DOE实验软件实施方法、系统及设备与流程

doe实验软件实施方法、系统及设备
技术领域
1.本发明涉及生物技术领域，具体地说，涉及一种doe实验软件实施方法、系统及设备。


背景技术：

2.doe(design of experiment,试验设计)实验设计是一种统计学方法，它可以最小化实验次数，在对不同因素的组合进行测试时利于提高实验效率和成功率，比如在细胞工程、药物测试等领域，以及在培养基优化技术领域应用广泛。但目前该领域内并没有实现基于doe实验设计的标准化流程开发，也即实验设计和实验分析的标准化程度较低，这样就导致需要人工操作的时间和劳动力成本较高。
3.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

4.有鉴于此，本发明提供一种doe实验软件实施方法、系统及设备，利于提高基于doe实验方法设计的实验的实施效率。
5.根据本发明的一个方面，提供一种doe实验软件实施方法，包括以下步骤：
6.s110，获取用户输入的实验设计参数；所述实验设计参数包括多个初始自变量因子；
7.s120，自预设参考实验方法列表中，获取与所述实验设计参数匹配的至少一参考实验方法，并将所述参考实验方法展示给所述用户，以供用户选择；
8.s130，获取用户选中的参考实验方法，作为备选实验方法；
9.s140，基于所述实验设计参数和所述备选实验方法，生成训练样本集；
10.s150，基于所述训练样本集，对预设分析模型进行训练，获得目标分析模型；
11.s160，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；以及
12.s170，依据所述目标自变量因子对所述备选实验方法进行校正，获得目标实验方法。
13.可选地，步骤s110还包括：
14.获取用户选中的实验类别；所述实验类别为筛选实验或者优化分析实验；
15.所述方法包括：
16.当所述实验类别为筛选实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；
17.当所述实验类别为优化分析实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子及各所述目标自变量因子对应的取值区间；以及
18.依据所述目标自变量因子及各所述目标自变量因子对应的取值区间，对所述备选
实验方法进行校正，获得目标实验方法。
19.可选地，所述实验设计参数还包括初始因变量因子；步骤s160还包括：
20.基于所述目标分析模型预测得到目标因变量因子；
21.根据所述目标因变量因子对所述实验设计参数中的初始因变量因子进行校正。
22.可选地，步骤s150包括：
23.基于所述训练样本集，对预设分析模型进行多次训练；
24.在多次训练过程中，对每次训练得到的训练值进行记录；
25.在训练结束后，将记录的多个训练值进行展示，以供用户进行选择；
26.根据用户选中的训练值数据，对所述预设分析模型进行回滚，将回滚后的预设分析模型作为目标分析模型。
27.可选地，步骤s120包括：
28.获取所述实验设计参数中各个所述初始自变量因子对应的第一取值区间；
29.根据各个所述初始自变量因子对应的第一取值区间，自预设参考实验方法列表中筛选出匹配的至少一参考实验方法；其中，所述参考实验方法中自变量因子对应的第二取值区间包括所述初始自变量因子对应的第一取值区间。
30.可选地，步骤s120还包括：
31.获取匹配到的所述参考实验方法对应的每进行一次实验所需要的耗材，以及各所述耗材对应的消耗量；
32.获取各所述耗材对应的当前库存量；
33.根据所述消耗量和所述当前库存量，确定匹配到的每一参考实验方法对应的能够进行的实验次数；
34.将各所述参考实验方法和对应的实验次数展示给所述用户。
35.可选地，步骤s120还包括：
36.将匹配到的各所述参考实验方法中自变量因子对应的第二取值区间展示给所述用户。
37.可选地，所述实验设计参数还包括初始因变量因子；所述当所述实验类别为优化分析实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子及各所述目标自变量因子对应的取值区间，包括：
