ChatGPT Interprets Scientific Images

Chatgptによって解釈された科学者

導入

• この作業は、バイオインフォマティクスの数字を解読する際のChatGptの機能を評価します。
• 評価された領域には、データ分析のシーケンス、薬物の再配置、腫瘍の進化が含まれます。
• プロットの種類を説明し、生物学的洞察を適用するのに熟練したChatGptを見つけます。
• 色の知覚と定量的視覚分析の課題を特定します。
• 正確さと信頼性のために、厳しい校正の必要性を強調します。

？完全な論文を読んでください

材料

がん研究における4つのケーススタディ：

1。「RNA」ケーススタディ

（a）サンプルの2つのグループを示すPCA分析：赤の「T」と青の「M」。 （b）赤色および下方制御された遺伝子を使用した、差次的に発現した遺伝子分析からのFCSおよびFDRの火山プロット。 Arrowheadsで示されるSOCS3とJUNB。 （c）上方制御された遺伝子に適用されたKegg Pathway濃縮分析からのトップ10のヒットを要約するドットプロット。

2。「ZNF71」のケーススタディ

（a）ZNF71 KRABアイソフォーム発現でソートされたNSCLC患者（GSE81089）のKaplan – Meier生存プロット（GSE81089）。赤：ZNF71 KRAB発現が高い患者（TPM> 1.5）;緑：その他; （b）ドセタキセル感度によってソートされたNSCLC細胞株のZnf71 Krabアイソフォームの発現のためのバーチャート。 （c）LUAD腫瘍およびNATにおけるZNF71およびIIIR遺伝子の遺伝子関連ネットワーク。 （d）NSCLS細胞株におけるPQ-401（EC50）に対するCD27 mRNA発現レベルおよび薬物反応の散布図。

3.「クローン」のケーススタディ

（a）原発性腫瘍（X軸）と対照的なvaf％対照的な再発性腫瘍（X軸）の散布図。各ドットは遺伝子であり、有意な衝撃を受けた遺伝子が示されています。同じ患者から供給された原発性および再発腫瘍。 （b）原発腫瘍から再発性への各クラスターの平均VAFの変化を示す接続されたドットプロット。 （c）原発性腫瘍および（d）再発腫瘍の癌進行の関数としての各（sub）クローンの相対的な有病率を示すベルプロット。 （e）合計100個の細胞で検査された原発腫瘍および（F）再発腫瘍の細胞組成を示すサークルパッキングプロット。 （g）一次サンプルと再発サンプル間の（sub）クローンのリレーショナルおよびシードパターンを示す枝ベースのツリー。示されているのは、設立クローンの成長を促進する遺伝子です。

4。「YY1」ケーススタディ

Washu Epigenomeブラウザは、鎖特異的RNA-Seqリードの分布を示すトラック、H3K4ME3、H3K27AC、およびH3K27ME3のCHIP-SEQ読み取り、およびクロマチンとクロマチンの相互作用のプレースセック読み取りを追跡します。青い長方形（A1〜A3）：アクティブプロモーター領域。ピンクの長方形（I1およびI2）：非アクティブプロモーター領域。緑の長方形（E1〜E4）：アクティブエンハンサー領域。青い円：YY1と相互作用するプロモーター領域（A1、I1、およびA3）。緑色の円：YY1と相互作用するエンハンサー領域（E1〜E3）。ヒートマップで1つの円で共有された破線：2つの相互作用するゲノム領域。相互作用強度を示すヒートマップ上の紫色の程度。

方法

結果

全体的なパフォーマンス：

• 総合表の結果に基づいて、各ケースの真のステートメントの割合を計算しました。
• 「RNA」症例は、最高の精度レベル（95.1±1.3％）を達成しました。
• 逆に、他の3つのケーススタディからの全体的な精度はそれほど印象的ではなく、「ZNF71」ケースの64.4±0.1％から「YY1」ケースの77.3±5.9％の範囲でした。
• 「Znf71」ケースでの注目に値する観察は、「CD271」として「CD271」および「IKBKB」が「IKKBK」として「IKBKB」としての一貫した間違いであり、虚偽の声明の40〜55％を占めていました。

カテゴリ別のパフォーマンス：

• カテゴリごとにソートされた各ケーススタディのステートメントの精度も視覚化されます。
• GPT-4Vは、プロットタイプの認識とドメインの知識リコールの習熟度が高く、すべての場合に85％以上の精度があります。
• 色認識の精度は、すべてのケースで60％未満であり、プロット認識とドメインの知識よりも大幅に低くなっています（p値<0.05; t検定）。
• 位置推論は、RNAの89.3％の精度を示していますが、他の3つのケースでは特に低かった。
• 単純な場合はカウントが信頼できますが、複雑なシナリオではそれほど正確ではありません。

複製全体のカテゴリ別のパフォーマンス：

• プロット認識：すべての複製は、すべてのケースで満足のいくパフォーマンスを示しました。
• ドメインの知識：すべての複製は、すべてのケースで満足のいくパフォーマンスを示しました。
• 色の知覚：すべての複製は、含まれるすべてのケースに対して不十分なパフォーマンスを示しました。
• 位置推論：「RNA」の場合を除き、再補充全体で不十分なパフォーマンスが普及していました。
• カウント：すべての複製は、含まれるすべてのケースに対して不十分なパフォーマンスを示しました。

結論

• ChatGptは、バイオインフォマティクスの科学者を解読することに大きな約束を示しました。
• ChatGptは、さまざまなプロットタイプを説明し、生物学的知識を適用するのに熟練しています。
• 色の正確な解釈と定量分析の実行に苦労しています。
• AIツールを操作するときは、人間のループメカニズムが必要です。

引用

@article {wang2024scientific、title = {chatgptによって解釈される科学的人物：プロット認識と色の知覚の制限}、著者= {wang、jinge and ye、qing and li、li、li、guo、nancy lan and hu、gangqing}、journal = {npj precision oncology}、volume = {1 Pages = {84}、year = {2024}、Publisher = {Nature Publishing Group UK London}}}