在大批量筛选过程中，实验员经常要对大量(十几万到几千万)的未知实验样本和阳性以及阴性对照做比较。大批量筛选费事也费资源。因此，在开始大批量筛选实验之前用户可以进行一个小规模(或尝试性)的实验，考察一下是否有必要进行大规模筛选。Z-因子用来衡量大范围、高速输出筛选实验的可行性。

FCS Express现在提供在自定义标记中使用的Z-轴功能，让用户可以方便地计算Z-因子。

本章节，我们将使用HighContent_CalculatingZPrime.fey版面，这个版面中已经嵌入了阳性和阴性的.fcs文件。我们将在这一节中使用标记和自定义标记。要想更多地了解如何使用标记，请查看“使用文本框和标记”教程。

 

1.请打开FCS Express Sample Data(FCS Express样本数据)目录下的HighContent_CalculatingZPrime.fey版面。

这时版面看起来应该如图T18.35所示。版面左边有一个阴性对照文件，右边有一个阳性对照文件。版面中也有一个文本框，在那里有一个Z-Factor的公式以及一个标记分类器。

 

Figure T18.35  High Content Calculating Z-Prime Layout

Figure T18.35  High Content Calculating Z-Prime Layout

2.点击NewAddCustom Tokens(自定义标记)窗口中的图标。
3.请把新的自定义标记命名为"Z Factor(Z因子)"。
4.请在输入自定义标记公式的下方点击鼠标左键。
5.请键入等号("=")。
6.请在等号后右键点击。
7.从弹出菜单选择Insert Function(插入函数)→Statistics(统计)选项。
8.从Statistics(统计)列表中选择列表中选择ZPrime([mean negative, SD negative, mean positive, sd positive])函数(图T18.36)。

 

Figure T18.36  Choosing the ZPrime function from the Functions List

Figure T18.36  Choosing the ZPrime function from the Functions List

 

10.请在公式域中选择mean negative(负数平均值)(图T18.36b)。
11.请右键点击高亮显示的文本，然后选择Insert Token(插入标记)(图T18.36b)。

 

Figure T18.36b - Insert Token option

Figure T18.36b - Insert Token option

 

12.双击Statistic(统计)。此时，Create Statistics(创建统计)窗口将出现(图T18.36c)。
13.请在数据源区域选择Negative Control(阴性对照)绘图作为数据源(图T18.36c)。

 

Figure T18.36c - The Create Satistics windows

Figure T18.36c - The Create Satistics windows

 

 

14.点击左边的Statistic(统计)选项。
15.在Gate(门)部分选择Negative Control gate(阴性对照门)，在Statistic(统计)部分选择X Arithmetic Mean(X轴算术平均)(图T18.37)。
16.点击OK。

 

Figure T18.37  Replacing Text in a function with a Token

Figure T18.37  Replacing Text in a function with a Token

 

17.请在公式域中高亮选中SD negative(SD 阴性)。
18.请右键点击高亮显示的文本，然后选择Insert Token(插入标记)。
19.双击Statistic(统计)。
20.选择Negative Control(阴性对照)绘图作为数据源。
21.点击左边的Statistic(统计)选项。
22.从下拉门列表中选择Negative Control Gate(阴性对照门)。
23.从Statistic(统计)列表框中选择X Standard Deviation(X轴标准偏差)。
24.点击OK。
25.请为"mean positive(阳性平均数)"和"SD positive(SD阳性)"重复第11步到第25步，请使用Positive Control(阳性对照)绘图作为数据源，Positive Control Gate(阳性对照门)作为门。

Z因子自定义标记公式现在看起来应该如图T18.38所示，其中的所有文本容器都被相应的标记所替代。

 

Figure T18.38  Z Factor Represented by the Z-Prime Function in FCS Express

Figure T18.38  Z Factor Represented by the Z-Prime Function in FCS Express

 

26.请在版面的文本框中的"The Z-Factor ="文本之后右键点击。
27.从弹出菜单选择Insert Token(插入标记)选项。
28.双击Custom(自定义)下的Z Factor(Z因子)。

文本框中的Z-因子自定义标记现在应该显示的值为0.00。

 

我们将使用文献Zhang JH, Chung TD, Oldenburg KR, A Simple Statistical Parameter for Use in Evaluation and Validation of High Throughput Screening Assays中的内容来阐述Z-因子的含义。J Biomol Screen.1999;4(2):67-73.

•Z-因子为1，非常理想。Z-因子永远不应该大于1.0。
•Z-因子在0.5到1.0之间表明这是一个很好的实验分析。
•Z-因子在0到0.5之间表明实验分析结果介于好和不好的边缘。
•Z-因子在0以下说明实验中的阳性对照和阴性对照有所交叠，这不太利于对实验样本进行筛检。

 

在这个版面上以及定义了一个自定义分类器来对Z-因子进行分类。要激活分类器标记：

29.右键点击##ERROR##，位于"The Assay Classification is"文本旁边。
30.从弹出菜单选择Format token(格式化标记)选项。此时，Edit Statistic Classifier(编辑统计分类器)窗口会出现。
31.请选择Classification(创建分类)项目。
32.点击T ButtonEnter a value to classify(输入一个值来分类)域中的图标。
33.双击Custom(自定义)下的Z Factor(Z因子)。

 

此时，Edit Statistic Classifier(编辑统计分类器)对话框应该看起来如图T18.39所示。

 

Figure T18.39  Changing the Classification Token to Z Factor

Figure T18.39  Changing the Classification Token to Z Factor

 

35.点击OK。

 

这时版面看起来应该如图T18.39b所示。因为该分类器的值为0.00，所以Assay Classification(实验分类器)显示Marginal(边界的)。

 

Figure T18.39b -  The High Content Calculating Z-Prime Layout with the Classification Token

Figure T18.39b -  The High Content Calculating Z-Prime Layout with the Classification Token

 

 

把阳性门调整到试样的不同区域将实时地更新Z因子以及实验分类器(图T18.40)。

 

Figure T18.40  Gating on the Sample Data Causes the Z Factor and Classification to Update in Real Time

Figure T18.40  Gating on the Sample Data Causes the Z Factor and Classification to Update in Real Time

www.denovosoftware.com