WEBVTT

00:00:00.817 --> 00:00:04.269
사람들은 다양한 이유로 
인터넷을 사용합니다.

00:00:05.765 --> 00:00:09.569
알고 보니 가장 인기 있는
웹사이트 중 하나는

00:00:09.593 --> 00:00:12.465
대개 사람들이 개인적으로 소비하는 
어떤 것이었습니다.

00:00:13.639 --> 00:00:16.149
그것은 호기심과

00:00:16.173 --> 00:00:19.969
무의미한 수준의 자기 방종을 포함하며

00:00:19.993 --> 00:00:24.603
다른 사람들의 생식 활동을 
기록하는 데 중점을 둡니다.

NOTE Paragraph

00:00:24.610 --> 00:00:25.642
(웃음)

00:00:25.666 --> 00:00:27.916
당연히 제가 얘기하는 건 가계도인데요.

NOTE Paragraph

00:00:27.940 --> 00:00:29.154
(웃음)

00:00:29.178 --> 00:00:30.880
가족사의 연구 말입니다.

NOTE Paragraph

00:00:31.353 --> 00:00:33.390
가족사를 자세히 설명하자면,

00:00:33.414 --> 00:00:37.357
모든 가족 중에는 
족보에 집착하는 사람이 있죠.

00:00:37.381 --> 00:00:39.094
그를 버니 삼촌이라고 합시다.

00:00:39.118 --> 00:00:44.520
추수감사절 만찬에서 당신은 결코 
버니 삼촌 옆에는 앉지 않을 겁니다.

00:00:44.547 --> 00:00:47.361
그는 어떤 고대 친척들에 관한 
이상한 정보로

00:00:47.385 --> 00:00:49.351
당신을 지루하게 만들 거니까요.

00:00:50.462 --> 00:00:51.724
하지만 당신도 알다시피

00:00:51.748 --> 00:00:54.620
모든 것에는 과학적인 면이 있으며

00:00:54.644 --> 00:00:57.622
우리는 버니 삼촌의 이야기가 
생명 의학 연구에

00:00:57.646 --> 00:01:00.814
엄청난 잠재력을 가졌다는 것을 
알게 되었습니다.

NOTE Paragraph

00:01:01.306 --> 00:01:04.020
우리는 버니 삼촌과 동료 계보학자들에게

00:01:04.044 --> 00:01:08.712
지니닷컴이라는 계보학 사이트를 통해 
그들의 가계도를 기록하도록 했습니다.

00:01:09.198 --> 00:01:11.326
사용자들이 가계도를 
웹사이트에 올리면,

00:01:11.350 --> 00:01:13.040
그 사이트는 친척을 찾아보고

00:01:13.064 --> 00:01:15.139
기존의 것과 일치하는 것을 발견하면

00:01:15.163 --> 00:01:18.773
새로운 것을 기존 버전과 합칩니다.

00:01:19.768 --> 00:01:22.718
그러면 각 계보학자의 
개인적인 수준을 넘는

00:01:22.742 --> 00:01:26.221
더 큰 가계도가 만들어지게 됩니다.

00:01:26.808 --> 00:01:30.937
이제 이 과정을 반복해서 전 세계의

00:01:30.961 --> 00:01:32.778
수백만 명의 사람들과 함께

00:01:32.802 --> 00:01:38.334
모든 인류의 가계도 구조를 
크라우드 소싱할 수 있습니다.

NOTE Paragraph

00:01:39.292 --> 00:01:40.876
이 웹사이트를 사용해서

00:01:40.900 --> 00:01:45.713
1억 2천 5백만 명의 사람들을

00:01:45.737 --> 00:01:48.258
하나의 가계도로 
연결할 수 있었습니다.

00:01:48.967 --> 00:01:51.755
여기 스크린에 그 가계도를
그릴 순 없습니다.

00:01:51.779 --> 00:01:53.944
이 가계도에 있는 사람들의 수보다

00:01:53.968 --> 00:01:56.481
픽셀 수가 적기 때문이죠.

00:01:56.505 --> 00:02:01.515
하지만 여기 6000명의 
하위 집합의 예가 있습니다.

00:02:02.159 --> 00:02:04.521
각 녹색 점은 한 사람을 나타냅니다.

00:02:05.060 --> 00:02:07.909
빨간 점들은 결혼을 나타내고요.

00:02:07.933 --> 00:02:10.191
그리고 연결선들은 부모를 나타냅니다.

00:02:10.557 --> 00:02:12.929
이 가계도 중앙에는 조상들이 보이죠.

