JMP Genomics is an Affymetrix® GeneChip-compatible™ Software Solution.
Fonctionnalités de JMP® Genomics
Consultez et explorez vos données génomiques sous tous les angles. Les fonctionnalités de JMP Genomics :
Outils SAS Analytics personnalisés s'exécutant en arrière plan à partir d’une interface conviviale JMP :
Prise en charge des versions 32 et 64 bits des systèmes d'exploitation Windows XP Professionnel, Édition Intégrale et Enterprise, Windows Vista et Windows 7 pour serveurs et postes de travail
Menus et options de type « pointer-cliquer » permettant d'être rapidement opérationnel
Puissantes fonctions d'importation de données, de contrôle qualité, d'analyse, d'annotation et de découverte de pattern, associées à des méthodes bien documentées
Aucune compétence en programmation SAS est nécessaire
Caractéristiques de la plate-forme logicielle JMP :
Nouvelles fonctionnalités d'intégration permettant aux utilisateurs R d'exploiter les graphiques interactifs de JMP pour afficher des résultats d'analyse
Outils destinés aux programmeurs R pour créer et compiler des interfaces utilisateur qui leur permettent de partager des analyses R personnalisées avec un plus large public
Nouvelle infrastructure de modules d'extension facilitant l'ajout d'analyses externes dans JMP
Interface dynamique de type « glisser-déposer » autorisant l'exploration visuelle des configurations de données à l'aide du Constructeur de Graphes
Souplesse inégalée pour la création de graphiques personnalisés simple par pointer-cliquer : nuages de points 2D et 3D, courbes superposées, graphiques parallèles, d'isoréponses et à diagramme à bulles
Langage de scripts JMP (JSL) intégré et scripts de graphiques générés automatiquement facilitant la collecte et le partage d'importantes découvertes
Options de création de boîtes de dialogue sur mesure pour les processus d'analyse personnalisés
Graphiques interactifs générés automatiquement lors de l'analyse :
produisent des résumés faciles à comprendre de jeux de donnés volumineux sont organisés dans des rapports tabulés et liés à des tables de données sous-jacentes
permettent d'effectuer des sélections par pointer-cliquer et de créer aisément des sous-ensembles de tables de données
peuvent être interrogés dynamiquement pour créer des vues sur mesure de vos données à l'aide du filtre de données de JMP ou d'autres outils de sélection
Workflows flexibles offrant de nombreuses options à l'ensemble des utilisateurs :
JMP Genomics Wizards vous guide dans l'importation de nouveaux jeux de données
Workflows de base pour les données de type expression, exon, génétique, nombre de copie de genes, tiling et miRNA
Workflows intermédiaires pour l'analyse et le contrôle qualité des expressions
Nouveaux workflows d'analyse Q-K et de variants rares
Incorporation de l'analyse des composants de la variance aux workflows de type expression et nombre de copies de gènes pour faciliter la sélection d'un modèle statistique
Constructeur de workflows, qui offre un contrôle total aux experts souhaitant créer leurs propres workflows
Importation de données dans JMP Genomics à partir de nombreux formats :
Lectures de séquences alignées stockées dans des fichiers SAM
Fichiers de sortie Illumina BeadStudio ou GenomeStudio pour les données de type expression, SNP, marqueur génétique, nombre de copie de gènes, etc.
Fichiers CHP et CEL pour les données de type exon, WT (Whole Transcript), miRNA et 3' Expression générés depuis les systèmes GCOS et logiciels Command et Expression Console d'Affymetrix
Fichiers CEL et BAR générés à partir du logiciel de création de puces de type « tiling » d'Affymetrix
Fichiers CEL, CHP, LOHCHP et CNCHP générés à partir d'Affymetrix Genotyping Console, et fichiers CNAT
- Fichiers CHP et CEL (cytogénétique)
Fichiers Agilent à une ou deux couleurs, GenePix et QuantArray
Données génomiques contenues dans un seul ou plusieurs fichiers texte ;
Fichiers Excel et CSV, y compris des formats de données provenant de multiples plates-formes Nimblegen
Évaluation de jeux de données à l'échelle d'un génome pour :
Examiner les patterns de données manquantes pour les individus et marqueurs génétiques
Résumer les caractéristiques des jeux de données de type marqueur génétique : fréquences des allèles et génotypes, HWE, nombre de valeurs manquantes, hétérozygosité et diversité
Filtrer les jeux de données sur les propriétés de marqueur avant de procéder à une analyse statistique, y compris sur les valeurs HWE pour un sous-groupe (par exemple, les contrôles uniquement)
Calculer et visualiser les mesures de déséquilibre de liaison pour zoomer sur les zones intéressantes à l'aide de diagrammes triangulaires interactifs
- Identifier et visualiser les blocs de déséquilibre de liaison
Générer des distributions de phénotypes continus et catégoriels
Analyse SNP d'un génome entier ou d'un gène candidat pour :
Analyser les jeux de données contenant 1,5 million de SNP pour 15 000 échantillons sur un poste de travail 32 bits
- Traiter des jeux de données encore plus volumineux sur un serveur ou poste de travail 64 bits
Résumer les variants rares ou communs pour réaliser des tests statistiques et tester les SNP regroupés dans un locus ou un reseau biochimique spécifique.
