Cerba Research는 전 세계적으로 유명한 회사로, 전 세계 임상 시험에 맞춰진 최고 수준의 분석 및 진단 솔루션을 제공하는 데 특화되어 있습니다. Cerba Research Montpellier에서 저희 전담 팀은 면역조직화학 프로토콜을 맞춤화하여 환자 조직 절편 내에서 특정 표적 발현을 탐지합니다. 프로토콜 개발에 대한 증가하는 수요를 해결하고 프로세스 수익성을 높이기 위해 저희는 개발 일정을 간소화하고 비용을 절감해야 할 절실한 필요성을 인식하고 있습니다.
개발할 맞춤형 프로토콜의 다양성을 감안할 때, 기존의 OFAT(한 번에 한 가지 요인) 접근 방식은 더 이상 충분하지 않습니다. 따라서 JMP를 사용하여 맞춤형 설계 및 공간 채우기 설계를 포함한 다양한 실험 설계(DOE) 방법론을 비교하는 심층 평가를 수행했습니다. 이러한 DOE 접근 방식은 이전에 개발된 OFAT 프로토콜과 비교하여 평가됩니다. 비용 효율성 및 품질 측면에서 OFAT 및 DOE 접근 방식의 비교 이점을 보여주는 데이터를 제시합니다.
안녕하세요. 저는 Marie Gérus-Durand이고, Cerba Research에서 검증 엔지니어로 일하고 있습니다. 오늘은 면역조직화학 임상 프로토콜을 설정할 때 실험 설계를 사용하여 비용을 절감하고 품질을 높이는 방법을 보여드리겠습니다. 소개로, Cerba Research는 모든 대륙에서 활동하는 세계적인 회사입니다. 제가 근무하는 부서를 노란색으로 강조했습니다.
병리학과 IHC 부서입니다. IHC의 주요 연구 부서는 제가 근무하는 몽펠리에에 있습니다. 면역조직화학이란 무엇인가요? 면역조직화학은 조직 내 단백질이나 다양한 표적을 연구하는 것입니다. 생검을 할 때, 조직의 슬라이드를 잘라내고 항체 기반 기술을 사용하여 현미경이나 스캐너로 볼 수 있는 조직에서 테러리스트의 다양한 표적을 디지털화된 이미지로 감지합니다.
예를 들어, 여기서는 빨간색으로 얼룩진 멋진 표적을 볼 수 있는 피부 조직이 있습니다. Cerba Research Montpellier에서 고객을 위해 프로토콜을 설정하는 활동의 4분의 1 이상입니다. 우리는 50명 이상의 고객을 보유하고 있습니다. 이러한 선호하는 표적 각각. 임상 시험을 위해 설정된 프로토콜의 전체 영역에서 경쟁력을 유지하기 위해 빠르고 최상의 개발 전략을 수립하는 것이 중요합니다.
다른 염색의 예가 있는데, 첫 번째 예에서 사용할 염색입니다. 보여드리겠습니다. IHC로 갈색으로 표적을 감지한 것입니다. 따라서 이 프로토콜은 하나의 표적만 감지할 수 있습니다. 우리는 이것을 심플렉스라고 부르고, 우리가 하는 일의 많은 부분이 바로 그것입니다.
우리의 실제 접근 방식은 한 번에 한 가지 요소이므로, 먼저 인식할 표적에 대한 조직의 항원 접근성을 평가한 다음, 항체 적정을 수행하여 최상의 조건을 찾고, 최상의 신호 대 비율을 제공하며, 필요한 경우 추가 최적화를 수행합니다. 여기의 각 화살표는 개발 프로토콜의 단계이며, 각 단계는 최소한 하나의 오토마타 사이클이며, 각 사이클은 요청에서 테스트 결과까지 최소 4일 동안 지속됩니다.
