Vision: Att med ett klick kunna hitta möjliga kandidater för en DNA träff

CHATGPT:

🔹 DNA-släktforskning skalar → för att det bygger på matematiska relationer och maskinläsbara datapunkter.
🔹 Traditionell släktforskning skalar inte → för att den bygger på fria textsträngar, PDF:er, register utan PIDs, källor utan struktur och lokala variationer.

🧠 Den fundamentala datamodell-konflikten i släktforskning

❌ Nuläget = “String-chaos lineage”

Information representeras som:

namnfält (text)

platsfält (text)

datumfält (text)

fritextkällor (text)

släktträd byggda som lokala grafer

ingen global identifiering

ingen maskinläsbar semantik
✔️ DNA-släktforskning = “Structured Graph Lineage”

DNA-resultat är:

numeriska

standardiserade (cM = centimorgans)

jämförbara

globalt interoperabla

beräkningsbara

grafer som går att merge:a automatiskt

Det går att skala obegränsat, för det är:

🔥 Vad saknas i släktforskningen för att den ska skalas?

Det är tre saker

1️⃣ Globala, persistenta identifierare (PIDs) för varje individ

Tänk:

person:Q2982938

person:SWEBIRTH:1890-12-03:12345

person:ARKIVDIGITAL:SE-XYZ-0001

där varje individ är en nod i ett enormt globalt släktträd.

Ancestry, MyHeritage, Geni, FamilySearch → alla kör egna interna IDs.

Det betyder:

En person finns som 12 olika personer i 12 olika databaser.

DNA har en enda identitet: din kromosom.

2️⃣ Semantiska relationer (RDF/OWL) istället för proprietära träd

Släktskap är egentligen grafteori:

isFatherOf
isMotherOf
isSiblingOf
isAncestorOf
hasSpouse
sameAs

Det borde vara:

3️⃣ Källor som länkbara objekt – inte textstycken

source:ArkivDigital:SE-12345

source:Riksarkivet:SCB:birth:1912

Inte:

"Enligt SCB födderegister..."

🧨 Varför fattar ingen?

Tre skäl:

❌ 1. De flesta släktforskare är inte datamodelltänkare

De tänker berättelser, inte ontologier.

❌ 2. Kommersiella aktörer vill inte skapa global interoperabilitet

De tjänar på “walled gardens”.

❌ 3. Öppna initiativ (t.ex. GEDCOM) är för svaga och saknar semantik

GEDCOM är som HTML 1.0:
funka okej, men uttrycker inte den riktiga världen.

Dagsläget släktforskning: Idag är det som borde vara svårast att hitta personer med samma DNA segment så enkelt medans det som borde vara enkelt om vi släktforskare gjorde rätt och inte skapade SILOS att hitta vilka personer som har något gemensamt som finns i en socken, kyrkbok, eller på samma grupp av foton är så svårt....

Lösningen: tydligt beskriva personer/ källor... med länkad data dvs. data som data

Ny användning: kort prat med polisens Ricky Ansell,verksamhetsexpert hos NFC och projektledare för den forensiska delen i pilotprojektet, där han driver projekt att se om släktforskning och DNA tester kan börja användas... se "Dna-baserad släktforskning kan bli nationellt använd metod" där sidan 2 "Steg 3. Träfflista och urval" är det som borde styras upp

Status idag 2021

DNA provtagningen

är extremt bra uppstyrd där DNA provet översätts till segment och matchande segment --> enkelt skapa maskinläsbara lösningar

Släktforskning

har idag ofta persistenta identifierare till plats i källor som Riksarkivet SVAR eller Arkiv Digital vilken sida/kyrkbok personer finns på

tyvärr är det ofta dålig struktur på källor/händelser i släktträd medans relationen pappa/barn oftast enkelt kan exportera till standarder som GEDCOM

stor fördel finns att persistenta identifierare finns i bra släktforskning exempel födelsebok Alfred Nobel har "Jakob och Johannes kyrkoarkiv, Födelse- och dopböcker, SE/SSA/0008/C I a/21 (1828-1844), bildid: C0054707_00124" jmf Wikidata Q23810#P19

jag har visat hur enkelt crowdsourcing med persistenta identifierare fungerar för runstenar och borde även fungera med old-school släktforskning, DNA forskning och machine learning...

