Salut, ce est Seul Jardinier avec JMP.
Je suis a Produit Directeur à JMP.
Étaient ici à parler aujourd'hui à propos présentation JMP Pro pour Génomique,
pousser le frontières de JMP Pro à activer données science sur le bureau.
I suis un de le présentateurs.
Je vais être faire le introduction à ce sujet.
Je suis S Je suis plus vieux. Produit Directeur pour Santé et Vie Sciences
dans le Produit Gestion équipe à JMP.
Notre co-présentateur aujourd'hui est Russe Wolfinger,
qui est a Distingué Recherche Compagnon
et notre Directeur de Scientifique Découverte et Génomique à JMP.
Bien parler a petit peu à propos le arrière-plan
de génétique et génomique, fonctionnel génomique,
et alors parler à propos quoi étaient faire à transition depuis notre ancien produit,
JMP génomique, à en utilisant JMP Pro pour génomique.
Russe volonté démontrer quelques de le nouveau capacités dans le produit.
A petit peu à propos classique génétique.
Ce est où a parcelle de ce a obtenu commencé.
Personnes avoir a été faire classique génétique pour a long temps.
Ils ont a été reproduction plantes et animaux
à obtenir voulu traits pour ceux plantes et animaux.
Ils ont vu que ils peut faire que à obtenir, plus fort animaux, mieux plantes,
plantes avec voulu propriétés et donc sur.
Toi probablement étudié a long temps il y a, quand toi étaient jeune dans école,
à propos Grégor Mendel, le moine, OMS dépensé beaucoup années étudier jardin petits pois.
Il en fait mesuré Sept distinct caractéristiques de ces petits pois-
leur hauteur, leur sous forme et couleur, graine forme et couleur,
fleur position et couleur-
et observé que comme ces petits pois étaient métis avec chaque autre,
que le traits étaient passé sur
depuis le mère plantes à le progéniture plantes
suivant quelques plutôt spécifique mathématique ratios
qui ont fait il de manière probabiliste possible
à faire prédictions à propos quoi le progéniture serait regarder comme
basé sur le traits de les parents.
Son et plus tard travail établi le principes de génétique héritage.
Quoi est génomique?
La génomique est plus que juste classique génétique.
Génomique utilisations a combinaison de ADN mesures méthodes
et recombinant ADN méthodes
à séquence et assembler et analyser le structure et fonction de génomes.
Il diffère depuis classique génétique dans ce il apparence
à le l'organisme complet complément de génétique ou héréditaire matériel.
Il se concentre sur le interactions entre le lieux ou le emplacement
de différent gènes sur le génome,
et le allèles, le variation dans le gènes dans le génome,
donc que toi peut comprendre des choses comme épistasie, pléiotrope hétérosis,
lequel sont des choses comme, d'accord, un gène affecte beaucoup des choses.
C'est pléiotropie.
L'épistasie est que parfois,
un gène impacts le sortir ou le effet de un autre gène.
Hétérosis est parfois toi obtenir synergique effets par combinant le gènes
depuis deux différent parents ou deux différent organismes.
Ce tous s'appuie sur le utiliser de le central dogme de génomique.
Que dogme est que ADN, lequel est le code pour notre biologique systèmes,
est transcrit dans ARN,
lequel est le code c'est utilisé à faire des choses
et faire protéines dans le corps.
Le protéines sont le petit chimique moteurs
que faire des choses à l'intérieur le corps et donne-le c'est fonction.
Depuis que, toi peut en fait alors mesure des choses comme métabolites,
quoi en fait ça arrive, quoi faire ceux protéines en fait faire
à l'intérieur le cellules et à l'intérieur le corps.
Le chemin est ADN crée ARN crée protéine,
et le protéine régule comment des choses fonction dans le corps,
et que produit métabolites.
Données est vraiment permettre a génomique révolution.
Moderne mesures techniques sont vraiment portion nous comprendre
le structure et fonction de le génome
et comment il travaux à l'intérieur le cellules dans biologique système.
Nous peut séquence le génome maintenant.
Nous avons a obtenu suivant- génération séquençage.
Beaucoup années il y a, quand JMP premier déménagement dans ce zone,
portion les clients puissent à analyser ce taper de données,
le chemin à mesure il était micro-ondes,
lequel était beaucoup plus concentré sur très spécifique parties de le génome,
et souvent a très limité ensemble de gènes dans le génome.
