生物制药的研发和生产涉及许多标准化的实验和报告。大多数报告包含来自相关实验方案的信息、来自实验室信息管理系统 (LIMS) 的产品质量数据、实验室文档信息以及来自不同设备的性能数据。目前，这些数据源通过 JMP、Excel 和其他软件进行处理，然后汇总到 PowerPoint 演示文稿和 Word 文档中。
我演示了使用 JMP 内部开发的这套完整流程的自动化实现。在实验日志的引导下，用户将完成自动化工作流程。该流程利用 LIMS 数据和实验室文档，自动填充实验设计 (DoE) 系列的响应数据，并在领域专家 (SME) 构建模型后提供相应的图示选项。这些图示、色谱图和实验方案信息随后会按照预设模板结构，汇总到 PowerPoint 演示文稿和 Word 报告中。
生成这份自动化报告能为中小企业节省大量时间，使其有更多精力专注于解读结果。此外，由于所有自动化操作都集中在一个软件中，因此数据完整性得以保证，且每份报告都遵循统一的布局和评估标准。
大家好，欢迎收看。今天我想向大家展示一个用于收集、分析和报告实验数据的工作流程。由于我是在探索峰会上进行演讲，所以我选择以美国能源部（DOE）的报告为例，但当然，这个工具非常通用，可以用于各种类型的报告。
简单介绍一下我们的业务背景：伦奇勒生物制药是一家生物制药合同生产和研发机构。这意味着我们致力于开发各种生物制药的纯化工艺。
当然，其中大部分是抗体。我们拥有超过120种抗体，此外，我们还为BioNTech和辉瑞公司生产了新冠病毒mRNA疫苗。我们还有相当庞大的产品组合，包含超过140种治疗手段，其中大部分是单克隆抗体——这些抗体比较简单，但也包括多靶点抗体、融合蛋白、重组酶以及其他一些更令人兴奋的疗法。
如果你有140种不同的模式，缺点就是你需要撰写140份不同的报告；而且，如果你每年都推出某个产品，那么你还需要撰写年度报告。对于我们所做的每一个项目，我们都需要撰写报告；此外，由于我们是为客户工作的，我们还会制作PPT演示文稿，有时甚至每周都要制作。
当然，准备这些工作可能需要花费大量时间，所以我们的想法是利用 JMP 自动完成这些工作，从而减少时间。为此，我举了一个例子，那就是 DOE 报告。您可以想象，每当您开发一个流程时，您都需要进行大量的 DOE 测试，以了解流程的运作方式、其稳健性、如何进行优化等等。我们采用 DOE 方法，而每个流程都包含相当多的步骤，因此每个流程可能产生 5 到 10 份报告，这确实是一项相当大的工作量。另一方面，它非常标准化，因此作为利用自动化功能的例子非常合适。
您只需要一个 JMP 表格，一个典型的 DOE 表格，JMP 会在您请求生成实验设计时自动生成。您还需要一个实验方案，这是每个客户都需要的，而且最终您至少需要 JMP-18。这是因为 JMP-18 集成了优秀的 Python，这让一切都变得更加简单。因此，您今天看到的很多操作都是用 Python 完成的，但用户不会感觉到这一点。它的优势在于，您可以使用 Python 实现一些令人兴奋的功能。
我先简单介绍一下理论上的原理，然后再举个实际例子。它是怎么运作的呢？首先，你会看到一个空白的实验设计表（DOE表），就像左边这个一样。表格里包含一些运行ID、一个模式、不同的因子和响应变量，这些信息只需在实验室信息管理系统（LIMS）中点击几下就能自动填充。这样做的好处是，无需从LIMS中复制粘贴数据，避免出错，计算机可以自动完成这些工作。
它还会自动锁定列以确保无误，并跟踪用户在此过程中执行的每一步操作。这对于确保数据完整性至关重要，因为它可以清晰地显示数据的来源。数据不会被意外篡改，这让我们的质量保证团队非常满意。
数据复制到 DOE 表后，领域专家需要构建模型。这部分没有变化，您可以按照自己喜欢的方式进行操作。JMP 构建工具已经具备您所需的所有功能，这部分也没有任何改动。您可以保存此模型，然后返回该工具生成我们通常需要在报告中使用的各种图表。
例如，这些图表包括：重复图，您可以在其中查看数据在不同运行中的分布情况；拟合度摘要，您可以在其中估计模型的质量；参数估计，告诉您哪个参数负责特定的响应；以及各种类型的分析图，让您了解哪些因素影响哪些响应；最后，如果您有一些二维或三维交互作用，还可以使用等高线图，您可以在单个图中直接看到这些交互作用，从而找到最佳值或定位任何接近失效边缘的问题。
