Pelnas:
- Gebėjimas sukurti aiškią hipotezę, tikslią kontrolę, atsitiktinės atrankos, apakinimo ir išankstinės galios analizės eksperimentinį projektą
- Gebėjimas atskirti biologinį pasikartojimą nuo techninio kartojimo ir išvengti pseudoreplikacijos klaidos
- Galimybė užkirsti kelią p-hacking, pirmiausia nustatant analizės planą prieš eksperimentą (išankstinis įrašymas)
Brangiausia klaida biologijoje – prastai suplanuotas eksperimentas. Neteisinga analizė gali būti ištaisyta vėliau; Tačiau duomenų, surinktų su nepakankamu pakartojimų skaičiumi, nekontroliuojamais ar mišriais kintamaisiais, jokia statistika negali atkurti. „Šiukšlės į vidų, šiukšlės lauk“. Štai kodėl eksperimentas turi būti tinkamai suplanuotas prieš jį pradedant. Dirbtinis intelektas yra galingas mąstymo partneris šiame projektavimo etape: jis primena kontrolines grupes, rašo kodą, kuris atlieka galios analizę (apskaičiuoja mėginių skaičių, reikalingą norint užfiksuoti ieškomą skirtumą), klausinėja klaidinančius kintamuosius. Tačiau galutinį sprendimą dėl projektavimo priimate jūs, žinant domeną.
Šiame skyriuje aptarsime gero eksperimentinio projekto komponentus ir kaip šiame procese panaudoti dirbtinį intelektą.
Gero eksperimentinio projekto komponentai
- Aiški hipotezė: patikrinamas, išmatuojamas teiginys. Kaip „Šis vaistas sulėtina ląstelių augimą“.
- Nepriklausomas ir priklausomas kintamasis: ką keičiate (vaisto dozę), ką matuojate (ląstelių skaičius)?
- Kontrolinė grupė: lyginamoji grupė, kuriai nebuvo jokios intervencijos. Be jo jūs negalite žinoti skirtumo priežasties.
- Replikacija: Biologinė replikacija (skirtingi individai/kultūros) skiriasi nuo techninės replikacijos (pakartotinis to paties mėginio matavimas); Tikroji galia yra biologiniame pasikartojime.
- Atsitiktinis paskirstymas: atsitiktinis mėginių paskirstymas į grupes ir apdorojimo tvarka; sumažina šališkumą.
- Apakimas: Matuojantis asmuo nežino, kuri grupė yra kuri; apsaugo nuo subjektyvaus šališkumo.
- Galios analizė: iš anksto apskaičiuojama, kiek mėginių reikia norint užfiksuoti laukiamą efektą su 80 % tikimybe.
Patarimas: suteikite eksperimentinį dizainą AI, kad jis jį „kritikuotų“. „Kokio valdymo šiame plane trūksta, kokį klaidinantį kintamąjį aš praleidau? Klausimas atskleidžia spragas, kurių nematai mąstydamas vienas.
Galios analizė: kodėl ir kaip
Dėl labai mažo mėginio net realus skirtumas gali atrodyti „nereikšmingas“ (maža galia); Per didelė imtis yra išteklių švaistymas, todėl nereikšmingi skirtumai gali pasirodyti „reikšmingi“. Teisingas skaičius randamas atlikus galios analizę ir priklauso nuo: laukiamo efekto dydžio, priimto klaidų lygio (alfa ir beta) ir duomenų kintamumo.
Vaidmuo: esate eksperimentinio projektavimo ir biostatistikos asistentas.Užduotis: Atlikite eksperimento galios analizę, lygindami dvi grupes.Parašykite kodą, kuris apskaičiuoja, kiek mėginių reikia vienai grupei su numatomo efekto dydžiu Coheno d = 0,8, alfa = 0,05, galia = 0,80.statsmodels ir paaiškinkite prielaidas.
Jūs paleidžiate kodą; pavyzdžiui, gausite tokį rezultatą kaip „26 mėginiai grupėje“. Jūs palyginate tai su eksperimento biudžetu ir sukuriate realų planą.
Žingsnis po žingsnio: eksperimento kūrimas
- Parašykite hipotezę: Vienas sakinys, išmatuojamas.
- Apibrėžkite kintamuosius: nepriklausomas, priklausomas, pastovus.
- Nustatykite kontrolę: neigiamą kontrolę, teigiamą kontrolę, nešiklio kontrolę.
- Išvardykite maišytuvus: laikas, partija, temperatūra, eksperimentatorius – kaip jie bus valdomi?
