여기에서 주저하는 부분의 일부는 우리가 사용하는 언어일 수 있습니다. 아마도 그랬어야 했어 언어 . 과학자는 플레이트와 웰, 피펫팅 및 희석, 배양 시간, 농도 등에 대해 이야기합니다. 반면에 통계학자는 (간접적으로는 맞춤형 디자인을 위한 JMP 사용자 인터페이스를 통해 그리고 여기에서 직접 답장을 통해) 요인 유형, 요인 수준, 전체 도표 및 하위 도표를 변경하기 쉬운지, 어려운지 또는 매우 어려운지, 블로킹에 대해 이야기합니다. , 등등.
그거 다 받았어? 아마 아닐 겁니다. 정상입니다.
그래서 우리는 토론에서 다른 사람들에게 우리 자신을 설명할 시간을 가질 필요가 있습니다. 주제와 문제가 심화될수록 문제와 해결책을 완전히 전달하기 위해 더 많은 설명이 필요합니다.
나는 이것을 디자인하는 문제라고 생각합니다. 무작위화에 대한 제한이 있는 정교한 실험 중요하므로 이 논의는 유사한 상황에 있는 많은 사용자에게 도움이 될 수 있습니다. 이는 JMP 커뮤니티의 이 토론 영역이 우리 모두에게 도움이 되기를 바라는 좋은 예입니다. 2주 동안 활동이 없어서 당황스럽네요. 마지막 답변이 나머지 질문에 모두 답했기 때문인지 의심스럽습니다.
다시 논의가 재개되길 바랍니다. 다음은 더 많은 답변을 유도하기를 바라는 몇 가지 사항입니다.
- 당신이 분석법을 개발한다면 이 사례는 당신의 것과 어떻게 같습니까? 어떻게 다른가요?
- 런(우물)을 무작위화하는 데 동일한 제한이 있습니까? 더? 더 적은? 그냥 다른가요?
- 무작위화에 대한 제한은 설계가 실행되는 정도에 분명히 영향을 미칩니다. 제한 사항이 분석에 어떤 영향을 미치는지 명확합니까? 분석에서 제한이 무시되면 회귀 모델에 대한 내 해석에 어떤 일이 발생할 수 있습니까?
- 제한이 있는 실험을 설계, 실행 또는 분석하는 동안 유용하다고 생각되는 사례는 무엇입니까?
(동일한 사용자가 시작한 다른 관련 토론이 있습니다. 나는 행동 촉구를 교차 게시할 것이며 최고의 토론이 이길 수 있기를 바랍니다!)
계속해서 JMP 사용자 지정 설계를 사용하겠습니다. 여러 면에서 이것은 무작위화에 제한이 있는 일반적인 실험입니다. 나는 사고 과정과 최종 디자인을 가능한 한 간단하게 유지하려고 노력하고 있습니다. (정련이 필요할 수 있습니다. 아마도 많은 개선이 필요할 것입니다!)
나는 당신의 정의를 사용하여 디자인을 만들었습니다. 주요 사항은 다음과 같습니다.
- 모든 요소는 두 가지 예외를 제외하고 정의한 대로 정확하게 입력되었습니다.
- -3의 낮은 값과 -1의 높은 값에 대한 log10 플라스미드 비율로 플라스미드 비율을 정의했습니다. 왜? 이 요소는 희석 단계에 대한 생각을 나타내고 이 변환은 변경 사항을 선형으로 만들고 모델링을 단순화하기 때문입니다.
- 나는 연속 요인의 낮은 값에 대해 0을 정말 좋아하지 않습니다. 이 정의는 본질적으로 그것을 범주적 요소로 만듭니다: 부재 대 존재. 나는 실제로 Serum Concentration의 낮은 값을 0%로 두었지만 1%와 같은 낮은 값을 권장합니다: 낮지만 존재합니다.
- 각 요인의 수준 수는 모형에 의해 결정됩니다. 고차 항을 포함하려면 더 많은 요인 수준이 필요합니다. 반면에 모델이 상대적으로 단순한 경우 많은 수준이 필요하지 않습니다(그리고 비효율적 - 낮은 정보 콘텐츠 -).
- 플레이트의 열과 행을 디자인의 차단 요소로 명시적으로 처리할 필요는 없다고 생각합니다.
- 제어 실행을 위해 각 절반에서 하나의 열을 빼면서 한 번에 절반의 플레이트로 작업하는 것을 선호합니다.
- 이 선택은 설계에서 전체 플롯의 크기인 40개 웰을 정의합니다.
- Cell Number는 플레이트의 두 세포 유형에 대해 동일해야 하므로 이 계수는 바꾸기가 매우 어렵다 .
- 셀 번호는 전체 플롯 요소가 됩니다.
- 그 효과는 가장 낮은 정확도로 추정됩니다.
- 이 결정은 접시 수를 많이 줄일 수 없다는 것을 의미합니다. 4개의 플레이트는 모델링을 위한 실질적인 최소값일 수 있습니다.
- 이 설계는 효과가 표준 편차의 7배 이상인 경우 80% 검정력을 제공합니다.
- 세포 유형 및 혈청 농도는 플레이트의 절반에 대해 동일해야 하므로 이러한 요소는 모두 변경하기 어려운 .
- 세포 유형 및 혈청 농도는 하위 플롯 요인이 됩니다.
- 그 효과는 두 번째로 낮은 정밀도로 추정됩니다.
- 이 설계는 효과가 표준 편차의 최소 4배인 경우 동일한 80%를 제공합니다.
