La bioinformatica ha speso negli anni molti sforzi intorno il pattern detection, per ovvii motivi. Il pattern matching è infatti una delle grandi anime della bioinformatica; è usato, dove più dove meno, ovunque, negli allineamenti multipli, nel homology modeling, per classificazioni e per predizioni, in proteomica come in genomica.
Non è una notizia nuova che IBM stia applicando con successo alcune tecniche usate in bioinformatica per la ricerca di pattern nel DNA nel campo dell’identificazione dello spam (l’algoritmo Teiresias sviluppato da Chung-Kwei). Daltronde lo stesso George Harik, uno dei primi dieci ingegneri di Google, e che collabora a sistemi “intelligenti” come Adsense e Gmail anti-spam, ha un background che coinvolge algoritmi genetici.

Tutto questo per dimostrare come grandi vantaggi possono venirne dal sapere far tesoro dell’interazione di settori scientifici anche distanti (apparentemente). Naturalmente sarebbe auspicabile una relatione tra bioinformatica e altre scienze che non sia intransitiva.
Un interessante articolo su openHelix circa le difficoltà di navigare, attraverso metodi intelligenti, nel mare magnum
della letteratura scientifica, mette l’accento (anche) su questo aspetto:

we pointed out that all or most of the demonstrably useful biomedical text mining systemshave been built not by text mining specialists, but by computational biologists. Why might this be? Although this has not been systematically investigated, we speculate that it is related to cultural differences between the two groups.
[...] a combination of computational biologists and text mining specialists will be optimum.
Text mining specialists continue to excel at building system components and designing datasets for evaluation; computational biologists currently appear to be much better at producing useful task definitions. Perhaps the most fruitful approaches are characterized by combined efforts that leverage the abilities of each type of scientist.

Vi consiglio l’articolo da cui partono, o almeno leggere il post su openHelix; tra le altre cose fa il punto sulle risorse web disponibili al momento per “navigare la letteratura”. Devo ammettere che il grafico che disegna il tasso di crescita del numero di abstract è spaventevole, più ancora della crescita del numero di database catalogati nelle tabelle dell’ultimo NAR.

Did you know LinkedIn has over 774 million users across the globe? This metric alone makes the platform one of the top social networks today.

Is your business using LinkedIn to its fullest potential to improve brand awareness, build your network, boost leads and conversions, and increase revenue? With new social networks sprouting up constantly, LinkedIn is a platform that’s often underutilized. The truth is, LinkedIn can be a powerful addition to your social media content strategy.

This guide is chock full of LinkedIn tips you can begin implementing immediately to help you learn how to use the platform to improve brand awareness, share your marketing content, and grow your business.

Free Guide: How to Use LinkedIn for Business, Marketing, and Networking [Download Now]

When you use LinkedIn to market your business, you gain access to useful features related to analytics, connections, and brand-building, just to name a few. (Don’t worry, we’ll review all of these in-depth momentarily.)

Why is marketing on LinkedIn important?

When it comes to social media marketing, you may be tempted to put all your resources toward the big three: Facebook, Instagram, and Twitter. Those are great platforms for reaching your target audience, but excluding LinkedIn is doing your business a huge disservice. As the world’s largest professional network, LinkedIn generates leads 227% more effectively than Facebook and Twitter, so it’s an essential platform for your business when it comes to marketing. Learn more about business development.

But first, here’s a quick primer for those of you who may be new to LinkedIn.

About LinkedIn

LinkedIn launched in 2003 with a focus on networking, building careers, and sharing ideas. The platform enables its members to connect and share content with other professionals including colleagues, potential employers, business partners, competitors, new employees, and customers.

This is why having your business on LinkedIn is so powerful — the platform is a fantastic marketing tool.

For a quick guide on the tips below, check out our video on “How to Use LinkedIn for Business and Marketing.”

