Data-analyysi täydentää kokeellista tutkimusta 

21.6.2022/Teksti: Iina Korkka

Iina Korkka

Se hetki, kun siirryt laboratoriosta koneen ääreen

Kuulostaako tämä tutulta? Kokeellinen laboratoriotyö on tuottanut paljon tulosta ja dataa on valtavat määrät. Data pitäisi analysoida kattavasti ja siitä pitäisi pystyä nostamaan esiin tärkeimpiä tuloksia ja johtopäätöksiä. Ehkä en aloitakaan sitä vielä tänään, huomenna on parempi päivä. Ei se Excel mihinkään karkaa, toisin kuin ajatusteni johdonmukaisuus.

Usein törmää siihen tilanteeseen, että kokeellista työtä tekevän tutkijan ajankäyttö ja osaaminen keskittyvät nimenomaan laboratoriossa tehtävään työhön ja vaativien kokeiden toteuttamiseen. Tämä vie paljon aikaa, jolloin tärkeiden data-analyysin työkalujen opettelu jää vähemmälle. Tutkijoilla on kuitenkin kokeellisen työn tuloksena paljon dataa ja sen tehokas analysointi ja tulkitseminen ovat ensiarvoisen tärkeitä tieteellisten julkaisujen kirjoittamisessa.

Jokainen voi opetella ohjelmoimaan!

Väitöskirjatyössäni tutkin ionikanavien toimintaa kantasoluista erilaistetussa silmän kudoksessa. Tämä on tärkeää in vitro solumallien kehittämisessä ja silmäsairauksien tutkimuksessa sekä tulevaisuuden kantasoluhoidoissa sokeuden hoitamiseksi. Työssä käytetään pääasiallisesti patch clamp nimistä menetelmää, jossa solukalvon sähköistä toimintaa mitataan elektrodien avulla. Työtäni helpotti huomattavasti se, että opettelin Pythonin perusteet. Jo näillä tiedoilla pystyin analysoimaan patch clamp mittauksista saatua dataa, mikä nopeutti ja selkeytti työtäni huomattavasti. Toisaalta tekemällä oppii myös uusia mielenkiintoisia asioita koodaamisesta. Jos tämä oli mahdollista patch clamp-menetelmällä mitatuilla solun sähköisillä vasteilla, niin miksipä ei sinunkin sovelluksessasi?

Haluankin kannustaa kokeellisen työn parissa työskenteleviä ammattilaisia varaamaan aikaa erilaisten data-analyysimenetelmien opettelemiseen ja uusien ratkaisujen kokeilemiseen. Tämä maksaa itsensä takaisin datan käsittelyn nopeutumisena ja selkeytymisenä sekä paremman kokonaiskuvan muodostamisena tutkimustuloksista. Ohjelmointi on haasteellista, mutta palkitsevaa. Parasta on huomata se, että minä opin ja minä osaan! Data-analyysin ja ohjelmoinnin työkalut tarjoavat uudenlaista kapasiteettia kokeelliseen työhön, mikäli ne vain otettaisiin kattavasti käyttöön.

 

Iina Korkka on väitöskirjatutkija Tampereen yliopistossa. Hän sai Tekniikan edistämissäätiön 5000 euron kannustusapurahan vuonna 2020.

Uusimmat artikkelit

Monimutkaisen projektin johtaminen vaatii systemaattista yhteen hiileen puhaltamista

Kirjoittajalta Tekniikan edistämissäätiö / 22.9.2022

Monimutkaisen projektin johtaminen vaatii systemaattista yhteen hiileen puhaltamista 22.9.2022/Teksti: Laura Saukko Lehdistössä olemme usein saaneet lukea esimerkiksi suurten infrastruktuuri- tai rakennusprojektien kustannusten karkaamisesta ja muista epäkohdista projektien toteutuksissa. Tiedetään, että projektin toimijoiden välisen yhteistoiminnan avulla saavutetaan huomattavasti aiempaa parempia lopputuloksia. Käytännön askelmerkeissä siihen, kuinka sujuvaan yhteistoimintaan päästään, on kuitenkin vielä selvitettävää. Väitöstutkimuksessani pureuduin niihin konkreettisiin … Jatka artikkeliin Monimutkaisen projektin johtaminen vaatii systemaattista yhteen hiileen puhaltamista

Stacked Cell Culture Platform: A Step Closer to Biologically Relevant in vitro Studies

Kirjoittajalta Marianna / 6.9.2022

Stacked Cell Culture Platform: A Step Closer to Biologically Relevant in vitro Studies  6.9.2022/Text: Diosangeles Soto Veliz Traditional cell culture platforms consist mostly of flat plastic surfaces. However, the real cellular environment is far from uniform. Cells grow naturally on various kind of surfaces: smooth, fibrous, soft, hard, porous, and all kinds of variations found … Jatka artikkeliin Stacked Cell Culture Platform: A Step Closer to Biologically Relevant in vitro Studies

Signaali, kohina ja pari muuttujaa

Kirjoittajalta Tekniikan edistämissäätiö / 2.9.2022

Signaali, kohina ja pari muuttujaa  2.9.2022/Teksti: Elias Raninen Datan määrä on kasvanut voimakkaasti viimeisen vuosikymmenen aikana. On arvioitu, että määrällisesti merkittävin osa kaikesta maailman datasta on luotu ihan viimeisten muutamien vuosien aikana. Samalla kun datan määrä jatkaa kasvuaan, yhä tärkeämmäksi muodostuu se, kuinka luotettavasti ja tehokkaasti data saadaan muutettua hyödylliseksi informaatioksi. Tutkimusryhmässämme tutkitaan signaalinkäsittelymenetelmiä, joiden … Jatka artikkeliin Signaali, kohina ja pari muuttujaa