为什么解锁微生物组数据的软件可能是气候变化之战的关键?
来源：CPDA数据分析师网 / 时间：2021-07-01
挑战在于我们对土壤的微生物世界知之甚少——迄今为止只有 1% 被正确分类，然而在帮助科学家理解这些过程方面提供重要帮助的是高度复杂的数据管理技术，仍有许多实际障碍需要克服，尤其是在数据标准化方面。然而，现代数据管理和应用网络科学，使用基于图形的数据结构和基于人工智能的分析，让从气候变化科学家到土壤专家和农业制造商的每个人都能从有意义的基于微生物组的知识发现和分析中受益。
在任何科学团队从数据中得出有用的结论或开启创新之前，它必须首先能够：
访问所有这些
对其完整性充满信心
结合起来
用它做出可靠的解释
有目的地使用它
新玩家加入游戏
数据源越丰富、越多样化，所有这些任务就变得越困难
因此高级知识发现的一个核心原则是构建 IT 行业称为“数据结构”的东西，它描述了来自各种来源的数据管理、编目和估值的自动化设计和部署，这个概念超越了单个数据库、数据仓库或数据湖，旨在定义一个统一的技术架构，可以管理所有潜在的数据源，将不同的资产视为一个网格环境，丰富的元数据（有关数据的信息）在组织和定位数据、支持定义参数内的强大和持续分析方面发挥着特别重要的作用，数据结构是一种单一架构，可以解决组织数据资产的多样性、分布、规模和复杂性级别，数据结构还可以将集成设计时间减少 30%，部署时间减少 30%，维护时间减少 70%。
适合用途的数据结构可确保一组足够全面的数据始终可用和访问
具有完整性和价值，并且可以由非数据科学同事以可靠和有意义的方式进行交换、比较和理解，图技术是另一种可视化技术，它可以洞察数据之间的相互关系，尤其是在复杂的科学项目中，尽管图表是一种成熟的数据表示方式，但其应用的进步正在改变公司可以利用这些数据做的事情，尤其是在复杂的科学任务和项目中，正是在这里，超图（具有多个互连节点的知识图）进入了聚光灯下，它们使科学家能够探索离散的联系并理解多个不同数据集之间的相关性，从而改变知识发现。
更进一步涉及多个超图的多层化
像这样的堆叠使科学家能够通过更多地了解数据之间的背景来获得更深入的微生物组洞察力，这种方法有助于可解释性，因为研究人员可以一目了然地看到不同层或特定上下文中发生的事情，如果有潜在的兴趣，用户可以放大一个实体或节点并查看另一个图表，让他们能够更深入地进行调查，例如在研究层，您正在查看多个交叉研究，例如其他土壤地理，另一层是植物内的土壤/植物/细菌，另一层是您了解肥料或杀虫剂的组合.
图是数据的统一语言
AI 增强的图形建模是一种将微生物组相关发现提升到更高水平的方法，目前多达 50% 的客户关于 AI 主题的咨询都涉及对图技术使用的讨论，人工智能可以帮助解码人类观察者可能不明显的模式，一旦确定了数据的结构，就可以在图形中表示这些知识，从这个意义上说，图形成为表示数据的统一语言，因此生物学家和其他科学家不必是数据工程师来操纵数据或统计专家来破译正在建立的联系。
因果推理科学的高级应用提炼并研究了不同数据之间的关联
使科学家能够设计新的研究来深入研究根本原因分析，为了加深理解，科学家们还必须能够区分相关性和因果关系，以便知道将重点放在哪些新的研究领域，正如我们所见，就数据管理和分析而言，这是一幅复杂的图景，然而使用图形和人工智能技术以及因果推断来探索微生物组的前景将导致有关土壤生物学的新发现以及如何更可持续地耕作的新发现急剧加速。
人类能否期待在数据科学和人工智能的进步为我们打开的这个重要微观世界的帮助下迎接 21 世纪的挑战？由于高级数据软件的干预，机会看起来非常好。
商业联合会数据分析专业委员会