I
wollen
Zu
Dank
Die
JMP
Lenkung
Ausschuss
Und
Die
JMP
Organisatoren
für einladend Phil Und ich selbst Zu kommen Und gegenwärtig unser spannend sprechen
An CMC , ALLES , DAMHIRSCHKUH , Und Komplexität : Es 'S Alle Um Vorhersage .
Wollen Zu Start von dankend Dr . Tiffany Rao , sie 'S gewesen beteiligt mit Die Planung
Und zahlreiche Gespräche für Die arbeiten Das Wir 'Re gehen Zu gegenwärtig Heute .
Gehen Zu Tun ein Überblick , erzählen Du WHO Lundbeck Ist , WHO I arbeiten für ,
Und Dann bieten Die Hintergrund
für Die DAMHIRSCHKUH Das Wir 'Re gehen Zu sprechen um ,
welche Ist Verfahren Entwicklung für a biologisch Arzneimittel .
Unser Fall Studie Und Was I 'M tun In traditionell
für Was I habe gestartet Zu Tun für Entwicklung
Ist Start mit Die Erste Schritt von tun DSD für Mitte -spät Bühne Entwicklung ,
Dann folgen Das mit a zweite Schritt
von tun erweitern mit a Raum -Füllung Design .
Dann Wir Sind hoffend Zu beweisen Zu Du Heute Das für Analyse Das ALLES
erlaubt uns Zu haben besser Vorhersage für alle von Das arbeiten Und erlaubt uns Zu haben
besser Zeitpläne für unser arbeiten Das Wir 'Re tun .
Lundbeck Ist gelegen …
Wir 'Re Hauptsitz In Kopenhagen ,
Wir 'Re über 6 .000 Mitarbeiter In über 50 Länder ,
Und Wir Sind Streben Zu Sei Die Nummer eins In Gehirn Gesundheit .
Der Teil von Die Unternehmen Das I arbeiten mit Ist Die CMC Biologika
Und Wir 'Re grundsätzlich gelegen In Die Kopenhagen Bereich
Und In Die Seattle Bereich Wo I 'M gelegen .
Lassen 'S sprechen um Die Hintergrund für Die DAMHIRSCHKUH Das Wir 'Re gehen Zu gegenwärtig Heute .
Der Verfahren Das Wir wollen Zu entwickeln für Arzneimittel Substanz , für diese Biologika ,
Wir Start mit a Zelle von Fläschchen , Wir nehmen diese aus von Die Gefrierschrank ,
Wir Dann expandieren In Shake Flaschen , gehen größer hinein Kultur Taschen ,
Vielleicht a Samen Bioreaktor , Dann Zu a Produktion Bioreaktor .
Das Produktion Bioreaktor geht etwa zwei Wochen .
Wir haben Komplex Nährstoff Feeds ,
Wir haben PH Kontrolle , Temperatur Kontrolle , Dort 'S Die Base Das Wir 'Re Hinzufügen .
Einmal Wir beenden Das 14 -Tag Produktion , Wir brauchen Zu Figur aus a Weg
Zu erhalten Die Zellen Das Sind absondernd unser Molekül hinein Die Überstand .
Wie Tun Wir separate Die Zellen aus Die Produkt ?
Das Ernte dürfen Sei a Zentrifuge , Es dürfen Sei Tiefe Filtration .
Dann Wir passieren Es An Zu unser stromabwärts Kollegen .
Sie Erste normalerweise Tun a erfassen Schritt Wo Sie 'Re bekommen loswerden
von am meisten von Die Gastgeber Zelle Proteine , Die Gastgeber Zelle DNA .
Aber Dann Wir brauchen Zu Tun zwei poliert Schritte Wo Wir 'Re Dann Spruch ,
"Okay , Was Sind Die Produkt -verwandt Verunreinigungen ?
Vielleicht Dort 'S nicht Die voll Molekül Dort , Also Wir haben Zu erhalten loswerden von diese ."
Dann Endlich , Wir haben Zu machen Sicher , durch Ultra Filtration Und Diofiltration
Das Wir dürfen überweisen hinein Die Puffer
Das Es 'S gehen Zu Sei Wann Es Ist übertragen für Die geduldig 'S verwenden
Und Es 'S Auch bei Die Rechts Konzentration .
Du dürfen vorstellen , jeder Schritt entlang Das Weg ,
Dort Sind viele Faktoren ,
Dort Sind viele Knöpfe Das Wir dürfen drehen Zu Kontrolle Das Verfahren ,
machen Sicher Das Es 'S robust
Und Wir 'Re Herstellung Die Dasselbe Produkt jeder Zeit .
Wann Wir 'Re fokussiert An Behandlung Die geduldig ,
Wir Auch wollen Zu Fokus An Die Geschäft .
Wir dürfen 'T setzen alle von unser Entwicklung Ressourcen für jeder Molekül .
Wir wollen Zu Rechts -Größe Die Forschung Das Wir 'Re tun
bei Die Rechts Bühne von Die Produkt .
Dort 'S viele Dinge Das könnte töten a Produkt ,
Aber Wenn Wir dürfen entwickeln Das In Die Rechts Zeit Und Die Rechts Raum
mit diese Werkzeuge aus JMP ,
Wir dürfen Schicht Das Entwicklung Zeitleiste Zu Die links
Und Wir dürfen Auch reduzieren Die Menge von Ressourcen
Und Die kosten Zu Die Unternehmen .
Wenn Wir 'Re Erste bekommen a Molekül ,
Das 'S Wann Du 'Re gehen Zu Start suchen bei dein kategorisch Faktoren .
Wir könnte Sei tun Die Zelle Linie Screening .
Wir wollen Zu machen Sicher Das Wir haben Die Rechts Zelle Linie
Das 'S gehen Zu zuletzt alle Die Weg durch Vermarktung .
Für Die stromabwärts Gruppe , Sie Mai Sei suchen bei Harze
für beide flussaufwärts Und stromabwärts ,
suchen bei Socken Und Puffer Komponenten Und Die Formulierungen von diese .
