你好，這是山姆加德納和JMP。
我是A產品主管在JMP。
是這裡到演講今天關於介紹JMP專業版為了基因組學，
推動這邊界的JMP專業版到使能夠數據科學在這桌面。
我是一的這主持人。
患病的是正在做這介紹到這話題。
我是S進階產品主管為了健康和生活科學
在裡面產品管理團隊在JMP。
我們的共同主持人今天是拉斯沃爾芬格,
誰是A傑出的研究院士
和我們的導演的科學的發現和基因組學在JMP。
出色地演講A小的位元關於這背景
的遺傳學和基因組學，功能性的基因組學，
和然後演講關於什麼是正在做到過渡從我們的以前的產品，
聯合管理計劃基因組學，到使用聯合管理計劃專業版為了基因組學。
拉斯將要證明一些的這新的能力在這產品。
A小的位元關於古典遺傳學。
這是在哪裡A很多的這得到開始了。
人們有到過正在做古典遺傳學為了A長的時間。
他們已經到過配種植物和動物
到得到想要的特質為了那些植物和動物。
他們已經見過那他們能做那到得到，更強動物，更好的植物，
植物有想要的特性和所以在。
你大概研究過A長的時間前，什麼時候你是年輕的在學校，
關於格雷戈爾孟德爾，這僧，世界衛生組織花費許多年學習花園豌豆。
他實際上測量的七清楚的特徵的這些豌豆-
他們的高度，他們的莢形狀和顏色，種子形狀和顏色，
花位置和顏色-
和觀察到的那作為這些豌豆是雜交的和每個其他，
那這特質是通過了在
從這家長植物到這後代植物
下列的一些相當具體的數學的比率
誰做了它機率上可能的
到製作預測關於什麼這後代會看喜歡
基於在這特質的家長。
他的和之後工作已確立的這原則的遺傳的遺產。
什麼是基因組學？
基因組學是更多的比只是古典遺傳學。
基因組學用途A組合的脫氧核糖核酸測量方法
和重組的脫氧核糖核酸方法
到順序和集合和分析這結構和功能的基因組。
它不同從古典遺傳學在那裡面它看起來
在這有機體的滿的補充的遺傳的或者遺傳材料。
它焦點在這互動之間這基因座或者這地點
的不同的基因在這基因組，
和這等位基因，這變化在這基因在這基因組，
所以那你能理解事物喜歡上位性,多效性雜種優勢,
哪個是事物喜歡，好的，一基因影響許多事物。
那是多效性。
上位性是那有時，
一基因影響這輸出或者這影響的其他基因。
雜種優勢是有時你得到協同的效果經過結合這基因
從二不同的父母或者二不同的有機體。
這全部依靠之上這使用的這中央教條的基因組學。
那教條是那脫氧核糖核酸，哪個是這程式碼為了我們的生物系統，
是轉錄的進入核糖核酸,
哪個是這程式碼那是用過的到製作事物
和製作蛋白質在這身體.
這蛋白質是這小的化學引擎
那做事物裡面這身體和給它它是功能。
從那，你能實際上然後措施事物喜歡代謝物，
什麼實際上發生，什麼做那些蛋白質實際上做
裡面這細胞和裡面這身體.
這小路是脫氧核糖核酸創造核糖核酸創造蛋白質，
和這蛋白質調節如何事物功能在這身體,
和那產生代謝物。
數據是真的使能A基因組學革命。
現代的測量技巧是真的幫助我們理解
這結構和功能的這基因組
和如何它作品裡面這細胞在生物系統。
我們能順序這現在基因組。
我們已經得到下一個-世代測序。
許多年前，什麼時候聯合管理計劃第一次搬家進入這區域，
幫助客戶能夠到分析這類型的數據，
這方式到措施它曾是微波爐，
哪個曾是很多更多的專注的在非常具體的部分的這基因組，
和很多時候A非常有限的放的基因在這基因組。
現在，你能順序這所有的基因組的一個生物。
也,你能看在事物喜歡表達和規定。
是說關於這代謝物。
什麼是個輸出進入這生物系統那你能措施？
你能看在如何這蛋白質是產生的
或者什麼那些蛋白質是正在做。
你能也看在如何這結構的這脫氧核糖核酸本身，
什麼是被稱為表觀遺傳學，
影響這功能如何脫氧核糖核酸作品和如何這基因工作裡面這身體.
