1 00:00:00,817 --> 00:00:04,269 Más-más okból szoktuk az internetet használni. 2 00:00:05,765 --> 00:00:09,569 Kiderül, hogy a legnépszerűbb fajtájú weboldal 3 00:00:09,593 --> 00:00:12,465 főleg bizalmas körben használatos. 4 00:00:13,639 --> 00:00:16,149 Kíváncsiságot vált ki, 5 00:00:16,173 --> 00:00:19,969 vágyaink nem lényegtelen mértékű kielégítését, 6 00:00:19,993 --> 00:00:23,253 és mások szaporító tevékenységének rögzítése 7 00:00:23,277 --> 00:00:24,586 körül forog. 8 00:00:24,610 --> 00:00:25,642 (Nevetés) 9 00:00:25,666 --> 00:00:27,916 Persze, hogy a családfáról van szó! 10 00:00:27,940 --> 00:00:29,154 (Nevetés) 11 00:00:29,178 --> 00:00:30,880 A családtörténet tanulmányozásáról. 12 00:00:31,353 --> 00:00:33,390 Mikor családtörténetbe merülünk, 13 00:00:33,414 --> 00:00:37,357 minden családban akad valaki, aki a nemzedékrend megszállottja. 14 00:00:37,381 --> 00:00:39,094 Nevezzük Béla bácsinak. 15 00:00:39,118 --> 00:00:42,900 Béla bácsi mellett egyáltalán nem szeretnénk ülni 16 00:00:42,924 --> 00:00:44,233 családi találkozón, 17 00:00:44,547 --> 00:00:46,081 mert halálra fog untatni 18 00:00:46,081 --> 00:00:49,351 valamely távoli ősünkre vonatkozó sajátságos részletekkel. 19 00:00:50,462 --> 00:00:51,724 De mint tudják, 20 00:00:51,748 --> 00:00:54,620 mindennek létezik tudományos oldala is, 21 00:00:54,644 --> 00:00:57,622 és Béla bácsi történeteiből 22 00:00:57,646 --> 00:01:00,814 az orvosbiológiai kutatás mérhetetlenül sokat meríthet. 23 00:01:01,306 --> 00:01:04,020 Hagyjuk, hogy Béla bácsi és családfakutató társai 24 00:01:04,044 --> 00:01:08,712 rögzítsék családfájukat a geni.com nemzedékrendi honlapon. 25 00:01:09,198 --> 00:01:11,326 Mikor családfájukat feltöltik a használók, 26 00:01:11,350 --> 00:01:13,040 a program átfésüli a rokonságot, 27 00:01:13,064 --> 00:01:15,139 fölleli a kapcsolódási pontokat, 28 00:01:15,163 --> 00:01:18,773 és összeilleszti a családfákat. 29 00:01:19,768 --> 00:01:22,718 Ennek eredményeként óriási családfa jön létre, 30 00:01:22,742 --> 00:01:26,221 amely meghaladja bármely kutató szintjét. 31 00:01:26,808 --> 00:01:30,937 Ha a folyamatot milliónyi egyénnel megismételjük 32 00:01:30,961 --> 00:01:32,778 szerte a világon, 33 00:01:32,802 --> 00:01:38,334 összeáll az emberiség családfája. 34 00:01:39,292 --> 00:01:40,876 E weboldalon 35 00:01:40,900 --> 00:01:45,713 125 millió főt tudtunk összekapcsolni 36 00:01:45,737 --> 00:01:48,258 közös családfává. 37 00:01:48,967 --> 00:01:51,755 Nem tudom a fát a kivetítőre fölrajzolni, 38 00:01:51,779 --> 00:01:53,944 mert kevesebb pixelből áll, 39 00:01:53,968 --> 00:01:56,481 mint a fán szereplők száma. 40 00:01:56,505 --> 00:02:01,515 De itt egy példa 6000 fő részhalmazára. 41 00:02:02,159 --> 00:02:04,521 Minden zöld csomópont egy-egy személy. 42 00:02:05,060 --> 00:02:07,909 A vörös csomópontok a házasságok, 43 00:02:07,933 --> 00:02:10,191 az összekötő vonalak a szülői kapcsolatok. 44 00:02:10,557 --> 00:02:12,929 A fa közepén az ősök láthatók. 