38.在所述目标分析模型进行优化分析实验过程中，获取关于初始因变量因子的综合性残差检验图和残差正态分布概率图；
39.将所述综合性残差检验图和所述残差正态分布概率图展示给所述用户，以使用户对所述初始因变量因子进行再次筛选。
40.可选地，所述实验设计参数还包括初始自变量因子类别、初始因变量因子以及所述初始因变量因子对应的变化趋势，所述初始因变量因子对应的变化趋势为越来越大或者越来越小。
41.可选地，所述预设分析模型是线性回归模型，和/或所述预设参考实验方法列表中的参考实验方法均为doe实验设计方法。
42.根据本发明的另一个方面，提供一种doe实验软件实施系统，用于实现上述任一doe实验软件实施方法，包括：
43.实验设计参数获取模块，获取用户输入的实验设计参数；所述实验设计参数包括多个初始自变量因子；
44.参考实验方法筛选模块，自预设参考实验方法列表中，获取与所述实验设计参数匹配的至少一参考实验方法，并将所述参考实验方法展示给所述用户，以供用户选择；
45.备选实验方法确定模块，获取用户选中的参考实验方法，作为备选实验方法；
46.训练样本集生成模块，基于所述实验设计参数和所述备选实验方法，生成训练样本集；
47.目标分析模型生成模块，基于所述训练样本集，对预设分析模型进行训练，获得目标分析模型；
48.自变量因子筛选模块，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；以及
49.目标实验方法生成模块，依据所述目标自变量因子对所述备选实验方法进行校正，获得目标实验方法。
50.本发明还提供了一种doe实验软件实施设备，包括：
51.处理器；
52.存储器，其中存储有所述处理器的可执行程序；
53.其中，所述处理器配置为经由执行所述可执行程序来执行上述任意一项doe实验软件实施方法的步骤。
54.本发明还提供了一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现上述任意一项doe实验软件实施方法的步骤。
55.本发明与现有技术相比的有益效果在于：
56.本发明提供的doe实验软件实施方法、系统及设备提高了基于doe实验设计方法的生物实验流程的标准化和自动化程度，减少了需要人工操作的时间和劳动力成本，利于提高doe实验实施效率。
附图说明
57.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
58.图1为本发明一实施例公开的一种doe实验软件实施方法的流程示意图；
59.图2为本发明另一实施例公开的一种doe实验软件实施方法的流程示意图；
60.图3为本发明另一实施例公开的一种doe实验软件实施方法的流程示意图；
61.图4为本发明另一实施例公开的一种doe实验软件实施方法中步骤s150的流程示意图；
62.图5为本发明另一实施例公开的一种doe实验软件实施方法的流程示意图；
63.图6为本发明另一实施例公开的一种doe实验软件实施方法中步骤s120的流程示意图；
64.图7为本发明一实施例公开的一种doe实验软件实施系统的结构示意图；
65.图8为本发明一实施例公开的一种doe实验软件实施设备的结构示意图。
具体实施方式
66.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
67.如图1所示，本发明一实施例公开了一种doe实验软件实施方法，该方法实施于一基于doe实验设计方法的软件系统中。该方法包括以下步骤：
68.s110，获取用户输入的实验设计参数。具体而言，本实施例于上述软件系统中提供一交互界面，该交互界面用于辅助用户实现对一些实验设计参数的交互操作。上述用户即为实验人员。本实施例中，上述实验设计参数包括初始自变量因子和初始因变量因子，还可以包括初始自变量因子类别以及初始因变量因子对应的变化趋势。上述初始自变量因子比如可以包括质粒浓度、蛋白质含量等，初始因变量因子比如可以包括载药量、和/或细胞生长度、和/或细胞生长浓度等。初始自变量因子类别比如可以为数字量化类、属性类等。本发明不以此为限。