보조금 수익성과 개발된 프로토콜의 양을 개선하기 위해, 우리는 최적화된 프로토콜에 도달하기 위해 시간과 테스트 양을 줄여야 합니다. 여기서 저는 전략을 도식화합니다. 항체가 없거나 정의된 항체 컨설팅이 있는 두 가지 항원 접근성 조건을 테스트하면, 이 네 가지 지점이 생깁니다. 그런 다음 가장 좋은 것을 선택하므로, 더 많은 지점이 있는 항체의 적정을 수행하는 조건 2가 되지만, 실제로 최적의 지점이 테스트된 범위 밖의 조건 1이 있는 어딘가에 있다면 어떨까요?
이것을 보면, 제가 JNP에서 본 실험 설계와 웨비나를 많이 떠올리게 됩니다. 이것은 매뉴얼 룸의 예시 슬라이드로, 현재 DOE와 사용 중인 한 번에 한 가지 요인씩 제공되는 접근 방식을 비교해보면 실험 영역을 더 많이 다루고 있다는 것을 알 수 있습니다. 이는 우리의 설정에서 큰 개선이 될 수 있습니다. 저는 시도해보기로 했습니다.
먼저, 가장 간단한 것부터 시작하겠습니다. 제가 보여드리는 간단한 프로토콜 개발로, 이 문제에서 단 하나의 타겟만 탐지합니다. 우리는 먼저 제약 조건과 매개변수를 정의해야 합니다. 이 실험에 사용하는 오토마타에서 이 오토마타는 독립적인 위치를 가지고 있습니다. 실험 설계의 한 테스트와 혼합하면 오토마타의 한 슬라이드가 되고, 우리는 반응과 요인을 정의해야 합니다.
우리가 분석하고자 하는 반응은 신호 강도입니다. 우리는 그것을 최대화하고 배경을 최소화하고 싶습니다. 이 단계에서 우리가 가지고 놀 수 있는 요인은 범주형 요인인 항원 회수와 연속 변수인 1차 항체 농도입니다. 설계를 사용해 보겠습니다. 저는 다른 설계를 비교하기로 했습니다.
저는 맞춤형 디자인과 공간 채우기 디자인을 보여드리겠습니다. 우리는 함께 이 디자인을 설정할 것입니다. 저는 DOE 플랫폼과 맞춤형 디자인으로 이동하고, 작년의 응답과 요인 또는 응답을 여기에 입력해야 합니다. 첫 번째는 우리가 극대화하고자 하는 신호 강도입니다.
0(신호 없음)에서 3(신호) 사이의 임의적 평가를 가정하고 여기에 다른 응답을 추가합니다. 최소화하려는 배경이므로 이번에는 최소화해야 하며 여기에 배경을 넣습니다. 같은 방식으로 0은 배경이 없고 3은 매우 높은 배경이며 그런 다음 요소를 추가합니다.
여기서 좀 숨겨져 있어서 보여드리겠습니다. 요인으로는 범주형 요인이 있는데, 이는 2단계이고 항원 검색입니다. 변경하기 꽤 쉽고, PH는 보통 PH 6과 PH 9입니다. 오토마타에 따라 다르게 부르지만, 이건 별로 중요하지 않습니다.
연속적 요인이 있는데, 항체 농도입니다. 보통 10과 최대값을 테스트하므로 0에서 10까지 다양하게 만들 것입니다. 이렇게 말하고 나면 공변량이 없습니다. 말씀드렸듯이 가장 간단한 것을 선택했습니다. 모델을 계속 진행하겠습니다. 가능한 모든 상호 작용을 보고 싶어서 RSM을 합니다. 반복은 하지 않습니다. 중심점도 하지 않습니다. 이미 가장 간단한 것으로 갔고, 기본적으로 볼 수 있다고 그녀가 말했습니다. 알겠습니다.
11개를 해야 합니다. 11개가 보통 우리가 하는 것과 맞아떨어지므로 괜찮습니다. JNP 17에 있는 이 디자인 탐색기를 활용하려면 여기를 클릭하고 "좋아요"라고 말합니다. 다른 디자인을 탐색해 보겠습니다. 클릭하면 요소가 다시 나오고, 여기에 모델이 있고, 다른 옵션이 있습니다. 왼쪽에는 디자인별로 표현하기 위한 것입니다. 오른쪽에는 조합을 할 수 있습니다. RSM의 경우 보통 눈 최적화를 하고, 예를 들어 다른 횟수의 실행을 시도하고 싶습니다.
