Cerba Research ist ein weltweit renommiertes Unternehmen, das sich auf die Bereitstellung erstklassiger analytischer und diagnostischer Lösungen für klinische Studien weltweit spezialisiert hat. Bei Cerba Research Montpellier passt unser engagiertes Team Immunhistochemieprotokolle an, um spezifische Zielexpressionen in den Gewebeschnitten der Patienten zu erkennen. Um der steigenden Nachfrage nach Protokollentwicklung gerecht zu werden und die Prozessrentabilität zu steigern, erkennen wir die dringende Notwendigkeit, Entwicklungszeitpläne zu optimieren und Kosten zu senken.
Angesichts der Vielfalt der zu entwickelnden benutzerdefinierten Protokolle reicht der herkömmliche OFAT-Ansatz (ein Faktor nach dem anderen) nicht mehr aus. Wir haben daher eine eingehende Bewertung durchgeführt und mithilfe von JMP verschiedene Methoden zur Versuchsplanung (DOE) verglichen, darunter benutzerdefiniertes Design und raumfüllendes Design. Diese DOE-Ansätze werden anhand zuvor entwickelter OFAT-Protokolle bewertet. Wir präsentieren Daten, die die vergleichenden Vorteile von OFAT- und DOE-Ansätzen in Bezug auf Kosteneffizienz und Qualität veranschaulichen.
Hallo. Ich bin Marie Gérus-Durand und arbeite bei Cerba Research als Validierungsingenieurin. Heute zeige ich Ihnen, wie wir durch die Verwendung von Versuchsplanung bei der Erstellung klinischer Protokolle für die Immunhistochemie Kosten senken und unsere Qualität verbessern können. Zur Einführung: Cerba Research ist ein weltweit tätiges Unternehmen mit Aktivitäten auf allen Kontinenten. Ich habe die Abteilung, für die ich arbeite, gelb hervorgehoben.
Es sind die Abteilungen Pathologie und IHC. Die Hauptforschungsabteilung für IHC befindet sich in Montpellier, wo ich arbeite. Was ist Immunhistochemie? Immunhistochemie ist eine Untersuchung von Proteinen oder verschiedenen Zielen in Gewebe. Bei Biopsien schneiden wir freiliegende Gewebeschnitte und verwenden eine antikörperbasierte Technologie, um verschiedene Ziele eines Terroristen auf dem Gewebe zu erkennen, die wir unter einem Mikroskop oder mit einem Scanner auf digitalisierten Bildern sehen können.
Hier haben Sie beispielsweise ein Hautgewebe, auf dem Sie ein schönes, rot gefärbtes Ziel sehen. Mehr als ein Viertel unserer Aktivitäten in Protokollen, die für unsere Kunden bei Cerba Research Montpellier erstellt werden. Wir haben mehr als 50 Kunden. Jedes dieser Ziele ist ein Lieblingsziel. Für uns ist es entscheidend, schnell die beste Entwicklungsstrategie entwickeln zu können, um in einem ganzen Bereich eines für klinische Studien erstellten Protokolls wettbewerbsfähig zu bleiben.
Hier ist ein Beispiel für eine andere Färbung, und das ist die Färbung, die ich im ersten Beispiel verwenden werde. Ich werde es Ihnen zeigen. Es handelt sich hier um die Erkennung eines Ziels in Braun durch IHC, sodass dieses Protokoll nur die Erkennung eines Ziels ermöglichte. Wir nennen es Simplex, und das ist viel von dem, was wir tun.
Unser aktueller Ansatz ist ein Faktor nach dem anderen. Wir bewerten also zunächst die Antigenzugänglichkeit des Gewebes für die zu erkennenden Ziele, führen dann eine Titration des Antikörpers durch, um die beste Bedingung zu finden, die das beste Signal-zu-Verhältnis ergibt, und nehmen bei Bedarf weitere Optimierungen vor. Jeder Pfeil hier ist ein Schritt im Entwicklungsprotokoll, und jeder Schritt ist mindestens ein Automatenzyklus, und jeder Zyklus dauert von der Anfrage bis zu den Testergebnissen mindestens vier Tage.
