Altoparlante
|
Trascrizione
|
| Heath Rushing |
Tutti quelli che gestiscono il Mar Rosso. |
| |
nastri. |
| ROBYN GODFREY |
Sì. |
| |
Potrei essere un po' ossessionato. |
| |
Ciao come va. |
| Heath Rushing |
Bene bene, perché questo è sempre. |
| ROBYN GODFREY |
buon per te, oh. |
| Heath Rushing |
sì oh sì. |
| ROBYN GODFREY |
Oh bene, oh. |
| |
controlla la mia lista di controllo qui per assicurarti che lo sto facendo bene. |
| |
Quindi registrerò Ok, quindi sai che verrai registrato nel modo giusto. |
| |
Io sono. |
| |
il tuo microfono parla un po', quindi ti sentirò. |
| Heath Rushing |
Ciao cast 123. |
| ROBYN GODFREY |
per cento. |
| |
ritorno. |
| ROBYN GODFREY |
Tutto mette a tacere il tuo telefono e tutto il computer. |
| Heath Rushing |
sì, Andrew Andrew si unirà a questo. |
| |
è una cosa del genere, quindi non sono sicuro di come abbia funzionato, sono sicuro che ho fatto un poster per conto mio, quindi quest'anno, quello che faremo è che c'è un certo punto in cui lo farà. |
| |
Prendi lo schermo. |
| ROBYN GODFREY |
Va bene. |
| Heath Rushing |
Quindi andremo da lui per me, ma non faremo avanti e indietro, non lo faccio. |
| |
per non confondere le cose sai cosa intendo. |
| ROBYN GODFREY |
Va bene, l'ultima volta mi sono dimenticato di spegnermi perché ho iniziato a registrare sicuro che a loro piacesse. |
| Heath Rushing |
Florida. |
| |
Florida La Florida vive proprio sulla spiaggia. |
| ROBYN GODFREY |
Bello bello. |
| Heath Rushing |
Yeah Yeah. |
| |
lanta Colorado, quindi tornerò lassù a settembre per andare a giocare sulla terra. |
| ROBYN GODFREY |
Oh bello. |
| |
Sì. |
| Heath Rushing |
Sì. |
| ROBYN GODFREY |
Ero al fresco, niente, qui in questo momento, stufo dell'umidità e del caldo opprimente. |
| Heath Rushing |
dove vivi vicino alla costa della Carolina del Nord, giusto sì. |
| ROBYN GODFREY |
Circa quattro miglia nell'entroterra c'è il volo degli uccelli. |
| |
Va bene. |
| ROBYN GODFREY |
sì, sono davvero vicino al fiume, il fiume Cape Fear e poi. |
| |
Sì. |
| ROBYN GODFREY |
Quindi c'è il fiume e poi proprio in fondo alla strada c'è il film intitolato Snow Sky, è come un taglio dal fiume al corso d'acqua, sì. |
| |
sì, ora sono davvero vicino a ragazzi come solo un sacco di. |
| |
Acqua ma non è come un accesso alla spiaggia o qualcosa del genere, è solo. |
| |
sì, mi ricordo il corso d'acqua intracoastal, ma gli oceani, un po' più lontano. |
| |
Ma stamattina ho corso in spiaggia, quindi la cosa bella di vivere qui è che posso. |
| |
Se alle 14 del mattino non c'è molto traffico, puoi andare in spiaggia e piove a dirotto e abbiamo visto una bellissima alba. |
| |
Quindi smettila di far piovere qualcosa sulla retina. |
| |
bello. |
| Heath Rushing |
sì, per me, vivo nella parte della spiaggia in cui vivo, è la fine, quindi ci sono 10 miglia in direzione della costa nazionale. |
| |
Niente che 10 miglia. |
| |
Quindi c'è una bicicletta. |
| |
Corsia per le bici. |
| |
sì, quindi c'è una pista ciclabile per circa tre miglia e poi per sette miglia c'è una pista ciclabile, fino al bar. |
| |
Carino. |
| ROBYN GODFREY |
Pennsylvania, che. |
| Heath Rushing |
Sarà la spiaggia, sì. |
| ROBYN GODFREY |
Eravamo a Destin. |
| |
Periodo natalizio. |
| |
Sì. |
| ROBYN GODFREY |
sì, come quella zona in tutto il 38. |
| Heath Rushing |
bella zona di un anno. |
| |
O si. |
| ROBYN GODFREY |
Va bene, quindi dobbiamo aspettare Andrew. |
| Heath Rushing |
Stai bene sì, no, no, no, no lo aspetteremo sicuramente. |
| ROBYN GODFREY |
Ok sì. |
| Heath Rushing |
Ok, lasciamelo. |
| |
mandami un messaggio aspetta. |
| |
Sig. |
| |
Se mi hai appena mandato un messaggio. |
| |
Farò solo la prima parte con la diapositiva, alcune diapositive per presentare qualcuno che è la terapia genica. |
| |
E poi dirò ehi, giocherò come con gli scienziati e Andrew, ti ho appena inviato un set di dati e ho bisogno di aiuto e poi lui e io avremo una conversazione e poi lui riprenderà da lì con John così. |
| |
Ho pensato che sarebbe stato un buon modo per farlo. |
| |
E in realtà dobbiamo solo capire quella cosa dell'interazione come su. |
| |
Lunedi |
| |
Sai, come se avessimo avuto una cosa da fare, e poi ho pensato, ma abbiamo bisogno di un modo per interagire con ciò che sta cercando di capirlo. |
| ROBYN GODFREY |
abbiamo bisogno come uomini sui giornali di me, di Rob, del mio collega Ted e. |
| |
Tutto il video ed è piuttosto comico. |
| Heath Rushing |
Abbiamo sempre cercato di farlo. |
| |
Sono a favore dell'acqua calda, ma cerchiamo sempre di assicurarci di buttarci dentro qualcosa, almeno. |
| |
È divertente perché. |
| |
Facendo giocare parli per un minuto, soprattutto se sei sullo schermo giusto. |
| |
sì, ragazzi, ne fareste una chiacchierata. |
| ROBYN GODFREY |
L'abbiamo fatto, abbiamo fatto come uno scenario di. |
| |
Alla gente piace stare in un ambiente di produzione che si muove da un ambiente di produzione. |
| |
sì, quindi ci è piaciuto uno scenario in cui sai, un manager che ha deciso di assumere un consulente per entrare e creare un'applicazione che conosci. |
| |
E poi il consulente se ne va e stanno cercando di farti sapere che i sigilli che sai essere fabbricati correttamente ma stanno fallendo e i consulenti se ne sono andati e il codice non funziona. |
| |
E quindi è come quello che avrebbero potuto sapere se avessero seguito il percorso JMP, e sai che abbiamo appena parlato della riproducibilità delle quattro r, robustezza, rapidità, sai che è reattivo. |
| |
Ci concentriamo semplicemente sul fatto di aver creato tre diversi scenari e quindi lo chiamiamo gioco d'azzardo sui tuoi dati, quindi abbiamo realizzato tutto questo come un tema del gioco d'azzardo. |
| |
camminare e, alla fine, però, è la parte migliore perché abbiamo come un Kenny Rogers che canta e, come gli outtakes di noi che facciamo questo video ed è così. |
| |
Gli outtakes sono sempre la parte più divertente, vero, e quindi Rob ha fatto tutti questi outtakes come Kenny Rogers, lo stesso giocatore d'azzardo alla fine, e ha questi crediti che sono davvero divertenti e quindi è iniziato più o meno dal vivo. |
| |
Ma una cavolata è davvero stato divertente, sai che avremmo usato un ruolo diverso, come sai, un project manager o un ingegnere, sai, proprio come affrontare diversi scenari e la nostra produzione, l'ambiente e come avrebbero potuto farlo Meglio. |
| |
Se lo avessero fatto sì. |
| Heath Rushing |
Yeah Yeah. |
| ROBYN GODFREY |
E poi ruba una specie di demo, sai diverse cose che usi il profiler e questo è tutto quello che posso dire. |
| Heath Rushing |
Che non ci piace fare molte diapositive. |
| |
Ma guarderemo chi si è unito a noi. |
| |
Guarda l'ora di unirti a noi. |
| |
ehi ehi Andrea. |
| Andrea Carlo |
ehi, corri. |
| Heath Rushing |
Sei in anticipo, quindi. |
| Andrea Carlo |
sì, sono in anticipo di quattro minuti, bene. |
| |
Sì. |
| ROBYN GODFREY |
Quindi è il tuo piccolo saluto come quello della tua macchina fotografica. |
| Heath Rushing |
Ciao il mio nome. |
| ROBYN GODFREY |
sì, come se avessi bisogno di abbassarlo un po' per vedere di più te stesso. |
| |
Lo sto facendo, fratello. |
| Andrea Carlo |
Non lo voglio. |
| Heath Rushing |
Io no, nemmeno io, nemmeno io, intendo la mia faccia. |
| ROBYN GODFREY |
Come proprio sotto il tuo mento e. |
| Heath Rushing |
Ho sempre deciso di fare come se ieri fosse stato trovare appuntamenti annuali di dermatologia in cui anche tu conosci le cose, quindi potresti vedere. |
| |
Punti rossi su quello sì sì, voglio dire, è sempre come se non ci pensassi nemmeno, ehi, ho il giorno libero, sai come sono andati spesso e davvero. |
| |
Gran parte del lavoro è stato nel caso in cui avessi bisogno di fare qualcosa con la presentazione e quindi sai di andare un po' in giardino. |
