Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesChère communauté JMP,
Je souhaite caractériser et optimiser une réaction biochimique (dosage enzymatique). Pour ce faire, je prévois d'effectuer un criblage préliminaire afin d'identifier les facteurs pertinents. Dans un premier temps, j'ai décidé d'examiner 8 facteurs (2 variables catégorielles à deux niveaux, 1 variable catégorielle à trois niveaux et 5 variables continues).
Je connais bien les analyses classiques à deux niveaux, mais je n'ai jamais utilisé de plan expérimental personnalisé. Mon problème réside dans mon facteur catégoriel à trois niveaux. C'est pourquoi j'ai opté pour un plan personnalisé, ce qui semble augmenter considérablement le nombre d'expériences nécessaires : environ 20 expériences pour les seuls effets principaux et plus de 50 pour les effets principaux et les interactions à deux facteurs (avec une puissance supérieure à 0,8 pour chaque facteur).
Existe-t-il une autre solution pour trouver un compromis ? J’ai pensé à supprimer un niveau du facteur catégoriel à trois niveaux par des prétests, en me concentrant pour l’instant uniquement sur les effets principaux, ou à accepter une puissance statistique plus faible pour le test.
Merci beaucoup!
(Version JMP : Édition étudiante 18)
Conception des expériencesRe: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesBien sûr, vous n'avez fourni pratiquement aucune information sur la situation (variables de réponse, facteurs, etc.), il est donc impossible de vous donner des conseils précis. Ma première question concerne le choix d'une variable catégorielle à trois niveaux (il semble que ce soit également votre question). Dès que l'on choisit plus de deux niveaux, je me demande si l'on cherche à « choisir un facteur plus pertinent » ou si l'on s'intéresse à l'effet du facteur pour une étude plus approfondie. Parmi les trois niveaux, pouvez-vous sélectionner les deux extrêmes afin de mettre en évidence l'effet de ce facteur ? Je déconseille un pré-test, car les conclusions qui en découleraient pourraient ne pas être optimales compte tenu des interactions potentielles (problèmes d'espace d'inférence). Dans une certaine mesure, vous biaisez l'étude en faveur du facteur à trois niveaux (davantage de degrés de liberté), et l'estimation d'un effet quadratique pour un facteur catégoriel n'a aucun sens. Testez-le sur deux niveaux extrêmes. Si le résultat est significatif, ajustez les niveaux dans les expériences suivantes.
Voici quelques conseils : concevez plusieurs options (faciles à réaliser avec JMP) et examinez chacune d’elles. Quels sont les avantages ? (Par exemple, quels effets peuvent être estimés ? Lesquels sont confondus ? Lesquels ne sont pas inclus dans l’étude ?) Quels sont les besoins en ressources pour chaque option ? Comparez le potentiel d’acquisition de connaissances aux ressources nécessaires. Prévoyez tous les résultats possibles (et pas seulement ceux que vous pensez obtenir). Prévoyez les actions à entreprendre pour chaque résultat possible. Appliquez ce raisonnement à une expérience que vous mettrez en œuvre. Analysez les résultats et itérez.
« Le meilleur design que vous créerez jamais, c'est celui que vous créerez après l'avoir testé. » Ross
Personne ne connaît la conception idéale... et si vous la connaissez, vous n'avez probablement pas besoin de l'utiliser.
Au fait, les calculs de puissance supposent que vous connaissiez la variance de la réponse. Est-ce le cas ?
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesCher @statman ,
Merci ! Bien sûr, je peux vous fournir plus d'informations :
L'activité enzymatique est ma variable de réponse, ce qui signifie en gros à quel point la réaction se déroule bien.
Tous les facteurs sont des paramètres influençant la réaction :
- 5 mesures continues avec niveaux hauts et bas : pH, température, concentration des composants A, B et C
- 1x catégorielle à deux niveaux : type de composant A (niveaux : type A.1 ou A.2)
- 1x catégorielle à trois niveaux : type de composant B (niveaux : type B.1, B.2 ou B.3)
- 1 variable catégorielle à deux niveaux : présence d’un autre composant D (niveaux : oui et non)
J'espère que c'est compréhensible.
