当您最关注的参数并非由单一数据集决定，而是由两个数据集之间的关系决定时，全局拟合最为有用。

示例数据

选择 XY 数据集：结合 - 饱和结合（针对总结合与非特异性结合）

使用非线性回归拟合数据，打开“结合 - 饱和”方程列表，并选择“单位点 - 总结合与非特异性结合”。您将看到如下所示的拟合结果。

方程说明与全局拟合

本实验通过测量不同浓度放射性配体在受体上的平衡结合情况，以确定该放射性配体的Bmax和Kd值。由于配体既会结合目标受体，也会结合非特异性位点，因此实验同时测定了总结合量和非特异性结合量（即在过量未标记受体拮抗剂存在下放射性配体的结合量）。

此类数据通常通过先从总结合量中减去非特异性结合量来分析。随后，所得的特异性结合量将用于拟合描述单个受体位点平衡结合的模型。

全局拟合可同时拟合总结合和非特异性结合量，无需先将两组数据集相减。唯一的技巧在于编写一个模型，使不同方程分别拟合每组数据集。Prism的内置方程设置如下：

specific=Bmax*X/(X+Kd)

nonspecific=NS*X + Background

<A>Y=specific+nonspecific

<B>Y=nonspecific

 

第一行定义了特异性可饱和结合。

第二行将非特异性结合定义为添加的放射性配体（X）的固定比例加上背景值（通常为零）。

第三行前带有 <A>，因此仅适用于第一个数据集（A 列，总结合）。它将该数据集中的 Y 值定义为总结合与非特异性结合量的总和。

第四行前带有 <B>，因此仅适用于第二个数据集，并定义该数据集中的 Y 值等于非特异性结合。

该方程的定义包含一个约束条件：参数 NS 和 background 在两个数据集之间共享。这样，Prism 就能基于对两个数据集的拟合，找到 NS 和 background 的控制数据。由于 Bmax 和 Kd 仅用于拟合第一个数据集，因此共享这些参数没有意义。

您关注的参数（Bmax 和 Kd）无法仅通过拟合单个数据集来精确确定。但通过拟合一个同时定义两个数据集（及其相互关系）且在数据集间共享 NS 参数的模型，Prism 能够从数据中获取尽可能多的信息。