I
欲しい
に
感謝
その
ジャンプ
操舵
委員会
そして
その
ジャンプ
主催者
のために 招待する フィル そして 自分自身 に 来る そして 現在 私たちの エキサイティング 話す
の上 CMC , すべて , DOE , そして 複雑 : それ の 全て について 予測 .
欲しい に 始める による 感謝する 博士 . ティファニー ラオ , 彼女 の された 関与した と その 計画
そして 多数の 会話 のために その 仕事 それ 私たちは 're 行く に 現在 今日 .
行く に する 一つの 概要 , 教えて あなた 誰が ルンドベック は , 誰が I 仕事 のために ,
そして それから 提供する その 背景
のために その DOE それ 私たちは 're 行く に 話す について ,
どれの は プロセス 発達 のために a 生物学的 薬 .
私たちの 場合 勉強 そして 何 I 'm やっている で 伝統的
のために 何 I 've 開始 に する のために 発達
は 始める と その 初め ステップ の やっている 性分化疾患 のために ミッド -遅い ステージ 発達 ,
それから フォローする それ と a 2番 ステップ
の やっている 増強 と a 空間 -充填 デザイン .
それから 私たちは は 期待して に 証明する に あなた 今日 それ のために 分析 それ すべて
許可する 私たち に 持っている より良い 予測 のために 全て の これ 仕事 そして 許可する 私たち に 持っている
より良い タイムライン のために 私たちの 仕事 それ 私たちは 're やっている .
ルンドベック は 位置した …
私たちは 're 本社 で コペンハーゲン ,
私たちは 're 以上 6 ,000 従業員 で 以上 50 国 ,
そして 私たちは は 努力する に なれ その 番号 1つ で 脳 健康 .
その 一部 の その 会社 それ I 仕事 と は その CMC 生物製剤
そして 私たちは 're 基本的に 位置した で その コペンハーゲン エリア
そして で その シアトル エリア どこ I 'm 位置した .
させて の 話す について その 背景 のために その DOE それ 私たちは 're 行く に 現在 今日 .
その プロセス それ 私たちは 欲しい に 開発する のために 薬 物質 , のために これら 生物製剤 ,
私たちは 始める と a 細胞 の バイアル , 私たちは 取る それらの 外 の その 冷凍庫 ,
私たちは それから 拡大する で 振る フラスコ , 行く 大きい の中へ 文化 バッグ ,
多分 a シード バイオリアクター , それから に a 生産 バイオリアクター .
それ 生産 バイオリアクター 行く 約 二 数週間 .
私たちは 持っている 複雑な 栄養素 フィード ,
私たちは 持っている PH コントロール , 温度 コントロール , そこには の その ベース それ 私たちは 're 追加する .
一度 私たちは 仕上げる それ 14 -日 生産 , 私たちは 必要 に 形 外 a 方法
に 得る その 細胞 それ は 分泌する 私たちの 分子 の中へ その 上清 .
どうやって する 私たちは 別 その 細胞 から その 製品 ?
それ 収穫 できる なれ a 遠心 , それ できる なれ 深さ 濾過 .
それから 私たちは 合格 それ の上 に 私たちの 下流 同僚 .
彼らは 初め いつもの する a 捕獲 ステップ どこ 彼らは 're 取得 取り除く
の ほとんど の その ホスト 細胞 タンパク質 , その ホスト 細胞 DNA .
しかし それから 私たちは 必要 に する 二 磨かれた 手順 どこ 私たちは 're それから 言って ,
"わかった , 何 は その 製品 -関連している 不純物 ?
多分 そこには の ない その 満杯 分子 そこには , それで 私たちは 持っている に 得る 取り除く の それらの 。"
それから ついに , 私たちは 持っている に 作る もちろん , を通して ウルトラ 濾過 そして 透析濾過
それ 私たちは できる 移行 の中へ その バッファ
それ それ の 行く に なれ いつ それ は 転送された のために その 忍耐強い の 使用
そして それ の また で その 右 集中 .
あなた できる 想像する , 毎 ステップ 平行 これ 方法 ,
そこには は 多くの 要因 ,
そこには は 多くの ノブ それ 私たちは できる 振り向く に コントロール これ プロセス ,
作る もちろん それ それ の 屈強
そして 私たちは 're 作る その 同じ 製品 毎 時間 .
いつ 私たちは 're 集中した の上 治療 その 忍耐強い ,
私たちは また 欲しい に 集中 の上 その 仕事 .
私たちは できる 't 置く 全て の 私たちの 発達 リソース のために 毎 分子 .
私たちは 欲しい に 右 -サイズ その 研究 それ 私たちは 're やっている
で その 右 ステージ の その 製品 .
そこには の 多くの もの それ できた 殺す a 製品 ,
しかし もし 私たちは できる 開発する これ で その 右 時間 そして その 右 空間
使用して これら ツール から ジャンプ ,
私たちは できる シフト これ 発達 タイムライン に その 左
そして 私たちは できる また 減らす その 額 の リソース
そして その 料金 に その 会社 .
もし 私たちは 're 初め 取得 a 分子 ,
それ の いつ あなた 're 行く に 始める 見ている で あなたの カテゴリカル 要因 .
私たちは かもしれない なれ やっている その 細胞 ライン スクリーニング .
私たちは 欲しい に 作る もちろん それ 私たちは 持っている その 右 細胞 ライン
それ の 行く に 最後 全て その 方法 を通して 商業化 .
のために その 下流 グループ , 彼らは 5月 なれ 見ている で 樹脂
のために 両方 上流 そして 下流 ,
見ている で ソックス そして バッファ コンポーネント そして その 処方 の それらの .
