안녕, 이것 ~이다 홀로 가드너 ~와 함께 제이엠피
나는 a 제품 관리자 ~에 제이엠피
이었다 여기 에게 말하다 오늘 ~에 대한 소개하다 JMP 프로 ~을 위한 유전체학,
미는 그만큼 경계 ~의 JMP 프로 에게 ~할 수 있게 하다 데이터 과학 ~에 그만큼 데스크톱.
I ~이다 하나 ~의 그만큼 발표자.
아픈 BE 행위 그만큼 소개 에게 이것 주제.
나는 S 나이가 많은 제품 관리자 ~을 위한 건강 그리고 삶 과학
에서 제품 관리 팀 ~에 제이엠피
우리의 공동 발표자 오늘 ~이다 러스 울핑거,
누구야 a 저명한 연구 사람
그리고 우리의 감독 ~의 과학적 발견 그리고 유전체학 ~에 제이엠피
잘 말하다 a 작은 조금 ~에 대한 그만큼 배경
~의 유전학 그리고 유전체학, 기능적인 유전체학,
그리고 그 다음에 말하다 ~에 대한 무엇 이었다 행위 에게 이행 ~에서 우리의 이전의 제품,
제이엠피 유전체학, 에게 사용 중 제이엠피 찬성 ~을 위한 유전체학.
러스 ~ 할 것이다 입증하다 일부 ~의 그만큼 새로운 역량 ~에 그만큼 제품.
A 작은 조금 ~에 대한 고전 유전학.
이것 ~이다 어디 a 많은 ~의 이것 갖다 시작했습니다.
사람들 가지다 계속 ~ 이다 행위 고전 유전학 ~을 위한 a 긴 시간.
그들은 계속 ~ 이다 번식 식물 그리고 동물들
에게 얻다 원하는 특징 ~을 위한 저것들 식물 그리고 동물.
그들은 보았다 저것 그들 ~할 수 있다 하다 저것 에게 얻다, 더 강하다 동물들, 더 나은 식물,
식물 원하는 속성 그리고 그래서 에.
너 아마 공부했다 a 긴 시간 전에, 언제 너 ~이었다 어린 ~에 학교,
~에 대한 그레고르 멘델, 그만큼 수도사, WHO 보냈다 많은 연령 공부하는 정원 완두콩.
그 실제로 정확히 잰 일곱 별개의 형질 ~의 이것들 완두콩—
그들의 키, 그들의 아래에 모양 그리고 색상, 씨앗 모양 그리고 색상,
꽃 위치 그리고 색상-
그리고 관찰됨 저것 ~처럼 이것들 완두콩 ~이었다 잡종 ~와 함께 각 다른,
저것 그만큼 특징 ~이었다 통과했다 ~에
~에서 그만큼 조상 식물 에게 그만큼 자손 식물
수행원 일부 꽤 특정한 매우 정확한 비율
만든 사람 그것 확률적으로 가능한
에게 만들다 예측 ~에 대한 무엇 그만큼 자손 ~일 것이다 바라보다 좋다
기반을 둔 ~에 그만큼 특징 ~의 부모님.
그의 그리고 나중에 일하다 확립된 그만큼 원칙 ~의 유전적 계승.
무엇 ~이다 유전체학?
유전체학은 더 ~보다 단지 고전 유전학.
유전체학 사용 a 콤비네이션 ~의 DNA 측정 행동 양식
그리고 재조합 DNA 행동 양식
에게 순서 그리고 모으다 그리고 분석하다 그만큼 구조 그리고 기능 ~의 게놈.
그것 다르다 ~에서 고전 유전학 그 안에 그것 외모
~에 그만큼 생물체의 가득한 보어 ~의 유전적 또는 유전적인 재료.
그것 초점을 맞춘다 ~에 그만큼 상호작용 ~ 사이 그만큼 유전자좌 또는 그만큼 위치
~의 다른 유전자 ~에 그만큼 게놈,
그리고 그만큼 대립유전자, 그만큼 변화 ~에 그만큼 유전자 ~에 그만큼 게놈,
그래서 저것 너 ~할 수 있다 이해하다 것들 좋다 상위성, 다형성 잡종강세,
어느 ~이다 것들 좋다, 좋아요, 하나 유전자 영향을 미친다 많은 것들.
그것이다 다발성.
상위성이란 저것 때때로,
하나 유전자 영향 그만큼 산출 또는 그만큼 효과 ~의 또 다른 유전자.
이성애 ~이다 때때로 너 얻다 시너지 효과 효과 ~에 의해 결합하다 그만큼 유전자
~에서 둘 다른 부모 또는 둘 다른 생물체.
이것 모두 의존하다 ...에 그만큼 사용 ~의 그만큼 본부 교조 ~의 유전체학.
저것 교조 ~이다 저것 DNA, 어느 ~이다 그만큼 암호 ~을 위한 우리의 생물학적 시스템,
~이다 필사하다 ~ 안으로 RNA,
어느 ~이다 그만큼 암호 그게 사용된 에게 만들다 것들
그리고 만들다 단백질 ~에 그만큼 몸.
그만큼 단백질 ~이다 그만큼 작은 화학적인 엔진
저것 하다 것들 내부에 그만큼 몸 그리고 그것을 주다 그것은 기능.
에서 저것, 너 ~할 수 있다 실제로 그 다음에 측정하다 것들 좋다 대사산물,
무엇 실제로 일어난다, 무엇 하다 저것들 단백질 실제로 하다
내부에 그만큼 세포 그리고 내부에 그만큼 몸.
그만큼 길 ~이다 DNA 만든다 RNA 만든다 단백질,
그리고 그만큼 단백질 규제하다 어떻게 것들 기능 ~에 그만큼 몸,
그리고 저것 생산하다 대사산물.
데이터 ~이다 정말 가능하게 하다 a 유전체학 혁명.
현대의 측정 기법 ~이다 정말 거들기 우리를 이해하다
그만큼 구조 그리고 기능 ~의 그만큼 게놈
그리고 어떻게 그것 공장 내부에 그만큼 세포 ~에 생물학적 체계.
우리 ~할 수 있다 순서 그만큼 지금의 게놈.
우리는 갖다 다음- 세대 시퀀싱.
많은 연령 전에, 언제 제이엠피 처음 이사했다 ~ 안으로 이것 영역,
거들기 고객이 할 수 있도록 에게 분석하다 이것 유형 ~의 데이터,
그만큼 방법 에게 측정하다 그것 ~였다 전자레인지,
어느 ~였다 많이 더 집중하다 ~에 매우 특정한 부분품 ~의 그만큼 게놈,
그리고 자주 a 매우 제한된 세트 ~의 유전자 ~에 그만큼 게놈.