- Atlikite stiprumo analizę: apskaičiuokite reikiamą pakartojimų skaičių.
- Suplanuokite atsitiktinių imčių ir apakinimą.
- Iš anksto parašykite analizės planą: prieš eksperimentą nustatykite, kurį testą naudosite (apsaugo nuo p-hacking).
Kopijuojami raginimo šablonai
Kritikuokite mano eksperimentinį planą. Raskite trūkumus, susijusius su: kontroline grupe, pakartojimų skaičiumi, atsitiktine tvarka, apakimu, painiavomis. Pasiūlykite konkretų kiekvieno trūkumo pataisymą. Planas: [tekstas]
Paaiškinkite pavyzdžiu, kuo skiriasi biologinis ir techninis pasikartojimas. Iš mano patirties [paaiškinimas], kurio jų turėtų būti, kiek ir kodėl?
Noriu pataisyti savo analizės planą PRIEŠ eksperimentą. Išeiga: [dizainas]. Kuris statistinis testas yra tinkamas, kokias prielaidas turėčiau patikrinti, ar bus keli palyginimai? Rašykite žingsnis po žingsnio.
Silpnas raginimas / Stiprus raginimas
Silpnas: „Sukurkite eksperimentą“.
Stiprus: „Noriu išbandyti, ar narkotikas
Skirtumas: stipriajame raginime hipotezė, kintamieji, matavimo laikas ir galimi valdikliai yra aiškūs; Modelis suteikia konkretų, lauke tinkamą grįžtamąjį ryšį.
trys mini dėklai
1 atvejis – krašto efektas: viena komanda eksperimentavo su 96 šulinėlių plokštele; Rezultatai buvo keisti. Dirbtinis intelektas priminė, kad plokštelės kraštinės duobutės elgiasi skirtingai dėl garavimo (krašto efektas), ir pasiūlė kraštus naudoti kaip kontrolinius ir atsitiktinai paskirstyti mėginius. Pasikartojant padidėjo nuoseklumas.
2 atvejis – pseudoreplikacija: studentas paėmė 10 audinių mėginių iš vienos pelės ir pasakė „n=10“. Tačiau tai yra 10 techninių pakartojimų; biologinis n vis dar yra 1. Kai modelis paaiškino šį skirtumą, studentas perkūrė eksperimentą su 6 pelėmis. Pamoka: statistinis n yra biologinis vienetas.
3 atvejis – Nepakankama galia: vienai grupei buvo atlikti 4 mėginiai ir nepavyko pasiekti tikrojo efekto (p=0,09). Galios analizė parodė, kad 4 mėginiai suteikė tik 35% galios. Jei modelis būtų iš anksto apskaičiavęs teisingą mėginių skaičių, eksperimentas būtų buvęs pakankamai galingas arba nebūtų prasidėjęs. Pamoka: apskaičiuokite galią iš anksto, o ne vėliau.
palyginimo diagrama
koncepcija
Teisingas pritaikymas
dažna klaida
vėl
Apskaičiuokite biologinį pasikartojimą
pagalvokite apie techninį pakartojimą
kontroliuoti
Neigiamas+teigiamas+nešėjas
nekontroliuojamas eksperimentas
Randomizavimas
Grupuoti ir užsisakyti atsitiktinai
Nuoseklus apdorojimas
galia
Apskaičiuokite prieš eksperimentą
nežiūrėk atgal
analizės planas
prisegti iš anksto
Testų parinkimas pagal duomenis
Dažnos klaidos
- Kontrolinės grupės praleidimas: skirtumo priežastis tampa nesuprantama.
- Pseudo pasikartojimas: techninio pasikartojimo laikymas biologiniu n sukuria pseudoreikšmę.
- Neatlieka galios analizės: nepakanka arba švaistomi mėginiai.
- Sumaišiklių ignoravimas: tokie efektai kaip paketas, vieta, laikas iškraipo rezultatą.
- Analizės testo pasirinkimas vėliau: ieškoma testo, kuris duoda norimą rezultatą (p-hacking).
Atsargiai: AI pateikia statistikos ir dizaino pasiūlymų, tačiau tam reikia žinių apie biologinę eksperimento prasmę ir tai, kokios kontrolės iš tikrųjų reikia. Jokia analizė negali išgelbėti prastai suplanuoto eksperimento; Patikslinkite dizainą prieš pradedant eksperimentą, pageidautina su statistiku.
