Hola, este es Solo Gardner con JMP.
Soy a Producto Gerente en JMP.
Eran aquí a hablar hoy acerca de Introduciendo JMP Pro para Genómica,
emprendedor el límites de JMP Pro a permitir datos ciencia en el de oficina.
I soy uno de el presentadores.
Enfermo ser haciendo el introducción a este tema.
Soy S Soy mayor Producto Gerente para Salud y Vida Ciencias
en el Producto Gestión equipo en JMP.
Nuestro copresentador hoy es Rus Wolfinger,
¿Quién es? a Distinguido Investigación Compañero
y nuestro Director de Científico Descubrimiento y Genómica en JMP.
Bien hablar a pequeño poco acerca de el fondo
de genética y genómica, funcional genómica,
y entonces hablar acerca de qué eran haciendo a transición de nuestro anterior producto,
JMP genómica, a usando JMP Pro para genómica.
Rus voluntad demostrar alguno de el nuevo capacidades en el producto.
A pequeño poco acerca de clásico genética.
Este es dónde a lote de este consiguió comenzó.
Gente tener estado haciendo clásico genética para a largo tiempo.
Ellos tienen estado cría plantas y animales
a conseguir deseado características para aquellos plantas y animales.
Ellos tienen visto eso ellos poder hacer eso a conseguir, más fuerte animales, mejor plantas,
plantas con deseado propiedades y entonces en.
Tú probablemente estudió a largo tiempo atrás, cuando tú eran joven en escuela,
acerca de Gregorio Mendel, el monje, OMS gastado muchos años estudiando jardín guisantes.
Él de hecho mesurado Siete distinto características de estos guisantes-
su altura, su bajo forma y color, semilla forma y color,
flor posición y color-
y observado eso como estos guisantes eran mestizo con cada otro,
eso el características eran aprobado en
de el padre plantas a el progenie plantas
siguiente alguno bastante específico matemático ratios
quienes han hecho él probabilísticamente posible
a hacer predicciones acerca de qué el progenie quería mirar como
basado en el características de los padres.
Suyo y más tarde trabajar establecido el principios de genético herencia.
Qué es ¿genómica?
La genómica es más que justo clásico genética.
Genómica usos a combinación de ADN medición métodos
y recombinant ADN métodos
a secuencia y armar y analizar el estructura y función de genomas.
Él difiere de clásico genética en que él aspecto
en el organismo lleno complementar de genético o hereditario material.
Él se centra en el interacciones entre el loci o el ubicación
de diferente genes en el genoma,
y el alelos, el variación en el genes en el genoma,
entonces eso tú poder entender cosas como epistasis, pleiotrópico heterosis,
cual son cosas como, bueno, uno gene afecta muchos cosas.
Eso es pleiotropía.
La epistasis es eso a veces,
uno gene impactos el producción o el efecto de otro gene.
Heterosis es a veces tú conseguir sinérgico efectos por combinatorio el genes
de dos diferente padres o dos diferente organismos.
Este todo se basa al el usar de el central dogma de genómica.
Eso dogma es eso ADN, cual es el código para nuestro biológico sistemas,
es transcrito en ARN,
cual es el código eso es usado a hacer cosas
y hacer proteínas en el cuerpo.
El proteínas son el pequeño químico motores
eso hacer cosas adentro el cuerpo y dáselo es función.
De eso, tú poder de hecho entonces medida cosas como metabolitos,
qué de hecho sucede, qué hacer aquellos proteínas de hecho hacer
adentro el células y adentro el cuerpo.
El camino es ADN crea ARN crea proteína,
y el proteína regula cómo cosas función en el cuerpo,
y eso produce metabolitos.
Datos es en realidad habilitante a genómica revolución.
Moderno medición técnicas son en realidad ración a nosotros entender
el estructura y función de el genoma
y cómo él obras adentro el células en biológico sistema.
Nosotros poder secuencia el genoma ahora.
Nosotros tenemos consiguió próximo- generación secuenciación.
Muchos años atrás, cuando JMP primero se movió en este área,
ración los clientes puedan a analizar este tipo de datos,
el forma a medida él era microondas,
cual era mucho más centrado en muy específico regiones de el genoma,
y a menudo a muy limitado colocar de genes en el genoma.
Ahora, tú poder secuencia el entero genoma de un organismo.
También, tú poder mirar en cosas como expresión y regulación.
Eran hablando acerca de el metabolitos.
