การแสดงภาพทางวิทยาศาสตร์: การแสดงข้อมูลอย่างตรงไปตรงมาและเข้าใจได้

กำไร:

• ความสามารถในการเลือกประเภทกราฟิกพื้นฐานของชีววิทยา เช่น แผนภาพภูเขาไฟ แผนที่ความร้อน แผนภาพกล่อง/ไวโอลิน และ PCA ตามวัตถุประสงค์
• ความสามารถในการใช้หลักการความซื่อสัตย์ เช่น แกนที่เริ่มต้นจากศูนย์ คำจำกัดความของแถบข้อผิดพลาด ข้อมูล n และจานสีที่สามารถเข้าถึงได้
• ความสามารถในการหลีกเลี่ยงกราฟที่ทำให้เข้าใจผิดซึ่งซ่อนการกระจาย ตัดแกน และทำให้ข้อมูลสวยงาม

การค้นพบทางชีววิทยาไม่ว่าจะสำคัญแค่ไหนก็ไม่สามารถเข้าใจได้หากไม่ได้มองเห็นให้ดี ในเวลาเดียวกัน กราฟที่ไม่ดีหรือทำให้เข้าใจผิดอาจบิดเบือนข้อมูล นี่เป็นทั้งปัญหาด้านจริยธรรมและข้อผิดพลาดทางวิทยาศาสตร์ ในหน่วยนี้ เราจะพูดถึงประเภทของกราฟที่ใช้บ่อยที่สุดในชีววิทยา วิธีสร้างกราฟอย่างรวดเร็วด้วยปัญญาประดิษฐ์ และสิ่งที่ต้องใส่ใจเพื่อให้แน่ใจว่ากราฟมีความเที่ยงตรง

AI สร้างแปลงคุณภาพการออกอากาศในไม่กี่วินาทีด้วยโค้ด matplotlib/seaborn แต่เป็นหน้าที่ของคุณที่จะตัดสินใจว่ากราฟแสดงข้อมูลได้อย่างถูกต้องหรือไม่

กราฟประเภทพื้นฐานทางชีววิทยา

• โครงเรื่องของภูเขาไฟ: การเปรียบเทียบขนาดเอฟเฟกต์ (log2FC) และนัยสำคัญ (-log10 p) ในการแสดงออกที่แตกต่างกัน แสดงยีนที่เปลี่ยนแปลงได้อย่างรวดเร็ว
• แผนที่ความร้อน: รูปแบบการแสดงออกของยีน/ตัวอย่างหลายสี มันเผยให้เห็นรูปแบบผ่านการจัดกลุ่ม
• โครงเรื่องกล่อง/ไวโอลิน: เปรียบเทียบการกระจายตัวของกลุ่ม มีความเที่ยงตรงมากกว่าแท่งเฉลี่ยเพราะมันแสดงให้เห็นสเปรด
• แผนภูมิ PCA: การลดข้อมูลมิติสูงเป็น 2 มิติและแสดงการรวมกลุ่มของตัวอย่าง (การวิเคราะห์องค์ประกอบหลัก)
• ต้นไม้สายวิวัฒนาการ: แสดงความสัมพันธ์เชิงวิวัฒนาการของสายพันธุ์/ลำดับผ่านการแตกแขนง
• เส้นโค้งการอยู่รอด (Kaplan-Meier): แสดงความน่าจะเป็นของเหตุการณ์ (เช่น การเสียชีวิต) เมื่อเวลาผ่านไป

เคล็ดลับ: แผนภูมิแท่งแบบธรรมดาที่ลงจุดค่าเฉลี่ยมักจะทำให้เข้าใจผิดในทางชีววิทยา เนื่องจากแผนภูมิแท่งเหล่านี้บดบังจุดข้อมูลและการแจกแจงแต่ละรายการ หากเป็นไปได้ ให้เลือกกล่องพล็อตหรือ "beeswarm" ที่แสดงจุดด้วย หากมีจุดข้อมูลน้อย ให้แสดงทั้งหมด