00:02:12.953 --> 00:02:15.557
그리고 주변부로 가면 
그 자손들을 볼 수 있습니다.

00:02:15.581 --> 00:02:18.683
이 가계도에는 약 7세대가 있네요.

NOTE Paragraph

00:02:19.692 --> 00:02:22.926
개인의 숫자를
7만 명까지 늘렸을 때는

00:02:22.950 --> 00:02:24.778
이렇게 되겠죠.

00:02:24.802 --> 00:02:29.132
우리가 가진 모든 데이터에 비하면 
여전히 아주 작은 부분집합입니다.

00:02:29.629 --> 00:02:34.442
그럼에도 불구하고, 
이미 많은 먼 친척들로 구성된

00:02:34.466 --> 00:02:37.121
거대한 가계도가 형성되는 것을 
볼 수 있습니다.

NOTE Paragraph

00:02:37.610 --> 00:02:40.744
많은 계보학자들의 노고 덕분에

00:02:40.768 --> 00:02:43.871
우리는 수백 년 전 과거로 
돌아갈 수 있습니다.

00:02:44.418 --> 00:02:47.859
예를 들자면, 
여기 알렉산더 해밀턴이 있습니다.

00:02:47.883 --> 00:02:50.358
그는 1755년에 태어났죠.

00:02:50.872 --> 00:02:54.636
알렉산더는 미국의 
초대 재무 장관이었지만

00:02:54.660 --> 00:02:58.491
대부분 알려진 건 오늘날 
브로드웨이 뮤지컬의 인기 덕택이죠.

00:02:59.137 --> 00:03:04.059
알렉산더가 연예 산업에 
깊은 연줄이 있다는 걸 알게 됐습니다.

00:03:04.083 --> 00:03:06.194
사실, 그는 친척 관계입니다.

00:03:06.781 --> 00:03:08.001
바로 케빈 베이컨이랑요!

NOTE Paragraph

00:03:08.025 --> 00:03:10.057
(웃음)

NOTE Paragraph

00:03:10.081 --> 00:03:12.687
그들 모두 스코틀랜드 출신인 
한 여인의 후손입니다.

00:03:12.711 --> 00:03:15.025
그녀는 13세기 사람이죠.

00:03:15.049 --> 00:03:18.151
따라서 알렉산더 해밀턴와 케빈 베이컨은

00:03:18.175 --> 00:03:21.363
35대가 차이 나는 
친척이라고 할 수 있죠.

NOTE Paragraph

00:03:21.387 --> 00:03:22.828
(웃음)

NOTE Paragraph

00:03:22.852 --> 00:03:26.082
이처럼 우리 가계도는 
수백만 개의 이야기를 가지고 있습니다.

NOTE Paragraph

00:03:28.113 --> 00:03:33.003
저희는 데이터의 우수함을 입증하기 위해
상당한 노력을 기울였습니다.

00:03:33.027 --> 00:03:38.418
DNA를 이용해서 데이터에 있는
어머니와 아이들의 관계 중 0.3%가

00:03:38.442 --> 00:03:39.692
잘못됐다는 것을 발견했습니다.

00:03:39.716 --> 00:03:43.307
이것은 제2차 세계대전 이전 
미국의 입양률과 일치할 겁니다.

NOTE Paragraph

00:03:44.847 --> 00:03:46.632
아버지의 경우에는

00:03:46.656 --> 00:03:48.617
더 좋지 않네요.

00:03:50.149 --> 00:03:55.749
데이터 중 아버지와 아이들의 관계는
1.9%의 비율로 잘못되었습니다.

00:03:55.773 --> 00:03:58.136
여기 몇몇 분들이
웃고 계신 게 보이네요.

00:03:58.160 --> 00:03:59.877
여러분들이 생각하는 것처럼

00:03:59.901 --> 00:04:01.690
그곳엔 많은 우유배달원들이 있었죠.

00:04:01.714 --> 00:04:02.778
(웃음)

00:04:02.802 --> 00:04:06.791
하지만 이러한 부계 관계의
1.9% 오차율이

00:04:06.815 --> 00:04:08.584
우리 자료에 국한된 것은 아닙니다.

00:04:08.608 --> 00:04:11.677
임상 등급의 가계도를 사용했었던 
이전 연구 자료도

00:04:11.701 --> 00:04:13.722
비슷한 오차율이 발견됐습니다.

00:04:14.254 --> 00:04:16.779
따라서 데이터의 품질은 우수한 것이고,

00:04:16.803 --> 00:04:18.936
그게 놀라운 일은 아닙니다.

