在生物制药行业，利用微孔板读数仪进行微生物生长测定是筛选培养基成分的常用方法。这些测定能够快速产生大量数据；因此，采用自动化方法来简化数据分析流程，对于加快决策速度至关重要。在Kerry公司，生长测定数据的检索、清理和格式化是一个耗时且容易出错的手动过程。
本研究创建了一系列脚本，通过自动化数据格式化、清理和可视化来改进数据分析方法。我们利用 JMP 的工作流构建器和插件构建器来捕获这些脚本，并创建了一种易于使用的点击式方法，以缩短数据分析时间并自动执行高通量微生物生长检测中的重复分析。这些插件将每个原始数据文件的数据分析时间从 20 分钟缩短至 4 分钟，减少了 80%。这些插件将公开提供给其他需要解决高通量微孔板检测数据检索、清理和分析瓶颈的 JMP 用户。
好的，大家好。我叫凯尔·普罗布斯特 (Kyle Probst)，是凯瑞公司 (Kerry) 的高级科学家，办公地点位于威斯康星州贝洛伊特，那里也是我们的北美总部。今天，我的演讲将介绍如何使用 JMP 插件构建器实现微生物生长表征的自动化。我使用 JMP 已有八年左右的经验，今天能做这个演讲我感到非常兴奋，因为这是我第一次在探索峰会 (Discovery Summit) 上发言。
这里先做一个简要概述，以便您更好地了解我今天要讲的内容。首先是引言，然后阐述我们开展这项工作的原因、重要性、目标以及我们具体想要达成的结果。接下来，我会简要介绍Kerry公司、制药细胞营养、微生物生长测定、我们的测定方法以及我们现有的数据分析方法。之后，我会演示一下插件本身，让您更清楚地了解我们所做的工作。最后，我们会总结全文。
好的。原料和培养基营养成分的筛选是生物工艺开发的关键步骤。在制药行业，通常使用微孔板读数仪进行高通量筛选（HTS）检测。这些检测方法可以快速产生大量数据，因此数据处理和分析成为瓶颈。
数据分析这一瓶颈环节的自动化处理对于加快决策速度至关重要。我们深知时间就是金钱，尤其是在工业领域。在Kerry公司，高通量筛选（HTS）检测数据的检索、清洗和格式化是一个耗时且容易出错的手动过程。本文中，我们利用JMP软件来突破HTS数据分析的瓶颈，从而加快决策速度。
我先开门见山地说，这是我们处理的原始数据，以Excel表格的形式导入。我们最终要处理的数据，也就是最终产品，就是这两个图表。一个图表代表生长动力学或生长曲线，另一个图表是曲线下面积，这是一个用来衡量生长性能的指标。这就是我们想要得到的最终结果，也是我们今天要努力实现的目标。
本文旨在开发一系列插件，以实现灵活的数据格式化和清理方法，从而缩短数据分析时间并自动执行高通量筛选微生物生长实验中的冗余分析。我们使用的 JMP 功能包括插件构建器、工作流构建器、重编码工具、图表构建器和仪表盘。
现在简单介绍一下Kerry。Kerry是我工作的地方。它是一家爱尔兰食品配料公司，也是全球领先的风味、保鲜、健康和生物制药配料供应商。在Kerry，我们非常注重客户，为他们提供配料，帮助他们生产出更美味、更营养的食品和饮料，以及有益健康的膳食补充剂和救命药物。
我在公司的制药部门工作，我们的制药业务已有100多年的历史。它由三大支柱构成：辅料、醋酸酯和细胞营养。我负责细胞营养方面的工作。这包括我们销售的蛋白质水解物和酵母提取物等产品，这些产品作为细胞营养成分，用于生物制药和生物技术领域。
在Kerry，我们提供复杂的培养基补充剂。这些补充剂包括蛋白质水解物（也称为蛋白胨，学过微生物学的人应该都熟悉）和酵母提取物。这些都是富含氮的部分消化原料。它们通常用作培养基配方中的主要氮源，因为它们能为细胞提供许多重要的营养物质，例如肽、游离氨基酸、维生素、矿物质等等。