それ の いつ あなた 're 作る もちろん それ あなた 持っている その 右 もの ,
それ の 行く に 保つ あなた 行く を通して あなたの 発達 経路 .
しかし それから 一度 あなた 're で その クリニック ,
今 あなた 欲しい に 本当に 始める に 得 理解 の その プロセス パラメータ .
私たちの 戦略 は に 始める と a 発達 スクリーニング デザイン
そして 私たちは 欲しい に なれ 大胆な で 私たちの レベル 設定 で これ ステージ
そして I 'll 話す a 少し 少し もっと について それ 後で ,
のために その 遅い ステージ 発達 .
それから 私たちは できる 建てる の上 何 私たちは 学んだ から その 決定的 スクリーニング デザイン
による 増強 それらの デザイン と 空間 -充填 または 他の デザイン
それで それ 私たちは 本当に 理解する それ デザイン 空間 .
何 の 違う それ 私たちは 're 期待して に 見せる 今
よりも 伝統的 散歩 を通して これ 経路
は それ で その 過去 , 私たちは 've された 投げる 外
その 要因 それ 私たちは 've 言った アーレン 't 重要 .
しかし と モダンな デザイン そして モダンな 方法 の やっている 分析 ,
私たちは できる 保つ 全て の その 要因 そして 全て の その 仕事 それ 私たちは 've 終わり それで 遠い
そして 得 より良い 理解 の その 全体 プロセス ,
特に と 生物製剤 それ は とても 複雑な .
前に I 合格 その バトン に フィル , I ただ 望んでいた に 話す 1つ もっと について …
させて の 見る もし I できる …
I 'm 行く に 最小化 これ 画面 ただ のために a 分 それで I できる 見せる あなた これ .
これ は 一つの 実験 それ I した に 証明する その 力 の DOE のために 私の ボス .
その 満杯 データ セット だった 一つの 災害 のために PH , そして その 応答 だった よりタイト .
私たちは 望んでいた に する とても 多くの 違う レベル
で a 広い 範囲 なぜなら 彼 なかった 't もちろん で その 時間
それ 私たちは だった 行く に なれ できる に 選ぶ 何 その 最適化された レベル だった .
しかし 何 I 望んでいた に 見せる 彼 だった それ ,
"わかった , 私たちは した これ 実験 , 私たちは 持っている 全て の これ データ .
私たちは だった できる に モデル どこ その 最適化された 状態 だった 、
そして それ の 表示されている で 青 ,
そして それ 向きを変えた 外 に なれ その 正しい 場合 .
いつ 私たちは テスト済み その モデル , それ だった その 最適化された 状態 .
させて の 演じる 今 それ 私たちは 're 起動 , 私たちは ドン 't 知る それ データ .
もし 私たちは 持っていた 選んだ a 保守的 範囲 設定 のために 私たちの 実験 ,
私たちの ノイズ に 信号 だろう なれ とても 高い
そして それで 私たちは だろう 持っている 逃した 発見 その 最適化された スポット .
しかし もし 私たちは 持っていた 選んだ a より広い 範囲 で 私たちの 設定
そして まだ と のみ 三つ ポイント ,
その モデル まだ だろう 持っている 選ばれた その 最適化された スポット .
何 I 'm 行く に チャレンジ その 主題 案件 専門家
いつ あなた 're 設計 あなたの DSD（性分化疾患） は 本当に なれ 大胆な で あなたの 範囲 設定 .
あなた 意思 まだ 探す その 最適化された スポット
そして あなた 持っている に 持っている いくつかの 知識 の あなたの プロセス それで それ あなた できる 完了
その デザイン の 実験
そして 持っている 全て の その 走る で 少しでも 持っている 十分 信号
それ あなた できる 測定 そして それから その後 モデル .
一度 あなた 学ぶ から あなたの 決定的 スクリーニング デザイン
もっと について あなたの デザイン 空間 , あなた できる 来る 戻る
そして それから あなた できる なれ 内部 に それ 空間 .
それ の いつ あなた 増強 と a 空間 -充填 デザイン .
今 I 'm 行く に 合格 その バトン に フィル
そして 彼 の 行く に 取る あなた を通して その 分析 .
わかった , 感謝 あなた . 感謝 あなた , パティ .
私たちは 're 行く に 話す について a とても ニース
そして 幾分 複雑 実験 それ パティ そして 彼女 チーム 走る .
彼らは する a 多く の 素晴らしい 仕事 そして 彼らは 're 大きい 支持者 の DOE そして ジャンプ
そして I 'm とても ハッピー 彼らは させて 自分 得る に 遊ぶ と 彼ら 時々 .
それ の 魅力的な 仕事 .
しかし 前に I 得る の中へ その 実際の 分析 ,
I 望んでいた に 話す について a 少し 関連する 概念
それ メンバー の その 観客 5月
または 5月 ない なれ おなじみ と , そして それ 含まれるもの 複雑 .
それ の a 本当に 熱い トピック 外 そこには .
話す について 何 は 実は 予測 .
それ は a 混乱した コンセプト に 多くの 人々 .
それから から そこには , I 'll 打ち上げ の中へ 話している について
どうやって 私たちは 分析する 予測 そして どうやって 私たちは した と パティ の 実験 .
複雑、 a 仲間 名前 ダニエル 仕上げ
から ロンドン 学校 の 経済、 書かれた 多くの について これ
そして 彼 通話 それ 「その 象 で その 部屋 " それ 統計 そして 多くの ,
何 彼 通話 「メタサイエンス 、 は 無視する そして 彼らは 're 無視する それ で 彼らの 危険 .
I 勝利した 't 得る の中へ a 多く の 詳細 .