45 00:02:12,953 --> 00:02:15,301 A szélek felé haladva a leszármazottakat látjuk. 46 00:02:15,301 --> 00:02:18,683 E fa kb. hét nemzedéket fog át. 47 00:02:19,692 --> 00:02:22,926 Ez történik, ha a személyek számát 48 00:02:22,950 --> 00:02:24,778 70 ezerre növeljük: 49 00:02:24,802 --> 00:02:29,202 még mindig összes adatunk apró részhalmaza. 50 00:02:29,629 --> 00:02:32,280 Ennek dacára már kirajzolódik 51 00:02:32,300 --> 00:02:37,121 a rengeteg igen távoli rokonból álló óriási családfa. 52 00:02:37,610 --> 00:02:40,744 Családfakutatóink áldozatos munkájának köszönhetően 53 00:02:40,768 --> 00:02:43,871 több száz évvel visszamehetünk. 54 00:02:44,418 --> 00:02:47,859 Pl. ő itt Alexander Hamilton, 55 00:02:47,883 --> 00:02:50,358 aki 1755-ben született. 56 00:02:50,872 --> 00:02:54,636 Alexander volt az USA első pénzügyminisztere, 57 00:02:54,660 --> 00:02:58,491 de ma inkább a népszerű Broadway-musicalból ismert. 58 00:02:59,137 --> 00:03:04,059 Kiderült, hogy Alexandernek erős a kapcsolata a szórakoztatóiparral. 59 00:03:04,083 --> 00:03:06,001 Vérrokona... 60 00:03:06,781 --> 00:03:08,161 Kevin Bacon színésznek! 61 00:03:08,161 --> 00:03:09,330 (Nevetés) 62 00:03:10,081 --> 00:03:12,687 Mindketten egy 13. századi 63 00:03:12,711 --> 00:03:15,025 skót lady leszármazottai. 64 00:03:15,049 --> 00:03:18,151 Tehát Alexander Hamilton 65 00:03:18,175 --> 00:03:21,363 Kevin Bacon 35-öd fokú rokona. 66 00:03:21,387 --> 00:03:22,385 (Nevetés) 67 00:03:22,852 --> 00:03:26,082 A fa milliónyi hasonló történetet tartalmaz. 68 00:03:28,113 --> 00:03:33,003 Nagy erőt fektettünk be adataink minőség-ellenőrzésébe. 69 00:03:33,027 --> 00:03:34,665 DNS-vizsgálatokból derült ki, 70 00:03:34,665 --> 00:03:39,692 hogy adatainkban az anya-gyerek kapcsolat 0,3%-ban hamis, 71 00:03:39,716 --> 00:03:43,307 ami egybeesik az USA II. világháború előtti örökbe fogadási arányával. 72 00:03:44,847 --> 00:03:46,632 Az apai oldalon 73 00:03:46,656 --> 00:03:48,617 a helyzet sokkal rosszabb: 74 00:03:50,149 --> 00:03:55,249 adatainkban az apa-gyerek kapcsolat 1,9%-ban hamis. 75 00:03:55,773 --> 00:03:58,136 Látom, hogy egypáran ezen somolyognak. 76 00:03:58,160 --> 00:03:59,877 Biztos arra gondolnak, 77 00:03:59,901 --> 00:04:01,690 hogy mennyi postás jár-kel. 78 00:04:01,714 --> 00:04:02,778 (Nevetés) 79 00:04:02,802 --> 00:04:06,791 De az apai ági kapcsolatok 1,9%-os hibaaránya 80 00:04:06,815 --> 00:04:08,584 adatainkban nem kivételes. 81 00:04:08,608 --> 00:04:11,677 Korábbi tanulmányok hasonló hibaarányt mutattak ki 82 00:04:11,701 --> 00:04:13,722 klinikai szintű családfák esetén. 83 00:04:14,254 --> 00:04:16,779 Tehát adataink jó minőségűek, 84 00:04:16,803 --> 00:04:18,936 és ez nem meglepő. 85 00:04:18,960 --> 00:04:22,736 Kutatóink alaposan és személyesen érdekeltek abban, 86 00:04:22,760 --> 00:04:26,428 hogy családtörténetüket megbízhatóan dokumentálják. 87 00:04:28,594 --> 00:04:33,185 Az adatokból számszerű tudáshoz juthatunk az emberiségről, 88 00:04:33,209 --> 00:04:35,571 pl. demográfiai kérdésekről. 