Salut, ce est Sam Gardner avec JMP.
Je suis un Produit Directeur à JMP.
Étaient ici à parler aujourd'hui à propos présentation JMP Pro pour Génomique,
pousser le frontières de JMP Pro à activer données science sur le bureau.
je suis un de le présentateurs.
Je vais être faire le introduction à ce sujet.
Je suis S supérieur Produit Directeur pour Santé et Vie les sciences
dans le Produit Gestion équipe à JMP.
Notre co-présentateur aujourd'hui est Russe Wolfinger,
qui est un Distingué Recherche Compagnon
et notre Directeur de Scientifique Découverte et Génomique à JMP.
Bien parler un petit peu à propos le arrière-plan
de la génétique et la génomique, fonctionnel la génomique,
et alors parler à propos quoi étaient faire à transition depuis notre ancien produit,
JMP la génomique, à en utilisant JMP Pro pour génomique.
Russe volonté démontrer quelques de le nouveau capacités dans le produit.
UN petit peu à propos classique la génétique.
Ce est où un parcelle de ce a obtenu commencé.
Personnes avoir a été faire classique la génétique pour un long temps.
Ils ont a été reproduction plantes et animaux
à obtenir voulu caractéristiques pour ceux plantes et animaux.
Ils ont vu que ils peut faire que à obtenir, plus forte animaux, mieux plantes,
des plantes avec voulu propriétés et donc sur.
Toi probablement étudié un long temps il y a, quand toi étaient jeune dans école,
à propos Grégor Mendel, le moine, OMS dépensé beaucoup années étudier jardin petits pois.
Il en fait mesuré Sept distinct caractéristiques de ces petits pois-
leur hauteur, leur cosse forme et couleur, graine forme et couleur,
fleur position et couleur-
et observé que comme ces petits pois étaient métis avec chaque autre,
que le caractéristiques étaient passé sur
depuis le parent plantes à le progéniture plantes
suivant quelques plutôt spécifique mathématique ratios
qui ont fait il probabiliste possible
à faire prédictions à propos quoi le progéniture serait regarder comme
basé sur le caractéristiques de les parents.
Son et plus tard travail établi le des principes de génétique héritage.
Quoi est la génomique ?
La génomique est plus que juste classique la génétique.
Génomique les usages un combinaison de ADN la mesure méthodes
et recombinant ADN méthodes
à séquence et assembler et analyser le structure et fonction de génomes.
Il diffère depuis classique la génétique en cela il regards
à le organismes complet complément de génétique ou héréditaire matériel.
Il se concentre sur le interaction entre le lieux ou le emplacement
de différent gènes sur le génome,
et le allèles, le variation dans le gènes dans le génome,
donc que toi peut comprendre des choses comme épistase, pléiotrope hétérosis,
lequel sont des choses comme, d'accord, un gène affecte beaucoup des choses.
C'est pléiotropie.
L'épistase est que parfois,
un gène impacts le sortir ou le effet de un autre gène.
Hétérose est parfois toi obtenir synergique effets par combinant le gènes
depuis deux différent parents ou deux différent organismes.
Ce tous repose sur le utiliser de le central dogme de génomique.
Que dogme est que l'ADN, lequel est le code pour notre biologique les systèmes,
est transcrit dans l'ARN,
lequel est le code c'est utilisé à faire des choses
et faire protéines dans le corps.
Le protéines sont le petit chimique moteurs
que faire des choses à l'intérieur le corps et donne-le c'est fonction.
Depuis que, toi peut en fait alors mesure des choses comme les métabolites,
quoi en fait arrive, quoi faire ceux protéines en fait faire
à l'intérieur le cellules et à l'intérieur le corps.
Le chemin est ADN crée ARN crée protéine,
et le protéine régule comment des choses fonction dans le corps,
et que produit métabolites.
Données est vraiment permettre un génomique révolution.
Moderne la mesure techniques sont vraiment portion nous comprendre
le structure et fonction de le génome
et comment il travaux à l'intérieur le cellules dans biologique système.
Nous peut séquence le génome maintenant.
Nous avons a obtenu suivant- génération séquençage.
Beaucoup années il y a, quand JMP déplacé pour la première fois dans ce zone,
portion les clients pour pouvoir à analyser ce taper de données,
le chemin à mesure il était micro-ondes,
lequel était beaucoup plus concentré sur très spécifique les pièces de le génome,
et souvent un très limité ensemble de gènes dans le génome.