那裡是通常三主要的階段的分析那發生
什麼時候你是正在做這類型的工作。
一是你只是產生這生的數據。
你做這定序工作，產生這基因組-定序數據，
或者措施這代謝物或者這蛋白質表達
或者這核糖核酸表達。
和然後那產生漂亮的大的數據套
那有到是過濾和脫除多路復用
和修剪過的和得分和清潔過的向上。
這是通常處理過在A自動化的或者半自動化的工作流程
在電腦系統那能過程非常大的數據文件。
然後它通常去進入A第二階段在哪裡你開始到做順序結盟
和基本上牙髓保護層事物向上，和存在有能力的到做事物喜歡很重要。
如何許多次做過我看這表達
的A特別的核糖核酸分段或者核糖核酸順序？
或者如何許多次做過我看A特別的蛋白質？
或者全部這生的數據，如何做它線向上到實際上製作A圖片
的什麼這結構的這所有的基因組是？
那是A漂亮的大的數學的計算性的過程。
那通常也得到完畢在漂亮的大的計算性的系統
和A很多的計算性的資源。
和然後這第三階段，
哪個是這階段在哪裡聯合管理計劃真的有玩過在，
和其中 JMP專業版將要繼續到玩在，
是這決定基因型協會和基因型到表型關係。
A表型是只是A特徵的生物體，
這關係之間這基因和這特徵。
和也看著在相關性和協會
的這不同的遺傳的標記裡面這基因組，
或者這變異數的這遺傳的標記。
很多時候，你什麼想要做是你想到表徵那些
和然後關聯他們到身體的，生物，
或者或許疾病狀態特徵。
全部的這能實際上是完畢和桌面軟體.
聯合管理計劃專業版是我們的解決方案到做那去向前在這未來。
我們已經有A產品被稱為聯合管理計劃基因組學為了14年，向上直到這年，
那我們是提供這顧客。
它曾是A組合產品的聯合管理計劃和SAS。
SAS 是真的需要的後退早期的什麼時候我們首先放這出去
到做A很多的這數據加工，
因為這尺寸和這類型的數據我們看起來在
曾是非常難的到做和A桌面軟體包裹喜歡JMP。
SAS 做到了這數據加工，一些的這統計方法，
但聯合管理計劃曾是用過的為了更遠統計分析
和視覺化這結果的那些分析。
聯合管理計劃基因組學有到過用於研究和產業
為了A寬的種類的基因組學問題為了許多年。
但我們製成A策略決定這年
到中止賣產品那包含SAS 與他們。
那是部分的這決定那曾是製成為了聯合管理計劃到變得一個獨立的公司。
是A全資擁有子公司的SAS現在，
和是移動向下那路的獨立。
我們是不是去到是賣任何事物但聯合管理計劃產品去向前。
因為的那，我們有看起來現在
到移動這功能為了基因組數據分析進入聯合管理計劃親。
在聯合管理計劃專業版17、哪個將要是可用的這落下在2022年，
有到過和將要是最佳化為了大的和寬的數據問題。
它是去到有能力到見面這需要
的基因組數據科學和基因組數據科學家們。
它是去到利用這力量
的JMP Pro 的預測性的分析和互動的視覺化
到幫助使能夠發現在這區域的工作。
一些的這增強功能那我們已經製成到推這邊界的聯合管理計劃專業版
包括只是去除障礙和瓶頸在這軟體.
它是一事物到做分析在十或者數百或者甚至數千
的列在A數據桌子。
但什麼時候你有A數據桌子
哪個或許有許多數千或者數百的數千的列，
你開始到揭示限制有時在你的軟體.
經過正在做這工作，我們已經裸露地方
在哪裡我們只是需要到精簡如何營運發生裡面這程式.
