Salut @Valérie_Nedbal ,
Merci pour ce bel aperçu des bases des essais biologiques et des tests d'activité dans JMP.
Avez-vous plus d'informations sur la façon dont la puissance relative est calculée? Habituellement, cela est défini par EC50 référence /CE50 goûter *100.
J'ai retravaillé une analyse dans JMP que j'avais effectuée dans plusieurs autres programmes auparavant, qui a une puissance relative proche de 100 %. Cependant, JMP semble ne pas calculer les choses correctement. Je reçois soit en notant, soit 3.2 ou des réponses comparables. J'ai utilisé l'équation 4PL de Rodbard qui semble être comparable aux équations 4PL d'autres logiciels.
Pourriez-vous partager des informations générales sur ce qui est calculé et comment modifier certains paramètres si possible ?
La puissance des médicaments est souvent utilisée dans un cadre industriel, voire réglementé par les BPF. Là, chaque élément calculé doit être compris. J'ai toujours du mal à trouver ces informations dans JMP.
Merci beaucoup et mieux
Bonjour @Valerie_Nedbal ,
Merci pour cette référence très utile.Une question relative à la prédiction inverse (je suis en JMP 17) :
Deux composés peuvent avoir des asymptotes supérieures différentes pour un essai biologique donné.En fin de compte, je souhaite comparer l'AC50 à plusieurs composés (qui sont des groupes) dans notre analyse.Existe-t-il un moyen de référencer dynamiquement l'asymptote supérieure prédite pour chaque groupe dans la prédiction inverse (par exemple Je veux prédire X=0,5*Asymptote supérieure).
Merci!
Un essai biologique est une méthode analytique permettant de déterminer la concentration ou la puissance d'une substance en fonction de son effet sur des cellules ou des tissus vivants. Les essais biologiques sont utilisés pour estimer la puissance d'agents en observant leurs effets sur des animaux vivants (in vivo) ou sur des tissus (in vitro).
L'analyse des analyses et tests biologiques est couramment effectuée dans les industries pharmaceutique et biotechnologique. Il s'agit d'un élément important des soumissions réglementaires, de l'élaboration de procédures opérationnelles standard et du maintien de bonnes pratiques de fabrication.
Différentes méthodologies sont utilisées dans les tests de bioessais. Dans ce blog, je décris des exemples d'essais biologiques utilisant JMP qui sont couramment utilisés.
Le test de parallélisme
Le test de parallélisme fournit une analyse permettant de tester si les modèles ajustés entre les groupes ont la même forme mais sont décalés le long de l'axe X. Selon les normes de la Convention Pharmacopée des États-Unis (USP), le parallélisme entre une paire de fonctions dose-réponse doit être atteint avant de valider un essai biologique d'activité. Le test de parallélisme se trouve dans la plateforme Fit Curve pour les courbes sigmoïdes. Dans cet exemple, une version modifiée de l'ensemble de données Bioassay de la bibliothèque d'échantillons de données JMP a été utilisée. Un modèle logistique à 4 paramètres a été adapté aux trois formulations différentes. Ces trois courbes ont été analysées et testées pour leur parallélisme (Figure 1). Notez que le décalage horizontal est le même à toutes les doses. Deux courbes qui ne diffèrent que par un décalage horizontal sont dites parallèles. Si l’élément testé ne contenait pas le même composant biologiquement actif que l’étalon, la puissance relative varierait sur la plage de doses. Dans cet exemple, toutes les courbes ont la même forme mais sont décalées horizontalement, et une valeur P élevée valide nos résultats, concluant que les courbes des trois courbes de formulation sont parallèles.
Figure 1 : Test de parallélisme (notez que le décalage horizontal du journal (puissance relative)∆est le même à toutes les doses)
La puissance relative
Comment la puissance relative est-elle estimée à partir de EC50 ? La CE50 est la dose requise pour qu'un individu ressente 50 % de l'effet maximum (Figure 2). Les estimations de puissance relative sont généralement calculées sous la forme d'un simple rapport : la CE50 d'un étalon bien caractérisé divisée par la CE50 d'un échantillon. De telles estimations ne sont valables que lorsque les courbes dose-réponse de l’échantillon et de l’étalon sont parallèles et présentent la même réponse maximale réalisable (efficacité).
Figure 2 : Représentations et calculs EC50 pour 3 formulations
La puissance relative dans JMP se trouve sous le test de parallélisme. Dans la figure 2, trois formulations différentes sont comparées : Test A, Test B et Nouveau Test.
Lorsque l’on compare le nouveau test au test A, la puissance relative du nouveau test est inférieure à un. Cela indique que leurs puissances sont différentes et que le nouveau test est moins puissant que le test A, comme nous pouvons le voir sur le graphique. La puissance relative du test B est supérieure à celle du test A. Cela signifie que la toxicité de la formulation médicamenteuse B augmente en fonction de la concentration plus rapidement que celle du test A. Si les puissances relatives sont proches de un, cela indique que leurs puissances sont similaires.