Das 'S Wann Du 'Re Herstellung Sicher Das Du haben Die Rechts Ding ,
Das 'S gehen Zu halten Du gehen durch dein Entwicklung Weg .
Aber Dann einmal Du 'Re In Die Klinik ,
Jetzt Du wollen Zu Wirklich Start Zu gewinnen Verständnis von Die Verfahren Parameter .
Unser Strategie Ist Zu Start mit a Entwicklung Screening Design
Und Wir wollen Zu Sei deutlich In unser Ebene Einstellungen bei Das Bühne
Und I 'll sprechen a wenig bisschen mehr um Das später ,
für Die spät Bühne Entwicklung .
Dann Wir dürfen bauen An Was Wir gelernt aus Die Definitiv Screening Ausführungen
von erweiternd diese Entwürfe mit Raum -Füllung oder andere Entwürfe
Also Das Wir Wirklich verstehen Das Design Raum .
Was 'S anders Das Wir 'Re hoffend Zu zeigen Jetzt
als traditionell Spaziergänge durch Das Weg
Ist Das In Die Vergangenheit , Wir habe gewesen Werfen aus
Die Faktoren Das Wir habe sagte aren 'T wichtig .
Aber mit modern Entwürfe Und modern Wege von tun Analyse ,
Wir dürfen halten alle von Die Faktoren Und alle von Die arbeiten Das Wir habe Erledigt Also weit
Und gewinnen besser Verständnis von Die ganz Verfahren ,
besonders mit Biologika Das Sind ganz Komplex .
Vor I passieren Die Taktstock Zu Phil , I Nur gesucht Zu sprechen eins mehr um …
Lassen 'S sehen Wenn I dürfen …
I 'M gehen Zu minimieren Das Bildschirm Nur für a Minute Also I dürfen zeigen Du Das .
Das Ist ein Experiment Das I tat Zu beweisen Die Leistung von DAMHIRSCHKUH für Mein Chef .
Der voll Daten Satz War ein KATASTROPHE für PH , Und Die Antwort War enger .
Wir gesucht Zu Tun sehr viele anders Ebenen
In a breit Reichweite Weil Er war 'T Sicher bei Die Zeit
Das Wir war gehen Zu Sei fähig Zu wählen Was Die optimiert Ebene War .
Aber Was I gesucht Zu zeigen ihn War Das ,
"Okay , Wir tat Das Experiment , Wir haben alle von Das Daten .
Wir war fähig Zu Modell Wo Die optimiert Zustand War ,"
Und Das 'S gezeigt In Blau ,
Und Das gedreht aus Zu Sei Die richtig Fall .
Wann Wir getestet Die Modell , Das War Die optimiert Zustand .
Lassen 'S vorgeben Jetzt Das Wir 'Re Start , Wir Don 'T wissen Das Daten .
Wenn Wir hatte gepflückt a konservativ Reichweite Einstellung für unser Experiment ,
unser Lärm Zu Signal würde Sei ganz hoch
Und Also Wir würde haben verpasst Finden Die optimiert Stelle .
Aber Wenn Wir hatte gepflückt a breiter Reichweite In unser Einstellungen
Und Trotzdem mit nur drei Punkte ,
Die Modell Trotzdem würde haben gewählt Die optimiert Stelle .
Was I 'M gehen Zu Herausforderung Die Thema Gegenstand Experten
Wann Du 'Re Entwerfen dein DSDs Ist Wirklich Sei deutlich In dein Reichweite Einstellung .
Du Wille Trotzdem finden Die optimiert Stelle
Und Du haben Zu haben manche Wissen von dein Verfahren Also Das Du dürfen vollständig
Die Design von Experiment
Und haben alle von Die Läufe bei am wenigsten haben genug Signal
Das Du dürfen messen Und Dann anschließend Modell .
Einmal Du lernen aus dein Definitiv Screening Ausführungen
mehr um dein Design Raum , Du dürfen kommen zurück
Und Dann Du dürfen Sei intern Zu Das Raum .
Das 'S Wann Du erweitern mit a Raum -Füllung Design .
Jetzt I 'M gehen Zu passieren Die Taktstock Zu Phil
Und Er 'S gehen Zu nehmen Du durch Die Analyse .
Okay , Dank Du . Dank Du , Patty .
Wir 'Re gehen Zu sprechen um a sehr Hübsch
Und etwas kompliziert Experiment Das Patty Und ihr Team laufen .
Sie Tun a viel von Großartig arbeiten Und Sie 'Re groß Befürworter von DAMHIRSCHKUH Und JMP
Und I 'M sehr Glücklich Sie lassen Mich erhalten Zu spielen mit ihnen Manchmal .
Es 'S faszinierend arbeiten .
Aber vor I erhalten hinein Die tatsächlich Analyse ,
I gesucht Zu sprechen um a wenige relevant Konzepte
Das Mitglieder von Die Publikum Mai
oder Mai nicht Sei vertraut mit , Und Das beinhaltet Komplexität .
Es 'S a Wirklich heiß Thema aus Dort .
Sprechen um Was Ist Genau genommen Vorhersage .
Das Ist a durcheinander Konzept Zu viele Menschen .
Dann aus Dort , I 'll Start hinein reden um
Wie Wir analysieren Vorhersage Und Wie Wir tat mit Patty 'S Experiment .
Komplexität, a Gefährte namens Daniel Oberflächen
aus London Schule von Wirtschaft, geschrieben viel um Das
Und Er Anrufe Es "Die Elefant In Die Zimmer " Das Statistiken Und viele ,
Was Er Anrufe "Metawissenschaften ," Sind ignorieren Und Sie 'Re ignorieren Es bei ihre Gefahr .
I Won 'T erhalten hinein a viel von Detail .
Du dürfen sehen ihn hoch An Die Internet , Er hat a viel von Videos Und Papiere .
Aber Komplexität Ist a riesig Problem .
