Parte de la reticencia aquí podría deberse al lenguaje que usamos. Tal vez eso debería haber sido idiomas . El científico habla de placas y pocillos, pipeteo y dilución, tiempo de incubación, concentración, etc. El estadístico, por otro lado, (indirectamente a través de la interfaz de usuario de JMP para el diseño personalizado y directamente a través de las respuestas aquí) habla sobre tipos de factores, niveles de factor fáciles, difíciles o muy difíciles de cambiar, parcelas completas y subparcelas, bloqueo , etcétera.
¿Conseguiste todo eso? Probablemente no. Eso es normal.
Así que necesitamos tomarnos el tiempo para explicarnos a las otras personas en la discusión. Cuanto más avanzado sea el tema y los problemas, más explicación se requiere para comunicar completamente el problema y la solución.
Creo que esto de diseñar un experimento sofisticado con restricciones en la aleatorización es importante y, por lo tanto, esta discusión podría ayudar a muchos usuarios en una situación similar. Es un gran ejemplo de lo que esperábamos que esta área de discusión en la comunidad JMP pudiera ser para todos nosotros. Estoy desconcertado de que no ha habido actividad durante dos semanas. Dudo que sea porque la última respuesta respondió a todas las preguntas restantes.
Espero que la discusión se reanude. Aquí hay algunos puntos que espero provoquen más respuestas:
- ¿En qué se parece este caso al tuyo si desarrollas ensayos? ¿Cómo es diferente?
- ¿Tiene las mismas restricciones para aleatorizar las corridas (pozos)? ¿Más? ¿Menos? ¿Sólo diferente?
- Las restricciones en la aleatorización claramente impactan cuán práctico es ejecutar el diseño. ¿Es igual de claro cómo la restricción afecta el análisis? ¿Qué podría pasar con mi interpretación del modelo de regresión si se ignora la restricción en el análisis?
- ¿Cuáles son algunas prácticas que encuentra beneficiosas al diseñar, ejecutar o analizar un experimento con restricciones?
(Tenga en cuenta que hay otra discusión relacionada iniciada por el mismo usuario. ¡Voy a publicar este llamado a la acción y que gane la mejor discusión!)
Procederé a utilizar el diseño personalizado de JMP. En muchos sentidos, este es un experimento ordinario con restricciones en la aleatorización. Estoy tratando de mantener el proceso de pensamiento y el diseño final lo más sencillo posible. (Puede que necesite refinamiento, ¡quizás mucho refinamiento!)
Usé tus definiciones para hacer un diseño. Aquí están los puntos más destacados:
- Todos los factores se ingresaron exactamente como los definió con dos excepciones.
- Relación de plásmido definida como la relación de plásmido log10 para un valor bajo de -3 y un valor alto de -1. ¿Por qué? Porque este factor representa su pensamiento sobre los pasos de dilución y esta transformación hace que ese cambio sea lineal y simplifica el modelado.
- Realmente no me gusta el cero por el bajo valor de un factor continuo. Esta definición esencialmente lo convierte en un factor categórico: ausente versus presente. De hecho, dejé el valor bajo para la concentración sérica en 0 %, pero recomiendo un valor bajo como 1 %: bajo pero presente.
- El número de niveles para cada factor está determinado por el modelo. La inclusión de términos de orden superior requerirá más niveles de factores. Por otro lado, muchos niveles son innecesarios (e ineficientes -bajo contenido de información- si el modelo es relativamente simple.
- No creo que debamos tratar explícitamente las columnas y las filas de la placa como factores de bloqueo en el diseño.
- Prefiere trabajar con la mitad de una placa a la vez, restando una columna de cada mitad para las ejecuciones de control.
- Esta elección define el tamaño de una parcela completa en el diseño, 40 pozos.
- El número de celda debe ser el mismo para ambos tipos de celda en una placa, por lo que este factor es muy difícil de cambiar .
- El número de celda se convierte en el factor completo de la trama.
- Sus efectos se estimarán con la menor precisión.
- Esta decisión significa que no se puede reducir mucho el número de placas. Cuatro placas pueden ser un mínimo práctico para el modelado.
- Este diseño proporciona un 80 % de potencia si el efecto es al menos 7 veces la desviación estándar.
- El tipo de célula y la concentración de suero deben ser los mismos para la mitad de la placa, por lo que estos factores son ambos difícil de cambiar .
- El tipo de célula y la concentración sérica se convierten en los factores de la subparcela.
- Sus efectos se estimarán con la segunda precisión más baja.
- Este diseño proporciona el mismo 80 % si sus efectos son al menos 4 veces la desviación estándar.
