你的位置:日本AV > 性爱色吧 > 欧美av 剂量反应案例征询:四参数 Logistic 模子
性爱色吧
欧美av 剂量反应案例征询:四参数 Logistic 模子
发布日期:2024-11-12 00:52    点击次数:196

欧美av 剂量反应案例征询:四参数 Logistic 模子

征询观念:详情并对比有无增强剂条目下的 EC50 值 Top/最大反应 400? Bottom/最小反应 0? Hill Slope/弧线坡度 1? EC50/最大有用浓度的一半 未知

在对常限制型了解之后,咱们使用本色的数据集来拟合此模子。征询者进行一项微型历练欧美av,在四种浓度下各近似测量三次。在历练经过中,他们探究在 500 只跳蚤中被杀死的跳蚤数目。关于「无增强剂」组的数据,第二浓度组的数据被破损了,是以如下方图 2 咱们只得回三行数据。 

图 2 新建数据表

 

图 3 数据表-输入数据

通过该历练数据绘图出的图 4 披露,跟着剂量增多,反应也会增多。因此采用刺激模子比扼制模子更为顺应。 

图 4 自动生成的图表

因为本色的浓度相配小,取对数可以让咱们在一个更合理的鸿沟上探究浓度。调遣这些X值不会改变参数的最好拟合值或它们的尺度舛误或置信区间。 

图 5 将浓度调遣为对数披露

 

图 6  数据表-对数调遣成果

 

图 7 四对数数据表的图表披露

咱们可以从该运转数据集进行分析,操作如下:【Analyze > XY analyses > Nonlinear regression (curve fit) > Dose-response -Stimulation > log (agonist) vs. response -- Variable slope (four parameters)】【分析> XY 分析>非线性总结(弧线拟合)>剂量反应-刺激>对数(欢叫剂)与反应-可变斜率(四个参数)】 

图 8 Analyze 操作关节

在成果表(图 9)中,可以看到「有增强剂」模子有一组竣工的参数计算和置信区间,但另一边「无增强剂」模子被标志为「不解确的」,这示意其披露的数据成果是不成信的。 

图 9 成果页

自 8.2 版块起,Prism 可以搜检是哪些参数会导致不解确的拟合。这些被称为不稳健参数,可以在分析时通过从置信度选项卡(Confidence tab)中采用「识别不稳健参数(Identify unstable parameters)」来设置,大约在器具栏的 Analyze 右侧的按钮来修改参数。 

图 10 设置「识别不稳健参数」

可以看到在「无增强剂」模子中,Top 参数是不稳健的(如图11)。在这个模子中存在一个不稳健参数并不奇怪,因为四参数 logistic 模子需要 4 个或更多X浓度数据,而「无增强剂」数据蚁集独一 3 个浓度的值。 

图 11 成果页-分析成果更新欧美av

当咱们遭受不解确的模子时,可以试着通过将一个或多个参数设置为常数(constant)来减少模子中的参数数目。这需要咱们了解反应(response)的活动口头。在这个历练中,征询者服气在相配低的浓度下其反应应该是零,现在的数据也确认了这小数,是以咱们将通过输入 0 动作 Bottom 参数的管理来减少每个模子的参数数目,从 4 个减少到 3 个。这将两个模子的参数总和从 8 个减少到 6 个。一般来说,你计算的参数越少,模子管理(converge)的可能性就越大。操作如下:【Analyze > XY analyses > Nonlinear regression (curve fit) > Dose-response -Stimulation > log (agonist) vs. response -- Variable slope (four parameters)】【分析> XY分析>非线性总结(弧线拟合)>剂量反应-刺激>对数(欢叫剂)与反应-可变斜率(四个参数)】 

