Come è possibile aggiungere prove di controllo a un progetto split-plot?Nelle analisi farmaceutiche eseguiamo spesso controlli sulla piastra che vengono utilizzati puramente come base per il controllo di qualità. I controlli non dovrebbero far parte del modello statistico utilizzato per generare il DoE, e quindi in precedenza ho provato a generare due DoE (uno per l'esperimento principale, uno per i controlli) e a unirli insieme. Tuttavia, questo non è banale quando si ha una configurazione di split-plot comune, poiché i livelli assegnati agli split-plot saranno casuali e quindi i 2 DoE non corrisponderanno.
Come semplice esempio, supponiamo di avere una piastra con una griglia di pozzetti 10x10. Voglio testare gli effetti della linea cellulare e della concentrazione del reagente. La linea cellulare deve essere disposta in colonne e quindi abbiamo bisogno di 10 split-plot che si allineino con le colonne. La concentrazione del reagente può essere randomizzata. Ma voglio anche testare alcuni controlli in ogni linea cellulare, con diciamo un altro reagente a concentrazione fissa e senza alterare la concentrazione del reagente originale. Idealmente, vorrei usare la maggior parte (90) dei pozzetti per ottimizzare la linea cellulare e la concentrazione del reagente e alcuni pozzetti per i controlli (10, 1 per colonna).
Esiste un modo per garantire che il DoE sia ottimale per il suo scopo, aggiungendo al contempo alcune esecuzioni di controllo extra che non rispettano questo modello statistico?
Progettazione degli esperimentiR: Come si possono aggiungere controlli a un progetto split-plot?Ciao @JoffJones ,
Puoi descrivere più dettagliatamente il caso d'uso e i fattori da usare nella progettazione? Non mi è molto chiaro capire qual è la tua sfida.
- Quali sono i fattori e i possibili livelli (resi anonimi se necessario)?
- Quali sono le restrizioni per l'utilizzo del design split-plot (una linea di celle specifica per ogni colonna)?
- Qual è il modello presunto/livello di dettaglio necessario nell'analisi?
Da un punto di vista generale, penso che in questo caso potrebbe funzionare un approccio basato su un set di candidati: puoi creare una tabella con tutte le possibili combinazioni, rispettando i tuoi vincoli, e poi usare la progettazione personalizzata per selezionare i 100 esperimenti più informativi (o 90 e aggiungendo manualmente 10 esecuzioni di controllo).
Potrebbe interessarti anche questa discussione simile:
Forzare i punti centrali a essere distribuiti equamente tra i blocchi di progettazione personalizzata
Spero che questo primo spunto di discussione possa essere utile,
R: Come si possono aggiungere controlli a un progetto split-plot?Ciao @Victor_G
Grazie per la risposta e per aver condiviso il post. Il problema è un po' diverso, nell'altro post le corse di controllo fanno parte della regione di progettazione complessiva (al centro), mentre qui le corse di controllo non sono definite nella regione di progettazione perché non hanno alcun livello specificato per uno o più fattori.
Copio il codice per un esempio semplificato di questo. Vogliamo massimizzare una risposta Y, su 2 linee cellulari con 3 gRNA a concentrazioni comprese tra 10 e 50 utilizzando un design di superficie di risposta. Ogni colonna deve avere 1 linea cellulare specifica. Il gRNA viene utilizzato per eliminare i geni dal DNA delle cellule e concentrazioni più elevate possono avere effetti maggiori. Tuttavia, vogliamo anche testare una condizione di controllo "no gRNA", per vedere se entrambe le linee cellulari sono sane e crescono senza alcun gRNA. Naturalmente, la concentrazione di "no gRNA" deve essere 0, quindi questo è al di fuori della nostra regione di progettazione.
DOE(
Progettazione personalizzata,
{Aggiungi risposta( Massimizza, "Y", ., ., . ),
Aggiungi fattore (Continuo, 10, 50, "concentrazione gRNA", 0),
Aggiungi fattore (categorico, {"Gene1", "Gene2", "Gene3"}, "gRNA", 0 ),
Aggiungi fattore (categorico, {"Linea cellulare A", "Linea cellulare B"}, "Linea cellulare", 1 ),
Imposta Seed casuale (443381886), Aggiungi termine ({1, 0}), Aggiungi termine ({1, 1}),
Aggiungi termine ({2, 1}), Aggiungi termine ({3, 1}), Aggiungi termine ({1, 2}),
Aggiungi termine ({1, 1}, {2, 1}), Aggiungi termine ({1, 1}, {3, 1}),
Aggiungi termine ({2, 1}, {3, 1}), imposta N grafici interi (10), imposta la dimensione del campione (90),
Criterio di Ottimalità ("Rendi il Design I-Ottimale"), Simula Risposte (0),
Salva matrice X( 0 )}
);
R: Come si possono aggiungere controlli a un progetto split-plot?Ciao @JoffJones ,
Penso di aver capito meglio il tuo contesto, sembra che tu sia in una situazione di fattori/progettazione annidati.
