Kelci Miclaus, Senior Manager, Advanced Analytics R&D, JMP Life Sciences, SAS Institute Inc.
トランスレーショナルリサーチ（基礎研究から応用分野におよぶ研究）と臨床研究の実施には、多額の費用がかかります。健康上の転帰や病気を理解するために、研究者は通常、コストや時間を考慮しつつ、最大限の評価項目に関して、最大限のデータを収集します。これはさらに、疾患のゲノム基盤の理解が限られていることや、新しい治療法の有効性だけでなく、安全性および操作上の完全性を評価するための優れた臨床研究実践プロトコルによっても動機づけられています。ライフサイエンスデータにおける「ライフサイクル」では、データ量が結果の分析や伝達において大きな負担になることがあります（何百ものテーブルを作成する伝統的な方法は、効率的でも効果的でもないのですが）。このセッションでは、生命科学研究での典型的な事例研究分析のなかで、特に結果を伝達するための視覚化について焦点を当ててご説明します。複雑な統計分析の結果を伝えるための、データを要約して可視化する技術とグラフ化について、
詳しく説明します。例としては、ゲノムデータを用いた数千から数百万の統計モデルの実行時のボルケーノプロット、マンハッタンプロット、臨床試験における安全性および有効性の分布要約、実験室診断傾向（ウォーターフォールプロット、シフトプロット、スパゲッティプロット、ラザニアプロット、スイマープロット）、さらに臨床試験上の完全性の異常の検出などです。すべての例は、JMPのグラフビルダーを使用して作成され、その優位性と柔軟性についても紹介します。