Exploring bioinformatics through the Map of Science
Zusammenfassung
Kurz
Die CSET-Auswertung erfasst 1.212 Bioinformatik-Cluster: Die meisten sind der Medizin zugeordnet, und die USA führen bei der Zahl der Arbeiten knapp vor China. Nur wenige Cluster haben einen hohen KI-Anteil; der Bericht hebt außerdem einen auf Neurodegeneration fokussierten Cluster und 16 Cluster mit hohem Anteil an Industrieförderung hervor.
Mittel
Der Bericht kartiert Bioinformatik-Forschung mit dem CSET Map of Science. Nach Filtern zu Aktualität, Mindestzahl an Arbeiten und KI-Klassifikation blieben 1.212 Forschungscluster. Die meisten liegen laut Analyse in der Medizin, etwas mehr als ein Drittel in der Biologie. Bei der Zahl der Arbeiten führen die USA knapp vor China; das Vereinigte Königreich folgt mit Abstand.
Nur wenige Cluster enthalten einen größeren Anteil KI-klassifizierter Arbeiten: Weniger als fünf Prozent erreichen mindestens fünf Prozent KI-Anteil, rund 2,5 Prozent mindestens zehn Prozent. Der Bericht weist darauf hin, dass Cluster mit geringem KI-Anteil trotzdem stark rechnergestützt arbeiten können. Unter den 34 Clustern mit mindestens zehn Prozent KI-Anteil wächst der Vorsprung der USA, während die zehn führenden Länder gleich bleiben.
RC 70122 weist mit 47 Prozent den höchsten KI-Anteil auf und scheint sich auf neurodegenerative Erkrankungen und Neurobildgebung zu konzentrieren. Von 16 Clustern mit mehr als 15 Prozent industriefinanzierten Arbeiten befassen sich elf mit krebsbezogenen Themen. RC 29289 behandelt unter anderem die Blut-Hirn-Schranke und Wirkstoffsuche; für 23 Prozent seiner Arbeiten wird Industrieförderung genannt. Die Befunde beruhen auf den verwendeten Auswahlregeln und Klassifikationen und sind eine Literaturkartierung.
Ausführlich lesen
Der Bericht untersucht Bioinformatik-Forschungscluster (RCs) anhand des CSET Map of Science. Bioinformatik wird als Schnittfeld von Daten, Informatik und Biologie beschrieben, in dem rechnergestützte Verfahren biologische Forschung unterstützen, etwa beim Speichern, Verarbeiten und Analysieren genetischer Daten. Fortschritte könnten zur Entwicklung von Medikamenten und Werkzeugen für die Lebenswissenschaften beitragen.
Für die Bestandsaufnahme suchten die Autorinnen und Autoren nach Clustern, deren gemeinsame Fachklassifikation „Bioinformatics“ lautet. Sie schlossen Cluster mit weniger als 50 Arbeiten aus den letzten fünf Jahren, einem Alter von mehr als 20 Jahren oder einem Anteil von KI-klassifizierten Arbeiten unter 50 Prozent aus. Nach diesen Filtern blieben 1.212 Cluster. Die Ergebnisse hängen somit von diesen Auswahlregeln und den verwendeten Fach- und KI-Klassifikationen ab.
Laut Bericht liegen die meisten Bioinformatik-Cluster im Bereich Medizin; etwas mehr als ein Drittel entfällt auf Biologie. Sozialwissenschaften folgen mit deutlichem Abstand. Ein einzelner Cluster aus der Materialwissenschaft macht weniger als 0,08 Prozent aus und wurde in der Abbildung weggelassen. Bei den Länderzuordnungen führen die USA nach Zahl der Arbeiten, knapp vor China; das Vereinigte Königreich liegt deutlich dahinter.
Der Bericht betont, dass nur wenige Cluster einen hohen Anteil KI-bezogener Arbeiten haben: Weniger als fünf Prozent weisen mindestens fünf Prozent solcher Arbeiten auf, und ungefähr 2,5 Prozent erreichen die Schwelle von zehn Prozent. Zugleich warnt er davor, geringe KI-Anteile mit geringer Nutzung rechnergestützter Methoden gleichzusetzen; Arbeiten könnten umfangreiche Berechnungen verwenden, ohne ausdrücklich KI-Aufgaben zu behandeln. Die Analyse der Cluster mit mindestens zehn Prozent KI-Anteil umfasst 34 Cluster. In dieser Teilmenge vergrößert sich laut Bericht der Vorsprung der USA; die zehn führenden Länder bleiben jedoch dieselben.
Der Cluster RC 70122 hat mit 47 Prozent den höchsten ausgewiesenen Anteil KI-klassifizierter Arbeiten und gehört zu sieben Clustern mit mehr als 25 Prozent KI-Arbeiten. Er ist sozialwissenschaftlich eingeordnet, wird bei der Publikationszahl von den USA angeführt und umfasst auch Medizin, Biologie, Psychologie und maschinelles Lernen. Inhaltlich scheint er sich auf neurodegenerative Erkrankungen und Neurobildgebung zu konzentrieren; mehr als zehn Prozent der Arbeiten werden der Computer Vision zugeordnet.
Unter den ursprünglich erfassten Clustern identifizierte die Untersuchung außerdem 16 mit mehr als 15 Prozent industriefinanzierten Arbeiten. Diese seien von den USA geprägt; elf davon (69 Prozent) beträfen Krebsforschung. RC 29289 ist laut Bericht der einzige nicht primär krebsbezogene Cluster dieser Gruppe mit mehr als zehn Prozent KI-Arbeiten. Er behandelt unter anderem Blut-Hirn-Schranke, Wirkstoffsuche, Pharmakologie und das zentrale Nervensystem. Für 23 Prozent seiner Arbeiten werde Industrieförderung ausgewiesen; seine Publikationszahl sei im letzten Jahr um 36 Prozent gestiegen. Das sind berichtete Klassifikationen und Kennzahlen; der Text beschreibt eine Kartierung der Literatur, keine Prüfung der Wirksamkeit einzelner Methoden oder Therapien.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Zusammenfassungen sind sachlich treu und erfinden nichts, lassen aber einige Detailbefunde aus. Die Einordnung zu den Sammelfragen liegt überwiegend bei 0 oder 1, weil der Bericht eine bibliometrische Kartierung der Bioinformatik ist und keine Governance-Fragen behandelt. Teilfragen wurden nicht angegeben, daher gibt es keine Bewertung dazu.
Im Bericht, aber nicht in der Zusammenfassung
- Die sieben Cluster mit mehr als 25 Prozent KI-Anteil werden nicht erwähnt.
- RC 28815 mit 13 Prozent chinesischsprachigen Arbeiten fehlt.
- Das Wachstum von 36 Prozent bei RC 29289 im letzten Jahr fehlt.
- Der Materialwissenschaften-Cluster, der aus der Grafik ausgeschlossen wurde, fehlt.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
- clef 100 %kein Bezug
- Luna 56 %Hintergrund, keine Belege
- JEV 43 %gleiches Oberthema, hilft nicht
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 36 %Hintergrund, keine Belege
- JEV 37 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Vertrauen in Modelle
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 68 %Hintergrund, keine Belege
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv