Этика, биоқауіпсіздік, құпиялылық және ғылыми тұтастық

Табыстар:

• Сезімтал адам/генетикалық деректерді KVKK, GDPR және этика комитетінің ережелеріне сәйкес қорғау және оларды ашық үлгіге бермеу мүмкіндігі
• Биоқауіпсіздік/қос пайдалану және популяциялық біржақтылық тәуекелдерін бағалау арқылы нәтижелердің дұрыстығына күмән келтіру мүмкіндігі
• Көлік құралына этикалық жауапкершілікті беруге болмайтынын және маңызды адам маңызды екенін түсіну

Биологияда жасанды интеллектті қолдану оны жауапкершілікпен қолданумен толықтырылады. Биология – адам денсаулығына, генетикалық құпиялылыққа, қоршаған ортаға және тіпті биоқауіпсіздікке әсер ететін сезімтал сала. Бұл бөлімде біз биологиялық зерттеулерде жасанды интеллектті пайдалану кезінде кездесетін этикалық, құқықтық және қауіпсіздік жауапкершіліктерін талқылаймыз. Бұл блок алдыңғы барлық бөлімшелердегі тексеру және адалдық принциптеріне негізделген құрылым болып табылады.

Негізгі принцип: АИ - бұл құрал; Этикалық жауапкершілік әрқашан адамдарға жүктеледі. «Ұсынылған үлгі» - ақтау емес.

Жауапкершіліктің төрт саласы

1. Деректер құпиялылығы және адам деректері

Адам қатысушыларының генетикалық, клиникалық немесе денсаулық деректері өте сезімтал. Адамның ДНҚ тізбегі олардың және олардың туыстарының ауру қаупін және жеке басын аша алады; Тіпті анонимді деп есептелетін геномдық деректерді қайта анықтауға болады. Бұл деректерді жалпыға қолжетімді AI үлгісіне қою деректерді қорғау заңдарын (Түркиядағы KVKK, Еуропадағы GDPR) және этика кеңесінің (IRB/этика комитеті) мақұлдауын бұзуы мүмкін.

• Ашық үлгіге жеке/клиникалық деректерді бермеңіз.
• Келісім шегінен тыс пайдалануға жол бермеу; Қатысушы немен келісім берді?
• Кәсіпорын/жергілікті (жергілікті) немесе деректерді өңдеу келісімшарт құралдарын таңдаңыз.

2. Биологиялық қауіпсіздік және қосарлы пайдалану

Кейбір биологиялық ақпарат «қос пайдалану» болып табылады: ол пайдалы және зиянды болуы мүмкін; мысалы, патогендік (ауру тудыратын) тізбектер, токсиндердің өндірісі. Қауіпті патогендерді күшейту немесе зиянды биологиялық агенттерді жобалау туралы ақпаратты AI сұрау көптеген жерлерде этикаға жатпайды және заңсыз.

• Қауіпті қосарлы пайдалану сұрауларын жасамаңыз.
• Мекемеңіздің биологиялық қауіпсіздік кеңесінің (IBC) нұсқауларын орындаңыз.

3. Ғылыми тұтастық

Алдыңғы бөлімдерде көргендердің бәрі осында біріктірілген: жалған атрибуция, деректерді жақсарту, p-бұзу, таңдаулы есеп беру жоқ. Жасанды интеллект бұларды жеңілдетеді немесе қиындатады; Айырмашылық сенің адалдығыңда.

• Барлық нәтижелерді (оның ішінде теріс) хабарлаңыз.
• Жасанды интеллектті қолдануды жариялаңыз.
• Шикі деректер мен кодты (мүмкіндігінше) ортақ пайдалану арқылы қайталануды қолдау.

4. Біржақтылық және әділдік

AI үлгілері олар оқытылатын деректердің қиғаштығына ие. Геномдық дерекқорлар негізінен еуропалық текті популяциялардан келеді; бұл басқа популяциялардағы болжамдардың нашарлауына әкеледі. Кескін үлгісі жаттығу деректерінде аз көрсетілмеген жағдайда нашар жұмыс істеуі мүмкін.

