Etika, bioxavfsizlik, maxfiylik va ilmiy yaxlitlik

Daromadlar:

• KVKK, GDPR va axloq qo'mitasi qoidalariga muvofiq nozik inson/genetik ma'lumotlarni himoya qilish va ularni ochiq modelga berishdan qochish qobiliyati
• Bioxavfsizlik/ikkilamchi foydalanish xavfi va aholining tarafkashligini baholash orqali natijalarning haqiqiyligiga shubha qilish qobiliyati
• Axloqiy mas'uliyatni transport vositasiga yuklash mumkin emasligini va ma'noli insonning ma'nosi zarurligini tushunish

Biologiyada sun'iy intellektdan kuchli foydalanish undan mas'uliyat bilan foydalanish bilan to'ldiriladi. Biologiya inson salomatligi, genetik maxfiylik, atrof-muhit va hatto bioxavfsizlik bilan bog'liq nozik sohadir. Ushbu bo'limda biz biologik tadqiqotlarda sun'iy intellektdan foydalanishda duch keladigan axloqiy, huquqiy va xavfsizlik majburiyatlarini muhokama qilamiz. Ushbu birlik oldingi barcha bo'limlarda tekshirish va halollik tamoyillariga asoslangan asosdir.

Asosiy printsip: AI - bu vosita; Axloqiy javobgarlik har doim inson zimmasiga tushadi. "Taklif etilgan model" bahona emas.

To'rtta mas'uliyat sohasi

1. Ma'lumotlar maxfiyligi va inson ma'lumotlari

Inson ishtirokchilarining genetik, klinik yoki sog'liq ma'lumotlari juda sezgir. Shaxsning DNK ketma-ketligi ularning va qarindoshlarining kasallik xavfini va shaxsini aniqlashi mumkin; Hatto anonim deb hisoblangan genomik ma'lumotlar ham qayta aniqlanishi mumkin. Bu maʼlumotlarni ommaga ochiq sunʼiy intellekt modeliga joylashtirish maʼlumotlarni himoya qilish qonunlarini (Turkiyada KVKK, Yevropada GDPR) va axloq kengashi (IRB/axloq qoʻmitasi) tasdiqlarini buzishi mumkin.

• Ochiq modelga shaxsiy/klinik maʼlumotlarni taqdim qilmang.
• Rozilik doirasidan tashqarida foydalanishdan saqlaning; Ishtirokchi nimaga rozi bo'ldi?
• Korxona/mahalliy (joyida) yoki maʼlumotlarni qayta ishlash shartnoma vositalarini tanlang.

2. Bioxavfsizlik va ikkilamchi foydalanish

Ba'zi biologik ma'lumotlar "ikki tomonlama foydalanish": u foydali va zararli bo'lishi mumkin; masalan, patogen (kasallik keltirib chiqaruvchi) ketma-ketliklar, toksin ishlab chiqarish. AIdan xavfli patogenlarni kuchaytirish yoki zararli biologik agentlarni loyihalash bo'yicha ma'lumot so'rash aksariyat joylarda axloqiy va noqonuniy hisoblanadi.

• Ikkilamchi foydalanish uchun xavfli so'rovlarni qilmang.
• Tashkilotingizning bioxavfsizlik kengashi (IBC) ko'rsatmalariga rioya qiling.

3. Ilmiy yaxlitlik

Oldingi bo‘limlarda biz ko‘rgan narsalarning barchasi shu yerda birlashadi: hech qanday soxta atribut, ma’lumotlarni obodonlashtirish, p-xakerlik, tanlab hisobot berish yo‘q. Sun'iy intellekt ularni osonlashtirishi yoki qiyinlashtirishi mumkin; Farqi sizning halolligingizda.

• Barcha natijalar (shu jumladan salbiy) haqida xabar bering.
• Sun'iy intellektdan foydalanishni e'lon qiling.
• Xom ma'lumot va kodni almashish orqali takroriylikni qo'llab-quvvatlang (agar iloji bo'lsa).

4. Tarafsizlik va adolatlilik

AI modellari ular o'qitilgan ma'lumotlarning noto'g'riligiga ega. Genomik ma'lumotlar bazalari asosan Evropa kelib chiqishi populyatsiyalaridan kelib chiqadi; bu boshqa populyatsiyalarda yomonroq bashoratlarga olib keladi. Tasvir modeli o'quv ma'lumotlarida kam ifodalangan holatda yomon ishlashi mumkin.

