Kasu:
- Võimalus valida selleks otstarbeks põhilisi graafilisi bioloogiatüüpe, nagu vulkaani graafik, soojuskaart, kasti/viiuli graafik ja PCA.
- Võimalus rakendada aususe põhimõtteid, nagu nullist algav telg, veariba määratlus, n teave ja juurdepääsetav palett
- Võimalus vältida eksitavaid graafikuid, mis varjavad jaotust, lõikavad telge ja kaunistavad andmeid
Bioloogilist leidu, ükskõik kui oluline, ei saa mõista, kui seda ei visualiseerita hästi. Samal ajal võib halb või eksitav graafik andmeid valesti esitada; See on nii eetiline probleem kui ka teaduslik viga. Selles üksuses käsitleme bioloogias enim kasutatavaid graafikutüüpe, kuidas neid tehisintellektiga kiiresti toota ning millele tähelepanu pöörata, et graafik oleks aus.
Tehisintellekt toodab matplotlib/seaborn koodiga edastuskvaliteediga graafikuid sekunditega; kuid teie ülesanne on otsustada, kas graafik kajastab andmeid täpselt.
Põhilised graafikutüübid bioloogias
- Vulkaani graafik: efekti suuruse (log2FC) ja olulisuse (-log10 p) võrdlus diferentsiaalavaldises. Näitab lühidalt muutunud geene.
- Heatmap: mitme geeni/proovi ekspressioonimuster värvides. See paljastab mustrid rühmitamise kaudu.
- Kasti/viiuli süžee: Rühmade jaotuse võrdlemine. See on keskmisest ribast ausam, sest näitab vahet.
- PCA diagramm: suuremõõtmeliste andmete vähendamine kahe mõõtmeni ja proovide rühmitamise kuvamine (põhikomponentide analüüs).
- Fülogeneetiline puu: liikide/järjestuste evolutsioonilise suhte näitamine hargnemise kaudu.
- Ellujäämiskõver (Kaplan-Meier): näitab sündmuse (nt surma) tõenäosust aja jooksul.
Näpunäide. Lihtsad keskmisele joonistatud tulpdiagrammid on bioloogias sageli eksitavad, kuna varjavad üksikuid andmepunkte ja jaotust. Võimaluse korral valige kastijoonis või "mesilassülm", mis näitab ka punkte. Kui andmepunkte on vähe, näidake neid kõiki.
Ausad graafikapõhimõtted
- Laske teljel alustada nullist (eriti tulpdiagrammides); kärbitud telg liialdab erinevust.
- Määrake, mis on veariba: standardhälve, standardviga või usaldusvahemik? Need on väga erinevad.
- Näita n: Saadud proovide arv peaks olema graafikul või pealkirjas.
- Kasutage värvipimesõbralikku paletti (nt viridis); Ärge tuginege punase-rohelise eristusele.
- Ärge kaunistage andmeid: kõrvalekalde kustutamine, telje liigutamine või ainult ilusa korduse näitamine on teaduslik väärkäitumine.
Samm-sammult: vulkaanikaardi koostamine
- Valmistage andmed ette: tabel gen, log2FC, padj veergudega.
- Teisendus: arvutage y-telje jaoks -log10(padj).
- Määrake läved: |log2FC|>1 ja padj<0,05.
- Värvige see: üles, alla, mõttetud kolm kategooriat.
- Silt: nimetage mõned (mitte kõik) tugevaimad geenid.
- Pealkiri ja telg: selge silt, n teave, läve kirjeldus.
Kopeeritavad viipade mallid
Roll: olete teadusliku visualiseerimise assistent. Ülesanne: Joonistage minu diferentsiaalväljendite tabelist vulkaani graafik (gen, log2FC, padj). Lävi: padj<0,05 ja |log2FC|>1. Värvige kolm kategooriat ja märgistage 10 kõige olulisemat geeni. Värvipime sõbralik palett, selge telje silt, lisage päisesse n teavet. matplotlib, saate kvaliteet. Kommenteeritud kood.
Joonistage soojuskaart: read on 50 kõige varieeruvamat geeni, veerud on näidised. Tehke ridade normaliseerimine Z-skooriga, lisage hierarhiline klasterdamine, kasutage viridise paletti. Näidisrühmade kuvamine värvitriibuga.
