تحلیل داده
منحنی استاندارد
برازش منحنی استاندارد با مدل خطی یا چهارپارامتری و محاسبهٔ غلظت نمونههای مجهول، برای ELISA، Bradford، BCA و qPCR.
استانداردها
نمونههای مجهول
برای ELISA معمولاً مدل چهارپارامتری با محور لگاریتمی مناسبتر است چون هر دو انتهای منحنی اشباع میشوند. نمونههایی که با ستاره مشخص شدهاند سیگنالشان بیرون از بازهٔ استانداردهاست و غلظتشان برونیابی است.
فرمول
y = D + (A − D) ÷ (1 + (x ÷ C)^B)
- A
- مجانب بالا، سیگنال در غلظت بینهایت
- D
- مجانب پایین، سیگنال در غلظت صفر
- C
- غلظتی که سیگنال در آن وسط دو مجانب است — همان EC50
- B
- شیب منحنی در نقطهٔ میانی
مثال حلشده
چرا برازش خطی روی دادهٔ ELISA خطا میدهد
- استانداردها: ۰٫۱ تا ۳۰ نانوگرم بر میلیلیتر
- سیگنال از ۰٫۱۲ تا ۲٫۰۵ اشباع میشود
- در غلظتهای پایین منحنی تقریباً خطی است و برازش خطی جواب میدهد.
- در غلظتهای بالا سیگنال به سقف میرسد و شیب صفر میشود.
- خط راست این اشباع را نمیبیند و غلظت نمونههای پرسیگنال را کمتر از واقع تخمین میزند.
- مدل چهارپارامتری هر دو انتها را میبیند و R² نزدیک یک میدهد.
پاسخ برای دادهٔ سیگموییدی مدل چهارپارامتری با محور لگاریتمی، برای بازهٔ خطی مدل خطی
خطاهای رایج
- برونیابی بیرون از بازهٔ استانداردها. نمونهای که سیگنالش بالاتر از بالاترین استاندارد است باید رقیق و دوباره خوانده شود، نه اینکه از منحنی بیرونیابی شود. ابزار این نمونهها را با ستاره مشخص میکند.
- اعتماد به R² بهتنهایی. یک منحنی سیگموییدی که با خط راست برازش شده هم میتواند R² بالای ۰٫۹۵ بدهد در حالی که در دو انتها کاملاً غلط است؛ به باقیماندهها نگاه کنید نه فقط به R².
- فراموش کردن کم کردن بلانک. اگر جذب چاهک خالی را کم نکنید، مقدار D بهجای صفر جای دیگری مینشیند و غلظتهای پایین همه بالاتر از واقع درمیآیند.
- اجبار منحنی به عبور از مبدأ. در ELISA سیگنال زمینه هرگز صفر نیست و این اجبار خطای سیستماتیک وارد میکند.
پرسشهای متداول
کدام مدل را انتخاب کنم؟
اگر داده در نمودار به شکل S درمیآید و دو انتها صاف میشوند، مدل چهارپارامتری. اگر فقط بخش میانی و خطی را پوشش دادهاید، مدل خطی سادهتر و پایدارتر است.
پارامتر C چه معنایی دارد؟
غلظتی که سیگنال در آن دقیقاً وسط دو مجانب است. در سنجشهای رقابتی همان IC50 و در سنجشهای مستقیم معیار حساسیت آزمون است.
چند استاندارد لازم است؟
برای برازش خطی دستکم سه نقطه و ترجیحاً پنج. برای مدل چهارپارامتری دستکم شش نقطه لازم است چون چهار پارامتر برآورد میشود؛ با نقاط کمتر برازش ناپایدار است.