你好，这是山姆加德纳和JMP。
我是A产品经理在JMP。
是这里到讲话今天关于介绍JMP专业版为了基因组学，
推动这边界的JMP专业版到使能够数据科学在这桌面。
我是一的这主持人。
患病的是正在做这介绍到这话题。
我是S高级产品经理为了健康和生活科学
在里面产品管理团队在JMP。
我们的共同主持人今天是拉斯沃尔芬格,
谁是A杰出的研究院士
和我们的导演的科学的发现和基因组学在JMP。
出色地讲话A小的少量关于这背景
的遗传学和基因组学，功能性的基因组学，
和然后讲话关于什么是正在做到过渡从我们的以前的产品，
联合管理计划基因组学，到使用联合管理计划专业版为了基因组学。
拉斯将要证明一些的这新的能力在这产品。
A小的少量关于古典遗传学。
这是在哪里A很多的这得到开始了。
人们有到过正在做古典遗传学为了A长的时间。
他们已经到过配种植物和动物
到得到想要的特质为了那些植物和动物。
他们已经见过那他们能做那到得到，更强动物，更好的植物，
植物有想要的特性和所以在。
你大概研究过A长的时间前，什么时候你是年轻的在学校，
关于格雷戈尔孟德尔，这僧， WHO花费许多年学习花园豌豆。
他实际上测量的七清楚的特征的这些豌豆-
他们的高度，他们的荚形状和颜色，种子形状和颜色，
花位置和颜色-
和观察到的那作为这些豌豆是杂交的和每个其他，
那这特质是通过了在
从这家长植物到这后代植物
下列的一些相当具体的数学的比率
谁做了它概率上可能的
到制作预测关于什么这后代会看喜欢
基于在这特质的家长。
他的和之后工作已确立的这原则的遗传的遗产。
什么是基因组学？
基因组学是更多的比只是古典遗传学。
基因组学用途A组合的脱氧核糖核酸测量方法
和重组的脱氧核糖核酸方法
到顺序和集合和分析这结构和功能的基因组。
它不同从古典遗传学在那里面它看起来
在这有机体的满的补充的遗传的或者遗传材料。
它焦点在这互动之间这基因座或者这地点
的不同的基因在这基因组，
和这等位基因，这变化在这基因在这基因组，
所以那你能理解事物喜欢上位性,多效性杂种优势,
哪个是事物喜欢，好的，一基因影响许多事物。
那是多效性。
上位性是那有时，
一基因影响这输出或者这影响的其他基因。
杂种优势是有时你得到协同的效果经过结合这基因
从二不同的父母或者二不同的有机体。
这全部依靠之上这使用的这中央教条的基因组学。
那教条是那脱氧核糖核酸，哪个是这代码为了我们的生物系统，
是转录的进入核糖核酸,
哪个是这代码那是用过的到制作事物
和制作蛋白质在这身体。
这蛋白质是这小的化学引擎
那做事物里面这身体和给它它是功能。
从那，你能实际上然后措施事物喜欢代谢物，
什么实际上发生，什么做那些蛋白质实际上做
里面这细胞和里面这身体。
这小路是脱氧核糖核酸创造核糖核酸创造蛋白质，
和这蛋白质调节如何事物功能在这身体，
和那产生代谢物。
数据是真的使能A基因组学革命。
现代的测量技巧是真的帮助我们理解
这结构和功能的这基因组
和如何它作品里面这细胞在生物系统。
我们能顺序这现在基因组。
我们已经得到下一个-一代测序。
许多年前，什么时候联合管理计划第一次搬家进入这区域，
帮助客户能够到分析这类型的数据，
这方式到措施它曾是微波炉，
哪个曾是很多更多的专注的在非常具体的部分的这基因组，
和很多时候A非常有限的放的基因在这基因组。
现在，你能顺序这所有的基因组的一个生物。
还，你能看在事物喜欢表达和规定。
是说关于这代谢物。
什么是个输出进入这生物系统那你能措施？
你能看在如何这蛋白质是产生的
或者什么那些蛋白质是正在做。
你能还看在如何这结构的这脱氧核糖核酸本身，
什么是被称为表观遗传学，
影响这功能如何脱氧核糖核酸作品和如何这基因工作里面这身体。
那里是通常三主要的阶段的分析那发生
什么时候你是正在做这类型的工作。
一是你只是产生这生的数据。
你做这测序工作，产生这基因组-测序数据，
或者措施这代谢物或者这蛋白质表达
或者这核糖核酸表达。
和然后那产生漂亮的大的数据套