89 00:04:35,829 --> 00:04:39,686 Itt van minden profilunk a világtérképen. 90 00:04:40,250 --> 00:04:44,731 Minden pixel egy-egy valaha élt ember. 91 00:04:44,755 --> 00:04:46,435 Mivel ilyen sok adatunk van, 92 00:04:46,459 --> 00:04:49,240 sok ország körvonalai láthatók, 93 00:04:49,264 --> 00:04:51,098 kiváltképp a nyugatiak. 94 00:04:51,387 --> 00:04:54,935 Ezen a klipen rétegekbe rendeztük az előbbi térképet 95 00:04:54,959 --> 00:05:00,031 a személyek 1400 és 1900 közötti születési éve szerint, 96 00:05:00,055 --> 00:05:02,821 és az ismert vándorlási eseményekkel vetettük össze. 97 00:05:03,482 --> 00:05:06,647 A klip megmutatja, hogy adatainkból látható legmélyebb gyökerek 98 00:05:06,671 --> 00:05:08,298 az Egyesült Királyságba vezetnek, 99 00:05:08,322 --> 00:05:10,130 ahol legjobb az adatnyilvántartás, 100 00:05:10,154 --> 00:05:13,436 és onnan a nyugati gyarmatosítás útvonalai mentén terjednek tovább. 101 00:05:13,460 --> 00:05:14,782 Nézzük! 102 00:05:15,143 --> 00:05:16,752 (Zene) 103 00:05:16,776 --> 00:05:19,117 [Születési év:] 104 00:05:19,705 --> 00:05:21,541 [1492 – Kolumbusz áthajózza az óceánt] 105 00:05:23,661 --> 00:05:25,661 [1620 – A Mayflower kiköt Massachusettsben] 106 00:05:26,726 --> 00:05:29,021 [1652 – A hollandok gyarmatosítják Dél-Afrikát] 107 00:05:32,321 --> 00:05:35,507 [1788 – Nagy-Britannia ausztráliai fegyencszállításai elkezdődnek] 108 00:05:35,531 --> 00:05:37,818 [1836 – Az első bevándorlók az Oregoni Ösvényen] 109 00:05:38,149 --> 00:05:41,332 [minden tevékenység] 110 00:05:43,851 --> 00:05:45,394 Szeretem ezt a filmet. 111 00:05:46,095 --> 00:05:50,511 Mivel a vándorlási események családok kapcsolódását jelzik, 112 00:05:50,535 --> 00:05:52,718 adódik egypár kérdés: 113 00:05:52,742 --> 00:05:56,212 Mekkora a jellemző távolság 114 00:05:56,236 --> 00:05:58,721 a férj és feleség születési helye közt? 115 00:05:59,072 --> 00:06:02,749 A távolság döntő szerepet játszik a demográfiában, 116 00:06:02,773 --> 00:06:06,454 mert a családalapítási célú vándorlás mintázata meghatározza, 117 00:06:06,478 --> 00:06:10,191 hogyan terjednek el a gének egyes területeken. 118 00:06:10,706 --> 00:06:13,034 Adataink alapján elemeztük a távolságokat, 119 00:06:13,058 --> 00:06:15,165 és rájöttünk, hogy a régi időkben 120 00:06:15,165 --> 00:06:16,602 az embereknek könnyű volt. 121 00:06:16,626 --> 00:06:18,950 A környékbeli falvakba házasodtak. 122 00:06:19,958 --> 00:06:23,461 Ám az ipari forradalom bonyolította szerelmi életünket. 123 00:06:23,687 --> 00:06:28,247 Ma a megfizethető repjegyek és az online közösségi média korában 124 00:06:28,271 --> 00:06:33,099 jellemzően több mint 100 km-re vándorolnak születési helyüktől, 125 00:06:33,123 --> 00:06:34,627 hogy lelki társra leljenek. 126 00:06:36,524 --> 00:06:37,711 Megkérdezhetik: 127 00:06:37,735 --> 00:06:42,231 Jó, de ki veszi magára családalapításért 128 00:06:42,255 --> 00:06:43,524 a vándorlás terhét? 