จีโนมไม่ได้แปลว่าความเข้าใจเกี่ยวกับโรค (เครดิตภาพ: Shaury Nash, CC BY-SA) เว็บตรงฝากถอนไม่มีขั้นต่ำ บทความนี้เผยแพร่ครั้งแรกที่ The Conversation สิ่งพิมพ์ได้สนับสนุนบทความให้กับเสียงผู้เชี่ยวชาญของ Live Science: Op-Ed &Insightsวิทยาศาสตร์ขึ้นอยู่กับข้อมูลซึ่งไม่ต้องสงสัยเลย แต่มองผ่านหมอกควันร้อนของ hype รอบการใช้ข้อมูลขนาดใหญ่ในชีววิทยาและคุณจะเห็นมากมายของข้อเท็จจริงที่เย็นที่ชี้ให้เห็นว่าเราต้องคิดใหม่ถ้าเราจะเปิดมหาสมุทรบวมของ “omes” –
จีโนมโปรตีโอมและ transcriptomes (เปิดในแท็บใหม่) – เป็นยาและการรักษาใหม่ ๆ
ผลตอบแทนที่ค่อนข้างน้อยจากโครงการจีโนมมนุษย์สะท้อนให้เห็นว่าลําดับดีเอ็นเอไม่ได้แปลไปสู่ความเข้าใจเกี่ยวกับโรคได้อย่างง่ายดายนับประสาอะไรกับการรักษา การรีแบรนด์ของ “ยาเฉพาะบุคคล” — แนวคิดที่ว่าการถอดรหัสจีโนมจะนําไปสู่การรักษาที่เหมาะกับแต่ละบุคคล — เนื่องจาก “ยาที่มีความแม่นยํา” สะท้อนให้เห็นถึงการตระหนักรู้ที่รุ่งอรุณว่าการใช้ -omes ของกลุ่มคนเพื่อพัฒนาการรักษาแบบกําหนดเป้าหมายค่อนข้างแตกต่างจากการใช้จีโนมของบุคคลเอง
เพราะในที่สุดเราทุกคนมีความแตกต่างกันวิธีเดียวที่จะใช้ข้อมูลทางพันธุกรรมของเราเพื่อทํานายว่าบุคคลจะตอบสนองต่อยาอย่างไรคือถ้าเรามีความเข้าใจอย่างลึกซึ้งเกี่ยวกับการทํางานของร่างกายเพื่อให้เราสามารถสร้างแบบจําลองวิธีที่แต่ละคนจะดูดซับและโต้ตอบกับโมเลกุลของยา นี่เป็นเรื่องยากที่จะทําในตอนนี้ดังนั้นสิ่งที่ดีที่สุดต่อไปคือการแพทย์ที่มีความแม่นยําซึ่งเราดูว่าคนที่คล้ายกันทางพันธุกรรมมีปฏิกิริยาอย่างไรแล้วสมมติว่าบุคคลที่กําหนดจะตอบสนองในลักษณะเดียวกัน
แม้แต่ความฝันที่ยึดถือกันมานานว่ายาสามารถออกแบบได้เป็นประจําโดยการรู้โครงสร้างอะตอมของโปรตีนเพื่อระบุตําแหน่งในโปรตีนที่ยาทําหน้าที่ก็ยังไม่เกิดขึ้นจริง
สิ่งสําคัญที่สุดคือความจริงที่ว่า “ผลการวิจัยที่ตีพิมพ์ส่วนใหญ่เป็นเท็จ” ตามที่รายงานโดย John Ioannidis นักระบาดวิทยาจากมหาวิทยาลัยสแตนฟอร์ดเน้นย้ําว่าข้อมูลไม่เหมือนกับข้อเท็จจริง ชุดข้อมูลที่สําคัญชุดหนึ่ง — ข้อสรุปของการศึกษาที่ผ่านการตรวจสอบโดยเพื่อน — ไม่ควรพึ่งพาหากไม่มีหลักฐานของการออกแบบการทดลองที่ดีและการวิเคราะห์ทางสถิติที่เข้มงวด แต่ตอนนี้หลายคนอ้างว่าเราอยู่ใน “ยุคข้อมูลข่าวสาร” หากคุณนับผลการวิจัยตัวเองเป็นข้อมูลที่สําคัญเป็นเรื่องที่น่ากังวลมากที่จะพบว่าพวกเขามีแนวโน้มที่จะเป็นเท็จ (ไม่ถูกต้อง) มากกว่าจริง