Atsižvelgiant į kintamumo šaltinius
Neapsakomas gero dizaino herojus – iš anksto pagalvoti, iš kur atsiranda duomenų kintamumas. Biologinis kintamumas (natūralus skirtumas tarp individų) yra neišvengiamas ir ką norite ištirti; Techninis kintamumas (pipetės paklaida, įrenginio nuokrypis, paros skirtumas) yra triukšmas ir turėtų būti sumažintas. Būdas atskirti šiuos du dalykus yra projektavimas: paskirstykite techninį kintamumą atsitiktinės atrankos būdu ir apakinimu, biologinio kintamumo pavyzdį pakankamai pasikartojant.
Naudinga pradėti nuo AI sąrašo galimų eksperimento kintamumo šaltinių. Pavyzdžiui, ląstelių kultūros eksperimente: pasėjimo numeris (kiek kartų ląstelės buvo padalintos), terpės partija, inkubatoriaus vieta, derliaus nuėmimo laikas. Žinodami šiuos šaltinius, galite nuspręsti, kuriuos iš jų išlaikyti pastovius, o kuriuos pasirinkti atsitiktinai.
Šiame eksperimente išvardykite visus galimus kintamumo šaltinius (biologinius ir techninius); Kiekvienam pasiūlykite „palikti fiksuotą“, „atsitiktine tvarka“ arba „išsaugoti ir pridėti prie modelio kaip kintamąjį“. Eksperimentas: [description]
Išankstinė registracija: galingiausias sąžiningumo įrankis
Veiksmingiausia analizės plano nustatymo prieš eksperimentą forma yra išankstinė registracija: hipotezės, imties dydžio ir analizės plano įrašymas laiko žyme pažymėtoje vietoje prieš renkant duomenis. Tai pašalina vėlesnes abejones „bandžiau analizuoti, kol gavau tai, ko norėjau“ ir labai padidina jūsų darbo patikimumą. AI gali padėti jums sudaryti terminų lapą, paaiškinti hipotezę ir parašyti analizės planą. Tokiu būdu, prieš pradedant eksperimentą, būsite sukūrę stipriausią skydą nuo p-įsilaužimo, kurį matysime 8 skyriuje.
Dizaino skirtumai pagal eksperimento tipą
Ne kiekvienas biologinis eksperimentas vyksta pagal tą patį modelį; Dizainas skiriasi priklausomai nuo problemos tipo. Dozės ir atsako eksperimentui reikia kelių dozių ir kreivės modelio; Vienos dozės nepakanka. Laiko eilutės eksperimente matavimo taškų atstumas ir priklausomybė (iš naujo matuojant tą patį asmenį) lemia dizainą. Lauko / ekologijos tyrime atsitiktinė atranka ir erdvinė priklausomybė (greta esančių taškų panašumas) išryškėja. Jūs nurodote AI savo eksperimento tipą ir klausiate: „Kokie dizaino elementai yra svarbūs šiam tipui? Klausimas: leidžia anksti sugauti nepastebėtą komponentą. Tačiau atminkite: modelis primena bendruosius principus, jis nežino jūsų sistemos biologinių detalių.
Apibendrinant
Tvirtas eksperimentas; Jis pagrįstas aiškia hipoteze, tikslia kontrole, pakankamais biologiniais pakartojimais, atsitiktine tvarka, apakimu ir iš anksto apskaičiuota galia. AI yra galingas partneris, kuris prisimena šiuos komponentus, rašo galios analizės kodą ir kritikuoja jūsų planą. Tačiau biologinė prasmė ir galutinis dizaino sprendimas priklauso jums. Analizės plano taisymas prieš eksperimentą yra priešnuodis p-hacking spąstams, kurį pamatysime kitame skyriuje.
Taikymo užduotis
Vienoje pastraipoje apibūdinkite turimą eksperimentą (arba pavyzdį): hipotezę, kintamuosius, valdiklius, planuojamą replikaciją. Jūs privertėte dirbtinį intelektą sukritikuoti šį planą; Išvardykite trūkstamus valdiklius ir maišytuvus. Tada atspausdinkite galios analizės kodą (su savo d ir alfa reikšmėmis) ir paprašykite apskaičiuoti reikiamą mėginių skaičių. Peržiūrėkite savo planą naudodami šį atsiliepimą.
kontrolinis sąrašas
- [ ] Savo hipotezę parašiau vienu išmatuojamu sakiniu.
- [ ] Nustačiau reikiamas kontrolines grupes (neigiamas/teigiamas/nešėjas).
- [ ] Teisingai išskyriau biologinį ir techninį kartojimą.
- [ ] Prieš eksperimentą atlikau galios analizę.
- [ ] Planavau atsitiktinių imčių ir apakinimą.
- [ ] Pataisiau analizės testą nematydamas duomenų.