CIAO @Valerie_Nedbal ,
Grazie per questa bella panoramica sulle basi del saggio biologico e del test di potenza in JMP.
Hai maggiori informazioni su come viene calcolata la potenza relativa? Di solito questo è definito da EC50 riferimento /EC50 campione *100.
Ho rielaborato un'analisi in JMP che ho fatto in molti altri programmi prima, che ha una potenza relativa vicina al 100%. Tuttavia JMP sembra non calcolare correttamente le cose. Ottengo notando o 3.2 o risposte comparabili. Ho usato l'equazione 4PL Rodbard che sembra essere paragonabile alle equazioni 4PL di altri software.
Potresti condividere informazioni di base su ciò che viene calcolato e su come modificare determinate impostazioni, se possibile?
La potenza dei farmaci viene spesso utilizzata in un ambiente industriale, anche regolamentato da GMP. Lì ogni bit calcolato deve essere compreso. Faccio ancora fatica a trovare queste informazioni in JMP.
Grazie mille e meglio
Ciao @Valerie_Nedbal ,
Grazie per questo riferimento molto utile.Una domanda relativa alla previsione inversa (sono in JMP 17):
Due composti potrebbero avere asintoti superiori diversi per un dato saggio biologico.In definitiva, nella nostra analisi desidero confrontare l'AC50 tra più composti (che sono gruppi).Esiste un modo per fare riferimento dinamicamente all'asintoto superiore previsto per ciascun gruppo nella previsione inversa (ad es Voglio prevedere X=0,5*Asintoto superiore).
Grazie!
Un saggio biologico è un metodo analitico per determinare la concentrazione o la potenza di una sostanza in base al suo effetto su cellule o tessuti viventi. I test biologici vengono utilizzati per stimare la potenza degli agenti osservando i loro effetti su animali vivi (in vivo) o tessuti (in vitro).
L'analisi di analisi e test biologici viene comunemente eseguita nelle industrie farmaceutiche e biotecnologiche. Si tratta di una componente importante per le proposte normative, lo sviluppo di procedure operative standard e il mantenimento di buone pratiche di produzione.
Nei test biologici vengono utilizzate diverse metodologie. In questo blog descrivo esempi di biotest utilizzando JMP comunemente utilizzati.
Il test del parallelismo
Il test di parallelismo fornisce un'analisi per verificare se i modelli adattati tra i gruppi hanno la stessa forma ma sono spostati lungo l'asse X. Secondo gli standard della Convenzione farmacopea degli Stati Uniti (USP), il parallelismo tra una coppia di dosi e le funzioni di risposta devono essere raggiunti prima di convalidare un test biologico di potenza. Il test di parallelismo si trova nella piattaforma Fit Curve per Sigmoid Curves. In questo esempio è stata utilizzata una versione modificata del set di dati di saggio biologico dalla libreria di campioni di dati JMP. Un modello logistico a 4 parametri è stato adattato alle tre diverse formulazioni. Queste tre curve sono state analizzate e testate per il parallelismo (Figura 1). Si noti che lo spostamento orizzontale è lo stesso per tutte le dosi. Due curve che differiscono solo per uno spostamento orizzontale si dicono parallele. Se l'oggetto da testare non avesse lo stesso componente biologicamente attivo dello standard, la potenza relativa varierebbe nell'intervallo di dose. In questo esempio, tutte le curve hanno la stessa forma ma sono spostate orizzontalmente e un valore P elevato convalida i nostri risultati, concludendo che le curve delle tre curve di formulazione sono parallele.
Figura 1: Test di parallelismo (notare che lo spostamento orizzontale del log (potenza relativa).Ə lo stesso a tutte le dosi)
La potenza relativa
Come viene stimata la potenza relativa dall'EC50? EC50 è la dose necessaria affinché un individuo possa sperimentare il 50% dell'effetto massimo (Figura 2). Le stime della potenza relativa vengono generalmente calcolate come un semplice rapporto: la EC50 di uno standard ben caratterizzato divisa per la EC50 di un campione. Tali stime sono valide solo quando le curve dose-risposta per il campione e lo standard sono parallele e mostrano la stessa risposta massima ottenibile (efficacia).
Figura 2: Rappresentazioni e calcoli dell'EC50 per 3 formulazioni
La potenza relativa in JMP si trova sotto il test di parallelismo. Nella figura 2 vengono confrontate tre diverse formulazioni: Test A, Test B e Nuovo Test.
Confrontando il Nuovo Test con il Test A, la potenza relativa del Nuovo Test è inferiore a uno. Ciò indica che le loro potenze sono diverse e che il Nuovo Test è meno potente del Test A, come possiamo vedere nel grafico. La potenza relativa del Test B è maggiore rispetto a quella del Test A. Ciò significa che la formulazione del farmaco B aumenta la tossicità in funzione della concentrazione più velocemente del Test A. Se le potenze relative sono quasi una, ciò indica che le loro potenze sono simili.