69.初始因变量因子对应的变化趋势也即为实验目的，初始因变量因子对应的变化趋势可以为越来越大或者越来越小。也即，当初始因变量因子对应的变化趋势为越来越大时，也即表示因变量在后续模型迭代过程中越大时，模型对应效果就越好。当初始因变量因子对应的变化趋势为越来越小时，也即表示因变量在后续模型迭代过程中越小时，模型对应效果就越好。本发明不以此为限。
70.s120，自预设参考实验方法列表中，获取与上述实验设计参数匹配的至少一参考实验方法，并将上述参考实验方法展示给用户，以供用户选择。具体来说，上述预设参考实验方法列表中具有多个参考实验方法，且预设参考实验方法列表中的参考实验方法均为doe实验设计方法。
71.匹配过程的实现，可以根据初始自变量因子的边界值即取值区间的上限值和取值区间的下限值进行匹配，也即上述初始自变量因子对应的边界值需要位于参考实验方法对应的边界值之内。示例性地，比如初始自变量因子对应的取值区间为[3,5]，参考实验方法对应的取值区间为[1,7]，由于取值区间[3,5]位于[1,7]之内，因此满足要求，用户输入的数据能够与该参考实验方法匹配成功。这样能够帮助用户快速准确地匹配到符合自己实验需求的doe实验设计方法，从而利于提高进行doe生物实验的效率和成功率。
[0072]
匹配过程的实现，还可以根据参考实验方法中的自变量和用户输入的上述初始自变量因子的相同个数进行匹配，也可以根据参考实验方法中的因变量和用户输入的上述初始因变量因子的相同个数进行匹配。本发明对此不作限制，本领域技术人员可根据需要进行选择。其中，匹配到的参考实验方法可以具有多个。
[0073]
s130，获取用户选中的参考实验方法，作为备选实验方法。本实施例中，上述备选实验方法仅具有一个。后续利用模型的迭代过程即为确定该备选实验方法里面的参数。在其他实施例中，上述备选实验方法也可以具有多个，然后用户可以根据各个备选实验方法的迭代效果选择最终的实验方法。本发明对此过程不作限制。并且，上述备选实验方法属于
doe实验设计方法。
[0074]
s140，基于上述实验设计参数和上述备选实验方法，生成训练样本集。具体而言，该步骤是基于一预设样本集模板实现的，该样本集模板中存在一些属性项比如自变量因子、因变量因子或者采用的实验方法等，是空缺的。然后可以将上述步骤获取到的实验设计参数和备选实验方法，填充至上述预设样本集模板的对应属性项中，从而得到训练样本集。
[0075]
s150，基于上述训练样本集，对预设分析模型进行训练，获得目标分析模型。该步骤即为预设分析模型的训练过程，其具体实现过程可参考现有技术，本实施例不再赘述。本实施例中，上述预设分析模型为线性回归模型，比如可以为ols(ordinary least squares,普通最小二乘法)模型，但本发明不以此为限。本领域技术人员可以根据需要进行设置。
[0076]
s160，根据上述目标分析模型，自上述初始自变量因子中筛选得到目标自变量因子。具体而言，也即结合用户输入的实验设计参数，利用上述目标分析模型进行预测，筛选出对实验结果有显著影响的因素，即得到目标自变量因子。
[0077]
s170，依据上述目标自变量因子对上述备选实验方法进行校正，获得目标实验方法。也即，将上述备选实验方法中的自变量因子替换为上述目标自变量因子，即可得到目标实验方法。然后用户即实验人员就可以根据目标实验方法进行doe生物实验。
[0078]
本实施例使用编程技术提高了实验设计和数据分析过程的自动化程度，减少了实验人员使用doe实验设计方法进行生物实验的时间和劳动力成本，从而利于提高实验人员使用doe实验设计方法实施生物实验的效率。
[0079]
在本技术的另一实施例中，公开了另一种doe实验软件实施方法。如图2所示，该方法在上述图1对应实施例的基础上，步骤s110替换为步骤s111：获取用户输入的实验设计参数，以及获取用户选中的实验类别。上述实验类别为筛选实验或者优化分析实验。其中，筛选实验是指筛选出对实验结果有显著影响的自变量因子。优化分析实验是指不仅筛选出对实验结果有显著影响的自变量因子，而且能够获得关于自变量因子的合适的取值区间。
[0080]
本实施例中，在步骤s150之后，还包括步骤：
[0081]
s151，判断上述实验类别是否为筛选实验。若是，则执行上述步骤s160和步骤s170。
