在湿和干实验室毒理学研究之间的桥梁上航行,以应对高维数据的当前挑战
Alexis Payton1,2, Kyle R Roell1,3, Meghan E Rebuli2,4,5
1Department of Environmental Sciences and Engineering, Gillings School of Global Public Health, University of North Carolina at Chapel Hill, Chapel Hill, NC, United States.
Frontiers in toxicology
|June 12, 2023
概括
高通量毒理学研究产生复杂,高维数据. 这种观点解决了湿实验室研究人员在数据分析方面的挑战,提出解决方案,并突出了改善培训和合作的持续需求.
科学领域:
- 生物信息学和毒理学
- 计算生物学 计算生物学
- 数据科学在生命科学中的数据科学
背景情况:
- 毒理学研究越来越多地使用高吞吐量方法,产生大,高维数据集.
- 分析这些复杂的数据集给"湿实验室"研究人员带来了重大挑战,阻碍了知识提取.
- 弥合数据生成和分析之间的差距对于推进毒理学理解至关重要.
研究的目的:
- 为了总结分析湿实验室研究人员高维毒理学数据的挑战.
- 突出将数据分析技术转化为湿实验室环境的方法.
- 为了确定剩余的挑战,并促进湿和干实验室研究人员之间的对话.
主要方法:
- 审查当前的数据分析在毒理学研究中的障碍.
- 讨论数据预处理,机器学习和数据缩小等方法.
- 审查翻译工作,包括研讨会和在线资源.
主要成果:
- 确定了湿实验室毒理学家对高维数据分析的关键挑战.
- 突出了数据分析技术翻译的成功策略.
- 概述了诸如模型解释性,研究偏见和培训差距等持续存在的问题.
结论:
- 高维毒理学数据的有效分析需要加强培训和合作.
- 弥合湿实验室和干实验室之间的差距对于未来的毒理学进展至关重要.
- 持续的对话和可访问工具的开发对该领域至关重要.


