所需的測試：生成飽和模型加載項我編寫了一個插件，該插件會自動生成飽和模型，以供在逐步擬合模型平台中使用，並且可以使用一些測試儀。本質上，它所做的是查詢所選的每個因子（X）列，找到其中的離散級別數，然後基於此建立模型效果表。因此，換句話說，如果您對以下參數進行了全因子設計：
| 酶A | 酶B | 酵母 |
| 10 | 20 | 一個 |
| 20 | 40 | 乙 |
| 30 | 60 | C |
| | 80 | |
因子表將構建為：
Fit Model(
Effects(
:Enzyme A,
:Enzyme A * :Enzyme A,
:Enzyme B,
:Enzyme B * :Enzyme A,
:Enzyme B * :Enzyme A * :Enzyme A,
:Enzyme B * :Enzyme B,
:Enzyme B * :Enzyme B * :Enzyme A,
:Enzyme B * :Enzyme B * :Enzyme A * :Enzyme A,
:Enzyme B * :Enzyme B * :Enzyme B,
:Enzyme B * :Enzyme B * :Enzyme B * :Enzyme A,
:Enzyme B * :Enzyme B * :Enzyme B * :Enzyme A * :Enzyme A,
:Yeast,
:Yeast * :Enzyme A,
:Yeast * :Enzyme A * :Enzyme A,
:Yeast * :Enzyme B,
:Yeast * :Enzyme B * :Enzyme A,
:Yeast * :Enzyme B * :Enzyme A * :Enzyme A,
:Yeast * :Enzyme B * :Enzyme B,
:Yeast * :Enzyme B * :Enzyme B * :Enzyme A,
:Yeast * :Enzyme B * :Enzyme B * :Enzyme A * :Enzyme A,
:Yeast * :Enzyme B * :Enzyme B * :Enzyme B,
:Yeast * :Enzyme B * :Enzyme B * :Enzyme B * :Enzyme A,
:Yeast * :Enzyme B * :Enzyme B * :Enzyme B * :Enzyme A * :Enzyme A
)
);
我在測試中遇到了一些問題，但是我相信現在已經解決了這些問題。如果這種模型擬合適用於您的工作，請測試隨附的附件！它將以NovoJMP的形式安裝在“加載項”菜單下，並帶有一個彈出菜單，其中包括“生成飽和模型”功能。我建議使用Stepwise平台，因為它比Standard Least Squares平台更易於使用，並且可以處理任何模型超規格而不會引起投訴。
回复：需要測試人員：生成飽和模型加載項我添加了Jameel建議的簡單版本，以及允許選擇Y，X，按組和順序的自動分析模塊，生成飽和模型，通過逐步運行它，並保存了預測公式和置信區間回到桌子。尤其是後一部分，它相當複雜，因此肯定需要更多測試！
編輯：JSDE捕獲了一個錯誤，即如果未選擇Y列或X列，則加載項將以靜默方式失敗。更新的版本已上傳（我也更新了原始帖子中的文件）。
（此外，您還可以獲得為Ankom壓力監控器設計的實驗性批次發酵分析模塊作為獎勵[但它應適用於具有滯後階段和較高飽和度的任何曲線）
〜邁克爾
回复：需要測試人員：生成飽和模型加載項假設並向外接程序添加某種“最大多項式次數”以反映反應機理的知識是否有價值？例如，如果我們假設每種酶的最大操作數為二階，那麼您最多可以添加“ 5”（酶A ^ 2 *酶B ^ 2 x酵母）= 5個階。或在每個因子旁邊的下拉列表為該特定因子設置最大多項式。這樣可以通過過度擬合（永遠是多角形的“咔嗒一聲”樣式）減少濫用的機會，並確保差異更加保守。
