想知道如何翻译应用程序说明以成功演示应用程序的严格性吗？进一步了解如何准备严格的应用程序，包括严格的示例，以及实验设计助理（EDA）、样本大小计算指南、身份验证计划示例等资源。
在本页上：
科学严谨示例
这些严谨的简短摘录摘自在严格实验设计的试点资金机会下审查的获奖申请。请注意，这些示例是基于较高的总体影响分数和针对严谨性的积极评价而选择的。提供这些示例是为了说明如何在应用程序中简洁地提供严谨和透明的元素；它们可能并不代表所有方面，还可能有改进的余地。这些示例可能会随着应用程序按照修订后的严格性和透明度审查语言进行审查和授予而更新。
示例#1
目的3：雄性和雌性小鼠将在3个月龄时随机分为实验组。在这个年龄段，CUG重复RNA的积累、MBNL1的隔离、剪接缺陷和肌强直都得到了充分发展。与车辆治疗对照组相比，该化合物将按3个剂量（MTD的25%、50%和100%）给药4周。除非生物分布研究表明明确偏好静脉注射，否则将使用IP给药。n=10（5名男性，5名女性）的群体将提供90%的能力，通过qRT-PCR（ANOVA，α设置为0.05）检测股四头肌中CUG重复RNA减少22%。参与药物服用和终点分析的研究人员将无法进行治疗分配。该实验室以前有使用该小鼠模型进行随机分配和盲法分析的经验[参考文献]。当制药行业的研究人员复制时，他们的结果显示出良好的再现性[ref]。
示例#2
目的1：初步筛选：在这项高通量筛选试验中，我们将SMN启动子与外显子1-6和外显子7剪接盒组合在一个单一结构中，该结构应对增加SMN转录、外显子7inclusion或潜在稳定SMN RNA或蛋白质的化合物起反应[参考文献]。该分析的细节和SMN2-核糖核酸酶报告子HEK393细胞系已被广泛验证[参考文献]。每个点运行三次，对化合物进行三次单独测试，并对结果进行平均，得出具有标准偏差的EC50。二级筛选：……我们通过定量免疫印迹中的剂量反应分析SMN蛋白水平，并通过单向方差分析进行统计分析，酌情使用Dunnett或Bonferroni进行事后分析。
目标2：每组化合物将包括一个被确定为非活性的盲阴性对照化合物，并以与试验化合物相同的方式溶解。将在一窝老鼠中随机分配老鼠，收集数据并提交给PI。对于能够证明延长生存期的化合物，PI将确保在{合作者}实验室中对其进行测试，并对数据进行合并和评估。为了计算实验小鼠的数量，我们将执行SSD样本大小功率分析，以确保在每个实验环境中使用适当的最小数量的小鼠。对于寿命研究中的每种化合物，治疗组需要约20只SMA动物~溶媒治疗组20只SMA动物~未治疗组20只SMA动物。如果我们可以在没有权宜之计的情况下在水溶液中施用该化合物，那么载体组和未经治疗的组可能会合并，因为它们应该具有相同的存活率。因此，每个化合物不需要超过80只SMA动物。
示例#3
目标2：强度信号数据将转换为对数值，然后通过纵向方法建模（引用参考文献）。具体而言，双特异性T细胞与对照组之间平均强度信号随时间的复合差异假定为2.8 log，复合标准偏差为2.2 log。此外，我们将假设在T细胞输注后，每只小鼠至少进行五次重复测量，并且小鼠内相关系数等于0.50。因此，每组10只小鼠的样本量将提供至少80%的能力来检测治疗组与对照组之间具有5%显著性水平的上述差异。将使用对数秩检验比较各组之间的生存分布。
VAS：动物数量基于进行每个实验的要求（研究策略中描述了功率和样本量的计算），其中包括独立的实验重复。
示例#4
目的1：统计考虑：在我们对同一组DFU（n=100）进行的初步研究中，利用16S rRNA测序，我们能够检测出与DFU结果显著相关的DFU微生物群的维度，包括微生物多样性。因此，我们预计样本量将提供足够的能力，以使用宏基因组测序检测显著差异，因为这是一种更敏感、更无偏见的微生物鉴定和多样性分析。
目的3：随机森林（Random Forests）是一种机器学习分类方法，将用于确定哪些宏基因组特征区分组（例如，抗生素与非抗生素；清创前与清创后）。Random Forest使用bootstrap方法评估测试误差，这在我们的小样本（n=18）情况下非常理想。对于多样性和负荷测量，将使用非参数Wilcoxon秩和检验评估各组之间的显著性。
实验设计助理——EDA
实验设计助理（EDA）是NC3R的一个免费在线工具，旨在指导研究人员进行实验设计，帮助确保他们使用与科学目标相符的最少数量的动物，减少主观偏见的方法，以及适当的统计分析。提供了关于实验设计的额外指导，包括样本量估计在这里.
EQUATOR网络报告指南
EQUATOR（增强健康研究的质量和透明度）网络是一项国际倡议，旨在通过促进透明和准确的报告以及更广泛地使用稳健的报告指南，提高已发表健康研究文献的可靠性和价值。图书馆包含一个可搜索的报告准则综合数据库，还链接到与研究报告相关的其他资源。
身份验证计划示例
示例#1
关键生物和/或化学资源的认证
化学制品
所有获得的化合物和试剂将根据美国化学学会的指导方针，使用小分子表征的标准技术和方法进行身份和纯度鉴定。实验室中常用的化学品鉴定实验技术包括核磁共振、电子顺磁共振和紫外可见吸收光谱、质谱、X射线衍射分析、循环伏安法、磁强计和燃烧分析。这些信息将包括在关于该项目的同行审查出版物中，以及关于前体商业来源以及试剂和产品的任何必要净化、处理和储存（例如在惰性气氛下）的详细信息。
质粒DNA
从Addgene（#NNNN）获得用于在哺乳动物细胞中表达NNNN的质粒NNNN-NNN，并通过Sanger测序进行验证。
抗体
与NNNNN相关蛋白的抗体从商业制造商处获得，提供杂交瘤克隆鉴定、批号和适当的参考。本研究中使用的抗体的特异性将通过免疫印迹分析（如有可能，包括击倒样品）进行验证，并在每个实验中加入适当的对照。此外，我们将监测抗体注册数据库，以了解其他研究人员在实验室使用抗体时发现的任何问题。
细胞系
本项目迄今使用的乳腺癌和结肠腺癌细胞系（MCF7、MDA-MB-231、Caco-2）和正常成纤维细胞（MRC5和CCD18-co）购自美国组织培养收藏中心（ATCC）。用于测试针对NNNN的构建物的胰腺癌细胞系在实验室中可用，并已通过测序验证。该项目的其他细胞系将通过RAS倡议从ATCC或国家癌症研究所获得。我们所有的细胞系都在亚利桑那大学遗传核心实验室通过短串联重复序列（STR）分析定期鉴定。我们对细胞培养物进行了连续监测，以确保其倍增时间和形态，并使用标准检测试剂盒定期检测其是否受到支原体和细菌的污染。每种文化的传播次数都不到20次。我们通常通过核磁共振波谱和/或液相色谱/质谱（LC-MS）评估用于细胞分析的商用试剂（例如，MTT，2'，7'-二氯二氢荧光素）的质量。