• Модель қандай популяция/деректер бойынша оқытылғанын сұраңыз.
• Нәтижелердің барлық топтарға сәйкестігін бағалаңыз.

Кеңес: Өзіңізден сұраңыз: «Егер мен бұл деректерді модельге берсем, ол кімдікі және ол рұқсат берді ме?» Жауап түсініксіз болса, бермеңіз. Құпиялықты бұзу қайтымсыз болып табылады.

Қадамдық: жауапты AI басқару

1. Деректер көзін жіктеңіз: жеке/сезімтал немесе жалпы?
2. Келісім мен рұқсаттарды тексеріңіз: бұл пайдалану қамтыла ма?
3. Дұрыс құралды таңдаңыз: құпия деректерге арналған қауіпсіз/жергілікті орта.
4. Қосарлы пайдалану қаупін қарастырыңыз.
5. Сұрақтың бұрмалануы: Нәтиже барлық топтарда жарамды ма?
6. Құжаттау және пайдалану туралы мәлімдеме.

Көшіретін шақыру үлгілері

Төмендегі талдау жоспарымды этикалық тұрғыдан қарап шығыңыз: деректердің құпиялылығына, қатысушылардың келісіміне, ықтимал теріс пікірге және қосарлы пайдалану қаупіне қатысты ескертулерді тізімдеңіз. Жоспар: [мәтін] (Ескерту: Мен пациенттің нақты деректерін бөліспеймін, тек жоспар.)

Осы геномдық деректер жинағын пайдаланбас бұрын қандай құпиялылық және келісім сұрақтарына жауап беруім керек? KVKK/GDPR және этика комитеті тұрғысынан тексеру парағы дайындалады.

Мақаланың әдіс бөлімінде қолданатын жасанды интеллект құралын қалай ашық жариялауым керек? Баяндауыш сөйлемге мысал жаз; онда қандай ақпарат (құрал, нұсқа, қолдану аясы) болуы керек?

Осы үлгінің нәтижелерінің популяцияға бейімділігі бар-жоғын қалай бағалаймын? Жаттығу деректері мен тексеру қадамдары туралы маған қоятын сұрақтарды тізімдеңіз.

Әлсіз шақыру / Күшті шақыру

Әлсіз: «Келесі пациенттің генетикалық деректерін талдаңыз: [нақты деректер]».

Güçlü: "Мен клиникалық геномдық деректермен жұмыс істейтін талдау жоспарын құрып жатырмын, бірақ пациенттің нақты деректерімен бөліспеймін. Тек әдіснамалық тұрғыдан: қандай құпиялылық шараларын қабылдауым керек, деректерді қандай ортада өңдеуім керек, қандай мақұлдау және этика комитетінің шарттарын орындауым керек? Ағынды жалған/үлгі деректерімен көрсете аласыз."

Айырмашылық: күшті шақыруда нақты құпия деректер бөлісілмейді; Тек әдіс сұралады. Құпиялылық сақталады, үлгі әлі де көмектеседі.

үш шағын іс

1-жағдай - Құпиялылықты бұзу: Зерттеуші пациенттің анонимді экзома деректерін талдау үшін ашық үлгіге қойды. Этика жөніндегі комитет бұл туралы білгенде, зерттеу тоқтатылды; Деректерді өңдеу туралы келісім болған жоқ. Сабақ: құпия деректер ешқашан ашық үлгіге енбейді.

2-жағдай — Популяцияның бейімділігі: Еуропадан шыққан деректер бойынша полигендік тәуекелді бағалау құралы оқытылды; Басқа популяцияда тәуекелді бағалау айтарлықтай қате болды. Модель оқу деректерінің құрамына күмән келтіруді ұсынған кезде, команда бұл популяцияда құралды қолданбауды шешті. Сабақ: бейтараптық өмірді сақтайды немесе зиян келтіреді.