- 복제가 많은 것 같지만 변경하기 쉬운 요인, Plasmid Ratio, Integration Time 및 Time Post Transfection만으로 즐길 수 있습니다.
- 여기서도 한 번에 플레이트 또는 하프 플레이트를 다루게 될 것이기 때문에 이러한 요인에 대해 복제 및 무작위화가 무엇을 의미하는지 잘 모르겠습니다.
다음 스크립트는 귀하의 검토 및 고려를 위해 내가 말하는 디자인을 만들 것입니다.
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 )}
);
문제가 있을 것으로 예상되지만 제공해주신 정보를 바탕으로 최선을 다하고 있습니다.
명확성을 위해 원하는 경우 Whole Plots을 Plate로, Subplots을 Half Plate로 이름을 바꿀 수 있습니다.
빠른 답변 정말 감사합니다. 내가 설정하려는 실험의 명확한 예를 확실히 제공할 것이며 DOE를 예로 설정하는 데 도움이 되기를 바랍니다.
GR/GR 상호 작용을 측정하도록 설계된 Nanobret 분석이 있는데 먼저 동적 범위에 대해 최적화하고 싶습니다. 저는 양성 대조군(이 경우 분석에서 최대 신호를 생성해야 하는 덱사메타손)과 비히클 대조군(분석에서 기준 노이즈를 나타냄)이 있습니다. 이들은 이 분석의 성능에 영향을 미칠 수 있는 여러 변수입니다. 이러한 변수에는 다음이 포함됩니다.
1. 셀 번호(계속) 제안 범위: 5000 - 30,000
2. 플라스미드 비율(계속) 0.1 - 0.001
3. 혈청 농도(계속) 0% - 4%
4. 세포 유형(cat) HELA, HEK293
5. 통합 시간(계속) 0.1 - 2초
6. 감염 후 시간(계속 또는 고양이?) 24, 48, 78시간(지속적일 수 있지만 실험 워크플로도 문제임)
이제 저는 96개의 웰 플레이트에서 작업하고 있으며 이 플레이트의 컨트롤을 위해 약 8개를 예약해야 합니다(두 블록에 세포를 고르게 도금하는 것이 더 쉽도록 짝수의 열을 제거하도록 두 배로 늘릴 수 있음) DOE에 사용됩니다.
제가 염두에 두어야 할 한 가지는 실험적인 작업 흐름입니다. 플레이트당 20개의 서로 다른 세포 수 농도를 갖는 것은 거의 불가능합니다. (그것
96웰 플레이트당 한 번에 두 가지 유형의 세포만 가질 수 있다면 좋을 것입니다.) 하나의 플레이트에 두 세포 유형을 플레이팅할 수 있지만 플레이트를 차단하여 두 개로 나누고 싶습니다(즉, 플레이트의 절반은 하나의 세포를 가짐). 나머지 절반은 나머지 절반) 혈청 농도도 플레이트당 2개로 유지하는 것이 가장 좋습니다(세포 블록당 하나의 다른 농도이지만 행에서 제어하기가 더 쉬울 수 있음). 플레이트 수를 아래로 유지하고 싶습니다. 가능하다면 5이지만 DOE를 기반으로 한 제안에 개방적입니다.
나는 여기에 모든 것을 명확하게 배치했기를 바랍니다. 특히 실험 워크플로를 염두에 두고 이를 수행하는 가장 좋은 방법에 대한 예를 누군가 제공할 수 있다면 정말 도움이 될 것입니다.
벤치 경험이 있는 사람이라면 누구나 이 문제에 대해 내가 어디에서 왔는지 이해할 것이라고 확신합니다.
미리 감사드립니다!
DOE의 원칙은 분석 개발 영역에서 잘 해석됩니다. 저는 그 분야의 R&D에서 15년 동안 일했으며 선별 및 최적화 목적으로 DOE를 광범위하게 사용했습니다. 나 역시 제약 R&D와 관련된 DOE에 대한 학습 자료가 부족하다는 사실에 놀랐다. 또한 내가 접한 기사의 절반 이상이 잘못되었거나 오해의 소지가 있음을 발견했습니다. (동료가 해당 주제에 대해 무지할 때 피어 리뷰가 실패할 수도 있습니다.) 다음은 스스로 책에서 잘 배운 경우 좋은 정보 소스입니다. 최적의 실험 설계: 사례 연구 접근법 피터 구스와 브래들리 존스.
Microtiter plate를 사용하여 실험을 설정하는 데 어려움이 있었다고 말씀하신 것을 믿습니다. (그런데, 여기 JMP 커뮤니티의 파일 교환 영역에서 제 기사와 관련 자료를 살펴보십시오. 사용자 정의 모양 파일 for Graph Builder!) 하지만 이 장치에 대한 실험을 설계할 수 있어야 합니다. 방금 8단계 차단 요인이 있는 2차 다항식 모델에 대한 2요인 실험을 설계했습니다. 열 및 12단계 차단 요인 안부 . (첨부된 예제 데이터 표를 참조하십시오.) 디자인은 마지막 블록 내에서 무작위로 지정되지만 플레이트를 설정하는 방법에 따라 필요에 따라 행을 정렬할 수 있습니다. 이 예를 검토하고 추가 질문에 사용하십시오.
수행하려는 작업, 어려움 또는 JMP가 실패하는 특정 상황에 대해 보다 구체적인 세부 정보를 공유해 주시면 도움이 될 것입니다.
