스피커 | 성적 증명서 |
| 음케인 | 좋아요. 안녕하세요 여러분, 제 이름은 마틴 케인입니다. 저는 Exponent와 함께 있으며 악의적인 데이터에 대한 용량-반응 곡선 피팅에 대해 이야기하기 위해 여기에 있습니다. |
| 여기 2020 JMP 디스커버리 서밋에서. 먼저 이 강연에 저를 초대해 주신 학회 자문위원회에 감사드립니다. |
| 그리고 JMP를 통해 배운 것을 공유할 수 있는 기회와 기회에 정말 감사합니다. 매일 항상 JMP를 사용합니다. |
| 그리고 컨설턴트로서 분석을 수행하기 위한 기본 도구가 됩니다. 그래서 이것은 제가 최근에 작업하고 있고 공유하기에 좋은 것이라고 생각한 것입니다. |
| 그럼 이것으로 들어가 봅시다. 가장 먼저, |
| 면책 조항이 있습니다. 이 슬라이드의 아이디어는 Martin Kane인 저에게 속하며 반드시 저희 회사 Exponent의 아이디어를 대표하는 것은 아닙니다. |
| 그래서 그 말과 함께, |
| 우리는 무엇에 대해 이야기 할 것입니까? 용량-반응 모델이란 무엇입니까? 그들은 종종 어떤 모양을 따르나요? 이들에 대한 일반적인 통계 모델. |
| JMP에서 이러한 모델에 어떻게 액세스합니까? 곡선 맞춤과 비선형의 차이점. 각각의 이점은 무엇입니까? 그리고 각각의 단점은 무엇입니까? 그것은 내가 시간을 보낼 영역입니다. |
| 그리고 초기 값과 이러한 비선형 모델에 대한 견고한 초기 값의 중요성에 대해서도 이야기하겠습니다. |
| 시연이 있고 그 시연의 데이터를 사용하여 악의적인 데이터를 살펴보겠습니다. 이것이 의미하는 바는 무엇이며 JMP의 곡선 적합 및 비선형 플랫폼을 사용하여 이에 대해 무엇을 할 수 있습니까? |
| 좋아요. |
| 용량 반응 모델. 따라서 그들은 선형 및 비선형 형식으로 올 수 있습니다. |
| 그러나 일반적인 모델은 우리가 3, 4 또는 5 매개변수 물류 모델이라고 부르는 것을 기반으로 합니다. 그것들은 매우 전형적이며 그것들이 많이 있습니다. 3개뿐이 아닙니다. |
| 그렇다면 이러한 모델 중 일부의 모양은 무엇입니까? 분명히 선형, 선형, 실례합니다. 직선입니다. 우리가 플롯한 표준 회귀일 뿐입니다. |
| 어떤 종류의 응답 집중도 대...x축 대 y축의 로그 집중도, 이것은 일종의 응답입니다. |
| 다음 슬라이드에서 그것에 대해 이야기하겠지만 종종 이것은 일종의 형광에 기반을 두고 있습니다. |
| 그리고 이러한 값은 범위 측면에서 상당히 클 수 있습니다. 따라서 그것들의 로그 값을 취하는 것도 드문 일이 아닙니다. |
| 지수 유형 모델을 가질 수 있습니다. 이것은 용량-반응 곡선의 일부에서 작동할 수 있지만 종종 전체 곡선에 대해 충분하지 않습니다. 그러나 그렇지 않은 것보다 더 흔한 것은 어떤 형태의... |
| 일종의 매개변수 로지스틱이며, 이 예에서는 4개의 매개변수 로지스틱인 Hill 함수를 보여줍니다. 이것은 약간 다른 방향인 Rodbard 함수에서도 호출할 수 있습니다. |
| 이와 같은 일반적인 모양을 가진 몇 가지 다른 버전이 있습니다. 여기에는 일종의 상위 점근선, 일종의 하위 점근선이 있습니다. |