Selgitage, kas minu graafiku veariba peaks olenevalt katse eesmärgist olema standardhälve või standardviga. Selgitage nende kahe erinevust ja vale valimise tagajärgi.
Muutke see tulpdiagramm ausamaks: lisage üles üksikud andmepunktid, alustage telge nullist, näidake n. Saadaval kood: [kood]
Nõrk viip / Tugev viip
Nõrk: "Joonistage saak."
Tugev: "Kasutage ensüümi aktiivsuse andmeid 4 rühma kohta (igaüks n = 8). Joonistage rühmade võrdlev viiulidiagramm; katke iga rühma üksikud andmepunktid; kuvage keskmine joon; alustage y-telge nullist; lisage telje siltidele ühik (nmol/min); kasutage värvipimedat paletti. Veenduge, et diagramm kajastaks jaotust õiglaselt."
Erinevus: võimsal viibal on diagrammi tüüp, n, aususe põhimõtted ja ühik. Mudel loob graafika, mis on informatiivne, mitte eksitav.
kolm minikarpi
Juhtum 1 – kärbitud telg: ühes esitluses muudeti kahe rühma vaheline 3% erinevus tohutuks, pigistades telje 95–100 vahel. Kui AI käivitas telje nullist, selgus, et erinevus oli tegelikult väike. Õppetund: teljega manipuleerimine eksitab vaatajat.
Juhtum 2 – varjatud jaotus: tulpdiagramm näitas kahte rühma, mis olid „oluliselt erinevad”; aga punktide liitmisel oli näha, et grupid kattusid suures osas ja vahe tuli paarist väljapoole jäävast punktist. Kui modell soovitas punkte lisada, selgus tõeline lugu. Õppetund: diagramm, mis peidab jaotusvaled.
Juhtum 3 – värvipime probleem: kuumakaart joonistati punase-rohelise paletiga; Ligikaudu 8% publikust (värvipimedad mehed) ei näinud erinevust. Kui läksin üle Viridise paletile, muutus tabel kõigile loetavaks. Õppetund: juurdepääsetav kaubaalus peaks olema standardne.
võrdlustabel
Eesmärk
sobiv graafika
Vältida
diferentsiaalne väljendus
vulkaani kaart
toores p loend
Grupijaotus
kast/viiul+täpid
tavaline kepp
mitme geeni muster
Soojuskaart (rühmitatud)
pikk laud
Näidiste rühmitamine
PCA
—
aeg-sündmus
Kaplan-Meier
keskmine baar
Levinud vead
- Kärbitud telg: erinevusega liialdamine.
- Peida jaotus: kuvatakse ainult keskmine riba.
- Veariba ei määratleta: SD/SE/GA segadus.
- N-i ei täpsustata: Lugeja ei saa hinnata usaldusväärsust.
- Ligipääsmatu värv: välja arvatud punase-rohelise paletiga värvipimedad inimesed.
- Andmete kaunistamine: selektiivne esitus on teaduslik väärkäitumine.
Tähelepanu: Graafiku igasugune paigutus, mis muudab andmed nendest erinevaks (telje lõikamine, kõrvalekalde peitmine, valikuline kordamine), on teadusliku terviklikkuse rikkumine. AI suudab tehniliselt koostada "kena" diagrammi; kuid teie kohustus on tagada, et diagramm esitaks andmeid õiglaselt.
Fülogeneetiline puu ja seoste graafikud
Bioloogiale omane visualiseerimine on fülogeneetiline puu, mis näitab liikide või järjestuste evolutsioonilist seost. Hargnemismuster näitab seost ja haru pikkused näitavad muutuse suurust. Tehisintellekt kirjutab koodi, mis loob joondatud järjestustest puu (nt Biopython Phylo või ete3-ga) ja joonistab puu loetavas vormingus. Puu tõlgendamisel on aga kaks lõksu: oksa pikkuse ignoreerimine ja ainult hargnemise vaatamine ning bootstrapi määramata jätmine (väärtus, mis näitab, kui usaldusväärne haru on). Madala toetusega filiaal ei ole lõpliku suguluse väitmiseks piisav.
