El desarrollo de medios de cultivo celular a menudo implica un desafío abrumador: la selección de docenas de factores.a veces 50 o más –al tiempo que se opera bajo estrictas limitaciones de recursos experimentales. Los enfoques tradicionales de diseño de experimentos (DOE) tienen dificultades para escalar en espacios de tan alta dimensionalidad, y los métodos totalmente automatizados pueden dar lugar a diseños poco prácticos o no ejecutables.
En esta sesión, exploraremos cómo JMP puede ayudar a afrontar estos desafíos comparando estrategias de diseño avanzadas, incluyendo diseños modernos de llenado de espacio y diseños D-óptimos bayesianos, con el aprovechamiento del conocimiento previo para guiar la selección de factores. Más allá de los algoritmos, abordaremos las realidades prácticas de la ejecución de experimentos en el laboratorio, donde la eficiencia estadística debe ir de la mano de la viabilidad operativa.
Finalmente, destacamos el papel fundamental de la colaboración interdisciplinaria y las sesiones de lluvia de ideas: para que un diseño de experimentos (DOE) sea exitoso en este contexto, se requiere una estrecha interacción entre estadísticos, científicos de datos, ingenieros de procesos y personal de laboratorio. Al combinar métodos avanzados de DOE con la resolución colaborativa de problemas y conocimientos prácticos, los equipos pueden acelerar el desarrollo de medios de cultivo celular y, al mismo tiempo, aprovechar al máximo los recursos disponibles.
