ブラケット化されたポジティブ コントロールとネガティブ 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デザインをどのように分析するのが最善なのか、私は困惑しています。
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で使用して、多数の処理 (細菌株など) にわたって実験的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、Custom Design プラットフォームを使用して、ブロックごとに 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を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、私がサポートしている科学者の多くは、潜在的なプレート間の違いを処理するために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知られている細菌株と、パフォーマンスが低いことが知られている細菌株がすべてのプレートに含まれます。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 通です。 生物学者はトリプリケートが大好きです)。
^ そのとおり。 すべての青は、3 通の実験的処理であり、個々のサンプルのプレートの位置は後続のプレートでランダム化されています。
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ことです。 直観的に、+/- ブラケットは、プレート全体の正規化のスライドする「ウィンドウ」を形成し、プレート間の変動を全体的な平均だけでなく、良好なひずみ性能の効果を表します。
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、科学者は陰性対照の平均、陽性対照の平均、およびそれらの間の範囲を取り、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対照ウェルあたりの値を計算します (0 と 1 の間の場合は2 つ、陽性対照を上回る場合は >1、陰性対照を下回る場合は <0)。 コントロールは、その後の分析から除外されます。 これは、因子として「プレート」を含まない回帰モデルまたは手段比較を実行し、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、私にはごまかしのように感じます.
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に感謝します。
分析DOERe: ブラケット付きポジティブ コントロールとネガティブ 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 つの複製に基づくブラケットへの直感的な正規化に挑戦します。
私は分子生物学者なので、n=3 が正しい数であってほしいという歴史的な願望を持っています。 私は応用統計学者でもあり、n=3 で失礼なジェスチャーをしながら笑っています。 コントロール測定値の変動に応じて、n=3 では平均の推定値が低くなります。 これは本質的に生物学的なものであるため、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% よりも高い場合は、プレートを捨てて再試行します。 コントロール n の高さについては言及していないことに注意してください。 それはあなた次第ですが、DOE>Design Diagnostics>Sample Size から始めるのが良いでしょう。 そして、あなたはおそらくこれをすでに知っていますが、それらの密集した生物学者にそれを伝えるには、写真を含める必要があります.
例として、平均が約 100 で標準偏差が約 10 のものを測定しているとします。 n=3 で検出できる差は約 189 ですが、n=25 では 12 弱の差を検出できます。
マイクロタイター実験の場合。 私のサンプル株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、複製の精度が驚異的である必要があるか、サンプルサイズが大きくなる必要があります。実際には、違いが対数スケールでない限り、実際に存在する場合、ほぼ 2 倍の変化を実際に検出することはできません。
陽性コントロールの平均と陰性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 のジンガーは、コントロールの測定値を 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おそらく 3 倍になります。 陰性の割合と陽性の割合を別々に報告すると、少し役立ちます。
後で戻ってきて、設計と分析について話します。
