ስነምግባር፣ ባዮሴኪዩሪቲ፣ ሚስጥራዊነት እና ሳይንሳዊ ታማኝነት

ትርፍ፡

• በKVKK ፣GDPR እና የስነምግባር ኮሚቴ ህጎች መሰረት ሚስጥራዊነት ያለው የሰው/ጄኔቲክ መረጃን የመጠበቅ እና ለተከፈተው ሞዴል ከመስጠት መቆጠብ መቻል
• የባዮሴኪዩሪቲ/ሁለት አጠቃቀምን እና የህዝብ አድሏዊነትን በመገምገም የውጤቶችን ትክክለኛነት የመጠየቅ ችሎታ
• ሥነ ምግባራዊ ኃላፊነት ለተሽከርካሪው ሊሰጥ እንደማይችል እና ትርጉም ያለው የሰው-በ-ዘ-ሉፕ አስፈላጊ መሆኑን መረዳት

በባዮሎጂ ውስጥ አርቴፊሻል ኢንተለጀንስን በብርቱነት መጠቀም በሃላፊነት በመጠቀም ይሟላል። ባዮሎጂ የሰውን ጤና፣ የዘረመል ገመና፣ አካባቢን እና ባዮ ደህንነትን የሚነካ ሚስጥራዊነት ያለው መስክ ነው። በዚህ ክፍል በባዮሎጂካል ጥናቶች ውስጥ አርቴፊሻል ኢንተለጀንስ ሲጠቀሙ የሚያጋጥሙዎትን የስነምግባር፣ የህግ እና የደህንነት ሃላፊነቶች እንነጋገራለን። ይህ ክፍል በሁሉም የቀድሞ ክፍሎች ውስጥ በማረጋገጫ እና በታማኝነት መርሆዎች ላይ የተገነባ ማዕቀፍ ነው.

መሰረታዊ መርህ: AI መሳሪያ ነው; ሥነ ምግባራዊ ኃላፊነት ሁል ጊዜ በሰዎች ላይ ነው። "የተጠቆመው ሞዴል" ሰበብ አይደለም.

አራት የኃላፊነት ቦታዎች

1. የውሂብ ግላዊነት እና የሰው ውሂብ

ከሰው ተሳታፊዎች የተገኙ የዘረመል፣የክሊኒካዊ ወይም የጤና መረጃዎች እጅግ በጣም ስሜታዊ ናቸው። የአንድ ሰው የዲኤንኤ ቅደም ተከተል የእነሱን እና የዘመዶቻቸውን በሽታ አደጋ እና ማንነት ሊገልጽ ይችላል; ስም-አልባ ተብሎ የሚታሰብ የጂኖሚክ መረጃ እንኳን እንደገና ሊታወቅ ይችላል። ይህንን መረጃ በይፋ ወደሚገኘው AI ሞዴል መለጠፍ የውሂብ ጥበቃ ህጎችን (KVKK በቱርኪዬ፣ በአውሮፓ GDPR) እና የስነምግባር ቦርድ (IRB/የሥነምግባር ኮሚቴ) ማፅደቆችን ሊጥስ ይችላል።

• ለተከፈተው ሞዴል የግል/ክሊኒካዊ መረጃ አታቅርቡ።
• ከፈቃዱ ወሰን በላይ መጠቀምን ያስወግዱ; ተሳታፊው ምን ፈቅዷል?
• ለድርጅት/አካባቢ (በግቢ) ወይም የውሂብ ማስኬጃ ኮንትራት መሳሪያዎችን ይምረጡ።

2. ባዮሴኪዩቲቭ እና ሁለት አጠቃቀም

አንዳንድ ባዮሎጂያዊ መረጃዎች "ሁለት አጠቃቀም" ናቸው: ጠቃሚ እና ጎጂ ሊሆን ይችላል; ለምሳሌ, በሽታ አምጪ (በሽታ አምጪ) ቅደም ተከተሎች, መርዝ ማምረት. አደገኛ በሽታ አምጪ ተህዋስያንን ስለማሳደግ ወይም ጎጂ ባዮሎጂካል ወኪሎችን ስለመቅረጽ AI መረጃን መጠየቅ በብዙ ቦታዎች ላይ ኢ-ምግባር የጎደለው እና ህገወጥ ነው።

• አደገኛ የሁለት-አጠቃቀም ጥያቄዎችን አያቅርቡ።
• የእርስዎን ተቋም የባዮሴፍቲ ቦርድ (IBC) መመሪያዎችን ይከተሉ።

3. ሳይንሳዊ ታማኝነት

በቀደሙት ክፍሎች ያየናቸው ነገሮች ሁሉ እዚህ ጋር አንድ ላይ ናቸው፡ ምንም አይነት አስመሳይ ባህሪ የለም፣ የውሂብ ማስዋብ የለም፣ ምንም p-ጠለፋ የለም፣ ምንም የተመረጠ ሪፖርት ማድረግ የለም። ሰው ሰራሽ የማሰብ ችሎታ እነዚህን ቀላል ወይም ከባድ ሊያደርግ ይችላል; ልዩነቱ በእርስዎ ታማኝነት ላይ ነው።