최소 5개라고 합시다. 이렇게 시작해서 11개까지 올라가면 어떨까요? 예를 들어 15개를 1단계로 하면 어떨까요? 중심점은 상관없지만, 시도해서 어떤지 보고 복제할 수 있습니다. 복제하는 게 더 낫겠죠.
모든 디자인 생성을 클릭했는데, 다른 매개변수로 디자인도 했기 때문에 눈 최적화를 선택했으니 모든 곳에서 눈 최적화가 됩니다. 5~15번 런을 선택하면 반복이 있습니다.
그렇지 않았지만 여기 5개를 위한 복제본이 있습니다. 이유는 모르겠지만 괜찮습니다. 예를 들어 7개를 위해 복제본을 두 개 가지고 있는데, 모두 동일하게 하나 또는 0개입니다. 중심점에도 중심점을 하나 두거나 가능하면 두 개를 둡니다. 아래쪽에는 리넨 테이블이 있어서 만들 수 있고 멋진 기둥이 추가됩니다.
이건 그냥 모든 것에 맞게 맞춤 디자인된 거예요. 이 표에서 디자인을 선택하면 맞춤 디자인을 클릭하면 표 비용이 열립니다. 여기서는 그래프를 그려서 좋아요라고 말할 수 있어서 좋습니다. 한 번 봅시다. 효율성은 전선 수에 따라 다릅니다.
두 가지 사이에 큰 상관 관계가 있음을 알 수 있습니다. 컬럼 스위처로 다른 변수를 추가해서 볼 수 있습니다. 런을 보고 싶고, 중심점과 반복도 보고 싶습니다. 죄송합니다. 잊었습니다. 런을 선택하려면 어쨌든, 여기 런이 있습니다.
센터 포인트는 좋은 영향을 미치지 않는 듯하고 둘 다 복제하지 않으므로 준비된 것 같습니다. 런 번호로 놀아야 합니다. 런 번호를 보면 여기로 돌아올 것입니다. 사용자, 센터 포인트를 차단하고 지금은 참조 번호만 보면 됩니다.
저는 모든 것을 제거하지 않았습니다. 여러분이 그 전에 모든 것을 제거했으면 좋겠습니다. 그렇지 않으면, 그냥 모든 것을 추가하는 것뿐입니다. 저는 모든 것을 제거했습니다. 그냥 선택했습니다. 메모를 하지 않았습니다. 죄송합니다. 그게 필요하니, 예를 들어, 선택된 것을 선택하겠습니다. 그래서 12회 실행됩니다.
여기로 돌아가서, 알겠습니다. 기본값인가요? 11인가요? 사실, 저는 동위원소에 대한 항체가 전혀 없는 두 개의 음성 대조군을 확실히 갖고 싶어서, 10이라고 말하고 싶습니다.
저는 10으로 디자인을 만들고, 그런 다음 두 개의 컨트롤을 수동으로 추가할 것입니다. 여기서 보시다시피, 작은 디자인입니다. 10초만 걸리고, 여기 표가 있습니다. 사실, 실행할 때마다 여기에서 다른 숫자를 합니다. 저는 이전에 한 것을 사용할 것입니다. 이 스크립트를 실행하기만 하면 됩니다. 저는 제가 보여드리는 모든 사람과 정확히 같은 데이터를 갖게 될 것입니다. 여기는 표이므로 다르다는 것을 알 수 있습니다.
저는 농도가 0 또는 10 또는 5개만 있지만, 이것을 안정적으로 유지합시다. 표에서 이미 모델이 있고, 설계 평가가 있고, DOE 대화 상자로 돌아갈 수 있습니다. 평가는 두 설계를 비교하고 싶기 때문에 하지 않겠습니다. 지금 해보겠습니다. 방금 가져왔으므로, 제가 가진 설계는 끝에서 각 지점에 대해 중복됩니다.
