03-tu-literatura.pdf

Transcript

1. Bioinformática Aplicada a Tu Proyecto Módulo 3: Tu Literatura Joshua Haase 2020-05-18 1
2. Hasta ahora hemos documentado tu proyecto e identificado qué debes cuidar e investigar acerca de tu proyecto. 2
3. Esta semana buscaremos información para resolver esos límites y las mejores prácticas en el análisis. 3
4. Cómo leer los papers que aún no entiendes.
5. Einstein decía que el marcador de la inteligencia no es la memoria sino la imaginación. Imaginar lo que lees: • Permite entender más rápidamente. 4
6. Einstein decía que el marcador de la inteligencia no es la memoria sino la imaginación. Imaginar lo que lees: • Permite entender más rápidamente. • Mejora la retención en el tiempo. 4
7. Einstein decía que el marcador de la inteligencia no es la memoria sino la imaginación. Imaginar lo que lees: • Permite entender más rápidamente. • Mejora la retención en el tiempo. • Permite identificar lo que no entiendes (no puedes imaginarlo). 4
8. Una buena teoría te hace ver el mundo de una forma diferente (Peterson 1999; Blakeslee and Blakeslee 2008). • La percepción es el problema más difícil de la inteligencia. 5
9. Una buena teoría te hace ver el mundo de una forma diferente (Peterson 1999; Blakeslee and Blakeslee 2008). • La percepción es el problema más difícil de la inteligencia. • Busca situaciones donde aplican los conceptos. 5
10. Una buena teoría te hace ver el mundo de una forma diferente (Peterson 1999; Blakeslee and Blakeslee 2008). • La percepción es el problema más difícil de la inteligencia. • Busca situaciones donde aplican los conceptos. • Piensa qué implica para esas situaciones. 5
11. Una buena teoría te hace ver el mundo de una forma diferente (Peterson 1999; Blakeslee and Blakeslee 2008). • La percepción es el problema más difícil de la inteligencia. • Busca situaciones donde aplican los conceptos. • Piensa qué implica para esas situaciones. • Busca donde no aplica la teoría. 5
12. El ejercicio de Feynman también sirve para aprender cosas nuevas (Dunlosky et al. 2013). • Recordar los conceptos es súper efectivo para aprender (Ausubel and Youssef 1965; Oakley 2018). 6
13. El ejercicio de Feynman también sirve para aprender cosas nuevas (Dunlosky et al. 2013). • Recordar los conceptos es súper efectivo para aprender (Ausubel and Youssef 1965; Oakley 2018). • Es mejor hacerlo en entornos y tiempos diferentes (Oakley 2018). 6
14. El miedo puede impedir tu aprendizaje. • A mucha gente le duele ver matemáticas. 7
15. El miedo puede impedir tu aprendizaje. • A mucha gente le duele ver matemáticas. • Cuando tu amígdala se activa no puedes aprender. 7
16. El miedo puede impedir tu aprendizaje. • A mucha gente le duele ver matemáticas. • Cuando tu amígdala se activa no puedes aprender. • Es importante tener una actitud de curiosidad y juego. 7
17. Simplificar ayuda a aprender lo fundamental y agregar los detalles después. Para aprender matemáticas nuevas puedes: • Identificar el caso más simple. 8
18. Simplificar ayuda a aprender lo fundamental y agregar los detalles después. Para aprender matemáticas nuevas puedes: • Identificar el caso más simple. • Resolver el caso más simple. 8
19. Simplificar ayuda a aprender lo fundamental y agregar los detalles después. Para aprender matemáticas nuevas puedes: • Identificar el caso más simple. • Resolver el caso más simple. • Imaginar ejemplos concretos. 8
