サンゴの健康データの分析これは、スクリプトを書くことで解決できるものよりも概念的な問題であり（間違っている場合は修正してください！）、それがJMPコミュニティに適しているかどうかさえわかりませんが、ここでは何もしません。
私はサンゴ礁、より具体的にはこれらの生態系が基づいているサンゴ礁を研究します。すでにご存知のように、世界中のサンゴ礁は人為的ストレス、特に気候変動による猛攻撃によって脅かされています。確かに、人類の広範囲にわたる影響からサンゴ礁が守られることはありません（すなわち、残念ながら、手付かずのままのサンゴ礁は残されていません）。その結果、1）主要なサンゴ礁住民の最も基本的な生物学（特にサンゴ礁自体）を理解すること、2）これらの生物が環境の将来の変化にどう反応するかを理解すること、および3）どの種／個体群が最もストレスに敏感であるかに関してデータ主導の予測をする。サンゴ礁の研究は増え続けていますが、サンゴ礁の健康データの解釈には固有の問題があり、これらの問題に対処することができませんでした。そのような問題が2つあります。
論点1：例えばバイオマーカー調査の結果を比較するための健全な対照礁はない。工業化以前の時代から得られたデータがないのに健康的なサンゴが何を構成しているのかさえ私達は知っていますか？
問題2：地球の海は常に流動的な状態にあります。それでは、サンゴ礁のデータを分析するために「静的な」統計的ツール（例：ANOVA）を使用するのは理にかなっていますか、それとも代わりに予測モデリングのようなもっと動的なものを使用するべきですか？
これら二つの大きな問題にもかかわらず、私はサンゴの健康状態を評価することができるような統計的パイプラインを最終的に決定できることを期待して、世界中のサンゴ礁からサンゴ生理学データを集めました。私たちは単に水槽実験を行い、実験的にサンゴにストレスを与え、それから私たちの野外研究を推進するためにこれを使うことはできないことを心に留めておいてください。はい、私は人々がこれをすることを知っています、しかしそれは実際には無効です。その理由は、仮説研究で使用されている「対照」サンゴがすでに（気候変動のために）強調されている可能性があるためです。第二に、台湾（私が勤めている場所）のような影響の大きい場所にある「コントロール」サンゴは、比較的手付かずの場所にある「ストレスのある」サンゴを構成するかもしれません。また、モデルシステム（人間など）で研究されている一般的な「ストレス」マーカー（たとえばHSP）は、サンゴの中で常に高レベルで発現されています（または、バイオマーカーアプローチを使用することもできます）。
私はJMPを使用して、1）内部共生に合わせた、厳密に厳密な枠組みでサンゴの行動をモデル化し、2）どのコロニー/サンゴ礁が最も危険にさらされる可能性があるかに関して予測を行う。具体的には、測定された個々の応答変数の平均応答ではなく、サンゴの応答の変動性（単一サンプル内の応答変数間の変動など）が、行動の予測に関心を持つ人にとってより有用な測定基準であるという考えに興味があります。サンゴ礁や他の海洋無脊椎動物の変化。これは転写の「混乱」と癌について私たちが知っていることに基づいています。たぶん、私は長い間この問題に焦点を当ててきたことから近視眼的になっていて、単純な何かが足りないのです！誰かが私のサンゴ生理学的データセット（その一つは以下に引用されJMPのウェブサイトに掲載されています）から最も洞察を集める方法について何かアイデアを持っているならば、私はあなたから連絡をうれしいです。お時間をいただき、ありがとうございました。そして長い記事をお詫び申し上げます。
データがどのように見えるかを知りたい人のために、私が最近投稿した前述のサンプルデータセットは次のとおりです。 https://community.jmp.com/t5/JMP-Sample.co.jp/Reef-coral-data-from-the-Austral-Islands-French-Polynesia-and/ta-p/61858
サンゴの健康データの分析私が数週間前にあなたの優れたPLSウェビナーに参加しただけでなく、私がそのウェビナーの間にJMP（名前のランダムな描写）からPLS本を獲得したので（Gail Massariに感謝します）。目標がモデルを単純化することであっても、なぜすべての要素がモデルに保持されるのかという質問をしたことを思い出すかもしれません。パワー。）。私は本の中途半端で、私のサンゴのトランスクリプトームデータを分析することについていくつかの素晴らしいアイデアを与えてくれました。その中であなたのエストロゲン受容体の例はまさに私がやりたいことです。今の問題は、私がJMP Proを持っていないことではなく、120,000カラム（遺伝子発現データ）のPLSがJMPをクラッシュさせていることです（私は8 GBのRAMしか持っていません）。