지금, 너 ~할 수 있다 순서 그만큼 전체 게놈 ~의 한 유기체.
또한, 너 ~할 수 있다 바라보다 ~에 것들 좋다 표현 그리고 규제.
이었다 말하는 ~에 대한 그만큼 대사산물.
무엇 이다 산출 ~ 안으로 그만큼 생물학적 체계 저것 너 ~할 수 있다 측정하다?
너 ~할 수 있다 바라보다 ~에 어떻게 그만큼 단백질 ~이다 생산됨
또는 무엇 저것들 단백질 ~이다 행위.
너 ~할 수 있다 또한 바라보다 ~에 어떻게 그만큼 구조 ~의 그만큼 DNA 그 자체,
뭐야 ~라고 불리는 후성유전학,
영향 그만큼 기능 어떻게 DNA 공장 그리고 어떻게 그만큼 유전자 일하다 내부에 그만큼 몸.
거기 ~이다 일반적으로 삼 기본 단계 ~의 분석 저것 일어나다
언제 당신은 행위 이것 유형 ~의 일하다.
하나 ~이다 너 단지 생성하다 그만큼 날것의 데이터.
너 하다 그만큼 시퀀싱 일하다, 생성하다 그만큼 게놈- 시퀀싱 데이터,
또는 측정하다 그만큼 대사산물 또는 그만큼 단백질 표현
또는 그만큼 RNA 표현.
그리고 그 다음에 저것 생성하다 예쁜 크기가 큰 데이터 세트
저것 가지다 에게 BE 필터링 및 제거 멀티플렉스
그리고 다듬어진 그리고 득점했다 그리고 청소했다 위로.
이것 ~이다 일반적으로 처리하다 ~에 a 자동화된 또는 반자동 워크플로
~에 컴퓨터 시스템 저것 ~할 수 있다 프로세스 매우 크기가 큰 데이터 파일.
그 다음에 그것 일반적으로 간다 ~ 안으로 a 두번째 단계 어디 너 시작 에게 하다 순서 조정
그리고 원래 내벽 것들 위로, 그리고 존재 할 수 있는 에게 하다 것들 좋다 카운트합니다.
어떻게 많은 타임스 했다 I 보다 그만큼 표현
~의 a 특정한 RNA 파편 또는 RNA 순서?
또는 어떻게 많은 타임스 했다 I 보다 a 특정한 단백질?
또는 모두 이것 날것의 데이터, 어떻게 하다 그것 선 위로 에게 실제로 만들다 a 그림
~의 무엇 그만큼 구조 ~의 그만큼 전체 게놈 이다?
그것이다 a 예쁜 큰 매우 정확한 계산적 프로세스.
저것 일반적으로 또한 얻는다 완료 ~에 예쁜 크기가 큰 계산적 시스템
~와 함께 a 많은 ~의 계산적 자원.
그리고 그 다음에 그만큼 세 번째 단계,
어느 ~이다 그만큼 단계 어디 제이엠피 정말 가지다 연주했다 안에,
그리고 JMP가 있는 곳 찬성 ~ 할 것이다 계속하다 에게 놀다 안에,
~이다 그만큼 결정하다 유전자형 협회 그리고 유전자형-대- 표현형 관계.
A 표현형 ~이다 단지 a 특성 ~의 생물체,
그만큼 관계 ~ 사이 그만큼 유전자 그리고 그만큼 특징.
그리고 또한 찾고 ~에 상관관계 그리고 협회
~의 그만큼 다른 유전적 마커 내부에 그만큼 게놈,
또는 그만큼 변화 ~의 그만큼 유전적 마커.
자주, 당신이 무엇을 원한다 하다 ~이다 너 원하다 에게 특징화하다 저것들
그리고 그 다음에 상관관계를 맺다 그들을 에게 물리적, 생물학적,
또는 아마도 질병 상태 형질.
모두 ~의 이것 ~할 수 있다 실제로 BE 완료 ~와 함께 데스크톱 소프트웨어.
제이엠피 찬성 ~이다 우리의 해결책 에게 하다 저것 가고 있다 앞으로 ~에 그만큼 미래.
우리는 가졌다 a 제품 ~라고 불리는 제이엠피 유전체학 ~을 위한 14 연령, 위로 ~까지 이것 년도,
저것 우리 ~이었다 제공 그만큼 고객.
그것 ~였다 a 콤비네이션 제품 ~의 제이엠피 그리고 SAS(스에스에스)
SAS는 정말 필요했다 뒤쪽에 일찍 언제 우리 먼저 넣어 이것 밖으로
에게 하다 a 많은 ~의 그만큼 데이터 처리 중,
왜냐하면 그만큼 크기 그리고 그만큼 유형 ~의 데이터 우리 보았다 ~에
~였다 매우 어려운 에게 하다 ~와 함께 a 데스크톱 소프트웨어 패키지 좋다 제이엠피
SAS는 그만큼 데이터 처리 중, 일부 ~의 그만큼 통계적 행동 양식,
하지만 제이엠피 ~였다 사용된 ~을 위한 더 나아가 통계적 분석
그리고 시각화 그만큼 결과 ~의 저것들 분석.
제이엠피 유전체학 가지다 계속 ~ 이다 연구에 사용됨 그리고 산업
~을 위한 a 넓은 다양성 ~의 유전체학 문제들 ~을 위한 많은 연령.
하지만 우리 만들어진 a 전략적 결정 이것 년도
에게 폐하다 판매 제품 저것 포함하다 SAS와 함께 그들을.
그것이다 부분 ~의 그만큼 결정 저것 ~였다 만들어진 ~을 위한 제이엠피 에게 ~이 되다 독립적인 회사.
이었다 a 전액 소유 자회사 ~의 SAS 지금,
그리고 ~이다 움직이는 아래에 저것 도로 ~의 독립.
우리 ~이다 ~ 아니다 가고 있다 에게 BE 판매 아무것 하지만 제이엠피 제품 가고 있다 앞으로.
왜냐하면 ~의 저것, 우리 가지다 보았다 지금
에게 이동하다 그만큼 기능 ~을 위한 유전체 데이터 분석 ~ 안으로 제이엠피 찬성.
~ 안에 제이엠피 찬성 17, 어느 ~ 할 것이다 BE 사용 가능 이것 떨어지다 ~에 2022년,
가지다 계속 ~ 이다 그리고 ~ 할 것이다 BE 최적화된 ~을 위한 큰 그리고 넓은 데이터 문제.
그것은 가고 있다 에게 가지다 역량 에게 만나다 그만큼 필요
~의 유전체 데이터 과학 그리고 유전체 데이터 과학자들.
그것은 가고 있다 에게 활용하다 그만큼 힘
~의 JMP Pro의 예측 해석학 그리고 대화형 심상
에게 돕다 ~할 수 있게 하다 발견 ~에 이것 영역 ~의 일하다.