129 00:06:43,548 --> 00:06:47,275 A férfiak vagy a nők? 130 00:06:47,752 --> 00:06:49,757 A kérdés megválaszolására 131 00:06:49,781 --> 00:06:52,525 legalább az utóbbi 300 év adatait fölhasználva 132 00:06:52,549 --> 00:06:53,819 arra jutottunk, 133 00:06:53,849 --> 00:06:59,253 hogy a hölgyek veszik magukra a családalapítás miatti vándorlás terhét. 134 00:06:59,476 --> 00:07:02,418 Ezek statisztikailag szignifikáns eredmények, 135 00:07:02,601 --> 00:07:06,072 így tudományos ténynek tekinthető, hogy a férfiak lusták. 136 00:07:06,096 --> 00:07:07,492 (Nevetés) 137 00:07:09,276 --> 00:07:11,812 A demográfiai kérdéseken túl 138 00:07:11,836 --> 00:07:14,749 egészségügyi kérdéseket is föltehetünk. 139 00:07:14,773 --> 00:07:16,034 Pl. megkérdezhetjük, 140 00:07:16,034 --> 00:07:19,079 hogy milyen a genetikai változatok szerepe 141 00:07:19,079 --> 00:07:22,244 az egyes személyek átlagos élettartamában? 142 00:07:22,988 --> 00:07:27,342 Korábbi kutatások elemezték az ikrek magas kora közti korrelációt, 143 00:07:27,362 --> 00:07:28,984 hogy választ leljenek a kérdésre. 144 00:07:29,411 --> 00:07:32,078 Úgy értékelték, hogy a genetikai változatok 145 00:07:32,102 --> 00:07:36,142 kb. negyed részben okozzák az egyének élettartama közti eltérést. 146 00:07:36,688 --> 00:07:39,286 De ikreknél ez nagyon sok okkal korrelál, 147 00:07:39,310 --> 00:07:41,614 pl. különböző környezeti hatásokkal 148 00:07:41,638 --> 00:07:43,260 vagy közös háztartással. 149 00:07:44,411 --> 00:07:48,164 A nagy családfákból elemezhetjük mind a közeli rokonokat, 150 00:07:48,188 --> 00:07:49,395 pl. az ikreket, 151 00:07:49,419 --> 00:07:52,336 mind a távoli rokonokat, még a negyed-unokatestvéreket is. 152 00:07:52,749 --> 00:07:55,114 Így hatalmas modelleket vázolhatunk fel, 153 00:07:55,462 --> 00:07:58,875 amelyekből elválaszthatjuk a genetikai változatok hatását 154 00:07:59,194 --> 00:08:00,911 a környezeti tényezőkétől. 155 00:08:01,379 --> 00:08:04,278 Adatainkkal elvégeztük az elemzést, 156 00:08:04,302 --> 00:08:10,093 melyből kiderült, hogy csak 15%-ban magyarázzák genetikai változatok 157 00:08:10,117 --> 00:08:12,923 az egyes személyek élettartama közti különbséget. 158 00:08:14,760 --> 00:08:17,516 Ez átlagosan öt év. 159 00:08:18,316 --> 00:08:23,024 Tehát a gének az élettartam szempontjából kevésbé fontosak, mint ahogy hittük. 160 00:08:23,675 --> 00:08:25,811 Ezt jelentős eredménynek tartom, 161 00:08:26,438 --> 00:08:29,731 mert azt jelenti, hogy tetteink többet számítanak. 162 00:08:30,533 --> 00:08:34,807 A dohányzás pl. 10 évet vesz el az életünkből, 163 00:08:34,831 --> 00:08:37,477 kétszer annyit, mint amennyi a géneknek róható föl. 164 00:08:38,236 --> 00:08:40,525 Még meglepőbb dolgokra lelhetünk, 165 00:08:40,549 --> 00:08:42,041 ha elhagyjuk a családfákat, 166 00:08:42,065 --> 00:08:46,797 és hagyjuk, hogy a DNS-információt kutatóink dokumentálják. 167 00:08:46,821 --> 00:08:48,845 Az eredmény elképesztő lehet. 168 00:08:49,255 --> 00:08:53,170 Tán nehéz elképzelni, de Béla bácsi és barátai a DNS-ből 169 00:08:53,194 --> 00:08:55,840 igazságügyi orvostani képességeiket bizonyíthatják, 170 00:08:55,864 --> 00:08:59,423 amelyek meghaladják az FBI jelenlegi szintjét. 