[0082]
若否，也即实验类别为优化分析实验时，将上述步骤s160替换为步骤s161并执行，以及将步骤s170替换为步骤s171并执行；也即执行步骤s161和步骤s171。
[0083]
其中，步骤s161为：根据上述目标分析模型，自上述初始自变量因子中筛选得到目标自变量因子及各目标自变量因子对应的取值区间。
[0084]
步骤s171为：依据上述目标自变量因子及各目标自变量因子对应的取值区间，对上述备选实验方法进行校正，获得目标实验方法。具体而言，也即，将上述备选实验方法中的自变量因子以及自变量因子的取值区间，替换为上述目标自变量因子和各目标自变量因子对应的取值区间，即可得到目标实验方法。然后用户即实验人员就可以根据目标实验方法进行doe生物实验。
[0085]
在本技术的另一实施例中，公开了另一种doe实验软件实施方法。该方法在上述图1对应实施例的基础上，上述实验设计参数还包括初始因变量因子。如图3所示，步骤s160替换为步骤s162：根据上述目标分析模型，自上述初始自变量因子中筛选得到目标自变量因子；以及基于上述目标分析模型预测得到目标因变量因子；根据上述目标因变量因子对实
验设计参数中的初始因变量因子进行校正。
[0086]
具体而言，比如可以为将实验设计参数中的初始因变量因子全部替换为上述目标因变量因子，从而利于使用doe设计在最少的试验次数内找到有效的解决方案，比如确定最优的参数配比，从而利于提高doe实验效率和成功率。
[0087]
在本技术的另一实施例中，公开了另一种doe实验软件实施方法。
[0088]
如图4所示，该方法在上述图1对应实施例的基础上，步骤s150包括：
[0089]
s151，基于上述训练样本集，对预设分析模型进行多次训练。
[0090]
s152，在多次训练过程中，对每次训练得到的训练值进行记录。
[0091]
s153，在训练结束后，将记录的多个训练值进行展示，以供用户进行选择。以及
[0092]
s154，根据用户选中的训练值数据，对上述预设分析模型进行回滚，将回滚后的预设分析模型作为目标分析模型。
[0093]
具体而言，也即在利用上述生成的训练样本集训练预设分析模型时，支持用户进行训练结果回滚操作。本实施例为进行多次训练，并且对多次训练的训练结果分别进行记录。因为多次训练的过程中，训练结果并不一定是朝向越来越优的方向发展。比如，当训练结果先变的更好然后又逐渐变差时，这时候用户就可以通过观察记录下来的训练结果值，从而判断哪次训练结果更贴合自己的需求，然后进行选择。根据用户选中的训练结果进行回滚操作，将预设分析模型中的参数回滚至与该选中的训练结果对应的参数值，从而得到目标分析模型。
[0094]
也即，本实施例可以辅助实验人员选择合适的目标分析模型，从而准确确定最终的doe实验设计方法，利于提高doe实验效率和成功率。
[0095]
在本技术的另一实施例中，公开了另一种doe实验软件实施方法。
[0096]
如图5所示，该方法在上述图1对应实施例的基础上，步骤s120包括：
[0097]
s121，获取上述实验设计参数中各个初始自变量因子对应的第一取值区间。
[0098]
s122，根据各个初始自变量因子对应的第一取值区间，自预设参考实验方法列表中筛选出匹配的至少一参考实验方法，并将匹配到的参考实验方法展示给用户，以供用户选择。
[0099]
其中，上述匹配成功的参考实验方法的自变量因子对应的第二取值区间包括上述初始自变量因子对应的第一取值区间。也即，上述初始自变量因子对应的第一取值区间位于上述匹配成功的参考实验方法的自变量因子对应的第二取值区间之内。示例性地，比如初始自变量因子对应的第一取值区间为[3,5]，匹配成功的参考实验方法的自变量因子对应的第二取值区间为[1,7]，由于取值区间[3,5]位于[1,7]之内，因此满足要求，用户输入的数据能够与该参考实验方法匹配成功。
[0100]
本实施例能够帮助用户快速准确地匹配到符合自己实验需求的doe实验设计方法，从而利于提高进行doe生物实验的效率和成功率。
[0101]
作为一些可选实施例，在上述图5对应实施例的基础上，步骤s120还包括：将匹配到的各上述参考实验方法中自变量因子对应的第二取值区间展示给上述用户。这样可以便于用户选择上述第二取值区间与自己实验需求最匹配的参考实验方法，从而利于提高用户进行doe生物实验的效率和成功率。
