免疫学检测中的曲线拟合.pptVIP

免疫测定中的数据处理与曲线拟合 免疫测定中的数据处理 数据处理与科学作图 免疫测定中的数据处理与曲线拟合 免疫测定的数据处理及结果报告 临床免疫检测技术：RIA和EIA等； 数据处理的意义和目标： 只有在测定结果以一种有意义的方式报告时，测定结果才有用； 免疫测定结果的客观评价，对改善免疫测定的重复性以及免疫 测定的标准化都有重要意义。 数据处理报告的要求： 通俗易懂； 定性结果明确，定量范围明确； 处理后得到的数据要具有可重复性； 试验的评价不能建立在假定的正态分布上； 结果具有用于进一步分析处理（如流行病学）的充分性。 免疫测定以其测定结果的表达方式：定性，定量两类。 定性测定--- “有” 或“无” 判定结果：阴性，阳性。 判定依据：cut-off值，S/N or P/N比值。 判断依据确立原则：尽可能避免假阳性和假阴性结果的出现。 应用：传染性病原体的血清标志物检测。 定性测定数据处理 --cut-off值的确定 相关概念： ELISA测定的“灰区”--- 阳性判断值的确定就是要使以其得到的测定结果的假阳性和假阴性的发生率最低，处于阳性判断值定值域中的测定结果可归为可疑，亦即ELISA测定的“灰区”。 定性测定数据处理 --cut-off值的确定 Cut-off 值设定的一般方法： 标准差比率 standard deviation ratio, SDR 测定标本对阴性比值（P/N or S/N） test to negative ratio, TNR 以阴性对照均值+2或3SD作为cut-off值 综合阴性对照均值+2或3SD及阳性对照-2或3SD建立cut-off值 综合阴性对照均值+2或3SD及阳性对照-2或3SD和转化血清结果建立cutoff值 百分位数法 相对单位（relative units, EIU): 标本EIU= 双质控（double control，2C）：0.18X（阴性质控物中值+阳性质控物中值） 使用ROC曲线设定cut-off值 标本测定值 参考样本（弱阳性质控）测定值 使用ROC曲线设定cut-off 值： ROC曲线：横坐标为假阳性率FPR=[假阳性数/（假阳性+真阴性）] 纵坐标为真阳性率TPR=[真阳性数/（真阳性+假阴性）] 根据这种关系确定区分正常与异常的分界点究竟在何处最合适，也就是说此时的假阳性和假阴性率最低或比例最适当或最为符合使用目的，该分界点即可作为ELISA cut-off值。 ROC曲线的含义： 阳性人群的测定值与阴性人群的测定值重叠程度越小，即测定的识别能力越高，ROC曲线越偏向上，曲线下面积越大。 定量测定---测定待测物的含量 判定结果：浓度（U/L，μg/L）。 判断依据：测定未知标本的同时，以系列浓度标准品测得的剂量反应曲线（即标准曲线）以此推算未知标本的浓度。 剂量反应曲线：一般均为非线性的，不同的数学模式可以用来改善上述剂量反应曲线绘制的精密度，从而以较少的数据和计算获得较为准确的结果。 应用：非传染性血清学指标。 免疫测定中的剂量反应曲线 （相对于定量生化）： 非线性→测定反应和待测物浓度之间的关系不一定是一条简单的直线； 可能存在与系列标准品的测定数据拟合的多条曲线→可能因曲线的选择而造成偏差； 具有相对大的且方差不齐的测定误差，且在标准曲线的不同位置、在不同批的测定之间这种误差亦不同。 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. 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。 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。 线性内插与2阶曲线拟合 插值法 inte