0:00:00.817,0:00:04.269
사람들은 다양한 이유로 [br]인터넷을 사용합니다.

0:00:05.765,0:00:09.569
알고 보니 가장 인기 있는[br]웹사이트 중 하나는

0:00:09.593,0:00:12.465
대개 사람들이 개인적으로 소비하는 [br]어떤 것이었습니다.

0:00:13.639,0:00:16.149
그것은 호기심과

0:00:16.173,0:00:19.969
무의미한 수준의 자기 방종을 포함하며

0:00:19.993,0:00:24.603
다른 사람들의 생식 활동을 [br]기록하는 데 중점을 둡니다.

0:00:24.610,0:00:25.642
(웃음)

0:00:25.666,0:00:27.916
당연히 제가 얘기하는 건 가계도인데요.

0:00:27.940,0:00:29.154
(웃음)

0:00:29.178,0:00:30.880
가족사의 연구 말입니다.

0:00:31.353,0:00:33.390
가족사를 자세히 설명하자면,

0:00:33.414,0:00:37.357
모든 가족 중에는 [br]족보에 집착하는 사람이 있죠.

0:00:37.381,0:00:39.094
그를 버니 삼촌이라고 합시다.

0:00:39.118,0:00:44.520
추수감사절 만찬에서 당신은 결코 [br]버니 삼촌 옆에는 앉지 않을 겁니다.

0:00:44.547,0:00:47.361
그는 어떤 고대 친척들에 관한 [br]이상한 정보로

0:00:47.385,0:00:49.351
당신을 지루하게 만들 거니까요.

0:00:50.462,0:00:51.724
하지만 당신도 알다시피

0:00:51.748,0:00:54.620
모든 것에는 과학적인 면이 있으며

0:00:54.644,0:00:57.622
우리는 버니 삼촌의 이야기가 [br]생명 의학 연구에

0:00:57.646,0:01:00.814
엄청난 잠재력을 가졌다는 것을 [br]알게 되었습니다.

0:01:01.306,0:01:04.020
우리는 버니 삼촌과 동료 계보학자들에게

0:01:04.044,0:01:08.712
지니닷컴이라는 계보학 사이트를 통해 [br]그들의 가계도를 기록하도록 했습니다.

0:01:09.198,0:01:11.326
사용자들이 가계도를 [br]웹사이트에 올리면,

0:01:11.350,0:01:13.040
그 사이트는 친척을 찾아보고

0:01:13.064,0:01:15.139
기존의 것과 일치하는 것을 발견하면

0:01:15.163,0:01:18.773
새로운 것을 기존 버전과 합칩니다.

0:01:19.768,0:01:22.718
그러면 각 계보학자의 [br]개인적인 수준을 넘는

0:01:22.742,0:01:26.221
더 큰 가계도가 만들어지게 됩니다.

0:01:26.808,0:01:30.937
이제 이 과정을 반복해서 전 세계의

0:01:30.961,0:01:32.778
수백만 명의 사람들과 함께

0:01:32.802,0:01:38.334
모든 인류의 가계도 구조를 [br]크라우드 소싱할 수 있습니다.

0:01:39.292,0:01:40.876
이 웹사이트를 사용해서

0:01:40.900,0:01:45.713
1억 2천 5백만 명의 사람들을

0:01:45.737,0:01:48.258
하나의 가계도로 [br]연결할 수 있었습니다.

0:01:48.967,0:01:51.755
여기 스크린에 그 가계도를[br]그릴 순 없습니다.

0:01:51.779,0:01:53.944
이 가계도에 있는 사람들의 수보다

0:01:53.968,0:01:56.481
픽셀 수가 적기 때문이죠.

0:01:56.505,0:02:01.515
하지만 여기 6000명의 [br]하위 집합의 예가 있습니다.

0:02:02.159,0:02:04.521
각 녹색 점은 한 사람을 나타냅니다.

0:02:05.060,0:02:07.909
빨간 점들은 결혼을 나타내고요.

0:02:07.933,0:02:10.191
그리고 연결선들은 부모를 나타냅니다.

0:02:10.557,0:02:12.929
이 가계도 중앙에는 조상들이 보이죠.

0:02:12.953,0:02:15.557
그리고 주변부로 가면 [br]그 자손들을 볼 수 있습니다.