| 이있다 |
| EC50 또는 IC50이라고 부르는 상위 점근선과 하위 점근선 사이의 중간 지점인 이 곡선을 따라 중심점 |
| 값. 그 점은 x축에 있고 우리가 그것을 사용하는 방법입니다. 그리고 우리는 또한 이 곡선에 대한 기울기를 가지고 있고 이 기울기는 여기 이 선형 섹션에 있습니다. 진정한 선형은 아니지만 선형에 가깝습니다. |
| 그리고 기울기는 네 번째 매개변수이고 바닥 아래에 있습니다. 이것이 이 방정식의 매개변수입니다. |
| d는 우리의 상위 점근선입니다. c는 하단의 하위 점근선입니다. |
| 나는 a가 기울기라고 언급했습니다. 그리고 b는 IC50 또는 EC50 값이고, 이는 중간 지점과 이에 대한 x축 농도입니다. 따라서 이것은 전형적인 4 매개 변수 물류 함수의 방정식입니다. |
| 좋아요. 따라서 생물학 및 제약 분야에서 많은 표준 테스트 방법 형식은 분석이라는 것을 기반으로 합니다. |
| 그리고 분석법 자체는 생물학적 제제, 의약품에 대한 테스트 방법에 지나지 않습니다. 이 특별한 경우에 우리가 보는 것은 표준 96웰 플레이트입니다. |
| 이러한 유형의 분석에 사용됩니다. 각각의 작은 원은 실제로 우물을 나타냅니다. 실제로 재료를 넣을 수 있는 플라스틱 판의 작은 디봇입니다. |
| 그래서 우리는 96개의 우물을 모두 채울 수 있습니다. |
| 그 안에 재료도. 그래서 일단 이것들이 특정 파장의 빛 아래에 놓이면 형광을 발할 것입니다. 그리고 얼마나 많은 바인딩이 발생하는지에 따라 다른 형광 값을 얻을 수 있습니다. |
| 그리고 내가 말했듯이 그 형광 값은 10에서 100,000 또는 어쩌면 백만까지 갈 수 있습니다. 형식에 따라 다릅니다. 그래도 꽤 클 수 있습니다. |
| 하지만 일반적으로 접시에 7~8가지 다른 농도의 곡선을 배치하면 곡선은 다음과 같습니다. |
| 이전 슬라이드에서 보여드린 것처럼 다양한 농도의 단일 물질을 대표합니다. |
| 일반적으로 우리는 플레이트의 상단에서 시작하여 가장 높은 농도를 넣고 그 농도를 그 아래의 웰까지 순차적으로 희석할 수 있습니다. |
| 따라서 상단이 16이라는 값에서 시작하면 4:1 직렬 솔루션을 수행할 수 있습니다. 그래서 우리는 다음 열에 4개, 다음 행에 1개로 끝납니다. 실례합니다. |
| 1/4, 1/16, 등등. 그래서 우리는 접시 아래로 내려가는 일련의 희석된 물질로 끝납니다. 종종 중복 항목이 있으므로 5열과 6열은 동일한 재료를 가질 수 있습니다. 두 번만 있으면 곡선에서 어떤 형태의 변동성을 얻을 수 있습니다. |
| 종종 생물학적 제제 또는 의약품에 대한 분석을 실행할 때 동시에 여러 용량을 테스트합니다. |
| 그래서 여기서 중요한 점은 우리가 서로 비교하려고 하는 다양한 복용량이 있을 때 같은 접시에 동시에 있다는 것입니다. |
| 예를 들어, 열 11과 12는 킬로그램당 1밀리그램이라고 하는 하나의 용량을 가질 수 있고 열 9와 10은 킬로그램당 0.1밀리그램과 같은 다른 용량을 가질 수 있습니다. 그리고 우리는 동시에 다른 복용량을 비교하고 싶을 수도 있습니다. |