171 00:09:00,862 --> 00:09:03,266 Ha a DNS-t a hatalmas családfára illesztve 172 00:09:03,290 --> 00:09:05,407 jelzőfényt hozunk létre, 173 00:09:05,431 --> 00:09:08,065 amely százszámra világítja be a távoli rokonokat, 174 00:09:08,089 --> 00:09:11,579 akik mind kapcsolódnak az eredeti DNS-t adó személyhez. 175 00:09:12,505 --> 00:09:15,418 A nagy családfán több jelzőfényt elhelyezve 176 00:09:15,442 --> 00:09:19,009 ugyanazon módszerrel határozhatjuk meg ismeretlen személy DNS-ét, 177 00:09:19,009 --> 00:09:21,597 mint amelyet a GPS-rendszer használ 178 00:09:21,597 --> 00:09:24,370 műholdas helymeghatározásra. 179 00:09:25,226 --> 00:09:28,694 E technika hatékonyságára kiváló példa 180 00:09:28,714 --> 00:09:31,549 a Golden State Killernek nevezett sorozatgyilkos elkapása, 181 00:09:32,612 --> 00:09:36,967 aki az USA történetének egyik leghírhedtebb bűnözője. 182 00:09:37,164 --> 00:09:43,056 Korábban az FBI több mint 40 évig kereste. 183 00:09:43,588 --> 00:09:45,423 Megvolt a DNS-e, 184 00:09:45,447 --> 00:09:48,797 de egyetlen rendőrségi adatbázisban sem bukkantak rá. 185 00:09:49,447 --> 00:09:54,159 Kb. egy éve az FBI genetikus családfakutatótól kért tanácsot, 186 00:09:54,183 --> 00:09:58,133 ő meg javasolta, hogy juttassák el bűnöző DNS-ét a kutatószolgálathoz, 187 00:09:58,157 --> 00:10:00,555 amely megtalálhatja a távoli rokonokat. 188 00:10:01,117 --> 00:10:02,273 Így is tettek, 189 00:10:02,297 --> 00:10:05,989 és föllelték a Golden State Killer harmad-unokatestvérét. 190 00:10:06,013 --> 00:10:08,024 Óriási családfát állítottak össze, 191 00:10:08,381 --> 00:10:09,927 beszkennelték a fa ágait, 192 00:10:09,937 --> 00:10:11,643 és végül profilra találtak, 193 00:10:11,673 --> 00:10:15,677 amely a Golden State Killer néven ismert személyre pontosan ráillett. 194 00:10:15,701 --> 00:10:19,293 DNS-mintát vettek tőle, és tökéletes volt az egyezés 195 00:10:19,317 --> 00:10:21,342 az FBI-nál lévő DNS-sel. 196 00:10:21,366 --> 00:10:22,519 Letartóztatták, 197 00:10:22,519 --> 00:10:25,164 és bíróság elé állították annyi év után. 198 00:10:26,172 --> 00:10:29,413 Azt követően a genetikus családfakutatók 199 00:10:29,437 --> 00:10:32,105 kezdtek együttműködni az USA helyi bűnüldöző szerveivel 200 00:10:32,129 --> 00:10:35,140 hogy e technikával kapják el a bűnözőket. 201 00:10:35,521 --> 00:10:38,202 Csupán az utóbbi fél évben e technikával 202 00:10:38,226 --> 00:10:42,522 több mint 20 döglött aktát sikerült megoldaniuk. 203 00:10:44,203 --> 00:10:48,839 Szerencsére vannak olyanok, mint Béla bácsi és családfakutató társai. 204 00:10:49,045 --> 00:10:52,039 Ők nem önérdekű műkedvelők, 205 00:10:52,602 --> 00:10:59,021 hanem szenvedélyes tudóstársaink, akiknek célja megmondani, kik vagyunk. 206 00:10:59,065 --> 00:11:03,523 Tudják, a múlt kulcs lehet a jövőhöz. 207 00:11:04,067 --> 00:11:05,250 Köszönöm szépen. 208 00:11:05,314 --> 00:11:06,353 (Taps)