Lipid Nanopartikül (LNP) Formülasyon Optimizasyonu için Tasarlanmış Karışım-Proses Deneyleri ve Kendi Kendini Doğrulayan Topluluk Modelleri (SVEM) Kullanarak Bir İş Akışı

Bu makale, bilim insanlarının deneysel bir tasarım tablosu oluşturmaları ve sıkıcı ve potansiyel olarak uçucu istatistiksel kararlar gerektirmeden çeşitli karışım ve proses faktörleri üzerinden deneysel sonuçları analiz etmeleri için bir iş akışı sunmaktadır. Elde edilen modeller, birden fazla yanıt üzerinde ortaklaşa optimize edilebilir ve hem ortak yanıt yüzeyini hem de bireysel yanıtların tahminlerini özetlemek için bilgilendirici grafikler üretmek için kullanılabilir. Bu grafiklerin yorumlanması, temel istatistiksel modellerden alınan parametre tahminlerinden daha kolaydır ve en çok istenen yanıtları üreten faktör ayarlarını temsil etmede yardımcı olur.

Lipid ve nanopartikül formülasyonu bilim adamlarının sıklıkla farklı yükler için veya lipitleri veya proses ayarlarını değiştirirken yeni tarifler oluşturmaları gerekir. Tasarım yapımında hata potansiyelini en aza indiren ve analiz sırasında kapsamlı istatistik ve bilgi ihtiyacını ortadan kaldıran formülasyon optimizasyonuna sağlam bir yaklaşım sunuyoruz. Denemenin amacını tarih damgalı bir belgede özetleyin.

Deneme sırasında ölçülecek yanıtları listeleyin. Çalışma sırasında değişecek ve sabit tutulacak faktörleri seçin. Değişen faktörler için aralıkları ve her biri için ilgili ondalık hassasiyeti belirleyin.

Minimum ve maksimum buluşsal yöntemleri kullanarak etüt tasarım boyutuna karar verin. Atlamayı açın ve menü çubuğunu DOI, Özel Amaçlı, Boşluk Doldurma Tasarımı'na gidin. Çalışma yanıtlarını girin.

Etüt faktörlerini ve aralıkları girin. Tasarım için önceden belirlenmiş çalıştırma sayısını girin. Seçilen faktörler ve çalışma boyutu için boşluk doldurma tasarım tablosunu oluşturun.

El ile oluşturulan çalıştırmalara açıklama eklemek için tabloya bir notlar sütunu ekleyin. Uygulanabilirse, kıyaslama kontrolü çalıştırmalarını tasarım tablosuna manuel olarak dahil edin. Denetlenen karşılaştırma testlerinden biri için bir çoğaltma ekleyin.

Notlar sütununda karşılaştırma adını işaretleyin ve kolay doğru tanımlama için karşılaştırma çoğaltma satırlarını renk koduyla kodlayın. Faktör seviyelerinin karışımını uygun granülerliğe yuvarlayın. Yuvarlatılmış değerleri kopyalayın ve orijinal sütunlara yapıştırın.

Yuvarlatılmış sütunların gereksiz kopyalarını silin. Lipit faktörlerini yuvarladıktan sonra, toplamlarının %100'e eşit olduğunu doğrulayınHerhangi bir satır toplamı birine eşit değilse, karışım faktörlerinden birini manuel olarak ayarlayarak faktör aralığında kalmasını sağlayın. Ayarlamalar yapıldıktan sonra toplam sütununu silin.

Proses faktörlerini ilgili taneciklerine yuvarlamak için karışım faktörlerini yuvarlamak için kullanılan prosedürü izleyin. Lipid sütunlarını, istenen ondalık sayı ile yüzde olarak görünecek şekilde biçimlendirin. Karşılaştırma testleri gibi el ile çalıştırmalar eklediyseniz, tablo satırı sırasını yeniden rasgele hale getirin, yuvarlatılmış değerlere sahip yeni bir sütun ekleyin.