我們已經完畢那。
一個例子會是如果我通緝到做A轉型
在數百的數千的列，我們已經顯著地改進的那過程。
它發生了很多快點在這數據表。
也存在有能力的到做非常快速地和高效率的多變數分析方法
喜歡主要的成分分析和聚類,
什麼時候你有這些真的寬的基因組數據表。
和然後存在有能力的到做楷模超過和超過再次
在數千和數千的回覆列，
和到做那有效率的和有效地。
這第二目標那我們有在這過渡
是那帶來在一些能力在這聯合管理計劃專業版
那是非常具體的為了遺傳的和基因組分析。
為了實例，存在有能力的到進口不同的格式
那是通常用過的在這區域。
也,存在有能力的到做遺傳的標記分析和模擬，
作為出色地作為帶來在一些較新的受歡迎的數據減少方法
這樣的作為t-SNE和統一地圖。
全面的，什麼是得到到是A產品那是去到是傾斜。
它安裝非常迅速地。
你能使用它在你的桌面，
但你能使用它到做這非常強大的分析
在這些大的，複雜的，寬的數據表。
到闡明那，我是去到轉動它超過到拉斯.
拉斯是去到展示我們實際上如何你能做一些實際的分析
和一些真實的學習分析這裡在一些基因組和遺傳的數據。
出色地，感謝你，薩姆.
它是A真實的令人興奮的時間為了我們。
我知道我有實際上到過和這基因組學分析革命
之內SAS為了超過20年現在。
我們實際上[聽不清楚 00:11:46]在這早期的2000年代被稱為科學的解決方案，
在哪裡我們是開始到看在一些的這早期的微大批數據。
它是到過A真的樂趣20年。
現在，我會說，幾乎一的這最多令人興奮的次曾經為了我們，
在哪裡是現在有能力的到程式碼一些的這些慣例
直接地在聯合管理計劃親使用C++。
A很多的他們是跑步很多快點比我們有
在這以前的聯合管理計劃基因組學產品。
我想到給你A小f勞沃的那今天和一個例子。
這是A數據放在火炬松,
哪個為了那些的你從這東南
可能知道它作為大概一的這最多受歡迎的種的松樹。
通常，如果你去進入家得寶或勞氏
和買一些二-經過-四足或者膠合板,它是去到是製成的我奧布洛利。
什麼時候你飛進入這區域，你碰巧看到A很多的樹覆蓋。
許多的那些， ID說A好的區塊的那些樹木，
尤其向這東部分的北卡羅萊納州,是洛布爾奧利斯。
它是A非常重要的物種，一那我們真的想到理解出色地。
它是到過研究過非常徹底地，和甚至更多的所以現在
那我們已經得到一些仰臥起坐去在和家大樓和什麼有你，
它是批判的到理解它裡面和出去。
基因組科技是極佳的
為了揭示一些事物那我們只是絕不知道前。
這數據是實際上仍然10年老的。
它曾是從A紙在這雜誌的遺傳學經過雷森德等等人。
這是A團體的研究者從這大學的佛羅裡達
和恩布拉帕在巴西
和大學的愛荷華州，我相信，如果我記起正確。
這是這參考如果你想到看它向上。
這數據是也自由地可用的。
我有得到他們。
我去先和下載的他們從這補充的資訊
和已載入他們進入A聯合管理計劃桌子那你看這裡。
作為山姆曾是提到，格式在 JMP 中專業版
是什麼我們通常喜歡到稱呼A寬的格式，
在哪裡我們已經得到一切在一桌子。
這裡，我們已經得到一些基因型指標數位表明這線
作為出色地作為這母親和父親那這樹來了從。
和然後這具體的數據放那我有得到這裡，
我們已經得到六特質那我們已經測量。
我相信實際上有更多的。
我認為有17、如果你想到看這參考。
我們的鑰匙重點的興趣是這些遺傳的標記。
這數據套小的經過今天的標準。
我們已經僅有的得到4,800。
我說「僅有的4,800"但那就是仍然相當A很少。
作為你能看，我是捲動透過這裡，
他們是全部編碼的作為任何一個零，一，或兩個。
這些是所謂的單核苷酸多態性標記，單身的核苷酸多態性，
在哪裡出色地有任何一個...
這數位這裡表示
這數位的這主要的等位基因那我們有在這數據。
零會是這小A，小A，
如果你是熟悉的和這老的遺傳學符號。
這兩兩會是這大的阿，大A。
這那些會是全部這雜合子。
所以 4,500的這些標記。
這基本的目標在這結尾，通常...
