利用实验模型设计改进高通量生物学的检测开发利用实验模型设计改进高通量生物学的检测开发
Diana Ballard，Predictum Inc. 高级咨询统计学家
Samuel Hasson 博士，美国国立卫生研究院药理学研究员
韦恩·莱文 (Wayne Levin)，Predictum Inc. 总裁
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普遍平台。 尽管自动化细胞成像等多种技术已经取得进步，支持微孔板和基于阵列的探索能力，但在检测开发过程中仍然缺乏创新。 在初级筛选之前，高通量活动的测定设计、小型化和优化通常会涉及潜在变量的多样化。 科学家通常通过独立调整实验条件来进行测定开发，而忽略了随机化和不同实验单位大小等重要原则。 从统计的角度来看，这种方法速度慢，消耗大量昂贵的试剂，并且存在丢失或错误归因见解的风险。 传统做法也可能无法识别复杂的相互作用。 现代实验设计 (DOE) 方法对高通量筛选 (HTS) 的适应为检测开发提供了更加高效和富有洞察力的框架。 然而，生物学家对当代能源部设计的应用受到限制，部分原因是所需的高级数学和缺乏适合高温超导环境的工具。 生物学家成功执行的 DOE 克服了这些限制，产生了生化反应中复杂相互作用的数据。
实验设计
