当您从“多变量”数据表运行非线性回归时，分析参数对话框的第一个选项卡是“数据”选项卡。在此处，您需要告知 Prism 哪些列包含 X 值（预测因子），哪些列包含 Y 值（因变量），以及哪些列定义了您希望用单独曲线拟合的独立数据集。

变量分配概览

“数据”选项卡包含两个主要部分。左侧显示源数据表中可用于分析的所有变量；右侧有三个框，用于将变量分配给分析中的相应角色。

要分配变量，您可以将其从左侧拖拽至右侧的相应框中，或者点击每个分配框中的“+ 添加变量...”按钮并从列表中选择。分配完成后，您可以通过将鼠标悬停在变量上并点击出现的“X”按钮来移除该变量。

响应（Y）变量

响应变量是您测量的结果。这是您预期会随 X 变化而变化的因变量。在剂量-反应实验中，这可能是抑制率、细胞存活率或受体结合率。在酶动力学中，这可能是反应速率。在药代动力学中，这可能是血浆中的药物浓度。

响应变量必须是连续数值数据。Prism 将拟合曲线以根据 X 预测 Y，因此您的 Y 值必须是定量测量值。

指定多个响应变量

“多变量”表格的一个强大功能在于，您可以为同一组 X 值分配多个响应变量。当您在同一实验中测量多个读数时，这种情况很常见。例如，在每种药物浓度下测量的细胞存活率和凋亡率，或结合实验中的多个荧光通道。

当您指定多个响应变量时，Prism 会为每个变量分别拟合曲线。如果您同时指定分组变量，则会获得响应变量与分组之间所有组合的曲线。因此，如果有 2 个响应变量和 3 个处理组，您将得到 6 条拟合曲线（2 × 3 = 6）。

响应变量的要求：

•必须是连续数值数据

•所有数值必须使用一致的单位

•可包含重复测量（同一 X 值对应的多个 Y 值）

响应变量的良好示例：

•抑制率

•细胞存活率

•荧光强度

•结合信号

•酶速率

•吸光度

•发光

•响应百分比

•血浆浓度

预测变量 (X)

预测变量即为自变量。这是您通过系统性改变来观察其对响应影响的因素。在剂量-反应实验中，它是药物浓度或剂量；在酶动力学中，它是底物浓度；在时间过程实验中，它是时间；在结合研究中，它是配体浓度。

X变量必须是连续数值数据。Prism利用这些X值拟合您选择的方程，并预测X与Y之间的关系。

预测变量的要求：

•必须是连续数值数据

•所有数值必须使用一致的单位

•通常需要至少 5-6 个覆盖曲线范围的独立 X 值，以确保曲线拟合的可靠性

•每次分析仅可指定一个预测变量

预测变量的良好示例：

•浓度_uM

•剂量_mg/kg

•时间_小时

•底物浓度_mM

•配体浓度_nM

•对数浓度

•温度_摄氏度

您使用的列名将自动显示在拟合曲线图的 X 轴标签上，因此请使用包含单位的描述性名称。

关于对数转换的 X 值的说明

对于跨度达多个数量级的剂量反应曲线（例如 0.001 至 100 µM），您的数据表中可能已对 X 值进行了对数转换。这没问题 - 只需确保您使用的是 log(X) 的适当方程，而不是 X。或者，您可以存储实际浓度，并让 Prism 的剂量反应方程在内部处理对数转换，这通常更直观。

分组变量

分组变量虽非必需，但在需要针对不同实验条件拟合独立曲线时却至关重要。常见示例包括筛选实验中的不同化合物、不同细胞系、不同处理条件、不同时间点或不同批次。

若未指定任何分组变量，Prism 将对所有数据拟合一条单一曲线。若指定一个或多个分组变量，Prism 将针对每个独特的分组水平组合拟合独立曲线，并为每条曲线提供单独的参数估计值（如 EC50、Vmax、Kd 等）。

指定多个分组变量

您可以指定多个分组变量，以拟合不同因子组合的曲线。例如，您可以同时按“化合物”（5种测试化合物）和“细胞系”（3种不同细胞系）进行分组。Prism将拟合15条独立曲线（5 × 3 = 15），每条曲线对应一种化合物-细胞系组合。

此功能对于大规模实验非常强大，但请注意以下几点：

•分组变量越多，需要拟合的曲线就越多

•每条曲线都需要充足的数据（通常至少需要 5-6 个 X 值，且每个 X 值至少对应一个 Y 值）

•曲线数量增多会导致结果表格和图表变得庞大

•参数更多的复杂模型可能需要更多数据

分组变量的要求：

•必须是分类型变量

•可包含两个或更多水平

•分组标签的拼写和大小写应保持一致

分组变量的良好示例：

•化合物 (药物_A, 药物_B, 药物_C, 对照组)

•细胞系 (HeLa, A549, HEK293, MCF7)