那有到是过滤和脱除多路复用
和修剪过的和得分和清洁过的向上。
这是通常处理过在A自动化的或者半自动化的工作流程
在电脑系统那能过程非常大的数据文件。
然后它通常去进入A第二阶段在哪里你开始到做顺序结盟
和基本上衬垫事物向上，和存在有能力的到做事物喜欢很重要。
如何许多次做过我看这表达
的A特别的核糖核酸分段或者核糖核酸顺序？
或者如何许多次做过我看A特别的蛋白质？
或者全部这生的数据，如何做它线向上到实际上制作A图片
的什么这结构的这所有的基因组是？
那是A漂亮的大的数学的计算性的过程。
那通常还得到完毕在漂亮的大的计算性的系统
和A很多的计算性的资源。
和然后这第三阶段，
哪个是这阶段在哪里联合管理计划真的有玩过在，
和其中 JMP专业版将要继续到玩在，
是这决定基因型协会和基因型到表型关系。
A表型是只是A特征的生物体，
这关系之间这基因和这特征。
和还看着在相关性和协会
的这不同的遗传的标记里面这基因组，
或者这方差的这遗传的标记。
很多时候，你什么想要做是你想到表征那些
和然后关联他们到身体的，生物，
或者或许疾病状态特征。
全部的这能实际上是完毕和桌面软件。
联合管理计划专业版是我们的解决方案到做那去向前在这未来。
我们已经有A产品被称为联合管理计划基因组学为了14年，向上直到这年，
那我们是提供这顾客。
它曾是A组合产品的联合管理计划和SAS。
SAS 是真的需要的后退早期的什么时候我们首先放这出去
到做A很多的这数据加工，
因为这尺寸和这类型的数据我们看起来在
曾是非常难的到做和A桌面软件包裹喜欢JMP。
SAS 做到了这数据加工，一些的这统计方法，
但联合管理计划曾是用过的为了更远统计分析
和可视化这结果的那些分析。
联合管理计划基因组学有到过用于研究和行业
为了A宽的种类的基因组学问题为了许多年。
但我们制成A战略决定这年
到中止卖产品那包含SAS 与他们。
那是部分的这决定那曾是制成为了联合管理计划到变得一个独立的公司。
是A全资拥有子公司的SAS现在，
和是移动向下那路的独立。
我们是不是去到是卖任何事物但联合管理计划产品去向前。
因为的那，我们有看起来现在
到移动这功能为了基因组数据分析进入联合管理计划亲。
在联合管理计划专业版17、哪个将要是可用的这落下在2022年，
有到过和将要是优化为了大的和宽的数据问题。
它是去到有能力到见面这需要
的基因组数据科学和基因组数据科学家们。
它是去到利用这力量
的JMP Pro 的预测性的分析和交互的可视化
到帮助使能够发现在这区域的工作。
一些的这增强功能那我们已经制成到推这边界的联合管理计划专业版
包括只是去除障碍和瓶颈在这软件。
它是一事物到做分析在十或者数百或者甚至数千
的列在A数据桌子。
但什么时候你有A数据桌子
哪个或许有许多数千或者数百的数千的列，
你开始到揭示局限性有时在你的软件。
经过正在做这工作，我们已经裸露地方
在哪里我们只是需要到精简如何运营发生里面这程序。
我们已经完毕那。
一个例子会是如果我通缉到做A转型
在数百的数千的列，我们已经显著地改进的那过程。
它发生了很多快点在这数据表。
还存在有能力的到做非常快速地和高效的多变量分析方法
喜欢主要的成分分析和聚类,
什么时候你有这些真的宽的基因组数据表。
和然后存在有能力的到做楷模超过和超过再次
在数千和数千的回复列，
和到做那有效率的和有效地。
这第二目标那我们有在这过渡
是那带来在一些能力在这联合管理计划专业版
那是非常具体的为了遗传的和基因组分析。
为了实例，存在有能力的到进口不同的格式
那是通常用过的在这区域。
还，存在有能力的到做遗传的标记分析和模拟，
作为出色地作为带来在一些较新的受欢迎的数据减少方法
这样的作为t-SNE和统一地图。
全面的，什么是得到到是A产品那是去到是倾斜。
它安装非常迅速地。
你能使用它在你的桌面，
但你能使用它到做这非常强大的分析
在这些大的，复杂的，宽的数据表。
到阐明那，我是去到转动它超过到拉斯.
