DOE-Reaktion zur Maximierung der Änderung zwischen "negativer" und "positiver" kategorialer VariableIch bin neu bei jmp und versuche, einen biochemischen Assay zu optimieren. Ich habe mehrere kategoriale und kontinuierliche Variablen, um den von mir verwendeten Puffer zu optimieren. Dann möchte ich das "Ziel" als Variable hinzufügen (und so ein positives oder negatives für diese Variable haben). Ohne dieses "Ziel" möchte ich die Antwort minimieren, damit möchte ich die Antwort maximieren (und insgesamt möchte ich die Fold-Änderung maximieren).
Zuvor erzeugte ich die Bedingungen ohne diese "Ziel" -Variable und manipulierte dann das experimentelle Design, indem ich die Läufe duplizierte und über eine zusätzliche Spalte verfügte. Dies wird jedoch schwierig, wenn ich versuche, die Daten zu analysieren, da ich das Gefühl habe, Informationen zu verlieren, wenn ich den Mittelwert des "Negativen" erhalte und ihn vom Mittelwert des "Positiven" subtrahiere. Ich habe auf einen Rat gehofft, wie ich die gewünschte Antwort festlegen kann.
Betreff: DOE-Antwort zur Maximierung der Änderung zwischen "negativer" und "positiver" kategorialer VariableIch gehe davon aus, dass Sie für jede der Behandlungen im DOE eine Standardkurve erstellen. Auf diese Weise können Sie eine Dosis-Wirkungs-Kurve anpassen, z. B. eine 4PLC. Sie können mehrere Antworten verwenden. Sie können die obere Asymptote maximieren und die untere Asymptote minimieren. und zielen Sie dann auf die anderen Parameter, um den Dynamikbereich zu erhalten, den Sie wünschen, um die Empfindlichkeit und Spezifität zu erreichen, die Sie benötigen.
Haben Sie ein quantitatives Maß für die Antwort? Haben Sie nur negativen und positiven Status von Proben?
Ich könnte weit weg sein ...
Betreff: DOE-Antwort zur Maximierung der Änderung zwischen "negativer" und "positiver" kategorialer VariableDanke @markbailey für die Vorschläge.
In Bezug auf eine Standardkurve, ja, ich werde separate Kontrollreaktionen mit einer festgelegten Menge eines bekannten Reagenzes durchführen, das die gleiche Reaktion aufweist. So kann ich dann alle Werte in x Einheiten des bekannten Reagenzes umrechnen.
Ich kann mehr als eine Antwort verwenden, bin mir aber nicht sicher, wie ich die mit dem "Ziel" maximieren und die ohne minimieren kann.
Ja, ich werde eine quantitative Ausgabe haben (in diesem Fall Fluoreszenz) und an diesem Punkt kann ich auch das Ziel titrieren, aber ich glaube, dass dies die Situation komplizieren könnte (da ich im Idealfall nur den Unterschied zwischen positiv und negativ maximiere).
Um zu versuchen, nicht mehr so vage zu sein, kann es hilfreich sein, meinen Assay zu erklären. Ich entwickle einen diagnostischen Assay für eine bestimmte Krankheit. Ich optimiere den verwendeten Puffer so, dass eine "positive" Patientenprobe leicht von einer "negativen" Patientenprobe unterschieden werden kann. Mein aktuelles Design ist ein benutzerdefiniertes Design mit Standardinteraktionen sowie RSM. Ich führe meine Reaktionen dreifach durch. Ich überlege, "positiv" oder "negativ" als zusätzliche kategoriale Variable zu verwenden, da ich in meinem aktuellen Ansatz die Läufe ohne "positiv" und "negativ" erstelle (und später als zusätzliche Spalte hinzufüge), aber dann habe ich um meine "positiven" Dreifachläufe zu aggregieren und den Mittelwert der "negativen" Läufe zu subtrahieren. Dies scheint nicht der beste Weg zu sein (ich verliere Informationen über Standardabweichungen usw.) und ich hätte lieber die Originaldaten für jmp, um das Optimierungsmodell zu erstellen.
Ich muss nur einen guten Weg finden, um die optimale Reaktion zu spezifizieren, oder einen Weg, um zu spezifizieren, was in diesem speziellen Anwendungsfall am wünschenswertesten ist.
Betreff: DOE-Antwort zur Maximierung der Änderung zwischen "negativer" und "positiver" kategorialer VariableIhre Standardkurven und Kontrollmuster dienen der Qualitätskontrolle und sind nicht Teil der eigentlichen Optimierung, oder?
Sie möchten eine hohe Sensitivität und Spezifität. Diese Leistung wird von einem niedrigen Hintergrund (untere Asymptote) und einer kleinen Standardabweichung (Blindprobe) herrühren. Ihr Probenpuffer beeinflusst diese Parameter. Die anderen Parameter im Logistikmodell können ebenfalls als Antworten verwendet werden. Der Wendepunkt sollte minimiert werden, damit Sie empfindlicher sind (mehr Signal bei niedrigeren Konzentrationen). Die Steilheit oder der Leistungsparameter sollten maximiert werden, damit Sie bei geringerer Zunahme des Analyten mehr Signal erhalten.
Das Titrieren des Ziels ist möglicherweise nicht der einfachste Ansatz, aber der andere Weg ist, den Gewinner auszuwählen und nicht zu optimieren. Ihre Diagnose ist binär, aber Ihr Assay ist quantitativ. Sie erreichen die höchste Sensitivität und Spezifität, indem Sie sich auf die quantitativen Merkmale konzentrieren. Sie können dann die Empfindlichkeit und Spezifität des optimierten Assays mit der ROC-Kurve aus einem logistischen Regressionsmodell des Probentyps (neg / pos) gegen die Analytkonzentration austauschen.
