કેલિબ્રેશન વક્ર કેલ્ક્યુલેટર | પ્રયોગશાળા વિશ્લેષણ માટે રૈખિક પ્રત્યાગમન

કેલિબ્રેશન વક્ર ગણક શું છે

કેલિબ્રેશન વક્ર ગણક સાધનના રીડિંગને સાંદ્રતામાં રૂપાંતરિત કરે છે. તે જાણીતી સાંદ્રતાવાળા માનક નમૂનાઓના ડેટા બિંદુઓમાંથી પસાર થતી સીધી રેખા ફિટ કરે છે અને પછી તે રેખાનો ઉપયોગ કરીને નવા રીડિંગને સાંદ્રતામાં રૂપાંતરિત કરે છે. જ્યારે કોઈ સાધન સાંદ્રતા સીધી રીતે દર્શાવવાને બદલે શોષણ અથવા પીક વિસ્તાર જેવા સંકેતની જાણ કરે છે, ત્યારે રસાયણશાસ્ત્ર, જીવવિજ્ઞાન અને પર્યાવરણીય પરીક્ષણોમાં પ્રયોગશાળાઓ કેલિબ્રેશન વક્રોનો ઉપયોગ કરે છે.

આ પૃષ્ઠ પરનું ગણક રેખીય રિગ્રેશન, એટલે કે લઘુત્તમ વર્ગ પદ્ધતિનો ઉપયોગ કરીને રેખા ફિટ કરે છે. તે ઢાળ, અવરોધાંક અને R² દર્શાવે છે; આ ગુણાંક બિંદુઓ રેખાને કેટલા નજીક અનુસરે છે તેનું માપ છે. ત્યાર પછી માપેલા પ્રતિસાદ પરથી અજ્ઞાત નમૂનાની સાંદ્રતાનો અંદાજ લગાવી શકાય છે.

કેલિબ્રેશન વક્રનું સૂત્ર

કેલિબ્રેશન વક્ર સાંદ્રતા અને સાધનના પ્રતિસાદ વચ્ચે સીધી રેખીય સંબંધિતતા માને છે:

$y = mx + b$

• $y$ પ્રતિસાદ છે (સાધન શું માપે છે)
• $x$ સાંદ્રતા છે
• $m$ ઢાળ છે
• $b$ y-અક્ષનો અવરોધાંક છે

ઢાળ અને અવરોધાંકની ગણતરી કેવી રીતે કરવી

$n$ બિંદુઓના સમૂહ માટે, ડેટાને શ્રેષ્ઠ રીતે ફિટ કરતી ઢાળ અને અવરોધાંક (લઘુત્તમ વર્ગના અર્થમાં) આ પ્રમાણે છે:

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

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

અહીં $\bar{x}$ અને $\bar{y}$ અનુક્રમે તમામ બિંદુઓની સરેરાશ સાંદ્રતા અને સરેરાશ પ્રતિસાદ છે.

R² નું સૂત્ર

નિર્ધારણ ગુણાંક R² રેખા ડેટાને કેટલી સારી રીતે ફિટ કરે છે તે દર્શાવે છે:

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

$\hat{y}_i$ દરેક $x_i$ માટે રેખા દ્વારા આગાહી કરાયેલો પ્રતિસાદ છે. R² નું મૂલ્ય 0 થી 1 સુધી હોય છે. 1 નું મૂલ્ય દર્શાવે છે કે દરેક બિંદુ રેખા પર બરાબર આવેલું છે.

અજ્ઞાત સાંદ્રતાનું સૂત્ર

ઢાળ અને અવરોધાંક જાણીતા થયા પછી, માપેલા પ્રતિસાદ $y$ને સાંદ્રતામાં પાછું રૂપાંતરિત કરી શકાય છે:

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

જો આ ગણતરીથી ઋણ સંખ્યા મળે, તો ગણક સાંદ્રતા 0 દર્શાવે છે, કારણ કે ઋણ સાંદ્રતા ભૌતિક રીતે અર્થપૂર્ણ નથી. ફિટ કરેલી ઢાળ 0 હોય ત્યારે પણ તે 0 દર્શાવે છે, કારણ કે સમતલ રેખા સાંદ્રતા વિશે કોઈ માહિતી આપતી નથી.

