《药剂科学中的实验设计法》徐嘉.ppt

2.4 均匀设计实验结果分析 UROS软件对实验数据按不同方法进行处理,给出以下拟和方程: 线性逐步回归方程:OD=0.9850-0.0036X1+00018X2-0.0007X3 (置信度:0.9256) 完全二次逐步回归方程:OD=1.0236-0.0030X1+0.0000X1X1-0.0000X2X3(置信度:0.9809) 带平方项的逐步回归方程:OD=1.0213-0.0037X1+0.0014X3+0.0000X2X2(置信度:0.9453) 选择优化方向为OD的最小值后,UROS经运算自动给出优化结果: 最小值:0.296；区间估计:0.2588～0.3330；自变量值X1=199.883；X2=20.154；X3=15.000 (优化精度:0.01) 由上述方程可知,X3对OD的影响较小。 如Fig.4-6所示,UROS软件绘制出了固定乳糖处方量为15mg时,HPMC和EC的不同组合对OD值的变化的影响。 最后确定的优化处方为HPMC:200mg；EC:20mg；乳糖:15mg。 3 析因设计 简单来讲就是多因素的交叉分组设计。将各因素 的每个水平都组合在一起，实验数=各因素水平数乘积 主要特点： 1 因素间独立的交互作用 2 无交互作用，可有效评价各因素主效应 3 各因素水平数为2或3，否则实验数大 3因素，每个因素2个水平 实验数=2 3=8 用最小二乘法进行多元逐步回归,得到描述各自变量和响 应值之间量化关系的方程: 方差分析结果可以看出A, B, C 和AB、AC 的对OD 发挥作用, 各因素影响强度顺序为: A C B AB 用SOLVER规划求解工具进行最优化求解,得出的优化处方为:A=160mg;B=40mg;C=30mg。 固定X2=40，X1和X2的变化 4 单纯形设计 单纯形设计中的配方可以对称地覆盖研究的区间 , 以便简单而有效地估计响应值, 特别适用于所试验的不同成分的总量是恒定的情况 [A]+[B]+[C]+……=1.0 ，常数项为0 （0,0,280） （140,0,140） （93,93,93） OD=0.0017A+0.0030B+0.0034C-9.78010-6A B+9.616 X 10-6XBXC-1.978X10-6XAXC-2.718X10-6XAXBXC 没有常数项 单纯形实验设计的等高线图 在图中选择 OD 值较低的区域, 得到各自变量的最优范围。 A =120mg, B=120mg, C=40mg 5 CCD设计 中心多点等距设在析因设计的基础上,增加了轴点和中心点, 扩大了试验设计的水平范围 , 可在增加少量试验次数的情况下,对各因素的更多水平进行考察。 特点：增加了二次项 图 二次多元回归方程预测的 OD 值响应曲面 (分别以HPMC, EC 和乳糖中 的两者为变量 ) 利用 RSM 法确定优化处方为 HPMC: 190mg, EC: 80mg, 乳糖:19mg。 讨论 1. 优化设计方法之间的关系 各优化方法间的发展衍生关系如图1所示。 图1.各种统计学优化实验方法的相互关系示意图 1）析因设计将实验中的各因素各水平进行交叉分组排列, 是最经典的统计学优化方法。 a) 它特点是考察全面, 可利用方差分析对各单因素的影响及其交互作用的程度进行分析, 并利用多元回归方程进行线性预测。 b) 其缺点是随着因素及水平的增加, 试验次数呈指数级急剧上升, 导致考察因素和指标受限。 c) 析因设计的取样点图片如图7. 2) 正交设计和均匀设计是在析因设计基础上发展起来的, 采用不同的数学原理进行了简化, 大幅减少了试验的次数。 a) 正交设计只能对各单因素进行考察, 对各因素间的交互作用则无能为力。 b) 均匀设计则由于极大地进行了简化, 以至无法进行方差分析,只能用统计数学方法进行线性拟和。 c) 正交设计和均匀设计取样点图片如图8.9. 3) 单纯形设计是析因试验设计的一种变化形式,它是专门针对处方总量为固定值的情况的优化设计方案。 a) 图10. 单纯形设计取样点 4) CCD设计是对析因设计的新的发展,它通过在传统的析因设计试围之外增加轴点,在其内增加中心点,来达到用较少的实验数,对多因素的尽可能多的水平进行考察的目的。由于既保留了析因设计考察全面的特点,又扩展了它的考察范围,且采用了带曲率项的二次方程拟和,使得对实验的预测结果更为可信。 讨论2.多元回归方程的比较 经数据处理得到的多元回归方程可用来进行数据解析,分析各因素对响应影响的大小;还可利用回归方程进行优化,以获得最佳的处方及工艺条件;利用它还可以预测不同条件下的响应值。各优化方法拟和方程形