محاسبه‌گر منحنی کالیبراسیون | رگرسیون خطی برای تحلیل آزمایشگاهی

ماشین‌حساب منحنی کالیبراسیون چیست

ماشین‌حساب منحنی کالیبراسیون قرائت‌های دستگاه را به غلظت تبدیل می‌کند. این کار را با برازش یک خط مستقیم از میان نقاط دادهٔ استانداردهایی با غلظت معلوم انجام می‌دهد و سپس از آن خط برای تبدیل یک قرائت جدید به غلظت استفاده می‌کند. آزمایشگاه‌ها هرگاه دستگاه به‌جای گزارش مستقیم غلظت، سیگنالی مانند جذب یا مساحت پیک را گزارش کند، در شیمی، زیست‌شناسی و آزمون‌های محیط‌زیستی از منحنی‌های کالیبراسیون استفاده می‌کنند.

ماشین‌حساب این صفحه با استفاده از رگرسیون خطی، یعنی روش حداقل مربعات، یک خط را برازش می‌کند. این ابزار شیب، عرض از مبدأ و R² را گزارش می‌دهد؛ این مقدار معیاری است برای اینکه نقاط تا چه اندازه از خط پیروی می‌کنند. سپس می‌تواند غلظت یک نمونهٔ ناشناخته را بر اساس پاسخ اندازه‌گیری‌شده تخمین بزند.

فرمول منحنی کالیبراسیون

منحنی کالیبراسیون وجود رابطه‌ای خطی بین غلظت و پاسخ دستگاه را فرض می‌کند:

$y = mx + b$

• $y$ پاسخ است (آنچه دستگاه اندازه‌گیری می‌کند)
• $x$ غلظت است
• $m$ شیب است
• $b$ عرض از مبدأ محور y است

نحوهٔ محاسبهٔ شیب و عرض از مبدأ

برای مجموعه‌ای شامل $n$ نقطه، شیب و عرض از مبدأیی که داده‌ها را به بهترین شکل برازش می‌کنند (بر اساس روش حداقل مربعات) عبارت‌اند از:

$m = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^{n}(x_i - \bar{x})^2}$

$b = \bar{y} - m\bar{x}$

در اینجا $\bar{x}$ و $\bar{y}$ به‌ترتیب میانگین غلظت و میانگین پاسخ همهٔ نقاط هستند.

فرمول R²

R²، یعنی ضریب تعیین، نشان می‌دهد خط تا چه اندازه با داده‌ها برازش دارد:

$R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{\sum_{i=1}^{n}(y_i - \bar{y})^2}$

$\hat{y}_i$ پاسخی است که خط برای هر $x_i$ پیش‌بینی می‌کند. R² از ۰ تا ۱ متغیر است. مقدار ۱ یعنی هر نقطه دقیقاً روی خط قرار دارد.

فرمول غلظت ناشناخته

پس از مشخص شدن شیب و عرض از مبدأ، می‌توان پاسخ اندازه‌گیری‌شدهٔ $y$ را دوباره به غلظت تبدیل کرد:

$x = \frac{y - b}{m}$

اگر این محاسبه عددی منفی به دست دهد، ماشین‌حساب غلظت را ۰ گزارش می‌کند، زیرا غلظت منفی از نظر فیزیکی معنا ندارد. همچنین هنگامی که شیب برازش‌شده ۰ باشد، مقدار ۰ را گزارش می‌کند، زیرا خط افقی اطلاعاتی دربارهٔ غلظت ارائه نمی‌دهد.

مثال حل‌شده

فرض کنید چهار استاندارد نتایج زیر را به دست دهند:

میانگین غلظت ۳ و میانگین پاسخ ۰٫۲۰ است.

شیب:

$m = \frac{(-3)(-0.15) + (-1)(-0.05) + (1)(0.04) + (3)(0.16)}{(-3)^2 + (-1)^2 + 1^2 + 3^2} = \frac{1.02}{20} = 0.0510$

عرض از مبدأ:

$b = 0.20 - (0.0510)(3) = 0.0470$

R²: مقایسهٔ پاسخ‌های پیش‌بینی‌شده با پاسخ‌های واقعی، مقدار R² = ۰٫۹۹۶۶ را به دست می‌دهد.