3-жағдай — Ашу және ашықтық: Топ AI көмегімен деректерді тазалау кодын жазды және оны әдіс бөлімінде анық айтты; Ол сонымен қатар кодты бөлісті. Рецензенттер мұны құптады, өйткені қайталану мүмкіндігі күшті болды. Сабақ: мөлдірлік сенім тудырады.

салыстыру диаграммасы

аумақ

қауіпсіз мінез-құлық

қауіпті мінез-құлық

пациент деректері

Жергілікті/қауіпсіз орта

Үлгіні ашу үшін қойыңыз

келісім

Қолдану ауқымында

Ауқымды шектен асырмаңыз

Биологиялық қауіпсіздік

Қосарлы пайдаланудан аулақ болу

қауіпті сұраныс

тұтастық

Барлық нәтижелерді хабарлаңыз

таңдамалы есеп беру

бейтараптық

Халықты сұрау

Соқыр түрде қолданыңыз

ашықтық

Пайдалануды жариялау

жасыру

Жалпы қателер

• Ашық үлгіге құпия деректерді беру: құпиялылықтың қайтымсыз бұзылуы.
• Келісім шегінен шығу: Қатысушы рұқсат етпеген пайдалану.
• Біржақтылықты елемеу: нәтижелерді барлық топтарға жалпылау.
• Жасырын пайдалану: AI үлесін жарияламау.
• «Ұсынылған үлгі» қорғау: Жауапкершілікті көлікке жатқызу.

Абайлаңыз: жоғары нәтижелі биологиялық жұмыста (клиникалық шешім, биоқауіпсіздік, адам деректері) AI нәтижесі құзыретті сарапшылық тексеруді және этикалық қадағалауды алмастырмайды; бұл тек тездетеді. Шешімнің этикалық және ғылыми салдарымен бірге түпкілікті жауапкершілік әрқашан адамда болады.

Қоршаған орта, экология және дәстүрлі білім

Этикалық жауапкершілік тек адам деректерімен шектелмейді. Экология мен табиғатты қорғау биологиясында жасанды интеллект қолданғанда да сақтық қажет. Мысалы, жойылып кету қаупі төнген түрдің нақты орналасу деректері (камера қақпанының координаттары) браконьерлік қаупіне байланысты сезімтал; Бұл деректерді ашық үлгіге немесе көпшілікке шығару түрге зиян келтіруі мүмкін. Сол сияқты, жергілікті қауымдастықтардың дәстүрлі биологиялық білімі (мысалы, өсімдікті пайдалану) рұқсатсыз пайдаланылған кезде этикалық және құқықтық (Нагоя хаттамасы сияқты) мәселелер туындайды. Деректерді пайдаланбас бұрын, "бұл ақпарат кімге тиесілі және оның ашылуы кімге зиян тигізеді?" Әрқашан сұрақ қойыңыз.

Адамның бақылауы және соңғы шешім

Бұл модульдің мәні бір принципке негізделеді: адамның маңызды бақылауы. AI ұсыныс жасайды, жобаны жазады, үлгіні көрсетеді; Бірақ биологиялық, клиникалық немесе этикалық шешім ешқашан үлгі шығаруға тікелей негізделмейді. Әсіресе қауіпті аймақтарда (диагностика, емдеу, түрді сақтау туралы шешім, шығару) модельдің рөлі шешім қабылдау емес, сарапшының шешімін жеделдету болып табылады. «Адам-ілгек» тәсілі ұран емес, қажеттілік.

Бұл бақылау жұмыс істеуі үшін жетекші сауатты болуы керек. Соқыр келісім («үлгі айтты, қабылдау») қадағалау емес. Нағыз қадағалау нәтижеге күмән келтіретін, оның қатесін анықтайтын және қажет болған жағдайда оны қабылдамайтын сараптаманы қажет етеді. Сондықтан жасанды интеллект сарапшыны алмастырмайды; Бұл маманды одан да таптырмас етеді. Көлікті жақсы пайдаланатын адам оны жақсы басқара алады.

