nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

579089_fr-FR

liliconcom

Webinaire académique JMP : Recherche en génomique avec JMP Pro

Obtenez le logiciel JMP gratuitement pour une utilisation académique àjmp.com/student

JMP Pro 17 a marqué une évolution significative dans la façon dont l'analyse des données génomiques est réalisée dans JMP. De nouvelles plateformes ont été introduites pour l'analyse des marqueurs génétiques et les simulations de sélection, et plusieurs plateformes existantes ont été optimisées pour la gestion de vastes ensembles de données. Contrairement au logiciel spécialisé JMP Genomics, ces nouvelles fonctionnalités sont directement intégrées à JMP Pro et ne nécessitent pas de backend SAS. Ce webinaire explique comment appliquer JMP Pro à la recherche en génomique à travers des études de cas sur l'expression différentielle des gènes et les GWAS.

Modélisation statistique avancée

Objet : Webinaire académique JMP - Recherche en génomique avec JMP Pro

Salut @TimboK1 ,

Merci d'avoir regardé le webinaire. Je ferai de mon mieux pour répondre à vos questions.

Dans mon exemple pour les données sur le bétail, il n'y avait aucune donnée manquante, c'étaient des 0. Je me suis mal exprimé en les qualifiant de manquants comme de vraies valeurs vides. S'il s'agissait de véritables données manquantes, utiliser le modèle de données manquantes sous le menu Tableau ou Analyser>Screening>Explorer les valeurs manquantes serait un meilleur début. Il existe de nombreuses options pour imputer et même regrouper les éléments manquants. Dans votre cas, vous devrez utiliser l'option d'imputation des valeurs manquantes ou recoder les valeurs manquantes à 0 si elles sont vraiment 0 ou non mesurées/présentes. Cela entraînera des différences intéressantes et une confiance dans ces différences. Parfois, les données d'origine sont un 0, puis les méthodes de normalisation qui comportent une étape de transformation de journal entraîneront l'absence de ces valeurs. Dans ces cas, un décalage est généralement utilisé (en ajoutant un 1 avant la transformation), de sorte que la valeur finale transformée est toujours 0 par opposition à une valeur manquante réelle (problème de mesure de l'échantillon).
Oui, je suis d'accord qu'il faut segmenter les groupes dans ces cas-là. Je préfère effectuer la recherche par groupe étant donné que le nombre de manquants ou de 0 peut être disproportionné par rapport à un groupe particulier. Une option par groupe serait bonne à ajouter, mais nécessiterait un peu de codage supplémentaire. Je peux jeter un œil à ce qu'il faudrait pour faire cela en JSL, mais cela me prendra un peu de temps quant à la meilleure approche (et pour mettre une petite option d'interface utilisateur pour une colonne Par groupe).
Pour JMP Pro 17 ou JMP Pro 18 (sorti en mars), cela n'est actuellement pas possible. Je fais quelque chose de similaire à toi. J'enregistre le tableau des différences de moyennes (Triangle rouge dans le dépistage des réponses et je choisis Enregistrer les tables> Enregistrer les différences de moyennes), puis j'utilise le générateur de graphiques avec un filtre de données local. J'utiliserai également Lignes> Sélection de lignes> Sélectionner où pour sélectionner les lignes qui sont inférieures à un seuil de choix et un seuil de différence. Ensuite, j'utilise Lignes> Sélection de lignes> Sélection de nom sur colonne pour créer une ou plusieurs colonnes d'indicateur que je peux utiliser pour concaténer une colonne que je peux utiliser dans l'option de couleur du générateur de graphiques. Une autre option consiste à utiliser une formule de colonne dans laquelle les conditions sont ajoutées et une instruction if. J'aime mieux cette option car il s'agit d'une action unique et enregistrée dans la colonne indiquant ce que je fais.

J'espère que cela pourra aider.

Objet : Webinaire académique JMP - Recherche en génomique avec JMP Pro

Merci pour l'incroyable webinaire Chris ! J'apprécie sincèrement le travail de l'équipe académique de JMP pour fournir des ressources à la communauté universitaire. J'ai utilisé la plateforme et votre flux de travail pour analyser un ensemble de données protéomiques dans JMP17Pro et je me suis posé les questions suivantes :

Vous avez utilisé la plateforme de clustering hiérarchique avec Hybrid Ward comme écran QC et pour explorer les valeurs manquantes. Lorsque j'essaie de faire cela sur mon ensemble de données d'environ 1 000 protéines mitochondriales, je reçois une erreur indiquant qu'il y a trop de valeurs manquantes à regrouper et je suis essentiellement obligé d'imputer des valeurs pour effectuer un regroupement. Pourquoi cette erreur ne s'est-elle pas affichée lorsque vous avez effectué un clustering pour identifier les valeurs manquantes avant de supprimer les colonnes contenant trop de données manquantes ?
J'ai également essayé de modifier le script de votre fichier journal qui supprime les colonnes avec trop de zéros (mes données ont des blancs et non des zéros mais même concept, je pense). J'ai besoin d'un niveau d'évaluation supplémentaire car j'ai 13 lignes d'échantillons de contrôle et 13 lignes d'échantillons expérimentaux dans les données et je souhaite filtrer (ou créer 2 nouveaux regroupements supplémentaires comme vous l'avez fait) pour toutes les colonnes d'une protéine dans lesquelles « Contrôle manquant Trop de valeurs » et « Trop de valeurs manquantes expérimentales ». Parfois, lorsqu'une protéine est majoritairement absente des échantillons dans une condition et présente dans une autre, cela pourrait être biologiquement intéressant, donc je ne voudrais pas nécessairement qu'elle soit filtrée car la colonne dans son ensemble ne contenait pas 60 % de non-blancs. Je connais un peu R pour le codage mais j'ai du mal à trouver un moyen de le faire en JSL.
Est-il possible de modifier le graphique sur les tracés du volcan dans le dépistage des réponses pour colorer les valeurs P du FDR < 0,02 ou < 0,05 (et non la valeur par défaut de 0,01) ? Je peux changer l'emplacement de la ligne de référence (voir l'image ci-dessous), mais ce serait bien d'avoir des points colorés de manière cohérente avec un seuil FDR de choix et également de mettre à jour la légende sur le tracé Logworth by Difference. J'ai pensé qu'une solution de contournement serait de générer un nouveau tableau des différences (log2 FC) et des valeurs P et de les importer dans GraphBuilder où j'ai plus de contrôle mais j'obtiens la même coloration uniquement pour les points <0,01, donc le paramètre de coloration semble suivez le tableau (voir image ci-dessous).