定量ELISA試劑盒校準曲線的擬合模型選擇依據是什么，如何評估校準曲線的擬合優度與定量準確性？
日期：2025-11-20 14:22:43
擬合模型選擇依據抗原抗體結合的非線性特征，擬合優度和定量準確性需通過統計學指標+實際樣本驗證綜合評估。
一、擬合模型的選擇依據
線性回歸：僅適用于抗原濃度與吸光度呈嚴格線性的窄濃度范圍，ELISA中極少單獨使用，多配合數據轉換（如對數轉換）。
四參數logistic模型（4PL）：是ELISA的首選模型，適用于抗原抗體結合的“S”形曲線特征，能覆蓋低、中、高全濃度范圍，擬合精度最高。
五參數logistic模型（5PL）：在4PL基礎上增加不對稱參數，適用于曲線左右不對稱的情況，如高濃度區平臺期偏移。
其他模型（如三次多項式）：僅用于特殊曲線形態，需結合實驗數據分布特點判斷，避免過擬合。
二、擬合優度的評估指標
決定系數（R²）：反映模型對數據的解釋程度，R²越接近1越好，ELISA中需≥0.99。
殘差分析：殘差是實測值與擬合值的差值，需呈隨機分布，無明顯趨勢（如系統性偏高/偏低）。
標準曲線的回收率：用已知濃度的標準品驗證，回收率需在80%-120%之間，體現模型的擬合可靠性。
三、定量準確性的評估方法
質控品驗證：使用低、中、高三個濃度的質控品，計算測定值與真實值的相對偏差（RD），RD應≤±15%（低濃度可放寬至±20%）。
精密度檢測：通過重復測定同一樣本，計算變異系數（CV），批內CV≤10%、批間CV≤15%。
稀釋線性驗證：將高濃度樣本梯度稀釋，測定值與理論稀釋濃度的相關性需≥0.99，確保高濃度樣本定量無偏差。