หลักการกราฟิกที่ซื่อสัตย์

• ให้แกนเริ่มต้นจากศูนย์ (โดยเฉพาะในแผนภูมิแท่ง) แกนที่ถูกตัดทอนทำให้ความแตกต่างเกินความจริง
• ระบุว่าแถบข้อผิดพลาดคืออะไร: ส่วนเบี่ยงเบนมาตรฐาน ข้อผิดพลาดมาตรฐาน หรือช่วงความเชื่อมั่น สิ่งเหล่านี้แตกต่างกันมาก
• แสดง n: จำนวนตัวอย่างที่ควรได้รับในกราฟหรือในชื่อเรื่อง
• ใช้จานสีที่เป็นมิตรต่อคนตาบอดสี (เช่น viridis) อย่าพึ่งแยกสีแดงเขียว
• อย่าตกแต่งข้อมูลให้สวยงาม: การลบค่าผิดปกติ ย้ายแกน หรือแสดงเฉพาะการซ้ำซ้อนที่สวยงามถือเป็นการประพฤติมิชอบทางวิทยาศาสตร์

ทีละขั้นตอน: สร้างแผนภูมิภูเขาไฟ

1. เตรียมข้อมูล: ตารางที่มีคอลัมน์ gen, log2FC, padj
2. การแปลง: คำนวณ -log10(padj) สำหรับแกน y
3. กำหนดเกณฑ์: |log2FC|>1 และ padj<0.05
4. ระบายสี: ขึ้น, ลง, สามหมวดที่ไม่มีความหมาย
5. ป้ายกำกับ: ตั้งชื่อยีนที่แข็งแกร่งที่สุดบางส่วน (ไม่ใช่ทั้งหมด)
6. ชื่อเรื่องและแกน: ป้ายกำกับที่ชัดเจน ข้อมูล n คำอธิบายเกณฑ์

เทมเพลตพร้อมท์ที่คัดลอกได้

บทบาท: คุณเป็นผู้ช่วยด้านการสร้างภาพทางวิทยาศาสตร์ ภารกิจ: วาดแผนผังภูเขาไฟจากตารางนิพจน์เชิงอนุพันธ์ของฉัน (gen, log2FC, padj) เกณฑ์: padj<0.05 และ |log2FC|>1. ระบายสีทั้งสามหมวดหมู่และติดป้ายกำกับ 10 ยีนที่สำคัญที่สุด จานสีที่เป็นมิตรต่อคนตาบอดสี ป้ายแกนที่ชัดเจน เพิ่มข้อมูล n ลงในส่วนหัว matplotlib คุณภาพการออกอากาศ รหัสความคิดเห็น

วาดแผนที่ความร้อน: แถวคือยีนที่แปรผันได้มากที่สุด 50 ยีน คอลัมน์คือตัวอย่าง ดำเนินการทำให้แถวเป็นมาตรฐานด้วยคะแนน Z เพิ่มการจัดกลุ่มแบบลำดับชั้น ใช้พาเล็ต viridis แสดงกลุ่มตัวอย่างด้วยแถบสี

อธิบายว่าแถบค่าคลาดเคลื่อนในกราฟของฉันควรเป็นค่าเบี่ยงเบนมาตรฐานหรือค่าคลาดเคลื่อนมาตรฐาน ขึ้นอยู่กับวัตถุประสงค์ของการทดสอบ อธิบายความแตกต่างระหว่างทั้งสองและผลที่ตามมาของการเลือกผิด

ทำให้แผนภูมิแท่งนี้ตรงไปตรงมามากขึ้น: เพิ่มจุดข้อมูลแต่ละจุดด้านบน เริ่มแกนที่ศูนย์ แสดง n รหัสที่ใช้ได้: [รหัส]

พรอมต์อ่อน / พรอมต์แรง

จุดอ่อน: "วางแผนผลตอบแทน"

แข็งแกร่ง: "มีข้อมูลกิจกรรมของเอนไซม์สำหรับ 4 กลุ่ม (n=8 กลุ่ม) วาดแผนภูมิไวโอลินเปรียบเทียบกลุ่ม ซ้อนทับจุดข้อมูลแต่ละจุดสำหรับแต่ละกลุ่ม แสดงเส้นมัธยฐาน เริ่มแกน y ที่ศูนย์ เพิ่มหน่วยให้กับป้ายกำกับแกน (nmol/min) ใช้จานสีที่เหมาะกับคนตาบอดสี ตรวจสอบให้แน่ใจว่าแผนภูมิแสดงการกระจายอย่างยุติธรรม"