在事實，那曾是什麼這紙那這曾是從曾是關於。
他們是比較一些的這受歡迎的預測性的方法。
但前我們得到到預言，
有A很多的真的好的事物那你想到做
只是到製作當然這數據是作為預期的，
和也到學習和發現結構和其他有趣的特徵。
讓我們潛水在和看我們能做什麼與一個典型的工作流程這裡在JMP 專業版。
我會通常只是喜歡到看在這數據在JMP。
我們能使用只是基本的平台。
為了例子，這裡，讓我帶來向上這多-區域平台
和只是查看出去基本的地塊的這數據反對一其他。
你能看，為了例子，這裡，根號和根麻木
是相當高度相關的和每個其他。
其他的，不是所以很多。
你能做分佈。
為了例如，w e能做它這裡和這分配平台。
這些特質有實際上已經到過居中，我思考。
我相信全部的他們有A意思是的大約零。
他們已經消失了透過A小的位元的預處理
那我們慣於去進入今天。
這就是方式他們來了從這紙。
我們的基本的目標是到使用這遺傳的資訊到預測這些特徵。
他們代表各種各樣的特徵的這火炬手樹。
為了例子， C WAC，
我相信那是加冕的和穿過這植物床上用品。
它是A措施的這樹尺寸。
我們已經得到其他測量的密度和特徵的這根, ETC。
全部重要的事物到知道關於和什麼時候學習這些樹。
讓我走你透過什麼我們可能考慮A A基本的工作流程
一次你有你的數據放向上喜歡這。
現在，前正在做不過，
我做想到提到也那我們有放在A公平的位元的工作
到幫助和幫助和輸入這樣的數據。
這特別的數據來了作為只是標準逗號分開價值文件，
所以不大的交易到進口它。
但經常，遺傳的數據喜歡這來在所謂的VCF文件。
我們現在有新的慣例到是有能力的到進口那些直接地，
作為出色地作為進口文件從這受歡迎的資料庫,
和然後A很少其他格式，伊達特和什麼有你。
試到製作它真的簡單的到得到你的數據進入JMP。
如你所知，一次你已經得到你的數據放向上在A聯合管理計劃桌子，
有只是全部種類的偉大的事物你能做。
許多的這事物那你聽到關於...
給你一些更多的想法，
作為出色地作為一些新的事物那我們已經放進入地方。
到開始出去，我們已經得到A品牌新的夫妻的平台
在下面這分析選單這裡在這底部。
遺傳學。 分析，遺傳學。
我們已經得到標記統計數據和標記模擬。
讓我們跑步這第一，標記統計數據。
這是只是A基本的平台為了看著在特徵的A放的標記。
你能看這裡，我是載入中.
我們已經得到4,853單核苷酸多態性有組織的在A團體這裡在這聯合管理計劃桌子。
我只是移動他們超過進入這標記。
如果其他一切是好的，我們就點選好的。
它運行相當迅速地。
什麼這基本上做是它需要每個標記
和計算A種類的標準統計遺傳的統計數據
那你能看穿過這裡和看什麼是去在。
A鑰匙事物到查看為了A所謂的哈代-溫伯格平衡。
你能做A統計測試的那和得到p-價值觀從它，
和甚至陰謀這些沿著在A圖形喜歡這。
在這是軸，我們實際上使用這紀錄10 p 值，
哪個我們也稱呼這紀錄值得。
到去一次步更遠，你能製作A錯誤的發現速度調整
到避免這多種的測試問題。
你能看這裡，我們已經實際上繪製的兩個都：
這生的p 值，這生的紀錄值得，作為出色地作為他們的羅斯福調整過的p 值。
他們趨向到是相當相似的，尤其為了這大的那些。
這些標記向上這裡是那些那會是出去的平衡，