| 언급할 또 다른 사항은 JMP가 병렬 처리라고 하는 것을 테스트할 수 있다는 것입니다. 그것에 대해 이야기하겠습니다. 그리고 카이 제곱 방법에 대한 F 테스트를 사용하여 병렬성을 테스트하는 기능이 내장되어 있습니다. |
| 좋습니다. 이제 JMP의 일부 데이터를 살펴보고 바로 시작하겠습니다. |
| 그래서 우리는 간다. 바로 여기 왼쪽에는 이 데모에 사용할 JMP 저널이 있습니다. 그리고 이것은 비선형 생체 분석 자료와 악의적인 데이터를 위한 것입니다. |
| 앞서 언급한 바와 같이 논의할 두 가지 플랫폼은 곡선 적합과 비선형 플랫폼입니다. 자 그럼 |
| 샘플 데이터를 엽니다. 몇 가지 샘플 데이터를 가져오겠습니다. 이제 저는 처음에 클라이언트의 실제 데이터를 사용하고 싶었지만 그들은 그렇게 하는 것을 거부했습니다. |
| 그러나 JMP가 내장한 바이오 분석 샘플 데이터 세트의 데이터는 제대로 작동합니다. 그것은 내가 사용했을 것과 매우 유사하며 우리는 그것을 사용할 수 있습니다. |
| 우선, 살펴보고 우리가 가진 것을 봅시다. 내가 언급한 것처럼 일련의 희석이라는 일종의 농도가 있습니다. 이 특별한 경우에는 다음과 같이 보입니다. |
| 행 아래는 위 행의 3/4입니다. 일종의 로그 농도가 있습니다. 그것은 단지 농도의 log 10입니다. |
| 제형은 다양한 제형이 있는 것처럼 보이거나 쉽게 복용량이 될 수 있습니다. 그리고 독성은 y 값일 수 있습니다. 우리의 반응은 형광, 로그 또는 형광 등이 될 수 있습니다. 따라서 이 데이터를 사용하여 살펴보면 |
| Graph Builder는 쉽기 때문에 독성을 y축에 놓고 로그 농도를 x축에 놓을 수도 있습니다. |
| 앞에서 언급한 4개의 매개변수 로지스틱과 유사한 모양의 기능이 있음을 알 수 있습니다. 단, 방향이 반대라는 점만 다릅니다. 그건 문제가되지 않습니다. |
| 사용된 큐빅 스플라인은 데이터에 아주 잘 맞습니다. 우리는 그것을 제거하고 데이터를 볼 수 있습니다. |
| 자, 분명히 여기에는 많은 데이터가 있습니다. 농도당 4개의 값이 있는 것 같습니다. 아, 우리가 아직 이야기하지 않은 공식이 있었습니다. |
| 그리고 우리는 그것을 가져갈 수 있고 Graph Builder에서 다양한 일을 할 수 있습니다. 우리는 그것을 그룹 y에 넣을 수 있고 이것으로부터 4개의 다른 곡선을 얻을 수 있습니다. 큐빅 스플라인을 사용합시다. |
| 표준, 테스트 A, 테스트 B 및 테스트 C. |
| 이제 색상을 변경할 수 있습니다. 단일 곡선 맞춤이 있기 때문에 보기가 더 어렵습니다. 우리는 그것을 가져다가 오버레이 영역에 넣을 수도 있습니다. |
| 이것은 제가 일반적으로 사용하는 가장 일반적인 영역이며 이것이 하는 일은 제 다양한 공식 각각에 대한 개별 3차 스플라인에 실제로 맞습니다. |
| 멋지군요. 그리고 우리는 그들 중 하나가 다른 것을 제외하고는 그들 중 세 개가 매우 유사하다는 것을 알 수 있습니다. 녹색 하나. 녹색은 테스트 B입니다. |
| 좋습니다. 테스트 B는 다른 것들과 다르다는 것을 기억합시다. 그리고 표준은 살펴보고 있는 다양한 공식 중 하나일 뿐입니다. 따라서 세 가지 다른 테스트를 표준과 비교하려는 것 같습니다. |