Es Ist starrend Wissenschaft Und Statistiken
Und Daten Wissenschaft Und Maschine Lernen In Die Gesicht Und Es Bedürfnisse Zu Sei ausgeteilt mit .
Bei gegenwärtig , Wir 'Re nicht Wirklich Umgang mit Es direkt In Statistiken .
Von Die Weg , Dort Sind Jetzt ganz angewandt Mathe Programme
basierend An studieren Komplex Systeme .
Mein unten Linie Ist , Komplexität Ist real .
Komplexität erfordert neu Denken .
Wir Wirklich haben Zu überdenken DAMHIRSCHKUH Und Analyse .
Du 'Re gehen Zu sehen Das für Komplex Systeme,
Und Wir Auch haben Zu verstehen etwas anders , Systeme Theorie 101 Ist
Komplex Systeme Sind definiert von ihre interaktiv Verhalten .
In Punkt von Tatsache , hauptsächlich Effekte Sind Genau genommen sogar irreführend .
Du haben Zu irgendwie Sei Experimentieren
In a Benehmen Das Du dürfen erfassen Das interaktiv Verhalten ,
Und Du 'Re gehen Zu sehen aktuell Strategien fallen kurz von Das Ziel .
Patty 'S bereits erwähnt Die CMC Weg .
Nirgends Ist Das Problem von Komplexität mehr offensichtlich als In Bioprozesse .
Du haben Komplex Kombinationen von Biologie Und Chemie ,
Und Wechselwirkungen Sind überall .
Wann I sprechen Zu Wissenschaftler In Biotechnologie ,
Sie wissen Rechts hoch Front Wir 'Re Umgang mit Wirklich Komplex interaktiv Systeme .
Aber Erste , I brauchen Zu Punkt aus Vorhersage .
Wenn Du 'Re Arbeiten In CMC Entwicklung arbeiten , Es 'S alle um Vorhersage .
Der ICH Richtlinien Das Sind gebraucht von Wissenschaftler In Die CMC Entwicklung arbeiten
Don 'T speziell sagen Vorhersage ,
Aber Wenn Du lesen Was Sie sagen , Es 'S alle um Vorhersage .
Grundsätzlich , Du 'Re Gebäude Prozesse Zu Herstellung Biologika ,
Und mit Die neu Zelle Und Gen Therapien ,
diese Prozesse Sind Werden hoffnungslos kompliziert .
I persönlich verlassen stark An Die Wissenschaftler Zu erklären Es Zu Mich ,
Und Sie 'Re Die Menschen WHO Wirklich machen alle Die Entscheidungen .
I 'M Die Helfer , Und I 'M sehr Glücklich Zu Sei Dort als Teil von Es .
Aber Es 'S alle um Vorhersage .
Das Ist nicht Wie viele Wissenschaftler Und sogar Statistiker ,
haben angesehen CMC arbeiten .
Von Die Weg , Das gilt Zu alle Bereiche von Wissenschaft .
I 'M fokussiert mit Patty An Die CMC Entwicklung Weg ,
Aber Vorhersage Ist wichtig .
Was Ist Vorhersage ?
Es 'S durcheinander . Es 'S nicht deutlich definiert In Disziplinen .
Hier 'S Was Es Wirklich Ist Und Wie I definieren Es .
Es 'S a messen von Wie Also
Modelle Das Du entwickeln interpolieren über a Design Region .
In andere Wörter , Wir 'Re gehen Zu fit a Modell Zu Was Wir Anruf a Ausbildung Satz ,
Und Dann Wir brauchen manche Weg von Wissen Wie Das Modell würde anwenden
über Die ganz Design Region .
In CMC arbeiten , besonders spät Bühne , Das Ist sehr wichtig .
Du Sei fähig Zu Tun Das , als viele von Du wissen .
Du Wirklich haben a Ausbildung Satz Zu fit Die Modell .
Das Ausbildung Satz In NEIN Weg dürfen auswerten Vorhersage .
I wissen Dort 'S a gemeinsam Glauben
Du dürfen auswerten Vorhersage An Ausbildung Sätze .
Du einfach dürfen nicht .
Du muss haben a prüfen Satz .
Auch I 'll sprechen a wenig bisschen um Die Tatsache In Umgang mit Wissenschaftler ,
Und a viel von Es In Chemikalien Und Biologika .
Wieder , I Tun a viel von Es In Biotechnologie ,
Aber Auch In andere Bereiche wie Batterie Technologie , Material Wissenschaft .
Es Ist Werden sehr offensichtlich .
Der Kinetik Sind kompliziert .
Sie 'Re ständig Ändern über Design Regionen .
Der kinetisch Verhalten Das Du sehen um Die Grenzen
Ist oft sehr anders aus Was 'S Happening An Die Innere .
Warum tut Das Gegenstand ?
Also , Die Klassiker Ansatz Zu Antwort Oberfläche ,
sogar einschließlich optimal Entwürfe , verlässt sich auf Was I Anruf Grenze Entwürfe .
Fast alle von dein Beobachtungen Sind um Die Grenzen von Die Design Region .
In Punkt von Tatsache , ob Menschen wollen Zu hören Es oder nicht ,
Die zentral Verbundwerkstoff Design ,
häufig gebraucht In Antwort Oberfläche ,
Ist um Die am schlimmsten Design Du könnte denken von für Vorhersage .
Der Innere von Die Raum Ist leer .
Wenn Du fit diese Modelle An Die Grenze ,
Und Dann Du vorhersagen Was 'S Happening An Die Innere ,
Es 'S nicht Vorhersage , Es 'S Spekulation .
Du Don 'T wissen . Du haben NEIN Daten .
I 'M gehen Zu zeigen Du In Die Fall Studie ,
Du 'Re wahrscheinlich gehen Zu erreichen manche falsch Schlussfolgerungen .
Der Grenze Regionen , In der Tat , oft benehmen sehr anders ,
Und Wir haben a brauchen Zu überdenken unser Ansatz Zu Entwürfe .
