孢子计数分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我一直在和一位正在做一些实验的科学家合作，以消毒形成植物病孢子的各种培养基。培养基被疾病孢子侵染，然后培养基接受减轻处理。然后计算幸存的孢子。 每种培养基都没有初始的孢子计数。 测试未处理培养基的样品以获得初始孢子计数。计算每种培养基类型的平均初始孢子计数。 使用具有二项分布的GLM在JMP中分析数据，其中在个体培养基上存活孢子的后处理计数，平均初始孢子计数是二项分析中的第二变量（分母）。通过该分析，基于使用来自培养基样品的平均孢子计数来报告存活孢子的概率。 这种方法有什么问题吗？我意识到每个媒体的初始计数最好。使用平均初始孢子培养基计算此分析中的问题？我们计划报告我们正在使用来自单独的培养基样本的平均初始孢子计数。
Re：孢子计数分析我不确定你想要从实验中得到什么或者如何设置实验，所以更多细节可能会有用。
我怀疑您正在比较不同治疗持续时间与不同消毒剂（化学或物理（热，蒸汽））的影响。
通常人们对孢子或细菌数量的对数减少感兴趣。 例如，我用10 ^ 8 cfu / ml我最喜欢的有机体刺我的苹果酱，然后经过几个灭菌周期（温度和时间）运行罐子。然后我打开罐子并对每个罐子中的几个样品进行计数，并使用数据找到最小时间温度组合，这使得计数减少了3个对数（或6个）。 可以在表面上进行相同类型的实验，对表面进行剂量处理，使用和不使用处理进行恢复，并比较结果。
一世在任何一种情况下，响应都不是二项式（0或1） 除非我只要看我是否大于或小于6个对数减少或可能完全消毒与未完成。在大多数情况下，科学家（和监管机构）对对数减少的估计和估算周围的置信区间（以及是否可以在CI低于要求的阈值的条件下运行）更感兴趣。
Re：孢子计数分析当你看到Pioson认为泊松，我的坏。
Re：孢子计数分析感谢您的意见和建议。
我的一些术语并不是最好的。使用工作生存和
感染是错过领导。实验室用可存活的孢子填充培养基。
重点是培养基上可行的孢子，特别是概率
培养基上有活力的孢子。
让我看看澄清我们在做什么。这是一项卫生研究。该
两种介质是钢垫圈和一块方形羊毛。所以没有孢子
如果它们萌芽，它们就会生活在媒介上。治疗方法是消毒。
孢子计数是可行的孢子。我们想知道它的效果如何
治疗是为了清理孢子。最初的羊毛数量
平均为220万，钢垫圈平均为8500。知道了
处理后培养基上可存活的孢子的概率是有价值的。
计数是整数。它们不是连续的。我用过GLM
马克建议的Pioson分布。我发现意义但不是那么多
和二项式一样。培养基上可存活的孢子的概率是
兴趣和显着影响它的治疗方法。是二项式
告诉我这个？可存活孢子的低概率告诉我们存在低水平
传播活孢子的可能性。
如果二项式不正确的方法可以GLM Pioson治疗
估计值除以初始孢子估计值以产生
培养基上有活孢子的概率。这会是一个更好的方法吗？
估计这个概率？
或者你有另一种建议的方法。谢谢。
Re：孢子计数分析鉴于上面的描述，我不确定您要分析的是您的因变量。 听起来你正在尝试二进制“污染/未污染”的反应，但是你使用模拟的初始孢子计数和实际的治疗后孢子计数作为你唯一的输入变量？我对你的目标有点困惑，因为如果有的话任何孢子在治疗后存活，然后是你的培养基是污染。 您的概率自动为100％。 现在，如果模型中包含与治疗相关的一些变量（例如，治疗时间或温度或......），那么您试图确定治疗的有效性，治疗后孢子的最终数量是你的回答，然后我可以看到这个练习的重点。 至于马克的观点，如果您的反应是治疗后孢子计数，那么您需要GLM的泊松分布和日志链接功能。 或者我在这里遗漏了什么？
Re：孢子计数分析如果感染每种培养基（样品）的方法是一致的，那么您可能会认为初始孢子计数是相同的。然后，您可以使用具有泊松分布和日志链接功能的GLM而无需偏移。启用过度分散选项以获得更好的适应性。（检查它是否重要。）
您选择的二项分布假定为二分响应，但您的比例不太可能如此。我理解它。这是连续的，不是吗？
