398736_ja-JP

liliconcom

バイオ医薬品の新たなフロンティア: JMP における遺伝子/細胞治療のための患者/ドナーの多様性のモデリング (2021-US-30MP-887)

レベル: 中級

 

Andrew Karl 氏、上級経営コンサルタント、Adsurgo, LLC

Heath Rushing、Adsurgo, LLC プリンシパル コンサルタント

 

バイオ医薬品における最も斬新で革新的かつ有望な治療法は、遺伝子治療と細胞治療です。 遺伝子治療は患者の既存の遺伝子を改変するのに対し、細胞治療は疾患を治療するためにヒト細胞を患者に導入します。 これらの細胞は、患者自身または健康な（細胞）ドナーから採取されます。 米国で承認された最初のそのような治療法は、2017年にキムリアでした。 それ以来、数え切れないほどの企業が患者の治療に対するこれらの新しいアプローチを模索してきました。 規制当局の承認に対する主な障壁の 1 つは、患者のニーズ (有効性と安全性の両方において) を一貫して満たすプロセスの開発です。 明らかな課題の 1 つは、変動の大部分を占める可能性がある (そして通常はそうである) 患者間またはドナー間の変動をモデル化することです。

この講演では、重要な研究課題に答えるために、JMP におけるドナー間の変動をモデル化するさまざまな方法に焦点を当てます。重要なプロセスパラメータの決定 (患者/ドナーに依存しない)、証明された許容範囲および正常な動作範囲 (PAR および NOR) の構築、およびプロセスの推定です。能力。 固定ブロック効果としてドナーをモデリングすることの意味を実証した後、著者らは、最初に JMP のモデリングおよびシミュレーション機能を示し、次に JMP Pro の追加機能を提示することによって、ドナーをランダム効果としてモデリングすることの利点を示します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	成績証明書
ヒース・ラッシング	紅海を営む皆さん。
	リボン。
ロビン・ゴドフリー	うん。
	ちょっとこだわりがあるかも知れません。
	こんにちは、調子はどうですか。
ヒース・ラッシング	よかった、これは永遠だから。
ロビン・ゴドフリー	よかったね、ああ。
ヒース・ラッシング	そうそうそう。
ロビン・ゴドフリー	ああ、よかった、ああ。
	ここのチェックリストをチェックして、これが正しく行われているかどうかを確認してください。
	それで録音するよ、それで、正しく録音されることがわかりました。
	私は。
	マイクが少し話しているので、聞こえます。
ヒース・ラッシング	こんにちは、キャスト123です。
ロビン・ゴドフリー	パーセント。
	戻る。
ロビン・ゴドフリー	すべてがあなたの携帯電話とすべてのコンピューターを沈黙させます。
ヒース・ラッシング	そう、アンドリュー アンドリューも参加する予定です。
	それは一つのことなので、それがどのように機能したのかはわかりませんが、確かにそれは私自身で一種のポスターを作成したので、今年、私たちがやることは、彼が行う特定のポイントがあるということです。
	画面を取ってください。
ロビン・ゴドフリー	わかった。
ヒース・ラッシング	それで、私は彼のところに行きますが、私たちは前後に切り替えていません。
	混乱しないように、私が言いたいことはわかっています。
ロビン・ゴドフリー	さて、前回は電源を切るのを忘れて録音を始めたので、きっと彼らも気に入ってくれているでしょう。
ヒース・ラッシング	フロリダ。
	フロリダ フロリダはビーチのすぐそばに住んでいます。
ロビン・ゴドフリー	ナイスナイス。
ヒース・ラッシング	ええ、ええ。
	コロラド州ランタ島にいるので、9月にまたそこに戻って、その土地で遊びに行くつもりです。
ロビン・ゴドフリー	いいね。
	うん。
ヒース・ラッシング	うん。
ロビン・ゴドフリー	私は今ここの涼しい何もないところにいて、湿気と蒸し暑い暑さにうんざりしていました。
ヒース・ラッシング	あなたが住んでいるのはノースカロライナ州の海岸近くですよね、そうです。
ロビン・ゴドフリー	約4マイルほど内陸に鳥が飛んでいます。
	わかった。
ロビン・ゴドフリー	そう、私はケープ・フィアー・リバーのすぐ近くにいます。
	うん。
ロビン・ゴドフリー	川があり、そのすぐ下に『雪空』という映画があります。川から水路までを切り取ったようなものです。
	ええ、今では本当にたくさんの人が近くにいます。
	水ですが、ビーチへのアクセスやそのようなものではありません。
	そうですね、沿岸内の水路は覚えていますが、海はもう少し離れたところにありました。
	でも、今朝はビーチで走ったので、それができるのがここに住んでいて良かったことです。
	朝なら交通量も少なく、雨が降っているのでビーチに行くことができ、美しい日の出を見ることができました。
	だから、網膜に雨が降るのはやめてください。
	それはすばらしい。
ヒース・ラッシング	そう、私にとっては、私が住んでいるビーチの端に住んでいますが、そこは端なので、ちょうど国立海岸の方向まで16マイルあります。
	10マイルなんて何もない。
	それで、そこに、そこに、自転車があります。
	自転車専用車線。
	そうです、約 3 マイルは自転車道で、その後 7 マイルはバーまで続く自転車レーンです。
	ニース。
ロビン・ゴドフリー	ペンシルバニア、それは。
ヒース・ラッシング	はい、ビーチビーチになります。
ロビン・ゴドフリー	私たちはデスティンにいました。
	クリスマスの時期。
	うん。
ロビン・ゴドフリー	そう、その38全体のあのエリアのように。
ヒース・ラッシング	1歳の素敵なエリア。
	そうそう。
ロビン・ゴドフリー	さて、アンドリューを待たなければなりません。
ヒース・ラッシング	大丈夫ですか、ええ、いいえ、いいえ、いいえ、いいえ、私たちは間違いなく彼を待ちます。
ロビン・ゴドフリー	はい、はい。
ヒース・ラッシング	わかりました、させてください。
	メッセージを送ってください。ちょっと待ってください。
	氏
	メッセージを送っていただければ。
	最初の部分では、遺伝子治療について何枚かのスライドを使って紹介します。
	それから私はこう言うよ、科学者やアンドリューと同じように遊ぶつもりだよ今あなたにデータセットを送ったんだけど、助けが必要なの、それから彼と私で話し合って、そして彼がそこからそれを取り上げるよジョン・ソーと一緒に。
	それが良い方法だと思いました。
	そして実際には、その相互作用を次のように理解するだけです。
	月曜日
	ご存知のとおり、私たちはこれを行うつもりだったので、私はこう思いましたが、これを理解しようとしているものと対話する何らかの方法が必要です。
ロビン・ゴドフリー	新聞に載る人として私とロブ、そして私の同僚のテッドが必要です。
	すべてのビデオはかなりコミカルです。
ヒース・ラッシング	私たちは常にそうしようと努めてきました。
	私は熱湯を支持していますが、常にそこに何かを投入するように努めています。
	それは面白いからです。
	特に画面が正しい場合は、1 分間おしゃべりをしてください。
	そうだ、話し合ってもらえませんか。
ロビン・ゴドフリー	のシナリオのように私たちはそれをしました。
	人々は、製造環境のように揺れ動く生産環境を好みます。
	はい、私たちは、コンサルタントを雇ってアプリケーションを作成することに決めたマネージャーのシナリオが気に入りました。
	そしてコンサルタントが去り、シールが適切に製造されていることをあなたに知らせようとしましたが、失敗し、コンサルタントがいなくなり、コードは機能しません。
	つまり、これは、もし彼らが JMP ルートを選択していたら、あなたに何を知らせることができたかのようなものです。先ほど 4 つの R の再現性、堅牢性、迅速性について話しました。
	私たちは 3 つの異なるシナリオを作成することに集中しており、データに対するギャンブルのようなものと呼んでいます。つまり、この全体をギャンブルのテーマのように実行しました。
	でも、歩いて、最後は最高のパートだよ。だってケニー・ロジャースみたいに歌ってるし、このビデオを撮ったアウトテイクもそうだし、それがそれでいいんだ。
	アウトテイクはいつも一番面白い部分で、ロブはケニー・ロジャースと同じように最後にギャンブラーとしてこれらのアウトテイクをすべて作りました、そして彼は本当に面白いクレジットを持っているので、ライブっぽい感じで始まりました。
	でも、本当に楽しかったです。私たちはプロジェクトマネージャーやエンジニアなど、別の役割を演じることになるでしょう。異なるシナリオや私たちのプロダクション、環境、そして彼らがどのようにそれを実行できたのかを扱うのが好きでした。より良い。
	そうだとしたら。
ヒース・ラッシング	ええ、ええ。