Um die Rentabilität unserer Zuschüsse und die Anzahl der entwickelten Protokolle zu verbessern, müssen wir Zeit und Anzahl der Tests reduzieren, um zum optimierten Protokoll zu gelangen. Hier schematisiere ich unsere Strategie: Wir testen zwei Bedingungen für die Antigenzugänglichkeit ohne Antikörper oder mit einer definierten Antikörperberatung, und so haben wir diese vier Punkte. Dann wählen wir die beste aus, also Bedingung zwei, um eine Titration des Antikörpers durchzuführen, die mehr Punkte hat, aber was wäre, wenn der optimale Punkt tatsächlich irgendwo bei Bedingung eins außerhalb des getesteten Bereichs läge?
Wenn wir uns das ansehen, erinnert es mich sehr an die Versuchsplanung und Webinare, die ich bei JNP gesehen habe. Dies ist eine Beispielfolie aus einem Übungsraum, in der Sie den angebotenen Ansatz, den wir jetzt verwenden, Faktor für Faktor mit dem DOE vergleichen und sehen, dass Sie Ihren Versuchsbereich besser abdecken. Das kann in unserem Aufbau eine große Verbesserung sein. Ich habe beschlossen, es auszuprobieren.
Zuerst beginne ich mit der einfachsten Sache, nämlich der einfachen Protokollentwicklung, wie ich Ihnen zeige, wobei ich nur ein Ziel zu diesem Thema erkenne. Zuerst müssen wir unsere Einschränkungen und Parameter definieren. In unserem Automaten, den ich für dieses Experiment verwende, hat dieser Automat unabhängige Positionen. Er ist mit einem Test aus dem Versuchsdesign gemischt und stellt eine Folie im Automaten dar, und wir müssen die Antworten und die Faktoren definieren.
Die Antwort, die wir analysieren möchten, ist eine Signalintensität. Wir möchten sie maximieren und den Hintergrund minimieren. Die Faktoren, mit denen wir in dieser Phase spielen können, sind die Antigenwiedergewinnung, die ein kategorischer Faktor ist, und die primäre Antikörperkonzentration, die eine kontinuierliche Variable ist. Bleiben wir beim Design. Ich habe mich dafür entschieden, verschiedene Designs zu vergleichen.
Ich zeige Ihnen das benutzerdefinierte Design und das raumfüllende Design. Wir würden dieses Design gemeinsam erstellen. Ich gehe einfach zur DOE-Plattform und zum benutzerdefinierten Design, und wir müssen hier die Antworten und die Faktoren oder Antworten vom letzten Jahr eingeben. Das erste ist eine Signalintensität, die wir maximieren möchten.
Ich gehe von einer willkürlichen Auswertung zwischen null (kein Signal) und drei (ein Signal) aus und füge hier eine weitere Antwort hinzu. Es ist ein Hintergrund, den wir minimieren möchten, also sollte ich ihn dieses Mal minimieren und den Hintergrund hier einfügen. Auf die gleiche Weise bedeutet null kein Hintergrund und drei ist ein sehr hoher Hintergrund. Dann werden wir die Faktoren hinzufügen.
Ich zeige es euch einfach, weil ich mich hier etwas versteckt habe. Als Faktoren haben wir den kategorialen Faktor, der zweistufig ist, den Antigen-Retrieval. Der lässt sich ganz einfach ändern, und wir haben zwei PH, normalerweise PH 6 und PH 9. Die werden je nach Automat unterschiedlich genannt, aber das ist eigentlich egal.
Wir haben den kontinuierlichen Faktor, der eine Antikörperkonzentration ist. Normalerweise testen wir 10 und das Maximum, also werde ich es von 0 bis 10 variieren lassen. Sobald wir das gesagt haben, habe ich keine Kovariaten. Wie ich Ihnen sagte, habe ich die einfachste gewählt. Wir werden mit dem Modell fortfahren. Ich möchte alle möglichen Interaktionen sehen, also mache ich RSM. Ich mache keine Replikate. Ich mache keine Mittelpunkte. Ich habe bereits die einfachste gewählt, und das sehen Sie standardmäßig, sagte sie, okay.
Sie sollten 11 Einsen machen, 11 Einsen passen zu dem, was wir normalerweise machen, also ist es in Ordnung. Um diesen Design Explorer in JNP 17 zu nutzen, klicke ich einfach hier und sage: „Okay. Lassen Sie uns vielleicht ein anderes Design erkunden.“ Sie sehen, dass Sie beim Klicken die Faktoren wieder haben, das Modell hier, und Sie haben verschiedene Optionen. Auf der linken Seite können Sie also nur Design für Design ausdrücken. Auf der rechten Seite können Sie eine Kombination machen. Bei RSM achten wir normalerweise auf Optimalität und einmal, sagen wir, möchte ich verschiedene Durchlaufzahlen ausprobieren.