• ሁሉንም ውጤቶች (አሉታዊዎችን ጨምሮ) ሪፖርት ያድርጉ።
• አርቴፊሻል ኢንተለጀንስ መጠቀሙን ያውጁ።
• ጥሬ መረጃን እና ኮድን (ከተቻለ) በማጋራት እንደገና መባዛትን ይደግፉ።

4. አድልዎ እና ፍትሃዊነት

የ AI ሞዴሎች የሰለጠኑበትን መረጃ አድሏዊነት ይይዛሉ። የጂኖሚክ ዳታቤዝ በአብዛኛው የሚመጡት ከአውሮፓውያን ተወላጆች ነው። ይህ በሌሎች ህዝቦች ውስጥ ደካማ ትንበያዎችን ያመጣል. የምስሉ ሞዴል በስልጠና መረጃ ውስጥ ዝቅተኛ በሆነ ሁኔታ ውስጥ በደንብ ሊሰራ ይችላል.

• ሞዴሉ በምን አይነት ህዝብ/መረጃ ላይ እንደሰለጠነ ይጠይቁ።
• ውጤቶቹ በሁሉም ቡድኖች መያዛቸውን ይገምግሙ።

ጠቃሚ ምክር: እራስዎን ይጠይቁ: "ይህን ውሂብ ለአምሳያው ከሰጠሁት የማን ነው እና ያ ሰው የፈቀደው?" መልሱ ግልጽ ካልሆነ, አይስጡ. ምስጢራዊነትን መጣስ የማይመለስ ነው።

ደረጃ በደረጃ፡ ኃላፊነት የሚሰማው AI መቆጣጠሪያ

1. የመረጃ ምንጩን ይመድቡ፡ ግላዊ/ ሚስጥራዊነት ያለው ወይስ ይፋዊ?
2. ፈቃድ እና ፈቃዶችን ያረጋግጡ፡ ይህ አጠቃቀም ተሸፍኗል?
3. ትክክለኛውን መሳሪያ ምረጥ፡ ደህንነቱ የተጠበቀ/ተወላጅ አካባቢ ሚስጥራዊነት ላለው መረጃ።
4. የሁለት አጠቃቀምን አደጋ ግምት ውስጥ ያስገቡ።
5. የጥያቄ አድልዎ፡ ውጤቱ በሁሉም ቡድኖች ውስጥ የሚሰራ ነው?
6. ሰነድ እና አጠቃቀምን ያውጁ።

ሊገለበጡ የሚችሉ የጥያቄ አብነቶች

የትንታኔ ዕቅዴን ከሥነ ምግባራዊ እይታ አንጻር ይገምግሙ፡ የውሂብ ሚስጥራዊነትን፣ የተሳታፊዎችን ፈቃድ፣ እምቅ አድልዎ እና የሁለት አጠቃቀም አደጋን በተመለከተ ጥንቃቄዎችን ይዘርዝሩ። እቅድ፡ [ጽሑፍ] (ማስታወሻ፡ ትክክለኛውን የታካሚ መረጃ አላጋራም፣ እቅዱን ብቻ።)

ይህን የጂኖሚክ ዳታ ስብስብ ከመጠቀሜ በፊት የትኞቹን የግላዊነት እና የፍቃድ ጥያቄዎች መመለስ አለብኝ? ከKVKK/GDPR እና ከስነምግባር ኮሚቴ አንፃር የፍተሻ ዝርዝር ተዘጋጅቷል።

በጽሁፌ ዘዴ ክፍል ውስጥ የምጠቀመውን አርቴፊሻል ኢንተለጀንስ መሳሪያ እንዴት በግልፅ ማወጅ አለብኝ? ምሳሌ ገላጭ ዓረፍተ ነገር ጻፍ; ምን መረጃ (መሳሪያ ፣ ስሪት ፣ የአጠቃቀም ወሰን) መያዝ አለበት?

የዚህ ሞዴል ውጤቶች የህዝብ ወገንተኝነት እንዳላቸው እንዴት እገመግማለሁ? ስለ ስልጠና መረጃ እና የቼክ ደረጃዎች መጠየቅ ያለብኝን ጥያቄዎች ዘርዝር።

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ፡ "የሚከተለውን የታካሚውን የዘረመል መረጃ ተንትኑ፡ [እውነተኛ ውሂብ]።"

Güçlü: "ከክሊኒካዊ ጂኖሚክ መረጃ ጋር የሚሰራ የትንታኔ እቅድ እያዘጋጀሁ ነው, ነገር ግን እውነተኛ የታካሚ መረጃን አላጋራም. ከሥነ-ዘዴ አንጻር ብቻ: ምን ዓይነት ሚስጥራዊ እርምጃዎችን መውሰድ አለብኝ, በየትኛው አካባቢ ውስጥ መረጃውን ማካሄድ እንዳለብኝ, ምን ዓይነት ተቀባይነት እና የስነምግባር ኮሚቴ ሁኔታዎች ማሟላት አለብኝ? ፍሰቱን በዱሚ / ናሙና መረጃ ማሳየት ይችላሉ. "

ልዩነት፡ ምንም ትክክለኛ ሚስጥራዊነት ያለው መረጃ በኃይለኛው ጥያቄ ውስጥ አልተጋራም። ዘዴው ብቻ ነው የሚጠየቀው. ግላዊነት ተጠብቆ ይቆያል, ሞዴሉ አሁንም ይረዳል.