非常可能到期的到這複製的這樹。
這些將是標記那可能趨向到漂移或者穩定
超過時間和未來十字架。
這將是很好的到查看這些出去
和製作當然這分佈的這等位基因是作為預期的。
電弧放電全部這方式後退到格雷戈爾孟德爾天，
事物那我們學到了關於如何等位基因像這樣應該表現。
那是A好的地方到開始，只是到得到一個主意為了這標記。
讓我們移動下一個和做一些圖案發現。
這裡，有一些好的事物我們能嘗試。
A非常基本的一那是也到過受歡迎的為了幾十年和基因表達數據
是只是到做等級制度聚類。
再次，我是只是去到放這單核苷酸多態性在這裡。
你通常將要想到使用一的這些快點方法。
讓我們使用快速地病房。
我們做有一些遺失的價值觀，所以讓我們做插補。
出色地去先和將其聚類二方法。
讓我們點選好的這裡。
我是去到前進。 我在跑一切居住今天。
A很少的這些事物將要拿秒到跑步。
A分析我有得到那實際上將要拿A很少分分鐘
那我慣於跑步居住只是為了清酒的時間。
但你能看這裡，這規模的數據，
聯合管理計劃專業版可以處理相當容易。
這一，你能看那這進步酒吧這裡
將要拿大概30秒到A分分鐘到結束。
但不是也壞的為了A中等的-大小數據放喜歡這。
再次，是聚類大約926列和4,800列。
但前實際上這表現增強功能，
這分析類型會拿一些分鐘。
在許多案例，我們已經到過有能力的到達到的訂單規模速度向上。
我是有能力的，基本上，到使能夠你到做分析喜歡這關閉到真實的時間。
A小的位元的等待可能是必需的作為這裡，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當難的問題。
為了例子，這裡，是試到看
如何其他列的我們的數據簇和每個其他。
現在這裡， A非常有趣的事物發生。
你能看我有得到著色劑那我做過到這數據。
我有色這母親和父親，或母親的和父系的等位基因。
如果我們看在這多變的這裡，有大約71獨特的水平。
和然後之內每個叉，有向上到17 號或者20個人。
這數據有非常好的，緊的集群。
這聚類演算法實際上成立那些。
你可以看這顏色表明這染色。
這顏色主題是A位元刺耳的。
讓我們移動它變黑和白色的。
我們能看這結構A小的更多的乾淨地。
這裡，我們能看這地區的白色的
或者在哪裡我們已經得到一些的那些次要的等位基因開始到簇
和識別這鑰匙地方在這基因組
那區分這些獨特的十字架。
這是A好的陰謀只是到得到一個全面的感覺為了這各種各樣的線
和如何他們比較和一其他。
但這主要的課是這些緊的叢集
那是對應向上確切地喜歡我們會預計和這最初的十字架,
基本上喜歡非常關閉兄弟姊妹到一其他
比較的到表兄弟姊妹,或者第二表兄弟姊妹,三代堂兄弟姐妹， ETC 。
現在，其他方式到去關於這
會是更多的的A方面減少類型方法。
這裡，這數位一分析是主要的成分。
讓我們嘗試那在我們的腳步和看什麼那揭示。
這裡，讓我們只是使用這預設值.
對不起，實際上，我通緝到展示離開...
有A品牌新的方法為了寬的數據那是被稱為快速地近似。
它是A好的添加在軟體.
它實際上使用，如果你是熟悉的和這方法
被稱為A隨機化奇異值分解方法。
你能看一點訊息.
讓我們看什麼是在這紀錄.
它轉身出去這曾是實際上一案件
在哪裡一個錯誤訊息曾是相當有利。
這軟體實際上表明的哪個標記...
