YouTube

Teniu un compte YouTube?

New: enable viewer-created translations and captions on your YouTube channel!

Hungarian subtítols

← Hogyan állítjuk össze a világ legnagyobb családfáját?

Obtén el codi d'incrustació
23 llengües

Showing Revision 7 created 10/26/2019 by Csaba Lóki.

  1. Más-más okból szoktuk
    az internetet használni.
  2. Kiderül, hogy a legnépszerűbb
    fajtájú weboldal
  3. főleg bizalmas körben használatos.
  4. Kíváncsiságot vált ki,
  5. vágyaink nem lényegtelen
    mértékű kielégítését,
  6. és mások szaporító
    tevékenységének rögzítése
  7. körül forog.
  8. (Nevetés)

  9. Persze, hogy a családfáról van szó!
  10. (Nevetés)

  11. A családtörténet tanulmányozásáról.
  12. Mikor családtörténetbe merülünk,

  13. minden családban akad valaki,
    aki a nemzedékrend megszállottja.
  14. Nevezzük Béla bácsinak.
  15. Béla bácsi mellett egyáltalán
    nem szeretnénk ülni
  16. családi találkozón,
  17. mert halálra fog untatni
  18. valamely távoli ősünkre vonatkozó
    sajátságos részletekkel.
  19. De mint tudják,
  20. mindennek létezik tudományos oldala is,
  21. és Béla bácsi történeteiből
  22. az orvosbiológiai kutatás
    mérhetetlenül sokat meríthet.
  23. Hagyjuk, hogy Béla bácsi
    és családfakutató társai

  24. rögzítsék családfájukat a geni.com
    nemzedékrendi honlapon.
  25. Mikor családfájukat feltöltik a használók,
  26. a program átfésüli a rokonságot,
  27. fölleli a kapcsolódási pontokat,
  28. és összeilleszti a családfákat.
  29. Ennek eredményeként
    óriási családfa jön létre,
  30. amely meghaladja bármely kutató szintjét.
  31. Ha a folyamatot milliónyi
    egyénnel megismételjük
  32. szerte a világon,
  33. összeáll az emberiség családfája.
  34. E weboldalon

  35. 125 millió főt tudtunk összekapcsolni
  36. közös családfává.
  37. Nem tudom a fát a kivetítőre fölrajzolni,
  38. mert kevesebb pixelből áll,
  39. mint a fán szereplők száma.
  40. De itt egy példa 6000 fő részhalmazára.
  41. Minden zöld csomópont egy-egy személy.
  42. A vörös csomópontok a házasságok,
  43. az összekötő vonalak a szülői kapcsolatok.
  44. A fa közepén az ősök láthatók.
  45. A szélek felé haladva
    a leszármazottakat látjuk.
  46. E fa kb. hét nemzedéket fog át.
  47. Ez történik, ha a személyek számát

  48. 70 ezerre növeljük:
  49. még mindig összes adatunk
    apró részhalmaza.
  50. Ennek dacára már kirajzolódik
  51. a rengeteg igen távoli
    rokonból álló óriási családfa.
  52. Családfakutatóink áldozatos
    munkájának köszönhetően

  53. több száz évvel visszamehetünk.
  54. Pl. ő itt Alexander Hamilton,
  55. aki 1755-ben született.
  56. Alexander volt az USA
    első pénzügyminisztere,
  57. de ma inkább a népszerű
    Broadway-musicalból ismert.
  58. Kiderült, hogy Alexandernek erős
    a kapcsolata a szórakoztatóiparral.
  59. Vérrokona...
  60. Kevin Bacon színésznek!
  61. (Nevetés)

  62. Mindketten egy 13. századi

  63. skót lady leszármazottai.
  64. Tehát Alexander Hamilton
  65. Kevin Bacon 35-öd fokú rokona.
  66. (Nevetés)

  67. A fa milliónyi hasonló
    történetet tartalmaz.

  68. Nagy erőt fektettünk be
    adataink minőség-ellenőrzésébe.

  69. DNS-vizsgálatokból derült ki,
  70. hogy adatainkban az anya-gyerek
    kapcsolat 0,3%-ban hamis,
  71. ami egybeesik az USA II. világháború
    előtti örökbe fogadási arányával.
  72. Az apai oldalon

