Optimisation de la formulation, conception sur mesure, comment choisir les bons niveaux élevésBonjour belle communauté jmp, je suis un tout nouvel apprenant et j'espérais pouvoir choisir des cerveaux pour avoir un aperçu ou même obtenir un lien vers une discussion quelque part sur le forum que j'aurais peut-être manqué dans ma recherche !
Tellement…. Je prévois d'utiliser une conception personnalisée dans jmp pour filtrer 10 facteurs continus (excipients) pour l'optimisation de la formulation. Le plan pour aller de l'avant une fois que nos effets linéaires, quadratiques et/ou interactifs significatifs auront été identifiés est que nous passerons ensuite au RSM. Historiquement, l'optimisation univariée a été utilisée dans mon entreprise et, à ce titre, ils ont eu la capacité d'étudier des facteurs à des niveaux assez élevés (concentrations d'excipients). Je ne sais pas comment les niveaux élevés de facteurs fonctionneront en combinaison et, en fin de compte, nous pouvons avoir une situation où notre actif "se bloque" hors de la solution, ce qui rendrait alors toute analyse de réponse irréalisable pour ensuite faire un retour sur la conception. Alors maintenant, je suis dans deux esprits de savoir si je
- Faites un plan où les niveaux de facteur sont d'env. la moitié de la concentration de ce qu'ils étudient généralement de manière univariée dans l'espoir que je puisse identifier X1, X2, X1X2 pour une optimisation plus poussée et élever les facteurs à un niveau supérieur au stade RSM OU
- Aller avec les niveaux les plus élevés dès le départ, risquant potentiellement la perte de données de réponse à ces combinaisons de haut niveau et s'il s'agit d'un cas où nous n'obtenons pas de lectures, essayez de réduire les niveaux les plus élevés à ce stade et de réexaminer ?
Si cela aide, la conception que j'ai générée jusqu'à présent a 74 passages au total (dont 6 sont des points centraux) et je peux aller jusqu'à un maximum de 96 passages en une seule fois. Comme je l'ai mentionné, je suis un nouvel apprenant de jmp, donc s'il y a des conseils / lectures, du matériel avec lequel vous pourriez m'aider serait très apprécié !
Re : Optimisation de la formulation, conception personnalisée, comment choisir les bons niveaux élevésVous avez mentionné quelques détails sur votre expérience de formulation qu'il pourrait être intéressant d'approfondir un peu :
Je me demandais si vous pensiez aussi aux mélanges ?
Pensez-vous à l'ordre des expériences d'addition ?
Les conceptions de mélange peuvent aider à définir une zone de votre réponse où votre API se bloque.
Re : Optimisation de la formulation, conception personnalisée, comment choisir les bons niveaux élevésSalut Byron,
Merci beaucoup pour la réponse, j'étais en train de jouer avec l'idée d'un DSD mais je n'avais pas pensé à pouvoir faire les répétitions sur une seule assiette à la place ! Je vais donner un coup de pouce et merci beaucoup pour la perspicacité 
Re : Optimisation de la formulation, conception personnalisée, comment choisir les bons niveaux élevésJ'aimerais suggérer une approche un peu différente de la première expérience de dépistage. Dans JMP, il existe un Definitive Screening Design (DSD) qui peut vous faire économiser du temps et des efforts. Si vos 10 facteurs sont tous continus, alors la conception DSD est de 25 exécutions au lieu de 74. Même l'ajout de 8 pistes supplémentaires et de 2 blocs avec des points centraux ne coûte que 30 pistes. (Si vous avez un robot pour faire le pipetage, vous pouvez faire 3 répétitions dans une plaque. Les répliques qui sont moyennées ensemble dans l'étape d'analyse sont utiles pour réduire la variation due aux effets de position des produits biologiques sur les plaques)
À partir de cette première expérience, vous devriez pouvoir vous faire une idée de l'importance relative de vos 10 facteurs, de sorte que dans votre prochaine conception RSM, vous puissiez travailler avec un sous-ensemble et de meilleures plages.
Gammes.. Dans les conceptions de criblage, "visez grand ou rentrez chez vous" est ma devise. Dans la première conception de dépistage et, dans une certaine mesure, dans la première conception RSM, je souhaite identifier le bord de l'échec afin de pouvoir définir (avec des données) une plage éprouvée et acceptable. Une fois que j'ai cela, alors un autre RSM, peut-être avec encore moins de facteurs (éléments critiques pour la qualité) et idéalement une conception I-optimale qui se concentre sur le milieu de l'espace de conception pour trouver des conditions de fonctionnement optimales, pourrait être utile.
juste mon $.02
-B