拉斯是去到展示我们实际上如何你能做一些实际的分析
和一些真实的学习分析这里在一些基因组和遗传的数据。
出色地，感谢你，萨姆.
它是A真实的令人兴奋的时间为了我们。
我知道我有实际上到过和这基因组学分析革命
之内SAS为了超过20年现在。
我们实际上[听不清 00:11:46]在这早期的2000年代被称为科学的解决方案，
在哪里我们是开始到看在一些的这早期的微大批数据。
它是到过A真的乐趣20年。
现在，我会说，几乎一的这最多令人兴奋的次曾经为了我们，
在哪里是现在有能力的到代码一些的这些惯例
直接地在联合管理计划亲使用C++。
A很多的他们是跑步很多快点比我们有
在这以前的联合管理计划基因组学产品。
我想到给你A小f劳沃的那今天和一个例子。
这是A数据放在火炬松,
哪个为了那些的你从这东南
可能知道它作为大概一的这最多受欢迎的物种的松树。
通常，如果你去进入家得宝或劳氏
和买一些二-经过-四足或者胶合板,它是去到是制成的我奥布洛利。
什么时候你飞进入这区域，你碰巧看到A很多的树覆盖。
许多的那些， ID说A好的块的那些树木，
尤其向这东部分的北卡罗莱纳州,是洛布尔奥利斯。
它是A非常重要的物种，一那我们真的想到理解出色地。
它是到过研究过非常彻底地，和甚至更多的所以现在
那我们已经得到一些仰卧起坐去在和家建筑和什么有你，
它是批判的到理解它里面和出去。
基因组技术是极好的
为了揭示一些事物那我们只是绝不知道前。
这数据是实际上仍然10年老的。
它曾是从A纸在这杂志的遗传学经过雷森德等等人。
这是A团体的研究人员从这大学的佛罗里达
和恩布拉帕在巴西
和大学的爱荷华州，我相信，如果我记起正确。
这是这参考如果你想到看它向上。
这数据是还自由地可用的。
我有得到他们。
我去先和下载的他们从这补充的信息
和已加载他们进入A联合管理计划桌子那你看这里。
作为山姆曾是提到，格式在 JMP 中专业版
是什么我们通常喜欢到称呼A宽的格式，
在哪里我们已经得到一切在一桌子。
这里，我们已经得到一些基因型指标数字表明这线
作为出色地作为这母亲和父亲那这树来了从。
和然后这具体的数据放那我有得到这里，
我们已经得到六特质那我们已经测量。
我相信实际上有更多的。
我认为有17、如果你想到看这参考。
我们的钥匙重点的兴趣是这些遗传的标记。
这数据套小的经过今天的标准。
我们已经仅有的得到4,800。
我说“仅有的4,800"但那就是仍然相当A很少。
作为你能看，我是滚动通过这里，
他们是全部编码的作为任何一个零，一，或两个。
这些是所谓的单核苷酸多态性标记，单身的核苷酸多态性，
在哪里出色地有任何一个...
这数字这里表示
这数字的这主要的等位基因那我们有在这数据。
零会是这小A，小A，
如果你是熟悉的和这老的遗传学符号。
这两两会是这大的阿，大A。
这那些会是全部这杂合子。
所以 4,500的这些标记。
这基本的目标在这结尾，通常...
