新工具crowdsources用于生物学研究人类的智慧

截至昨日,研究者们一个新的工具来挖掘生命科学的未充分利用的资源:众包

通过 妮可lanese

Images and graphs showing result similarities between experts and Turkers
在使用quanti.us为例,零工用注释鼻子,数字和移动鼠标的尾任务。一起平均时,零工捕获相同的结果作为一个受过训练的专家和远胜过的自动计算机算法。 信用:性质方法

科学家们现在有能力在明亮的荧光色标签电池部分,呈现高清晰的照片和视频使用组织切片监测动物的行为下到毫秒。拍摄这些图像后,研究人员可以分析他们获得一切从基本单元结构,以癌症诊断的新见解。虽然图像分析是在生命科学的日益强大的工具,有一个问题:远需要分析太多的图像。  

生物学家淹没在蜂窝相片拍摄海,因为他们在这样的数据,因此湿透,他们的实验较少有效地进行。牙龈没有像有10,000张标注的科学过程。

为了解决这个问题,在能赌钱的app首页,浐扎克伯格biohub研究人员领导的一个小组,和IBM都推出quanti.us - 一个用户友好的网站,旨在招募成千上万的新的眼光看在科学的图像。描述工具的论文被发表七月31 自然方法.

如今,生物与健康科学的研究人员可以轻松地捕获数千单个蛋白质分子的一切高分辨率图像的爬行癌细胞。修改的古训,一张图片胜过1000个数据点,但有人仍然对它们进行分析。科学家本身往往没有超过数千张图片的带宽孔高效和计算机算法并不总是精足做的工作为他们。

研究人员乔清晨,技术律师和软件工程师联手,打造quanti.us在亚马逊的Mechanical Turk服务,它允许用户访问的所谓的准备和等待的员工队伍后面的“零工”。 quanti.us变得非常简单科学家们上传图片,招聘工人,并为每个其具体任务进行了说明。现场配备了内置的注释工具,让零工快速,轻松地标记的图像。

ZEV Gartner称,博士,副教授,药物化学系。

“人类是硬连接的图像识别和分类,”亚历克斯·休斯博士,宾夕法尼亚大学生物工程助理教授,谁在能赌钱的app首页实验室的quanti.us做过博士后说 ZEV加特纳博士。

有成千上万人的工人愿意代表通过机械土耳其人的研究人员分析图像,解释Gartner称,在能赌钱的app首页药物化学副教授“,但没有简单的机制,使这些人承担对问题是生物医学研究人员关心。此外,尚不清楚是否零工将能够提供准确的分析“。 

该分配可以包括在细胞计数移动的分子,在一个组织以下移动的细胞,或跟踪在跑步机上的小鼠的运动。出人意料的是,现有的计算机算法,这些任务可以是棘手的,但考虑到简单的指令,未经训练的人轻松地完成它们。  

把“群众的智慧”来测试,休斯,Gartner和研究团队比较零工精度在UCSF居民科学专家。他们发现,从单一的结果专家有时他们更准确地从三到五年零工平均结果准确。   

“不同的人,包括专家,往往使不同的原因的错误,” Gartner公司说。 “这些错误往往会抵消掉,如果你从平均多人的结果。” 

研究人员看到了推出自己的网站作为一个机会,让生命科学家外包他们的一些最具挑战性和耗时的工作,廉价高效。他们还高兴地在科学的工艺流程从事非科学家,挑战,科学只能通过社会的一个小的,选择的百分比来进行概念。

“除了是对自己的数据分析工作的资源,”休斯说,“我们认为很多quanti.us用户最终会在课堂上和其他地方宣传和教育使用它。”

团队继续合作与同事在IBM Almaden研究中心创造新的机器学习与数据quanti.us算法,然后他们看到了未来,科学家混合和具体的研究问题的匹配算法设计师,从点击的苦差事中解放出来对数千张图片。 

“我们已经开始看到机器学习爬行到科学发现,”休斯说,“我们认为这quanti.us用户可以得到非常具体的问题,注释的巨量将产生巨大的影响。”