1 基本概念
1.1 定义
校准曲线是将一组已知浓度或已知量的标准样品，与仪器对应的响应值联系起来所形成的函数关系图或数学表达式。它通常以标准物质的测定结果为基础，通过绘图和拟合，建立待测物质含量与检测信号之间的对应关系。
1.2 作用与意义
校准曲线的核心作用，是把“测得的信号”转换为“可解释的数量”。在实验测量中，仪器往往只能输出峰面积、吸光度、荧光强度等信号，而真正关心的是样品中目标物的浓度、含量或活性。借助校准曲线，研究者可以实现从信号到数值的定量换算，因此它是分析测定和方法学评价中的基础工具。
1.3 适用范围
校准曲线适用于多种需要定量判断的实验过程，尤其在仪器分析、临床检测、环境监测和质量控制中十分常见。其前提是目标物能够产生稳定、可重复的响应，并且标准样品能够较好代表未知样品的测量行为。
1.3.1 定量分析
在定量分析中，校准曲线用于直接计算未知样品的浓度或含量。只要样品响应落在有效范围内，就可以依据曲线反推数值。
1.3.2 过程校验
在过程校验中，校准曲线可用于检查仪器是否工作正常、方法是否稳定，以及实验过程是否保持一致。它不仅服务于结果计算，也承担着过程监测的功能。
1.3.3 结果推算
对于某些难以直接读数的测量项目，校准曲线还能作为中间桥梁，用已知标准建立映射关系，再据此推算未知样品的实际水平。
2 构成要素
2.1 标准样品
标准样品是建立校准曲线的基础，其浓度或含量应已知，且尽可能准确可靠。不同浓度的标准样品构成一组参考点，为后续拟合提供数据来源。
2.1.1 已知浓度或已知量
标准样品必须具备明确的定值信息，常见形式包括质量浓度、物质的量浓度、单位体积含量或总量。该已知值是横坐标的基础，也是整条曲线可信度的来源。
2.1.2 浓度梯度设计
浓度梯度通常按从低到高的顺序设置，既要覆盖预期样品范围，也要兼顾点位分布的均匀性。梯度设计过于稀疏会降低拟合稳定性，过于密集则可能增加操作负担。
2.2 响应值
响应值是仪器或检测系统对标准样品所产生的测量信号。它是纵坐标的主要内容，也是衡量目标物变化的直接表征。
2.2.1 峰面积
在色谱分析中，峰面积常被用作定量指标，因为它与样品中目标组分的总响应量通常具有较好的对应关系。相比峰高，峰面积往往更能反映整体信号。
2.2.2 吸光度
在光谱测定中，吸光度是常见响应值之一。它能够描述样品对特定波长光的吸收程度，常用于比色法和分光光度法。
2.2.3 信号强度
信号强度是更为宽泛的表述，可用于荧光、发光、电化学或质谱等多种检测体系。只要信号变化与样品量之间存在规律性关联，就可纳入校准曲线分析。
2.3 坐标关系
校准曲线本质上是一个坐标映射问题，通常以标准物的已知量作为自变量，以仪器响应作为因变量。通过这种关系，未知样品的信号就能被转译为可计算的结果。
2.3.1 自变量与因变量
在多数应用中，自变量对应标准浓度或含量，因变量对应检测信号。二者的角色一旦确定，就应在整个实验过程中保持一致，避免混淆。
2.3.2 线性与非线性关系
理想情况下，响应值与浓度之间常呈线性关系，便于计算和解释。但在某些条件下，二者可能出现弯曲、饱和或分段变化，此时需要采用非线性模型描述。
3 建立方法
3.1 标准溶液配制
标准溶液配制是建立校准曲线的第一步。它要求原料纯度可靠、体积测量准确，并尽量减少配制误差对后续结果的影响。
3.1.1 母液稀释
母液通常是高浓度储备液，使用时通过准确稀释得到低浓度标准液。母液浓度越稳定，后续系列标准的可信度也越高。
3.1.2 系列梯度配制
系列梯度配制强调各浓度点之间的层次感。实验中常采用等比或等差方式设置多个浓度点，以覆盖测量范围并利于观察响应变化。
3.2 仪器测定