Maintenant, toi peut séquence le entier génome de un organisme.
Aussi, toi peut regarder à des choses comme expression et règlement.
Étaient parler à propos le métabolites.
Quoi est le sortir dans le biologique système que toi peut mesure?
Toi peut regarder à comment le protéines sont produit
ou quoi ceux protéines sont faire.
Toi peut aussi regarder à comment le structure de le ADN elle-même,
qu'est-ce que appelé épigénétique,
impacts le fonction de comment ADN travaux et comment le gènes travail à l'intérieur le corps.
Là sont typiquement trois principal étapes de analyse que arriver
quand tu es faire ce taper de travail.
Un est toi juste générer le brut données.
Toi faire le séquençage travail, générer le génome- séquençage données,
ou mesure le métabolites ou le protéine expression
ou le ARN expression.
Et alors que génère joli grand données ensembles
que avoir à être filtré et dé- multiplexé
et taillé et marqué et nettoyé en haut.
Ce est typiquement manipulé dans a automatisé ou semi-automatisé flux de travail
sur ordinateur systèmes que peut processus très grand données fichiers.
Alors il typiquement va dans a deuxième scène où toi commencer à faire séquence alignement
et essentiellement garniture des choses en haut, et être capable à faire des choses comme compte.
Comment beaucoup fois a fait I voir le expression
de a particulier ARN fragment ou ARN séquence?
Ou comment beaucoup fois a fait I voir a particulier protéine?
Ou tous ce brut données, comment fait il doubler en haut à en fait faire a image
de quoi le structure de le entier génome est?
C'est a joli grand mathématique informatique processus.
Que typiquement aussi obtient fait sur joli grand informatique systèmes
avec a parcelle de informatique ressources.
Et alors le troisième étape,
lequel est le scène où JMP vraiment a joué dans,
et où JMP Pro volonté continuer à jouer dans,
est le déterminer génotype associations et génotype-à- phénotype relations.
A phénotype est juste a trait de organismes,
le relation entre le gènes et le traits.
Et aussi regarder à corrélations et associations
de le différent génétique marqueurs à l'intérieur le génome,
ou le variance de le génétique marqueurs.
Souvent, ce que tu vouloir faire est toi vouloir à caractériser ceux
et alors corrélatif eux à physique, biologique,
ou peut être maladie État caractéristiques.
Tous de ce peut en fait être fait avec bureau logiciel.
JMP Pro est notre solution à faire que en allant avant dans le avenir.
Nous avons avait a produit appelé JMP Génomique pour 14 années, en haut jusqu'à ce année,
que nous étaient fournir le clients.
Il était a combinaison produit de JMP et SAS.
SAS était vraiment nécessaire dos tôt quand nous premier mis ce dehors
à faire a parcelle de le données traitement,
parce que le taille et le types de données nous regardé à
était très difficile à faire avec a bureau logiciel emballer comme JMP.
SAS l'a fait le données traitement, quelques de le statistique méthodes,
mais JMP était utilisé pour plus loin statistique analyse
et visualisation le résultats de ceux analyse.
JMP Génomique a a été utilisé dans la recherche et industrie
pour a large variété de génomique problèmes pour beaucoup années.
Mais nous fait a stratégique décision ce année
à cesser vente produits que contenir SAS avec eux.
C'est partie de le décision que était fait pour JMP à devenir un indépendant entreprise.
Étaient a propriété exclusive filiale de SAS maintenant,
et sont mobile vers le bas que route de indépendance.
Nous sont pas en allant à être vente rien mais JMP produits en allant avant.
Parce que de que, nous avoir regardé maintenant
à se déplacer le fonctions pour génomique données analyse dans JMP Pro.
Dans JMP Pro 17, lequel volonté être disponible ce automne dans 2022,
a a été et volonté être optimisé pour grand et large données problèmes.
C'est en allant à avoir capacités à rencontrer le besoins
de génomique données science et génomique données scientifiques.
C'est en allant à utiliser le force
de JMP Pro prédictif analytique et interactif visualisation
à aide activer découvertes dans ce zone de travail.
Quelques de le améliorations que nous avons fait à pousser le frontières de JMP Pro
inclure juste suppression barrières et goulots d'étranglement dans le logiciel.
C'est un chose à faire analyse sur dizaines ou des centaines ou même des milliers
de colonnes dans a données tableau.