那裡是一些標記，他們是非數位的或者持續的。
它轉身出去那A少數的這些標記在這桌子是持續的。
這會是A案件在哪裡我們可以去後退和實際上乾淨的那些出去，
自從他們是不是真的貢獻很多到這分析，他們是只是持續的。
但這主成分分析平台成立他們作為A副產品。
但如果你看在這分數，前兩個主要的成分，
我們再次有這好的聚類的家庭。
作為通常和傑普,
全部這些地塊是互動的和連接的到一其他。
我們能，為了例子，點選在一的這分公司的這樹超過這裡，
和它將要強調那簇在這主成分分析。
我們能地圖這些二圖表到一其他。
在事實，出色地，讓我們做那。 我們能添加A第三個。
這是其他品牌新的平台那是只是未來出去在聯合管理計劃17、
被稱為多變數嵌入。
這裡，是去到計算這受歡迎的t-SNE演算法,
哪個站立為了時間多變數嵌入。
這有實際上到過相當受歡迎的在這機器學習世界，
和它有滴下來的它是方式進入這基因組學場地，
尤其和單身的-細胞核糖核酸。
它做A小的位元不同的維度的投影比主成分分析。
它嘗試到確認當地的結構，
然而主成分分析是看著為了方面的最大的變化性穿過全部標記。
T-SNE 的試到尋找緊的當地的集群。
它是實際上完美的對於此類數據，
只是到揭示這些家庭。
你能看這好的小的團體的簇,和或許更多的重要的，
哪個叢集他們自己是靠近每個其他。
你能拿A圖片這裡。
種類的看起來喜歡A蝴蝶，某物t-SNE 將常有。
ID鼓勵你到嘗試它在你的數據一次你得到你的手在聯合管理計劃17.0。
那是揭示一些好的結構在這數據。
讓我們移動在現在到A添加一些更多的統計上——導向的造型。
為了它，這基本的事物到通常開始出去和
是什麼我們會稱呼A基因組-寬a聯想學習，
在哪裡w會基本上拿我們的特徵，或者我們的特質，在這案件，
和螢幕他們反對全部這標記。
這主力平台這裡是回覆篩選。
我是去到分析，篩選、回覆篩選。
我們已經完畢相當A位元的工作在這謝謝特別是對約翰掃羅,
誰有實施的一些好的表現改進。
什麼這做是基本上A大的是經過X分析。
我是去到移動我們的六目標或回應進入這是場地，
我們的單核苷酸多態性進入X。
和然後全部你做是打去。
什麼這將要做...
我思考我們做插補。
我思考它可能做那自動地。 讓我們看。
是的。
這一運行閃電快速地。
我基本上只是做過六次4,800快的回歸和繪製的全部。
這是A陰謀的全部這p 值在一次。
再次，聚焦在錯誤的發現速度。
它是得到到是非常小心關於過度捕撈數據喜歡這。
你想到製作當然任何帶領那你追趕是重要的，
甚至後A錯誤的發現調整。
這裡，我們看現在那這冠寬特徵
是這一那是爆裂出去和這最多命中。
然後有一為了魯斯特賓。
這些是已排序經過意義，和然後一些的這其他特質開始到流行音樂在。
但清楚地，它看起來喜歡我們已經得到這最多遺傳的行動
和這冠寬特徵。
現在，到去A小的更遠和闡明這事物我們能做。
這是非常聯合管理計劃親喜歡。
讓我們節省這桌子出去的p 值。
我們已經得到一切現在在A新的聯合管理計劃桌子，
哪個是有效地全部這結果，和他們是很好地有色為了我們。
只是想到瀏覽這桌子。
但我是去到去先和使用圖B烏爾德現在。
讓我們製作一些火山地塊經過手。
為了這些，我們w螞蟻到放這坡在X-軸，
和然後這紀錄值得在這Y。
讓我們去先。
出色地製作A分離一為了每個的我們的特徵。
我是拖曳那到這裹。
你能看這裡，這是這之類的事情那聯合管理計劃是真的有趣的在。
我常將要尋找異常值的數據。
這是一那是方式出去這裡。
我們已經得到A坡估計的幾乎消極的2,000。
它輪流出去那這多變的是幾乎持續的。
這回歸只是打擊向上和一個幾乎幾乎垂直的，
或者幾乎消極的，高度消極的坡。
它輪流出去這是更多的的一個例外比一個實際的重要的打。
它會實際上製作感覺只是到忽略它。
但它是實際上好的到尋找那它是在這桌子
和是有能力的到確認它。
這是這之類的事情那聯合管理計劃是常真的好的在，
發現詭異的模式。
但到磨練在在這鑰匙結果，讓我們去先和狹窄的我們的軸向下。
我只是打這軸按鈕，和是去到只是飛漲在。
讓我們去減10 到 10。
你能看這裡，你得到這特徵V形狀，
在哪裡再次，是繪圖這坡的這回歸
相對它是消極的紀錄p 值。
