WEBVTT

00:00:00.817 --> 00:00:04.269
La gente usa Internet por varios motivos.

00:00:05.765 --> 00:00:09.569
Resulta que una de las categorías
más populares de páginas web

00:00:09.593 --> 00:00:12.465
es algo que la gente consume
normalmente en privado.

00:00:13.639 --> 00:00:16.149
Tiene que ver con la curiosidad,

00:00:16.173 --> 00:00:19.969
con niveles significativos
de autocomplacencia

00:00:19.993 --> 00:00:23.253
que giran en torno a las 
actividades reproductivas

00:00:23.277 --> 00:00:24.586
de otras personas.

NOTE Paragraph

00:00:24.610 --> 00:00:25.642
(Risas)

00:00:25.666 --> 00:00:27.916
Obviamente estoy hablando
de la genealogía...

NOTE Paragraph

00:00:27.940 --> 00:00:29.154
(Risas)

00:00:29.178 --> 00:00:30.880
el estudio de la historia familiar.

NOTE Paragraph

00:00:31.133 --> 00:00:33.390
Cuando se trata de detallar
la historia familiar

00:00:33.414 --> 00:00:37.357
en todas las familias hay una persona
obsesionada con la genealogía.

00:00:37.381 --> 00:00:39.094
Llamémosle tío Bernie.

00:00:39.118 --> 00:00:42.900
El tío Bernie es justo la última persona
a cuyo lado te quieres sentar

00:00:42.924 --> 00:00:44.523
en la cena de Acción de Gracias,

00:00:44.547 --> 00:00:47.361
porque te aburrirá soberanamente
con detalles concretos

00:00:47.385 --> 00:00:49.351
sobre parientes antiguos.

00:00:50.462 --> 00:00:51.724
Pero como ya saben,

00:00:51.748 --> 00:00:54.620
todo tiene un lado científico,

00:00:54.644 --> 00:00:57.622
y hemos descubierto
que las historias del tío Bernie

00:00:57.646 --> 00:01:00.814
tienen un potencial inmenso
para la investigación biomédica.

NOTE Paragraph

00:01:01.306 --> 00:01:04.020
Dejamos que el tío Bernie
y sus amigos genealogistas

00:01:04.044 --> 00:01:08.712
documenten sus árboles genealógicos
a través de una web llamada geni.com.

00:01:09.128 --> 00:01:11.326
Cuando los usuarios
suben sus árboles a la web

00:01:11.350 --> 00:01:12.914
este escanea a sus familiares

00:01:12.914 --> 00:01:15.329
y si encuentra coincidencias
con árboles existentes

00:01:15.329 --> 00:01:18.773
combina el árbol existente con el nuevo.

00:01:19.768 --> 00:01:22.718
El resultado es que se crean
árboles genealógicos enormes,

00:01:22.742 --> 00:01:26.091
más allá del nivel individual
de cada genealogista.

00:01:26.808 --> 00:01:30.937
Al repetir este proceso
con millones de personas

00:01:30.961 --> 00:01:32.778
de todo el mundo,

00:01:32.802 --> 00:01:38.334
podemos colaborar para crear
un árbol genealógico de toda la humanidad.

NOTE Paragraph

00:01:39.292 --> 00:01:40.876
Al usar esta página,

00:01:40.900 --> 00:01:45.713
pudimos conectar a
125 millones de personas

00:01:45.737 --> 00:01:48.258
en un solo árbol genealógico.

00:01:48.967 --> 00:01:51.755
No puedo dibujar el árbol
en estas pantallas

00:01:51.779 --> 00:01:53.944
porque tienen menos píxeles

00:01:53.968 --> 00:01:56.481
que el número de personas en el árbol.

00:01:56.505 --> 00:02:01.515
Pero aquí tengo un ejemplo de
un subconjunto de 6000 individuos.

00:02:02.159 --> 00:02:04.521
Cada nodo verde es una persona.

00:02:05.060 --> 00:02:07.909
Los nodos rojos representan matrimonios,

00:02:07.933 --> 00:02:10.191
y las conexiones representan paternidad.

00:02:10.297 --> 00:02:12.503
En el medio del árbol
pueden ver los ancestros.