• Model qaysi aholi/ma'lumotlarga o'rgatilganiga savol bering.
• Natijalar barcha guruhlarga mos kelishini baholang.

Maslahat: O'zingizdan so'rang: "Agar men ushbu ma'lumotni modelga bersam, u kimga tegishli va u ruxsat berganmi?" Agar javob noaniq bo'lsa, uni bermang. Maxfiylikni buzish qaytarilmasdir.

Bosqichma-bosqich: mas'uliyatli AI nazorati

1. Ma'lumotlar manbasini tasniflang: shaxsiy/sezgir yoki ommaviymi?
2. Rozilik va ruxsatlarni tekshiring: Bu foydalanish qoplanadimi?
3. To'g'ri vositani tanlang: nozik ma'lumotlar uchun xavfsiz/mahalliy muhit.
4. Ikkilamchi foydalanish xavfini ko'rib chiqing.
5. Savolning tarafkashligi: Natija barcha guruhlar uchun amal qiladimi?
6. Foydalanishni hujjatlash va deklaratsiya qilish.

Ko‘chirish mumkin bo‘lgan shablonlar

Quyida mening tahlil rejamni axloqiy nuqtai nazardan ko'rib chiqing: ma'lumotlarning maxfiyligi, ishtirokchilarning roziligi, potentsial tarafkashlik va ikki tomonlama foydalanish xavfi bilan bog'liq ogohlantirishlarni sanab o'ting. Reja: [matn] (Eslatma: Men bemorning haqiqiy ma'lumotlarini baham ko'rmayapman, faqat reja.)

Ushbu genomik maʼlumotlar toʻplamidan foydalanishdan oldin qanday maxfiylik va rozilik savollariga javob berishim kerak? KVKK/GDPR va axloq qo'mitasi nuqtai nazaridan nazorat ro'yxati tayyorlanadi.

Maqolamning usul bo'limida foydalanadigan sun'iy intellekt vositasini qanday qilib shaffof tarzda e'lon qilishim kerak? Deklarativ gapga misol yozing; unda qanday ma'lumotlar (asbob, versiya, foydalanish doirasi) bo'lishi kerak?

Ushbu model natijalarida aholi nomaqbulligi bor-yo'qligini qanday baholay olaman? Trening ma'lumotlari va tekshirish bosqichlari haqida so'rashim kerak bo'lgan savollarni sanab bering.

Zaif taklif / Kuchli taklif

Zaif: "Quyidagi bemorning genetik ma'lumotlarini tahlil qiling: [haqiqiy ma'lumotlar]."

Güçlü: "Klinik genomik ma'lumotlar bilan ishlaydigan tahlil rejasini tuzyapman, lekin haqiqiy bemor ma'lumotlarini baham ko'rmayapman. Faqat metodologik nuqtai nazardan: qanday maxfiylik choralarini ko'rishim kerak, qaysi muhitda ma'lumotlarni qayta ishlashim kerak, qanday tasdiqlash va axloq qo'mitasi shartlariga javob berishim kerak? Oqimni soxta/namuna ma'lumotlari bilan ko'rsatishingiz mumkin."

Farqi: Kuchli so'rovda hech qanday haqiqiy maxfiy ma'lumotlar ulashilmaydi; Faqat usul so'raladi. Maxfiylik saqlanib qoladi, model hali ham yordam beradi.

uchta mini holat

1-holati - Maxfiylik buzilishi: tadqiqotchi o'zi uchun anonim deb o'ylagan bemorning ekzomi ma'lumotlarini tahlil qilish uchun ochiq modelga joylashtirdi. Etika qo'mitasi bundan xabar topgach, tadqiqot to'xtatildi; Ma'lumotlarni qayta ishlash bo'yicha kelishuv mavjud emas edi. Dars: nozik ma'lumotlar hech qachon ochiq modelga kirmaydi.

2-holat — Aholi noroziligi: Evropadan kelib chiqqan ma'lumotlar bo'yicha poligenik xavfni baholash vositasi o'qitildi; Boshqa populyatsiyada xavfni baholash sezilarli darajada noto'g'ri edi. Model o'quv ma'lumotlarining tarkibini shubha ostiga qo'yishni taklif qilganda, jamoa ushbu populyatsiyada asbobdan foydalanmaslikka qaror qildi. Dars: tarafkashlik hayotni saqlab qoladi yoki zarar keltiradi.

