ブラケット付きのポジティブおよびネガティブコントロールを使用したプレート間測定の正規化ユーザー向けのマイクロタイタープレートラボワークフローの一般的な実験計画を最適に分析する方法に困惑しています。
一般的なニーズは、96ウェルマイクロタイタープレートに収まるよりも多くの処理を分析に使用して、多数の処理（細菌株など）にわたって実験測定を実行することです。 これに対する私の一般的なアプローチは、カスタムデザインプラットフォームを使用して、ブロックあたり96回の実行でブロッキング係数を使用し、必要なすべてのプレートにわたってランダム化してすべてに適合させ、REMLモデルを使用してプレート間で比較することです。 しかし、私がサポートする科学者の多くは、潜在的なプレート間の違いを処理するための直感的なアプローチのように見えるものを使用しており、このアプローチを分析する方法を見つけることができません。
この設計への直感的なアプローチは、各プレートに「ポジティブ」および「ネガティブ」コントロールを含めることです。これにより、たとえば、パフォーマンスが良好であることがわかっている細菌株とパフォーマンスが低いことがわかっている細菌株がすべてに含まれます。プレート（プレート上の他のすべての処理と同様に、通常は3回繰り返します。 生物学者は三重が大好きです）。
^そのように。 すべてのブルーは3回の実験的処理であり、個々のサンプルのプレート位置は後続のプレートでランダム化されます。
アイデアは、これらのコントロールを使用して、実験的処理のパフォーマンスを「ブラケット」し、それぞれのプレートの+と-の間のどこにあるかを理解できるようにする必要があるということです。 直感的には、+ /-ブラケットはプレート間で正規化のスライディング「ウィンドウ」を形成し、全体的な平均だけでなく、良好なひずみ性能の効果におけるプレート間の変動を表します。
ただし、分析に関しては、コントロールに関する利用可能な情報を失うことなく、このブラケットアプローチを使用する方法を考えたり見つけたりすることはできません。 通常、科学者は、ネガティブコントロール平均、ポジティブコントロール平均、およびそれらの間の範囲を取得し、その情報を使用して、その範囲に沿ったウェルの位置を表す非コントロールウェルごとの値を計算します（0から1の間の場合） 2つ、ポジティブコントロールを上回っている場合は> 1、ネガティブコントロールを下回っている場合は<0）。 その後、コントロールは以降の分析から除外されます。 これは、回帰モデルを実行できる、または「プレート」を要素として含まない比較を意味し、すべてのプレートにわたるすべての細菌株の比較を取得できるという意味で「機能」しますが、私にはだまされているように感じます。
これは、この種のデザインを処理するための最良の方法ですか？ この分析により有効な文献/ JMP方法論はありますか？
コミュニティからの専門知識を事前に感謝します！
分析DOERe：ブラケット付きのポジティブおよびネガティブコントロールを使用したプレート間測定の正規化この質問は2つの部分に分けることができると思います。
1.サンプルをコントロールに正規化する
2.マイクロタイタープレートの実験計画
3回の繰り返しに基づくブラケットへの直感的な正規化を突き刺します。
私は分子生物学者なので、n = 3が正しい数であるという歴史的な欲求を持っています。 私は応用統計学者でもあり、n = 3で無礼に身振りで示す間笑います。 対照測定値の変動に応じて、n = 3は平均の推定が不十分です。 これは本質的に生物学的であるため、10％のCVはかなり良いかもしれませんが、それよりも高い可能性があります。 私もcGMPの世界でしばらく過ごしたので、コントロールの受け入れ基準を設定することもおそらくかなり重要です。たとえば、コントロールのCVがn％を超える場合は、プレートを捨てて再試行します。 コントロールnの高さについては述べていません。 それはあなた次第ですが、DOE>設計診断>サンプルサイズから始めるのが良いでしょう。 そして、あなたはおそらくすでにこれを手に入れています、しかしそれらの密な生物学者にそれを伝えることは写真を含まなければならないでしょう。
例として、平均が約100、標準偏差が約10の何かを測定していると想像してください。 n = 3の場合、検出できる差異は約189ですが、n = 25の場合、12未満の差異を検出できます。
マイクロタイター実験の場合。 サンプルひずみがポジティブコントロールまたはネガティブコントロールよりも高いまたは低いと言いたい場合は、複製の精度を驚異的にするか、サンプルサイズを大きくする必要があります。これは、実際には、差が対数スケールでない限りです。実際に存在する場合、実際には2倍近くの変化を検出することはできません。
ポジティブコントロールの平均とネガティブコントロールの平均を取り、残りのすべての測定値を0から1の範囲にスケーリングして、プレートを比較する可能性があると想像できます。 n = 3のジンジャーは、コントロール測定値を2回合成し、それをテスト記事の測定値に追加したことです。 分散成分が追加されるので、ひずみ効果の推定値の誤差は3倍になる可能性があります。 ネガティブのパーセントとポジティブのパーセントを別々に報告することは、少し役に立ちます。
後で戻って、設計と分析について話します。
