Vor kurzem war Georges Grinstein, Leiter des Bioinformatics-Programms und Co-Direktor des Instituts für Visualisierungs- und Wahrnehmungsforschung an der University of Massachusetts Lowell, in unseren Studios mit einem Webcast und der Werbung für sein bevorstehendes Seminar "Exploration von Datenvisualisierung in der Life Sciences-Forschung". Ich hatte die Gelegenheit, mich mit Dr. Grinstein zusammenzusetzen und ihn nach der veränderten Natur von zu fragen biowissenschaftliche Daten , Analyse und die neuen Technologien, die es uns ermöglichen, neue Einblicke in das zu gewinnen, was unsere Daten uns erzählen.
Warum glauben Sie, dass es wichtig ist, Biowissenschaftsdaten und Analyseergebnisse zu visualisieren?
Ohne Visualisierung Wir hängen von Zahlen ab, die meistens Zusammenfassungen oder Aggregationen, Statistiken oder andere berechnete Ergebnisse darstellen. Diese können auf eine Struktur in den Daten hinweisen, sind aber oft zu genau, um verwandte Strukturen zu zeigen. Ich denke oft, dass diese Zahlen nicht nur für die Daten, sondern auch für die Aliase der Daten repräsentativ sind.
Wann sollten Sie Life-Sciences-Daten visualisieren?
Das hängt von der Aufgabe ab, aber mein Bauchgefühl sagt fast immer.
Obwohl die Visualisierung dieser Art von Daten zu neuen Erkenntnissen führen kann, besteht jedoch die Gefahr, sich auf visuelle Darstellungen zu verlassen?
Ja, es besteht Gefahr, wenn man zu Schlussfolgerungen springt, ohne die "Einsichten" analytisch oder visuell zu bestätigen. Ich halte diese Einsichten für Hypothesen und muss daher bestätigt werden. Die Visualisierung bringt jedoch wirklich neue Erkenntnisse mit sich (und es gibt viele verschiedene Visualisierungen).
Datensätze sind extrem groß. Müssen Sie etwas mit Ihren Daten anfangen, bevor Sie mit der Erstellung visueller Darstellungen davon beginnen?
Dies hängt auch von der Aufgabe ab. Einige Algorithmen und einige Visualisierungen können sich nicht mit großen Daten beschäftigen oder sie benötigen viel zu viel Zeit, um Ergebnisse zu generieren. In solchen Fällen muss die Datenreduktion durch Techniken wie Subsetting, Dimensionsreduktion und Sampling erfolgen, um nur einige zu nennen. Und wenn man mit einem großen Datensatz interagieren möchte, kann dies schwierig sein.
Was kommt als nächstes bei Visualisierungsformaten und Trends?
Hier sind vier Trends, die Sie kennen sollten:
1. Viel engere Kopplung zwischen Analyse und Visualisierung.
2 Mehr Interaktion mit Visualisierungen größerer Daten.
3. Parallelisierung vieler Algorithmen und Visualisierungen.
4 Vorberechnung großer Datensätze, um Zeit bei späteren Ermittlungsschritten zu sparen.
Dr. Grinstein wird auf den Explorationsdatenvisualisierung in den Life Sciences Research-Seminaren am 24. April im Broad Institute in Cambridge, Massachusetts, und am 25. April im Chauncey Conference Center in Princeton, New Jersey, vertreten sein. Besuchen Sie unsere Website, um weitere Informationen zu erhalten Cambridge oder Princeton Seminare.