3-holat — Oshkoralik va shaffoflik: Jamoa AI bilan maʼlumotlarni tozalash kodini yozdi va buni usul boʻlimida aniq bayon qildi; U shuningdek kodni baham ko'rdi. Taqrizchilar buni mamnuniyat bilan qabul qilishdi, chunki takrorlanish kuchli edi. Dars: oshkoralik ishonchni tug'diradi.

taqqoslash jadvali

hudud

xavfsiz xatti-harakatlar

xavfli xatti-harakatlar

bemor ma'lumotlari

Mahalliy/xavfsiz muhit

Modelni ochish uchun joylashtiring

rozilik

Qo'llash doirasida foydalaning

Qo'llash doirasini oshirmang

Bioxavfsizlik

Ikkilamchi foydalanishdan qochish

xavfli talab

yaxlitlik

Barcha natijalar haqida xabar bering

tanlangan hisobot

tarafkashlik

Aholini so'rang

Ko'r-ko'rona murojaat qiling

shaffoflik

Foydalanishni e'lon qilish

yashirish

Umumiy xatolar

• Ochiq modelga nozik ma'lumotlarni berish: maxfiylikning qaytarilmas buzilishi.
• Rozilik doirasidan oshib ketish: Ishtirokchi tomonidan ruxsat etilmagan foydalanish.
• Noto'g'rilikka e'tibor bermaslik: natijalarni barcha guruhlarga umumlashtirish.
• Foydalanishni yashirish: AI hissasini e'lon qilmaslik.
• “Taklif etilgan namuna” himoyasi: Mas’uliyatni avtomobilga yuklash.

Diqqat: Yuqori oqibatli biologik ishlarda (klinik qaror, bioxavfsizlik, inson ma'lumotlari) AI chiqishi vakolatli ekspert tekshiruvi va axloqiy nazorat o'rnini bosa olmaydi; bu faqat tezlashtiradi. Qarorning axloqiy va ilmiy oqibatlari bilan bir qatorda, yakuniy javobgarlik doimo inson zimmasiga tushadi.

Atrof-muhit, ekologiya va an'anaviy bilimlar

Axloqiy javobgarlik inson ma'lumotlari bilan cheklanmaydi. Ekologiya va tabiatni muhofaza qilish biologiyasida sun'iy intellektdan foydalanishda ham ehtiyot bo'lish kerak. Masalan, yo'qolib ketish xavfi ostida turgan turning aniq joylashuv ma'lumotlari (kamera qopqon koordinatalari) brakonerlik xavfi tufayli sezgir; Ushbu ma'lumotlarni ochiq modelga yoki ommaga chiqarish turga zarar etkazishi mumkin. Xuddi shunday, axloqiy va huquqiy (masalan, Nagoya protokoli) muammolar mahalliy jamoalarning an'anaviy biologik bilimlaridan (masalan, o'simlikdan foydalanish) ruxsatsiz foydalanilganda paydo bo'ladi. Ma'lumotlardan foydalanishdan oldin "bu ma'lumot kimga tegishli va uning oshkor etilishi kimga zarar etkazadi?" Har doim savol bering.

Inson nazorati va yakuniy qaror

Ushbu butun modulning mohiyati bir tamoyilga asoslanadi: mazmunli inson nazorati. AI taklif ishlab chiqaradi, qoralama yozadi, naqsh ko'rsatadi; Ammo biologik, klinik yoki axloqiy qaror hech qachon to'g'ridan-to'g'ri model chiqishiga asoslanmaydi. Ayniqsa, yuqori xavfli sohalarda (tashxis, davolash, turlarni saqlash qarori, chiqarish) modelning roli qaror qabul qilish emas, balki ekspert qarorini tezlashtirishdir. “Inson-in-the-loop” yondashuvi shior emas, balki zaruratdir.