| 흥미로운. 알겠습니다. 이 작업을 종료하겠습니다. 지금 |
| 이러한 비선형에 대해 어떤 종류의 곡선 적합 함수가 있습니까? 따라서 분석, 특수 모델링에서 사용할 수 있는 두 가지가 있습니다. 하나는 곡선 맞춤이라고 하고 다른 하나는 비선형이라고 합니다. 이 두 가지 모두 비선형 데이터에 대해 작동합니다. |
| 곡선 맞춤 기능부터 시작하겠습니다. |
| 따라서 곡선 적합에서 우리는 일종의 y 반응 독성을 우리의 y에 넣고 우리의 회귀자를 위한 로그 농도를 원합니다. 그리고 처음에 그냥 괜찮다고 하면 |
| 우리가 얻는 것은 Graph Builder에서 얻은 것과 똑같습니다. 여기에 한 가지 예외가 있는데 그 예외는 빨간색 삼각형 아래로 올라갈 수 있다는 것입니다. |
| 선형, 2차, 3차 등등. 시그모이달 |
| 물류, 프로빗, Gompertz. 함수가 실제로 어떻게 생겼는지 또는 방정식이 무엇인지 알려주지 않습니다. 당신은 올바른 것을 알아야합니다. 글쎄요, 제가 Hill 기능을 원한다는 것을 알게 되었어요. |
| 그리고 그것은 여기 시그모이드 곡선, 로지스틱 곡선에 숨겨져 있습니다. 여기에 로지스틱 4 매개변수 Hill에 적합합니다. 사용하고 싶은 기능입니다. 그래서 |
| 이것을 클릭하면 그래프 빌더에서와 매우 유사한 결과를 얻을 수 있습니다. 단, 실제로는 맨 아래에 매개변수 추정치가 있습니다. |
| 기억하세요, 우리는 더 낮은 점근선을 가졌습니다; 상위 점근선; 기울기인 성장률; |
| 변곡점은 EC50 값이고 x축의 상단과 하단 중간 지점입니다. 그리고 그것들은 추정치입니다. 이것은 훌륭하지만, 나는 정말로 내 각각에 대해 별도의 그래프를 원합니다. |
| 다른 |
| 그래서 이것을 다시 할 것입니다. 나는 공식을 추가하는 것을 제외하고 이것을 다시 시작할 것입니다. 이제 공식을 범주별 또는 그룹 범주에 넣을 수 있습니다. 범주별로 입력하고 확인을 클릭하면 |
| 네 개의 개별 곡선을 얻습니다. 나쁘지 않네. Ctrl 키를 누른 상태에서 빨간색 삼각형을 클릭하면 S자형 로지스틱, 4 매개변수 Hill로 이동합니다. |
| 그것이 할 일은 실제로 4개 각각에 대한 곡선을 개별적으로 맞추고 나에게 4개 각각에 대한 추정치를 제공하는 것입니다. 첫 번째, 하나의 표준이 있습니다. 여기 테스트 A가 있습니다. |
| 추정치; 추정치가 있는 테스트 B가 있습니다. 증상이 다르다는 점에 유의하십시오. 그리고 테스트 C. 이것은 훌륭하지만 여전히 내가 찾고 있는 것과 정확히 일치하지는 않습니다. |
| 그래서 나는 이것을 실제로 닫을 것입니다. 할거다 |
| 분석을 다시 시작합니다. 이 특정 시간을 제외하고는 공식을 가져와 그룹 범주에 넣을 것입니다. 그리고 다시 한 번, 그렇게 함으로써, 이제 저는 네 가지 모두가 서로의 위에 겹쳐지는 것을 볼 수 있습니다. 여기로 올라와서 시그모이드, 로지스틱, 4 매개변수 언덕, |
| 이제 4개의 서로 다른 곡선 핏이 플롯에서 서로 겹쳐져 표시되는 것을 보여줍니다. |