Ein anderer Ausgabe
In Antwort Oberfläche Und Statistiken
Ist Das allgegenwärtig verwenden von voll quadratisch Modelle .
Sie Sind nicht ausreichend Zu Modell Komplex Antwort Oberflächen .
In Tatsache , Sie 'Re weit aus Es .
Bedauerlicherweise , I erhalten a viel von Rückstoß
aus Statistiker WHO beanspruchen Es Ist Gut genug .
Mein Antwort Ist , "Also , Wenn Du Genau genommen verwenden Entwürfe
Das hatte ausreichend Innere Punkte ,
Du 'D schnell entdecken Sie Don 'T fit Also bei alle .
Wieder , versuchen Zu messen Vorhersage
An Die Innere von a Design Region mit Grenze Entwürfe Ist zwecklos .
Von Die Weg , Mein Gut Freund , Die spät John Cornell Und Doug Montgomery ,
veröffentlicht a Papier An Das In 1998 , Und I 'll Sei höflich , Sie war ignoriert .
Es War Genau genommen etwas fieser als ignoriert von Die Statistiken Gemeinschaft .
Sie zeigte In Die Papier Das voll quadratisch Modelle
Sind Nur nicht ausreichend Zu Abdeckung a Design Region .
Patty erwähnt ALLES , selbst -Validierung Ensemble Modellieren .
Es 'S ein Algorithmus .
I 'M eins von Die co -Entwickler mit Dr . Chris Gottwald von JMP ,
a Person I halten In sehr hoch betrachten .
I Won 'T erhalten hinein Die Algorithmus von Die Weg ,
Dort Sind Referenzen bei Die Ende Wo Du dürfen gehen Und lernen mehr um Es .
Es hat gewesen gesprochen um bei Entdeckung Konferenzen Genau genommen ,
gehen alle Die Weg zurück Zu Frankfurt In 2017 .
Aber ALLES Ist ein Algorithmus Das erlaubt Du Zu anwenden Maschine Lernen Methoden .
Maschine Lernen Methoden Sind alle um prädiktiv Modellieren .
Glauben Mich , Menschen In Das Feld wissen a viel mehr als Du Mai denken
um Vorhersage Und anwenden ihnen Zu Daten aus klein Sätze wie DAMHIRSCHKUH 'S .
I Won 'T erhalten hinein ALLES .
Es 'S a ganz neu Weg von Denken um Gebäude prädiktiv Modelle ,
Und I denken Es 'S In es ist Kindheit ,
Aber Es 'S bereits beweisen sehr leistungsstark Und nützlich In Biotechnologie .
Lassen 'S erhalten Zu Die Experiment .
Das Ist Genau genommen a Hybrid Experiment Das Patty Und ihr Team erstellt .
Dort Sind Sieben Faktoren Und Dort Sind 13 Antworten .
Aber fällig Zu Zeit Einschränkungen , I 'M nur gehen Zu Fokus An vier ,
Und sogar Das 'S gehen Zu Sei hart Zu erhalten Es alle In .
Der Daten Und Die Experiment Sind hoch proprietär .
I Tun Dank Lundbeck Und Patty für Genau genommen erlaubend uns Zu verwenden
ein anonymisiert Version von Das Design .
I haben a viel von Fall Studien , manche von ihnen ähnlich Zu Das ,
Und Die Menschen WHO eigen Die Daten
würde 'T sogar lassen Mich diskutieren Es Wenn I anonymisiert Es .
Das War sehr Hübsch von ihnen .
I denken Wir haben a Wirklich wichtig Geschichte Zu erzählen Hier .
Das Ist a Hybrid Design .
Es 'S umfasst von a 19 -laufen Definitiv Screening Design
um Die Grenzen .
Dann Es hat 16 Raum -Füllung Entwürfe An Die Innere .
Dort Sind Center Punkte In beide Teile von Die Design .
Wie würde Wir analysieren Das ?
Also , Was I wollen Zu Tun Ist diskutieren Die Strategien von Analyse Das Sind gebraucht ,
Die Algorithmen Das Sind gebraucht , Und machen Vergleiche Zu ALLES .
I 'll erzählen Du In Vorauszahlung , ALLES Ist gehen Zu Tun sehr Also .
Dann Wir 'll sprechen um manche von Die Probleme mit Die Modelle selbst
Und Wie Wir verwenden ihnen .
I 'M gehen Zu Tun Was am meisten Menschen momentan Tun .
I 'M gehen Zu nehmen Die Grenze Punkte , Die DSDs ,
fit Modelle , Und Dann anwenden ihnen Zu Die Raum -Füllung Entwürfe als a prüfen Satz
Und sehen Wie Also Mein Modell interpoliert .
Schritt zwei , I 'll umkehren Die Verfahren .
I 'll fit Modelle Zu Die Raum -Füllung Punkte ,
Und Dann I 'll verwenden Die DSD als a prüfen Satz Und sehen Wie Also Mein Modell
Genau genommen extrapoliert a wenig bisschen Zu Die Grenzen .
Drei Ist a gemeinsam Strategie gebraucht In Maschine Lernen .
I 'M gehen Zu verwenden a Zurückhaltung prüfen Satz .
I 'M gehen Zu nehmen Die 35 Läufe Und brechen ihnen hoch .
I tat Das In a Weg Zu machen ihnen beide Äquivalent als viel als I könnte
hinein a Ausbildung Satz enthaltend beide SFD Und DSD Punkte ,
Und Dann Auch a ganz zurück prüfen Satz Das hat a Darstellung von beide .
Dann Endlich , Schritt vier , Was viele Menschen würde automatisch Tun .
I 'll Nur fit Modelle Zu Die ganz Daten Satz .
In allgemein , I Don 'T empfehlen Das Weil Dort 'S NEIN Weg Zu prüfen Die Modell .
I Wille sagen hoch Front ,
Weil Wir Tun haben a viel von Raum -Füllung Punkte An Die Innere ,
I 'M mehr komfortabel mit Das Ansatz als I Bin In üben .