在事实，那曾是什么这纸那这曾是从曾是关于。
他们是比较一些的这受欢迎的预测性的方法。
但前我们得到到预言，
有A很多的真的好的事物那你想到做
只是到制作当然这数据是作为预期的，
和还到学习和发现结构和其他有趣的特征。
让我们潜水在和看我们能做什么与一个典型的工作流程这里在JMP 专业版。
我会通常只是喜欢到看在这数据在JMP。
我们能使用只是基本的平台。
为了例子，这里，让我带来向上这多-区域平台
和只是查看出去基本的地块的这数据反对一其他。
你能看，为了例子，这里，根号和根麻木
是相当高度相关的和每个其他。
其他的，不是所以很多。
你能做分布。
为了例如，w e能做它这里和这分配平台。
这些特质有实际上已经到过居中，我思考。
我相信全部的他们有A意思是的大约零。
他们已经消失了通过A小的少量的预处理
那我们惯于去进入今天。
这就是方式他们来了从这纸。
我们的基本的目标是到使用这遗传的信息到预测这些特征。
他们代表各种各样的特征的这火炬手树。
为了例子， C WAC，
我相信那是加冕的和穿过这植物床上用品。
它是A措施的这树尺寸。
我们已经得到其他测量的密度和特征的这根, ETC。
全部重要的事物到知道关于和什么时候学习这些树。
让我走你通过什么我们可能考虑A A基本的工作流程
一次你有你的数据放向上喜欢这。
现在，前正在做不过，
我做想到提到也那我们有放在A公平的少量的工作
到帮助和帮助和输入这样的数据。
这特别的数据来了作为只是标准逗号分开价值文件，
所以不大的交易到进口它。
但经常，遗传的数据喜欢这来在所谓的VCF文件。
我们现在有新的惯例到是有能力的到进口那些直接地，
作为出色地作为进口文件从这受欢迎的数据库，
和然后A很少其他格式，伊达特和什么有你。
试到制作它真的简单的到得到你的数据进入JMP。
如你所知，一次你已经得到你的数据放向上在A联合管理计划桌子，
有只是全部种类的伟大的事物你能做。
许多的这事物那你听到关于...
给你一些更多的想法，
作为出色地作为一些新的事物那我们已经放进入地方。
到开始出去，我们已经得到A品牌新的夫妻的平台
在下面这分析菜单这里在这底部。
遗传学。 分析，遗传学。
我们已经得到标记统计数据和标记模拟。
让我们跑步这第一，标记统计数据。
这是只是A基本的平台为了看着在特征的A放的标记。
你能看这里，我是加载中。
我们已经得到4,853单核苷酸多态性有组织的在A团体这里在这联合管理计划桌子。
我只是移动他们超过进入这标记。
如果其他一切是好的，我们就点击好的。
它运行相当迅速地。
什么这基本上做是它需要每个标记
和计算A种类的标准统计遗传的统计数据
那你能看穿过这里和看什么是去在。
A钥匙事物到查看为了A所谓的哈代-温伯格平衡。
你能做A统计测试的那和得到p-价值观从它，
和甚至阴谋这些沿着在A图形喜欢这。
在这是轴，我们实际上使用这日志10 p 值，
哪个我们还称呼这日志值得。
到去一次步更远，你能制作A错误的发现速度调整
到避免这多种的测试问题。
你能看这里，我们已经实际上绘制的两个都：
这生的p 值，这生的日志值得，作为出色地作为他们的罗斯福调整过的p 值。
他们趋向到是相当相似的，尤其为了这大的那些。
这些标记向上这里是那些那会是出去的平衡，