중복을 요청하지 않았더라도 중복을 제공했습니다. 이 실험 공간 영역을 포함합니다. 공간 채우기 설계를 시도합니다. 똑같습니다. 좋은 DOE지만 이번에는 특수 목적 설계, 여기 공간 채우기, 그리고 제가 보여드리고 싶은 것이므로 사용자 지정 설계로 돌아가야 합니다. 설계를 비교하고 싶지만 응답과 요인은 동일합니다. 응답과 요인만 저장할 수 있습니다. 오, 같은 방식으로 응답을 저장하고 사진을 저장할 것입니다.
그럼 Space Filling Design으로 돌아가면 응답을 로드할 수 있어요. 정말 죄송합니다. 창을 선택해야 찾을 수 있어요. 요인도 마찬가지고, 저는 요인을 적었어요. 제약 조건은 없어요. 다시 한 번 말씀드리지만, 워런트 수는 20이지만, 두 디자인을 비교하고 싶어서 10개를 똑같이 할게요.
선택의 여지가 없습니다. 그냥 유연한 느낌일 뿐입니다. 이 디자인을 생성하고, 이번에는 농도가 0105처럼 엄격하지 않다는 것을 알 수 있습니다. 농도 범위가 매우 넓고, 표도 똑같이 할 수 있습니다. 이 모든 것을 닫을 수 있습니다. 사용자 정의 디자인에 관해서는 제가 한 것을 다시 실행해서 정확히 같은 숫자를 얻었고, 그래서 디자인을 비교하고 싶었습니다. 어떻게 디자인을 비교합니까? 오, 먼저. 죄송합니다. 잊었습니다.
항체 농도의 변화가 같지 않다는 것을 알 수 있습니다. 여기 이 컨트롤을 제외하고는 중복이 없습니다. 항체 농도의 더 광범위한 범위를 포괄하는데, 사실 우리가 찾고 있는 것에 좋습니다.
저는 디자인을 비교하고 싶었습니다. 첫째, 각 디자인이 다루는 영역이 다르기 때문에 그래픽으로 비교할 수 있습니다. 그리고 제 관점에서, 공간 채우기는 항체 농도를 더 많이 시도할 수 있게 해줄 것입니다. 좋은 점일 수 있지만, 디자인을 비교할 수 있습니다. DOE에서 디자인 진단이 있고, 디자인을 비교하므로, 저는 둘 다 가지고 있습니다.
저는 이미 Fast Flexible을 가지고 있으므로 Custom Design을 추가하겠습니다. 열 이름은 동일하므로 열이 너무 많이 필요하지 않습니다. 그는 그것을 할 것이고, 당신도 알다시피, 그래서 요인의 날짜를 요약합니다. Fast Flexible의 경우 정확히 0에서 시작하지 않고 10까지 올라가지 않지만 거의 거기에 있습니다. 저는 그것들을 지우기 위해 할 모델입니다. 여기에는 범주형 요인이 없지만 있습니다. 항체별 항체와 항원별 항체 위험 보상으로 돌아가 보겠습니다. 요인 2에서 항원을 얻을 수 없지만 괜찮고 디자인 평가를 진행합니다.
그래서 저는 하나하나씩 하지 않았습니다. 비교하고 싶었어요. 여기 파란색은 파워 플롯을 보면 Fast Flexible Design이고, 주황색은 Custom Design입니다. [inaudible 00:17:23], Custom Design은 Fast Flexible Design보다 모델 결정의 4가지 측면에서 더 나아 보입니다. Design Space 플롯의 분수로 가면 같습니다.
Custom Design이 더 잘 맞는 것 같습니다. 설계 진단을 비교하면 Custom Design과 관련이 있습니다. 즉, Custom Design은 하나의 값을 추가하고, 높은 효율성, Fast Flexible Design을 찾으면 7개를 열어 센서 Custom Design보다 30% 덜 효율적이라고 할 수 있습니다. 여기에 이걸 넣었습니다.
여기서 보여드릴 세 가지 진단은 Custom Design이 Space Filling보다 더 나은 듯하지만 [청취 불가 00:18:18] 결과가 어떻게 될지 보겠습니다. 프로파일러는 [청취 불가 00:18:26]를 입력한 후에 얻어지므로 데이터의 예를 보여드리자면, 여기에 DOE 표가 있습니다. 신호 강도와 배경 응답을 추가했으므로 이미지를 보고, 알겠습니다. 강도가 없습니다. 약간 있습니다. 더 많습니다. 이런저런 식으로 두 가지 설계에 대해 같은 작업을 했습니다.