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - የግላዊነት ጥሰት፡ አንድ ተመራማሪ ማንነታቸው ያልታወቀ የታካሚ exome መረጃ እንዲተነተን ወደ ክፍት ሞዴል ለጠፉት። የሥነ ምግባር ኮሚቴው ይህን ሲያውቅ ጥናቱ ታግዷል; የውሂብ ሂደት ስምምነት አልነበረም። ትምህርት፡ ሚስጥራዊነት ያለው መረጃ በጭራሽ ወደ ክፍት ሞዴል አይገባም።

ጉዳይ 2 — የህዝብ ወገንተኝነት፡ የፖሊጂኒክ ስጋት ነጥብ መሳሪያ በአውሮፓ አመጣጥ መረጃ ላይ ስልጠና ተሰጥቶ ነበር፤ በሌላ ህዝብ ውስጥ, የአደጋ ግምት በጣም የተሳሳቱ ነበሩ. አምሳያው የስልጠናውን መረጃ ስብጥር ጥያቄ ሲያቀርብ ቡድኑ መሳሪያውን በዚያ ህዝብ ውስጥ ላለመጠቀም ወሰነ። ትምህርት፡ አድልዎ ያድናል ወይም ህይወትን ይጎዳል።

ጉዳይ 3 - ይፋ ማድረግ እና ግልጽነት፡ ቡድን ከ AI ጋር የመረጃ ማጽጃ ኮድ ጻፈ እና ይህንንም በዘዴ ክፍል ውስጥ በግልፅ ተናግሯል። ኮዱንም አጋርቷል። ገምጋሚዎች ይህንን ተቀብለዋል ምክንያቱም ተደጋጋሚነት ጠንካራ ነበር። ትምህርት፡ ግልጽነት መተማመንን ይወልዳል።

የንጽጽር ሰንጠረዥ

አካባቢ

አስተማማኝ ባህሪ

አደገኛ ባህሪ

የታካሚ መረጃ

አካባቢያዊ / ደህንነቱ የተጠበቀ አካባቢ

ሞዴሉን ለመክፈት ለጥፍ

ስምምነት

በወሰን ውስጥ ይጠቀሙ

ወሰን አትበልጡ

ባዮሴኪዩሪቲ

ድርብ አጠቃቀምን ማስወገድ

አደገኛ ፍላጎት

ታማኝነት

ሁሉንም ውጤቶች ሪፖርት ያድርጉ

የተመረጠ ሪፖርት ማድረግ

አድልዎ

ህዝቡን ይጠይቁ

በጭፍን ያመልክቱ

ግልጽነት

አጠቃቀምን ያውጁ

መደበቅ

የተለመዱ ስህተቶች

• ሚስጥራዊነት ያለው መረጃ ለተከፈተው ሞዴል መስጠት፡ የማይቀለበስ የግላዊነት ጥሰት።
• የስምምነት ወሰን ማለፍ፡ በተሳታፊው ያልተፈቀደ አጠቃቀም።
• አድሎአዊነትን ችላ ማለት፡- ውጤትን ለሁሉም ቡድኖች ማጠቃለል።
• አጠቃቀምን መደበቅ፡ AI አስተዋጽዖ አለማወጅ።
• "ሞዴል የተጠቆመ" መከላከያ፡ ለተሽከርካሪው ሃላፊነት መስጠት።

ማስጠንቀቂያ: ከፍተኛ ውጤት ባዮሎጂካል ሥራ (ክሊኒካዊ ውሳኔ, ባዮሴፍቲ, የሰው መረጃ) AI ውፅዓት ብቃት ኤክስፐርት ማረጋገጫ እና የሥነ ምግባር ቁጥጥር ምትክ አይደለም; ብቻ ያፋጥነዋል። የመጨረሻው ሃላፊነት ሁል ጊዜ በሰው ልጅ ላይ ነው, ከውሳኔው ሥነ-ምግባራዊ እና ሳይንሳዊ ውጤቶች ጋር.

አካባቢ, ስነ-ምህዳር እና ባህላዊ እውቀት

የስነምግባር ሃላፊነት በሰው መረጃ ላይ ብቻ የተገደበ አይደለም. በሥነ-ምህዳር እና ጥበቃ ባዮሎጂ ውስጥ አርቴፊሻል ኢንተለጀንስ ሲጠቀሙም ጥንቃቄ ያስፈልጋል። ለምሳሌ፣ የመጥፋት አደጋ የተደቀነባቸው ዝርያዎች ትክክለኛ የመገኛ ቦታ መረጃ (የካሜራ ወጥመድ መጋጠሚያዎች) በህገ-ወጥ አደን አደጋ ምክንያት ስሜታዊ ናቸው። ይህንን መረጃ ወደ ክፍት ሞዴል ወይም ይፋዊ መልቀቅ ዝርያውን ሊጎዳ ይችላል። በተመሳሳይ ሁኔታ የስነምግባር እና ህጋዊ (እንደ ናጎያ ፕሮቶኮል ያሉ) ጉዳዮች የሚነሱት የአካባቢ ማህበረሰቦች ባህላዊ ባዮሎጂያዊ እውቀት (ለምሳሌ የእፅዋት አጠቃቀም) ያለፈቃድ ጥቅም ላይ ሲውል ነው። ውሂቡን ከመጠቀምዎ በፊት "ይህ መረጃ የማን ነው እና በማን ይፋ ማድረጉ የሚጎዳው?" ሁልጊዜ ጥያቄውን ይጠይቁ.