일부 ~의 그만큼 향상 저것 우리는 만들어진 에게 푸시 그만큼 경계 ~의 제이엠피 찬성
포함하다 단지 풀이 장벽 그리고 병목 현상 ~에 그만큼 소프트웨어.
그것은 하나 물건 에게 하다 분석 ~에 십 또는 수백 또는 심지어 수천
~의 기둥 ~에 a 데이터 테이블.
하지만 언제 너 가지다 a 데이터 테이블
어느 아마도 가지다 많은 수천 또는 수백 ~의 수천 ~의 기둥,
너 시작 에게 드러내다 제한 사항 때때로 ~에 당신의 소프트웨어.
에 의해 행위 이것 일하다, 우리는 덮이지 않은 장소
어디 우리 단지 필요 에게 유선 어떻게 운영 일어나다 내부에 그만큼 프로그램.
우리는 완료 저것.
안 예 ~일 것이다 BE 만약에 I 원했다 에게 하다 a 변환
~에 수백 ~의 수천 ~의 기둥, 우리는 상당히 개선됨 저것 프로세스.
그것은 일어난다 많이 더 빠르게 ~에 그만큼 데이터 테이블.
또한 존재 할 수 있는 에게 하다 매우 빠른 그리고 효율적인 다변량 분석 행동 양식
좋다 주요한 요소 분석 그리고 클러스터링,
언제 너 가지다 이것들 정말 넓은 유전체 데이터 테이블.
그리고 그 다음에 존재 할 수 있는 에게 하다 모델 ~ 위에 그리고 ~ 위에 다시
~에 수천 그리고 수천 ~의 응답 기둥,
그리고 에게 하다 저것 효율적으로 그리고 효과적으로.
그만큼 두번째 목표 저것 우리 가지다 ~에 이것 이행
~이다 저것 가져오다 ~에 일부 역량 ~에 그만큼 제이엠피 찬성
저것 ~이다 매우 특정한 ~을 위한 유전적 그리고 유전체 분석.
을 위한 사례, 존재 할 수 있는 에게 수입 다른 형식
저것 ~이다 천하게 사용된 ~에 이것 영역.
또한, 존재 할 수 있는 에게 하다 유전적 채점자 분석 그리고 시뮬레이션,
~처럼 잘 ~처럼 가져오다 ~에 일부 더 새로운 인기 있는 데이터 절감 행동 양식
그런 ~처럼 t-SNE 그리고 유니맵.
전반적인, 무엇 이었다 구하는 에게 ~이다 a 제품 그게 가고 있다 에게 BE 기대다.
설치합니다 매우 빠르게.
너 ~할 수 있다 사용 그것 ~에 당신의 데스크톱,
하지만 너 ~할 수 있다 사용 그것 에게 하다 이것 매우 강한 분석
~에 이것들 크기가 큰, 복잡한, 넓은 데이터 테이블.
에게 설명하다 저것, 나는 가고 있다 에게 회전하다 그것 ~ 위에 에게 러스.
러스 ~이다 가고 있다 에게 보여주다 우리를 실제로 어떻게 너 ~할 수 있다 하다 일부 현실적인 분석
그리고 일부 진짜 공부하다 분석 여기 ~에 일부 유전체 그리고 유전적 데이터.
잘, 감사하다 너, 홀로.
그것은 a 진짜 신나는 시간 ~을 위한 우리를.
I 알다 나는 실제로 계속 ~ 이다 ~와 함께 그만큼 유전체학 분석 혁명
이내에 SAS ~을 위한 ~ 위에 20 연령 지금.
우리 실제로 [듣기 불가 00:11:46] ~에 그만큼 일찍 2000년대 ~라고 불리는 과학적 솔루션,
어디 우리 ~이었다 시작하다 에게 바라보다 ~에 일부 ~의 그만큼 일찍 마이크로 정렬 데이터.
그것은 계속 ~ 이다 a 정말 재미있는 20 연령.
지금, I ~일 것이다 말하다, 거의 하나 ~의 그만큼 최대 신나는 타임스 항상 ~을 위한 우리를,
어디 이었다 지금 할 수 있는 에게 암호 일부 ~의 이것들 루틴
곧장 ~에 제이엠피 찬성 사용 중 C++.
A 많은 ~의 그들을 ~이다 달리기 많이 더 빠르게 ~보다 우리 가졌다
~에 그만큼 이전의 제이엠피 유전체학 제품.
I 원하다 에게 주다 너 a 작은 f 세면기 ~의 저것 오늘 ~와 함께 한 예.
이것 ~이다 a 데이터 세트 ~에 로블로리 소나무,
어느 ~을 위한 저것들 ~의 너 ~에서 그만큼 남동
~할 것 같다 알다 그것 ~처럼 아마 하나 ~의 그만큼 최대 인기 있는 종 ~의 소나무.
일반적으로, 만약에 너 가다 ~ 안으로 홈디포 아니면 로우즈
그리고 구입하다 일부 둘- 에 의해- 4개 또는 합판, 그것은 가고 있다 에게 BE 만들어진 ~의 l 오볼리.
언제 너 파리 ~ 안으로 그만큼 영역, 너 우연히 보다 a 많은 ~의 나무 씌우다.
많은 ~의 저것들, ID 말하다 a 좋은 큰 덩어리 ~의 저것들 나무들,
특히 ...쪽으로 그만큼 동부 부분 ~의 북쪽 캐롤라이나, ~이다 로블 올리.
그것은 a 매우 중요한 종, 하나 저것 우리 정말 원하다 에게 이해하다 잘.
그것은 계속 ~ 이다 공부했다 매우 철저히, 그리고 심지어 더 그래서 지금
저것 우리는 갖다 일부 크런치 가고 있다 ~에 ~와 함께 집 건물 그리고 무엇 가지다 너,
그것은 비판적인 에게 이해하다 그것 내부에 그리고 밖으로.
유전체학 기술 ~이다 환상적이다
~을 위한 드러내는 일부 것들 저것 우리 단지 절대 알고 있었다 전에.
이것 데이터 ~이다 실제로 아직 10 연령 오래된.
그것 ~였다 ~에서 a 종이 ~에 그만큼 신문 ~의 유전학 ~에 의해 레센데 그리고 등.
이것 ~이다 a 그룹 ~의 연구자들 ~에서 그만큼 대학교 ~의 플로리다
그리고 엠브라파 ~에 브라질
그리고 대학교 ~의 아이오와, I 믿다, 내가 만약 상기하다 바르게.
여기 있습니다 그만큼 참조 만약에 너 원하다 에게 바라보다 그것 위로.
그만큼 데이터 ~이다 또한 자유로이 사용 가능.
