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

许多对数（剂量）与反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  反应 归一化 为 0% 到 100% 之间的值是 有意义的  。本模型假定数据已归一化，因此强制曲线从 0% 到 100% 运行。我们的目标是确定激动剂的 EC50 值，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，等于希尔斜率（或斜率因子）1.0。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（和第三......）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 中输入激动剂浓度的对数，在 Y 中以任何方便的单位输入反应。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。

如果希望输入浓度而不是浓度的对数，可使用 Prism 将X 值转换为对数。

从数据表中点击分析，选择非线性回归，选择方程面板 "剂量反应曲线 -激动剂"，然后选择方程"log(Agonist) vs. 归一化反应"。

模型

Y=100/(1+10^(LogEC50-X))

 

解读参数

EC50 是在 Bottom 和 Top 之间产生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，EC50 所给出的反应可能与 "50 "相去甚远。Prism 同时报告 EC50 及其对数。