Maintenant, toi peut séquence le entier génome de un organisme.
Aussi, toi peut regarder à des choses comme expression et régulation.
Étaient parler à propos le métabolites.
Quoi est le sortir dans le biologique système que toi peut mesure?
Toi peut regarder à comment le protéines sont produit
ou quoi ceux protéines sont faire.
Toi peut aussi regarder à comment le structure de le ADN lui-même,
qu'est-ce que c'est appelé l'épigénétique,
impacts le fonction de comment ADN travaux et comment le gènes travail à l'intérieur le corps.
Là sont typiquement trois principal étapes de analyse que arriver
quand tu es faire ce taper de travail.
Un est toi juste générer le brut données.
Toi faire le séquençage travail, générer le génome- séquençage données,
ou mesure le métabolites ou le protéine expression
ou le ARN expression.
Et alors que génère joli grand données ensembles
que avoir à être filtré et dé- multiplexé
et paré et marqué et nettoyé en haut.
Ce est typiquement manipulé dans un automatique ou semi-automatique flux de travail
sur ordinateur systèmes que peut processus très grand données des dossiers.
Alors il typiquement va dans un deuxième scène où toi commencer à faire séquence alignement
et essentiellement garniture des choses en haut, et être capable à faire des choses comme compte.
Comment beaucoup fois a fait je voir le expression
de un particulier ARN fragment ou ARN séquence?
Ou comment beaucoup fois a fait je voir un particulier protéine?
Ou tous ce brut données, comment fait il doubler en haut à en fait faire un image
de quoi le structure de le entier génome est?
C'est un joli grand mathématique informatique processus.
Que typiquement aussi obtient fait sur joli grand informatique systèmes
avec un parcelle de informatique ressources.
Et alors le troisième étape,
lequel est le scène où JMP vraiment a joué dans,
et où JMP Pro volonté continuer à jouer dans,
est le déterminer génotype les associations et génotype à phénotype des relations.
UN phénotype est juste un trait de organismes,
le relation entre le gènes et le caractéristiques.
Et aussi regarder à corrélations et les associations
de le différent génétique Marqueurs à l'intérieur le génome,
ou le variance de le génétique Marqueurs.
Souvent, ce que tu vouloir faire est toi vouloir à caractériser ceux
et alors corrélatif eux à physique, biologique,
ou peut être maladie État caractéristiques.
Tous de ce peut en fait être fait avec ordinateur de bureau logiciel.
JMP Pro est notre solution à faire que en allant avant dans le avenir.
Nous avons avait un produit appelé JMP Génomique pour 14 années, en haut jusqu'à ce année,
que nous étaient fournir le clients.
Il était un combinaison produit de JMP et SAS.
SAS était vraiment nécessaire dos tôt quand nous mettre d'abord ce dehors
à faire un parcelle de le données traitement,
parce que le taille et le les types de données nous regardé à
était très difficile à faire avec un ordinateur de bureau logiciel emballer comme JMP.
SAS a fait le données traitement, quelques de le statistique méthodes,
mais JMP était utilisé pour plus loin statistique analyse
et visualisation le résultats de ceux analyse.
JMP Génomique a a été utilisé dans la recherche et industrie
pour un large variété de génomique problèmes pour beaucoup années.
Mais nous fait un stratégique décision ce année
à cesser vente des produits que contenir SAS avec eux.
C'est partie de le décision que était fait pour JMP à devenir un indépendant entreprise.
Étaient un en propriété exclusive filiale de SAS maintenant,
et sont en mouvement vers le bas que route de indépendance.
Nous sont pas en allant à être vente rien mais JMP des produits en allant avant.
Parce que de que, nous avoir regardé maintenant
à se déplacer le les fonctions pour génomique données analyse dans JMP Pro.
Dans JMP Pro 17, lequel volonté être disponible ce automne dans 2022,
a a été et volonté être optimisé pour grand et large données problèmes.
C'est en allant à avoir capacités à rencontrer le besoins
de génomique données science et génomique données scientifiques.
C'est en allant à utiliser le force
de JMP Pro prédictif analytique et interactif visualisation
à aide activer découvertes dans ce zone de travail.
Quelques de le améliorations que nous avons fait à pousser le frontières de JMP Pro
inclure juste suppression barrières et goulots d'étranglement dans le logiciel.