00:02:12.503 --> 00:02:15.427
A medida que vamos hacia la periferia
verán los descendientes.

00:02:15.427 --> 00:02:18.683
Este árbol tiene, aproximadamente,
siete generaciones.

NOTE Paragraph

00:02:19.692 --> 00:02:22.926
Esto es lo que pasa cuando aumentamos
el número de individuos

00:02:22.950 --> 00:02:24.778
hasta 70 000 personas...

00:02:24.802 --> 00:02:29.132
sigue siendo una pequeña parte
de los datos que tenemos.

00:02:29.629 --> 00:02:34.442
Aún así, pueden ver que se forman
árboles genealógicos enormes

00:02:34.466 --> 00:02:37.121
con muchos parientes lejanos.

NOTE Paragraph

00:02:37.610 --> 00:02:40.744
Gracias al arduo trabajo 
de nuestros genealogistas,

00:02:40.768 --> 00:02:43.871
podemos retroceder en el tiempo
hasta cientos de años.

00:02:44.418 --> 00:02:47.859
Por ejemplo, aquí tenemos
a Alexander Hamilton,

00:02:47.883 --> 00:02:50.358
que nació en 1755.

00:02:50.872 --> 00:02:54.636
Alexander fue el primer
Secretario del Tesoro de EE.UU.

00:02:54.660 --> 00:02:58.491
pero hoy es conocido sobre todo
por un musical popular de Broadway.

00:02:59.137 --> 00:03:04.059
Descubrimos que Alexander tiene buenas
conexiones en el mundo del espectáculo.

00:03:04.083 --> 00:03:06.194
De hecho, es pariente de sangre de...

00:03:06.781 --> 00:03:08.001
¡Kevin Bacon!

NOTE Paragraph

00:03:08.025 --> 00:03:10.057
(Risas)

NOTE Paragraph

00:03:10.081 --> 00:03:12.687
Ambos son descendientes
de una señora de Escocia

00:03:12.711 --> 00:03:15.025
que vivió en el siglo XIII.

00:03:15.049 --> 00:03:17.825
Así que se podría decir
que Alexander Hamilton

00:03:17.825 --> 00:03:21.363
tiene 35 grados de separación
con Kevin Bacon.

NOTE Paragraph

00:03:21.387 --> 00:03:22.828
(Risas)

NOTE Paragraph

00:03:22.852 --> 00:03:26.082
Y nuestro árbol tiene
millones de historias como esa.

NOTE Paragraph

00:03:28.113 --> 00:03:33.003
Hemos puesto mucho esfuerzo
en validar la calidad de nuestros datos.

00:03:33.027 --> 00:03:38.418
Con el ADN descubrimos que 0,3 % de las
conexiones madre-hijo de nuestros datos

00:03:38.442 --> 00:03:39.636
son erróneas,

00:03:39.636 --> 00:03:43.487
lo que coincide con las tasas de adopción
en EE.UU. antes de la II Guerra Mundial.

NOTE Paragraph

00:03:44.847 --> 00:03:46.632
Por el lado paterno,

00:03:46.656 --> 00:03:48.617
las noticias no son tan buenas:

00:03:50.149 --> 00:03:55.749
1,9 % de las conexiones padre-hijo
de nuestros datos son erróneos.

00:03:55.773 --> 00:03:58.136
Veo que algunos se ríen.

00:03:58.160 --> 00:03:59.877
Es lo que piensan...

00:03:59.901 --> 00:04:01.690
hay muchos lecheros por ahí.

00:04:01.714 --> 00:04:02.778
(Risas)

00:04:02.802 --> 00:04:06.791
Sin embargo, esta tasa de error del 1,9 %
en las conexiones patrilineales

00:04:06.815 --> 00:04:08.584
no son únicas de nuestros datos.

00:04:08.608 --> 00:04:11.677
Estudios anteriores descubrieron
una tasa de error similar

00:04:11.701 --> 00:04:13.722
al usar genealogía clínica.

00:04:14.254 --> 00:04:16.779
Así que la calidad
de nuestros datos es buena

00:04:16.803 --> 00:04:18.936
y eso no debería sorprender.

