Kalibrointikäyrän Laskuri | Lineaarinen Regressio Laboratorioanalyysiin

Mikä on kalibrointikäyrälaskin

Kalibrointikäyrälaskuri muuntaa laitteen lukemat pitoisuuksiksi. Se sovittaa suoran tunnetun pitoisuuden standardeista saatujen datapisteiden perusteella ja käyttää sitten tätä suoraa uuden mittaustuloksen muuntamiseen pitoisuudeksi. Laboratoriot käyttävät kalibrointikäyriä kemiassa, biologiassa ja ympäristöanalyyseissä aina, kun laite ilmoittaa pitoisuuden sijaan signaalin, kuten absorbanssin tai piikkipinta-alan.

Tämän sivun laskin sovittaa suoran lineaarisen regression eli pienimmän neliösumman menetelmän avulla. Se ilmoittaa suoran kulmakertoimen ja vakiotermin sekä R²-arvon, joka mittaa, kuinka tarkasti pisteet noudattavat suoraa. Sen avulla voidaan myös arvioida tuntemattoman näytteen pitoisuus mitatun vasteen perusteella.

Kalibrointikäyrän kaava

Kalibrointikäyrä perustuu pitoisuuden ja laitteen vasteen väliseen lineaariseen riippuvuuteen:

$y = mx + b$

• $y$ on vaste eli laitteen mittaama suure
• $x$ on pitoisuus
• $m$ on kulmakerroin
• $b$ on y-akselin leikkauspiste

Kulmakertoimen ja vakiotermin laskeminen

Kun pisteitä on $n$, aineistoon parhaiten sopiva kulmakerroin ja vakiotermi (pienimmän neliösumman mielessä) ovat:

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

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

Tässä $\bar{x}$ ja $\bar{y}$ ovat kaikkien pisteiden pitoisuuksien ja vasteiden keskiarvot.

R²:n kaava

R² eli selitysaste osoittaa, kuinka hyvin suora sopii aineistoon:

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

$\hat{y}_i$ on suoran kullekin $x_i$-arvolle ennustama vaste. R² vaihtelee välillä 0–1. Arvo 1 tarkoittaa, että jokainen piste sijaitsee täsmälleen suoralla.

Tuntemattoman pitoisuuden kaava

Kun kulmakerroin ja vakiotermi tunnetaan, mitattu vaste $y$ voidaan muuntaa takaisin pitoisuudeksi:

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

Jos laskutoimitus antaa negatiivisen luvun, laskin ilmoittaa pitoisuudeksi 0, koska negatiivinen pitoisuus ei ole fysikaalisesti mielekäs. Se ilmoittaa 0 myös silloin, kun sovitettu kulmakerroin on 0, koska vaakasuora suora ei sisällä tietoa pitoisuudesta.

Ratkaistu esimerkki

Oletetaan, että neljä standardia antaa seuraavat tulokset:

Pitoisuuden keskiarvo on 3 ja vasteen keskiarvo 0,20.

Kulmakerroin:

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

Vakiotermi:

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

R²: ennustettujen vasteiden vertaaminen todellisiin vasteisiin antaa tulokseksi R² = 0,9966.

Sovitettu suora on:

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

Oletetaan nyt, että tuntemattoman näytteen vaste on 0,20. Sen pitoisuus on:

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

Laskurin käyttö

1. Syötä kunkin standardin tunnettu pitoisuus ja mitattu vaste lukupareina. Laskin aloittaa kahdella rivillä.
2. Valitse ”Add Data Point”, jos haluat syöttää lisää standardeja, tai poista rivi valitsemalla sen vieressä ”Remove data point”. Pisteitä tarvitaan vähintään kaksi.
3. Kun vähintään kaksi pistettä on syötetty, laskin näyttää regressioyhtälön, R²-arvon sekä kuvaajan pisteistä ja sovitetusta suorasta. Kulmakerroin, vakiotermi, R² ja pitoisuus pyöristetään näytössä neljän desimaalin tarkkuuteen.
4. Syötä mitattu vaste kohtaan ”Calculate Unknown Concentration”, niin näet sitä vastaavan pitoisuuden. Tulos päivittyy automaattisesti arvon kirjoittamisen aikana; erillistä painiketta ei tarvitse painaa.
5. Valitse ”Reset”, jos haluat tyhjentää kaikki syötetyt pisteet ja vastekentän ja aloittaa alusta.

Kulmakertoimen, vakiotermin ja R²:n tulkinta

Kulmakerroin osoittaa, kuinka paljon vaste muuttuu pitoisuusyksikköä kohti. Suurempi kulmakerroin tarkoittaa, että menetelmä reagoi voimakkaasti pieniin pitoisuuden muutoksiin.

