「負」と「正」のカテゴリー変数間の変化を最大化するDOE応答私はjmpが初めてで、生化学アッセイを最適化しようとしています。使用しているバッファーを最適化しようとする複数のカテゴリ変数と連続変数があります。次に、「ターゲット」を変数として追加します（したがって、この変数にプラスまたはマイナスを設定します）。この「ターゲット」がなければ、応答を最小化したいのですが、応答を最大化したいのです（全体として、フォールドの変化を最大化したいのです）。
これを行う前に、この「ターゲット」変数を使用せずに条件を生成してから、実行を複製して余分な列を作成して実験計画を操作しました。しかし、データを分析しようとすると、これは困難になります。「負」の平均を取得し、「正」の平均から減算すると、情報が失われているように感じるからです。私が望む応答を指定する方法についてのアドバイスを期待していました。
再：「負」と「正」のカテゴリー変数間の変化を最大化するDOE応答DOEの各治療に対して標準曲線を実行すると仮定します。そのため、4PLCなどの用量反応曲線を当てはめることができます。複数の応答を使用できます。上の漸近線を最大化し、下の漸近線を最小化することができます。そして、他のパラメーターをターゲットにして、必要な感度と特異性を達成するために必要なダイナミックレンジを取得します。
応答の定量的測定値はありますか？サンプルのネガティブとポジティブのステータスのみがありますか？
私は大丈夫...
再：「負」と「正」のカテゴリー変数間の変化を最大化するDOE応答ありがとうございましたしゅう提案のため。
標準曲線に関しては、はい、同じ反応を示す既知量の既知量の試薬を使用して、個別のコントロール反応を実行します。したがって、すべての値を既知の試薬のx単位に変換できます。
複数の応答を使用できますが、「ターゲット」を使用してそれらを最大化し、使用しないで最小化する方法がわかりません。
はい、定量的な出力（この場合は蛍光）が得られ、この時点でターゲットを滴定することもできますが、状況が複雑になる可能性があると感じています（理想的には正と負の差を最大化するだけです）。
本当に漠然としたものから離れようとするために、多分それは私のアッセイを説明するのに役立つでしょう。特定の病気の診断アッセイを開発しています。患者のサンプルが「陽性」の場合、「陰性」の患者サンプルと簡単に区別できるように、使用しているバッファーを最適化しています。私の現在の設計は、標準的な相互作用とRSMを備えたカスタム設計です。反応を3回実行しています。私の現在のアプローチでは、「ポジティブ」と「ネガティブ」なしで実行を生成するため（そして後で追加の列として追加するため）、カテゴリ変数として「ポジティブ」または「ネガティブ」を使用することを検討していますが、「正」の3回の実行を集約し、「負」の実行の平均を減算します。これはそれを行う最良の方法とは思えません（標準偏差などに関する情報を失います）。jmpが最適化モデルを作成するために使用する元のデータが必要です。
最適な応答を指定する適切な方法、またはこの特定のユースケースで最も望ましいものを指定する方法を見つける必要があります。
再：「負」と「正」のカテゴリー変数間の変化を最大化するDOE応答標準曲線と管理サンプルは品質管理用であり、実際の最適化の一部ではありませんか？
高い感度と特異性が必要です。そのパフォーマンスは、低いバックグラウンド（より低い漸近線）と小さな標準偏差（ブランクサンプル）から得られます。サンプルバッファーはこれらのパラメーターに影響します。ロジスティックモデルの他のパラメーターも同様に応答として使用できます。変曲点を最小限に抑えて、感度を高めます（低濃度でより多くの信号が得られます）。スロープまたはパワーパラメータを最大化して、分析対象物のわずかな増加でより多くのシグナルを取得する必要があります。
ターゲットの調整は最も簡単なアプローチではないかもしれませんが、他の方法は最適化ではなく「勝者を選ぶ」ことです。診断はバイナリですが、アッセイは定量的です。定量的特性に注目することにより、最高の感度と特異性を実現します。その後、最適化されたアッセイの感度と特異性を、サンプルタイプ（neg / pos）対検体濃度のロジスティック回帰モデルのROC曲線とトレードオフできます。