ઉદાહરણ સાથે ગણતરી

ધારો કે ચાર માનક નમૂનાઓ નીચેના પરિણામો આપે છે:

સરેરાશ સાંદ્રતા 3 અને સરેરાશ પ્રતિસાદ 0.20 છે.

ઢાળ:

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

અવરોધાંક:

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

R²: આગાહી કરાયેલા પ્રતિસાદોની વાસ્તવિક પ્રતિસાદો સાથે તુલના કરતાં R² = 0.9966 મળે છે.

ફિટ કરેલી રેખા આ પ્રમાણે છે:

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

હવે ધારો કે કોઈ અજ્ઞાત નમૂનો 0.20 નો પ્રતિસાદ આપે છે. તેની સાંદ્રતા છે:

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

આ ગણકનો ઉપયોગ કેવી રીતે કરવો

1. દરેક માનક નમૂનાની જાણીતી સાંદ્રતા અને તેનો માપેલો પ્રતિસાદ બે સંખ્યાની જોડી તરીકે દાખલ કરો. ગણક શરૂઆતમાં બે હરોળ દર્શાવે છે.
2. વધુ માનક નમૂનાઓ દાખલ કરવા માટે "ડેટા બિંદુ ઉમેરો" પસંદ કરો, અથવા કોઈ હરોળ કાઢી નાખવા માટે તેની બાજુમાં "ડેટા બિંદુ દૂર કરો" પસંદ કરો. ઓછામાં ઓછા બે બિંદુ જરૂરી છે.
3. ઓછામાં ઓછા બે બિંદુ ભરાઈ જાય પછી, ગણક રિગ્રેશન સમીકરણ, R² મૂલ્ય અને ફિટ કરેલી રેખા સાથે બિંદુઓનો ગ્રાફ દર્શાવે છે. પ્રદર્શિત કરવા માટે ઢાળ, અવરોધાંક, R² અને સાંદ્રતાને ચાર દશાંશ સ્થાનો સુધી ગોળ કરવામાં આવે છે.
4. મેળ ખાતી સાંદ્રતા જોવા માટે "અજ્ઞાત સાંદ્રતાની ગણતરી કરો" હેઠળ માપેલો પ્રતિસાદ દાખલ કરો. મૂલ્ય લખાતું જાય તેમ તે આપમેળે અપડેટ થાય છે; અલગથી કોઈ બટન દબાવવાની જરૂર નથી.
5. દાખલ કરેલા તમામ બિંદુઓ અને પ્રતિસાદ ક્ષેત્રને સાફ કરીને ફરીથી શરૂ કરવા માટે "રીસેટ" પસંદ કરો.

ઢાળ, અવરોધાંક અને R²નું અર્થઘટન

ઢાળ દર્શાવે છે કે સાંદ્રતાના એકમદીઠ પ્રતિસાદ કેટલો બદલાય છે. મોટી ઢાળનો અર્થ છે કે પદ્ધતિ સાંદ્રતામાં થતા નાના ફેરફારોને તીવ્ર પ્રતિસાદ આપે છે.

અવરોધાંક શૂન્ય સાંદ્રતા પરના આગાહી કરાયેલા પ્રતિસાદને દર્શાવે છે. તે બ્લેન્ક નમૂના અથવા સાધનની બેઝલાઇન જેવા પૃષ્ઠભૂમિ સંકેતને પ્રતિબિંબિત કરે છે. શૂન્ય સિવાયનો અવરોધાંક સામાન્ય છે અને આપમેળે સમસ્યા દર્શાવતો નથી, પરંતુ કેલિબ્રેશન વચ્ચે મોટો અથવા અસંગત અવરોધાંક દૂષણ અથવા સાધનની ખામી તરફ સંકેત કરી શકે છે.