Vakiotermi on nollapitoisuudessa ennustettu vaste. Se kuvaa taustasignaalia, kuten nollanäytteen tai laitteen perustason vaikutusta. Nollasta poikkeava vakiotermi on tavallinen eikä automaattisesti merkitse ongelmaa, mutta suuri tai kalibrointikertojen välillä vaihteleva vakiotermi voi viitata kontaminaatioon tai laitevikaan.

R² osoittaa, kuinka tarkasti pisteet noudattavat suoraa. Hyvin toimivalla lineaarisella menetelmällä arvot ovat yleensä suurempia kuin 0,99. Pienempi R² voi johtua pipetointivirheestä, heikentyneestä standardista tai pitoisuusalueesta, jolla vaste ei enää ole lineaarinen.

Missä kalibrointikäyriä käytetään

Kalibrointikäyriä käytetään yleisesti silloin, kun laitteen raakasignaali on muunnettava pitoisuudeksi:

• Spektrofotometria — valon absorbanssi mitataan ja muunnetaan pitoisuudeksi esimerkiksi proteiini- tai pigmenttipitoisuutta määritettäessä.
• Kromatografia (HPLC, GC) — kromatogrammin piikin pinta-ala tai korkeus muunnetaan pitoisuudeksi. Tätä käytetään yleisesti lääkeaineiden testauksessa ja ympäristöanalyyseissä.
• ELISA ja muut immunomääritykset — levy lukijalla mitattu värin tai fluoresenssin voimakkuus muunnetaan antigeenin tai vasta-aineen pitoisuudeksi.
• qPCR — tunnetun näytteen sarjalaimennoksista saadut syklikynnysarvot muodostavat käyrän, jonka avulla arvioidaan tuntemattoman näytteen geneettisen materiaalin määrä.

Kun suora ei sovi aineistoon

Jotkin menetelmät eivät ole lineaarisia koko mittausalueellaan. Tavallisia ratkaisuja ovat kalibroinnin rajoittaminen kapeammalle lineaariselle alueelle, logaritmisen muunnoksen tekeminen ennen suoran sovittamista, polynomisen eli kaarevan sovituksen käyttäminen tai painotetun regression käyttäminen, kun mittausvirhe kasvaa tai pienenee pitoisuuden mukana. Tämä laskin sovittaa vain suoran; jos pisteet muodostavat selvästi kaaren, tulokset ovat epäluotettavampia ja tarvitaan ehkä toinen malli.

Usein kysyttyä

Mikä on kalibrointikäyrä?

Kalibrointikäyrä on tunnetun pitoisuuden näytteiden laitemittausten kautta sovitettu suora. Sen avulla uuden, tuntemattoman pitoisuuden näytteestä saadun mittaustuloksen voi muuntaa pitoisuusarvoksi.

Kuinka monta datapistettä kalibrointikäyrä tarvitsee?

Laskin tarvitsee vähintään kaksi pistettä suoran sovittamiseen, mutta kaksi pistettä eivät voi osoittaa, onko todellinen riippuvuus todella suora. Useimmat laboratoriot käyttävät viidestä kahdeksaan standardia, jotka kattavat tuntemattomien näytteiden odotetun pitoisuusalueen.

Mitä R² tarkoittaa kalibrointikäyrässä?

R² mittaa, kuinka tarkasti datapisteet noudattavat sovitettua suoraa asteikolla 0–1. Arvo 1 tarkoittaa, että jokainen piste sijaitsee täsmälleen suoralla. Arvoja, jotka ovat suurempia kuin 0,99, pidetään yleensä vahvana osoituksena lineaarisesta riippuvuudesta.

Voidaanko pitoisuuksia arvioida standardien alueen ulkopuolella?

Pitoisuuden arvioiminen pienimmän standardin alapuolella tai suurimman standardin yläpuolella on epäluotettavaa, koska ei ole tietoa, joka vahvistaisi suoran säilyvän suorana kyseisellä alueella. On parempi laimentaa liian suuren lukeman antava näyte tai konsentroida liian pienen lukeman antava näyte ja mitata se uudelleen kalibroidulla alueella.

Miksi laskettu pitoisuus näytetään joskus arvona 0?

Jos mitattu vaste on pienempi kuin sovitettu vakiotermi (kulmakertoimen ollessa positiivinen), kaava $x = (y - b) / m$ tuottaa negatiivisen luvun. Laskin näyttää tällöin arvon 0, koska todellinen pitoisuus ei voi olla negatiivinen. Se näyttää arvon 0 myös silloin, kun kulmakerroin on 0. Näin käy, jos jokaisella standardilla on sama vaste tai sama pitoisuus.

Mikä on kulmakertoimen ja vakiotermin ero?

Kulmakerroin kuvaa vasteen herkkyyttä pitoisuuden muutokselle. Vakiotermi on nollapitoisuudessa ennustettu vaste, joka kuvaa usein taustasignaalia eikä itse analyytin vaikutusta.