Қысқаша айтқанда

Биологияда AI-ны жауапты пайдалану төрт саланы қамтиды: деректердің құпиялылығы (адамның құпия деректерін қорғау), биоқауіпсіздік (екі рет пайдаланудан аулақ болу), ғылыми тұтастық (адал және толық есеп беру) және біржақты хабардарлық (барлық топтар бойынша нәтижелердің жарамдылығы). Ашық үлгіге құпия деректерді бермеңіз, пайдалануды мөлдір түрде жариялаңыз, популяцияның ауытқуына күмән келтіріңіз. Этикалық жауапкершілік ешқашан агентке берілмейді; Ол әрқашан адамдарда болады.

Қолданбалы тапсырма

Жеке жұмыс кеңістігіңізден сценарийді қарастырыңыз (мысалы, адам деректер жинағын немесе кескін үлгісін пайдалану). AI осы сценарийдің этикалық бақылау тізімін (құпиялылық, келісім, біржақтылық, қосарлы пайдалану, ашықтық) нақты деректерді бөліспей-ақ ойлап шығарсын. Әрбір тармақ үшін оны сіздің жағдайыңызда «тиісті/қауіпті/белгісіз» деп белгілеп, қауіпті/белгісіздер үшін әрекет жоспарын жазыңыз. Сондай-ақ мақалаңызға арналған AI пайдалану туралы мәлімдемені дайындаңыз.

бақылау парағы

• [ ] Мен ашық үлгіге құпия/жеке деректерді бермедім.
• [ ] Мен келісім көлемін және этика комитетін тексердім.
• [ ] Мен қосарлы пайдалану/биологиялық қауіпсіздік тәуекелін бағаладым.
• [ ] Мен барлық нәтижелер туралы шынайы хабарладым.
• [ ] Мен популяцияға/деректерге күмән келтірдім.
• [ ] Мен жасанды интеллект қолдануды ашық түрде жарияладым және жауапкершілікті өз мойныма алдым.

Модуль емтиханы

1. Студент тіл үлгісінен «осы FASTA файлында қанша жол бар?» деп сұрады. деп сұрайды және модель «48» деп жауап береді. Ең дұрыс тәсіл қайсы?

• А) Модель арқылы берілген 48 санын тура қолдану; Модель сенімді, себебі ол файлды көреді
• Ә) Санды тағы бір рет сұрап, екі жауап бірдей болса, оны дұрыс деп қабылдаңыз
• C) Biopython көмегімен файлды оқу, кодпен қатарлар санын санау және шығысты пайдалану ✔
• D) Файлды қолмен ашып, көздің шешімімен санау

Түсініктеме: Санау және өлшеу сияқты детерминистік тапсырмаларды тіл үлгісіне емес, іске қосылатын кодқа қалдыру керек. Модель санды «есте сақтамайды», ол ықтималдық мәнін шығарады және қателесуі мүмкін; Biopython сияқты құралмен санау дәл және қайталанатын нәтижелер береді.

2. Микроскоп кескініндегі жасушаларды санап, әрқайсысының ауданын өлшегіңіз келеді. Бұл тапсырма үшін ең қолайлы тәсіл қандай?

• A) Cellpose/StarDist сияқты сарапшылық сегменттеу құралын пайдалану және нәтижені қолмен тексеру ✔
• B) Кескінді жалпы тіл үлгісіне қойып, «қанша ұяшық бар» деп сұраңыз.
• C) Модельге суретті сипаттап, болжалды санды сұрау
• D) Пиксель санын ешбір калибрлеусіз ұяшықтар саны ретінде қабылдау

Түсініктеме: Ұяшықты сегменттеу және өлшеу жалпы тіл үлгісінің саласы емес, осы тапсырма үшін арнайы дайындалған мамандандырылған кескін үлгілерінің (Cellpose, StarDist) саласы болып табылады. Тілдік модель осы құралдарды шақыратын кодты жазады; Сарапшы модель өлшеуді жүргізеді, ал биолог нәтижені тексереді.