Qué es el producción en el biológico sistema eso tú poder ¿medida?
Tú poder mirar en cómo el proteínas son producido
o qué aquellos proteínas son haciendo.
Tú poder también mirar en cómo el estructura de el ADN sí mismo,
qué llamado epigenética,
impactos el función de cómo ADN obras y cómo el genes trabajar adentro el cuerpo.
Allá son típicamente tres principal etapas de análisis eso suceder
cuando estás haciendo este tipo de trabajar.
Uno es tú justo generar el crudo datos.
Tú hacer el secuenciación trabajar, generar el genoma- secuenciación datos,
o medida el metabolitos o el proteína expresión
o el ARN expresión.
Y entonces eso genera bonito grande datos conjuntos
eso tener a ser filtrado y de- multiplexado
y recortado y anotó y limpiado arriba.
Este es típicamente manejado en a automatizado o semiautomatizado flujo de trabajo
en computadora sistemas eso poder proceso muy grande datos archivos.
Entonces él típicamente va en a segundo escenario dónde tú comenzar a hacer secuencia alineación
y básicamente recubrimiento cosas arriba, y ser capaz a hacer cosas como cuenta.
Cómo muchos veces hizo I ver el expresión
de a particular ARN fragmento o ARN ¿secuencia?
O cómo muchos veces hizo I ver a particular ¿proteína?
O todo este crudo datos, cómo hace él línea arriba a de hecho hacer a imagen
de qué el estructura de el entero genoma ¿es?
Eso es a bonito grande matemático computacional proceso.
Eso típicamente también obtiene hecho en bonito grande computacional sistemas
con a lote de computacional recursos.
Y entonces el tercera etapa,
cual es el escenario dónde JMP en realidad tiene jugó en,
y donde JMP Pro voluntad continuar a jugar en,
es el determinar genotipo asociaciones y genotipo a fenotipo relaciones.
A fenotipo es justo a rasgo de organismos,
el relación entre el genes y el características.
Y también mirando en correlaciones y asociaciones
de el diferente genético marcadores adentro el genoma,
o el diferencia de el genético marcadores.
A menudo, Lo que tu quiero hacer es tú desear a caracterizar aquellos
y entonces correlación a ellos a físico, biológico,
o tal vez enfermedad estado características.
Todo de este poder de hecho ser hecho con de oficina software.
JMP Pro es nuestro solución a hacer eso yendo adelante en el futuro.
Nosotros tenemos tenía a producto llamado JMP Genómica para 14 años, arriba hasta este año,
eso nosotros eran siempre que el clientes.
Él era a combinación producto de JMP y SAS.
SAS fue en realidad necesario atrás temprano cuando nosotros primer puesto este afuera
a hacer a lote de el datos tratamiento,
porque el tamaño y el tipos de datos nosotros miró en
era muy difícil a hacer con a de oficina software paquete como JMP.
SAS lo hizo el datos tratamiento, alguno de el estadístico métodos,
pero JMP era usado para más estadístico análisis
y visualizante el resultados de aquellos análisis.
JMP Genómica tiene estado utilizado en la investigación y industria
para a ancho variedad de genómica problemas para muchos años.
Pero nosotros hecho a estratégico decisión este año
a discontinuar venta productos eso contener SAS con a ellos.
Eso es parte de el decisión eso era hecho para JMP a convertirse un independiente compañía.
Eran a de propiedad absoluta filial de SAS ahora,
y son emocionante abajo eso camino de independencia.
Nosotros son no yendo a ser venta cualquier cosa pero JMP productos yendo adelante.
Porque de eso, nosotros tener miró ahora
a mover el funciones para genómico datos análisis en JMP Pro.
En JMP Pro 17, cual voluntad ser disponible este caer en 2022,
tiene estado y voluntad ser optimizado para grande y ancho datos problemas.
Es yendo a tener capacidades a encontrarse el necesidades
de genómico datos ciencia y genómico datos científicos.
Es yendo a utilizar el fortaleza
de Profesionales de JMP profético analítica y interactivo visualización
a ayuda permitir descubrimientos en este área de trabajar.
Alguno de el mejoras eso nosotros tenemos hecho a empujar el límites de JMP Pro
incluir justo eliminando barreras y cuellos de botella en el software.
Es uno cosa a hacer análisis en decenas o cientos o incluso miles
de columnas en a datos mesa.