Sagen wir mindestens fünf. Sagen wir, wir beginnen damit und gehen hoch bis, sagen wir, 11. Was wäre, wenn wir zum Beispiel 15 machen, mit dem Schritt von, sagen wir, eins. Mittelpunkte sind mir eigentlich egal, aber wir können es versuchen und sehen, was es bewirkt und es replizieren. Mal sehen, es ist besser, wenn wir es replizieren.
Ich klicke auf „Alle Designs generieren“, und es wird auch ein Design mit den unterschiedlichen Parametern erstellt. Ich wähle also Augenoptimalität, also ist es überall Augenoptimalität. Ich wähle die Durchläufe Nummer fünf bis 15, und dann haben Sie Replikate.
Das ist nicht der Fall, aber hier ist eine Replik für fünf. Ich weiß nicht, warum, aber es ist okay. Sie sehen zum Beispiel, für sieben habe ich zwei Replikate, eins oder null als das Gleiche für alle. Auch für Mittelpunkte habe ich, wenn möglich, einen Mittelpunkt oder zwei Mittelpunkte. Unten haben Sie eine Leinentabelle, damit Sie sie erstellen können, und sie fügt eine schöne Spalte hinzu.
Dies ist einfach für alle maßgeschneidert. Wenn Sie in dieser Tabelle ein Design auswählen, klicken Sie auf „Benutzerdefiniertes Design“ und die Kostentabelle wird geöffnet. Das ist hier praktisch, da Sie einige Diagramme erstellen und sagen können: „Okay. Mal sehen. Effizienz, abhängig von der Anzahl der Fronten, werde ich machen.“
Sie sehen, dass zwischen beiden eine große Korrelation besteht. Wir können mit dem Spaltenumschalter spielen und andere Variablen hinzufügen, die wir uns ansehen können. Einmal möchte ich Läufe sehen und einmal möchte ich auch Mittelpunkte und Replikate sehen. Entschuldigung. Ich habe vergessen, die Läufe auszuwählen, aber egal, hier haben wir also die Läufe.
Mittelpunkte scheinen keinen guten Einfluss zu haben und reproduzieren weder das eine noch das andere, also sieht es so aus, als wäre es fertig. Wir sollten mit der Anzahl der Läufe spielen. Wenn ich mir die Anzahl der Läufe ansehe, würde ich darauf zurückkommen. Ich würde einfach die Benutzer, die Mittelpunkte blockieren, und jetzt sehen Sie sich nur die Referenznummern an.
Ich habe nicht alles entfernt. Ich hoffe, Sie sollten vorher alles entfernen. Andernfalls werden einfach alle hinzugefügt. Ich habe alles entfernt. Nur ausgewählt. Habe mir keine Notiz gemacht. Tut mir leid. Das wird benötigt, also sagen wir, ich wähle aus, was ausgewählt wurde, also 12 Läufe.
Ich gehe einfach hier zurück und sage: „Okay. Ist das der Standardwert? 11?“ Tatsächlich möchte ich sichergehen, dass ich meine beiden negativen Kontrollen habe, die überhaupt keine Antikörper mit Isotopen sind, also würde ich 10 sagen.
Ich würde ein Design mit 10 erstellen und dann manuell meine beiden Steuerelemente hinzufügen. Hier sehen Sie, es ist ein kleines Design. Sie brauchen nur 10 Sekunden, und hier ist eine Tabelle. Tatsächlich werden jedes Mal, wenn wir es ausführen, andere Zahlen angezeigt. Ich werde das verwenden, das ich zuvor verwendet habe. Ich führe einfach dieses Skript aus. Ich werde genau dieselben Daten haben wie alle anderen, die ich Ihnen zeige. Hier ist es eine Tabelle, Sie sehen also, dass es anders war.
Ich habe nur 0 oder 10 oder 5 der Konzentration, aber lassen Sie uns das stabil halten. In der Tabelle sehen Sie, dass Sie das Modell bereits haben, die Bewertung des Designs, und Sie können zum DOE-Dialogfeld zurückkehren. Bewertung, ich werde es nicht tun, weil ich zwei Designs vergleichen möchte. Ich werde es jetzt tun. Ich habe es gerade gebracht, also dupliziert das Design, das ich habe, am Ende für jeden Punkt.