3. Магистрант өзінің дипломдық жұмысының кіріспесіне тілдік үлгі бойынша жасалған 8 дереккөзді қосады. Кеңесші олардың 3-еуі мүлде жоқ екенін анықтайды. Бұл жағдайды қалай болдырмауға болады?

• A) Модельден ресурстарды тағы бір рет өндіруді сұрау арқылы
• B) DOI бар дәйексөздерді ғана таңдау арқылы (DOI бар болса, ол нақты)
• C) Үлгіні «сәйкестендіруге» нұсқау беру арқылы тізімді сұрау
• D) PubMed/doi.org сайтындағы әрбір дәйексөзді өз бетінше тексеру және тек өзі оқыған мақалаларға сілтеме жасау ✔

Түсініктеме: Жалпы тілдік үлгілер әдебиеттер базасы болып табылмайды; Нақты жазбаларды іздеудің орнына, ол шындыққа жақын атрибуцияларды (жасанды атрибуция) «түзеді». Әрбір авторлық жол мен DOI PubMed/doi.org сияқты көздерде тәуелсіз тексерусіз және тек нақты оқылған мақалаларға сілтеме жасай отырып пайдаланылмауы керек.

4. Жасанды интеллектпен жазылған деректерді тазалау кодының дәлдігін қамтамасыз етудің ең күшті жолы қандай?

• A) Егер код қатесіз жұмыс істесе, оны дұрыс деп қабылдаңыз.
• B) Нәтижені шағын белгілі үлгімен сынау және күтуді assert арқылы тексеру ✔
• C) Модельден «код дұрыс па?» деп сұраңыз. сұрақ қою және «иә» деген жауапқа сену
• D) Кодты бірнеше рет іске қосыңыз және әр жолы бірдей нәтиже алыңыз

Ескертпе: Код қатесіз жұмыс істейтіндіктен оның дұрыс екенін білдірмейді; «Қателіксіз жұмыс істейтін қате код» биологиядағы ең қауіпті жағдай. Нәтижесін алдын ала білетін шағын үлгімен тестілеу және күтуді растау арқылы кодқа енгізу дыбыссыз қате нәтижелерге қарсы ең күшті қорғаныс болып табылады.

5. RNA-seq талдауында 20 000 ген тексеріліп, 3800 ген түзетусіз p<0,05 «маңызды» болып табылады. Бұл тұжырымның негізгі мәселесі неде?

• A) Үлгілердің саны тым көп, оны азайту керек
• B) p шегі тым жоғары, 0,10 пайдаланылуы керек еді
• C) Бірнеше салыстыру түзетуі (FDR) орындалмады; Көптеген жалған позитивтер бар✔
• D) Үлгілерді гендердің орнына сынау керек еді

Түсініктеме: Мыңдаған гендерді бір уақытта сынаған кезде, көптеген гендер нақты айырмашылық болмаса да, кездейсоқ «маңызды» болып көрінеді; Бұл көп салыстыру мәселесі деп аталады. Шешім Бенджамин-Хочберг сияқты әдіспен FDR (жалған ашу жылдамдығы) түзетуін қолдану; Түзету арқылы тізім әдетте ондаған бірнеше жүз генге дейін азаяды.

6. BLAST нәтижесіндегі ең жақсы сәйкестіктің E-мәні 2,0. Бұл нені білдіреді?

• A) Сәйкестіктің кездейсоқ болуы ықтимал; ✔ сенімді сәйкестік емес
• B) Ілініс өте берік; Электрондық құндылық неғұрлым жоғары болса, соғұрлым жақсы
• C) 2% жылдамдықпен сәйкес келетін реттілік
• D) Екі тізбектің арасында 2 базалық айырмашылық бар

Түсініктеме: E-мәні сәйкестіктің кездейсоқ болуын көрсетеді; Кішкентай болғаны жақсы. 1-ден жоғары электрондық мән сәйкестіктің кездейсоқ болуы ықтимал екенін көрсетеді. Сенімді сәйкестіктер үшін, әдетте, e < 1e-5 сияқты өте кішкентай шекті мәндер ізделеді.