Aber diese , I finden , Sind Die vier Basic Strategien Das würde Sei gebraucht .
Wie Tun I analysieren Es ?
Also , Wenn Du haben a DSD ,
Menschen wie Zu verwenden Fit Definitiv Screening ,
I 'll sehen bei Es , Es nur gilt Zu DSDs .
Ehrlich , Es 'S nicht Wirklich a prädiktiv- Modellieren Strategie ,
noch Tun Sie beanspruchen Es Ist .
Aber I finden Menschen erscheinen Zu verwenden Es Das Weg .
I 'll verwenden Nach vorne Auswahl .
Wenn Du wissen Was Die AICc Statistik Ist , Wir 'll Tun Das In GenReg , In JMP 17 .
Dann Wir 'll sehen bei etwas Sie haben In GenReg Das 'S sehr Hübsch .
Das Ist Die ALLES Algorithmus .
I 'M gehen Zu verwenden Das mit Nach vorne Auswahl .
Dann I 'M gehen Zu sehen bei etwas Menschen Mai nicht wissen .
Es 'S a versteckt Juwel In JMP .
Etwas angerufen Umzug Durchschnitt In Die Schrittweise Plattform .
John Saul setzen Es Dort viele Jahre vor .
I denken Er War Sein sehr aufschlussreich .
Dann Wir 'Re gehen Zu sprechen um ALLES Und Neuronale Netzwerke .
Grundsätzlich , NEIN Software tut Das .
I haben funktionierte mit Die Vorhergesagt ,
manche von Du wissen Wayne Levin Und Vorhergesagt Zu entwickeln ein hinzufügen -In Zu Tun Das .
Es 'S momentan Die nur Software verfügbar Das tut Das .
Der ALLES hinzufügen -In War gebraucht Zu Tun Die Neuronale Netzwerke .
I Won 'T erhalten hinein Die hinzufügen -In insbesondere ,
I 'll Nur schnell zeigen Menschen Wo diese Dinge Sind .
Dann Endlich I sagte Die vierte Strategie War gebraucht Zu halten Daten Satz
Weil I erhalten gefragt um Das alle Die Zeit .
I Nur warf In manche K -kreuzen Falten Validierung Zu verwenden
mit Die ALLES Methoden Und manche von Die andere Methoden .
Diese Sind Die Methoden Wir 'll verwenden
Und für Methoden wie Fit Definitiv ,
Nach vorne Auswahl Und Umzug Durchschnitt Methoden ,
Wir 'll annehmen a voll quadratisch Modell als Das Ist Die Tradition .
Der andere Methoden , wieder , Wir 'Re gehen Zu verwenden a Neuronale Netzwerk
welche Ist mehr flexibel .
Dort Sind vier Antworten, Und Das Ist Wirklich wichtig .
I nicht 'T zufällig wählen ihnen .
Dort Sind vier von ihnen Und Sie variieren In Komplexität .
Wieder , I 'll zugeben Das Ist subjektiv .
Dort Ist NEIN international genehmigt messen von Komplexität
Und Das Ist basierend auf Die Fähigkeit Zu Modell Die Antworten .
Wieder , Dort Sind 13 Antworten .
Typischerweise , In CMC Weg arbeiten , Dort Sind 10 -20 , Vielleicht mehr ,
am meisten von ihnen kritisch Qualität Attribute .
Sie Sind wichtig
Und Sie variieren innerhalb Die Experiment aus manche Sind ziemlich niedrig In Komplexität ,
manche Sind sehr hoch , sehr schwierig Zu Modell .
Ehrlich gesagt , In diese Fälle ,
Neuronale Netzwerke Sind grundsätzlich dein nur Option .
Also zahlen Aufmerksamkeit Zu Das Weil Das Komplexität
dreht sich aus Zu Sei sehr wichtig In Wie Du würde gehen um Modellieren .
Dann Die Frage Ist Wenn I 'M gehen Zu auswerten Vorhersage ,
Also , Wie Tun I Tun Das ?
Erinnern , I bevorzugen Vorhersage Sei An ein unabhängig prüfen Satz
mit neu Einstellungen von Die Faktoren .
Das 'S Wie Wir Richter Interpolation .
Also , etwas angerufen Die Wurzel Durchschnitt Quadrat Fehler
oder RASE Partituren Ist sehr gemeinsam .
Das Ist Die Standard Abweichung von Vorhersage Fehler .
Wieder , Es 'S häufig gebraucht Zu Richter Wie Also Du vorhersagen .
Kleiner Ist besser , offensichtlich ,
Aber Dort Ist a Problem mit Es Das Wir habe insbesondere aufgedeckt ,
besonders In Simulationen .
Modelle mit niedrig RASE Partituren oft haben erheblich Vorhersage Voreingenommenheit In ihnen .
In Vorhersage , Dort Wirklich Ist Trotzdem a Voreingenommenheit -Varianz Handel -aus .
Also Wie Tun Wir auswerten Voreingenommenheit ?
Also , Dort 'S NEIN vereinbart auf Ansatz Zu Das entweder .
Aber Die am einfachsten Weg Und Die am meisten visuell Weg
Ist tatsächlich von vorhergesagt Grundstücke An a prüfen Satz .
Ideal , Wenn Du war Zu fit a Neigung
Zu Die tatsächlich mit einem -vorhergesagt Handlung , I 'll zeigen ein Beispiel .
Der Ideal Vorhersage Gleichung Das a Neigung würde Sei eins mit ein abfangen von null .
Der weiter Die Neigung Ist aus eins , Die größer Die Voreingenommenheit .
Für Zwecke von Demonstration , I 'M gehen Zu Satz
a Spezifikation von 0 .85 -1 .15 mit a Ziel von 1 für Die Neigung .
Wenn Du dürfen bleiben innerhalb Das Reichweite ,
Dann I 'D sagen Du wahrscheinlich haben akzeptabel Beträge von Voreingenommenheit .