C'est un chose à faire analyse sur dizaines ou des centaines ou même milliers
de Colonnes dans un données tableau.
Mais quand toi avoir un données tableau
lequel peut être a beaucoup milliers ou des centaines de milliers de Colonnes,
toi commencer à révéler limites parfois dans ton logiciel.
Par faire ce travail, nous avons découvert lieux
où nous juste besoin à rationaliser comment opérations arriver à l'intérieur le programme.
Nous avons fait que.
Un exemple serait être si je recherché à faire un transformation
sur des centaines de milliers de Colonnes, nous avons significativement amélioré que processus.
Ça arrive beaucoup plus rapide sur le données les tables.
Aussi être capable à faire très rapide et efficace multivarié analyse méthodes
comme principal composant analyse et regroupement,
quand toi avoir ces vraiment large génomique données les tables.
Et alors être capable à faire des modèles sur et sur encore
sur milliers et milliers de réponse Colonnes,
et à faire que efficacement et effectivement.
Le deuxième but que nous avoir dans ce transition
est que apporter dans quelques capacités dans le JMP Pro
que sont très spécifique pour génétique et génomique analyse.
Pour exemple, être capable à importer différent formats
que sont communément utilisé dans ce zone.
Aussi, être capable à faire génétique marqueur analyse et simulation,
comme Bien comme apportant dans quelques plus récent populaire données réduction méthodes
tel comme t-SNE et Unimap.
Dans l'ensemble, quoi étaient obtenir à est un produit c'est en allant à être maigre.
Il installe très rapidement.
Toi peut utiliser il sur ton bureau,
mais toi peut utiliser il à faire ce très puissant analyse
sur ces grand, complexe, large données les tables.
À illustrer que, Je suis en allant à tourner il sur à Russe.
Russe est en allant à montrer nous en fait comment toi peut faire quelques réaliste analyse
et quelques réel étude analyse ici sur quelques génomique et génétique données.
Bien, remercier toi, Sam.
C'est un réel passionnant temps pour nous.
je savoir j'ai en fait a été avec le génomique analyse révolution
dans SAS pour sur 20 années maintenant.
Nous en fait [inaudible 00:11:46] dans le tôt années 2000 appelé Scientifique Solutions,
où nous étaient départ à regarder à quelques de le tôt micro tableau données.
C'est a été un vraiment amusant 20 années.
Maintenant, je serait dire, presque un de le la plupart passionnant fois jamais pour nous,
où étaient maintenant capable à code quelques de ces routines
directement dans JMP pro en utilisant C++.
UN parcelle de eux sont en cours d'exécution beaucoup plus rapide que nous avait
dans le précédent JMP Génomique produit.
je vouloir à donner toi un petit f saveur de que aujourd'hui avec un exemple.
Ce est un données ensemble sur les pins à encens,
lequel pour ceux de toi depuis le Sud-est
pourrait savoir il comme probablement un de le la plupart populaire espèces de pin.
Typiquement, si toi aller dans Dépôt à domicile ou Lowe's
et acheter quelques deux- par- quatre pattes ou contre-plaqué, c'est en allant à être fait de je obsolètement.
Quand toi voler dans le zone, toi il se trouve que je vois un parcelle de arbre couverture.
Beaucoup de ceux, Identifiant dire un bien tronçon de ceux des arbres,
en particulier vers le Est partie de Nord Caroline, sont lob ollies.
C'est un très important espèces, un que nous vraiment vouloir à comprendre Bien.
C'est a été étudié très soigneusement, et même plus donc maintenant
que nous avons a obtenu quelques craquements en allant sur avec maison bâtiment et quoi avoir toi,
c'est critique à comprendre il à l'intérieur et dehors.
Génomique technologie est fantastique
pour révélateur quelques des choses que nous juste jamais savait avant.
Ce données est en fait toujours dix années vieux.
Il était depuis un papier dans le Journal de La génétique par Envoyer et Al.
Ce est un groupe de des chercheurs depuis le Université de Floride
et Embrapa dans Brésil
et Université de Iowa, je croire, si je rappel correctement.
Voici le référence si toi vouloir à regarder il en haut.
Le données sont aussi librement disponible.
j'ai a obtenu eux.
je est allé devant et téléchargé eux depuis le supplémentaire information
et chargé eux dans un JMP tableau que toi voir ici.
Comme Sam était mentionnant, Le format dans JMP Pro
est quoi nous typiquement comme à appel un large format,
où nous avons a obtenu tout dans un tableau.
