factor Z

Medida del tamaño del efecto estadístico.

El factor Z es una medida del tamaño del efecto estadístico . Se ha propuesto su uso en la detección de alto rendimiento (HTS), donde también se lo conoce como Z-prime, ^[1] para juzgar si la respuesta en un ensayo en particular es lo suficientemente grande como para merecer mayor atención.

Fondo

En HTS, los experimentadores suelen comparar una gran cantidad (cientos de miles a decenas de millones) de mediciones únicas de muestras desconocidas con muestras de control positivas y negativas . La elección particular de condiciones y mediciones experimentales se denomina ensayo. Las pantallas grandes son caras en tiempo y recursos. Por lo tanto, antes de iniciar una prueba grande, se utilizan pantallas de prueba (o piloto) más pequeñas para evaluar la calidad de un ensayo, en un intento de predecir si sería útil en un entorno de alto rendimiento. El factor Z es un intento de cuantificar la idoneidad de un ensayo particular para su uso en un HTS a gran escala.

Definición

factor Z

El factor Z se define en términos de cuatro parámetros: las medias ( ) y las desviaciones estándar ( ) de las muestras (s) y los controles (c). Dados estos valores ( , y , ), el factor Z se define como: ${\displaystyle \mu }$ ${\displaystyle \sigma }$ ${\displaystyle \mu _{s}}$ ${\displaystyle \sigma _{s}}$ ${\displaystyle \mu _{c}}$ ${\displaystyle \sigma _{c}}$

${\displaystyle {\text{Z-factor}}=1-{3(\sigma _{s}+\sigma _{c}) \over |\mu _{s}-\mu _{c}|}}$

Para ensayos de tipo agonista/activación, los datos del control (c) ( , ) en la ecuación se sustituyen por los datos del control positivo (p) ( , ) que representan la señal activada máxima; para ensayos de tipo antagonista/inhibición, los datos del control (c) ( , ) en la ecuación se sustituyen por los datos del control negativo (n) ( , ) que representan una señal mínima. ${\displaystyle \mu _{c}}$ ${\displaystyle \sigma _{c}}$ ${\displaystyle \mu _{p}}$ ${\displaystyle \sigma _{p}}$ ${\displaystyle \mu _{c}}$ ${\displaystyle \sigma _{c}}$ ${\displaystyle \mu _{n}}$ ${\displaystyle \sigma _{n}}$

En la práctica, el factor Z se estima a partir de las medias muestrales y las desviaciones estándar muestrales.

${\displaystyle {\text{Estimated Z-factor}}=1-{3({\hat {\sigma }}_{s}+{\hat {\sigma }}_{c}) \over |{\hat {\mu }}_{s}-{\hat {\mu }}_{c}|}}$

factor Z'

El factor Z' (factor Z primo) se define en términos de cuatro parámetros: las medias ( ) y las desviaciones estándar ( ) de los controles positivos (p) y negativos (n) ( , y ) . Dados estos valores, el factor Z' se define como: ${\displaystyle \mu }$ ${\displaystyle \sigma }$ ${\displaystyle \mu _{p}}$ ${\displaystyle \sigma _{p}}$ ${\displaystyle \mu _{n}}$ ${\displaystyle \sigma _{n}}$

${\displaystyle {\text{Z'-factor}}=1-{3(\sigma _{p}+\sigma _{n}) \over |\mu _{p}-\mu _{n}|}}$

El factor Z' es un parámetro característico del propio ensayo, sin intervención de las muestras.

Interpretación

El factor Z define un parámetro característico de la capacidad de identificación de aciertos para cada ensayo determinado. La siguiente categorización de la calidad del ensayo HTS por el valor del factor Z es una modificación de la Tabla 1 que se muestra en Zhang et al. (1999); ^[2] tenga en cuenta que el factor Z no puede exceder uno.

Tenga en cuenta que, según los estándares de muchos tipos de experimentos, un factor Z cero sugeriría un tamaño de efecto grande, en lugar de un resultado casi inútil como se sugirió anteriormente. Por ejemplo, si σ _p =σ _n =1, entonces μ _p =6 y μ _n =0 dan un factor Z cero. Pero para datos distribuidos normalmente con estos parámetros, la probabilidad de que el valor de control positivo sea menor que el valor de control negativo es menor de 1 en 10 ⁵ . Se utiliza un conservadurismo extremo en la detección de alto rendimiento debido a la gran cantidad de pruebas realizadas.

