利用SoftMaxPro軟件分析心肌細胞球收縮
基于細胞的化合物篩選模型已變的越來越復雜，以展示生物系統的復雜性。活細胞成像和三維模型為活細胞的結構和細胞過程提供了有價值的見解。最近在開發代表人類不同種類組織的復雜類器官模型方面有了很大的進展，其中包括肝臟、胰腺、神經和心肌組織。心肌細胞球能夠在體外環境下收縮并且可對不同調控因子的影響作出反應。這里，我們將介紹一種包括成像和分析的實驗方法，此方法可用于監測體外心肌細胞球的跳動及其跳動模式特征。 在研究心肌細胞毒性的案例中，實時觀察到心肌細胞的跳動行為將使科學家們通過使用透射光、相差和熒光成像方式從單一實驗中獲得多參數結果。在藥物研發的早期階段篩選化合物毒性，能夠大大節約后期藥物對心血管副作用導致藥物研發失敗所產生的成本。 這促使了開發生物相關的、高通量、高內涵篩選工具如心肌細胞球。 高內涵篩選產生出大量需要快速和自動化分析的數據。SoftMax? Pro 軟件的數據導入功能可以讓您分析任何科學數據，包括高......閱讀全文
利用SoftMax Pro軟件分析心肌細胞球收縮
基于細胞的化合物篩選模型已變的越來越復雜，以展示生物系統的復雜性。活細胞成像和三維模型為活細胞的結構和細胞過程提供了有價值的見解。最近在開發代表人類不同種類組織的復雜類器官模型方面有了很大的進展，其中包括肝臟、胰腺、神經和心肌組織。心肌細胞球能夠在體外環境下收縮并且可對不同調控因子的影響作出反應
利用SoftMax Pro軟件分析心肌細胞球收縮
前言基于細胞的化合物篩選模型已變的越來越復雜，以展示生物系統的復雜性。活細胞成像和三維模型為活細胞的結構和細胞過程提供了有價值的見解。最近在開發代表人類不同種類組織的復雜類器官模型方面有了很大的進展，其中包括肝臟、胰腺、神經和心肌組織。心肌細胞球能夠在體外環境下收縮并且可對不同調控因子的影響作出反應
SoftMax Pro軟件驗證方案
對于在GLP或GMP實驗室工作的科研人員，SoftMax Pro軟件驗證方案提供了最為全面的記錄文檔和可用于驗證GxP管理員功能，軟件運行和分析能力的工具。驗證時間從6個月縮短至三天對于您實驗最重要的莫過于結果的重復性，可靠性和完整性，但要做到這些可能需要多達6個月的時間進行充足的實驗步驟的認證和記
如何在SoftMax Pro 7軟件中選擇最佳權重因子
前言 選擇合適的權重因子對于獲得最佳的曲線擬合至關重要, 獲得曲線擬合參數值使得曲線擬合模型盡可能接近真實的測量數據點。加權將會影響到每個濃度下數據點的影響程度和發揮的作用，或特定數據點或曲線某一部權重是對數據中誤差進行建模的一種方式，并且已經用于處理不同曲線的不同數據點的
如何在SoftMax Pro 7軟件中選擇最佳權重因子？（二）
結論利用 SSE 和 AIC 方法開發了檢測模板，在SoftMax Pro7 軟件中選擇的曲線擬合模型測試最常見的加權因子。這些統計測試有助于比較適用于不同加權因子的擬合度優化，可以自信選擇最適當的加權方式。然而，必須確保有足夠的數據點支撐來解釋其變化。參考文獻1. Gottschalk, P.,
如何在SoftMax Pro 7軟件中選擇最佳權重因子？（一）
前言選擇合適的權重因子對于獲得最佳的曲線擬合至關重要, 獲得曲線擬合參數值使得曲線擬合模型盡可能接近真實的測量數據點。加權將會影響到每個濃度下數據點的影響程度和發揮的作用，或特定數據點或曲線某一部權重是對數據中誤差進行建模的一種方式，并且已經用于處理不同曲線的不同數據點的絕對誤差的差異，如四參數
使用MD SoftMax Pro 7軟件進行平行線分析和相對活性..（二）
噪聲和權重噪聲是指檢測響應的隨機變化，當進行平行線評價時這是需要考慮的重要因素，因為它會影響檢測平行性的能力。在高噪聲的情況下，平行性計算值由于由于受噪聲的影響過大，因此無法再正確的反應非平行性的程度。對于 F- 檢驗和卡方檢驗法這兩種方法，在計算各自的概率值的過程中對于不同噪聲水平的處理能力是不同
SoftMax Pro 7.1 GxP企業版數據獲取和分析軟件說明書
SoftMax Pro 7.1 GxP企業版數據獲取和分析軟件 在GMP/GLP實驗條件下符合FDA指導方針的完整驗證工具及手段 優勢： ? 通過系統審計追蹤功能可以輕松跟蹤和記錄所有的改變 ? Microsoft SQL 數據庫能夠使軟件具有企業級別文檔共享能力
使用MD SoftMax Pro 7軟件進行平行線分析和相對活性..（一）
使用MD SoftMax Pro 7軟件進行平行線分析和相對活性評價介紹在生物實驗中要經常要使用到的平行線分析(PLA)方法，當無法直接檢測一個生物制品的活性而只能通過檢測其產生的效果時，PLA方法通常會被用來進行效應曲線的比較來獲得此制品的效果(Figure1)。如果對于兩種物質其生物響應相似或者
使用SoftMax Pro 7軟件選擇最佳的曲線擬合方式（二）
SSE 方法使用下面的公式進行分析：SSE= Σ wi (yi - yi)2。假設數據誤差是不相關的且符合正態分布，使 SSE 盡可能的最小能夠最大近似的估算數據模型的曲線公式參數。換句話說，最佳的曲線擬合方式是其參數能夠得到最小的 SSE。如果兩種擬合方式都能符合數據，那么哪個殘差圖給出了最小的