From Bits to Bodies: Perfect Humans, Bioinformatic Visualizations, and Critical Relationality
Notice bibliographique
Résumé
In December 2014, computational biologist Lior Pachter posted the results of his “tongue in cheek” in silico genome experiment on his personal blog, where he declared his discovery that “the perfect human is Puerto Rican.” In this article, I analyze the “perfect human” experiment. I argue that despite the use of 21st-century, cutting-edge technology in computing and genomics, Pachter’s experiment and his use of visualization can be usefully juxtaposed with earlier modes of visualizing heredity, namely the development of composite portraiture in the late-19th century and late-20th century technologies of “morphing.” I temper the celebration of Pachter’s creation of a “mixed race” perfect human in silico with a challenge to its ostensibly progressive stance. I instead suggest that it must be understood in the broader context of eugenic hauntings and contemporary tensions around questions of sex, sexuality, race, nation, and indigeneity. I argue that the scientific, specifically genomic, stories that we tell, can be productively read in light of critiques of biogenetic kinship and the naturalization of heterosexual love. I conclude by arguing that the perfect human experiment makes a particular kind of argument about what it means to be human and perfect and what constitutes legitimate and cognizable modes of relationality.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».