  73. a helyzet sokkal rosszabb:
  74. adatainkban az apa-gyerek
    kapcsolat 1,9%-ban hamis.
  75. Látom, hogy egypáran ezen somolyognak.
  76. Biztos arra gondolnak,
  77. hogy mennyi postás jár-kel.
  78. (Nevetés)
  79. De az apai ági kapcsolatok
    1,9%-os hibaaránya
  80. adatainkban nem kivételes.
  81. Korábbi tanulmányok hasonló
    hibaarányt mutattak ki
  82. klinikai szintű családfák esetén.
  83. Tehát adataink jó minőségűek,
  84. és ez nem meglepő.
  85. Kutatóink alaposan
    és személyesen érdekeltek abban,
  86. hogy családtörténetüket
    megbízhatóan dokumentálják.
  87. Az adatokból számszerű tudáshoz
    juthatunk az emberiségről,

  88. pl. demográfiai kérdésekről.
  89. Itt van minden profilunk a világtérképen.
  90. Minden pixel egy-egy valaha élt ember.
  91. Mivel ilyen sok adatunk van,
  92. sok ország körvonalai láthatók,
  93. kiváltképp a nyugatiak.
  94. Ezen a klipen rétegekbe
    rendeztük az előbbi térképet
  95. a személyek 1400 és 1900
    közötti születési éve szerint,
  96. és az ismert vándorlási
    eseményekkel vetettük össze.
  97. A klip megmutatja, hogy adatainkból
    látható legmélyebb gyökerek
  98. az Egyesült Királyságba vezetnek,
  99. ahol legjobb az adatnyilvántartás,
  100. és onnan a nyugati gyarmatosítás
    útvonalai mentén terjednek tovább.
  101. Nézzük!
  102. (Zene)
  103. [Születési év:]
  104. [1492 – Kolumbusz áthajózza az óceánt]
  105. [1620 – A Mayflower
    kiköt Massachusettsben]
  106. [1652 – A hollandok
    gyarmatosítják Dél-Afrikát]
  107. [1788 – Nagy-Britannia ausztráliai
    fegyencszállításai elkezdődnek]
  108. [1836 – Az első bevándorlók
    az Oregoni Ösvényen]
  109. [minden tevékenység]
  110. Szeretem ezt a filmet.

  111. Mivel a vándorlási események
    családok kapcsolódását jelzik,

  112. adódik egypár kérdés:
  113. Mekkora a jellemző távolság
  114. a férj és feleség születési helye közt?
  115. A távolság döntő szerepet
    játszik a demográfiában,
  116. mert a családalapítási célú vándorlás
    mintázata meghatározza,
  117. hogyan terjednek el a gének
    egyes területeken.
  118. Adataink alapján elemeztük a távolságokat,
  119. és rájöttünk, hogy a régi időkben
  120. az embereknek könnyű volt.
  121. A környékbeli falvakba házasodtak.
  122. Ám az ipari forradalom bonyolította
    szerelmi életünket.
  123. Ma a megfizethető repjegyek
    és az online közösségi média korában
  124. jellemzően több mint 100 km-re
    vándorolnak születési helyüktől,
  125. hogy lelki társra leljenek.
  126. Megkérdezhetik:

  127. Jó, de ki veszi magára családalapításért
  128. a vándorlás terhét?
  129. A férfiak vagy a nők?
  130. A kérdés megválaszolására
  131. legalább az utóbbi 300 év
    adatait fölhasználva
  132. arra jutottunk,
  133. hogy a hölgyek veszik magukra
    a családalapítás miatti vándorlás terhét.
  134. Ezek statisztikailag
    szignifikáns eredmények,
  135. így tudományos ténynek tekinthető,
    hogy a férfiak lusták.
  136. (Nevetés)