ロビン・ゴドフリー	それから、ある種のデモを盗み、プロファイラーを使用するとさまざまなことがわかります、それが私が言えるすべてです。
ヒース・ラッシング	たくさんのスライドを作成するのは好きではありません。
	でも、誰が参加するか見てみましょう。
	時間を見てご参加ください。
	やあ、アンドリュー。
アンドリュー・カール	おい、走れ。
ヒース・ラッシング	早いですね。
アンドリュー・カール	はい、ロープは4分早いです。
	うん。
ロビン・ゴドフリー	つまり、彼はあなたのカメラのようなものです、こんにちは。
ヒース・ラッシング	こんにちは、私の名前です。
ロビン・ゴドフリー	そうだ、もう少し下げて、もっと会ってほしい。
	やってるよ兄弟。
アンドリュー・カール	そんなことは望んでいません。
ヒース・ラッシング	私もそうではありません、私もそうではありません、私の顔が何であるかを意味します。
ロビン・ゴドフリー	あごのすぐ下とか。
ヒース・ラッシング	私はいつも行くと決めていました、昨日もそうだったように、年に一度の皮膚科の予約を見つけて、汚れもよく知っているので、見てもらえるかもしれません。
	赤い斑点がありました、ええ、つまり、それはいつも考えもしなかったようなものです、ねえ、今日は休みです、あなたは知っています、彼らがどのように頻繁にそして実際にしたかを知っています。
	その大きな部分は、プレゼンテーションで何かしなければならない場合に備えてのことでしたので、その後、庭に行くことになります。
ロビン・ゴドフリー	大きなスロットを無料で。
ヒース・ラッシング	はい、かなりかなり。
	ええ、ええ。
	うん。
ロビン・ゴドフリー	さて、カメラをオフにします。
	そして求めなければなりません。
	ここで我を忘れて、さあ行きましょう。
ヒース・ラッシング	ねえ、まあまあ、アンドリューはある時点で、「ねえ、私はこれから科学者を演じるつもりです、スライドの最初の部分で言います」と言いました。
	ねえ、私は科学者を演じるつもりだから、あなたが統計学者のアンドリューを演じるのは知っていますが、私は実際に科学者のデータを演じています。
	それから私はアンドリューと言い、それで私は「わかりました」と言うでしょう、それでは始めましょう、アンドリュー、私はちょうど私の 2 つの応答または誰かの能力と副産物のデータセットをあなたに送りました。
	わかりましたか、そして、そこから進みます。それで、私がそのようなことを言うときはいつでも、先に進んで画面の共有を開始してください、彼らが言っているのが見えます。
アンドリュー・カール	はい、わかりました。
ロビン・ゴドフリー	アンドリューにここに来てほしいですか。
	同時に、彼は自分自身を隠すことができると話しています。
	彼が現れる準備ができるまで。
ヒース・ラッシング	はい、同じ時間に居ても大丈夫です。
ロビン・ゴドフリー	さて、彼は今、片側が廃墟になったデュアルスクリーンのような状態です。
ヒース・ラッシング	はいはい、私は。
	どういう意味ですか、いつでも、私たちが始めたときはいつでも、私はやめます、あなたには私たちの醜いマグカップしか見えないので、画面を共有します、それで私たちは今から3つを共有するような話をしないことに集中するつもりですこのトピックを紹介するために、いくつかのスライドを作成します。
	それから、トピックを紹介するのにそれほど時間はかかりません。その後、私たちがやることは、わかりません、紹介か何かをしますか、それとも自己紹介をしたいですか、その仕事を聞きました。
ロビン・ゴドフリー	君たち。
	私も、あなたが正しい発見者であれば、あなたと同じように、あなたが知っているちょっとした紹介をするのと同じようにそれをするでしょう。
	わかった、彼らはそうしない、彼らは私にそうしてほしくない、彼らは私が両方の小さな大丈夫になることを望んでいない。
	つまり、新しいメールがポップアップするなど、コンピューター上にすべてが隠されています。
ヒース・ラッシング	うん。
	それは間違っています、私はそうではありません。
	と彼らに声をかけた。
ロビン・ゴドフリー	さて、私は自分自身をミュートにしてカメラの電源を切ります。そうしたら、皆さんに任せます。
	始めてください。中断します。最初からやり直す必要がある場合は、そのままにしてください。
ヒース・ラッシング	あなたはただいついつと言うのに慣れているだけだとわかっておいてください、それで私たちは始めます、私は紹介を受けますアンドリュー、あなたは紹介をしています、あなたが終わったらすぐに言います。
	私がやることは、画面の共有を開始することです。それはいいですね。
ロビン・ゴドフリー	いいですね、それで。
	行くように言ったら5秒くらい待ってください。
	うちの犬たちが見守っています。
	みんなが自分をミュートしてから録音を始めるので、今すぐ私のところに行ってもっと悪いことを始めるから、5秒ほど待ってください。
	わかった。
ヒース・ラッシング	わかりました、おはようございます。 そこで今朝、アンドリュー・カールと私は、細胞治療と遺伝子治療を実際に検討しているバイオ医薬品における応用について講演する予定です。 それは治療薬を作るための非常にユニークな方法です。
	私の背景について少しお話します。 私が二言三言言ってから、アンドリューに彼の経歴について二言三言言わせてください。 私は軍隊に所属していましたが、最終的には大学教授となり、応用統計と DOE を教えていました。 それから私はバイオ製薬で働き、小さなバイオテクノロジー企業で働きました。
	Applied Molecular Genetics、略してアムジェンと呼ばれる会社は、製造に従事し、その後研究開発に取り組みました。
	その後、トレーニングマネージャーとして何年も働き、その後SASのコンサルタントになりました。
	そして、私たちが実際に行っていることは、医療機器における製薬、バイオ医薬品に重点を置き、多くの教育とコンサルティングを行って、多くのユニークな問題を解決し、価値を生み出すことです。企業。 アンドリュー、一言言ってもいいですか？
アンドリュー・カール	そう、私の名前はアンドリュー・カールです。統計学の博士号を取得してアリゾナ州を出た直後の 2012 年にヒースで働き始めました。
	そこで私はヒースとジム・ウィスノースキーと一緒にあらゆる種類の興味深いことを行っており、最近では多くの医薬品応用を行っています。
	配合開発からプロセスの特性評価、そしてその間のあらゆることまで、今日ここにヒースと一緒に来て、私たちのアプリケーションについて話せることを楽しみにしています。
ヒース・ラッシング	さて、始めましょう。すぐに画面を共有します。
	そして
	スライドがいくつかありますが、やりたくない...やりたくない
	JMP プレゼンテーションのスライドに焦点を当てますが、私がやろうとしているのは、この主題を紹介するようなものです。凝縮された非常にユニークなアプリケーションと、実際には、さらに重要なことだと思うのですが、非常にユニークな課題です。今日のことを話します。
	面白いですね、私たちはこれを行いました、おそらくこの要約を返信したでしょう
	4月の初めに、イノベイトで記事が書かれているのを見ました。とてもこれに似ているので、
	私たちが記事をコピーしたとは誰も思わないようにしたいのです。 しかし、実際に私たちがやっているのは、モデル化の方法を知っているということです。
	患者/ドナーのばらつきとは何かというと、バイオ医薬品における非常にユニークな用途においてドナー/ドナーのばらつきをどのように考慮するかということです。
	そして、遺伝子治療と細胞治療について話します。 そこで最初にやることは、なぜこれが新たなフロンティアなのかについてお話します。
	そうですね、遺伝子治療と細胞治療が何であるかについて少しだけ話してから、実際にこれら 2 つの違いについて説明します。
	そして、この問題の焦点は、ドナー間の変動をどのようにモデル化するかということですよね? 固定効果、ランダム効果として扱うのでしょうか？
	そして、私たちが興味を持ちそうな非常に特殊なアプリケーションとは何でしょうか? まず、これが新しいフロンティアであると私が言ったときは常に、それは非常に革新的で、非常に有望です。 現在は 10 未満です
	遺伝子治療や細胞治療といった種類の治療法が市販されています。 ただし、現在パイプラインにあるものは 1,000 個以上あります。
	そして、これからわかることは、これらの遺伝子治療と細胞治療には、いくつかの非常にユニークな課題があるということです、わかりました、これは非常に革新的な治療方法です
	病気、特に希少疾患には、非常にユニークな課題がいくつかあります。 もちろん、1 つは、どのようにして機能するか、有効性を確認するかということです。 そして、それが安全であることをどうやって確認するのでしょうか?
