利用实验设计模型改进高通量生物学的检测开发 利用实验设计模型改进高通量生物学的检测开发
Diana Ballard，Predictum Inc. 高级咨询统计学家
Samuel Hasson 博士，美国国立卫生研究院药理学研究员
韦恩·莱文 (Wayne Levin)，Predictum Inc. 总裁
高通量生物学已成为功能基因组学、化学生物学和药物研发的广泛平台。尽管自动化细胞成像等众多技术已发展到支持微孔板和基于阵列的探索能力，但在检测方法开发过程中却缺乏创新。在初步筛选之前，高通量实验的检测方法设计、小型化和优化通常涉及各种潜在变量。科学家通常通过独立调整实验条件来开发检测方法，而忽略了随机化和改变实验单元大小等重要原则。从统计学角度来看，这种方法速度慢，耗费大量昂贵的试剂，并且存在缺失或错误归因的风险。传统方法也可能无法识别复杂的相互作用。将现代实验设计 (DOE) 方法应用于高通量筛选 (HTS)，为检测方法开发提供了一个更高效、更富洞察力的框架。然而，由于对高等数学的要求以及缺乏针对 HTS 环境的定制工具，当代 DOE 设计在生物学家中的应用受到了限制。生物学家在 DOE 中成功克服了这些限制，并获得了有关生化反应中复杂相互作用的数据。
