေဆီမှာ ကျတော့ တူညီဆက်စပ်တဲ့ အကြောင်းအရာတွေ များလှပါတယ်၊

But twins can be correlated due to so many reasons,

including various environmental effects

ပတ်ဝန်းကျင်ဆိုင်ရာ အကျိုးသက်ရောက်မှု မျိုးစုံအပါအဝင်

or a shared household.

တအိမ်ထဲမှာ အတူနေရတာ အဆုံးပါပဲ။

ကြီးမားတဲ့ မိသားစု ပင်စည်တွေဟာ အမွှာများလို နီးစပ်တဲ့ ဆွေမျိုးများ

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

တို့ကိုသာမက၊

such as twins,

စတုတ္ထဝမ်းကွဲများ အထိကိုတောင် ဝေးလံတဲ့ ဆွေမျိုးတွေကို လေ့လာခွင့်ပေးကြတယ်။

all the way to distant relatives, even fourth cousins.

အဲဒီလိုနည်းဖြင့် ကျုပ်တို့ဟာ ဗီဇဆိုင်ရာ ကွဲပြားချက်တွေကို

This way we can build robust models

that can tease apart the contribution of genetic variations

ပတ်ဝန်းကျင်လို သက်ရောက်မှုများမှ ခွဲခြားပစ်လို့ ရနိုင်တဲ့ ခိုင်ခံ့တဲ့

from environmental factors.

မော်ဒယ်တွေကို တည်ဆောက်ခွင့် ရလာပါတယ်။

We conducted this analysis using our data,

ကျုပ်တို့ရဲ့ ဒေတာကို သုံးပြီး ကျုပ်တို့က အဲဒါကို ဆန်းစစ်ကြည့်ခဲ့ကြရာ

and we found that genetic variations explain only 15 percent

လူအမျိုးမျိုးအကြားက အသက်အရွယ် ကွဲပြားရမှုကသာ

of the differences in life span between individuals.

ဗီဇဆိုင်ရာ ကွဲလွဲချက်များကြောင့် ဖြစ်တယ်လို့ တွေ့ခဲ့ကြတယ်။

That is five years, on average.

အဲဒါဟာ ပျမ်းမျှအားဖြင့် ငါးနှစ်ခန့်ဖြစ်ပါတယ်။

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

ဒီတော့ အသက်အရွယ်နဲ့ ပတ်သက်ရင် ဗီဇရဲ့ သက်ရောက်မှုဟာ ထင်ခဲ့ကြတာထက် နည်းပါတယ်။

And I find it great news,

ကျနော့်အတွက် အဲဒါဟာ တကယ့် သတင်းကောင်းပါ၊

because it means that our actions can matter more.

ကျုပ်တို့ရဲ့ လုပ်ဆောင်ချက်တွေက ပိုအရေးပါတယ်လို့ အဓိပ္ပါယ်ရလို့ပါ။

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

ဥပမာ၊ ဆေးလိပ်သောက်ခြင်းက မျိုးရိုးဗီဇအရ ရှိရမယ့် အသက်ကို

twice as much as what genetics determines.

ဆယ်နှစ်ခန့် လျှော့ချ ပစ်နိုင်တယ်။

ကျုပ်တို့ဟာ မိသားစုပင်စည်များမှ ရွှေ့ပြောင်းလျက်

We can even have more surprising findings

ဆွေစဉ်ကားချပ်ကို လေ့လာကြသူတို့အား DNA အချက်အလက်တွေကို စုစည်းခွင့်ပြုရင်

as we move from family trees

and we let our genealogists document and crowdsource DNA information.

ပိုလို့ကို အံ့အားသင့်စရာ ရလဒ်တွေကို ကျုပ်တို့ ရရှိကြလာမှာပါ။

And the results can be amazing.

အဲဒီရလဒ်တွေကို ယုံကြည့်ဖို့တောင် လွယ်မှာ မဟုတ်ပါဘူး။

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

စိတ်ကူးဖို့ မလွယ်ပေမဲ့ Uncle Bernie နဲ့ သူ့မိတ်ဆွေတွေဟာ

လက်ရှိ အချိန်မှာ FBI ထံမှာ ရှိနေတဲ့ DNA အခြေပြု ပြစ်မှုစူးစမ်းရှာဖွေရေး

can create DNA forensic capabilities

that even exceed what the FBI currently has.

အလားအလာတွေထက်တောင် များစွာ သာလွန်မှာပါ။

ကျုပ်တို့က DNA ကို ကြီးမားတဲ့ မိသားစု ပင်စည် ပေါ်ကို တင်ပေးလိုက်ရင်၊

When you place the DNA on a large family tree,

အလင်းတန်းလေးကို တီထွင်ပေးတာနဲ့ တူပါတယ်၊

you effectively create a beacon

that illuminates the hundreds of distant relatives

၎င်းဟာ ဝေးလံတဲ့ ဆွေမျိုးသားချင်း ရာချီတို့ကို လင်းလက်လာစေပါမယ်။

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

ခုနက DNA မှ အစပြုလာခဲ့ကြတဲ့ လူတွေကို ဆက်စပ်ပြသပေးပါမယ်။

အဲဒီလို အလင်းတန်း အများကြီးကို ကြီးမားတဲ့ မိသားစုပင်စည် ပေါ်ကို တင်ပေးလိုက်ရင်၊

By placing multiple beacons on a large family tree,

you can now triangulate the DNA of an unknown person,

ကိုယ် လုံးဝမသိရသေးသူရဲ့ DNA ကို တြိဂံပုံဖွဲ့ တိုင်းနိုင်ပါတယ်။

the same way that the GPS system uses multiple satellites

GPS စနစ်က ဂြိုဟ်တုအများအပြားကို သုံးပြီး

to find a location.