خط برازش‌شده عبارت است از:

$y = 0.0510x + 0.0470 \quad (R^2 = 0.9966)$

اکنون فرض کنید یک نمونهٔ ناشناخته پاسخی برابر با ۰٫۲۰ ایجاد کند. غلظت آن برابر است با:

$x = \frac{0.20 - 0.0470}{0.0510} = 3.0000$

نحوه استفاده از این ماشین‌حساب

1. غلظت معلوم هر استاندارد و پاسخ اندازه‌گیری‌شدهٔ آن را به‌صورت یک جفت عدد وارد کنید. ماشین‌حساب کار را با دو ردیف آغاز می‌کند.
2. برای وارد کردن استانداردهای بیشتر، «افزودن نقطهٔ داده» را انتخاب کنید؛ برای حذف یک استاندارد، کنار ردیف آن «حذف نقطهٔ داده» را انتخاب کنید. حداقل دو نقطه لازم است.
3. پس از پر شدن حداقل دو نقطه، ماشین‌حساب معادلهٔ رگرسیون، مقدار R² و نموداری از نقاط همراه با خط برازش‌شده را نشان می‌دهد. شیب، عرض از مبدأ، R² و غلظت برای نمایش تا چهار رقم اعشار گرد می‌شوند.
4. برای مشاهدهٔ غلظت متناظر، یک پاسخ اندازه‌گیری‌شده را در بخش «محاسبهٔ غلظت ناشناخته» وارد کنید. مقدار با تایپ شدن به‌طور خودکار به‌روزرسانی می‌شود و دکمهٔ جداگانه‌ای برای فشردن وجود ندارد.
5. برای پاک کردن همهٔ نقاط واردشده و کادر پاسخ و شروع دوباره، «بازنشانی» را انتخاب کنید.

تفسیر شیب، عرض از مبدأ و R²

شیب نشان می‌دهد پاسخ به‌ازای هر واحد تغییر در غلظت چه مقدار تغییر می‌کند. شیب بزرگ‌تر یعنی روش به تغییرات کوچک غلظت پاسخ شدیدتری می‌دهد.

عرض از مبدأ پاسخ پیش‌بینی‌شده در غلظت صفر است. این مقدار سیگنال زمینه، مانند نمونهٔ شاهد یا خط پایهٔ دستگاه، را نشان می‌دهد. عرض از مبدأ غیرصفر رایج است و خودبه‌خود مشکل محسوب نمی‌شود، اما عرض از مبدأ بزرگ یا ناهماهنگ میان کالیبراسیون‌ها می‌تواند نشانهٔ آلودگی یا نقص دستگاه باشد.

R² نشان می‌دهد نقاط تا چه اندازه از یک خط مستقیم پیروی می‌کنند. مقادیر بالاتر از ۰٫۹۹ برای یک روش خطی با عملکرد مناسب معمول‌اند. R² پایین‌تر می‌تواند ناشی از خطای پیپت‌کردن، تخریب استاندارد یا دامنهٔ غلظتی‌ای باشد که در آن پاسخ دیگر خطی نیست.

موارد استفاده از منحنی‌های کالیبراسیون

منحنی‌های کالیبراسیون هرجا که لازم باشد سیگنال خام دستگاه به غلظت تبدیل شود، کاربرد دارند:

• طیف‌سنجی نوری — جذب نور اندازه‌گیری و به غلظت تبدیل می‌شود؛ برای مثال هنگام اندازه‌گیری مقدار پروتئین یا رنگ‌دانه.
• کروماتوگرافی (HPLC، GC) — مساحت یا ارتفاع پیک در کروماتوگرام به غلظت تبدیل می‌شود؛ این کار در آزمون دارو و تحلیل محیط‌زیستی رایج است.
• الایزا و سایر ایمونواسی‌ها — شدت رنگ یا فلورسانس حاصل از پلیت‌خوان به غلظت آنتی‌ژن یا آنتی‌بادی تبدیل می‌شود.
• qPCR — مقادیر آستانهٔ چرخه از رقت‌های متوالی یک نمونهٔ معلوم، منحنی‌ای می‌سازند که برای تخمین مقدار مادهٔ ژنتیکی در نمونهٔ ناشناخته به کار می‌رود.

