산호 건강 데이터 분석이것은 스크립트를 작성하여 해결할 수있는 것보다 개념적 질문에 더 가깝습니다 (비록 틀렸다면 수정 해주십시오!). JMP 커뮤니티에 적합한 지 확실하지 않지만 여기서는 아무 것도 없습니다.
저는 산호초를 연구합니다. 특히이 생태계가 기반을 둔 암초 산호를 연구합니다. 많은 사람들이 이미 알고 있듯이 지구상의 산호초는 인위적인 스트레스 요인, 특히 기후 변화의 맹공격에 의해 위협 받고 있습니다. 참으로 암초는 인류의 광범위한 영향에서 벗어나지 못했습니다 (즉, 슬프게도 원시 암초가 없습니다). 결과적으로 1) 핵심 산호초 주민들 (특히 산호초 건설 산호 그 자체)의 근본적인 생물학을 더 잘 이해하고, 2) 이들 생물체가 미래의 환경 변화에 어떻게 반응 하는지를 이해하고, 3) 어떤 종 / 개체군이 가장 민감한 지에 대한 데이터 중심의 예측을하십시오. 계속 증가하는 산호초 연구에도 불구하고 산호초 건강 자료의 해석에 내재 된 문제가있어 우리가 앞서 언급 한 질문을 다루지 못하게합니다. 두 가지 문제는 다음과 같습니다.
문제 # 1 : 예를 들어 바이오 마커 조사의 결과를 비교할 건강한 대조군 산호초가 없습니다. 우리는 산업화 시대 이전의 데이터가 없으면 건강한 산호가 무엇인지 알 수 있습니까?
이슈 # 2 : 지구의 해양은 일정한 유동 상태에있다. 산호초 데이터를 분석하기 위해 "정적"통계 도구 (예 : ANOVA)를 사용하는 것이 바람직합니까? 아니면 대신 예측 모델링과 같이 동적 인 것을 사용해야합니까?
이 두 가지 주요 쟁점에도 불구하고 나는 산호 건강을 평가할 수있는 통계 파이프 라인에 궁극적으로 정착 할 수 있기를 희망하면서 전 세계 산호초에서 산호 생리학 데이터를 수집했다. 우리는 탱크 실험을 단순히 수행하고, 산호에 실험적으로 스트레스를 가할 수는 없으며, 이것을 사용하여 우리의 현장 연구를 수행 할 수 있다는 것을 명심하십시오. (전에 이런 이유로 단지 탱크 연구를하고있었습니다.) 예, 저는 사람들이 그렇게한다고 알고 있지만 실제로는 유효하지 않습니다. 이유는 가상의 연구에 사용 된 "제어"산호가 이미 (기후 변화로 인해) 강조 될 가능성이 있기 때문입니다. 둘째, 대만과 같이 영향을 많이받는 곳에서 나는 "통제 된"산호가 비교적 깨끗한 곳에서 "스트레스를받은"산호를 구성 할 수 있습니다. 또한 모델 시스템 (예 : 사람)에서 연구 된 일반적인 "스트레스"마커 (예 : HSP)는 산호에서 항상 높은 수준으로 표현됩니다 (그렇지 않으면 바이오 마커 접근법을 사용할 수 있습니다).
나는 JMP를 사용하여 1) 내분비 생화 (endosymbiosis-tailored), 통계적으로 엄격한 틀에서 산호 행동을 모델링하고 2) 어떤 식민지 / 산호초가 가장 위험 할 수 있는지에 대한 예측을 내렸다. 구체적으로 말하자면, 개별 응답 변수의 평균 응답보다는 산호 반응의 가변성 (하나의 샘플 내 응답 변수를 통한 변동)이 행동 예측에 관심있는 사람들에게 더 유용한 척도라는 아이디어에 관심이 있습니다 암초 산호와 다른 해양 무척추 동물의 변화. 이것은 전사적 "카오스"와 암에 대해 우리가 알고있는 것을 기반으로합니다. 어쩌면, 그러나, 나는 오랫동안이 이슈에 초점을 맞추어서 근시가되어 왔고 간단한 것을 놓치고 있습니다! 누군가 산호 생리 데이터 세트 (아래에 인용되어 있으며 JMP 웹 사이트에 게시 됨)에서 가장 통찰력을 얻는 방법에 대한 아이디어가있는 경우 귀하의 의견을 기뻐합니다. 시간 내 주셔서 진심으로 감사 드리며 오랫동안 사과드립니다.
다음은 데이터가 어떻게 보이는지에 관심이있는 사람들을 위해 최근 게시 한 샘플 데이터 세트입니다. https://community.jmp.com/t5/JMP-Sample-Data/Reef-coral-data-from-the-Australian-Islands-French-Polynesia-and/ta-p/61858
다시 : 산호 건강 데이터 분석재밌 네요, PLS는 몇 주 전에 훌륭한 PLS 웹 세미나에 참석했을뿐만 아니라, 웹 세미나 (Gail Massari 덕분에)도 JMP (이름의 무작위 그림)에서 PLS 책을 받았습니다. 모델의 모든 요소가 모델에서 유지되는 이유에 대해 궁금한 점이 있습니까? 모델링을 간소화하는 것이 목표 일 때도 있습니다. (왜 이제야 내 모델을 "프 루닝 (pruning)"하여 예측 모델을 잃지 않고도 모델을 단순화 할 수 있는지 확인했습니다. 힘.). 나는이 책의 중간에 있으며 산호 transcriptome 데이터 분석에 대한 좋은 아이디어를주었습니다. 에스트로겐 수용체의 예는 기본적으로 정확하게하고 싶은 것입니다. 간단한 유전자 발현 모델을 기반으로 산호 생리에 대한 예측을 내릴 수 있습니다. 이제 문제는 JMP Pro가 부족한 것이 아니라 120,000 개의 열 (유전자 발현 데이터)을 가진 PLS가 JMP를 중단시키는 것입니다 (단지 8GB의 RAM 만 가지고 있음)!