Ushbu kuzatuv ishlashi uchun nazoratchi malakali bo'lishi kerak. Ko'r-ko'rona rozilik ("model aytilgan, qabul qilingan") nazorat emas. Haqiqiy nazorat natijani shubha ostiga qo'yishi, xatosini aniqlashi va kerak bo'lganda uni rad etishi mumkin bo'lgan tajribani talab qiladi. Shuning uchun sun'iy intellekt mutaxassisning o'rnini bosa olmaydi; Bu mutaxassisni yanada ajralmas qiladi. Avtomobilni eng yaxshi ishlatadigan kishi uni eng yaxshi boshqara oladi.

Xulosa

Biologiyada sun'iy intellektdan mas'uliyatli foydalanish to'rtta sohani qamrab oladi: ma'lumotlarning maxfiyligi (insonning nozik ma'lumotlarini himoya qilish), bioxavfsizlik (ikki marta foydalanishdan qochish), ilmiy yaxlitlik (halol va to'liq hisobot berish) va tarafkashlikdan xabardorlik (barcha guruhlar bo'yicha natijalarning haqiqiyligi). Ochiq modelga nozik ma'lumotlarni taqdim qilmang, foydalanishni oshkora e'lon qiling, aholining noto'g'riligiga shubha qiling. Axloqiy javobgarlik hech qachon agentga topshirilishi mumkin emas; U har doim odamlarda mavjud.

Ilova vazifasi

O'zingizning ish joyingizdagi stsenariyni ko'rib chiqing (masalan, inson ma'lumotlar to'plami yoki rasm modelidan foydalanish). AI haqiqiy ma'lumotlarni almashmasdan ushbu stsenariyning axloqiy nazorat ro'yxatini (maxfiylik, rozilik, tarafkashlik, ikki tomonlama foydalanish, shaffoflik) ishlab chiqsin. Har bir element uchun uni o'zingizning vaziyatingizga "tegishli/xavfli/noaniq" deb belgilang va xavfli/noaniq bo'lganlar uchun harakat rejasini yozing. Shuningdek, maqolangiz uchun AIdan foydalanish bayonnomasini tuzing.

nazorat ro'yxati

• [ ] Men ochiq modelga nozik/shaxsiy maʼlumotlarni taqdim qilmadim.
• [ ] Men rozilik va axloq qo'mitasi doirasini tekshirdim.
• [ ] Men ikkilamchi foydalanish/biologik xavfsizlik xavfini baholadim.
• [ ] Men barcha natijalarni halollik bilan xabar qildim.
• [ ] Men aholi/maʼlumotlarning tarafkashligiga shubha qildim.
• [ ] Men sun'iy intellektdan foydalanishni oshkora e'lon qildim va javobgarlikni o'z zimmamga oldim.

Modul imtihoni

1. Talaba til modelidan “bu FASTA faylida nechta qator bor?” deb so‘radi. so'raydi va model "48" deb javob beradi. Qaysi yondashuv eng to'g'ri?

• A) Model tomonidan berilgan 48 raqamidan bevosita foydalanish; Model ishonchli, chunki u faylni ko'radi
• B) Raqamni yana bir bor so'rang va agar ikkita javob bir xil bo'lsa, uni to'g'ri deb qabul qiling
• C) Biopython yordamida faylni o'qish, kod bilan ketma-ketliklar sonini hisoblash va chiqishdan foydalanish ✔
• D) Faylni qo'lda ochish va ko'z qarori bilan hisoblash

Tushuntirish: Hisoblash va o'lchash kabi deterministik vazifalar til modeliga emas, balki siz ishlatadigan kodga qoldirilishi kerak. Model raqamni «eslab qolmaydi», u ehtimollik qiymatini hosil qiladi va xato qilishi mumkin; Biopython kabi asbob bilan hisoblash aniq va takrorlanadigan natijalar beradi.

2. Siz mikroskop tasviridagi hujayralarni sanashni va har birining maydonini o'lchashni xohlaysiz. Ushbu vazifa uchun eng to'g'ri yondashuv qanday?

• A) Cellpose/StarDist kabi ekspert segmentatsiyasi vositasidan foydalanish va natijani qo'lda tekshirish ✔
• B) Tasvirni umumiy til modeliga joylashtiring va "qancha hujayra bor" deb so'rang.
• C) Modelga tasvirni tavsiflang va taxminiy raqamni so'rang
• D) Piksellar sonini hech qanday kalibrlashsiz hujayralar soni sifatida qabul qilish

Izoh: Hujayra segmentatsiyasi va o'lchovi umumiy til modelining sohasi emas, balki ushbu vazifa uchun maxsus tayyorlangan maxsus tasvir modellari (Cellpose, StarDist) dir. Til modeli ushbu vositalarni chaqiradigan kodni yozadi; Ekspert modeli o'lchovni amalga oshiradi va biolog natijani tekshiradi.