የሰው ቁጥጥር እና የመጨረሻ ውሳኔ

የዚህ አጠቃላይ ሞጁል ይዘት ወደ አንድ መርህ ይወርዳል፡ ትርጉም ያለው የሰው ቁጥጥር። AI ሀሳብን ያቀርባል, ረቂቅ ይጽፋል, ንድፍ ያሳያል; ነገር ግን ባዮሎጂካል፣ ክሊኒካዊ ወይም ሥነ ምግባራዊ ውሳኔ በቀጥታ በአምሳያው ውጤት ላይ የተመሠረተ አይደለም። በተለይም ከፍተኛ ተጋላጭ በሆኑ ቦታዎች (ምርመራ, ህክምና, የዝርያ ጥበቃ ውሳኔ, መለቀቅ), የአምሳያው ሚና ውሳኔዎችን ማድረግ ሳይሆን የባለሙያዎችን ውሳኔ ማፋጠን ነው. “የሰው ልጅ-በዘ-ሉፕ” አካሄድ መፈክር ሳይሆን የግድ ነው።

ይህ ክትትል እንዲሰራ፣ ተቆጣጣሪው ብቃት ያለው መሆን አለበት። ዓይነ ስውር ስምምነት ("ሞዴል አለ፣ ተቀባይነት") ቁጥጥር አይደለም። እውነተኛ ቁጥጥር ውጤቱን ሊጠራጠር የሚችል፣ ስህተቱን የሚይዝ እና አስፈላጊ ሆኖ ሲገኝ ውድቅ የሚያደርግ ባለሙያ ይጠይቃል። ስለዚህ, ሰው ሰራሽ የማሰብ ችሎታ ባለሙያውን አይተካውም; ኤክስፐርቱን የበለጠ አስፈላጊ ያደርገዋል. ተሽከርካሪውን በተሻለ ሁኔታ የሚጠቀም ሰው በተሻለ ሁኔታ መቆጣጠር የሚችል ነው.

በማጠቃለያው

በባዮሎጂ ውስጥ AIን በኃላፊነት መጠቀም አራት ቦታዎችን ይሸፍናል፡ የውሂብ ግላዊነት (ስሱ የሰዎች መረጃዎችን መጠበቅ)፣ ባዮሴኪዩሪቲ (ድርብ አጠቃቀምን ማስወገድ)፣ ሳይንሳዊ ታማኝነት (ታማኝነት እና የተሟላ ሪፖርት ማቅረብ) እና አድሏዊ ግንዛቤ (በሁሉም ቡድኖች ያሉ የውጤቶች ትክክለኛነት)። ሚስጥራዊነት ያለው መረጃ ለተከፈተው ሞዴል አታቅርቡ፣ አጠቃቀሙን በግልፅ ያሳውቁ፣ የህዝብ ወገንተኝነትን ይጠይቁ። የሥነ ምግባር ኃላፊነት ለተወካዩ ፈጽሞ ሊሰጥ አይችልም; ሁልጊዜ በሰዎች ውስጥ ነው.

የመተግበሪያ ተግባር

ከእራስዎ የስራ ቦታ (ለምሳሌ የሰው መረጃ ስብስብ ወይም የምስል ሞዴል በመጠቀም) አንድ ሁኔታን ያስቡበት። እውነተኛ ውሂብን ሳያጋሩ AI የዚህን ሁኔታ የስነምግባር ማረጋገጫ ዝርዝር (ምስጢራዊነት ፣ ስምምነት ፣ አድልዎ ፣ ድርብ አጠቃቀም ፣ ግልፅነት) እንዲያመጣ ያድርጉ። ለእያንዳንዱ ንጥል፣ በእርስዎ ሁኔታ ውስጥ “ተገቢ/አደጋ/ያልተረጋገጠ” ብለው ምልክት ያድርጉበት እና ለአደጋ የተጋለጡ/እርግጠኞች ለሆኑት የድርጊት መርሃ ግብር ይፃፉ። እንዲሁም ለጽሁፍዎ የ AI አጠቃቀም መግለጫ ይዘጋጅ።

የማረጋገጫ ዝርዝር

• [ ] ሚስጥራዊነት ያለው/የግል ውሂብ ለተከፈተው ሞዴል አላቀረብኩም።
• [ ] የስምምነት እና የሥነ-ምግባር ኮሚቴን ወሰን ፈትሻለሁ።
• [ ] ጥምር አጠቃቀም/ባዮሴኪዩቲቭ ስጋትን ገምግሜአለሁ።
• [] ሁሉንም ውጤቶች በሐቀኝነት ሪፖርት አድርጌያለሁ።
• [ ] የሕዝብ/የመረጃ አድሏዊነትን ጠየቅኩ።
• [ ] አርቴፊሻል ኢንተለጀንስ መጠቀሙን በግልፅ አውጃለሁ እና ኃላፊነቱን ወስጃለሁ።

የሞዱል ፈተና

1. አንድ ተማሪ የቋንቋውን ሞዴል 'በዚህ FASTA ፋይል ውስጥ ስንት ገመዶች አሉ?' ብሎ ይጠይቃል እና ሞዴሉ '48' ይመልሳል. በጣም ትክክለኛው አቀራረብ የትኛው ነው?