ความแตกต่าง: พรอมต์ที่มีประสิทธิภาพมีประเภทแผนภูมิ n นโยบายความซื่อสัตย์และหน่วย แบบจำลองนี้สร้างกราฟิกที่ให้ข้อมูลและไม่ทำให้เข้าใจผิด

มินิเคสสามอัน

กรณีที่ 1 — แกนที่ถูกตัดทอน: ในการนำเสนอหนึ่ง ความแตกต่าง 3% ระหว่างสองกลุ่มถูกทำให้ดูใหญ่โตโดยการบีบแกนระหว่าง 95-100 เมื่อ AI เริ่มต้นแกนใหม่ตั้งแต่ต้น ปรากฎว่าจริงๆ แล้วความแตกต่างนั้นน้อยมาก บทเรียน: การจัดการแกนทำให้ผู้ชมเข้าใจผิด

กรณีที่ 2 — การกระจายที่ซ่อนอยู่: แผนภูมิแท่งแสดงสองกลุ่มที่ “แตกต่างกันอย่างมีนัยสำคัญ”; แต่เมื่อเพิ่มจุดเข้าไปก็พบว่ากลุ่มต่างๆ ทับซ้อนกันมาก และความแตกต่างก็มาจากจุดผิดปกติเพียงไม่กี่จุด เมื่อตัวแบบแนะนำให้เพิ่มประเด็น เรื่องจริงก็ปรากฏ บทเรียน: แผนภูมิที่ซ่อนการกระจายตัวอยู่

กรณีที่ 3 — ปัญหาตาบอดสี: แผนที่ความร้อนถูกวาดด้วยจานสีแดง-เขียว ประมาณ 8% ของผู้ชม (ชายตาบอดสี) ไม่สามารถมองเห็นความแตกต่างได้ เมื่อฉันเปลี่ยนมาใช้จานสี Viridis ทุกคนสามารถอ่านแผนภูมินี้ได้ บทเรียน: พาเลทที่สามารถเข้าถึงได้ควรเป็นแบบมาตรฐาน

แผนภูมิเปรียบเทียบ

วัตถุประสงค์

กราฟิกที่เหมาะสม

ที่จะหลีกเลี่ยง

การแสดงออกที่แตกต่าง

แผนภูมิภูเขาไฟ

รายการ p ดิบ

การกระจายกลุ่ม

กล่อง/ไวโอลิน+จุด

ติดธรรมดา

รูปแบบหลายยีน

แผนที่ความร้อน (คลัสเตอร์)

โต๊ะยาว

การจัดกลุ่มตัวอย่าง

พีซีเอ

—

เวลาเหตุการณ์

แคปแลน-ไมเออร์

บาร์เฉลี่ย

ข้อผิดพลาดทั่วไป

• แกนที่ถูกตัดทอน: ทำให้เกินความแตกต่าง
• ซ่อนการกระจาย: แสดงเฉพาะแถบค่าเฉลี่ย
• ไม่ได้กำหนดแถบข้อผิดพลาด: ความสับสนของ SD/SE/GA
• ไม่ระบุ n: ผู้อ่านไม่สามารถประเมินความน่าเชื่อถือได้
• สีที่ไม่สามารถเข้าถึงได้: ไม่รวมคนตาบอดสีที่มีชุดสีแดง-เขียว
• การตกแต่งข้อมูลให้สวยงาม: การแสดงแบบเลือกสรรถือเป็นการประพฤติมิชอบทางวิทยาศาสตร์

ข้อควรพิจารณา: การจัดเรียงกราฟใดๆ ที่ทำให้ข้อมูลดูแตกต่างไปจากที่เป็นอยู่ (การตัดแกน การซ่อนค่าผิดปกติ การทำซ้ำแบบเลือก) ถือเป็นการละเมิดความสมบูรณ์ทางวิทยาศาสตร์ AI สามารถสร้างแผนภูมิที่ “ดี” ในทางเทคนิคได้ แต่เป็นความรับผิดชอบของคุณที่จะต้องแน่ใจว่าแผนภูมินั้นแสดงถึงข้อมูลอย่างยุติธรรม