나는 갖다 그들을.
I 갔다 앞으로 그리고 다운로드됨 그들을 ~에서 그만큼 보충 정보
그리고 짐을 실은 그들을 ~ 안으로 a 제이엠피 테이블 저것 너 보다 여기.
처럼 홀로 ~였다 언급하면서, 형식 JMP에서 찬성
~이다 무엇 우리 일반적으로 좋다 에게 부르다 a 넓은 체재,
어디 우리는 갖다 모든 것 ~에 하나 테이블.
여기, 우리는 갖다 일부 유전자형 지시자 숫자 표시 그만큼 윤곽
~처럼 잘 ~처럼 그만큼 어머니 그리고 아버지 저것 그만큼 나무들 왔다 에서.
그리고 그 다음에 이것 특정한 데이터 세트 저것 나는 갖다 여기,
우리는 갖다 육 특징 저것 우리는 정확히 잰.
I 믿다 실제로 있다 더.
제 생각에는 있다 17, 만약에 너 원하다 에게 보다 그만큼 참조.
우리의 열쇠 집중하다 ~의 관심 ~이다 이것들 유전적 마커.
이것 데이터 세트의 작은 ~에 의해 오늘의 표준.
우리는 오직 갖다 4,800.
I 말하다 "오직 4,800인치 하지만 그게 아직 상당히 a 약간의.
처럼 너 ~할 수 있다 보다, 나는 스크롤링 ~을 통해 여기,
그들은 모두 코딩됨 ~처럼 어느 하나 영, 하나, 아니면 두 개.
이것들 ~이다 소위 SNP 마커, 하나의 뉴클레오타이드 다형성,
어디 잘 가지다 어느 하나...
그만큼 숫자 여기 나타내다
그만큼 숫자 ~의 그만큼 주요한 대립유전자 저것 우리 가지다 ~에 그만큼 데이터.
영 ~일 것이다 BE 그만큼 작은 A, 작은 A,
만약 당신이라면 친숙한 ~와 함께 그만큼 오래된 유전학 표기법.
그만큼 둘 ~일 것이다 BE 그만큼 큰 에이, 큰 에이.
그만큼 1들 ~일 것이다 BE 모두 그만큼 이형접합자.
그래서 4,500 ~의 이것들 마커.
그만큼 기초적인 목표 ~에 그만큼 끝, 일반적으로...
~ 안에 사실, 저것 ~였다 무엇 그만큼 종이 저것 이것 ~였다 ~에서 ~였다 에 대한.
그들 ~이었다 비교하다 여러 개의 ~의 그만큼 인기 있는 예측 행동 양식.
하지만 ~ 전에 우리 얻다 에게 예측,
있다 a 많은 ~의 정말 좋은 것들 저것 너 원하다 에게 하다
단지 에게 만들다 확신하는 그만큼 데이터 ~이다 ~처럼 예상되는,
그리고 또한 에게 배우다 그리고 발견하다 구조 그리고 다른 흥미로운 형질.
하자 잠수 ~에 그리고 보다 우리가 할 수 있는 일 와 함께 전형적인 워크플로 여기 ~에 JMP 프로.
I ~일 것이다 일반적으로 단지 좋다 에게 바라보다 ~에 그만큼 데이터 ~에 제이엠피
우리 ~할 수 있다 사용 단지 기초적인 플랫폼.
을 위한 예, 여기, 허락하다 나 가져오다 위로 그만큼 다중 영역 플랫폼
그리고 단지 확인하다 밖으로 기초적인 플롯 ~의 그만큼 데이터 ~에 맞서 하나 또 다른.
너 ~할 수 있다 보다, ~을 위한 예, 여기, 루트넘버 그리고 뿌리 넘빈
~이다 꽤 고도로 상관관계가 있는 ~와 함께 각 다른.
다른 것들은, ~ 아니다 그래서 많이.
너 ~할 수 있다 하다 분포.
을 위한 예를 들어, w e ~할 수 있다 하다 그것 여기 ~와 함께 그만큼 분포 플랫폼.
이것들 특징 가지다 실제로 이미 계속 ~ 이다 중앙에, I 생각하다.
나는 믿는다 모두 ~의 그들을 가지다 a 평균 ~의 약 영.
그들은 다 쓴 ~을 통해 a 작은 조금 ~의 전처리
저것 우리 습관 가다 ~ 안으로 오늘.
그것이 바로 방법 그들 왔다 ~에서 그만큼 종이.
우리의 기초적인 목표 ~이다 에게 사용 그만큼 유전적 정보 에게 예측하다 이것들 특징.
그들 대표하다 다양한 형질 ~의 그만큼 로블로리 나무들.
을 위한 예, C WAC,
I 믿다 그게 왕관을 씌운 ~와 함께 가로질러 그만큼 식물 침대.
그것은 a 측정하다 ~의 그만큼 나무 크기.
우리는 갖다 다른 측정 ~의 밀도 그리고 특성 ~의 그만큼 뿌리, 등.
모두 중요한 것들 에게 알다 ~에 대한 그리고 언제 공부하는 이것들 나무들.
허락하다 나 걷다 너 ~을 통해 무엇 우리 ~할 것 같다 고려하다 a a 기초적인 워크플로
한 번 너 가지다 당신의 데이터 세트 위로 좋다 이것.
지금, ~ 전에 행위 하지만,
I 하다 원하다 에게 언급하다 ~도 저것 우리 가지다 놓다 ~에 a 공정한 조금 ~의 일하다
에게 거들기 그리고 돕는 ~와 함께 수입 그런 데이터.
이것 특정한 데이터 왔다 ~처럼 단지 기준 콤마 분리된 값 파일,
그래서 아니요 큰 거래 에게 수입 그것.
하지만 자주, 유전적 데이터 좋다 이것 오다 ~에 소위 VCF 파일.
우리는 지금 가지다 새로운 루틴 에게 BE 할 수 있는 에게 수입 저것들 곧장,
~처럼 잘 ~처럼 수입 파일 ~에서 그만큼 인기 있는 데이터 베이스,
그리고 그 다음에 a 약간의 다른 형식, 쓰다 그리고 무엇 가지다 너.
견딜 수 없는 에게 만들다 그것 정말 쉬운 에게 얻다 당신의 데이터 ~ 안으로 제이엠피
아시다시피, 한 번 당신은 갖다 당신의 데이터 세트 위로 ~에 a 제이엠피 테이블,
있다 단지 모두 종류 ~의 엄청난 것들 너 ~할 수 있다 하다.
많은 ~의 그만큼 것들 저것 너 듣다 에 대한...
주다 너 일부 더 아이디어,
~처럼 잘 ~처럼 일부 새로운 것들 저것 우리는 놓다 ~ 안으로 장소.