| 또한 바로 여기에서 이 4개에 대한 매개변수 추정치를 얻을 수 있습니다. 따라서 이들은 마지막 화면에서 본 것과 동일해야 합니다. |
| 하지만 이제 시각적으로, 서로 위에 겹쳐진 4개의 플롯을 살펴보고 어떻게 보이는지 볼 수 있습니다. 그들은 서로 비슷해 보입니까, 아닙니까? |
| 그래서 이것은 꽤 좋습니다. |
| 내 말은, 이것은 당신이 필요로 하는 것에 충분할 수 있다는 것입니다. 그리고 이 특정 매개변수에서 이러한 추정치를 끌어내고 싶다면... |
| 매개변수 추정치를 마우스 오른쪽 버튼으로 클릭하고 데이터 테이블로 만들라고 말할 수 있습니다. 그러면 추정치가 포함된 이 데이터 테이블을 가져올 수 있고 원하는 작업을 수행할 수 있습니다. |
| 그래서 그것은 알아두면 좋습니다. 나는 그것을 닫을 것입니다. |
| 이제 비선형 플랫폼에 대해 간단히 살펴보겠습니다. 따라서 분석, 특수 모델링, 비선형입니다. 이것은 비슷해 보입니다. 그리고 제가 y 반응에 독성을 넣는다면 저는 제 그룹에 공식을 말할 것이고 제 x에 농도를 기록할 것입니다. |
| 아 잠깐만요, 이게 맞네요...이건 핏 커브라고 하네요. 우리는 딱 맞는 곡선을 만들었습니다. 그렇지 않습니까? 그리고 네, 실제로 그랬습니다. 이것은 제가 여기 분석, 스크리닝, 맞춤 곡선 아래에 와서 리콜이라고 말하고 좋아요라고 말하는 것과 동일합니다. |
| 그들은 동일합니다. 비선형 플랫폼에서 다른 작업을 수행하지 않으면 실제로 적합 곡선 플랫폼에서 끝납니다. 그렇다면 특수 모델링 비선형과 다른 점은 무엇입니까? |
| 왼쪽에 모델 라이브러리가 있음을 확인하면서 리콜이 모든 것을 다시 가져오는 것을 볼 것입니다. 또한 이 x는 x 값이 아니라 예측 공식일 수 있습니다. |
| 따라서 모델 라이브러리를 클릭하면 선택할 수 있는 모델이 많이 있습니다. 그리고 다시 한 번, |
| 나는 이것들이 무엇인지 정말로 모른다. 하지만 하나를 클릭하면 함수를 얻을 수 있고 그래프 표시라고 말할 수도 있습니다. 그리고 그것은 나에게 그것의 사진을 제공합니다. 오, 내가 찾는 것과 같은 것 같습니다. 그러나 그것은 잘못된 방향으로 뒤집힌 것입니다. 그래서, |
| 이것은 나에게 도움이 될 수 있습니다. 음, 하지만 여기서 볼 수 없는 것은 힐 함수라는 것입니다. 나는 Rodbard 기능을 참조하십시오. 그것은 5개의 매개변수입니다, Richard. 어디 있었지? 여기 Rodbard 모델도 비슷하지만 모든 모델에 Hill 기능이 없습니다. 그래서 정확히 내가 원하는 것이 아닙니다. |
| 하지만 몇 가지 작업을 수행할 수 있습니다. 비선형 플랫폼이 할 수 있는 한 가지 |
| 그것은 내가 실제로 |
| 매개변수 자체를 지정하고 잠급니다. |
| 그게 무슨 뜻입니까? 글쎄요, 제가 모델 라이브러리로 가서 로지스틱, 4 매개변수라고 말합니다. 그리고 나는 말한다. |
| 그것은 공식을 만드는 것입니까? 여기에 독성이 있습니다. 여기에 농도를 기록하십시오. 이런. |
| 제형 로그 농도는 여기에 있으며 저는 '좋아요'라고 말합니다. 이것이 표준입니다. |
| 멋진. 좋아요. |