7. AlphaFold үлгісінде ақуыздың терминалдық аймағы төмен pLDDT ұпайын көрсетеді (<50). Бұл аймақты қалай түсіндіру керек?

• A) AlphaFold осы аймақта қате жіберді, аймақты талдаудан шығару керек
• B) Бұл аймақ сөзсіз альфа спираль болып табылады
• C) Модель мүлдем сенімсіз, құрылымды қолдануға болмайды
• D) Аймақ дұрыс емес/икемді болуы мүмкін; «өтірік» емес, «түсініксіз» деп түсіну керек ✔

Сипаттама: pLDDT - әрбір амин қышқылы үшін жергілікті сенімділік көрсеткіші; 50-ден төмен мәндер шын мәнінде тұрақты емес (икемді, тұрақты емес) аймақтарды көрсетеді. Бұл аймақтарды «дұрыс емес болжамдар» ретінде автоматты түрде жою дұрыс емес; Төмен баллды «белгісіз/икемді» деп оқу керек және оның биологиялық маңыздылығын бағалау керек.

8. Зерттеуші ұяшық аумақтарын тек пиксельдермен хабарлайды және нәтижелер әдебиетке сәйкес келмейді. Қандай қадам жетіспейді?

• A) Көп жасушаларды санау керек еді
• B) Масштабты калибрлеу (пиксельді микрометрге түрлендіру) орындалмады, нәтижелер физикалық бірліктерге түрлендірілмеді ✔
• C) Сегменттеу құралы дұрыс таңдалмаған
• D) Суреттің ажыратымдылығы тым жоғары

Түсініктеме: Масштабты калибрлеу (бір пиксельге қанша микрометр) кескіннен физикалық өлшемді алу үшін маңызды. Егер бұл қадам өткізілсе, мәндер микроскоптың параметріне байланысты теңдесі жоқ болып қалады. Аудандарды шаршы микрометрлер сияқты физикалық бірліктерге түрлендіру керек.

9. Оқушы бір тышқаннан 10 ұлпа үлгісін алады және статистикада «n=10» қолданады. Неліктен бұл дұрыс емес?

• A) 10 үлгі статистика үшін тым аз, кем дегенде 30 қажет
• B) Ұлпа үлгілерін әртүрлі мүшелерден алу керек болды
• C) Бұл 10 мысал техникалық қайталаулар; биологиялық n әлі 1, бұл қайталау деп аталатын ✔
• D) Үлгілер бір күнде алынғандықтан жарамсыз

Түсініктеме: Бір адамнан алынған қайталанатын өлшемдер техникалық қайталау болып табылады; мұндағы статистикалық n – биологиялық бірліктердің саны (мұнда тышқандар). Техникалық қайталауды биологиялық (псевдоррепликация) деп қарау жалған мән береді. Дұрыс дизайн бірнеше адаммен жұмыс істеуді білдіреді.

10. Бір талдау p=0,03 табылды. Бұл мәннің дұрыс түсіндірмесі қандай?

• A) Шындығында ешқандай айырмашылық болмаса, осы немесе одан да көп экстремалды нәтижені көру мүмкіндігі 3% болады ✔
• B) эффектінің нақты болу ықтималдығы 97%
• C) Нөлдік гипотезаның ақиқат болу ықтималдығы 3%
• D) Нәтиже 97% қайталанады

Түсініктеме: p-мәні «гипотезаның ақиқат болу ықтималдығы» немесе «әсердің ақиқат болу ықтималдығы» емес. p-мәні – айырмашылықты іс жүзінде ешқандай айырмашылық болмаған кезде байқалғанға қарағанда экстремалды немесе шектен тыс көру ықтималдығы. Сондықтан p=0,03 «әсер 97% нақты» дегенді білдірмейді; нәтижелер әсер мөлшері мен сенімділік аралығы бойынша да бағалануы керек.