	わかりました、もう 1 つは、実際に私たちが対処しようとしているものです。つまり、ドナー間の変動にどのように対処するのでしょうか?
	私が言いたいのは患者間の変動ですが、私たちはドナー間の変動に焦点を当てたいのです。
	それでは、遺伝子治療と細胞治療について話しましょう。 では、遺伝子治療とは何ですか? 良い、
	ご存知の方も多いと思いますが、癌などの多くの病気は、欠陥のある遺伝子を持って生まれてくるか、ある種の遺伝子が時間の経過とともに変異するかのどちらかによって実際に生まれます。
	これは、これらを治療するための非常にユニークな方法であり、その 1 つは遺伝子治療です。遺伝子治療で何を行うか知っていますか? さて、遺伝子を 1 つ置き換えると言います
	別の健康な遺伝子と結合しますが、それが実際のところ、私たちは実際にある種の遺伝物質を移植しているのか、あるいは追加しているのかもしれません...追加、変更、あるいは実際に遺伝子をオフにしているのかもしれません。 これは 2 つの方法で行うことができるため、次のような患者には適しています。
	ある病気を患っている人。 私たちにできることの 1 つは、注入 (デリバリという用語を使用します) できることです。
	それらの健康な遺伝子、それで、その遺伝物質が...その健康な遺伝物質が患者に注入されます。
	私たちができるもう一つのことは、ある種の血液または骨髄を採取することです。
	患者から受け取った場合、私たちはその遺伝物質を挿入して患者に戻すことができます。それは in vivo または in vitro で行うことができます。 今、私たちがそう言うときはいつでも...
	ある種の健康な遺伝子を患者または骨髄に注入する場合、何らかの伝達方法が必要です。 さて、それを車両と呼ぶことにします。
	私たちはよくこう言います、「これはその遺伝物質を患者に届ける手段です。これからはそれを
	ベクトル、わかりました。 私たちはそれをベクトルと呼びますが、それが実際には...非常にユニークなテクノロジーを備えています。 多くの場合、ベクターはウイルスです。
	ウイルスはその遺伝物質を細胞にうまく挿入することができます。 では、ユニークな課題とは何でしょうか? そうですね、一つは、それはうまくいくかどうかということです。 2 つ目は、安全ですよね?
	まさに...私たちがよく「10億ドルの問題」と呼んでいるのは、この遺伝物質を体内に注入した場合です。
	患者に訴えたら、彼らはそれを拒否するでしょうか？ 彼らはそれを拒否するつもりですか、それとも体は何かが起こっていると考えますか
	そして、実際にこれらの細胞を殺し始めます。 もう 1 つの非常にユニークな課題は、各患者が別々のロットであることです。
	右。つまり、製造、開発、物流について考えてください。 遺伝子治療は細胞治療とどう違うのでしょうか? それで
	重複する部分がたくさんありますが、細胞治療の観点から言えば、あなたが行っていることは細胞を挿入しているということです、わかりました、必ずしも遺伝物質である必要はありません。 現在、これらの細胞は遺伝子を改変している可能性があります
	材料ではありますが、実際の細胞を採取して、これらの病気を治療するために患者に挿入しているのです。 したがって、現時点では、これらの細胞は患者自身から採取されたものである可能性があります。
	そう、あるいは彼らにできることは、ドナーから得ることができるということです、わかりました。 骨髄移植がそのようなことを行うとき、それは健康なドナーから何かを取り出して移植することだと考えてください。
	患者の中に、そうです。 さて、これらはすべて in vitro で行われることを理解してください。 実際にこれらの健康な細胞を患者に注射しているのですね。
	そして、それをするたびに、あなたは何をしようとしていますか？ 失われたセルを置き換えたり、実際に置き換えたりしようとしているのですね。
	病気の人たち、大丈夫。 つまり、前に話したのと同じ独特の課題をあなたも知っているということです。
	もう 1 つは、これらの両方に対するもう 1 つの障壁は、それが非常に小規模な製造であり、大規模に行うことができないということです。
	さて、少し後になりますが、課題の 1 つは、これを大規模にどのように行うかということです。 どうして私たちは...
	これは研究室だけでなく、より大規模に実行できるということです。
	そうですね、先ほども言いましたが、これに対する実際の障壁の 1 つは有効性と安全性です。 それが主要な課題の 1 つです。
	もう 1 つの大きな課題は、これは、別の患者または別のドナーに対して行う必要があることです。 どうやって会計するの？
	ドナー間のばらつきについてはどうなのでしょうか？ そして、私はちょうど1時間ほど前に授業中に、誰かが話していて、まったく同じことを言っていました。
	細胞治療におけるドナー間のばらつきを考慮する必要があり、それが私たちのプロセスで見られるばらつきの大部分を占めています。
	右。そして、それについて考えてみましょう。 そうですね、それをどのように説明しますか?
	非常に多くの場合、あなたはこう言うでしょう、「ねえ、ヒース、私はプロセス特性評価の研究をしているのですが、おそらくこれを 1 人のドナーに対して行う必要があるでしょう、そうですよね。」 それなら実現可能かもしれない……。
	どのように...それは実現可能かもしれませんが、商業的な製造プロセスを進めるときは常に、どのように説明するかは少し後でわかります。
	ドナーごとにばらつきを持たせて、異なるドナーに対してプロセスをより堅牢にしようとするつもりですか?
	したがって、ほとんどの場合、私たちはこれをやりたくありません。 ほとんどの場合、それは実現不可能であり、たとえ実現可能だとしてもやりたくありません。
	そこで私たちがやろうとしているのは、複数のドナーを獲得することです。 それで今...大きな問題は...今日私たちが答えようとしているのは...それは、ドナー間の変動を説明できるさまざまな方法は何なのかということです?
	そして、実験計画法を知っている人ならすぐに思い浮かぶのは、「先に進んでブロックしてみよう」ということでしょう。
	そして次の疑問は、固定ブロックにするべきなのか、それともランダム ブロックにするべきなのか、ということです。
	そして、それらの影響は何ですか？ それでは、科学者がこれを使用する必要があるさまざまなアプリケーションについて話しましょう。 そして、私たちがやろうとしているのは、
	私は遊ぶつもりです...科学者を演じるつもりです、そうです。 アンドリューは科学者を助ける統計学者を演じることになっています。 だから彼はアンドリューという名前で行くつもりで、私は科学者を演じるつもりです
	それは助けが必要です、わかりました。 だから私はブレイディという名前で行きます、OK。 そして、ご存知の通り、助けを必要としている科学者のブレイディはどうするでしょうか...