非常可能到期的到这克隆的这树。
这些将是标记那可能趋向到漂移或者稳定
超过时间和未来十字架。
这将是很好的到查看这些出去
和制作当然这分布的这等位基因是作为预期的。
电弧放电全部这方式后退到格雷戈尔孟德尔天，
事物那我们学到了关于如何等位基因像这样应该表现。
那是A好的地方到开始，只是到得到一个主意为了这标记。
让我们移动下一个和做一些图案发现。
这里，有一些好的事物我们能尝试。
A非常基本的一那是还到过受欢迎的为了几十年和基因表达数据
是只是到做等级制度聚类。
再次，我是只是去到放这单核苷酸多态性在这里。
你通常将要想到使用一的这些快点方法。
让我们使用快速地病房。
我们做有一些丢失的价值观，所以让我们做插补。
出色地去先和将其聚类二方法。
让我们点击好的这里。
我是去到前进。 我在跑一切居住今天。
A很少的这些事物将要拿秒到跑步。
A分析我有得到那实际上将要拿A很少分钟
那我惯于跑步居住只是为了清酒的时间。
但你能看这里，这规模的数据，
联合管理计划专业版可以处理相当容易。
这一，你能看那这进步酒吧这里
将要拿大概30秒到A分钟到结束。
但不是也坏的为了A中等的-大小数据放喜欢这。
再次，是聚类大约926行和4,800列。
但前实际上这表现增强功能，
这分析类型会拿一些分钟。
在许多案例，我们已经到过有能力的到达到的订单震级速度向上。
我是有能力的，基本上，到使能够你到做分析喜欢这关闭到真实的时间。
A小的少量的等待可能是必需的作为这里，但在一般的，
好漂亮啊好的到是有能力的到迅速地得到答案到相当难的问题。
为了例子，这里，是试到看
如何其他行的我们的数据簇和每个其他。
现在这里， A非常有趣的事物发生。
你能看我有得到着色剂那我做过到这数据。
我有色这母亲和父亲，或母亲的和父系的等位基因。
如果我们看在这多变的这里，有大约71独特的水平。
和然后之内每个叉，有向上到17 号或者20个人。
这数据有非常好的，紧的集群。
这聚类算法实际上成立那些。
你可以看这颜色表明这染色。
这颜色主题是A少量刺耳的。
让我们移动它变黑和白色的。
我们能看这结构A小的更多的干净地。
这里，我们能看这地区的白色的
或者在哪里我们已经得到一些的那些次要的等位基因开始到簇
和识别这钥匙地方在这基因组
那区分这些独特的十字架。
这是A好的阴谋只是到得到一个全面的感觉为了这各种各样的线
和如何他们比较和一其他。
但这主要的课是这些紧的集群
那是映射向上确切地喜欢我们会预计和这最初的十字架,
基本上喜欢非常关闭兄弟姐妹到一其他
比较的到表兄弟姐妹,或者第二表兄弟姐妹,三代堂兄弟姐妹， ETC 。
现在，其他方式到去关于这
会是更多的的A方面减少类型方法。
这里，这数字一分析是主要的成分。
让我们尝试那在我们的脚步和看什么那揭示。
这里，让我们只是使用这默认值。
对不起，实际上，我通缉到展示离开...
有A品牌新的方法为了宽的数据那是被称为快速地近似。
它是A好的添加在软件。
它实际上使用，如果你是熟悉的和这方法
被称为A随机化奇异值分解方法。
你能看一点信息。
让我们看什么是在这日志。
它转身出去这曾是实际上一案件
在哪里一个错误信息曾是相当有利。
这软件实际上表明的哪个标记...