La Newsletter del Bioforum mi fa notare l’apertura di un nuovo blog : OPENHELIX focalizzato su genomica e risorse bioinformatiche.
Secondo le intenzioni degli autori il blog dovrebbe essere uno strumento per rimanere aggiornati riguardo i cambiamenti delle risorse presenti in rete e i vari database genomici. MA NON SOLO. Il blog è strutturato in modo che, insieme ai post quotidiani, viene messo a disposizione, di solito al mercoledì, un “TIP of the WEEK“, ovvero un breve video di circa 4 minuti che descriva, all’uso pratico, come ottenere il meglio dai database disponibili, sottolineando nuove funzioni, o metodologie per estrarre informazioni “nascoste“.

Certo è che, nei Tips vi sono dei tutorial ottimamente fatti. La qualità è veramente elevata!
Ma non è tutto: insieme ai Tips, settimanalmente verra’ proposto un’area “What’s Your Problem?”, dove il lettore potrà proporre quesiti e aspettarsi quindi risposte competenti riguardo per esempio come poter estrarre le informazioni che gli servono da una specifica risorsa. Una specie di help desk personalizzato.
Vi lascio infine immaginare il contenuto di un’ultima sessione, chiamata “Guest Post”

Personalmente seguo con avidità questa nuova risorsa, e non mancherò di sottoporvi alcuni loro Tips che reputo di particolare interesse. Eccovi intanto il loro feed principale. Sono sicuro che questo nuovo blog – se mantiene le promesse – diventerà sempre più una risorsa indispensabile!

BMC Bioinformatics e’ sempre stata la mia lettura (bioinformatica) preferita. Free access, più vario negli argomenti trattati rispetto a Bioinformatics , ha pure un buon impact factor, il che non guasta.

Volevo portar alla vostra attenzione un articolo molto interessante che è stato pubblicato nel Dicembre scorso, sull’uso degli Userscripts in campo scientifico (DOI:10.1186/1471-2105-8-487 ). Come ben espresso già nell’abstract, la necessità di usare aggregatori è ormai cosa che più di tutti, il bioinformatico comprende. Si contano migliaia di risorse di biochimica ormai disponibili in rete, tra blog, database, pubblicazioni scientifiche, wiki e quant’altro. Risulta sempre più difficoltoso quindi linkare tutto in un modo centralizzato, anche utilizzando linguaggi come Resource Description Framework e Web Ontology Language.
Uno sviluppo interessante e’ l’uso di user script atti a modificare configurazione e contenuto delle pagine web. Questo permette di aggregare informazione o risultati di computazioni da diverse fonti web in un’unica pagina di risultati. Per capirsi, un tipico esempio può essere la comparazione dei prezzi di negozi online.

L’articolo descrive come script di tipo Greasemonkey possono essere usati per combinare informazioni derivanti da diverse fonti biologiche. Consiglio per quanti non siano avvezzi a questi argomenti di leggere almeno l’articolo relativo di wikipedia (e’ pure in italiano! ). Per poi guardare come questa tecnica può facilmente essere usata, sfruttando API e URL, per collezionare informazioni attraverso solo con poche righe di codice.

A dimostrazione del fatto che se una risorsa e’ resa disponibile usando gli identificatori adeguati, Schema Standard e quant’altro, essa acquisisce un valore aggiunto notevole.

Pare proprio che qualche redattore di Nature Method abbia anche un lato goliardico! Ad accesso gratuito è apparso -nel nuovo numero- un articolo tra il serio e il faceto sulle potenzialità della spettrometria di massa applicata alla proteomica: Mass spectrometry: playing catch up.

A parte la presenza delle opinioni dei maggiori protagonisti del settore, questo articolo natalizio è arricchito da una “lista dei desideri” nella quale ognuno di questi moderni signorotti della proteomica esprimono un desiderio riguardante la tecnologia prossima ventura.