| ROBYN GODFREY |
Grandi slot per niente. |
| Heath Rushing |
sì, più o meno. |
| |
Yeah Yeah. |
| |
Sì. |
| ROBYN GODFREY |
Ok, allora spengo la macchina fotografica. |
| |
e cercare, devo farlo. |
| |
perdermi qui, eccoci qui. |
| Heath Rushing |
ehi, quindi, Andrew a un certo punto dice semplicemente: "Ehi, interpreterò lo scienziato", dirò la prima parte delle diapositive. |
| |
ehi, interpreterò gli scienziati, quindi sai che interpreti Andrew lo statistico, io interpreterò davvero i dati degli scienziati. |
| |
E poi dirò un Andrew e dirò Okay, quindi lasciami andare, Andrew, ti ho appena inviato un set di dati delle mie due risposte o dell'abilità e del sottoprodotto di qualcuno. |
| |
L'hai capito, e poi vai da lì, okay, quindi ogni volta che dico che quel genere di cose è che puoi andare avanti e iniziare a condividere lo schermo che vedi dire. |
| Andrea Carlo |
capito, sì. |
| ROBYN GODFREY |
Vuoi che Andrew sia qui? |
| |
Nello stesso momento in cui parli, lui può nascondersi. |
| |
Fino a quando non sarai pronto per il suo arrivo. |
| Heath Rushing |
sì, possiamo essere alla stessa ora. |
| ROBYN GODFREY |
Okay, in questo momento è come un doppio schermo in rovina da un lato e dall'altro. |
| Heath Rushing |
sì sì io. |
| |
intendo tipo come cosa cosa ogni volta che iniziamo mi fermerò puoi vedere solo le nostre brutte facce quindi condividerò il mio schermo e poi ci concentreremo sul fatto di non parlare come quello che condividerò tre adesso Farò alcune diapositive solo per introdurre l'argomento. |
| |
E poi non ci vorrà molto tempo per introdurre l'argomento e poi quello che faremo è: non lo so, fai un'introduzione o qualcosa del genere, o vuoi presentarti, ho sentito che funziona. |
| ROBYN GODFREY |
Voi ragazzi. |
| |
Lo farei come farei una piccola introduzione che sai, come faresti tu, se fossi una scoperta, vero. |
| |
Okay, non vogliono, non vogliono che io lo faccia, non vogliono che io sia in entrambi i casi, okay. |
| |
Quindi voi ragazzi avete nascosto tutto sul vostro computer, come se apparissero nuove email o qualcosa del genere. |
| Heath Rushing |
Sì. |
| |
è sbagliato, non sono quello. |
| |
li suonarono. |
| ROBYN GODFREY |
Ok, quindi spengo l'audio della fotocamera da solo e poi vi lascerò, ragazzi. |
| |
inizia e ti interromperò, se hai bisogno di ricominciare da capo lasciamelo. |
| Heath Rushing |
Sappi che sei abituato a dircelo quando dici semplicemente quando e andremo avanti mi farò una presentazione Andrew, stai facendo una presentazione che dirò non appena hai finito. |
| |
Quello che farò è iniziare a condividere il mio schermo, okay, sembra una buona cosa. |
| ROBYN GODFREY |
suona bene, okay, allora. |
| |
Dammi circa cinque secondi dopo che ti ho detto di andare perché. |
| |
I miei cani stanno guardando. |
| |
Tutti mi disattivano l'audio e poi iniziano la registrazione, quindi vado da me subito e inizio a fare peggio, dammi circa cinque secondi. |
| |
Va bene. |
| Heath Rushing |
Va bene, buongiorno. Quindi questa mattina Andrew Karl e io terremo un discorso su un'applicazione nel settore biofarmaceutico, che esamina realmente le terapie cellulari e geniche. È un modo davvero unico di creare prodotti terapeutici. |
| |
Un po' del mio background. Dirò alcune parole, poi lascerò che Andrew dica alcune parole sul suo background. Ero nell'esercito e sono diventato un professore universitario, insegnando statistica applicata e DOE. Poi sono andato a lavorare nel settore biofarmaceutico, sono andato a lavorare per una piccola biotecnologia |
| |
un'azienda chiamata Applied Molecular Genetics o Amgen in breve, ha lavorato nella produzione e poi nella ricerca e sviluppo, |
| |
prima di intraprendere un lavoro come responsabile della formazione che per diversi anni è diventato poi consulente per la SAS. |
| |
E in realtà quello che facciamo è concentrarci molto sul settore farmaceutico e biofarmaceutico nei dispositivi medici e fare molto insegnamento e molta consulenza, e ottenere molti problemi unici a cui arriviamo per creare valore per aziende. Andrew, vuoi dire qualche parola? |
| Andrea Carlo |
Sì, mi chiamo, mi chiamo Andrew Karl e ho iniziato a lavorare per Heath nel 2012, subito dopo aver lasciato l'Arizona State con un dottorato in statistica. |
| |
E ho fatto un sacco di cose interessanti con Heath e Jim Wisnowski e ultimamente, molte applicazioni farmaceutiche, |
| |
tutto, dallo sviluppo delle formulazioni alla caratterizzazione dei processi e tutto ciò che c'è in mezzo, quindi sono entusiasta di essere qui con Heath oggi e parlare delle nostre applicazioni. |
| Heath Rushing |
Ok, andiamo avanti e condividerò immediatamente il mio schermo. |
| |
E |
| |
Ho alcune diapositive e non mi piace... non mi piace |
| |
concentrarmi sulle diapositive in una presentazione JMP, ma quello che farei è, tipo, introdurvi all'argomento, solo l'applicazione condensata e davvero unica e davvero, penso, cosa più importante, la sfida davvero unica che di cui parleremo oggi. |
| |
Sai che è interessante, l'abbiamo fatto, probabilmente abbiamo riscritto questo abstract |
| |
all'inizio di aprile, e poi ho visto che c'era un articolo scritto su innovate ??? molto simile a questo, quindi |
| |
voglio assicurarmi che nessuno...nessuno pensi che abbiamo copiato qualche articolo. Ma in realtà quello che stiamo facendo è che sai come modellare |
| |
in, sai, diciamo cos'è la variabilità di un paziente/donatore, è come tenere conto della variabilità del donatore/donatore in un'applicazione davvero unica nel settore biofarmaceutico. |
| |
E parleremo di terapia genica e cellulare, va bene. Quindi la prima cosa che faremo è parlare del perché questa è una nuova frontiera. |
| |
Giusto, e parleremo solo un po' di cosa sono le terapie geniche e cellulari, e poi approfondiremo davvero la differenza tra queste due. |
| |
E il focus è, sai, come modelliamo la variabilità da donatore a donatore, giusto? Trattiamo un effetto fisso o un effetto casuale? |
| |
E quali sono alcune applicazioni molto particolari che potrebbero interessarci, giusto? E in primo luogo, ogni volta che dico che questa è la nuova frontiera, è molto innovativa, molto promettente. Attualmente ce ne sono meno di, cavolo, meno di 10 |
| |
questo tipo di terapie, terapie geniche e cellulari, presenti sul mercato. Comunque ce ne sono... ce ne sono più di 1.000 attualmente in cantiere, va bene. |
| |
E quello che vedrete è che con queste terapie geniche e cellulari ci sono alcune sfide davvero uniche, okay, è un modo davvero innovativo di trattare |
| |
malattie, in particolare malattie rare, e ci sono alcune sfide davvero uniche. Una, ovviamente, è: come possiamo... come possiamo assicurarci che funzioni, che sia efficace? E come possiamo assicurarci che sia sicuro? |
| |
Va bene, l'altro è in realtà quello che affronteremo, sai, quindi come è possibile che affrontiamo la variabilità da donatore a donatore? |
| |
Solo perché intendo la variabilità da paziente a paziente, ma vogliamo concentrarci sulla variabilità da donatore a donatore, giusto. |
| |
Parliamo allora di terapie geniche e cellulari. Allora, cos'è... cos'è... cos'è una terapia genica? BENE, |
| |
come molti di voi sanno, sapete che molte malattie come il cancro, sapete, nascono davvero dal fatto che si nasce con geni difettosi o che una sorta di gene è mutato nel tempo, giusto. |
| |
Quindi è un modo davvero unico per trattarli, e uno è la terapia genica, giusto, e sai cosa facciamo nelle terapie geniche? Ora, io dico che sostituiamo un gene |
| |
con un altro sano, ma in realtà stiamo trasferendo una sorta di materiale genetico, o potremmo aggiungere... aggiungere o modificare o effettivamente disattivare qualche gene. Questo può essere fatto in due modi, quindi giusto con i pazienti che sono... che hanno |