| 실제로 내가 찾고 있는 함수가 아닌 함수를 사용하여 4개의 매개변수에 맞습니다. |
| 그리고 이것이 나쁘지 않다는 것을 알고 있습니다. 하지만 여기에서는 실제로 슬라이더를 사용하여 이러한 다양한 매개변수를 변경할 수 있습니다. 흥미롭군요. |
| 그래서 저는 공식을 만든다고 말할 수 있고 그것이 한 것은 실제로 여기 제 데이터 테이블에 공식을 넣은 것입니다. 수식을 살펴보면 여기에 있고 초기 값이 있는 매개변수가 있으며 수식에 맞는 네 가지 모두에 대한 크고 긴 방정식이 있습니다. |
| 그래서 대신 저는 실제로 지금 여기로 돌아올 수 있고 그것을 제 x 예측기에 넣을 수 있고 괜찮다고 말할 수 있습니다. |
| 그리고 그것이 하는 일은 나타나서 이 모든 것을 보여줍니다. 네 가지 함수와 초기 값이 무엇인지. 이동을 클릭하면 실제로 시도하고 맞춥니다. |
| 그리고 실제로 4번의 반복으로 그것들을 맞추었다는 것을 주목하세요. 사실 60개라는 제한이 있는 곳에서 꽤 빨리, 그것은 그들에게 잘 맞고 잘 맞습니다. 하지만 여기에 변경할 수 있는 기능이 있고 여기 아래에 있는 슬라이더를 통해 변경할 수 있습니다. |
| 좋아요. |
| 또는 여기에서 실제 값을 사용하여 변경할 수 있습니다... 실제 값을 입력할 수 있지만 현재 값을 변경할 수 있고 잠글 수 있습니다. 이것은 다소 도움이 될 수 있으며 다음에는 잘못된 데이터로 이를 증명하겠습니다. |
| 나는 이것을 닫고 닫을 것입니다. 이 특정 열을 제거하십시오. |
| 좋습니다. 이 데이터 세트가 있고 초기 데이터 세트가 아직 있습니다. 이제 악의적으로 행동하는 데이터를 살펴보겠습니다. |
| 제가 할 일은 데이터의 다른 모든 행과 모든 낮은 농도 데이터 포인트를 제거하는 것입니다. 그래서 저는 이 버튼을 누르고, 데이터를 얇게 만들고 가장 낮은 지점을 제거할 것입니다. 다른 모든 것은 사라졌고 이제 가장 낮은 것을 모두 제거할 것입니다. |
| 그렇다면 데이터에 정확히 어떤 영향을 미칩니 까? 살펴보자. 모델에 맞게 빠르게, 전문적으로, 곡선에 맞게, 실례합니다, 곡선에 맞게 살펴보겠습니다. 그래서 기억하십시오. |
| 이제 곡선에서 가장 높은 5개 지점만 있습니다. 여기 올라와서 적합 곡선이라고 하면 시그모이드, 로지스틱...시그모이드, 로지스틱, 힐을 합니다. |
| 그리고 실제로 이 5개의 데이터 포인트에 개별적으로 곡선을 맞춥니다. 하지만 한 가지 알아두세요. 제가 이 문제를 제기하고 이 방법을 사용합니다. |
| 여기서 나의 하위 점근선은 서로 완전히 다릅니다. 세 번째가 있습니다. 계속 진행하면 결국 네 번째에 도달하게 됩니다. 여기 훨씬 아래에 있는 영하 80 정도입니다. 완전히 다른 4개의 하위 점근선입니다. |
| 그럼 의미가 없겠죠? 이것은 곡선의 위쪽 부분에 잘 맞지만 실제로는 곡선의 아래쪽 부분에는 전혀 맞지 않습니다. 상의는 예쁜데 하의는 별로네요. |
| 따라서 종종 이러한 분석을 실행할 때 외삽하기보다는 |
| 클라이언트, 사용자, 그들이 할 일은 빈칸을 두는 것입니다. 이것은 일반적으로 분석 자체에 있는 일종의 배경 자료입니다. |