那里是一些标记，他们是非数字的或者持续的。
它转身出去那A少数的这些标记在这桌子是持续的。
这会是A案件在哪里我们可以去后退和实际上干净的那些出去，
自从他们是不是真的贡献很多到这分析，他们是只是持续的。
但这主成分分析平台成立他们作为A副产品。
但如果你看在这分数，前两个主要的成分，
我们再次有这好的聚类的家庭。
作为通常和杰普,
全部这些地块是交互的和连接的到一其他。
我们能，为了例子，点击在一的这分支机构的这树超过这里，
和它将要强调那簇在这主成分分析。
我们能地图这些二图表到一其他。
在事实，出色地，让我们做那。 我们能添加A第三个。
这是其他品牌新的平台那是只是未来出去在联合管理计划17、
被称为多变量嵌入。
这里，是去到计算这受欢迎的t-SNE算法，
哪个站立为了时间多变量嵌入。
这有实际上到过相当受欢迎的在这机器学习世界，
和它有滴下来的它是方式进入这基因组学场地，
尤其和单身的-细胞核糖核酸。
它做A小的少量不同的维度的投影比主成分分析。
它尝试到确认当地的结构，
然而主成分分析是看着为了方面的最大的变化性穿过全部标记。
T-SNE 的试到寻找紧的当地的集群。
它是实际上完美的对于此类数据，
只是到揭示这些家庭。
你能看这好的小的团体的簇,和或许更多的重要的，
哪个集群他们自己是靠近每个其他。
你能拿A图片这里。
种类的看起来喜欢A蝴蝶，某物t-SNE 将经常有。
ID鼓励你到尝试它在你的数据一次你得到你的手在联合管理计划17.0。
那是揭示一些好的结构在这数据。
让我们移动在现在到A添加一些更多的统计上——导向的造型。
为了它，这基本的事物到通常开始出去和
是什么我们会称呼A基因组-宽a联想学习，
在哪里w会基本上拿我们的特征，或者我们的特质，在这案件，
和屏幕他们反对全部这标记。
这主力平台这里是回复筛选。
我是去到分析，筛选、回复筛选。
我们已经完毕相当A少量的工作在这谢谢特别是对约翰扫罗,
谁有实施的一些好的表现改进。
什么这做是基本上A大的是经过X分析。
我是去到移动我们的六目标或回应进入这是场地，
我们的单核苷酸多态性进入X。
和然后全部你做是打去。
什么这将要做...
我思考我们做插补。
我思考它可能做那自动地。 让我们看。
是的。
这一运行闪电快速地。
我基本上只是做过六次4,800快的回归和绘制的全部。
这是A阴谋的全部这p 值在一次。
再次，聚焦在错误的发现速度。
它是得到到是非常小心关于过度捕捞数据喜欢这。
你想到制作当然任何带领那你追赶是重要的，
甚至后A错误的发现调整。
这里，我们看现在那这冠宽特征
是这一那是爆裂出去和这最多命中。
然后有一为了鲁斯特宾。
这些是已排序经过意义，和然后一些的这其他特质开始到流行音乐在。
但清楚地，它看起来喜欢我们已经得到这最多遗传的行动
和这冠宽特征。
现在，到去A小的更远和阐明这事物我们能做。
这是非常联合管理计划亲喜欢。
让我们节省这桌子出去的p 值。
我们已经得到一切现在在A新的联合管理计划桌子，
哪个是有效地全部这结果，和他们是很好地有色为了我们。
只是想到浏览这桌子。
但我是去到去先和使用图B乌尔德现在。
让我们制作一些火山地块经过手。
为了这些，我们w蚂蚁到放这坡在X-轴，
和然后这日志值得在这Y。
让我们去先。
出色地制作A分离一为了每个的我们的特征。
我是拖拽那到这裹。
你能看这里，这是这之类的事情那联合管理计划是真的有趣的在。
我经常将要寻找异常值的数据。
这是一那是方式出去这里。
我们已经得到A坡估计的几乎消极的2,000。
它轮流出去那这多变的是几乎持续的。
这回归只是打击向上和一个几乎几乎垂直的，
或者几乎消极的，高度消极的坡。
它轮流出去这是更多的的一个异常比一个实际的重要的打。
它会实际上制作感觉只是到忽略它。
但它是实际上好的到寻找那它是在这桌子
和是有能力的到确认它。
这是这之类的事情那联合管理计划是经常真的好的在，
发现诡异的模式。
但到磨练在在这钥匙结果，让我们去先和狭窄的我们的轴向下。
我只是打这轴按钮，和是去到只是飞涨在。
让我们去减10 到 10。
你能看这里，你得到这特征V形状，
在哪里再次，是绘图这坡的这回归
