使用括号内的正负控制对板对板测量进行归一化我为如何最好地为用户分析微量滴定板实验室工作流程的通用实验设计而感到困惑。
通常需要对大量处理（例如细菌菌株）进行实验测量，分析中要比96孔微量滴定板上安装更多的处理。 我一般的方法是使用Custom Design平台，以每块96个运行的阻塞因子，并在所有必要的板中随机分配以适合所有情况，并使用REML模型在各个板之间进行比较。 但是，我支持的许多科学家使用似乎是一种直观的方法来处理潜在的板对板差异，并且我找不到分析这种方法的方法。
这种设计的直观方法是在每个平板上都包含一个“阳性”和“阴性”控件，这样，每个已知样本中都会包含一个已知表现良好的细菌菌株和一个已知表现较差的细菌菌株。板（通常一式三份，板上所有其他处理也一样）。 生物学家喜欢一式三份。
^像那样。 所有的蓝色均一式三份地进行实验处理，各个样品的板位置在随后的板中随机分配。
想法是，我们应该能够使用这些控件将实验处理的性能“括起来”，并了解它们在各自板上的+和-之间的位置。 凭直觉，+ /-括号在整个板之间形成标准化的滑动“窗口”，不仅表示板间差异，还表示总体应变良好。
但是，在进行分析时，我不会想到或找到一种使用这种包围式方法而又不会丢失有关控件的可用信息的方法。 通常，科学家将取负控制均值，正控制均值以及它们之间的范围，并使用该信息来计算每个非控制孔的值，以代表该孔在该范围内的位置（如果介于0和1之间，两者，如果胜过阳性对照，则> 1；如果胜过阴性对照，则<0）。 然后将对照从进一步的分析中排除。 这种“有效”的意思是我们可以运行回归模型，或者意味着不包含“平板”作为因素的比较，并获得所有平板上所有细菌菌株的比较，但这感觉像是对我欺骗。
这是处理这种设计的最佳方法吗？ 是否有任何文献/ JMP方法学对此分析更有效？
在此先感谢社区提供的任何专业知识！
分析工具美国能源部回复：使用括号内的正负控制对板对板测量进行归一化我认为这个问题可以分为两个部分。
1.将样品标准化为对照
2.微量滴定板的实验设计
刺痛直观地归一化为基于3个重复的括号。
我是分子生物学家，所以我有点像n = 3是正确数字那样的历史愿望。 我也是一名应用统计学家，当我以n = 3粗鲁地打手势时笑了。 根据控制测量值的变化，n = 3不能提供均值的估计值。 这本质上是生物的，所以CV为10％可能会不错，但可能会更高。 我也在cGMP世界中度过了一段时间，因此为控件设置接受标准可能也很重要。例如，如果控件的CV高于n％，则丢掉盘子，然后重试。 注意，我没有说控制n应该有多高。 这取决于您，但是DOE> Design Diagnostics> Sample Size是一个不错的起点。 您可能已经知道了，但是与那些密集的生物学家交流时，将不得不包括图片。
举例来说，假设您所测量的平均值约为100，标准偏差约为10。 在n = 3时，您可以检测到的差异约为189，但是在n = 25时，我们可以检测到的差异仅不到12。
在微量滴定实验中。 如果我想说我的样本菌株高于或低于阳性或阴性对照，则要么重复样本的精度非常高，要么样本量需要更大，因为实际上，除非差异在对数刻度上他们实际上无法检测到将近2倍的变化（如果确实存在）。
我可以想象，他们可能会采用阳性对照的平均值和阴性对照的平均值，并将其余所有测量值缩放到0到1的范围以比较板。 n = 3的问题是，现在我们刚刚将对照测量值混合了两次，并将其添加到测试物品的测量值中。 对，方差分量会增加，因此，现在应变效应估计的误差可能会高出3倍。 分别报告负百分比和正百分比有助于一点点。
我稍后再回来谈论设计和分析。