| 그리고 이 특별한 경우에 저는 공란이 사용되었고 그 공란의 평균이 여기 아래에서 0.5라는 것을 알게 되었습니다. |
| 그래서 평균은 .55였습니다. 그래서 정말로 여기 어딘가에서 우리가 .55에 도달할 때쯤이면 모든 하위 점근선은 실제로 .55로 내려와야 합니다. |
| 하지만 저는 할 수 없습니다. 여기 맞춤 곡선 플랫폼에서 변경할 수 없습니다. 아, 하지만 비선형 플랫폼에서는 가능합니다. |
| 하지만 비선형 플랫폼에는 Hill 기능이 없기 때문에 좀 혼란스럽습니다. |
| 하지만 우리는 이 문제를 해결할 수 있습니다. 두꺼운 곡선 플랫폼을 사용하여 내 모델인 로지스틱 4P Hill에 맞추면 실제로 공식을 저장할 수 있습니다. |
| 예측 공식을 저장할 수 있습니다. 또는 파라메트릭 예측 공식을 저장할 수 있습니다. |
| 그리고 여기에 차이가 있습니다. 예측 공식은 이러한 정확한 함수를 그대로 저장하며 매개변수 예측 공식은 약간 다릅니다. 이 특별한 경우, |
| 이것이 파라메트릭 예측 공식입니다. 우리가 그것을 살펴보면 그것이 보여주는 것은 여기에 네 개의 방정식이 있다는 것입니다. |
| 제가 생각한대로 공식이 표준이라면 이것을 사용하십시오. 테스트 A라면 이것을 사용하십시오. 그리고 여기 아래에는 모든 매개변수가 있습니다. 그리고 실제로 이것을 보면 이것을 복사하여 다른 문서에 붙여 넣으면 ... |
| 나는 그것을 정말 빨리 하고 여기에 와서 File, New, 실례합니다....file, new, 저널이 작동할까요? |
| 신문 |
| 작동하지 않습니다. 괜찮아. |
| 그래서 하자 |
| 새로운 스크립트가 있습니다. |
| 반죽. 우리는 거기에 갈. 맨 위에 있는 알림은 내 모든 매개변수입니다. |
| 하단에는 실제로 공식이 있습니다... 우리가 여기 오른쪽에서 본 공식입니다. 그래서 모든 것이 끝났지만 이것들은 함수 자체의 초기 값입니다. 매개 변수를 이해하지 않는 한 일종의 숨겨진 것이기 때문에 보여주고 싶었습니다. |
| 하지만 이것으로 이제 올 수 있습니다 ... |
| 이리 와요(뒤로 가겠습니다. 죄송합니다.) 전문 모델링, 비선형 분석을 위해 x 값에서 이 예측자를 사용할 수 있습니다. |
| 내 y는 내 독성이 될 수 있습니다. 저는 괜찮다고 말할 수 있습니다. 이제 여기에 곡선당 동일한 5개의 데이터 포인트가 있습니다. |
| 그리고 이상하게 보이는 플롯이 있지만, 다시 한 번 사물을 바꿀 수 있는 능력이 있습니다. 저는... c 매개변수가 제 하위 점근선이라는 것을 알고 있습니다. 그래서 각각을 .55로 변경하고 고정할 수 있습니다. |
| 그래서 .55. |
| 이렇게 하면 곡선이 실제로 변경되는 것을 볼 수 있습니다. 아직은 적합하지 않지만 올바른 값이라고 믿는 값을 실제로 강제할 수 있습니다. |
| 그래서 제가 이것을 가져오고 싶은 것은 무엇입니까? 당신이 보게 될 것 |
| 하위 점근선에 대해 모두 .55로 만들었다는 것입니다. 이제 이동을 클릭할 수 있습니다. 그러면 실제로 적절할 것입니다. |
| 당신이 보는 것은 단지 7번의 반복에서 낮은 점근선이 모두 .55가 되도록 나머지 매개변수를 4개의 곡선에 맞추는 것입니다. |