에게 시작 밖으로, 우리는 갖다 a 상표 새로운 커플 ~의 플랫폼
아래에 그만큼 분석하다 메뉴 여기 ~에 그만큼 맨 아래.
유전학. 분석하다, 유전학.
우리는 갖다 채점자 통계 그리고 채점자 시뮬레이션.
하자 달리다 그만큼 첫 번째, 채점자 통계.
이것 ~이다 단지 a 기초적인 플랫폼 ~을 위한 찾고 ~에 형질 ~의 a 세트 ~의 마커.
너 ~할 수 있다 보다 여기, 나는 로딩 중.
우리는 갖다 4,853 SNPs 조직된 ~에 a 그룹 여기 ~에 그만큼 제이엠피 테이블.
I 단지 이동하다 그들을 ~ 위에 ~ 안으로 그만큼 마커.
다른 모든 것이 ~이다 좋아요, 우리는 그냥 딸깍 하는 소리 좋아요.
그것 달리다 상당히 빠르게.
무엇 이것 원래 하다 ~이다 그것은 걸린다 각 채점자
그리고 계산하다 a 다양성 ~의 기준 통계적 유전적 통계
저것 너 ~할 수 있다 바라보다 가로질러 여기 그리고 보다 뭐야 가고 있다 에.
A 열쇠 물건 에게 확인하다 ~을 위한 a 소위 튼튼한- 와인버그 평형.
너 ~할 수 있다 하다 a 통계적 시험 ~의 저것 그리고 얻다 피- 가치 ~에서 그것,
그리고 심지어 구성 이것들 ~을 따라 ~에 a 그래프 좋다 이것.
~에 그만큼 Y 중심선, 우리 실제로 사용 그만큼 통나무 10 p-값,
어느 우리 또한 부르다 그만큼 통나무 가치.
에게 가다 한 번 단계 더 나아가, 너 ~할 수 있다 만들다 a 거짓 발견 비율 조정
에게 피하다 그만큼 다수의 테스트 문제.
너 ~할 수 있다 보다 여기, 우리는 실제로 계획했다 둘 다:
그만큼 날것의 p-값, 그만큼 날것의 통나무 가치, ~처럼 잘 ~처럼 그들의 루즈벨트 조정됨 p-값.
그들 추세 에게 BE 상당히 비슷한, 특히 ~을 위한 그만큼 크기가 큰 1.
이것들 마커 위로 여기 ~이다 1들 저것 ~일 것이다 BE 밖으로 ~의 평형,
매우 ~할 것 같은 ~로 인한 에게 그만큼 클로닝 ~의 그만큼 나무들.
이것들은 다음과 같습니다 마커 저것 ~할 것 같다 추세 에게 경향 또는 안정화하다
~ 위에 시간 ~와 함께 미래 십자가.
좋을 것 같아요 에게 확인하다 이것들 밖으로
그리고 만들다 확신하는 그만큼 분포 ~의 그만큼 대립유전자 ~이다 ~처럼 예상되는.
아킹 모두 그만큼 방법 뒤쪽에 에게 그레고르 멘델 날,
것들 저것 우리 배웠다 ~에 대한 어떻게 대립유전자 이와 같이 ~해야 한다 행동하다.
그것이다 a 좋은 장소 에게 시작, 단지 에게 얻다 한 아이디어 ~을 위한 그만큼 마커.
하자 이동하다 다음 그리고 하다 일부 무늬 발견.
여기, 있다 여러 개의 멋진 것들 우리 ~할 수 있다 노력하다.
A 매우 기초적인 하나 그게 또한 계속 ~ 이다 인기 있는 ~을 위한 수십 년 ~와 함께 유전자 표현 데이터
~이다 단지 에게 하다 계층적 클러스터링.
다시, 나는 단지 가고 있다 에게 놓다 그만큼 SNPs ~에 여기.
너 일반적으로 ~ 할 것이다 원하다 에게 사용 하나 ~의 이것들 더 빠르게 행동 양식.
하자 사용 빠른 구.
우리 하다 가지다 일부 없어진 가치, 그래서 하자 하다 돌리기.
잘 가다 앞으로 그리고 클러스터링하다 둘 방법.
하자 딸깍 하는 소리 좋아요 여기.
나는 가고 있다 에게 계속하세요. 나는 달리고 있어요 모든 것 살다 오늘.
A 약간의 ~의 이것들 것들 ~ 할 것이다 가져가다 초 에게 달리다.
A 분석 나는 갖다 저것 실제로 ~ 할 것이다 가져가다 a 약간의 분
저것 I 습관 달리다 살다 단지 ~을 위한 동기 ~의 시간.
하지만 너 ~할 수 있다 보다 여기, 이것 규모 ~의 데이터,
제이엠피 찬성 처리할 수 있습니다 꽤 손쉽게.
이것 하나, 너 ~할 수 있다 보다 저것 그만큼 진전 술집 여기
~ 할 것이다 가져가다 아마 30초 에게 a 분 에게 마치다.
하지만 ~ 아니다 ~도 나쁜 ~을 위한 a 중간- 크기 데이터 세트 좋다 이것.
다시, 이었다 클러스터링 약 926 행 그리고 4,800 기둥.
하지만 ~ 전에 실제로 그만큼 성능 향상,
이것 분석의 종류 ~일 것이다 가져가다 여러 개의 분.
~ 안에 많은 사례, 우리는 계속 ~ 이다 할 수 있는 에게 성취하다 의 주문 크기 속도 위로.
나는 할 수 있는, 원래, 에게 ~할 수 있게 하다 너 에게 하다 복수 좋다 이것 닫다 에게 진짜 시간.
A 작은 조금 ~의 대기 중 ~할 것 같다 BE 필수의 ~처럼 여기, 하지만 ~에 일반적인,
꽤 예쁘네요 멋진 에게 BE 할 수 있는 에게 빠르게 얻다 답변 에게 꽤 어려운 질문.
을 위한 예, 여기, 이었다 견딜 수 없는 에게 보다
어떻게 다른 행 ~의 우리의 데이터 무리 ~와 함께 각 다른.
지금 여기, a 매우 흥미로운 물건 발생합니다.
너 ~할 수 있다 보다 나는 갖다 색칠 저것 I 했다 에게 그만큼 데이터.
I 색깔이 있는 그만큼 어머니 그리고 아버지, 또는 모성 그리고 부계 대립유전자.
만약에 우리 바라보다 ~에 이것 변하기 쉬운 여기, 있다 약 71 고유한 수준.
그리고 그 다음에 이내에 각 십자가, 있다 위로 에게 17 또는 20 개인.
그만큼 데이터 가지다 매우 멋진, 단단한 클러스터.
그만큼 클러스터링 연산 실제로 설립하다 저것들.