Pero cuando tú tener a datos mesa
cual tal vez tiene muchos miles o cientos de miles de columnas,
tú comenzar a revelar limitaciones a veces en su software.
Por haciendo este trabajar, nosotros tenemos descubierto lugares
dónde nosotros justo necesidad a línea de corriente cómo operaciones suceder adentro el programa.
Nosotros tenemos hecho eso.
Un ejemplo quería ser si I buscado a hacer a transformación
en cientos de miles de columnas, nosotros tenemos de modo significativo mejorado eso proceso.
Sucede mucho más rápido en el datos mesas.
También ser capaz a hacer muy rápido y eficiente multivariante análisis métodos
como principal componente análisis y agrupamiento,
cuando tú tener estos en realidad ancho genómico datos mesas.
Y entonces ser capaz a hacer modelos encima y encima de nuevo
en miles y miles de respuesta columnas,
y a hacer eso eficientemente y eficazmente.
El segundo meta eso nosotros tener en este transición
es eso traer en alguno capacidades en el JMP Pro
eso son muy específico para genético y genómico análisis.
Para instancia, ser capaz a importar diferente formatos
eso son comúnmente usado en este área.
También, ser capaz a hacer genético marcador análisis y simulación,
como Bueno como trayendo en alguno más nuevo popular datos reducción métodos
semejante como t-SNE y Unimap.
En general, qué eran conseguir a es a producto eso es yendo a ser inclinarse.
Se instala muy rápidamente.
Tú poder usar él en su de oficina,
pero tú poder usar él a hacer este muy poderoso análisis
en estos grande, complejo, ancho datos mesas.
A ilustrar eso, Soy yendo a doblar él encima a Ruso.
Rus es yendo a espectáculo a nosotros de hecho cómo tú poder hacer alguno realista análisis
y alguno real estudiar análisis aquí en alguno genómico y genético datos.
Bien, agradecer tú, Solo.
Es a real emocionante tiempo para a nosotros.
I saber Yo tengo de hecho estado con el genómica análisis revolución
dentro SAS para encima 20 años ahora.
Nosotros de hecho [inaudible 00:11:46] en el temprano década de 2000 llamado Científico Soluciones,
dónde nosotros eran a partir de a mirar en alguno de el temprano micro formación datos.
Es estado a en realidad divertido 20 años.
Ahora, I quería decir, casi uno de el mayoría emocionante veces alguna vez para a nosotros,
dónde eran ahora capaz a código alguno de estos rutinas
directamente en JMP pro usando C++.
A lote de a ellos son correr mucho más rápido que nosotros tenía
en el anterior JMP Genómica producto.
I desear a dar tú a pequeña f lavabo de eso hoy con un ejemplo.
Este es a datos colocar en pinos loblolly,
cual para aquellos de tú de el Sudeste
podría saber él como probablemente uno de el mayoría popular especies de pino.
Típicamente, si tú ir en Home Depot o Lowe's
y comprar alguno dos- por- cuatros o madera contrachapada, es yendo a ser hecho de l oblolly.
Cuando tú volar en el área, tú por casualidad veo a lote de árbol cubrir.
Muchos de aquellos, Identificación decir a bien pedazo de aquellos árboles,
especialmente hacia el Oriental parte de Norte Carolina, son lobl Ollies.
Es a muy importante especies, uno eso nosotros en realidad desear a entender Bueno.
Es estado estudió muy minuciosamente, y incluso más entonces ahora
eso nosotros tenemos consiguió alguno abdominales yendo en con hogar edificio y qué tener tú,
es crítico a entender él adentro y afuera.
Genómica tecnología es fantástico
para revelador alguno cosas eso nosotros justo nunca sabía antes.
Este datos es de hecho aún 10 años viejo.
Él era de a papel en el Diario de Genética por Resende Y Alabama.
Este es a grupo de investigadores de el Universidad de Florida
y Embrapa en Brasil
y Universidad de Iowa, I creer, Si yo recordar correctamente.
Aquí está el referencia si tú desear a mirar él arriba.
El datos son también con libertad disponible.
Yo tengo consiguió a ellos.
I fue adelante y descargado a ellos de el hecho suplementario información
y cargado a ellos en a JMP mesa eso tú ver aquí.
Como Solo era mencionando, el formato en JMP Pro
es qué nosotros típicamente como a llamar a ancho formato,
dónde nosotros tenemos consiguió todo en uno mesa.