對 CWAC 來說，我們實際上得到，
再次，作為我們預期的前，更多的點擊數比任何地方別的。
A束的標記為了積極的和消極的坡，
哪個會表明A添加劑遺傳的關係
去一方式到這其他。
為了這其他特質，這些是也V形狀，
和許多的他們是只是真的A很多較少的重要的
和經常平方烏希德在和一其他。
這坡也依靠在這規模的這測量。
或許是不是相當作為有意義的如果我們放全部這些在這相同的精確的規模。
但我只是通緝到展示這為了插圖，
作為A方式到比較一切邊經過邊。
這就是 GWAS。
移動向前，讓我們得到到大概什麼我們的主要的客觀的會是，
哪個會是到預測這些特質作為A功能的這標記。
這裡，我們做有使用權到全部這偉大的預測性的造型平台
那是在JMP。
一些的這些，你有到是A小的小心到使用。
和遺失的數據，你可能需要到做這歸因第一的。
一些可能變得相當慢的給定這尺寸的這問題。
為了今天，我只是想到展示大概我的最喜歡的一，
哪個是XG促進，使用這XGB奧斯特平台。
這是A案件在哪裡我實際上跑這預先，
因為，和它是到跑步.. 。
但我我負載的全部六特質進入XGB奧斯特和做過十-折疊成本驗證。
我自動地左邊出去每個的這十褶皺。
這裡，你能看這結果的那跑步，
在哪裡我們已經得到這堅硬的線這裡在這些圖表，
是這驗證曲線超過這迭代
和這點綴的線的這訓練。
你能看和這些寬的問題，有A劇烈風險的過度擬合，
尤其和A強大的方法喜歡XG促進。
你有到是非常小心。
正如你能看，其實我[聽不清楚 00:32:18]參數。
我可以調整他們向下為了一，和你能看這其他參數這裡。
之內每個模型合身，我們已經得到兩個都這訓練，
觀察到的相對預料到的，和這驗證。
你能看這裡為了C WAC我們得到A相關性的大約0.43。
相關性是A典型的措施用過的到評估表現。
這是競爭的和什麼曾是發表在這紙前，
沒有幾乎不很多調音在全部。
但然後有A很多的其他有趣的事物你能潛水進入，
這最多重要的特徵， ETC。
我們甚至得到一些新的事物為了實例，一事物被稱為沙普利價值觀
那ID鼓勵你到查看出去。
有去到是其他演講在這話題經過彼得赫希，
佛洛里安勞拉蘭開斯特和我自己在那這裡在這會議，
我會鼓勵你到查看那出去。
它是A方式到休息向下預測進入他們的成分。
那得到其他等級你能去進入和預測。
那是只是一例子的一些好的預測性的造型你能做。
到裹向上這演示，我通緝到返回後退
在哪裡我們開始了這裡在這遺傳學菜單。
我們已經得到A標記， A品牌新的標記模擬平台。
這是一些漂亮的先進的遺傳的造型
攜帶的出去經過我們的內部的專家，盧西亞諾席爾瓦.
什麼這做是它實際上將要做虛擬的穿越經過這基因型。
這主意是你載入這標記在。
這真的有趣的事物是你能放A預測器公式這裡。
為了例子，我節省這預測器公式從這XGBoost模型的CWAC。
什麼這將要做是兩個都模擬這十字架
和預測他們的表現。
這是什麼現代的虛擬的配種做。
你能實際上幾乎叉不同的火炬手松樹樹
和預測什麼將要發生和他們
沒有擁有到等待10、 20、 30年到生長他們在這場地。
極為強大的，有趣的方法那徹底改變了這方式
現代的配種是完畢，和為什麼所謂的基因組選擇，
或者預測性的造型和遺傳的標記是所以受歡迎的。
患病的去先和得出結論那裡。
我希望那磨礪的你的食慾
和一些的這新的事物我們已經得到去。
A很多的這事物我顯示今天會也工作和基因表達數據，
雖然那是A小的位元不同的球賽
在條款的什麼你是試到做。
但為了清酒的時間，我想法它會是好的只是到看在這一例子
和潛水有些深的。
感謝你非常很多為了你的注意力。
讓我們知道如果你已經得到問題作為你有他們。
是真的e興奮的關於這新的事物未來在聯合管理計劃17 號親。
我們已經得到A很多更多的事物未來在這作品。
感謝非常喜歡你。
我們認出那很多的人們那來到發現，
這可能不是是他們的區域的專業知識。
但是你可能知道某人誰是正在做這工作，
和我們會愛到得到他們連接的和什麼是正在做這裡在聯合管理計劃親，
因為我們是去到繼續到投資在添加能力
和改善這軟體所以它能做工作喜歡這更好的和更好的
到見面這需要的科學家們穿過這生活科學
和這行業。
謝謝為了傾聽在。