Ecco alcuni esempi di tali situazioni nella Comunità:
Combinazioni non consentite non funzionanti
Utilizzo di combinazioni non consentite per rimuovere un fattore dal DoE
Ho provato ad aggiungere un livello categoriale "NogRNA" per il tuo fattore "gRNA" e ad espandere la concentrazione minima di gRNA da 10 a 0 e poi, utilizzando il filtro delle combinazioni non consentite per creare queste condizioni:
gRNA == "NogRNA" & gRNA concentration >= 0.01 | (gRNA == "Gene1" | gRNA == "Gene2"
| gRNA == "Gene3") & gRNA concentration <= 10;
In modo che il Custom Design non crei esecuzioni senza livelli genici e concentrazione di gRNA diversi da 0 o con livelli genici e concentrazione di gRNA inferiori a 10. Ma il design risultante non include alcuna esecuzione con "NogRNA".
Quindi penso che l'opzione più semplice potrebbe essere quella di usare il tuo script e il tuo design, creare il tuo design con 80 o 90 esecuzioni e 10 blocchi e aggiungere 1 (o 2) esecuzioni per blocco con le condizioni NogRNA, concentrazione = 0 e la stessa linea cellulare degli altri esperimenti in questo blocco. Alcune modifiche devono essere apportate nelle proprietà della colonna Fattori e anche nello script Fit Model, poiché questa configurazione specifica coinvolge fattori nidificati (l'intervallo di concentrazione dipende dal livello del fattore gRNA: Con/Senza Gene). Esempio di fattori nidificati: Esempio di un modello di effetti casuali nidificati a due fattori
In allegato troverete il disegno.
Un'altra opzione potrebbe essere quella di misurare il livello di base in ogni blocco (concentrazione = 0, nessun gene, linea cellulare specifica) e utilizzare questo livello di base nella risposta come differenza tra esperimento e base (Y = valore dell'esperimento - valore di base).
Ciò renderebbe l'analisi più semplice e, poiché il tuo interesse principale non è il valore specifico del livello di questa condizione di base, ma piuttosto un controllo delle linee cellulari, potrebbe essere una buona alternativa.
Spero che questa risposta possa aiutarti,
R: Come si possono aggiungere controlli a un progetto split-plot?Ciao @Victor_G
Grazie per aver esplorato questo. Mi chiedevo solo come hai aggiunto le corse di controllo nel design. Le hai semplicemente digitate nella tabella dati? Sarebbe utile se conoscessi una soluzione che si adatti facilmente a design molto grandi.
Auguri,
Joff
R: Come si possono aggiungere controlli a un progetto split-plot?Ciao @JoffJones ,
Sì, nel design proposto, ho aggiunto le esecuzioni di controllo manualmente. Sarebbe anche meglio considerare la randomizzazione delle esecuzioni all'interno di ogni intero plot, per evitare di avere le esecuzioni di controllo sempre alla fine di un blocco.
Potrebbe esserci una soluzione per progetti molto grandi usando l'approccio Candidate set, dove si definiscono tutte le possibili combinazioni e vincoli direttamente in una tabella dati di esecuzioni candidate e si usa la piattaforma Custom Design per usare queste esecuzioni come covariate. Ma potrebbe esserci del lavoro manuale da fare dopo, perché non sono sicuro che il blocco usato per il fattore della linea cellulare possa essere rispettato, quindi potresti dover elaborare ulteriormente il progetto risultante per aggiungere l'effetto blocco. Cercherò di approfondire questo argomento più avanti.
Esiste anche la possibilità di utilizzare le serie di controllo come base di riferimento per la risposta (quindi non direttamente nella progettazione) e di modellare la differenza tra esperimenti e base di riferimento per ogni specifica linea cellulare e per l'intera area.
Migliore,
