Sprecher:
Qu Yingqi, leitender Forscher, Novo Xinyuan (China) Biotechnology Co., Ltd.
Das Redethema:
Teilen von Anwendungsfällen der JMP-Skriptbearbeitung im biochemischen Labor
Redezusammenfassung:
Im biochemischen Labor kann der Einsatz der JMP-Skriptsprache die Arbeit einzelner Forscher, Labore und abteilungsübergreifender Arbeiten unterstützen. Wenn Forscher eine große Menge an Daten desselben Typs verarbeiten müssen, können sie einfache Skripttools bearbeiten, um sich wiederholende Aufgaben zu bewältigen, einschließlich Datensortierung, grafische Darstellung und Berechnungen. Ein solches Skript ist sehr einfach zu erstellen. Sie können es für verschiedene Daten verwenden, indem Sie jedes Mal einige Parameter im Skript ändern, was viel persönliche Arbeitszeit sparen kann. Die zweite Ebene besteht darin, mithilfe von Skripttools das Labor-Toolbox-Add-In zu erstellen, das für Kollegen mit den gleichen Datenverarbeitungsanforderungen praktisch ist. Realisieren Sie eine schnelle Automatisierung der Datenvisualisierung und Datenanalyse, unterstützen Sie Forscher bei der Datenverarbeitung, untersuchen Sie bei Experimenten aufgetretene Probleme, Gründe für Versuchsfehler usw., sparen Sie Arbeitszeit und Laborressourcen und beschleunigen Sie die Problemlösung. Die Skripte der ersten beiden Anwendungen sind datenbasiert. Die dritte Ebene besteht darin, die JMP-Skriptsprache zu verwenden, um Protokollvorlagen zu erstellen, das automatisierte Schreiben von Versuchsplänen und Datenanalysen zu realisieren und Versuchsberichte mit einem Klick zu erstellen. Forscher müssen eine große Anzahl experimenteller Pläne schreiben, Daten analysieren und experimentelle Berichte schreiben. Experimentatoren in verschiedenen Labors müssen Versuchspläne lesen und verstehen, Experimente durchführen und Versuchsdaten zur Analyse und Berichterstattung an Forscher übermitteln. Der als Vorlage dienende Versuchsplan erleichtert dem Experimentator das Verständnis des Versuchsaufbaus. Das Laborpersonal kann problemlos Versuchsberichte erstellen, unabhängig davon, ob es mit der Datenanalyse vertraut ist oder nicht. Verbessern Sie die Erfolgsquote von Experimenten und die Effizienz der abteilungsübergreifenden Zusammenarbeit erheblich.