Bu sütunu, sütun başlığını sağ tıklatarak artan düzende sıralayın ve ardından sütunu silin. Tasarım noktalarını lipit faktörleri üzerinde görselleştirmek için üçlü grafikler oluşturun. Ayrıca işlem faktörleri üzerindeki çalıştırma dağılımını da inceleyin.

Formülasyon bilim adamları tüm çalışmaların fizibilitesini onaylamalıdır. Mümkün olmayan çalıştırmalar varsa, yeni keşfedilen kısıtlamaları göz önünde bulundurarak tasarımı yeniden başlatın. Denemeyi tasarım tablosu tarafından sağlanan sırada çalıştırın.

Okumaları deneysel tabloda yerleşik olarak bulunan sütuna kaydedin. Okumaları çizin ve yanıtların dağılımlarını inceleyin. Renk kodlu çoğaltma çalıştırmaları arasındaki göreli mesafeyi inceleyin, eğer biri dahil edilmişse, bu, tüm faktör uzayı boyunca faktör ayarlarındaki değişikliklerden kaynaklanan değişkenliğe kıyasla, kıyaslamadaki toplam sürecin ve analitik varyasyonun anlaşılmasını sağlar.

Koşuları üçlü bir arsa üzerinde oluşturun. Karışım faktörleri üzerindeki davranışın modelden bağımsız bir görünümünü elde etmek için noktaları yanıtlara göre renklendirin. Ortaya çıkan grafiklerden herhangi birine sağ tıklayın, Satır Göstergesi'ni seçin ve ardından yanıt sütununu seçin.

Her yanıt için bunu tekrarlayın. Çalışma faktörlerinin bir fonksiyonu olarak her yanıt için bağımsız bir model oluşturun. Alan doldurma tasarımı tarafından oluşturulan model komut dosyalarını silin.

Analiz Et, Modeli Sığdır'ı seçin. Tüm aday efektlerini içeren tam bir model oluşturun. Bu model, her bir faktörün ana etkilerini, iki ve üç yönlü etkileşimleri, proses faktörlerinde ikinci dereceden ve kısmi kübik terimleri ve karışım faktörleri için Scheffe kübik terimlerini içermelidir.

Tüm etüt faktörlerini seçin. Derece girişini varsayılan değer olan ikiden üç olarak değiştirin. Ardından Derece için bir Faktöriyel seçin.

Yalnızca karışım dışı faktörleri seçin ve ardından Makrolar, Kısmi Kübik'i seçin. Yalnızca karışım faktörlerini seçin ve ardından Makrolar, Scheffe Cubic'i seçin. Varsayılan müdahale yok seçeneğini devre dışı bırakın.

Yanıt sütununu belirtin, Kişilik'i Genelleştirilmiş Regresyon olarak değiştirin. Kolay geri çağırma için bu model kurulumunu veri tablosuna kaydedin. Veri Tablosuna Kaydet'i seçin.

Çalıştır'ı tıklatın. Tahmin yöntemi için SVEM İleri Seçimi'ni seçin. Gelişmiş Kontroller Terimleri zorlama menülerini genişletin ve karışımın ana efektlerine karşılık gelen kutuların işaretini kaldırın.

Yalnızca Intercept terimi işaretli kalır. Makul bir öngörülebilirliği doğrulamak için gerçek yanıtları SVEM modelinden tahmin edilen yanıtlarına göre çiz'i tıklatın. SVEM İleri Seçim'in yanındaki kırmızı üçgene tıklayın ve Sütunları Kaydet, Tahmin Formülünü Kaydet'i seçin.

Bu, veri tablosundaki tahmin formülünü içeren yeni bir sütun oluşturur Her yanıt için model oluşturma adımlarını yineleyin. Tüm yanıtların veri tablosuna kaydedilmiş tahmin sütunları olduktan sonra, bir profil oluşturucu işlevi kullanarak tahmin edilen yanıt sütunlarının tümü için yanıt izlemelerini çizin. Grafik Profil Oluşturucusu'nu seçin ve Y tahmin formülü için önceki adımda oluşturulan tüm tahmin sütunlarını seçin, Tamam'ı tıklatın.

