Di recente, Georges Grinstein, capo del programma di bioinformatica e co-direttore dell'Istituto per la visualizzazione e la ricerca della percezione all'Università del Massachusetts Lowell, era nei nostri studi che ospitavano un webcast e promuovevano il suo seminario imminente Exploring Data Visualization in Life Sciences Research. Ho avuto la possibilità di sedermi con il Dr. Grinstein e chiedergli della natura mutevole di dati sulle scienze della vita , analisi e nuove tecnologie che ci consentono di visualizzare nuove informazioni su ciò che i nostri dati ci dicono.
Perché credi sia importante visualizzare i dati delle scienze della vita e i risultati delle analisi?
Senza visualizzazione , dipendiamo dai numeri, che spesso rappresentano sommari o aggregazioni, statistiche o altri risultati calcolati. Questi possono suggerire una struttura nei dati, ma sono spesso troppo precisi per mostrare le strutture correlate. Penso spesso a questi numeri come rappresentativi non solo dei dati ma anche degli alias dei dati.
Quando dovresti visualizzare i dati sulle scienze della vita?
Dipende dal compito, ma il mio istinto dice quasi sempre.
Sebbene la visualizzazione di questo tipo di dati possa portare a nuove intuizioni, ci sono dei pericoli nel fare affidamento sulle immagini?
Sì, c'è il pericolo se si salta alle conclusioni senza convalidare analiticamente o visivamente le "intuizioni". Penso a queste intuizioni come ipotesi, e quindi devono essere convalidate. Ma la visualizzazione porta davvero nuove intuizioni (e ci sono molte visualizzazioni diverse).
I set di dati sono estremamente grandi. Devi fare qualcosa con i tuoi dati prima di iniziare a creare rappresentazioni visive di questo?
Questo dipende anche dal compito. Alcuni algoritmi e alcune visualizzazioni non possono gestire grandi quantità di dati, oppure impiegano troppo tempo per generare risultati. In tali casi, la riduzione dei dati deve avvenire attraverso tecniche quali subsetting, riduzione dimensionale e campionamento, per citarne alcuni. E se si vuole interagire con un grande set di dati, questo può essere complicato.
Quali sono le prospettive in termini di formati e tendenze di visualizzazione?
Ecco quattro tendenze di cui dovresti essere a conoscenza:
1. Accoppiamento molto più stretto tra analisi e visualizzazione.
2. Maggiore interazione con visualizzazioni di dati più grandi.
3. Parallelizzazione di molti algoritmi e visualizzazioni.
4. Precomputazione di set di dati di grandi dimensioni per risparmiare tempo nelle successive fasi di rilevamento.
Il dott. Grinstein presenterà i seminari di ricerca sull'esplorazione dei dati nelle scienze della vita il 24 aprile al Broad Institute di Cambridge, MA, e il 25 aprile al Chauncey Conference Center di Princeton, nel New Jersey. Visita il nostro sito Web per ulteriori informazioni su - incluso come iscriversi per - il Cambridge o Princeton seminari.