Ici, nous avons a obtenu quelques génotype indicateur Nombres indiquant le lignes
comme Bien comme le mère et père que le des arbres est venu depuis.
Et alors ce spécifique données ensemble que j'ai a obtenu ici,
nous avons a obtenu six caractéristiques que nous avons mesuré.
je croire en fait il y a plus.
Je pense il y a 17, si toi vouloir à voir le référence.
Notre clé se concentrer de intérêt sont ces génétique Marqueurs.
Ce données ensemble petit par aujourd'hui normes.
Nous avons seulement a obtenu 4 800.
je dire "Seulement 4 800" mais c'est toujours assez un peu.
Comme toi peut voir, Je suis défilement à travers ici,
ils sont tous codé comme soit zéro, un, ou deux.
Ces sont soi-disant SNP Marqueurs, célibataire nucléotide polymorphismes,
où Bien avoir soit...
Le nombre ici indique
le nombre de le majeur allèle que nous avoir dans le données.
Zéro serait être le petit A, petit A,
si vous êtes familier avec le vieux la génétique notation.
Le deux serait être le grand A, grand A.
Le ceux serait être tous le hétérozygotes.
Donc 4 500 de ces Marqueurs.
Le basique but dans le fin, typiquement...
Dans fait, que était quoi le papier que ce était depuis était à propos de.
Ils étaient comparant plusieurs de le populaire prédictif méthodes.
Mais avant nous obtenir à prédiction,
il y a un parcelle de vraiment bien des choses que toi vouloir à faire
juste à faire bien sûr le données sont comme attendu,
et aussi à apprendre et découvrir structure et autre intéressant caractéristiques.
Allons plonger dans et voir ce que nous pouvons faire avec un typique flux de travail ici dans JMPPro.
je serait typiquement juste comme à regarder à le données dans JMP.
Nous peut utiliser juste basique plates-formes.
Pour exemple, ici, laisser moi apporter en haut le multi- zone plate-forme
et juste vérifier dehors basique parcelles de le données contre un un autre.
Toi peut voir, pour exemple, ici, numéro racine et racine engourdi
sont assez très corrélé avec chaque autre.
Autres, pas donc beaucoup.
Toi peut faire distributions.
Pour exemple, w e peut faire il ici avec le distribution plate-forme.
Ces caractéristiques avoir en fait déjà a été centré, je pense.
Je crois tous de eux avoir un signifier de autour zéro.
Ils ont disparu à travers un petit peu de prétraitement
que nous ne le fera pas aller dans aujourd'hui.
C'est le chemin ils est venu depuis le papier.
Notre basique but est à utiliser le génétique information à prédire ces caractéristiques.
Ils représenter divers caractéristiques de le sucette des arbres.
Pour exemple, C WAC,
je croire c'est couronné avec à travers le usine literies.
C'est un mesure de le arbre taille.
Nous avons a obtenu autre des mesures de densité et caractéristique de le racines, etc.
Tous important des choses à savoir à propos et quand étudier ces des arbres.
Laisser moi marcher toi à travers quoi nous pourrait considérer un un basique flux de travail
une fois toi avoir ton données ensemble en haut comme ce.
Maintenant, avant faire que, cependant,
je faire vouloir à mention aussi que nous avoir mettre dans un équitable peu de travail
à portion et aider avec importer tel données.
Ce particulier données est venu comme juste standard virgule séparé valeur des dossiers,
donc Non grand accord à importer il.
Mais souvent, génétique données comme ce viens dans soi-disant VCF des dossiers.
Nous maintenant avoir nouveau routines à être capable à importer ceux directement,
comme Bien comme importer des dossiers depuis le populaire base de données,
et alors un peu autre formats, IDAT et quoi avoir toi.
En essayant à faire il vraiment facile à obtenir ton données dans JMP.
Comme tu le sais, une fois vous avez a obtenu ton données ensemble en haut dans un JMP tableau,
il y a juste tous sortes de super des choses toi peut faire.
Beaucoup de le des choses que toi entendre à propos de...
Donner toi quelques plus des idées,
comme Bien comme quelques nouveau des choses que nous avons mettre dans lieu.
À commencer dehors, nous avons a obtenu un marque nouveau couple de plates-formes
sous le Analyser menu ici à le bas.
La génétique. Analyser, La génétique.
