Utilizzo di modelli di progettazione di esperimenti per migliorare lo sviluppo di test in biologia ad alto rendimento
Diana Ballard, consulente statistico senior, Predictum Inc.
Samuel Hasson, PhD, Ricercatore in Farmacologia, National Institutes of Health
Wayne Levin, Presidente, Predictum Inc.
La biologia ad alto rendimento (HTP) è diventata una piattaforma onnipresente per la genomica funzionale, la biologia chimica e la scoperta di farmaci. Sebbene una moltitudine di tecnologie, come l'imaging cellulare automatizzato, si sia evoluta per supportare le capacità delle esplorazioni basate su micropiastre e array, si è registrata una mancanza di innovazione nel processo di sviluppo dei saggi. Prima dello screening primario, la progettazione, la miniaturizzazione e l'ottimizzazione dei saggi per campagne ad alto rendimento possono spesso coinvolgere un panorama eterogeneo di potenziali variabili. Gli scienziati spesso affrontano lo sviluppo dei saggi regolando le condizioni sperimentali in modo indipendente, ignorando principi importanti come la randomizzazione e la variazione delle dimensioni delle unità sperimentali. Da un punto di vista statistico, questo metodo è lento, richiede grandi quantità di reagenti costosi e rischia di perdere o attribuire erroneamente informazioni. Le pratiche convenzionali potrebbero anche non riuscire a identificare interazioni complesse. L'adattamento dei moderni approcci di progettazione dell'esperimento (DOE) allo screening ad alto rendimento (HTS) offre un quadro di riferimento molto più efficiente e approfondito per lo sviluppo dei saggi. Tuttavia, l'applicazione dei progetti DOE contemporanei da parte dei biologi è stata limitata in parte a causa della matematica avanzata richiesta e della mancanza di strumenti specifici per gli ambienti HTS. Tali limitazioni sono state superate grazie a un DOE eseguito con successo dai biologi, che ha prodotto dati sulle interazioni complesse all'interno di una reazione biochimica.