[0102]
在一些实施例中，如图6所示，在上述图5对应实施例的基础上，步骤s120还包括：
[0103]
s123，获取匹配到的上述参考实验方法对应的每进行一次实验所需要的耗材，以及各个耗材对应的消耗量。
[0104]
s124，获取各上述耗材对应的当前库存量。
[0105]
s125，根据上述消耗量和上述当前库存量，确定匹配到的每一参考实验方法对应的能够进行的实验次数。以及
[0106]
s126，将各上述参考实验方法和对应的实验次数展示给用户。
[0107]
具体而言，也即获取各参考实验方法每进行一次实验所需要的耗材量，以及对应耗材的库存量，从而确定每一参考实验方法当前条件能够允许进行实验的次数。这样将各个参考实验方法和对应的实验次数展示给用户之后，从而便于用户能够更准确选择与自己实验需求匹配的参考实验方法，从而利于提高用户进行doe生物实验的效率和成功率。
[0108]
在本技术的另一实施例中，公开了另一种doe实验软件实施方法。该方法在上述图2对应实施例的基础上，上述步骤s161包括：
[0109]
在上述目标分析模型进行优化分析实验过程中，获取关于初始因变量因子的综合性残差检验图和残差正态分布概率图。以及
[0110]
将上述综合性残差检验图和上述残差正态分布概率图展示给上述用户，以使用户对上述初始因变量因子进行再次筛选。
[0111]
具体而言，本实施例使用数学统计方法分析整个实验过程中的可能存在的异常数据，依据此来对初始因变量因子进行再次筛选，从而便于用户能够更准确选择与自己实验需求匹配的目标实验方法，从而利于提高用户进行doe生物实验的效率和成功率。
[0112]
需要说明的是，本技术中公开的上述所有实施例可以进行自由组合，组合后得到的技术方案也在本技术的保护范围之内。
[0113]
本发明另一实施例还公开了一种基于上述任一实施例获得的目标实验方法也即doe实验方法，来进行优化细胞培养基配方的技术方案，以提高细胞培养效率。
[0114]
具体而言，细胞培养是生物学和医学领域中的重要研究方法。细胞培养通常涉及将细胞种子放置在培养基中，从而提供充分的养分和适宜的环境，使细胞能够在体外生长和繁殖。为了提高细胞的生长和繁殖效率，优化细胞培养基配方成为一个关键的问题，尤其是在药物研发和生物医学工程领域中。
[0115]
在细胞培养中，培养基是一个重要的因素，它提供细胞所需的营养物和适宜的环境条件。因此，通过改变培养基中不同成分的浓度和组成，可以优化培养基配方，以提高细胞生长效率和产量，同时降低成本和时间，也可以使生产过程更加可控和稳定。这对于生物制药、生物反应器工程和细胞研究等许多领域来说，都有着重要的应用价值。
[0116]
本实施例中用于实现优化培养基配方的生物实验流程包括以下六个步骤：
[0117]
第一步，数据准备：
[0118]
考虑到必需氨基酸浓度、糖浓度和培养液ph对细胞生长的影响，这三个因素作为自变量因子。其中，必需氨基酸浓度的取值区间为：50-150mg/l，糖浓度的取值区间为：10-30g/l，培养液ph的取值区间为：6.5-7.5。
[0119]
第二步，创建实验设计：
[0120]
由于每个自变量因子需要设置三个水平(也即高、中、低)，因此需要设置中心点，其他实验设置不做任何限制。该方案的目的是提高细胞培养效率，因此采用的实验设计为
rsm(response surface methodology,响应曲面)设计，并且本实施例一共进行15次实验。
[0121]
第三步，数据检验：
[0122]
将记录好的细胞生长数量和细胞密度写入响应值，用来判断细胞的培养效率，检查所有的细胞的生长数量和细胞密度，来判断数据是否呈正态分布，以及判断数据的可靠性是否足以支撑实验的信服程度。
[0123]
第四部，构建模型：
[0124]
根据ols回归模型，最终构建出一个关于细胞生长度和浓度～必要氨基酸浓度+糖浓度+培养液ph之间关系的模型。
[0125]
第五步，模型分析：
[0126]