Eccovene un’estratto, i desideri di due grandi competitors:

“I would like to see another 2–3 orders of magnitude increase in the sensitivity and scan speed.”
John Yates, The Scripps Research Institute

“If and when the vendors get the software right, which directs the instrument, then the same instrument will be able to do much more. So I am hoping and waiting for that to happen.”
Matthias Mann, Max Planck Institute of Biochemistry in Martinsried
© 2007 Nature Publishing Group

Un approccio completamente diverso: il primo è esclusivamente Hardware-Oriented, il secondo è più un approccio “uso la testa, visto che la tecnologia è già avanzatissima”. In Effetti, migliorare ulteriormente sensibilità/risoluzione/velocità degli spettrometri faciliterebbe la vita, permetterebbe, per esempio, la riduzione dei falsi positivi durante l’identificazione delle proteine; questo non toglie che certi limiti rimarrebbero invariati (bug compresi) se lo sviluppo dell’hardware non va di pari passo con l’evoluzione del software!

Ora ditemi, dove si respira una sana aria bioinformatica??

Una nuova spettacolare piattaforma è ora disponibile per ogni bioinformatico pigro (categoria sempre piu’ corposa)
Galaxy è un nuovo servizio che fa faville per comodità, portabilità e utilizzo.
Fate attenzione Galaxy da’ dipendenza. Non è semplicemente un altro tool, è invece un nuovo approccio vero e proprio all’analisi dei dati genomici.
Di cosa si tratta?
Come esplicitamente dichiarato nel wiki, Galaxy è una piattaforma disegnata per due comunità che raramente comunicano tra loro:
i biologi sperimentali “I really have no time to program but I want to do whole-genome analyses to find targets for experimental validation“, e i biologi computazionali “I develop algorithms but have no time to develop interfaces”.

L’idea di fondo è quella di sfruttare la sostanziale standardizzazione dei dati genomici che vengono prodotti negli angoli più
riposti del mondo e messi a disposizione in tabelle dell UCBS browser. Spesso le analisi genomiche, massive o finalizzate che siano, si possono condensare nell’applicazione di operazioni di filtraggio, conversione, data mining manipulation o analisi statistiche (più o meno adeguate). Naturalmente, le medesime operazioni su dati diversi generano risultati diversamente significativi, e necessitano successivamente una forte componente interpretativa.

Perchè allora non condividere tutti gli aspetti computazionali su un’unica piattaforma?

Ecco che allora Galaxy mette a disposizione un’interfaccia comodissima, per implementare l’upload dei propri dati, navigarci dentro, esaminarli, e quant’altro.

Ma questo non è tutto. Il sistema è costruito per permettere anche la customizzazione dei tools! Immaginate di aver realizzato uno spettacolare script in Perl in grado di fare l’analisi statistica piu’ raffinata al mondo.

>perl toolExample.pl $input $option1 $option2 $output

In pochi semplici passi potete inserirlo nella vostra directory personale “/myTools”, creando un file xml di configurazione
che vada ad indicare a Galaxy i dettagli di esecuzione:

<tool id=”chip-chip_analysis" name=”PeakPicker">
<description>Finding Peaks in a GFF Nimblegen File</description>
<command interpreter="perl">toolExample.pl $input $option1 $option2 $output</command>
<inputs>
<param format=”gff" name="input" type="data" label="Source file"/>
<param name=”option1" type=”integer” label=”Option 1" />
<param name=”option2" type="data_column" data_ref="input" numerical="True" label=”Option 2" />
</inputs>
<outputs>
<data format=”bed" name="output" />
</outputs>
</tool>

E a quel punto avrete a vostra disposizione nella colonna dei tools il vostro Script, integrato perfettamente all’interfaccia.
Magia!

Update: Ecco, grazie al bioamico Matteo Cesaroni una bella presentazione di Galaxy via slideshare, da cui avevo tratto ispirazione per il post. Lo trovate su Bioinfusion, grazie alle mille potenzialità di wordpress!

Un problema notevole in un mondo dove la blogsfera è infinitamente in crescita, infinitamente veloce, è selezionare cosa leggere, e sapere dove trovare quanto di interessante c’è in un determinato settore. I semplici aggregatori feed possono aiutare, ma spesso sono dispersivi.
La mia pagina personale del google desktop, per esempio, ormai si dispone in 4 tag divisi per argomento, e ognuno di esso è stracolmo di feed a blog che desidererei seguire assiduamente.

