Parte della riluttanza qui potrebbe essere il linguaggio che usiamo. Forse avrebbe dovuto essere così le lingue . Lo scienziato parla di piastre e pozzetti, pipettaggio e diluizione, tempo di incubazione, concentrazione e così via. Lo statistico, d'altra parte, (indirettamente attraverso l'interfaccia utente di JMP per la progettazione personalizzata e direttamente attraverso le risposte qui) parla di tipi di fattori, livelli di fattori facili, difficili o molto difficili da modificare, grafici interi e sottografici, blocco , e così via.
Hai preso tutto questo? Probabilmente no. È normale.
Quindi dobbiamo prenderci il tempo per spiegarci alle altre persone nella discussione. Più l'argomento e le questioni sono avanzate, più sono necessarie spiegazioni per comunicare in modo completo il problema e la soluzione.
Penso che questa questione di progettare a sofisticato esperimento con restrizioni sulla randomizzazione è importante e, pertanto, questa discussione potrebbe aiutare molti utenti in una situazione simile. È un ottimo esempio di ciò che speravamo potesse essere per tutti noi quest'area di discussione nella community di JMP. Sono sconcertato dal fatto che non ci sia stata attività per due settimane. Dubito che sia perché l'ultima risposta ha risposto a tutte le restanti domande.
Spero che la discussione riprenda. Ecco alcuni punti che spero provochino più risposte:
- In che modo questo caso è come il tuo se sviluppi test? In cosa è diverso?
- Hai le stesse restrizioni sulla randomizzazione delle corse (pozzi)? Di più? Meno? Solo diverso?
- Le restrizioni sulla randomizzazione influiscono chiaramente sulla praticità di esecuzione del progetto. È altrettanto chiaro in che modo la restrizione influisce sull'analisi? Cosa potrebbe accadere alla mia interpretazione del modello di regressione se la restrizione viene ignorata nell'analisi?
- Quali sono alcune pratiche che ritieni utili durante la progettazione, l'esecuzione o l'analisi di un esperimento con restrizioni?
(Si noti che esiste un'altra discussione correlata avviata dallo stesso utente. Pubblicherò questo invito all'azione e che vinca la discussione migliore!)
Procederò a utilizzare il design personalizzato di JMP. Per molti versi, questo è un normale esperimento con restrizioni sulla randomizzazione. Sto cercando di mantenere il processo di pensiero e il design finale il più semplice possibile. (Potrebbe aver bisogno di raffinatezza, forse molta raffinatezza!)
Ho usato le tue definizioni per fare un disegno. Ecco i punti salienti:
- Tutti i fattori sono stati inseriti esattamente come li hai definiti con due eccezioni.
- Rapporto plasmide definito come rapporto plasmide log10 per un valore basso di -3 e un valore alto di -1. Perché? Perché questo fattore rappresenta il tuo pensiero sui passaggi di diluizione e questa trasformazione rende il cambiamento lineare e semplifica la modellazione.
- Non mi piace davvero zero per il valore basso di un fattore continuo. Questa definizione ne fa essenzialmente un fattore categorico: assente contro presente. In realtà ho lasciato il valore basso per la Concentrazione Sierica allo 0% ma raccomando un valore basso come 1%: basso ma presente.
- Il numero di livelli per ogni fattore è determinato dal modello. L'inclusione di termini di ordine superiore richiederà più livelli di fattore. D'altra parte, molti livelli sono inutili (e inefficienti - basso contenuto informativo - se il modello è relativamente semplice.
- Non credo sia necessario trattare esplicitamente le colonne e le righe sul piatto come fattori di blocco nel progetto.
- Preferisci lavorare con mezza lastra alla volta, sottraendo una colonna da ciascuna metà per le corse di controllo.
- Questa scelta definisce la dimensione di un intero appezzamento nel progetto, 40 pozzi.
- Il numero di cella dovrebbe essere lo stesso per entrambi i tipi di cellule su una piastra, quindi questo fattore lo è molto difficile da cambiare .