Joonistage joondatud järjestustest fülogeneetiline puu. Näidake harude pikkusi mõõtkavas, lisage sõlmedele alglaadimistoetuse väärtused, märkige harud, mille tugi on alla 70%. Puu tõlgendamisel lähenege madalatele tugiokstele ettevaatlikult.
Tabel graafikuga: mis millal
Kõik andmed ei vaja graafikat. Kui täpsed arvud on olulised (nt mitme rühma täpsed väärtused, statistilised tulemused), on hästi organiseeritud tabel parem kui graafik. Diagramm näitab mustrit ja võrdlust; Tabel annab täpse väärtuse. Kui tehisintellektilt küsitakse, "kas neid andmeid tuleks kuvada graafiku või tabelina?" ja põhjenduse küsimine tugevdab teie esitlust.
Lõpuks peab diagramm olema iseenesestmõistetav. Lugeja peaks graafikut ja selle pealkirja vaadates aru saama, mida näidatakse, ilma teksti lugemata: teljed tuleks märgistada ja ühikutega, rühmad määratleda, n täpsustada, statistiline olulisus märkida. Küsige tehisintellektilt oma diagrammi "kas see on pealkirja ja siltidega iseseisev?" Selle ülevaatus on hea viimane kontroll.
Avaldamiseks valmis diagramm: tehnilised üksikasjad
On mõningaid tehnilisi üksikasju, mis muudavad graafika ekraanil heast väljanägemisest leviedastuses kasutatavaks, ja AI saab need koodile lisada. Esiteks eraldusvõime: ajakirjad nõuavad sageli kõrget eraldusvõimet (300 DPI ja rohkem) või vektorvormingut (PDF, SVG); See tagab, et graafika ei lähe prindituna häguseks. Teiseks on fondi suurus: ekraanilt loetavat silti ei pruugita lugeda, kui seda artiklilehel vähendada; telg ja sildi punktid tuleks vastavalt reguleerida. Kolmandaks, järjepidevus: sama värvikoodi (nt kontroll alati hall, töötlus alati sinine) kasutamine kõigis sama uuringu graafikutes takistab lugejal iga graafiku uuesti dekodeerimist. Saate need üksikasjad ühe sammuga lisada, öeldes tehisintellektile: "Tehke see graafika avaldamiseks valmis: 300 DPI, vektorväljund, suur fondi suurus, ühtlane värvipalett".
Valmistage minu diagramm avaldamiseks ette: 300 DPI ja salvestage ka vektorina (PDF), suurendage telje ja etikettide suurusi prinditavale suurusele, rakendage ühtlast värvipaletti kogu töö jooksul (kontroll = hall, töötlemine = sinine). Sisestage kommenteeritud kood matplotlibiga.
Kokkuvõttes
Hea teaduslik graafik kuvab andmed nii selgelt kui ka ausalt. Vulkaaniplaan, soojuskaart, kasti/viiuli graafik ja PCA on bioloogia põhivahendid. Tehisintellekt kirjutab nende graafikute jaoks kiiresti koodi, kuid teie ülesanne on järgida aususe põhimõtteid, nagu telje alustamine nullist, jaotuse näitamine, veariba määratlemine, n määramine ja juurdepääsetav palett. Ilus graafika ei ole aus graafika.
Rakenduse ülesanne
Kui teil on olemasolev andmekogum (või näidis), laske tehisintellektil koostada kaks diagrammi: viiuli/kasti graafik koos andmepunktidega, mis näitavad rühmajaotust, ja vulkaani graafik diferentsiaalavaldiste tabelist. Mõlema puhul alustage telge nullist (kui see on asjakohane), lisage pealkirjale n, kasutage värvipimedasõbralikku paletti. Seejärel paluge mudelil koostada samast tulpdiagrammist "eksitav" ja "aus" versioon ning selgitada erinevust.
kontrollnimekiri
- [ ] Diagrammi tüübi valisin vastavalt andmetele ja eesmärgile.
- [ ] Olen telje nullist korralikult lähtestanud.
- [ ] Näitasin jaotust/andmepunkte, mitte ainult keskmist.
- [ ] Täpsustasin, mis on veariba (SD/SE/GA).
- Lisasin diagrammile [ ] n teavet.
- [ ] Kasutasin värvipimedasõbralikku paletti ega kaunistanud andmeid.