• ሀ) በአምሳያው የተሰጠውን ቁጥር 48 በቀጥታ በመጠቀም; ሞዴሉ ፋይሉን ስለሚያየው አስተማማኝ ነው
• ለ) ቁጥሩን እንደገና ይጠይቁ እና ሁለቱ መልሶች አንድ ከሆኑ እንደ ትክክለኛ አድርገው ይቀበሉት።
• ሐ) ፋይሉን በቢዮፒቶን ማንበብ ፣የቅደም ተከተሎችን ቁጥር በኮድ በመቁጠር እና ውጤቱን በመጠቀም ✔
• መ) ፋይሉን በእጅ መክፈት እና በአይን ውሳኔ መቁጠር

ማብራሪያ፡ እንደ ቆጠራ እና መለካት ያሉ ቆራጥ ተግባራት ለቋንቋ ሞዴል ሳይሆን ለሚያሄዱት ኮድ መተው አለባቸው። ሞዴሉ ቁጥሩን 'አያስታውስም', ፕሮባቢሊቲካዊ እሴት ይፈጥራል እና ሊሳሳት ይችላል; እንደ Biopython ባለው መሳሪያ መቁጠር ትክክለኛ እና ሊባዙ የሚችሉ ውጤቶችን ይሰጣል።

2. ህዋሶችን በአጉሊ መነጽር መቁጠር እና የእያንዳንዱን አካባቢ መለካት ይፈልጋሉ. ለዚህ ተግባር በጣም ትክክለኛው አቀራረብ ምንድነው?

• ሀ) እንደ Cellpose/StarDist ያለ የባለሙያ ክፍልፋይ መሳሪያ በመጠቀም ውጤቱን በእጅ ማረጋገጥ ✔
• ለ) ምስሉን ወደ አጠቃላይ የቋንቋ ሞዴል ለጥፍ እና 'ምን ያህል ሴሎች እንዳሉ' ይጠይቁ
• ሐ) ምስሉን በአምሳያው ላይ ይግለጹ እና የተገመተውን ቁጥር ይጠይቁ
• መ) የፒክሰሎች ብዛት እንደ ህዋሶች ብዛት ያለ ምንም ልኬት መቀበል

ማብራሪያ፡ የሕዋስ ክፍፍል እና ልኬት የአጠቃላይ ቋንቋ ሞዴል አይደለም፣ ነገር ግን ለዚህ ተግባር በልዩ ሁኔታ የሰለጠኑ ልዩ የምስል ሞዴሎች (ሴልፖዝ፣ ስታርዲስት) ነው። የቋንቋው ሞዴል እነዚህን መሳሪያዎች የሚጠራውን ኮድ ይጽፋል; የባለሙያው ሞዴል መለኪያውን ይሠራል, እና ባዮሎጂስቱ ውጤቱን ያረጋግጣል.

3. የድህረ ምረቃ ተማሪ በቋንቋው ሞዴል የተዘጋጁ 8 ምንጮችን በመመረቂያው መግቢያ ላይ ጨምሯል። አማካሪው ከእነዚህ ውስጥ 3 ቱ በፍፁም የሉም። ይህንን ሁኔታ እንዴት መከላከል ይቻላል?

• ሀ) ሞዴሉን እንደገና ሀብቶችን እንዲያመርት በመጠየቅ
• ለ) ጥቅሶችን በ DOI ብቻ በመምረጥ (DOI ካለ እውነት ነው)
• ሐ) ሞዴሉን 'እንዲስማማ' በማዘዝ ዝርዝሩን በመጠየቅ
• መ) እያንዳንዱን ጥቅስ በPubMed/doi.org ላይ በግል ማረጋገጥ እና ያነበባቸውን መጣጥፎች ብቻ በመጥቀስ ✔

ማብራሪያ፡ አጠቃላይ የቋንቋ ሞዴሎች የስነ-ጽሁፍ ዳታቤዝ አይደሉም። እውነተኛ መዝገቦችን ከመፈለግ ይልቅ፣ ተጨባጭ-ድምፅ ያላቸው ባህሪያትን (የተሰራ ባህሪ) 'ያመነጫል። እያንዳንዱ መስመር እና DOI እንደ PubMed/doi.org ባሉ ምንጮች ውስጥ ያለ ገለልተኛ ማረጋገጫ እና በትክክል የተነበቡ ጽሑፎችን ብቻ በመጥቀስ ጥቅም ላይ መዋል የለበትም።

4. በአርቴፊሻል ኢንተለጀንስ የተፃፈ የውሂብ ማጽጃ ኮድ ትክክለኛነት ለማረጋገጥ በጣም ኃይለኛው መንገድ ምንድነው?