3. Bitiruvchi talaba dissertatsiya kirishiga til modeli asosida ishlab chiqarilgan 8 ta manba qo‘shadi. Maslahatchi ulardan 3 tasi umuman yo'qligini aniqlaydi. Qanday qilib bu vaziyatni oldini olish mumkin edi?

• A) Modeldan yana bir bor resurslar ishlab chiqarishni so'rash orqali
• B) DOI bilan faqat iqtiboslarni tanlash orqali (agar DOI mavjud bo'lsa, u haqiqiydir)
• C) Modelga "mos" bo'lishini ko'rsatib, ro'yxatni so'rash
• D) PubMed/doi.org saytidagi har bir iqtibosni mustaqil ravishda tekshirish va faqat o‘zi o‘qigan maqolalaridan iqtibos keltirish ✔

Izoh: Umumiy til modellari adabiyotlar bazasi emas; Haqiqiy yozuvlarni qidirish o'rniga, u realistik atributlarni (soxta atributlar) "hosil qiladi". PubMed/doi.org kabi manbalarda mustaqil tekshirilmasdan va faqat haqiqatda o'qilgan maqolalarga iqtibos keltirmasdan har bir bayt va DOI ishlatilmasligi kerak.

4. Sun'iy intellekt tomonidan yozilgan ma'lumotlarni tozalash kodining aniqligini ta'minlashning eng kuchli usuli qanday?

• A) Agar kod xatosiz ishlasa, uni to'g'ri deb qabul qiling.
• B) Natijani kichik ma'lum namuna bilan sinab ko'rish va kutishni tasdiqlash ✔ bilan tekshirish
• C) Modeldan “kod to‘g‘rimi?” deb so‘rang. so'rash va "ha" javobiga ishonish
• D) Kodni bir necha marta ishga tushiring va har safar bir xil natijani oling

Izoh: Kod xatosiz ishlashi uning to'g'ri ekanligini anglatmaydi; "xatosiz ishlaydigan noto'g'ri kod" biologiyadagi eng xavfli holatdir. Natijasini oldindan biladigan kichik namuna bilan sinovdan o'tkazish va kutishni tasdiqlash bilan kodga kiritish jimgina noto'g'ri natijalarga qarshi eng kuchli qalqondir.

5. RNK-seq tahlilida 20 000 gen sinovdan o'tkaziladi va 3800 gen tuzatishsiz p<0,05 bilan "muhim" deb topiladi. Ushbu xulosaning asosiy muammosi nimada?

• A) Namunalar soni juda ko'p, uni kamaytirish kerak
• B) p chegarasi juda yuqori, 0,10 ishlatilishi kerak edi
• C) Bir nechta taqqoslash tuzatish (FDR) amalga oshirilmadi; Ko'p noto'g'ri pozitivlar mavjud ✔
• D) Genlar o'rniga namunalar tekshirilishi kerak edi

Izoh: Minglab genlarni bir vaqtning o'zida sinab ko'rsangiz, ko'p genlar tasodifan "muhim" ko'rinadi, hatto haqiqiy farq bo'lmasa ham; Bu ko'p taqqoslash muammosi deb ataladi. Yechim, Benjamini-Xochberg kabi usul bilan FDR (noto'g'ri kashfiyot tezligi) tuzatishni qo'llashdir; Tuzatish bilan ro'yxat odatda o'ndan bir necha yuz gengacha kamayadi.

6. BLAST natijasidagi eng yaxshi moslik E-qiymati 2.0 ga ega. Bu qanday ma'nono bildiradi?

• A) O‘yin tasodifiy bo‘lishi mumkin; ✔ ishonchli o'yin emas
• B) Birlashma juda kuchli; Elektron qiymat qanchalik katta bo'lsa, shuncha yaxshi
• C) Ketma-ketlik 2% nisbatda mos keladi
• D) Ikki ketma-ketlik orasida 2 ta asosiy farq bor

Tushuntirish: E-qiymati o'yinning tasodifiy bo'lishini kutadi; Kichkina bo'lish yaxshidir. Elektron qiymat 1 dan katta bo'lsa, o'yin tasodifiy ekanligini ko'rsatadi. Ishonchli moslik uchun odatda e <1e-5 kabi juda kichik chegaralar izlanadi.