00:04:18.960 --> 00:04:22.736
우리 계보학자들은 
가족사를 정확하게 기록하는 데

00:04:22.760 --> 00:04:26.428
깊은 관심과 기득권을 가지고 있습니다.

NOTE Paragraph

00:04:28.594 --> 00:04:33.185
우리는 이 데이터를 활용해 
인류의 양적 정보를 배울 수 있습니다.

00:04:33.209 --> 00:04:35.805
예를 들면 인구통계학에 관한 
문제 같은 거죠.

00:04:35.829 --> 00:04:39.686
여기 세계지도에 
우리 모두의 프로필이 있습니다.

00:04:40.250 --> 00:04:44.731
각각의 픽셀은 
특정 시점에 살았던 사람입니다.

00:04:44.755 --> 00:04:46.435
이 데이터는 아주 방대하기때문에,

00:04:46.459 --> 00:04:49.240
여러분은 많은 나라들, 
특히 서구 세계의

00:04:49.264 --> 00:04:51.363
경계를 볼 수 있을 겁니다.

00:04:51.387 --> 00:04:54.935
이 동영상에서는 여러분들에게 
보여드린 지도를 계층화했습니다.

00:04:54.959 --> 00:05:00.031
1400년부터 1900년까지 
개인의 출생연도를 기준으로요.

00:05:00.055 --> 00:05:02.821
그리고 잘 알려진 이주 사건들과
그걸 비교했어요.

00:05:03.482 --> 00:05:06.647
이 동영상은 데이터의 가장 깊은 혈통이
거슬러 올라가보면

00:05:06.671 --> 00:05:08.298
영국까지 간다는 걸 보여줍니다.

00:05:08.322 --> 00:05:10.130
영국의 기록은 잘 유지되고 있었죠.

00:05:10.154 --> 00:05:13.436
그들은 서구 식민주의의 루트를 따라 
퍼져나갔습니다.

00:05:13.460 --> 00:05:14.782
이걸 한 번 보시죠.

00:05:15.143 --> 00:05:16.752
(음악)

00:05:16.776 --> 00:05:19.117
[출생연도]

00:05:19.705 --> 00:05:21.541
[1492 - 콜럼버스 대양 항해]

00:05:23.661 --> 00:05:25.861
[1620 - 메이플라워호 
매사추세츠 상륙]

00:05:26.726 --> 00:05:28.861
[1652 - 네덜란드인 
남아프리카 정착]

00:05:32.321 --> 00:05:34.451
[1788 - 대영제국 
호주로 유배 시작]

00:05:34.451 --> 00:05:36.988
[1836 - 최초 이민자들 
오리건 산길 이용]

00:05:38.149 --> 00:05:41.332
[모든 활동]

NOTE Paragraph

00:05:43.851 --> 00:05:45.394
저는 이 영화를 좋아합니다.

NOTE Paragraph

00:05:45.418 --> 00:05:50.511
이 이주 사건들이 
가족의 맥락을 말해주고 있기 때문에

00:05:50.535 --> 00:05:52.718
우리는 이런 질문을 할 수 있습니다.

00:05:52.742 --> 00:05:59.052
남편과 아내의 출생지 사이의 
일반적인 거리는 얼마입니까?

00:05:59.072 --> 00:06:02.749
이 거리는 인구통계학에서 
중요한 역할을 합니다.

00:06:02.773 --> 00:06:06.454
왜냐하면 사람들이 가족을 이루기 위해 
이주하는 패턴이

00:06:06.478 --> 00:06:10.191
유전자가 지리적으로 어떻게 확산되는지 
결정하기 때문이죠.

00:06:10.706 --> 00:06:13.034
우리는 데이터를 사용하여 
이 거리를 분석했고

00:06:13.058 --> 00:06:16.578
옛날 사람들의 경우에는 
분석하기 쉬웠다는 걸 알게 됐습니다.

00:06:16.626 --> 00:06:19.220
사람들은 근처 마을의 누군가와 
결혼했습니다.

00:06:19.958 --> 00:06:23.663
하지만 산업혁명은 우리의 애정생활을 
정말 복잡하게 만들었습니다.

00:06:23.687 --> 00:06:28.247
그리고 오늘날엔 저렴한 항공편과 
온라인 소셜미디어와 함께

00:06:28.271 --> 00:06:33.099
사람들은 출생지에서 100km 이상 
떨어진 곳으로 이동하죠.

00:06:33.123 --> 00:06:34.627
소울메이트를 찾기 위해서요.