J'ai donc choisi un facteur catégoriel à trois niveaux car je dois examiner les trois types de composant B. Je souhaite déterminer si le type de composant B est pertinent et lequel choisir pour étudier l'effet plus en détail (le « gagnant »). De plus, je souhaite déterminer l'effet de la concentration des composants A et B ; pour ce faire, j'ai choisi des facteurs catégoriels pour les types et des facteurs continus pour les concentrations.
D'accord, je vais concevoir plusieurs options et comparer les résultats. Oui, j'ai pu déterminer expérimentalement la variance de la réponse.
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesLa modification de la concentration d'un composant (A, B ou C) a-t-elle un impact sur la concentration d'un autre composant ? Si oui, un plan d'expériences de mélange pourrait être nécessaire. Comme vous le suggérez dans votre premier message, la première stratégie expérimentale consiste à effectuer un criblage. Il n'est pas nécessaire de tester tous les niveaux de B pour déterminer si cette variable mérite d'être étudiée plus en détail. Lors de la phase de criblage, testez les valeurs extrêmes des trois niveaux.
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesNon, modifier la concentration d'un composant n'a pas d'incidence sur la concentration des autres composants. Concernant le composant B : il n'y a pas de valeurs extrêmes. Les niveaux correspondent simplement à différents types de B, qui ne peuvent pas être hiérarchisés.
Merci!
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesVous n'avez donc aucune hypothèse (ou prédiction) quant au niveau qui serait le meilleur ou le pire ?… Peut-être devriez-vous étudier les mécanismes chimiques et physiques théoriques de ce facteur et des différents niveaux avant toute expérimentation ?
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesSalut @CurseOfCluster6 ,
Bienvenue dans la communauté !
Je souhaitais aborder votre sujet afin d'apporter une réponse différente mais complémentaire à votre situation et aux options possibles.
- Tout d'abord, concernant le facteur catégoriel à 3 niveaux, si vous êtes en phase de sélection, je recommanderais, comme @statman, de (si possible) réduire le nombre de niveaux à 2 en ne conservant que les types les plus différents de la composante B.
Disposez-vous déjà de tests préliminaires permettant de discriminer les niveaux ? Ou bien ces composants sont-ils caractérisés afin de sélectionner les deux plus dissemblables (d'après leurs paramètres physico-chimiques, descripteurs moléculaires, etc.) ? Très souvent, dans un scénario à trois niveaux, deux niveaux s'avèrent similaires et ont une influence comparable sur la réponse. Il est en revanche rare de trouver trois niveaux ayant des impacts très différents. Selon votre capacité à réduire le nombre de niveaux à deux, vos options de conception seront plus ou moins nombreuses.
- Concernant vos facteurs, leurs niveaux et vos objectifs de criblage (axés sur l'estimation des effets principaux), vous disposez de 9 termes à estimer (ou 10 si vous conservez les 3 niveaux du facteur catégoriel). Selon votre budget expérimental et le niveau de confiance et de certitude souhaité pour vos résultats, un plan de criblage peut vous permettre de réaliser entre 10 et 20 expériences (voire plus).
- Voici quelques pistes de conception à envisager :
- Si vous pouvez réduire le nombre de niveaux à 2 pour tous vos facteurs catégoriels, les plans d'expérience à niveaux mixtes constituent une option très intéressante. Avec trois facteurs catégoriels à 2 niveaux et cinq facteurs continus, vous pouvez créer un plan comportant 10, 16 ou 32 essais.
L'option à 10 essais est déconseillée, car certains effets d'interaction peuvent être confondus (totalement corrélés) avec certains effets principaux. Le plan à 16 essais est intéressant, car il permet l'estimation des effets principaux, ainsi que la détection des interactions et des effets quadratiques (pour les facteurs continus), à condition que ces effets soient suffisamment importants.
