Utilisation de modèles de conception d'expériences pour améliorer le développement d'essais en biologie à haut débit
Diana Ballard, statisticienne-conseil principale, Predictum Inc.
Samuel Hasson, PhD, chercheur en pharmacologie, National Institutes of Health
Wayne Levin, président, Predictum Inc.
La biologie à haut débit est devenue une plateforme incontournable pour la génomique fonctionnelle, la biologie chimique et la découverte de médicaments. Si de nombreuses technologies, telles que l'imagerie cellulaire automatisée, ont progressé pour soutenir les capacités des explorations sur microplaques et puces à ADN, le développement des tests souffre d'un manque d'innovation. Avant le criblage primaire, la conception, la miniaturisation et l'optimisation des tests pour les campagnes à haut débit impliquent souvent une diversité de variables potentielles. Les scientifiques abordent souvent le développement des tests en ajustant les conditions expérimentales de manière indépendante, ignorant des principes importants tels que la randomisation et la variation de la taille des unités expérimentales. D'un point de vue statistique, cette méthode est lente, consomme de grandes quantités de réactifs coûteux et risque de manquer ou d'attribuer des informations erronées. Les pratiques conventionnelles peuvent également ne pas identifier les interactions complexes. L'adaptation des approches modernes de plans d'expérience (DOE) au criblage à haut débit (HTS) offre un cadre bien plus efficace et pertinent pour le développement des tests. Cependant, l'application des modèles de DOE contemporains par les biologistes a été limitée, en partie en raison des mathématiques avancées requises et du manque d'outils adaptés aux environnements HTS. Ces limitations ont été surmontées dans un DOE réalisé avec succès par les biologistes, fournissant des données sur les interactions complexes au sein d'une réaction biochimique.
