مثال (مسبقا)
اختر مثالاً لملء المدخلات ورؤية النتائج على الفور.
- الصق المعايير (التركيز والامتصاص) أو قم باستيراد ملف CSV/TSV.
- حدد الفحص (BCA/برادفورد) وتناسب (تلقائي/خطي/تربيعي).
- يظهر المنحنى القياسي والتركيزات غير المعروفة (عوامل التخفيف مدعومة).
يمكن أن تكون التقديرات خارج النطاق (الاستقراء) غير دقيقة. التحقق من التحذيرات في النتائج. هذه أداة حسابية ولا تنص على التحسين التجريبي.
الإدخال (لصق / CSV)
الترجيح (اختياري)
المعايير
التنسيق: العمود 1 = التركيز، العمود 2+ = الامتصاص (rep1، rep2، ...). TSV/CSV مدعوم.
مجهولة
التنسيق: العمود 1 = اسم العينة، العمود 2+ = الامتصاص (أعمدة الممثلين مدعومة)، العمود الأخير الاختياري: عامل التخفيف.
متقدم (استبعاد النقطة / المخلفات / CI)
النتائج
المؤامرات
الجدول (المعايير)
| التركيز | يعني | SD | ŷ | المتبقية | مستبعد |
|---|
الجدول (مجهول)
| عينة | يعني عبس | Conc (قياس) | عامل التخفيف | كونك (الأسهم) | في النطاق |
|---|
ملاحظة: قد تكون التقديرات خارج النطاق (الاستقراء) غير دقيقة.
سير العمل
- أدخل المعايير (التركيز x والامتصاص y). مع التكرارات، تحسب الأداة متوسط ±SD.
- اختياريًا، قم بطرح فارغ (تركيز 0) يعني الامتصاص (يتم تطبيقه باستمرار على المعايير والمجهول).
- تتناسب مع الخطي (y=a+bx) أو التربيعي (y=a+bx+cx²) وتظهر المقاييس (R²/RMSE/AICc).
- بالنسبة للمجهولات، قم بحساب التركيز من الامتصاصية وتطبيق عوامل التخفيف للحصول على تركيزات المخزون.
الأسئلة الشائعة
ما هو الفرق بين فحوصات BCA وبرادفورد؟
كلاهما يقدر تركيز البروتين من الامتصاص. يمكن أن يتغير شكل المنحنى حسب الظروف والمدى، لذلك تدعم هذه الأداة الملاءمة الخطية والتربيعية.
ما الذي يجب أن أدخله أولاً؟
أدخل المعايير (التركيزات المعروفة) وامتصاصها. إذا قمت بتوفير أعمدة مكررة، فستقوم الأداة بحساب متوسط ±SD تلقائيًا.
هل أحتاج إلى طرح فارغ؟
في كثير من الأحيان، يؤدي طرح الامتصاص ذو التركيز 0 (الفارغ) إلى تحسين الاستقرار. قم بتطبيق نفس الطرح الفارغ على كل من المعايير والمجهول.
هل يجب علي استخدام تناسب خطي أو تربيعي؟
قد يتناسب النطاق التربيعي بشكل أفضل مع نطاق واسع، في حين أن النطاق الضيق يمكن أن يكون مناسبًا مع التوافق الخطي. استخدم المقارنة التلقائية (AICc)؛ إذا كان الفرق صغيرًا، فتفضيل النموذج الخطي الأبسط غالبًا ما يكون أكثر أمانًا.
تركيزي غير المعروف يقع خارج النطاق القياسي.
التقديرات خارج النطاق هي تقديرات استقرائية ويمكن أن تكون غير دقيقة. فكر في تعديل عوامل التخفيف أو النطاق القياسي.
كيف أقوم بإدخال عوامل التخفيف؟
يمكنك إدخال عامل التخفيف لكل صف غير معروف. يتم حساب تركيز المخزون على أنه التركيز المقاس × عامل التخفيف.
هل يمكنني استخدام هذه النتائج في ورقة أو تقرير؟
نعم، ولكن قم بتضمين الإعدادات الرئيسية مثل نوع الملاءمة (خطي/تربيعي)، وما إذا كان قد تم استخدام الطرح الفارغ، وما إذا كانت الاستقراءات موجودة، وبالتالي فإن التحليل قابل للتكرار.