Il test di equivalenza
Figura 3: Modello logistico 4P che adatta quattro formulazioni (quattro parametri: tasso di crescita, punto di flesso, asintoto inferiore e superiore)
Nella piattaforma Adatta curva, l'opzione Test di equivalenza fornisce un'analisi per testare l'equivalenza dei modelli tra i livelli della variabile di raggruppamento. Per questo esempio vengono utilizzati i dati del saggio biologico (Figura 3). Quattro diverse formulazioni vengono confrontate e testate se sono equivalenti. Un Logistic 4P mostra un adattamento per quattro parametri (tasso di crescita, punto di flesso, asintoto inferiore e superiore). Questi quattro parametri vengono testati se sono equivalenti o meno. Si noti che il Test B in blu è diverso da tutte e tre le altre formulazioni
Dopo aver selezionato l'opzione per Test di equivalenza, si specifica il livello della variabile di raggruppamento che si desidera testare rispetto a ogni altro livello (la formulazione standard viene utilizzata come variabile di raggruppamento o riferimento). Viene visualizzato un report per ogni livello rispetto al livello scelto. La Figura 4 mostra un esempio di due confronti (Test A rispetto allo Standard e Test B rispetto allo Standard).
Figura 4: Test di equivalenza per Test A rispetto allo standard e Test B rispetto allo standard.
L'uguaglianza dei parametri viene verificata analizzando il rapporto dei parametri. Le linee decisionali predefinite sono posizionate su valori di rapporto pari a 0,8 e 1,25, che rappresentano una differenza del 25%.
Se tutti gli intervalli di confidenza sono all’interno delle linee decisionali, allora i due gruppi sono praticamente uguali. Se un singolo intervallo cade fuori dalle linee, non possiamo concludere che i gruppi siano uguali. Nel nostro esempio, il Test B non è equivalente allo Standard, poiché il punto di flesso per la formulazione del farmaco B è inferiore allo standard, in accordo con la Figura 3 .
La previsione inversa e l'EC50
Potrebbe interessarti sapere a quale Dose o Concentrazione del farmaco raggiunge uno specifico valore di Tossicità. Questo serve per prevedere i valori X per un valore Y specifico o cosa fa la previsione inversa.
Questo è un passo importante, ad esempio, per calcolare EC50/IC50. L'EC50 è la concentrazione di un farmaco necessaria per causare la metà del massimo. In un esperimento di legame, l'IC50 è la concentrazione di un ligando o inibitore alla quale metà del bersaglio è presente nella fase legata. Viene comunemente utilizzata come misura della potenza di un farmaco (vedi sopra), sebbene l'uso di EC50 sia preferito a quello di “potenza”, che è stato criticato per la sua vaghezza ( rif .).
Dalla curva adattata, utilizzare nel triangolo rosso del modello l'opzione di previsione inversa personalizzata, specificare la Y (la risposta come la tossicità) per prevedere la X (come la concentrazione logaritmica o la dose). Vengono visualizzati un grafico e il valore previsto della X con intervalli di confidenza al 95% (Figura 5).
Figura 5: stima della previsione inversa
La stima di Vmax e Km dalla cinetica di Michaelis-Menten
In biochimica, la cinetica di Michaelis-Menten è uno dei modelli più conosciuti di cinetica enzimatica. Prende il nome dalla biochimica tedesca Leonor Michaelis e dal medico canadese Maud Menten. Il modello assume la forma di un'equazione che descrive la velocità delle reazioni enzimatiche ( v ), la sua formula e la curva sono mostrate nella Figura 6.
Figura 6: Equazione di Michaelis Menten e adattamento del modello.
Il parametro a rappresenta la velocità di reazione massima (in letteratura spesso indicato come V max ), e il parametro b (in letteratura spesso indicato come costante di Michaelis o K m ) è il valore di x tale che la risposta è la metà di V max . È una misura inversa dell'affinità del substrato per l'enzima. Km è una misura dell'affinità dell'enzima per il substrato. I substrati che si legano saldamente hanno valori K m piccoli; i substrati che si legano debolmente hanno valori Km elevati.
Utilizzando la piattaforma Fit Curve e scegliendo il modello Michaelis-Menten, è facile estrarre sia V max che K m dall'equazione. Vedere l'esempio nella Figura 7.
Figura 7: Stima del parametro a (Vmax) e del parametro b (Km) nell'adattamento della curva di Michaelis-Menten.
Tieni presente che TUTTI i modelli non lineari vengono risolti in modo iterativo. Altri pacchetti software possono risolvere i parametri del modello con limiti di precisione/convergenza inferiori.
Per la potenza relativa, il valore dell'asse X dovrebbe essere trasformato in logaritmo in base 10. Alcuni altri pacchetti software lo fanno automaticamente senza avvisarti.
Vedi il paragrafo sulla potenza relativa:
Potenze relative
Fornisce la potenza e la potenza relativa per ciascun livello della variabile di raggruppamento. La potenza è 10^(EC 50 ), dove EC 50 è la concentrazione alla quale si ottiene la risposta a metà strada tra il basale e il massimo. Per Logistic 2P, 3P e 4P, la potenza è 10^(parametro del punto di flesso). La potenza relativa è la potenza di un livello della variabile di raggruppamento divisa per la potenza di un altro livello. Ad esempio, nella Figura 14.10 , la potenza relativa del test A rispetto allo standard è Potency test A /Potency standard .
https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/test-parallelism.shtml%23
I modelli di JMP e i relativi parametri sono elencati qui: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details-for-fit-curve-models.shtml%23ww631631
Dettagli statistici sui derivati per la piattaforma non lineare in JMP (utilizzata anche per Fit Curve): https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details -on-derivatives.shtml%23ww289354