Aquí, nosotros tenemos consiguió alguno genotipo indicador números indicando el pauta
como Bueno como el madre y padre eso el árboles vino de.
Y entonces este específico datos colocar eso Yo tengo consiguió aquí,
nosotros tenemos consiguió seis características eso nosotros tenemos mesurado.
I creer de hecho Hay más.
Creo Hay 17, si tú desear a ver el referencia.
Nuestro llave enfocar de interés son estos genético marcadores.
Este datos conjunto pequeño por de hoy normas.
Nosotros tenemos solo consiguió 4.800.
I decir "Solo 4.800" pero eso es aún bastante a pocos.
Como tú poder ver, Soy desplazamiento a través de aquí,
ellos son todo codificado como cualquiera cero, uno, o dos.
Estos son así llamado SNP marcadores, soltero nucleótido polimorfismos,
dónde Bueno tener cualquiera...
El número aquí indica
el número de el importante alelo eso nosotros tener en el datos.
Cero quería ser el pequeña A, pequeña A,
Si tu estas familiar con el viejo genética notación.
El dos quería ser el grande A, gran A.
El unos quería ser todo el heterocigotos.
Entonces 4.500 de estos marcadores.
El básico meta en el fin, típicamente...
En hecho, eso era qué el papel eso este era de era acerca de.
Ellos eran comparando varios de el popular profético métodos.
Pero antes nosotros conseguir a predicción,
Hay a lote de en realidad bien cosas eso tú desear a hacer
justo a hacer seguro el datos son como esperado,
y también a aprender y descubrir estructura y otro interesante características.
Vamos bucear en y ver lo que podemos hacer con un típico flujo de trabajo aquí en JMP Pro.
I quería típicamente justo como a mirar en el datos en JMP.
Nosotros poder usar justo básico plataformas.
Para ejemplo, aquí, dejar a mí traer arriba el multi- área plataforma
y justo controlar afuera básico parcelas de el datos contra uno otro.
Tú poder ver, para ejemplo, aquí, número raíz y raíz adormecido
son equitativamente muy correlacionado con cada otro.
Otros, no entonces mucho.
Tú poder hacer distribuciones.
Para ejemplo, w e poder hacer él aquí con el distribución plataforma.
Estos características tener de hecho ya estado centrado, I pensar.
Yo creo todo de a ellos tener a significar de alrededor cero.
Ellos tienen desaparecido a través de a pequeño poco de preprocesamiento
eso nosotros no ir en hoy.
Esa es la forma ellos vino de el papel.
Nuestro básico meta es a usar el genético información a predecir estos características.
Ellos representar varios características de el loblolly árboles.
Para ejemplo, C WAC,
I creer eso es coronado con al otro lado de el planta camas.
Es a medida de el árbol tamaño.
Nosotros tenemos consiguió otro mediciones de densidad y característica de el raíces, etc.
Todo importante cosas a saber acerca de y cuando estudiando estos árboles.
Dejar a mí caminar tú a través de qué nosotros podría considerar a a básico flujo de trabajo
una vez tú tener su datos colocar arriba como este.
Ahora, antes haciendo que, sin embargo,
I hacer desear a mencionar también eso nosotros tener poner en a justo poco de trabajar
a ración y ayudando con importador semejante datos.
Este particular datos vino como justo estándar coma apartado valor archivos,
entonces No grande trato a importar él.
Pero a menudo, genético datos como este venir en así llamado VCF archivos.
Nosotros ahora tener nuevo rutinas a ser capaz a importar aquellos directamente,
como Bueno como importar archivos de el popular base de datos,
y entonces a pocos otro formatos, ESCRIBIR y qué tener tú.
Intentando a hacer él en realidad fácil a conseguir su datos en JMP.
Como tú sabes, una vez Tú tienes consiguió su datos colocar arriba en a JMP mesa,
Hay justo todo tipos de excelente cosas tú poder hacer.
Muchos de el cosas eso tú escuchar acerca de...
Dar tú alguno más ideas,
como Bueno como alguno nuevo cosas eso nosotros tenemos poner en lugar.
A comenzar afuera, nosotros tenemos consiguió a marca nuevo pareja de plataformas
bajo el Analizar menú aquí en el abajo.
Genética. Analizar, Genética.
Nosotros tenemos consiguió Marcador Estadística y Marcador Simulación.
Vamos correr el primero, Marcador Estadística.
Este es justo a básico plataforma para mirando en características de a colocar de marcadores.