回复：需要測試人員：生成飽和模型加載項是的，一個很好的例子是葡萄糖澱粉酶負載與α-澱粉酶負載的相互作用。這兩個分子都能夠作用於澱粉，但是葡糖澱粉酶更喜歡作用於可溶性長鏈糖。因此，有了足夠的葡糖澱粉酶，α-澱粉酶將不再增加最終的葡萄糖產量，而有了足夠的α-澱粉酶，您就不需要太多的葡糖澱粉酶來最大化葡萄糖的產量。
由於每種藥物的加載量決定了葡萄糖-劑量曲線何時飽和（而不僅僅是整個曲線位於y軸上的位置），因此需要較高階的多項式相互作用以足夠的精度描述響應，從而做出處理我們需要的治療歧視。
作為示例，我已附加了一個數據表，其中包含針對GA / AA相互作用的虛構但逼真的曲線。
回复：需要測試人員：生成飽和模型加載項很好，一切似乎都按預期進行。
我認為我的主要障礙主要是與根本不接觸酶機制有關。我了解模型中需要交互，這是因為這裡評估的交互的複雜性使我感到敬畏（因為我很少會費心去建模x ^ 2 * y之類的東西，除非我有非常好的理由這樣做，少得多的x ^ 2 * y ^ 3）。聽起來那裡的生活相當複雜:)
最好，
-亞當（ABI）
回复：需要測試人員：生成飽和模型加載項我只是意識到我可以在JMP中演示這個，哈哈。
在所附的數據表中，我使用非線性方程式生成了3列，然後使用了“飽和模型”外接程序以將這些非線性模型擬合為線性擴展。底部腳本（將線性與非線性比較）將生成使用逐步平台（設置：最小AICc，正向，整體效果）後生成的擬合模型報告。我還使用“合併”規則代替了“整體效果”，將其與“遺傳”限制相適應，已將其保存為“ [[Heredity]比較線性與非線性”。
回复：需要測試人員：生成飽和模型加載項“而且，我不習慣看到像“：Enzyme B *：Enzyme B *：Enzyme B *：Enzyme A *：Enzyme A”之類的複雜交互，因為我的大部分工作都非常簡單。如果這樣的影響很重要，您將如何解釋？”
我對線性建模的理解類似於泰勒級數展開（ https://zh.wikipedia.org/wiki/泰勒_系列＃示例 ）。遵循諸如飽和度曲線與酶劑量之類的非線性曲線的東西（非線性平台中的機械增長模型非常合適，順便說一句），您正在使用線性項將非線性方程式擴展為近似值。也就是說，根據您擁有的數據量，您將越來越接近通過估算其他線性項來逼近“真實”曲線。
I wonder if GIFs work here我想知道GIF是否在這里工作
因此，這些術語本身沒有物理解釋，只是您可以說EnzymeA ^ 3效應的大小取決於EnzymeB ^ 2術語的值。
我不確定是否要依靠這種技術進行預測建模（也許是插值，而不是外推），但是它在描述性建模中非常有用，這在喬治·Box著名的說法中很明確：“所有模型都是錯誤的，但有些模型是錯誤的。有用。” 
回复：需要測試人員：生成飽和模型加載項啊，對不起，是的，我應該提到。您的“酶A”和“酶B”列設置為“標稱”。多項式只會為連續列生成，因為您無法建模，例如“酵母A ^ 2”，但是可以為酶劑量建模“ 20 ^ 2”。
回复：需要測試人員：生成飽和模型加載項邁克爾，你好
您能否詳細介紹此外接程序的使用？我嘗試了一下，它產生的結果與Fit Model中“ Full Factorial”宏的結果相同（即，它沒有在您的帖子中包括所有列出的效果）
我可能未正確設置示例表。這是我使用的：
InputTable輸入表
腳本結果：
ScriptResult腳本結果
來自“全因子”宏的結果：
MacroResult宏結果
我設置不正確嗎？
另外，我不習慣看到像 ” ： 酶B * ： 酶B * ： 酶B * ： 酶A * ： 酶A ”，作為m 我的大部分工作都非常簡單。如果這樣的影響很大，您將如何解釋？
謝謝！