あなた できる 見て 彼 上 の上 その インターネット , 彼 もっている a 多く の ビデオ そして 論文 .
しかし 複雑 は a 巨大な 問題 .
それ は 見つめる 科学 そして 統計
そして データ 科学 そして 機械 学ぶ で その 顔 そして それ ニーズ に なれ 配られた と .
で 現在 , 私たちは 're ない 本当に 取引 と それ 直接 で 統計 .
による その 方法 , そこには は 今 全体 適用済み 数学 プログラム
ベース の上 勉強する 複雑な システム .
私の 底 ライン は , 複雑 は 本物 .
複雑 必要 新しい 考え .
私たちは 本当に 持っている に 再考する DOE そして 分析 .
あなた 're 行く に 見る それ のために 複雑な システム、
そして 私たちは また 持っている に 理解する 何か それ以外 , システム 理論 101 は
複雑な システム は 定義された による 彼らの 相互の作用 行動 .
で ポイント の 事実 , 主要 効果 は 実は 平 誤解を招く .
あなた 持っている に どうにか なれ 実験中
で a 方法 それ あなた できる 捕獲 これ 相互の作用 行動 ,
そして あなた 're 行く に 見る 現在 戦略 秋 短い の それ ゴール .
パティ の すでに 言及された その CMC 経路 .
どこにも は これ 問題 の 複雑 もっと 明らか よりも で バイオプロセス .
あなた 持っている 複雑な 組み合わせ の 生物学 そして 化学 ,
そして 相互作用 は どこでも .
いつ I 話す に 科学者たち で バイオテクノロジー ,
彼らは 知る 右 上 フロント 私たちは 're 取引 と 本当に 複雑な 相互の作用 システム .
しかし 初め , I 必要 に ポイント 外 予測 .
もし あなた 're 働く で CMC 発達 仕事 , それ の 全て について 予測 .
その 私 ガイドライン それ は 使用済み による 科学者たち で その CMC 発達 仕事
ドン 't 具体的には 言う 予測 ,
しかし もし あなた 読む 何 彼らは 言う , それ の 全て について 予測 .
基本的に , あなた 're 建物 プロセス に 製造 生物製剤 ,
そして と その 新しい 細胞 そして 遺伝子 治療法 ,
これら プロセス は なる 絶望的に 複雑 .
I 個人的に 頼る 重く の上 その 科学者たち に 説明する それ に 自分 ,
そして 彼らは 're その 人々 誰が 本当に 作る 全て その 決定 .
I 'm その ヘルパー , そして I 'm とても ハッピー に なれ そこには として 一部 の それ .
しかし それ の 全て について 予測 .
それ は ない どうやって 多くの 科学者たち そして 平 統計学者 ,
持っている 閲覧 CMC 仕事 .
による その 方法 , これ 適用される に 全て 地域 の 科学 .
I 'm 集中した と パティ の上 その CMC 発達 経路 ,
しかし 予測 は 重要 .
何 は 予測 ?
それ の 混乱した . それ の ない 明らかに 定義された で 分野 .
ここ の 何 それ 本当に は そして どうやって I 定義する それ .
それ の a 測定 の どうやって 良い
モデル それ あなた 開発する 補間する 以上 a デザイン 地域 .
で 他の 言葉 , 私たちは 're 行く に フィット a モデル に 何 私たちは 電話 a トレーニング セット ,
そして それから 私たちは 必要 いくつかの 方法 の 知っている どうやって それ モデル だろう 適用する
以上 その 全体 デザイン 地域 .
で CMC 仕事 , 特に 遅い ステージ , それ は とても 重要 .
あなた なれ できる に する それ , として 多くの の あなた 知る .
あなた 本当に 持っている a トレーニング セット に フィット その モデル .
それ トレーニング セット で いいえ 方法 できる 評価する 予測 .
I 知る そこには の a 一般 信念
あなた できる 評価する 予測 の上 トレーニング セット .
あなた 単に できる ない .
あなた しなければならない 持っている a テスト セット .
また I 'll 話す a 少し 少し について その 事実 で 取引 と 科学者たち ,
そして a 多く の それ で 化学 そして 生物製剤 .
また , I する a 多く の それ で バイオテクノロジー ,
しかし また で 他の 地域 のように バッテリー テクノロジー , 材料 科学 .
それ は なる とても 明らか .
その 動力学 は 複雑 .
彼らは 're 常に 変化 以上 デザイン 地域 .
その 運動学的 行動 それ あなた 見る その周り その 境界
は 頻繁 とても 違う から 何 の ハプニング の上 その インテリア .
なぜ する これ 案件 ?
良い , その クラシック アプローチ に 応答 表面 ,
平 含む 最適 デザイン , 頼りになる その上 何 I 電話 境界 デザイン .
ほとんど 全て の あなたの 観察 は その周り その 境界 の その デザイン 地域 .
で ポイント の 事実 , かどうか 人々 欲しい に 聞く それ または ない ,
その 中央 複合 デザイン ,
一般的に 使用済み で 応答 表面 ,
は について その 最悪 デザイン あなた できた 考える の のために 予測 .
その インテリア の その 空間 は 空の .
もし あなた フィット これら モデル の上 その 境界 ,
そして それから あなた 予測する 何 の ハプニング の上 その インテリア ,
それ の ない 予測 , それ の 投機 .
あなた ドン 't 知る . あなた 持っている いいえ データ .
I 'm 行く に 見せる あなた で その 場合 勉強 ,
あなた 're おそらく 行く に 到着 いくつかの 間違っている 結論 .
その 境界 地域 , 確かに , 頻繁 振る舞う とても 異なる ,
そして 私たちは 持っている a 必要 に 再考する 私たちの アプローチ に デザイン .