Aday optimal formülasyonları belirleyin. Her yanıt için istenebilirlik işlevini, en üst düzeye çıkarılması, en aza indirilmesi veya bir hedefle eşleştirilmesi gerekip gerekmediğini ayarlayın. Bu aynı zamanda her yanıt için göreceli önem ağırlıklarının ayarlanmasını da gerektirir.

İlk adayı oluşturmak için, birincil yanıtları önem ağırlığı 1,0 kullanacak şekilde ve ikincil yanıtları önem ağırlığı 0,2 kullanacak şekilde ayarlayın. Profil oluşturucuya, istenebilirlik işlevini en üst düzeye çıkaran en uygun faktör ayarlarını bulmasını söyleyin. Optimizasyon Arzu Edilebilirliği, İstenebilirliği En Üst Düzeye Çıkar'ı seçin.

Her yanıt için kullanılan önem ağırlıkları hakkında bir notla birlikte en uygun faktör ayarlarını kaydedin. İyonlaştırılabilir lipit tipi gibi kategorik faktörler için, her faktör seviyesi için koşullu olarak en uygun formülasyonları bulun. İlk olarak, profil oluşturucudaki her faktörün istenen düzeyini ayarlayın.

Ardından kontrol tuşunu basılı tutun ve bu faktörün grafiğinin içine sol tıklayın ve Faktörü Kilitle Ayarı'nı seçin. Bu seçme optimizasyonu ve arzu edilebilirliği, mevcut ayarında kilitli olan bu faktörle koşullu optimuma ulaşma arzusunu en üst düzeye çıkarır. İşiniz bittiğinde, devam etmeden önce faktör ayarlarının kilidini açın.

Yanıtın önem ağırlıklarını değiştirdikten sonra, belki de yalnızca birincil yanıtları optimize ettikten veya ikincil yanıtların bazılarını az ya da çok önem ağırlığına sahip olacak şekilde ayarladıktan sonra optimizasyon işlemini tekrarlayın, böylece hedeflerini hiçbiri olarak ayarlayın. Yeni optimum adayı kaydedin. Faktör uzayının en uygun bölgelerinin grafiksel özetlerini oluşturun.

İzin verilen faktör alanı içinde rasgele oluşturulan faktör ayarlarıyla doldurulmuş 50.000 satırın yanı sıra, yanıtların her biri için indirgenmiş modellerden karşılık gelen tahmin edilen değerlerin yanı sıra ortak istenebilirlik işlevini içeren bir veri tablosu oluşturun. Çıktı Rasgele Tablosu'nu seçin. Benzetimi yapılacak kaç çalıştırma değerinin değerini 50.000 olarak değiştirin ve Tamam'ı tıklatın.

Yeni oluşturulan tabloda, arzu edilebilirlik sütununun yüzdelik dilimini hesaplayan yeni bir sütun ekleyin. Bu yüzdelik dilim sütununu, ham arzu edilebilirlik sütunu yerine üçlü grafiklerde kullanın. İstenebilirlik sütun başlığına sağ tıklayın ve Yeni Formül Sütunu, Dağılım, Kümülatif Olasılık'ı seçin.

Aşağıdaki grafikleri oluşturun. Her yanıtın ve kümülatif olasılık sütununun tahminlerini görüntülemek için grafiklerin renk düzenini art arda değiştirin. Dört lipit faktörü için üçlü grafikler oluşturun.

Tabloda, üçlü grafiğin grafiğine gidin. X çizimi için karışım faktörlerini seçin ve Tamam'ı tıklatın. Elde edilen grafiklerden birine sağ tıklayın, Satır Göstergesi'ni seçin ve ardından tahmin edilen yanıt sütununu seçin.

Renkler açılır menüsünü Jet olarak değiştirin. Bu, lipit faktörlerine göre en iyi ve en kötü performans gösteren bölgeleri gösterecektir. Mevcut şekil, 1'in önemli devamı ile potansiyeli en üst düzeye çıkarmayı ve 0.2'nin önemli devamı ile boyutu en aza indirmeyi düşünürken eklem arzu edilebilirliğinin yüzdeliklerini göstermektedir.

