ELISA validation in the pharmaceutical industry: a mixed-effects models approach with R

Abstract

In the first part of this work, a methodology to gain insight into ELISA performance and finally obtain accuracy and precision estimates using linear mixed effects models is presented. Also, in the second part, non-linear mixed effects models are applied as a tool to establish parallelism between test and reference product preparations when conducting full dose-response assays. Overall, both linear and non-linear mixed effects have demonstrated to be complex yet extremely powerful and versatile tools. Great knowledge on the impact of potential nuisance factors has been extracted using the workflows presented and more precise estimates of important assay parameters have been established. The work has been developed in R statistical programming language which contributes to the potential of the framework itself.

En la primera part d'aquest treball demostra l'aplicació de models lineals d'efectes mixtes. En la segona part, s'apliquen models no lineals d'efectes mixtos com a eina per establir un paral·lelisme entre les preparacions de productes de prova i de referència en realitzar assajos de dosi-resposta complet. En general, tant els efectes mixtos lineals com els no lineals han demostrat ser eines complexes i extremadament potents i versàtils. S'han extret grans coneixements sobre l'impacte de factors que causen variabilitat utilitzant els fluxos descrits en el treball. El treball s'ha desenvolupat en un llenguatge de programació estadístic R que contribueix al potencial del propi marc.

En la primera parte de este trabajo demuestra la aplicación de modelos lineales de efectos mixtos. En la segunda parte, se aplican modelos no lineales de efectos mixtos como herramienta para establecer un paralelismo entre las preparaciones de productos de prueba y de referencia en realizar ensayos de dosis-respuesta completo. En general, tanto los efectos mixtos lineales como los no lineales han demostrado ser herramientas complejas y extremadamente potentes y versátiles. Se han extraído grandes conocimientos sobre el impacto de factores que causan variabilidad utilizando los flujos descritos en el trabajo. El trabajo se ha desarrollado en un lenguaje de programación estadístico R que contribuye al potencial del propio marco.