別の 問題
で 応答 表面 そして 統計
は これ どこにでもある 使用 の 満杯 二次関数 モデル .
彼らは は ない 十分な に モデル 複雑な 応答 表面 .
で 事実 , 彼らは 're 遠い から それ .
残念ながら , I 得る a 多く の 反発
から 統計学者 誰が 請求 それ は 良い 十分 .
私の 答え は , "良い , もし あなた 実は 使用 デザイン
それ 持っていた 十分な インテリア ポイント ,
あなた 'd 素早く 発見する 彼らは ドン 't フィット 良い で 全て .
また , 試して に 測定 予測
の上 その インテリア の a デザイン 地域 使用して 境界 デザイン は 無駄な .
による その 方法 , 私の 良い 友人 , その 遅い ジョン コーネル そして ダグ モンゴメリー ,
出版された a 紙 の上 これ で 1998 , そして I 'll なれ 礼儀正しい , 彼らは だった 無視された .
それ だった 実は 幾分 もっとひどい よりも 無視された による その 統計 コミュニティ .
彼らは 示した で その 紙 それ 満杯 二次関数 モデル
は ただ ない 十分な に カバー a デザイン 地域 .
パティ 言及された すべて , 自己 -検証 アンサンブル モデリング .
それ の 一つの アルゴリズム .
I 'm 1つ の その 共同 -開発者 と 博士 . クリス ゴットヴァルト の ジャンプ ,
a 人 I 所有 で とても 高い 尊重する .
I 勝利した 't 得る の中へ その アルゴリズム による その 方法 ,
そこには は 参照 で その 終わり どこ あなた できる 行く そして 学ぶ もっと について それ .
それ もっている された 話した について で 発見 会議 実は ,
行く 全て その 方法 戻る に フランクフルト で 2017 .
しかし すべて は 一つの アルゴリズム それ 許可する あなた に 適用する 機械 学ぶ 方法 .
機械 学ぶ 方法 は 全て について 予測的な モデリング .
信じる 自分 , 人々 で それ 分野 知る a 多く もっと よりも あなた 5月 考える
について 予測 そして 適用する 彼ら に データ から 小さい セット のように DOE の .
I 勝利した 't 得る の中へ すべて .
それ の a 全体 新しい 方法 の 考え について 建物 予測的な モデル ,
そして I 考える それ の で その 幼児期 ,
しかし それ の すでに 証明する とても 強力 そして 役に立つ で バイオテクノロジー .
させて の 得る に その 実験 .
これ は 実は a ハイブリッド 実験 それ パティ そして 彼女 チーム 作成された .
そこには は セブン 要因 そして そこには は 13 回答 .
しかし 期限 に 時間 制約 , I 'm のみ 行く に 集中 の上 4つ ,
そして 平 それ の 行く に なれ 難しい に 得る それ 全て で .
その データ そして その 実験 は 非常に 独自の .
I する 感謝 ルンドベック そして パティ のために 実は 許可する 私たち に 使用
一つの 匿名化された バージョン の これ デザイン .
I 持っている a 多く の 場合 研究 , いくつかの の 彼ら 似ている に これ ,
そして その 人々 誰が 自分の その データ
しないだろう 't 平 させて 自分 話し合う それ もし I 匿名化された それ .
それ だった とても ニース の 彼ら .
I 考える 私たちは 持っている a 本当に 重要 話 に 教えて ここ .
これ は a ハイブリッド デザイン .
それ の 構成 の a 19 -走る 決定的 スクリーニング デザイン
その周り その 境界 .
それから それ もっている 16 空間 -充填 デザイン の上 その インテリア .
そこには は 中心 ポイント で 両方 部品 の その デザイン .
どうやって だろう 私たちは 分析する これ ?
良い , 何 I 欲しい に する は 話し合う その 戦略 の 分析 それ は 使用済み ,
その アルゴリズム それ は 使用済み , そして 作る 比較 に すべて .
I 'll 教えて あなた で 前進 , すべて は 行く に する とても 良い .
それから 私たちは 'll 話す について いくつかの の その 問題 と その モデル 彼ら自身
そして どうやって 私たちは 使用 彼ら .
I 'm 行く に する 何 ほとんど 人々 現在 する .
I 'm 行く に 取る その 境界 ポイント , その DSD（性分化疾患） ,
フィット モデル , そして それから 適用する 彼ら に その 空間 -充填 デザイン として a テスト セット
そして 見る どうやって 良い 私の モデル 補間する .
ステップ 二 , I 'll 逆行する その プロセス .
I 'll フィット モデル に その 空間 -充填 ポイント ,
そして それから I 'll 使用 その 性分化疾患 として a テスト セット そして 見る どうやって 良い 私の モデル
実は 推定する a 少し 少し に その 境界 .
三つ は a 一般 戦略 使用済み で 機械 学ぶ .
I 'm 行く に 使用 a 抑制 テスト セット .
I 'm 行く に 取る その 35 走る そして 壊す 彼ら 上 .
I した これ で a 方法 に 作る 彼ら 両方 同等 として 多くの として I できた
の中へ a トレーニング セット 含む 両方 SFD そして 性分化疾患 ポイント ,
そして それから また a 全体 戻る テスト セット それ もっている a 表現 の 両方 .
それから ついに , ステップ 4つ , 何 多くの 人々 だろう 自動的に する .
I 'll ただ フィット モデル に その 全体 データ セット .
で 一般的な , I ドン 't 推薦する これ なぜなら そこには の いいえ 方法 に テスト その モデル .
I 意思 言う 上 フロント ,
なぜなら 私たちは する 持っている a 多く の 空間 -充填 ポイント の上 その インテリア ,
I 'm もっと 快適 と これ アプローチ よりも I 午前 で 練習する .
