Eine Frage des DoE zum Blockieren von Well-PlattenHallo zusammen,
Ich habe eine Kundenfrage, bei der ich mir nicht ganz sicher bin, was die richtige Antwort ist. Hier ist die Situation:
- Biotech-Prozess, bei dem versucht wird, eine komplexe Pufferformulierung zu optimieren
- Faktoren: 20 Zutaten + Temperatur
- Sie können sich 3-Well-Platten mit 84 Vertiefungen für die Versuchsbedingungen leisten
- Sie haben eine lineare Einschränkung, einige Interaktionen und quadratische Effekte
- Die Temperatur kann nur pro Wellplatte variiert werden.
Hier ist nun die Frage:
Da es sich um einen DoE-Faktor handelt, wie wäre das aus statistischer Sicht zu sehen? Blockierender Faktor, schwer zu ändernder Faktor? Einerseits sind sie natürlich an der Temperatur als regulärem DoE-Faktor (fester Effekt) interessiert, aber es gibt nur 3 Wiederholungen. Und diese 3 Wiederholungen könnten mit der Variabilität von Platte zu Platte verwechselt werden.
Und was wäre dann die geeignete Art, die Ergebnisse zu analysieren?
Ich hoffe, das ergibt Sinn;)
Danke
Florian
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenByron weiß mehr darüber als ich – aber bei Platten muss man auch die Logistik des Labors verstehen, um ein „gutes Design“ zu entwerfen, das auch durchführbar ist. Oft muss man ein „gutes Design“ und nicht das „beste Design“ verwenden, um ein Experiment durchzuführen. Handelt es sich beispielsweise hinsichtlich der Plattenbeladung um ein manuelles oder automatisiertes Experiment? Oft werden Sie Blöcke innerhalb der Platte benötigen, da ein völlig zufälliges Experiment (ohne Automatisierung) wahrscheinlich sehr schwer durchzuführen wäre.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenWarum nicht ein Split-Plot-Design mit 252 Runs ausprobieren, wobei die Temperatur ein schwer zu ändernder Faktor ist und wenn möglich alle Interaktionen zwischen den beiden Faktoren berücksichtigt werden? Dies vereinfacht die Analyse, da Sie dem Modell keine ganze Plot-Spalte und keinen Zufallseffekt hinzufügen müssen, wie dies der Fall wäre, wenn Sie die Temperatur als Block behandeln. Ich habe die Anzahl der Starts auf 10 erhöht und es hat einige Minuten gedauert, bis es abgeschlossen war. Dies gibt Ihnen auch die Möglichkeit, Einschränkungen hinzuzufügen.
Betreff: Eine Frage des Energieministeriums zur Blockierung von BohrlochplattenMorgen @Byron_JMP ! Danke für Ihre ausführliche Antwort, mir gefällt der Ansatz und mir gefällt der Vorstoß für Pro.
Zwei Einschränkungen gibt es jedoch: 1) DSDs berücksichtigen die lineare Einschränkung nicht und 2) die Option, mehr als 8 zusätzliche Läufe hinzuzufügen, ist nur EA:)
Was ich bisher generieren konnte, ist ein 252-Run-RSM-Design mit Temp als 3-Level-Blockierungsfaktor.
Das Split-Plot-Design mit der Temperatur als schwer zu ändern konvergierte nach einigen Stunden nicht.
Es konvergierte durch die Erstellung zufälliger Blöcke (Gruppe läuft in ...).
Wenn ich Ihrem Ansatz folge und davon ausgehe, dass der Temperatureffekt viel größer ist als die Schwankung von Platte zu Platte, scheint mir die einfachste Lösung ein RSM-Design mit 252 Durchläufen und Temperatur als 3-stufigem Sperrfaktor zu sein und dann Ihren Analyseansatz mit GenReg zu verwenden.
Was denken Sie?
Betreff: Eine Frage des Energieministeriums zur Blockierung von BohrlochplattenIch glaube, ich bin mit den bisherigen Antworten nicht einverstanden.
Die Temperatur wird wahrscheinlich einen weitaus größeren Einfluss haben als alles andere, selbst die von der Temperatur unabhängigen Unterschiede zwischen den einzelnen Platten.
Ich würde das Experiment auf jeder der drei Platten genau gleich aufbauen und dann jede Platte bei der gewünschten Temperatur laufen lassen.
Mit nur 84 Brunnen und 20 Faktoren suchen sie nach einem definitiven Screening-Design
Dadurch erhalten Sie 72 Läufe mit 12 Mittelpunkten (alle Nullen).
Auf der Platte bedeutet dies, dass die Reihen 1-7 Versuchsdurchläufe enthalten und Reihe 8 für Kontrollen usw. offen ist. In jeder der 12 Spalten auf der Platte befindet sich ein Mittelpunkt.
Dann sind die Blöcke in der Analyse irgendwie irrelevant (im praktischen Sinne), also löschen Sie ":Block" aus dem Modellskript
Die Analyse jeder einzelnen Platte wird ihnen zeigen, welche Faktoren und vielleicht auch welche Terme auf höherer Ebene wichtig sind. Mit all den zusätzlichen Durchläufen werden sie viele der quadratischen und Interaktionsterme schätzen können, wenn sie vorhanden sind.
