Analysieren von KorallengesundheitsdatenDies ist eher eine konzeptionelle Frage als eine, die durch das Schreiben eines Skripts gelöst werden könnte (bitte korrigieren Sie mich, wenn ich falsch liege!), Und ich bin nicht einmal sicher, ob es für die JMP-Community geeignet ist, aber hier geht nichts vor:
Ich untersuche Korallenriffe, genauer gesagt die Riffkorallen, auf denen diese Ökosysteme basieren. Wie viele von Ihnen wahrscheinlich bereits wissen, sind Korallenriffe auf der ganzen Welt von einem Ansturm anthropogener Stressoren bedroht, vor allem des Klimawandels. Tatsächlich sind keine Riffe von den weitreichenden Auswirkungen der Menschheit verschont geblieben (dh es gibt leider keine unberührten Riffe mehr). Infolgedessen wurde dringend gefordert, 1) die grundlegende Biologie der Korallenriffbewohner (insbesondere die Korallenriffkomplexe selbst) besser zu verstehen, 2) zu verstehen, wie diese Organismen auf zukünftige Veränderungen in ihrer Umgebung reagieren werden, und 3) datengetriebene Vorhersagen treffen, welche Arten / Populationen am stärksten von Stress betroffen sind. Obwohl die Korallenriffforschung immer mehr wächst, gibt es inhärente Probleme bei der Interpretation der Gesundheitsdaten von Korallenriffen, die uns daran gehindert haben, die oben genannten Fragen zu beantworten. Zwei solcher Probleme sind:
Problem Nr. 1: Es gibt keine gesunden Kontrollriffe, mit denen die Ergebnisse von Biomarker-Erhebungen verglichen werden können. Wissen wir überhaupt, was eine gesunde Koralle ausmacht, wenn es keine Daten aus der vorindustriellen Zeit gibt?
Problem Nr. 2: Die Ozeane der Erde befinden sich in ständigem Fluss; Ist es also sinnvoll, statische Werkzeuge (z. B. ANOVA) zur Analyse von Korallenriffdaten zu verwenden, oder sollten wir stattdessen etwas Dynamischeres wie Predictive Modeling verwenden?
Trotz dieser zwei Hauptprobleme habe ich Korallenphysiologiedaten von Riffen auf der ganzen Welt gesammelt, in der Hoffnung, dass ich mich letztendlich auf eine statistische Pipeline einigen kann, die es mir ermöglicht, die Gesundheit von Korallen zu beurteilen. Bitte bedenken Sie, dass wir nicht einfach Panzer-Experimente durchführen, die Korallen experimentell belasten können und dann diese Feldstudien durchführen können (zuvor hatte ich aus genau diesem Grund Panzerstudien durchgeführt). Ja, ich weiß, dass Leute das tun, aber es ist eigentlich ungültig. Die Gründe dafür sind, dass eine "Kontroll" -Koralle, die in der hypothetischen Studie verwendet wird, wahrscheinlich bereits betont wird (aufgrund des Klimawandels). Zweitens kann eine "Kontroll" -Koralle an einem stark betroffenen Ort wie Taiwan (wo ich arbeite) eine "gestresste" Koralle an einem relativ unberührten Ort darstellen. Übliche "Stress" -Marker (z. B. HSPs), die in Modellsystemen (z. B. Menschen) untersucht wurden, werden zu jeder Zeit in hohen Mengen in Korallen exprimiert (oder ich könnte einen Biomarker-Ansatz verwenden).
Ich habe JMP verwendet, um 1) das Verhalten von Korallen in einem Endosymbiose-maßgeschneiderten, statistisch strengen Rahmen zu modellieren und 2) Vorhersagen darüber zu treffen, welche Kolonien / Riffe am meisten gefährdet sind. Insbesondere interessiert mich der Gedanke, dass VARIABILITY in der Korallenreaktion (wie etwa die Variation zwischen den Antwortvariablen innerhalb einer einzelnen Stichprobe) und nicht die mittlere Antwort der gemessenen einzelnen Antwortvariablen eine nützlichere Messgröße für diejenigen ist, die an der Vorhersage des Verhaltens interessiert sind Veränderung bei Riffkorallen und anderen wirbellosen Meerestieren. Dies basiert auf dem, was wir über transkriptionelles "Chaos" und Krebs wissen. Vielleicht bin ich jedoch kurzsichtig geworden, weil ich mich so lange auf dieses Thema konzentriert habe und etwas Einfacheres vermisse! Wenn jemand Ideen hat, wie ich die besten Erkenntnisse aus meinen Korallenphysiologie-Datensätzen gewinnen kann (einer davon ist unten aufgeführt und auf der JMP-Website veröffentlicht), würde ich mich freuen, von Ihnen zu hören. Vielen Dank im Voraus für Ihre Zeit und entschuldige mich für die lange Zeit.
Hier ist der zuvor erwähnte Beispieldatensatz, den ich kürzlich gepostet habe, für diejenigen, die daran interessiert sind, wie die Daten aussehen: https://community.jmp.com/t5/JMP-Sample-Data/Reef-coral-data-von-der-Austral-inseln-Französische-Polynesien-und/ta-p/61858
Re: Analysieren von KorallengesundheitsdatenWitzig, dass Sie PLS erwähnen, weil ich nicht nur vor ein paar Wochen an Ihrem ausgezeichneten PLS-Webinar teilgenommen habe, sondern auch ein PLS-Buch von JMP (zufälliges Zeichnen von Namen) während dieses Webinars gewonnen habe (danke Gail Massari)! Sie erinnern sich vielleicht, dass ich eine Frage gestellt habe, warum alle Faktoren im Modell erhalten bleiben, auch wenn das Ziel darin besteht, es zu vereinfachen (ich weiß jetzt, warum und habe meine eigenen Modelle "beschnitten", um zu sehen, ob ich sie vereinfachen kann, ohne die Vorhersagen zu verlieren Leistung.). Ich bin auf halbem Weg durch das Buch und es hat mir einige großartige Ideen für die Analyse meiner Korallen-Transkriptom-Daten gegeben, in denen Ihr Beispiel für den Östrogenrezeptor genau das ist, was ich tun möchte: Ich kann Vorhersagen über die Korallenphysiologie treffen, basierend auf einem einfacheren Genexpressionsmodell. Jetzt geht es nicht darum, dass mir JMP Pro fehlt, sondern dass ein PLS mit 120.000 Spalten (Genexpressionsdaten) dazu führt, dass JMP abstürzt (ich habe nur 8 GB RAM)!
