トランスレーショナルサイエンスの臨床医研究者として、私はJMPの使いやすさと強力な機能、視覚化などが大好きです。しかし、マルチオミクスデータにさらに役立つ機能があります。
1）大量のデータを含む小さなサンプルサイズに焦点を当てたサポート/ヘルプ/ガイダンス/プラットフォーム（つまり、患者数は限られているが患者あたりの変数数が多い典型的な医療基礎研究）。 欠落している一般的に使用されるアルゴリズムはOPLS-DAであり、これはJMPが持つPLS-DAの単なるアプリケーションです。 あなたも人気のあるなげなわを持っています。 他のニューラルネットワーク/マシン学習アルゴリズムを実装するのは素晴らしいことです（XGBoost！）。 ただし、重要なのは、さまざまなオプションを、これらのタスクに固有のアドインまたはプラットフォーム、および関連するガイダンス/ヘルプに統合することです。
2）縦方向のサンプリングのサポート：多くの場合、患者は複数回サンプリングされます。 これを上記に追加すると、JMPが際立って、これらのタイプの分析の分野をリードすることになります。
3）変数の選択は重要であり、さまざまな方法を使用して、それらがどのように実行されるかを確認することが重要です。つまり、順方向の加算または逆方向の除去、ブートストラップ（変数ごとの予測子の数を維持するため）とサブサンプリングなどです。分析の数は驚くべきものです。または、使用された特定のパラメーターに対してモデルがどのように実行されるかを示す学習曲線シミュレーションがあります。
4）関連する視覚化とモデルの比較と選択。
5）もう1つの非常に重要な機能は、ネットワーク分析です。 私はニューラル/ MLバージョンを意味するのではなく、異なる変数間の相関関係を使用して関連のマップを作成するバージョンを意味します。 これは、SEMを逆方向に実行するようなものです。 これは、個人レベルで実行する場合、つまり、すべての患者の散布図マトリックスを取得し、すべての患者の同じペアを調べて、どの変数が一貫して相関しているかを確認する場合に特に役立ちます。 これは、すべての患者のすべてのポイントを1つの大きなサンプルにまとめるのとは異なります。
おそらく、これらの機能のいくつかはJMPの別々の部分に存在し、JSLを使用して自動化/再作成できるものもあると思います。 しかし、RではないためにJMPに惹かれる私たちにとって、これらの機能を他のJMPプラットフォームのように一貫して編成することは大きな違いになります。 これは他のすべての主要な商用統計パッケージでも同じ問題であると言えます。したがって、JMPでの堅牢な実装が差別化要因になります。