Tú poder ver aquí, Soy cargando.
Nosotros tenemos consiguió 4.853 SNP organizado en a grupo aquí en el JMP mesa.
I justo mover a ellos encima en el marcadores.
Si todo lo demás es bueno, nosotros solo hacer clic DE ACUERDO.
Él corre bastante rápidamente.
Qué este básicamente hace es se necesita cada marcador
y computa a variedad de estándar estadístico genético estadística
eso tú poder mirar al otro lado de aquí y ver qué yendo en.
A llave cosa a controlar para a así llamado Resistente- Weinberg Equilibrio.
Tú poder hacer a estadístico prueba de eso y conseguir pag- valores de él,
y incluso trama estos a lo largo de en a gráfico como este.
En el Y eje, nosotros de hecho usar el registro 10 valor p,
cual nosotros también llamar el registro valer.
A ir una vez paso más, tú poder hacer a FALSO descubrimiento tasa ajuste
a evitar el múltiple pruebas problema.
Tú poder ver aquí, nosotros tenemos de hecho trazado ambos:
el crudo valor p, el crudo registro valer, como Bueno como su FDR equilibrado valor p.
Ellos tender a ser bastante similar, especialmente para el grande unos.
Estos marcadores arriba aquí son unos eso quería ser afuera de equilibrio,
muy probable pendiente a el clonación de el árboles.
Estos serían marcadores eso podría tender a deriva o estabilizar
encima tiempo con futuro cruces.
Estaría bien a controlar estos afuera
y hacer seguro el distribuciones de el alelos son como esperado.
Arco eléctrico todo el forma atrás a El Gregor Mendel días,
cosas eso nosotros aprendió acerca de cómo alelos como esto debería comportarse.
Eso es a bien lugar a comenzar, justo a conseguir un idea para el marcadores.
Vamos mover próximo y hacer alguno patrón descubrimiento.
Aquí, Hay varios lindo cosas nosotros poder intentar.
A muy básico uno eso es también estado popular para décadas con gene expresión datos
es justo a hacer jerárquico agrupamiento.
De nuevo, Soy justo yendo a poner el SNP en aquí.
Tú típicamente voluntad desear a usar uno de estos más rápido métodos.
Vamos usar rápido pabellón.
Nosotros hacer tener alguno desaparecido valores, entonces Vamos hacer imputación.
Bien ir adelante y agruparlo dos maneras.
Vamos hacer clic DE ACUERDO aquí.
Soy yendo a adelante. Estoy corriendo todo vivir hoy.
A pocos de estos cosas voluntad llevar artículos de segunda clase a correr.
A análisis Yo tengo consiguió eso de hecho voluntad llevar a pocos minutos
eso I no correr vivir justo para beneficio de tiempo.
Pero tú poder ver aquí, este escala de datos,
JMP Pro puede manejar equitativamente fácilmente.
Este uno, tú poder ver eso el progreso bar aquí
voluntad llevar probablemente 30 segundos a a minuto a finalizar.
Pero no también malo para a medio- dimensionado datos colocar como este.
De nuevo, eran agrupamiento alrededor 926 filas y 4.800 columnas.
Pero antes de hecho el actuación mejoras,
este tipo de análisis quería llevar varios minutos.
En muchos casos, nosotros tenemos estado capaz a lograr órdenes de magnitud velocidad arriba.
Soy capaz, básicamente, a permitir tú a hacer análisis como este cerca a real tiempo.
A pequeño poco de espera podría ser requerido como aquí, pero en general,
Es bonito lindo a ser capaz a rápidamente conseguir respuestas a equitativamente difícil preguntas.
Para ejemplo, aquí, eran intentando a ver
cómo otro filas de nuestro datos grupo con cada otro.
Ahora aquí, a muy interesante cosa ocurre.
Tú poder ver Yo tengo consiguió colorantes eso I hizo a el datos.
I de colores el madre y padre, o materna y paternal alelos.
Si nosotros mirar en este variable aquí, Hay alrededor 71 único niveles.
Y entonces dentro cada cruz, Hay arriba a 17 o 20 individuos.
El datos tener muy lindo, ajustado racimos.
El agrupamiento algoritmo de hecho encontró aquellos.
Puede ver el bandera indicar el colorante.
Este color tema es a poco discorde.
Vamos mover él a negro y blanco.
Nosotros poder ver el estructura a pequeño más limpiamente.