相对它是消极的日志p 值。
对于 CWAC 来说，我们实际上得到，
再次，作为我们预期的前，更多的点击数比任何地方别的。
A束的标记为了积极的和消极的坡，
哪个会表明A添加剂遗传的关系
去一方式到这其他。
为了这其他特质，这些是还V形状，
和许多的他们是只是真的A很多较少的重要的
和经常平方乌希德在和一其他。
这坡还依靠在这规模的这测量。
或许是不是相当作为有意义的如果我们放全部这些在这相同的精确的规模。
但我只是通缉到展示这为了插图，
作为A方式到比较一切边经过边。
这就是 GWAS。
移动向前，让我们得到到大概什么我们的主要的客观的会是，
哪个会是到预测这些特质作为A功能的这标记。
这里，我们做有使用权到全部这伟大的预测性的造型平台
那是在JMP。
一些的这些，你有到是A小的小心到使用。
和丢失的数据，你可能需要到做这归因第一的。
一些可能变得相当慢的给定这尺寸的这问题。
为了今天，我只是想到展示大概我的最喜欢的一，
哪个是XG促进，使用这XGB奥斯特平台。
这是A案件在哪里我实际上跑这预先，
因为，和它是到跑步.. 。
但我我负载的全部六特质进入XGB奥斯特和做过十-折叠成本验证。
我自动地左边出去每个的这十褶皱。
这里，你能看这结果的那跑步，
在哪里我们已经得到这坚硬的线这里在这些图表，
是这验证曲线超过这迭代
和这点缀的线的这训练。
你能看和这些宽的问题，有A严重风险的过度拟合，
尤其和A强大的方法喜欢XG促进。
你有到是非常小心。
正如你能看，其实我[听不清 00:32:18]参数。
我可以调整他们向下为了一，和你能看这其他参数这里。
之内每个模型合身，我们已经得到两个都这训练，
观察到的相对预料到的，和这验证。
你能看这里为了C WAC我们得到A相关性的大约0.43。
相关性是A典型的措施用过的到评估表现。
这是竞争的和什么曾是发表在这纸前，
没有几乎不很多调音在全部。
但然后有A很多的其他有趣的事物你能潜水进入，
这最多重要的特征， ETC。
我们甚至得到一些新的事物为了实例，一事物被称为沙普利价值观
那ID鼓励你到查看出去。
有去到是其他讲话在这话题经过彼得赫希，
弗洛里安劳拉兰开斯特和我自己在那这里在这会议，
我会鼓励你到查看那出去。
它是A方式到休息向下预测进入他们的成分。
那得到其他等级你能去进入和预测。
那是只是一例子的一些好的预测性的造型你能做。
到裹向上这演示，我通缉到返回后退
在哪里我们开始了这里在这遗传学菜单。
我们已经得到A标记， A品牌新的标记模拟平台。
这是一些漂亮的先进的遗传的造型
携带的出去经过我们的内部的专家，卢西亚诺席尔瓦.
什么这做是它实际上将要做虚拟的穿越经过这基因型。
这主意是你加载这标记在。
这真的有趣的事物是你能放A预测器公式这里。
为了例子，我节省这预测器公式从这XGBoost模型的CWAC。
什么这将要做是两个都模拟这十字架
和预测他们的表现。
这是什么现代的虚拟的配种做。
你能实际上几乎叉不同的火炬手松树树
和预测什么将要发生和他们
没有拥有到等待10、 20、 30年到生长他们在这场地。
极其强大的，有趣的方法那彻底改变了这方式
现代的配种是完毕，和为什么所谓的基因组选择，
或者预测性的造型和遗传的标记是所以受欢迎的。
患病的去先和得出结论那里。
我希望那磨砺的你的食欲
和一些的这新的事物我们已经得到去。
A很多的这事物我显示今天会还工作和基因表达数据，
虽然那是A小的少量不同的球赛
在条款的什么你是试到做。
但为了清酒的时间，我想法它会是好的只是到看在这一例子
和潜水有些深的。
感谢你非常很多为了你的注意力。
让我们知道如果你已经得到问题作为你有他们。
是真的e兴奋的关于这新的事物未来在联合管理计划17 号亲。
我们已经得到A很多更多的事物未来在这作品。
感谢非常喜欢你。
我们认出那很多的人们那来到发现，
这可能不是是他们的区域的专业知识。
但是你可能知道某人谁是正在做这工作，
和我们会爱到得到他们连接的和什么是正在做这里在联合管理计划亲，
因为我们是去到继续到投资在添加能力
和改善这软件所以它能做工作喜欢这更好的和更好的
到见面这需要的科学家们穿过这生活科学
和这行业。
谢谢为了倾听在。
