Graphpad Prism 软件计算药物的 EC50
Graph Pad Prism 5. 0软件在计算 EC50方面比人工绘图读点法更精确、快捷,并可重现,它能根据量-效关系方程: Y = Bottom +( Top-Bottom ) /( 1 + 10 ^ ( ( Log EC50 - X )*Hill Slope) ) ,对数据进行拟合,直接得到量-效曲线和 EC50。与其他统计学软件相比,该软件在使用过程中无需人工对数据进行标准化或加权回归,能真实再现实测值,操作简便,结果直观、全面、准确,可广
Graphad Prism 是一款集数据分析和作图于一体的数据处理软件,它可以直接输入院士数据,也可以输入初步统计数据,然后自动进行基本的生物统计,如t检验、卡方检验、生存分析等,并根据需要制作科学图表。虽然其数据分析统计功能没有SAS、SPSS等专业软件强大,但其所具有的功能精炼、操作简单、图表绘制颇具特色,深受生命科学研究领域的研究者喜爱❤️。
药物的量-效关系分析是药效评价中的基本分析之一,是以药效实验所得数据为基础而对药物作用进行科学评价的一种方法。药物的量-效关系反映了药效作用的剂量依赖性,因而可为药物使用剂量的确定提供依据。半数有效浓度( EC50) 是指在药效实验中药物对相应症状产生 50 % 最大效时的浓度,为药效评价中的重要指标,其分析方法也属于药物的量效关系分析范畴
Graph Pad Prism 5. 0软件在计算 EC50方面比人工绘图读点法更精确、快捷,并可重现,它能根据量-效关系方程: Y = Bottom +( Top-Bottom ) /( 1 + 10 ^ ( ( Log EC50 - X )*Hill Slope) ) ,对数据进行拟合,直接得到量-效曲线和 EC50。与其他统计学软件相比,该软件在使用过程中无需人工对数据进行标准化或加权回归,能真实再现实测值,操作简便,结果直观、全面、准确,可广泛用于药物的量 -效关系研究及 量 -效曲线的绘制。
- 原始数据的采集和处理 实验组:系列稀释的某抗病毒药物溶液分别加入载有被病毒感染细胞的细胞培养板培养孔 对照组:未被病毒感染的细胞 置 37 ℃ 的 CO2培养箱中培养,直至病毒对照孔中的细胞病变率达到用 MTT 试剂对各孔细胞进行染色,经DMSO 显色处理后,用酶标仪测得各孔细胞光密度( OD) 值
备注:数据来源2012年第36卷第4期 第180页药学进展 山西农业大学动物科技学院研究数据 根据上表求出细胞对照组和病毒对照组平均OD,根据公式:抑制率(%)=(药物实验组OD-病毒对照孔平均OD)/(细胞对照孔平均OD-病毒对照孔平均OD)x100%计算细胞病变抑制率,见下表:
2.建立图表 将处理好的数据导入Graphpad Prism中,选择需要的图类型,修改图表标题,Y轴标签、X轴标签以及X轴数值的修改(双击区域12即X轴数值,Scale修改为log 2,format修改为Power of 2)即得到细胞病变抑制率线性坐标散点图。点击区域16 Analyze,选择Nonliner-regressionliner(curve fit)—Dose response Stimulation—log(agonist) vs.response—Variable slope,得到拟合的细胞病变曲线,点击Result就能得到EC50,其中“log EC50”即对应X轴的读值,由于表格输入的X是浓度值,因此“log EC50”即所求EC50.
推荐阅读
-
Graphpad Prism 软件计算药物的 EC50
-
统计学习 04:假设检验(以 t 检验为例)和 P 值 - 要点 I. 假设检验的一般思路 假设检验 清楚你的问题是什么?期望得出什么结论? 例如,两种药物的疗效是否存在差异,自变量与因变量之间是否存在回归关系 .... 请始终牢记,假设检验回答的是是否存在某种关系的问题:它并不衡量这种关系有多大。 提出两种假设:零假设 (H0) 和备择假设 (H1) 零假设与备择假设相反,一般来说,研究的目的是证明原假设是错误的,即得出备择假设的结论。 例如,如果实验预期希望两种药物的疗效存在差异,那么 H0:μ1 - μ2 = 0;H1:μ1 - μ2 ≠ 0 H0:μ1-μ2 = 0 的一般形式称为双侧检验,而 >、<等零假设称为单侧检验。一般来说双侧检验更为常见,下面也主要介绍这种方法。 单尾或双尾测试 根据原始数据计算零假设概率分布的统计量(t 值、Z 值、F 值等)。 根据问题的性质选择合适的概率检验方法,从而计算出相应的统计量值;因此,不同情况的统计量值有不同的计算方法。 根据计算出的统计量值,利用统计软件,可以知道相应的 p 值是多少 也可以先确定一个合适的显著性水平(0.0.001....),并计算其临界值,再与我们计算出的统计量值进行比较,从而做出判断。 根据第四步的比较结果,如果 p 值小于预期的显著性水平(α,通常设定为 0.05),则认为该统计量远离原假设分布,属于小概率事件,则拒绝原假设,从而接受备择假设。 决定 要点 2:以 t 检验为例,演示上述假设检验思路。 t 检验基于 t 分布,常见的 t 检验有三种,如下图所示,但我认为第三种配对设计可能更常用(零假设:差异是否为零),下面介绍的例子就是一种配对设计 三次 t 检验 举例测量两组大鼠肝脏中维生素 A 的含量,比较两组大鼠维生素 A 含量是否有差异。数据如下 数据 (1) 预计两组大鼠的维生素 A 水平存在差异 (2) H0:μd=0,H1:μd≠0,α=0.05,双侧检验 (3) t 统计量的计算 配方 计算 上述程序计算的是*度为 7 的 t 分布情况下的 t 值。只需理解公式即可,不同的方法有不同的公式,这些交给统计软件即可。