Ormai sono tantissimi anche i blog di bioinformatica, e di scienza in genere, e seguirli tutti diventa troppo time-consuming.

Una delle soluzioni che ho adottato è stata quella di utilizzare un servizio ancora in beta che mette a disposizione feedburner, ovvero i FB Network. Network di blog. Nel mio caso seguo con piacere THE DNA NETWORK!

I blogger vengono invitati ad iscrivere il proprio blog ad un “gruppo tematico”, dopo di che i titoli e gli starter dei diversi post vengono proposti in una unica pagina online aggiornata in real time. E’ un’alternativa all’uso dei tag in technorati o tag bioinformatici di wordpress. Scorrendo questa pagina si riesce a selezionare velocemente articoli e notizie flash che ci possono essere sfuggite.
Naturalmente, non c’è tutto lo scibile d’interesse, però capita spesso che l’attenzione cada su un articolo o un tool che altrimenti non avremmo mai preso in considerazione, e il tempo speso è veramente poco.

Have Fun!

Il successo di YouTube ha veramente rivoluzionato il web e la sua anima collaborativa. Oramai tutti i giorni si scoprono nuovi progetti che integrano web 2.0 con lo streaming e dintorni. Ci sono radio via web e portali per condividere slide e presentazioni, ci sono gruppi su social networks, ci sono sistemi televisivi personalizzabili, e mille altri.
In questo marasma, i bioinformatici ci si sono spesso buttati a pesce, navigando a vista tra queste nuove possibilità, disperdendosi ed evolvendo come qualunque altra razza primate.

Di tutte queste nuove proposte, l’intenzione sarebbe di introdurre qui sul blog quanti più nuovi servizi mi sia possibile, dando giusto un’idea di cosa si tratti, e poi, con più calma (e magari un po’ di collaborazione), creare dei mini-tutorial per l’area didattica che ne completino la documentazione.

Oggi volevo parlarvi di un appassionante servizio per bioinformatici pigri: Bioscreeencast ! Molti lo conosceranno di già, ma a me piace e quindi eccovelo!

Cosa è? Wikipedia ci dice che uno screencast è una registrazione digitale di quanto succede sul desktop del nostro computer, magari dotata di una narrazione audio.
A cosa può servire? Per evitare ad un bioinformatico pieno di impegni di spulciarsi 1000 pagine di documentazione per sapere come si usa una specifica funzione di genome browser, per esempio.
L’idea è creare una comunità per condividere video che spieghino, all’atto pratico, l’uso di un tool di interesse scientifico.

L’interfaccia è veramente intuitiva, e c’è un bel blog per approfondire. Forza biocosi, diamoci da fare!

Torno brevemente sulla questione della necessità che i dati siano condivisi e condivisibili, sopratutto in ambienti scientifici. Nell’articolo su Genome Commons facevo notare come ci sia ben da sperare se nascono iniziative spinte dalla filosofia della condivisione e divulgazione della conoscenza (anche iper-specialistica).

Ebbene, c’è anche chi non va proprio in questa direzione (o almeno devvia un pochetto), e si tratta di qualcuno che non ci saremmo aspettato.Tim O’Reilly (sì, il Tim famoso) in un suo post fa le pulci al progetto di Google: OpenSocial. Per quanti ancora non abbiano letto di questo progetto vi rimando qui e qui .
In un incontro, circa la possibilità di costruire con le API anche applicazioni che ri-mescolino dati da più piattaforme sociali, si dichiara:

No, you only have access to the data of the individual platform or application.

E Tim fa notare che “we want applications that can use data from multiple social networks”.

Bhe, questo è un bel limite. In ogni settore del tecno-mondo ormai c’è la necessità di confrontarsi non solo con la condivisione dei raw data, ma anche con il fatto che dalla loro re-interpretazione, connessione, interazione, è possibile ottenere un maggior livello di comprensione. La bioinformatica è piena di tali esempi.

Speriamo che in Google vi portino rimedio!