•处理 (溶剂对照, 预处理, 联合处理)

•时间点 (4小时, 24小时, 48小时, 72小时)

•批次 (批次_1, 批次_2, 批次_3)

•基因型 (野生型, 杂合子, 敲除)

•温度 (25℃, 37℃, 42℃)

变量赋值示例

让我们来看几个常见场景，以及如何为每个场景分配变量。

场景 1：简单的剂量反应曲线（单一化合物）

您正在为单一化合物拟合剂量反应曲线，且无需进行组间比较。

变量分配：

•响应变量 (Y)：抑制率

•预测因子 (X)：浓度_uM

•分组：无

结果：一条拟合曲线，包含估计的EC50、Hill斜率及其他参数。

场景 2：比较多种化合物

您正在比较几种测试化合物的剂量反应曲线。

变量分配：

•响应 (Y)：响应

•预测因子 (X)：Dose_uM

•分组：化合物，取值 Drug_A、Drug_B、Drug_C、Control

结果：四条拟合曲线（每种化合物一条），每条曲线均包含独立的参数估计值，便于您比较不同化合物的 EC50 值。

场景 3：同一实验中的多个读数

您在每种药物浓度下都测量了存活率和凋亡率。

变量分配：

•响应变量 (Y)：存活率 且 凋亡率（两者均已分配）

•预测因子 (X)：Concentration_uM

•分组：化合物，包含 Drug_A、Drug_B 值

结果：四条拟合曲线：

•存活率-Drug_A

•存活率-Drug_B

•凋亡-Drug_A

•凋亡-药物_B

这使您能够比较同一化合物对不同细胞终点的影响。

场景 4：多因素实验

您在不同的细胞系上测试了多种化合物，以查看效力是否随细胞环境而变化。

变量分配：

•响应变量 (Y)：存活率

•预测因子 (X)：浓度_uM

•分组：化合物 且 细胞系（两者均被分配）

结果：若包含3种化合物和2种细胞系，将得到6条拟合曲线（3 × 2 = 6），代表所有组合，从而可比较不同化合物与细胞类型间的EC50值。

场景 5：酶动力学

您正在测量不同底物浓度下的酶速率，以估算Km和Vmax。

变量赋值：

•响应变量 (Y)：Velocity_uM_per_min

•预测因子 (X)：底物_mM

•分组：Enzyme_Prep（用于比较不同的酶制剂或突变体）

结果：为每种酶制剂绘制独立的米氏-门登曲线，并分别估算其Km和Vmax值。

如何分配变量

有两种方法可以为变量分配角色：

方法 1：拖放

1.在“可用变量”列表中点击并按住某个变量名称

2.将其拖动至右侧相应的分配框中

3.松开鼠标将其放入框中

方法 2：添加按钮

1.在任意赋值框中点击“+ 添加变量...”按钮

2.从弹出的列表中选择或搜索要赋值的变量

要删除变量：

•将鼠标悬停在变量上，然后点击赋值框中变量名称旁边的“X”按钮

•该变量将返回“可用变量”列表

常见问题

问：每条曲线需要多少个数据点？

答：这依赖于方程的复杂程度。简单的两参数方程可能只需 4-5 个数据点，但大多数剂量反应曲线（4 参数逻辑）至少需要 5-6 个不同的 X 值，且需充分覆盖曲线的范围。更复杂的方程需要更多的数据点。在每个 X 值上进行重复测量可以提高精度，但不能替代拥有足够范围的 X 值。

问：我可以指定多个预测变量（X）吗？

答：不可以，非线性回归是将Y拟合为单一X变量的函数。若存在多个预测变量，则需采用多元回归或其他多元分析方法。

问：如果同时指定多个响应变量和多个分组变量会怎样？

答：Prism 将为每种组合拟合曲线。若存在 3 个响应变量和 4 个分组，您将得到 12 条曲线（3 × 4 = 12）。这对于全面分析很有用，但请确保每条曲线都有足够的数据。

问：Prism 如何处理含有缺失值的行？

答：Prism 会自动排除响应变量、预测变量或任何已分配分组变量中存在缺失值的行。仅使用完整数据进行曲线拟合。

问：我的数据包含重复测量。是否需要先对其求平均值？

答：不需要，请将重复测量数据保留为单独的行。Prism 在拟合每条曲线时会使用所有数据点，这在统计学上比预先求平均值更为恰当。在相同 X 值处的重复测量数据有助于定义您数据中的变异性。

问：我可以将不同的方程拟合到不同的曲线上吗？

答：不可以。在单次分析中，Prism 会将同一方程拟合到由分组变量定义的所有曲线上。若需拟合不同方程，请针对每个数据子集分别运行分析。

问：我需要按特定顺序对数据进行排序吗？

答：不需要，行序无关紧要。Prism 会根据曲线拟合和绘图的需要自动整理数据。