新闻资讯/NEWS

样本值低于空白值的原因

*、实验误差
    误差分为三类，系统误差、随机误差和过失误差。这三类误差中，系统误差对样本值和空白值之间的差异无影响。ELISA样本值低于空白值在误差方面主要来源于随机误差和过失误差。
    1.随机误差 Random Error
    无法控制的变因，使测量值产生随机分布的误差，服从统计学上的正态分布。从统计学上来看，测量值有99%的置信限在±3SD之间，如果CV值是20%，随机误差的边界就是±60%，也就是说在CV值20%的状况下，样本值低于空白值60%之内，有可能是随机误差的影响，特别是空白值只有一个值时。
    随机误差不可消除，只能通过多次测量获得的均值尽量逼近真值。降低随机误差的解决方案1是增加空白值的重复数量，一般认为空白值重复10次，测量均值接近真值。
    方案2是提高实验技能，也能够有效降低随机误差的影响。如果CV值在5%，样本值趋近于零时，在统计上样本值将不会低于空白值15%。
    2.过失误差 Gross Error
    主要是由于测量者的疏忽，犯了不应有的错误造成的。过失误差是可以避免的。针对于ELISA样本值低于空白值的问题，过失误差产生的原因多数来源于空白孔HRP的重复加样或污染或洗涤不干净，造成空白值偏高，相对比来说，样本值低于空白值。解决方案就是重复实验，规范操作。

第二、基质效应 
    分析中，基质指的是样本中被分析物之外的组分，基质常常对分析物的分析过程有显著的干扰，并影响分析结果的准确性，这些影响和干扰被称为基质效应。ELISA试剂盒在开发过程中，标准品不能采用人或动物血清、血浆作为标准曲线的稀释液，只能采用其模拟物。模拟物与被测样本在蛋白丰度、复杂性、pH等因素都会存在差异。当样本的基质与其模拟物相比，降低抗原抗体的结合，便产生了样本值低于空白值的现象。造成样本值无法计算出数值，或者数值为负。
    目前zui常用的去除基质效应的方法是，通过已知分析物浓度的标准样品，同时尽可能保持样本中的基质不变，建立一个校正曲线。
    当单个样本或少量样本值低于空白值时，可能是误差原因，这时应增加重复，提高操作技能。当大量样本都低于空白值时，应考虑基质效应的影响，建立校正曲线予以修正。