Прибыль:
- Возможность выбирать для этой цели основные графические типы биологии, такие как график вулкана, тепловая карта, график ящика/скрипки и PCA.
- Способность применять принципы честности, такие как ось, начинающаяся с нуля, определение шкалы ошибок, n-информация и доступная палитра.
- Возможность избежать вводящих в заблуждение графиков, которые скрывают распределение, обрезают ось и украшают данные.
Биологическое открытие, каким бы важным оно ни было, невозможно понять, если его не визуализировать должным образом. В то же время плохой или вводящий в заблуждение график может искажать данные; Это одновременно этическая проблема и научная ошибка. В этом разделе мы обсудим типы графиков, наиболее часто используемые в биологии, как быстро их создавать с помощью искусственного интеллекта и на что следует обратить внимание, чтобы график был честным.
ИИ создает графики вещательного качества за секунды с помощью кода matplotlib/seaborn; но ваша задача — решить, точно ли график представляет данные.
Основные виды графиков в биологии
- График вулкана: сравнение величины эффекта (log2FC) и значимости (-log10 p) в дифференциальном выражении. Сразу показывает измененные гены.
- Тепловая карта: картина экспрессии нескольких генов/образцов в цветах. Он выявляет закономерности посредством кластеризации.
- Сюжет «Коробка/скрипка»: Сравнение распределения групп. Он честнее среднего бара, поскольку показывает спред.
- Диаграмма PCA: сокращение многомерных данных до двух измерений и демонстрация кластеризации образцов (анализ главных компонентов).
- Филогенетическое дерево: показывает эволюционные взаимоотношения видов/последовательностей посредством ветвления.
- Кривая выживания (Каплана-Мейера): показывает вероятность события (например, смерти) с течением времени.
Совет: Простые гистограммы, построенные по среднему значению, часто вводят в заблуждение в биологии, поскольку скрывают отдельные точки данных и распределение. Если возможно, выберите ящичную диаграмму или «пчелиный рой», на котором также показаны точки. Если точек данных мало, покажите их все.
Честные графические принципы
- Пусть ось начинается с нуля (особенно на гистограммах); усеченная ось преувеличивает разницу.
- Укажите, что такое планка ошибок: стандартное отклонение, стандартная ошибка или доверительный интервал? Они очень разные.
- Покажите: Сколько образцов было получено, должно быть в графике или в заголовке.
- Используйте палитру, удобную для дальтоников (например, viridis); Не полагайтесь на различие между красным и зеленым.
- Не украшайте данные: удаление выбросов, перемещение оси или отображение только красивых повторений — это научное нарушение.
Шаг за шагом: создание карты вулканов
- Подготовьте данные: таблицу со столбцами gen, log2FC, Padj.
- Преобразование: вычислите -log10(padj) для оси Y.
- Установите пороговые значения: |log2FC|>1 и Padj<0,05.
- Раскрасьте: вверх, вниз, бессмысленные три категории.
- Метка: Назовите несколько (не все) самых сильных генов.
- Название и ось: четкая метка, информация n, описание порога.
Копируемые шаблоны подсказок
Роль: Вы ассистент по научной визуализации. Задача: Нарисуйте график вулкана на основе моей таблицы дифференциальных выражений (gen, log2FC, Padj). Порог: Padj<0,05 и |log2FC|>1. Раскрасьте три категории и назовите 10 наиболее значимых генов. Палитра, удобная для дальтоников, четкая метка оси, добавление n информации в заголовок. matplotlib, качество трансляции. Комментированный код.
Нарисуйте тепловую карту: строки — 50 наиболее вариабельных генов, столбцы — образцы. Выполните нормализацию строк с помощью Z-оценки, добавьте иерархическую кластеризацию, используйте палитру viridis. Покажите группы образцов цветной полосой.
Объясните, должна ли полоса ошибок на моем графике представлять собой стандартное отклонение или стандартную ошибку, в зависимости от цели эксперимента. Объясните разницу между ними и последствия неправильного выбора.
Сделайте эту гистограмму более честной: добавьте сверху отдельные точки данных, начните ось с нуля, покажите n. Доступный код: [код]
Слабая подсказка / Сильная подсказка
Слабое: «Постройте график доходности».
Сильный: «Имейте данные об активности ферментов для 4 групп (n = 8 в каждой). Нарисуйте диаграмму скрипки для сравнения групп; наложите отдельные точки данных для каждой группы; покажите срединную линию; начните ось Y с нуля; добавьте единицу измерения к меткам оси (нмоль / мин); используйте палитру, удобную для дальтоников. Убедитесь, что диаграмма точно отражает распределение».
Разница: мощное приглашение содержит тип диаграммы, n, политику честности и единицу измерения. Модель создает информативную графику, не вводящую в заблуждение.
три мини-кейса
Случай 1 — Усеченная ось: в одной презентации разница в 3% между двумя группами была представлена огромной за счет сжатия оси между 95–100. Когда ИИ запустил ось с нуля, оказалось, что разница на самом деле невелика. Урок: манипулирование осями вводит зрителя в заблуждение.
Случай 2 — Скрытое распределение: гистограмма показала две группы, «значительно отличающиеся»; но когда точки были добавлены, стало видно, что группы в значительной степени перекрывались, а разница возникла из-за нескольких выпадающих точек. Когда модель предложила добавить очки, вылезла реальная история. Урок: диаграмма, которая скрывает ложь распределения.
Случай 3. Проблема дальтонизма: тепловая карта была нарисована с использованием красно-зеленой палитры; Примерно 8% аудитории (мужчины-дальтоники) не смогли увидеть разницу. Когда я перешла на палитру Виридис, таблица стала читабельной для всех. Урок: доступный поддон должен быть стандартным.