Mais quand toi avoir a données tableau
lequel peut être a beaucoup des milliers ou des centaines de des milliers de colonnes,
toi commencer à révéler limites parfois dans ton logiciel.
Par faire ce travail, nous avons découvert lieux
où nous juste besoin à rationaliser comment opérations arriver à l'intérieur le programme.
Nous avons fait que.
Un exemple serait être si I recherché à faire a transformation
sur des centaines de des milliers de colonnes, nous avons de manière significative amélioré que processus.
Cela arrive beaucoup plus rapide sur le données tables.
Aussi être capable à faire très rapide et efficace multivarié analyse méthodes
comme principal composant analyse et regroupement,
quand toi avoir ces vraiment large génomique données tables.
Et alors être capable à faire modèles sur et sur encore
sur des milliers et des milliers de réponse colonnes,
et à faire que efficacement et efficacement.
Le deuxième but que nous avoir dans ce transition
est que apporter dans quelques capacités dans le JMP Pro
que sont très spécifique pour génétique et génomique analyse.
Pour exemple, être capable à importer différent formats
que sont communément utilisé dans ce zone.
Aussi, être capable à faire génétique marqueur analyse et simulation,
comme Bien comme apportant dans quelques plus récent populaire données réduction méthodes
tel comme t-SNE et Carte unique.
Dans l'ensemble, quoi étaient obtenir à est a produit c'est en allant à être maigre.
Il s'installe très rapidement.
Toi peut utiliser il sur ton bureau,
mais toi peut utiliser il à faire ce très puissant analyse
sur ces grand, complexe, large données tables.
À illustrer que, Je suis en allant à tourner il sur à Russe.
Russe est en allant à montrer nous en fait comment toi peut faire quelques réaliste analyse
et quelques réel étude analyse ici sur quelques génomique et génétique données.
Bien, remercier toi, Seul.
C'est a réel passionnant temps pour nous.
I savoir J'ai en fait a été avec le génomique analyse révolution
dans SAS pour sur 20 années maintenant.
Nous en fait [inaudible 00:11:46] dans le tôt années 2000 appelé Scientifique Solutions,
où nous étaient départ à regarder à quelques de le tôt micro tableau données.
C'est a été a vraiment amusant 20 années.
Maintenant, I serait dire, presque un de le la plupart passionnant fois jamais pour nous,
où étaient maintenant capable à code quelques de ces routines
directement dans JMP pro en utilisant C++.
A parcelle de eux sont en cours d'exécution beaucoup plus rapide que nous avait
dans le précédent JMP Génomique produit.
I vouloir à donner toi a petit f lavabo de que aujourd'hui avec un exemple.
Ce est a données ensemble sur pins à encens,
lequel pour ceux de toi depuis le Sud-Est
pourrait savoir il comme probablement un de le la plupart populaire espèces de pin.
Typiquement, si toi aller dans Home Depot ou Lowe's
et acheter quelques deux- par- quatre ou contre-plaqué, c'est en allant à être fait de l dégueulasse.
Quand toi voler dans le zone, toi il m'arrive de voir a parcelle de arbre couverture.
Beaucoup de ceux, Identifiant dire a bien gros morceau de ceux arbres,
en particulier vers le Est partie de Nord Caroline, sont lobl ollies.
C'est a très important espèces, un que nous vraiment vouloir à comprendre Bien.
C'est a été étudié très soigneusement, et même plus donc maintenant
que nous avons a obtenu quelques crunchs en allant sur avec maison bâtiment et quoi avoir toi,
c'est critique à comprendre il à l'intérieur et dehors.
génomique technologie est fantastique
pour révélateur quelques des choses que nous juste jamais savait avant.
Ce données est en fait toujours 10 années vieux.
Il était depuis a papier dans le Journal de Génétique par Renvoyer et et.
Ce est a groupe de chercheurs depuis le Université de Floride
et Embrapa dans Brésil
et Université de Iowa, I croire, si je rappel correctement.
Voici le référence si toi vouloir à regarder il en haut.
Le données sont aussi librement disponible.
J'ai a obtenu eux.
I est allé devant et téléchargé eux depuis le supplémentaire information
et chargé eux dans a JMP tableau que toi voir ici.
Comme Seul était mentionnant, le format dans JMP Pro
est quoi nous typiquement comme à appel a large format,
où nous avons a obtenu tout dans un tableau.
