免疫学检测中的曲线拟合[参照].pptVIP

单纯线性回归往往不能反应真实情况 Figure 1 Falsely low and falsely elevated assay values resulting from drawing a straight line for the calibration curve. * 精品PPT·可编辑借鉴 数据处理与科学作图 问题：给定一批离散的数据点，需确定满足特定要求的曲线或 曲面,从而获取整体的规律。 目标：用一个解析函数描述一组（二维）数据(通常是测量值)。 方法： 插值法 -- 数据假定是正确的，要求以某种方法描述数据点之 间所发生的情况； 曲线拟合或回归-- 设法找出某条光滑曲线，使它最佳 地拟合 数据，但不必要经过任何数据点。曲线及相应数学 公式表明数据对（如标准品浓度与测定信号）之间 的比例关系。 * 精品PPT·可编辑借鉴 拟合 与 插值 的 比 较 数据拟合：又称曲线拟合或曲面拟合，不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势时应用。 插值：要求所求曲线（面）通过所给所有数据点时应用； 从几何意义上看，拟合是给定了空间中的一些点，找到一个已知形式的连续曲面来最大限度地逼近这些点；而插值是找到一个(或几个分片光滑的)连续曲面来穿过这些点。 * 精品PPT·可编辑借鉴 线性内插与2阶曲线拟合 * 精品PPT·可编辑借鉴 插值法 interpolative methods 假设：反应变量的已知绝对精密； 曲线构建：以观察到的数据构建曲线； 方法： 点对点（线性插值） 样条插值 spline function * 精品PPT·可编辑借鉴 点对点（线性插值） 假设：中间值落在数据点之间的直线上； 当数据点个数增加和它们之间距离减小时，线性插值就更精确； 适用范围：线性范围大或数据点多且相互紧密相连； 处理：为使数据更具有线性关系，可对数据进行某些方式的转换（如对数转换），然后在转换数据上进行线性插值。 将临近的校准点以点对点的方式用一条直线连起来。 * 精品PPT·可编辑借鉴 线性插值在免疫检测中的应用： * 精品PPT·可编辑借鉴 采用某些更光滑的曲线来拟合数据点； 最常用的方法是3阶多项式，对相继数据点之间的各段建模，这种类型的插值被称为3次样条或简称为样条； 处理：为将每一个短曲线相互之间平滑地连起来，需对其进行修饰（smoothing），这需要反复重新计算所有的曲线直至每一片段与其数据点的拟合间的连接可以接受。 结点（knots，校准物的浓度值）越多意味着数据处理工作量的增大； 适用范围：当希望曲线密切遵循单个的校准物数据点时，或数据非常精密并有多个校准物时可选用，否则应避免使用； 样条插值 spline function 将临近的校准点以一条曲线连起来，对整个标准曲线上各点间的短片段进行数学计算得到一条曲线，所获得的合成数学函数称为样条函数。 * 精品PPT·可编辑借鉴 线性插值 样条插值 两种插值结果完全不同，因为插值是一个估计或猜测的过程，其意义在于，应用不同的估计规则导致不同的结果。 样条插值与线性插值： * 精品PPT·可编辑借鉴 特点：完全拟合试验数据； 每一片段基本上与其他部分无关； 问题：对数据点的精密度和准确性依赖大； 每一个片段都应有一个质控样本，而这往往是做不到的； 无法完全解决hooks出现引起的不准确； 有时较其他“复杂”模式更费时。 影响因素：确定某部分曲线的两个校准点的准确度和精密度。 插值法interpolative methods及其应用 * 精品PPT·可编辑借鉴 曲线构建：以符合数据点规律的经验模式构建曲线； 目标：反映对象整体的变化趋势； 达到最佳拟合的方法——线性最小二乘准则； 拟合模式： 双曲线模式 hyperbolic model 多项式模式 polynomial model Log-Logit转换 Logistic公式（两参数，四参数） 曲线拟合与回归 curve fitting 曲线拟合问题的提法：已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 * 精品PPT·可编辑借鉴 + + + + + f=a1+a2x + + + + + f=a1+a2x+a3x2 + + + + + f=a1+a2x+a3x2 + + + + + f=a1+a2/x + + + + + f=aebx + + + + + f=ae-bx 1. 通过机理分析建立数学模型来确定 f(x)； 2. 将数据 (xi,yi) i=1,