Cerba Research是一家享誉全球的公司，专注于为全球临床试验提供量身定制的顶级分析和诊断解决方案。在Cerba Research蒙彼利埃分部，我们专业的团队致力于定制免疫组织化学方案，以检测患者组织切片中的特定靶标表达。为了满足日益增长的方案开发需求并提高流程盈利能力，我们深知简化开发流程和降低成本至关重要。
鉴于需要开发的定制方案种类繁多，传统的单因素实验（OFAT）方法已不再适用。因此，我们使用 JMP 软件对各种实验设计（DOE）方法进行了深入评估，包括定制设计和空间填充设计。我们将这些 DOE 方法与先前开发的 OFAT 方案进行了比较。我们展示了数据，说明了 OFAT 和 DOE 方法在成本效益和质量方面的相对优势。
大家好，我是Marie Gérus-Durand，目前在Cerba Research担任验证工程师。今天，我将向大家展示如何在制定免疫组化临床方案时运用实验设计来降低成本并提升质量。Cerba Research是一家全球性公司，业务遍及各大洲。我已用黄色高亮标出我所在的部门。
这里是病理科和免疫组织化学（IHC）部门。IHC的主要研究部门位于蒙彼利埃，我目前也在那里工作。什么是免疫组织化学？免疫组织化学是对组织中的蛋白质或各种靶标进行研究的学科。进行活检时，我们会切取组织切片，然后使用基于抗体的技术来检测组织中恐怖分子的不同靶标，这些靶标可以在显微镜下或通过扫描仪在数字化图像上观察到。
例如，这里有一块皮肤组织，上面有一个清晰的靶标，已被染成红色。在蒙彼利埃的Cerba Research，我们超过四分之一的工作都集中在为客户制定试验方案上。我们拥有超过50家客户。每家客户都有自己关注的靶标。对我们而言，能够快速制定最佳的研发策略至关重要，这样才能在临床试验方案制定领域保持竞争力。
这里是另一种染色方法的例子，也是我将在第一个例子中使用的染色方法。我会向你们展示。这里是通过免疫组化（IHC）检测棕色靶标，所以这个方案只能检测一个靶标。我们称之为单重染色，这也是我们目前主要的工作。
我们实际的方法是逐一处理每个因素，因此我们会首先评估组织中待识别靶标的抗原可及性，然后进行抗体滴定以找到最佳条件，从而获得最佳信噪比，如有需要，我们会进行进一步优化。这里的每个箭头代表开发流程中的一个步骤，每个步骤至少包含一个自动化循环，每个循环从请求发出到获得测试结果至少需要四天时间。
为了提高我们项目的收益和方案开发数量，我们需要减少找到最优方案所需的时间和测试次数。这里我概括一下我们的策略：我们测试两种抗原可及性条件，分别在无抗体和有特定抗体的情况下进行，这样我们就得到了四个点。然后我们选择最佳条件，即条件二，进行抗体滴定，因为条件二的点数更多。但是，如果实际上最优点位于条件一之外的某个位置，该怎么办呢？
看到这个，让我想起了我在JNP上看到的实验设计和网络研讨会。这是一张来自手册室的示例幻灯片，它将我们目前使用的逐个因素分析方法与实验设计（DOE）进行了比较。你会发现，这种方法能更好地覆盖实验区域。这对于我们的实验设置来说是一个很大的改进。我决定尝试一下。
首先，我从最简单的入手，也就是简单的协议开发，正如我将要展示的，它只针对这个问题检测一个目标。我们首先要定义约束条件和参数。在我们用于此实验的自动机中，每个位置都是独立的。它将实验设计中的一个测试用例组合成自动机的一个滑块，我们需要定义响应和因子。
我们想要分析的响应是信号强度。我们希望最大化信号强度，同时最小化背景信号。在这个阶段，我们可以调整的因素是抗原修复（一个分类变量）和一抗浓度（一个连续变量）。接下来我们来讨论实验设计。我选择比较不同的实验设计。
我向您展示自定义设计和空间填充设计。我们将一起设置这个设计。我只需登录美国能源部平台，选择自定义设计，然后我们需要输入去年的响应值和因子或响应值。第一个因子是我们想要最大化的信号强度。