Aquí, nosotros poder ver el áreas de blanco
o dónde nosotros tenemos consiguió alguno de aquellos menor alelos a partir de a grupo
y identificar el llave lugares en el genoma
eso distinguir estos único cruces.
Este es a lindo trama justo a conseguir un en general sentir para el varios pauta
y cómo ellos comparar con uno otro.
Pero el principal lección son estos ajustado grupos
eso son cartografía arriba exactamente como nosotros quería esperar con el inicial cruces,
básicamente como muy cerca hermanos a uno otro
comparado a primos, o segundo primos, primos terceros, etc. .
Ahora, otro forma a ir acerca de este
quería ser más de a dimensión reducción tipo acercarse.
Aquí, el número uno análisis es principal componentes.
Vamos intentar eso en nuestro pasos y ver qué eso revela.
Aquí, Vamos justo usar el valores predeterminados.
Lo siento, de hecho, I buscado a espectáculo apagado...
Hay a marca nuevo método para ancho datos eso es llamado rápido aproximado.
Es a lindo suma en software.
Él de hecho usos, si estás familiar con el método
llamado a aleatorizado Enfermedad verbita del virus acercarse.
Tú poder ver un poco mensaje.
Vamos ver qué en el registro.
Él transformado afuera este era de hecho uno caso
dónde un error mensaje era bastante beneficioso.
El software de hecho indicado cual marcadores...
Allá eran alguno marcadores, ellos eran no numérico o constante.
Él transformado afuera eso a puñado de estos marcadores en el mesa eran constante.
Este quería ser a caso dónde nosotros podría ir atrás y de hecho limpio aquellos afuera,
desde ellos son no en realidad contribuyendo mucho a el análisis, ellos son justo constante.
Pero el PCA plataforma encontró a ellos como a subproducto.
Pero si tú mirar en el montones, los dos primeros principal componentes,
nosotros de nuevo tener este lindo agrupamiento de familias.
Como habitual con JMP,
todo estos parcelas son interactivo y conectado a uno otro.
Nosotros poder, para ejemplo, hacer clic en uno de el sucursales de el árbol encima aquí,
y él voluntad destacar eso grupo en el PCA.
Nosotros poder mapa estos dos gráficos a uno otro.
En hecho, Bueno, Vamos hacer eso. Nosotros poder agregar a tercero.
Este es otro marca nuevo plataforma eso es justo próximo afuera en JMP 17,
llamado Multivariante Incrustación.
Aquí, eran yendo a calcular el popular t-SNE algoritmo,
cual se encuentra para T multivariante incrustación.
Este tiene de hecho estado bastante popular en el máquina aprendiendo mundo,
y tiene goteaba es forma en el genómica campo,
especialmente con soltero- celúla ARN.
Él hace a pequeño poco diferente dimensional proyección que PCA.
Él intentos a identificar local estructura,
mientras PCA es mirando para dimensiones de más grande variabilidad al otro lado de todo marcadores.
T-SNE intentando a encontrar ajustado local racimos.
Es de hecho perfecto Para este tipo de datos,
justo a revelar estos familias.
Tú poder ver el lindo pequeño grupos de grupos, y tal vez más en tono rimbombante,
cual grupos ellos mismos son cerca cada otro.
Tú poder llevar a imagen aquí.
Amable de aspecto como a mariposa, algo t-SNE lo hará a menudo tener .
Identificación alentar tú a intentar él en su datos una vez tú conseguir su manos en JMP 17.0.
Eso es revelador alguno lindo estructura en el datos.
Vamos mover en ahora a a añadir algunos más estadísticamente- orientado modelado.
Para él, el básico cosa a generalmente comenzar afuera con
es qué nosotros quería llamar a genoma- una ancha asociación estudiar,
dónde w ana básicamente llevar nuestro rasgo, o nuestro características, en este caso,
y pantalla a ellos contra todo el marcadores.
El caballo de batalla plataforma aquí es Respuesta Cribado.
Soy yendo a Analizar, Cribado, Respuesta Cribado.
Nosotros tenemos hecho bastante a poco de trabajar en este gracias especialmente a John Saúl ,
quien tiene implementado alguno lindo actuación mejoras.
Qué este hace es básicamente a grande Y por X análisis.
Soy yendo a mover nuestro seis objetivos o respuestas en el Y campo,
nuestro SNP en INCÓGNITA.
Y entonces todo tú hacer es golpear Ir.
