化学发光定量拟合算法体系(分段四参数/直线/对数/指数/二次多项式)

来源:云盘 /日常学习资料/全自动化学发光/核心算法补充(分段、直线、对数、指数、二次多项式)-191106-一改.docx(15 KB,2019-11-06 修改稿) 场景:全自动化学发光仪(微流控/MDA 系列)定标与样本浓度反求的核心算法说明。

共性框架

五种算法均为曲线拟合算法,用途一致:描述吸光度(光子数/RLU)随抗原浓度变化的规律。

  • 临床功能:用已知浓度标准品测试定标 → 光子数 vs 浓度拟合出试剂的拟合曲线 → 测试未知样本时代入光子数反求浓度。
  • 数值方法统一为高斯-牛顿迭代法:
    1. 按参数原则设定初始值;
    2. 对模型参数求偏微分,得到 y 对系数增量(如 △A,△D,△C,△B / △k,△b / △a,△b,△c)的泰勒级数展开式;
    3. 用增量校正初始值,多次迭代收敛;
    4. 停止条件:相关系数不再增大,或达到设定迭代次数;
    5. 目标:残差平方和最小,回归系数逼近非线性回归最优解。

五种算法差异点

算法模型形态实现要点
分段四参数四参数 Logistic(分段版)将(光子数, 浓度)按浓度从低到高分为两组,分别做四参数拟合——解决单一 4PL 在宽动态范围两端拟合不佳的问题
直线y = kx + b直接对(光子数, 浓度)拟合,参数增量 △k, △b
对数对数变换 + 直线对光子数以 e 为底取对数后,与原始浓度做直线拟合
指数指数曲线同类高斯-牛顿迭代(原文描述与直线段类似,细节待确认)
二次多项式y = ax² + bx + c参数增量 △a, △b, △c 迭代收敛

工程要点

  • 分段四参数是化学发光免疫分析(CLIA)标准曲线的典型做法:低浓度段与高浓度段各一条 4PL,切换点按浓度排序分组。
  • 反求浓度时注意分段边界的光子数归属,以及四参数模型在渐近线外的反函数无解问题(见关联笔记中 num! 实例)。
  • 对数/指数拟合适用于动态范围大但曲率单调的试剂体系。

关联