生物製藥的品質受多種因素影響。了解這些因素是向患者提供最高品質產品並符合監管要求的前提。 JMP 資料探索功能簡單易用。然而，大型資料集內部或資料集之間的相關性通常很複雜，需要使用標準 JMP 環境中不具備的工具。
另一方面，Python 的機器學習功能幾乎可以解決所有資料科學問題。然而，對於許多領域專家來說，使用 Python 程式碼往往比較困難。為了解決這個難題，我們展示瞭如何將 Python 整合到 JMP Pro 中，作為擴充功能的替代方案，用於解決機器學習問題。
我們使用 JMP 日誌來引導使用者完成機器學習工作流程。資料視覺化步驟，例如資料插值和其他資料清理措施，均使用 JMP 完成。機器學習演算法的應用和驗證則使用 Python 和 Scikit-learn 管道完成。最後，結果視覺化也使用 JMP 完成，以便使用者可以輕鬆調整圖表。
我們展示瞭如何使用該工具來識別對特定輸出參數影響最大的因素。
今天我想藉此機會和大家談談如何將Python和JMP整合起來，以利用JMP的資料探索功能和Python的機器學習功能。但在此之前，我先介紹我們為什麼要這樣做。
我在Rentschler Biopharma工作，我們透過CDMO（合約研發生產）模式生產生質製藥。當然，我們的目標是了解並改善生產流程。但要做到這一點，我們必須先了解流程，然後才能交付盡可能最好的產品品質。
當你想到一個典型的生產流程或流程步驟時，你會看到左邊這裡展示的是色譜柱。這是我們純化蛋白質的典型步驟之一。我們知道有很多因素會影響這個製程步驟，例如上樣密度、流速、pH值或溫度。
當然，每個生產過程都包含許多這樣的步驟。例如，從生物反應器開始，到過濾，再到多個色譜步驟或滲濾。每個製程步驟都受到多種因素的影響。
在製程表徵階段，也就是任何開發專案的初期，我們通常會採用實驗設計方法。例如，我們會改變流速、pH值和進料密度，觀察它們之間的相互作用以及它們單獨或共同作用對產品品質的影響。這對於啟動製程效能驗證（PPQ）活動或商業化生產流程來說，是一個好的開始。
然而，一段時間後，您將從商業生產中累積大量數據。當然，這些數據是隨機的，但它可以大致說明，如果您生產 100 個批次，就會獲得各種各樣的產品品質數據。您的想法是了解產品品質是如何受到某種因素影響的，或者是否存在您在製程表徵中遺漏的因素。為此，機器學習是理想的工具。
然而，大多數中小企業專家雖然了解相關流程，但並不熟悉機器學習，也未必擅長編寫程式碼。另一方面，資訊學家往往對生物過程缺乏了解，因此也可能出現一些非常滑稽的預測結果。
這裡的想法是使用中小企業容易使用的 JMP，最大限度地利用數據，並運用機器學習，而無需任何人注意到背後的程式碼。
為此，我使用 JMP 日誌工具，它易於使用，稍後我會向您展示。至於工作流程，我們使用 JMP 處理一些流程步驟，然後在背景使用 Python 處理其他流程，但使用者永遠不會看到任何 Python 程式碼。
例如，對於 JMP，你會探索資料、清理資料、縮放資料或創建特徵，所有這些典型的步驟也會浪費任何機器學習科學家的大部分時間。
之後，這些資料會直接傳遞給 Python，執行一些典型的機器學習任務，例如模型選擇或超參數調優。然後，資料會返回 JMP 進行視覺化。當然，如果您想根據這些數據產生報告，Python 也可以輕鬆完成，無需用戶自行編寫程式碼。
例如，在考慮參數縮放時，機器學習演算法會傾向於所有參數處於同一尺度，否則某個因素可能會主導模型。當然，這取決於所使用的演算法。但總的來說，縮放有助於確保所有參數具有可比性，避免任何因素在模型中佔優勢。
為此，我們使用 JMP 日誌記錄工具，我現在就來示範一下。日誌記錄工具的介面如下所示。我們使用初始數據，當然可以是產品品質數據，或者也可以使用隨機數據的範例表格。
您經常會發現，並非所有資料類型都正確。例如，您可以看到，這裡的前三個欄位是分類資料。為了演算法的正常運行，您可能需要將它們轉換為數值資料。另一方面，您可能有一些因子，它們現在是連續的，但您希望將它們轉換為分類資料。這也可以很容易實現。
然後，還有一種經常發生的情況，那就是資料缺失。你看，pH 值那一列就缺少一些資料。這時你可能會想，該怎麼處理呢？其實很容易就能填補。你可以用預測值來填充，但假設我們用平均值或中位數來填充，那就更簡單了。我們取平均值，它會自動填入。
最後，我們來看縮放方法。假設你想在同一座標軸上進行縮放，這就是標準化。這裡有一些因子。你想對它們進行獨熱編碼。只需點擊一下即可。然後你可能還有其他對數因子。思路相同。只要進行對數常態變換，以及一些你可能也想縮放的濃度值。
最後，你當然仍然會得到結果列和許多轉換後的列，這些列可以用於任何模型。然後你可以將其交給 Python 處理。你只需要找到你想預測的內容。例如，你可能覺得彈性網路不錯，那麼哪種迴歸模型最好呢？我們不妨都用一下，看看它們之間是否有差異。然後你可以在背景進行一些超參數調優，看看它們的效能如何。當然，這對電腦來說會稍微消耗一些資源。
透過這兩個模型，我們可以看到它們都識別了三個影響最終長條圖預測的因素，例如 pH 值、時間或其他時間點。本質上，它們的作用相同，這非常好。因此，這三個因素可能正是您感興趣並想要深入研究的。最後，感謝您的關注。