| 훌륭합니다. 그것이 바로 내가 이 특별한 경우에 원하는 것입니다. 다시 한 번 빨간색 삼각형 아래에 수식을 저장할 수 있습니다. |
| 이 경우 파라메트릭 예측을 저장할 수 없습니다. 나는 그 예측을 저장할 수 있지만 그렇게 할 수 있습니다. 여기에서 사용할 수 있습니다. 어디에서 사용할 수 있습니까? |
| 여기 Graph Builder로 와서 독성을 y축에 두어야 한다고 말했던 것을 기억하십시오. x에 대한 로그 농도; |
| 공식화, 아마도 내 오버레이에서 이것이 내가 보는 것입니다. 여기도 가져올 수 있어요 |
| 공식...공식...예...예...그 자체. 때로는 이것이 유용할 수 있습니다. 이 경우 그들은 정말 정말 비슷해 보입니다. 내가 할 수 있는 것은 실제로 내 점에서 곡선을 제거할 수 있고 공식 자체에 더 부드러워질 수 있다는 것입니다. |
| 그래서 이것이 방향입니다. 그리고 실제로, 이것들은 함수 자체에 속하는 곡선이지 부드러운 곡선이 아닙니다. 따라서 이것은 데이터가 잘못 작동하는 경우에도 이 데이터 세트에 대한 올바른 곡선을 실제로 표시하는 한 가지 방법입니다. |
| 그리고 나는 우리가 더 낮은 점근선을 가지고 있지 않지만 우리가 그것 대신에 사용할 수 있는 무언가를 가지고 있기 때문에 여기서 나쁜 행동을 하고 있다고 말하는 것입니다. |
| 그래서 보여드리고 싶었던 것입니다. 그리고 저는 이것이 정말 멋지다고 생각합니다. 문제는, |
| JMP에서 얻고자 하는 것을 얻으려면 두꺼운 곡선과 비선형 플랫폼 사이를 왔다 갔다 할 수 있어야 합니다. |
| 정말 필요한 기능이지만 이것이 정말 훌륭하다고 생각합니다. 예를 들어 행 상태를 지울 수 있고 실제로 모든 데이터를 표시할 수 있습니다(포장했어야 했지만 그러지 않았습니다), 다양한 공식 및 오버레이, 로그 농도 |
| 그리고 이것은 곡선입니다. 그러나 실제로 예측 공식을 대신 사용할 수 있습니다. |
| 당신이 원하는 실제 수식을 얻을 수 있습니다. 그리고 이것은 정말 보기 좋은 것입니다. |
| 정말 얘기할 일이 아닙니다. 이있다 |
| 링크, Mark Bailey와 다른 누군가가 2년 전에 이 방법론을 설명하는 JMP 토론의 블로그 링크, 이 방법론의 많은 부분을 설명합니다. |
| 제가 이미 스스로 알아낸 지 오랜 시간이 지난 어제에야 찾았습니다. 하지만 모든 사람과 공유할 가치가 있다고 생각했습니다. 어떻게 이러한 비선형 모델을 맞출 수 있는지, 특히 용량-반응 세계 또는 |
| 이 다양한 생물학적 제제는 의약품이며, 특히 요즘 Covid 19에 대한 모든 이야기와 함께 이 분야에서 많은 작업이 진행되고 있습니다. 그래서 그것으로, |
| 고맙다는 말을 하고 싶은 것 같아요. 마지막으로 중요한 연락처 정보가 있습니다. 저는 JMP 토론 포럼의 Martin이며 다소 자주 거기에 게시합니다. |
| 저에게 질문이 있으시면 제 이메일 주소도 여기에 나열되어 있습니다. 그래서 대단히 감사하고 시간을 내 주셔서 감사합니다. 어떤 질문이든 환영합니다. 감사합니다. |