Explorer les associations entre les marqueurs génétiques et les traits de caractères quantitatifs ou binaires tout en procédant à un ajustement pour les covariables
- Nouvelles options permettant d'obtenir les résidus et le R carré de chaque SNP
- Calcul des moyennes des moindres carrés et différences lors des tests de génotypes avec caractères continus ou effets aléatoires
- Options de permutation expérimentale désormais disponibles
Tester l'association entre des SNP et plusieurs trait de caractères, séparément ou conjointement, tout en effectuant un ajustement pour les covariables
Corriger les tests d'association relatifs à la structure de la population et aux liens de parenté simultanément
- Simplification de l'analyse du modèle mixte Q-K grâce au nouveau workflow
- Réduire les temps de traitement en créant une matrice K compressé et en l'utilisant dans les analyses Q-K
Tests d’association à base des données SNP imputées
Visualiser et corriger la structure de la population avant d'effectuer des tests d'association via une analyse en composantes principales (PCA) ou une mise à l'échelle multidimensionnelle (MDS)
Extension des options d'analyse des données de marqueur génétique pour incorporer les éléments suivants :
Estimation des haplotypes et découverte d'associations haplotype-trait de caractère
Sélection de tagSNP pour les haplotypes ou blocs de déséquilibre de liaison
Calcul et clustering des matrices de distance génétique pour les individus ou populations
Calcul d'IBD et d'IBS et des matrices des relations individuelles de partage d'allèles,
Nouvelle option permettant d'obtenir les paires d'individus dépassant un seuil IBS spécifié par l'utilisateur
Cartographie QTL d'intervalle composite (Composite Interval Mapping, CIM), d'intervalle simple (Interval Mapping, IM) et de marqueur unique
Évaluation en toute sécurité de large jeux de données d'expression pour :
Identifier les problèmes de qualité des données et supprimer les valeurs aberrantes avant de procéder à une analyse statistique
Visualiser les distributions d'intensité, les diagrammes PCA en 2D et 3D ainsi qu'un échantillonnage des configurations de classification pour explorer l'impact des effets expérimentaux et techniques
Identifier les facteurs expérimentaux et techniques qui contribuent à la variance expliquée par chaque composante principale
Normalisation intra et interpuces pour éliminer les confusions de variation possibles pour :
Procéder à la normalisation et au scoring de lots ou utiliser la normalisation des moindres carrés partiels pour supprimer les effets techniques connus
Utiliser les méthodes loess (intra- et interpuces), quantiles, analyse factorielle et ANOVA pour la normalisation et toute une variété de statistiques (moyenne, médiane, intervalle interquartile, par exemple) pour la standardisation
- normaliser à l'aide d'un coefficient de recallage (shifting factor) et une fois le processus terminé, réaliser une transformation log2
Spécifier un jeu de données de référence pour appliquer les informations de référence à un nouveau jeu de données lors d'une normalisation interpuces par la méthode loess ou quantiles
- Utiliser des informations sur la densité par la méthode du noyau (KDE = Kernel Density Estimation) dans le cadre d'une normalisation par les méthodes loess et des quantiles
Appliquer les algorithmes RMA et GCRMA pour les puces 3’ Expression d'Affymetrix
Utiliser RMA, la standardisation par le calcul des moyennes et des médianes ainsi que des résumés pour les puces exon et miRNA d'Affymetrix
Normaliser les puces de type « tiling » d'Affymetrix par les méthodes MAT et quantiles
Application de méthodes statistiques éprouvées incluant des options flexibles pour :
Procéder à une modélisation gène par gène dans le but de découvrir des différences d’expression significatives au niveau de la sonde, de la transcription ou de l'exon tout en effectuant des corrections pour les tests multiples et des ajustements pour les covariables et effets aléatoires
Utiliser des échantillons de caractéristiques pour spécifier facilement des sous-ensembles à analyser
Obtenir des p-values et statistiques-t ajustées à des fins de tests statistiques de l'expression différentielle
Cribler des paires d’intensités des molécules ADN et ARN pour l'expression spécifique de l'allèle
Sélectionner des jeux de comparaisons à inclure dans les résultats de sortie et inverser l'ordre des différences à l'aide du nouvel outil de sélection de différences
Révéler des informations biologiques à l'aide des outils de découverte de patterns d’expression
Représenter graphiquement ou colorer les profils d'intensités normalisées ou brutes par échantillon ou par groupe, à l'aide de la fonction de filtrage dynamique des données afin d'identifier les patterns principaux
Classer des échantillons ou gènes avec des analyses hiérarchiques et K-means
Exploitation d'outils d'analyse avancés pour la modélisation prédictive afin de permettre :