Re: Analysieren von KorallengesundheitsdatenSie sollten in der Lage sein, eine sehr umfangreiche Literatursammlung von Fallstudien, Beispielen, Papieren usw. zu finden. im Bioinformatikraum für den Menschen. Offen gesagt, von meinem Sitz als JMP-Systemingenieur aus, ist das Gebiet der sogenannten translationalen Forschung in der Biotechnologie- und Pharmaindustrie der heilige Gral von Dr. Shmeuli.
Für ein kleines, sehr kleines Beispiel dieser Art werfen wir einen Blick auf das Advanced Mastering JMP-Ereignis, das ich hoste, wobei das Thema eine Analysetechnik ist, die als partielle kleinste Quadrate bezeichnet wird. Die letzte Fallstudie ist eine, in der ich zeige, wie humangenetische Expressionsdaten verwendet werden können, um ein Klassifizierungsmodell für die Vorhersage des Östrogenrezeptorstatus beim Menschen zu erstellen. Leider können Sie das, was ich ohne JMP Pro zeige, nicht duplizieren. 
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/partial-least-squares.html
Re: Analysieren von KorallengesundheitsdatenDanke für deinen Beitrag. Ich habe nur reguläres JMP (nicht JMP Pro), aber ich werde mir dieses Video ansehen. Ich bin daran interessiert, den Übergang von der Erklärung, was bereits geschehen ist (was ich in den letzten 15 Jahren statistisch gemacht habe) zu machen, um zu prognostizieren, was als nächstes passieren wird (unter Verwendung der Daten, die im Laufe meiner bisherigen Karriere erfasst wurden) Gasse.
Ich denke über die Anwendung von Marktanalysen und dergleichen nach, um Vorhersagen über das Verhalten und die Gesundheit von Korallen treffen zu können. Es scheint, als hätte JMP alle möglichen coolen Tools für Marktanalysten sowie Ingenieure, die neue Produkte testen, die wir Biologen niemals anfassen können ..... aber sollten! Ich habe das Gefühl, dass jemand dies in der Humanmedizin hätte ausrechnen müssen (z. B. Vorhersagen der Gesundheit basierend auf molekularen Biomarkern), sodass ich das Rad vielleicht nicht neu erfinden muss, wenn ich tief in die Literatur eindringt.
Ich habe noch nie von Varance Components Modeling (VCM) gehört, aber ich werde es untersuchen, da es sich bei JMP 14 um eine Funktion handelt. In der Vergangenheit habe ich die Prädiktor-Screening-Funktion von JMP verwendet, um zu bestimmen, welche Antwortvariablen am meisten zum fehlerhaften Verhalten in meinen Proben beitragen (im Wesentlichen diejenigen, die mit der Mahalanobis-Entfernung positiv skalieren). Es scheint eine ähnliche Idee wie bei VCM zu sein: Ermittlung der Hauptfaktoren für die beobachtete Abweichung (rechts?). Die schrittweise Regression (ein weiterer "neuer" Ansatz für mich) hat immens dazu beigetragen, die große Anzahl potenzieller Umweltfaktoren (z. B. Temperatur, Tiefe, Salzgehalt, Licht usw.) im Hinblick auf eine optimale Anpassung einzuschränken Modell mit relativ niedrigem BIC. In der Tat war ich von meinem ersten Versuch der schrittweisen Regression (w / JMP13) so begeistert, dass ich gerade eine ganze Arbeit über die Anwendung auf Korallenriffe geschrieben habe!
Im Falle von Durchbrüchen (z. B. durch Anwendung der in Ihrer Antwort beschriebenen Ansätze) oder von statistischen Epiphanies werde ich auf diesen Posten zurückkommen, so dass andere Umweltphysiologen, die ähnliche Fragen stellen, unser schnelles Verständnis fördern Die sich verändernde Welt kann möglicherweise von Vorteil sein.
Re: Analysieren von KorallengesundheitsdatenZwei Gedanken für Sie ... einer ist Makro, der andere Mikro ...
Macro: Haben Sie sich Galit Shmeulis Arbeit über Expaining vs. Vorhersagen? Hier ist ein Link zu einem JMP-analytisch sprechenden Ereignis, bei dem Dr. Shmeuli aus Sicht der Modellierung und Analyse wichtige Fragen artikuliert, die das "Wie" beeinflussen, das zuerst erfasst wird, und dann Daten mit einem Schwerpunkt auf der empirischen Modellierung analysiert.
https://www.jmp.com/en_us/events/ondemand/analytic-speaking/to-explain-oder-vorhersagen-das-ist-die-frage.html
Micro: Innerhalb von JMP Pro gibt es einige Modellierungstechniken, die auf der Generalized Regression-Plattform von Bedeutung sein könnten, wobei Modellierungspersönlichkeiten für die Quantilregression von Bedeutung sind, bei denen die Modellierung von Quantilen wichtiger ist als "Mittel". Oder wie sieht es mit der Varianzkomponentenmodellierung aus?
