利用实验模型设计提高高通量生物学的检测开发 利用实验模型设计提高高通量生物学的检测开发
Predictum Inc.高级咨询统计师Diana Ballard
美国国立卫生研究院药理学研究员塞缪尔·哈森（Samuel Hasson）博士
Predictum Inc.总裁Wayne Levin
高通量生物学已成为功能基因组学，化学生物学和药物发现的无处不在的平台。尽管诸如自动细胞成像之类的多种技术已经发展为支持基于微孔板和基于阵列的探索的功能，但在测定开发过程中仍缺乏创新。在进行初次筛选之前，针对高通量活动的分析设计，小型化和优化通常可能涉及多种多样的潜在变量。科学家通常通过独立地调整实验条件而忽略了重要的原理，例如随机化和改变实验单位大小，来进行化验开发。从统计的角度来看，此方法运行缓慢，消耗大量昂贵的试剂，并且可能会丢失或错误分配见解。常规做法也可能无法识别复杂的相互作用。将现代实验设计（DOE）方法应用于高通量筛选（HTS），为检测开发提供了更加有效和有见地的框架。但是，生物学家对当代DOE设计的应用受到了限制，部分原因是所需的高级数学方法以及缺乏适用于HTS环境的工具。这些限制已在生物学家成功执行的DOE中得到克服，产生了生化反应中复杂相互作用的数据。
实验设计