다시 : 산호 건강 데이터 분석사례 연구, 사례, 논문 등 매우 풍부한 문헌 세트를 찾을 수 있어야합니다. 인간을위한 생물 정보학 공간에서 JMP 시스템 엔지니어로서 제 자리에서 솔직히 말해서, 생물 기술 및 제약 업계에서 종종 '번역 연구'라고 불리는 분야는 Shmeuli 박사가 다루는 성배입니다.
사실 이런 작은 종류의 작은, 아주 작은 예제에서는 주제가 부분 최소 제곱이라는 분석 기술인 고급 마스터 링 JMP 이벤트를 살펴 봅니다. 마지막 사례 연구는 인간 유전자 발현 데이터를 사용하여 인간의 에스트로겐 수용체 상태를 예측하는 분류 모델을 구축하는 방법을 보여줍니다. 불행히도 JMP Pro없이 내가 보여준 것을 복제 할 수 없습니다. 
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/partial-least-squares.html
다시 : 산호 건강 데이터 분석귀하의 의견을 보내 주셔서 감사합니다. 나는 정규 JMP (JMP Pro가 아님) 만 가지고 있지만이 비디오를 살펴볼 것입니다. 나는 무슨 일이 벌어 졌는지 (과거 15 년 동안 통계적으로 해왔 던 것)에서 앞으로 일어날 일 (예 : 내 경력을 통해 습득 한 데이터를 사용)을 예측하는 것으로 전환하는 데 관심이 있습니다. 골목.
나는 산호의 행동과 건강에 대한 예측을하기 위해 시장 분석과 그 종류의 것을 적용하는 것에 대해 생각하고 있습니다. JMP에는 시장 분석가뿐만 아니라 신제품을 테스트하는 엔지니어뿐만 아니라 우리가 생물학자가 결코 만질 수없는 모든 종류의 멋진 도구가있는 것 같지만 .....해야합니다! 사람이 의학 (예 : 분자 바이오 마커를 기반으로 한 건강에 대한 예측을 내리는 것)에서이 효과를 발휘 했어야했기 때문에 문헌을 깊이 파고 들면 바퀴를 다시 만들 필요가 없습니다.
필자는 분산 구성 요소 모델링 (VCM)에 대해 들어 본 적이 없지만 (정규) JMP 14의 기능인 것으로 보입니다. 과거에는 JMP의 예측 자 스크리닝 기능을 사용하여 측정 한 응답 변수가 내 표본 (본질적으로 Mahalanobis 거리로 확장되는 표본)의 이상 행동에 가장 많이 기여하는지 확인했습니다. VCM과 비슷한 생각 인 것 같습니다. 관찰 된 분산의 주요 원인을 확인하는 것입니다 (맞습니까?). 단계적 회귀 (또 다른 "새로운"접근법)는 저에게 최적의 조건을 제공한다는 점에서 관심있는 잠재적 인 환경 요인 (예 : 온도, 깊이, 염분, 빛 등)의 범위를 좁히는 데 일조했습니다. BIC가 상대적으로 낮은 모델. 사실, 나는 산호초에 적용하는 것에 관한 전체 논문을 썼을 때 단계적 회귀 (JMP13 포함)에 대한 첫 번째 시도에 너무 흥분했습니다!
당신이 신속하게 우리의 이해를 증진시키는 방법에 대해 유사한 질문을하는 것을 발견하는 다른 환경 생리 학자들이 발견 할 수 있도록 돌파구 (예를 들어, 당신이 당신의 반응에서 설명한 접근법을 취하는 것에서) 또는 통계적 반영구 (epiphanies) 변화하는 세상은 잠재적으로 유익 할 수 있습니다.
다시 : 산호 건강 데이터 분석너를위한 두 생각 ... 하나는 다른 마이크로 매크로이다.
매크로 : Galit Shmeuli의 Expaining vs. 예측? Shmeuli 박사가 모델링 및 분석 관점에서 '어떻게'먼저 수집해야하는지에 영향을 미치는 중요한 문제를 분명히 밝혀 내고 경험적 모델링에 중점을 두어 데이터를 분석하는 JMP Analytically Speaking 이벤트에 대한 링크가 여기에 있습니다.
https://www.jmp.com/en_us/events/ondemand/analytically-speaking/to-explain-or-predict-that-is-the-question.html
마이크로 : JMP Pro에는 일반화 된 회귀 플랫폼에서 가치있는 모델링 기법이 있는데, 모델링 퀀 타이 트가 '평균'보다 더 중요한 퀀 타이 달 회귀 모델링 특성이 있습니다. 또는 분산 구성 요소 모델링은 어떻습니까?