Zum Schluss verknüpfen Sie alle drei Platten und achten dabei darauf, eine Quellspalte zu erstellen.
Kodieren Sie diese Quellspalte in einen kontinuierlichen numerischen Temperaturwert um.
Gehen Sie in das Fit-Modell, wählen Sie alle 20 Variablen und die Temperatur aus und klicken Sie auf die Makroschaltfläche für RSM
Wählen Sie Persönlichkeit = generalisierte Regression und verwenden Sie dann eine zweistufige Vorwärtsselektion
Wenn sie jmppro nicht haben, verkaufen Sie es ihnen, denn mal ehrlich, wenn sie wirklich glauben, dass sie 20 Faktoren haben, die tatsächlich etwas bewirken, werden sie alles kaufen, selbst wenn sie nur das Budget für drei Platten haben. Sie hätten viel mehr Zeit damit verbringen sollen, zu entscheiden, womit sie experimentieren wollten.
zurück zur eigentlichen Antwort -
Wenn sie kein Pro haben, verwenden Sie für jede Temperatur das Fit Definitive Screening (:Block gelöscht). Vergleichen Sie Parametertabellen, um zu sehen, ob die Ergebnisse bei verschiedenen Temperaturen unterschiedlich sind. Das Fit Definitive Screening hilft herauszufinden, welche Variablen nicht wichtig sind.
Verwenden Sie in der kombinierten Datentabelle das Anpassungsmodell und RSM, aber nur für die aktiven Faktoren, einschließlich der Temperatur.
Das entscheidende Detail dabei ist, dass sie an einem 96-Well-Format arbeiten. Ein durchführbares Experiment ist wichtiger als ein perfektes Design. (Das perfekte Design würde etwa 808.182.895 Durchläufe umfassen.)
Außerdem ist es äußerst wichtig, ihnen klarzumachen, dass sie ein Folgeexperiment benötigen, um die Faktoren zu optimieren, die tatsächlich wichtig waren.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-Plattenja, das stimmt. Sie haben berechnet, dass 3 Platten für diese Aufgabe machbar sind (CDMO, sie wollen das als Verfahren verkaufen).
Man könnte also argumentieren, dass die Platte ein Zufallseffekt ist (und wie besprochen sogar die Position), aber sie wollen auch die Temperatur untersuchen, die sie nur pro Platte anpassen können.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenDanke @russ_wolfinger @Chris_Kirchberg @DonMcCormack ,
ergibt schon viel Sinn. Ich habe mit ihm über die Randomisierung auf der Platte gesprochen und er geht davon aus, dass die Position der Vertiefung keinen Einfluss hat.
Um sicherzugehen, dass ich den Vorschlag für den Aufbau des Designs verstehe. Bei einem benutzerdefinierten Design würde er das Design erstellen, indem er
- Festlegung der 20 kontinuierlichen Faktoren
- Angabe der Temperatur als kontinuierlicher Faktor, aber schwer zu ändern
- Legen Sie die lineare Einschränkung fest
- Fügen Sie die Modelleffekte hinzu
- Stellen Sie die Anzahl der ganzen Parzellen auf 3 ein
Richtig?
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenEntschuldigung, ich habe heute Morgen nicht klar nachgedacht. @DonMcCormack hat eine korrektere Antwort als ich, aber ich würde trotzdem keine Temperaturänderungen mit nur 3 Platten vornehmen. Eine Temperatur pro Platte oder zwei Platten für eine Temperatur und eine Platte für eine Temperatur könnten eine allgemeine Vorstellung davon vermitteln, dass es einen Effekt gibt, aber wie Don sagt, wäre die Leistung so gering, dass es kein wirkliches Vertrauen in diesen Unterschied gäbe.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenIch stimme mit @russ_wolfinger überein, dass Sie es mit einem ziemlich komplexen Split-Plot-Design zu tun haben. Ich würde die Temperatur als einen schwer zu ändernden Faktor behandeln. Bei nur drei Well-Platten wird die Leistung für die Temperatur sehr gering sein, möglicherweise so gering, dass nur ein gigantischer Effekt statistisch signifikant sein wird. Trotzdem ist es gut, den statistischen Test durchzuführen, um nicht zu dem Schluss zu kommen, dass es einen Unterschied für etwas Großes gibt, das jedoch innerhalb des experimentellen Rauschens liegt. Während der vernünftigste Ansatz darin besteht, die Zeilen und Spalten der Platten als Zufallseffekte zu behandeln, kann dies die Analyse für den Benutzer potenziell verkomplizieren. Wenn sie damit einverstanden sind, machen Sie es. Als ich in der Vergangenheit mit dieser Situation umgehen musste, bestand eine gängige Alternative darin, die Wells am Rand der Platte zu ignorieren und anzunehmen, dass die Variabilität über die Zeilen und Spalten vernachlässigbar war, wodurch die Analyse durch das Entfernen der beiden zusätzlichen Zufallseffekte vereinfacht wurde.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenZur Klarstellung: Sie haben 3 Platten und es kann nur eine Temperatur pro Platte geben? Mit nur 3 Platten könnten sie nicht einmal die Varianz oder Wirkung für zwei verschiedene Temperatureinstellungen abschätzen. Sie würden mindestens 2 pro Temperatur benötigen. Insbesondere, da die Temperatur das Diagramm/der Block für das geteilte Diagramm ist.