因为已经确定了所有的影响因素均为必须的，所以可以直接查看模型指标的评估效果。评估后确定出：模型的拟合程度0.88、模型的预测程度0.8、模型的有效性0.45、模型的复现性0.6。根据这几个指标确认生成的模型是可用的。根据t值分析和方差分析查看每一种因素对于最终结果的影响。
[0127]
第六步，结果预测：
[0128]
在必需氨基酸浓度、糖浓度、培养液浓度的设置范围内，计算出细胞生长最快且密度最高的最佳组合，最终得到最佳的配方如下：
[0129]
必需氨基酸浓度：126mg/l；
[0130]
糖浓度：20.7g/l；
[0131]
培养液ph：7.13；
[0132]
在这些条件下，细胞生长的速率和细胞密度都有较大的提高，细胞生长的效率也得到明显的增强。
[0133]
这样得到了结论：使用rsm的方法找到了最优的培养基配方和操作条件，进一步提高了肝癌细胞培养过程中的细胞生长和繁殖效率。该实验说明，采用doe实验设计方法，可以在最少的试验次数内确定最优的参数配比，并找到有效的解决方案，从而大大提高实验效率和成功率，并在细胞工程、药物测试等领域应用广泛。
[0134]
本实施例泛化了常规实验设计的输入和输出，以便于进行多种实验设计方法的对比，增加了数据检验以及数据分析来完成数学建模的构建，以达到实验人员的最终目的，同时也大大提高了生物实验效率。
[0135]
本实施例实现了第一：使用编程技术可以将实验设计和数据分析过程自动化，从而减少了手工操作的时间和劳动力成本，提高了实验设计和数据分析的标准化程度；
[0136]
第二：使用编程技术可以追溯实验设计和数据处理的过程，以及得出结论的过程，从而确保实验结果的可重复性和可靠性；
[0137]
第三：使用编程技术可以灵活选择并结合各种统计学和机器学习技术，方法多样化，以实现更加准确和高效的实验设计和数据分析。
[0138]
如图7所示，本发明一实施例还公开了一种doe实验软件实施系统7，该系统包括：
[0139]
实验设计参数获取模块71，获取用户输入的实验设计参数。上述实验设计参数包括多个初始自变量因子。
[0140]
参考实验方法筛选模块72，自预设参考实验方法列表中，获取与上述实验设计参数匹配的至少一参考实验方法，并将上述参考实验方法展示给上述用户，以供用户选择。
[0141]
备选实验方法确定模块73，获取用户选中的参考实验方法，作为备选实验方法。
[0142]
训练样本集生成模块74，基于上述实验设计参数和上述备选实验方法，生成训练样本集。
[0143]
目标分析模型生成模块75，基于上述训练样本集，对预设分析模型进行训练，获得目标分析模型。
[0144]
自变量因子筛选模块76，根据上述目标分析模型，自上述初始自变量因子中筛选得到目标自变量因子。以及
[0145]
目标实验方法生成模块77，依据上述目标自变量因子对上述备选实验方法进行校正，获得目标实验方法。
[0146]
可以理解的是，本发明的doe实验软件实施系统还包括其他支持doe实验软件实施系统运行的现有功能模块。图7显示的doe实验软件实施系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0147]
本实施例中的doe实验软件实施系统用于实现上述的doe实验软件实施的方法，因此对于doe实验软件实施系统的具体实施步骤可以参照上述对doe实验软件实施的方法的描述，此处不再赘述。
[0148]
本发明一实施例还公开了一种doe实验软件实施设备，包括处理器和存储器，其中存储器存储有所述处理器的可执行程序；处理器配置为经由执行可执行程序来执行上述doe实验软件实施方法中的步骤。图8是本发明公开的doe实验软件实施设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0149]
如图8所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
[0150]
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述doe实验软件实施方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
[0151]
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