당신은 할 수 있습니다 보다 그만큼 그림 물감 나타내다 그만큼 착색.
이것 색상 주제 ~이다 a 조금 부조화.
하자 이동하다 그것 검은색으로 그리고 하얀색.
우리 ~할 수 있다 보다 그만큼 구조 a 작은 더 깨끗하게.
여기, 우리 ~할 수 있다 보다 그만큼 지역 ~의 하얀색
또는 어디 우리는 갖다 일부 ~의 저것들 미성년자 대립유전자 시작하다 에게 무리
그리고 식별 그만큼 열쇠 장소 ~에 그만큼 게놈
저것 구별하다 이것들 고유한 십자가.
이것 ~이다 a 멋진 구성 단지 에게 얻다 한 전반적인 느끼다 ~을 위한 그만큼 다양한 윤곽
그리고 어떻게 그들 비교하다 ~와 함께 하나 또 다른.
하지만 그만큼 기본 수업 ~이다 이것들 단단한 클러스터
저것 ~이다 매핑 위로 정확히 좋다 우리 ~일 것이다 예상하다 ~와 함께 그만큼 초기의 십자가,
원래 좋다 매우 닫다 형제 에게 하나 또 다른
비교하다 에게 사촌들, 또는 두번째 사촌들, 사촌 등 .
지금, 또 다른 방법 에게 가다 ~에 대한 이것
~일 것이다 BE 더 ~의 a 차원 절감 유형 접근하다.
여기, 그만큼 숫자 하나 분석 ~이다 주요한 구성요소.
하자 노력하다 저것 ~에 우리의 단계 그리고 보다 무엇 저것 밝힙니다.
여기, 하자 단지 사용 그만큼 기본값.
죄송합니다, 실제로, I 원했다 에게 보여주다 끄다...
있다 a 상표 새로운 방법 ~을 위한 넓은 데이터 그게 ~라고 불리는 빠른 근사치를 내다.
그것은 a 멋진 덧셈 ~에 소프트웨어.
그것 실제로 용도, 만약에 당신은 친숙한 ~와 함께 그만큼 방법
~라고 불리는 a 무작위 SVD 접근하다.
너 ~할 수 있다 보다 조금 메시지.
하자 보다 뭐야 ~에 그만큼 통나무.
그것 돌린 밖으로 이것 ~였다 실제로 하나 사례
어디 한 오류 메시지 ~였다 상당히 유익한.
그만큼 소프트웨어 실제로 가리키는 어느 마커...
거기 ~이었다 일부 마커, 그들 ~이었다 숫자가 아닌 또는 끊임없는.
그것 돌린 밖으로 저것 a 줌 ~의 이것들 마커 ~에 그만큼 테이블 ~이었다 끊임없는.
이것 ~일 것이다 BE a 사례 어디 우리 ~할 수 있었다 가다 뒤쪽에 그리고 실제로 깨끗한 저것들 밖으로,
~부터 그들은 ~ 아니다 정말 기여하다 많이 에게 그만큼 분석, 그들은 단지 끊임없는.
하지만 그만큼 PCA 플랫폼 설립하다 그들을 ~처럼 a 부산물.
하지만 만약에 너 바라보다 ~에 그만큼 점수, 처음 두 개 주요한 구성 요소,
우리 다시 가지다 이것 멋진 클러스터링 ~의 가족들.
처럼 평소 ~와 함께 제이엠피,
모두 이것들 플롯 ~이다 대화형 그리고 연결됨 에게 하나 또 다른.
우리 할 수 있다, ~을 위한 예, 딸깍 하는 소리 ~에 하나 ~의 그만큼 가지 ~의 그만큼 나무 ~ 위에 여기,
그리고 그것 ~ 할 것이다 가장 밝은 부분 저것 무리 ~에 그만큼 PCA.
우리 ~할 수 있다 지도 이것들 둘 그래프 에게 하나 또 다른.
~ 안에 사실, 잘, 하자 하다 저것. 우리 ~할 수 있다 추가하다 a 세 번째.
이것 ~이다 또 다른 상표 새로운 플랫폼 그게 단지 오는 밖으로 ~에 제이엠피 17,
~라고 불리는 다변량 임베딩.
여기, 이었다 가고 있다 에게 계산하다 그만큼 인기 있는 t-SNE 연산,
어느 스탠드 ~을 위한 T 다변량 임베딩.
이것 가지다 실제로 계속 ~ 이다 상당히 인기 있는 ~에 그만큼 기계 학습 세계,
그리고 그것은 가지고있다 흘러내렸다 그것은 방법 ~ 안으로 그만큼 유전체학 필드,
특히 ~와 함께 하나의- 셀 RNA.
그것 하다 a 작은 조금 다른 차원 투사 ~보다 PCA.
그것 시도하다 에게 식별하다 현지의 구조,
반면 PCA ~이다 찾고 ~을 위한 치수 ~의 가장 큰 변동성 가로질러 모두 마커.
T-SNE의 견딜 수 없는 에게 찾다 단단한 현지의 클러스터.
그것은 실제로 완벽한 이런 종류의 데이터의 경우,
단지 에게 드러내다 이것들 가족들.
너 ~할 수 있다 보다 그만큼 멋진 작은 여러 떼 ~의 클러스터, 그리고 아마도 더 중요한 것은,
어느 클러스터 그들 자신 ~이다 가까운 각 다른.
너 ~할 수 있다 가져가다 a 그림 여기.
친절한 ~의 외모 좋다 a 나비, 무엇 t-SNE는 자주 가지다 .
ID 장려하다 너 에게 노력하다 그것 ~에 당신의 데이터 한 번 너 얻다 당신의 소유 ~에 제이엠피 17.0.
그것이다 드러내는 일부 멋진 구조 ~에 그만큼 데이터.
하자 이동하다 ~에 지금 에게 a dd 일부 더 통계적으로- 지향적인 모델링.
을 위한 그것, 그만큼 기초적인 물건 에게 대개 시작 밖으로 ~와 함께
~이다 무엇 우리 ~일 것이다 부르다 a 게놈- 넓은 협회 공부하다,
어디 w 엘 원래 가져가다 우리의 특성, 또는 우리의 특징, ~에 이것 사례,
그리고 화면 그들을 ~에 맞서 모두 그만큼 마커.
그만큼 일꾼 플랫폼 여기 ~이다 응답 상영.
나는 가고 있다 에게 분석하다, 상영, 응답 상영.
우리는 완료 상당히 a 조금 ~의 일하다 ~에 이것 감사해요 특히 남자 사울 ,
누가 가지고 있는가 구현됨 일부 멋진 성능 개량.
무엇 이것 하다 ~이다 원래 a 큰 Y ~에 의해 X 분석.