Auch wenn ich nicht nach Duplikaten gefragt habe, habe ich Duplikate erhalten. Es deckt diesen Bereich des Experimentierraums ab. Ich versuche ein raumfüllendes Design. Es ist dasselbe. Gutes DOE, aber diesmal handelt es sich um ein spezielles Design, hier raumfüllend, und was ich Ihnen zeigen möchte, also muss ich zu meinem benutzerdefinierten Design zurückkehren. Ich möchte das Design vergleichen, aber die Antworten und Faktoren wären dieselben. Ich kann einfach meine Antworten und meine Faktoren speichern. Oh, ich würde einfach Antworten speichern, auf die gleiche Weise, Fotos speichern.
Wenn ich dann zum Space Filling Design zurückkehre, kann ich die Antworten laden. Tut mir leid. Sie müssen das Fenster ausgewählt haben, damit Sie es finden. Dasselbe gilt für die Faktoren, und ich habe die Faktoren geschrieben. Keine Einschränkung. Noch einmal, die Anzahl der Optionsscheine beträgt 20, aber ich möchte zwei Designs vergleichen, also mache ich 10, das Gleiche.
Ich habe keine Wahl. Es ist einfach ein flexibles Gefühl. Es erzeugt dieses Design, und Sie sehen, dass die Konzentration diesmal nicht so streng ist wie 0105. Es ist ein riesiger Konzentrationsbereich, und Sie können die Tabelle genauso machen. Ich kann das alles schließen. Was das benutzerdefinierte Design betrifft, habe ich das, das ich gemacht habe, noch einmal ausgeführt, also habe ich genau die gleichen Zahlen, und deshalb wollte ich das Design vergleichen. Wie vergleichen Sie das Design? Oh, zuerst. Entschuldigung. Ich habe es vergessen.
Sie sehen, dass die Variationen in der Antikörperkonzentration nicht gleich sind. Ich habe keine Duplikate außer dieser Kontrolle hier. Sie deckt einen breiteren Bereich der Antikörperkonzentration ab, was für das, was wir suchen, eigentlich gut ist.
Ich wollte die Designs vergleichen. Erstens kann ich das grafisch darstellen, da die von jedem Design abgedeckte Fläche unterschiedlich ist. Und meiner Meinung nach ermöglicht mir die Raumfüllung, eine höhere Antikörperkonzentration auszuprobieren, was ein guter Punkt sein kann, aber ich kann die Designs vergleichen. Bei DOE gibt es Designdiagnosen, man kann Designs vergleichen, also sehen Sie, dass ich beide habe.
Ich habe bereits Fast Flexible, also werde ich Custom Design hinzufügen. Die Spaltennamen sind gleich, also brauche ich nicht zu viele Spalten. Er wird es tun, Sie wissen es, und so fassen wir die Faktoren zusammen. Für Fast Flexible beginnt es nicht genau bei Null und geht nicht bis 10, aber es ist fast da. Das Modell werde ich erstellen, um sie zu löschen. Ich kann den kategorischen Faktor darin nicht haben, aber ich habe ihn. Kehren wir zum Risiko-Ertrag von Antikörper zu Antikörper und Antikörper zu Antigen zurück. Ich kann kein Antigen bei Faktor zwei bekommen, aber es ist in Ordnung, und wir machen mit der Designbewertung weiter.
Deshalb habe ich es nicht einzeln gemacht. Ich wollte vergleichen. In Blau hier, wenn Sie sich das Power-Diagramm ansehen, ist es ein Fast Flexible Design, und in Orange ist das Custom Design. Sie sehen, dass [unverständlich 00:17:23] Custom Design im Namen von vier der Bestimmung des Modells besser aussieht als das Fast Flexible Design. Wenn Sie zu den Bruchteilen der Design Space-Diagramme gehen, ist es dasselbe.
Custom Design scheint besser zu passen. Wenn wir die Designdiagnosen vergleichen, ist es relativ zu Custom Design. Das bedeutet, dass Custom Design einen Wert hinzufügt, und wenn ich nach hoher Effizienz suche, Fast Flexible Design, öffne ich sieben, also ist es 30 % weniger effizient, sagen wir, als ein Sensor Custom Design. Ich habe das einfach hier eingefügt.