Ici, nous avons a obtenu quelques génotype indicateur Nombres indiquant le lignes
comme Bien comme le mère et père que le arbres est venu depuis.
Et alors ce spécifique données ensemble que J'ai a obtenu ici,
nous avons a obtenu six traits que nous avons mesuré.
I croire en fait il y a plus.
Je pense il y a 17, si toi vouloir à voir le référence.
Notre clé se concentrer de intérêt sont ces génétique marqueurs.
Ce données ensembles petit par d'aujourd'hui normes.
Nous avons seulement a obtenu 4 800.
I dire "Seulement 4 800" mais c'est toujours assez a peu.
Comme toi peut voir, Je suis défilement à travers ici,
ils sont tous codé comme soit zéro, un, ou deux.
Ces sont soi-disant SNP marqueurs, célibataire nucléotide polymorphismes,
où Bien avoir soit...
Le nombre ici indique
le nombre de le majeur allèle que nous avoir dans le données.
Zéro serait être le petit A, petit A,
si tu es familier avec le vieux génétique notation.
Le deux serait être le grand Un, un grand A.
Le ceux serait être tous le hétérozygotes.
Donc 4 500 de ces marqueurs.
Le basique but dans le fin, typiquement...
Dans fait, que était quoi le papier que ce était depuis était à propos de.
Ils étaient comparer plusieurs de le populaire prédictif méthodes.
Mais avant nous obtenir à prédiction,
il y a a parcelle de vraiment bien des choses que toi vouloir à faire
juste à faire bien sûr le données sont comme attendu,
et aussi à apprendre et découvrir structure et autre intéressant caractéristiques.
Allons-y plonger dans et voir ce que nous pouvons faire avec un typique flux de travail ici dans JMP Pro.
I serait typiquement juste comme à regarder à le données dans JMP.
Nous peut utiliser juste basique plateformes.
Pour exemple, ici, laisser moi apporter en haut le multi- zone plate-forme
et juste vérifier dehors basique parcelles de le données contre un un autre.
Toi peut voir, pour exemple, ici, racinenum et racine engourdir
sont assez très corrélé avec chaque autre.
D'autres, pas donc beaucoup.
Toi peut faire distributions.
Pour exemple, w e peut faire il ici avec le distribution plate-forme.
Ces traits avoir en fait déjà a été centré, I pense.
Je crois tous de eux avoir a signifier de autour zéro.
Ils ont disparu à travers a petit peu de prétraitement
que nous ne le fera pas aller dans aujourd'hui.
C'est le chemin ils est venu depuis le papier.
Notre basique but est à utiliser le génétique information à prédire ces traits.
Ils représenter divers caractéristiques de le encens arbres.
Pour exemple, C WAC,
I croire c'est couronné avec à travers le usine lits.
C'est a mesure de le arbre taille.
Nous avons a obtenu autre mesures de densité et caractéristiques de le racines, etc.
Tous important des choses à savoir à propos et quand étudier ces arbres.
Laisser moi marcher toi à travers quoi nous pourrait considérer a a basique flux de travail
une fois toi avoir ton données ensemble en haut comme ce.
Maintenant, avant faire que, cependant,
I faire vouloir à mention aussi que nous avoir mettre dans a équitable peu de travail
à portion et aider avec importation tel données.
Ce particulier données est venu comme juste standard virgule séparé valeur fichiers,
donc Non grand accord à importer il.
Mais souvent, génétique données comme ce viens dans soi-disant VCF fichiers.
Nous maintenant avoir nouveau routines à être capable à importer ceux directement,
comme Bien comme importer fichiers depuis le populaire base de données,
et alors a peu autre formats, ÉCRIRE et quoi avoir toi.
En essayant à faire il vraiment facile à obtenir ton données dans JMP.
Comme tu le sais, une fois tu as a obtenu ton données ensemble en haut dans a JMP tableau,
il y a juste tous types de super des choses toi peut faire.
Beaucoup de le des choses que toi entendre à propos de...
Donner toi quelques plus idées,
comme Bien comme quelques nouveau des choses que nous avons mettre dans lieu.
À commencer dehors, nous avons a obtenu a marque nouveau couple de plateformes
sous le Analyser menu ici à le bas.
Génétique. Analyser, Génétique.
Nous avons a obtenu Marqueur Statistiques et Marqueur Simulation.
