第四章 筛选实验.ppt
《第四章 筛选实验.ppt》由会员分享,可在线阅读,更多相关《第四章 筛选实验.ppt(164页珍藏版)》请在三一文库上搜索。
1、第三章 因素重要性的鉴别-筛选实验,本章内容提要,第一节 因素筛选的重要性 第二节 独立因素筛选实验的数学模型 第三节 析因设计 第四节 分式析因设计 第五节 2水平因素筛选实验举例 第六节 对称筛选实验设计 第七节 非对称筛选实验设计 第八节 小节,第一节因素筛选的重要性,一、筛选实验及其目的: 筛选实验:是为了了解因素对效应的影响大小和方向的实验,通过筛选实验,设计者可以确定对效应有影响的因素,去除无影响的因素。 筛选实验的目的是去伪存真,而不是为了找出完整的效应面。,第一章描述了一个挤出-滚圆法制备微丸的实例: 如果造粒时间升至5分钟,得率如何?实验范围为2-5分钟的结果可以推广至1、6
2、分钟吗? 不能推广,否则有误差。 加入为了扩大实验范围,将造粒时间的范围设定为1-8分钟,可行吗? 由于跨度大,中间可能漏去某些有意义的点,使结果产生偏移。 从上可知:往往有多种因素需要筛选。甚至是混合设计。,第二节 独立因素筛选实验的数学模型,数学模型对于指导实验设计具有重要意义。 数学模型对于解析实验结果十分重要。 数学模型的存在与否应经过统计学检验。,一、单因素多水平实验,1、单因素二水平: 其中b0为常数,代表效应的真实值或理论值。e代表实验误差,其平均值为0。 设计者旨在发现因素的变化对效应的影响,而其真实情况并不是设计者所关心的。 2、参考态模型(the reference sta
3、te model): 在参考态A状态下: 在B状态下: 第二项为F1从A状态变为B后效应的变化值。,3、补偿模型(presence-absence model)或Free-Wilson模型: 设定一个与A、B状态无关的虚拟态,则: 在A下: 在B下: 其中:b1,A,b1,B分别为A、B状态下的效应与虚拟态的效应的区分值。 对称设计: b1,A+b1,B=0 由于A、B状态下相应值的变化是不同的,因此,上述对称设计不易操作。通常的对称设计是指: 当F1为“A”时,x1,A=1而x1,B=0 当F1为“B”时,x1,A=0而x1,B=1 且:x1,A+x1,B=1 因此,补偿模型为:,图3-1
4、参考态模型和补偿模型,F1 F1,参考态模型,补偿模型,b1,B/A,b0,b0,虚拟态,A,B,b1,B,b1,A,Y,例1 某反应在25、40下的收率分别为32%和60%。 参考态模型:b0为32%,b1,B/A为28%。 补偿模型: b0为46%,b1,A、 b1,B分别为-14%和14%。,以四种催化剂C1、C2、C3、C4作为反应的催化剂得到的上述反应的得率分别为:32、60、42、34% 则其数学模型为: b0=(32+60+42+34)/4=42% b2,A=32-42=-10 b2,B=60-42=18 b2,C=42-42=0 b2,D=34-42=-8,单因素4水平,单因素
5、多水平实验的数学模型,同样可以推广到单因素n水平的数学模型: 各水平之和为1 各系数之和为0,二、多因素多水平实验,当上述化学反应F1(温度)和F2(催化剂)同时改变时,其数学模型为: 其中b1,A+b1,B=0 , x1,A+x1,B=1 b2,A+b2,B+ b2,C+b2,D =0, x2,A+x2,B +x2,C+x2,D =1 自由度:F1为2-1=1;F2为4-1=3;数学模型为7-2=5,推而广之m各因素,n水平: 同样:各因素水平之和为1,系数之和为0, 数学式的总自由度为:,三、筛选实验的数学模型的共性,实验次数取决于数学模型中系数数,应不小于独立系数数,即p值。 如果实验次
6、数正好为p,则该实验设计是饱和的,如果接近p,则为近饱和。 筛选实验的总成本应占总投入的20-30%。 筛选实验尽量选择正交的,即使实验互不相干,各系数的估算应以达到高精度为目标。,表1 常用的筛选实验,第三节 析因设计 Factorial Designs,一、 概述,析因设计是科学研究中常用的设计方法,是一种包含各因素在各种水平下的处理组合的实验设计。在析因实验中,每一次完全试验或每一次重复中因素的所有可能的水平组合部被研究到。 析因设计实验可以是由水平数不相等的因素组成,更多的情况下,为了便于计算,往往选择水平数相等的因素进行实验,本节将主要介绍水平数相等的析因设计。,A、B两因素在不同水
7、平下的析因设计,析因设计的有关术语,单独效应(simple effects):其它因素(factor)的水平(level)固定为某一值时,某一因素的效应。 主效应(main effects):某因素各单独效应的平均效应。对于2水平的试验,为某因素2个水平平均值的差。 交互作用(Interaction):某一因素效应随着另一因素变化而变化的情况。如一级交互作用AB、二级交互作用ABC。会掩盖主效应,要重新设计实验。,线性模型进行统计分析,方差分析,对于A、B因素析因设计实验的方差分解为: SSt=SSA+SSB+SSAB+SSE 其中,SSt、SSA、SSB、SSAB、SSE分别为总方差、A处理
8、方差、B处理方差、交互作用方差和误差方差。,统计方法,对主效应A: 对主效应B: 对交互作用AB:,二因素模型的统计分析,二因素析因设计的方差分析表,二因素析因设计每个观察只有一个值,无法估算交互作用,例1,在研究阿司匹林片剂时,考察了8%黏合剂淀粉浆A加入量分别为干粉重10%(A1)、20%(A2)和润滑剂硬脂酸镁B加入量分别为干颗粒重0.5%(B1)、1%(B2)在不同用量下对片剂崩解时间的影响。实验结果见下表。下图为崩解时间随因素A、B的变化情况。,黏合剂对阿司匹林片剂崩解时间的影响实验,A、B的主效应: A=(40+52)/2-(20+30)/2=21 B= (30+52)/2-(20
9、+40)/2=11,例2,在研究阿司匹林片剂时,考察了黏合剂10%聚维酮A加入量分别为干粉重20%(A1)、30%(A2)和润滑剂硬脂酸镁B加入量分别为干颗粒重0.5%(B1)、1%(B2)在不同用量下对片剂崩解时间的影响。实验结果见表。崩解时间随因素A、B的变化情况见图。,黏合剂对阿司匹林片剂崩解时间的影响实验,在药剂学中的应用,片剂处方筛选:Drug Dev Ind Pharm. 1991;17(10):1343-1371;Drug Dev Ind Pharm. 1991;17(17):2373-2389;Drug Dev Ind Pharm. 1999;25(11):1167-1176.