In Wirklichkeit Das passiert Zu Sei mehr von a Thema Gegenstand Ausgabe .
Dann Endlich I sagte , "Also , Du dürfen fit a Neigung Zu Die tatsächlich mit einem -vorhergesagt Handlung .
Dort 'S ein zusätzlich Problem ."
Der Prädiktor Ist Die vorhergesagt Werte .
Sie haben a viel von Fehler In ihnen .
Also Das Ist Genau genommen ein Fehler Und Variablen Problem ,
welche Ist nicht häufig anerkannt .
Aber JMP 17 hat a Wirklich Hübsch Lösung .
Es 'S angerufen Die Vorbeigehen -Bablok Modellieren Algorithmus
Und Es 'S gewesen Also -gegründet , besonders im Biopharma .
Das passt a Neigung , Einnahme hinein Konto Fehler In X , Die Prädiktor .
Also Wie tut Es arbeiten ?
Also , Es passt a Neigung .
Wenn Du sehen An Die links ,
Du 'll sehen Die Neigung Ist um 0 .5 . Wir haben stark Voreingenommenheit .
Dort 'S a viel von Vorhersage Voreingenommenheit .
Was I Wirklich wie In Die Anwendung In JMP , Sie geben Du Die Referenz Linie .
Der gestrichelt Blau Linie Ist Die Ideal Linie Neigung von eins , abfangen von null .
An Die links , unser prädiktiv Modell Ist zeigt a viel von Voreingenommenheit .
Es 'S systematisch nicht Vorhersagen Die Antwort .
Zu Die Rechts , Ist a Fall Wo Dort 'S Genau genommen a klein Menge von Voreingenommenheit
In allgemein , Das würde Sei akzeptabel .
Von Die Weg , diese war gepflückt als eins 'S Modelle
Das hatte relativ niedrig gesamt RASE Partituren .
Diese Sind angerufen Die Vorbeigehen -Bablok Pisten
Und Sie Sind Integral Zu Wie I auswerten Vorhersage ,
Die gesamt RASE Und Die Pisten .
Was I 'M gehen Zu Tun bei Das Punkt ,
I 'M gehen Zu Genau genommen gehen über Zu JMP , Wenn Du Don 'T Geist .
I 'll machen a schnell ändern In Die Bildschirm Hier
Und I 'll machen Das als groß als I dürfen für alle .
Gesamt In Das Übung ,
I fit schließen Zu 140 Modelle Und I tat ihnen alle individuell Und ausgewertet ihnen .
Ja , Es nahm ganz a während
Und I 'M gehen Zu zeigen a Grafik Zu versuchen Zu zusammenfassen Die Ergebnisse
für Die anders Methoden .
I 'M gehen Zu offen a Graph Baumeister Skript .
I 'll machen Das als groß als I möglicherweise dürfen für alle .
I 'M mit manche lokal Daten Filter , Zu definieren Die Anzeige .
Beachten Wir haben vier Ausbildung Szenarien .
I 'll Start mit Wo Die DSD Ist Die Ausbildung Satz .
Wir fit Modelle Zu Die Grenze
Und Dann Wir auswerten ihnen Und Wie Sie vorhergesagt
Die Raum -Füllung Design Punkte .
Y2 Ist Die einfach Antwort .
I erwartet alle Ansätze Zu Tun Also , Sie tat .
Beachten I Satz diese Spezifikation Grenzen Und Das 'S 0 .85 -1 .15
alle fällen innerhalb Das zulässig Region .
Zwei von Die Methoden Das tat Also ,
I insbesondere mochte Die Umzug Durchschnitt ,
Also Es tat hübsch Also .
Keiner von ihnen hatte a Neigung von genau eins .
Der DSD Punkte Don 'T genau vorhersagen Was 'S gehen An
In Die Raum -Füllung Design Punkte , Aber Sie alle tat relativ Also .
Jetzt Wir 'll gehen Zu mäßig Komplexität .
Jetzt Du Start Zu sehen manche Trennung .
Es 'S bekommen Schwerer Zu Modell Die Oberfläche .
Wieder , I 'M mit Das Intervall von 0 .85 -1 .1 .
I 'M suchen An Die y -Achse bei Die RASE Punktzahl Standard Abweichung von Vorhersage .
An Die x -Achse , I 'M suchen bei Neigung .
Für Y1 , mit Die DSDs Zu vorhersagen
Die Raum -Füllung Design Punkte als Die prüfen Satz .
Der nur Modelle Das Wirklich durchgeführt Also war Die Neuronale Netzwerke mit ALLES .
Von Die Weg , Die Code Ist NN Ist Neuronale Netzwerk ,
H Ist Nummer von versteckt Knoten .
Wir haben Modelle mit variierend Ebenen von versteckt Knoten
Und I einfach ausgewertet RASE Partituren Und Neigung .
Wir gehen Zu mehr Komplexität .
Jetzt Y3 hat hoch Komplexität .
Es Ist hart Zu Modell .
Der niedrigste RASE Partituren war Die Methoden Du sehen An Die untere Rechts ,
Aber Du dürfen sehen Dort 'S erheblich Vorhersage Voreingenommenheit .
I gefühlt gesamt Die am besten Kombination von niedrig -Voreingenommenheit
Und RASE Punktzahl war Neuronale Netzwerke , insbesondere eins mit 27 versteckt Knoten .
Dann Endlich Nummer vier Ist hoch Komplexität .
Wir fit Die Modell Zu Die DSDs Und angewandt Es Zu Die Raum -Füllung Punkte .
I nicht 'T denken beliebig von Die Modelle tat Großartig .
Alle von ihnen zeigte manche Vorhersage Voreingenommenheit .
Vielleicht Die am besten Leistung War a Neuronale Netzwerk mit 12 versteckt Knoten .
Es hatte Die niedrigste RASE Punktzahl , Aber Trotzdem , Dort war manche Probleme mit Voreingenommenheit .
Also Das 'S eins Strategie .
