判斷LFA1α ELISA數據是否適合線性擬合，關鍵在于評估其濃度與OD值之間是否在有效范圍內呈現穩定、高相關性的線性關系，且R2 ≥ 0.99、殘差隨機分布、數據點無明顯S型彎曲。盡管ELISA標準曲線通常呈S形，更適合四參數邏輯斯蒂（4PL）模型，但在特定條件下線性擬合仍可作為簡化分析手段。

核心判斷標準
1、擬合優度（R2）達標

?理想標準?：R2 ≥ 0.99，表明數據點與擬合直線高度吻合 。
?可接受范圍?：R2在0.98–0.99之間時需謹慎使用，并結合圖形判斷。
若R2 < 0.98，提示線性關系弱，應優先考慮4PL等非線性模型 。
2、濃度范圍窄且位于標準曲線中段

線性擬合適用于?標準曲線的中間線性區間?，即S型曲線的“陡坡”部分。
若LFA1α樣本濃度跨度大（如從幾十到上千pg/mL），高低濃度端易偏離直線，導致外推誤差，不推薦線性擬合 。
3、數據點分布呈近似直線趨勢

繪制濃度-OD散點圖，若曲線呈現明顯S型、兩端趨于平臺或有彎曲趨勢，則不適合線性擬合 。
可嘗試繪制半對數圖（濃度取對數，OD值不變），若此時數據呈較直的S型，則更支持使用4PL模型 。
4、殘差圖顯示隨機誤差

殘差（實際值與預測值之差）應在0上下隨機分布，無U型或拋物線趨勢。
若殘差呈現規律性偏差，說明模型未能捕捉數據本質特征，線性假設不成立 。

5、待測樣本OD值落在標準曲線線性區間內

樣本OD值應介于標準曲線最低和最高濃度點之間，避免外推。
若樣本OD值接近或超出標準曲線范圍，線性擬合結果不可靠，需稀釋或濃縮后重測 。