通过PB法与响应面法选择最佳试验条件

275932488

【转帖】在实验室工作中，往往为了寻找某个最优的条件以期达到做大参出或者最小投入进行不停的探索。当影响因素较多时，大量的重复试验会让你无从下手。那么如果有一个合适的试验设计，将会让从中解脱出来，用较少的试验和时间，找到最优的条件。常常采用Plackett-Burman试验设计法及响应面法分析。

Plackett-Burman设计法
       Plackett-Burman设计法是一种两水平的试验设计方法，它试图用最少试验次数达到使因素的主效果得到尽可能精确的估计，适用于从众多的考察因素中快速有效地筛选出最为重要的几个因素，供进一步研究用 。对于N次实验至多可研究(N一1)个因素，但实际因素应该要少于N-1个，至少要有1个虚构变量用以估计误差。每个因素取两个水平：低水平为原始培养条件，高水平约取低水平的1.25倍。但对某些因素高低水平的差值不能过大，以防掩盖了其他因素的重要性，应依实验条件而定。对实验结果进行分析，得出各因素的t-值和可信度水平（采用回归法）。一般选择可信度大于9O%(或85%)以上的因素作为重要因素。

PB方法主要通过对每个因子取两水平来进行分析，通过比较各个因子两水平的差异与整体的差异来确定因子的显著性。筛选试验设计不能区分主效应与交互作用的影响，但对显著影响的因子可以确定出来，从而达到筛选的目的，避免在后期的优化试验中由于因子数太多或部分因子不显著而浪费试验资源。

应用步骤
1.确定因子
根据经验、常识、历史数据等确认试验模型的因子，注意可以尽量的多取，只要避免完全不可能的因子被选取就可以了。
2.选取水平
对每个因子选取合适的水平，在这里一定要注意水平选取的合适性，尽量的涵盖每个因子允许取值的最大空间，避免由于水平区间过小而反映不出实际的因子影响能力，但也要注意不能选太大。
3.设计PB试验实施表。
4.现场试验
根据设计方案安排试验，在进行试验时要尽量避免其它因素的影响而使试验失真。例如某变量受环境温度影响较大，但环境温度控制的可能性较小，必须将其固定在一个比较平稳的水平。
5.测量结果
测量结果前必须对测量系统进行评估，确保可接受后才能进行试验结果的测量，测量结果记录好，并注意对测量样板的编号与保存（个人经验）
6.分析结果，筛选出重要因素。

最陡爬坡实验
       响应面拟合方程只在考察的紧接区域里才充分近似真实情形，要先逼近最佳值区域后才能建立有效的响应面拟合方程。最陡爬坡法以实验值变化的梯度方向为爬坡方向，根据各因素效应值的大小确定变化步长，能快速、经济地逼近最佳值区域。
       由PlackeR-Burman实验结果设计主要因素的最陡爬坡路径，其中有显著正效应的因素，应增加；有显著负效应的因素，应减小。根据这3个因素效应大小的比例设定它们的变化方向及步长进行实验。可以得到最优条件可能所在的位置，以该条件为响应面实验的中心点。

响应面法分析
       响应面分析法(response surface analysis,RSA)是一种寻找多因素系统中最佳条件的数学统计方法，其中最常用的是Box—Behnken的中心组合设计原理。

由Box Behnken和Box—Wilson提出的中心组合设计适用于2至5个因素的优化实验。Box-Behnken设计法每个因素取3个水平，以(-1，0，1)编码。根据相应的实验表进行实验后，对数据进行二次回归拟合，得到带交互项和平方项的二次方程，分析各因素的主效应和交互效应，最后在一定的水平范围内求出最佳值。

常将上面PB筛选出来的3个（或4个）较重要的影响因素，进行3因素3水平的相应面分析试验。3水平一般设置为等距，根据因素数量确定析因点和零点。根据试验设计进行试验。结果分析，建立二次响应面回归模型，并进而寻求最优响应因子水平。并且可以得到响应面分析的等高线图和立体图。

应用领域
       寻找最佳条件、最佳产出、最低消耗，
       在微生物培养、发酵条件筛选、生产条件筛选、性能最佳化等领域都有广泛应用。