使用括號內的正負控制對闆對板測量進行歸一化我為如何最好地為用戶分析微量滴定板實驗室工作流程的通用實驗設計而感到困惑。
通常需要對大量處理（例如細菌菌株）進行實驗測量，分析中要比96孔微量滴定板上安裝更多的處理。 我一般的方法是使用Custom Design平台，以每塊96次運行的阻塞因子，並在所有必要板中隨機分配以適合所有情況，並使用REML模型在各個板之間進行比較。 但是，我支持的許多科學家使用似乎是一種直觀的方法來處理潛在的闆對板差異，並且我找不到分析這種方法的方法。
這種設計的直觀方法是在每個板上都包含一個“陽性”和“陰性”控件，這樣，每個已知樣品都包含一個已知表現良好的細菌菌株和一個已知表現較差的細菌菌株。板（通常一式三份，板上所有其他處理也一樣）。 生物學家喜歡一式三份。
^像那樣。 所有的藍色均一式三份地進行實驗處理，各個樣品的板位置在隨後的板中隨機分配。
想法是，我們應該能夠使用這些控件將實驗處理的性能“括起來”，並了解它們在各自板上的+和-之間的位置。 憑直覺，+ /-括號在整個板之間形成標準化的滑動“窗口”，不僅表示板間差異，還表示總體應變良好。
但是，在進行分析時，我不會想到或找到一種使用這種包圍式方法而又不會丟失有關控件的可用信息的方法。 通常，科學家將取負控制均值，正控制均值以及它們之間的範圍，並使用該信息來計算每個非控制孔的值，以代表該孔在該範圍內的位置（如果介於0和1之間，兩者，如果勝過陽性對照，則> 1；如果勝過陰性對照，則<0）。 然後將對照從進一步的分析中排除。 這種“有效”的意思是我們可以運行回歸模型，或者意味著不包含“平板”作為因素的比較，並獲得所有平板上所有細菌菌株的比較，但這感覺像是對我欺騙。
這是處理這種設計的最佳方法嗎？ 是否有任何文獻/ JMP方法學對此分析更有效？
在此先感謝社區提供的任何專業知識！
分析工具美國能源部回复：使用括號內的正負控制對闆對板測量進行歸一化我認為這個問題可以分為兩個部分。
1.將樣品標準化為對照
2.微量滴定板的實驗設計
刺痛直觀地歸一化為基於3個重複的括號。
我是分子生物學家，所以我有點像n = 3是正確數字那樣的歷史願望。 我也是一名應用統計學家，當我以n = 3粗魯地打手勢時笑了。 根據控制測量值的變化，n = 3不能提供均值的估計值。 這本質上是生物的，所以CV為10％可能會不錯，但可能會更高。 我也在cGMP世界中度過了一段時間，因此為控件設置接受標準可能也很重要。例如，如果控件的CV高於n％，則丟掉盤子，然後重試。 注意，我沒有說控制n應該有多高。 這取決於您，但是DOE> Design Diagnostics> Sample Size是一個不錯的起點。 您可能已經知道了，但是與那些密集的生物學家交流時，將不得不包括圖片。
舉例來說，假設您所測量的平均值約為100，標準偏差約為10。 在n = 3時，您可以檢測到的差異約為189，但是在n = 25時，我們可以檢測到的差異僅不到12。
在微量滴定實驗中。 如果我想說我的樣本菌株高於或低於陽性或陰性對照，則要么重複樣本的精度非常高，要么樣本量需要更大，因為實際上，除非差異在對數刻度上如果實際上存在變化，則它們實際上無法檢測到將近2倍的變化。
我可以想像，他們可能會採用陽性對照的平均值和陰性對照的平均值，並將其餘所有測量值縮放到0到1的範圍以比較板。 n = 3的問題是，現在我們剛剛將對照測量值混合了兩次，並將其添加到測試物品的測量值中。 對，方差分量會增加，因此，現在應變效應估計的誤差可能會高出3倍。 分別報告負百分比和正百分比有助於一點點。
我稍後再回來談論設計和分析。