  137. A demográfiai kérdéseken túl

  138. egészségügyi kérdéseket is föltehetünk.
  139. Pl. megkérdezhetjük,
  140. hogy milyen a genetikai változatok szerepe
  141. az egyes személyek átlagos élettartamában?
  142. Korábbi kutatások elemezték
    az ikrek magas kora közti korrelációt,
  143. hogy választ leljenek a kérdésre.
  144. Úgy értékelték,
    hogy a genetikai változatok
  145. kb. negyed részben okozzák
    az egyének élettartama közti eltérést.
  146. De ikreknél ez nagyon sok okkal korrelál,
  147. pl. különböző környezeti hatásokkal
  148. vagy közös háztartással.
  149. A nagy családfákból elemezhetjük
    mind a közeli rokonokat,
  150. pl. az ikreket,
  151. mind a távoli rokonokat, még
    a negyed-unokatestvéreket is.
  152. Így hatalmas modelleket vázolhatunk fel,
  153. amelyekből elválaszthatjuk
    a genetikai változatok hatását
  154. a környezeti tényezőkétől.
  155. Adatainkkal elvégeztük az elemzést,
  156. melyből kiderült, hogy csak 15%-ban
    magyarázzák genetikai változatok
  157. az egyes személyek élettartama
    közti különbséget.
  158. Ez átlagosan öt év.
  159. Tehát a gének az élettartam szempontjából
    kevésbé fontosak, mint ahogy hittük.
  160. Ezt jelentős eredménynek tartom,
  161. mert azt jelenti, hogy tetteink
    többet számítanak.
  162. A dohányzás pl. 10 évet
    vesz el az életünkből,
  163. kétszer annyit, mint amennyi
    a géneknek róható föl.
  164. Még meglepőbb dolgokra lelhetünk,

  165. ha elhagyjuk a családfákat,
  166. és hagyjuk, hogy a DNS-információt
    kutatóink dokumentálják.
  167. Az eredmény elképesztő lehet.
  168. Tán nehéz elképzelni,
    de Béla bácsi és barátai a DNS-ből
  169. igazságügyi orvostani
    képességeiket bizonyíthatják,
  170. amelyek meghaladják
    az FBI jelenlegi szintjét.
  171. Ha a DNS-t a hatalmas családfára illesztve
  172. jelzőfényt hozunk létre,
  173. amely százszámra világítja be
    a távoli rokonokat,
  174. akik mind kapcsolódnak
    az eredeti DNS-t adó személyhez.
  175. A nagy családfán
    több jelzőfényt elhelyezve
  176. ugyanazon módszerrel határozhatjuk meg
    ismeretlen személy DNS-ét,
  177. mint amelyet a GPS-rendszer használ
  178. műholdas helymeghatározásra.
  179. E technika hatékonyságára kiváló példa

  180. a Golden State Killernek
    nevezett sorozatgyilkos elkapása,
  181. aki az USA történetének
    egyik leghírhedtebb bűnözője.
  182. Korábban az FBI több mint 40 évig kereste.
  183. Megvolt a DNS-e,
  184. de egyetlen rendőrségi
    adatbázisban sem bukkantak rá.
  185. Kb. egy éve az FBI genetikus
    családfakutatótól kért tanácsot,
  186. ő meg javasolta, hogy juttassák el
    bűnöző DNS-ét a kutatószolgálathoz,
  187. amely megtalálhatja a távoli rokonokat.
  188. Így is tettek,
  189. és föllelték a Golden State Killer
    harmad-unokatestvérét.
  190. Óriási családfát állítottak össze,
  191. beszkennelték a fa ágait,
  192. és végül profilra találtak,
  193. amely a Golden State Killer néven
    ismert személyre pontosan ráillett.
  194. DNS-mintát vettek tőle,
    és tökéletes volt az egyezés
  195. az FBI-nál lévő DNS-sel.
  196. Letartóztatták,
  197. és bíróság elé állították annyi év után.
  198. Azt követően a genetikus családfakutatók
  199. kezdtek együttműködni
    az USA helyi bűnüldöző szerveivel
  200. hogy e technikával kapják el a bűnözőket.
  201. Csupán az utóbbi fél évben e technikával
  202. több mint 20 döglött aktát
    sikerült megoldaniuk.
  203. Szerencsére vannak olyanok,
    mint Béla bácsi és családfakutató társai.

  204. Ők nem önérdekű műkedvelők,
  205. hanem szenvedélyes tudóstársaink,
    akiknek célja megmondani, kik vagyunk.
  206. Tudják, a múlt kulcs lehet a jövőhöz.
  207. Köszönöm szépen.

  208. (Taps)