| |
che hanno una certa malattia. Quello che possiamo fare è, sai, possiamo iniettare (e userò il termine consegnare) |
| |
quei geni sani, okay, quindi quel materiale genetico... quel materiale genetico sano in un paziente. |
| |
L'altra cosa che potremmo fare è prelevare del sangue o del midollo osseo |
| |
da un paziente, potremmo... potremmo inserire quel materiale genetico e poi restituirlo al paziente, ok, quindi può essere fatto sia in vivo che in vitro. Ora, ogni volta che dico che siamo... |
| |
che stiamo iniettando una sorta di gene sano in un paziente o nel midollo osseo, abbiamo bisogno di un modo per trasmetterlo. Ok, lo chiameremo veicolo. |
| |
Spesso diciamo ehi, questo è il veicolo per fornire quel materiale genetico ai pazienti, ora lo chiameremo |
| |
vettore, va bene. Lo chiameremo vettore ed è proprio questo... ha una tecnologia davvero unica. Molte volte il vettore è un virus. |
| |
Il virus è in grado di inserire perfettamente quel materiale genetico nelle cellule. Ora, quali sono alcune sfide uniche? Beh, uno è, sai, funziona? E nella seconda è: è sicuro, giusto? |
| |
La vera...quella che spesso chiamiamo la domanda da un miliardo di dollari è se inietto questo materiale genetico |
| |
in un paziente, lo rifiuteranno, giusto? Lo rifiuteranno mai o il corpo pensa che stia succedendo qualcosa? |
| |
e, sai, comincerà davvero a uccidere, sai, queste cellule, giusto. L'altra sfida davvero unica è che ogni paziente è un gruppo separato, |
| |
Giusto. Quindi pensa alla produzione, pensa allo sviluppo, pensa alla logistica, giusto. Le terapie geniche, ora, in cosa differiscono dalle terapie cellulari? COSÌ |
| |
ci sono molte sovrapposizioni, ma in termini di terapia cellulare, quello che stai facendo è inserire cellule, ok, non necessariamente materiale genetico. Ora queste cellule potrebbero aver modificato la genetica |
| |
materiale, ma si prendono cellule vere e proprie e le si inseriscono in un paziente per curare queste malattie. Quindi in questo momento queste cellule possono provenire dai pazienti stessi, |
| |
giusto, oppure quello che possono fare è provenire da un donatore, okay. Pensate che i trapianti di midollo osseo, ogni volta che fanno qualcosa del genere, significano che prelevano qualcosa da un donatore sano e lo inseriscono in |
| |
in un paziente, giusto. Ora capisci che questi sono, sai, tutti fatti in vitro. In realtà stai iniettando queste cellule sane in un paziente, giusto. |
| |
E cosa stai cercando di fare, ogni volta che lo fai? Stai cercando di sostituire qualsiasi tipo di cella mancante o di sostituirla davvero |
| |
quelli malati, va bene. La stessa cosa è che conosci quelle stesse sfide uniche di cui abbiamo parlato prima. |
| |
L'altra cosa è che un'altra barriera per entrambi è che si tratta di una produzione su scala molto ridotta e non può essere eseguita su larga scala, giusto. |
| |
Ora vedrete che un po' più tardi è, o, sapete, una delle sfide è: come possiamo farlo su larga scala? Com'è possibile che noi... |
| |
che possiamo farlo, non solo nei laboratori, ma su scala più ampia. |
| |
Giusto, quindi, come ho detto prima, uno degli ostacoli in realtà a questo è l'efficacia e la sicurezza, va bene. Questa è una delle sfide principali. |
| |
L'altra grande sfida è questa, se la guardi... deve essere fatto su pazienti diversi o donatori diversi. Sai, come rendi conto |
| |
per quella variabilità da donatore a donatore? Ed ero in classe circa un'ora fa, e qualcuno stava parlando e ha detto esattamente la stessa cosa, |
| |
dobbiamo tenere conto della variabilità da donatore a donatore nelle terapie cellulari e questo è responsabile della maggior parte della variabilità che osserviamo nel nostro processo, |
| |
Giusto. E allora pensaci. Beh, sai, come lo spieghi? |
| |
Molto spesso, quello che farai è dire, ehi, Heath, sto facendo studi di caratterizzazione del processo e forse dobbiamo farlo su un donatore, giusto. Quindi potrebbe essere fattibile.... |
| |
come... potrebbe essere fattibile, ma lo vedrete più avanti, come posso tenere conto, ogni volta che vado avanti con il processo di produzione commerciale, |
| |
che avrò variabilità da donatore a donatore e cercherò di rendere il mio processo più solido per i diversi donatori? |
| |
Quindi la maggior parte delle volte è che non vogliamo farlo. La maggior parte delle volte non è fattibile e non vorremmo farlo, anche se lo fosse. |
| |
Quindi quello che faremo è avere più donatori. Quindi in questo momento... quindi la grande domanda è... a cui proveremo a rispondere oggi... è, quali sono i diversi modi in cui potresti spiegare la variabilità da donatore a donatore ? |
| |
E immediatamente, quello che dovrebbe venire in mente a chiunque di voi che conosca la progettazione di esperimenti è di andare avanti e bloccarlo. |
| |
E poi la domanda successiva dovrebbe essere: cosa... dovrebbe essere un blocco fisso o un blocco casuale? |
| |
E quali sono gli effetti di queste cose, giusto? Quindi parliamo delle diverse applicazioni per le quali uno scienziato dovrebbe usarlo, ok. E quello che faremo è |
| |
Giocherò... interpreterò lo scienziato, giusto. Andrew interpreterà lo statistico che aiuta lo scienziato, ok. Quindi si chiamerà Andrew e io interpreterò lo scienziato |
| |
ha bisogno di aiuto, okay. Quindi mi chiamerò Brady, ok. E poi, quindi sai, cosa farebbe... cosa farebbe Brady, lo scienziato che ha bisogno di aiuto... |
| |
hai bisogno di aiuto? Bene, uno sarebbe studi di inferenza e caratterizzazione del processo e, anche Brady avrebbe bisogno di stimare la capacità del processo, ok. Ora questo è molto importante perché |
| |
Prima di passare alla convalida del processo e alla produzione commerciale, dobbiamo capire quanto è capace il nostro processo. Quindi parleremo del modo tradizionale. |
| |
Ti presenteremo qualcosa chiamato range operativo normale e in realtà quello che stai facendo è tenerne conto |
| |
che non sarai sempre al setpoint, che potrebbe variare attorno al setpoint, giusto. Inoltre farò qualcosa e ti mostrerò... |
| |
mostrarti un altro modo per valutare il processo o valutare la capacità del processo chiamato intervalli accettabili comprovati. È se ti poni la domanda, e se tutto fosse al suo punto stabilito, |
| |
ma una variabile può variare, giusto? Quale sarà la tua capacità di processo? E l'ultima cosa è che abbiamo parlato di una delle grandi sfide è la produzione su larga scala. Come faccio a fare un confronto tra la produzione su piccola e quella su larga scala, ok? COSÌ |
| |
Andrew, come ho detto prima, interpreterò lo scienziato Brady che ha bisogno di aiuto. E quello che vorrei che tu facessi è aprire la tua email e vedere quel set di dati che io... che ti ho inviato. |
| |
E possiamo parlare di quel set di dati che ti ho inviato, Andrew? Sì, è così, è così, sì, è esattamente vero. Allora Andrew, questo è quello che ho fatto. Il mio processo è... |
| |
Ho eseguito una progettazione ottimale e una caratterizzazione del processo, variando tempo, temperatura e pH. E ho misurato la vitalità cellulare e |
| |
un sottoprodotto. Probabilmente puoi vedere, Andrew, che l'ho già fatto nelle proprietà delle colonne nella tabella dati JMP, perché è qualcosa che mi hai insegnato tu, |
| |
ma se guardi la vitalità cellulare, ci sono delle specifiche attorno ad essa. E le specifiche per... ecco qua... sono tra 70 e 90, ok. Ora |
| |
Andrew, di solito vorremmo massimizzare la vitalità cellulare ma vogliamo mostrare alla gente come realizzare una capacità di processo che sia bilaterale, okay, ecco perché ho detto che la vitalità cellulare farà questo su due lati, okay, quindi qualcuno tra il pubblico potrebbe dire, |
