可视化和比较机器学习预测,以改善人类-人工智能组合,以细胞谱系为例

科学领域:

• 发展生物学 发展生物学
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 手动重建植物胚胎细胞系是耗时和复杂的.
• 机器学习 (ML) 模型可以预测细胞系,但对生物学家来说需要用户友好的解释.
• 缺乏可访问的工具阻碍了ML在发育生物学中的采用和验证.

研究的目的:

• 开发和评估一个可视化系统 (LineageD+),用于在植物胚胎细胞谱系分析中交互探索和比较ML模型.
• 通过提供ML预测的清晰可视化,帮助生物学家做出有关细胞系的明智决策.
• 为不熟悉ML的生物学家提高胚胎发育过程的效率和理解.

主要方法:

• 开发了LineageD+可视化系统.
• 在手工建立植物细胞系的数据库上训练ML模型.
• 与六位生物学家进行观察性研究,以评估LineageD+的可用性和有效性.

主要成果:

• 生物学家发现,ML预测的视觉表示很容易理解.
• 线程D+工具显示了提高生物学家工作效率的潜力.
• 该系统可以提高对植物胚胎发育的总体理解.

结论:

• 像LineageD+这样的可视化系统对于弥合ML能力与生物研究之间的差距至关重要.
• 交互式工具可以使生物学家能够利用ML来完成复杂的发育生物学任务.
• LineageD+提供了一种有前途的方法来加速细胞谱系分析,并深入了解胚胎发育.