• ሀ) ኮዱ ያለ ስህተቶች የሚሰራ ከሆነ, ልክ እንደ ትክክለኛ አድርገው ይቀበሉት.
• ለ) ውጤቱን በትንሽ የታወቀ ናሙና በመሞከር እና የሚጠበቀውን በ ✔ ማረጋገጥ
• ሐ) ሞዴሉን 'ኮዱ ትክክል ነው?' መልሱን በመጠየቅ እና በማመን
• መ) ኮዱን ብዙ ጊዜ ያሂዱ እና በእያንዳንዱ ጊዜ ተመሳሳይ ውጤት ያግኙ

ማሳሰቢያ: ኮዱ ያለ ስህተት ይሰራል ማለት ትክክል ነው ማለት አይደለም; በባዮሎጂ ውስጥ 'ያለ ስህተት የሚሰራ የተሳሳተ ኮድ' በጣም አደገኛ ሁኔታ ነው። ውጤቱን አስቀድመው በሚያውቁት በትንሽ ናሙና መሞከር እና የሚጠበቀውን በኮዱ ውስጥ በድምፅ መክተት ከፀጥታ የተሳሳቱ ውጤቶች በጣም ጠንካራው ጋሻ ነው።

5. በአር ኤን ኤ ሴክ ትንተና 20,000 ጂኖች ተፈትነዋል እና 3,800 ጂኖች 'አስፈላጊ' ሆነው p<0.05 ሳይታረሙ ተገኝተዋል። የዚህ መደምደሚያ ዋናው ችግር ምንድን ነው?

• ሀ) የናሙናዎች ብዛት በጣም ከፍተኛ ነው, መቀነስ አለበት
• B) p ጣራ በጣም ከፍተኛ ነው፣ 0.10 ጥቅም ላይ መዋል ነበረበት
• ሐ) የበርካታ ንጽጽር ማስተካከያ (ኤፍዲአር) አልተሰራም; ብዙ የውሸት አወንታዊ ነገሮች አሉ።
• መ) ከጂኖች ይልቅ ናሙናዎች መሞከር ነበረባቸው

ማብራሪያ፡- በሺዎች የሚቆጠሩ ጂኖችን በተመሳሳይ ጊዜ ስትፈትኑ ብዙ ጂኖች በአጋጣሚ ‘ጉልህ’ ሆነው ይታያሉ፣ ምንም እንኳን እውነተኛ ልዩነት ባይኖርም። ይህ የበርካታ ንጽጽር ችግር ይባላል. መፍትሄው እንደ ቤንጃሚን-ሆችበርግ ባለው ዘዴ የኤፍዲአር (የውሸት ግኝት መጠን) እርማትን ተግባራዊ ማድረግ ነው; በማረም, ዝርዝሩ ብዙውን ጊዜ ወደ አስር እስከ ጥቂት መቶ ጂኖች ይቀንሳል.

6. በBLAST ውጤት ውስጥ ያለው ምርጥ ግጥሚያ 2.0 ኢ-እሴት አለው። ይህ ምን ማለት ነው?

• ሀ) ግጥሚያው በጣም አይቀርም በዘፈቀደ ነው; ✔ አስተማማኝ ግጥሚያ አይደለም።
• ለ) መጋጠሚያው በጣም ጠንካራ ነው; ኢ-ዋጋው በጨመረ መጠን የተሻለ ይሆናል።
• ሐ) ቅደም ተከተል በ 2% ተመሳስሏል
• መ) በሁለቱ ቅደም ተከተሎች መካከል 2 መሰረታዊ ልዩነት አለ

ማብራሪያ፡ ኢ-ዋጋው የግጥሚያውን መጠበቅ በዘፈቀደ መሆኑን ያሳያል። ትንሽ መሆን ይሻላል. ከ1 በላይ የሆነ ኢ-እሴት የሚያመለክተው ግጥሚያው በዘፈቀደ ሊሆን ይችላል። ለታማኝ ግጥሚያዎች፣ እንደ e <1e-5 ያሉ በጣም ትንሽ ደረጃዎች በአጠቃላይ ይፈለጋሉ።

7. በአልፋፎልድ ሞዴል የፕሮቲን ተርሚናል ክልል ዝቅተኛ የ pLDDT ነጥብ (<50) ያሳያል። ይህ ክልል እንዴት ሊተረጎም ይገባል?

• ሀ) አልፋ ፎልድ በዚህ ክልል ውስጥ ስህተት ሰርቷል፣ ክልሉ ከመተንተን መወገድ አለበት።
• ለ) ይህ ክልል በእርግጠኝነት የአልፋ ሄሊክስ ነው።
• ሐ) ሞዴሉ ሙሉ በሙሉ የማይታመን ነው, መዋቅሩ ጥቅም ላይ መዋል የለበትም
• መ) ክልሉ መደበኛ ያልሆነ/ላስቲክ ሊሆን ይችላል; 'ሐሰት' ሳይሆን 'ግልጽ ያልሆነ' ተብሎ ሊተረጎም ይገባል ✔

መግለጫ፡ pLDDT ለእያንዳንዱ የአሚኖ አሲድ የአካባቢ መተማመን ነጥብ ነው። ከ 50 በታች የሆኑ እሴቶች ብዙውን ጊዜ በእውነት መደበኛ ያልሆኑ (ተለዋዋጭ ፣ ቋሚ ያልሆኑ) ክልሎችን ያንፀባርቃሉ። እነዚህን ክልሎች እንደ 'የተሳሳቱ ግምቶች' በራስ ሰር መሰረዝ ስህተት ነው; ዝቅተኛ ነጥብ 'ያልተረጋገጠ/ተለዋዋጭ' ተብሎ መነበብ አለበት እና ባዮሎጂያዊ ጠቀሜታው መገምገም አለበት።

8. አንድ ተመራማሪ የሕዋስ ቦታዎችን በፒክሰሎች ብቻ ሪፖርት ያደርጋል እና ውጤቶቹ ከጽሑፎቹ ጋር የማይጣጣሙ ናቸው። የጎደለው እርምጃ ምንድን ነው?

