Como investigador clínico en ciencia traslacional, me encanta la facilidad de uso y las potentes funciones, la visualización, etc. de JMP. Pero hay funciones que lo harían más útil para los datos multiómicos:
1) soporte / ayuda / orientación / plataformas que se centran en tamaños de muestra pequeños con gran cantidad de datos (es decir, su investigación médica básica típica en la que el número de pacientes es limitado pero el número de variables por paciente es grande). Un algoritmo de uso común que falta es OPLS-DA, que concedido es solo una aplicación de PLS-DA que tiene JMP. Tienes lazo que también es popular. Implementar otras redes neuronales / algoritmos de aprendizaje automático sería genial (¡XGBoost!). Pero el punto es integrar las diferentes opciones en un complemento o plataforma específica para estas tareas, y la guía / ayuda asociada.
2) Soporte para muestreo longitudinal: muchas veces los pacientes son muestreados más de una vez. Agregar eso a lo anterior haría que JMP se destaque y lidere el campo para este tipo de análisis.
3) la selección de variables es crucial, y el uso de diferentes formas es importante para ver cómo funcionan, es decir, adición hacia adelante o eliminación hacia atrás, bootstrapping (para mantener el número de predictores por variable) vs submuestreo, etc. Tener un generador de perfiles para este tipo de análisis sería asombroso, o tener una simulación de curva de aprendizaje que muestre cómo se espera que funcionen los modelos para determinados parámetros utilizados.
4) Las visualizaciones asociadas y la comparación y elección de modelos.
5) Otra característica muy importante es el análisis de redes. No me refiero a las versiones neuronales / ML, sino a las que usan correlaciones entre diferentes variables para crear sus mapas de asociaciones. Es como hacer el SEM en sentido inverso. Esto sería especialmente útil si se hiciera a nivel individual, es decir, tomar la matriz de diagramas de dispersión de cada paciente y observar los mismos pares en todos los pacientes para ver qué variables están correlacionadas consistentemente. Esto es diferente a poner todos los puntos de todos los pacientes juntos en una gran muestra.
Quizás algunas de estas características existan en partes separadas de JMP, y supongo que algunas podrían automatizarse / recrearse usando JSL. Pero para aquellos de nosotros que nos sentimos atraídos por JMP porque no es R, tener estas características organizadas de manera coherente como otras plataformas JMP marcaría una gran diferencia. También puedo decir que este es el mismo problema con todos los demás paquetes de estadísticas comerciales líderes, por lo que una implementación sólida en JMP sería un diferenciador.