Limitaciones

El factor constante 3 en la definición del factor Z está motivado por la distribución normal , para la cual más del 99% de los valores ocurren dentro de tres veces las desviaciones estándar de la media. Si los datos siguen una distribución muy anormal, los puntos de referencia (por ejemplo, el significado de un valor negativo) pueden ser engañosos.

Otro problema es que las estimaciones habituales de la media y la desviación estándar no son sólidas ; en consecuencia, muchos usuarios de la comunidad de detección de alto rendimiento prefieren el "Robust Z-prime", que sustituye la mediana por la media y la desviación absoluta mediana por la desviación estándar. ^[3] Los valores extremos (valores atípicos) en los controles positivos o negativos pueden afectar negativamente al factor Z, lo que podría conducir a un factor Z aparentemente desfavorable incluso cuando el ensayo funcionaría bien en la detección real. ^[4] Además, la aplicación del criterio único basado en el factor Z a dos o más controles positivos con diferentes concentraciones en el mismo ensayo conducirá a resultados engañosos. ^[5] El signo absoluto en el factor Z hace que sea inconveniente derivar matemáticamente la inferencia estadística del factor Z. ^[6] Un parámetro estadístico propuesto recientemente, la diferencia de medias estrictamente estandarizada ( SSMD ), puede abordar estos problemas. ^{[5] [6] [7]} Una estimación de SSMD es robusta ante valores atípicos.

Ver también

• proyección de alto impacto
• SSMD
• Puntuación Z o puntuación estándar

Referencias

1. "Orbitrap LC-MS - EE. UU.". termofisher.com .
2. Zhang, JH; Chung, TDY; Oldenburg, KR (1999). "Un parámetro estadístico simple para su uso en la evaluación y validación de ensayos de detección de alto rendimiento". Revista de cribado biomolecular . 4 (2): 67–73. doi : 10.1177/108705719900400206 . PMID  10838414. S2CID  36577200.
3. Birmingham, Amanda; et al. (Agosto de 2009). "Métodos estadísticos para el análisis de pantallas de interferencia de ARN de alto rendimiento". Métodos Nat . 6 (8): 569–575. doi :10.1038/nmeth.1351. PMC 2789971 . PMID  19644458. 
4. Sui Y, Wu Z (2007). "Parámetro estadístico alternativo para la evaluación de la calidad de los ensayos de detección de alto rendimiento". Revista de cribado biomolecular . 12 (2): 229–34. doi : 10.1177/1087057106296498 . PMID  17218666.
5. Zhang XHD, Espeseth AS, Johnson E, Chin J, Gates A, Mitnaul L, Marine SD, Tian J, Stec EM, Kunapuli P, Holder DJ, Heyse JF, Stulovici B, Ferrer M (2008). "Integración de enfoques experimentales y analíticos para mejorar la calidad de los datos en pantallas de ARNi de todo el genoma". Revista de cribado biomolecular . 13 (5): 378–89. doi : 10.1177/1087057108317145 . PMID  18480473. S2CID  22679273.
6. Zhang, XHD (2007). "Un par de nuevos parámetros estadísticos para el control de calidad en ensayos de detección de alto rendimiento de interferencia de ARN". Genómica . 89 (4): 552–61. doi :10.1016/j.ygeno.2006.12.014. PMID  17276655.
7. Zhang, XHD (2008). "Nuevos criterios analíticos y diseños de placas eficaces para el control de calidad en pantallas de ARNi de todo el genoma". Revista de cribado biomolecular . 13 (5): 363–77. doi : 10.1177/1087057108317062 . PMID  18567841. S2CID  12688742.

Otras lecturas

• Kraybill, B. (2005) "Evaluación y optimización de ensayos cuantitativos" (nota no publicada)
• Zhang XHD (2011) "Detección óptima de alto rendimiento: diseño experimental práctico y análisis de datos para la investigación de ARNi a escala del genoma, Cambridge University Press"