DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuasQuiero realizar un experimento de detección para identificar qué factores afectan más mi respuesta (Y). Por investigaciones anteriores, soy consciente de que estas variables tienen interacciones, por lo que necesito tener términos de interacción en mi modelo. Los factores que identifiqué como relevantes son los siguientes:
- X1 - continuo
- X2 - continuo
- X3 - continuo
- X4 - continuo
- X5 - continuo
- X6 - categórico con 2 niveles solamente
- X7 - categórico con 10 niveles
Para ser específicos, X7 es un tipo de sustancia química: un ácido graso. Los ácidos grasos pueden ser saturados, monoinsaturados o poliinsaturados, de cadena más larga o de cadena más corta, etc., así que seleccioné 10 de ellos que abarcaban este rango de propiedades. Debido a que X7 tiene más de 3 niveles, me veo obligado a utilizar el diseño personalizado en JMP y, al tener en cuenta los términos de interacción en mi modelo, esto da como resultado aproximadamente 42 experimentos. Quería preguntar si existe una forma más eficiente de hacer esto. Específicamente, una forma más eficiente de configurar un DOE para estudiar variables como X7 (que son categóricas).
Pensando en voz alta, al principio pensé que convertir X7 de variable discreta a continua (tal vez centrándome en una característica importante de los ácidos grasos) podría ser útil porque entonces simplemente podría elegir una configuración "alta" y "baja". Pero los productos químicos son multidimensionales, es decir, no pueden reducirse simplemente a una característica/número, por lo que no creo que éste sea el camino a seguir.
Entonces, ¿existe una forma más eficiente de diseñar un estudio en el que se tiene una variable categórica como X7?
Diseño de experimentosRe: DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuasHola @AsymptoticRules ,
¡Bienvenidos a la Comunidad!
El uso de estructuras químicas como factores categóricos tiene varios inconvenientes:
- Es posible que pueda analizar y seleccionar qué molécula(s) funcionan mejor, pero no siempre comprende las razones por las que ciertas moléculas funcionan mejor (polaridad, comportamiento hidrofílico/lipofílico, volumen molecular, número de átomos, donantes/aceptores de H, ...),
- Puede analizar la respuesta según las estructuras moleculares utilizadas en el diseño, pero no predecir la respuesta de nuevas moléculas que aún no se utilizan en el diseño experimental.
- Usar un factor categórico con tantos niveles tiene el precio de muchas combinaciones posibles con otros factores, creando un diseño con una gran cantidad de experimentos (lo que puede no ser muy conveniente en una etapa temprana como la fase de selección).
Como mencionó que está en una fase de selección, sería interesante reducir la cantidad de ácidos grasos candidatos a seleccionar, reducir la cantidad de experimentos e interacciones a seleccionar y mantener solo las moléculas con mayor variabilidad química, para detectar efectos e interacciones significativos. , y desde allí aumentar el diseño a un diseño de optimización/predictivo en un segundo paso, posiblemente con otras moléculas candidatas.
Para reducir la cantidad de ácidos grasos candidatos, intentaría analizar las propiedades químicas/descriptores moleculares de los 10 ácidos grasos iniciales que planea analizar. Así es como lo haría:
- Calcular/extraer descriptores moleculares de las estructuras químicas (pueden haber varias opciones disponibles, con diferentes bibliotecas en Python como RDKit para calcular descriptores moleculares, o extraerlos de bases de datos públicas como PubChem , químicaaraña , y muchos otros ...)
- Utilice un PCA (u otro análisis de reducción de dimensiones) para mantener una gran parte de la información química en un número reducido de dimensiones (las propiedades químicas/descriptores moleculares suelen estar altamente correlacionados, por lo que es posible que pueda conservar >70 % de la información química). de esta clase química con un solo componente principal). Este paso debería facilitar el análisis y la selección de moléculas candidatas.
- Trazar las moléculas candidatas en una Gráfico de coordenadas paralelas u otra visualización con su componente principal o atributos moleculares brutos para poder seleccionar las moléculas más disímiles (al menos un nivel alto y bajo para cada componente principal, por ejemplo). También puede simular un DoE basándose únicamente en los componentes principales como factores covariables y ver qué moléculas se habrían seleccionado en un diseño D-óptimo/de detección.
Luego puede usar estas moléculas seleccionadas como niveles de su factor categórico en su diseño, o usar directamente los componentes principales como factores/covariables continuos en el diseño.
Sobre este tema, puede que te resulte interesante esta presentación: https://community.jmp.com/t5/Discovery-Summit-Europe-2017/Increase-Efficiency-and-Model-Applicability-Domain-When-Testing/ta-p/36572
Esta es sólo una opción posible, estoy seguro de que otros miembros de este foro pueden tener diferentes experiencias con las moléculas como factores. Personalmente siempre trato de transformar la información categórica en información continua siempre que sea posible con este tipo de enfoque.
Espero que esto ayude,
Re: DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuas¡Gracias por la perspectiva, Víctor! ¡Eso tiene sentido para mí! ¡Intentaré actualizar esta publicación cuando lo intente!
Re: DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuasEstoy totalmente de acuerdo con @Victor_G Los pensamientos de. La única otra cosa que se me ocurre para intentar reducir el número de niveles para X7 en el experimento es hacer la pregunta: "¿Tiene datos de observación históricos (tal vez de series de producción) en los que el factor X7 varía en una amplia gama de niveles?". ¿Valores para las propiedades químicas subyacentes?" Luego, utilice métodos de modelado de identificación de variables, como cualquiera de los métodos basados en árboles, o si tiene JMP Pro, algunas de las plataformas de regresión generalizada que son expertas en la identificación de variables. Una característica interesante de muchos de estos métodos es que son algo robustos a las correlaciones entre los factores en comparación con técnicas como la regresión de mínimos cuadrados ordinaria o su primo beso para la identificación de variables, la regresión por pasos. Es posible que pueda filtrar algunos de los niveles categóricos de X7.
Re: DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuas¿Crees que esto es factible?Primero realice un experimento previo, evalúe X7 individualmente en condiciones específicas y luego realice la segunda ronda.
Re: DOE eficiente de una variable categórica multinivel (3+) y muchas variables continuasPensando en voz alta, al principio pensé que convertir X7 de variable discreta a variable continua (quizás centrándome en una característica importante de los ácidos grasos) podría ser útil porque entonces podría simplemente elegir una configuración "alta" y una "baja". Pero las sustancias químicas son multidimensionales, es decir, no se pueden reducir a una sola característica o número, por lo que no creo que este sea el camino a seguir.