20. Cómo elegir papers que ayuden a tu proyecto.
21. Una de las mejores colaboraciones que recuerdo fue porque pedía cosas concretas y era crítica con los resultados. • Solicitar el objetivo. 9
22. Una de las mejores colaboraciones que recuerdo fue porque pedía cosas concretas y era crítica con los resultados. • Solicitar el objetivo. • Interpretar los resultados. 9
23. Una de las mejores colaboraciones que recuerdo fue porque pedía cosas concretas y era crítica con los resultados. • Solicitar el objetivo. • Interpretar los resultados. • Ser crítico con los resultados. 9
24. Es importante buscar las soluciones canónicas antes de intentar desarrollar (Osborne et al. 2014) Figure 1: Tres semanas para hacer gráficas que multiqc hace mucho mejor. 10
25. A mayor diversidad de datos y métodos de análisis, mayor es la posibilidad de encontrar la verdad (Marbach et al. 2012) 11
26. Lo que yo siempre busco antes de hacer algo nuevo: • ¿Hay un buen review reciente? Figure 2: Conocer las mejores prácticas nos permite estar preparados. 12
27. Lo que yo siempre busco antes de hacer algo nuevo: • ¿Hay un buen review reciente? • ¿Alguien hizo algo similar? Figure 2: Conocer las mejores prácticas nos permite estar preparados. 12
28. Lo que yo siempre busco antes de hacer algo nuevo: • ¿Hay un buen review reciente? • ¿Alguien hizo algo similar? • ¿Hay buenas prácticas? Figure 2: Conocer las mejores prácticas nos permite estar preparados. 12
29. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. 13
30. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. 13
31. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. • Cómo nuestro experimento controla la variabilidad. 13
32. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. • Cómo nuestro experimento controla la variabilidad. • Qué problemas comunes hay que resolver. 13
33. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. • Cómo nuestro experimento controla la variabilidad. • Qué problemas comunes hay que resolver. • Qué etapas tiene el análisis. 13
34. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. • Cómo nuestro experimento controla la variabilidad. • Qué problemas comunes hay que resolver. • Qué etapas tiene el análisis. • Qué opciones de heramientas tenemos. 13
35. La información que queremos tener disponible al terminar este módulo: • Cómo funciona la tecnología que usamos. • Cómo nuestro experimento agrega sesgos. • Cómo nuestro experimento controla la variabilidad. • Qué problemas comunes hay que resolver. • Qué etapas tiene el análisis. • Qué opciones de heramientas tenemos. • Qué opciones de controles tenemos. 13
36. Recuerda que el objetivo es prepararnos para las siguientes etapas: 14
37. Actividad 1: Busca al menos un artículo que haga un análisis similar al que quieres hacer. Ejemplo: Si quieres hacer un análisis de metagenoma para NGS podría ser: 15
38. Actividad 2: Busca un par de artículos de buenas prácticas para el análisis que quieres hacer. Ejemplo: si quieres hacer un análisis de enriquecimiento funcional con variantes estructurales, podría ser: 16
39. Actividad 2: Busca un par de artículos de buenas prácticas para el análisis que quieres hacer. Ejemplo: si quieres hacer un análisis de enriquecimiento funcional con variantes estructurales, NO podría ser: 17
40. Actividades opcionales • Buscar los conceptos que encontraste en el módulo 2 y explícarlos de la manera más sencilla posible. 18
41. Actividades opcionales • Buscar los conceptos que encontraste en el módulo 2 y explícarlos de la manera más sencilla posible. • Anotar en la sección «Documentación suplementaria» los artículos que consideres relevantes para tu proyecto. 18
42. Actividades opcionales • Buscar los conceptos que encontraste en el módulo 2 y explícarlos de la manera más sencilla posible. • Anotar en la sección «Documentación suplementaria» los artículos que consideres relevantes para tu proyecto. • Escribir en una oración por qué es relevante cada artículo para tu investigación. 18
43. Referencias
44. El material de este módulo está basado en: Ausubel, David P., and Mohamed Youssef. 1965. “The Effect of Spaced Repetition on Meaningful Retention.” The Journal of General Psychology 73 (1): 147–50. https://doi.org/10.1080/00221309.1965.9711263. Blakeslee, Sandra, and Matthew Blakeslee. 2008. The Body Has a Mind of Its Own: New Discoveries About How the Mind-Body Connection Helps Us Master the World. New York: Random House. Dunlosky, John, Katherine A. Rawson, Elizabeth J. Marsh, Mitchell J. Nathan, and Daniel T. Willingham. 2013. “Improving Students’ Learning with Effective Learning Techniques.” Psychological Science in the Public Interest 14 (1): 4–58. https://doi.org/10.1177/1529100612453266. Marbach, DanielJames C Costello, Robert Küffner, Nicole M Vega, Robert J Prill, Diogo M Camacho, et al. 2012. “Wisdom of Crowds for Robust Gene Network Inference.” Nature Methods 9 (8): 796–804. https://doi.org/10.1038/nmeth.2016. 19