しかし これら , I 探す , は その 4つ 基本的な 戦略 それ だろう なれ 使用済み .
どうやって する I 分析する それ ?
良い , もし あなた 持っている a 性分化疾患 ,
人々 のように に 使用 フィット 決定的 スクリーニング ,
I 'll 見て で それ , それ のみ 適用される に DSD（性分化疾患） .
正直に , それ の ない 本当に a 予測的 モデリング 戦略 ,
または する 彼らは 請求 それ は .
しかし I 探す 人々 思われる に 使用 それ それ 方法 .
I 'll 使用 フォワード 選択 .
もし あなた 知る 何 その AICc 統計 は , 私たちは 'll する それ で ジェネラル・レグ , で ジャンプ 17 .
それから 私たちは 'll 見て で 何か 彼らは 持っている で ジェネラル・レグ それ の とても ニース .
それ は その すべて アルゴリズム .
I 'm 行く に 使用 それ と フォワード 選択 .
それから I 'm 行く に 見て で 何か 人々 5月 ない 知る .
それ の a 隠れた 宝石 で ジャンプ .
何か と呼ばれる 移動 平均 で その 段階的に プラットフォーム .
ジョン サウル 置く それ そこには 多くの 年 前 .
I 考える 彼 だった いる とても 洞察力のある .
それから 私たちは 're 行く に 話す について すべて そして ニューラル ネットワーク .
基本的に , いいえ ソフトウェア する これ .
I 持っている 働いた と その 予言された ,
いくつかの の あなた 知る ウェイン レビン そして 予言された に 開発する 一つの 追加 -で に する これ .
それ の 現在 その のみ ソフトウェア 利用可能 それ する これ .
その すべて 追加 -で だった 使用済み に する その ニューラル ネットワーク .
I 勝利した 't 得る の中へ その 追加 -で 特に ,
I 'll ただ 素早く 見せる 人々 どこ これら もの は .
それから ついに I 言った その 4番目 戦略 だった 使用済み に 所有 データ セット
なぜなら I 得る 尋ねた について これ 全て その 時間 .
I ただ 投げた で いくつかの K -クロス 折り畳み 検証 に 使用
と その すべて 方法 そして いくつかの の その 他の 方法 .
それらの は その 方法 私たちは 'll 使用
そして のために 方法 のように フィット 決定的 ,
フォワード 選択 そして 移動 平均 方法 ,
私たちは 'll 仮定する a 満杯 二次関数 モデル として それ は その 伝統 .
その 他の 方法 , また , 私たちは 're 行く に 使用 a ニューラル ネットワーク
どれの は もっと フレキシブル .
そこには は 4つ 回答、 そして これ は 本当に 重要 .
I しなかった 't ランダムに 選択 彼ら .
そこには は 4つ の 彼ら そして 彼らは 変化する で 複雑 .
また , I 'll 認める これ は 主観的 .
そこには は いいえ 国際的に 承認された 測定 の 複雑
そして これ は ベース その上 その 能力 に モデル その 回答 .
また , そこには は 13 回答 .
通常 , で CMC 経路 仕事 , そこには は 10 -20 , 多分 もっと ,
ほとんど の 彼ら 致命的 品質 属性 .
彼らは は 重要
そして 彼らは 変化する 内で その 実験 から いくつかの は かなり 低い で 複雑 ,
いくつかの は とても 高い , とても 難しい に モデル .
率直に言うと , で それらの 症例 ,
ニューラル ネットワーク は 基本的に あなたの のみ オプション .
それで 支払う 注意 に これ なぜなら これ 複雑
ターン 外 に なれ とても 重要 で どうやって あなた だろう 行く について モデリング .
それから その 質問 は もし I 'm 行く に 評価する 予測 ,
良い , どうやって する I する それ ?
覚えて , I 好む 予測 なれ の上 一つの 独立した テスト セット
と 新しい 設定 の その 要因 .
それ の どうやって 私たちは 裁判官 補間 .
良い , 何か と呼ばれる その 根 平均 四角 エラー
または レイズ スコア は とても 一般 .
これ は その 標準 偏差 の 予測 エラー .
また , それ の 一般的に 使用済み に 裁判官 どうやって 良い あなた 予測する .
小さい は より良い , 明らかに ,
しかし そこには は a 問題 と それ それ 私たちは 've 特に 発見された ,
特に で シミュレーション .
モデル と 低い レイズ スコア 頻繁 持っている 実質的な 予測 バイアス で 彼ら .
で 予測 , そこには 本当に は まだ a バイアス -分散 貿易 -オフ .
それで どうやって する 私たちは 評価する バイアス ?
良い , そこには の いいえ 同意した その上 アプローチ に それ どちらか .
しかし その 最も簡単 方法 そして その ほとんど ビジュアル 方法
は 実際の による 予測された プロット の上 a テスト セット .
理想的には , もし あなた だった に フィット a スロープ
に その 実際の と -予測された プロット , I 'll 見せる 一つの 例 .
その 理想的 予測 方程式 それ a スロープ だろう なれ 1つ と 一つの 傍受 の ゼロ .
その さらに その スロープ は から 1つ , その より大きい その バイアス .
のために 目的 の デモンストレーション , I 'm 行く に セット
a 仕様 の 0 .85 -1 .15 と a ターゲット の 1 のために その スロープ .
もし あなた できる 滞在する 内で それ 範囲 ,
それから I 'd 言う あなた おそらく 持っている 許容できる 金額 の バイアス .
で 現実 それ 起こる に なれ もっと の a 主題 案件 問題 .