当我们谈到细胞营养时，我们指的是维持生物科学产业中使用的马里细胞、昆虫细胞和微生物细胞所需的营养。这些就是我们这里所说的成分。接下来是一些细胞类型的例子，以及它们所生产的产品，这些产品用于改善我们的日常生活，例如胰岛素、抗体、疫苗、益生菌，甚至抗生素。这些只是其中的一些例子。
在Kerry，我们拥有超过100种不同的蛋白质水解物和酵母提取物，可用于配制各种配方。我们可以利用公司内部的菌株和细胞对这些成分进行筛选和优化，并根据客户需求创建配方原型。希望这能让您更好地了解我在Kerry的工作以及细胞营养的本质。
好的。在Kerry，我们经常进行微生物生长测定，并以此筛选一些适用于微生物应用的细胞营养成分。正如我刚才提到的，我们有很多成分可供使用。筛选使我们能够快速测试多种产品，从而帮助我们选出少数最佳候选成分进行配方优化。生长测定使用微孔板读数仪，这些仪器是我们筛选步骤中的得力助手。
利用我们的方案，我们可以在一次检测中测试多达 40 种不同的成分。我们还可以评估多种微生物菌株，还可以进行基于实验设计（DOE）的方法，例如确定性筛选设计，甚至是像 Plackett-Burman 设计或部分因子设计这样的两水平筛选设计。
举例来说，假设有一位客户正在寻找一种能够促进嗜酸乳杆菌生长的植物蛋白水解物。嗜酸乳杆菌是一种重要的益生菌菌株。那么，我们首先会筛选多种植物蛋白水解物，找到一种或几种最有利于这种微生物生长的产品。
这是一个生长测定流程的示例。我们的产品被配制成液体培养基。我们的大部分产品是干粉，因此必须先进行水化。如有需要，我们还可以添加其他营养物质，这些营养物质通常是针对所培养的微生物而言的。接下来是接种物，也就是活的活性细胞。我们通常会提前制备接种物，以确保细胞在使用前处于活跃生长且健康的状态。
然后将培养液和接种物用移液器滴加到孔板中。这就是孔板。在这个例子中，孔板包含100个独立的孔，我们在每个孔中加入大约100到200微升的液体。我们通常使用多通道移液器进行操作，如图顶部所示。
我们处理的是微孔板的样品量。在我们的生物筛选实验中，我们使用的仪器是 Bioscreen C，它可以同时运行两块这样的微孔板。通常，我们还会进行五个技术重复，也就是每个处理设置五个孔。我们一次最多可以运行 40 块微孔板。当微孔板放入酶标仪（即 Bioscreen 系统）时，酶标仪可以控制温度和振荡。例如，大多数细菌在 37°C 下培养 24 至 48 小时。
这台仪器会自动测量光密度随时间的变化。我们使用600纳米波长的光密度值，也称为OD600。这是业内量化微生物生长的标准指标。随着细胞复制和生长，培养液会变得浑浊，而浑浊程度与OD600值成正比。随着细胞生长，OD600值也会增加，我们将其随时间变化绘制成生长曲线，如图所示。纵轴（Y轴）代表细胞密度或OD600值，横轴（X轴）代表时间。不同的营养物质会导致不同的生长水平，我们会测量这些变化，并可以从生长曲线中直观地观察到。
如果你想知道什么是生长曲线，生长曲线描述的是微生物动力学，它描述了微生物（例如细菌或酵母）种群随时间推移的增长情况。当条件适宜时，例如食物充足、温度适宜或环境适宜，这些细胞就能快速分裂和繁殖。我们这里会考察几个不同的阶段。
第一阶段是滞后期。当微生物首次进入新环境时，它们不会立即开始繁殖。它们需要一些时间来适应周围环境并为生长做好准备。这就是滞后期。之后，一旦微生物准备就绪，它们就会开始快速繁殖。每个细胞分裂成两个、四个、八个，以此类推，导致种群数量迅速增长。这就是增长曲线的指数增长期或对数增长期。
