Tuve una conversación interesante con un largo tiempo JMP Genomics use el otro día sobre software de código abierto frente a software comercial después de (otra) consulta de un prospecto acerca de qué hace que JMP Genomics sea diferente de las herramientas de software de genómica gratuitas. Este puede ser un tema controvertido, y hay muchos que no estarán de acuerdo con lo que escribo. Sin embargo, la opinión de este usuario sobre el tema resonó con mis propias opiniones y las de muchos aquí en JMP y SAS quienes trabajan arduamente para hacer que nuestros productos de software comercial valgan el dinero que los clientes pagan por ellos. Este usuario es un programador de SAS desde hace mucho tiempo que se encuentra bajo una presión considerable por parte de muchos lados para que se convierta en una fuente abierta R para hacer su análisis de datos. A pesar de un presupuesto limitado para la compra de software, ella gasta gran parte de él en software SAS.
Este usuario en particular adora las visualizaciones directas de grandes conjuntos de datos que JMP Genomics ofrece como salidas estándar. Me gustó cómo llamó a esta parte del análisis de matrices el análisis de Sesame Street, como en "¿Cuál de estas cosas no es como la otra?" Los diagramas de PCA 2-D y 3-D interconectados, diagramas de dispersión, diagramas de caja y densidad del kernel, fáciles de usar, facilitan que los biólogos seleccionen los posibles valores atípicos directamente en una parcela y vean dónde se encuentra ese grupo de datos parcelas Esto permite la visualización directa de los datos e informa las decisiones sobre la calidad de los datos antes de proceder al análisis exhaustivo de los datos posteriores. Esta particular fortaleza de JMP Genomics proviene de las increíbles capacidades de visualización en JMP, en particular la vinculación entre diferentes tipos de visualizaciones con una tabla de datos común, y complementa en gran medida la capacidad de procesamiento sin procesar de SAS ejecutándose detrás de escena.
En el análisis descendente, esta visualización y selección conjuntas les permite a los usuarios seleccionar subconjuntos directamente en el mapa de calor del grupo, y luego visualizar esos puntos en las parcelas del volcán, o mirar genes particulares en una tabla de datos separada. La coloración entre diagramas de conglomerados y diagramas de volcanes también es consistente, lo que permite a los usuarios hacer inferencias visuales sobre las relaciones medias cuando observan conjuntos de diferencias significativas. JMP y SAS ya forman una gran combinación, y la integración solo va a mejorar, a juzgar por lo que ya he visto de los nuevos e impresionantes conjuntos de características de la versión preliminar JMP 8 y el recién lanzado SAS 9.2.
Al usar R para su propio análisis de datos de investigación, este usuario comentó que una de sus principales reservas es que los módulos R pueden ser escritos por cualquier programador, dejando dudas en su mente sobre las suposiciones del programador que escribe el código, la precisión numérica del cálculos, y qué tan bien el código ha sido probado. En algunos casos, el código puede ser muy bueno y bien probado, pero en otros casos puede ser inestable y contener errores. La opinión de este usuario era que si cambiaba a usar R, se sentiría obligada a verificar y probar el código ella misma para asegurarse de que, de hecho, estaba dando los resultados precisos de los que dependía. Comentó que le encanta el hecho de que PROC MIXED se está ejecutando debajo de los procesos de ANMPA y modelo mixto de JMP Genomics porque puede estar segura de la precisión de los cálculos numéricos sin necesidad de verificar y volver a verificar los resultados.
Aunque este usuario es un programador dedicado de SAS, usa JMP Genomics como herramienta de enseñanza. Ella siente que enseñar a los biólogos que no están familiarizados con la programación para escribir código para el análisis de datos genómicos con herramientas de línea de comando consume demasiado tiempo valioso en un curso de un semestre. Por ejemplo, el ejercicio de filtrar una tabla de datos para los valores faltantes llevó a los estudiantes 25 minutos para navegar usando R, pero requirió solo un par de minutos con la función Seleccionar dónde en Genómica JMP. Este es solo uno de los muchos ejemplos de la relativa facilidad con que los estudiantes manipulan los datos con JMP Genomics. Sin embargo, si los estudiantes están interesados en ver el código de macro SAS abierto que se encuentra detrás de un proceso de JMP Genomics dado, está más que feliz de guiar a los estudiantes a través del código y brindar una experiencia de aprendizaje adicional.
Tengo más notas de esta conversación en particular. Cualquiera que me conozca sabe que relleno los cuadernos de forma regular, y han estado esperando el lanzamiento de una nueva pluma de captura de texto, que captura la escritura a mano en papel normal, durante más de un año. ¡Me alegra informar que finalmente está disponible y he ordenado uno! Es bueno saber que esto debería acelerar el proceso de captura de mis abundantes notas escritas a mano sobre temas como estos en texto listo para blogs.
Jeffrey Lehman escribió:
Estoy en una situación ligeramente diferente. Soy un programador de SAS que se unió a un grupo dentro de una agencia federal hace aproximadamente un año. La Agencia tradicionalmente ha usado SPSS, porque la mayoría de sus aplicaciones estadísticas se encuentran en el área de los factores humanos. El grupo al que me uní se convirtió a JMP hace unos años cuando un estudiante cooperativo se convirtió en Fed y luego en gerente. JMP está deificado aquí, mientras que yo soy un firme defensor de SAS.
He trabajado en partes de proyectos aquí que requieren importar múltiples tablas o archivos de datos, manipulación de datos, uso de modelos estadísticos y generación de gráficos e informes. Encontré que la generación y administración de varias tablas, cuadros de diálogo y la estructura de columnas son menos flexibles en JMP que en el editor de formato libre de SAS. Además, con el lenguaje de macros SAS, pude escribir un bucle de macro para importar y apilar o combinar 20 archivos (ya sea archivos planos con el Data Data o tablas Oracle usando Proc SQL, ambos casos dentro de una macro de bucle). Además, encuentro que el control del programador para generar gráficos, resultados, tablas e informes es mucho mejor que intentar cortar y pegar desde una salida JMP con un formato excesivo.
Transmití mis experiencias al gerente, quien siente que JMP puede hacer cualquier cosa que SAS pueda hacer. He revisado la Guía JSL y, aunque existe una ampliabilidad evidente con JSL, parece un lenguaje de grabador de macros glorificado y complicado. Para darle una comparación justa, he tratado de buscar publicaciones de usuarios que comparen las dos herramientas con poco o ningún éxito.
Supongo que mi pregunta sería cómo convencer a un escéptico de que SAS tiene beneficios marginales por encima y más allá de JMP más JSL. Hice una referencia a la página del Manual de JMP JSL, que proporciona un descargo de responsabilidad sobre qué JMP se debe utilizar, incluso con un comentario deferencial hacia SAS.
¿Alguna idea?
Jan Sutherland escribió:
Hola Jeffrey, ¿alguna vez obtuviste una respuesta a estas observaciones? ¿Te importa pasarlo? He trabajado con SAS y SPSS, pero antes de JMP, y estoy realmente interesado en el código abierto, así que estoy leyendo mucho, prestando especial atención a las objeciones de que el sistema operativo es menos preciso.
JMS