Nous avons a obtenu Marqueur Statistiques et Marqueur Simulation.
Allons courir le Premier, Marqueur Statistiques.
Ce est juste un basique plate-forme pour regarder à caractéristiques de un ensemble de Marqueurs.
Toi peut voir ici, Je suis chargement.
Nous avons a obtenu 4 853 SNP organisé dans un groupe ici dans le JMP tableau.
je juste se déplacer eux sur dans le Marqueurs.
Si tout le reste est d'accord, Bien juste Cliquez sur D'ACCORD.
Il court assez rapidement.
Quoi ce essentiellement fait est ça prend chaque marqueur
et calcule un variété de standard statistique génétique statistiques
que toi peut regarder à travers ici et voir qu'est-ce que c'est en allant sur.
UN clé chose à vérifier pour un soi-disant Robuste- Weinberg Équilibre.
Toi peut faire un statistique test de que et obtenir p- valeurs depuis il,
et même parcelle ces le long de dans un graphique comme ce.
Sur le Oui axe, nous en fait utiliser le enregistrer dix valeur p,
lequel nous aussi appel le enregistrer valeur.
À aller une fois étape plus loin, toi peut faire un FAUX Découverte taux ajustement
à éviter le plusieurs essai problème.
Toi peut voir ici, nous avons en fait tracé les deux:
le brut valeur p, le brut enregistrer valeur, comme Bien comme leur RAD ajusté valeur p.
Ils tendre à être assez similaire, en particulier pour le grand ceux.
Ces Marqueurs en haut ici sont ceux que serait être dehors de équilibre,
très probable exigible à le clonage de le des arbres.
Ce seraient Marqueurs que pourrait tendre à dérive ou stabiliser
sur temps avec avenir des croix.
Ce serait bien à vérifier ces dehors
et faire bien sûr le distributions de le allèles sont comme attendu.
Arcage tous le chemin dos à le Grégoire Mendel jours,
des choses que nous appris à propos comment allèles comme ça devrait se comporter.
C'est un bien lieu à commencer, juste à obtenir un idée pour le Marqueurs.
Allons se déplacer suivant et faire quelques modèle Découverte.
Ici, il y a plusieurs bon des choses nous peut essayer.
UN très basique un c'est aussi a été populaire pour décennies avec gène expression données
est juste à faire hiérarchique regroupement.
Encore, Je suis juste en allant à mettre le SNP dans ici.
Toi typiquement volonté vouloir à utiliser un de ces plus rapide méthodes.
Allons utiliser rapide salle.
Nous faire avoir quelques manquant valeurs, donc allons faire imputation.
Bien aller devant et regroupez-le deux façons.
Allons Cliquez sur D'ACCORD ici.
Je suis en allant à poursuivre. je suis entrain de courir tout en direct aujourd'hui.
UN peu de ces des choses volonté prendre secondes à courir.
UN nalyses j'ai a obtenu que en fait volonté prendre un peu minutes
que je ne le fera pas courir en direct juste pour saké de temps.
Mais toi peut voir ici, ce échelle de données,
JMP Pro peut gérer assez facilement.
Ce un, toi peut voir que le progrès bar ici
volonté prendre probablement 30 secondes à un minute à finition.
Mais pas aussi mauvais pour un moyen- taille données ensemble comme ce.
Encore, étaient regroupement autour 926 Lignes et 4 800 Colonnes.
Mais avant en fait le performance améliorations,
ce genre d'analyse serait prendre plusieurs minutes.
Dans beaucoup cas, nous avons a été capable à atteindre commandes de ordre de grandeur vitesse en haut.
Je suis capable, essentiellement, à activer toi à faire analyses comme ce fermer à réel temps.
UN petit peu de en attendant pourrait être requis comme ici, mais dans général,
c'est joli bon à être capable à rapidement obtenir réponses à assez difficile des questions.
Pour exemple, ici, étaient en essayant à voir
comment autre Lignes de notre données grappe avec chaque autre.
Maintenant ici, un très intéressant chose se produit.
Toi peut voir j'ai a obtenu coloriages que je a fait à le données.
je coloré le mère et père, ou maternelle et paternel allèles.
Si nous regarder à ce variable ici, il y a autour 71 unique les niveaux.
Et alors dans chaque croix, il y a en haut à 17 ou 20 personnes.
Le données avoir très bon, serré groupes.
Le regroupement algorithme en fait trouvé ceux.