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenEin guter Ansatz zur Vermeidung von Störfaktoren wäre, die Temperatur als kontinuierliche Kovariate zu behandeln und Platte und möglicherweise auch Zeile(Platte) und Spalte(Platte) als Zufallseffekte festzulegen.
Dies ist ein Split-Plot-Szenario. Eine ausführliche Diskussion mit Beispielen finden Sie unter https://www.amazon.com/JMP-Mixed-Models-Ruth-Hummel/dp/195236521X?asin=1951684028&revisionId=&format=4&depth=1
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenIch bleibe weiterhin bei der Idee eines vollständig replizierten Designs für jede Temperaturstufe/Platte.
20 Faktoren sind für ein RSM-Modell unpraktisch, sowohl aufgrund der erforderlichen Anzahl von Durchläufen als auch der praktischen Umsetzung, 252 Kombinationen fehlerfrei zu pipettieren, was wirklich schwierig wird. Es wäre vielleicht möglich, den Roboter so zu programmieren, dass er die Kombinationen durchführt, aber ich kenne kein Robotersystem, das 20 Komponenten verarbeiten kann. Vielleicht haben sie eines?
Wenn sie wirklich 20 Faktoren brauchen, dann ist ein DSD wirklich die richtige Richtung. Lassen Sie bei Läufen, die die linearen Beschränkungen verletzen, die Vertiefung auf der Platte leer und melden Sie die Daten als für die Analyse fehlend, oder führen Sie den Lauf trotzdem durch, es wird nicht genug schlechte Läufe geben, um das Experiment zu ruinieren. Fügen Sie für die zusätzlichen Läufe einfach Dummyvariablen hinzu, genau wie JMP es tut. Es ist genau dasselbe wie das Hinzufügen zusätzlicher Faktoren. Erstellen Sie beispielsweise das Design mit 20+8 Faktoren und löschen Sie dann die zusätzlichen 8 Spalten. Die Faltstruktur wird vorhanden sein. Die Option für zusätzliche Läufe war einfacher als das Erklären des Dummylaufkonzepts. (Hinweis: 8 zusätzliche Faktoren fügen 16 Läufe hinzu. Gesamtläufe = Faktoren*2+1. Sollte in der Lage sein, 10 oder 11 aktive Faktoren und ihre Terme höherer Ordnung zu erkennen, vorausgesetzt, dass etwa die Hälfte der 20 Faktoren aktiv ist, was etwas weit hergeholt sein könnte). @DonMcCormack kann mich das noch einmal überprüfen?
Betreff: Eine Frage des Energieministeriums zur Blockierung von Bohrlochplatten
Bei Durchläufen, bei denen die linearen Beschränkungen verletzt werden, lassen Sie die Vertiefung auf der Platte leer und melden Sie die Daten für die Analyse als fehlend, oder führen Sie den Durchlauf trotzdem durch. Es wird nicht genügend schlechte Durchläufe geben, um das Experiment zu ruinieren.
Bedenken Sie, dass fehlende Läufe in einem DSD dazu neigen, Dinge zu beschädigen (Sie müssen auch den entsprechenden Foldover-Lauf ausblenden/ausschließen und/oder etwas wie GenReg verwenden, um die Analyse durchzuführen).
Betreff: Eine Frage des Energieministeriums zur Blockierung von Well-PlattenIch habe zwei Bedenken, das Experiment auf diese Weise durchzuführen. Erstens verabscheue ich die Idee, Durchläufe wegzuwerfen. Es widerspricht dem Grund, warum DOE besser ist als Ad-hoc-Experimente. Zweitens besteht bei so vielen Zwei-Faktor-Interaktionen und so wenig Informationen (ich nehme an, wenn sie mehr wüssten, gäbe es weniger Faktoren) das Risiko, dass viele aktive 2FIs vorhanden sind. DSDs schneiden unter diesen Umständen schlecht ab. Ich würde dies als Screening-Experiment behandeln und mir keine Sorgen über quadratische Effekte machen. Mit 252 Durchläufen pro Platte haben Sie genug, um alle Haupteffekte und 2FIs abzuschätzen. Angesichts der Tatsache, dass es drei Platten gibt, sollte die Leistung für die 2FIs je nach den Einschränkungen angemessen sein.
Übrigens, wenn ich versuche, dieses Design zu erstellen, breche ich die Designgenerierung nach 5-10 Minuten ab. Ich bin mir nicht sicher, ob ich es nicht lange genug laufen lasse oder ob es einfach nicht funktioniert. Ich werde es über Nacht noch einmal versuchen und Sie wissen lassen, was passiert.