ต้นไม้สายวิวัฒนาการและกราฟความสัมพันธ์

การสร้างภาพข้อมูลที่เฉพาะเจาะจงสำหรับชีววิทยาคือต้นไม้สายวิวัฒนาการ ซึ่งแสดงความสัมพันธ์เชิงวิวัฒนาการของสปีชีส์หรือลำดับ รูปแบบการแตกแขนงบ่งบอกถึงความสัมพันธ์ และความยาวของการแตกแขนงบ่งบอกถึงจำนวนการเปลี่ยนแปลง AI เขียนโค้ดที่สร้างแผนผังจากลำดับที่ตรงกัน (เช่น Biopython Phylo หรือ ete3) และวาดแผนผังในรูปแบบที่อ่านได้ อย่างไรก็ตาม มีข้อผิดพลาดสองประการในการตีความต้นไม้: การเพิกเฉยต่อความยาวกิ่งและมองเฉพาะการแตกกิ่งก้าน และไม่ระบุบูตสแตรป (ค่าที่บ่งชี้ความน่าเชื่อถือของกิ่งก้าน) สาขาที่ได้รับการสนับสนุนต่ำไม่เพียงพอที่จะเรียกร้องความเป็นเครือญาติขั้นสุดท้ายได้

วาดต้นไม้สายวิวัฒนาการจากลำดับที่เรียงกัน แสดงความยาวสาขาเป็นสเกล เพิ่มค่ารองรับ bootstrap ให้กับโหนด ทำเครื่องหมายกิ่งที่มีการรองรับต่ำต่ำกว่า 70% เข้าใกล้กิ่งก้านที่รองรับต่ำด้วยความระมัดระวังเมื่อตีความต้นไม้

ตารางพร้อมกราฟ: ซึ่งเมื่อใด

ไม่ใช่ทุกข้อมูลที่ต้องการกราฟิก ในกรณีที่ตัวเลขที่แน่นอนมีความสำคัญ (เช่น ค่าที่แน่นอนของหลายกลุ่ม ผลลัพธ์ทางสถิติ) ตารางที่จัดระเบียบอย่างดีจะดีกว่ากราฟ แผนภูมิแสดงรูปแบบและการเปรียบเทียบ ตารางให้ค่าที่แน่นอน เมื่อถามปัญญาประดิษฐ์ว่า "ข้อมูลนี้ควรแสดงเป็นกราฟหรือตาราง" และการขอเหตุผลทำให้การนำเสนอของคุณแข็งแกร่งขึ้น

สุดท้ายนี้ แผนภูมิต้องอธิบายได้ในตัว ผู้อ่านควรจะสามารถเข้าใจสิ่งที่แสดงเพียงแค่ดูกราฟและชื่อเรื่องโดยไม่ต้องอ่านข้อความ: ควรติดป้ายกำกับแกนและด้วยหน่วย ควรกำหนดกลุ่ม ควรระบุ n ควรทำเครื่องหมายนัยสำคัญทางสถิติ ถามแผนภูมิ AI ของคุณว่า “มีชื่อและแท็กอยู่ในตัวเองหรือไม่” การตรวจสอบถือเป็นการตรวจสอบขั้นสุดท้ายที่ดี

