40463_de-DE

liliconcom

BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ich habe ein Add-In geschrieben, das automatisch gesättigte Modelle für die Verwendung in der Stepwise Fit Model-Plattform generiert, und ich könnte einige Tester verwenden. Im Wesentlichen werden alle ausgewählten Faktor (X) -Spalten abgefragt, die Anzahl der darin enthaltenen diskreten Ebenen ermittelt und darauf basierend die Modelleffekttabelle erstellt. Mit anderen Worten, wenn Sie ein vollständig faktorielles Design für diese Parameter ausgeführt haben:

 

Enzym A.	Enzym B.	Hefe
10	20	EIN
20	40	B.
30	60	C.
	80

 

Die Faktortabelle würde wie folgt erstellt:

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
 )
);

Ich bin beim Testen auf einige Probleme gestoßen, aber ich glaube, ich habe sie jetzt behoben. Wenn diese Art der Modellanpassung für Ihre Arbeit gilt, testen Sie bitte das beigefügte Add-In! Es wird im Menü Add-Ins als NovoJMP installiert, mit einem Popup-Menü, das die Funktion Gesättigtes Modell generieren enthält. Ich empfehle die Stepwise-Plattform, da sie einfacher zu verwenden ist als die Standard Least Squares-Plattform und alle Modellüberschreibungen ohne Beanstandung handhabt.

 

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ich habe eine einfache Version von Jameels Vorschlag sowie ein automatisiertes Analysemodul hinzugefügt, das die Auswahl von Ys, Xs, Nach Gruppen und Reihenfolge ermöglicht, das gesättigte Modell generiert, es schrittweise durchläuft und die Vorhersageformeln und Konfidenzintervalle speichert zurück zum Tisch. Insbesondere der letzte Teil ist ziemlich komplex, so dass auf jeden Fall weitere Tests erforderlich sind!

 

BEARBEITEN: JSDE hat einen Fehler festgestellt, bei dem das Add-In stillschweigend fehlschlug, wenn keine Y- oder X-Spalte ausgewählt wurde. Die aktualisierte Version wurde hochgeladen (ich habe auch die Datei im ursprünglichen Beitrag aktualisiert).

 

(Außerdem erhalten Sie als Bonus das experimentelle Batch-Fermentationsanalysemodul, das für Ankom-Druckmonitore entwickelt wurde [es sollte jedoch für jede Kurve mit einer Verzögerungsphase und einem oberen Sättigungsgrad funktionieren.)

 

~ Michael

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ist es sinnvoll, eine Art "maximalen Polynomgrad" anzunehmen und dem Addin hinzuzufügen, der ein gewisses Wissen über den Reaktionsmechanismus widerspiegeln könnte? Wenn wir beispielsweise annehmen, dass jedes Enzym mit einem Maximum zweiter Ordnung arbeitet, können Sie maximal '5' hinzufügen (Enzym A ^ 2 * Enzym B ^ 2 x Hefe) = 5 Ordnungen. Oder ein Dropdown neben jedem Faktor, der das maximale Polynom für diesen bestimmten Faktor festlegt. Dies verringert die Wahrscheinlichkeit von Missbrauch durch Überanpassung (der immer polulare "Click and Go" -Stil) und stellt sicher, dass Unterschiede konservativer sind.

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ja, ein gutes Beispiel ist so etwas wie die Wechselwirkung der Glucoamylase-Beladung mit der Alpha-Amylase-Beladung. Beide Moleküle können auf Stärke einwirken, aber Glucoamylase arbeitet bevorzugt an löslichen langkettigen Zuckern. Wenn also genügend Glucoamylase vorhanden ist, erhöht Alpha-Amylase die endgültige Glucoseausbeute nicht mehr, und wenn genügend Alpha-Amylase vorhanden ist, benötigen Sie nicht so viel Glucoamylase, um die Glucoseausbeute zu maximieren.

 

Da die Belastung jedes einzelnen bestimmt, wann die Glukose-Dosis-Kurve gesättigt ist (und nicht nur, wo sich die gesamte Kurve auf der y-Achse befindet), sind die Polynomwechselwirkungen höherer Ordnung erforderlich, um die Reaktion mit ausreichender Genauigkeit zu beschreiben, um die Art der Behandlung vorzunehmen -Behandlungsdiskriminierung, die wir brauchen.

 

Ich habe als Beispiel eine Datentabelle mit zusammengestellten, aber realistischen Kurven für GA / AA-Interaktionen angehängt.

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Schön, alles scheint wie vorgesehen zu funktionieren.

