Salut à tous!
Je suis vraiment nouveau à JMP et je voudrais demander si je pourrais obtenir des commentaires / réponses à quelques questions. Je suis sûr que certains d'entre eux sont basés sur un manque de compréhension de mon côté, alors soyez patient ....;)J'ai bien sûr essayé de trouver des réponses d'abord dans la documentation et les vidéos de formation, mais cela me reste encore.
Au travail, j'ai récemment pris en charge le développement de milieux de croissance pour nos cellules (biotechnologie). Le milieu se compose d'environ 80 composants différents ainsi que d'un facteur supplémentaire (par exemple le réglage du pH). Il existe environ 14 solutions mères / groupes d'ingrédients différents avec des proportions différentes. Nous avons actuellement un problème avec cette formulation pour garder les cellules en vie aussi longtemps que possible, ce qui signifie que la viabilité le dernier jour (D10_viability) devrait être aussi élevée que possible.
Pour déterminer quels composants pourraient influencer cela sans trop de biais par rapport aux observations précédentes, mon idée était de réaliser une conception de criblage définitive avec 12 de ces solutions mères comme facteur. Je suppose que la quadratique sera présente pour presque tous. De toute évidence, il serait plus agréable de faire cela pour chaque ingrédient individuel d'une manière que je puisse également évaluer les interactions (certainement présentes), mais ce n'est pas faisable à la main.
Donc, ce que j'ai fait, c'est d'utiliser la formulation actuelle comme point central et de partir de là. Puisque je suppose que pour certains ingrédients (par exemple les oligo-éléments), un changement beaucoup plus important devrait voir quelque chose, j'ai choisi différents «intervalles». Ce que j'ai fait cependant, c'est que j'ai changé les valeurs du point de consigne en utilisant différents facteurs, ce qui est censé signifier par exemple: pour l'ingrédient 1 (imaginons simplement que c'était du glucose), le facteur était de 5, donc le point central (0) est pour exemple 5 g / L, le point bas (-1) est 1 g / L et le point haut (+1) est 25 g / L. Dans ce cas particulier 0; 5 et 10 auraient probablement aussi fonctionné, mais dans le cas des oligo-éléments, doubler simplement pour +1 ne ferait probablement pas grand-chose. Aussi pour le pH, je dois utiliser le "pH attendu" et non ce qu'il s'est avéré être en réalité (ce qui était dans ce sens, mais bien sûr pas à 100%).
J'ai joint le fichier contenant également quelques réponses et les valeurs réelles et celles utilisées dans le DoE ainsi que quelques réponses.
Donc mes questions:
Cette approche a-t-elle un sens / est-ce correct? Si j'utilise les valeurs réelles, je ne peux pas évaluer / adapter un dépistage définitif et les performances attendues du DoE sont terribles.
Si j'effectue un ajustement de toute façon (sans utiliser l'outil d'ajustement de dépistage définitif) en utilisant le secteur et les quadratiques, j'obtiens quelque chose qui ressemble à un modèle décent mais je n'ai aucune idée si cela a un sens réel ....
Puis-je insérer des interactions qui, à mon avis, existent malgré la boîte de dialogue «évaluer le modèle» me disant qu'elles ne peuvent pas être estimées?
Il s'est avéré que l'un des ingrédients (n ° 6) était extrêmement mortel pour les cellules déjà à J03. Je peux identifier cela assez bien (bien que ce soit également évident à l'œil nu) en utilisant l'outil de dépistage définitif.
Lorsque j'utilise la même plate-forme pour examiner la viabilité sur D10_viability comme réponse, j'obtiens des résultats étranges, y compris des tracés résiduels par lignes très étranges. Lorsque je supprime toutes les conditions avec l'ingrédient élevé_6 (marqué en rouge dans le fichier) qui représente environ 40% des conditions, je ne peux plus utiliser la plate-forme de criblage définitive, mais je peux toujours adapter des modèles qui me paraissent bien. De toute évidence, la plate-forme d'évaluation du modèle me dit que ce n'est plus génial.
Cela a-t-il encore un sens?
De plus, cela ne fonctionne que si je supprime le haut 100 d'origine du recodage pour le facteur 6 ...
Désolé pour toutes ces questions quelque peu compliquées et longues, mais j'apprécierais vraiment tout type de contribution!
N'est-il pas utile de mettre votre modèle et les graphiques d'analyse exploratoire que vous avez effectués jusqu'à présent dans le tableau afin que d'autres puissent vérifier ce que vous avez fait?
Quelle est la raison d'avoir des cellules colorées et des cellules définies comme "masquer et exclure"?
Le facteur 100 pour modifier le niveau du facteur (0,01 - 1 - 100 pour bas, centre, haut) est-il normal dans votre domaine et raisonnable?
merci pour les commentaires - j'ai essayé de créer certains des modèles que j'ai rencontrés avec une brève description
les observations marquées en rouge sont celles qui avaient une viabilité de 0 au jour 3, ce qui concorde avec les valeurs élevées de l'ingrédient 6 (+1 / 100). Quand je les garde et que j'essaye de modéliser quelques jours après cela (jour 10), tout me semble assez étrange - mais je n'ai aucune idée si c'est une approche valable.
le vert est utilisé pour les points centraux (malheureusement, 1 d'entre eux est assez différent des 2 autres ...:()
concernant les niveaux de facteur
généralement, utiliser quelque chose comme 1, 10, 100, 1000, ... comme les valeurs d'une dose-réponse dans les dosages utilisant des cellules serait assez courant; Cependant, ces courbes de réponse sont généralement tracées sur une échelle logarithmique et la CE50 (celles à 50% de réponse) sont comparées - cela ne me permet pas vraiment de comprendre si cette approche convient ici
ma pensée était: si 100 est le point central, alors si je continue avec l'approche classique, la valeur la plus basse possible serait 0 (ce qui est bien, je suppose), mais la plus élevée serait 200 ce qui pour la plupart des ingrédients ne serait pas attendu avoir un effet très fort
rétrospectivement, j'ai certainement choisi les gammes trop larges, mais je me demandais encore si je pourrais utiliser cette approche du tout pour avoir 3 niveaux de facteur ...
