返回生物学

测定标准曲线指南

当你的核心问题不是“怎么运行拟合”,而是“空白怎么处理、模型怎么选、量程怎么读、报告怎么写”时,请先看这页。

其他语言 日本語 | English | 简体中文 | Español | Português (Brasil) | Bahasa Indonesia | Français | हिन्दी | العربية
蛋白测定曲线 ELISA 曲线 生物学中心

什么时候先看指南,而不是直接打开计算器

如果你已经知道要跑哪种模型,只差把未知浓度算出来,就直接去计算器。反过来,如果难点在于空白是否该扣、曲线形状是否合理、未知值是不是已经外推、或者报告里应该交代哪些决策,这页会更有帮助。

蛋白测定和 ELISA 的分岔点

BCA 和 Bradford 往往是较窄量程的标准曲线,所以常见判断集中在线性还是二次,以及空白处理是否一致。ELISA 更容易出现 S 形响应,实际争议通常会转到 4PL 还是 5PL、是否需要加权,以及上下平台是否可信。

空白扣除与基线判断

空白扣除不是自动加分项。只有在空白确实代表标准品和未知样品共享的背景信号时,才值得统一扣除。如果一扣空白,结论就大幅变化,往往说明先该检查实验设置,而不是急着接受“更好看”的曲线。

蛋白测定里,要先确认零浓度标准是否真的对应未知样品的基质。ELISA 里,则要决定 0 浓度行是应该留在图上但不参与拟合、先扣空白再排除,还是在 log-x 设定下以极小值处理。

模型怎么选

模型应该跟着实验行为走,而不是只追求更高的分数。蛋白测定在中等量程下常常足以用线性或二次;ELISA 在覆盖宽量程且明显呈 S 形时,更适合比较 4PL 和 5PL。

  1. 先用与测定类型最匹配的简单模型起步。
  2. 看残差模式,不要只看一个总评分。
  3. 只有在复杂模型真正修复了系统性偏差时,才值得升级。

量程、离群点与外推

未知样品最好落在标准点夹住的范围内。一旦超出范围,结果就应被视为外推警告。更稳妥的做法通常是重新稀释、重新测量,或者收紧标准范围,而不是直接接受第一次估计值。

单个可疑点也比表面上的高 R² 更重要。若剔除了离群点,请同时记录剔除理由,以及保留该点时结论是否会改变。

报告里至少要交代什么

可复现的测定记录至少应写明:测定类型、标准范围、所选模型、是否加权、空白处理方式、是否剔除点、样品稀释倍数,以及是否存在外推。只有最终浓度数字,通常不足以支持结果复查。

接下来建议打开的页面

常见问题

什么时候应该扣除空白?

当标准品和未知样品确实共享同一背景信号时再扣除空白。不要只为了让曲线更好看就强行扣除;先确认空白是否真的代表相同的基线。

线性、二次、4PL 和 5PL 应该怎么选?

蛋白测定常见的是较窄量程,所以通常先比较线性和二次。ELISA 更常见的是 S 形响应,因此更需要比较 4PL、5PL、加权和平台是否合理。优先选能解释实验行为、同时又不过度复杂的模型。

未知样品落在标准范围之外怎么办?

把它当成外推警告,而不是稳定结果。更常见的做法是重新稀释或浓缩样品,在标准点覆盖的范围内重测,并在记录里说明第一次估计超出了量程。

报告里至少要写哪些信息,结果才可复现?

请写明测定类型、标准范围、所选模型、是否使用加权、空白处理、是否剔除点、样品稀释倍数,以及是否存在外推。只有最终浓度数字通常不足以让别人复现实验。