- Il numero di cella diventa l'intero fattore della trama.
- I suoi effetti saranno stimati con la precisione più bassa.
- Questa decisione significa che non è possibile ridurre di molto il numero di lastre. Quattro lastre potrebbero essere un minimo pratico per la modellazione.
- Questo design fornisce l'80% di potenza se l'effetto è almeno 7 volte la deviazione standard.
- Il tipo di cellula e la concentrazione del siero dovrebbero essere gli stessi per metà della piastra, quindi questi fattori sono entrambi difficile da cambiare .
- Il tipo di cellula e la concentrazione sierica diventano i fattori della sottotrama.
- I loro effetti saranno stimati con la penultima precisione.
- Questo design fornisce lo stesso 80% se i loro effetti sono almeno 4 volte la deviazione standard.
- Sembra che tu abbia molta replicazione, ma ciò è apprezzato solo dai fattori facili da modificare, rapporto plasmidico, tempo di integrazione e tempo dopo la trasfezione.
- Non sono sicuro di cosa significhino la replica e la randomizzazione per questi fattori perché presumibilmente avrai a che fare anche con una piastra o mezza piastra alla volta anche qui.
Il seguente script renderà il progetto di cui sto parlando per il tuo esame e considerazione.
DOE(
Custom Design,
{Add Response( Maximize, "Dynamic Range", ., ., . ),
Add Factor( Continuous, 10000, 50000, "Cell Number", 2 ),
Add Factor( Continuous, -3, -1, "Log10 PLasmid Ratio", 0 ),
Add Factor( Continuous, 0, 4, "Serum Concentration", 1 ),
Add Factor( Categorical, {"HELA", "HEK293"}, "Cell Type", 1 ),
Add Factor( Continuous, 5000, 30000, "Integration Time", 0 ),
Add Factor( Discrete Numeric, {24, 48, 72}, "Time Post Transfection", 0 ),
Set Random Seed( 556681383 ), Number of Starts( 3 ), Add Term( {1, 0} ),
Add Term( {1, 1} ), Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ),
Add Term( {5, 1} ), Add Term( {6, 1} ), Add Potential Term( {6, 2} ),
Add Alias Term( {1, 1}, {2, 1} ), Add Alias Term( {1, 1}, {3, 1} ),
Add Alias Term( {1, 1}, {4, 1} ), Add Alias Term( {1, 1}, {5, 1} ),
Add Alias Term( {1, 1}, {6, 1} ), Add Alias Term( {2, 1}, {3, 1} ),
Add Alias Term( {2, 1}, {4, 1} ), Add Alias Term( {2, 1}, {5, 1} ),
Add Alias Term( {2, 1}, {6, 1} ), Add Alias Term( {3, 1}, {4, 1} ),
Add Alias Term( {3, 1}, {5, 1} ), Add Alias Term( {3, 1}, {6, 1} ),
Add Alias Term( {4, 1}, {5, 1} ), Add Alias Term( {4, 1}, {6, 1} ),
Add Alias Term( {5, 1}, {6, 1} ),
Set N Whole Plots( 4 ),
Set N Subplots( 8 ),
Set Sample Size( 320 ),
Make Design,
Change Anticipated Coefficients( [1 3.5 1 2 2 1 1 1] ),
Set RMSE( 1 ),
Set Run Order( Keep the Same )}
);
Mi aspetto che tu abbia problemi con esso, ma sto facendo del mio meglio in base alle informazioni che mi hai fornito.
Puoi rinominare Whole Plots in Plate e Subtrame in Half Plate se vuoi per chiarezza.
Grazie mille per la celere risposta. Fornirò sicuramente un chiaro esempio di un esperimento che sto cercando di organizzare e spero che tu possa aiutarmi a impostare il DOE come esempio.