サンゴの健康データの分析あなたは、ケーススタディ、例、論文などの非常に豊富な文献セットを見つけることができるはずです。人間のためのバイオインフォマティクスの分野で。率直に言って、JMPシステムエンジニアとしての私の席から、バイオテクノロジーおよび製薬業界でしばしば「トランスレーショナルリサーチ」と呼ばれるものの分野は、Shmeuli博士がカバーしていることの大部分の聖杯です。
実際、このようなことの小さな、非常に小さな例として、私が主催するAdvanced Mastering JMPイベントを見てみましょう。ここでは、主題は部分最小二乗法と呼ばれる分析手法です。最後のケーススタディは、ヒトのエストロゲン受容体状態を予測するための分類モデルを構築するためにヒトの遺伝子発現データをどのように使用できるかを示すものです。残念ながら、JMP Proなしで私が示したものと重複することはできません。:(
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/partial-least-squares.html
サンゴの健康データの分析ご意見ありがとうございます。私は通常のJMPしか持っていません（JMP Proは持っていません）が、このビデオをチェックアウトします。私はすでに起こったこと（過去15年間に統計的に行ったこと）を説明することから次に起こることを予測すること（現在までの私のキャリアを通して得られたデータを使って）への移行をすることに興味があります。路地。
サンゴの行動や健康状態を予測するために、市場分析とそのようなことを適用することを考えています。JMPには、市場アナリストや新製品をテストするエンジニアのためのあらゆる種類のクールなツールがあるようです。私は誰かが人間の医学でこれを解決するべきであると思う（例えば、分子バイオマーカーに基づいて自分の健康の予測をすること）ので、私が十分に文献を掘り下げれば、おそらく私は車輪を作り直す必要はないだろう。
分散成分モデリング（VCM）については聞いたことがありませんが、（通常の）JMP 14の機能のように思われるので、調べます。過去に私はJMPの予測因子スクリーニング関数を使って、測定されたどの反応変数が私のサンプルの異常な行動に最も寄与しているかを決定しました（本質的にマハラノビス距離に比例して変化するもの）。これはVCMと似た考え方であるように思われます：観察された分散への主要な貢献者を識別することです（正しい？）。段階的回帰（私にとってはもう1つの「新しい」アプローチ）は、私に最適なものを与えるという点で、関心のある多数の潜在的な環境要因（例えば、温度、深度、塩分、光など）を絞り込むのにも差し迫って役立ちました。比較的低いBICのモデル。実際、私は最初に段階的回帰（w / JMP13）を試みたことに興奮していたので、それをサンゴ礁に適用することについての全文を書いたばかりです。
突破口（回答で概説したアプローチの採用など）や統計的なエピファニーが発生した場合は、この記事に戻って報告します。変化する世界は潜在的に利益を得るかもしれません。
サンゴの健康データの分析あなたのための二つの考え...一つはマクロ、もう一つはミクロです...
Macro：Galit ShmeuliのExpaining vs. Workの作品を見ましたか？予測しますか？これはJMP分析的に話すイベントへのリンクで、Shmeuli博士はモデリングと分析の観点から最初にどのように「収集」すべきかに影響を及ぼす重要な問題を明確にし、次に経験的モデリングを重視してデータを分析します。
https://www.jmp.com/en_us/events/ondemand/analytically-speaking/to-explain-or-predict-that-is-the-question.html
Micro：JMP Proには、分位点のモデリングが「平均値」よりも重要な分位点回帰のパーソナリティを持つGeneralized Regressionプラットフォームで価値のあるモデリング手法がいくつかあります。あるいは、分散成分のモデル化はどうでしょうか。