NOTE Paragraph

00:06:36.524 --> 00:06:37.711
여기서 나오는 질문이,

00:06:37.735 --> 00:06:42.231
좋아요. 그런데 가족을 이루기 위해
누가 이곳저곳 이동하는

00:06:42.255 --> 00:06:43.524
힘든 일을 하죠?

00:06:43.548 --> 00:06:47.275
남성들인가요, 여성들인가요?

00:06:47.752 --> 00:06:49.907
답을 찾기 위해 
우리 데이터를 사용했죠.

00:06:49.931 --> 00:06:52.525
그리고 적어도 지난 300년 동안

00:06:52.549 --> 00:06:56.432
여성들이 이 힘든 일을 
했다는 것을 발견했죠.

00:06:56.456 --> 00:06:59.452
가족을 이루기 위해 
이곳저곳 옮겨가는 일이요.

00:06:59.476 --> 00:07:02.577
이 결과는 통계적으로 중요합니다.

00:07:02.601 --> 00:07:06.072
남자들이 게으르다는 것을 
과학적 사실로 받아들일 수 있으니까요.

NOTE Paragraph

00:07:06.096 --> 00:07:09.252
(웃음)

NOTE Paragraph

00:07:09.276 --> 00:07:11.812
우리는 인구통계학에 관한
질문으로부터 벗어나

00:07:11.836 --> 00:07:14.749
인간의 건강에 대해 
질문할 수 있습니다.

00:07:14.773 --> 00:07:16.260
예를 들면, 우리는

00:07:16.284 --> 00:07:21.247
유전자 변이가 개인 간 수명 차이를
어느 정도까지 설명할 수 있는지

00:07:21.271 --> 00:07:22.465
물어볼 수 있습니다.

00:07:22.988 --> 00:07:28.778
이전 연구들은 이 문제를 풀기 위해 
쌍둥이의 장수의 상관관계를 분석했습니다.

00:07:29.411 --> 00:07:32.078
그들은 유전자 변이가 
개인 간 수명 차이의

00:07:32.102 --> 00:07:36.142
약 4분의 1을 차지한다고 
추정했습니다.

00:07:36.688 --> 00:07:39.286
하지만 쌍둥이는 많은 이유로
상관관계가 있겠죠.

00:07:39.310 --> 00:07:41.614
다양한 환경적 요인이나

00:07:41.638 --> 00:07:43.260
공동 가정을 포함해서요.

00:07:44.411 --> 00:07:48.164
큰 가계도는 가까운 친척 모두를 
분석할 수 있는 기회가 됩니다.

00:07:48.188 --> 00:07:49.395
쌍둥이와 뿐만 아니라,

00:07:49.419 --> 00:07:52.336
심지어 10촌 같은 먼 친척까지요.

00:07:52.749 --> 00:07:55.438
이런 식으로 우리는 
강력한 모델을 구축할 수 있죠.

00:07:55.462 --> 00:08:00.760
그 모델은 환경적 요인으로부터 
유전자 변이의 영향을 구별할 수 있습니다.

00:08:01.379 --> 00:08:04.278
우리는 데이터를 사용하여
이 분석을 수행했고

00:08:04.302 --> 00:08:10.093
유전적 변이가 개인 간 
수명 차이 중 약 15%만을

00:08:10.117 --> 00:08:12.923
설명해 준다는 것을 발견했습니다.

00:08:14.760 --> 00:08:17.516
그건 평균적으로 5년입니다.

00:08:18.316 --> 00:08:23.024
따라서 유전자는 수명에 있어 
우리가 생각했던 것보다 덜 중요합니다.

00:08:23.675 --> 00:08:25.811
그리고 그건 좋은 소식입니다.

00:08:26.438 --> 00:08:29.731
우리의 행동이 더 중요할 수 있음을 
의미하기 때문이죠.

00:08:30.533 --> 00:08:34.807
예를 들어 흡연이 
기대수명의 10년을 결정한다면

00:08:34.831 --> 00:08:37.477
이건 유전자가 결정하는 것보다 
두 배나 많습니다.

NOTE Paragraph

00:08:38.236 --> 00:08:40.525
심지어 더 놀라운 결과가 있습니다.

00:08:40.549 --> 00:08:42.041
우리가 가계도를 떠나서

00:08:42.065 --> 00:08:46.797
계보학자들에게 DNA 정보를 문서화하고
크라우드 소싱하게 했을 때

00:08:46.821 --> 00:08:48.845
그 결과는 놀라웠습니다.

00:08:49.255 --> 00:08:53.170
상상하기 어렵겠지만 
버니 삼촌과 그의 친구들은

00:08:53.194 --> 00:08:54.864
DNA 법의학을 만들 수 있어요.