10、 微球处方、工艺:J Microencapsul. 2001; 18(5): 651-662;J Microencapsul. 2002;19(4):473-484. 流化床包衣:J Pharm Pharm Sci. 2002;5(3):272-278 混悬剂:Drug Dev Ind Pharm. 1996;22(7):623-630.,二、 2k析因设计,从前面的章节可以看出,k个2水平的因素的有2k处理组合,实验有2k观察值。 由于在未来的效应面设计中常常是2k +星点,因此,该设计具有重要意义。,22设计,22析因设计处理组合和对照系数,一个因素的平均效应定义为那因素的水平变化产生的响
11、应变 化在另一因素的水平上取平均值,22方差分析,23设计,(1)、a、b、 ab、 c、ac、bc、abc,23实验设计表,代数代码,一般的2k析因设计,列的对照及其方差分析,2k方差分析表,附加中心点的2k析因设计,例 1 Optimization of PLGA Nanoparticles Containing Itraconazole Using 23 Factorial Design AAPS PharmSciTech 2003; 4 (4) Article 71,PLGA Nanoparticles:biocompatible, biodegradable, and bioreso
12、rbable. PLGA nanoparticles can be formed by interfacial deposition following solvent displacement technique:First, the polymer, phospholipid mixture, and benzyl benzoate are dissolved in acetone. Then, the organic solution is poured into an aqueous phase containing a surfactant (eg, poloxamer) under
13、 moderate stirring. Acetone diffuses immediately into the aqueous phase, inducing the deposition and precipitation of the polymer around the oily droplets.,23析因设计:2次重复,中心重复5次 因素水平表,实验设计表,响应指标测定,Determination of Particle Size: By photon correlation spectroscopy (PCS) using an Autosizer IIC. For parti
14、cle size analysis, PGNI were dispersed in ultrapure water filtrated through a 0.22-m nylon membrane for minimizing dust. Measurements were carried out at 30C using a 632.8 nm laser at an angle of 90. Determination of Encapsulation Efficiency :After fil-tration through a sintered glass filter (porosi
15、ty 4, mesh size 5-15 m).,统计处理:Response Surface Analysis,粒径、载药量和包封率: 按ANOVA和回归分析:,优化处理,实验结果,方差分析结果,回归结果,各因素对粒径的影响,PLGA,benzyl benzoate and itraconazole 对粒径有显著影响 PLGA和itraconazole 有正性相互作用,P .001 PLGA and benzyl benzoate有负性相互作用,P .001 中心点有显著弯曲,但得到的回归方程仍具有良好的预测性(Table 5) 。,各因素对载药量的影响,PLGA,benzyl benzoat
16、e and itraconazole 对载药量有显著影响 benzyl benzoate提高,可以增加药物的溶解度,继而提高载药量 PLGA和itraconazole 有正性相互作用,P .001 itraconazole and benzyl benzoate有正性相互作用,P .001 中心点有显著弯曲,但得到的回归方程仍具有良好的预测性(Table 5) 。,Y1、y2、y3重叠图 Figure 3A: 300 Y1 (the particle size) 400; 450 Y2 (ITRAe) 550; and 60 Y3 (ITRAe %) 70. Figure 3B: 200 Y1
17、 (the particle size) 300; 450 Y2 (ITRAe) 550; and 60 Y3 (ITRAe %) 70.,优化,Using the desirability approach: the target of ITRAe 500 g/mL(450 550) g/mL; The parti-cle 300 - 400 nm; the ITRAe (%) 60% to 70% Four so-lutions were found. The solution having the highest overall desirability (D = 0.769) was
18、composed of 10 mg/mL of PLGA, 16.94 g/mL of benzyl benzoate, and 1001.01 g/mL of itraconazole. The desirability function response surface and contour plot are shown in Figures 4A and 4B, respectively. Verification of the predicted value was made by using nanoparticles prepared using the optimized co
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第四章 筛选实验 第四 筛选 实验
链接地址:https://www.31doc.com/p-3092014.html