	助けが必要ですか？ そうですね、1 つは推論とプロセスの特性評価の研究で、ブレイディはプロセス能力を推定する必要もあります。 さて、これは非常に重要です。
	プロセスの検証や商業生産に入る前に、プロセスがどの程度の能力を備えているかを理解する必要があります。 そこで、伝統的な方法について説明します。
	通常の動作範囲と呼ばれるものを紹介します。実際に行っていることは、以下を考慮することです。
	常に設定値に達するとは限らず、設定値の周囲で変化する可能性があるということです。 また、何かをして見せます...
	プロセスを評価したり、証明された許容範囲と呼ばれるプロセス能力を評価したりする別の方法を示します。 すべてが設定値に達したらどうなるか、という質問をした場合です。
	しかし、1 つの変数は変化することが許可されていますよね? あなたの工程能力はどの程度になるでしょうか? 最後に、大きな課題の 1 つが大規模製造であることについてお話しました。 小規模製造業と大規模製造業を比較するにはどうすればよいでしょうか? それで
	アンドリュー、前にも言ったように、私は助けを必要とする科学者ブレイディを演じるつもりです。 そして、私があなたにしてもらいたいのは、あなたの電子メールを開いて、私があなたに送ったデータセットを確認することです。
	それから、私が...あなたに送ったそのデータセットについて話してもいいですか、アンドリュー？ そうだ、そうだ、そうだ、まさにその通りだ。 それでアンドリュー、これが私がやったことです。 私のプロセスは...
	最適な設計とプロセスの特性評価を行い、時間、温度、pH を変更しました。 そして細胞の生存率を測定したのですが、
	副産物。 アンドリュー、これはあなたが私に教えてくれたことなので、JMP データ テーブルの列プロパティですでにこれを行っていることがわかります。
	しかし、細胞の生存率を見ると、それに関連する仕様があります。 そして、仕様は...ほら...70から90の間です、わかりました。 今
	アンドリュー、私たちは通常、細胞生存率を最大化したいと考えますが、私たちは両面的なプロセス能力を実行することについて人々に示したいのです、わかりました、だから私は細胞生存率がこれを両面的に行うと言いました、わかりました、それで聴衆の誰かが言うかもしれません、
	細胞の生存率を最大化したいと思いませんか? 私たちがここでやりたいのは、両面性のあるものを見せることです。
	わかりました、そして、... はい、それでは... ??? もあります。これは製品ごとに 35 未満に抑えたいものです。 今は製品別に置いていますが、考えてみましょう
	遺伝子および細胞治療の世界では、これはエンドキシンのようなものである可能性があります。 私たちは、エンドトキシンのパーセント、あるいはある種のエンドトキシンを確実に最小限に抑えたいと考えています。 はい、その通りです、それは...そこにあるデータセットです、アンドリュー、わかりました。
アンドリュー・カール	ありがとう、ブレイディ。 ここのモデル スクリプトで最初のパスを送信したこともわかりました。
	私はそれを見ていて、あなたは...自分で設計したものを構築し、これら 3 つの要素に関する RSM の研究を実行しました。 時間、温度、pH が決まります。
	ここで気づいたのは、実際にはノイズがたくさんあるということです。 これらの要因とあなたの反応との間にはあまり関連性が見当たりません。 そして実際に、
	分散分析テーブル、
	何もないことがわかります...ここには信号があまりないので、あまり予測できるものはなく、重要でない効果を除外して逆方向選択でモデルを縮小しようとしても、
	ただ何も見えていないだけです。 それで、私が聞きたかったのは、いつこれを実行したのか、これら 3 つの要因に加えて他に何か変化があったのかどうかということです...
ヒース・ラッシング	いいえ、いいえ、いいえ、私はすべてをコントロールしました
	私のプロセス。 今、私があなたに言いたいのは、それは...
	異なるドナーでこれを実行する必要があったので、それはできませんでした...24 の実験すべてを 1 つのドナーで実行することはできません。実際に私がしなければならなかったのは、異なるドナーで実行する必要がありました。 異なるドナーで実行した場合、それは実際に問題になるでしょうか?
アンドリュー・カール	今はわかります。 これは非表示の列なので、非表示にしましょう。
ヒース・ラッシング	ええ、私がしたのは…本当に私がしたこと、アンドリュー、そのドナーは私たちの目的のためにそれを記録しただけなのですが、それをどのように処理するか本当にわかりませんでした。
アンドリュー・カール	さて、これを簡単に見てみましょう。
	これをモデルに含めてみましょう
	として...
	ブロック効果として。 おお。
ヒース・ラッシング	それで、それは少し違って見えます。
アンドリュー・カール	はい、それで私がここで行ったのはこれをモデルダイアログに取り込むためだけで、構築モデル効果の下にドナーを追加しただけなので、それが追加効果としてここに追加され、ドナーが細胞の生存率にとって重要であることがわかります。 それでは製品別に見ていきましょう。
	そして、寄付者は製品にとっても非常に重要です。 そして、それが重要であるだけでなく、それを含めてその変動性を考慮すると、
	ここで、副生成物の少なくとも 1 つは pH です。 そして、ここにはいくつかの重要な効果があります。
	細胞生存率。 これを作成したときに、これをカスタム デザインに含めましたか? そこにドナーの要素を含めましたか？
ヒース・ラッシング	さて、私はそうしました。 最初にこれを始めたときは、本当に理解できませんでした。 デザインにはそれを含めていませんでした。
	覚えているかどうかは分かりませんが、何ヶ月も前のことです、前にも話題にしたと思います。
	そして、あなたは実際にそれを手伝ってくれました。 それで、あなたがやったことは、そう、それはそれです、それはそれです。
	それが私たちが昔やったことです。 これを分析する方法が本当にわかりませんでしたが、次のようになります
	それを事前に設計したいと思うのは当然のことです。 あなたが私にそう言ったのを覚えています。 あなたは今言いました、
	ねえ、他に何が変わるでしょうか？ そして私は、「もちろん、ドナーごとにばらつきがあるだろう」と言いました。そして、あなたは、それを事前に設計しましょうと言いました。 もう終わりにするつもりなら…
	設計でそれを確実に考慮するためです。なぜなら、設計は、ご存知のとおり、ドナーの数とドナーごとの実行回数に基づいている可能性があるからです。
アンドリュー・カール	わかった、そうしてくれてよかった、そうすれば防げるから
	ここのモデルに組み込まれているこれらの要因、この RSM とこのドナーのこれら 3 つの要因の間のエイリアシングまたは交絡。 たとえば、
	あるドナーで高 pH のすべてを実行し、別のドナーで低 pH のすべてを実行するわけではありません。 これらの要素は全体でバランスがとれます。 それは素晴らしいことです。
	他にもいくつか質問があります。 それでは、これらのドナーは、今後のプロセスを進める上で、この 4 人のみをドナーとして使用するつもりですか、それとも他のドナーもここに参加させる予定ですか?
ヒース・ラッシング	まあ、いいえ。私は、ご存知のとおり、次のようなものです...それで、私たちが前進し、これを患者に提供するとき、これらの治療薬を患者に提供するつもりです。
	そうですね、健康なドナーがたくさん集まることになるでしょう。 つまり...そして、私たちはこれらの細胞を患者に挿入することになるので、彼らを健康なドナーと呼ぶつもりです。
	それで、それは、私が細胞バンクから選んだたったの 4 つです。そして、あなたが前に私にそう言ったと思います。
	私たちが最初にこれを始めたとき、あなたは言いましたか...これはかなり前のことですが、あなたは、ご存知のように、複数のドナーがいる場合は、それを確認する必要があると言いました、私たちはそうしています、私たちはしません持っていない
	ご存知のように、多数のドナーがいますが、あなたは知っていると言いましたが、ドナーをランダムに選択する何かを試みてください...そうしました。 そこで私たちがやったのは、ランダムにドナーを選択し、4 人のドナーを受け入れたということです。
	しかし、あなたは正しいです。 今後は寄付者が 4 人だけになるわけではありませんし、その 4 人だけで結論を出すつもりはありません。 私は、本当にあり得るあらゆる寄付者について結論を導き出したいのです、アンドリュー。
アンドリュー・カール	わかった。 さて、ここで私たちが考慮したいことの 1 つは、これを見て、これが先ほど示したものです、これは...
