Исследование возможностей метода характеристических паттернов для графического представления больших объёмов информации

Рассмотрены новые вызовы эргономики и медицины труда, включая новые риски, вопросы профилактики и этики. Проведён обзор современных биоинформационных систем и методов визуализации в биоинформатике. Проанализированы риски здоровью при взаимодействии человека с большими объёмами текстовой информации и передовые компьютерные методы профилактики компьютерного синдрома, включая перенапряжение зрительного анализатора, боли в спине, шее и кистях рук. Цель исследования — анализ представлений наследственной молекулярно-генетической информации в виде доступных для визуального восприятия графических паттернов, характеризующих исходные данные, а также исследование возможности визуализации больших объёмов данных с помощью метода характеристических паттернов. Основные результаты: разработаны новые методы представления больших объёмов наследственной генетической информации в биоинформационных системах. Эти методы основаны на компьютерных алгоритмах обработки информации. Методы позволяют визуально оценить различия в генетическом строении различных видов живых организмов, а также выявить особенности их нуклеотидного состава. Сделан вывод о том, что фиксация внутренней упорядоченности информационного сигнала в виде индивидуальной графической квазифрактальной структуры является характерной особенностью рассмотренных методов, что позволяет расширить возможности визуально-аналитического мышления человека при его взаимодействии с большими объёмами информации посредством инструментальных средств биоинформатики.

1. Сергеев С.Ф. и др. II Международная научно-практическая конференция «Эрго 2016: Человеческий фактор в сложных технических системах и средах». Психологический журнал. 2017; 38(1): 136-8.

2. Petoukhov S.V. Genetic coding and united-hypercomplex systems in the models of algebraic biology. Biosystems. 2017; 158: 31-46.

3. Степанян И.В. Масштабно-параметрическая визуализация нуклеиновых кислот. Научная визуализация. 2020; 12(3): 61-78. https://doi.org/10.26583/sv.12.3.06

4. Sherry S.T. et al. dbSNP: the NCBI database of genetic variation. Nucleic Acids Research. 2001; 29(1): 308-311.

5. Palmisano A. et al. Bioinformatics Tools and Resources for Cancer Immunotherapy Study. Biomarkers for Immunotherapy of Cancer: Methods and Protocols: Methods in Molecular Biology. Eds.: M. Thurin, A. Cesano, F.M. Marincola. New York, NY: Springer, 2020: 649-78.

6. Ghandikota S., Hershey G.K.K., Mersha T.B. GENEASE: real time bioinformatics tool for multi-omics and disease ontology exploration, analysis and visualization. Bioinformatics. 2018; 34(18): 3160-8.

7. Chen L. et al. Trends in the development of miRNA bioinformatics tools. Briefings in Bioinformatics. 2019; 20(5): 1836-52.

8. Chen L. et al. The bioinformatics toolbox for circRNA discovery and analysis. Briefings in Bioinformatics. 2021; 22(2) 2021: 1706-28.

9. Alkhnbashi O.S. et al. CRISPR-Cas bioinformatics: Methods for characterizing, applying, and teaching CRISPR-Cas systems. Methods. 2020; 172: 3-11.

10. Ribbon: intuitive visualization for complex genomic variation. Bioinformatics. Oxford Academic. https://academic.oup.com/bioinformatics/advance-article-abstract/doi/10.1093/bioinformatics/btaa680/5885081 (дата обращения: 28.11.2020).

11. Teo C., Giffard P., Johnston V., Treleaven J. Computer vision symptoms in people with and without neck pain. Applied Ergonomics. 2019; 80: 50-6.

12. Robert G. Radwin, SangHyun Lee, Kang Li, Max Lieblich, Byoung-keon Daniel Park. Discussion Panel on Computer Vision and Occupational Ergonomics. 2016. https://journals.sagepub.com/doi/abs/10.1177/1541931213601220 (дата обращения: 28.11.2020).

13. Munshi S., Varghese A., Dhar-Munshi S. Computer vision syndrome - A common cause of unexplained visual symptoms in the modern era. International Journal of Clinical Practice. 2017; 71(7): E12962.

14. Walker G., Strathie A. Big data and ergonomics methods: A new paradigm for tackling strategic transport safety risks: Transport in the 21st Century: The Application of Human Factors to Future User Needs. Applied Ergonomics. 2016; 53: 298-311.

15. Araujo C.L.D.O., Santos T.J.N., Galvão H.M. Decision-Making by Data, An Application of Data Science with Cognitive Ergonomics. International Journal of Advances in Agriculture Sciences. 2018.

16. Kalakoski V., Henelius A., Oikarinen E., Ukkonen A., Puolamäki K. Cognitive ergonomics for data analysis. Experimental study of cognitive limitations in a data-based judgement task. Behaviour & Information Technology. 2019; 38(10): 1038-47.

17. Gehrmann S., Strobelt H., Rush A.M. GLTR: Statistical Detection and Visualization of Generated Text. arXiv: 1906.04043 [cs], 2019, GLTR.

18. Paranyushkin D. Generating Insight Using Text Network Analysis. The World Wide Web Conference: WWW’19. New York, NY, USA: Association for Computing Machinery; 2019. InfraNodus: 3584-3589.

19. Степанян И.В., Денисов Э.И., Еремин А.Л., Бодякин В.И., Савельев А.В. Алгоритмы оптимизации интеллектуального труда методами визуализации информации с помощью когнитивной семантической графики. Нейрокомпьютеры: разработка, применение. 2014; 7: 53-59.

20. Denisov E.I. Robots, artificial intelligence, augmented and virtual reality: ethical, legal and hygienic issues. Gigiena i sanitariya. 2019; 98; 1: 5-10.