约束的重要性

Prism允许您将每项参数约束为常数值，约束为值范围，在数据集之间共享（全局拟合）或将参数定义为列常数。这是一个重要决定并将影响结果。

约束为常数值

您不会总是希望拟合模型中的所有参数。取而代之的是，您可以将一项或多项参数固定为常数值。例如，如果已将剂量反应曲线标准化到从0到100，则将顶部约束为等于100，底部约束为等0.0。同样，如果减去基线，则了解指数衰减曲线必须在Y=0.0 时达到稳定，您可将底部参数约束为等于0.0。

决定将参数约束为常数值会对结果产生很大影响。请记住Prism没有常识。除非您告诉它，否则它不知道曲线是否必须在零时保持稳定。

约束值范围

约束值范围，防止Prism让参数采用不可能的值。例如，您应将速度常数约束为仅具有大于0.0的值，并将分数（即具有高亲和力的结合位点的分数）约束在0.0和1.0之间。设置这种约束可产生四个结果：

•约束无关紧要，因为参数永远不会采用禁止范围内的值。

•约束有助于加快拟合速度。非线性回归通过反复改变参数值来工作。对于一些复杂的拟合，非线性回归过程可能“感到困惑”，最终花时间探索毫无意义的参数值。约束一个或多项参数的值可防止非线性回归过程被误导。拥有大量数据点，拟合过程可能明显加快。

•该约束有助于非线性回归从几个局部最小值中进行选择。非线性回归通过逐步改变参数值来实现，直至没有微小变化影响平方和（量化拟合优度）。对于某些模型，可能有两组参数值导致平方和的局部最小值。应用约束可确保非线性回归找到具有科学相关值的最小值，并忽略另一个与曲线拟合良好但使用没有科学意义的参数值（即负浓度）的最小值。

•该约束可防止非线性回归找到最小平方和。取而代之的是，程序尽量能做的（在遵循约束的同时）是将参数设置为约束范围的极限。然后Prism报告拟合“满足约束”。

在第一种情况下，约束是无害的，但没有用。

在接下来的两种情况下，约束有助于非线性回归获得合理结果。本质上，约束可为非线性回归过程提供一些科学判断，以确定哪些参数值根本不可能。这些情况就是约束的真正目的。

最后一种情况是，拟合结束时，其约束的一端设置了一项参数，难以解读结果。

对约束的约束

约束可针对一项参数（Kfast必须大于零），也可针对两项参数之间的关系（Kfast必须大于Kslow）。但请注意，如果两项参数本身也受约束，则不能在两项参数之间调用约束。在两相指数方程中，您可能希望将两项参数均约束为大于零，且将一个速度常数定义为大于另一个（Kfast > Kslow）。Prism不会让您这么做。您要做的是定义一个约束Kfast大于零，另一个约束Kfast大于Kslow，但不要约束Kslow大于零，这意味着较Kfast。

在数据集之间共享参数。全局非线性回归。

如果您拟合的是曲线族，而非一条曲线，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会找到一个适用于所有数据集的（全局）最佳拟合值。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）最佳拟合值。全局拟合在两种情况下非常有用：

•您关心的参数根据几个数据集之间的关系确定。了解更多。

•每个数据集均不完整，但整个数据集族定义参数。见示例。

数据集常数

一次拟合曲线族时，可将其中一项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，每个数据集的值可不同。该参数几乎变成了第二个独立变量。其在任何一个数据集中均有常数值，但每个数据集的值不同。例如，在存在不同浓度抑制剂的情况下拟合酶进展曲线族时，可将抑制剂浓度输入到数据表的列标题中。查看示例。

平均X。该值是在该数据集中有Y值的所有X值的平均值。这用于中心多项式回归。

不同数据集的不同约束

使用约束选项卡将参数设置为常数值时，您可对所有数据集执行此操作。不可能为每个数据集输入不同常数值（除非如前一节所述，您使用列标题作为常数值）。如果您希望每个数据集的参数具有不同常数值（不是列标题），则需写入用户定义的方程，并使用特殊符号为每个数据集分配不同值。您需对用户定义的方程中的常数进行硬编码，且不能在非线性回归参数对话框中选择，例如：

<A>Bottom=4.5

<B>Bottom=34.5

<C>Bottom=45.6

Y=Bottom + span*（1-exp（-1*K*X））

在该示例中，参数底部在拟合数据集A时设置为4.5，在拟合数据集B时设置为34.5，在拟合数据集C时设置为45.6。