最终，食物和空间会逐渐耗尽，或者代谢废物会不断积累，这将减缓细胞的生长速度。这时细胞就进入了稳定期。新产生的细胞数量与死亡的细胞数量达到平衡，因此细胞数量保持不变。生长曲线可以帮助我们直观地了解细胞的生长情况。这样，我们就可以根据这些标准进行比较并快速筛选出合适的细胞。
此外，我们衡量的另一个指标是曲线下面积。它用于根据曲线下方的区域大小，将曲线概括为一个单一数值。在相同的条件和时间内，曲线下方的区域或面积越大，整体增长就越大。希望这解释得很清楚。
这就引出了我们现有的数据处理方法。我们一直采用的方法是同时使用 Excel 和 JMP。Excel 用于手动编辑和计算时间点、曲线下面积，以及将 OD 600 数据清零（稍后我会演示）。然后我们会切换到 JMP，用它来进行一些手动重新编码和图表编辑。每次都需要从头开始，所以有点繁琐。
然后，由于每次都是从头开始，这个过程每天都略有不同，因此不够一致。正因如此，我们经常会在不同的数据集中发现细微的错误或差异，因此很容易出错。此外，这个过程也相当耗时。处理一个原始数据集大约需要 20 分钟。我们在本文中提出的改进方法（稍后我会详细介绍）利用了 JMP 的工作流构建器来捕获重复分析的脚本，并构建了一系列插件。
工作流构建器最棒的一点就是，我的脚本编写经验非常有限。它让我能够直接从我们现有的工作流程中复制粘贴脚本，然后基于这些脚本创建插件。超级简单。需要说明的是，并非所有脚本都来自工作流构建器。我必须承认，在编写更高级的脚本时，我得到了我们JMP系统工程师Jerry Fish的帮助。但总的来说，改进后的方法将分析时间缩短到了四分钟，节省了80%的时间，这对我们来说意义重大。
好的。我这就退出来，去调出原始数据文件。这样你们就能看到我们正在看的是什么了。我之前已经在屏幕上闪现过了。原始数据文件是Excel格式的。第一列是时间，后面的每一列分别对应孔板上每个孔的数据。
我们还会随数据附上孔板图。这是我们手动添加到文件中的。这样可以让我们了解每个孔中添加了什么。这相当于生成了一张清晰的图谱或图例，方便我们查阅。例如，菌株 A 和培养基 1 被添加到 1、21、41、61 和 81 号孔中，而 1 到 5 号孔则代表重复实验。我们这里使用第一行数据，它代表菌株 A 和培养基 1，以此类推。希望这能让您更好地理解我们的工作流程。
好了，我要结束今天的讲解了，接下来我会进入JMP软件，我们会一起了解一下插件。如果你还不熟悉插件，一定要去了解一下。插件可以让你在JMP软件中添加一些额外的功能。市面上有很多插件，都是大家自己开发的。我这里也安装了一些，但我主要会讲解生物筛选数据相关的插件。我们现在就开始吧。
首先，我们要打开一个通用文件。这就是我刚才展示的Excel文件。我点击“打开”，确保选中所有文件。这样它才能识别Excel之类的文件。点击“打开”，然后会打开Excel导入向导。我要导入孔板图和原始数据，也就是600纳米的数据。一切都设置好了。我点击“导入”。这样就会生成两个不同的数据表。我先关注一下动力学数据。
首先，我想添加一个时间序列列。因为目前的时间格式无法绘制时间序列图。我希望时间以十进制格式显示，而这个插件正好可以实现这一点。我打算删除这个列，因为我不需要它。我想要以小时为单位的十进制时间格式。
接下来，我们要进行行减法以校正光密度 (OD) 值。我们要清除初始数据。当我们使用不同类型的介质时，它们的初始光密度值可能不同。您可以看到，这里有些介质的光密度值就不同。我们要让它们处于同一基准下。我们基本上要将初始光密度值归零。我们只需将第一行中的数值从每一行中减去即可。本质上，您是在将检测器归零，使所有数据处于同一基准下。
