Hola @Valerie_Nedbal ,
Gracias por esta buena descripción general de los conceptos básicos del bioensayo y las pruebas de potencia en JMP.
¿Tiene más información sobre cómo se calcula la potencia relativa? Por lo general, esto se define por EC50 referencia /EC50 muestra *100.
Reelaboré un análisis en JMP que hice en varios otros programas antes, que tiene una potencia relativa cercana al 100%. Sin embargo, JMP parece no calcular las cosas correctamente. Obtengo una nota o 3.2 o respuestas comparables. Usé la ecuación de Rodbard 4PL que parece ser comparable a las ecuaciones 4PL de otro software.
¿Podría compartir información básica sobre lo que se calcula y cómo se pueden cambiar ciertas configuraciones si es posible?
La potencia de los medicamentos a menudo se usa en un entorno industrial, incluso regulado por GMP. Allí cada bit que se calcula necesita ser entendido. Todavía me cuesta encontrar esta información en JMP.
muchas gracias y mejor
Hola @Valerie_Nedbal ,
Gracias por esta referencia tan útil.Una pregunta relacionada con la predicción inversa (estoy en JMP 17):
Dos compuestos pueden tener asíntotas superiores diferentes para un bioensayo determinado.En última instancia, quiero comparar AC50 entre múltiples compuestos (que son grupos) en nuestro análisis.¿Hay alguna manera de hacer referencia dinámicamente a la asíntota superior predicha para cada grupo en la predicción inversa (p. ej. Quiero predecir X=0.5*Asíntota superior).
¡Gracias!
Un bioensayo es un método analítico para determinar la concentración o potencia de una sustancia por su efecto sobre células o tejidos vivos. Los bioensayos se utilizan para estimar la potencia de los agentes observando sus efectos en animales vivos (in vivo) o tejidos (in vitro).
El análisis de ensayos y pruebas biológicas se lleva a cabo comúnmente en las industrias farmacéutica y biotecnológica. Es un componente importante para las presentaciones regulatorias, el desarrollo de procedimientos operativos estándar y el mantenimiento de buenas prácticas de fabricación.
En las pruebas de Bioensayo se utilizan diferentes metodologías. En este blog describo ejemplos de bioensayos que utilizan JMP y que se utilizan habitualmente.
La prueba del paralelismo
La prueba de paralelismo proporciona un análisis para probar si los modelos ajustados entre grupos tienen la misma forma pero están desplazados a lo largo del eje X. Según los estándares de la Convención de la Farmacopea de los Estados Unidos (USP), el paralelismo entre un par de funciones de dosis-respuesta debe lograrse antes de validar un bioensayo de potencia. La prueba de paralelismo se encuentra en la plataforma Fit Curve para Curvas Sigmoideas. En este ejemplo, se utilizó una versión modificada del conjunto de datos de Bioensayo de la biblioteca de muestras de datos de JMP. Se ajustó un modelo logístico de 4 parámetros a las tres formulaciones diferentes. Esas tres curvas fueron analizadas y probadas para determinar el paralelismo (Figura 1). Observe que el desplazamiento horizontal es el mismo en todas las dosis. Se dice que dos curvas que sólo difieren en un desplazamiento horizontal son paralelas. Si el elemento de prueba no tuviera el mismo componente biológicamente activo que el estándar, la potencia relativa variaría en el rango de dosis. En este ejemplo, todas las curvas tienen la misma forma pero están desplazadas horizontalmente, y un valor P alto valida nuestros hallazgos, concluyendo que las curvas de las tres formulaciones son paralelas.
Figura 1: Prueba de paralelismo (observe que el desplazamiento horizontal logarítmico (potencia relativa)∆es el mismo en todas las dosis)
La potencia relativa
¿Cómo se estima la potencia relativa a partir de EC50? EC50 es la dosis necesaria para que un individuo experimente el 50% del efecto máximo (Figura 2). Las estimaciones de potencia relativa generalmente se calculan como una relación simple: la CE50 de un estándar bien caracterizado dividida por la CE50 de una muestra. Tales estimaciones son válidas sólo cuando las curvas dosis-respuesta para la muestra y el estándar son paralelas y exhiben la misma respuesta máxima alcanzable (eficacia).
Figura 2: Representaciones y cálculos de EC50 para 3 formulaciones
La potencia relativa en JMP se encuentra debajo de la prueba de paralelismo. En la figura 2 se comparan tres formulaciones diferentes: Prueba A, Prueba B y Nueva Prueba.
Al comparar la Nueva Prueba con la Prueba A, la potencia relativa de la Nueva Prueba es menor que uno. Esto indica que sus potencias son diferentes y la Nueva Prueba es menos potente que la Prueba A, como podemos ver en el gráfico. La potencia relativa para la Prueba B es mayor que para la Prueba A. Esto significa que la formulación del fármaco B aumenta en toxicidad en función de la concentración más rápido que la Prueba A. Si las potencias relativas son casi uno, esto indica que sus potencias son similares.