”ไม่ต้องสงสัยเลยว่าผลกระทบของข้อมูลขนาดใหญ่ซึ่งอาจมีส่วนช่วยมากกว่า 200 พันล้านปอนด์ต่อเศรษฐกิจของสหราชอาณาจักรเพียงอย่างเดียวในช่วงห้าปี” โรเจอร์ ไฮฟิลด์ ผู้อํานวยการฝ่ายกิจการภายนอกที่พิพิธภัณฑ์วิทยาศาสตร์ ลอนดอนกล่าว แต่ “การบูชาข้อมูลขนาดใหญ่ได้สนับสนุนให้บางคนกล่าวอ้างเป็นพิเศษว่านี่เป็นจุดสิ้นสุดของทฤษฎีและวิธีการทางวิทยาศาสตร์”
มีประโยชน์ แต่ไม่ลึกซึ้ง
การบูชาข้อมูลขนาดใหญ่ทําให้หลายประเด็นลึกซึ้ง เพื่อให้เข้าใจถึงข้อมูลทั้งหมดนี้นักวิจัยกําลังใช้ปัญญาประดิษฐ์ประเภทหนึ่งที่เรียกว่าเครือข่ายประสาทเทียม แต่ไม่ว่า “ความลึก” และความซับซ้อนของพวกเขาพวกเขาจะพอดีกับเส้นโค้งกับข้อมูลที่มีอยู่เท่านั้น พวกเขาสามารถล้มเหลวในสถานการณ์ที่เกินขอบเขตของข้อมูลที่ใช้ในการฝึกอบรมพวกเขา สิ่งที่พวกเขาสามารถทําได้คือ “ขึ้นอยู่กับคนที่เราเคยเห็นและรักษามาก่อนเราคาดหวังว่าผู้ป่วยที่อยู่ตรงหน้าเราจะทําสิ่งนี้ได้ในตอนนี้”
ถึงกระนั้นพวกเขาก็มีประโยชน์ สองทศวรรษที่ผ่านมา, หนึ่งของเรา (ปีเตอร์) ใช้ข้อมูลขนาดใหญ่และเครือข่ายประสาทเทียมเพื่อทํานายเวลาหนาของสารละลายที่ซับซ้อน (ผสมกึ่งของเหลว) จากสเปกตรัมอินฟราเรดของผงซีเมนต์. แต่ถึงแม้สิ่งนี้จะกลายเป็นข้อเสนอเชิงพาณิชย์ แต่ก็ไม่ได้ทําให้เราเข้าใกล้ความเข้าใจมากขึ้นว่ากลไกใดกําลังเล่นอยู่ ซึ่งเป็นสิ่งที่จําเป็นในการออกแบบซีเมนต์ชนิดใหม่
ความท้าทายที่ลึกซึ้งที่สุดเกิดขึ้นเพราะในทางชีววิทยาข้อมูลขนาดใหญ่นั้นเล็กมากเมื่อเทียบกับความซับซ้อนของเซลล์อวัยวะหรือร่างกาย เราจําเป็นต้องรู้ว่าข้อมูลใดมีความสําคัญต่อวัตถุประสงค์เฉพาะ นักฟิสิกส์เข้าใจสิ่งนี้ดีเกินไปเท่านั้น การค้นพบโบสันฮิกส์ที่แฮดรอนคอลลิเดอร์ขนาดใหญ่ของ CERN ต้องใช้ข้อมูลหลายเพตะไบต์ อย่างไรก็ตามพวกเขาใช้ทฤษฎีเพื่อเป็นแนวทางในการค้นหา เราไม่ได้คาดการณ์สภาพอากาศในวันพรุ่งนี้โดยการหาค่าเฉลี่ยบันทึกทางประวัติศาสตร์ของสภาพอากาศในวันนั้น – แบบจําลองทางคณิตศาสตร์ทํางานได้ดีขึ้นมากด้วยความช่วยเหลือของข้อมูลรายวันจากดาวเทียม
บางคนถึงกับใฝ่ฝันที่จะสร้างกฎหมายทางกายภาพใหม่โดยการขุดข้อมูล แต่ผลลัพธ์จนถึงปัจจุบันมีจํากัดและไม่น่าเชื่อถือ ดังที่เอ็ดเวิร์ดกล่าวไว้ว่า” มีใครเชื่อหรือไม่ว่าการขุดข้อมูลสามารถสร้างทฤษฎีสัมพัทธภาพทั่วไปได้?”
ผู้สนับสนุนข้อมูลขนาดใหญ่จํานวนมากในชีววิทยายึดมั่นในความหวังที่ลืมเลือนว่าเราไม่จําเป็นต้องมีทฤษฎีเพื่อสร้างความเข้าใจของเราเกี่ยวกับพื้นฐานของสุขภาพและโรค แต่การพยายามคาดการณ์ปฏิกิริยาของผู้ป่วยต่อยาตามการตอบสนองเฉลี่ยของคนอื่น ๆ อีกหลายพันคนก็เหมือนกับการพยายาม สล็อตเว็บตรง , ฝากถอนไม่มีขั้นต่ำ เว็บตรง
