Recientemente, Georges Grinstein, director del Programa de bioinformática y codirector del Instituto para la investigación de la visualización y la percepción en la Universidad de Massachusetts Lowell, estuvo en nuestros estudios presentando un webcast y promoviendo su próximo seminario Explorando la visualización de datos en la investigación de las ciencias de la vida. Tuve la oportunidad de sentarme con el Dr. Grinstein y preguntarle sobre la naturaleza cambiante de datos de ciencias de la vida , el análisis y las nuevas tecnologías que nos permiten visualizar nuevos conocimientos sobre lo que nuestros datos nos dicen.
¿Por qué crees que es importante visualizar datos de ciencias de la vida y resultados de análisis?
Sin visualización Dependemos de los números, que con mayor frecuencia representan resúmenes o agregaciones, estadísticas u otros resultados computados. Estos pueden insinuar una estructura en los datos, pero a menudo son demasiado precisos para mostrar estructuras relacionadas. A menudo pienso que estos números representan no solo los datos, sino también los alias de los datos.
¿Cuándo debes visualizar los datos de las ciencias de la vida?
Depende de la tarea, pero mi instinto me dice casi siempre.
Si bien la visualización de este tipo de datos puede aportar nuevas perspectivas, ¿existe algún peligro en confiar en imágenes?
Sí, hay peligro si uno llega a conclusiones sin validar analítica o visualmente las "ideas". Pienso en estas ideas como hipótesis, por lo que deben ser validadas. Pero la visualización realmente trae nuevas perspectivas (y hay muchas visualizaciones diferentes).
Los conjuntos de datos son extremadamente grandes. ¿Necesita hacer algo con sus datos antes de comenzar a crear representaciones visuales de ellos?
Esto depende de la tarea también. Algunos algoritmos y algunas visualizaciones no pueden manejar datos grandes, o toman demasiado tiempo para generar resultados. En tales casos, la reducción de datos debe llevarse a cabo mediante técnicas tales como subconjunto, reducción dimensional y muestreo, por nombrar algunos. Y si uno quiere interactuar con un gran conjunto de datos, esto puede ser complicado.
¿Qué sigue en los formatos y tendencias de visualización?
Aquí hay cuatro tendencias que debes tener en cuenta:
1. Acoplamiento mucho más estrecho entre análisis y visualización.
2. Más interacción con visualizaciones de datos más grandes.
3. Paralelización de muchos algoritmos y visualizaciones.
4. Precomputación de grandes conjuntos de datos para ahorrar tiempo en los pasos de descubrimiento posteriores.
El Dr. Grinstein se presentará en los seminarios Explorando la visualización de datos en las ciencias de la vida, el 24 de abril en el Broad Institute en Cambridge, MA, y el 25 de abril en el Centro de conferencias Chauncey en Princeton, NJ. Visite nuestro sitio web para obtener más información sobre cómo registrarse para Cambridge o Princeton seminarios