| |
non vorresti massimizzare la vitalità cellulare? Quello che vogliamo fare qui è mostrare loro qualcosa che ha due facce. |
| |
Va bene, e abbiamo anche un... sì, eccoci qua... beh, prendiamo un ??? che è il prodotto che vogliamo mantenere al di sotto di 35. Ora mettiamo per prodotto, ma riflettiamo |
| |
nel mondo della terapia genetica e cellulare, potrebbe trattarsi di qualcosa di simile alle endoossine. Vogliamo assicurarci di ridurre al minimo la percentuale di endotossicità, o forse una sorta di endotossina, okay, va bene. Okay, sì, è esattamente vero, questo è... questo è il set di dati lì, Andrew, okay. |
| Andrea Carlo |
Grazie, Brady. Ho anche visto che hai inviato un primo...primo passaggio a uno script modello qui. |
| |
E stavo dando un'occhiata a questo e ti vedo... hai costruito un... hai progettato e poi hai condotto il tuo studio per un RSM in questi tre fattori. Hai il tempo, la temperatura e il pH. |
| |
E quello che ho notato qui è che vedo davvero molto rumore. Non vedo molta associazione tra nessuno di questi fattori e la tua risposta. E infatti, se accendo il |
| |
Tavolo ANOVA, |
| |
Vedo che non c'è niente... non c'è molto segnale qui, quindi niente di molto predittivo e anche se provassi a ridurre il modello con la selezione all'indietro eliminando effetti non importanti, |
| |
È solo che non vedo niente. Quindi una cosa che volevo chiederti è quando l'hai eseguito, se c'è qualcos'altro che varia insieme a questi tre fattori che potrebbe.... |
| Heath Rushing |
No, no, no, ho controllato tutto |
| |
il mio processo. Ora voglio dirti che... |
| |
che dovevamo eseguirlo su donatori diversi, quindi okay, quindi non potevo... non posso eseguire tutti i 24 esperimenti su un donatore, quindi in realtà quello che dovevo fare, dovevo eseguirlo su donatori diversi. Avrebbe davvero importanza se utilizzassi donatori diversi? |
| Andrea Carlo |
Ora lo vedo. È una colonna nascosta, nascondiamola. |
| Heath Rushing |
Sì, è solo che... è stato... proprio quello che ho fatto, Andrew, è che il donatore è che l'ho appena registrato per i nostri scopi, ma non ero davvero sicuro di come gestirlo. |
| Andrea Carlo |
Ok, lasciami dare una rapida occhiata a questo. |
| |
E proviamo a includerlo nel modello |
| |
come un... |
| |
come effetto bloccante. Oh. |
| Heath Rushing |
Quindi sembra un po' diverso. |
| Andrea Carlo |
Sì, e quindi tutto quello che ho fatto qui per inserirlo nel dialogo del modello, ho semplicemente aggiunto il donatore qui sotto gli effetti del modello di costruzione, in modo che lo aggiunga come effetto additivo qui, e ora vediamo che il donatore è importante per la vitalità cellulare. Ora diamo un'occhiata ai prodotti. |
| |
E anche il donatore è molto importante per il prodotto. E non solo questo è importante, ma poi, quando lo includiamo e poi teniamo conto di quella variabilità, |
| |
ora vediamo che abbiamo alcuni effetti importanti, almeno uno qui per i sottoprodotti è il pH. E poi abbiamo un paio di...alcuni effetti importanti qui per |
| |
vitalità cellulare. Ora, lo sai, lo hai incluso nel tuo design personalizzato quando lo hai costruito? Hai incluso il fattore donatore lì? |
| Heath Rushing |
Ora, lo sai, l'ho fatto. Sai, ogni volta che abbiamo iniziato a farlo, non capivo davvero. Non l'abbiamo incluso nel design. |
| |
Non so se te lo ricordi, ma è stato, sai, molti mesi fa, penso di averne parlato prima. |
| |
E in realtà mi hai aiutato in questo. Quindi quello che hai fatto è, sì, eccolo, eccolo. |
| |
Questo è quello che abbiamo fatto molto tempo fa. Davvero non ho capito come fare l'analisi di questo, ma sembra |
| |
che ha senso progettarlo in anticipo. Ricordo che me lo dicesti. Hai appena detto, |
| |
ehi, sai, cos'altro può variare? E ho detto, beh, ovviamente, avremo una variabilità da donatore a donatore e tu hai detto, andiamo avanti e progettiamolo in anticipo. Se dobbiamo finire... |
| |
per assicurarci di tenerne conto nella progettazione, perché la progettazione potrebbe essere basata, sai, su... quanti donatori hai e quante analisi hai per donatore. |
| Andrea Carlo |
Ok, è fantastico che tu l'abbia fatto, perché questo impedirà |
| |
aliasing o confusione tra questi fattori che avete integrato nel modello qui, questo RSM e questi tre fattori in questo donatore. Quindi, ad esempio, |
| |
non passerai tutto il tuo pH alto con uno dei tuoi donatori e tutto il tuo pH basso con un altro. Questi fattori saranno bilanciati in tutto questo. Quindi è fantastico. |
| |
Un paio di altre domande qui. Quindi questi donatori, andando avanti con il vostro processo, utilizzerete solo queste quattro persone come donatori o avrete altri donatori che verranno qui? |
| Heath Rushing |
Beh, cavolo, no. Io, sai, è come... quindi quando andremo avanti e porteremo questo... queste, sai, queste terapie ai pazienti, |
| |
amico, avremo un sacco di donatori sani, giusto. Voglio dire... e li chiamerò donatori sani perché ovviamente inseriremo queste cellule nei pazienti. |
| |
Quindi sai, sono solo quattro che ho selezionato dalla nostra... dalla nostra banca di cellulari e penso che tu me l'abbia detto prima, sai, quando |
| |
quando abbiamo iniziato a farlo per la prima volta, hai detto... è passato molto tempo, ma hai detto che devi assicurarti che se hai, sai, quei donatori multipli, cosa che facciamo, non non avere un |
| |
sai, un gran numero di donatori, ma hai detto che sai, prova a fare qualcosa in cui selezioni casualmente i donatori che hai... che hai fatto. Quindi quello che abbiamo fatto è stato selezionare casualmente alcuni donatori e prenderne quattro. |
| |
Ma hai ragione. In futuro non avremo solo quattro donatori e non voglio trarre conclusioni solo su questi quattro. Voglio essere in grado di trarre delle conclusioni su tutti i donatori che potremmo avere, Andrew. |
| Andrea Carlo |
Va bene. Bene, quindi una cosa che vogliamo considerare qui è quando guardiamo questo, questo è quello che ho appena mostrato, sai, questo è un... |
| |
questo è un modello ridotto in cui... |
| |
abbiamo eliminato gli effetti insignificanti con la nostra selezione all'indietro. Un'altra cosa che potremmo fare, invece di includere il donatore come effetto fisso, è includerlo come effetto casuale. E il motivo per cui potremmo volerlo fare |
| |
è... lascia che apra il Costruttore di grafici qui e te lo mostri. Quindi ecco la vitalità cellulare e il sottoprodotto, quindi la vitalità cellulare è a sinistra. |
| |
E ogni colore è un donatore diverso, e questi provengono dai risultati sperimentali. Ora il modello a effetti fissi funziona...solo stime |
| |
una componente di varianza e questo è l'errore o la componente di varianza residua, e quindi questo è ciò che vedi all'interno di ciascuna di queste distribuzioni individuali. |
| |
E poi presupponendo che sia costante, sarà lo stesso, quindi li metterà insieme per ottenere quella stima. |
| |
E per utilizzare gli effetti fissi, useremo la media di ciascuna di queste distribuzioni per dire, okay, c'è uno spostamento medio nella vitalità cellulare, c'è uno spostamento medio nel sottoprodotto. |
| |
Ma ciò che non viene preso in considerazione è la variabilità tra queste distribuzioni che vediamo qui. Quindi, ad esempio, il verde è tutto qui per il donatore tre, a sinistra per la vitalità cellulare. |
| |
e poi questo viola tutto a destra. Quindi c'è questa variabilità tra i donatori che ottieni. E così, se ci stai provando |
| |
costruisci i tuoi intervalli di confidenza o stai cercando di ottenere gli errori standard per le stime dei parametri, |
| |
ci sono informazioni che ti mancano se non ne tieni conto, quella fonte extra di variabilità. Quindi questo è un vantaggio nell'uso... trattarli come effetti casuali. |