- Si vous ne pouvez pas réduire le nombre de niveaux à 2 pour le facteur catégoriel à 3 niveaux, il vous reste plusieurs options :
- Vous pouvez utiliser un plan de criblage classique Hunter L18 avec 18 essais, en utilisant la plateforme Conception des écrans et en choisissant l'option « Choisir parmi une liste de plans factoriels fractionnaires » :
- Vous pouvez créer un plan d'expériences personnalisé avec vos 8 facteurs. Il est recommandé d'effectuer au moins 18 essais si vous pouvez réaliser davantage d'expériences. Utilisez l' explorateur de plans d'expériences pour tester différentes tailles d'essais et comparer l'impact de chaque essai supplémentaire sur les performances du plan.
Concernant votre besoin d'atteindre un certain niveau de pouvoir, le pouvoir n'a de sens que si :
- Vous connaissez l'amplitude du signal que vous devez détecter
- Vous disposez de bonnes estimations du bruit de mesure expérimental et de réponse (RMSE).
Sinon, il peut être préférable d'utiliser la consommation d'énergie (et d'autres diagnostics de conception) de manière comparative entre les conceptions.
Voici quelques articles liés aux questions de pouvoir :
Devrais-je prendre en compte l'analyse de puissance dans le cadre du DOE ?
Biche et pouvoir
La puissance n'est qu'une des métriques et des outils de diagnostic disponibles pour votre conception. Je vous recommande également de comparer les conceptions en consultant la carte de couleurs des corrélations , afin d'identifier les effets potentiellement corrélés et superposés, et de rechercher une conception présentant la meilleure efficacité d'estimation , la variance de prédiction la plus faible ( graphique de la fraction de l'espace de conception et profil de variance de prédiction ) et les meilleurs diagnostics d' optimalité D.
J'espère que cette réponse vous aidera.
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesCher @Victor_G ,
Merci beaucoup pour votre réponse détaillée !
Comme @statman l'a également suggéré, je vais essayer de supprimer un niveau du facteur catégoriel à trois niveaux en me basant sur ses propriétés théoriques.
Si cela fonctionne, le modèle mixte semble être une solution très intéressante et tentera de comparer plusieurs variantes en fonction des variables de diagnostic que vous avez mentionnées.
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesJ'ai une question supplémentaire à poser aux excellentes contributions déjà publiées. L'un de vos facteurs catégoriels à deux niveaux est « oui » et « non ». Pourquoi ne pas le transformer en facteur continu, où le niveau bas est zéro et le niveau haut correspond à la valeur de « oui » ?
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesJ'approuve totalement cette proposition @louv ! Le facteur catégoriel « oui/non » pourrait être transformé en facteur continu à deux niveaux : 0 et (valeur maximale). Dans le cadre d'un plan d'étude à niveaux mixtes (ou d'approches similaires), ce changement de type de facteur peut améliorer l'information fournie, car l'utilisation d'un facteur continu permet non seulement d'estimer l'effet principal (comme avec un facteur catégoriel), mais aussi de détecter les interactions et les effets quadratiques (si ces derniers sont suffisamment importants).
Même pour les facteurs catégoriels liés aux types chimiques/molécules (comme les facteurs relatifs aux différentes compositions chimiques des composants A et 
, il existe de nombreuses possibilités de passer d'un espace catégoriel (avec différentes molécules, types de catalyseurs, etc.) à un espace continu (avec descripteurs moléculaires, propriétés physico-chimiques, etc.). Cette option a été abordée ici.
Des plans d'expériences efficaces pour une variable catégorielle à plusieurs niveaux (3+) et de nombreuses variables continues peuvent être trouvés dans ces présentations :
J'espère que ces suggestions pourront vous être utiles.
Re: Amélioration du plan de criblage (personnalisé) pour réduire le nombre d'expériencesOui, bonne suggestion. C'est pourquoi il est essentiel de bien comprendre la situation avant toute expérimentation (diagnostic de la situation). Ensuite, on en revient aux composés… quelles sont leurs différences réelles ? S'agit-il de composés chimiques ? On peut alors envisager d'expérimenter sur des ratios ou des pourcentages de certaines substances chimiques. Lesquelles supposez-vous être actives ?… et ainsi de suite.