나는 가고 있다 에게 이동하다 우리의 육 목표 또는 응답 ~ 안으로 그만큼 Y 필드,
우리의 SNPs ~ 안으로 엑스.
그리고 그 다음에 모두 너 하다 ~이다 때리다 가다.
무엇 이것 ~ 할 것이다 하다...
I 생각하다 우리 하다 돌리기.
I 생각하다 그것 ~할 것 같다 하다 저것 자동으로. 하자 보다.
응.
이것 하나 달리다 번개 빠른.
I 원래 단지 했다 육 타임스 4,800 빠른 회귀 그리고 계획했다 모두.
이것 ~이다 a 구성 ~의 모두 그만큼 p-값 ~에 한 번.
다시, 집중하다 ~에 거짓 발견 비율.
그것은 갖다 에게 BE 매우 주의 깊은 ~에 대한 남획 데이터 좋다 이것.
너 원하다 에게 만들다 확신하는 어느 선두 저것 너 뒤쫓다다 ~이다 중요한,
심지어 ~ 후에 a 거짓 발견 조정.
여기, 우리 보다 지금 저것 이것 크라운 너비 특징
~이다 그만큼 하나 그게 터지는 소리 밖으로 ~와 함께 그만큼 최대 히트곡.
그 다음에 있다 하나 ~을 위한 러스트빈.
이것들 ~이다 정렬됨 ~에 의해 중요성, 그리고 그 다음에 일부 ~의 그만큼 다른 특징 시작 에게 팝 안에.
하지만 분명히, 그것 외모 좋다 우리는 갖다 그만큼 최대 유전적 행동
~와 함께 이것 크라운 너비 특성.
지금, 에게 가다 a 작은 더 나아가 그리고 설명하다 그만큼 것들 우리 ~할 수 있다 하다.
이것 ~이다 매우 제이엠피 프로처럼요.
하자 구하다 그만큼 테이블 밖으로 ~의 p-값.
우리는 갖다 모든 것 지금 ~에 a 새로운 제이엠피 테이블,
어느 ~이다 효과적으로 모두 그만큼 결과, 그리고 그들은 훌륭하게 색깔이 있는 ~을 위한 우리를.
단지 원하다 에게 먹다 그만큼 테이블.
하지만 나는 가고 있다 에게 가다 앞으로 그리고 사용 그래프 B 빌더 지금.
하자 만들다 일부 화산 플롯 ~에 의해 손.
을 위한 이것들, 우리 w ~에 에게 놓다 그만큼 경사 ~에 X- 중심선,
그리고 그 다음에 그만큼 통나무 가치 ~에 그만큼 그리고.
하자 가다 앞으로.
잘 만들다 a 분리된 하나 ~을 위한 각 ~의 우리의 특징.
나는 질질 끄는 저것 에 그만큼 포장하다.
너 ~할 수 있다 보다 여기, 이것 ~이다 그만큼 일종의 것 저것 제이엠피 ~이다 정말 흥미로운 에.
I 종종 ~ 할 것이다 찾다 이상치 의 데이터.
여기 있습니다 하나 그게 방법 밖으로 여기.
우리는 갖다 a 경사 추정 ~의 거의 부정적인 2,000명.
그것 회전하다 밖으로 저것 이것 변하기 쉬운 ~이다 거의 끊임없는.
그만큼 회귀 단지 타격 위로 ~와 함께 한 거의 거의 수직의,
또는 거의 부정적인, 고도로 부정적인 경사.
그것 회전하다 밖으로 이것 ~이다 더 ~의 한 변칙 ~보다 한 실제 중요한 때리다.
그것 ~일 것이다 실제로 만들다 감각 단지 에게 무시하다 그것.
하지만 그것은 실제로 멋진 에게 찾다 저것 그것은 ~에 그만큼 테이블
그리고 BE 할 수 있는 에게 식별하다 그것.
이것 ~이다 그만큼 일종의 것 저것 제이엠피 ~이다 자주 정말 좋은 에,
발견 기이한 패턴.
하지만 에게 숫돌 ~에 ~에 그만큼 열쇠 결과, 하자 가다 앞으로 그리고 좁은 우리의 축 아래에.
I 단지 때리다 그만큼 중심선 단추, 그리고 이었다 가고 있다 에게 단지 줌 안에.
하자 가다 마이너스 10대 10.
너 ~할 수 있다 보다 여기, 너 얻다 이것 특성 V 모양,
어디 다시, 이었다 음모를 꾸미다 그만큼 경사 ~의 그만큼 회귀
~ 대 그것은 부정적인 통나무 p-값.
CWAC의 경우, 우리 실제로 갖다,
다시, ~처럼 우리 예상되는 전에, 더 히트곡 ~보다 어딘가에 또 다른.
A 다발 ~의 마커 ~을 위한 긍정적인 그리고 부정적인 경사,
어느 ~일 것이다 나타내다 a 첨가물 유전적 관계
가고 있다 하나 방법 에게 그만큼 다른.
을 위한 그만큼 다른 특징, 이것들 ~이다 또한 V 모양,
그리고 많은 ~의 그들을 ~이다 단지 정말 a 많은 더 적은 중요한
그리고 종종 정사각형 고뇌하다 ~에 ~와 함께 하나 또 다른.
그만큼 경사 또한 달려있다 ~에 그만큼 규모 ~의 그만큼 측정.
아마도 그럴 수도 ~ 아니다 상당히 ~처럼 의미가 있다면 우리 놓다 모두 이것들 ~에 그만큼 같은 정확한 규모.
하지만 I 단지 원했다 에게 보여주다 이것 ~을 위한 삽화,
~처럼 a 방법 에게 비교하다 모든 것 옆 ~에 의해 옆.
GWAS입니다.
움직이는 앞으로, 하자 얻다 에게 아마 무엇 우리의 기본 목적 ~일 것이다 BE,
어느 ~일 것이다 BE 에게 예측하다 이것들 특징 ~처럼 a 기능 ~의 그만큼 마커.
여기, 우리 하다 가지다 입장 에게 모두 그만큼 엄청난 예측 모델링 플랫폼
저것 ~이다 ~에 제이엠피
일부 ~의 이것들, 너 가지다 에게 BE a 작은 주의 깊은 에게 사용.
와 함께 없어진 데이터, 너 5월 필요 에게 하다 그만큼 돌리기 첫 번째.
일부 ~할 것 같다 ~이 되다 상당히 느린 주어진 그만큼 크기 ~의 그만큼 문제.
을 위한 오늘, I 단지 원하다 에게 보여주다 아마 나의 가장 좋아하는 하나,
어느 ~이다 엑스지 후원, 사용 중 그만큼 엑스지비(XGB) 동쪽 플랫폼.
이것 ~이다 a 사례 어디 I 실제로 달렸다 이것 미리,
왜냐하면, 그리고 그것은 에게 달리다.. .
