440702_de-DE

liliconcom

[4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Hallo Community,

 

Bei unserer Wendepunktberechnung für eine nichtlineare 4P-Rodbard-Anpassung gibt es ein Problem.

 

Das Modell ist einfach:

X: Konzentration [nM]

Y: %Spezifisches Töten

Von: Proben

 

Normalerweise führe ich dies auf JMP aus, aber andere Teammitglieder in unserer Abteilung nutzen den Service unserer Bioinformatikerin und sie nutzte die Konzentration in pM.

Auf den ersten Blick kein Problem, nur der Faktor 1000 dürfte den Unterschied ausmachen. Wir haben jedoch festgestellt, dass sie bei einigen Anpassungen keine Probleme hatte, ich habe jedoch bei JMP unterschiedliche Ergebnisse beobachtet.

 

Hier ist ein Beispiel:

Konzentration [nM]	Konzentration [pM]	Spezifisches Töten [%]
20	20000	103.2
2	2000	103,5
0,2	200	102.6
0,02	20	104.9
0,002	2	99,9
0,0002	0,2	-5,0
0,00002	0,02	13.3
0,000002	0,002	9.2
2E-07	0,0002	0,3
2E-08	0,00002	6.1

 

Und hier meine Modellergebnisse

Verwendung von x als Konzentration [nM]

Parameter	Schätzen	Standardfehler	Wald ChiSquare	Prob > ChiQuadrat	Niedrigere 95 %	Obere 95 %
Wachstumsrate	-5,39	282,61	0,00	0,98	-559,29	548,50
Wendepunkt	0,001096	0,03	0,00	0,97	-0,07	0,07
Untere Asymptote	4,77	2,98	2,57	0,11	-1.07	10.61
Obere Asymptote	103,55	2,98	1209.02	<.0001	97,71	109,39

 

Verwendung von x als Konzentration [pM]

Parameter	Schätzen	Standardfehler	Wald ChiSquare	Prob > ChiQuadrat	Niedrigere 95 %	Obere 95 %
Wachstumsrate	-6,76	6445,81	0,00	1,00	-12640,32	12626,80
Wendepunkt	1.2354	567,78	0,00	1,00	-1111,60	1114.07
Untere Asymptote	4,77	2,98	2,57	0,11	-1.06	10.61
Obere Asymptote	103,54	2,98	1209,97	<.0001	97,71	109,38

 

Wie Sie sehen, gibt es nicht nur 1000-fache Unterschiede im Wendepunkt (und anderen Unterschieden, beispielsweise der Wachstumsrate).

 

Wissen Sie, warum wir so unterschiedlich sind? Bei fast allen unserer Proben gibt es keine Unterschiede, es sind nur wenige davon,

Wir sehen auch einen anderen Wert, wenn wir einen 4PL mit variabler Steigung auf Prism mit R und unserem Bio-Info-Skript ausführen (wobei es normalerweise ähnlich ist).

 

Kannst du uns helfen ?

 

Vielen Dank im Voraus für Ihre Hilfe

Ergebnisse teilen und kommunizierenBetreff: [4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Nein, es handelt sich nicht um ungenaue Daten. Dieser Tatsache wird durch den Zufallseffekt Rechnung getragen, der Fehler genannt wird und im nichtlinearen Modell impliziert ist. Dies liegt an der schlechten Wahl des Modells, dem Mangel an Daten zur Unterstützung des ausgewählten Modells und der begrenzten Präzision der numerischen Methoden, die von der von Ihnen verwendeten Software und Hardware implementiert werden.

Betreff: [4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Danke für deinen Einblick!

 

Ich verstehe, dass anhand dieser Daten die Verdünnung geändert werden müsste, um einen Wert in der Mitte der Kurve zu finden, um eine bessere Anpassung und Annäherung an einen Wendepunkt zu erreichen.