| |
E dato che hai quattro donatori, è qualcosa che è fattibile qui. Se hai solo due donatori, non è qualcosa che potresti fare. |
| |
Tre è un po' al limite di ciò che puoi fare, perché, in realtà, quello che stai facendo è stimare una componente di varianti extra solo per il numero di... tra i donatori. Quindi in questo caso ora hai un componente varianti extra |
| |
con una dimensione del campione sostanzialmente di quattro, quindi qualcosa di fattibile qui. Diamo un'occhiata a come sarebbe. |
| Heath Rushing |
Andrea, posso farti una domanda? Puoi parlarne ancora una volta? Sembrava...mi piace davvero... |
| Andrea Carlo |
Yeah Yeah. |
| Heath Rushing |
Posso solo farti una domanda veloce a riguardo? Ogni volta che sei... ogni volta che fai questo è, e non ho tenuto conto della variabilità da donatore a donatore, è... cosa farebbe? Voglio dire, sarebbe come mettere tutti questi elementi insieme in modo da creare un'unica grande distribuzione? |
| Andrea Carlo |
Bene, quindi avremo una visione migliore di questo, lasciami rispondere |
| |
mentre procediamo |
| |
i rapporti del monitor sono entrambi, ma così |
| |
ciò che farà sarà per le tue previsioni future, |
| |
è il tuo modello effettivo fisso (permettimi di attivare il mirino qui) quindi il tuo modello a effetti fissi dirà, beh, questi quattro donatori fanno una media insieme per |
| |
80. E quello che farà sarà utilizzare qualunque sia la sua larghezza. Fai finta di poter calcolare uno standard |
| |
deviazione per ognuno di questi individualmente e avrà quella distribuzione con quella quantità di varianti che vedi solo utilizzando la variabilità all'interno del donatore centrata attorno a 80. |
| |
Ciò che il modello a effetti casuali farà è dire, quando hai... quando prevedi risultati di vitalità cellulare extra, per dire, beh, |
| |
non solo stiamo campionando all'interno, abbiamo quest'area di variabilità qui, ma sceglieremo anche casualmente un donatore che assomiglia in qualche modo alla popolazione che è... |
| |
proviene dalla stessa popolazione da cui provengono questi quattro. Quindi la media potrebbe non essere effettivamente a 80, la media potrebbe essere quaggiù più vicina a 75, |
| |
quassù più vicino a 82 e quindi quella ulteriore fonte di variabilità è dove si accumulerà, |
| |
non necessariamente la tua stima per la tua media, ma le tue stime delle varianti per i tuoi intervalli di confidenza e intervalli di previsione, quindi saranno più ampi per riflettere quella variabilità extra. |
| |
Altrimenti diventerai... diventerai troppo sicuro della tua previsione e di quanto siano ampi quegli intervalli. |
| Heath Rushing |
E non mi piacciono le sorprese e quindi è stato molto utile. |
| Andrea Carlo |
Sì, quindi è una buona cosa da dare un'occhiata allora. |
| |
Quindi permettimi di menzionarli. |
| |
Quindi qui a sinistra abbiamo già dato un'occhiata a questo. Qui è dove i donatori inclusi sono un effetto fisso e sul lato destro avrò un donatore come |
| |
effetto casuale. Ora, l'unica cosa che ho fatto per adattarlo, proprio come promemoria di alcune finestre di dialogo del modello, tutto ciò che sto facendo qui è cambiarlo in un effetto casuale |
| |
e poi eseguirlo. |
| |
Ok, questo è quello che ho qui sul lato destro. |
| |
Quindi alcune cose da evidenziare. Quindi, prima di tutto, potresti notare che il donatore non è più elencato nel riepilogo degli effetti e non lo vedrai nelle stime dei parametri, perché ora è integrato in modo diverso nel modello; non è più un effetto fisso. |
| |
Un paio di... un'altra cosa che vedrai è che vedi una grande differenza tra il reale e il previsto. Quindi questo in realtà sembra migliore per il modello a effetti fissi |
| |
rispetto a quanto accade a prima vista per il modello a effetti casuali e poi, se scorriamo fino al profiler congiunto, |
| |
possiamo vedere che questi assi verticali sono gli stessi tra i due e vediamo questi intervalli di confidenza molto più ampi |
| |
per quanto riguarda i modelli a effetti casuali, potrebbe essere un po' scoraggiante. Ma dobbiamo scavare un po’ più a fondo per capire perché è così. |
| |
E per fare un esempio, diamo un'occhiata all'espressione di previsione qui sotto per i prodotti. E per prodotti, osservando le stime dei parametri di entrambi, |
| |
vediamo che abbiamo... |
| |
Quindi il pH è il nostro unico effetto importante, effetto significativo in entrambi i modelli, più il donatore nel modello a effetto fisso. Nella nostra espressione di previsione... |
| |
per il modello casuale... per il modello a effetti fissi, la nostra espressione di previsione è condizionata a quale donatore hai. Quindi, per ottenere un'espressione di previsione, includi le informazioni sul pH e poi |
| |
abbiamo anche le informazioni su quali donatori. Stiamo controllando i donatori qui. E vedrai quest'altro => zero. È una specie di |
| |
soluzione euristica. Non è realmente integrato nel modello a effetto fisso, ma diciamo semplicemente che se si tratta di un nuovo donatore, assumeremo semplicemente che sia zero. Non vi è alcun effetto dal donatore. |
| |
E quella generale…generalizzazione ai nuovi donatori, ancora una volta, non è realmente incorporata nel modello a effetto fisso; è costruito un po' di più sul modello degli effetti casuali, che puoi vedere, in questo caso è una specie di... |
| |
abbiamo avuto la fortuna di vedere che le stime dei parametri sono le stesse qui tra... per l'intercetta e la pendenza tra i modelli a effetti fissi e casuali. Ciò non accadrà sempre. |
| |
Principalmente qui è una funzione del fatto che questi sono vicini a un disegno ortogonale dal tuo design personalizzato. |
| |
Ma non abbiamo nulla riguardo al donatore plus qui. |
| |
Poiché questo a destra del... del modello a effetti casuali è un modello misto chiamato modello marginale, il che significa che questo ti dà la risposta media sui donatori, |
| |
mentre nel lato sinistro con questo modello a effetti fissi, otteniamo un modello condizionale, che condiziona ciascuno di questi |
| |
donatori. Quindi possiamo effettivamente vedere che, qui nel profiler delle previsioni per il modello misto, se selezioniamo le previsioni condizionali, |
| |
ora possiamo vedere che abbiamo... |
| |
questi sono relativamente simili ora a ciò che vediamo sul lato sinistro, e anche ciò che ci aiuta è che possiamo vedere la dipendenza |
| |
sul donatore adesso. Quindi questa è... questa è la superficie di risposta all'interno di ciascun donatore. |
| |
Questo è nascosto, forse in modo un po' confuso, qui nel profiler di previsione per il modello a effetti fissi. |
| |
E il motivo per cui è nascosto è perché quello era un fattore di blocco e questi non vengono visualizzati automaticamente nel profiler di previsione, ma possiamo attivarlo con la griglia dei fattori di ripristino. |
| |
Possiamo mostrarlo ai donatori e ora vediamo come questa risposta dipenda da questi donatori. Quindi ora, se vogliamo che la nostra deduzione si generalizzi appena oltre questi donatori, |
| |
è qui che entra in gioco il vantaggio del modello misto, perché ora stiamo facendo una media sui donatori, invece di avere questa dipendenza dai singoli donatori. E l'ultima cosa che voglio mostrarti prima di me |
| |
restituiscilo a te, Brady, è inspiegabile il motivo per cui sembra molto peggio per il |
| |
effettivo avevo previsto per il modello a effetti fissi? E questo perché questo ha il vantaggio di controllare quei donatori |
| |
utilizzando queste espressioni di previsione qui. Quindi è stato eliminato quel rumore, mentre questo ci dà l'effettivo che avevo previsto senza controllare i donatori. Se ti capita di avere JMP Pro, puoi dare un'occhiata a |