- Parece que tiene mucha replicación, pero eso solo lo disfrutan los factores fáciles de cambiar, la proporción de plásmidos, el tiempo de integración y el tiempo posterior a la transfección.
- No estoy seguro de lo que significan la replicación y la aleatorización para estos factores porque probablemente también se tratará con un plato o medio plato a la vez.
El siguiente guión hará el diseño del que estoy hablando para su examen y consideración.
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 )}
);
Espero que tenga problemas con él, pero estoy haciendo lo mejor que puedo en función de la información que me ha proporcionado.
Puede cambiar el nombre de Parcelas completas a Placa y Subparcelas a Media placa si lo desea para mayor claridad.
Muchas gracias por la rápida respuesta. Definitivamente proporcionaré un ejemplo claro de un experimento que estoy tratando de configurar, y espero que pueda ayudarme a configurar el DOE como ejemplo.
Tengo un ensayo Nanobret diseñado para medir la interacción GR/GR, que primero quiero optimizar para el rango dinámico. Tengo un control positivo, en este caso dexametasona, que debería producir la señal máxima en el ensayo y un control de vehículo (que representa el ruido de referencia en el ensayo). Hay una serie de variables que podrían influir en el rendimiento de este ensayo. Estas variables incluyen
1. Número de celda (continuación) Rango sugerido: 5000 - 30,000
2. Proporción de plásmidos (continuación) 0,1 - 0,001
3. Concentración sérica (continuación) 0% - 4%
4. Tipo de celda (gato) HELA, HEK293
5. Tiempo de integración (continuación) 0,1 - 2 segundos
6. Tiempo Post Transfección (cont o cat?) 24, 48, 78 horas (esto puede ser continuo, pero el flujo de trabajo experimental también es un problema)
Ahora estoy trabajando en placas de 96 pocillos y necesito reservar alrededor de 8 para los controles en esta placa (podría duplicar eso para eliminar un número par de columnas, de modo que sea más fácil sembrar células de manera uniforme en dos bloques) El resto de la placa puede ser utilizado para el DOE.
Lo único que tengo que tener en cuenta es el flujo de trabajo experimental, es decir. es casi imposible tener 20 concentraciones de número de células diferentes por placa. (él
sería genial tener solo dos tipos de células a la vez, concentración por placa de 96 pocillos) Si bien puedo sembrar ambos tipos de células en una placa, me gustaría bloquear la placa para que se divida en dos (es decir, la mitad de la placa tiene una celda y la otra mitad tiene la otra) También sería mejor mantener la concentración sérica en dos por placa (una concentración diferente por bloque de células, pero esto podría ser más fácil de controlar en filas) Me gustaría mantener la cantidad de placas a continuación 5 si es posible, pero estoy abierto a sugerencias basadas en el DOE.
Espero haber expuesto todo claramente aquí. Sería muy útil si alguien pudiera proporcionar un ejemplo de la mejor manera de hacer esto, especialmente teniendo en cuenta el flujo de trabajo experimental.
Estoy seguro de que cualquier persona con experiencia en el banco entenderá de dónde vengo con este problema.
¡Gracias de antemano!
Los principios del DOE se traducen bien en el área de desarrollo de ensayos. Trabajé en I+D en ese campo durante quince años y usé DOE extensamente con fines de detección y optimización. Yo también estoy asombrado por la escasez de materiales de aprendizaje sobre el DOE en lo que respecta a la I+D farmacéutica. También descubrí que más de la mitad de los artículos que encontré eran incorrectos o engañosos. (Tal vez la revisión por pares falla cuando sus compañeros también ignoran el tema). Esta es una buena fuente de información si aprende bien de un libro por su cuenta: Diseño óptimo de experimentos: un enfoque de estudio de caso por Peter Goos y Bradley Jones.
Le creo cuando dice que ha tenido dificultades para configurar su experimento con placas de microtitulación. (Por cierto, eche un vistazo en el área de Intercambio de archivos aquí en la Comunidad JMP para ver mi artículo y materiales sobre archivos de formas personalizadas para Graph Builder!) Pero debería poder diseñar un experimento para este dispositivo. Acabo de diseñar un experimento de dos factores para un modelo polinomial de segundo orden con un factor de bloqueo de ocho niveles Fila y un factor de bloqueo de doce niveles Columna . (Consulte la tabla de datos de ejemplo adjunta). El diseño es aleatorio dentro del último bloque, pero puede organizar las filas según sea necesario dependiendo de cómo configure sus placas. Examine este ejemplo y utilícelo para hacer más preguntas.
Nos ayudaría si pudiera compartir detalles más específicos sobre lo que está tratando de hacer, con qué tiene problemas o situaciones específicas en las que JMP falla.
