在这篇博客中，我介绍了 JMP Pro 17 中基因表达数据建模的工作流程。 继续阅读以了解如何应用这些步骤。
模型化
Predictor Screening 平台对于分析大型数据集非常有用，其中对一个样本进行了数百或数千次测量，并且需要创新的方法。 例如，它可用于帮助识别来自患有和未患有疾病的患者的数千个测试样本中的生物标志物，以预测病情。 它还可用于在进行任何类型的进一步分析之前快速筛选重要的生物标志物，例如用于降低模型复杂性和提高预测模型准确性的建模。
由于 Predictor Screening 平台使用与 Response Screening 不同的方法，它通过使用 bootstrap 森林模型来筛选响应的潜在预测变量，从而找到驱动数据发生巨大变化的变量。
在这里我们可以看到排名预测因子（生物标志物）贡献的结果：
通常，基因表达谱显示出相似性，这表明存在一些共同调节；它通常有利于减少高度相关的候选人的数量。 这聚类变量平台对预测模型中使用的输入变量的数量进行降维。 它通过查找类似变量的组来减少输入，以便单个变量可以代表每个组。
它在样本聚类中结合了主成分分析 (PCA)聚类变量平台的统计详细信息. PCA 是一种通过揭示哪些变量的行为相似来理解许多变量之间的关系和一些潜在影响的工具。 它还揭示了哪些变量在重要变量中是唯一的。
下面，我从预测筛选中选择了 50 个最重要的变量，并将它们用于聚类变量。
在聚类摘要中，我们只看到 10 个具有最具代表性的变量的唯一变量组。 请注意，聚类的数量可能因一项分析而异，因为从预测筛选中选取的变量可能因一项分析而异。
在此示例中，在集群 1 中，我们可以将 23 个变量放在一起，因为它们的表现相似。 从这一组中，我们只需要查看变量 -15645。 这个单一变量解释了这 23 个变量中发生的第一主成分中 81.3% 的变异。 这个单一变量也解释了 50 个变量中所有变异性的 37.4%。 变量 -15645 与其集群中的变量具有最高的相关性。 总之，聚类变量可以非常快速地分析唯一性，使我们能够进一步识别需要更详细分析的重要变量。
下一步是对我们的基因进行建模，以了解它们的表达水平如何影响反应（组织阶段）。 模型筛选使我们能够自动找到最适合数据的模型。 从建议的模型列表中，我们可以选择我们想要应用的模型。 在我们的例子中，XGBoost 表现最好，RSquare 为 97%。
从 XG Boost 模型中，Prediction Profiler 使我们能够检测基因表达水平将如何影响响应的预测值。 在这里我们可以看到五个基因的表达水平对组织的分化阶段有影响。
就这样，JMP Pro 17 成功地识别出少数生物标志物，这些生物标志物在排卵前卵泡发育的不同组织类型和组织阶段具有不同的表达。