• ሀ) ብዙ ሕዋሳት መቆጠር ነበረባቸው
• ለ) የመለኪያ ልኬት (ፒክሴል-ወደ-ማይክሮሜትር ልወጣ) አልተሰራም፣ ውጤቶቹ ወደ አካላዊ ክፍሎች አልተቀየሩም ✔
• ሐ) የመከፋፈያ መሳሪያ በትክክል ተመርጧል
• መ) የምስል ጥራት በጣም ከፍተኛ ነው።

ማብራሪያ፡ አካላዊ መጠንን ከምስሉ ለማውጣት የልኬት መለኪያ (በፒክሰል ስንት ማይክሮሜትር) አስፈላጊ ነው። ይህ እርምጃ ከተዘለለ በአጉሊ መነጽር ቅንብር ላይ በመመስረት እሴቶቹ ወደር የለሽ ይሆናሉ። ቦታዎች እንደ ካሬ ማይክሮሜትሮች ወደ አካላዊ ክፍሎች መለወጥ አለባቸው.

9. ተማሪ 10 የቲሹ ናሙናዎችን ከአንድ መዳፊት ወስዶ 'n=10'ን በስታቲስቲክስ ይጠቀማል። ይህ ለምን ትክክል አይደለም?

• ሀ) ለስታቲስቲክስ 10 ናሙናዎች በጣም ጥቂት ናቸው, ቢያንስ 30 ያስፈልጋሉ
• ለ) የቲሹ ናሙናዎች ከተለያዩ የአካል ክፍሎች መወሰድ አለባቸው
• ሐ) እነዚህ 10 ምሳሌዎች ቴክኒካዊ ድግግሞሽ ናቸው; ባዮሎጂካል n አሁንም 1 ነው, ይህ ድግግሞሽ ተብሎ የሚጠራው ✔ ነው
• መ) ናሙናዎች የተወሰዱት በተመሳሳይ ቀን ስለሆነ ልክ አይደሉም

ማብራሪያ: ከተመሳሳይ ግለሰብ የተወሰዱ ተደጋጋሚ መለኪያዎች ቴክኒካዊ ድግግሞሾች; ስታቲስቲካዊ n የባዮሎጂካል ክፍሎች ብዛት (እዚህ አይጦች) ነው። ቴክኒካል ድግግሞሽን እንደ ባዮሎጂካል (pseudoreplication) መቁጠር የውሸት ትርጉም ይፈጥራል። ትክክለኛ ንድፍ ከበርካታ ግለሰቦች ጋር መስራት ማለት ነው.

10. አንድ ትንታኔ p=0.03 ተገኝቷል. የዚህ እሴት ትክክለኛ ትርጓሜ ምንድነው?

• ሀ) በእውነታው ላይ ምንም ልዩነት በማይኖርበት ጊዜ ይህንን ወይም የበለጠ ጽንፍ የማየት እድል 3% ነው።
• ለ) ውጤቱ እውን የመሆን እድሉ 97% ነው።
• ሐ) ባዶ መላምት እውነት የመሆን እድሉ 3% ነው።
• መ) ውጤቱ 97% ሊደገም ይችላል

ማብራሪያ፡- p-value ‘ግምቱ እውነት የመሆኑ ዕድል’ ወይም ‘ተፅዕኖው እውነት የመሆን እድሉ’ አይደለም። ፒ-እሴቱ በእውነቱ ምንም ልዩነት በማይኖርበት ጊዜ ከሚታየው በተለየ መልኩ ልዩነትን የማየት እድሉ ነው። ስለዚህ p=0.03 'ውጤቱ 97% እውነት ነው' ማለት አይደለም; ውጤቱም በውጤት መጠን እና በራስ የመተማመን ልዩነት መገምገም አለበት።

11. በአቀራረብ፣ በሁለት ቡድኖች መካከል ያለው የ3% ልዩነት የy-ዘንግን ወደ 95-100 ክልል በማመቅ በጣም ትልቅ ሆኖ ይታያል። ይህ ምሳሌ ምንድን ነው?