Qué este voluntad hacer...
I pensar nosotros hacer imputación.
I pensar él podría hacer eso automáticamente. Vamos ver.
Sí.
Este uno corre iluminación rápido.
I básicamente justo hizo seis veces 4.800 rápido regresiones y trazado todo.
Este es a trama de todo el valores p en una vez.
De nuevo, enfoque en FALSO descubrimiento tasa.
Es consiguió a ser muy cuidadoso acerca de sobrepesca datos como este.
Tú desear a hacer seguro cualquier dirigir eso tú perseguir es significativo,
incluso después a FALSO descubrimiento ajuste.
Aquí, nosotros ver ahora eso este ancho de la corona característica
es el uno eso es estallido afuera con el mayoría éxitos.
Entonces Hay uno para cubo de basura.
Estos son ordenado por significado, y entonces alguno de el otro características comenzar a estallido en.
Pero claramente, él aspecto como nosotros tenemos consiguió el mayoría genético acción
con este ancho de la corona rasgo.
Ahora, a ir a pequeño más y ilustrar el cosas nosotros poder hacer.
Este es muy JMP Me gusta profesionalmente.
Vamos ahorrar el mesa afuera de valores p.
Nosotros tenemos consiguió todo ahora en a nuevo JMP mesa,
cual es eficazmente todo el resultados, y ellos son bien de colores para a nosotros.
Justo desear a navegar el mesa.
Pero Soy yendo a ir adelante y usar Gráfico B constructor ahora.
Vamos hacer alguno volcán parcelas por mano.
Para estos, nosotros w en a poner el pendiente en El X- eje,
y entonces el registro valer en el Y.
Vamos ir adelante.
Bien hacer a separado uno para cada de nuestro características.
Soy arrastrando eso sobre el envoltura.
Tú poder ver aquí, este es el ese tipo de cosas eso JMP es en realidad interesante en.
I a menudo voluntad encontrar valores atípicos del datos.
Aquí está uno eso es forma afuera aquí.
Nosotros tenemos consiguió a pendiente estimar de cerca de negativo 2.000.
Él vueltas afuera eso este variable es cerca de constante.
El regresión justo golpes arriba con un casi cerca de vertical,
o cerca de negativo, muy negativo pendiente.
Él vueltas afuera este es más de un anomalía que un actual significativo golpear.
Él quería de hecho hacer sentido justo a ignorar él.
Pero es de hecho lindo a encontrar eso es en el mesa
y ser capaz a identificar él.
Este es el ese tipo de cosas eso JMP es a menudo en realidad bien en,
descubrimiento extraño patrones.
Pero a piedra de afilar en en el llave resultados, Vamos ir adelante y angosto nuestro ejes abajo.
I justo golpear el eje botón, y eran yendo a justo zoom en.
Vamos ir menos 10 a 10.
Tú poder ver aquí, tú conseguir este característica V forma,
dónde de nuevo, eran conspirando el pendiente de el regresión
versus es negativo registro valor p.
Para CWAC, nosotros de hecho consiguió,
de nuevo, como nosotros esperado antes, más éxitos que en cualquier lugar demás.
A racimo de marcadores para positivo y negativo pendiente,
cual quería indicar a aditivo genético relación
yendo uno forma a el otro.
Para el otro características, estos son también V forma,
y muchos de a ellos son justo en realidad a lote menos significativo
y a menudo cuadrado fallecido en con uno otro.
El pendiente también depende en el escala de el medición.
Es tal vez no bastante como significativo si nosotros poner todo estos en el mismo exacto escala.
Pero I justo buscado a espectáculo este para ilustración,
como a forma a comparar todo lado por lado.
Esto es un GWAS.
Emocionante adelante, Vamos conseguir a probablemente qué nuestro principal objetivo quería ser,
cual quería ser a predecir estos características como a función de el marcadores.
Aquí, nosotros hacer tener acceso a todo el excelente profético modelado plataformas
eso son en JMP.
Alguno de estos, tú tener a ser a pequeño cuidadoso a usar.
Con desaparecido datos, tú puede necesidad a hacer el imputación primero.
Alguno podría convertirse bastante lento dado el tamaño de el problema.
Para hoy, I justo desear a espectáculo probablemente mi favorito uno,
cual es XG Aumentar, usando el XGB este plataforma.
Este es a caso dónde I de hecho corrió este antemano,
porque, y es a correr.. .