Ich zeige Ihnen hier nur drei Diagnosen, und es scheint, dass Custom Design besser ist als Space Filling One [unverständlich 00:18:18], aber sehen wir mal, was die Ergebnisse uns sagen. Die Profiler werden nach Eingabe von [unverständlich 00:18:26] erhalten. Um Ihnen also ein Beispiel der Daten zu zeigen, habe ich hier meine DOE-Tabelle. Ich habe nur die Signalintensität und die Hintergrundreaktion hinzugefügt, also schaue ich mir meine Bilder an und sage: „Okay. Ich habe keine Intensität. Ich habe etwas. Ich habe mehr und so weiter und so fort. Und ich habe für beide Designs dasselbe gemacht.“
Hier ist das Gleiche. Wenn das nicht der Fall wäre, wären es zwei Durchläufe, also zwei verschiedene Datensätze. Am Ende habe ich das Modell erstellt. Klicken Sie einfach auf das Modell. Sie sehen, es ist ein Standard-Screening mit quadratischen Effekten. Mit all der Interaktion hier, und ich passe alles zusammen. Ich habe einige Faktoren, die ich entfernen könnte, aber ich habe mich entschieden, alles zu behalten. Dann gehe ich hier zum Profiler. Wenn wir uns die besten Bedingungen ansehen, maximiere ich meine Behinderung, wie es gemacht wurde.
Maximierung meiner Intensität. Sie sehen, dass es hier zum höchsten Punkt geht, den Hintergrund minimiert und diese Bedingung gefunden hat. Danach wurde mir klar, dass es vielleicht nicht so ist. Ich möchte die Signalintensität nicht maximieren. Ich möchte nur ein Ziel erreichen, weil die Probe, die ich hier verwende, vielleicht nicht die Probe mit niedrigem Wert ist. Ich möchte also in der Lage sein, niedrige Werte und die Expression meiner Ziele zu erkennen.
Ich ändere ein bisschen und sage: „Okay.“ Ich möchte ein Ziel mit mittlerer Intensität erreichen. Nicht das diagnostizierte, sondern das mittlere. Ich möchte den Hintergrund trotzdem minimieren, weil der Hintergrund nicht gut ist. Wenn ich jetzt die Erwünschtheit maximiere, sehen Sie, dass sich die Konzentration des zu verwendenden Antikörpers geändert hat. Das ist ungefähr das, was wir hier erhalten haben. Vielleicht habe ich eine kleine Zahl anders gemacht, aber das ist okay. Ich habe dasselbe gemacht, und das gilt auch für ein schnelles, flexibles Design.
Ich habe zwei verschiedene Zustände, einen, bei dem ich fast 3,8 Antikörper in CC2 habe, und zwei in CC2. Hier ist es nicht PHCCN9, denn auf dieser automatischen Seite heißt es CC1 und CC2, aber es ist dasselbe. Dann sage ich, okay. Ich habe diese beiden Zustände. Ich würde mit dem ursprünglichen Protokoll vergleichen.
Das heißt, unsere Referenz ist unser Standardpinsel, also die Bilder, die ich Ihnen zuvor gezeigt habe. Hier haben Sie die Bedingungen für das benutzerdefinierte Design und die Bedingungen für das raumfüllende Design. Sie sehen, dass diese beiden Bedingungen Daten liefern, die mindestens genauso gut sind. Ich würde sogar sagen, besser als die, die wir mit unserem Standardansatz definieren. Für mich sind die raumfüllenden Daten, die ich geschrieben habe, um mehr Antikörperkonzentrationen zu testen, was nützlich ist, wenn Sie schwierige Ziele haben.
Ich werde mich dafür entscheiden, weil zusätzlich diese beiden Bedingungen, die Sie hier sehen, tatsächlich im Space Filing Design vorhanden waren. Ich musste die Bedingungen nicht ausführen, da ich die Daten im Space Filling Design hatte und das Bild zur Überprüfung dient, ob es gut funktioniert. Ich wähle ein Space Filling Design, um es mit einem anderen Protokoll zu testen. Nur um zu sehen, ob es funktioniert.
Gehen Sie nicht alles durch. Ich nehme einfach dasselbe Papier und ändere meine Antworten für die neuen Ziele. Ich habe dieses Modell erhalten, bei dem das Ziel von zwei hier mit zentraler Intensität angepasst und dieser Hintergrund minimiert werden kann. Er sagte: „Okay, Sie sollten 2,8 Mikrogramm Antikörper pro Mann und unter CC2-Bedingungen haben.“
Wenn ich es mit dem Protokoll vergleiche, das wir entwickelt haben, hieß es CC1 und 5 Mikrogramm-Programm, es ist also nicht dasselbe. Beide ändern sich, aber wie Sie auf dem Bild sehen können, ist es dasselbe Protokoll, das von Space Filing Design definiert wurde, und es ist mindestens so gut wie das, das wir normalerweise entwickeln. Was jetzt noch fehlt, um Betrieb und Manager zu überzeugen, sind sicherlich die Kosten und die Zeit. Unser vorgeschlagener Ansatz für das Design hier.
