使用括号内的阳性和阴性对照标准化板间测量我对如何为我们的用户最好地分析微量滴定板实验室工作流程的常见实验设计感到困惑。
常见的需求是对大量处理（例如细菌菌株）进行实验测量，分析中的处理数量多于 96 孔微量滴定板所能容纳的数量。 我的一般方法是使用定制设计平台，使用每块 96 次运行的分块因子，并在所有必要的板中进行随机化以适应所有内容，并使用 REML 模型来比较板之间的情况。 然而，我支持的许多科学家使用看似直观的方法来处理潜在的板与板之间的差异，但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板上包括“阳性”和“阴性”对照，因此，例如，每个平板上都包含已知表现良好的细菌菌株和已知表现不佳的细菌菌株。板（通常一式三份，板上的所有其他处理也是如此。 生物学家喜欢一式三份）。
^ 就这样。 所有蓝色都是一式三份的实验处理，各个样品的板位置在后续板中随机化。
我们的想法是，我们应该能够使用这些对照来“括号”实验处理的性能，并了解它们在各自板上的 + 和 - 之间的位置。 直观上，+/- 括号形成了板间归一化的滑动“窗口”，不仅代表了板与板之间的变化，而且还代表了良好应变性能的影响。
然而，当谈到分析时，我无法想到或找到一种使用这种包围方法而不丢失有关控件的可用信息的方法。 通常，科学家将采用阴性对照平均值、阳性对照平均值以及它们之间的范围，并使用该信息来计算每个非对照孔的值，该值代表该孔在该范围内的位置（如果介于 0 和 1 之间，则介于 0 和 1 之间）两者，>1 如果优于阳性对照，<0 如果低于阴性对照）。 然后将对照排除在进一步分析之外。 从某种意义上说，这种“有效”是指我们可以运行一个不包括“平板”作为因素的回归模型或均值比较，并对所有平板上的所有细菌菌株进行比较，但这对我来说感觉像是作弊。
这是处理此类设计的最佳方式吗？ 是否有任何文献/JMP 方法对此分析更有效？
预先感谢社区提供的任何专业知识！
实验设计回复：使用括号内的阳性和阴性对照标准化板间测量我觉得这个问题可以分为两部分。
1. 将样本归一化为对照
2. 微量滴定板的实验设计
尝试根据 3 个重复对括号进行直观归一化。
我是一名分子生物学家，所以我有点理解历史上 n=3 是正确数字的愿望。 我也是一名应用统计学家，当 n=3 时，我一边粗鲁地比划着一边笑。 根据控制测量的变化，n=3 提供的平均值估计值很差。 这是生物学性质的，因此 10% 的 CV 可能相当不错，但也可能更高。 我还在 cGMP 领域花了一些时间，因此为控制设置验收标准可能也非常重要。例如，如果对照的 CV 高于 n%，则扔掉板并重试。 注意我没有说控制 n 应该有多高。 这取决于您，但 DOE>Design Diagnostics>Sample Size 是一个不错的起点。 你可能已经明白了这一点，但是将其传达给那些密集的生物学家将必须包括图片。
举个例子，假设您正在测量平均值约为 100、标准差约为 10 的某个值。 当 n=3 时，您可以检测到的差异约为 189，但当 n=25 时，我们可以检测到略低于 12 的差异。
在微量滴定实验案例中。 如果我想说我的样本应变高于或低于阳性或阴性对照，则重复的精度需要非常高，或者样本量需要更大，因为实际上，除非差异是对数尺度他们实际上无法检测到近两倍的变化（如果确实存在的话）。
我可以想象他们可能会取阳性对照的平均值和阴性对照的平均值，并将所有其余测量值缩放到 0 到 1 的范围来比较板。 n=3 的亮点是，现在我们刚刚将对照测量值复合两次，并将其添加到测试物品测量值中。 方差分量相加，对吧，所以现在应变效应估计的误差可能会高出 3 倍。 分别报告阴性百分比和阳性百分比会有一点帮助。
稍后我会回来谈谈设计和分析。