Allons-y courir le le premier, Marqueur Statistiques.
Ce est juste a basique plate-forme pour regarder à caractéristiques de a ensemble de marqueurs.
Toi peut voir ici, Je suis chargement.
Nous avons a obtenu 4 853 SNP organisé dans a groupe ici dans le JMP tableau.
I juste se déplacer eux sur dans le marqueurs.
Si tout le reste est d'accord, nous allons juste cliquez D'ACCORD.
Il courses assez rapidement.
Quoi ce essentiellement fait est ça prend chaque marqueur
et calcule a variété de standard statistique génétique statistiques
que toi peut regarder à travers ici et voir qu'est-ce que en allant sur.
A clé chose à vérifier pour a soi-disant Robuste- Weinberg Équilibre.
Toi peut faire a statistique test de que et obtenir p- valeurs depuis il,
et même parcelle ces le long de dans a graphique comme ce.
Sur le Y axe, nous en fait utiliser le enregistrer 10 valeur p,
lequel nous aussi appel le enregistrer valeur.
À aller une fois étape plus loin, toi peut faire a FAUX découverte taux ajustement
à éviter le multiple essai problème.
Toi peut voir ici, nous avons en fait tracé les deux:
le brut valeur p, le brut enregistrer valeur, comme Bien comme leur Roosevelt ajusté valeur p.
Ils tendre à être assez similaire, en particulier pour le grand ceux.
Ces marqueurs en haut ici sont ceux que serait être dehors de équilibre,
très probable exigible à le clonage de le arbres.
Ceux-ci seraient marqueurs que pourrait tendre à dérive ou stabiliser
sur temps avec avenir croix.
Ce serait bien à vérifier ces dehors
et faire bien sûr le distributions de le allèles sont comme attendu.
Arc électrique tous le chemin dos à le Grégor Mendel jours,
des choses que nous savant à propos comment allèles comme ça devrait se comporter.
C'est a bien lieu à commencer, juste à obtenir un idée pour le marqueurs.
Allons-y se déplacer suivant et faire quelques modèle découverte.
Ici, il y a plusieurs bon des choses nous peut essayer.
A très basique un c'est aussi a été populaire pour décennies avec gène expression données
est juste à faire hiérarchique regroupement.
Encore, Je suis juste en allant à mettre le SNP dans ici.
Toi typiquement volonté vouloir à utiliser un de ces plus rapide méthodes.
Allons-y utiliser rapide salle.
Nous faire avoir quelques manquant valeurs, donc allons faire imputation.
Bien aller devant et regroupez-le deux manières.
Allons-y cliquez D'ACCORD ici.
Je suis en allant à poursuivre. Je cours tout en direct aujourd'hui.
A peu de ces des choses volonté prendre secondes à courir.
A nalyses J'ai a obtenu que en fait volonté prendre a peu minutes
que I ne le fera pas courir en direct juste pour saké de temps.
Mais toi peut voir ici, ce échelle de données,
JMP Pro peut gérer assez facilement.
Ce un, toi peut voir que le progrès bar ici
volonté prendre probablement 30 secondes à a minute à finition.
Mais pas aussi mauvais pour a moyen- dimensionné données ensemble comme ce.
Encore, étaient regroupement autour 926 rangées et 4 800 colonnes.
Mais avant en fait le performance améliorations,
ce type d'analyse serait prendre plusieurs minutes.
Dans beaucoup cas, nous avons a été capable à atteindre ordres de ampleur vitesse en haut.
Je suis capable, essentiellement, à activer toi à faire analyses comme ce fermer à réel temps.
A petit peu de en attendant pourrait être requis comme ici, mais dans général,
c'est joli bon à être capable à rapidement obtenir réponses à assez difficile des questions.
Pour exemple, ici, étaient en essayant à voir
comment autre rangées de notre données grappe avec chaque autre.
Maintenant ici, a très intéressant chose se produit.
Toi peut voir J'ai a obtenu colorants que I a fait à le données.
I coloré le mère et père, ou maternelle et paternel allèles.
Si nous regarder à ce variable ici, il y a autour 71 unique niveaux.
Et alors dans chaque croix, il y a en haut à 17 ou 20 individus.
Le données avoir très bon, serré groupes.
Le regroupement algorithme en fait trouvé ceux.
Tu peux voir le couleurs indiquer le coloration.