Zuerst vergleiche ich ein individuelles Design und ein raumfüllendes Design, und zwar die Zeit, die ich gebraucht habe, um alles zu entwerfen, im Vergleich zu unserem Standardansatz. Unser Standardansatz ist in dieser Grafik blau und das raumfüllende Design rot, das individuelle Design grün, und ich vergleiche die Anzahl der Zyklen, was zeitaufwändig ist, die Anzahl der Folien, die Zeit vom Entwurf bis zum Protokoll und die Zeit von der Anforderung bis zur Reservierung.
Wenn man sich die Zeit von der technischen Anfrage bis zur Recherche ansieht, sogar die Zeit, die für das technische Team erforderlich war, um alles zu entwerfen, und berücksichtigt, dass es sich um eine neue Vorgehensweise für das technische Team handelt, haben wir die Zeit bis zum Vorliegen von Ergebnissen verkürzt. Nun zu einem zweiten Beispiel: Ich musste nicht alles erneut entwerfen. Es ist wahrscheinlicher, was wir als nächsten Schritt tun werden, wenn wir diesen Ansatz als unseren neuen tatsächlichen Ansatz übernehmen, und so vergleiche ich den für dieses Projekt verwendeten Standardansatz.
In Blau, in Rot gestreift, habe ich das DOE-Setup eingegeben und den Vergleichszyklus gedrückt, da wir ein Referenzprotokoll haben. Ich habe einen Vergleichszyklus durchgeführt, aber wenn es sich um den neuen Ansatz handelt, den wir verwenden, werden wir keinen Vergleichszyklus durchführen, da wir keine Referenz haben. Wir würden einfach das DOE-Setup durchführen, und es ist rot. Wie Sie sehen, hat es die Anzahl der Zyklen, die Anzahl der Stellen, die Anzahl der von uns verwendeten Antikörper und die Endergebnisse in Tagen verringert, es ist um ALF verkürzt, was ganz nett ist.
Abschließend möchte ich noch sagen, dass mir dieses Zitat von Steve Jobs gefällt: „Fang klein an, denk groß.“ Am Anfang, als ich all das sah [unverständlich 00:24:53], oh, das ist schön, aber ich kann es anwenden. Ich hatte ein bisschen Probleme, aber ich sagte, okay, ich fange auf die einfachste Art an, und ich richtete es für dieses einfache IHC ein, und ich überzeugte meinen Manager noch schneller, als ich dachte. Dann das operative Team und schließlich andere Führungskräfte, dass der Ansatz auf IHC angewendet werden kann.
Wir können nicht garantieren, dass wir eine Optimierung wie jetzt benötigen, weil man am Anfang nicht weiß, ob die Entwicklung einfach oder schwierig sein wird. Den nächsten Schritt möchte ich im Labor vorstellen. Es handelt sich um ein Multiplex-Setup. Das Erkennen mehrerer Ziele im selben Gewebe, beginnend mit zwei Zielen gegenüber dem unterdrückten und bis hin zu fünf Zielen. Dies ist ein fortlaufender Prozess.
Zum Schluss möchte ich Ihnen danken. Ich möchte dem Lenkungsausschuss dafür danken, dass er mein Abstract ausgewählt hat. Ich möchte Ihnen, dem Team von Cerba Research Montpellier und auch dem Labortechniker danken, weil es manchmal schwer ist, meinen verrückten Ideen zu folgen.
Mein Manager, der mich bereits bei der neuen Strategie und der neuen Sichtweise unterstützt, und das gesamte Konzeptions- und Validierungsteam, zu dem ich gehöre, um mich auch bei diesem Test zu begleiten. Ich möchte dem französischen JNP-Team danken. Stephane hat mich unterstützt und alle Fragen gestellt. Dadurch konnte ich diese neue JNP 17-Person einladen, bei der ich mit 16 feststecke, und die schöne Plattform der Design-Erkundung sehen. Ich danke Ihnen allen für Ihre Aufmerksamkeit.
