Mejora del diseño de cribado (personalizado) para reducir el número de experimentosEstimada comunidad de JMP,
Me gustaría caracterizar y optimizar una reacción bioquímica (ensayo enzimático). Por lo tanto, planeo realizar primero un cribado para identificar los factores relevantes. Por ahora, he decidido analizar 8 factores (2 categóricos de dos niveles, 1 categórico de tres niveles y 5 continuos).
Conozco los diseños clásicos de dos niveles, pero nunca antes había utilizado un diseño personalizado. Mi problema radica en mi factor categórico de tres niveles. Esta es la razón por la que opté por un diseño personalizado, y parece que aumenta considerablemente el número de experimentos necesarios: alrededor de 20 experimentos solo para los efectos principales y más de 50 para los efectos principales y las interacciones de dos factores (con una potencia superior a 0,8 para cada factor).
¿Existe otra opción para encontrar un punto medio? Pensé en intentar eliminar un nivel del factor categórico de tres niveles mediante pruebas previas, centrándome por ahora solo en los efectos principales, o bien en trabajar con una potencia menor de la prueba.
¡Muchas gracias!
(Versión JMP: Edición para estudiantes 18)
Diseño de experimentosRe: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosPor supuesto, no has proporcionado prácticamente ninguna información sobre la situación (por ejemplo, variables de respuesta, factores), así que es imposible darte un consejo específico. Mi primera pregunta es por qué una variable categórica de 3 niveles (parece que también es tu pregunta). Siempre que se eligen más de 2 niveles, me pregunto: ¿estás intentando "elegir al ganador" o te interesa el efecto del factor para un estudio posterior? De los 3 niveles, ¿puedes elegir los dos extremos para exponer el efecto de ese factor? No haría una prueba preliminar, porque las conclusiones podrían no ser las mejores debido a posibles efectos de interacción (problemas de espacio de inferencia). En cierta medida, estás sesgando el estudio hacia el factor de 3 niveles (más grados de libertad) y, ¿por qué estimar un efecto cuadrático para un factor categórico? No tiene sentido. Pruébalo con 2 niveles extremos. Si es significativo, ajusta los niveles en experimentos posteriores.
Mi consejo parcial: Diseña varias opciones (fácil con JMP) y considera cada una. ¿Qué resultados obtienes? (Por ejemplo, ¿qué efectos se pueden estimar? ¿Cuáles están confundidos? ¿Cuáles no se incluyen en el estudio?). ¿Qué recursos requiere cada una? Compara el potencial de conocimiento adquirido con los recursos necesarios. Predice todos los resultados posibles (no solo los que crees que obtendrás). Predice qué harás para cada resultado posible. Aplica este proceso de pensamiento, elige un experimento y llévalo a cabo. Analiza y perfecciona el proceso.
"El mejor diseño que jamás diseñarás es el que diseñes después de ponerlo en marcha." Ross
Nadie conoce el diseño correcto... si lo conoces, probablemente no necesites ejecutarlo.
Por cierto, los cálculos de potencia presuponen que se conoce la varianza de la respuesta. ¿La conoce?
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosEstimado @statman ,
¡Gracias! Claro, puedo proporcionar más información:
La actividad enzimática es mi variable de respuesta, que básicamente significa cuán bien se desarrolla la reacción.
Todos los factores son parámetros que influyen en la reacción:
- 5 mediciones continuas con niveles altos y bajos: pH, temperatura, concentración de los componentes A, B y C
- 1x categórica de dos niveles: tipo de componente A (niveles: tipo A.1 o A.2)
- 1x categórica de tres niveles: tipo de componente B (niveles: tipo B.1, B.2 o B.3)
- 1x categórica de dos niveles: presencia de otro componente D (niveles: sí y no)
Espero que esto se entienda.
Elegí el factor categórico de tres niveles porque necesito analizar los tres tipos del componente B. Me interesa saber si el tipo del componente B es relevante y cuál debo seleccionar para estudiar su efecto con mayor detalle (el componente con mejor rendimiento). Además, quiero determinar el efecto de la concentración de los componentes A y B, y para ello utilicé factores categóricos para los tipos y factores continuos para las concentraciones.
De acuerdo, diseñaré varias opciones y compararé los resultados. Sí, pude determinar la varianza de la respuesta experimentalmente.
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentos¿Afecta la concentración de otro componente (p. ej., A, B o C) al modificar su concentración? De ser así, quizá necesites un diseño de mezclas. Como sugeriste en tu primera publicación, la primera estrategia experimental es el cribado. No es necesario probar todos los niveles de B para determinar si esa variable merece un estudio más profundo. En la fase de cribado, prueba los valores extremos de los tres niveles.
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosNo, modificar la concentración de un componente no afecta la concentración de los demás. Respecto al componente B: no existen valores extremos. Los niveles son simplemente distintos tipos de B, que no se pueden clasificar.
¡Gracias!
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentos¿Así que no tienes ninguna hipótesis (o predicción) sobre qué nivel sería el mejor o el peor?... ¿Quizás deberías estudiar los mecanismos químicos/físicos teóricos de este factor y los distintos niveles antes de experimentar?
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosHola @CurseOfCluster6 ,
¡Bienvenidos a la comunidad!
Quería responder a su pregunta para ofrecer una perspectiva diferente pero complementaria sobre su situación y las posibles opciones.
- En primer lugar, con respecto al factor categórico de 3 niveles, si se encuentra en una fase de selección, recomendaría, al igual que @statman , (si es posible) reducir el número de niveles a 2 manteniendo únicamente los tipos más diferentes del componente B.
