在您最关心的参数不是由任何一个数据集定义，而是由两个数据集之间的关系定义时，全局拟合最有用。

样本数据

选择XY样本数据集：结合 - 饱和结合到总数和非特异性的

使用非线性回归拟合数据，打开方程的“结合--饱和”列表，选择“一个位点-总数和非特异性的”。您会在下面看到拟合值。

方程和全局拟合的说明

该试验测量了不同浓度的放射性配体的放射性配体平衡结合，以获取放射性配体的Bmax和kd。由于配体结合非特异性位点以及感兴趣的受体，试验测量了总结合和非特异性结合（在存在过量未标记受体阻断剂的情况下结合放射性配体）。

这些类型的数据通常通过首先从总结合中减去非特异性结合来分析。然后将产生的特异性结合与描述与一个受体位点平衡结合的模型相拟合。

全局拟合同时拟合总结合和非特异性结合。无需先减去这两个数据集。唯一诀窍是为每个数据集编写一个拟合不同方程的模型。Prism的内置方程设置如下：

特异性=Bmax*X/（X+Kd）

非特异性=NS*X+背景

<A>Y=特异性+非特异性

<B>Y=非特异性

 

第一行定义了特异性可饱和结合。

第二行将非特异性结合定义为添加的放射性配体（X）的恒定分数加上背景（通常为零）。

第三行的前面是<A>，故其只适用于第一个数据集（列A，总结合）。它将该数据集中的Y值定义为等于总结合和非特异性结合的总和。

第四行前面是：因此只适用于第二个数据集，并将那些Y值定义为等于非特异性结合。

该方程在两个数据集之间共享参数NS和背景的限制下定义。这样，Prism在拟合两个数据集的基础上，可获取一个NS和背景的最佳拟合值。由于Bmax和Kd仅用于拟合第一个数据集，因此共享这些参数没有意义。

您关心的参数（Bmax和Kd）不能仅通过拟合一个数据集来精确确定。但在数据集之间共享参数NS的同时，拟合定义两个数据集（及其关系）的模型，可让Prism从数据中获得尽可能多的信息。