Tu peux voir le couleurs indiquer le coloration.
Ce couleur thème est un peu discordant.
Allons se déplacer il au noir et blanc.
Nous peut voir le structure un petit plus propre.
Ici, nous peut voir le domaines de blanc
ou où nous avons a obtenu quelques de ceux mineure allèles départ à grappe
et identifier le clé lieux dans le génome
que distinguer ces unique des croix.
Ce est un bon parcelle juste à obtenir un dans l'ensemble sentir pour le divers lignes
et comment ils comparer avec un un autre.
Mais le principal leçon sont ces serré groupes
que sont cartographie en haut exactement comme nous serait attendre avec le initial des croix,
essentiellement comme très fermer frères et sœurs à un un autre
par rapport à les cousins, ou deuxième les cousins, cousins au troisième degré, etc. .
Maintenant, un autre chemin à aller à propos ce
serait être plus de un dimension réduction taper approche.
Ici, le nombre un analyse est principal Composants.
Allons essayer que sur notre pas et voir quoi que révèle.
Ici, allons juste utiliser le valeurs par défaut.
Désolé, en fait, je recherché à montrer désactivé...
Il y a un marque nouveau méthode pour large données c'est appelé rapide approximatif.
C'est un bon ajout dans logiciel.
Il en fait les usages, si tu es familier avec le méthode
appelé un randomisé SVD approche.
Toi peut voir un peu message.
Allons voir qu'est-ce que c'est dans le enregistrer.
Il tourné dehors ce était en fait un cas
où un erreur message était assez bénéfique.
Le logiciel en fait indiqué lequel Marqueurs...
Là étaient quelques Marqueurs, ils étaient non numérique ou constante.
Il tourné dehors que un poignée de ces Marqueurs dans le tableau étaient constante.
Ce serait être un cas où nous pourrait aller dos et en fait faire le ménage ceux dehors,
depuis ils sont pas vraiment contribuant beaucoup à le analyse, ils sont juste constante.
Mais le APC plate-forme trouvé eux comme un sous-produit.
Mais si toi regarder à le les partitions, deux premiers principal Composants,
nous encore avoir ce bon regroupement de des familles.
Comme habituel avec JMP,
tous ces parcelles sont interactif et connecté à un un autre.
Nous peut, pour exemple, Cliquez sur sur un de le branches de le arbre sur ici,
et il volonté souligner que grappe dans le APC.
Nous peut carte ces deux graphiques à un un autre.
Dans fait, Bien, allons faire que. Nous peut ajouter un le troisième.
Ce est un autre marque nouveau plate-forme c'est juste à venir dehors dans JMP 17,
appelé Multivarié Intégration.
Ici, étaient en allant à calculer le populaire t-SNE algorithme,
lequel des stands pour T multivarié intégration.
Ce a en fait a été assez populaire dans le machine apprentissage monde,
et il a coulait c'est chemin dans le génomique champ,
en particulier avec célibataire- cellule ARN.
Il fait un petit peu différent dimensionnel projection que APC.
Il essaie à identifier locale structure,
alors que APC est regarder pour dimensions de le plus grand variabilité à travers tous Marqueurs.
T-SNE en essayant à trouver serré locale groupes.
C'est en fait parfait pour ce genre de données,
juste à révéler ces des familles.
Toi peut voir le bon petit groupes de groupes, et peut être plus important,
lequel groupes eux-mêmes sont près chaque autre.
Toi peut prendre un image ici.
Gentil de regards comme un papillon, quelque chose t-SNE souvent avoir .
Identifiant encourager toi à essayer il sur ton données une fois toi obtenir ton mains sur JMP 17.0.
C'est révélateur quelques bon structure dans le données.
Allons se déplacer sur maintenant à un j'en ai un peu plus statistiquement- orienté la modélisation.
Pour il, le basique chose à généralement commencer dehors avec
est quoi nous serait appel un génome- large un association étude,
où w aune essentiellement prendre notre trait, ou notre caractéristiques, dans ce cas,
et écran eux contre tous le Marqueurs.
Le bête de somme plate-forme ici est Réponse Dépistage.
Je suis en allant à Analyser, Dépistage, Réponse Dépistage.
Nous avons fait assez un peu de travail sur ce merci surtout à John Saül ,
qui a mis en œuvre quelques bon performance améliorations.
Quoi ce fait est essentiellement un grand Oui par X analyse.