我要点击“行减法”，这样就完成了。好的。接下来我们要做的就是堆叠数据。我要选中这里的列。按住Shift键，选中除时间列之外的所有列。然后我要堆叠这些列，这样就创建了一个新的数据表。我还重新编码了井号。这部分在后台运行。
现在这样就可以了。我需要回到我的孔板图，并在这里做一些格式调整，使其符合 JMP 的格式要求。我需要将所有重复实验的数据堆叠到一列中。我这里有一个堆叠孔板。这样我就得到了更新后的孔板图数据文件。然后我可以使用这个表格作为工具或映射，重新编码包含所有 OD 数据值的堆叠数据。这就是我现在要做的事情。
我按孔板进行重新编码。菌株是我的重新编码因子之一。我设置了重复次数。这些在我们实验中几乎总是保持一致的。另外，我设置了不同的处理方式。例如，一、二、三、四。在这个例子中，我们只有一个处理，但我可以设置多个处理。这就是我设置这些参数的原因，以便提供更大的灵活性。
好了，现在一切就绪，可以进行后续处理了。我将回到我的原始数据文件，接下来我们要计算曲线下的面积。曲线下面积的计算需要用到一些插件。首先，我要计算行累计和。
当我们计算曲线下面积时，方法是将每一行的值相加，也就是对每一行进行累加，然后取最终值，这就是曲线下的面积。这样就生成了200列数据。我将它们选中，然后选择最底下的一行，因为这就是我需要的数据。14.145是1号井的曲线下面积。
我这里有个插件。它能让我筛选数据并进行一些格式调整。我这就结束。我已经得到了井号和曲线下面积。对于这个数据集，我最后需要做的就是根据井图重新编码，就像我们之前做的那样。菌株，然后是重复。最后，我们要做的就是处理一。
这张表已经完成了。我的两张表都完成了。下一步我想把曲线下面积表和堆叠数据表合并起来。我想把这两张表合并在一起。实际上，我还有一个插件可以做到这一点。开始吧。
我之所以想把这两者合并在一起，是因为我要创建一些图表，并且希望这些图表在放入仪表板时能够动态链接起来。为了实现这一点，我需要将它们放在同一个数据表中。
我现在要创建两个不同的图表。其中一个是生长曲线，我用了一个插件来创建它。我这就运行一下。这是我在图表生成器中创建的，Y 轴是 OD600 值，X 轴是时间，然后您可以查看每个菌株的生长曲线。我先把它最小化。我还要创建一个曲线下面积，也是在图表生成器中创建的。它看起来像这样，Y 轴是曲线下面积，X 轴是不同的培养基成分。这是一个带有标准差的柱状图。误差线是技术重复的误差线。
最后，我们要运行一个仪表盘。仪表盘里显示了我的生长曲线图、曲线下面积图，还有一个数据筛选器，让我可以更深入地与数据互动。我这里要查看菌株 1 的数据。这个仪表盘设置最棒的地方之一就是它让我能够与数据进行交互。例如，如果我想查看培养基 14 的生长曲线，它会自动高亮显示，非常方便。
此外，我可以坐在这里，将曲线下面积从低到高排序，甚至可以选出前三名候选结果（就是这三个），我们可以对它们进行更深入的优化。你可以看到，我们从原始数据到数据可视化，再到最终做出决策，整个过程是多么迅速。
最后还有一点时间。我想给大家演示一下如何使用工作流构建器创建插件。我将使用我手头的数据集来演示。我先关闭几个图表。我将使用这个表格。我将在这里新建一个工作流。依次点击“文件”、“新建”、“工作流”。工作流构建器会记录你在 JMP 中实际操作的脚本，以便能够使用它。这样，你就可以获取该脚本，并将其用于任何用途。在这个例子中，我们将为其创建一个插件。
