当 X 值是剂量或浓度的对数时，使用该方程。当 X 值为浓度或剂量时，使用相关方程。

引言

许多 log（抑制剂）vs.响应曲线都遵循我们熟悉的对称西格玛形状。

如果您有良好的控制数据，将  响应 归一化 为 0% 至 100% 之间的 曲线是有意义的  。该模型假定数据已经归一化，因此迫使曲线从 100%向下运行到 0%。我们的目标是确定抑制剂的 IC50，即引起相当于 50%反应的浓度。

只有当您确定已经非常准确地定义了 0% 和 100% 时，拟合归一化模型才有意义。如果您的数据定义了一条完整的正余弦曲线，那么最好拟合整条曲线，让 Prism 来 拟合顶部和底部高原。如果您的数据没有形成完整的西格玛曲线，但您可以通过实体控制数据定义底部和顶部，那么最好拟合到归一化模型。

该模型假定剂量反应曲线具有 标准斜率，等于-1.0的Hill斜率（或斜率因子）。这是配体按照质量作用定律与受体结合时的预期斜率，也是受体刺激产生的第二信使按照质量作用定律与受体结合时剂量反应曲线的预期斜率。如果数据点不多，可以考虑使用标准斜率模型。如果数据点很多，则选变异性斜率模型，根据数据确定Hill斜率。

步骤

创建 XY 数据表。在 X 中输入抑制剂浓度的对数，在 Y 中以任何方便的单位输入响应。在 A 列输入一个数据集，必要时使用 B 列、C 列......输入不同的处理。

如果您希望输入浓度而不是浓度的对数，请使用 Prism 将X 值转换为对数。

从数据表中单击分析，选择非线性回归，选择方程面板 "剂量反应曲线 - 抑制"，然后选择方程"log(抑制剂) vs. 归一化反应"。

模型

Y=100/(1+10^(X-LogIC50))

 

解读参数

IC50 是在 Bottom 和 Top 之间给出一半响应的激动剂浓度。这与 Y=50 时的反应不同。依赖于 Y 所用的单位以及 Bottom 和 Top 的值，IC50 所给出的反应可能与 "50 "相去甚远。Prism 同时报告 IC50 及其对数。