我假设它的任意值介于 0（无信号）到 3（有信号）之间，并且我在这里添加另一个响应。这是一个我们想要最小化的背景信号，所以我这次应该最小化它，并将背景信号放在这里。同样地，0 表示没有背景信号，3 表示背景信号非常强，然后我们将添加这些因子。
我刚才有点藏在里面，所以就直接演示给你看吧。作为因子，我们有分类因子，它是二阶的，即抗原修复。它很容易修改，我们通常还有两个pH值，分别是PH 6和PH 9。根据自动机的不同，它们的名称可能略有不同，但这其实并不重要。
我们有一个连续因子，即抗体浓度。通常，我们会测试 10 和最大值，所以我将其取值范围设为 0 到 10。这样一来，我就没有协变量了。正如我之前所说，我选择了最简单的模型。我们将继续构建模型。我想查看所有可能的交互作用，所以我使用响应曲面法 (RSM)。我不做重复抽样，也不做中心点抽样。我已经选择了最简单的模型，您可以看到，默认情况下，她说，好的。
你应该做11次实验，11次实验通常符合我们的要求，所以没问题。为了利用JNP 17中的这个设计探索器，我只需点击这里，然后选择“好的”。让我们探索不同的设计。你可以看到，点击后，你会看到因子列表，模型也在这里，还有不同的选项。左侧的选项用于逐个表达设计。右侧的选项可以进行组合。对于响应曲面法（RSM），我们通常会进行目测最优性分析，然后，比如说，我想尝试不同的运行次数。
假设最小值为 5。比如说，我们从这个值开始，一直到 11。如果我们以 1 为步长，比如说 15 呢？中心点我不太在意，但我们可以试试看效果如何，然后重复实验。我们来看看，重复实验效果更好。
我点击“生成所有设计”，它也生成了不同参数的设计，所以我选择了“目测最优”，这样所有地方都达到了目测最优。我选择了第 5 到 15 次运行，这样就有了重复实验。
虽然没有成功，但这里有一个五的副本。我不知道为什么，不过没关系。例如，对于七，我做了两个副本，一个或零个，因为所有数字都一样。中心点也是如此，我尽可能地设置一个或两个中心点。底部有一个亚麻桌布，你可以自己制作，它增加了一列美观的线条。
这是为所有用户量身定制的。如果您在此表格中选择了一种设计，点击“自定义设计”即可打开成本表。这很方便，您可以绘制一些图表，然后说：“好的，我们来看看。效率取决于前沿的数量，我会这样做。”
您可以看到这两者之间存在很强的相关性。我们可以尝试添加其他变量，并使用列切换器进行查看。我想查看运行次数，也想查看中心点和重复次数。抱歉，我忘了。要选择运行次数，不过没关系，这里我们看到了运行次数。
中心点似乎没有产生什么好的影响，也没有复制任何东西，所以看起来已经准备就绪。我们应该调整运行次数。如果我查看运行次数，我会回到这里。我会屏蔽用户和中心点，现在你只需要查看参考数字。
我没有全部删除。我希望你事先全部删除。否则，它只会把它们全部添加进去。我已经全部删除了。只是选择了而已。没做记录。抱歉。它需要这样做，所以假设，我会选择之前选中的内容，也就是 12 个运行结果。
我回到这里说一下，好的。是默认值吗？11？实际上，我想确保我的两个阴性对照是完全不含抗体的同位素，所以我说10。
我会先设计一个包含 10 个元素的表格，然后手动添加两个控件。你看，这是一个很小的设计。只需要 10 秒钟，这里就生成了一个表格。实际上，每次运行它，这里的数字都会不同。我将使用之前生成的那个表格。只需运行这个脚本，我就会得到和你看到的完全一样的数据。这里是一个表格，所以你可以看到它有所不同。
我只有 0、10 或 5 个浓度值，但我们先保持这个值稳定。在表格中，您可以看到模型已经存在，设计评估也已完成，您可以返回 DOE 对话框。评估部分我暂时不做，因为我想比较两个设计。我现在就做。我刚刚导入了这个设计，它在最后每个点都会重复一次。