R² દર્શાવે છે કે બિંદુઓ સીધી રેખાને કેટલા નજીક અનુસરે છે. સારી રીતે વર્તતી રેખીય પદ્ધતિ માટે 0.99થી વધુ મૂલ્યો સામાન્ય છે. ઓછું R² પાઇપેટિંગની ભૂલ, બગડેલો માનક નમૂનો અથવા એવી સાંદ્રતા શ્રેણી દર્શાવી શકે છે જેમાં પ્રતિસાદ હવે રેખીય રહ્યો નથી.

કેલિબ્રેશન વક્રોનો ઉપયોગ ક્યાં થાય છે

જ્યાં સાધનના કાચા સંકેતને સાંદ્રતામાં રૂપાંતરિત કરવાની જરૂર હોય ત્યાં કેલિબ્રેશન વક્રો સામાન્ય રીતે ઉપયોગમાં લેવાય છે:

• સ્પેક્ટ્રોફોટોમેટ્રી — પ્રકાશનું શોષણ માપીને તેને સાંદ્રતામાં રૂપાંતરિત કરવામાં આવે છે, જેમ કે પ્રોટીન અથવા રંગદ્રવ્યની માત્રા માપતી વખતે.
• ક્રોમેટોગ્રાફી (HPLC, GC) — ક્રોમેટોગ્રામનો પીક વિસ્તાર અથવા ઊંચાઈ સાંદ્રતામાં રૂપાંતરિત કરવામાં આવે છે. તેનો ઉપયોગ ઔષધ પરીક્ષણ અને પર્યાવરણીય વિશ્લેષણમાં સામાન્ય છે.
• ELISA અને અન્ય ઇમ્યુનોસેઇઝ — પ્લેટ રીડરમાંથી મળેલી રંગની અથવા ફ્લોરોસન્સની તીવ્રતાને એન્ટિજન અથવા એન્ટિબોડીની સાંદ્રતામાં રૂપાંતરિત કરવામાં આવે છે.
• qPCR — જાણીતા નમૂનાના શ્રેણીબદ્ધ મંદનોમાંથી મળેલા સાયકલ થ્રેશોલ્ડ મૂલ્યો એક વક્ર બનાવે છે, જેનો ઉપયોગ અજ્ઞાત નમૂનામાં આનુવંશિક પદાર્થની માત્રાનો અંદાજ લગાવવા થાય છે.

જ્યારે સીધી રેખા ફિટ ન થાય

કેટલીક પદ્ધતિઓ તેમની સંપૂર્ણ શ્રેણીમાં રેખીય હોતી નથી. સામાન્ય ઉકેલોમાં કેલિબ્રેશનને વધુ સાંકડી, રેખીય શ્રેણી સુધી મર્યાદિત કરવું, રેખા ફિટ કરતાં પહેલાં લઘુગણકીય રૂપાંતરણ કરવું, બહુપદીય (વક્ર) ફિટનો ઉપયોગ કરવો અથવા સાંદ્રતા સાથે માપન-ભૂલ વધતી કે ઘટતી હોય ત્યારે ભારિત રિગ્રેશનનો ઉપયોગ કરવો સામેલ છે. આ ગણક માત્ર સીધી રેખા ફિટ કરે છે; જો બિંદુઓ સ્પષ્ટ રીતે વક્રતા દર્શાવે, તો પરિણામો ઓછા વિશ્વસનીય રહેશે અને અલગ મોડેલની જરૂર પડી શકે છે.

વારંવાર પૂછાતા પ્રશ્નો

કેલિબ્રેશન વક્ર શું છે?