Ce couleur thème est a peu discordant.
Allons-y se déplacer il noircir et blanc.
Nous peut voir le structure a petit plus propre.
Ici, nous peut voir le zones de blanc
ou où nous avons a obtenu quelques de ceux mineure allèles départ à grappe
et identifier le clé lieux dans le génome
que distinguer ces unique croix.
Ce est a bon parcelle juste à obtenir un dans l'ensemble sentir pour le divers lignes
et comment ils comparer avec un un autre.
Mais le principal leçon sont ces serré groupes
que sont cartographie en haut exactement comme nous serait attendre avec le initial croix,
essentiellement comme très fermer frères et sœurs à un un autre
comparé à cousins, ou deuxième cousins, cousins au troisième degré, etc. .
Maintenant, un autre chemin à aller à propos ce
serait être plus de a dimension réduction taper approche.
Ici, le nombre un analyse est principal composants.
Allons-y essayer que sur notre mesures et voir quoi que révèle.
Ici, allons juste utiliser le valeurs par défaut.
Désolé, en fait, I recherché à montrer désactivé...
Il y a a marque nouveau méthode pour large données c'est appelé rapide approximatif.
C'est a bon ajout dans logiciel.
Il en fait utilisations, si tu es familier avec le méthode
appelé a randomisé Maladie vésicule biliaire approche.
Toi peut voir un peu message.
Allons-y voir qu'est-ce que dans le enregistrer.
Il tourné dehors ce était en fait un cas
où un erreur message était assez avantageux.
Le logiciel en fait indiqué lequel marqueurs...
Là étaient quelques marqueurs, ils étaient non numérique ou constante.
Il tourné dehors que a poignée de ces marqueurs dans le tableau étaient constante.
Ce serait être a cas où nous pourrait aller dos et en fait faire le ménage ceux dehors,
depuis ils sont pas vraiment contribuant beaucoup à le analyse, ils sont juste constante.
Mais le PCA plate-forme trouvé eux comme a sous-produit.
Mais si toi regarder à le notes, les deux premiers principal composants,
nous encore avoir ce bon regroupement de familles.
Comme habituel avec JMP,
tous ces parcelles sont interactif et connecté à un un autre.
Nous peut, pour exemple, cliquez sur un de le succursales de le arbre sur ici,
et il volonté souligner que grappe dans le PCA.
Nous peut carte ces deux graphiques à un un autre.
Dans fait, Bien, allons faire que. Nous peut ajouter a troisième.
Ce est un autre marque nouveau plate-forme c'est juste à venir dehors dans JMP 17,
appelé Multivarié Incorporation.
Ici, étaient en allant à calculer le populaire t-SNE algorithme,
lequel stands pour T multivarié incorporation.
Ce a en fait a été assez populaire dans le machine apprentissage monde,
et il a ruisselait c'est chemin dans le génomique champ,
en particulier avec célibataire- cellule ARN.
Il fait a petit peu différent dimensionnel projection que PCA.
Il essaie à identifier locale structure,
alors que PCA est regarder pour dimensions de le plus grand variabilité à travers tous marqueurs.
T-SNE en essayant à trouver serré locale groupes.
C'est en fait parfait pour ce type de données,
juste à révéler ces familles.
Toi peut voir le bon petit groupes de groupes, et peut être plus surtout,
lequel groupes eux-mêmes sont près chaque autre.
Toi peut prendre a image ici.
Gentil de apparence comme a papillon, quelque chose t-SNE va souvent avoir .
Identifiant encourager toi à essayer il sur ton données une fois toi obtenir ton mains sur JMP 17.0.
C'est révélateur quelques bon structure dans le données.
Allons-y se déplacer sur maintenant à a dd quelques plus statistiquement- orienté modélisation.
Pour il, le basique chose à généralement commencer dehors avec
est quoi nous serait appel a génome- large a association étude,
où w aune essentiellement prendre notre trait, ou notre traits, dans ce cas,
et écran eux contre tous le marqueurs.
Le cheval de bataille plate-forme ici est Réponse Dépistage.
Je suis en allant à Analyser, Dépistage, Réponse Dépistage.
Nous avons fait assez a peu de travail sur ce merci surtout à John Saül ,
qui a mis en œuvre quelques bon performance améliorations.
Quoi ce fait est essentiellement a grand Y par X analyse.