即使我没有要求重复，它也给了我重复值。它覆盖了实验空间的这一区域。我尝试了一个空间填充设计。结果一样。不错的实验设计，但这次是特殊用途设计，这里是空间填充设计，也是我想展示给你的，所以我需要回到我的自定义设计。我想比较一下设计，但响应和因子应该相同。我可以保存我的响应和因子。哦，我只需要保存响应，就像保存照片一样。
然后，如果我回到空间填充设计，就可以加载响应了。非常抱歉，您必须选中窗口才能找到它。因子也是一样，我已经写好了因子。没有限制。再次强调，授权数量是 20，但我想要比较两种设计，所以我将做 10 次相同的操作。
我别无选择。这只是一种灵活的感觉。它生成了这个设计，你看，这次浓度不像 0105 那样严格。浓度范围很广，你可以用同样的方法制作表格。我可以把这些都关闭了。至于自定义设计，我重新运行了一遍，所以数据完全一样，因此我想比较一下设计。如何比较设计呢？哦，首先。抱歉，我忘了。
您可以看到，抗体浓度的变化并不相同。除了这个对照组之外，我没有其他重复的样本。它涵盖了更广泛的抗体浓度范围，这实际上很符合我们的需求。
我想比较一下这两种设计。首先，我可以从图形上进行比较，因为每种设计覆盖的面积不同。在我看来，空间填充法可以让我尝试更高的抗体浓度，这可能是一个优势，但我也可以比较这两种设计。在DOE（实验设计）中，你可以进行设计诊断和设计比较，所以你可以看到我这里两种设计都有。
我已经有了快速灵活模型，所以我会添加自定义设计模型。列名相同，所以我不需要太多列。他会做的，你知道的，所以回顾一下各个因素的日期。对于快速灵活模型，它并非严格从零开始，也并非达到 10，但非常接近。我将建立一个模型来消除它们。我不能在这里使用分类因素，但我已经有了。让我们回到抗体与抗体以及抗体与抗原的风险回报分析。我无法在第二个因素中获得抗原，但这没关系，我们继续进行设计评估。
这就是为什么我没有逐一进行测试的原因。我想进行比较。这里，如果你看一下功率图，蓝色部分代表的是快速灵活设计，橙色部分代表的是定制设计。你可以看到，在模型确定的四个方面，定制设计看起来都比快速灵活设计更好。如果你看一下设计空间比例图，结果也一样。
自定义设计似乎更合适。如果我们比较设计诊断结果，它是相对于自定义设计的。这意味着自定义设计增加了一个值，而如果我追求高效率的快速灵活设计，我打开了七个，所以它的效率比传感器自定义设计低30%左右。我只是把这个信息放在这里。
这里我展示三个诊断结果，看起来自定义设计比空间填充设计更好[听不清 00:18:18]，但我们来看看结果如何。这些分析数据是在输入[听不清 00:18:26]之后获得的，为了给您展示一个数据示例，我这里有一个DOE表格。我刚刚添加了信号强度和背景响应，然后我查看图像，说，好的。没有强度。有一些强度。强度更高，等等，我对两种设计都做了同样的操作。
这里也是一样的。如果不是这样，那就是两次运行，所以是两组不同的数据集。最后，我做了模型。点击模型即可。你看，这是一个标准的方差效应筛选模型。这里包含了所有的交互作用，我把所有因素都拟合在一起了。我可以移除一些因素，但我决定保留所有因素。然后我进入分析器。如果我们看一下最佳情况，我会像之前那样最大化我的残疾程度。
最大化信号强度。你看，信号强度在这里达到峰值，背景噪声最小化，他找到了这个条件。之后，我意识到也许并非如此，我并不想最大化信号强度。我只是想匹配目标基因，因为我用的样本可能不是低表达样本，所以我希望能够检测到目标基因的低表达。
我稍微调整一下，然后说，好的。我想匹配一个目标，也就是中等强度的目标。不是确诊的目标，而是中等强度的目标。我仍然想尽量降低背景，因为背景不好。现在，如果我最大化目标值，你会看到它改变了所用抗体的浓度。这几乎就是我们在这里得到的结果。也许我的数值略有不同，但没关系。我做了同样的事情，这对于快速灵活设计来说也是一样的。