Je suis en allant à se déplacer notre six des cibles ou réponses dans le Oui champ,
notre SNP dans X.
Et alors tous toi faire est frapper Aller.
Quoi ce volonté faire...
je pense nous faire imputation.
je pense il pourrait faire que automatiquement. Allons voir.
Ouais.
Ce un court foudre rapide.
je essentiellement juste a fait six fois 4 800 rapide régressions et tracé tous.
Ce est un parcelle de tous le valeurs p à une fois.
Encore, se concentrer sur FAUX Découverte taux.
C'est a obtenu à être très prudent à propos surpêche données comme ce.
Toi vouloir à faire bien sûr n'importe lequel plomb que toi chasse est significatif,
même après un FAUX Découverte ajustement.
Ici, nous voir maintenant que ce largeur de la couronne fonctionnalité
est le un c'est éclater dehors avec le la plupart les coups.
Alors il y a un pour poubelle.
Ces sont trié par importance, et alors quelques de le autre caractéristiques commencer à populaire dans.
Mais clairement, il regards comme nous avons a obtenu le la plupart génétique action
avec ce largeur de la couronne trait.
Maintenant, à aller un petit plus loin et illustrer le des choses nous peut faire.
Ce est très JMP Pro comme.
Allons sauvegarder le tableau dehors de valeurs p.
Nous avons a obtenu tout maintenant dans un nouveau JMP tableau,
lequel est effectivement tous le résultats, et ils sont bien coloré pour nous.
Juste vouloir à parcourir le tableau.
Mais Je suis en allant à aller devant et utiliser Graphique B constructeur maintenant.
Allons faire quelques volcan parcelles par main.
Pour ces, nous w fourmi à mettre le pente sur le X- axe,
et alors le enregistrer valeur sur le Y.
Allons aller devant.
Bien faire un séparé un pour chaque de notre caractéristiques.
Je suis faire glisser que sur le envelopper.
Toi peut voir ici, ce est le sorte de chose que JMP est vraiment intéressant à.
je pas souvent volonté trouver valeurs aberrantes de la données.
Voici un c'est chemin dehors ici.
Nous avons a obtenu un pente estimation de presque négatif 2 000.
Il se tourne dehors que ce variable est presque constante.
Le régression juste coups en haut avec un presque presque verticale,
ou presque négatif, très négatif pente.
Il se tourne dehors ce est plus de un anomalie que un réel significatif frapper.
Il serait en fait faire sens juste à ignorer il.
Mais c'est en fait bon à trouver que c'est dans le tableau
et être capable à identifier il.
Ce est le sorte de chose que JMP est souvent vraiment bien à,
découverte bizarre motifs.
Mais à aiguiser dans sur le clé résultats, allons aller devant et étroit notre axes vers le bas.
je juste frapper le axe bouton, et étaient en allant à juste Zoom dans.
Allons aller moins 10 à 10.
Toi peut voir ici, toi obtenir ce caractéristique V forme,
où encore, étaient traçage le pente de le régression
contre c'est négatif enregistrer valeur p.
Pour le CWAC, nous en fait a obtenu,
encore, comme nous attendu avant, plus les coups que n'importe où autre.
UN bouquet de Marqueurs pour positif et négatif pente,
lequel serait indiquer un additif génétique relation
en allant un chemin à le autre.
Pour le autre caractéristiques, ces sont aussi V forme,
et beaucoup de eux sont juste vraiment un parcelle moins significatif
et souvent carré uissé dans avec un un autre.
Le pente aussi dépend sur le échelle de le la mesure.
C'est peut-être pas assez comme significatif si nous mettre tous ces sur le même exact échelle.
Mais je juste recherché à montrer ce pour illustration,
comme un chemin à comparer tout côté par côté.
C'est un GWAS.
En mouvement avant, allons obtenir à probablement quoi notre principal objectif serait être,
lequel serait être à prédire ces caractéristiques comme un fonction de le Marqueurs.
Ici, nous faire avoir accéder à tous le super prédictif la modélisation plates-formes
que sont dans JMP.
Quelques de ces, toi avoir à être un petit prudent à utiliser.
Avec manquant données, toi peut besoin à faire le imputation d'abord.
Quelques pourrait devenir assez lent donné le taille de le problème.
Pour aujourd'hui, je juste vouloir à montrer probablement mon préféré un,
lequel est XG Booster, en utilisant le XGB oost plate-forme.