 

Es war für mich einfach seltsam, dass JMP dieses Modell mit zwei verschiedenen Einheiten unterschiedlich angepasst hat, während andere Software mit beiden Einheiten eine ähnliche Antwort lieferte (aber anders als JMP). Ich vermute, dass die Tatsache, dass die Daten nicht präzise sind, der Hauptgrund ist.

Betreff: [4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Ihre Daten zeigen eine Stufenfunktion, keine Sigmoidkurve. Sie haben die untere und die obere Asymptote, aber keine Informationen (Daten) über den Übergang zwischen ihnen. Diese Daten wurden möglicherweise als Umfrage zur Lokalisierung des Übergangs ausgewählt, sie sind jedoch nicht in der Lage, den Übergang zu modellieren. Ich schlage eine zweite Studie vor, die sich auf einen engeren Bereich konzentriert, der immer noch beide Asymptoten umfasst, aber auch den Übergang für mehrere Konzentrationen zeigt.

Betreff: [4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Danke für deine Antwort !

 

Nach meinem Verständnis ist die Rodbard-Anpassung speziell für die nicht logarithmisch transformierte Datenanpassung konzipiert. Aus diesem Grund entscheiden wir uns normalerweise für dieses Modell.

Wenn wir aus irgendeinem Grund logarithmisch transformierte Daten verwenden müssten, entscheiden wir uns normalerweise für das 4P-Hill-Modell.

 

Wenn Sie tatsächlich die Visualisierung der Skala ändern (unter Verwendung einer logarithmischen Visualisierung der Achse ohne logarithmische Transformation für die Anpassung), haben wir tatsächlich eine gute Anpassung, wie Sie unten sehen können:

(Aber mein Denken kann falsch sein, ich bin kein Mathematiker .)

 

 

Ihr zweiter Punkt macht für mich jedoch Sinn. Es stimmt, dass es bei dieser Stichprobe eine große Lücke zwischen 2 und 0,2 Uhr gibt, was ein Problem für die Annäherung an den Wendepunkt sein könnte.

Dies bemerken wir auch intern. Dies ist normalerweise der Grund dafür, dass es zu Inkonsistenzen zwischen pM- und nM-Näherung, aber auch zwischen unterschiedlicher Software (die auf den ersten Blick dasselbe Modell verwendet) kommen kann.

 

Danke schön.

 

 

 

Betreff: [4PL-Anpassung] Verschiedene Wendepunkte mit unterschiedlichen Konzentrationseinheiten

Sie verwechseln Mathematik und Informatik. Ja, die Änderung der Einheiten bedeutet, dass sich die Konzentrationsniveaus um den Faktor 1000 unterscheiden. Die Parameter werden jedoch anhand der Daten geschätzt. Sie drängen auf die numerische Genauigkeit der Schätzung. Darüber hinaus ist das angegebene Modell (1) in diesem Fall eine schlechte Wahl oder (2) wird von den Daten nicht gut unterstützt.

 

Ich habe JMP: Datei > Internet öffnen > Webseite verwendet, um aus Ihrem Beispiel eine JMP-Datentabelle zu erstellen.

 

 

Hier ist die Anpassung mit Analysieren > Spezialisierte Modellierung > Kurve anpassen und dem Rodbard-Modell mit Konzentration in nM.

 

 

Hier ist die gleiche Analyse, jedoch unter Verwendung der Konzentration als pM:

 

 

Sie können das Problem sofort erkennen. Die Sigmoidform ist bei beiden Einheiten nicht sichtbar. Diese Situation führt zu instabilen Schätzungen. Ich habe eine Log10-Transformation versucht, aber es hilft nicht. Zwischen 2 und 0,2 nM kommt es zu einer abrupten Änderung der Reaktion, sodass die Sigmoidform nicht beobachtet wird. Vermutlich müssten Sie die Konzentration zwischen 2 und 0,2 nM erweitern, um den Übergang besser zu definieren, um dieses Modell verwenden zu können.