我得到了两种不同的结果，一种是CC2中抗体数量接近3.8，另一种是CC2中抗体数量接近2。这里不是PHCCN9，因为在这个自动检测系统中，它被称为CC1和CC2，但实际上是一样的。然后我说，好的。我得到了这两种结果。我会将其与初始方案进行比较。
也就是说，我们的参考值，也就是我们的标准刷子，也就是我之前展示的图片。这里，你可以看到自定义设计条件和空间填充设计条件。你可以看到，这两种条件得到的数据至少和我们标准方法得到的数据一样好，甚至可以说更好。对我来说，我编写空间填充数据是为了测试更高的抗体浓度，这在遇到难靶点时非常有用。
我之所以选择这个方案，是因为这里还满足您看到的这两个条件。事实上，它们在空间填充设计中就已经存在了。我不需要逐一测试这些条件，因为空间填充设计中已经包含了数据，而这张图只是为了再次确认它运行良好。我选择空间填充设计是为了在另一个协议上进行测试，看看它是否有效。
不用事事都做一遍。我只是用同一张纸，根据新的目标修改我的回答。我得到了这个模型，为了匹配中心强度的两个目标值并最小化背景，他说，好的，你应该在每个男性体内有2.8微克抗体，并且处于CC2条件下。
如果我把它和我们开发的方案进行比较，它被称为CC1和5微克方案，所以并不相同。两者都有所变化，但正如您在图片中看到的，它与太空飞行设计公司定义的方案相同，至少与我们通常开发的方案一样好。现在，要说服运营部门和管理人员，肯定缺少成本和时间方面的考虑。我们在这里提出的设计方案就是为了解决这个问题。
首先，我将定制设计方案和空间填充设计方案进行比较，比较它们与我们标准方案的设计耗时。图中蓝色部分代表标准方案，红色部分代表空间填充设计方案，绿色部分代表定制设计方案。我比较的指标包括：耗时的循环次数、幻灯片数量、从设计到流程完成的时间，以及从接收请求到最终预订的时间。
如果比较从技术需求到调研的时间，即使需要重新设计所有内容，包括这对技术团队来说是一种全新的工作方式，我们也缩短了获得成果的时间。现在，以第二个例子为例，我不需要重新设计所有内容。如果我们采用这种方法作为新的实际方法，那么下一步更有可能实现，因此我将这种方法与本项目使用的标准方法进行了比较。
蓝色和红色条纹部分分别代表DOE设置和比较循环，因为我们有参考方案。我做了一个比较循环，但如果采用我们正在使用的新方法，则无需进行比较循环，因为我们没有参考方案。我们只需进行DOE设置，也就是红色部分。正如您所见，它减少了循环次数、位点数量、使用的抗体数量，最终结果所需时间也缩短了几天，这非常好。
总之，我很喜欢史蒂夫·乔布斯的这句名言：“从小处着手，放眼未来。” 一开始，当我看到所有这些（听不清 00:24:53）时，心想：哦，这很好，但我能应用吗？我挣扎了一会儿，但我告诉自己，好吧，那就从最简单的方式开始。我为这个简单的 IHC 搭建了框架，并说服了我的经理，让我更快地搭建起来。然后是运营团队，最终是其他领导者，他们也相信这种方法可以应用于 IHC。
如果像现在这样需要优化，我们不能贸然批准，因为一开始无法预知开发过程是容易还是困难。接下来，我想向实验室介绍多重检测方案。该方案可以检测同一组织上的多个靶标，从两个靶标与一个被抑制的靶标进行对比开始，逐步增加到五个靶标。这项工作正在进行中。
最后，我要感谢大家。感谢指导委员会选中了我的摘要，感谢蒙彼利埃塞尔巴研究中心团队，还要感谢实验室技术人员，因为有时我的奇思妙想很难理解。
我的经理非常支持我的新策略和新思路，整个概念和验证团队也给予了我很大的支持。我也是这个团队的一员，他们会在这次测试中继续关注我。我要感谢JNP法国团队，感谢Stephane的支持和耐心解答，正是这些让我能够顺利加入JNP 17团队（我之前一直使用JNP 16），并体验到这个优秀的探索设计平台。感谢大家的关注。
