Z-Faktor

Der Z-Faktor i​st ein Maß d​er statistischen Effektgröße. Es w​ird für d​ie Analyse v​on Hochdurchsatzverfahren genutzt, u​m zu entscheiden, o​b das Signal i​n einem speziellen Experiment groß g​enug ist, u​m weitere Untersuchungen durchzuführen.

Hintergrund

In Hochdurchsatzverfahren werden häufig mehrere Hunderttausend bis 10 Millionen Einzelmessungen von unbekannten Proben gegenüber Positiv- und Negativkontrollen durchgeführt. Die Wahl bestimmter experimenteller Bedingungen und Messverfahren wird "Assay" genannt. Analysen im großen Maßstab sind teuer und zeitaufwendig. Daher werden im Vorfeld Pilotexperimente im kleinen Maßstab durchgeführt, um die Aussagefähigkeit des Assays zu beurteilen. Der Z-Faktor ist ein Maß, um die Brauchbarkeit eines speziellen Assays im Hochdurchsatz einschätzen zu können.

Definition

Der Z-Faktor wird durch vier Parameter definiert: den Mittelwert und die Standardabweichung von Positiv- und Negativkontrolle. Die Formel lautet:

${\displaystyle {\text{Z-Faktor}}=1-{3(\sigma _{p}+\sigma _{n}) \over |\mu _{p}-\mu _{n}|}.}$

Wobei: σ = Standardabweichung, µ = Mittelwert, n = negativ, p = positiv.

Praktisch k​ann der Z-Faktor m​it dem Probenmittel u​nd der Standardabweichung d​er Probe angenähert werden.

${\displaystyle {\text{angenäherter Z-Faktor}}=1-{3({\hat {\sigma }}_{p}+{\hat {\sigma }}_{n}) \over |{\hat {\mu }}_{p}-{\hat {\mu }}_{n}|}.}$

Interpretation

Z-Faktor	Interpretation
1,0	Ideal, Z-Faktoren können 1 nicht überschreiten.
zwischen 0,5 und 1,0	Ein exzellenter Assay; man beachte, dass wenn ${\displaystyle \sigma _{p}=\sigma _{n}}$, 0,5 ist äquivalent zu einer Separation von 12 Standardabweichungen zwischen ${\displaystyle \mu _{p}}$ und ${\displaystyle \mu _{n}}$.
zwischen 0 und 0,5	ein schlechter Assay
unter 0	zu viel Überlappung zwischen Positiv- und Negativkontrollen

[1]

Nachweise

1. Zhang JH, Chung TDY, Oldenburg KR (1999). A simple statistical parameter for use in evaluation and validation of high throughput screening assays. In: Journal of Biomolecular Screening 4: 67–73. doi:10.1177/108705719900400206.

Literatur

• Kraybill, B. (2005) "Quantitative Assay Evaluation and Optimization" (unpublished note)
• Zhang XHD (2011) "Optimal High-Throughput Screening: Practical Experimental Design and Data Analysis for Genome-scale RNAi Research, Cambridge University Press"