แผนภูมิพร้อมเผยแพร่: รายละเอียดทางเทคนิค

มีรายละเอียดทางเทคนิคบางอย่างที่นำกราฟิกจากการดูดีบนหน้าจอไปสู่การใช้งานในการออกอากาศ และ AI สามารถเพิ่มสิ่งเหล่านี้ลงในโค้ดได้ ประการแรก ความละเอียด: วารสารมักต้องการความละเอียดสูง (300 DPI ขึ้นไป) หรือรูปแบบเวกเตอร์ (PDF, SVG) เพื่อให้แน่ใจว่ากราฟิกจะไม่เบลอในการพิมพ์ ประการที่สองคือขนาดตัวอักษร: แท็กที่สามารถอ่านได้บนหน้าจออาจไม่สามารถอ่านได้เมื่อย่อขนาดลงบนหน้าบทความ ควรปรับจุดแกนและฉลากให้เหมาะสม ประการที่สาม ความสม่ำเสมอ: การใช้รหัสสีเดียวกัน (เช่น ส่วนควบคุมเป็นสีเทาเสมอ การใช้สีน้ำเงินเสมอ) ในทุกกราฟในการศึกษาเดียวกันจะป้องกันไม่ให้ผู้อ่านถอดรหัสแต่ละกราฟซ้ำ คุณสามารถเพิ่มรายละเอียดเหล่านี้ได้ในขั้นตอนเดียวโดยบอกปัญญาประดิษฐ์ว่า "ทำให้กราฟิกนี้พร้อมสำหรับการตีพิมพ์: 300 DPI, เอาต์พุตเวกเตอร์, ขนาดตัวอักษรขนาดใหญ่, ชุดสีที่สอดคล้องกัน"

เตรียมแผนภูมิของฉันให้พร้อมสำหรับการเผยแพร่: 300 DPI และบันทึกเป็นเวกเตอร์ (PDF) เพิ่มขนาดแกนและฉลากให้เป็นขนาดที่พิมพ์ได้ ใช้ชุดสีที่สอดคล้องกันตลอดการทำงานทั้งหมด (control=gray, treatment=blue) ให้โค้ดแสดงความคิดเห็นด้วย matplotlib

โดยสรุป

กราฟทางวิทยาศาสตร์ที่ดีจะแสดงข้อมูลอย่างชัดเจนและตรงไปตรงมา แผนภาพภูเขาไฟ แผนที่ความร้อน โครงกล่อง/ไวโอลิน และ PCA เป็นเครื่องมือพื้นฐานของชีววิทยา AI จะเขียนโค้ดสำหรับกราฟเหล่านี้อย่างรวดเร็ว แต่เป็นหน้าที่ของคุณที่จะต้องปฏิบัติตามหลักการแห่งความซื่อสัตย์ เช่น การเริ่มต้นแกนที่ศูนย์ การแสดงการกระจาย การกำหนดแถบข้อผิดพลาด การระบุ n และจานสีที่สามารถเข้าถึงได้ กราฟิกที่สวยงามไม่ใช่กราฟิกที่ซื่อสัตย์

งานสมัคร

ด้วยชุดข้อมูลที่คุณมี (หรือตัวอย่าง) ให้ AI สร้างแผนภูมิสองแผนภูมิ ได้แก่ แผนภาพไวโอลิน/กล่องที่มีจุดข้อมูลที่แสดงการกระจายตัวของกลุ่ม และแผนภาพภูเขาไฟจากตารางนิพจน์ส่วนต่าง ในทั้งสองอย่าง ให้เริ่มต้นแกนจากศูนย์ (หากเหมาะสม) เพิ่ม n ในชื่อ ใช้ชุดสีที่เป็นมิตรกับคนตาบอดสี จากนั้นขอให้แบบจำลองสร้างแผนภูมิแท่งเดียวกันในรูปแบบที่ "ทำให้เข้าใจผิด" และ "ซื่อสัตย์" และอธิบายความแตกต่าง

รายการตรวจสอบ

• [ ] ฉันเลือกประเภทแผนภูมิตามข้อมูลและวัตถุประสงค์
• [ ] ฉันได้เตรียมใช้งานแกนตั้งแต่ต้นอย่างถูกต้องแล้ว
• [ ] ฉันแสดงจุดแจกแจง/ข้อมูล ไม่ใช่เพียงค่าเฉลี่ย
• [ ] ฉันระบุว่าแถบข้อผิดพลาดคืออะไร (SD/SE/GA)
• ฉันเพิ่มข้อมูล [ ] n ลงในแผนภูมิ
• [ ] ฉันใช้ชุดสีที่เป็นมิตรกับคนตาบอดสีและไม่ได้ตกแต่งข้อมูลให้สวยงาม