| |
lo stesso modello. |
| |
Invece dei minimi quadrati standard, se passi al modello misto, ti darà entrambi questi grafici |
| |
i minimi quadrati standard. Ma dietro le quinte, se controlli quelle |
| |
effetti casuali... previsioni di effetti casuali, otteniamo sostanzialmente la stessa cosa dell'adattamento... del modello a effetti fissi. Quindi non è che il modello a effetti fissi sia migliore, è solo che ciò che mostra è il modello condizionale rispetto al modello marginale tra questi due. |
| Heath Rushing |
Va bene. |
| |
Allora vediamo due cose. Numero uno, grazie per avermi mostrato la griglia del fattore di ripristino sul blocco fisso. Non giudicare o altro, ma sono solo... sono solo |
| |
semplicemente uno scienziato. Non sono un esperto di JMP...JMP quindi non sapevo nemmeno che fosse lì, quindi è fantastico. |
| |
La seconda cosa è che mi piace davvero questo approccio. Mi piace davvero usarlo come casuale ??? effetto e penso che abbia senso, soprattutto perché quello che devo veramente fare dopo... è davvero quello che devo fare dopo, devo valutare la capacità del processo. |
| |
E, davvero, quello che voglio sapere è... |
| |
Questo è con entrambi questi due, giusto, abbiamo delle specifiche intorno a loro. |
| |
È che, mentre vado avanti, devo fornire, sai, i miei impianti di produzione e le mie strutture è ciò che ci aspetteremmo in termini di capacità di processo. Quale percentuale fuori specifica, CPK, cose del genere. Puoi aiutarmi? |
| Andrea Carlo |
Sì, ed è bello che tu abbia inserito le specifiche per i limiti delle specifiche come proprietà della colonna qui dove le abbiamo già caricate. Quindi ora abbiamo quello... |
| |
quelle informazioni, quindi ora andando avanti, vedremo mentre... mentre ripeti questo processo, hai più donatori e, come eri con impostazioni fattoriali diverse, quale percentuale di quelle nuove osservazioni verrà essere al di fuori di questi limiti specifici? |
| |
Quindi andremo al profiler delle previsioni e utilizzeremo il simulatore qui per aiutarci. E |
| |
qualcosa che volevo menzionare... avrei dovuto dirtelo prima, quindi questi questi extra... l'ampiezza extra in questi intervalli di confidenza, ancora una volta, deriva dal fatto che qui è più piccolo perché controlla per il donatore. |
| |
Ma da dove viene questa ulteriore variabilità? |
| |
E viene da quassù in questa tabella REML, quindi ora otteniamo due componenti di varianza, l'ho menzionato prima, quindi questo... otteniamo la varianza dell'errore, che qui è chiamata varianza residua. |
| |
E otteniamo anche la varianza, la variabilità da donatore a donatore. E in questo caso per i prodotti, il 93% della variabilità è da donatore a donatore. Ti sembra? |
| Heath Rushing |
Yeah Yeah. E davvero, sai, come stavo dicendo prima... prima di ciò, sai, ho avuto questa conversazione, |
| |
quello che ho appena detto, ogni volta che mi chiedevi, sai, utilizzerai qualcosa di diverso che dobbiamo bloccare e ho detto, penso che... vedrai molti donatori-- variabilità dei donatori, quindi questo non mi sorprende affatto. |
| Andrea Carlo |
Ok, quindi una cosa che sottolineerò qui è che è un po' nascosto nel modello a effetti fissi, ma se vuoi vedere qui la variabilità dell'errore, puoi guardare la tabella ANOVA. |
| |
E se guardi l'errore quadratico medio, questa è la variabilità dell'errore, la variabilità residua, quindi 0,8477 per il sottoprodotto. |
| |
E se guardiamo qui per prodotti nel modello misto, vediamo questo .847, ok. E non sono così... quindi il motivo per cui sono vicini è che questa è la variabilità residua in entrambi i modelli |
| |
e stimando sostanzialmente la stessa quantità in entrambi i modelli. Ma...questo modello, il modello misto, ci fornisce la componente di varianza extra qui per il donatore e questo ci aiuterà per questo carattere del processo...per questo |
| |
l'analisi delle capacità di cui stai chiedendo. Quindi scendiamo e diamo un'occhiata a quello. Quindi, come potremmo... cosa dovremmo fare nel |
| |
modello a effetti fissi? |
| |
Bene, ancora una volta, sappiamo che... riceverai donatori diversi, quindi i tuoi valori potrebbero cambiare. Quindi se accendiamo il simulatore, davvero, la tua unica opzione qui |
| |
e non è un'approssimazione terribile se hai più di uno... più di qualche donatore, ma diamo un'occhiata a questo. Quindi attiveremo l'aggiunta di rumore casuale e qui lo vedremo |
| |
Questi valori provengono dalla radice quadrata del tuo MSE, quindi questa è la tua varianza, e quindi la radice quadrata di questo .8477 sarà la tua deviazione standard per la variabilità dell'errore. |
| |
E quindi possiamo anche vederlo nella tabella REML, non è attivo per impostazione predefinita, ma se fai clic con il pulsante destro del mouse e attivi il componente varianza radice quadrata della colonna, ora possiamo vederlo qui. |
| Heath Rushing |
Un altro trucco. Grazie. |
| Andrea Carlo |
Sì. |
| |
Quindi .92, e quindi è lo stesso... ecco da cosa proviene questo .92, quindi inclusa la variabilità dell'errore che ha già rilevato nel tuo modello. |
| |
E se adesso facciamo solo una simulazione, |
| |
ora otteniamo questo intervallo ristretto, ma questa è una simulazione per Donatore 1, Donatore 2, e puoi vedere come le medie si sono spostate verso l'alto, quindi la media si sposta verso l'alto |
| |
per il donatore 4. Se mi sposto al Donor 3, che è più piccolo che qui, mi sposterò verso il basso. |
| |
Quindi una cosa che puoi fare per approssimarti a questo punto è che puoi impostare il donatore su casuale e questo è una specie di bootstrap sui donatori disponibili che hai. E puoi vedere ora che la nostra deviazione standard sta arrivando a questo 2 a 3, |
| |
che guardando qui al modello misto, dove abbiamo effetti casuali dei donatori, quindi abbiamo una variabilità totale che non è solo la variabilità residua, ma il |
| |
variabilità, compresi i donatori. Sono circa 3,5. Quindi, se lo fai, ottieni questa distribuzione della simulazione artificialmente irregolare, e questo è un artefatto del fatto di avere solo quattro donatori qui. COSÌ |
| |
non è il migliore degli approcci, ma è... il meglio che puoi fare con il modello a effetti fissi. |
| |
Inoltre, un'altra cosa che sottolineerò senza entrare troppo nei dettagli, sono le stime dei donatori qui |
| |
nel modello a effetti fissi sono abbastanza simili a queste previsioni degli effetti casuali nel modello misto. La differenza è che questi valori nel modello misto verranno ridotti in modo appropriato, in base a questo rapporto di varianza. Si chiama a |
| |
riducendo la proprietà di queste stime e ciò fornisce previsioni un po' migliori, stime un po' migliori della variabilità dei donatori... |
| |
dei tuoi effetti donatori. Quindi, non approfondirò l'argomento, ma voglio solo sottolineare che sono abbastanza simili, ma c'è una piccola differenza, nel caso in cui dovessi guardarlo tu stesso. |
| |
Ma andando qui ora, come possiamo farlo nel modello con gli effetti dei donatori casuali, è che posso accendere il simulatore. |
| Heath Rushing |
Va bene. |
| Andrea Carlo |
E un avvertimento prima di mostrarti il modo giusto per farlo, è che ho notato che, se attivi le previsioni condizionali qui, e provi ad aggiungere rumore, |
| |
E il rumore ora è impostato su quelli... è abbastanza simile a quello che abbiamo visto qui nel modello fisso, ma è solo adesso, inclusa la variabilità residua in questo momento. |
| |
Ma se provo a farlo con questo profiler condizionale.... |
| |
Quindi trovo che...passa al Donatore 3, nota che se ho cambiato i donatori, questo non si sposta su e giù quindi non...non provare lo stesso effetto lì. Sta succedendo qualcosa qui con le previsioni condizionali e il simulatore qui. COSÌ |
