所需的测试：生成饱和模型加载项我编写了一个插件，该插件会自动生成饱和模型，以供在逐步拟合模型平台中使用，并且可以使用一些测试仪。本质上，它所做的是查询所选的每个因子（X）列，找到其中的离散级别数，然后基于此建立模型效果表。因此，换句话说，如果您对以下参数进行了全因子设计：
| 酶A | 酶B | 酵母 |
| 10 | 20 | 一个 |
| 20 | 40 | 乙 |
| 30 | 60 | C |
| | 80 | |
因子表将构建为：
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
)
);
我在测试中遇到了一些问题，但是我相信现在已经解决了这些问题。如果这种模型拟合适用于您的工作，请测试随附的附件！它将以NovoJMP的形式安装在“加载项”菜单下，并带有一个弹出菜单，其中包括“生成饱和模型”功能。我建议使用Stepwise平台，因为它比Standard Least Squares平台更易于使用，并且可以处理任何模型超规格而不会引起投诉。
回复：需要测试人员：生成饱和模型加载项我添加了Jameel建议的简单版本，以及允许选择Y，X，按组和顺序的自动分析模块，生成饱和模型，通过逐步运行它，并保存了预测公式和置信区间回到桌子。尤其是后一部分，它相当复杂，因此肯定需要更多测试！
编辑：JSDE捕获了一个错误，即如果未选择Y列或X列，则加载项将以静默方式失败。更新的版本已上传（我也更新了原始帖子中的文件）。
（此外，您还可以获得用于Ankom压力监控器的实验性批次发酵分析模块作为奖励[但它应适用于具有滞后阶段和较高饱和度的任何曲线）
〜迈克尔
回复：需要测试人员：生成饱和模型加载项假设并向外接程序添加某种“最大多项式次数”以反映反应机理的知识是否有价值？例如，如果我们假设每种酶的最大操作数为二阶，那么您最多可以添加“ 5”（酶A ^ 2 *酶B ^ 2 x酵母）= 5个阶。或在每个因子旁边的下拉列表为该特定因子设置最大多项式。这样可以通过过度拟合（永远是多角形的“咔嗒一声”样式）减少滥用的机会，并确保差异更加保守。
回复：需要测试人员：生成饱和模型加载项是的，一个很好的例子是葡萄糖淀粉酶负载与α-淀粉酶负载的相互作用。两种分子都能够作用于淀粉，但是葡糖淀粉酶更喜欢作用于可溶性长链糖。因此，有了足够的葡糖淀粉酶，α-淀粉酶将不再增加最终的葡萄糖产量，而有了足够的α-淀粉酶，您就不需要太多的葡糖淀粉酶来最大化葡萄糖的产量。
由于每种药物的加载量决定了葡萄糖-剂量曲线何时饱和（而不仅仅是整个曲线位于y轴上的位置），因此需要较高阶的多项式相互作用以足够的精度描述响应，从而做出处理我们需要的治疗歧视。
作为示例，我已经附加了一个数据表，其中包含针对GA / AA相互作用的虚构但逼真的曲线。
回复：需要测试人员：生成饱和模型加载项很好，一切似乎都按预期进行。
我认为我的主要障碍主要是与根本不接触酶机制有关。我了解模型中需要交互，这是因为这里评估的交互的复杂性使我感到敬畏（因为我很少会费心去建模x ^ 2 * y之类的东西，除非我有非常好的理由这样做，少得多的x ^ 2 * y ^ 3）。听起来那里的生活相当复杂:)
最好，
-亚当（ABI）
回复：需要测试人员：生成饱和模型加载项我只是意识到我可以在JMP中演示这个，哈哈。
在所附的数据表中，我使用非线性方程式生成了3列，然后使用了“饱和模型”外接程序以将这些非线性模型拟合为线性扩展。底部脚本（将线性与非线性比较）将生成使用逐步平台（设置：最小AICc，正向，整体效果）后生成的拟合模型报告。我还使用“合并”规则代替了“整体效果”，将其与“遗传”限制相适应，该规则已保存为“ [[Heredity]比较线性与非线性”。
回复：需要测试人员：生成饱和模型加载项“而且，我不习惯看到像“：Enzyme B *：Enzyme B *：Enzyme B *：Enzyme A *：Enzyme A”之类的复杂交互，因为我的大部分工作都非常简单。如果这样的影响很重要，您将如何解释？”
我对线性建模的理解类似于泰勒级数展开式（ https://zh.wikipedia.org/wiki/泰勒_系列＃示例 ）。遵循诸如饱和度曲线与酶剂量之类的非线性曲线的东西（非线性平台中的机械增长模型非常合适，顺便说一句），您正在使用线性项将非线性方程式扩展为近似值。也就是说，根据您拥有的数据量，您将越来越接近通过估算其他线性项来逼近“真实”曲线。
I wonder if GIFs work here我想知道GIF是否在这里工作
因此，这些术语本身没有物理解释，只是您可以说EnzymeA ^ 3效应的大小取决于EnzymeB ^ 2术语的值。
我不确定是否要依靠这种技术进行预测建模（也许是插值，而不是外推），但是它在描述性建模中非常有用，这在乔治·Box著名的说法中很明确：“所有模型都是错误的，但有些模型是错误的。有用。” 
回复：需要测试人员：生成饱和模型加载项啊，对不起，是的，我应该提到。您的“酶A”和“酶B”列设置为标称。多项式只会为连续列生成，因为您无法建模，例如“酵母A ^ 2”，但是可以为酶剂量建模“ 20 ^ 2”。
回复：需要测试人员：生成饱和模型加载项迈克尔，你好
您能否详细介绍此外接程序的使用？我尝试了一下，结果产生了与Fit Model中的“ Full Factorial”宏相同的结果（即，它不包括您的帖子中列出的所有效果）
我可能未正确设置示例表。这是我使用的：
InputTable输入表
脚本结果：
ScriptResult脚本结果
来自“全因子”宏的结果：
MacroResult宏结果
我设置不正确吗？
另外，我不习惯看到像 ” ： 酶B * ： 酶B * ： 酶B * ： 酶A * ： 酶A ”，作为m 我的大部分工作都非常简单。如果这样的影响很大，您将如何解释？
谢谢！
