Utilizzo del modello Logistic 3 Parameter (L3P).CIAO,
Stiamo esaminando alcuni dati biologici che rappresentano un'amplificazione a cui stiamo usando JMP per adattare il modello L3P
- e si ottengono così il tasso di crescita, l'asintoto e il punto di flesso sulle curve sigmoidee risultanti.
Stiamo quindi utilizzando il parametro del tasso di crescita specificamente in un test ANOVA per rilevare se le curve (cioè il test biologico) sono influenzate negativamente dalle sfide, sotto l'aspettativa di una sfida avversa che ci porta a rifiutare l'ipotesi nulla.
Il problema che sto riscontrando è che più avversa è la sfida, maggiore è la probabilità di entrambe alcuni o tutti dei dosaggi non funzionanti (curve non generate).
Quando ciò accade, non riesco a ottenere i 3 parametri che sto usando in ANOVA e quindi sono un po' bloccato su come gestire questi dati particolarmente informativi.
Il modello (con sfida crescente) è di crescente variabilità nella curva che viene modellata (verso il rivestimento piatto) e quindi un numero crescente di amplificazioni fallite (linee piatte effettive) con gravità della sfida - che culmina in tutte le repliche con rivestimento effettivamente piatto e nessuna curva adattamento essendo possibile.
Grazie per l'aiuto.
Re: Utilizzo del modello Logistic 3 Parameter (L3P).Molte grazie per questo - ed è quasi esattamente 
cosa stiamo attualmente facendo (personalità GLM-distribuzione binomiale-collegamento Probit) quando esaminiamo i dati che generiamo solo per verificare se il test ha funzionato o meno.
Non stiamo guardando nessun parametro diverso dal fatto che il test abbia funzionato o meno.
Speravamo però di eseguire un'analisi più discriminante.
Stiamo cercando di utilizzare un metodo per valutare in che modo il test degrada (senza fallire esplicitamente anche se può verificarsi un errore) man mano che aumentiamo il livello di sfida.
Quindi, spesso otteniamo dati di questo modulo:
unità di sfida - adattamento della curva riuscito - adattamento della curva non riuscito*
-------1------------------16---------------------00- ----
-------2-------------------16---------------------00 -----
-------3-------------------16--------------------00 -----
-------4------------------16--------------------00 -----
-------5-------------------16--------------------00 -----
-------6------------------16---------------------00 -----
-------7-------------------16---------------------00- ----
Se dovessimo adattare un modello Log 3 Parameter a ciascuna delle curve sigmoidee nelle 16 repliche x 7 condizioni di cui sopra - scopriamo che all'aumentare della sfida da 1 a 7 - c'è una diminuzione del tasso di crescita e una diminuzione dell'asintoto superiore (ovvero in 2 dei 3 parametri generati dal modello L3P).
Quindi, fintanto che il test funziona ed è possibile un adattamento del modello, con l'aumentare della sfida non vediamo alcun cambiamento nel punto di flesso, una diminuzione dell'asintoto superiore e una diminuzione del tasso di crescita) che è fantastico.
Tutti i nostri problemi sorgono quando siamo "tra" queste 2 tecniche statistiche; con ciò intendo quando a guasti sporadici (o più). per esempio
unità di sfida - adattamento della curva riuscito - adattamento della curva non riuscito*
-------1------------------16---------------------00- ----
-------2-------------------16---------------------00 -----
-------3------------------15-------------------------- 01 -----
-------4------------------16--------------------00 -----
-------5------------------15-------------------------- 01 -----
-------6------------------15-------------------------- 01 -----
-------7------------------14-------------------------- 02 -----
verificarsi - poiché nessun modello Log 3 P può essere generato in questi pochi test (vale a dire cinque nella tabella sopra).
Mi sono chiesto se potremmo usare il valore di base (cioè vicino allo zero) per l'asintoto superiore, 0 per il tasso di crescita e i "dati mancanti" per il punto di flesso nel caso di fallimenti, cioè in quei 5 casi, in modo tale che noi avrebbe dati da portare avanti nei test falliti per l'uso in test simili a (m) ANOVA delle differenze tra la gravità della sfida.
Da un lato sembra una mossa positiva farlo poiché nessun dato viene scartato, tuttavia non sono sicuro di contravvenire alle regole di normalità (richieste nei test simili a (m) ANOVA) assegnando valori di test falliti pari a zero e poi usandoli. Sebbene a volte otteniamo adattamenti L3P a reazioni fallite (valori R2 scadenti) - i valori 3P restituiti non hanno senso, sono spesso valori anomali estremi - e quindi devono essere eliminati se vogliamo perseguire la differenza tra i test di gruppo utilizzandoli.
Re: Utilizzo del modello Logistic 3 Parameter (L3P).Potresti analizzare una tabella di questo tipo (sfida, numero di fallimenti, numero totale di test - 16) utilizzando un modello probit.