图 12 设置 Bottom 参数管理

如下图 13,将 Bottom 设置为 0,但「无增强剂」模子中仍然有不稳健的参数。 

图 13 成果页分析成果更新

再次减少需要估算的参数数目。征询者觉得这两种模子应该具有疏导的弧线坡度(Hill Slope)。通过分享坡度(Hill Slope)参数,参数数目将从 6 个减少到 5 个。操作如下:【Analyze > XY analyses > Nonlinear regression (curve fit) > Dose-response -Stimulation > log (agonist) vs. response -- Variable slope (four parameters)】【分析> XY 分析>非线性总结(弧线拟合)>剂量反应-刺激>对数(欢叫剂)与反应-可变斜率(四个参数)】 

图 14 设置 Hill Slope 参数的管理

这么一来两个模子齐管理了,可以看到关于总共参数咱们齐有相应的计算和置信区间(如图 15)。 

图 15 成果页分析成果更新

征询者但愿这两条弧线的 Maximal response 齐在 400 阁下,而这些模子的弧线图齐莫得呈现出接近这个值的趋势。 

图 16 图表

为了更好地计算 Top 参数,征询者决定在 -6.5 的对数浓度(log concentration)下辘集更多的数据(见图 17),并确保它们具有疏导的 maximal response。通过 Prism 8 中的管理选项卡(the Constrain tab)来分享 Top 参数,只保留 LogEC50 参数不受管理(见图 18)。操作如下:【Analyze > XY analyses > Nonlinear regression (curve fit) > Dose-response -Stimulation > log (agonist) vs. response -- Variable slope (four parameters)】【分析> XY 分析>非线性总结(弧线拟合)>剂量反应-刺激>对数(欢叫剂)与反应-可变斜率(四个参数)】 

图 17 五数据表更新

 

图 18 设置 Top 参数管理

这个更正可以,两组模子中的 Top 参数齐接近 400 了(如图 19)。 

图 19 成果页分析成果更新 – Top

但可能会缅想「无增强剂」模子中 EC50 值的计算,可以看到该模子中对数值是 -5.84(如下图 20)。 

图 20 成果页分析成果更新 – LogEC50

李月 反差

底下图 21 是荣达成的图表,在对数刻度上莫得任何 -5.84 的数据,是因为咱们对 EC50 的计算是基于外推法,意味着咱们是在数据鸿沟除外作念展望。 

图 21 图表

为了幸免这种外推(extrapolation),征询者决定辘集零星的数据来捕捉「无增强剂」的剂量反应弧线的中间和右侧。 

图 22 数据表更新

在辘集这些数据之后,莫得通过外推法去计算,而是如更窄的置信区间所示,咱们很好地计算了各项参数。 

图 23 成果页分析成果更新

如下图(图 24)所示,咱们按预期拟合了数据。

图 24 图表

然则通盘分析到这里还莫得适度。由于到现在为止咱们所看到的图披露的是均值而非原始数据,因此搜检残差图以检验颠倒值黑白常迫切的。下方的 QQ residual plot 图(QQ 残差图)(图 26)披露存在一个颠倒值(outlier)。 

图 25 设置披露「QQ Plot」

 

图 26 残差图

将这个颠倒值映射回数据集,可以看到它是在「无增强剂」组的高剂量情况下发生的(如下图 27)。 这个值输入诞妄,应为 345。 

图 27 数据表更新

郑重,这小数也可以通过在 Method 选项卡中采用「检测和摈斥颠倒值(Detect and eliminate outliers)」来识别和删除。操作如下:【Analyze > XY analyses > Nonlinear regression (curve fit) > Dose-response -Stimulation > log (agonist) vs. response -- Variable slope (four parameters)】【分析> XY 分析>非线性总结(弧线拟合)>剂量反应-刺激>对数(欢叫剂)与反应-可变斜率(四个参数)】 

图 28 设置监测和摈斥颠倒值

 

图 29 成果表-颠倒值教导

进行更正后,可以看到最终图形披清楚更好的拟合度。 

图 30 最终图表欧美av

总结

Powered by 日本AV @2013-2022 RSS地图 HTML地图

Copyright Powered by站群 © 2013-2024