여기 같은 것이 있습니다. 이것이 아니었다면 두 번의 실행이었을 테니 두 개의 다른 데이터 세트입니다. 마지막에 모델을 만들었습니다. 모델을 클릭하기만 하면 됩니다. 표준적인 정사각형 효과 스크리닝인 것을 알 수 있습니다. 여기에는 모든 상호 작용이 있고 모든 것을 맞춥니다. 제거할 수 있는 요인이 몇 가지 있지만 모든 것을 유지하기로 했습니다. 그런 다음 여기 프로파일러로 이동합니다. 최상의 조건을 살펴보면 장애를 최대화할 것입니다.
제 강도를 최대화합니다. 여기서 하이포인트로 가는 것을 보시고, 배경을 최소화하고, 그는 이 조건을 찾았습니다. 그 후에, 저는 그것이 아닐 수도 있다는 것을 깨달았습니다. 저는 신호 강도를 최대화하고 싶지 않습니다. 저는 단지 타겟과 매치하고 싶습니다. 제가 여기서 사용하는 샘플이 낮은 샘플이 아니기 때문입니다. 그래서 저는 타겟의 낮은 표현을 감지할 수 있기를 원합니다.
저는 약간 변경하고, 알겠습니다. 중간 강도인 타겟과 매치하고 싶습니다. 진단되지 않은 것이 아니라 중간 강도입니다. 배경이 좋지 않기 때문에 배경을 최소화하고 싶습니다. 이제 바람직성을 최대화하면 사용할 항체 농도가 변경된 것을 알 수 있습니다. 이것은 우리가 여기에서 얻은 것과 거의 같습니다. 제가 숫자를 약간 다르게 했을 수도 있지만 괜찮습니다. 저는 동일한 작업을 했고, Fast Flexible Design의 경우에도 마찬가지입니다.
저는 두 가지 다른 조건을 얻었습니다. 하나는 CC2에서 항체가 거의 3.8이고 CC2에서 2입니다. 여기서는 PHCCN9가 아닙니다. 이 자동에서는 CC1과 CC2라고 하지만 동일합니다. 그런 다음 저는 "좋아요. 저는 이 두 가지 조건을 가지고 있습니다."라고 말합니다. 저는 초기 프로토콜과 비교할 것입니다.
우리의 참조, 즉 표준 브러시, 이전에 보여드린 이미지를 의미합니다. 여기에는 사용자 정의 디자인 조건과 공간 채우기 디자인 조건이 있습니다. 이 두 조건이 최소한 우리의 표준 접근 방식으로 정의한 것보다 더 좋은 데이터를 제공한다는 것을 알 수 있습니다. 저는 공간 채우기 데이터를 더 많은 항체 농도를 테스트하기 위해 작성했는데, 이는 어려운 표적이 있을 때 유용합니다.
저는 여기에 두 가지 조건이 더 있기 때문에 이걸 선택할 겁니다. 사실, Space Filing Design에 존재했습니다. 저는 Space Filling Design에 데이터가 있고 이미지가 제대로 작동하는지 두 번 확인하기 위한 것이기 때문에 조건에 반하는 작업을 할 필요가 없었습니다. 저는 다른 프로토콜에서 테스트하기 위해 Space Filling Design을 선택했습니다. 작동하는지 확인하기 위해서입니다.
모든 것을 다 살펴보지 마세요. 저는 같은 논문을 가져와서 새로운 타겟에 대한 제 반응을 바꿀 뿐입니다. 저는 두 개의 중앙 강도의 타겟을 맞추고 그 배경을 최소화하는 모델을 얻었습니다. 그는 "좋아요, 항체 1마리당 2.8마이크로그램이 있어야 하고 CC2 상태여야 합니다"라고 말했습니다.