сравнительная таблица
Цель
подходящий рисунок
Следует избегать
дифференциальное выражение
карта вулкана
необработанный список p
Групповое распределение
коробка/скрипка+точки
обычная палка
мультигенный образец
Тепловая карта (кластеризованная)
длинный стол
Пример кластеризации
СПС
—
время-событие
Каплан-Мейер
средний бар
Распространенные ошибки
- Усеченная ось: преувеличение разницы.
- Скрыть распределение: показывать только средний столбец.
- Неопределение шкалы ошибок: путаница SD/SE/GA.
- Не уточняя: Читатель не может оценить достоверность.
- Недоступный цвет: за исключением дальтоников с красно-зеленой палитрой.
- Украшение данных: выборочное представление является научным нарушением.
Внимание: любое расположение графика, из-за которого данные выглядят иначе, чем они есть на самом деле (обрезание оси, скрытие выбросов, выборочное повторение), является нарушением научной целостности. Технически ИИ может создать «красивую» диаграмму; но вы обязаны убедиться, что диаграмма точно представляет данные.
Филогенетическое дерево и графики связей
Визуализация, специфичная для биологии, — это филогенетическое дерево, которое показывает эволюционные взаимоотношения видов или последовательностей. Схема ветвления указывает на родственность, а длина ветвей указывает на величину изменений. ИИ пишет код, который строит дерево из выровненных последовательностей (например, с помощью Biopython Phylo или ete3) и рисует дерево в читаемом формате. Однако при интерпретации дерева есть две ловушки: игнорирование длины ветки и рассмотрение только ветвления, а также не указание начальной загрузки (значения, которое указывает, насколько надежна ветвь). Ветви с низкой поддержкой недостаточно, чтобы претендовать на окончательное родство.
Нарисуйте филогенетическое дерево из выровненных последовательностей. Показывать длины ветвей для масштабирования, добавлять к узлам значения поддержки начальной загрузки, отмечать ветки с низкой поддержкой ниже 70%. При интерпретации дерева приближайтесь к ветвям с низкой опорой с осторожностью.
Таблица с графиком: что когда
Не для всех данных требуется графика. Там, где важны точные цифры (например, точные значения нескольких групп, статистические результаты), хорошо организованная таблица превосходит график. На диаграмме показаны закономерности и сравнение; В таблице указано точное значение. На вопрос искусственного интеллекта: «Должны ли эти данные отображаться в виде графика или таблицы?» а просьба об обосновании усиливает вашу презентацию.
Наконец, диаграмма должна быть понятной. Читатель должен иметь возможность понять, что показано, просто взглянув на график и его заголовок, не читая текст: оси должны быть помечены и указаны единицы измерения, должны быть определены группы, должно быть указано n, должна быть отмечена статистическая значимость. Спросите ИИ у вашей диаграммы: «Является ли она автономной со своим заголовком и тегами?» Осмотр — это хорошая финальная проверка.
Готовая к публикации диаграмма: технические подробности
Есть некоторые технические детали, благодаря которым графика превращается из хорошей на экране в пригодную для использования в трансляции, и ИИ может добавить их в код. Во-первых, разрешение: журналам часто требуется высокое разрешение (300 DPI и выше) или векторный формат (PDF, SVG); Это гарантирует, что изображение не размывается при печати. Во-вторых, это размер шрифта: тег, который можно прочитать на экране, может быть непрочитан при его уменьшении на странице статьи; точки оси и метки должны быть скорректированы соответствующим образом. В-третьих, последовательность: использование одного и того же цветового кодирования (например, контроль всегда серый, лечение всегда синее) на всех графиках в одном исследовании не позволяет читателю перекодировать каждый график. Вы можете добавить эти детали за один шаг, сказав искусственному интеллекту: «Подготовьте это изображение к публикации: 300 точек на дюйм, векторный вывод, большой размер шрифта, последовательная цветовая палитра».
Подготовьте мою диаграмму к публикации: 300 точек на дюйм, а также сохраните ее в векторном формате (PDF), увеличьте размеры осей и этикеток до размера, удобного для печати, примените единую цветовую палитру для всего тиража (контроль = серый, обработка = синий). Приведите прокомментированный код с matplotlib.
В итоге
Хороший научный график отображает данные четко и честно. График вулкана, тепловая карта, график ящика/скрипки и PCA являются основными инструментами биологии. ИИ быстро пишет код для этих графиков, но ваша задача — следовать принципам честности, таким как начало оси с нуля, отображение распределения, определение шкалы ошибок, указание n и доступной палитры. Красивая графика — это не честная графика.
Задача приложения
Используя имеющийся у вас набор данных (или образец), попросите ИИ создать две диаграммы: график скрипки/коробки с точками данных, показывающими групповое распределение, и график вулкана из таблицы дифференциальных выражений. В обоих случаях начните ось с нуля (если необходимо), добавьте n к заголовку, используйте палитру, удобную для дальтоников. Затем попросите модель создать «вводящую в заблуждение» и «честную» версию одной и той же гистограммы и объяснить разницу.
контрольный список
- [ ] Тип диаграммы я выбрал в соответствии с данными и назначением.
- [ ] Я правильно инициализировал ось с нуля.
- [ ] Я показал точки распределения/данных, а не только среднее значение.
- [ ] Я указал, что такое полоса ошибок (SD/SE/GA).
- Я добавил [ ] n информации в диаграмму.
- [ ] Я использовал палитру, удобную для дальтоников, и не украшал данные.