0:02:15.581,0:02:18.683
이 가계도에는 약 7세대가 있네요.

0:02:19.692,0:02:22.926
개인의 숫자를[br]7만 명까지 늘렸을 때는

0:02:22.950,0:02:24.778
이렇게 되겠죠.

0:02:24.802,0:02:29.132
우리가 가진 모든 데이터에 비하면 [br]여전히 아주 작은 부분집합입니다.

0:02:29.629,0:02:34.442
그럼에도 불구하고, [br]이미 많은 먼 친척들로 구성된

0:02:34.466,0:02:37.121
거대한 가계도가 형성되는 것을 [br]볼 수 있습니다.

0:02:37.610,0:02:40.744
많은 계보학자들의 노고 덕분에

0:02:40.768,0:02:43.871
우리는 수백 년 전 과거로 [br]돌아갈 수 있습니다.

0:02:44.418,0:02:47.859
예를 들자면, [br]여기 알렉산더 해밀턴이 있습니다.

0:02:47.883,0:02:50.358
그는 1755년에 태어났죠.

0:02:50.872,0:02:54.636
알렉산더는 미국의 [br]초대 재무 장관이었지만

0:02:54.660,0:02:58.491
대부분 알려진 건 오늘날 [br]브로드웨이 뮤지컬의 인기 덕택이죠.

0:02:59.137,0:03:04.059
알렉산더가 연예 산업에 [br]깊은 연줄이 있다는 걸 알게 됐습니다.

0:03:04.083,0:03:06.194
사실, 그는 친척 관계입니다.

0:03:06.781,0:03:08.001
바로 케빈 베이컨이랑요!

0:03:08.025,0:03:10.057
(웃음)

0:03:10.081,0:03:12.687
그들 모두 스코틀랜드 출신인 [br]한 여인의 후손입니다.

0:03:12.711,0:03:15.025
그녀는 13세기 사람이죠.

0:03:15.049,0:03:18.151
따라서 알렉산더 해밀턴와 케빈 베이컨은

0:03:18.175,0:03:21.363
35대가 차이 나는 [br]친척이라고 할 수 있죠.

0:03:21.387,0:03:22.828
(웃음)

0:03:22.852,0:03:26.082
이처럼 우리 가계도는 [br]수백만 개의 이야기를 가지고 있습니다.

0:03:28.113,0:03:33.003
저희는 데이터의 우수함을 입증하기 위해[br]상당한 노력을 기울였습니다.

0:03:33.027,0:03:38.418
DNA를 이용해서 데이터에 있는[br]어머니와 아이들의 관계 중 0.3%가

0:03:38.442,0:03:39.692
잘못됐다는 것을 발견했습니다.

0:03:39.716,0:03:43.307
이것은 제2차 세계대전 이전 [br]미국의 입양률과 일치할 겁니다.

0:03:44.847,0:03:46.632
아버지의 경우에는

0:03:46.656,0:03:48.617
더 좋지 않네요.

0:03:50.149,0:03:55.749
데이터 중 아버지와 아이들의 관계는[br]1.9%의 비율로 잘못되었습니다.

0:03:55.773,0:03:58.136
여기 몇몇 분들이[br]웃고 계신 게 보이네요.

0:03:58.160,0:03:59.877
여러분들이 생각하는 것처럼

0:03:59.901,0:04:01.690
그곳엔 많은 우유배달원들이 있었죠.

0:04:01.714,0:04:02.778
(웃음)

0:04:02.802,0:04:06.791
하지만 이러한 부계 관계의[br]1.9% 오차율이

0:04:06.815,0:04:08.584
우리 자료에 국한된 것은 아닙니다.

0:04:08.608,0:04:11.677
임상 등급의 가계도를 사용했었던 [br]이전 연구 자료도

0:04:11.701,0:04:13.722
비슷한 오차율이 발견됐습니다.

0:04:14.254,0:04:16.779
따라서 데이터의 품질은 우수한 것이고,

0:04:16.803,0:04:18.936
그게 놀라운 일은 아닙니다.

0:04:18.960,0:04:22.736
우리 계보학자들은 [br]가족사를 정확하게 기록하는 데

0:04:22.760,0:04:26.428
깊은 관심과 기득권을 가지고 있습니다.