우리가 개발한 프로토콜과 비교해보면 CC1과 5마이크로그램 프로그램이라고 되어 있어서 같지 않습니다. 둘 다 바뀌지만, 이미지에서 볼 수 있듯이 Space Filing Design에서 정의한 프로토콜은 우리가 보통 개발하는 프로토콜만큼은 좋습니다. 이제 운영과 관리자를 설득하는 데 빠진 것은 확실히 비용과 시간입니다. 여기서 우리가 제안한 설계 방식입니다.
먼저, 저는 Custom Design과 Space Filling Design을 비교합니다. 모든 것을 디자인하는 데 걸린 시간을 표준 접근 방식과 비교합니다. 이 그래프에서 표준 접근 방식은 파란색이고 Space Filling은 빨간색, Custom Design은 초록색이며, 시간이 많이 걸리는 사이클 수를 비교합니다. 슬라이드 수, 디자인에서 프로토콜까지의 시간, 요청을 받는 데 걸리는 시간부터 예약까지의 시간입니다.
기술 요청에서 연구까지 걸리는 시간을 살펴보면, 모든 것을 설계해야 하는 것까지 포함하여 기술 팀을 위한 새로운 방식이라는 것을 포함하여, 우리는 결과를 얻는 데 걸리는 시간을 단축했습니다. 이제 두 번째 예를 들어, 모든 것을 다시 설계할 필요가 없었습니다. 이 접근 방식을 새로운 실제 접근 방식으로 삼는다면 다음 단계에서 무엇을 할 가능성이 더 높으며, 그래서 이 프로젝트에 사용된 표준 접근 방식을 비교합니다.
파란색, 빨간색 줄무늬로, 저는 DOE 설정을 비교 주기를 누르도록 했습니다. 참조 프로토콜이 있기 때문입니다. 저는 비교 주기를 했지만, 우리가 사용하는 새로운 접근 방식에 있다면 참조가 없기 때문에 비교 주기를 하지 않을 것입니다. 우리는 그냥 DOE 설정을 할 것이고, 빨간색으로 표시되어 있습니다. 보시다시피, 주기 수, 사이트 수, 사용한 항체 수, 최종 결과 일수가 감소했고, ALF로 단축되었는데, 꽤 좋습니다.
결론적으로, 저는 스티브 잡스의 이 인용문을 좋아합니다. "작게 시작하고 크게 생각하세요." 처음에 이 모든 [청취 불가 00:24:53] 오, 좋긴 한데, 적용할 수 있을 것 같아요. 조금 힘들었지만, 알았어요, 가장 간단한 방법으로 시작할게요, 하고 말했고, 이 간단한 IHC를 위해 설정했고, 제가 생각했을 때 제 매니저를 더욱 빠르게 설득했습니다. 그런 다음 운영팀과 결국 다른 리더들에게 이 접근 방식을 IHC에 적용할 수 있다고 말했습니다.
지금처럼 최적화가 필요한 경우 허가할 수 없습니다. 처음에는 개발이 쉬운지 쉬운지 알 수 없기 때문입니다. 다음 단계는 실험실에 소개하고 싶습니다. 멀티플렉스 설정입니다. 동일한 조직에서 여러 대상을 감지하고, 억제된 대상에 대해 두 개의 대상에서 시작하여 최대 다섯 개의 대상까지 진행합니다. 이는 진행 중입니다.
마지막으로, 감사드리고 싶습니다. 제 초록을 선정해 주신 운영위원회에 감사드리고 싶습니다. Cerba Research Montpellier 팀과 실험실 기술자에게도 감사드리고 싶습니다. 제 미친 아이디어를 따라가기 어려울 때가 있거든요.
새로운 전략과 사물을 보는 새로운 방식에 이미 지지를 보내준 제 매니저와 모든 개념 및 검증 팀. 저도 이 테스트에서 저를 따라할 일원입니다. JNP 프랑스 팀에 감사드리고 싶습니다. 스테판이 지지해 주시고 모든 질문을 해 주셔서, 제가 16에 갇혀 있던 이 새로운 JNP 17 사람을 로드하고 디자인 탐색의 멋진 플랫폼을 볼 수 있게 해 주시고, 여러분의 관심에 감사드립니다.