11. Презентацияда екі топ арасындағы 3% айырмашылық y осін 95-100 диапазонына қысу арқылы үлкен болып көрсетіледі. Бұл ненің мысалы?

• A) Жақсы визуализация техникасы; айырмашылығын көрсетеді
• B) Түсті соқырларға ыңғайлы палитра мәселесі
• C) Қолайлы стиль таңдауы
• D) Кесілген осьпен айырмашылықты асыра көрсететін жаңылыстыратын және адал емес диаграмма ✔

Түсініктеме: осьті нөлден инициализацияламау (қысқартылған ось) аздаған айырмашылықты көрнекі түрде асыра көрсету арқылы көрерменді жаңылыстырады. Бұл адалдық принципін бұзу; Әсіресе бағаналы диаграммаларда ось нөлден басталуы керек және айырмашылық оның нақты өлшемімен көрсетілуі керек.

12. Зерттеуші өз ойынша анонимді емделуші экзома деректерін талдау үшін жалпы тіл үлгісіне қояды. Неліктен бұл мінез-құлық проблемалы?

• A) Мәселе жоқ; анонимді болса, деректерді ортақ пайдалануға болады
• B) Ашық үлгіге пациенттің құпия деректерін беру құпиялылық пен этикалық/құқықтық талаптарды (KVKK/GDPR) бұзу болып табылады және оны қайтару мүмкін емес ✔
• C) Талдау баяу болатындықтан ғана проблемалық
• D) Модель проблемалы, себебі ол деректерді түсіне алмайды

Сипаттама: Пациенттің генетикалық/клиникалық деректері өте сезімтал; Тіпті анонимді деп есептелетін геномдық деректерді қайта анықтауға болады. Бұл деректерді жалпыға ортақ үлгіге беру KVKK/GDPR және этика комитетінің (IRB) рұқсаттарын бұзады және құпиялылықтың қайтымсыз бұзылуы болып табылады. Сезімтал деректер жергілікті/қауіпсіз, келісімшарттық орталарда өңделуі керек.

13. Бір зерттеуде олар «пациент пен бақылау» деп ойлаған айырмашылық шын мәнінде үлгілердің екі түрлі күнде өңделуіне байланысты болды. Бұл жағдай қалай аталады және оны қалай шешуге болады?

• A) Бұл шектен тыс әсер; нүктелерді жою керек
• B) Бұл қалыпты жағдайдың болмауы; тек масштабты түзету жеткілікті
• C) Бұл партиялық эффект; дизайнда теңдестірілген болуы және үлгіге топтамалық айнымалы ретінде қосылуы керек ✔
• D) p-бұзу; сынақты өзгерту керек

Түсініктеме: Сынама алу партиясына/өңдеу күніне байланысты техникалық айырмашылық сериялық эффект деп аталады және биологиялық айырмашылықпен шатастыруға болады. Дұрыс тәсіл – жобадағы партияларды теңестіру және пакеттік айнымалы мәнді статистикалық үлгіге қосу (мысалы, «~топтама + жағдай»), осылайша техникалық сигналды биологиялық сигналдан бөлу.

14. ДНҚ тізбегінің GC қатынасын есептегіңіз келеді. Қайсысы дұрыс және қайталанатын тәсіл?

• A) Biopython көмегімен GC жылдамдығын есептейтін кодты басып шығарыңыз, оны іске қосыңыз және ✔ шығысын пайдаланыңыз
• B) Модельге тізбекті беріңіз және одан ГК жылдамдығын ауызша айтуды сұраңыз
• C) Модельмен берілген қатынасты басқа модельмен растау
• D) Қатардағы алғашқы 100 әріпке қарап, көзбен болжау

Түсініктеме: МК мөлшерлемесі детерминирленген есеп; тіл үлгісі «есте сақтайтын» мәнге емес, алапты өңдейтін кодқа негізделуі керек. Үлгіні есептеудің орнына, есептеу кодын Biopython сияқты құралмен басып шығару және оны өзіңіз іске қосу оны іске қосқан сайын бірдей нәтиже беретін дәл нәтиже береді.