Ce est un cas où je en fait couru ce préalablement,
parce que, et c'est à courir.. .
Mais je je chargé tous six caractéristiques dans XGB oost et a fait dix- pli coût validation.
je automatiquement gauche dehors chaque de le dix se plie.
Ici, toi peut voir le résultats de que courir,
où nous avons a obtenu le solide lignes ici dans ces des graphiques,
sont le validation courbes sur le itérations
et le pointé lignes de le entraînement.
Toi peut voir avec ces large problèmes, il y a un grave risque de surapprentissage,
en particulier avec un puissant approche comme XG Booster.
Toi avoir à être très prudent.
Comme toi peut voir, En fait, je [inaudible 00:32:18] paramètres.
je pourrait tordre eux vers le bas pour un, et toi peut voir le autre paramètres ici.
Dans chaque modèle ajuster, nous avons a obtenu les deux le entraînement,
observé contre prédit, et le validation.
Toi peut voir ici pour C WAC nous a obtenu un corrélation de autour 0,43.
Corrélation est un typique mesure utilisé à évaluer performance.
Ce est compétitif avec quoi était publié dans le papier avant,
sans à peine beaucoup réglage à tous.
Mais alors il y a un parcelle de autre intéressant des choses toi peut plonger dans,
le la plupart important caractéristiques, etc.
Nous même a obtenu quelques nouveau des choses pour exemple, un chose appelé Shapley valeurs
que Identifiant encourager toi à vérifier dehors.
Il y a en allant à être un autre parler sur ce sujet par Pierre Hirsch,
Florian Laura Lancastre et moi-même sur que ici à le conférence,
je serait encourager toi à vérifier que dehors.
C'est un chemin à casser vers le bas prédictions dans leur Composants.
Que obtient un autre niveau toi peut aller dans avec prédire.
C'est juste un exemple de quelques bon prédictif la modélisation toi peut faire.
À envelopper en haut le démo, je recherché à retour dos
où nous commencé ici dans ce La génétique menu.
Nous avons a obtenu un marqueur, un marque nouveau marqueur simulation plate-forme.
Ce est quelques joli avancé génétique la modélisation
porté dehors par notre interne expert, Lucien Silva.
Quoi ce fait est il en fait volonté faire virtuel traversée par le génotypes.
Le idée est tu aurais charger le Marqueurs dans.
Le vraiment intéressant chose est toi peut mettre un prédicteur formule ici.
Pour exemple, je sauvegarder le prédicteur formule depuis le XGBoost modèle de CWAC.
Quoi ce volonté faire est les deux simuler le des croix
et prédire leur performance.
Ce est quoi moderne virtuel reproduction fait.
Toi peut en fait virtuellement croix différent sucette pin des arbres
et prédire quoi volonté arriver avec eux
sans ayant à attendez dix, 20, 30 années à grandir eux dans le champ.
Extrêmement puissant, intéressant approche que révolutionné le chemin
moderne reproduction est fait, et pourquoi soi-disant génomique sélection,
ou prédictif la modélisation avec génétique Marqueurs est donc populaire.
Je vais aller devant et conclure là.
je espoir que aiguisé ton appétit
avec quelques de le nouveau des choses nous avons a obtenu en allant.
UN parcelle de le des choses je montré aujourd'hui serait aussi travail avec gène expression données,
bien que c'est un petit peu différent jeu de balle
dans termes de quoi tu es en essayant à faire.
Mais pour saké de temps, je pensée il serait être bien juste à regarder à ce un exemple
et plonger quelque peu profond.
Remercier toi très beaucoup pour ton attention.
Laisser nous savoir si vous avez a obtenu des questions comme toi avoir eux.
Étaient vraiment e excité à propos le nouveau des choses à venir dans JMP 17 Pro.
Nous avons a obtenu un parcelle plus des choses à venir dans le travaux.
Remercier vous beaucoup.
Nous reconnaître que parcelle de personnes que viens à Découverte,
ce peut pas être leur zone de compétence.
Mais toi peut savoir quelqu'un qui est faire ce travail,
et nous serait amour à obtenir eux connecté avec quoi étaient faire ici à JMP Pro,
parce que nous sont en allant à continuer à investir dans ajouter capacités
et amélioration le logiciel donc il peut faire travail comme ce mieux et mieux
à rencontrer le besoins de scientifiques à travers le vie les sciences
et ce industrie.
Merci pour écoute dans.