00:04:18.960 --> 00:04:22.736
Nuestros genealogistas 
tienen un profundo interés

00:04:22.760 --> 00:04:26.428
en documentar correctamente
su historia familiar.

NOTE Paragraph

00:04:28.594 --> 00:04:33.185
Podemos usar estos datos para aprender
información cuantitativa de la humanidad,

00:04:33.209 --> 00:04:35.805
por ejemplo, cuestiones sobre demografía.

00:04:35.829 --> 00:04:39.686
Echemos un vistazo a todos
los perfiles del mapa del mundo.

00:04:40.250 --> 00:04:44.731
Cada pixel es una persona
que vivió en un momento dado.

00:04:44.755 --> 00:04:46.435
Y dado que tenemos tantos datos,

00:04:46.459 --> 00:04:49.240
pueden ver el contorno de muchos países,

00:04:49.264 --> 00:04:51.363
sobre todo el mundo occidental.

00:04:51.387 --> 00:04:54.935
En este clip estratificamos
el mapa que les enseñamos

00:04:54.959 --> 00:05:00.031
basado en el año de nacimiento
de los individuos entre 1400 y 1900,

00:05:00.055 --> 00:05:02.821
y los comparamos con
movimientos migratorios conocidos.

00:05:03.482 --> 00:05:06.647
El clip les mostrará que las líneas
más profundas de nuestros datos

00:05:06.671 --> 00:05:08.298
llegan hasta el Reino Unido,

00:05:08.322 --> 00:05:10.014
donde conservaban mejor los datos,

00:05:10.014 --> 00:05:13.436
y luego se extendían a lo largo de 
las rutas del colonialismo occidental.

00:05:13.460 --> 00:05:14.782
Veámoslo.

00:05:15.143 --> 00:05:16.752
(Música)

00:05:16.776 --> 00:05:19.117
[Año de nacimiento:]

00:05:19.705 --> 00:05:21.541
[1492 - Colón navega por el océano]

00:05:23.371 --> 00:05:25.371
[1620 - El Mayflower
llega a Massachusetts]

00:05:26.326 --> 00:05:28.561
[1652 - Los holandeses
se asientan en Sudáfrica]

00:05:31.861 --> 00:05:34.781
[1788 - Gran Bretaña empieza
a transportar presos a Australia]

00:05:35.181 --> 00:05:37.798
[1836 - Los primeros emigrantes
usan la Senda de Oregón]

00:05:38.149 --> 00:05:41.332
[Todo es actividad]

NOTE Paragraph

00:05:43.851 --> 00:05:45.394
Me encanta esta película.

NOTE Paragraph

00:05:45.418 --> 00:05:50.511
Ya que estos sucesos migratorios
ponen en contexto a las familias,

00:05:50.535 --> 00:05:52.718
podemos hacer preguntas tales como:

00:05:52.742 --> 00:05:56.212
¿Cuál es la distancia típica
entre los lugares de nacimiento

00:05:56.236 --> 00:05:59.048
de maridos y mujeres?

00:05:59.072 --> 00:06:02.749
Esta distancia tiene un papel
fundamental en la demografía

00:06:02.773 --> 00:06:06.454
porque los patrones en los que
la gente emigra para formar familias

00:06:06.478 --> 00:06:10.191
determina cómo se expanden
los genes en áreas geográficas.

00:06:10.706 --> 00:06:13.034
Analizamos la distancia
usando nuestros datos,

00:06:13.058 --> 00:06:15.348
y descubrimos que antiguamente

00:06:15.372 --> 00:06:16.602
la gente lo tenía fácil.

00:06:16.626 --> 00:06:19.220
Simplemente se casaban
con gente del pueblo de al lado.

00:06:19.958 --> 00:06:23.663
Pero la Revolución Industrial
complicó nuestra vida amorosa.

00:06:23.687 --> 00:06:28.247
Y hoy, con los vuelos asequibles
y con las redes sociales,

00:06:28.271 --> 00:06:33.073
la gente suele emigrar a más de
100 km de su lugar de nacimiento

00:06:33.073 --> 00:06:34.627
para encontrar a su alma gemela.