	これは縮小モデルです。
	逆方向の選択により、重要ではない影響を排除しました。 もう 1 つできることは、ドナーを固定効果として含めるのではなく、ランダム効果として含めることです。 そして、私たちがそうしたいと思う理由は、
	それは...ここでグラフ ビルダーを起動してお見せしましょう。 ここに細胞生存率と副産物があり、細胞生存率が左側にあります。
	そして、各色は異なるドナーであり、これらは実験結果からのものです。 現在、固定効果モデルは進行中です...推定のみ
	1 つの分散成分、それが誤差または残差分散成分であり、それがこれらの個別の分布のそれぞれに表示されるものです。
	そして、それが一定であると仮定し、同じになるので、それらをプールして推定値を導き出します。
	そして、固定効果を使用するために、これらの分布のそれぞれの平均を使用して、細胞生存率の平均変化があり、副産物の平均変化があると言うつもりです。
	しかし、考慮されていないのは、ここで見られるこれらの分布間のばらつきが何であるかということです。 たとえば、緑色は細胞生存率を示す左のドナー 3 のずっと向こうにあります。
	そしてこの紫がずっと右にあります。 したがって、得られる寄付者によってはばらつきがあります。 それで、もしあなたがそうしようとしているなら、
	信頼区間を構築するか、パラメータ推定値の標準誤差を取得しようとしています。
	変動の余分な原因を考慮に入れないと、見逃してしまう情報があります。 これは、これらをランダムな効果として扱うことの利点です。
	そして、寄付者が 4 人いるので、ここではそれが実現可能です。 ドナーが2人しかいない場合、それはできることではありません。
	3 というのは、できることの限界のようなものです。なぜなら、実際にやっているのは、ドナー全体の数だけについて追加のバリアント コンポーネントを推定することだからです。 この場合、追加のバリアント コンポーネントが追加されました。
	サンプルサイズは基本的に 4 なので、ここでは何か実現可能です。 それがどのようになるかを見てみましょう。
ヒース・ラッシング	アンドリュー、質問してもいいですか。 もう一度それを取り上げてもらえますか？ 見た目は…本当に好きでした…。
アンドリュー・カール	ええ、ええ。
ヒース・ラッシング	これについて簡単に質問してもいいでしょうか。 あなたがこれをしているときはいつでも、そして私はドナー間の変動を考慮していませんが、それは...何をしているでしょうか？ つまり、それらをすべてまとめて 1 つの大きな配布物にするようなものでしょうか?
アンドリュー・カール	では、これをもっとよく理解して、これに答えましょう
	進んでいくと
	モニターレポートは両方ですが、
	それはあなたの将来の予測に役立ちます、
	はあなたの固定効果モデルです (ここで照準を合わせてみましょう)。したがって、あなたの固定効果モデルは、「これら 4 人のドナーを平均すると、
	80. そして、それが何をしようとしているかというと、この幅が何であれ使用することになります。 標準を計算できるふりをする
	これらのいずれかについて個別に偏差を計算すると、80 を中心とするドナー内の変動を使用した場合にのみ確認できる、その量のバリアントを含むその分布が得られます。
	ランダム効果モデルが行うことは、次のような場合です...追加の細胞生存率の結果を予測している場合、つまり、
	内部でサンプリングするだけでなく、ここに変動領域があるかどうかだけでなく、母集団に似たドナーをランダムに選択します...
	は、これら 4 人と同じ集団の出身です。 つまり、平均値は実際には 80 ではない可能性があり、平均値はここでは 75 に近い可能性があります。
	ここまでは 82 に近いため、変動のさらなる原因がそこに組み込まれることになります。
	必ずしも平均値の推定値ではなく、バリアントの信頼区間と予測区間の推定値であるため、余分な変動を反映するためにそれらの値は広くなります。
	そうしないと、自分の予測とその間隔の広さを過信してしまうことになります。
ヒース・ラッシング	私はサプライズが好きではないので、とても助かりました。
アンドリュー・カール	はい、それではこれを見てみるのは良いことです。
	それでは、これらを取り上げてみましょう。
	ここの左側では、これについてはすでに見てきました。 ここに含まれるドナーは固定効果であり、右側ではドナーをドナーとして含めます。
	ランダム効果。 これに適合させるために私がやったことは、モデル ダイアログを思い出させるためだけです。ここで行っているのは、これをランダムな効果に変更することだけです。
	そしてこれを実行します。
	さて、それがここの右側にあるものです。
	そこで、強調すべき点がいくつかあります。 まず第一に、ドナーが効果の概要にリストされておらず、パラメーター推定にも表示されないことに気付くかもしれません。これは、モデルへの構築が異なるためです。それはもう固定効果ではありません。
	いくつか...もう 1 つ、予測と実際との間に大きな違いがあることがわかります。 したがって、これは実際には固定効果モデルの方が良く見えます
	一見ランダム効果モデルの場合よりも、ジョイント プロファイラーまでずっと下にスクロールすると、
	これらの縦軸は 2 つ間で同じであることがわかり、信頼区間がはるかに広いことがわかります。
	ランダム効果モデルとは少し違うかもしれません。 しかし、なぜそうなるのかを知るには、もう少し深く掘り下げる必要があります。
	その例として、製品ごとの予測式を見てみましょう。 そして製品ごとに、これら両方のパラメータ推定値に注目すると、
	私たちは...
	したがって、pH が唯一の重要な効果であり、両方のモデルで重要な効果であり、固定効果モデルではドナーも加えられます。 予測式では...
	ランダムの場合...固定効果モデルの場合、予測式はどのドナーを持っているかに依存します。 したがって、予測式を考え出すには、pH 情報を含めてから、
	どの寄付者かについての情報も持っています。 私たちはここで寄付者を管理しています。 そして、else=> zero が表示されます。 それは一種のことです
	ヒューリスティックな解決策。 これは実際には固定効果モデルに組み込まれているわけではありませんが、新しいドナーの場合はゼロであると仮定するだけです。 ドナーによる影響はありません。
	そして、その一般的な...新しい寄付者への一般化は、やはり実際には固定効果モデルに組み込まれていません。ランダム効果モデルにもう少し組み込まれていることがわかりますが、この場合は一種の...
	幸運なことに、固定効果モデルと変量効果モデルの間の切片と傾きについて、パラメータ推定値が同じであることがわかりました。 それは常に起こるわけではありません。
	ここでは主に、これらがカスタム設計からの直交設計に近い機能です。
	しかし、ここではプラスのドナーについては何もありません。
	これは変量効果モデルからの右側にあるため、限界モデルと呼ばれる混合モデルです。つまり、ドナーに対する平均応答が得られます。
	一方、この固定効果モデルの左側では、これらのそれぞれを条件付けする条件付きモデルが得られます。
	寄付者。したがって、ここで混合モデルの予測プロファイラーで、条件付き予測を選択した場合に、次のことが実際にわかります。
	これで、次のことがわかります...
