Institut biostatistiky a analýz, LF a PřF MU, http://www.iba.muni.cz

Ve dnech 20.-21. listopadu 2008 se v brněnském hotelu Voroněž konal již druhý ročník konference MEFANET, zaměřené na e-learning a zdravotnickou informatiku ve výuce lékařských oborů. Kromě obecných témat souvisejících s moderními metodami výuky se letošní ročník konference soustředil zejména na obory zubní lékařství, stomatologie a maxilofaciální traumatologie.

V přírodovědných oborech se stále více začínají mimo klasických vícerozměrných parametrických technik používat i novější techniky neparametrické. Je to způsobeno především povahou biologických dat, která často nesplňují nároky na použití parametrických metod. Rovněž datové soubory nabývají na objemu a množství dat, ze kterých chceme získat zajímavou informaci, utěšeně roste. Tím však pochopitelně rostou i nároky na jejich zpracování.

Za celou dobu, po kterou se rozvíjejí metody analýzy a klasifikace dat, dostala tato disciplina mnohá jména. Tyto různé názvy ani tak nesouvisí s vlastní podstatou tohoto způsobu práce s daty, jako spíše s účelem zpracování. Asi nejobecnější název zní „rozpoznávání obrazů“, v angličtině „pattern recognition“. Ve skutečnosti ale nejde o žádné obrazy ve smyslu děl Leonarda da Vinci či jiných velikánů výtvarného umění (jak by bylo možné vyvozovat z českého překladu), nýbrž o pouhý matematický popis vlastností reálného objektu, jehož stav chceme hodnotit, nějakým abstraktním způsobem – např. vektorem hodnot, grafem, apod.

Zpracování signálů je klasická technická, nebo možná ještě lépe elektrotechnická disciplína. Ukazuje se však čím dál tím více, že pojmy a teoretické nástroje používané v tomto oboru mohou být užitečnou alternativou a doplňkem statistických postupů používaných při analýze časových řad v medicíně, epidemiologii, analýze procesů probíhajících v našem životním prostředí i ekonomice, a mnoha dalších odborných oblastech.

Cílovými čtenáři této publikace jsou studenti matematické biologie, kterým chceme tímto učebním textem podat srozumitelný přehled základů biostatistiky v kontextu hodnocení biologických a klinickch dat. Vzhledem k rozsahu skript však bylo nutné vybrat pouze klíčové metody, bez nichž si nelze zpracování dat vůbec představit, a na řadu používaných metod se tak v tomto textu vůbec nedostalo. Skripta proto neslouží jako náhrada přednášek, slouží pouze jako jejich doplnění.

Biodiverzita je často diskutovaným pojmem a to zejména v oblasti ekologie a ochrany životního prostředí, kdy je nicméně často používán pouze ve své subjetivní podobě. Zároveň jde o pojem mnohem širší a týkající se nejenom taxonomické rozrůzněnosti živé přírody. Pojem diverzita se prolíná všemi úrovněmi živé hmoty od diverzity biochemických drah v rámci buňky, genetickou diverzitu organismů, složení biologických společenstev až po strukturu ekosystémů. Z matematického hlediska vyrůstá pojem diverzita z informační teorie a zjednodušeně ji můžeme popsat jako míru informace obsažené v hodnoceném systému; řada metod používaných pro hodnocení biodiverzity je v tomto kontextu odvozena a využívána v celé řadě dalších oblastí vědeckého výzkumu.

Vícerozměrné statistické metody představují velice užitečný nástroj pro uchopení, zjednodušení a vizualizaci velmi složitých dat. Použitelnost těchto metod v přírodních vědách je velmi široká, často se s nimi setkáváme nejenom v ekologii, experimentální biologii, medicíně, antropologii, environmentální chemii, ale i v geografii a geologii. Zpracování rozsáhlých biologických a hlavně ekologických dat se bez znalosti vícerozměrných statistických metod již neobejde. Na druhou stranu mohou v případě nesprávného užití vést k zavádějícím výsledkům, jejichž chybnost nemusí být ovšem na první pohled zřejmá, protože je skryta za složitou strukturou dat a komplikovaností výpočtu. Znalost vícerozměrných statistických metod se tak stala potřebnou součástí biologického vzdělání.

Čtenář se seznámí se současným pojetím výpočetní vědy a vědeckých výpočtů, jejich historií, používanými informačními technologiemi, problematikou výpočetního prostředí a aplikačním software Maple, MATLAB a SPSS. Studentům, kteří mají více znalostí v biologických oborech a méně v oblasti informatiky, tento text bude pomáhat jak v pochopení terminologie potřebné pro vědecké výpočty, tak v tom, kde nalézt a používat zdroje informací o vědeckých výpočtech, jejich algoritmech a aplikacích.

Předkládaná monografie je orientována do oblasti monitoringu životního prostředí, detailního objasnění environmentálních dat a informací a aktuálního přehledu environmentálních informačních systémů, mapových portálů a databází v rezortu životního prostředí. Studentům, kteří mají větší znalosti v biologii a menší v oblasti informatiky, bude pomáhat jak v pochopení terminologie potřebné pro environmentální informační systémy, tak v tom, jak vyhledávat a používat zdroje informací o životním prostředí v České republice, Evropské unii i ve světě. K tomu jim budou sloužit všechny kapitoly publikace. U studentů s většími informatickými vědomostmi nebude třeba studovat druhou kapitolu seznamující studenty s používanou terminologií. Bude jim stačit nastudovat poslední tři kapitoly k lepšímu pochopení environmentálních informačních systémů a jejich používání ve studiu.

Publikace přináší vhodné postupy a metody pro řešení vybraných biologických modelů. Je možné ji využívat ve studiu matematického modelování dvěma způsoby. Studentům, kteří mají větší matematické a informatické znalosti (například v oboru "Matematická biologie", případně dalších studijních oborů a programů MU) bude pomáhat v tom, jak používat a vytvářet modely v systému počítačové algebry Maple. K tomu jim budou sloužit všechny kapitoly publikace. U studentů s nižšími matematickými a informatickými vědomostmi (typicky studenti dalších biologických či zdravotnických oborů, případně dalších programů MU) nebude třeba studovat kapitolu popisující systém Maple. Bude jim stačit nastudovat demonstrativní praktické příklady v systému Maple k lepšímu pochopení metodiky matematického modelování.