Als klinischer Forscher in der translationalen Wissenschaft liebe ich die Benutzerfreundlichkeit und die leistungsstarken Funktionen, Visualisierung usw. von JMP. Aber es gibt Funktionen, die es für Multi-Omics-Daten nützlicher machen würden:
1) Unterstützung/Hilfe/Anleitung/Plattformen, die sich auf kleine Stichproben mit vielen Daten konzentrieren (dh Ihre typische medizinische Grundlagenforschung, bei der die Anzahl der Patienten begrenzt ist, aber die Anzahl der Variablen pro Patient groß ist). Ein häufig verwendeter Algorithmus, der fehlt, ist OPLS-DA, der zugegebenermaßen nur eine Anwendung von PLS-DA ist, die JMP hat. Sie haben ein Lasso, das ebenfalls beliebt ist. Die Implementierung anderer neuronaler Netzwerk-/Maschinenlernalgorithmen wäre großartig (XGBoost!). Aber der Punkt ist, die verschiedenen Optionen in ein Add-In oder eine Plattform zu integrieren, die speziell für diese Aufgaben und die damit verbundene Anleitung/Hilfe vorgesehen ist.
2) Unterstützung für Längsstichproben: Oftmals werden die Patienten mehr als einmal beprobt. Wenn man dies zu den oben genannten hinzufügt, würde sich JMP von anderen abheben und das Feld für diese Art von Analysen anführen.
3) Die Variablenauswahl ist entscheidend, und die Verwendung verschiedener Methoden ist wichtig, um zu sehen, wie sie funktionieren, dh Vorwärtsaddition oder Rückwärtseliminierung, Bootstrapping (um die Anzahl der Prädiktoren pro Variable aufrechtzuerhalten) vs. Subsampling usw. Einen Profiler für diesen Typ zu haben von Analysen wäre erstaunlich, oder eine Lernkurvensimulation zu haben, die zeigt, wie die Modelle für bestimmte verwendete Parameter voraussichtlich funktionieren werden.
4) Die zugehörigen Visualisierungen und Modellvergleich und -auswahl.
5) Ein weiteres sehr wichtiges Feature ist die Netzwerkanalyse. Ich meine nicht die neuronalen/ML-Versionen, sondern diejenigen, die Korrelationen zwischen verschiedenen Variablen verwenden, um ihre Assoziationskarten zu erstellen. Es ist, als würde man das SEM in umgekehrter Richtung durchführen. Dies wäre besonders nützlich, wenn es auf individueller Ebene durchgeführt würde, dh man nehme die Scatterplot-Matrix jedes Patienten und betrachte die gleichen Paare bei allen Patienten, um zu sehen, welche Variablen konsistent korreliert sind. Dies ist etwas anderes, als alle Punkte aller Patienten in einer großen Stichprobe zusammenzufassen.
Vielleicht existieren einige dieser Funktionen in separaten Teilen von JMP, und ich denke, einige könnten mit JSL automatisiert/neu erstellt werden. Aber für diejenigen von uns, die sich zu JMP hingezogen fühlen, weil es nicht R ist, würde es einen großen Unterschied machen, wenn diese Funktionen wie bei anderen JMP-Plattformen kohärent organisiert wären. Ich kann auch sagen, dass dies bei allen anderen führenden kommerziellen Statistikpaketen dasselbe Problem ist, sodass eine robuste Implementierung in JMP ein Unterscheidungsmerkmal wäre.
