作为转换科学的临床研究人员，我喜欢JMP的易用性以及强大的功能，可视化等。但是有些功能会使它对于多组学数据更加有用：
1）支持/帮助/指导/平台，重点关注具有大量数据的小样本量（例如，您的典型医学基础研究中，患者数量有限，但每个患者变量数量很大）。 缺少的一种常用算法是OPLS-DA，它仅是JMP具有的PLS-DA的一种应用。 您确实有套索，也很流行。 实施其他神经网络/机器学习算法会很棒（XGBoost！）。 但是重点是将不同的选项集成到特定于这些任务的加载项或平台中，以及相关的指导/帮助。
2）支持纵向采样：多次对患者进行多次采样。 在上述内容上加上这些将使JMP脱颖而出，并引领这些类型的分析领域。
3）变量选择至关重要，使用不同的方式来查看变量的性能很重要，例如，正向加法或向后消除，自举（保持每个变量的预测变量数）与子采样等。分析将是惊人的，或者具有学习曲线模拟，可以显示期望模型在给定的使用参数下如何执行。
4）相关的可视化和模型比较与选择。
5）另一个非常重要的功能是网络分析。 我的意思不是神经/ ML版本，而是那些使用不同变量之间的相关性来创建其关联图的版本。 就像在相反方向进行SEM。 如果在个体级别上进行操作（即获取每个患者的散点图矩阵，并查看所有患者的相同对以查看哪些变量始终相关），这将特别有用。 这不同于将所有患者的全部要点汇总成一个大样本。
这些功能中的某些功能可能存在于JMP的各个部分中，我想其中一些功能可以使用JSL进行自动/重新创建。 但是对于那些因为不是R而被JMP吸引的人，那么像其他JMP平台一样将这些功能统一地组织起来将有很大的不同。 我也可以说，对于所有其他领先的商业统计数据包来说，这都是相同的问题，因此，在JMP中可靠的实现将是一个与众不同的地方。