Pero I l cargado todo seis características en XGB este y hizo diez- doblar costo validación.
I automáticamente izquierda afuera cada de el diez pliegues.
Aquí, tú poder ver el resultados de eso correr,
dónde nosotros tenemos consiguió el sólido pauta aquí en estos gráficos,
son el validación curvas encima el iteraciones
y el punteado pauta de el capacitación.
Tú poder ver con estos ancho problemas, Hay a severo riesgo de sobreajuste,
especialmente con a poderoso acercarse como XG Aumentar.
Tú tener a ser muy cuidadoso.
Como tu poder ver, Yo en realidad [inaudible 00:32:18] parámetros.
I podría pellizcar retorciendo a ellos abajo para uno, y tú poder ver el otro parámetros aquí.
Dentro cada modelo adaptar, nosotros tenemos consiguió ambos el capacitación,
observado versus previsto, y el validación.
Tú poder ver aquí para C Asociación de Mujeres Comunitarias nosotros consiguió a correlación de alrededor 0.43.
Correlación es a típico medida usado a evaluar actuación.
Este es competitivo con qué era publicado en el papel antes,
sin difícilmente mucho sintonización en todo.
Pero entonces Hay a lote de otro interesante cosas tú poder bucear en,
el mayoría importante características, etc.
Nosotros incluso consiguió alguno nuevo cosas para instancia, uno cosa llamado Shapley valores
eso Identificación alentar tú a controlar afuera.
Hay yendo a ser otro hablar en este tema por Pedro Hirsch,
Florián Laura Lancaster y yo mismo en eso aquí en el conferencia,
I quería alentar tú a controlar eso afuera.
Es a forma a romper abajo predicciones en su componentes.
Eso obtiene otro nivel tú poder ir en con prediciendo.
Eso es justo uno ejemplo de alguno lindo profético modelado tú poder hacer.
A envoltura arriba el manifestación, I buscado a devolver atrás
dónde nosotros comenzó aquí en este Genética menú.
Nosotros tenemos consiguió a marcador, a marca nuevo marcador simulación plataforma.
Este es alguno bonito avanzado genético modelado
transportado afuera por nuestro interno experto, Luciano Silva.
Qué este hace es él de hecho voluntad hacer virtual cruce por el genotipos.
El idea es tú lo harías carga el marcadores en.
El en realidad interesante cosa es tú poder poner a vaticinador fórmula aquí.
Para ejemplo, I ahorrar el vaticinador fórmula de el XGBoost modelo de CWAC.
Qué este voluntad hacer es ambos simular el cruces
y predecir su actuación.
Este es qué moderno virtual cría hace.
Tú poder de hecho prácticamente cruz diferente loblolly pino árboles
y predecir qué voluntad suceder con a ellos
sin teniendo a esperar 10, 20, 30 años a crecer a ellos en el campo.
Extremadamente poderoso, interesante acercarse eso revolucionado el forma
moderno cría es hecho, y por qué así llamado genómico selección,
o profético modelado con genético marcadores es entonces popular.
Enfermo ir adelante y concluir allá.
I esperanza eso afilado su apetito
con alguno de el nuevo cosas nosotros tenemos consiguió yendo.
A lote de el cosas I presentado hoy quería también trabajar con gene expresión datos,
a pesar de eso es a pequeño poco diferente juego de pelota
en términos de qué estás intentando a hacer.
Pero para beneficio de tiempo, I pensamiento él quería ser bien justo a mirar en este uno ejemplo
y bucear un poco profundo.
Agradecer tú muy mucho para su atención.
Dejar a nosotros saber si Tú tienes consiguió preguntas como tú tener a ellos.
Eran en realidad e entusiasmado acerca de el nuevo cosas próximo en JMP 17 Pro.
Nosotros tenemos consiguió a lote más cosas próximo en el obras.
Agradecer Muchas gracias.
Nosotros reconocer eso lote de gente eso venir a descubrimiento,
este puede no ser su área de pericia.
Pero tú puede saber alguien ¿Quién es? haciendo este trabajar,
y nosotros quería amar a conseguir a ellos conectado con qué eran haciendo aquí en JMP Pro,
porque nosotros son yendo a continuar a invertir en añadiendo capacidades
y mejorando el software entonces él poder hacer trabajar como este mejor y mejor
a encontrarse el necesidades de científicos al otro lado de el vida ciencias
y este industria.
Gracias para escuchando en.
