사용자를위한 microtiter plate 실험실 워크 플로우를위한 일반적인 실험 설계를 가장 잘 분석하는 방법에 대해 난처합니다.
일반적인 요구 사항은 96 웰 마이크로 타이 터 플레이트에 맞는 것보다 분석에서 더 많은 처리를 사용하여 많은 수의 처리 (예 : 박테리아 균주)에 걸쳐 실험 측정을 실행하는 것입니다. 이에 대한 일반적인 접근 방식은 Custom Design 플랫폼을 사용하여 블록 당 96 개의 실행이있는 차단 인자를 사용하고 필요한 모든 플레이트에서 무작위 화하여 모든 것을 맞추고 REML 모델을 사용하여 플레이트간에 비교하는 것입니다. 그러나 내가 지원하는 많은 과학자들은 잠재적 인 플레이트 간 차이를 처리하는 직관적 인 접근 방식을 사용하고 있으며이 접근 방식을 분석 할 방법을 찾을 수 없습니다.
이 디자인에 대한 직관적 인 접근 방식은 각 플레이트에 "양성"및 "음성"컨트롤을 포함하는 것입니다. 예를 들어, 잘 수행되는 것으로 알려진 박테리아 균주와 제대로 수행되지 않는 것으로 알려진 박테리아 균주가 모든 플레이트에 포함되도록 플레이트 (일반적으로 플레이트의 다른 모든 처리와 마찬가지로 3 개씩). 생물 학자들은 삼중을 좋아합니다).
^ 그렇게. 모든 블루스는 후속 플레이트에서 무작위로 추출 된 개별 샘플의 플레이트 위치와 함께 세 번의 실험적 처리입니다.
아이디어는 이러한 컨트롤을 사용하여 실험적 처리의 성능을 "브래킷"하고 각각의 플레이트에서 +와-사이의 위치를 이해할 수 있어야한다는 것입니다. 직관적으로 +/- 브래킷은 플레이트 전체에 걸쳐 정규화의 슬라이딩 "윈도우"를 형성하여 전체 평균뿐만 아니라 우수한 변형 성능의 효과를 나타내는 플레이트 간 변동을 나타냅니다.
그러나 분석에 관해서는 컨트롤에 대한 사용 가능한 정보를 잃지 않고이 브라케팅 접근 방식을 사용하는 방법을 생각하거나 찾을 수 없습니다. 일반적으로 과학자는 음성 대조군 평균, 양성 대조군 평균 및 이들 사이의 범위를 취하고 해당 정보를 사용하여 해당 범위를 따라 우물의 위치를 나타내는 비 대조군 우물 당 값을 계산합니다 (그 사이에있는 경우 0과 1 사이). 둘, 양성 대조군보다 실적이 높으면> 1, 음성 대조군보다 실적이 낮 으면 <0). 그런 다음 제어는 추가 분석에서 제외됩니다. 이것은 우리가 회귀 모델을 실행할 수 있다는 의미에서 또는 "플레이트"를 요인으로 포함하지 않는 비교를 의미하고 모든 플레이트에서 모든 박테리아 균주의 비교를 얻을 수 있다는 의미에서 "작동합니다".하지만 나에게는 속임수처럼 느껴집니다.
이런 종류의 디자인을 처리하는 가장 좋은 방법입니까? 이 분석에 더 유효한 문헌 / JMP 방법론이 있습니까?
커뮤니티의 전문 지식에 미리 감사드립니다!