Je suis en allant à se déplacer notre six cibles ou réponses dans le Y champ,
notre SNP dans X.
Et alors tous toi faire est frapper Aller.
Quoi ce volonté faire...
I pense nous faire imputation.
I pense il pourrait faire que automatiquement. Allons-y voir.
Ouais.
Ce un courses foudre rapide.
I essentiellement juste a fait six fois 4 800 rapide régressions et tracé tous.
Ce est a parcelle de tous le valeurs p à une fois.
Encore, se concentrer sur FAUX découverte taux.
C'est a obtenu à être très prudent à propos surpêche données comme ce.
Toi vouloir à faire bien sûr n'importe lequel plomb que toi chasse est significatif,
même après a FAUX découverte ajustement.
Ici, nous voir maintenant que ce largeur de la couronne fonctionnalité
est le un c'est éclater dehors avec le la plupart coups.
Alors il y a un pour poubelle rouillée.
Ces sont trié par importance, et alors quelques de le autre traits commencer à populaire dans.
Mais clairement, il apparence comme nous avons a obtenu le la plupart génétique action
avec ce largeur de la couronne trait.
Maintenant, à aller a petit plus loin et illustrer le des choses nous peut faire.
Ce est très JMP J'aime bien.
Allons-y sauvegarder le tableau dehors de valeurs p.
Nous avons a obtenu tout maintenant dans a nouveau JMP tableau,
lequel est efficacement tous le résultats, et ils sont bien coloré pour nous.
Juste vouloir à parcourir le tableau.
Mais Je suis en allant à aller devant et utiliser Graphique B constructeur maintenant.
Allons-y faire quelques volcan parcelles par main.
Pour ces, nous w sur à mettre le pente sur le X- axe,
et alors le enregistrer valeur sur le ET.
Allons-y aller devant.
Bien faire a séparé un pour chaque de notre traits.
Je suis traînant que sur le envelopper.
Toi peut voir ici, ce est le genre de chose que JMP est vraiment intéressant à.
I t souvent volonté trouver valeurs aberrantes de la données.
Voici un c'est chemin dehors ici.
Nous avons a obtenu a pente estimation de presque négatif 2 000.
Il tours dehors que ce variable est presque constante.
Le régression juste coups en haut avec un presque presque verticale,
ou presque négatif, très négatif pente.
Il tours dehors ce est plus de un anomalie que un réel significatif frapper.
Il serait en fait faire sens juste à ignorer il.
Mais c'est en fait bon à trouver que c'est dans le tableau
et être capable à identifier il.
Ce est le genre de chose que JMP est souvent vraiment bien à,
trouver bizarre motifs.
Mais à aiguiser dans sur le clé résultats, allons aller devant et étroit notre axes vers le bas.
I juste frapper le axe bouton, et étaient en allant à juste zoom dans.
Allons-y aller moins 10 à 10.
Toi peut voir ici, toi obtenir ce caractéristiques V forme,
où encore, étaient traçage le pente de le régression
contre c'est négatif enregistrer valeur p.
Pour CWAC, nous en fait a obtenu,
encore, comme nous attendu avant, plus coups que n'importe où autre.
A bouquet de marqueurs pour positif et négatif pente,
lequel serait indiquer a additif génétique relation
en allant un chemin à le autre.
Pour le autre traits, ces sont aussi V forme,
et beaucoup de eux sont juste vraiment a parcelle moins significatif
et souvent carré terminé dans avec un un autre.
Le pente aussi dépend sur le échelle de le mesures.
C'est peut-être pas assez comme significatif si nous mettre tous ces sur le même exact échelle.
Mais I juste recherché à montrer ce pour illustration,
comme a chemin à comparer tout côté par côté.
C'est un GWAS.
Mobile avant, allons obtenir à probablement quoi notre principal objectif serait être,
lequel serait être à prédire ces traits comme a fonction de le marqueurs.
Ici, nous faire avoir accéder à tous le super prédictif modélisation plateformes
que sont dans JMP.
Quelques de ces, toi avoir à être a petit prudent à utiliser.
Avec manquant données, toi peut besoin à faire le imputation d'abord.
Quelques pourrait devenir assez lent donné le taille de le problème.
Pour aujourd'hui, I juste vouloir à montrer probablement mon préféré un,
lequel est XG Booster, en utilisant le XGB est plate-forme.