0:04:28.594,0:04:33.185
우리는 이 데이터를 활용해 [br]인류의 양적 정보를 배울 수 있습니다.

0:04:33.209,0:04:35.805
예를 들면 인구통계학에 관한 [br]문제 같은 거죠.

0:04:35.829,0:04:39.686
여기 세계지도에 [br]우리 모두의 프로필이 있습니다.

0:04:40.250,0:04:44.731
각각의 픽셀은 [br]특정 시점에 살았던 사람입니다.

0:04:44.755,0:04:46.435
이 데이터는 아주 방대하기때문에,

0:04:46.459,0:04:49.240
여러분은 많은 나라들, [br]특히 서구 세계의

0:04:49.264,0:04:51.363
경계를 볼 수 있을 겁니다.

0:04:51.387,0:04:54.935
이 동영상에서는 여러분들에게 [br]보여드린 지도를 계층화했습니다.

0:04:54.959,0:05:00.031
1400년부터 1900년까지 [br]개인의 출생연도를 기준으로요.

0:05:00.055,0:05:02.821
그리고 잘 알려진 이주 사건들과[br]그걸 비교했어요.

0:05:03.482,0:05:06.647
이 동영상은 데이터의 가장 깊은 혈통이[br]거슬러 올라가보면

0:05:06.671,0:05:08.298
영국까지 간다는 걸 보여줍니다.

0:05:08.322,0:05:10.130
영국의 기록은 잘 유지되고 있었죠.

0:05:10.154,0:05:13.436
그들은 서구 식민주의의 루트를 따라 [br]퍼져나갔습니다.

0:05:13.460,0:05:14.782
이걸 한 번 보시죠.

0:05:15.143,0:05:16.752
(음악)

0:05:16.776,0:05:19.117
[출생연도]

0:05:19.705,0:05:21.541
[1492 - 콜럼버스 대양 항해]

0:05:23.661,0:05:25.861
[1620 - 메이플라워호 [br]매사추세츠 상륙]

0:05:26.726,0:05:28.861
[1652 - 네덜란드인 [br]남아프리카 정착]

0:05:32.321,0:05:34.451
[1788 - 대영제국 [br]호주로 유배 시작]

0:05:34.451,0:05:36.988
[1836 - 최초 이민자들 [br]오리건 산길 이용]

0:05:38.149,0:05:41.332
[모든 활동]

0:05:43.851,0:05:45.394
저는 이 영화를 좋아합니다.

0:05:45.418,0:05:50.511
이 이주 사건들이 [br]가족의 맥락을 말해주고 있기 때문에

0:05:50.535,0:05:52.718
우리는 이런 질문을 할 수 있습니다.

0:05:52.742,0:05:59.052
남편과 아내의 출생지 사이의 [br]일반적인 거리는 얼마입니까?

0:05:59.072,0:06:02.749
이 거리는 인구통계학에서 [br]중요한 역할을 합니다.

0:06:02.773,0:06:06.454
왜냐하면 사람들이 가족을 이루기 위해 [br]이주하는 패턴이

0:06:06.478,0:06:10.191
유전자가 지리적으로 어떻게 확산되는지 [br]결정하기 때문이죠.

0:06:10.706,0:06:13.034
우리는 데이터를 사용하여 [br]이 거리를 분석했고

0:06:13.058,0:06:16.578
옛날 사람들의 경우에는 [br]분석하기 쉬웠다는 걸 알게 됐습니다.

0:06:16.626,0:06:19.220
사람들은 근처 마을의 누군가와 [br]결혼했습니다.

0:06:19.958,0:06:23.663
하지만 산업혁명은 우리의 애정생활을 [br]정말 복잡하게 만들었습니다.

0:06:23.687,0:06:28.247
그리고 오늘날엔 저렴한 항공편과 [br]온라인 소셜미디어와 함께

0:06:28.271,0:06:33.099
사람들은 출생지에서 100km 이상 [br]떨어진 곳으로 이동하죠.

0:06:33.123,0:06:34.627
소울메이트를 찾기 위해서요.

0:06:36.524,0:06:37.711
여기서 나오는 질문이,

0:06:37.735,0:06:42.231
좋아요. 그런데 가족을 이루기 위해[br]누가 이곳저곳 이동하는

0:06:42.255,0:06:43.524
힘든 일을 하죠?