完成标准样品配制后，需要在统一条件下进行测定，以获取各浓度点的响应值。仪器设置、检测参数和样品处理方式都应保持一致。
3.2.1 平行测量
平行测量是指对同一样品重复测定多次，以减少偶然误差并提高数据可靠性。通常可取平均值作为该浓度点的代表响应。
3.2.2 条件一致性控制
条件一致性控制包括进样体积、检测波长、温度、反应时间和基线状态等因素的统一。若条件变化过大，曲线的斜率和形态都可能受到影响。
3.3 数据绘图
数据绘图是将标准浓度与响应值整理为直观图形的过程。散点分布是否规律，往往直接反映实验体系是否稳定。
3.3.1 散点图
散点图用于展示每个标准点的实际测定结果。通过观察点位的分布趋势，可以初步判断线性程度、异常值和离群情况。
3.3.2 拟合曲线生成
拟合曲线是在散点基础上通过数学方法得到的趋势线。它能够表达总体规律，并为未知样品的定量推算提供计算依据。
4 数学处理
4.1 线性回归
线性回归是校准曲线中最常见的数学处理方式，适用于响应值与浓度近似成比例的情况。其目标是找到最能代表数据整体趋势的直线方程。
4.1.1 斜率
斜率表示响应值随浓度变化的快慢，通常可视为方法灵敏度的重要体现。斜率越大，单位浓度变化引起的信号变化也越明显。
4.1.2 截距
截距是直线与纵轴的交点，反映在零浓度条件下仍可能存在的背景信号。它可能来源于仪器本底、试剂空白或系统偏移。
4.1.3 相关系数
相关系数用于衡量拟合程度与线性关联强弱。数值越接近理想状态，说明标准点与拟合直线的吻合程度通常越好。
4.2 非线性拟合
当响应与浓度之间不满足简单直线关系时，需采用非线性模型。此类模型更适合描述饱和、弯曲或复杂反应动力学带来的变化。
4.2.1 二次曲线
二次曲线可用于描述中间区间出现弯曲的测量关系。它在某些检测体系中能比线性模型更准确地反映整体趋势。
4.2.2 指数模型
指数模型常见于响应快速变化后逐渐趋缓的情形。它适用于某些信号增长或衰减明显的实验数据。
4.2.3 对数模型
对数模型常用于高低浓度跨度较大、响应压缩明显的场景。它能在一定程度上改善高浓度端的分布效果。
4.3 插值与外推
插值与外推是根据已知曲线估算未知数值的方法。前者在曲线范围内进行估计，后者则延伸到已知数据之外。
4.3.1 区间内估算
区间内估算通常较为稳妥，因为未知样品的响应位于标准点之间，推算基础较充分。只要曲线稳定，结果一般具有较好可信度。
4.3.2 区间外风险
区间外推算风险较高，因为曲线在超出原始数据范围后未必保持原有关系。此时误差可能迅速放大，因此通常不宜轻易采用。
5 评价指标
5.1 线性范围
线性范围指校准曲线能够保持近似线性关系的浓度区间。在这一范围内，计算结果通常更稳定，也更便于定量分析。
5.2 灵敏度
灵敏度反映方法对微小浓度变化的响应能力。它与斜率密切相关，数值越高，越容易区分接近的样品差异。
5.3 精密度
精密度描述重复测量结果的一致程度，关注的是数据分散大小，而不是与真实值的偏离程度。
5.3.1 重复性
重复性强调在相同条件、较短时间内获得结果的一致性。它主要反映操作和仪器短期稳定性。
5.3.2 再现性
再现性考察不同时间、不同人员或不同实验条件下结果是否仍保持一致。与重复性相比，它更能体现方法的稳健程度。
5.4 准确度
准确度是测量值接近真实值的程度。校准曲线越可靠，利用其计算出的样品结果通常越接近实际水平。
5.5 检出限与定量限
检出限表示方法能够识别目标物存在的最低水平，定量限则表示可以较可靠地进行数值测定的最低水平。二者都与曲线背景、噪声和灵敏度有关。
6 误差与影响因素
6.1 标准品误差
如果标准品本身存在纯度偏差、配制误差或储存失效，那么整条校准曲线都会受到影响。标准来源越可靠，结果通常越稳妥。