	これらは左側に表示されているものと比較的似ています。また、依存関係を確認できるのも役立ちます。
	現在ドナーにあります。 これが…これが各ドナー内の反応曲面です。
	それは、固定効果モデルの予測プロファイラーに、少し混乱を招くかもしれませんが隠されています。
	非表示になっている理由は、それがブロック要因であり、それらが予測プロファイラーに自動的に表示されないためですが、リセット要因グリッドを使用してオンにすることができます。
	寄付者を示すことができ、この反応が寄付者にどのように依存するかがわかります。 したがって、これらのドナーを超えて推論を一般化したい場合は、次のようになります。
	ここで混合モデルの利点が活かされます。なぜなら、個々のドナーに依存するのではなく、ドナー全体を平均化しているからです。 そして最後に私があなたに見せたいのは、
	話を戻してください、ブレイディ、なぜこれがアメリカ人にとってこれほど悪いように見えるのかは説明されていません。
	実際に私が固定効果モデルに対して予測したものは何でしょうか？ それは、これによってドナーをコントロールできるという利点があるからです
	ここではこれらの予測式を使用します。 したがって、そこからノイズが取り除かれますが、これにより、ドナーを制御せずに実際に私が予測した値が得られます。 JMP Pro をお持ちの場合は、以下をご覧ください。
	同じモデルです。
	標準の最小二乗法の代わりに、混合モデルに切り替えると、これらの両方のプロットが得られます。
	標準的な最小二乗法。 しかし、舞台裏でそれらをコントロールすれば、
	ランダム効果...ランダム効果の予測、その後、フィット...固定効果モデルと基本的に同じことが得られます。 したがって、固定効果モデルの方が優れているということではなく、単に、条件付きモデルとこれら 2 つの間の限界モデルを示しているだけです。
ヒース・ラッシング	わかった。
	それでは、2 つのことを見てみましょう。 まず、固定ブロックのリセット係数グリッドを見せてくれてありがとう。 ジャッジなどしないでください、しかし私はただ...私はただです
	ただの科学者。 私は JMP...JMP の専門家ではないので、それが存在することさえ知りませんでした。
	2 つ目は、私はこのアプローチがとても気に入っているということです。 これをランダムに使うのが本当に好きです???それは理にかなっていると思います。特に次に本当に行う必要があることは、プロセス能力を評価する必要があることです。
	そして、本当に知りたいのは…
	これはこれら 2 つの両方に当てはまります。そうです、それらに関する仕様があります。
	私が前進するにあたり、私の製造施設を提供する必要があります。私の施設は、プロセス能力の点で私たちが期待するものです。 スペックの何パーセント、CPK、そのようなものです。 それについて手伝ってくれませんか？
アンドリュー・カール	はい、仕様制限の仕様を列プロパティとしてここに入力できるのは素晴らしいことです。すでにロードされています。 これで...
	その情報なので、今後は、このプロセスを繰り返すにつれて、より多くのドナーが得られ、さまざまな因子設定でそれらの新しい観察の何パーセントが影響を受けるかを確認することになります。スペック制限を超えていませんか？
	そこで、予測プロファイラーに進み、ここでシミュレーターを使用して支援します。 そして
	言いたかったことがあるのですが...もっと前にお話しするべきだったのですが、これらの余分な...これらの信頼区間の余分な幅は、繰り返しますが、ドナーを制御しているため、ここでは幅が小さいという事実から来ています。
	しかし、この余分な変動はどこから来ているのでしょうか?
	そして、それはこの REML 表から得られるので、先ほど述べたように 2 つの分散成分が得られます。これにより、誤差分散が得られます。これは、ここでは残差分散と呼ばれます。
	そして、分散、つまりドナー間のばらつきも得られます。 そして、この副産物の場合、変動の 93% はドナー間の変動です。 そう聞こえますか？
ヒース・ラッシング	ええ、ええ。 そして本当に、前にも言ったように...その前に、私はこんな会話をしていたのです。
	私が今言ったのは、あなたが私に尋ねるたびに、私たちがブロックする必要がある何か違うものを使用するつもりですかと私が言ったとき、私は、私たちは...たくさんの寄付者を見ることになると思います、と言いました。ドナーにはばらつきがあるので、それはまったく驚きではありません。
アンドリュー・カール	さて、ここで指摘しておきたいのは、これは固定効果モデルの中に少し隠れているということですが、ここで誤差の変動性を確認したい場合は、ANOVA 表を参照してください。
	そして、平均二乗誤差を見ると、それが誤差の変動、残差の変動、つまり副積の 0.8477 になります。
	ここで混合モデルの積を調べてみると、.847 であることがわかります。 そして、それらはそうではありません...したがって、これらが近い理由は、それが両方のモデルの残留変動であるためです
	両方のモデルで基本的に同じ数量を推定します。 しかし...このモデル、混合モデルは、ドナーに対して追加の分散成分を与えてくれます。そして、それがこのプロセスの特徴に役立ちます...このために
	あなたが質問している能力分析。 それで、下に行ってそれを見てみましょう。 それで、どうすれば...私たちは何をすればよいでしょうか？
	固定効果モデル?
	繰り返しになりますが、さまざまなドナーを獲得することになるため、価値観が変化する可能性があることは承知しています。 したがって、シミュレーターをオンにすると、実際には、ここでの唯一のオプションになります
	複数の、つまり数人の寄付者がいる場合、これはひどい近似値ではありませんが、これを見てみましょう。 そこで、ランダム ノイズの追加をオンにすると、次のようになります。
	これらの値は MSE の平方根から得られるため、これが分散となり、この 0.8477 の平方根が誤差のばらつきの標準偏差になります。
	また、REML テーブルでも確認できます。デフォルトではオンになっていませんが、右クリックして列平方根分散コンポーネントをオンにすると、ここで確認できるようになります。
ヒース・ラッシング	もう一つのトリック。 ありがとう。
アンドリュー・カール	うん。
	つまり、.92、そしてそれは同じです...これがこの .92 の由来であり、モデルですでに検出された誤差の変動が含まれています。
	ここでシミュレーションしてみると、
	これで狭い範囲が得られましたが、これはドナー 1、ドナー 2 のシミュレーションであり、平均値がどのように上方にシフトしたかがわかります。
	ドナー4の場合。 ここより小さいドナー3にシフトしたらシフトダウンするつもりです。
	したがって、それに近似するためにできることの 1 つは、ドナーをランダムに設定することであり、これは、手持ちの利用可能なドナーに対するブートストラップのようなものです。 そして、標準偏差が 2 ～ 3 に達していることがわかります。
	ここで混合モデルに注目すると、ドナーのランダム効果があるため、残差の変動だけでなく、全体の変動も得られます。
	ドナーも含めてばらつきがあります。 3.5くらいですね。 ただし、それを行うと、人工的にでこぼこしたシミュレーション分布が得られますが、これはドナーが 4 人しかいないことによる成果です。 それで
	最善のアプローチではありませんが、それが固定効果モデルで行う最善のアプローチです。
	もう 1 つ、あまり詳しくは述べずに指摘しておきますが、寄付者の推定額がここにあります。
	固定効果モデルの予測は、混合モデルの変量効果の予測と非常によく似ています。 違いは、混合モデル内のこれらの超過は、この分散比に基づいて適切に縮小されることです。 それはと呼ばれます
	これらの推定値の縮小特性を利用すると、もう少し正確な予測が得られ、ドナーのばらつきについてもう少し正確な推定値が得られます...
	ドナーの効果について。 したがって、これ以上は説明しませんが、これらはかなり似ていますが、小さな違いがあることを指摘したいと思います。ご自身で確認する必要がある場合に備えて。
	しかし、ここでランダムなドナー効果を使用してモデルでこれを行うにはどうすればよいかというと、シミュレーターをオンにすることができます。
ヒース・ラッシング	わかった。
アンドリュー・カール	正しい方法を説明する前に、注意すべき点が 1 つあります。ここで条件付き予測をオンにして、ノイズを追加しようとすると、
	そして、ノイズはそれらに設定されています...固定モデルで見られたものとかなり似ていますが、それは現時点での、残差変動を含めた現時点での話です。
	しかし、これをこの条件付きプロファイラーで実行しようとすると...。
	そこで私は、ドナー 3 に変更します。ドナーを変更したかどうかに注意してください。これは上下にシフトしていないので、同じ効果を試しないでください。 ここの条件付き予測とシミュレーターで何かが起こっています。 それで
	条件付き予測のシミュレーションを行わないでください。 からシミュレーションしたいのですが...