0:06:43.548,0:06:47.275
남성들인가요, 여성들인가요?

0:06:47.752,0:06:49.907
답을 찾기 위해 [br]우리 데이터를 사용했죠.

0:06:49.931,0:06:52.525
그리고 적어도 지난 300년 동안

0:06:52.549,0:06:56.432
여성들이 이 힘든 일을 [br]했다는 것을 발견했죠.

0:06:56.456,0:06:59.452
가족을 이루기 위해 [br]이곳저곳 옮겨가는 일이요.

0:06:59.476,0:07:02.577
이 결과는 통계적으로 중요합니다.

0:07:02.601,0:07:06.072
남자들이 게으르다는 것을 [br]과학적 사실로 받아들일 수 있으니까요.

0:07:06.096,0:07:09.252
(웃음)

0:07:09.276,0:07:11.812
우리는 인구통계학에 관한[br]질문으로부터 벗어나

0:07:11.836,0:07:14.749
인간의 건강에 대해 [br]질문할 수 있습니다.

0:07:14.773,0:07:16.260
예를 들면, 우리는

0:07:16.284,0:07:21.247
유전자 변이가 개인 간 수명 차이를[br]어느 정도까지 설명할 수 있는지

0:07:21.271,0:07:22.465
물어볼 수 있습니다.

0:07:22.988,0:07:28.778
이전 연구들은 이 문제를 풀기 위해 [br]쌍둥이의 장수의 상관관계를 분석했습니다.

0:07:29.411,0:07:32.078
그들은 유전자 변이가 [br]개인 간 수명 차이의

0:07:32.102,0:07:36.142
약 4분의 1을 차지한다고 [br]추정했습니다.

0:07:36.688,0:07:39.286
하지만 쌍둥이는 많은 이유로[br]상관관계가 있겠죠.

0:07:39.310,0:07:41.614
다양한 환경적 요인이나

0:07:41.638,0:07:43.260
공동 가정을 포함해서요.

0:07:44.411,0:07:48.164
큰 가계도는 가까운 친척 모두를 [br]분석할 수 있는 기회가 됩니다.

0:07:48.188,0:07:49.395
쌍둥이와 뿐만 아니라,

0:07:49.419,0:07:52.336
심지어 10촌 같은 먼 친척까지요.

0:07:52.749,0:07:55.438
이런 식으로 우리는 [br]강력한 모델을 구축할 수 있죠.

0:07:55.462,0:08:00.760
그 모델은 환경적 요인으로부터 [br]유전자 변이의 영향을 구별할 수 있습니다.

0:08:01.379,0:08:04.278
우리는 데이터를 사용하여[br]이 분석을 수행했고

0:08:04.302,0:08:10.093
유전적 변이가 개인 간 [br]수명 차이 중 약 15%만을

0:08:10.117,0:08:12.923
설명해 준다는 것을 발견했습니다.

0:08:14.760,0:08:17.516
그건 평균적으로 5년입니다.

0:08:18.316,0:08:23.024
따라서 유전자는 수명에 있어 [br]우리가 생각했던 것보다 덜 중요합니다.

0:08:23.675,0:08:25.811
그리고 그건 좋은 소식입니다.

0:08:26.438,0:08:29.731
우리의 행동이 더 중요할 수 있음을 [br]의미하기 때문이죠.

0:08:30.533,0:08:34.807
예를 들어 흡연이 [br]기대수명의 10년을 결정한다면

0:08:34.831,0:08:37.477
이건 유전자가 결정하는 것보다 [br]두 배나 많습니다.

0:08:38.236,0:08:40.525
심지어 더 놀라운 결과가 있습니다.

0:08:40.549,0:08:42.041
우리가 가계도를 떠나서

0:08:42.065,0:08:46.797
계보학자들에게 DNA 정보를 문서화하고[br]크라우드 소싱하게 했을 때

0:08:46.821,0:08:48.845
그 결과는 놀라웠습니다.

0:08:49.255,0:08:53.170
상상하기 어렵겠지만 [br]버니 삼촌과 그의 친구들은

0:08:53.194,0:08:54.864
DNA 법의학을 만들 수 있어요.