Üçlü arsa ekseninde gösterilmeyen herhangi bir faktörün ortalamasını alırken. Her yanıtın tahminlerini görüntülemek için grafiklerin renk düzenini art arda değiştirin. Benzer şekilde, karışımsız proses faktörlerine karşı benzersiz formülasyonları temsil eden 50.000 renk kodlu noktayı tekil veya ortaklaşa çizin ve yanıtlar ile faktörler arasındaki ilişkileri arayın.

En yüksek arzu edilebilirlikte puan verimi üreten faktör ayarlarını arayın. Bu şekil, üç iyonize lipit tipinin her biri ile oluşturulabilecek tüm formülasyonların ortak arzu edilebilirliğini göstermektedir. En çok arzu edilen formülasyonlar H102'yi kullanır ve H101 potansiyel olarak rekabetçi alternatifler sunar.

Farklı yanıtlara yol açabilecek farklı faktör kombinasyonlarını keşfedin. Tahmin profil oluşturucusunu ve hatırlanan ayarlarını veri tablosuna geri kaydedin. Daha önce belirlenen en uygun adayları listeleyen bir tablo hazırlayın.

Karşılaştırma denetimini, formüle edilecek ve ölçülecek aday çalıştırma kümesine dahil edin. Deneyden elde edilen formülasyonlardan herhangi birinin, belki de kıyaslamadan daha iyi performans göstererek istenen sonuçları verdiği tespit edilirse, aday tabloya eklemek için en iyisini seçin ve yeni formülasyonlarla birlikte yeniden test edin. Profil oluşturucuda hatırlanan ayarlar tablosuna sağ tıklayın ve Veri Tablosuna Dönüştür'ü seçin.

Onay işlemlerini gerçekleştirin, formülasyonları oluşturun ve okumaları toplayın. Aday optimal formülasyonların performansını karşılaştırın. İş akışı birçok uygulamada kullanılmıştır.

Çoğu durumda, optimizasyonda bir seferde bir faktör kullanılarak ayarlanan kıyaslama formülasyonlarıyla karşılaştırdığımızda potansiyelde en az dört ila beş kat iyileşme gözlemledik. İyileştirmeler özellikle ikincil yanıtlar ortaklaşa hedeflendiğinde fark edilir. Bu prosedürle üretilen optimal adayların beklenen kalitesini göstermek için simülasyon kullanmak da mümkündür.

Makalede açıklanan örnek deney için bilinen bir veri üretme fonksiyonu kullanarak, bu iş akışında kullanılan boşluk doldurma tasarımlarından ve SVEM bazlı analizlerden elde edilen aday optimal formülasyonların kalitesini, geleneksel karışım analizi tekniklerinden elde edilenlerle karşılaştırabiliriz. Dikey eksende gösterilen optimum formülasyonun kalitesi ve yatay eksende gösterilen tasarımdaki çalışma sayısı ile mavi noktalar, 150 simülasyon üzerinde indirgenmemiş tam istatistiksel modelin performansını temsil eder. Kehribar renkli noktalar, AICC objektif fonksiyonuna dayanan geleneksel tek atış ileri seçiminin performansını temsil eder.

Yeşil noktalar, bu iş akışında kullanılan SVEM tabanlı ileriye dönük seçim yaklaşımının performansını temsil eder. SVEM analizi, daha iyi optimal adaylar ve daha az koşu elde etmemizi sağlar. Tasarım ve analiz için bir istatistikçinin yardımını gerektiren ek karmaşıklığa sahip ara sıra çalışmalar olacaktır.

Son derece yüksek önceliğe sahip, çalışma boyutunun normalden daha sınırlı olduğu veya çok sayıda kategorik faktörün bulunduğu veya çok sayıda seviyeye sahip tek bir kategorik faktörün bulunduğu çalışmalara bir istatistikçi tarafından farklı şekilde yaklaşılabilir. İş akışında belirtilen alan doldurma tasarımı yerine en uygun veya hibrit tasarımları kullanma.