કેલિબ્રેશન વક્ર જાણીતી સાંદ્રતાવાળા નમૂનાઓના સાધન-રીડિંગમાંથી પસાર થતી ફિટ કરેલી રેખા છે. તેનો ઉપયોગ અજ્ઞાત સાંદ્રતાવાળા નમૂનાના નવા રીડિંગને સાંદ્રતાના મૂલ્યમાં રૂપાંતરિત કરવા થાય છે.

કેલિબ્રેશન વક્ર માટે કેટલા ડેટા બિંદુ જરૂરી છે?

રેખા ફિટ કરવા માટે ગણકને ઓછામાં ઓછા બે બિંદુ જોઈએ, પરંતુ બે બિંદુઓથી વાસ્તવિક સંબંધ ખરેખર સીધો છે કે નહીં તે જાણી શકાતું નથી. મોટાભાગની પ્રયોગશાળાઓ અજ્ઞાત નમૂનાઓની અપેક્ષિત શ્રેણીને આવરી લેતા પાંચથી આઠ માનક નમૂનાઓનો ઉપયોગ કરે છે.

કેલિબ્રેશન વક્રમાં R²નો અર્થ શું છે?

R² 0થી 1ના માપદંડ પર ડેટા બિંદુઓ ફિટ કરેલી રેખાને કેટલા નજીક અનુસરે છે તે માપે છે. 1નું મૂલ્ય દર્શાવે છે કે દરેક બિંદુ રેખા પર બરાબર આવેલું છે. 0.99થી વધુ મૂલ્યો સામાન્ય રીતે રેખીય સંબંધના મજબૂત પુરાવા ગણાય છે.

શું માનક નમૂનાઓની શ્રેણીની બહારની સાંદ્રતાનો અંદાજ લગાવી શકાય?

સૌથી નીચા માનક નમૂના કરતાં ઓછી અથવા સૌથી ઊંચા માનક નમૂના કરતાં વધુ સાંદ્રતાનો અંદાજ અવિશ્વસનીય છે, કારણ કે ત્યાં રેખા સીધી રહે છે તેની પુષ્ટિ કરતો કોઈ ડેટા નથી. ખૂબ ઊંચું રીડિંગ આપતા નમૂનાને પાતળું કરવું અથવા ખૂબ ઓછું રીડિંગ આપતા નમૂનાને સાંદ્ર કરવું અને કેલિબ્રેટ કરેલી શ્રેણીમાં ફરી માપવું વધુ સારું છે.

ગણતરી કરેલી સાંદ્રતા ક્યારેક 0 તરીકે કેમ દર્શાવવામાં આવે છે?

જો માપેલો પ્રતિસાદ ફિટ કરેલા અવરોધાંક કરતાં ઓછો હોય (હકારાત્મક ઢાળ સાથે), તો $x = (y - b) / m$ સૂત્ર ઋણ સંખ્યા આપે છે. તે સ્થિતિમાં ગણક 0 દર્શાવે છે, કારણ કે વાસ્તવિક સાંદ્રતા ઋણ હોઈ શકતી નથી. ઢાળ 0 હોય ત્યારે પણ તે 0 દર્શાવે છે; આવું ત્યારે થાય છે જ્યારે દરેક માનક નમૂનાનો પ્રતિસાદ સમાન હોય અથવા દરેક માનક નમૂનાની સાંદ્રતા સમાન હોય.

ઢાળ અને અવરોધાંક વચ્ચે શું તફાવત છે?

ઢાળ દર્શાવે છે કે સાંદ્રતામાં ફેરફાર પ્રત્યે પ્રતિસાદ કેટલો સંવેદનશીલ છે. અવરોધાંક શૂન્ય સાંદ્રતા પરના આગાહી કરાયેલા પ્રતિસાદને દર્શાવે છે અને ઘણીવાર પોતે વિશ્લેષ્ય પદાર્થને બદલે પૃષ્ઠભૂમિ સંકેતને પ્રતિબિંબિત કરે છે.