Оценка линейности — это не просто формальность; это фундаментальная валидация, подтверждающая способность анализа выдавать результаты, прямо пропорциональные концентрации аналита. Основной метод включает создание серии разведений из клинического образца с высокой концентрацией, охватывающей весь диапазон аналитических измерений — от верхнего предела до уровня ниже самого низкого ненулевого калибратора. Затем вы строите график зависимости измеренных значений от ожидаемых (разведенных) значений, статистически подтверждая, что зависимость остается линейной без значительного смещения.
Основная цель оценки линейности в иммуноанализах IVD — предоставить документальное подтверждение того, что аналитическая система точно определяет целевой аналит во всем рабочем диапазоне. Для систем, основанных на упрощенных моделях калибровки, эта проверка критически важна для гарантии того, что двухточечная калибровочная кривая может надежно интерполировать результаты пациентов по всем отчетным концентрациям.
Фундаментальный протокол оценки линейности
Главная задача — проверить зависимость «сигнал-концентрация» во всем отчетном диапазоне анализа. Этот процесс напрямую валидирует точность калибраторов и целостность рабочего диапазона, который от них зависит.
Выбор правильных тестовых образцов
Использование правильного биологического материала — самый важный фактор. Необходимо сохранить целостность матрицы.
Золотым стандартом являются клинические образцы с высокой концентрацией, содержащие эндогенный аналит. Серийные разведения должны выполняться с использованием сывороточной матрицы с низкой концентрацией или без аналита, но ни в коем случае не воды или простых буферов. Использование небиологического разбавителя вносит матричный эффект, изменяя содержание белка и потенциально нарушая кинетику связывания антитело-антиген, которую должны отражать калибраторы.
Альтернативно можно подготовить набор из пяти и более калибраторов в сывороточной матрице, не содержащей аналита. Это позволяет напрямую сравнить сигнал анализа с набором известных, искусственно созданных стандартов. Однако этот метод в первую очередь валидирует пипетирование и отклик сигнала и может не выявить специфические для матрицы смещения, вызванные эндогенными аналитами.
Выполнение протокола разведения
Систематический подход обеспечивает охват всего диапазона аналитических измерений (AMR) и критических точек принятия медицинских решений.
Вы должны начать с образца, близкого к верхнему пределу количественного определения (ULOQ). Серийно разбавляйте этот образец с высокой концентрацией поэтапно, чтобы создать 5–7 концентраций, которые опускаются ниже нижнего предела количественного определения (LLOQ) и ниже самого низкого ненулевого калибратора. Это «охватывание» калиброванного диапазона напрямую проверяет пределы интерполяции.
Для оценки линейности разведения, особенно при проверке эффекта «крюка» (high-dose hook effect), необходимо выйти за верхний предел. Усильте клинический образец выше ULOQ, а затем используйте валидированные коэффициенты разведения (например, 2-, 5-, 10-кратные), чтобы вернуть его в рабочий диапазон. Здесь необходим разбавитель, соответствующий тестовой матрице, или валидированный суррогат без аналита.
Анализируйте каждый уровень разведения в трех повторностях для оценки прецизионности в каждой точке. График зависимости среднего наблюдаемого значения концентрации от ожидаемой, скорректированной с учетом разведения концентрации, должен быть линейным. Любое отклонение, особенно в форме «хоккейной клюшки» в верхней части, сразу сигнализирует об эффекте «крюка» или насыщении сигнала.
Статистическое подтверждение линейной зависимости
Визуальный график — это хорошее начало, но объективное принятие требует строгих статистических проверок. Цель состоит в том, чтобы доказать, что зависимость является не просто хорошей аппроксимацией, а максимально простой линейной аппроксимацией.
Метод процента восстановления (Recovery)
Это наиболее интуитивно понятная и широко принятая оценка отдельных точек по всему диапазону.
Рассчитайте восстановление для каждого уровня разведения как (Наблюдаемое среднее / Ожидаемое значение) × 100%. Общепринятый критерий заключается в том, что все значения восстановления должны строго попадать в диапазон от 95% до 105%. Систематический дрейф восстановления от низких к высоким концентрациям может выявить тонкие матричные эффекты или неспецифическое связывание.
