约束的重要性
Prism 可让您将每个参数约束为一个常量值、约束为一个值范围、在数据集之间共享（全局拟合），或将某个参数定义为列常量。这是一个重要的决定，会对结果产生影响。
限制为常量值
您并不总是希望拟合模型中的所有参数。相反，您可以将一个或多个参数固定值。例如，如果您已将剂量反应曲线归一化为从 0 到 100，则可将 Top 限定为 100，Bottom 限定为 0.0。同样，如果您已经减去了基线，因此知道指数衰减曲线必须在 Y=0.0 时达到高点，则可以将 Bottom 参数限制为 0.0。
决定将参数限制为一个常量值会使结果产生巨大差异。请记住，Prism 没有常识。除非你告诉它，否则它不会知道曲线是否必须在零点达到高原。
限制在数值范围内
限制在一定的取值范围内，以防止 Prism 让参数取到不可能取到的值。本示例中，您应限制速率常数的值只能大于 0.0，而分数（例如高亲和力结合位点的分数）的值应在 0.0 和 1.0 之间。设置这种约束条件有四种结果：
•约束无关紧要，因为参数值永远不会出现在禁止范围内。
•约束有助于加快拟合速度。非线性回归通过迭代改变参数值来实现。对于一些复杂的拟合，非线性回归过程可能会 "感到困惑"，最终花费时间探索毫无意义的参数值。限制一个或多个参数的值可以防止非线性回归过程误入歧途。在数据点数量巨大的情况下，你可能会发现拟合过程明显加快。
•约束有助于非线性回归从多个局部最小值中进行选择。非线性回归的工作原理是逐步改变参数值，直到任何微小的变化都不会影响拟合优度（即量化拟合优度）。对于某些模型，可能有两组参数值会导致平方和达到局部最小值。应用约束条件可以确保非线性回归找到具有科学意义的最小值，而忽略另一个拟合曲线很好但使用的参数值没有科学意义的最小值（即负浓度）。
•该约束阻止非线性回归找到平方和最小值。取而代之的是，程序能做的最好的事情（同时遵守约束条件）就是将参数设置到约束范围的极限。Prism 会报告拟合 "命中约束"。
在第一种情况下，约束是无害但无用的。
在后两种情况下，约束有助于非线性回归得出合理的结果。从根本上说，约束条件可以让非线性回归过程对哪些参数值根本不可能做出科学判断。这些情况正是约束的真正用途。
最后一种情况，当拟合结束时，参数设置为其约束条件的一端时， 解释结果就比较 棘手了。
约束条件的约束条件
约束条件可以针对一个参数（Kfast 必须大于零），也可以针对两个参数之间的关系（Kfast 必须大于 Kslow）。但要注意的是，如果两个参数本身也有约束条件，就不能在两个参数之间调用约束条件。在一个两相指数方程中，您可能希望约束两个参数都大于零，并定义一个速率常数大于另一个速率常数（Kfast > Kslow）。Prism 不允许您这样做。您必须定义一个 Kfast 大于零的约束条件和一个 Kfast 大于 Kslow 的约束条件。但不要加入 Kslow 大于零的约束。这意味着 Kslow 大于 Kfast。
数据集之间共享参数。全局非线性回归。
如果您要拟合的是一个曲线族，而不仅仅是一条曲线，您可以选择 在数据集之间共享一些参数。对于每个共享参数，Prism 都会找到一个适用于所有数据集的（全局）拟合优度值。对于每个非共享参数，程序会为每个数据集找到一个单独的（局部）拟合优度值。全局拟合在两种情况下非常有用：
•您关心的参数是由多个数据集之间的关系决定的。了解更多。
•每个数据集都不完整，但整个数据集群定义了参数。参见本示例。
数据集常数
一次拟合一个曲线族时，可以将其中一个参数设置为数据集常数。Prism 提供两个数据集常数。
列标题。 该值来自列标题，每个数据集的列标题都可能不同。该参数几乎成为第二个自变量。它在任何一个数据集中都有一个恒定值，但在每个数据集中都有不同的值。例如，当拟合存在不同浓度抑制剂的酶进展曲线族时，可以在数据表的列标题中输入抑制剂浓度。查看本示例。
平均值 X。该值是该数据集中有 Y 值的所有 X 值的平均值。这用于居中多项式回归。
不同数据集使用不同常数
使用 "约束 "选项卡将参数设置为常量值时，会对所有数据集进行设置。无法为每个数据集输入不同的常量值（除非如上一节所述使用列标题作为常量值）。如果想让某个参数在每个数据集上都有不同的常量值（而不是列标题），则需要编写一个用户自 定义方程，并使用特殊符号为每个数据集分配不同的值。您需要在用户定义方程中硬性编码常数，而不能在非线性回归参数对话框中进行选择。本示例为
<A>Bottom=4.5
<B>Bottom=34.5
<C>Bottom=45.6
Y=Bottom + span*(1-exp(-1*K*X))
在本示例中，拟合数据集 A 时，参数 Bottom 设为 4.5；拟合数据集 B 时，参数 Bottom 设为 34.5；拟合数据集 C 时，参数 Bottom 设为 45.6。