	デフォルトでは、そのオプションはオフになっています。
	しかし、ここでは、この広い信頼区間と比較して、この種の狭い分布があることがわかります。
	その理由は、このデフォルトの標準偏差が、使用したい正しい標準偏差ではないためです。 ここで REML 表を使用したいのですが、ドナー内のばらつきだけが必要ではなく、全体のばらつきが必要です。
	したがって、ここでの合計の変動標準偏差は 3.53 になります。
ヒース・ラッシング	わかった。
アンドリュー・カール	製品ごとなので、その REML テーブルを使用してこれを変更したいと思います。
	そして、以前に制御とブロードキャストを保持していなかったので、これを追加します
	再び平方根分散成分。ここにあります、3.16。
	そして今、それを実行してシミュレーションすると、次のことがわかります。
	私はこのより広範囲の分布を取得しています、
	はい、どちらになりますか
	同じ集団からの追加のドナーによって今後どのようなことが起こるかをより適切に反映し、欠陥率のより正確な推定値を提供します。
	そして、これを、ここで見られるもの、このでこぼこした分布、この人工的にでこぼこした分布と比較してください。
	固定モデルでは。 ここで、寄付者が 1,000 人いるとします。これには明らかに予算がありませんが、予算がある場合、これらの分布は互いに近似し、標準偏差はそれほど離れていないことがわかります。 どちらもその 3.1 と 3.5 に近づいています。
ヒース・ラッシング	そうですね…ランダム効果モデルは私たちが実際に期待しているものだと思います。
	そうですね、特に多数の寄付者がいる場合には、それが私たちが期待していることです。 わかりました、いいです。
アンドリュー・カール	そして今気づきましたが、これらはすべて修正されています。 能力分析でそのようにしたいですか。
	ほら、ドナーからの変動性と誤差の変動性だけを取得して、これらを修正したということですか?
ヒース・ラッシング	それが私たちの伝統的なやり方です...私たちはそれを行ってきましたが、実際には対処したいことが 2 つあります。
	1 つは通常の動作範囲と呼ばれるもので、その例があるかどうか見てみましょう。 しかし、実際のところ、通常の動作範囲はどのくらいですか...
	それは時間のようなものを見ればわかりますか？ 時間は修正できるものです。 それを 5.5 で修正したいとします。 5.5 を入力すると、5.5 時間から進み、その後停止します。
	しかし、温度と pH は、温度を に設定すると、というようなものではありません。
	27.45 か、ある設定値ですが、それが何をするかというと、その周囲に ??? のような自然な変動が生じることになります。能力、
	または、単に、ご存知のとおり、それはバイオ医薬品です。 それで、温度はその温度に固定されるわけではないので、プロセス能力の観点からそれを考慮できるでしょうか?
	通常の動作範囲
	???
アンドリュー・カール	さて、それらが歴史的にどれくらい変化したかについての考えはありますか? 何が基準になり得るでしょうか？ なぜなら、JMP でできることは、これを固定ランダムに置くことができるからです。
	そして、それは次のような意味を持っていると言えます。
	27.45。
	そして、何かアイデアがあれば、それは pH についても同じことができます。また、それらの標準偏差がどのようなものであるか、どの程度の標準偏差が妥当であるか、どの程度変化するかがわかっていれば。
ヒース・ラッシング	はい、そうです、そうです。 過去に行ったいくつかのことについてデータ分析を行ったことがありますが、そのようなものを見ると、分布のように見えると思います。 %の確率で。
	そうですね、プラスまたはマイナス 1 の間にある必要があるので、おそらく標準偏差は 0.5 になるでしょう。
	一時的に。さて、pH については...pH については、6.54 に設定した場合は中間になるでしょう。6.5 を送信した場合はおそらく似たような値になるでしょう。言うことはわかりません...
	あなたが知っている、
	標準偏差は 0.1 になります。
	そして、私たちのセットポイントは...
	温度の設定値はどのくらいだったと思いますか? それは気温 27.45 と 6.54 のときのものだったでしょうか?
	6.5、6.5だと思います。
ヒース・ルージング	見てみましょう...
ヒース・ラッシング	20...はい6.5です。 6.5 度、気温では 27.5 度になります。 それはそういうことでしょう。 それでは行きます。 はい、はい、わかりました、はい。 それがまさに私が話していることなのです、アンドリュー。 これは通常の動作範囲と呼ばれるもので、プロセス能力を見積もるという観点からそれを考慮したいと考えています。
アンドリュー・カール	OK、それで、これらの設定を有効にし、ドナーの合計変動と誤差変動を加えたので、
	今、あなたが...シミュレーションすると、追加の変動が得られます
	それは要因の変動によってもたらされ、それが不良率に反映されていることがわかります。
	そしてまた、
ヒース・ラッシング	ここでも指摘しておきたいのですが、
アンドリュー・カール	また、実行にそれほど時間がかからないため、実行回数を増やすこともできます。
	より良い見積もりを得るために。 ここのシミュレーションから、よりスムーズな分布を得る方法も確認できます。
	また、これらの値をテーブルにシミュレートすることもできます。これにより、シミュレーションごとに異なる行が得られ、そのシミュレーター設定で予測される細胞生存率と生成物を確認でき、追加の分析を行うことができます。これ、
ヒース・ラッシング	ええ、その場合、次のようなものが得られます
	CPKですよね？ つまり、そのようにした場合、そのようにして何らかの推定CPKが得られるということですか？
アンドリュー・カール	はい、はい、一緒にできます。
ヒース・ラッシング	わかりました、すごいです。 さて、最初のことは、通常の動作範囲をどのように考慮するかということですが、もう 1 つあります。対処したいプロセス能力。 ご存知のとおり、それは必要ありません
	ただし、私たちはいわゆる実証済みの許容範囲を検討したいと考えています。 そして、これが証明された許容範囲です。
	温度と pH を設定値で変更しないと言うと、
	しかし、私は低い設定と高い設定の間で時間を変化させることを許可しています。そして、この低い設定とこれより高い設定になることも同様に可能です。
	高い設定の場合、どのようなことが予想されますか? 私のプロセス能力はどの程度になるでしょうか? そして実際に私たちがやっているのは、これらのうち 2 つが設定値で、そのうちの 1 つが変化する場合、許容可能なプロセス能力が分かるということを証明しようとしているのです。 では、それにはどのように対処すればよいでしょうか?
アンドリュー・カール	さて、あなたは言いました、時間と...温度とpHは設定値にあります。
ヒース・ラッシング	そのとおりです。
アンドリュー・カール	ただし、時間によっても異なる場合があります。
	ここで行うのは、通常と言う代わりに、これを均一に設定することです。
	これらは実験で得られた低設定と高設定、1.9 ～ 9.1 です。
	必要に応じて変更できますが、それは...
	ちゃんと聞こえましたか？ それは何ですか...
ヒース・ラッシング	あれだった…まさにその通りだった…
	それはまさにそれです。 それで、もし私が...もし私がそのようなことをしたら...そして本当に、本当に...
	この場合、それらを変更することはできますか? 実験で言ったこととさえ言えますが、証明された許容範囲、つまり 2 から 9 の間かどうかを確認したいのですが、それを何らかの方法で変更できるでしょうか?