L'identification de biomarqueurs fiables à partir de jeux de données volumineux
L'évaluation de plusieurs types de données à partir de différentes expériences
La modélisation prédictive pour l'analyse de survie via la méthode d'évaluation d'Harrell et l'intégration avec la comparaison de modèles de validation croisée
Le calcul des principales composantes sur un jeu de données primaire et le scoring des composantes dans un jeu de données secondaire
La comparaison des résultats obtenus à partir de huit méthodes de modélisation prédictive différentes
- La représentation graphique des informations de l'arbre des partitions pour les modèles standard grâce au nouvel outil Tree Viewer
Le filtrage de régresseur personnalisé lors de l'élaboration du modèle
La validation croisée à l'aide d'options d'itération et de "hold-out" ajustables pour comparer les performances relatives de plusieurs modèles
L'analyse de la courbe d'apprentissage afin d'évaluer l'impact de la taille de l'échantillon
Évaluation des jeux de données de type nombre de copies de gènes pour :
Examiner la qualité des données avec l'analyse PCA et des distributions
Analyser directement les intensités SNP ou importer des valeurs de données de type nombre de copie de gènes générées à partir de divers algorithmes
Ajuster les intensités ou dénombrements de séquence d'échantillons expérimentaux à l'aide d'échantillons de contrôle groupés ou appariés
Rechercher des zones génomiques montrant des différences statistiques significatives à partir d'une ANOVA
Comparer les points de ruptures dans et entre les échantillons détectés par segmentation binaire circulaire
- Filtrer ou assombrir les segments par intensité moyenne, avec possibilité d'afficher l'intensité moyenne des segments et de définir une valeur de référence pour l'ombrage
Intégration d'analyses statistiques aux workflows de séquencage nouvelle génération pour :
Importer des données de dénombrements de séquence au niveau du SNP, de l'exon ou de la transcription générés par Illumina, le ”National Centre for Genome Ressources” ou GenoLogics, ou traités par d'autres logiciels
Résumer les dénombrements de séquence en utilisant les informations sur le modèle du gène téléchargées au format UCSC
Examiner les données mRNA-seq à l'aide de méthodes éprouvées implémentées dans les workflows d'expression et d'exon
Tester les possibilités d'association entre allèles variants et trait de caractères
Effectuer une analyse de corrélation croisée pour associer les dénombrements de séquence à d'autres mesures génomiques
Exploitation des outils d'annotation de JMP Genomics pour :
Fusionner les informations fonctionnelles avec les résultats statistiques
Télécharger des fichiers de bibliothèque et d'annotation depuis NetAffx d’Affymetrix
Transférer les résultats vers le logiciel IPA (Ingenuity Pathways Analysis) pour rechercher les points d'interaction entre les listes de SNP, de gènes et de protéines
Effectuer des analyses d'enrichissement en utilisant les informations fonctionnelles provenant du logiciel IPA
Récupérer les identifiants et reseaux biochimiquesKEGG pour visualiser des groupes de gènes co-régulés et réaliser une analyse d'enrichissement
Créer, à l'aide d'indicateurs de signification, des diagrammes de Venn pour évaluer la superposition d'un maximum de cinq catégories simultanément, avec option de zone proportionnelle pour les diagrammes à un, deux et trois facteurs
- Utiliser un identifiant commun, comparer l'appartenance à des listes pour un maximum de cinq groupes et afficher les superpositions à l'aide de diagrammes de Venn
Création de vues de niveau génome pour :
Colorer les chromosomes à l'aide de thèmes personnalisés basés sur des informations d'annotation ou des résumés de résultats statistiques
- Utiliser diverses mesures continues à des fins de visualiser le résumé
Superposer les données de plusieurs comparaisons ou expériences pour identifier des zones de signification commune
Obtenir des informations détaillées sur des zones chromosomiques intéressantes pour représenter graphiquement les p-values et afficher les suivis de gènes ou SNP
- Nouvelle option de suivi des diagrammes en barres permettant de résumer des “reads” ou intensités
- Nouvelle option de suivi via la palette de couleurs permettant d'afficher des graphiques d'informations pour les sujets individuels
*Le texte en vert correspond aux nouveautés de JMP Genomics 5.
+ Fonctionnalité disponible pour les utilisateurs possédant une licence de JMP Genomics et d'IPA. Les clients peuvent envoyer un message à l'adresse support@ingenuity.com. Pour obtenir une licence d'évaluation, consultez le site à l'adresse www. ingenuity.com.
Find out more
JMP Genomics Product Brief
(PDF File 1.6 MB)
Next Steps
Request Information or Schedule a Demonstration
Call JMP Genomics Sales
+33 1 60 62 68 44
Contact JMP Genomics Sales
877.594.6567 (US)