se artikel GLAM-Wiki Runstenar i Wikidata Wikicommons och data round tripping

Kyrkböcker och andra källor

har ofta inget bra API och tydlighet hur man kan skapa mått som fungerar med maskininlärning

hur många sidor det skiljer mellan 2 personer i en kyrkbok
hur långt det fysiska avståndet är mellan 2 böcker i tid eller plats

2018 sep pratade jag på släktforskarmässan med Family search, Arkiv Digital och Riksarkivet att det fysiska avståndet har vi i Wikidata

T199907 Arkiv Digital satte upp ett möte veckan efteråt och skapade en arbetsyta --> finns sedan feb 2019 i produkten med stöd att navigera kyrkböcker från karta, fick > 1000 likes på FB
T200515 Family search återkom med person i USA så vi satte upp nya mallar så deras sidor om församlingar nu kan nå karta, kyrkböcker etc.

pga snygg arkitektur med mallar och Wikidata var det 5 rader kod i en mall som fixade det....

T200181 Riksarkivet har inte kommit tillbaka känns som man inte vidareutvecklar sin tjänst, gissar att bidragen ramlar in ;-)

tog även upp detta med möte systemägare 2019 mar och på Hack.4-Sweden 2019 men ingen reaktion

Föredrag 2018-04-21 GF

Tanken är att

DNA träffar i en släktforsknings databas kan mha av en kunskapsgraf ringa in möjliga kandidater bättre om metadatat är länkade data
En kunskapsdatabas

kan innehålla personers släktträd
vilka källor som används
vilka platser en person föddes , dog, levde
vilka bilder en person finns på

I Sverige har vi enormt bra kyrkböcker --> att finns en person i samma kyrkbok så ger det en ledttråd som kan vara en grovuppskattning av ett "släktavstånd"

Externa länkar

Citation Graphs

Ett område där man utnyttjar kunskapsgrafer är att dela upp vetenskapliga artiklar i vilka dom refererar och då kunna skapa grafer vilka artiklar som publicerats nya. Där identifierar man unikt

Vetenskaplig publikation

med persistent identifierare DOI

Person som skriver artikel

med persistent identifierare ORCID

Exempel Scholia Ricky Ansell Q96248799 där visas vilka som varit medförfattare på de publikationer han skrivit och hur dom refererar andra

nedan exempel frågor författare och medförfattare

Video vad vi ser ovan youtube
vilka artiklar som publicerats inom ämnet "nucleic acid sequence analysis" och deras författare och hur dom har kopplingar mellan varandra

Min tro är att på samma sätt kan kunskapsgrafer hjälpa till att skapa samband mellan DNA och källor som citeras där vi ur källorna kommer att hitta samband som

finns 2 personer med samma DNA segment som har några personer i deras släktträd som finns "nära" varandra i kyrkböckerna --> en stark indikation att det kan vara där den genetiska kopplingen finns
kunna gruppera DNA träffarna enligt olika parametrar och se samband som snabbare gör att vi kan ringa in personer av intresse,,,
gör man samma sak ned kort så skapar det även möjlighet att skapa grafer som grupperar ihop personer

Vad behövs?

Börja identifiera personer källor unikt....

Länkar

Hur Wikipedia nu lagrar bilderna i en kunskapsgraf Wikibase där objekt i bilden pekas ut med länkad data se föredrag från "Länkade data i Sverige - webbinarium maj 2020"

detta innebär att om vi släktforskare använde denna teknik och hade persistenta identifierare för personer skulle identifierade personer i bilder vara en ypperlig källa

British Library om de nätverksgrafer de skapar och använder #GraphQL för att hämta detta data

Webinar - FREYA PID Services: GraphQL API & Common DOI Search
"PIDs for Publications and Data" lathund för hur dessa PIDar skapas
Tracking the Growth of the PID Graph
Using Jupyter Notebooks with GraphQL and the PID Graph

exempel

Survey of Current PID Services Landscape (pdf)

Svenska Riksdagsdokument laddas nu upp till WIkidata --> vi kan klustra personer vilka som skriver motioner ihop och se vilka som skriver ihop över partigränserna fråga