Ho un saggio Nanobret progettato per misurare l'interazione GR / GR, che voglio prima ottimizzare per la gamma dinamica. Ho un controllo positivo, in questo caso desametasone, che dovrebbe produrre il segnale massimo nel test e un controllo del veicolo (che rappresenta il rumore della linea di base nel test). Ci sono una serie di variabili che potrebbero influenzare le prestazioni di questo test. Queste variabili includono
1. Numero di cella (segue) Intervallo suggerito: 5000 - 30.000
2. Rapporto plasmidico (segue) 0,1 - 0,001
3. Concentrazione sierica (segue) 0% - 4%
4. Tipo di cellula (gatto) HELA, HEK293
5. Tempo di integrazione (cont) 0,1 - 2 secondi
6. Tempo dopo la trasinfezione (cont o cat?) 24, 48, 78 ore (questo può essere continuo ma anche il flusso di lavoro sperimentale è un problema)
Ora sto lavorando su piastre da 96 pozzetti e ho bisogno di riservarne circa 8 per i controlli in questa piastra (potrei raddoppiarlo in modo da rimuovere un numero pari di colonne, in modo che la placcatura uniforme delle celle in due blocchi sia più semplice) Il resto della piastra può essere utilizzato per il DOE.
L'unica cosa che devo tenere a mente è il flusso di lavoro sperimentale, ad es. è quasi impossibile avere 20 diverse concentrazioni di numero di cellule per piastra. (Esso
sarebbe bello avere solo due tipi di cellule ciascuno alla volta concentrazione per piastra da 96 pozzetti) Mentre posso placcare entrambi i tipi di cellule su una piastra, vorrei bloccare la piastra in modo che sia divisa in due (cioè metà della piastra ha una cella e l'altra metà ha l'altra) Anche la concentrazione sierica sarebbe meglio mantenerla a due per piastra (una concentrazione diversa per blocco di cellule, ma potrebbe essere più facile da controllare in file) Vorrei mantenere il numero di piastre al di sotto 5 se possibile, ma sono aperto a suggerimenti basati sul DOE.
Spero di aver esposto tutto chiaramente qui. Sarebbe davvero utile se qualcuno potesse fornire un esempio del modo migliore per farlo, soprattutto tenendo presente il flusso di lavoro sperimentale.
Sono sicuro che chiunque abbia esperienza in panchina capirà da dove vengo con questo problema.
Grazie in anticipo!
I principi del DOE si traducono bene nell'area dello sviluppo dei saggi. Ho lavorato nella ricerca e sviluppo in quel campo per quindici anni e ho utilizzato ampiamente il DOE sia per scopi di screening che di ottimizzazione. Anch'io sono stupito dalla scarsità di materiale didattico sul DOE in quanto riguarda la ricerca e lo sviluppo farmaceutico. Ho anche scoperto che più della metà degli articoli che ho incontrato erano sbagliati o fuorvianti. (Forse la revisione tra pari fallisce quando anche i tuoi colleghi ignorano l'argomento.) Ecco una buona fonte di informazioni se impari bene da un libro per conto tuo: Progettazione ottimale degli esperimenti: un approccio al caso di studio di Peter Goos e Bradley Jones.
Ti credo quando dici che hai avuto difficoltà nell'impostare il tuo esperimento usando le micropiastre. (A proposito, dai un'occhiata all'area Scambio file qui nella community di JMP per il mio articolo e i materiali su file di forma personalizzata per Graph Builder!) Ma dovresti essere in grado di progettare un esperimento per questo dispositivo. Ho appena progettato un esperimento a due fattori per un modello polinomiale di secondo ordine con un fattore di blocco a otto livelli Riga e un fattore di blocco a dodici livelli Col . (Vedi la tabella dei dati di esempio allegata.) Il design è randomizzato all'interno dell'ultimo blocco, ma puoi disporre le righe secondo necessità a seconda di come imposti i tuoi piatti. Si prega di esaminare questo esempio e utilizzarlo per porre ulteriori domande.
Ci aiuterebbe se potessi condividere dettagli più specifici su ciò che stai cercando di fare, con cosa hai difficoltà o situazioni specifiche in cui JMP fallisce.