	はい、できます。 わかりました、それすら知りません。
	はい、これらを変更して、それがどのようになるかをシミュレートすることもできます。これは、実証済みの許容範囲と呼ばれます。
	この 2 つを修正しているところです。 それで、私たちはどうするか、これを見せてくれてありがとう、でも、まあ、私はこれを自分で試してみるつもりです、私ならどうするかというと、これらのそれぞれについてこれを行うでしょう、そうです、私はそうします時間の場合はそうします、温度の場合はそうします
	それはpHのことです。 そして、許容できるプロセス能力があることを確認するためです。
アンドリュー・カール	いいですね、ここではそれがとても簡単にできるんです。
ヒース・ラッシング	もう一つだけ見せてもらえますか？ はい、どうぞ、そこにあるものをやってください、ちょうど 25 と 30 の間、ユニフォームは 25 と 30 の間です。25 と 30。 わかりました、それをテーブルにシミュレーションしてもらえますか?
	表を作成して、ただ見るだけです...細胞生存率と製品別の分布を見るだけではありません。
	ああ、そうです。 それはあなたにそのプロセス能力を与えます。 私はそれが好きです。
アンドリュー・カール	節約した労力を費やすことができるからです
	それを仕様制限の列プロパティとして使用します。
ヒース・ラッシング	それは...とても簡単です。 わかりました、わかりました、それはありがたいです。 私が...あなたに聞きたかった唯一のことは...別のデータセットも送りました
	私たちが見ているところ、
	小規模と大規模の比較を可能にするということですね。 そして実際に私たちが比較可能性で何をしようとしているのか
	つまり、小規模な実行もいくつかありますが、大規模な実行もいくつかあります。私の CQA(?) としては、それらがまったく同じではないものの、範囲内にあることを示したいのです。ご存知のように、ある種の...
	ある種の限界、そうですね、ある種の実用的な意味があり、それは比較可能性と同等と呼ばれます。 それが何であるかはご存知だと思いますが、ドナー間のばらつきをどのように説明できるのでしょうか?
アンドリュー・カール	はい、それを見ました。 そして、私もそれを見たので...
	まず最初に、前のデータセットを見たときと同じように、ドナー情報を含めないとどうなるかを見てみましょう。
	さて、細胞生存率については、EAC と同等の基準 2 を使用しているとおっしゃいました。
	そしてここで私たちが見ているのは
	最大の P 値は...帰無仮説を棄却しません。これは、この場合、同等性が検出されないことを意味します。
	これは、これらが実際には同等のプロセスであると考えるという私たちの期待と一致しません。
	それで、何が起こっているのかというと、その情報が寄付者の騒音の中に紛れ込んでいるのです。
	そして、まるで....
ヒース・ラッシング	それを見たときは...ちょっと上にスクロールしてください
	2、ちょっと…わかりました。 私はそれを見る。 グラフの違いを示す点がわかります。
	マイナス.49
	グラフを見ると、あれはあれだ、あれは大きすぎない、でも本当に本当に広く見える、ということになります。
	わかった。
アンドリュー・カール	それは、信頼区間の幅の推定値に余分な変動が含まれるためです。
	なぜなら、ブロックすると推定値から変動性が取り除かれることを覚えておいてください。
	アカウント...
ヒース・ラッシング	わかった。
アンドリュー・カール	それがまさにここで起こっていることなので、これらのどちらの場合でも、大規模なスケールと小規模なスケールの間の同等性が検出されません。
	...細胞の生存率または副産物のいずれかについて。 このレポートには多くの意味があることがわかります。 これを設定するにはかなりの作業が必要です。それについては、ここでもう 1 つ説明した後で説明します。 ここで示したいのは、ドナー効果をランダム効果として含めたということだけです。
	そして今、あなたは見ることができます
	小さい P 値で拒否します。これは、現在、実際にそのことを結論付けていることを意味します...結論として、細胞生存率の EAC が 2 であり、現時点では最大 P 値も考慮されています。
ヒース・ラッシング	その３つ。
アンドリュー・カール	EAC ofthree の場合
	製品ごとに。 これを設定する方法は、「もう 1 分ほどで別の会議にジャンプしなければならないことはわかっているので、これをお見せしましょう」です。
	スケールはできたので、今は細胞の生存率だけを調べます。 これがドナー効果なしでテストを設定する方法ですが、ドナーを追加した場合、それらをランダム効果として保存できるようになります。
	モデルを実行します。
	そして推定と複数の比較に進みます。
	すべてペアで。 学生 T. では、ここからは、
	同等性テスト。
	はい、EAC 2 を使用してください。
ヒース・ラッシング	うん。
	さらに、それらの信頼区間から 2 つの P 値までを表示します。
	信頼区間からもわかります。
	私の良き友人、クリス?彼は博士課程でインターバルを研究していたので、彼も私もインターバルが大好きです...
	愛の間隔。 彼は私たちがスキーをしているときにいつもそれについて話しますが、95% 信頼区間の下限と上限について、それとの比較も行うことになります。
	はい、それだけです。
アンドリュー・カール	うーん、と。
	最後に私たちに言いたいのは、「はい、先ほど、私たちはドナーにとって、非社会的状況におけるランダム効果と固定効果の利点について話しました。」と言うかもしれません。
	比較可能性ではなく、等価性テストではなく、パラメータのテストのみです。 JMP Pro を使用して電力解析をまとめました。JMP Pro では混合モデルを構築すると、
	混合人格の下には、保存、列保存シミュレーション式と呼ばれる便利な機能があります。 さて、これは...
	ここに進むと、混合モデルのシミュレーションが非常に簡単になります。 設定を確認して変更することができます。
	それで私はそれを実行し、混合モデルでシミュレーションした後、ドナーを固定効果として扱うかランダム効果として扱うかどちらがより優れているかを確認するために検出力分析を実行しました。そして、少なくとも私が実行した場合には、ここのボックスに見られるように、出力が高くなっています。 私には力がありました
	同じテストでの私のランダムドナー効果は .62 だったのに対し、...
	固定効果の場合。 そして、どちらもそのための名目誤差率を維持していたので、私が調べ始めたものですが、同等性テスト内でもドナー効果をランダムとして扱うことにも利点がある可能性があるように見えます。
ヒース・ラッシング	そうですね、アンドリュー、あなたが私に次のことを確信させてくれたと思います。
	ご存知のように、私たちは細胞療法を行っているので、ドナーからドナーへの影響が常に起こると思います。 これは間違いなく、ランダムなブロック効果として見るのが理にかなっていると私に確信させました。
	皆さん、非常に重要な 2 つのことである工程能力と比較可能性の両方を調べるアプリケーションを楽しんでいただければ幸いです。
	製薬およびバイオ医薬品に携わる科学者やエンジニアのために。 私たちが話した非常に具体的なアプリケーションは非常に重要だと思います
	私たちは現在、遺伝子および細胞療法と呼ばれる治療法を開発している革新的な方法であり、それが実現することを願っています。
	推論プロセスの能力と比較性の両方をどのように処理できるかを示すことで、何らかの価値を提供したことを意味します。 改めてこの内容についてご説明し、ご質問にお答えいたしますので、カンファレンスでお会いできることを楽しみにしています。
アンドリュー・カール	ありがとう、ブレイディ、ありがとう。 あなたの姓がわかりませんでした、ブレイディ。 あれは何だったんだろう。
	ブレイディ ブレイディ。
	ブレイディ。
ヒース・ラッシング	はい、私の名はブレイディ、姓はブレイディです、大丈夫です。
アンドリュー・カール	わかった。
ヒース・ラッシング	素晴らしい、そうそう、あなたにはそうそうそう。
アンドリュー・カール	ありがとう、アンドリュー。 感謝します。 はい、皆さん、ご参加いただきありがとうございます。

起こるエネルギー省品質と信頼性Re: バイオ医薬品の新たなフロンティア: JMP における遺伝子/細胞治療のための患者/ドナーの多様性のモデリング (2021-US-30MP-887)

素晴らしいプレゼンテーション。 急速に成長しており、非常に重要な産業である細胞および遺伝子治療における課題のいくつかを理解するのに非常に役立ちます。

確かに、クライアントにとってもっと信頼できる名前を考え出すこともできたはずです。