신약 발견 의 세계에서 시각화 도구없이 연구 결과를 제시하는 것은 복잡한 데이터의 바다에서 중요한 통찰력을 잃을 위험이 있습니다. 가장 매력적인 스피커조차도 데이터 세트, 프로젝션 및 기타 추상화를 고수할 수 없으며 시각적 표현을 할 수 있습니다. 시각화 도구가 성공하는 이유는 인간의 타고난 능력과 욕망을 활용하여 패턴을 감지하기 때문입니다. 

그러나 시각화 도구는 프레젠테이션 이나 출판 목적으로만 중요하지 않습니다. 그들은 탐험을위한 필수 도구입니다, 너무. 명확한 시각적 내러티브를 구성하는 바로 그 행위는 연구자들이 새로운 방식으로 정보를 통합해야 하며, 그렇게 하면 지식 의 격차나 매장된 채로 남아 있을 결함이 있는 가설을 드러낼 수 있습니다. 데이터 시각화 도구를 사용하면 연구원들이 자신의 통찰력을 탐구하고 이를 공동으로 제시할 수 있으며, 과학 커뮤니티 전반에 걸쳐 규율에 헤아릴 수 없는 가치를 제공합니다. 

공중 보건 문제 해결

COVID-19 전염병의 시작 부분에서 이코노미스트와 시각적 데이터 분석가는 우리가 왜 "곡선을 평평하게"해야 하는지 설명하기 위해 2007년 질병통제예방센터(CDC)의 논문에서 차트를 조정했습니다. 소셜 플랫폼을 통해 수백만 번 순환, 차트는 COVID-19 케이스의 수가 의료 시스템 용량에 어떻게 대응하는지 전달으로 적립됩니다, 효과적으로 단어로 표현하기 어려웠을 것이다 상호 작용. 존스 홉킨스 대학이 만든 글로벌 사례의 산란점인 "COVID-19 대시보드"와 워싱턴 포스트가 만든 "코로나바이러스 시뮬레이터"는 또한 전문가가 범위와 전송을 설명하는 데 도움이 되는 데이터 시각화를 광범위하게 순환시켰습니다. 

시각적 분석 도구는 복잡한 연구 결과를 접근 가능한 방식으로 설명하여 연구자와 대중 사이의 격차를 해소합니다. 이러한 이유로, 그들은 공중 보건 문제를 해결 하기 위한 필수적인 도구. COVID-19 전염병의 여파로 일부 의료 전문가들은 발병 대응을 더 잘 관리하기 위해 신속한 데이터 수집,관리 및 시각화 도구를 요구하고 있습니다. 

익스프레스 복잡한 생물 의학 데이터 

생물 의학 데이터 과학의 연례 검토에 발표 된 2018 연구에서, 생물 정보학 전문가 Seán O'Donoghue는 데이터 시각화 원칙과 생체 의학 발견 및 통신에서 재생 역할 데이터 시각화 도구를 보았다. 그는 시각화 도구가 특히 유전체학 및 후성 유전학 분야에서 기능에 대한 통찰력을 얻는 데 중요한 역할을한다는 것을 발견했습니다. 신흥 시각화 도구는 RNA의 비밀을 잠금 해제하기위한 특별한 약속을 개최 할 수 있습니다, 단백질 구조와 세포 및 조직 이미징과 관련된 분자 메커니즘. O'Donoghue는 또한 시각화 도구( 특히 애니메이션 및 비디오)가 피어 투 피어 커뮤니케이션을 개선하고 대중의 참여를 유도하여 과학적 의사 소통을 극적으로 향상시키는 것을 발견했습니다. 

또한 O'Donoghue는 많은 데이터 시각화 도구를 사용할 수 있지만 최첨단 데이터 집합에는 적합하지 않은 경우가 많다고 주장했습니다. 많은 인기있는 도구는 잘못 선택 된 기본값과 복잡하고 지나치게 복잡한 인터페이스가 복잡합니다. 이는 프로젝트에 부정적인 영향을 미치고 막다른 연구를 연장할 수 있으며, 이는 좋은 시각화 및 설계 관행을 가진 맞춤형 도구의 필요성을 강조하는 결과입니다. 

화학 적 특성을 발견하고 예측 

2018년 연구에서 약물 형상을 예측하기 위한 데이터 마이닝 및 시각 분석 도구를 조사한 결과, 연구자들은 화학 적 특성의 정확한 예측이 시간과 자원을 절약하고 새로운 화합물을 생성할 수 있다는 것을 발견했습니다. 그(것)들은 약과 비 약의 762의 화합물의 데이터 세트를 보았고 그 때 각각에 관하여 35개의 분자 속성을 선택하고 계산했습니다. 연구원은 각각35개의 속성에 고차원 데이터를 2D 또는 3D 공간에 포함시키기 위해 설계된 감소 알고리즘(t-SNE) 방법(t-SNE) 방법을 적용했습니다. 또한 35개의 속성을 6개의 서로 다른 알고리즘을 결합한 기계 학습 모델로 분석했습니다. 그들은 시각적 분석과 기계 학습 모두 기본 패턴을 발견하고, 함께 사용할 때, 예측 력을 개선하고 편견을 감소 예측 모델을 형성 발견했다. 

이는 데이터 시각화가 모든 생명 과학에서 주제를 이해하는 데 사용되는 무수한 방법 중 세 가지에 불과합니다. 데이터 시각화 도구가 건강 내정간섭에 있는 참을성 있는 판단에서 미취학 아동에 있는 단어 이해를 측정하는 것에 이르기까지 모든 것을 향상할 가능성이 있다는 것을 건의하는 연구가 있습니다; 병원균 예방 및 제어에 모든 주요 질병에 대한 약물 발견. 연구원이 고품질 데이터 시각화 소프트웨어에 액세스할 수 있는 경우 의미(및 가능성)는 무한합니다.