有很多刚进行ELISA实验的科研人员不知道曲线该怎么制作?那么对于那么多的曲线计算公式，该如何选择最佳的拟合方程呢?今天就给大家总结下ELISA曲线拟合的那些事。
我们一般可以用软件绘制也可以通过excel进行制作。按照科学分析方法，如果存在奇异点或者污点，直接采用线性分析不是很好, 要对拟合曲线的几个点进行取舍，同时也可以改用双对数直线拟合或者四参数曲线拟合。
那么常用的曲线拟合回归方程主要为以下几种:
首先是直线回归：直线回归是简单的回归模型也是基本的曲线拟合回归分析方法，将所有的测试点拟合为条直线，其拟合函数方程式为:y=a+bx。但是因为实际实验中线性好的情况下可能直线回归可以获得较为理想的R2值。那么如果直线线性不理想的情况下如何拟合?
这里就推荐用户进行多项式拟合来改善直线回归线性不理想的问题。
二次多项式拟合回归方程：二次多项式成抛物线状开口向下或者向上，在很多ELISA实验中，拟合近似于二次多项式的升段或者降段，所以使用二次多项式拟合时好保证取值的范围都落在曲线的升段或者降段。其拟合函数方程式为: y=ax2+bx+C
对数拟合回归方程：我们将标准品的0 D测值设为x轴，标准品浓度的对数作为y轴，浓度是自变量，0.D.值是因变量进行曲线拟合。
后种是四参数拟合回归方程：竞争法和夹心法都可以用到。它的形状根据情况可能是个单调上升的类似指数对数或双曲线的曲线，也可能是个单调下降的上述曲线，还可以是条S形曲线。它要求X值不能小于0（因为指数是实数，故有此要求）。在很多情况下它都可以拟合ELISA的反应曲线，所以它也成了ELISA中应用广的模型之一。
曲线拟合方法虽多，要根据不同类型ELISA本身的特点，选择适合的曲线拟合模型，才能得到合理的实验结果。一般情况下，需要综台考虑标准曲线的趋势走向以及R值的大小以及样本落值情况。
|