• ሀ) ጥሩ የእይታ ዘዴ; ልዩነቱን አጉልቶ ያሳያል
• ለ) የቀለም ዕውር ተስማሚ የፓልቴል ችግር
• ሐ) ተቀባይነት ያለው የቅጥ ምርጫ
• መ) አሳሳች እና ሐቀኝነት የጎደለው ቻርት በተቆራረጠ ዘንግ ያለውን ልዩነት አጋንኖ ✔

ማብራሪያ፡ ዘንግውን ከዜሮ (የተቆረጠ ዘንግ) አለማስጀመር ትንሽ ልዩነትን በእይታ በማጋነን ተመልካቹን ያሳታል። ይህ የታማኝነት መርህ መጣስ ነው; በተለይም በባር ገበታዎች ውስጥ, ዘንግ ከዜሮ መጀመር አለበት እና ልዩነቱ ከትክክለኛው መጠን ጋር መታየት አለበት.

12. አንድ ተመራማሪ ማንነቱ ያልታወቀ የታካሚ ኤክስሜይ ዳታ እንዲተነተን አድርጎ ያሰበውን በወል ቋንቋ ሞዴል ላይ ይለጥፋል። ይህ ባህሪ ለምን ችግር አለው?

• ሀ) ምንም ችግር የለም; ስም-አልባ ከሆነ ውሂብ ሊጋራ ይችላል።
• ለ) ሚስጥራዊነት ያለው የታካሚ መረጃን ለክፍት ሞዴል መስጠት የግላዊነት እና የስነምግባር/ህጋዊ (KVKK/GDPR) ጥሰት ነው እና ሊገለበጥ አይችልም ✔
• ሐ) ችግር ያለበት ትንታኔው ቀርፋፋ ስለሚሆን ብቻ ነው።
• መ) ውሂቡን መረዳት ስለማይችል ሞዴሉ ችግር አለበት

መግለጫ: የታካሚ ጄኔቲክ / ክሊኒካዊ መረጃ እጅግ በጣም ስሜታዊ ነው; ስም-አልባ ነው ተብሎ የሚታሰበው የጂኖሚክ መረጃ እንኳን እንደገና ሊታወቅ ይችላል። ይህንን መረጃ ለህዝብ ሞዴል ማቅረብ የKVKK/GDPR እና የስነምግባር ኮሚቴ (IRB) ማፅደቆችን ይጥሳል እና የማይቀለበስ የግላዊነት ጥሰት ነው። ሚስጥራዊነት ያለው መረጃ በአካባቢ/አስተማማኝ፣ ውል በገባባቸው አካባቢዎች መከናወን አለበት።

13. በአንድ ጥናት ውስጥ 'ታካሚ እና ቁጥጥር' ብለው ያሰቡት ልዩነት በእውነቱ ናሙናዎቹ በሁለት የተለያዩ ቀናት ውስጥ በመሰራታቸው ነው። ይህ ሁኔታ ምን ይባላል እና እንዴት ይያዛል?

• ሀ) ውጫዊው ውጤት ነው; ነጥቦች መሰረዝ አለባቸው
• ለ) የመደበኛነት እጥረት ነው; ሚዛን ማስተካከል ብቻ በቂ ነው።
• ሐ) የቡድን ውጤት ነው; በንድፍ ውስጥ ሚዛናዊ መሆን እና በአምሳያው ላይ እንደ ባች ተለዋዋጭ ✔ መጨመር አለበት
• መ) ፒ-ጠለፋ; ፈተናው መለወጥ አለበት

ማብራሪያ፡- በናሙና ባች/ሂደት ቀን ምክንያት የቴክኒክ ልዩነት ባች ኢፌክት ይባላል እና ከባዮሎጂ ልዩነት ጋር ሊምታታ ይችላል። ትክክለኛው አቀራረብ በንድፍ ውስጥ ያሉትን ባችዎች ማመጣጠን እና የቡድን ተለዋዋጭ ወደ ስታቲስቲክስ ሞዴል (ለምሳሌ '~ batch + ሁኔታ') መጨመር ነው, በዚህም የቴክኒካዊ ምልክትን ከባዮሎጂካል ምልክት ይለያል.

14. የዲኤንኤ ቅደም ተከተል የጂሲ ውድርን ማስላት ይፈልጋሉ። ትክክለኛው እና ሊደገም የሚችል አካሄድ የትኛው ነው?

• ሀ) የጂሲ ተመን የሚያሰላውን ኮድ ባዮፕቶን ያትሙ፣ ያሂዱት እና ውጤቱን ✔ ይጠቀሙ
• ለ) ሞዴሉን በቅደም ተከተል ይስጡት እና የጂሲውን መጠን በቃላት እንዲነግረው ይጠይቁት።
• ሐ) በሌላ ሞዴል በአምሳያው የተሰጠውን ሬሾ ማረጋገጥ
• መ) የመጀመሪያዎቹን 100 ተከታታይ ፊደላት በመመልከት እና በአይን መገመት

ማብራሪያ: የጂ.ሲ.ሲ መጠን የሚወስን ስሌት ነው; የቋንቋው ሞዴል 'በሚያስታውሰው' እሴት ላይ ሳይሆን አደራደሩን በሚያስኬድ ኮድ ላይ የተመሰረተ መሆን አለበት። ሞዴሉ እንዲያሰላው ከማድረግ ይልቅ የማስላት ኮዱን እንደ ባዮፕቶን ባሉ መሳሪያዎች ማተም እና እራስዎ ማስኬድ በሚያስኬዱበት ጊዜ ሁሉ ተመሳሳይ ውጤት የሚሰጥ ትክክለኛ ውጤት ይሰጣል ።