Also , Was Wenn I war Zu Tun Die Gegenteil ?
I fit Die Modell Zu Die Raum -Füllung Punkte
Und Dann anwenden ihnen Zu Die Grenze DSD Punkte .
Wieder , lassen 'S Start mit Die am einfachsten Fall .
Y2 Wirklich tut . Es 'S a hübsch einfach Antwort .
Eigentlich , Die ALLES Verfahren In GenReg mit ALLES Und Nach vorne tat sehr Also .
Der nächste am besten I Gedanke War a Neuronale Netzwerk mit 10 .
Erinnern, Dort 'S a wenig bisschen von Hochrechnung gehen An Hier .
Endlich , Y1 mit mäßig Komplexität .
Wieder , nur Die Neuronale Netzwerke tat Also .
Als Wir gehen hoch In Komplexität , zunehmend Nur Die Neuronale Netzwerke Sind Arbeiten.
Du 'll finden ähnlich Ergebnisse für Die andere Ansätze .
I Won 'T zeigen alle von ihnen , Sie 'Re bedeckt In Die Anmerkungen .
Aber Die allgemein Abschluss von Die Weg , Ist
Das Wann Du verwenden Die Grenze Punkte als a prüfen Satz
oder Du verwenden Die Raum -Füllung Entwürfe als a prüfen Satz Und versuchen Zu vorhersagen Die andere ,
Sie 'Re Nur nicht tun als Also als Sie sollen .
In andere Wörter , als I sagte früher , Die Grenze Punkte ,
Die DSD Punkte Und Die Raum -Füllung Design Punkte ,
Dort Sind Unterschiede In ihre kinetisch Verhalten Das Wir 'Re nicht Kommissionierung hoch .
Der nur Weg Wir 'Re gehen Zu wählen Es hoch
Ist Zu Genau genommen fit Modelle über Die ganz Design Raum .
Wir tat Tun Das von Die Weg .
I sollen Nur schnell zeigen Du .
I gebraucht Die ganz Daten Und Wir fit Modelle Und Wir Genau genommen tat hübsch Also .
I nicht 'T zeigen Die Vorbeigehen -Bablok Pisten .
I Wille Nur schnell Tun a wenig mehr arbeiten mit JMP für diese WHO Sind interessiert .
Der Vorbeigehen -Bablok Pisten dürfen Sei Erledigt In Fit Y von X .
I Wille zugeben Wir schrieb a Skript
Und hinzugefügt Es Zu Die prädiktiv hinzufügen -In Zu Tun Das In Fit Y von X ,
Aber Du dürfen leicht Tun Es selbst .
Hier , Und I 'll wählen eins von Die Fälle , Ist Die DSD Daten Und I 'll wählen Y1 .
Wie tat Wir Tun Beschlag Modelle ?
Wenn Du sehen In Die Speisekarte , Dort 'S Die Vorbeigehen -Bablok .
I stark vorschlagen Du sehen bei Es .
A viel von Regression Probleme Sind Fehler In Variablen .
Wie tat Die Verfahren Tun Es gesamt ?
I wollen Zu erklären etwas anders .
Der orange Punkte Sind Die DSDs , Die Grenzen .
Der Blau Punkte Sind Die Raum -Füllung Design Punkte .
Hier I fit Modelle Zu Die DSD
Und Die Vorbeigehen -Bablok Pisten Sind Sein fit Zu Die Raum -Füllung Design Punkte .
Gesamt , Die am besten Leistung War gedreht In von Die DSDs .
Dort 'S eins von ihnen Hier .
Es 'S Saywood 6 .
Ein anderer eins Das hatte … I vergessen Was Es War .
Lassen Mich erweitern Das aus für Du .
Neunzehn .
Beachten Die Neigung Ist schließen Zu eins ,
Aber Du dürfen deutlich sehen Dort Ist manche Voreingenommenheit .
In andere Wörter , Du dürfen sehen ein Versatz zwischen Die tailliert Neigung
Und Die Ideal Neigung , Die gestrichelt Blau Linie .
Das Ist hübsch typisch gesamt .
I 'll Nur sehr schnell zeigen Du .
Wenn Du haben JMP Pro Und Du wollen Zu Tun ALLES mit linear Modelle ,
Nur gehen Zu Fit Modell , Abrufen .
Das Ist a voll quadratisch Modell .
Du könnte Tun andere .
Gehen Zu GenReg Und Dann unter Schätzung Methoden .
Dort 'S ALLES Nach vorne .
Dort 'S ALLES Lasso .
Diese arbeiten sehr Also .
Aus a viel von arbeiten In diese Methoden ,
I Trotzdem finden ALLES Nach vorne gibt Du Die am besten Ergebnisse .
Der Lasso neigt Zu geben Du a viel von voreingenommen Ergebnisse
An prüfen Sätze In besondere .
Wenn Du 'Re interessiert In Modell Mittelwertbildung , Wenn Du haben JMP Standard ,
Nur gehen Zu Schlag abrufen wieder , Nur gehen Zu Die Schrittweise Plattform .
Nicht 'T Tun Es . Schrittweise .
I Won 'T laufen Es .
Es Wille nehmen zu lang Weil Modell Mittelwertbildung verwendet am besten Teilmengen Regression .
Es 'S Zeit -verbrauchend , Aber Es 'S Dort .
Wieder , Neuronale Netzwerke mit ALLES ,
Du haben Zu haben Die Vorhergesagt hinzufügen- In Zu Tun Das .
Dort 'S a Link Zu Es Wenn Du 'Re interessiert .
Bei Das Punkt ,
I 'M gehen Zu nicht Tun zu viel mehr Analyse .
Wieder , Du dürfen gehen durch Und sehen bei Die verschieden Pisten
für Die verschieden Antworten
Und Du dürfen sehen viele von diese Methoden resultierte In hoch voreingenommen Pisten .
In andere Wörter , Die DSD Punkte Und Die Raum -Füllung Entwürfe Sind zu anders .