7. AlphaFold modelida oqsilning terminal mintaqasi past pLDDT ballini ko'rsatadi (<50). Bu mintaqani qanday talqin qilish kerak?

• A) AlphaFold ushbu mintaqada xatoga yo'l qo'ydi, mintaqani tahlildan olib tashlash kerak
• B) Bu mintaqa, albatta, alfa spiraldir
• C) Model mutlaqo ishonchsiz, strukturadan foydalanmaslik kerak
• D) Hudud tartibsiz/elastik bo'lishi mumkin; "noaniq" emas, balki "noaniq" deb talqin qilinishi kerak ✔

Tavsif: pLDDT - har bir aminokislota uchun mahalliy ishonch darajasi; 50 dan past qiymatlar ko'pincha haqiqatan ham tartibsiz (moslashuvchan, qat'iy bo'lmagan) hududlarni aks ettiradi. Ushbu hududlarni "noto'g'ri taxminlar" sifatida avtomatik ravishda o'chirish noto'g'ri; Past ball "noaniq/moslashuvchan" deb o'qilishi va uning biologik ahamiyati baholanishi kerak.

8. Tadqiqotchi hujayra maydonlari haqida faqat piksellarda xabar beradi va natijalar adabiyotga mos kelmaydi. Qanday qadam etishmayotgan?

• A) Ko'proq hujayralarni sanash kerak edi
• B) Masshtabni kalibrlash (pikseldan mikrometrga aylantirish) bajarilmadi, natijalar fizik birliklarga aylantirilmadi ✔
• C) Segmentatsiya vositasi noto'g'ri tanlangan
• D) Rasm aniqligi juda yuqori

Tushuntirish: Tasvirdan jismoniy oʻlchamni olish uchun masshtabni kalibrlash (bir piksel uchun qancha mikrometr) zarur. Agar bu bosqich o'tkazib yuborilsa, mikroskop sozlamalariga qarab qiymatlar beqiyos bo'lib qoladi. Maydonlar kvadrat mikrometrlar kabi jismoniy birliklarga aylantirilishi kerak.

9. Talaba bitta sichqondan 10 ta to‘qima namunalarini oladi va statistikada “n=10” dan foydalanadi. Nima uchun bu noto'g'ri?

• A) 10 ta namunalar statistika uchun juda kam, kamida 30 ta kerak
• B) Turli organlardan to'qimalar namunalarini olish kerak edi
• C) Bu 10 ta misol texnik takrorlardir; biologik n hali 1, bu takrorlash deb ataladi ✔
• D) Namunalar yaroqsiz, chunki ular bir kunda olingan

Tushuntirish: Xuddi shu shaxsdan olingan takroriy o'lchovlar texnik takrorlashdir; bu erda statistik n - biologik birliklar soni (bu erda sichqonlar). Texnik takrorlashni biologik (psevdoroplikatsiya) deb hisoblash noto'g'ri ahamiyatga ega. To'g'ri dizayn bir nechta shaxslar bilan ishlashni anglatadi.

10. Bitta tahlil p=0,03 topildi. Ushbu qiymatning to'g'ri talqini qanday?

• A) Haqiqatda farq bo'lmasa, bu yoki undan ko'p ekstremal natijani ko'rish ehtimoli 3% ✔
• B) Ta'sirning haqiqiy bo'lish ehtimoli 97%
• C) Nol gipotezaning to'g'ri bo'lish ehtimoli 3%
• D) Natija 97% takrorlanadi

Izoh: p-qiymati "gipotezaning to'g'ri bo'lish ehtimoli" yoki "ta'sirning haqiqat bo'lish ehtimoli" emas. P-qiymati - bu farqni aslida hech qanday farq bo'lmaganda kuzatilganidan ko'ra ekstremal yoki undan ko'p ko'rish ehtimoli. Shuning uchun p=0,03 "ta'sir 97% real" degani emas; natijalar, shuningdek, ta'sir hajmi va ishonch oralig'i bilan baholanishi kerak.

