PB试验设计

http://www.5d19.com/bbs/viewthread.php?tid=105343&page=1&authorid=308

注册 登录 分栏模式

• • • 会员 标签 帮助 我的研究-5d19.com-论坛» 生物各专业 » 微生物 » 试验设计手把手的教，包括PB设计，响应面分析

试验设计手把手的教，包括PB设计，响应面分析等

应flameofstar的要求，我简单讲下我做培养基优化的一点体会。可能有些战友认为，试验设计优化培养基就是找几种培养基成分放在一起做几个组合进行试验就行了，其实这样做往往是得不到最适的结果的，尤其在做响应面分析（RSM）的时候，试验得到的图形可能不是一个完美的曲面图，我见过一些别人发的文章，它的曲面图是一个扭曲的图形，高点根本没有出现在图形中，那试验得到的根本不是最适的培养基组分，当然这种文章一般不会出现在核心期刊上的。这种情况一般都是没有在做RSM前，做“爬坡试验”的结果，“爬坡试验”的目的在于找出RSM设计的中心点，保证结果的准确性。另外一点需要提出的是RSM的一个缺点就是分析的因素不能太多，经典的是三因素的试验设计，如果你的因素比较多，那不妨试试方开泰的均匀设计。要做RSM就要先找出有显著影响的因素，所以在“爬坡试验”之前还需要一个PB试验，PB能从众多因素中很简单的找出对试验结果影响最为显著的因素，排除一些影响不显著的因素，降低后续试验的工作量，又能保证结果的准确性。PB和“爬坡试验”对于刚接触试验设计的战友，比较陌生点，加上发表文章中很少，全面的把整个试验设计写出来的，一般的都是只写RSM这部分，也有几篇文章是PB+RSM的，还有先做RSM后做“爬坡试验”的。我个人认为PB--“爬坡试验”--RS，这种试验设计的思路比较符合逻辑，又比较全面。如果做毕业论文的培养基优化部分，可以使内容比较丰富。当然如果是做毕业论文的话，在综合试验设计之前，还有个更基础的工作，就是单因素试验，那种放弃单因素试验的想法也完全错误的，尤其是没有一个基础配方的时候。我做的菌种是我自己从本实验室菌种库筛出来，然后又做了诱变育种，所以是没有合适的培养基的，所以做了很多工作，用单因素试验首先大致确定C、N、P、无机盐、微量元素的种类及水平。大致讲了一下，说的比较散乱，或许不太好明白。希望大家把问题提出来，我们一起针对具体问题具体分析。 2

正交试验设计 末尾有共勉诗版本

http://www.docin.com/p-8964935.html

3 Orthogonal experiment 正交实验 DOE＝Design of Experiment 实验设计

正交试验和均匀设计方法进行培养基优化已取得诸多成功的例子。

正交试验适合因子较多而因子水平不多的试验设计，从试验次数上看，是至少为因子数的平方。 均匀设计适合于因子少，而水平多的试验，从试验次数看，至少是因子数的两倍。 两种方法虽然多从拉丁方设计衍生而来，不过效率却更高。 现如今，大多流行响应曲面设计来优化培养基。

首先，我们要从众多培养基成分及影响的环境因素中筛选出具有主效应的因子。这时，通常采用筛选试验。主要有全因子因析设计和Plackett－Burman设计。两种筛选试验，各有千秋，但都能以最少的试验次数筛选出主效应因子。其中全因子设计能够表现出因子的三级以上交互作用，而Plackett－Burman设计由于是两水平设计，所以交互作用只在二级交互作用。另外还有部分因子因析设计。

筛选到了主效应因子，我们就可以开始进行下一步优化试验。此时，主要有中心复合设计和Box-Behnken设计。

中心组合设计是一种国际上较为常用的响应面法，是一种5水平的实验设计法。采用该法能够在有限的实验次数下，对影响生物过程的因子及其交互作用进行评价，而且还能对各因子进行优化，以获得影响过程的最佳条件。

Box- Behnken设计是另一种国际上较为常用的响应面法，是一种3水平的实验设计法。同样具有响应面法的优点。近年来利用该法进行生物过程优化的文献比用中心组合设计法的明显地少。 通常以上说的响应曲面设计和数据分析，都可以通过一些统计软件来运行，十分简便。

常用的实验设计软件：

最通俗也最容易上手的，画图也好看的：Design-expert 其他：\"Minitab\" \"SAS JMP\" \"STATISTICA 6.0\" 国产软件： DPS

有中文版的外国软件 “Minitab 15” “SAS JMP 6.0”

（请大家不要再我的QQ上留言，因为我很少上QQ，也不要往我手机里发短信，很多问题不是一句两句能解释清楚的，如果有问题，我更喜欢用Email：************************.cn. 由于忙于课题，有时候疏于回信，还望大家见谅。所以，有问题，就发到论坛上，集合众人之力，相信对你有帮助！再次感谢朋友们！）

（原创非首发）关于Plackett-Burman design

管理提醒： 本帖被 ala 执行加亮操作(2008-11-02) PB设计关注之一：高水平与低水平

[ 此帖被topmit在2008-11-02 23:10重新编辑 ] PB设计关注之二：实验次数、因子数、虚拟项

]

PB设计关注之三：设计矩阵

PB设计关注之四：数学模型

PB设计关注之五：数据处理之t 值和p 值

PB设计关注之六：直观的表达方式-Pareto