接下来，我们会将这些数据整理成演示文稿，或者说，可以将其整理成演示文稿。这样做的目的是为了让客户了解我们的进展，而所有生成的图表都可以轻松地整合到 PowerPoint 演示文稿中。这意味着所有数据都会被添加进去，标题也会自动添加，然后领域专家只需撰写解释说明即可。
第二点，也就是我马上要展示的，就是所有数据都会汇总成一份报告。这份报告会包含来自实验室信息管理系统（LIMS，也就是SQL数据库）的数据，以及我们实验室电子文档中的数据，例如保持时间等等。它还会包含设备导出的数据，比如色谱图或过滤图，以及实验方案中的数据。实验方案包括一些实验计划、命名规则等等。
您可以在右侧看到一些示例。您可以添加来自协议或 LIMS 的表格，以及来自设备的图表，这些图表还可以根据需要进行着色，例如泵性能、色谱图和分析图。
这一切的目的是让您从必须手动完成所有这些事情（因此当然容易出错）的状态，转变为中小企业只需构建模型，JMP 生成报告草稿，然后由中小企业进行解读和审查的目标状态，从而节省大量时间，当然也避免了很多挫败感。
希望您会喜欢，我想展示一下它在实际应用中的效果。您在这里看到的是典型的 JMP 日志，所以我在进行自动化任务时通常使用日志。它们包含简短的介绍和链接，以及许多指导您完成整个流程的大纲条目。
从头开始，它会告诉你该做什么，你需要加载 LIMS 数据，这当然是必须的，然后你总能找到一个按钮。我们点击它，它会要求你创建一个空白的 DOE 表格。试试看，把它准备好。它看起来是这样的。
这是你通常会看到的表格。里面包含了所有因子和一些运行数据。JMP 会自动添加一些脚本，当然，响应数据目前还是空的。然后它会要求你从 LIMS 获取数据。我无法直接向你展示，因为我必须使用随机数据。
然而，效果是一样的，您会看到回复内容自动填写，并且显示为绿色。这表示该数据已通过验证。首先，这意味着数据已被锁定，您无法意外更改。其次，数据也已保存，因此即使您现在保存或修改数据，系统之后也会检测到差异，并提示您验证存在问题。
它还会保存所有数据提取步骤，也就是您在这里看到的表格变量。之后，您就可以开始绘制各种图表了。例如，复制图就非常实用。您只需点击“生成复制图”即可。
它首先要求你提供一个表格，该表格在每次会话中只会请求一次。实际上，这种数据验证不仅基于表格，还基于各种类型的图表。我们还没有创建任何图表，所以先取消它。然后它会创建一个新的图表。现在它生成的是这个漂亮的复制图，我们可以在这里看到所有响应以及复制过程中的变化情况，蓝色部分是中心点。
网站上还有一个功能，就是生成一个漂亮的表格或图表验证表。用户可以直接看到表格里包含哪些数据，比如文件是什么，文件名是什么，执行了哪些步骤，以及一些手动验证的信息（因为数据是我自己编造的随机数据）。我刚刚创建了这个文件。
然后是 MD5 哈希值，本质上你可以为每个文件计算出一个值。通过这种方式，你可以查看你正在使用的文件不仅名称相同，而且是否真的是同一个文件。这样可以确保不会有人保存了同名的类似文件，然后误以为是同一个文件。正如我提到的，这是随机数据，所以来源未经验证，它会提示你存在某种问题，但对于本次演示来说并不重要。
您已经看到可以关闭它了。所有这些图表都会自动保存到文件夹中。接下来您需要建立一个模型。您可以随意使用它。我们点击“运行”，然后您可以移除一些因子。我们可以忽略这一点。我总是很惊讶，您竟然能如此轻松地生成如此出色的随机模型。
你也可以在这里移除一些因素。它看起来有点随机。看看有什么不同，当然，你可以随意操作。我们就先到这里吧。如果你愿意，可以把结果保存到数据表中。
然后你就可以开始绘制一些图表了。例如，你可以绘制一个类似这样的拟合度汇总图。这可以让你大致了解模型的拟合效果如何。当然，如果数据模型非常糟糕，至少你可以清楚地了解模型的缺陷程度。此外，你还可以从中了解哪些参数对模型起着作用。
你只需再次点击即可。它会自动对每个响应进行处理。之后，这些信息也会被保存，因此所有这些因素都会影响该响应。接下来是预测图。预测图可以让你清晰地了解结果。
点击“生成图表”，就能得到很多图表。根据你设置的因子，你可以得到每个个体、每个响应与每个因子之间的关系图。你可能会喜欢这个功能。例如，如果响应 D 有三个因子影响，那么你就能得到一个概览图，把所有因子都显示出来。这是一个很好的概览。