それから ついに I 言った , "良い , あなた できる フィット a スロープ に その 実際の と -予測された プロット .
そこには の 一つの 追加 問題 。"
その 予測子 は その 予測された 価値観 .
彼らは 持っている a 多く の エラー で 彼ら .
それで これ は 実は 一つの エラー そして 変数 問題 ,
どれの は ない 一般的に 認識された .
しかし ジャンプ 17 もっている a 本当に ニース 解決 .
それ の と呼ばれる その 通過 -バブロック モデリング アルゴリズム
そして それ の された 良い -設立 , 特に の中で バイオ医薬品 .
これ フィット a スロープ , 服用 の中へ アカウント エラー で X , その 予測子 .
それで どうやって する それ 仕事 ?
良い , それ フィット a スロープ .
もし あなた 見て の上 その 左 ,
あなた 'll 見る その スロープ は について 0 .5 . 私たちは 持っている 強い バイアス .
そこには の a 多く の 予測 バイアス .
何 I 本当に のように で その 応用 で ジャンプ , 彼らは 与える あなた その 参照 ライン .
その 破線 青 ライン は その 理想的 ライン スロープ の 1つ , 傍受 の ゼロ .
の上 その 左 , 私たちの 予測的な モデル は 表示中 a 多く の バイアス .
それ の 体系的に ない 予測する その 応答 .
に その 右 , は a 場合 どこ そこには の 実は a 小さい 額 の バイアス
で 一般的な , それ だろう なれ 許容できる .
による その 方法 , これら だった 選んだ として 1つ の モデル
それ 持っていた 比較的 低い 全体 レイズ スコア .
これら は と呼ばれる その 通過 -バブロック 斜面
そして 彼らは は 積分 に どうやって I 評価する 予測 ,
その 全体 レイズ そして その 斜面 .
何 I 'm 行く に する で これ ポイント ,
I 'm 行く に 実は 行く 以上 に ジャンプ , もし あなた ドン 't 心 .
I 'll 作る a 素早い 変化 で その 画面 ここ
そして I 'll 作る これ として 大きい として I できる のために みんな .
全体 で これ エクササイズ ,
I フィット 近い に 140 モデル そして I した 彼ら 全て 個別に そして 評価された 彼ら .
はい , それ 取った とても a その間
そして I 'm 行く に 見せる a グラフィック に 試す に 要約する その 結果
のために その 違う 方法 .
I 'm 行く に 開ける a グラフ ビルダー スクリプト .
I 'll 作る これ として 大きい として I おそらく できる のために みんな .
I 'm 使用して いくつかの 地元 データ フィルター , に 定義する その 画面 .
知らせ 私たちは 持っている 4つ トレーニング シナリオ .
I 'll 始める と どこ その 性分化疾患 は その トレーニング セット .
私たちは フィット モデル に その 境界
そして それから 私たちは 評価する 彼ら そして どうやって 彼らは 予測された
その 空間 -充填 デザイン ポイント .
Y2 は その 簡単 応答 .
I 期待される 全て アプローチ に する 良い , 彼らは した .
知らせ I セット これら スペック 限界 そして それ の 0 .85 -1 .15
全て 落ちた 内で それ 許容される 地域 .
二 の その 方法 それ した 良い ,
I 特に 気に入った その 動く 平均 ,
それで それ した かわいい 良い .
なし の 彼ら 持っていた a スロープ の その通り 1つ .
その 性分化疾患 ポイント ドン 't その通り 予測する 何 の 行く の上
で その 空間 -充填 デザイン ポイント , しかし 彼らは 全て した 比較的 良い .
今 私たちは 'll 行く に 適度 複雑 .
今 あなた 始める に 見る いくつかの 分離 .
それ の 取得 もっと強く に モデル その 表面 .
また , I 'm 使用して これ 間隔 の 0 .85 -1 .1 .
I 'm 見ている の上 その y -軸 で その レイズ スコア 標準 偏差 の 予測 .
の上 その x -軸 , I 'm 見ている で スロープ .
のために Y1 , 使用して その DSD（性分化疾患） に 予測する
その 空間 -充填 デザイン ポイント として その テスト セット .
その のみ モデル それ 本当に 実行された 良い だった その ニューラル ネットワーク と すべて .
による その 方法 , その コード は NN は ニューラル ネットワーク ,
H は 番号 の 隠れた ノード .
私たちは 持っている モデル と 変化する レベル の 隠れた ノード
そして I 単に 評価された レイズ スコア そして スロープ .
私たちは 行く に もっと 複雑 .
今 Y3 もっている 高い 複雑 .
それ は 難しい に モデル .
その 最低 レイズ スコア だった その 方法 あなた 見る の上 その より低い 右 ,
しかし あなた できる 見る そこには の 実質的な 予測 バイアス .
I 感じた 全体 その 最高 組み合わせ の 低い -バイアス
そして レイズ スコア だった ニューラル ネットワーク , 特に 1つ と 27 隠れた ノード .
それから ついに 番号 4つ は 高い 複雑 .
私たちは フィット その モデル に その DSD（性分化疾患） そして 適用済み それ に その 空間 -充填 ポイント .
I しなかった 't 考える どれでも の その モデル した 素晴らしい .
全て の 彼ら 示した いくつかの 予測 バイアス .
多分 その 最高 パフォーマンス だった a ニューラル ネットワーク と 12 隠れた ノード .
それ 持っていた その 最低 レイズ スコア , しかし まだ , そこには だった いくつかの 問題 と バイアス .
それで それ の 1つ 戦略 .
良い , 何 もし I だった に する その 反対 ?
I フィット その モデル に その 空間 -充填 ポイント
そして それから 適用する 彼ら に その 境界 性分化疾患 ポイント .
