Ich bin ratlos, wie ich ein gemeinsames experimentelles Design für Mikrotiterplatten-Laborabläufe für unsere Benutzer am besten analysieren kann.
Ein häufiger Bedarf besteht darin, experimentelle Messungen für eine große Anzahl von Behandlungen (z. B. Bakterienstämme) durchzuführen, wobei mehr Behandlungen in die Analyse einbezogen werden müssen, als auf eine 96-Well-Mikrotiterplatte passen. Mein allgemeiner Ansatz hierfür besteht darin, mithilfe der Custom Design-Plattform einen Blockfaktor mit 96 Läufen pro Block zu verwenden und alle erforderlichen Platten zu randomisieren, damit alles passt, und ein REML-Modell zum Vergleich verschiedener Platten zu verwenden. Allerdings verwenden viele der Wissenschaftler, die ich unterstütze, einen scheinbar intuitiven Ansatz, um mit den potenziellen Unterschieden zwischen den einzelnen Platten umzugehen, und ich kann keine Methode finden, diesen Ansatz zu analysieren.
Der intuitive Ansatz für dieses Design besteht darin, auf jeder Platte eine „positive“ und eine „negative“ Kontrolle anzubringen, sodass beispielsweise auf jeder Platte ein Bakterienstamm enthalten ist, von dem bekannt ist, dass er eine gute Leistung erbringt, und ein Bakterienstamm, von dem bekannt ist, dass er eine schlechte Leistung erbringt Platte (normalerweise in dreifacher Ausfertigung, wie auch alle anderen Behandlungen auf der Platte). Biologen lieben Dreifachexemplare.
^ So. Bei allen Blues handelt es sich um experimentelle Behandlungen in dreifacher Ausfertigung, wobei die Plattenposition einzelner Proben in den nachfolgenden Platten randomisiert wird.
Die Idee ist, dass wir in der Lage sein sollten, diese Kontrollen zu verwenden, um die Leistung der experimentellen Behandlungen zu „einschränken“ und zu verstehen, wo sie auf ihren jeweiligen Platten zwischen + und – liegen. Intuitiv bildet die +/--Klammer ein gleitendes „Fenster“ der Normalisierung über die Platten hinweg und stellt die Variation von Platte zu Platte dar, nicht nur im Gesamtmittelwert, sondern auch den Effekt einer guten Dehnungsleistung.
Wenn es um die Analyse geht, kann ich mir jedoch keine Methode vorstellen oder finden, die diesen Klammerungsansatz verwendet, ohne die verfügbaren Informationen über die Steuerelemente zu verlieren. Typischerweise nimmt der Wissenschaftler den Mittelwert der Negativkontrolle, den Mittelwert der Positivkontrolle und den Bereich dazwischen und verwendet diese Informationen, um einen Wert pro Nichtkontrollvertiefung zu berechnen, der die Position der Vertiefung entlang dieses Bereichs darstellt (zwischen 0 und 1, wenn dazwischen). die beiden, >1, wenn die Leistung der Positivkontrolle übertroffen wird, <0, wenn die Leistung der Negativkontrolle unterschritten wird. Die Kontrollen werden dann von weiteren Analysen ausgeschlossen. Das „funktioniert“ in dem Sinne, dass wir ein Regressionsmodell oder einen Mittelwertvergleich durchführen können, der „Platte“ nicht als Faktor einbezieht und einen Vergleich aller Bakterienstämme über alle Platten hinweg erhält, aber für mich fühlt es sich wie Betrug an.
Ist dies der beste Weg, mit dieser Art von Design umzugehen? Gibt es Literatur/JMP-Methoden, die für diese Analyse besser geeignet sind?
Vielen Dank im Voraus für jegliches Fachwissen aus der Community!
Ich denke, diese Frage lässt sich in zwei Teile unterteilen.
1. Proben auf eine Kontrolle normalisieren
2. Experimentelle Designs für Mikrotiterplatten
Probieren Sie die intuitive Normalisierung auf eine Klammer basierend auf 3 Replikaten aus.
Ich bin Molekularbiologe und verstehe daher irgendwie den historischen Wunsch, dass n=3 die richtige Zahl sein muss. Ich bin auch ein angewandter Statistiker und lache, während ich unhöflich auf n=3 gestikuliere. Abhängig von der Variation in der Kontrollmessung liefert n=3 eine schlechte Schätzung des Mittelwerts. Dies ist biologischer Natur, daher könnte ein CV von 10 % ziemlich gut sein, wahrscheinlich liegt er jedoch höher. Ich habe auch einige Zeit in der cGMP-Welt verbracht, daher ist es wahrscheinlich auch ziemlich wichtig, Akzeptanzkriterien für die Kontrollen festzulegen. Wenn beispielsweise der CV für eine Kontrolle höher als n % ist, werfen Sie die Platte weg und versuchen Sie es erneut. Beachten Sie, dass ich nicht gesagt habe, wie hoch das Steuerelement sein sollte. Das bleibt Ihnen überlassen, aber DOE>Designdiagnose>Stichprobengröße ist ein guter Ausgangspunkt. Und das haben Sie wahrscheinlich schon verstanden, aber wenn Sie es diesen dichten Biologen mitteilen, müssen Sie Bilder beifügen.
Stellen Sie sich zum Beispiel vor, Sie würden etwas messen, das einen Mittelwert von etwa 100 und eine Standardabweichung von etwa 10 hat. Bei n=3 beträgt der Unterschied, den Sie erkennen können, etwa 189, aber bei n=25 können wir einen Unterschied von knapp 12 erkennen.
Im Fall des Mikrotiter-Experiments. Wenn ich sagen möchte, dass die Belastung meiner Probe höher oder niedriger als die einer Positiv- oder Negativkontrolle ist, muss entweder die Präzision der Replikate phänomenal sein oder die Probengröße muss größer sein, denn in Wirklichkeit liegen die Unterschiede nicht im logarithmischen Maßstab Sie sind nicht in der Lage, eine fast zweifache Änderung zu erkennen, wenn sie tatsächlich existiert.
Ich kann mir vorstellen, dass sie den Mittelwert der positiven und der negativen Kontrolle nehmen und den Rest der Messung auf einen Bereich von 0 bis 1 skalieren, um die Platten zu vergleichen. Der Clou an n=3 ist, dass wir jetzt die Kontrollmessung einfach zweimal zusammengesetzt und diese zur Testartikelmessung hinzugefügt haben. Varianzkomponenten addieren sich, richtig, sodass der Fehler bei der Schätzung des Dehnungseffekts jetzt wahrscheinlich dreimal höher ist. Es hilft ein wenig, den Prozentsatz des Negativen und den Prozentsatz des Positiven getrennt anzugeben.
Ich werde später noch einmal zurückkommen und über Design und Analyse sprechen.
