괄호로 묶인 포지티브 및 네거티브 컨트롤을 사용하여 플레이트 간 측정 표준화저는 사용자를 위한 마이크로티터 플레이트 실험실 워크플로우에 대한 일반적인 실험 설계를 가장 잘 분석하는 방법에 대해 고민하고 있습니다.
일반적인 요구 사항은 96웰 마이크로타이터 플레이트에 맞는 것보다 더 많은 처리를 분석에 사용하여 수많은 처리(예: 박테리아 균주)에 대해 실험 측정을 실행하는 것입니다. 이에 대한 나의 일반적인 접근 방식은 맞춤형 디자인 플랫폼을 사용하여 블록당 96개의 실행이 있는 차단 요소를 사용하고 모든 필수 플레이트에 대해 무작위화하고 REML 모델을 사용하여 플레이트 전체를 비교하는 것입니다. 그러나 제가 지원하는 많은 과학자들은 잠재적인 판간 차이를 처리하기 위해 직관적인 접근 방식을 사용하고 있는데 저는 이 접근 방식을 분석할 방법을 찾을 수 없습니다.
이 디자인에 대한 직관적인 접근 방식은 각 플레이트에 "양성" 및 "음성" 컨트롤을 포함하여 잘 수행되는 것으로 알려진 박테리아 균주와 성능이 좋지 않은 것으로 알려진 박테리아 균주가 모든 플레이트에 포함되도록 하는 것입니다. 플레이트(일반적으로 플레이트의 다른 모든 처리와 마찬가지로 3중으로 수행됩니다. 생물학자들은 세 번 반복하는 것을 좋아합니다.)
^ 그렇군요. 모든 블루스는 3중 실험 처리이며, 개별 샘플의 플레이트 위치는 후속 플레이트에서 무작위로 지정됩니다.
아이디어는 이러한 컨트롤을 사용하여 실험적 처리의 성능을 "브래킷"하고 각 플레이트에서 +와 - 사이의 위치를 이해할 수 있어야 한다는 것입니다. 직관적으로 +/- 브래킷은 전체 평균뿐만 아니라 우수한 변형률 성능의 효과를 나타내는 플레이트 간 변동을 나타내는 플레이트 전체에 걸쳐 정규화의 슬라이딩 "창"을 형성합니다.
그러나 분석에 관해서는 컨트롤에 대한 사용 가능한 정보를 잃지 않고 이러한 브라케팅 접근 방식을 사용하는 방법을 생각하거나 찾을 수 없습니다. 일반적으로 과학자는 음성 대조 평균, 양성 대조 평균 및 이들 사이의 범위를 취하고 해당 정보를 사용하여 해당 범위에 따른 우물의 위치를 나타내는 비대조 우물당 값을 계산합니다(0과 1 사이인 경우). 둘, 양성 대조군보다 성능이 우수한 경우 >1, 음성 대조군의 성능이 저조한 경우 <0). 그러면 해당 컨트롤은 추가 분석에서 제외됩니다. 이는 회귀 모델을 실행할 수 있거나 "플레이트"를 요소로 포함하지 않고 모든 플레이트에서 모든 박테리아 균주를 비교하는 비교를 의미한다는 의미에서 "작동"하지만 나에게는 속이는 것처럼 느껴집니다.
이것이 이런 종류의 디자인을 처리하는 가장 좋은 방법입니까? 이 분석에 더 유효한 문헌/JMP 방법론이 있습니까?
커뮤니티의 전문 지식에 미리 감사드립니다!
실험 설계Re: 괄호로 묶인 양성 및 음성 대조군을 사용하여 플레이트 간 측정 표준화이 질문은 두 부분으로 나눌 수 있다고 생각합니다.
1. 샘플을 컨트롤로 정규화
2. 미세역가 플레이트의 실험 설계
3회 반복을 기반으로 브래킷에 대한 직관적인 정규화를 시도합니다.
저는 분자 생물학자이기 때문에 n=3이 올바른 숫자가 되기를 바라는 역사적 욕구를 어느 정도 이해하고 있습니다. 나 역시 응용통계학자인데, n=3에 무례한 몸짓을 하며 웃는다. 제어 측정의 변동에 따라 n=3은 평균에 대한 잘못된 추정치를 제공합니다. 이는 본질적으로 생물학적이므로 10%의 CV는 꽤 좋을 수 있지만 더 높을 가능성이 높습니다. 나는 또한 cGMP 세계에서 시간을 보냈기 때문에 컨트롤에 대한 허용 기준을 설정하는 것도 아마도 매우 중요할 것입니다. 예를 들어 컨트롤의 CV가 n%보다 높으면 플레이트를 버리고 다시 시도하십시오. 참고 저는 컨트롤 n이 얼마나 높아야 하는지 말하지 않았습니다. 그것은 당신에게 달려 있지만 DOE> 설계 진단> 표본 크기가 시작하기에 좋은 곳입니다. 그리고 아마도 여러분은 이미 이것을 알고 있을 것입니다. 하지만 밀도가 높은 생물학자들에게 이를 전달하려면 사진이 포함되어야 합니다.
예를 들어 평균이 약 100이고 표준편차가 약 10인 것을 측정한다고 가정해 보겠습니다. n=3에서 감지할 수 있는 차이는 약 189이지만, n=25에서는 12 바로 아래의 차이를 감지할 수 있습니다.
미세역가 실험 사례에서. 내 표본 변형률이 양성 또는 음성 대조군보다 높거나 낮다고 말하고 싶다면 반복실험의 정밀도가 경이로울 필요가 있거나 표본 크기가 더 커야 합니다. 왜냐하면 실제로는 차이가 로그 규모에 있지 않는 한이기 때문입니다. 실제로 존재하는 경우 거의 2배의 변화를 감지할 수 없습니다.
나는 그들이 긍정적인 컨트롤의 평균과 부정적인 컨트롤의 평균을 취하고 플레이트를 비교하기 위해 측정의 나머지 모든 것을 0에서 1 범위로 확장할 것이라고 상상할 수 있습니다. n=3의 징거는 이제 제어 측정을 두 번 합성하고 이를 테스트 제품 측정에 추가했다는 것입니다. 분산 성분이 추가되므로 이제 변형률 효과 추정에 대한 오류가 3배 더 높아질 가능성이 높습니다. 부정적인 비율과 긍정적인 비율을 별도로 보고하는 것이 약간 도움이 됩니다.
나중에 다시 와서 설계와 분석에 대해 이야기하겠습니다.