また , させて の 始める と その 最も簡単 場合 .
Y2 本当に する . それ の a かわいい 単純 応答 .
実は , その すべて 方法 で ジェネラル・レグ 使用して すべて そして フォワード した とても 良い .
その 次 最高 I 考え だった a ニューラル ネットワーク と 10 .
覚えて、 そこには の a 少し 少し の 外挿 行く の上 ここ .
ついに , Y1 と 適度 複雑 .
また , のみ その ニューラル ネットワーク した 良い .
として 私たちは 行く 上 で 複雑 , ますます ただ その ニューラル ネットワーク は 働く。
あなた 'll 探す 似ている 結果 のために その 他の アプローチ .
I 勝利した 't 見せる 全て の 彼ら , 彼らは 're 覆われた で その メモ .
しかし その 一般的な 結論 による その 方法 , は
それ いつ あなた 使用 その 境界 ポイント として a テスト セット
または あなた 使用 その 空間 -充填 デザイン として a テスト セット そして 試す に 予測する その 他の ,
彼らは 're ただ ない やっている として 良い として 彼らは すべき .
で 他の 言葉 , として I 言った 以前 , その 境界 ポイント ,
その 性分化疾患 ポイント そして その 空間 -充填 デザイン ポイント ,
そこには は 違い で 彼らの 運動学的 行動 それ 私たちは 're ない ピッキング 上 .
その のみ 方法 私たちは 're 行く に 選ぶ それ 上
は に 実は フィット モデル 以上 その 全体 デザイン 空間 .
私たちは した する それ による その 方法 .
I すべき ただ 素早く 見せる あなた .
I 使用済み その 全体 データ そして 私たちは フィット モデル そして 私たちは 実は した かわいい 良い .
I しなかった 't 見せる その 通過 -バブロック 斜面 .
I 意思 ただ 素早く する a 少し もっと 仕事 と ジャンプ のために それらの 誰が は 興味がある .
その 通過 -バブロック 斜面 できる なれ 終わり で フィット Y による X .
I 意思 認める 私たちは 書いた a スクリプト
そして 追加した それ に その 予測的な 追加 -で に する これ で フィット Y による X ,
しかし あなた できる 簡単に する それ あなた自身 .
ここ , そして I 'll 選ぶ 1つ の その 症例 , は その 性分化疾患 データ そして I 'll 選ぶ Y1 .
どうやって した 私たちは する フィッティング モデル ?
もし あなた 見て で その メニュー , そこには の その 通過 -バブロック .
I 強く 提案する あなた 見て で それ .
A 多く の 回帰 問題 は エラー で 変数 .
どうやって した その 方法 する それ 全体 ?
I 欲しい に 説明する 何か それ以外 .
その オレンジ ポイント は その DSD（性分化疾患） , その 境界 .
その 青 ポイント は その 空間 -充填 デザイン ポイント .
ここ I フィット モデル に その 性分化疾患
そして その 通過 -バブロック 斜面 は いる フィット に その 空間 -充填 デザイン ポイント .
全体 , その 最高 パフォーマンス だった 向きを変えた で による その DSD（性分化疾患） .
そこには の 1つ の 彼ら ここ .
それ の セイウッド 6 .
別の 1つ それ 持っていた … I 忘れた 何 それ だった .
させて 自分 広げる これ 外 のために あなた .
19 .
知らせ その スロープ は 近い に 1つ ,
しかし あなた できる 明らかに 見る そこには は いくつかの バイアス .
で 他の 言葉 , あなた できる 見る 一つの オフセット 間 その フィット スロープ
そして その 理想的 スロープ , その 破線 青 ライン .
これ は かわいい 典型的な 全体 .
I 'll ただ とても 素早く 見せる あなた .
もし あなた 持っている ジャンプ プロ そして あなた 欲しい に する すべて 使用して リニア モデル ,
ただ 行く に フィット モデル , 想起 .
これ は a 満杯 二次関数 モデル .
あなた できた する その他 .
行く に ジェネラル・レグ そして それから 下 推定 方法 .
そこには の すべて フォワード .
そこには の すべて ラッソ .
これら 仕事 とても 良い .
から a 多く の 仕事 で これら 方法 ,
I まだ 探す すべて フォワード 与える あなた その 最高 結果 .
その ラッソ 傾向がある に 与える あなた a 多く の 偏見のある 結果
の上 テスト セット で 特定の .
もし あなた 're 興味がある で モデル 平均化 , もし あなた 持っている ジャンプ 標準 ,
ただ 行く に 打つ 想起 また , ただ 行く に その 段階的に プラットフォーム .
しなかった 't する それ . 段階的に .
I 勝利した 't 走る それ .
それ 意思 取る あまりにも 長さ なぜなら モデル 平均化 用途 最高 サブセット 回帰 .
それ の 時間 消費する , しかし それ の そこには .
また , ニューラル ネットワーク と すべて ,
あなた 持っている に 持っている その 予言された 追加- で に する それ .
そこには の a リンク に それ もし あなた 're 興味がある .
で これ ポイント ,
I 'm 行く に ない する あまりにも 多くの もっと 分析 .
また , あなた できる 行く を通して そして 見て で その 様々な 斜面
のために その 様々な 回答
そして あなた できる 見る 多くの の これら 方法 結果 で 非常に 偏見のある 斜面 .
で 他の 言葉 , その 性分化疾患 ポイント そして その 空間 -充填 デザイン は あまりにも 違う .
私たちは 've 本当に 得た に 理解する 私たちは 必要 に フィット モデル
以上 その 全体 デザイン 地域 .
で これ ポイント , I 'm 行く に ただ 仕上げる 上 .
