发帖
雷达卡
示例：模糊拟合(量效关系)
1.创建数据表
从欢迎界面或“新建表格”对话框中，选择创建一个XY数据表，然后选择使用“教程数据”，并在药理学教程列表中选中示例数据“量效关系-模糊无约束拟合”。请注意，该选项位于示例数据集的下拉菜单中。
2.检查数据表
X值是摩尔浓度的对数值。Y值是响应值，以均值和标准差的形式输入。在Prism中，您既可以输入原始的重复数据，也可以输入在其他地方计算好的误差值(此处为SD)。
3.查看图表
由于这是您首次查看该图表，Prism会弹出更改图表类型对话框。请选择第一个选项，以绘制均值与误差棒，并选择您偏好的误差棒类型。
4.选择非线性回归分析
点击[分析]按钮，然后在XY分析列表中选择。
或直接点击非线性回归的快捷按钮。
5.选择模型
在非线性回归对话框的[拟合]标签页中，打开激动型量效方程面板，选择：log(agonist) vs. response -- Variable slope
6.选择检测“模糊”模型拟合
在非线性回归对话框的[置信度]标签页中，确保已勾选“识别‘模糊’拟合”选项(这已不再是默认选项，我们现在更推荐您使用“识别‘不稳定’参数”选项)。
在本示例中，请保留所有其他设置为默认值。
点击OK，即可在图表上看到叠加的拟合曲线。
7.检查图表
拟合曲线很好地穿过了数据点，看起来没有问题。
8.检查结果
进入结果页面，查看分析结果。
请注意结果顶部的“模糊”字样。这意味着Prism无法为这些数据找到唯一的拟合结果。许多组不同的参数值都能生成拟合效果几乎一样的曲线。
Prism没有报告logEC50或曲线下平台的置信区间，而是直接说明这些区间“非常宽”。这表明无法精确拟合这些参数。
尽管数据的Y值范围在100到600之间，但曲线下平台的最佳拟合值却是-1067。此外，logEC50的最佳拟合值也超出了数据的X值范围。
尽管拟合曲线与数据点非常接近(R2=0.9669)，但这些最佳拟合参数值实际上是没有意义的。
9.约束曲线的下平台值
问题很简单。您要求Prism拟合四个参数：分别代表曲线的下平台、上平台、中点(EC50)和斜率。但数据并没有充分定义出曲线的下平台。实际上，Prism计算出的下平台最佳拟合值与数据范围相差甚远。
这些数据在计算时已扣除了基础非特异性响应。这意味着您知道，在激动剂浓度极低(X值很小)时，响应值(Y)应该为零。Prism需要知道这一点，才能更合理地拟合数据。
您不需要重新进行拟合。只需点击结果表左上角的按钮，即可返回非线性回归对话框。
切换到[约束]标签页，勾选“约束下平台参数为一个常数”，并将其值设置为0.0。
10.检视修正后的结果
现在结果变得合理了。LogEC50(半效浓度对数)处于X值范围的中间位置，置信区间也相当紧凑，当然，结果也不再“模糊不清”了。
京公网安备 11010802022788号