我要开始录制了，然后把这个窗口最小化。接下来我要新建一个图表。Y轴代表光密度（OD），X轴代表时间。我用曲线来表示它们。处理方式作为叠加层，然后把这个图表命名为“生长曲线”。我们快速更改一下字体。把它放大一些，方便阅读。我把这里的字体改成粗体，稍微放大一点。时间也是一样。把它改成粗体，稍微放大一点。然后我们来更改一下图例。我把它命名为“培养基”。好了，看起来不错。
为了让工作流构建器在图形构建器中工作时也能捕获这段脚本，我发现必须先关闭图形构建器。我这就去关闭图形构建器。现在我回到工作流构建器，它已经捕获了我的脚本。这非常方便，尤其像我这样脚本知识不多的人。
接下来，我要选中并复制这段内容，然后暂停一下，接着我要打开……不好意思，我要在另一个屏幕上打开它。我先快速打开一下我的加载项。这样我们就可以把这个例子放进去了。要打开加载项生成器，你需要点击这里的小三角图标。
这就是我一直在用的插件生成器。我这就进入菜单项。我之前练习过，忘了删掉。我现在要创建一个新示例。我把它添加到“仪表盘”下方，然后点击“命令”。我这就粘贴过来。只是做个简单的演示，好吗？我点击“保存”。
当我回到 JMP 时，我打算使用这个合并了动力学和 AUC 的表格。如果我点击我的插件，找到“生物筛选数据”（看起来我好像没给它命名，不过没关系），它会自动运行菜单项一。这应该会生成我刚才创建的图表。看看能不能生成。成功了。好了，完美。这只是一个如何使用工作流构建器以及如何捕获脚本的例子。这样你就可以把它放到插件里。对于那些你经常重复执行的操作（比如生成图表）来说，这非常有用。
好了，我这就结束。我这里还有几张幻灯片。你们应该对我们在这里使用 JMP 的插件构建器有了比较清晰的了解。我们成功地简化并缩短了生物筛选检测数据的处理时间。时间缩短了 80%。这意味着什么呢？如果进行 120 次生物筛选检测，数据分析时间将从一周或 40 小时缩短到一天或 8 小时。这意义重大。
我们运行的每项检测都不尽相同。这套基于点击操作的脚本让我们能够灵活地处理来自各种不同实验设计的数据。工作流构建器确实改变了游戏规则。我今天向大家展示的内容，实际上并没有花费我太多时间。我想，制作所有这些插件总共花费的时间不到 10 个小时。正如我之前所说，我的脚本编写知识有限。这使得它对于像我这样编程新手来说非常容易上手。
对于未来的工作，我们当然还没有完成。我认为我们肯定有机会进一步改进插件和分析方法。我觉得为一些常规分析建立一套全自动方法会很棒，这样可以进一步缩短数据处理时间。事实上，我们现在已经在这么做了。除了我刚才展示的生长测定之外，我还在开发其他常规数据分析的插件。充分利用这些插件可以节省我大量的实验室工作时间和数据处理时间。真的非常方便。
此外，我还计划将这项工作中的插件与我的同事 Jerry Fish 正在展示的一些工作结合起来，他正在使用 JMP Pro 功能数据浏览器来量化生长曲线中的不同参数。生长速率、滞后期、达到稳定期所需时间以及稳定期的 OD 值或细胞密度等参数，对于我们利用数据做出决策来说都非常重要。
非常高兴能和杰瑞合作，将我们在这里所做的工作与他正在进行的一些令人兴奋的项目结合起来。稍后会详细介绍。我在这里附上链接和他将在JMP峰会上发表的演讲题目。内容非常精彩。有机会的话，一定要去看看。
好了，今天就到这里。我想和大家分享一下我的联系方式，方便大家对我们之前的工作有任何疑问，或者只是想和我聊聊微生物学或营养学。我很喜欢谈论这些话题。今天能和大家分享这些内容，我感到非常荣幸。谢谢大家的聆听，希望以后有机会能和大家再次交流。好的，谢谢。