0:08:55.864,0:08:59.423
그건 심지어 FBI의 것보다 낫죠.

0:09:00.862,0:09:03.266
큰 가계도에 DNA를 넣으면,[br]

0:09:03.290,0:09:05.431
효과적인 불빛을 만들어[br]

0:09:05.431,0:09:08.065
수백 명의 먼 친척들을[br]표시할 수 있게 되죠.

0:09:08.089,0:09:11.579
그들은 모두 특정 DNA로를 타고난 [br]한 사람과 연결되어 있습니다.

0:09:12.505,0:09:15.418
대형 가계도에 [br]여러 개의 비콘을 배치함으로써

0:09:15.442,0:09:19.162
여러분들은 알려지지 않은 사람의 [br]DNA를 삼각측량할 수 있습니다.

0:09:19.186,0:09:23.124
GPA 시스템이 위치를 찾기 위해 [br]여러 개의 위성을 사용하는 방식과

0:09:23.148,0:09:24.472
같은 방식이죠.

0:09:25.226,0:09:28.850
이 기술의 가장 큰 예는

0:09:28.874,0:09:31.549
골든스테이트 킬러를 잡은 일입니다.

0:09:32.612,0:09:37.140
그는 미국 역사상 [br]가장 악명 높은 범죄자 중 한 명이죠.

0:09:37.164,0:09:43.056
FBI는 40년 넘게 이 사람을 [br]찾고 있었습니다.

0:09:43.588,0:09:45.423
FBI는 그의 DNA를 가지고 있었지만

0:09:45.447,0:09:48.797
그는 어떤 경찰 데이터베이스에도 [br]나타나지 않았죠.

0:09:49.447,0:09:54.159
약 1년 전, FBI는 [br]한 유전 계보학자와 상담했고

0:09:54.183,0:09:58.133
그녀는 FBI에게 그의 DNA를 [br]계보학회에 제출하라고 했습니다.

0:09:58.157,0:10:00.555
그걸로 먼 친척을 찾을 수 있으니까요.

0:10:01.117,0:10:02.273
그들은 그렇게 했고

0:10:02.297,0:10:05.989
골든스테이트 킬러의 8촌을 찾았습니다.

0:10:06.013,0:10:08.357
그들은 큰 가계도를 만들었고

0:10:08.381,0:10:10.483
그 가계도의 다른 가지들을 [br]훑어봤습니다.

0:10:10.507,0:10:13.072
골든스테이트 킬러에 대해 [br]알고 있는 것과

0:10:13.096,0:10:15.677
정확히 일치하는 [br]프로필을 찾을 때까지요.

0:10:15.701,0:10:19.293
이 사람으로부터 얻은 DNA가[br]그들이 가지고 있는 DNA와

0:10:19.317,0:10:21.342
정확히 일치하는 것을 발견했습니다.

0:10:21.366,0:10:23.716
그는 체포됐고 법의 심판을 [br]받게 됐습니다.

0:10:23.740,0:10:25.164
이 모든 세월이 지난 후에요.

0:10:26.172,0:10:29.413
그 이후로 유전 계보학자들은 [br]미국 지방 법 집행기관과

0:10:29.437,0:10:32.105
함께 일하기 시작했습니다.

0:10:32.129,0:10:35.491
범인을 잡는데 [br]이 기술을 사용하기 위해서죠.

0:10:35.521,0:10:38.202
그리고 지난 6개월 동안만 해도

0:10:38.226,0:10:42.522
이 기술로 20개 넘는 미제 사건들을 [br]해결할 수 있었습니다.

0:10:44.203,0:10:48.839
다행히도 우리에게는 버니 삼촌과 [br]동료 계보학자와 같은 사람들이 있죠.

0:10:49.045,0:10:52.039
그들은 이기적인 취미를 가진 [br]아마추어가 아닙니다.

0:10:52.602,0:10:59.021
그들은 우리가 누구인지 알려주려는[br]깊은 열정을 가진 시민과학자이며

0:10:59.065,0:11:03.523
과거가 미래의 열쇠를 [br]쥐고 있다는 것을 압니다.

0:11:04.066,0:11:05.306
대단히 감사합니다.

0:11:05.310,0:11:06.130
(박수)