La prueba de equivalencia
Figura 3: Modelo logístico 4P que se ajusta a cuatro formulaciones (cuatro parámetros: tasa de crecimiento, punto de inflexión, asíntota inferior y superior)
En la plataforma Fit Curve, la opción Prueba de equivalencia ofrece un análisis para probar la equivalencia de modelos entre niveles de la variable de agrupación. Los datos del bioensayo se utilizan para este ejemplo (Figura 3). Se comparan cuatro formulaciones diferentes y se prueba si son equivalentes. Un 4P logístico muestra un ajuste para cuatro parámetros (tasa de crecimiento, punto de inflexión, asíntota inferior y superior). Esos cuatro parámetros se prueban para determinar si son equivalentes o no. Tenga en cuenta que la Prueba B en azul es diferente a las otras tres formulaciones.
Después de seleccionar la opción de Prueba de equivalencia, especifica el nivel de la variable de agrupación que desea comparar con todos los demás niveles (la formulación estándar se utiliza como variable de agrupación o referencia). Se muestra un informe para cada nivel versus el nivel elegido. La Figura 4 muestra un ejemplo de dos comparaciones (Prueba A versus Estándar y Prueba B versus Estándar).
Figura 4: Prueba de equivalencia para la Prueba A versus el Estándar y la Prueba B versus el Estándar.
La igualdad de los parámetros se prueba analizando la relación de los parámetros. Las líneas de decisión predeterminadas se colocan en valores de relación de 0,8 y 1,25, lo que representa una diferencia del 25%.
Si todos los intervalos de confianza están dentro de las líneas de decisión, entonces los dos grupos son prácticamente iguales. Si un solo intervalo queda fuera de las líneas, entonces no podemos concluir que los grupos son iguales. En nuestro ejemplo, la Prueba B no es equivalente al Estándar, ya que el punto de inflexión de la formulación del medicamento B es menor que el estándar, lo que concuerda con la Figura 3 .
La predicción inversa y EC50
Quizás le interese saber en qué dosis o concentración del fármaco alcanza un valor de toxicidad específico. Esto es para predecir los valores de X para un valor de Y específico o lo que hace la predicción inversa.
Este es un paso importante, por ejemplo, para calcular EC50/IC50. La CE50 es la concentración de un fármaco que es necesaria para provocar la mitad del máximo. En un experimento de unión, la CI50 es la concentración de un ligando o inhibidor en la que la mitad del objetivo está presente en la etapa unida. Se utiliza comúnmente como medida de la potencia de un fármaco (ver arriba), aunque se prefiere el uso de EC50 al de "potencia", que ha sido criticado por su vaguedad ( ref ).
A partir de la curva ajustada, use en el triángulo rojo del modelo la opción de predicción inversa personalizada, especifique Y (la respuesta como toxicidad) para predecir X (como logaritmo de concentración o dosis). Se muestra un gráfico y el valor predicho de la X con intervalos de confianza del 95% (Figura 5).
Figura 5: Estimación de predicción inversa
Estimación de Vmax y Km a partir de la cinética de Michaelis-Menten
En bioquímica, la cinética de Michaelis-Menten es uno de los modelos más conocidos de cinética enzimática. Lleva el nombre de la bioquímica alemana Leonor Michaelis y de la médica canadiense Maud Menten. El modelo toma la forma de una ecuación que describe la velocidad de las reacciones enzimáticas ( v ), su fórmula y la curva que se muestra en la Figura 6.
Figura 6: Ecuación de Michaelis Menten y ajuste del modelo.
El parámetro a representa la velocidad de reacción máxima (en la literatura, a menudo denominado Vmax ), y el parámetro b (en la literatura, a menudo denominado constante de Michaelis o Km ) es el valor de x tal que la respuesta es la mitad de Vmax. . Es una medida inversa de la afinidad del sustrato por la enzima. K m es una medida de la afinidad de la enzima por el sustrato. Los sustratos que se unen fuertemente tienen valores de Km pequeños; Los sustratos que se unen débilmente tienen valores de Km elevados.
Usando la plataforma de curvas Fit y eligiendo el modelo de Michaelis-Menten, es fácil extraer tanto V max como K m de la ecuación. Vea el ejemplo en la Figura 7.
Figura 7: Estimación del parámetro a (Vmax) y del parámetro b (Km) en el ajuste de la curva de Michaelis-Menten.
Tenga en cuenta que TODOS los modelos no lineales se resuelven de forma iterativa. Otros paquetes de software pueden resolver los parámetros del modelo con menos precisión/límites de convergencia más bajos.
Para una potencia relativa, el valor del eje X debe transformarse en log base 10. Algunos otros paquetes de software hacen esto automáticamente sin avisarte.
Ver párrafo sobre Potencia Relativa:
Potencias relativas
Proporciona la potencia y la potencia relativa para cada nivel de la variable de agrupación. La potencia es 10 ^ (CE 50 ), donde CE 50 es la concentración a la que se obtiene la respuesta a mitad de camino entre el valor inicial y el máximo. Para Logistic 2P, 3P y 4P, la potencia es 10^ (parámetro de punto de inflexión). La potencia relativa es la potencia de un nivel de la variable de agrupación dividida por la potencia de otro nivel. Por ejemplo, en la Figura 14.10 , la potencia relativa de la prueba A con respecto al estándar es Prueba de potencia A /Potencia estándar .
https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/test-parallelism.shtml%23
Los modelos de JMP y sus parámetros se enumeran aquí: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details-for-fit-curve-models.shtml%23ww631631
Detalles estadísticos sobre derivados para la plataforma no lineal en JMP (también utilizada para Fit Curve): https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/statistical-details -en-derivados.shtml%23ww289354
