Normalizzazione delle misurazioni da piastra a piastra utilizzando controlli positivi e negativi tra parentesiSono perplesso su come analizzare al meglio un progetto sperimentale comune per i flussi di lavoro di laboratorio di micropiastre per i nostri utenti.
Un'esigenza comune è eseguire misurazioni sperimentali su un gran numero di trattamenti (ceppi batterici, ad esempio), con più trattamenti nell'analisi di quelli che si adattano a una micropiastra a 96 pozzetti. Il mio approccio generale a questo è utilizzare la piattaforma Custom Design per utilizzare un fattore di blocco con 96 corse per blocco e randomizzare tutte le lastre necessarie per adattarsi a tutto e utilizzare un modello REML per confrontare le lastre. Tuttavia, molti degli scienziati che sostengo usano quello che sembra un approccio intuitivo per gestire le potenziali differenze da piatto a piatto, e non riesco a trovare un metodo per analizzare questo approccio.
L'approccio intuitivo a questo progetto consiste nell'includere un controllo "positivo" e "negativo" su ciascuna piastra, in modo che, ad esempio, un ceppo batterico noto per funzionare bene e un ceppo batterico noto per funzionare male sia incluso in ogni piastra. lastra (di solito in triplice copia, come tutti gli altri trattamenti sulla lastra. I biologi amano i triplici esemplari).
^ Così. Tutti i blues sono trattamenti sperimentali in triplice copia, con la posizione della piastra dei singoli campioni randomizzati nelle piastre successive.
L'idea è che dovremmo essere in grado di utilizzare questi controlli per "mettere tra parentesi" l'esecuzione dei trattamenti sperimentali e capire dove cadono tra il + e il - sulle rispettive piastre. Intuitivamente, la parentesi +/- forma una "finestra" scorrevole di normalizzazione tra le piastre, che rappresenta la variazione da piastra a piastra non solo nella media complessiva, ma anche nell'effetto di una buona prestazione di deformazione.
Quando si tratta di analisi, tuttavia, non riesco a pensare o trovare un metodo che utilizzi questo approccio di parentesi senza perdere le informazioni disponibili sui controlli. In genere, lo scienziato prenderà la media del controllo negativo, la media del controllo positivo e l'intervallo tra di esse e utilizzerà tali informazioni per calcolare un valore per pozzetto non di controllo che rappresenti la posizione del pozzetto lungo tale intervallo (tra 0 e 1 se compreso tra i due, >1 se sovraperformando il controllo positivo, <0 se sottoperformando il controllo negativo). I controlli vengono quindi esclusi da ulteriori analisi. Questo "funziona" nel senso che possiamo eseguire un modello di regressione o un confronto di mezzi che non include "piastra" come fattore e ottenere un confronto di tutti i ceppi batterici su tutte le piastre, ma mi sembra un imbroglio.
È questo il modo migliore per gestire questo tipo di design? Esiste una letteratura/metodologie JMP più valide per questa analisi?
Grazie in anticipo per qualsiasi esperienza da parte della comunità!
AnaliticaDAIOggetto: normalizzazione delle misurazioni da piastra a piastra utilizzando controlli positivi e negativi tra parentesiPenso che questa domanda possa essere divisa in due parti.
1. Normalizzare i campioni a un controllo
2. Disegni sperimentali per micropiastre
Prendendo una pugnalata alla normalizzazione intuitiva a una parentesi basata su 3 repliche.
Sono un biologo molecolare, quindi in un certo senso ho il desiderio storico che n=3 sia il numero giusto. Sono anche uno statistico applicato e rido mentre gestico sgarbatamente n=3. A seconda della variazione nella misura di controllo, n=3 fornisce una stima scadente della media. Questo è di natura biologica, quindi un CV del 10% potrebbe essere abbastanza buono, ma probabilmente è più alto. Ho anche trascorso un po' di tempo nel mondo cGMP, quindi anche l'impostazione dei criteri di accettazione per i controlli è probabilmente piuttosto importante. ad esempio, se il CV per un controllo è superiore a n%, buttare via la piastra e riprovare. Nota che non ho detto quanto dovrebbe essere alto il controllo n. Dipende da te, ma DOE> Design Diagnostics> Sample Size è un buon punto di partenza. E probabilmente lo capisci già, ma comunicarlo a quei biologi ottusi dovrà includere delle immagini.
Ad esempio, immagina di misurare qualcosa che ha una media di circa 100 e una deviazione standard di circa 10. Con n=3 la differenza che puoi rilevare è di circa 189, ma con n=25 possiamo rilevare una differenza di poco inferiore a 12.
Nel caso dell'esperimento microtitolo. Se voglio dire che il ceppo del mio campione è superiore o inferiore a un controllo positivo o negativo, o la precisione dei replicati deve essere fenomenale o la dimensione del campione deve essere maggiore, perché in realtà, a meno che le differenze non siano su scala logaritmica in realtà non sono in grado di rilevare un cambiamento di quasi 2 volte, se effettivamente esiste.
Posso immaginare che potrebbero prendere la media del controllo positivo e la media del controllo negativo e ridimensionare tutto il resto della misurazione su un intervallo da 0 a 1 per confrontare le piastre. Lo zenzero con n=3 è che ora abbiamo appena composto la misurazione di controllo due volte e l'abbiamo aggiunta alla misurazione dell'articolo di prova. I componenti della varianza si sommano, giusto, quindi ora l'errore sulla stima dell'effetto della deformazione è probabilmente 3 volte superiore. Segnalare la percentuale di negativo e la percentuale di positivo separatamente, aiuta un po'.
Tornerò più tardi e parlerò di progettazione e analisi.