[0152]
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0153]
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0154]
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，
例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。
[0155]
本发明还公开了一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述doe实验软件实施方法中的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述doe实验软件实施方法中描述的根据本发明各种示例性实施方式的步骤。
[0156]
如上所示，该实施例的计算机可读存储介质的程序在执行时，提高了基于doe实验设计方法的生物实验流程的标准化和自动化程度，减少了需要人工操作的时间和劳动力成本，利于提高doe实验实施效率。
[0157]
本发明一实施例公开了一种计算机可读存储介质。该存储介质是实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0158]
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0159]
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0160]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0161]
本发明实施例提供的doe实验软件实施方法、系统、设备及存储介质提高了基于doe实验设计方法的生物实验流程的标准化和自动化程度，减少了需要人工操作的时间和
劳动力成本，利于提高doe实验实施效率。
[0162]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

技术特征：
1.一种doe实验软件实施方法，其特征在于，包括以下步骤：s110，获取用户输入的实验设计参数；所述实验设计参数包括多个初始自变量因子；s120，自预设参考实验方法列表中，获取与所述实验设计参数匹配的至少一参考实验方法，并将所述参考实验方法展示给所述用户，以供用户选择；s130，获取用户选中的参考实验方法，作为备选实验方法；s140，基于所述实验设计参数和所述备选实验方法，生成训练样本集；s150，基于所述训练样本集，对预设分析模型进行训练，获得目标分析模型；s160，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；以及s170，依据所述目标自变量因子对所述备选实验方法进行校正，获得目标实验方法。2.如权利要求1所述的doe实验软件实施方法，其特征在于，步骤s110还包括：获取用户选中的实验类别；所述实验类别为筛选实验或者优化分析实验；所述方法包括：当所述实验类别为筛选实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；当所述实验类别为优化分析实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子及各所述目标自变量因子对应的取值区间；以及依据所述目标自变量因子及各所述目标自变量因子对应的取值区间，对所述备选实验方法进行校正，获得目标实验方法。3.如权利要求1所述的doe实验软件实施方法，其特征在于，所述实验设计参数还包括初始因变量因子；步骤s160还包括：基于所述目标分析模型预测得到目标因变量因子；根据所述目标因变量因子对所述实验设计参数中的初始因变量因子进行校正。4.如权利要求1所述的doe实验软件实施方法，其特征在于，步骤s150包括：基于所述训练样本集，对预设分析模型进行多次训练；在多次训练过程中，对每次训练得到的训练值进行记录；在训练结束后，将记录的多个训练值进行展示，以供用户进行选择；根据用户选中的训练值数据，对所述预设分析模型进行回滚，将回滚后的预设分析模型作为目标分析模型。