Selezionare Analizzare > Modello adatto . Seleziona entrambi i Fallimenti E Test colonne di dati e fare clic su Y . (Assicurati di inserirli in quest'ordine.) Seleziona il Sfida colonna dati e fare clic Aggiungere . Clic Minimi quadrati standard e seleziona Modello lineare generalizzato . Seleziona il Binomiale distribuzione e il Probit funzione di collegamento.
Clic Correre .
Puoi estendere questa analisi per includere l'esperimento.
Aggiungere Sperimentare come due effetti: l'effetto principale e incrociato con Sfida .
Le stime possono essere utilizzate per testare la significatività degli effetti e il modello può essere utilizzato per prevedere.
L'esempio dell'esperimento qui potrebbe essere un altro fattore categorico o continuo. Potrebbero esserci più fattori nel modello probit.
Re: Utilizzo del modello Logistic 3 Parameter (L3P).Quindi, i dati che potremmo osservare potrebbero assomigliare a (illustrati con 16 repliche):
unità di sfida - adattamento della curva riuscito - adattamento della curva non riuscito*
-------1------------------16--------------------00 -----
-------2------------------15---------------------01 -----
-------3-------------------12--------------------04 -----
-------4------------------08---------------------08- ----
-------5------------------04---------------------12- ----
-------6------------------02---------------------14- ----
-------7------------------00---------------------16- ----
Tuttavia, il prossimo esperimento potrebbe essere simile a:
unità di sfida - adattamento della curva riuscito - adattamento della curva non riuscito*
-------1------------------16---------------------00- ----
-------2-------------------16---------------------00 -----
-------3------------------15---------------------01 -----
-------4------------------16--------------------00 -----
-------5-------------------15---------------------01 -----
-------6------------------15--------------------01 -----
-------7-------------------14---------------------02- ----
* nessuna reazione in corso
Quindi - il primo esperimento sembra prestarsi a un risultato binario e il secondo a un risultato quantitativo (aumento della variabilità nelle curve sigmoidee con sfida valutata dall'asintoto/tasso di crescita) - tuttavia, in qualche modo ho bisogno di riunire i due in una prova.
Re: Utilizzo del modello Logistic 3 Parameter (L3P).Ciao,
Molte grazie per la risposta e credo di aver capito.
Il problema è che ci viene richiesto di testare il test fino al fallimento e quindi i nostri dati vanno da curve sigmoidali replicate perfettamente sovrapposte in tutti i casi (con poca sfida) a un'estremità
- attraverso (all'altra estremità) - a linee piatte replicate perfettamente sovrapposte.
Tra questi due estremi c'è uno schema di crescenti fallimenti sporadici nei campioni replicati.
Stavo pensando che se raggruppassi tutte le nostre repliche (per sfida) insieme per generare una sola curva - allora finché avremo almeno una curva sigmoidale di successo, saremo in grado di ottenere i 3 parametri su ogni sfida cioè sarà in grado di eseguire un adattamento della curva valido.
Il problema però che poi si pone - è che invece di avere valori per il tasso di crescita, il punto di flesso e l'asintoto in ogni replica - abbiamo quindi solo 1 valore per tutte le repliche - e non sono troppo sicuro di come prendere questo valore fino al test t, (M)ANOVA e test di equivalenza perché sono gli stessi valori replicati effettivi che sono necessari per eseguire questo tipo di analisi.
La mia successiva linea di pensiero è stata quella di utilizzare i dati di riepilogo che JMP fornisce su media, SE e intervalli di confidenza su quella singola curva sigmoidale "sommaria" e tentare di eseguire un'ANOVA dalla tabella di riepilogo dei dati, ovvero semplicemente sollevando media e SE dal 'Per gruppo' L3P si adatta e tenta questa procedura (che sei stato così gentile da fornire):
https://community.jmp.com/t5/JMP-Scripts/ANOVA-from-Data-Summary/ta-p/21487
Ciò che mi preoccupa un po' è se questa forma di raggruppamento di dati "piatti" con i dati effettivi della curva sigmoidale invaliderà alcuni presupposti di base, ovvero cambierà la natura della curva. Il punto di flesso è una costante nel nostro esercizio di adattamento della curva, quindi mi chiedo se questo approccio "per gruppo" altererà il punto di flesso lontano da dove ci aspettiamo che sia.
Apprezzo sinceramente l'aiuto!
Grazie. C.
Re: Utilizzo del modello Logistic 3 Parameter (L3P).Il tuo fattore continuo è la sfida. Forse la tua gamma di fattori è troppo aggressiva e porta a non risposte. Lo scopo dell'esperimento è modellare i dati e testare le stime dei parametri. Puoi spostare l'intervallo del fattore più in basso? Ad esempio, se la sfida era 50-100, prova 25-75? In questo modo potresti essere in grado di ottenere più dati utilizzabili per il tuo modello.