Ce est a cas où I en fait couru ce préalablement,
parce que, et c'est à courir.. .
Mais I l chargé tous six traits dans XGB est et a fait dix- pli coût validation.
I automatiquement gauche dehors chaque de le dix plis.
Ici, toi peut voir le résultats de que courir,
où nous avons a obtenu le solide lignes ici dans ces graphiques,
sont le validation courbes sur le itérations
et le pointé lignes de le entraînement.
Toi peut voir avec ces large problèmes, il y a a grave risque de surapprentissage,
en particulier avec a puissant approche comme XG Booster.
Toi avoir à être très prudent.
Comme vous peut voir, En fait, je [inaudible 00:32:18] paramètres.
I pourrait peaufiner eux vers le bas pour un, et toi peut voir le autre paramètres ici.
Dans chaque modèle ajuster, nous avons a obtenu les deux le entraînement,
observé contre prédit, et le validation.
Toi peut voir ici pour C WAC nous a obtenu a corrélation de autour 0,43.
Corrélation est a typique mesure utilisé à évaluer performance.
Ce est compétitif avec quoi était publié dans le papier avant,
sans à peine beaucoup réglage à tous.
Mais alors il y a a parcelle de autre intéressant des choses toi peut plonger dans,
le la plupart important caractéristiques, etc.
Nous même a obtenu quelques nouveau des choses pour exemple, un chose appelé Shapley valeurs
que Identifiant encourager toi à vérifier dehors.
Il y a en allant à être un autre parler sur ce sujet par Pierre Hirsch,
Florian Laura Lancaster et moi-même sur que ici à le conférence,
I serait encourager toi à vérifier que dehors.
C'est a chemin à casser vers le bas prédictions dans leur composants.
Que obtient un autre niveau toi peut aller dans avec prédire.
C'est juste un exemple de quelques bon prédictif modélisation toi peut faire.
À envelopper en haut le démo, I recherché à retour dos
où nous commencé ici dans ce Génétique menu.
Nous avons a obtenu a marqueur, a marque nouveau marqueur simulation plate-forme.
Ce est quelques joli avancé génétique modélisation
porté dehors par notre interne expert, Luciano Silva.
Quoi ce fait est il en fait volonté faire virtuel passage par le génotypes.
Le idée est tu ferais charger le marqueurs dans.
Le vraiment intéressant chose est toi peut mettre a prédicteur formule ici.
Pour exemple, I sauvegarder le prédicteur formule depuis le XGBoost modèle de CWAC.
Quoi ce volonté faire est les deux simuler le croix
et prédire leur performance.
Ce est quoi moderne virtuel reproduction fait.
Toi peut en fait pratiquement croix différent encens pin arbres
et prédire quoi volonté arriver avec eux
sans ayant à attendez 10, 20, 30 années à grandir eux dans le champ.
Extrêmement puissant, intéressant approche que révolutionné le chemin
moderne reproduction est fait, et pourquoi soi-disant génomique sélection,
ou prédictif modélisation avec génétique marqueurs est donc populaire.
Je vais aller devant et conclure là.
I espoir que aiguisé ton appétit
avec quelques de le nouveau des choses nous avons a obtenu en allant.
A parcelle de le des choses I a montré aujourd'hui serait aussi travail avec gène expression données,
bien que c'est a petit peu différent jeu de balle
dans termes de quoi tu es en essayant à faire.
Mais pour saké de temps, I pensée il serait être bien juste à regarder à ce un exemple
et plonger quelque peu profond.
Remercier toi très beaucoup pour ton attention.
Laisser nous savoir si tu as a obtenu questions comme toi avoir eux.
Étaient vraiment e excité à propos le nouveau des choses à venir dans JMP 17 Pro.
Nous avons a obtenu a parcelle plus des choses à venir dans le travaux.
Remercier Merci beaucoup.
Nous reconnaître que parcelle de personnes que viens à découverte,
ce peut pas être leur zone de compétence.
Mais toi peut savoir quelqu'un qui est faire ce travail,
et nous serait amour à obtenir eux connecté avec quoi étaient faire ici à JMP Pro,
parce que nous sont en allant à continuer à investir dans ajout capacités
et améliorer le logiciel donc il peut faire travail comme ce mieux et mieux
à rencontrer le besoins de scientifiques à travers le vie sciences
et ce industrie.
Merci pour écoute dans.
