DOE响应以最大化“负”和“正”类别变量之间的变化我是jmp的新手，正在尝试优化生化分析。我有多个类别变量和连续变量来尝试优化我正在使用的缓冲区。然后，我想将“目标”添加为变量（因此该变量具有正数或负数）。没有这个“目标”，我想使响应最小化，而我想使响应最大化（总的来说，我要使倍数变化最大化）。
在执行此操作之前，先生成没有此“目标”变量的条件，然后通过重复运行并增加一列来操纵实验设计。但是，这在尝试分析数据时变得很困难，因为如果获得“负数”的均值并从“正数”的均值中减去它，我感觉好像正在丢失信息。我希望就如何指定所需的响应提供一些建议。
回复：能源部的回应，以最大限度地提高“负”和“正”类别变量之间的变化我假设您将为DOE中的每种处理运行一条标准曲线。因此，您将能够拟合剂量响应曲线，例如4PLC。您可以使用多个响应。您可以最大化上渐近线，最小化下渐近线。然后定位其他参数以获得所需的动态范围，以实现所需的灵敏度和特异性。
您是否对响应进行了定量测量？您是否只有样品的阴性和阳性状态？
我可能会离开...
回复：能源部的回应，以最大限度地提高“负”和“正”类别变量之间的变化谢谢 @马克贝利的建议。
就标准曲线而言，是的，我将使用一定量的具有相同响应的已知试剂进行单独的对照反应。因此，我可以将所有值转换为已知试剂的x单位。
我可以使用多个响应，但是我不确定如何将带有“目标”的那些最大化，而将那些没有“目标”的那些最小化。
是的，我将有定量的输出（在这种情况下为荧光），此时我还可以滴定目标，但是我觉得那可能会使情况复杂化（因为理想情况下，我只是在最大化正负之间的差异）。
要尝试摆脱含糊其词的含义，也许会有助于解释我的方法。我正在开发一种针对特定疾病的诊断检测方法。我正在优化所使用的缓冲液，以便当患者样品为“阳性”时，可以轻松地将其与“阴性”患者样品区分开。我当前的设计是具有标准交互以及RSM的自定义设计。我的反应一式三份。我正在考虑将“正”或“负”用作额外的类别变量，因为在我当前的方法中，我生成的运行中没有“正”和“负”（并在以后将其添加为额外的列），但是最终我遇到了汇总我的“阳性”重复三次，然后减去“阴性”重复次数的平均值。这似乎不是执行此操作的最佳方法（我丢失了有关标准偏差的信息等），而我希望将jmp的原始数据用于创建优化模型。
我只需要找到一种指定最佳响应的好方法，或者指定此特定用例中最需要的方法。
回复：能源部的回应，以最大限度地提高“负”和“正”类别变量之间的变化您的标准曲线和控制样本用于质量控制，不是实际优化的一部分，对吗？
您需要高灵敏度和特异性。该性能将来自较低的背景（渐近线较低）和较小的标准偏差（空白样本）。您的样本缓冲区将影响这些参数。逻辑模型中的其他参数同样可以用作响应。应尽量减少拐点，以使您更敏感（在较低浓度下信号更多）。斜率或功率参数应最大化，以便在分析物增加较小的情况下获得更多信号。
调整目标可能不是最简单的方法，但另一种方法是“选择赢家”而不是优化。您的诊断是二进制的，但您的测定是定量的。通过专注于定量特征，您将获得最高的灵敏度和特异性。然后，您可以根据样品类型（负/正）的逻辑回归模型与分析物浓度的ROC曲线，权衡优化分析的灵敏度和特异性。
