05 Tus Controles

Quinto módulo de la primera edición del curso «Bioinformática Aplicada a Tu Proyecto».

Transcript

1. Bioinformática Aplicada a Tu Proyecto Módulo 5: Tus Controles Joshua Haase 2020-06-01 1
2. Estamos en la quinta semana del curso. 2
3. Esta semana aprenderás cómo aplicar controles a tu experimento bioinformático. 3
4. El revisor dos encuentra un problema que no habías considerado y hay que cambiar el análisis. Figure 1: Revisor dos mirándote con desdén • Sin registros o revisando anotaciones. 4
5. El revisor dos encuentra un problema que no habías considerado y hay que cambiar el análisis. Figure 1: Revisor dos mirándote con desdén • Sin registros o revisando anotaciones. • Resultados que no se reproducen. 4
6. El revisor dos encuentra un problema que no habías considerado y hay que cambiar el análisis. Figure 1: Revisor dos mirándote con desdén • Sin registros o revisando anotaciones. • Resultados que no se reproducen. • Sin control de calidad. 4
7. Cómo evitar trabajar de más cuando el revisor dos pida otro análisis.
8. Pero podemos estar preparados usando buenas prácticas de investigacion. • Reprocesar con tu flujo de trabajo. 5
9. Pero podemos estar preparados usando buenas prácticas de investigacion. • Reprocesar con tu flujo de trabajo. • Verificar supuestos de tu análisis. 5
10. Pero podemos estar preparados usando buenas prácticas de investigacion. • Reprocesar con tu flujo de trabajo. • Verificar supuestos de tu análisis. • Cambiar tu software sin miedo. 5
11. Pero podemos estar preparados usando buenas prácticas de investigacion. • Reprocesar con tu flujo de trabajo. • Verificar supuestos de tu análisis. • Cambiar tu software sin miedo. • Trabajar más rápido. 5
12. Las pruebas sirven como documentación viva acerca de cómo funciona tu proyecto (Martin 2014) • Siempre tienes un caso que funciona. 6
13. Las pruebas sirven como documentación viva acerca de cómo funciona tu proyecto (Martin 2014) • Siempre tienes un caso que funciona. • Siempre tienes ejemplos de cómo se ejecuta el código. 6
14. Las pruebas sirven como documentación viva acerca de cómo funciona tu proyecto (Martin 2014) • Siempre tienes un caso que funciona. • Siempre tienes ejemplos de cómo se ejecuta el código. • Evita trabajar de más porque quieres hacer más cosas. 6
15. Las pruebas sirven como documentación viva acerca de cómo funciona tu proyecto (Martin 2014) • Siempre tienes un caso que funciona. • Siempre tienes ejemplos de cómo se ejecuta el código. • Evita trabajar de más porque quieres hacer más cosas. • Permite cambiar cosas y saber que todo funciona. 6
16. Las pruebas sirven como documentación viva acerca de cómo funciona tu proyecto (Martin 2014) • Siempre tienes un caso que funciona. • Siempre tienes ejemplos de cómo se ejecuta el código. • Evita trabajar de más porque quieres hacer más cosas. • Permite cambiar cosas y saber que todo funciona. • Ofrece evidencia de que las cosas funcionan. 6
17. Conforme el proyecto avanza es más costoso corregirlo (McConnell 2004) Cambiar tus planos es más barato que cambiar tu casa. 7
18. Las pruebas nos ayudan a detectar errores antes en el proceso: Se puede probar: • Tu flujo de trabajo completo. 8
19. Las pruebas nos ayudan a detectar errores antes en el proceso: Se puede probar: • Tu flujo de trabajo completo. • Cada etapa funciona. 8
20. Las pruebas nos ayudan a detectar errores antes en el proceso: Se puede probar: • Tu flujo de trabajo completo. • Cada etapa funciona. • Los datos tienen buena calidad. 8
21. Para trabajar menos en total, conviene seguir este proceso. • Empezar con la solución más simple al caso más simple. 9
22. Para trabajar menos en total, conviene seguir este proceso. • Empezar con la solución más simple al caso más simple. • Agregar más casos conforme se necesitan. 9
23. Para trabajar menos en total, conviene seguir este proceso. • Empezar con la solución más simple al caso más simple. • Agregar más casos conforme se necesitan. • Generalizar la solución poco a poco. 9
24. Para trabajar menos en total, conviene seguir este proceso. • Empezar con la solución más simple al caso más simple. • Agregar más casos conforme se necesitan. • Generalizar la solución poco a poco. • Verificar cada paso. 9
25. Actividad 1: Seleccionar un conjunto de datos para probar tu flujo de trabajo. • Si no existe el conjunto de datos, generar uno sintético. 10
26. Cómo agregar control positivo y negativo a tu experimento bioinformático para asegurarte de que tu análisis está bien hecho.
27. Los experimentos bioinformáticos necesitan controles igual que los experi- mentos de laboratorio. • Verificar procedimiento. 11
28. Los experimentos bioinformáticos necesitan controles igual que los experi- mentos de laboratorio. • Verificar procedimiento. • Verificar validez de datos. 11
29. Los experimentos bioinformáticos necesitan controles igual que los experi- mentos de laboratorio. • Verificar procedimiento. • Verificar validez de datos. • Comparar procedimientos. 11
30. Siguiendo la analogía de los controles • Control Positivo: Casos conocidos contra su respuesta. (Examen para tu programa) 12
31. Siguiendo la analogía de los controles • Control Positivo: Casos conocidos contra su respuesta. (Examen para tu programa) • Control Negativo: Casos difíciles de discriminar. (Preguntas capciosas para tu programa) 12
32. Un buen conjunto de pruebas tiene estas características (Coplien 2014; Martin 2014): • Verifica el objetivo final. 13
33. Un buen conjunto de pruebas tiene estas características (Coplien 2014; Martin 2014): • Verifica el objetivo final. • Cada prueba es un caso específico. 13
34. Un buen conjunto de pruebas tiene estas características (Coplien 2014; Martin 2014): • Verifica el objetivo final. • Cada prueba es un caso específico. • Cada prueba es independiente. 13
35. Un buen conjunto de pruebas tiene estas características (Coplien 2014; Martin 2014): • Verifica el objetivo final. • Cada prueba es un caso específico. • Cada prueba es independiente. • Pone a prueba todo el sistema. 13
36. Se puede automatizar la verificación del código con estas herramientas: • pre-commit 14
37. Se puede automatizar la verificación del código con estas herramientas: • pre-commit • GitLab .gitlab-ci.yml 14
38. Conviene organizar tu directorio de análisis (Noble 2009) 15
39. Actividad 2: Hacer un mkfile que haga los archivos en orden. 16
40. El material de este módulo está basado en: Coplien, James. 2014. “Why Most Unit Test Is Waste.” August 6, 2014. http://www.rbcs-us.com/documents/Why-Most-Unit-Testing-is-Waste.pdf. Martin, Robert C. 2014. “The Cycles of Testing Driven Development.” December 17, 2014. http://blog.cleancoder.com/uncle-bob/2014/12/17/TheCyclesOfTDD.html. McConnell, Steve. 2004. Code Complete. 2nd ed. Redmond, Wash: Microsoft Press. Noble, William Stafford. 2009. “A Quick Guide to Organizing Computational Biology Projects.” PLoS Computational Biology 5 (7): e1000424. https://doi.org/10.1371/journal.pcbi.1000424. 17