NOTE Paragraph

00:06:36.524 --> 00:06:37.711
Puede que se pregunten:

00:06:37.735 --> 00:06:42.231
¿Quién hace el enorme trabajo
de emigrar de un sitio a otro

00:06:42.255 --> 00:06:43.524
para formar familias?

00:06:43.548 --> 00:06:47.275
¿Son los hombres o las mujeres?

00:06:47.592 --> 00:06:49.907
Usamos nuestros datos
para afrontar esta cuestión

00:06:49.931 --> 00:06:52.525
y al menos en los últimos 300 años,

00:06:52.549 --> 00:06:56.432
descubrimos que las damas
hacen el trabajo arduo

00:06:56.456 --> 00:06:59.452
de emigrar de unos lugares
a otros para formar familias.

00:06:59.476 --> 00:07:02.577
Estos resultados son
estadísticamente relevantes,

00:07:02.601 --> 00:07:06.072
así que pueden admitir como hecho
científico que los varones son vagos.

NOTE Paragraph

00:07:06.096 --> 00:07:09.252
(Risas)

NOTE Paragraph

00:07:09.276 --> 00:07:11.812
Podemos pasar de las preguntas
sobre demografía

00:07:11.836 --> 00:07:14.749
y hacer preguntas sobre salud humana.

00:07:14.773 --> 00:07:16.260
Por ejemplo, podemos preguntar

00:07:16.284 --> 00:07:21.247
cómo las variaciones genéticas justifican
las diferencias en la esperanza de vida

00:07:21.271 --> 00:07:22.465
entre individuos.

00:07:22.988 --> 00:07:27.518
Estudios previos analizaron la correlación
de la longevidad entre gemelos

00:07:27.542 --> 00:07:28.984
para afrontar esta cuestión.

00:07:29.411 --> 00:07:32.078
Estimaron que las variaciones
genéticas justifican

00:07:32.102 --> 00:07:36.142
alrededor de un cuarto de las diferencias
en la esperanza de vida entre individuos.

00:07:36.498 --> 00:07:39.376
Pero los gemelos pueden correlacionarse
por diversas razones,

00:07:39.376 --> 00:07:41.614
incluyendo distintos
efectos medioambientales

00:07:41.638 --> 00:07:43.260
o compartir casa.

00:07:44.411 --> 00:07:48.164
Los árboles genealógicos extensos
nos permiten analizar parientes próximos,

00:07:48.188 --> 00:07:49.395
como los gemelos,

00:07:49.419 --> 00:07:52.336
hasta los parientes lejanos,
incluso primos cuartos.

00:07:52.749 --> 00:07:55.438
De esta manera podemos
construir modelos robustos

00:07:55.462 --> 00:07:59.170
que pueden separar la contribución
de variaciones genéticas

00:07:59.194 --> 00:08:00.911
de los factores medioambientales.

00:08:01.379 --> 00:08:04.278
Llevamos a cabo este análisis
usando nuestros datos,

00:08:04.302 --> 00:08:10.093
y descubrimos que las variaciones
genéticas solo explican solo el 15 %

00:08:10.117 --> 00:08:12.923
de las diferencias de esperanza de vida
entre individuos.

00:08:14.760 --> 00:08:17.516
De media son cinco años.

00:08:18.316 --> 00:08:23.024
Así que los genes importan menos
de lo que pensábamos.

00:08:23.675 --> 00:08:25.811
Y me parece una noticia estupenda,

00:08:26.438 --> 00:08:29.731
porque significa que nuestras acciones
pueden importar más.

00:08:30.533 --> 00:08:34.807
Fumar, por ejemplo, determina
10 años de nuestra esperanza de vida,

00:08:34.831 --> 00:08:37.477
el doble de lo que determina la genética.

NOTE Paragraph

00:08:37.936 --> 00:08:40.525
Incluso podemos tener más
descubrimientos sorprendentes

00:08:40.549 --> 00:08:42.041
si nos movemos de los árboles

00:08:42.065 --> 00:08:46.797
y dejamos que los genealogistas documenten
y recopilen información sobre el ADN.

00:08:46.821 --> 00:08:48.845
Y el resultado puede ser increíble.

