生命科学
《生命科学》在 JMP 中提供了多种方法，帮助您分析遗传数据，并使用该数据模拟育种计划，以预测要进行的最优遗传杂交。
• “标记统计量”平台提供了一种方法，用来探索数据集中所有双等位基因遗传标记的各种属性，重点在于质量控制 (QC) 并可能识别出要从分析中排除的标记。请参见“标记统计量”。
• “标记模拟”平台使用通过“响应筛选”平台生成的双等位基因遗传标记和预测变量公式（已保存在数据表中），从指定的一组杂交中模拟后代（请参见《预测和专业建模》中的“Response Screening”。）该过程支持您检验各种杂交，以估计哪些杂交可以生成具有所需性状组合的后代。请参见“标记模拟”。
• “标记亲缘”平台基于个体的遗传标记来评估个体对之间不同的遗传亲缘测度。该平台的输出是一个 n 行 × n 列的基因组关系矩阵（n = 数据表中的个体数量）。您可以使用该矩阵在具有响应筛选特质的拟合模型平台下拟合 GBLUP 模型。还可以使用该关系矩阵通过主成分分析和聚类来评估各组相关个体。请参见“标记亲缘”。
• “基因标记混合分析”平台基于一系列标记基因型来估计个体的祖先来源概率（混合概率）。
• “标记插补”平台使用连锁不平衡的 k 最近邻插补法 (LD-kNNi) 或其他方法，为二倍体 (其中 K=2) 或多倍体 (K>2) 生物体插补数值型缺失标记基因型 (0, 1, ..., K)。首先计算具有缺失基因型的标记与所有其他标记之间的距离，并为每个缺失基因型的标记选择一组最近的标记。接下来，使用相应的选定标记集合来计算具有缺失基因型的样本与所有其他样本之间的距离。最后，使用最近的样本和标记的集合来插补缺失的基因型。
• “标准化”平台采用多种方法对原始数据表进行标准化处理，并将数据保存至新的 JMP 表或替换现有表中的原始数据。
• “距离矩阵”平台用于计算数据集内各观测（行）之间的各种距离或相异度测度。适用方法包括：欧氏（默认）、Jaccard、Bray-Curtis、Gower 和 Hamming。这些邻近关系测度作为方矩阵存储在输出数据集内。输出距离矩阵可用于层次聚类和热图可视化，具体取决于用户需要。