11. Taqdimotda ikki guruh o'rtasidagi 3% farq y o'qini 95-100 oralig'iga siqish orqali juda katta deb ko'rsatiladi. Bu nimaga misol?

• A) Yaxshi vizualizatsiya texnikasi; farqini ta’kidlaydi
• B) Colorblind do'stona palitrasi muammosi
• C) Qabul qilinadigan uslub tanlovi
• D) Kesilgan o'q bilan farqni bo'rttirib ko'rsatadigan noto'g'ri va insofsiz jadval ✔

Izoh: O'qni noldan (kesilgan o'q) ishga tushirmaslik kichik farqni vizual ravishda oshirib, tomoshabinni chalg'itadi. Bu halollik tamoyilining buzilishi; Ayniqsa, chiziqli diagrammalarda o'q noldan boshlanishi kerak va farq uning haqiqiy hajmi bilan ko'rsatilishi kerak.

12. Tadqiqotchi anonim deb o'ylagan ma'lumotlarni tahlil qilish uchun umumiy til modeliga joylashtiradi. Nima uchun bu xatti-harakatlar muammoli?

• A) Hech qanday muammo yo‘q; ma'lumotlar anonim bo'lsa, almashish mumkin
• B) Ochiq modelga bemorning nozik ma'lumotlarini taqdim etish maxfiylik va axloqiy/huquqiy (KVKK/GDPR) buzilishi hisoblanadi va uni qaytarib bo'lmaydi ✔
• C) Bu muammoli, chunki tahlil sekin bo'ladi
• D) Model muammoli, chunki u ma’lumotlarni tushuna olmaydi

Tavsif: Bemorning genetik/klinik ma'lumotlari juda sezgir; Hatto anonim deb hisoblangan genomik ma'lumotlar ham qayta aniqlanishi mumkin. Bu maʼlumotlarni ommaviy modelga taqdim etish KVKK/GDPR va axloq qoʻmitasi (IRB) ruxsatlarini buzadi va maxfiylikning qaytarilmas buzilishi hisoblanadi. Nozik ma'lumotlar mahalliy/xavfsiz, shartnomaviy muhitda qayta ishlanishi kerak.

13. Bir tadqiqotda ular "bemor va nazorat" deb o'ylagan farq aslida namunalarning ikki xil kunda qayta ishlanishi bilan bog'liq edi. Bu holat nima deb ataladi va u qanday hal qilinadi?

• A) Bu haddan tashqari ta’sir; nuqtalarni o'chirish kerak
• B) Bu normallashuvning yo'qligi; faqat o'lchovni tuzatish kifoya
• C) Bu partiya effekti; dizaynda muvozanatli bo'lishi va modelga partiya o'zgaruvchisi sifatida qo'shilishi kerak ✔
• D) p-xakerlik; testni o'zgartirish kerak

Izoh: Namuna olish partiyasi/qayta ishlash kunidagi texnik farq partiya effekti deb ataladi va uni biologik farq bilan aralashtirish mumkin. To'g'ri yondashuv dizayndagi partiyalarni muvozanatlash va partiya o'zgaruvchisini statistik modelga qo'shish (masalan, "~ partiya + holat"), shu bilan texnik signalni biologik signaldan ajratishdir.

14. Siz DNK ketma-ketligining GC nisbatini hisoblamoqchisiz. Qaysi yondashuv to'g'ri va takrorlanadi?

• A) Biopython yordamida GC tezligini hisoblaydigan kodni chop eting, uni ishga tushiring va natijadan foydalaning ✔
• B) Modelga ketma-ketlikni bering va undan GC tezligini og'zaki aytib berishni so'rang
• C) Model tomonidan berilgan nisbatni boshqa model bilan tasdiqlash
• D) Seriyaning dastlabki 100 ta harfiga qarab, ko‘z bilan taxmin qilish

Izoh: GC darajasi deterministik hisob-kitobdir; til modeli "eslab qoladigan" qiymatga emas, balki massivni qayta ishlovchi kodga asoslanishi kerak. Modelni hisoblash o'rniga, hisoblash kodini Biopython kabi asbob bilan chop etish va uni o'zingiz ishga tushirish, uni har safar ishga tushirganingizda bir xil natijani beradigan aniq natijani beradi.