¿Ya dispone de pruebas preliminares que le permitan discriminar los niveles? ¿O se han caracterizado estos componentes para seleccionar los dos más disímiles (en función de parámetros químicos/físicos, descriptores moleculares, etc.)? En un escenario de tres niveles, es muy frecuente que dos de ellos resulten similares y tengan una influencia parecida en la respuesta; es bastante raro encontrar tres niveles con impactos muy diferentes. Dependiendo de su capacidad para reducir el número de niveles a dos, tendrá más o menos opciones de diseño.
- En cuanto a los factores, niveles y objetivos de cribado (centrados en la estimación de los efectos principales), dispone de 9 (o 10 si mantiene los 3 niveles del factor categórico) términos para estimar. Según el presupuesto disponible y el grado de confianza y certeza que desee obtener, el diseño de cribado le ofrece opciones que van desde un mínimo de 10 hasta 20 (o más) experimentos.
- Aquí hay algunas posibilidades de diseño a considerar:
- Si puede reducir el número de niveles a 2 para todos sus factores categóricos, los diseños de cribado de niveles mixtos pueden ser una opción muy interesante a considerar. Con tres factores categóricos de 2 niveles y 5 factores continuos, puede crear un diseño con 10, 16 o 32 ejecuciones:
La opción de 10 ejecuciones podría no ser recomendable, ya que algunos efectos de interacción podrían estar completamente correlacionados con algunos efectos principales. El diseño de 16 ejecuciones resulta interesante, puesto que permite estimar los efectos principales, así como detectar interacciones y efectos cuadráticos (para factores continuos), siempre que estos últimos sean suficientemente grandes.
- Si no puedes reducir el número de niveles a 2 para el factor categórico de 3 niveles, aún te quedan varias opciones:
- Puede utilizar un diseño de cribado clásico L18 Hunter con 18 ejecuciones, utilizando la plataforma Diseños de cribado y eligiendo la opción "Elegir de una lista de diseños factoriales fraccionados":
- Puedes crear un diseño personalizado con tus 8 factores, para un número recomendado de ejecuciones de 18 o más si puedes realizar más experimentos. Aprovecha el Explorador de Diseño para probar diferentes tamaños de ejecución y comparar cómo cada ejecución adicional puede mejorar el rendimiento del diseño.
Respecto a tu necesidad de alcanzar cierto poder, el poder solo tiene sentido cuando/si:
- Conoces el tamaño de la señal que necesitas detectar.
- Dispones de buenas estimaciones del ruido de medición experimental y de respuesta (RMSE).
De lo contrario, puede ser mejor utilizar la potencia (y otros diagnósticos de diseño) de forma comparativa entre diseños.
Aquí tenéis algunas publicaciones relacionadas con cuestiones de poder:
¿Debería considerar el análisis de potencia en el diseño de experimentos?
Cierva y poder
La potencia es solo una de las métricas y diagnósticos disponibles para su diseño. Recomiendo encarecidamente comparar los diseños consultando el Mapa de Colores de Correlaciones para identificar qué efectos podrían estar correlacionados y solapados, e intentar encontrar un diseño con la mejor eficiencia de estimación , la menor varianza de predicción ( gráfico de fracción del espacio de diseño y perfil de varianza de predicción ) y los mejores diagnósticos de diseño de optimalidad D.
Espero que esta respuesta te ayude.
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosEstimado @Victor_G ,
¡Muchas gracias por la respuesta detallada!
Como también sugirió @statman , intentaré eliminar un nivel del factor categórico de tres niveles basándome en sus propiedades teóricas.
En caso de que esto funcione, el modelo mixto parece una solución muy interesante e intentaré comparar múltiples variantes basándome en las variables de diagnóstico que mencionaste.
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosSolo una pregunta adicional a las excelentes aportaciones ya publicadas. Uno de sus factores categóricos de dos niveles es sí/no. ¿Por qué no convertirlo en un factor continuo donde el nivel bajo sea cero y el nivel alto sea el valor correspondiente al "sí"?
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentos¡Apoyo totalmente esta propuesta, @louv ! El factor categórico "sí/no" podría cambiarse a un factor continuo con niveles 0 y (valor máximo). Con un diseño de cribado de niveles mixtos (o enfoques de diseño similares), este cambio de tipo de factor puede mejorar la información, ya que el uso de un factor continuo en este tipo de diseño permite estimar el efecto principal (como un factor categórico), pero también detectar efectos de interacción y cuadráticos (si estos efectos son suficientemente grandes).
Incluso para factores categóricos que involucran tipos/moléculas químicas, como factores para diferentes composiciones químicas de los componentes A y B, existen muchas posibilidades para pasar de un espacio categórico (con diferentes moléculas, tipos de catalizadores químicos, etc.) a uno continuo (con descriptores moleculares, propiedades físico-químicas, etc.). Esta opción se ha discutido aquí.
En estas charlas se puede encontrar un diseño de experimentos (DOE) eficiente para una variable categórica multinivel (3+) y muchas variables continuas :
Espero que estas sugerencias puedan ser de ayuda.
Re: Mejora del diseño de cribado (personalizado) para reducir el número de experimentosSí, buena sugerencia. Por eso es necesario comprender la situación específica antes de experimentar (diagnóstico de la situación). Luego volvemos a los compuestos... ¿qué los diferencia realmente? ¿Son compuestos químicos? Entonces podrías considerar que estás experimentando con proporciones o porcentajes de ciertas sustancias químicas. ¿Cuáles hipotetizas que son activas?... y así sucesivamente.
