La búsqueda global no está activada.
Salta al contenido principal
Foro

Foro de debate módulo 3

Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Augusto Miguel Anguita Ruiz - Número de respuestas: 5


La ciencia de datos no trata solo de aplicar machine learning para crear modelos. Uno de los pasos más valiosos y, a menudo, subestimados es la visualización de los datos.

Una buena visualización, incluso antes de modelar, puede revelar patrones clave, anomalías o relaciones ocultas que marcarán cómo preparamos y analizamos los datos después.

A veces no hace falta ir tan lejos: una gráfica bien hecha puede ser más potente que un modelo complejo.

Aquí os dejamos una guía excelente para crear visualizaciones impactantes en R:
🔗 https://www.cedricscherer.com/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/

💬 ¿Qué tipo de visualizaciones soléis hacer antes de modelar? ¡Os leemos!



Data science is not just about applying machine learning to build models. One of the most valuable—yet often overlooked—steps is data visualisation.

A clear, thoughtful visualisation—even before modelling—can uncover key patterns, anomalies, or relationships that shape how we process and analyze data.

Sometimes, you don’t need to go that far: a well-crafted plot can be more powerful than a complex model.

Here’s a great tutorial to create beautiful and meaningful plots in R:
🔗 https://www.cedricscherer.com/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/

💬 What kind of visualisations do you usually create before modelling? We’d love to hear from you!


En respuesta a Augusto Miguel Anguita Ruiz

Re: Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Tchilabalo BOUYO -
Voici quelques visualisations typiques selon les types de données traités :
- Vérification de la qualité des séquences
- Alignement et cartographie des lectures
- Analyse phylogénétique et diversité
- Analyse des résistances aux antibiotiques
- Expression génique et transcriptomique
- Visualisation des résultats PCR et SNP
En respuesta a Augusto Miguel Anguita Ruiz

Re: Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Tchilabalo BOUYO -
A continuación se muestran algunas visualizaciones típicas según los tipos de datos procesados:
- Comprobación de la calidad de las secuencias**
- Alineación y mapeo de lecturas
- Análisis filogenético y diversidad
- Análisis de la resistencia a los antibióticos
- Expresión génica y transcriptómica
- Visualisation des résultats PCR et SNP
En respuesta a Augusto Miguel Anguita Ruiz

Re: Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Tchilabalo BOUYO -
A continuación se muestran algunas visualizaciones típicas según los tipos de datos procesados:
- Comprobación de la calidad de las secuencias**
- Alineación y mapeo de lecturas
- Análisis filogenético y diversidad
- Análisis de la resistencia a los antibióticos
- Expresión génica y transcriptómica
En respuesta a Tchilabalo BOUYO

Re: Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Augusto Miguel Anguita Ruiz -
Merci beaucoup pour ton message et ta participation, Tchilaba Bouyo !

Les applications que tu mentionnes sont très intéressantes et particulièrement utiles dans le domaine de la génétique et de la bioinformatique.

Pour ce type d’analyses, il existe des outils bien connus comme BLAST, ou des packages R comme LIMMA. Même le package ggplot2, que je vous ai recommandé précédemment, permet de créer des heatmaps, très utiles pour interpréter les résultats d’analyses d’expression génique et de transcriptomique.

Voici une ressource visuelle et pratique pour créer des heatmaps avec R :
👉 https://r-graph-gallery.com/heatmap

Pourrais-tu partager avec nous un exemple concret de visualisations que tu utilises pour ces tâches ? Ou bien nous dire quelle plateforme ou outil tu privilégies ?
--------

¡Muchas gracias por tu mensaje y participación, Tchilaba Bouyo!

Las aplicaciones que planteas son muy interesantes y de gran utilidad en el campo de la genética y la bioinformática.

Para este tipo de análisis existen herramientas muy conocidas como BLAST o paquetes de R como LIMMA. Incluso el propio paquete ggplot2, que os recomendé anteriormente, permite realizar heatmaps, muy útiles para interpretar resultados de análisis de expresión génica y transcriptómica.

Aquí tienes un recurso muy visual y práctico para crear heatmaps en R:
👉 https://r-graph-gallery.com/heatmap

¿Podrías compartir con nosotros algún ejemplo concreto de visualizaciones que utilices para esas tareas? ¿O qué plataforma o herramienta sueles emplear?

-------------

Thank you so much for your message and participation, Tchilaba Bouyo!

The applications you mentioned are very interesting and highly useful in the fields of genetics and bioinformatics.

There are well-known tools for these types of analyses, such as BLAST or R packages like LIMMA. Even the ggplot2 package I recommended earlier allows you to create heatmaps, which are extremely helpful when interpreting gene expression and transcriptomics analysis results.

Here’s a great resource to help you build heatmaps in R:
👉 https://r-graph-gallery.com/heatmap

Could you share with us a specific example of visualisations you use for these tasks? Or which platform or tool do you usually work with?
En respuesta a Augusto Miguel Anguita Ruiz

Re: Hilo 2: A veces, menos es más… // Thread 2: Sometimes, less is more...

de Tchilabalo BOUYO -
A continuación se muestran algunas visualizaciones típicas según los tipos de datos procesados:Comprobación de la calidad de las secuencias? Alineación y mapeo de lecturas, Análisis filogenético y diversidad, Análisis de la resistencia a los antibióticos, Expresión génica y transcriptómica