5.如权利要求1所述的doe实验软件实施方法，其特征在于，步骤s120包括：获取所述实验设计参数中各个所述初始自变量因子对应的第一取值区间；根据各个所述初始自变量因子对应的第一取值区间，自预设参考实验方法列表中筛选出匹配的至少一参考实验方法；其中，所述参考实验方法中自变量因子对应的第二取值区间包括所述初始自变量因子对应的第一取值区间。6.如权利要求5所述的doe实验软件实施方法，其特征在于，步骤s120还包括：获取匹配到的所述参考实验方法对应的每进行一次实验所需要的耗材，以及各所述耗材对应的消耗量；获取各所述耗材对应的当前库存量；根据所述消耗量和所述当前库存量，确定匹配到的每一参考实验方法对应的能够进行
的实验次数；将各所述参考实验方法和对应的实验次数展示给所述用户。7.如权利要求5所述的doe实验软件实施方法，其特征在于，步骤s120还包括：将匹配到的各所述参考实验方法中自变量因子对应的第二取值区间展示给所述用户。8.如权利要求2所述的doe实验软件实施方法，其特征在于，所述实验设计参数还包括初始因变量因子；所述当所述实验类别为优化分析实验时，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子及各所述目标自变量因子对应的取值区间，包括：在所述目标分析模型进行优化分析实验过程中，获取关于初始因变量因子的综合性残差检验图和残差正态分布概率图；将所述综合性残差检验图和所述残差正态分布概率图展示给所述用户，以使用户对所述初始因变量因子进行再次筛选。9.如权利要求1所述的doe实验软件实施方法，其特征在于，所述实验设计参数还包括初始自变量因子类别、初始因变量因子以及所述初始因变量因子对应的变化趋势，所述初始因变量因子对应的变化趋势为越来越大或者越来越小。10.如权利要求1所述的doe实验软件实施方法，其特征在于，所述预设分析模型是线性回归模型，和/或所述预设参考实验方法列表中的参考实验方法均为doe实验设计方法。11.一种doe实验软件实施系统，用于实现如权利要求1所述的doe实验软件实施方法，其特征在于，包括：实验设计参数获取模块，获取用户输入的实验设计参数；所述实验设计参数包括多个初始自变量因子；参考实验方法筛选模块，自预设参考实验方法列表中，获取与所述实验设计参数匹配的至少一参考实验方法，并将所述参考实验方法展示给所述用户，以供用户选择；备选实验方法确定模块，获取用户选中的参考实验方法，作为备选实验方法；训练样本集生成模块，基于所述实验设计参数和所述备选实验方法，生成训练样本集；目标分析模型生成模块，基于所述训练样本集，对预设分析模型进行训练，获得目标分析模型；自变量因子筛选模块，根据所述目标分析模型，自所述初始自变量因子中筛选得到目标自变量因子；以及目标实验方法生成模块，依据所述目标自变量因子对所述备选实验方法进行校正，获得目标实验方法。12.一种doe实验软件实施设备，其特征在于，包括：处理器；存储器，其中存储有所述处理器的可执行程序；其中，所述处理器配置为经由执行所述可执行程序来执行权利要求1至10中任意一项所述doe实验软件实施方法的步骤。

技术总结
本发明提供了一种DOE实验软件实施方法、系统及设备，所述方法包括步骤：获取用户输入的实验设计参数；自预设参考实验方法列表中，获取与实验设计参数匹配的至少一参考实验方法，并将参考实验方法展示给用户，以供用户选择；获取用户选中的参考实验方法，作为备选实验方法；基于实验设计参数和备选实验方法，生成训练样本集；基于训练样本集，对预设分析模型进行训练，获得目标分析模型；根据目标分析模型，自初始自变量因子中筛选得到目标自变量因子；以及依据目标自变量因子对备选实验方法进行校正，获得目标实验方法；本发明提高了基于DOE实验设计方法的生物实验流程的标准化和自动化程度，利于提高DOE实验实施效率。利于提高DOE实验实施效率。利于提高DOE实验实施效率。


技术研发人员：王逢 张越 孙兰超 程亚飞 李朝东
受保护的技术使用者：上海乐纯生物技术股份有限公司
技术研发日：2023.06.20
技术公布日：2023/9/7