6.2 仪器漂移
仪器漂移指设备性能随时间缓慢变化，例如基线移动、响应衰减或读数偏移。此类问题会让同一浓度点在不同时间出现不同信号。
6.3 环境条件波动
实验环境的不稳定会改变反应状态或仪器表现，进而影响校准结果。对于对环境敏感的方法，这类影响尤其明显。
6.3.1 温度
温度变化可能影响反应速率、溶液体积和仪器电子特性，因此往往需要控制在较窄范围内。
6.3.2 湿度
湿度过高或过低都可能影响试剂保存、样品吸附以及部分精密仪器的稳定性。
6.3.3 光照
某些样品或试剂对光敏感，长时间暴露可能导致降解或信号衰减，因此在实验和储存中需注意避光。
6.4 操作误差
操作误差通常来自人工步骤的不一致，是实验室中较常见的偏差来源之一。
6.4.1 移液偏差
移液体积不准会直接改变标准浓度或样品稀释倍数，进而影响曲线位置和斜率。
6.4.2 混匀不均
若溶液混合不充分，局部浓度差异会导致测定结果波动，尤其在高低浓度转换时更为明显。
6.4.3 读数偏差
读数偏差可能来自视线角度、仪器显示判读或记录错误。看似细微，却可能在多次操作中累积成明显误差。
7 应用场景
7.1 化学分析
在化学分析中，校准曲线用于测定溶液中各种组分的含量，例如无机离子、有机物或反应产物。它是色谱、光谱和电化学分析的重要基础。
7.2 生物检测
在生物检测中，校准曲线常用于蛋白质、核酸、酶活性或标志物的定量。由于生物样品成分复杂，曲线建立往往需要更严格的条件控制。
7.3 环境监测
环境监测涉及空气、水体和土壤中的污染物定量，校准曲线可用于确定目标物浓度，并支持长期监测数据的统一比较。
7.4 食品检测
食品检测中，校准曲线常用于农药残留、添加剂、营养成分或污染物的测定。其结果常与质量评估和安全筛查直接相关。
7.5 材料测试
在材料测试领域，校准曲线可用于分析元素含量、涂层厚度、组分比例或某些性能指标。它帮助研究者将仪器信号转化为材料参数。
8 质量控制
8.1 空白对照
空白对照用于识别系统背景信号，帮助判断样品响应是否真实来自目标物。它也是扣除本底和检查污染的重要手段。
8.2 平行样检测
平行样检测可用于验证测量稳定性，并发现偶然误差或操作波动。若多份平行样结果差异过大，说明体系可能存在问题。
8.3 标准曲线复核
标准曲线建立后，通常需要定期复核，以确认其仍然适用于当前测量条件。复核可以通过新增标准点、质控样或历史对照进行。
8.4 失控判定
当曲线偏差超过可接受范围，或质控样结果异常时，通常可判定为失控。此时需暂停使用现有曲线，并查找原因。
8.4.1 偏离阈值
偏离阈值是判断曲线是否可继续使用的界限。超过该范围，说明拟合关系可能已不再可靠。
8.4.2 重建条件
若标准品失效、仪器状态改变或环境条件明显变化，就需要重新建立曲线。重建前应先排查问题，再恢复测量。
9 常见问题
9.1 曲线不线性
曲线不线性常见于高浓度饱和、反应条件不稳定或检测范围过宽的情况。处理时可缩小线性区间，或改用非线性模型。
9.2 数据离群
离群点可能来自移液误差、仪器瞬时异常或样品污染。遇到此类数据时，应先核查原始记录，再决定是否保留。
9.3 高低浓度偏差
高低浓度端偏差往往说明曲线两端响应特性不同，可能与检测器饱和、背景噪声或稀释误差有关。必要时可分段拟合。
9.4 拟合优度不足
拟合优度不足说明模型对数据的解释能力有限，可能是点数不足、误差过大或关系本身不符合所选模型。此时应重新评估实验设计与数学处理方式。
9.5 曲线失效与重建
曲线失效通常表现为结果漂移、质控不合格或历史样偏差增大。重建时应重新配制标准、校验仪器并确认测量条件，再生成新的校准关系。