고처리량 생물학에서 분석 개발 개선을 위한 실험 설계 모델 활용
Diana Ballard, Predictum Inc. 수석 컨설팅 통계학자
Samuel Hasson, PhD, 미국 국립보건원 약리학 연구원
웨인 레빈(Wayne Levin), Predictum Inc. 사장
고처리량 생물학은 기능 유전체학, 화학 생물학, 그리고 신약 개발을 위한 유비쿼터스 플랫폼으로 자리 잡았습니다. 자동 세포 이미징과 같은 다양한 기술이 마이크로플레이트 및 어레이 기반 탐색 기능을 지원하기 위해 발전했지만, 분석법 개발 과정에서는 혁신이 부족했습니다. 1차 스크리닝 이전에, 고처리량 캠페인을 위한 분석법 설계, 소형화 및 최적화는 종종 다양한 잠재적 변수를 수반할 수 있습니다. 과학자들은 종종 무작위 배정 및 실험 단위 크기 변화와 같은 중요한 원칙을 무시하고 실험 조건을 독립적으로 조정하여 분석법 개발에 접근합니다. 통계적 관점에서 볼 때, 이러한 방법은 속도가 느리고, 값비싼 시약을 대량으로 소모하며, 통찰력을 놓치거나 잘못 귀속시킬 위험이 있습니다. 또한 기존 방식은 복잡한 상호작용을 파악하지 못할 수도 있습니다. 최신 실험 설계(DOE) 방식을 고처리량 스크리닝(HTS)에 적용하면 분석법 개발을 위한 훨씬 더 효율적이고 통찰력 있는 프레임워크를 제공합니다. 그러나 생물학자들이 현대 DOE 설계를 적용하는 데에는 고도의 수학 기술이 요구되고 HTS 환경에 적합한 도구가 부족하기 때문에 제약이 있었습니다. 생물학자들이 성공적으로 수행한 DOE는 이러한 한계를 극복하여 생화학 반응 내의 복잡한 상호작용에 대한 데이터를 제공했습니다.