| |
non simulare per previsioni condizionali. Vogliamo simulare da... |
| |
con quell'opzione disattivata, come è per impostazione predefinita. |
| |
Ma ora potete vedere che qui c'è questo tipo di distribuzione ristretta, rispetto a questo intervallo di confidenza più ampio. |
| |
E il motivo è che questa deviazione standard predefinita non è quella corretta che vogliamo utilizzare. Vogliamo usare...andiamo qui alla tabella REML...e non vogliamo solo la variabilità all'interno dei donatori, vogliamo la variabilità totale. |
| |
E quindi la deviazione standard della variabilità totale qui è 3,53. |
| Heath Rushing |
Va bene. |
| Andrea Carlo |
Per prodotto, quindi vogliamo modificarlo utilizzando la tabella REML. |
| |
E non avevo il controllo e la trasmissione in precedenza, quindi aggiungerò questo |
| |
nuovamente la componente di varianza della radice quadrata; è quassù, 3.16. |
| |
E ora, quando lo faccio e simulo, potete vedere |
| |
Ottengo questa distribuzione più ampia, |
| |
sì, cosa che accadrà |
| |
riflettere meglio ciò che vedrai andando avanti con ulteriori donatori della stessa popolazione e darti una stima migliore del tuo... del tuo tasso di difetti. |
| |
E ora potete paragonare questo a quello che vedete qui, questa distribuzione irregolare, questa distribuzione artificialmente irregolare |
| |
nel modello fisso. Ora, se hai 1.000 donatori, per i quali ovviamente non avrai il budget, ma se lo avessi, queste distribuzioni si avvicinerebbero a vicenda e puoi vedere che le deviazioni standard non sono troppo distanti. Entrambi si stanno avvicinando a quel 3.1 e 3.5. |
| Heath Rushing |
Sì, penso... penso che il modello degli effetti casuali sia ciò che effettivamente ci aspetteremmo. |
| |
Sì, è più o meno quello che ci aspettiamo, soprattutto se avessimo un gran numero di donatori. Buono ok. |
| Andrea Carlo |
E ho notato che ora hai questi... sono tutti risolti. È così che vorresti farlo per la tua analisi delle capacità, perché tu |
| |
vedi, hai solo la variabilità dei donatori e poi la variabilità degli errori, e poi li hai corretti? |
| Heath Rushing |
Sapete, questo è tradizionalmente il modo in cui lo facciamo... che lo abbiamo fatto, tuttavia, ci sono davvero due cose che voglio affrontare. |
| |
Uno è chiamato intervallo operativo normale e vediamo se hai un esempio per questo. Ma in realtà l'intervallo operativo normale è questo... |
| |
è così se guardi qualcosa come il tempo, ok? Il tempo è qualcosa che potremmo aggiustare. Supponiamo che volessimo risolverlo a 5.5. Se inseriamo un 5,5 e quando parte, passa da 5,5 ore e poi si ferma. |
| |
Ma, tuttavia, la temperatura e il pH non sono così, come se impostassimo la temperatura a, sai, |
| |
circa 27.45 o ad un certo punto prestabilito, ma quello che farà sarà, sai, una certa variabilità naturale attorno a questo da come un ??? capacità, |
| |
o semplicemente, sai, è semplicemente biofarmaceutico. Quindi, sai, la temperatura non sarà fissata a questo livello, quindi possiamo tenerne conto in termini di capacità del nostro processo? |
| |
Intervalli operativi normali |
| |
??? |
| Andrea Carlo |
Ok, hai un'idea di quanto variano storicamente? Quale potrebbe essere uno standard? Perché quello che possiamo fare in JMP è posizionarlo in modo casuale fisso. |
| |
E possiamo dire okay, ha una media |
| |
27.45. |
| |
E se avete qualche idea, e potremmo farlo anche per il pH, e se sapete cosa sono quelle... quali sono le deviazioni standard ragionevoli, e quanto variano. |
| Heath Rushing |
Sì, sì, lo so, lo sai. Ho fatto alcune analisi dei dati su alcune cose che abbiamo fatto in passato, e, sai, direi, come se guardassi qualcosa del genere, sembra una distribuzione, direi, 95 % del tempo. |
| |
Vediamo, dovrebbe, cavolo, essere nel mezzo, sai, più o meno uno, quindi direi che forse la deviazione standard sarebbe 0,5. |
| |
per la temp. Ok, e per il pH... per il pH, sarebbe tra se impostassi quel 6,54, se invio un 6,5 forse sarebbe simile, non so come dire... |
| |
Sai, |
| |
la deviazione standard sarebbe 0,1, ok. |
| |
E penso che i nostri punti fissi... |
| |
Penso che i nostri punti di riferimento, vediamo, qual era la temperatura? Era quello per la temperatura 27,45 e 6,54? |
| |
6.5, penso che sia 6.5. |
| Heath Rusing |
Vediamo... |
| Heath Rushing |
20...sì 6.5. Sarebbe 6,5 e per la temperatura sarebbe 27,5. Ecco cosa sarebbe. Eccoci qua. Sì, sì, ok, sì. È proprio di questo che sto parlando, Andrew. Si chiamano intervalli operativi normali e voglio tenerne conto in termini di stima della capacità del processo. |
| Andrea Carlo |
OK, quindi ora, ora che abbiamo abilitato queste impostazioni, e abbiamo questa variabilità totale per il donatore, più la variabilità dell'errore, |
| |
ora, quando... quando simuliamo, otteniamo la variabilità extra ora |
| |
questo è introdotto dalla variabilità dei suoi fattori e puoi vederlo riflesso nel tasso di difetti. |
| |
E anche, |
| Heath Rushing |
Voglio solo sottolineare anche qui, |
| Andrea Carlo |
puoi anche, poiché l'esecuzione non richiede molto tempo, aumentare il numero di esecuzioni |
| |
per avere un preventivo migliore Puoi anche vedere come ottenere una distribuzione più fluida dalla simulazione qui. |
| |
E poi puoi anche simulare questi valori in una tabella, dove ora ottieni, per ogni simulazione, ottieni una riga diversa, e puoi vedere la vitalità cellulare prevista e i prodotti in quell'impostazione del simulatore, e puoi fare ulteriori analisi con Questo, |
| Heath Rushing |
Sì, in quel caso otterresti qualcosa come a |
| |
CPK, giusto? Voglio dire, se lo facessi in questo modo, otterresti una sorta di CPK stimato in questo modo? |
| Andrea Carlo |
Sì, sì, puoi metterlo insieme. |
| Heath Rushing |
Ok, fantastico. Ok, la prima cosa da fare è come tenere conto dei normali intervalli operativi, ma c'è un'altra cosa ??? capacità di processo che voglio affrontare. Sai, non è necessario |
| |
tuttavia, ci piace considerare quello che viene chiamato intervallo accettabile comprovato. E questo è ciò che è l'intervallo accettabile comprovato. |
| |
Dice che se indicassi la temperatura e il pH ai nostri punti impostati e non permettessi loro di variare, |
| |
ma permetto che il tempo vari tra le impostazioni basse e alte, e sarebbe altrettanto possibile che fosse così basso rispetto a questo |
| |
impostazione elevata, cosa mi aspetterei, quale sarebbe la mia capacità di processo? E in realtà quello che stiamo facendo è provare a dimostrare che se due di questi sono setpoint e uno di essi varia, allora è all'interno della capacità di processo accettabile. Allora come potremmo affrontarlo? |
| Andrea Carlo |
Ok, così hai detto, il tempo, la temperatura e il pH sono al loro punto impostato. |
| Heath Rushing |
È corretto. |
| Andrea Carlo |
E poi il tempo, però, quindi può variare nel corso di esso. |
| |
Quindi quello che faremo, invece di dire normale, quello che faremo qui sarà impostarlo su uniforme. |
| |
E queste sono le impostazioni alta e bassa dell'esperimento attuale, da 1,9 a 9,1. |
| |
E puoi cambiarlo secondo necessità, ma è così... |
| |
Ho sentito bene? È quello che... |
| Heath Rushing |
Era quello... è esattamente quello che... |
| |
è proprio quello che è. Quindi se io... se facessi qualcosa del genere è... e davvero, davvero... |
| |
in questo caso, possiamo anche cambiarli? Possiamo anche dire che è quello che abbiamo detto nell'esperimento, ma voglio vedere se i nostri intervalli accettabili comprovati, cioè tra due e nove, voglio dire, potrei... potrei cambiarlo in qualche modo? |
| |
Sì, puoi. Ok, non lo so nemmeno. |
| |
Sì, quindi puoi cambiarli e persino simulare quello che sarebbe e si chiamano intervalli accettabili comprovati, ok, |
