900059_fr-FR

liliconcom

JMP 17.2 > Réduction et estimation des dimensions de données complexes > Méthodes

Bonjour la communauté JMP,

Je travaille avec des données d'expression génétique complexes issues de différentes études, dont je souhaite estimer la complexité intrinsèque. J'ai découvert le package R Rdimtools, qui semble fournir le type d'analyses qui m'intéresse. Plus précisément, l'objectif final de ces analyses est de définir le nombre optimal de dimensions pour saisir la complexité des ensembles de données.

Connaissez-vous des méthodes dans JMP (natives ou complémentaires) qui répondraient à mes besoins ?

Merci.

Cordialement,

TS

Automatisation et scriptsExploration et visualisation des donnéesWindowsObjet : JMP 17.2 > Réduction et estimation des dimensions de données complexes > Méthodes

Bonjour @Thierry_S ,

Je viens de parcourir rapidement la documentation de Rdimtools, compte tenu du grand nombre de méthodes incluses. Je pense que la plupart des techniques courantes de réduction de dimensionnalité sont disponibles dans JMP/JMP Pro via la plateforme multivariée :

• Composantes principales : Technique de réduction de dimensionnalité linéaire basée sur la corrélation ou les covariances entre variables. Les données sont transformées linéairement dans un nouveau système de coordonnées de sorte que les directions (composantes principales) capturent la plus grande variation des données.
• Incorporation multivariée : Technique de réduction de dimension non linéaire, permettant de respecter à la fois la structure locale et globale des données. Cette plateforme permet d'utiliser les méthodes UMAP (Uniform Manifold Approximation and Projection) ou t-SNE.
• Analyse factorielle : Technique de réduction de dimensionnalité linéaire qui cherche à décrire les variables observées en termes d'un plus petit nombre de variables latentes (non observables), ou facteurs.

Il existe également des utilisations intéressantes d’autres plateformes qui pourraient vous aider :

• Le clustering hiérarchique permet de réaliser un clustering bidirectionnel , permettant de regrouper non seulement vos lignes (observations, comme dans toute technique de clustering), mais aussi vos colonnes (variables). Cette plateforme permet d'exporter des matrices de distances, utilisables ensuite sur d'autres plateformes, par exemple pour la mise à l'échelle multidimensionnelle .
• Je n'ai jamais utilisé d'outils génétiques , mais puisque vous mentionnez l'expression des gènes dans le cadre de ce projet de travail, peut-être que certains outils dédiés pourraient être utiles.

J'espère que cette première réponse pourra vous aider,

Objet : JMP 17.2 > Réduction et estimation des dimensions de données complexes > Méthodes

N'oubliez pas non plus la mise à l'échelle multidimensionnelle (MDS) dans JMP.

Que comptez-vous faire avec la connaissance de la complexité et des dimensions réduites ? Classification des groupes de gènes ? Groupes d'échantillons ? Prédiction ? Tri des gènes et/ou des échantillons pour mieux interpréter les relations fonctionnelles possibles ?

Chaque méthode de réduction dimensionnelle présente des avantages et des inconvénients. Certaines sont plus efficaces pour certains types de structures de données ou plus utiles que d'autres pour comprendre le type de structure (ou l'utilisation future des données).