による その 方法 , そこには は 十分 材料 ここ、
そして I する 持っている 基本的に 多くの 会談 それ は 組み合わせた の中へ ここ .
I 謝る , しかし I 考える そこには の 一つの 重要 メッセージ ここ .
による その 方法 , I 'm ただ 表示中 スライド と その 通過 -バブロック 斜面 .
それから ついに , I 欲しい に ただ 与える あなた いくつかの ファイナル 考え .
I 考える 私たちは 本当に 必要 いくつかの 新しい 考え で 統計 .
私たちは ドン 't 持っている に 投げる 外 すべて 私たちは 've された やっている .
I 'm ない 言って それ .
その ほとんど 重要 は 私たちは は で その 時代 の デジタル 科学 .
デジタル 化学 , デジタル 生物学 , デジタル バイオテクノロジー は ここ .
彼らは 're ない 明日 . 私たちは 've 得た 遠い もっと オートメーション .
たくさん の 素晴らしい ,
特に で バイオテクノロジー , パイロット そして ベンチ 規模
デバイス それ 規模 うまく , どこ 私たちは できる する たくさん の 実験 .
その 問題 は 複雑 .
私たちは 必要 に 考える 異なる .
機械 学ぶ 方法 経由 すべて
は とても 重要 のために フィッティング これら 複雑な システム .
私たちは 必要 に 得る 離れて から その 応答 表面 アプローチ
それ 本当に 避難所 't 変更された .
多分 私たちは 've 得た コンピューター そして いくつかの 新しい デザイン .
I 考える DSD（性分化疾患） は 本当に とても 頭がいい .
私たちは 持っている 最適 デザイン , しかし 彼らは 苦しむ から その 事実 彼らは 're 境界 デザイン
そして 人々 保つ 主張する の上 満杯 二次関数 モデル .
それ の a 間違い , として I 've 試した に 見せる 簡単に で その 話す ,
そして あなた 意思 なれ できる に ダウンロード その 話す ,
あなた できる 見る どうやって 貧弱に これら 方法 一般的に した と その 複雑な 回答 .
として 遠い として I 'm 心配している , 私たちは 必要 新しい 種類 の 最適 デザイン .
で a 最小 , これら 必要 に 収容する a 多く の 要因 .
パティ , による その 方法 , それなし 取得 の中へ 詳細 , もっている 走る a 性分化疾患 …
ない a 性分化疾患 . あなた した 空間 -充填 デザイン と 18 走る .
与えられた 彼らは 持っている アンバー テクノロジー 利用可能 ,
もし あなた 知る 何 それ は , 彼らは できる する それ .
なぜ する 私たちは 必要 それ ?
なぜなら これら システム は 相互の作用 .
私たちは 必要 に 停止 考え 彼らは 're a マイナー 一部 の その 方程式 .
主要 効果 する ない 説明する その 行動 の a 複雑な システム .
その インタラクティブ性 は 何 ドライブ その 行動 .
私たちは 必要 に カバー その インテリア の その デザイン 地域 .
はい , 私たちは だろう のように に カバー その 境界 あまりにも .
私たちは ドン 't 欲しい に なれ 指定する a モデル .
最適 デザイン 必要とする あなた 特定 何 は いつもの a 満杯 二次関数 モデル .
私たちは 必要 に 得る 離れて から それ .
空間 -充填 デザイン , による その 方法 ,
は 最適 デザイン それ する ない 必要とする a モデル なれ 指定された .
しかし 彼らは 're ない その 合計 答え .
私たちは 必要 に カバー その デザイン 空間 .
私たちは 必要 に 与える その ユーザー a 多く の 入力
それ だろう なれ 科学者たち の上 どうやって 彼らは 配布する その ポイント .
その 仕事 の 月曜日 月曜日 そして アンダーソン -料理する ポイント その 方法 .
I 勝利した 't 持っている 時間 に 得る の中へ それ .
それ の 別の トピック .
私たちは 必要 に なれ できる に 簡単に 組み合わせる 私たちの デザイン と 他の データ .
それ 含まれるもの エンジニアリング 走る , GMP 走る ,
平 モデル から 部分的 差分 方程式 そして シミュレーション .
特に もし あなた 欲しい に 得る の中へ デジタル 双子 ,
あなた 've 得た に なれ できる に する それ 使用して 何 I 電話 メタ モデル .
それから ついに , パティ 言及された これ , それで I 望んでいた に 持ってくる それ 上 .
その 標準 練習する で デザイン の 実験 , 仮定
それ どうにか あなた 've 得た に 画面 外 要因
は 実は a 本当に 高い -リスク , いいえ -褒美 戦略 で 複雑な システム .
あなた 意思 後悔 それ .
あなた 意思 いつか , で a 後で ステージ , 来る 戻る そして 持っている に やり直す 実験的な 仕事 .
I 've 見た これ 時間 そして また .
で 複雑な システム ,
これ アイデア それ そこには は アクティブ そして 非アクティブ 要因 は 単に 間違っている .
彼らは 全て 案件 で いくつかの レベル どこか で その デザイン 空間 .
率直に言うと , と 私たちの モダンな ツール , あなた ドン 't 必要 に する それ ともかく .
また , 何か それ以外 人々 する 反射的に 減らす リニア モデル .
私たちは 've 表示されている で 私たちの 研究 で すべて .
また , a ニース 紙 による スマッカー , エドワーズ ,
そして 私たちは 示した 削減 モデル 劣化する 予測 .
なぜ ? なぜなら あなた 're 作る あなたの モデル より硬い そして より硬い ,
それ の ない 行く に 補間する 良い .
I 意思 停止 で これ ポイント そして そこには は いくつかの 参照 で その 終わり .