| |
dove stiamo sistemando quei due. Quindi quello che faremmo, apprezzo che tu me lo mostri, ma, ragazzo, e ho intenzione di provarlo da solo, quello che farei è farlo per ognuno di questi, giusto, lo farei per il tempo e lo farei per la temperatura e lo farei |
| |
quello per il pH. E solo per garantire di avere una capacità di processo accettabile. |
| Andrea Carlo |
Ok, la cosa bella è che è davvero facile da fare qui, quindi. |
| Heath Rushing |
Puoi mostrarmi solo un'altra cosa, ok? Solo, sì, vai avanti e fallo proprio lì, proprio tra 25 e 30, l'uniforme tra 25 e 30. 25 e 30. Ok, puoi simularlo su un tavolo? |
| |
Crea una tabella e guarda... io non... guardo solo la distribuzione della vitalità cellulare e il prodotto. |
| |
Oh questo è vero. Ti dà quella capacità di processo. Lo amo. |
| Andrea Carlo |
Perché ti impegni nel lavoro che risparmi |
| |
che come proprietà di colonna per tali limiti di specifica. |
| Heath Rushing |
È... è così facile. Ok, ok, lo apprezzo. Penso che l'unica cosa che volevo chiederti è che ti ho inviato anche un altro set di dati |
| |
dove stiamo guardando, |
| |
sai, facendo un confronto su piccola e grande scala in termini di comparabilità, giusto. E poi davvero cosa stiamo cercando di fare con la comparabilità |
| |
è, ho alcune prove su piccola scala, ne ho alcune, sai, alcune prove su larga scala, e per i miei CQA (?), voglio dimostrare che non sono esattamente la stessa cosa, ma sono all'interno, sai, una specie di... |
| |
una sorta di limite, va bene, una sorta di significato pratico, e si chiama equivalente alla comparabilità. So che sai di cosa si tratta, ma come potrei, sai, come posso spiegare, sai, la variabilità da donatore a donatore lì? |
| Andrea Carlo |
Ok sì, l'ho visto. E l'ho visto anche così... |
| |
Prima di tutto, proprio come abbiamo esaminato il set di dati precedente, vediamo cosa succede se non includi le informazioni sul donatore. |
| |
Ok, quindi hai detto che per la vitalità cellulare stai utilizzando un equivalente EAC, un criterio di 2. |
| |
E quello che vediamo qui |
| |
è che il valore P massimo è...non rifiutiamo l'ipotesi nulla, il che, in questo caso, significa che non rileviamo l'equivalenza, il che |
| |
non corrisponde alla nostra aspettativa che tu pensi che questi siano effettivamente processi equivalenti. |
| |
Quindi quello che sta succedendo è questo... che le informazioni si perdono nel rumore dei donatori. |
| |
E come.... |
| Heath Rushing |
Ogni volta che lo vedo... basta scorrere verso l'alto solo a |
| |
secondo, solo un secondo... lo vedo. Capisco. Vedo quel punto che mi indica sul grafico che mi mostra la differenza di |
| |
negativo .49 |
| |
sul grafico e dico, beh, non è troppo grande, ma sembra davvero molto ampio. |
| |
Va bene. |
| Andrea Carlo |
Questo perché la variabilità aggiuntiva entra in quella stima per l'ampiezza degli intervalli di confidenza. |
| |
perché ricorda che il blocco elimina... toglie la variabilità alla tua stima. |
| |
account... |
| Heath Rushing |
Va bene. |
| Andrea Carlo |
Questo è esattamente quello che sta succedendo qui, quindi in entrambi i casi non stai rilevando l'equivalenza tra la scala grande e quella piccola, |
| |
tra i tuoi...per la vitalità cellulare o il sottoprodotto. E puoi vedere che c'è molto in questo rapporto qui. È un sacco di lavoro configurarlo e te lo mostrerò dopo averti mostrato un'altra cosa qui. Tutto quello che voglio mostrare ora è che ora ho incluso gli effetti dei donatori come effetti casuali, |
| |
e ora puoi vedere |
| |
con un valore P piccolo lo rifiutiamo, il che significa che in realtà ora stiamo concludendo che... equivalenza conclusiva, dato l'EAC di 2 per la vitalità cellulare e anche per ora per i valori P massimi, vedremo dove |
| Heath Rushing |
I tre. |
| Andrea Carlo |
Per l'EAC di tre per |
| |
per prodotto. E il modo in cui lo configuriamo è, lascia che te lo mostri perché so che devi andare, devi saltare a un'altra riunione un altro minuto circa. |
| |
Abbiamo le dimensioni e quindi per ora mi occuperò solo della vitalità cellulare. Ecco come imposteremo il test senza l'effetto donatore, ma se aggiungiamo donatori, ora possiamo salvarli come effetto casuale. |
| |
Esegui il modello. |
| |
E andiamo alle stime, ai confronti multipli. |
| |
Tutto a coppie. Studenti T. OK, e poi da qui, |
| |
prova di equivalenza. |
| |
Sì, usa il nostro EAC di 2. |
| Heath Rushing |
Sì. |
| |
E poi mostra anche da quegli intervalli di confidenza a quei due valori P. |
| |
viene mostrato anche dall'intervallo di confidenza. |
| |
Buon amico mio, Chris? nel suo dottorato di ricerca ha studiato gli intervalli, quindi lui e io lo adoriamo davvero... |
| |
intervalli d'amore. Ne parla sempre quando stiamo sciando, ma è quello che dice l'intervallo di confidenza inferiore e superiore del 95%, anche questo lo paragonerebbe a quello. |
| |
Sì, questo è tutto. |
| Andrea Carlo |
Mmmhmm e. |
| |
Ultimo punto per noi, si potrebbe dire, okay, prima abbiamo parlato del vantaggio degli effetti casuali rispetto agli effetti fissi per il donatore nel non... nel |
| |
non test di comparabilità, non di equivalenza, solo test dei parametri. Ho messo insieme un'analisi energetica utilizzando JMP Pro, perché in JMP Pro se crei un modello misto, |
| |
sotto la personalità mista, c'è questa bella funzionalità chiamata salva, salva colonne salva formula di simulazione. Ora questo... |
| |
e se entri qui, diventa molto facile simulare modelli misti. Puoi esaminare e modificare le impostazioni. |
| |
E così l'ho fatto, e quindi ho eseguito un'analisi del potere per vedere quale fosse meglio dopo aver simulato con un modello misto da utilizzare... trattare i donatori come effetti fissi o casuali e, almeno nel caso in cui ho eseguito, ho stava ottenendo una potenza maggiore che puoi vedere nei riquadri qui. Avevo un potere di |
| |
.62 per i miei effetti dei donatori casuali nell'ambito dello stesso test rispetto a .52 per... |
| |
per gli effetti fissi. Ed entrambi stavano mantenendo i tassi di errore nominali per questo, quindi ho iniziato a dare un'occhiata, ma sembra che potrebbe esserci un vantaggio nel trattare anche gli effetti dei donatori come casuali all'interno dei test di equivalenza. |
| Heath Rushing |
Sì, penso, Andrew, penso che tu mi abbia definitivamente convinto che mentre andiamo avanti, |
| |
sai, siamo sempre, essendo che siamo in terapie cellulari, che avremo sempre quell'effetto donatore-donatore, penso. Sicuramente questo mi ha convinto che abbia senso considerarlo come un effetto di blocco casuale. |
| |
Quindi speriamo tutti che vi sia piaciuta l'applicazione di esaminare sia la capacità del processo che la comparabilità, due cose che sono molto importanti |
| |
per i nostri scienziati e ingegneri che operano nel settore farmaceutico e biofarmaceutico. Penso che l'applicazione molto specifica di cui abbiamo parlato sia molto |
| |
modo innovativo con cui stiamo sviluppando terapie ora chiamate terapie geniche e cellulari, e spero che questo accada |
| |
che abbiamo fornito un certo valore mostrandoti, ad esempio, come è possibile gestire sia la capacità del processo di inferenza che la comparabilità. E non vediamo l'ora di vedervi alla conferenza, per presentarlo di nuovo e rispondere a qualsiasi domanda possiate avere. |
| Andrea Carlo |
Grazie, Brady, lo apprezzo. Non ho capito il tuo cognome, Brady. Cos'era quello? |
| |
Brady Brady. |
| |
Brady. |
| Heath Rushing |
Ok, il mio nome è Brady, il mio cognome è Brady, ok, lo è. |
| Andrea Carlo |
Va bene. |
| Heath Rushing |
Fantastico sì sì sì per te sì sì sì. |
| Andrea Carlo |
Grazie, Andrea. Apprezzalo. Sì, grazie a tutti per esservi uniti a noi. |