Wir habe Wirklich bekommen Zu verstehen Wir brauchen Zu fit Modelle
über Die gesamte Design Region .
Bei Das Punkt , I 'M gehen Zu Nur beenden hoch .
Von Die Weg , Dort Ist genug Material Hier,
Und I Tun haben grundsätzlich viele Gespräche Das Sind kombiniert hinein Hier .
I sich entschuldigen , Aber I denken Dort 'S ein wichtig Nachricht Hier .
Von Die Weg , I 'M Nur zeigt Folien mit Die Vorbeigehen -Bablok Pisten .
Dann Endlich , I wollen Zu Nur geben Du manche Finale Gedanken .
I denken Wir Wirklich brauchen manche neu Denken In Statistiken .
Wir Don 'T haben Zu werfen aus alles Wir habe gewesen tun .
I 'M nicht Spruch Das .
Der am meisten wichtig Ist Wir Sind In Die Epoche von digital Wissenschaft .
Digital Chemie , digital Biologie , digital Biotechnologie Sind Hier .
Sie 'Re nicht morgen . Wir habe bekommen weit mehr Automatisierung .
Lose von Großartig ,
besonders In Biotechnologie , Pilot Und Bank Skala
Geräte Das Skala schön , Wo Wir dürfen Tun viele von Experimente .
Der Problem Ist Komplexität .
Wir brauchen Zu denken anders .
Maschine Lernen Methoden über ALLES
Sind sehr wichtig für Beschlag diese Komplex Systeme .
Wir brauchen Zu erhalten weg aus Die Antwort Oberfläche Ansätze
Das Wirklich Oase 'T geändert .
Vielleicht Wir habe bekommen Computer Und manche neu Entwürfe .
I denken DSDs Sind Wirklich sehr clever .
Wir haben optimal Entwürfe , Aber Sie leiden aus Die Tatsache Sie 'Re Grenze Entwürfe
Und Menschen halten darauf bestehen An voll quadratisch Modelle .
Das 'S a Fehler , als I habe versucht Zu zeigen knapp In Die sprechen ,
Und Du Wille Sei fähig Zu herunterladen Die sprechen ,
Du dürfen sehen Wie schlecht diese Methoden allgemein tat mit Die Komplex Antworten .
Als weit als I 'M betroffen , Wir brauchen neu Typen von optimal Entwürfe .
Bei a Minimum , diese brauchen Zu unterbringen a viel von Faktoren .
Patty , von Die Weg , ohne bekommen hinein Details , hat laufen a DSD …
Nicht a DSD . Du tat Raum -Füllung Design mit 18 Läufe .
Gegeben Sie haben Bernstein Technologie verfügbar ,
Wenn Du wissen Was Das Ist , Sie dürfen Tun Es .
Warum Tun Wir brauchen Das ?
Weil diese Systeme Sind interaktiv .
Wir brauchen Zu stoppen Denken Sie 'Re a unerheblich Teil von Die Gleichung .
Hauptsächlich Effekte Tun nicht beschreiben Die Verhalten von a Komplex System .
Es ist Interaktivität Ist Was fährt Die Verhalten .
Wir brauchen Zu Abdeckung Die Innere von Die Design Region .
Ja , Wir würde wie Zu Abdeckung Die Grenzen zu .
Wir Don 'T wollen Zu Sei Angabe a Modell .
Optimal Entwürfe erfordern Du angeben Was Ist normalerweise a voll quadratisch Modell .
Wir brauchen Zu erhalten weg aus Das .
Raum -Füllung Entwürfe , von Die Weg ,
Sind optimal Entwürfe Das Tun nicht erfordern a Modell Sei angegeben .
Aber Sie 'Re nicht Die gesamt Antwort .
Wir brauchen Zu Abdeckung Die Design Raum .
Wir brauchen Zu geben Die Benutzer a viel von Eingang
Das würde Sei Wissenschaftler An Wie Sie verteilen Die Punkte .
Der arbeiten von Montag Montag Und Anderson -Kochen Punkt Die Weg .
I Won 'T haben Zeit Zu erhalten hinein Das .
Das 'S ein anderer Thema .
Wir brauchen Zu Sei fähig Zu leicht kombinieren unser Design mit andere Daten .
Das beinhaltet Maschinenbau Läufe , GMP Läufe ,
sogar Modelle aus teilweise Differential Gleichungen Und Simulationen .
Besonders Wenn Du wollen Zu erhalten hinein digital Zwillinge ,
Du habe bekommen Zu Sei fähig Zu Tun Das mit Was I Anruf Meta Modelle .
Dann Endlich , Patty erwähnt Das , Also I gesucht Zu bringen Es hoch .
Der Standard üben In Design von Experimente , vorausgesetzt
Das irgendwie Du habe bekommen Zu Bildschirm aus Faktoren
Ist Genau genommen a Wirklich hoch -Risiko , NEIN -belohnen Strategie In Komplex Systeme .
Du Wille Reue Es .
Du Wille eines Tages , bei a später Bühne , kommen zurück Und haben Zu wiederholen Experimental- arbeiten .
I habe gesehen Das Zeit Und wieder .
In Komplex Systeme ,
Das Idee Das Dort Sind aktiv Und inaktiv Faktoren Ist einfach falsch .
Sie alle Gegenstand bei manche Ebene irgendwo In Die Design Raum .
Ehrlich gesagt , mit unser modern Werkzeuge , Du Don 'T brauchen Zu Tun Es Trotzdem .
Auch , etwas anders Menschen Tun reflexartig reduzieren linear Modelle .
Wir habe gezeigt In unser Forschung In ALLES .
Auch , a Hübsch Papier von Smucker , Edwards ,
Und Wir zeigte Reduzierung Modelle verschlechtert sich Vorhersage .
Warum ? Weil Du 'Re Herstellung dein Modell steifer Und steifer ,
Es 'S nicht gehen Zu interpolieren Also .
I Wille stoppen bei Das Punkt Und Dort Sind manche Referenzen bei Die Ende .