တည်နေရာကို ရှာဖွေသလိုပါပဲ။

The prime example of the power of this technique

ဒီနည်းပညာ စွမ်းဖက်ပုံ အထင်ရှားဆုံး အဓိကက

is capturing the Golden State Killer,

Golden State Killer လို့ နာမည်ပေးခံခဲ့ရတဲ့

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

အမေရိက သမိုင်းထဲက နာမည်အဆိုးဆုံး လူသတ်သမားကို ဖမ်းနိုင်ခဲ့ခြင်းပါပဲ။

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

FBI ဟာ အဲဒီလူကို ဖမ်းဖို့ ရှာကြံနေခဲ့တာ နှစ်ပေါင်း 40 ကျော်ခဲ့တယ်။

သူတို့ဆီမှာ အဲဒီလူရဲ့ DNA တောင် သူတို့ဆီမှာ ရှိခဲ့တယ်၊

They had his DNA,

but he never showed up in any police database.

ဒါပေမဲ့ သူ့ကို ဘယ်လိုမှ ခြေရာခံ မရခဲ့ပါ။

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

လွန်ခဲ့တဲ့တစ်နှစ်လောက်က၊ FBI က မျိုးရိုးဗီဇပညာရှင်နဲ့

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

လာတိုင်ပင်ခဲ့လို့ သူတို့ရဲ့ DNA ကို ဆွေစဉ်ကားချပ် ဝန်ဆောင်မှုသို့

that can locate distant relatives.

တင်ပေးပြီး ဝေးလံတဲ့ ဆွေမျိုးတွေကို ရှာကြည့်ရန် အကြံပေးခဲ့ကြတယ်။

They did that,

သူတို့ အဲဒီလို ပြုလုပ်ခဲ့ကြလို့၊

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

Golden State Killer နဲ့ တတိယဝမ်းကွဲ တော်သူကို ရှာတွေ့ခဲ့တယ်။

They built a large family tree,

သူတို့ဟာ ကြီးမားတဲ့မိသားစု ပင်စည်ကို ရေးဆွဲခဲ့ကြတယ်၊

scanned the different branches of that tree,

ပင်စည်ရဲ့ အကိုင်းမျိုးစုံကို ဆန်းစစ် လေ့လာခဲ့ကြတယ်၊

until they found a profile that exactly matched

နောက်ဆုံးမှာတော့ သူတို့ အတိအကျ သိခဲ့ကြတဲ့

what they knew about the Golden State Killer.

Golden State Killer ကို တွေ့ခဲ့ကြတဲ့ အထိပါပဲ။

They obtained DNA from this person and found a perfect match

သူတို့ဟာ အဲဒီလူဆီကနေပြီး DNA ကို ရယူခဲ့ကြရာ သူတို့လက်ထဲမှာ ရှိနေခဲ့တဲ့

to the DNA they had in hand.

DNA နဲ့ ကွက်တိကိုက်နေခဲ့တယ်။

အဲဒါနဲ့ သူတို့ဟာ သူ့ကို ဖမ်းနိုင်ခဲ့ပြီး နှစ်ပေါင်း များစွာကြာပြီးတဲ့ နောက်မှာ

They arrested him and brought him to justice

after all these years.

တရားစီရင်နိုင်ခဲ့ကြတယ်။

Since then, genetic genealogists have started working with

အဲဒီအချိန်ကစလျက် မျိုးရိုးဗီဇ ဆွေစဉ်ကားချပ် ပညာရှင်များဟာ

local US law enforcement agencies

ဒေသခံ အမေရိကန်ဥပဒေ စိုးမိုးရေးအေဂျင်စီများနဲ့

to use this technique in order to capture criminals.

လက်တွဲလျက် ရာဇဝတ်ကောင်တွေကို ဖမ်းနိုင်ရန် အဲဒီနည်းပညာကို သုံးနေကြပါပြီ။

And only in the past six months,

လွန်ခဲ့တဲ့ ခြောက်လ ကာလအတွင်းမှာကို

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

သူတို့ရဲ့ နည်းကို သုံးပြီး နှစ်များစွာကြာ အမှုဟေင်း ၂၀ ကို ဖြေရှင်းပေးနိုင်ခဲ့ကြတယ်။

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

ကျနော်တို့ဆီမှာ Uncle Bernie လို ဆွေစဉ် လေ့လာရေး ပညာရှင်တွေ ရှိကြတာ ကံကောင်းတယ်၊

သူတို့ဟာ အပျော်ထမ်း မိမိရဲ့ ဝါသနာအလျောက် လုပ်ကိုင်နေကြတဲ့ သူတွေ မဟုတ်ကြပါ။

These are not amateurs with a self-serving hobby.

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

ပြည်သူတို့ကြားက သိပ္ပံပညာရှင်တွေ ဖြစ်ပြီး ကျုပ်တို့အက​ြောင်း လေးနက်စွာ လေ့လာသူတွေပါ။

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

ပြီးတော့ အတိတ်ကာလက အနာဂတ်အတွက် သော့ကို ပေးနိုင်ကြောင်း သူတို့ ယုံကြည်တယ်။

ကျေးဇူးအများကြီးတင်ပါတယ်။

Thank you very much.

(Applause)

(လက်ခုပ်သံများ)