وقتی خط مستقیم برازش نمی‌شود

برخی روش‌ها در سراسر دامنهٔ خود خطی نیستند. راهکارهای رایج شامل محدود کردن کالیبراسیون به ناحیه‌ای باریک‌تر و خطی، اعمال تبدیل لگاریتمی پیش از برازش خط، استفاده از برازش چندجمله‌ای (خمیده) یا استفاده از رگرسیون وزن‌دار هنگامی است که خطای اندازه‌گیری با غلظت افزایش یا کاهش می‌یابد. این ماشین‌حساب فقط خط مستقیم را برازش می‌کند؛ اگر نقاط به‌وضوح حالت خمیده داشته باشند، نتایج اطمینان کمتری خواهند داشت و ممکن است به مدل دیگری نیاز باشد.

پرسش‌های متداول

منحنی کالیبراسیون چیست؟

منحنی کالیبراسیون خطی است که از میان قرائت‌های دستگاه برای نمونه‌هایی با غلظت معلوم برازش داده می‌شود. از آن برای تبدیل یک قرائت جدید از نمونه‌ای با غلظت ناشناخته به مقدار غلظت استفاده می‌شود.

منحنی کالیبراسیون به چند نقطهٔ داده نیاز دارد؟

ماشین‌حساب برای برازش یک خط به حداقل دو نقطه نیاز دارد، اما دو نقطه نمی‌توانند نشان دهند که رابطهٔ واقعی واقعاً خطی است یا نه. بیشتر آزمایشگاه‌ها از پنج تا هشت استاندارد استفاده می‌کنند که دامنهٔ مورد انتظار نمونه‌های ناشناخته را پوشش می‌دهند.

R² در منحنی کالیبراسیون چه معنایی دارد؟

R² میزان نزدیکی نقاط داده به خط برازش‌شده را در مقیاسی از ۰ تا ۱ اندازه‌گیری می‌کند. مقدار ۱ یعنی هر نقطه دقیقاً روی خط قرار دارد. مقادیر بالاتر از ۰٫۹۹ عموماً شاهدی قوی بر وجود رابطه‌ای خطی در نظر گرفته می‌شوند.

آیا می‌توان غلظت‌ها را خارج از دامنهٔ استانداردها تخمین زد؟

تخمین غلظتی پایین‌تر از کمترین استاندارد یا بالاتر از بیشترین استاندارد قابل اعتماد نیست، زیرا داده‌ای وجود ندارد که خطی ماندن رابطه را در آن ناحیه تأیید کند. بهتر است نمونه‌ای را که قرائت آن بیش از حد زیاد است رقیق کنید، یا نمونه‌ای را که قرائت آن بیش از حد کم است تغلیظ کنید، و اندازه‌گیری را در دامنهٔ کالیبره‌شده تکرار کنید.

چرا غلظت محاسبه‌شده گاهی به‌صورت ۰ نشان داده می‌شود؟

اگر پاسخ اندازه‌گیری‌شده از عرض از مبدأ برازش‌شده کمتر باشد (با شیب مثبت)، فرمول $x = (y - b) / m$ عددی منفی تولید می‌کند. ماشین‌حساب در این حالت ۰ را نمایش می‌دهد، زیرا غلظت واقعی نمی‌تواند منفی باشد. همچنین هنگامی که شیب ۰ باشد، ۰ را نمایش می‌دهد؛ این حالت زمانی رخ می‌دهد که پاسخ همهٔ استانداردها یکسان باشد یا غلظت همهٔ استانداردها یکسان باشد.

تفاوت شیب و عرض از مبدأ در این مدل چیست؟

شیب نشان می‌دهد پاسخ نسبت به تغییر غلظت چقدر حساس است. عرض از مبدأ پاسخ پیش‌بینی‌شده در غلظت صفر است و اغلب به‌جای خود آنالیت، سیگنال زمینه را نشان می‌دهد.