En tant que chercheur clinicien en science translationnelle, j'adore la facilité d'utilisation et les fonctionnalités puissantes de JMP, la visualisation, etc. Mais il existe des fonctionnalités qui le rendraient plus utile pour les données multi-omiques:
1) support / aide / conseils / plates-formes qui se concentrent sur de petits échantillons avec beaucoup de données (c'est-à-dire votre recherche médicale fondamentale typique où le nombre de patients est limité mais le nombre de variables par patient est grand) Un algorithme couramment utilisé qui manque est OPLS-DA, qui n'est accordé qu'une application de PLS-DA dont dispose JMP. Vous avez un lasso qui est également populaire. La mise en œuvre d'autres algorithmes de réseau neuronal / d'apprentissage automatique serait formidable (XGBoost!). Mais il s'agit d'intégrer les différentes options dans un complément ou une plateforme spécifique à ces tâches, et les conseils / aide associés.
2) Prise en charge de l'échantillonnage longitudinal: plusieurs fois, les patients sont échantillonnés plus d'une fois. Ajouter cela à ce qui précède permettrait à JMP de se démarquer et de mener le terrain pour ces types d'analyses.
3) la sélection des variables est cruciale, et l'utilisation de différentes méthodes est importante pour voir comment elles fonctionnent, c'est-à-dire l'addition en avant ou l'élimination en arrière, le bootstrap (pour maintenir le nombre de prédicteurs par variable) par rapport au sous-échantillonnage, etc. Avoir un profileur pour ce type des analyses serait incroyable, ou avoir une simulation de courbe d'apprentissage qui montre comment les modèles sont censés fonctionner pour des paramètres donnés utilisés.
4) Les visualisations associées et la comparaison et le choix du modèle.
5) Une autre caractéristique très importante est l'analyse du réseau. Je ne parle pas des versions neurales / ML, mais de celles qui utilisent des corrélations entre différentes variables pour créer leurs cartes d'associations. C'est comme faire le SEM dans le sens inverse. Cela serait particulièrement utile si cela était fait au niveau individuel, c'est-à-dire prendre la matrice de nuage de points de chaque patient et examiner les mêmes paires pour tous les patients pour voir quelles variables sont constamment corrélées. C'est différent de rassembler tous les points de tous les patients dans un seul grand échantillon.
Peut-être que certaines de ces fonctionnalités existent dans des parties distinctes de JMP, et je suppose que certaines pourraient être automatisées / recréées à l'aide de JSL. Mais pour ceux d'entre nous qui sont attirés par JMP parce que ce n'est pas R, alors avoir ces fonctionnalités organisées de manière cohérente comme les autres plates-formes JMP ferait une grande différence. Je peux aussi dire que c'est le même problème avec tous les autres principaux packages de statistiques commerciales, donc une implémentation robuste dans JMP serait un différenciateur.