Полиномиальная регрессия и анализ остатков
Этот метод оценивает соответствие всего набора данных для математического подтверждения линейности.
Выполните полиномиальную регрессию, чтобы проверить наличие значимого нелинейного коэффициента. Линейная модель (первого порядка) должна быть наилучшей аппроксимацией. Статистический тест определяет, значительно ли улучшает соответствие добавление квадратичного (второго порядка) или кубического (третьего порядка) члена. Если это так, линейность нарушена.
Критически важен также критерий серий (runs test) для остатков. Этот тест проверяет случайность распределения ошибок. Неслучайная закономерность — например, кластеризация положительных, а затем отрицательных остатков — визуально подтверждает наличие кривизны, даже если график исходных данных выглядит убедительно. Случайно распределенные остатки — признак истинно линейной зависимости.
Понимание компромиссов и ошибок
Объективность требует ясного понимания того, что может пойти не так. Самые частые неудачи связаны с попытками упростить подготовку образцов.
Использование воды или буфера в качестве разбавителя — основной источник ложной нелинейности. Результирующее выпадение белка в осадок изменяет плотность образца и может внести систематическое смещение, которое является матричным артефактом, а не дефектом системы калибровки. Это создает нелинейный паттерн восстановления, который исчезает при правильном повторении теста с сывороточным разбавителем.
Еще одна критическая ловушка — сама модель калибровки. Двухточечная калибровка математически зависит от идеальной линейности через начало координат. Если на экстремальных значениях существует некоторая степень присущей, допустимой нелинейности, двухточечная модель усилит эту ошибку при интерполяции. Валидация линейности по полной многоточечной калибровочной кривой часто необходима для создания безопасного «рабочего диапазона» перед фиксацией двухточечной модели.
Правильный выбор для вашей цели валидации
Ваша конкретная цель валидации будет определять строгость протокола. Подход должен быть адаптирован к вопросу, на который вы отвечаете.
-
Если ваша основная цель — валидация калибраторов нового анализа и AMR: Используйте пул нативных образцов пациентов с высокой концентрацией, серийно разведенных сывороточной матрицей без аналита. Подвергните данные как критериям процента восстановления (95–105%), так и анализу полиномиальных остатков, чтобы убедиться, что калибраторы действительно отражают поведение биологического аналита во всем диапазоне.
-
Если ваша основная цель — проверка протокола разведения для образцов пациентов с высокой концентрацией: Усильте образец выше ULOQ и разбавляйте его валидированным разбавителем, пока он не попадет в линейный диапазон. Принимайте результаты только в том случае, если среднее смещение с учетом разведения находится в пределах ±15%, а коэффициент вариации (CV) ниже 15%, что доказывает способность анализа безопасно расширять свой отчетный диапазон.
Тщательное, учитывающее матрицу исследование линейности — это окончательное доказательство того, что ваш анализ не просто работает со стандартами, а предоставляет достоверные данные для пациентов, от самого нижнего до самого верхнего предела заявленного диапазона.
Сводная таблица:
| Этап валидации | Протокол и метод | Критерии приемлемости / Ключевой фокус |
|---|---|---|
| Выбор образца | Пул пациентов с высокой концентрацией, серийно разведенный в сыворотке без аналита | Сохранение целостности матрицы; избегание артефактов небиологических разбавителей |
| Протокол разведения | 5–7 серийных разведений, охватывающих AMR (от ниже LLOQ до выше ULOQ) | Выполнение в трех повторностях; проверка на эффект «крюка» или насыщение |
| Процент восстановления | Расчет (Наблюдаемое среднее / Ожидаемое значение) × 100% |
Значения восстановления должны строго попадать в диапазон 95% – 105% |
| Статистическое соответствие | Полиномиальная регрессия и анализ остатков (критерий серий) | Доказательство модели 1-го порядка (линейной); подтверждение случайного распределения остатков |
Готовы оптимизировать производительность вашего анализа и валидацию линейности? CamelBio предоставляет производителям диагностических систем, лабораториям и исследовательским институтам доступ к премиальному сырью для IVD, техническим услугам и экспертному консалтингу — на всех этапах от концепции до клиники. Ускорьте разработку ваших IVD-решений с помощью наших комплексных услуг — свяжитесь с нами сегодня!