 

Ich denke, meine Haupthürde besteht hauptsächlich darin, überhaupt nicht der Enzymmechanik ausgesetzt zu sein. Ich verstehe die Notwendigkeit von Interaktionen in einem Modell. Es ist die Komplexität der Interaktionen, die hier bewertet werden, die mich beeindruckt (da ich mich selten die Mühe machen würde, so etwas wie x ^ 2 * y zu modellieren, es sei denn, ich hätte einen schrecklich guten Grund dafür viel weniger x ^ 2 * y ^ 3). Klingt so, als wäre das Leben für euch da drüben ziemlich kompliziert

 

Beste,

-Adam (ABI) 

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ich habe gerade festgestellt, dass ich dies in JMP demonstrieren kann, haha.

 

In der angehängten Datentabelle habe ich nichtlineare Gleichungen verwendet, um 3 Spalten zu generieren, und dann das Add-In "Gesättigte Modelle" verwendet, um diese nichtlinearen Modelle in eine lineare Erweiterung einzupassen. Das untere Skript (Linear mit Nichtlinear vergleichen) erstellt den Bericht zur Anpassung des Modells, der nach Verwendung der Stepwise-Plattform erstellt wurde (Einstellungen: Minimum AICc, Forward, Whole Effects). Ich habe es auch mit der bestehenden Vererbungsbeschränkung angepasst, indem ich die Kombinationsregel anstelle von Gesamteffekten verwende, die ich als "[Vererbung] Linear mit Nichtlinear vergleichen" gespeichert habe.

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

"Außerdem bin ich es nicht gewohnt, komplexe Wechselwirkungen wie": Enzym B *: Enzym B *: Enzym B *: Enzym A *: Enzym A "zu sehen, da die meisten meiner Arbeiten viel einfacher sind. Wenn ein solcher Effekt signifikant wäre, wie würden Sie ihn erklären? "

 

Mein Verständnis der linearen Modellierung ähnelt einer Erweiterung der Taylor-Serie ( https://en.wikipedia.org/wiki/Taylor_series#Examples ). Mit etwas, das einer nichtlinearen Kurve wie einer Sättigungskurve gegen die Enzymdosis folgt (das Modell des mechanistischen Wachstums in der nichtlinearen Plattform passt übrigens gut), erweitern Sie die nichtlineare Gleichung unter Verwendung linearer Terme in eine Näherung. Das heißt, basierend auf der Datenmenge, die Sie haben, kommen Sie der Annäherung an die "wahre" Kurve immer näher, indem Sie zusätzliche lineare Terme schätzen.

 

I wonder if GIFs work here Ich frage mich, ob GIFs hier funktionieren

Es gibt also keine physikalische Erklärung für die Begriffe an sich, außer dass man sagen könnte, dass die Stärke des EnzymeA ^ 3-Effekts vom Wert des EnzymeB ^ 2-Ausdrucks abhängt.

 

Ich bin mir nicht sicher, ob ich mich bei der prädiktiven Modellierung (vielleicht Interpolation, aber nicht bei der Extrapolation) auf diese Technik verlassen würde, aber sie ist äußerst nützlich bei der deskriptiven Modellierung, was in George Box 'berühmter Aussage "Alle Modelle sind falsch, aber einige sind falsch nützlich." ;-);

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Ah, sorry, ja, ich hätte es erwähnen sollen. Ihre Spalten "Enzym A" und "Enzym B" sind auf "Nominal" gesetzt. Polynome werden nur für kontinuierliche Säulen generiert, da Sie beispielsweise "Hefe A ^ 2" nicht modellieren können, aber Sie können "20 ^ 2" für die Enzymdosis modellieren.

Betreff: BENÖTIGTE TESTER: Generieren Sie ein Add-In für gesättigte Modelle

Hallo Michael,

 

Können Sie näher auf die Verwendung dieses Add-Ins eingehen? Ich habe es ausprobiert und es ergab das gleiche Ergebnis wie das "Full Factorial" -Makro in Fit Model (dh es enthielt nicht alle aufgelisteten Effekte in Ihrem Beitrag).

 

Möglicherweise habe ich meine Beispieltabelle falsch eingerichtet. Das habe ich benutzt:

InputTable InputTable

Ergebnis aus dem Skript:

ScriptResult ScriptResult

 Ergebnis des Makros "Full Factorial":

MacroResult Makroergebnis

Habe ich etwas falsch eingerichtet?

 

Außerdem bin ich es nicht gewohnt, komplexe Interaktionen wie zu sehen "" :: Enzym B. * * :: Enzym B. * * :: Enzym B. * * :: Enzym A. * * :: Enzym A. ", als m Ein Großteil meiner Arbeit ist viel einfacher. Wenn ein solcher Effekt signifikant wäre, wie würden Sie ihn erklären?

 

Vielen Dank!