当然，你也可以把它关掉。最后，如果你愿意的话，我们可以画等高线图。预测因子，计算向量 1 或向量 3 的预测公式。你可以选择你喜欢的配色方案，或者就保持原样，这样就能得到漂亮的等高线图，清晰地展示它们的分布情况以及它们之间的相互影响。
基本上就是这样了，当然，当你有更多数据时，可以生成更多这样的记录，但我们先到此为止，可以关闭并保存了。也许我稍后会演示一下。对于我们记录的所有这些数字，它生成了最后一行，你可以看到我们执行了哪些数据提取步骤，文件名以及这个哈希值。我们保存了这些信息。
好了，现在你已经收集了大量数据点。接下来你只需要把它们添加到报表中。当然，你可以复制粘贴所有数据，因为它们都已经保存了，但如果你只需要点击几下，让 JMP 来完成剩下的工作，那就方便多了。所以你需要找到你的文件夹。正如我所说，这是一个适用于所有类型报表的工具。
所以每种类型的报告都需要一个单独的表格。我稍后会演示。您可以看到这里有不同的数据源。这个表格指示 JMP 后续生成报告时从哪个数据源获取哪些数据点。例如，它会从协议中复制一些表格，包括中间步骤代码、运行方案、一些参数、批次概览、所有筛选条件等等。
然后，它会从DOE绘图工具中复制残差图、参数估计值、预测值和等高线图；还会从LIMS数据（这是另一个工具）中获取所用分析方法的列表。当然，您还需要一个模板。每份报告都有自己的模板。出于隐私考虑，我准备了Q1模板。我需要一个文件夹，当然，您还需要一份协议。
您可以修改流程步骤。如果您需要这样做，可以进行一些设置。我们需要知道哪些是 DOE 表格。您只需点击“确定”，稍等片刻，就会看到已添加了 22 个项目。就这么简单，您无需花费任何时间。
然后你可以直接看到它生成了这个数据源表，它会告诉你它做了什么。它复制了协议中的中间编码和步骤编码。这就是文件。它用这个文件做了处理，等等。它用协议中的一系列表格做了处理，然后还有一些数据，这些数据现在已被另一个工具使用。
它会将数据写入这个数据源表，并告诉你，是的，这些数据未经验证，因为它们是随机数据，但总体上你会看到一个完整的列表，了解数据的样子。当然，你还会收到一份完整的报告。这就是你现在看到的草稿。报告包含相当多的信息，当然需要填写。出于隐私原因，我不得不稍微精简一下，但我可以向你展示一下它的大致样子。
当然，你需要写一份摘要副本，但你可以先概述一下预测结果，也就是哪些因素影响哪些响应。如果是绿色的，就表示它具有显著性；如果不是，则表示它不显著。这取决于你的模型，我们已经建立了这样的模型。然后，当然，我删除了一些数据。
然后，你会看到一些从实验方案中提取出来的缓冲区。方案中还包含一些过滤器，步骤编码也包含在整个实验方案中，之后是分析方法列表以及每次运行所使用的版本。这些信息直接来自实验室信息管理系统（LIMS）。运行方案也来自实验方案，还有一些来自实验方案的其他数据，以及之后的结果，也就是我们刚才制作的表格，当然还有我们刚才绘制的所有图表。这是一个白名单，包含残差图。
然后你会得到摘要，对于每个单独的响应，你会得到风险、参数估计值以及显著的预测图，如果有对照图，也会得到。然后，对于每个单独的响应，你可以想象，它总是自动完成这些操作，最终你会得到一个完整的表格。当然，评估和结论也需要你自己填写。最后，它会自动添加缩写。如果报告中使用了缩写，它就会被添加到这个列表中。
所以，现在这份报告非常简短，大概只有30页，20个要素，当然，它也适用于包含更多要素的大型报告。特别是像数据源概览这样的报告，可以节省大量时间，否则就需要有人去核查。
最后我想说的是，我希望我已经说服您，使用 Python 中的 JMP 库来自动化工作流程可以节省大量时间。它还能最大限度地减少错误，因为无需复制粘贴或其他任何操作，同时还能记录每个步骤，包括执行者、执行时间、使用的工具等等。
最后一个模块提供了标准化的报告格式，这非常重要。例如，我在下游净化部门工作，负责净化我们从上游部门收到的原料。当然，客户收到的报告必须格式一致，颜色等都相同，这一点至关重要。
我的演讲到此结束。我非常期待在柏林探索峰会上见到各位，如有任何疑问，欢迎随时给我留言。非常感谢。