00:08:49.255 --> 00:08:53.170
Puede costar imaginarlo,
pero el tío Bernie y sus amigos

00:08:53.194 --> 00:08:55.840
pueden crear competencias forenses de ADN

00:08:55.864 --> 00:08:59.423
que incluso superan
a las que tiene actualmente el FBI.

00:09:00.862 --> 00:09:03.266
Al colocar el ADN
en un árbol genealógico grande,

00:09:03.290 --> 00:09:05.407
se crea un modelo efectivo

00:09:05.431 --> 00:09:08.065
que ilumina cientos de parientes lejanos

00:09:08.089 --> 00:09:11.579
conectados a la persona que originó el ADN.

00:09:12.505 --> 00:09:15.418
Al situar múltiples modelos
en un árbol genealógico grande,

00:09:15.442 --> 00:09:19.162
se puede triangular el ADN
de una persona desconocida,

00:09:19.186 --> 00:09:23.124
igual que los sistemas de GPS
usan múltiples satélites

00:09:23.148 --> 00:09:24.612
para encontrar una ubicación.

NOTE Paragraph

00:09:25.226 --> 00:09:28.850
Un gran ejemplo del poder de esta técnica

00:09:28.874 --> 00:09:31.549
es la captura del asesino
del Golden State,

00:09:32.612 --> 00:09:37.140
uno de los criminales más famosos
de la historia de EE.UU.

00:09:37.164 --> 00:09:43.056
El FBI llevaba 40 años
buscando a esta persona.

00:09:43.588 --> 00:09:45.423
Tenían su ADN,

00:09:45.447 --> 00:09:48.797
pero nunca aparecía
en las bases de datos policiales.

00:09:49.447 --> 00:09:54.159
Hace un año, el FBI consultó
a una genealogista genética

00:09:54.183 --> 00:09:58.133
y esta sugirió que llevaran su ADN 
a un servicio de genealogía

00:09:58.157 --> 00:10:00.555
que puede localizar a parientes lejanos.

00:10:01.117 --> 00:10:02.273
Lo hicieron,

00:10:02.297 --> 00:10:05.989
y encontraron a un primo tercero
del asesino de Golden State.

00:10:06.013 --> 00:10:08.357
Construyeron un árbol genealógico enorme,

00:10:08.381 --> 00:10:10.417
escanearon las diferentes ramas del árbol,

00:10:10.417 --> 00:10:13.102
hasta que encontraron un perfil
que coincidía exactamente

00:10:13.102 --> 00:10:15.677
con lo que sabían
del asesino de Golden State.

00:10:15.701 --> 00:10:19.293
Consiguieron el ADN de esta persona
y obtuvieron una coincidencia perfecta

00:10:19.317 --> 00:10:21.342
con el ADN que tenían a mano.

00:10:21.366 --> 00:10:23.716
Lo arrestaron y lo llevaron
ante la justicia

00:10:23.740 --> 00:10:25.164
después de tantos años.

00:10:26.172 --> 00:10:29.413
Desde entonces, los genealogistas
genéticos han estado trabajando

00:10:29.437 --> 00:10:32.105
con las fuerzas del orden
locales de EE.UU.

00:10:32.129 --> 00:10:35.491
para que usen esta técnica
para detener criminales.

00:10:35.521 --> 00:10:38.202
Y solo en los últimos seis meses

00:10:38.226 --> 00:10:42.522
pudieron cerrar con esta técnica
20 casos sin resolver.

NOTE Paragraph

00:10:44.203 --> 00:10:48.839
Afortunadamente, tenemos a gente como
el tío Bernie y sus colegas genealogistas.

00:10:49.045 --> 00:10:52.039
No son aficionados que 
tienen una afición egoísta.

00:10:52.602 --> 00:10:59.021
Son ciudadanos científicos con la
gran pasión de decirnos quiénes somos.

00:10:59.065 --> 00:11:03.523
Y saben que el pasado
puede ser la clave del futuro.

NOTE Paragraph

00:11:04.067 --> 00:11:05.250
Muchísimas gracias.

00:11:05.314 --> 00:11:08.783
(Aplausos)