하지만 I l 로드된 모두 육 특징 ~ 안으로 엑스지비(XGB) 동쪽 그리고 했다 열- 겹 비용 확인.
I 자동으로 왼쪽 밖으로 각 ~의 그만큼 열 주름.
여기, 너 ~할 수 있다 보다 그만큼 결과 ~의 저것 달리다,
어디 우리는 갖다 그만큼 단단한 윤곽 여기 ~에 이것들 그래프,
~이다 그만큼 확인 곡선 ~ 위에 그만큼 반복
그리고 그만큼 점이 찍힌 윤곽 ~의 그만큼 훈련.
너 ~할 수 있다 보다 ~와 함께 이것들 넓은 문제들, 있다 a 극심한 위험 ~의 과적합,
특히 ~와 함께 a 강한 접근하다 좋다 엑스지 후원.
너 가지다 에게 BE 매우 주의 깊은.
당신이 ~할 수 있다 보다, 나는 실제로 [듣기 불가 00:32:18] 매개변수.
I ~할 수 있었다 비틀기 그들을 아래에 ~을 위한 하나, 그리고 너 ~할 수 있다 보다 그만큼 다른 매개변수 여기.
이내에 각 모델 맞다, 우리는 갖다 둘 다 그만큼 훈련,
관찰됨 ~ 대 예측했다, 그리고 그만큼 확인.
너 ~할 수 있다 보다 여기 ~을 위한 C 와이씨 우리 갖다 a 상관관계 ~의 약 0.43.
상관관계 ~이다 a 전형적인 측정하다 사용된 에게 평가하다 성능.
이것 ~이다 경쟁력 있는 ~와 함께 무엇 ~였다 출판됨 ~에 그만큼 종이 전에,
없이 거의 ~ 아니다 많이 동조 ~에 모두.
하지만 그 다음에 있다 a 많은 ~의 다른 흥미로운 것들 너 ~할 수 있다 잠수 안으로,
그만큼 최대 중요한 특징, 등.
우리 심지어 갖다 일부 새로운 것들 ~을 위한 사례, 하나 물건 ~라고 불리는 샤플리 가치
저것 ID 장려하다 너 에게 확인하다 밖으로.
있다 가고 있다 에게 BE 또 다른 말하다 ~에 이것 주제 ~에 의해 베드로 히르쉬,
플로리안 로라 랭커스터 그리고 나 자신 ~에 저것 여기 ~에 그만큼 회의,
I ~일 것이다 장려하다 너 에게 확인하다 저것 밖으로.
그것은 a 방법 에게 부서지다 아래에 예측 ~ 안으로 그들의 구성요소.
저것 얻는다 또 다른 수준 너 ~할 수 있다 가다 ~ 안으로 ~와 함께 예측.
그것이다 단지 하나 예 ~의 일부 멋진 예측 모델링 너 ~할 수 있다 하다.
에게 포장하다 위로 그만큼 데모, I 원했다 에게 반품 뒤쪽에
어디 우리 시작했다 여기 ~에 이것 유전학 메뉴.
우리는 갖다 a 채점자, a 상표 새로운 채점자 시뮬레이션 플랫폼.
이것 ~이다 일부 예쁜 고급의 유전적 모델링
수행되었다 밖으로 ~에 의해 우리의 내부 전문가, 루치아노 실바.
무엇 이것 하다 ~이다 그것 실제로 ~ 할 것이다 하다 가상 횡단 ~에 의해 그만큼 유전자형.
그만큼 아이디어 ~이다 당신은 짐 그만큼 마커 안에.
그만큼 정말 흥미로운 물건 ~이다 너 ~할 수 있다 놓다 a 예언자 공식 여기.
을 위한 예, I 구하다 그만큼 예언자 공식 ~에서 그만큼 XGBoost 모델 ~의 CWAC.
무엇 이것 ~ 할 것이다 하다 ~이다 둘 다 시뮬레이션하다 그만큼 십자가
그리고 예측하다 그들의 성능.
이것 ~이다 무엇 현대의 가상 번식 하다.
너 ~할 수 있다 실제로 사실상 십자가 다른 로블로리 소나무 나무들
그리고 예측하다 무엇 ~ 할 것이다 일어나다 ~와 함께 그들을
없이 가지고있다 에게 기다리다 10, 20, 30 연령 에게 자라다 그들을 ~에 그만큼 필드.
극도로 강한, 흥미로운 접근하다 저것 혁명을 일으켰다 그만큼 방법
현대의 번식 ~이다 완료, 그리고 왜 소위 유전체 선택,
또는 예측 모델링 ~와 함께 유전적 마커 ~이다 그래서 인기 있는.
아픈 가다 앞으로 그리고 끝내다 거기.
I 희망 저것 갈았다 당신의 식욕
~와 함께 일부 ~의 그만큼 새로운 것들 우리는 갖다 가고 있다.
A 많은 ~의 그만큼 것들 I 보여주었다 오늘 ~일 것이다 또한 일하다 ~와 함께 유전자 표현 데이터,
하지만 그게 a 작은 조금 다른 야구 경기
~에 자귀 ~의 무엇 당신은 견딜 수 없는 에게 하다.
하지만 ~을 위한 동기 ~의 시간, I 생각 그것 ~일 것이다 BE 좋은 단지 에게 바라보다 ~에 이것 하나 예
그리고 잠수 약간 깊은.
감사하다 너 매우 많이 ~을 위한 당신의 주목.
허락하다 우리를 알다 만약에 당신은 갖다 질문 ~처럼 너 가지다 그들을.
이었다 정말 e 흥분한 ~에 대한 그만큼 새로운 것들 오는 ~에 제이엠피 17 찬성.
우리는 갖다 a 많은 더 것들 오는 ~에 그만큼 공장.
감사하다 정말 고맙습니다.
우리 인정하다 저것 많은 ~의 사람들 저것 오다 에게 발견,
이것 5월 ~ 아니다 BE 그들의 영역 ~의 전문적 지식.
하지만 당신은 5월 알다 어떤 사람 누구야 행위 이것 일하다,
그리고 우리 ~일 것이다 사랑 에게 얻다 그들을 연결됨 ~와 함께 무엇 이었다 행위 여기 ~에 제이엠피 찬성,
왜냐하면 우리 ~이다 가고 있다 에게 계속하다 에게 투자하다 ~에 첨가 역량
그리고 개선 중 그만큼 소프트웨어 그래서 그것 ~할 수 있다 하다 일하다 좋다 이것 더 나은 그리고 더 나은
에게 만나다 그만큼 필요 ~의 과학자들 가로질러 그만큼 삶 과학
그리고 이것 산업.
감사해요 ~을 위한 청취 안에.