Le test d'équivalence
Figure 3 : Modèle logistique 4P adapté à quatre formulations (quatre paramètres : taux de croissance, point d'inflexion, asymptote inférieure et supérieure)
Dans la plateforme Fit Curve, l'option Test d'équivalence fournit une analyse permettant de tester l'équivalence des modèles à travers les niveaux de la variable de regroupement. Les données du bioessai sont utilisées pour cet exemple (Figure 3). Quatre formulations différentes sont comparées et testées pour savoir si elles sont équivalentes. Un Logistic 4P montre un ajustement pour quatre paramètres (taux de croissance, point d'inflexion, asymptote inférieure et supérieure). Ces quatre paramètres sont testés s'ils sont équivalents ou non. Notez que le test B en bleu est différent des trois autres formulations
Après avoir sélectionné l'option Test d'équivalence, vous spécifiez le niveau de la variable de regroupement que vous souhaitez tester par rapport à tous les autres niveaux (la formulation standard est utilisée comme variable de regroupement ou référence). Un rapport est affiché pour chaque niveau par rapport au niveau choisi. La figure 4 montre un exemple de deux comparaisons (Test A par rapport à la norme et Test B par rapport à la norme).
Figure 4 : Test d'équivalence pour le test A par rapport à la norme et le test B par rapport à la norme.
L'égalité des paramètres est testée en analysant le rapport des paramètres. Les lignes de décision par défaut sont placées à des valeurs de ratio de 0,8 et 1,25, ce qui représente une différence de 25 %.
Si tous les intervalles de confiance se situent à l’intérieur des lignes de décision, alors les deux groupes sont pratiquement égaux. Si un seul intervalle se situe en dehors des lignes, nous ne pouvons pas conclure que les groupes sont égaux. Dans notre exemple, le test B n'est pas équivalent à la norme, car le point d'inflexion de la formulation médicamenteuse B est inférieur à la norme, ce qui est en accord avec la figure 3 .
La prédiction inverse et EC50
Vous pourriez être intéressé de savoir à quelle dose ou concentration du médicament atteint une valeur de toxicité spécifique. Il s'agit de prédire les valeurs X pour une valeur Y spécifique ou ce que fait la prédiction inverse.
C'est une étape importante par exemple pour calculer EC50/IC50. La CE50 est la concentration d'un médicament nécessaire pour provoquer la moitié du maximum. Dans une expérience de liaison, la CI50 est la concentration d'un ligand ou d'un inhibiteur à laquelle la moitié de la cible est présente au stade lié. Il s'agit d'une mesure couramment utilisée pour mesurer la puissance d'un médicament (voir ci-dessus), bien que l'utilisation de la CE50 soit préférée à celle de la « puissance », qui a été critiquée pour son imprécision ( réf ).
A partir de la courbe ajustée, utilisez dans le triangle rouge du modèle l'option prédiction inverse personnalisée, précisez le Y (la réponse comme la toxicité) pour prédire le X (comme le log de concentration ou de dose). Un graphique et la valeur prédite du X avec des intervalles de confiance à 95 % sont affichés (Figure 5).
Figure 5 : Estimation de la prédiction inverse
L'estimation Vmax et Km de la cinétique Michaelis-Menten
En biochimie, la cinétique de Michaelis-Menten est l'un des modèles de cinétique enzymatique les plus connus. Il porte le nom de la biochimiste allemande Leonor Michaelis et de la médecin canadienne Maud Menten. Le modèle prend la forme d'une équation décrivant la vitesse des réactions enzymatiques ( v ), sa formule et la courbe sont représentées sur la figure 6.
Figure 6 : Équation de Michaelis Menten et ajustement du modèle.
Le paramètre a représente la vitesse de réaction maximale (souvent appelée V max dans la littérature) et le paramètre b (souvent appelée constante de Michaelis ou K m ) est la valeur de x telle que la réponse soit la moitié de V max . . C'est une mesure inverse de l'affinité du substrat pour l'enzyme. K m est une mesure de l'affinité de l'enzyme pour le substrat. Les substrats qui se lient étroitement ont de petites valeurs K m ; les substrats qui se lient faiblement ont des valeurs Km élevées.
En utilisant la plateforme de courbe d'ajustement et en choisissant le modèle Michaelis-Menten, il est facile d'extraire à la fois V max et K m de l'équation. Voir l'exemple de la figure 7.
Figure 7 : Estimation du paramètre a (Vmax) et du paramètre b (Km) dans l’ajustement de la courbe de Michaelis-Menten.
Gardez à l'esprit que TOUS les modèles non linéaires sont résolus de manière itérative. D'autres progiciels peuvent résoudre les paramètres du modèle avec moins de précision/des limites de convergence inférieures.
Pour la puissance relative, la valeur de l’axe X doit être transformée en log base 10. Certains autres logiciels le font automatiquement sans vous le dire.
Voir le paragraphe sur la puissance relative :
Puissances relatives
Donne la puissance et la puissance relative pour chaque niveau de la variable de regroupement. La puissance est de 10 ^ (EC 50 ), où EC 50 est la concentration à laquelle la réponse à mi-chemin entre la ligne de base et le maximum est obtenue. Pour les Logistic 2P, 3P et 4P, la puissance est de 10 ^ (paramètre du point d'inflexion). La puissance relative est la puissance d’un niveau de la variable de regroupement divisée par la puissance d’un autre niveau. Par exemple, dans la figure 14.10 , la puissance relative du test A par rapport à la norme est Test d'activité A / Standard de puissance .
https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/test-parallelism.shtml%23
Les modèles JMP et leurs paramètres sont répertoriés ici : https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details-for-fit-curve-models.shtml%23ww631631
Détails statistiques sur les dérivées pour la plateforme non linéaire dans JMP (également utilisée pour Fit Curve). : https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details -sur-derivatives.shtml%23ww289354