NOTE Paragraph

00:08:55.864 --> 00:08:59.423
그건 심지어 FBI의 것보다 낫죠.

00:09:00.862 --> 00:09:03.266
큰 가계도에 DNA를 넣으면,


00:09:03.290 --> 00:09:05.431
효과적인 불빛을 만들어


00:09:05.431 --> 00:09:08.065
수백 명의 먼 친척들을
표시할 수 있게 되죠.

00:09:08.089 --> 00:09:11.579
그들은 모두 특정 DNA로를 타고난 
한 사람과 연결되어 있습니다.

00:09:12.505 --> 00:09:15.418
대형 가계도에 
여러 개의 비콘을 배치함으로써

00:09:15.442 --> 00:09:19.162
여러분들은 알려지지 않은 사람의 
DNA를 삼각측량할 수 있습니다.

00:09:19.186 --> 00:09:23.124
GPA 시스템이 위치를 찾기 위해 
여러 개의 위성을 사용하는 방식과

00:09:23.148 --> 00:09:24.472
같은 방식이죠.

NOTE Paragraph

00:09:25.226 --> 00:09:28.850
이 기술의 가장 큰 예는

00:09:28.874 --> 00:09:31.549
골든스테이트 킬러를 잡은 일입니다.

00:09:32.612 --> 00:09:37.140
그는 미국 역사상 
가장 악명 높은 범죄자 중 한 명이죠.

00:09:37.164 --> 00:09:43.056
FBI는 40년 넘게 이 사람을 
찾고 있었습니다.

00:09:43.588 --> 00:09:45.423
FBI는 그의 DNA를 가지고 있었지만

00:09:45.447 --> 00:09:48.797
그는 어떤 경찰 데이터베이스에도 
나타나지 않았죠.

00:09:49.447 --> 00:09:54.159
약 1년 전, FBI는 
한 유전 계보학자와 상담했고

00:09:54.183 --> 00:09:58.133
그녀는 FBI에게 그의 DNA를 
계보학회에 제출하라고 했습니다.

00:09:58.157 --> 00:10:00.555
그걸로 먼 친척을 찾을 수 있으니까요.

00:10:01.117 --> 00:10:02.273
그들은 그렇게 했고

00:10:02.297 --> 00:10:05.989
골든스테이트 킬러의 8촌을 찾았습니다.

00:10:06.013 --> 00:10:08.357
그들은 큰 가계도를 만들었고

00:10:08.381 --> 00:10:10.483
그 가계도의 다른 가지들을 
훑어봤습니다.

00:10:10.507 --> 00:10:13.072
골든스테이트 킬러에 대해 
알고 있는 것과

00:10:13.096 --> 00:10:15.677
정확히 일치하는 
프로필을 찾을 때까지요.

00:10:15.701 --> 00:10:19.293
이 사람으로부터 얻은 DNA가
그들이 가지고 있는 DNA와

00:10:19.317 --> 00:10:21.342
정확히 일치하는 것을 발견했습니다.

00:10:21.366 --> 00:10:23.716
그는 체포됐고 법의 심판을 
받게 됐습니다.

00:10:23.740 --> 00:10:25.164
이 모든 세월이 지난 후에요.

00:10:26.172 --> 00:10:29.413
그 이후로 유전 계보학자들은 
미국 지방 법 집행기관과

00:10:29.437 --> 00:10:32.105
함께 일하기 시작했습니다.

00:10:32.129 --> 00:10:35.491
범인을 잡는데 
이 기술을 사용하기 위해서죠.

00:10:35.521 --> 00:10:38.202
그리고 지난 6개월 동안만 해도

00:10:38.226 --> 00:10:42.522
이 기술로 20개 넘는 미제 사건들을 
해결할 수 있었습니다.

NOTE Paragraph

00:10:44.203 --> 00:10:48.839
다행히도 우리에게는 버니 삼촌과 
동료 계보학자와 같은 사람들이 있죠.

00:10:49.045 --> 00:10:52.039
그들은 이기적인 취미를 가진 
아마추어가 아닙니다.

00:10:52.602 --> 00:10:59.021
그들은 우리가 누구인지 알려주려는
깊은 열정을 가진 시민과학자이며

00:10:59.065 --> 00:11:03.523
과거가 미래의 열쇠를 
쥐고 있다는 것을 압니다.

00:11:04.066 --> 00:11:05.306
대단히 감사합니다.

NOTE Paragraph

00:11:05.310 --> 00:11:06.130
(박수)