高スループット薬物スクリーニングのための堅牢な回帰

高スループットスクリーニング（HTS）データの効果的な分析には、多数のデータセットの用量反応曲線適合の自動化が必要です。外れ値を備えたデータセットは、標準的な非線形最小二乗法によってうまく処理されません。目視検査後の手動の外れ値除去は退屈で潜在的に偏っています。自動化された実装のための統計的手法として、M症状を介して堅牢な非線形回帰を提案します。繰り返し再重み付けされた最小二乗（IRLS）および結果として生じる最適化問題によるMエティメートを見つけるアプローチについて説明します。反復方法の初期パラメーターの推定値が重要であるため、モデルの自己開始方法が提示されます。Matlabで行われ、Matlab Excel Builder Toolkitを介してExcelアプリケーションとして展開されたソフトウェア実装の概要を説明します。M除経験の結果は、手動編集前後の最小二乗推定値と比較されます。

Effective analysis of high throughput screening (HTS) data requires automation of dose-response curve fitting for large numbers of datasets. Datasets with outliers are not handled well by standard non-linear least squares methods, and manual outlier removal after visual inspection is tedious and potentially biased. We propose robust non-linear regression via M-estimation as a statistical technique for automated implementation. The approach of finding M-estimates by Iteratively Reweighted Least Squares (IRLS) and the resulting optimization problem are described. Initial parameter estimates for iterative methods are important, so self-starting methods for our model are presented. We outline the software implementation, done in Matlab and deployed as an Excel application via the Matlab Excel Builder Toolkit. Results of M-estimation are compared with least squares estimates before and after manual editing.