相关产品：化学发光酶标仪

一、免疫学实验室：ELISA 与化学发光的取舍

免疫实验室最先遇到的岔路，是 ELISA 还是化学发光。ELISA 用酶标抗体加显色底物，显色后读特定波长的吸收，试剂便宜、流程成熟、结果稳，缺点是灵敏度受显色效率限制，浓度低的样本容易贴在曲线下段。化学发光换成发光底物，不打光、本底低，灵敏度能高出一个量级，代价是试剂贵、信号随时间变。

取舍先看目标物在样本里的浓度段。肿瘤标志物、激素、细胞因子这类含量极低的项目，ELISA 常常贴着检出限读数，复孔差异大，报出去的数自己心里也没底；换发光之后，同一批样本落在曲线中段，稀释倍数还少。反过来，浓度高的项目用发光要稀释好几次，每次稀释都带进一份误差，ELISA 一次就够。

还要看方法有没有验证过。跑了多年的 ELISA 试剂盒，换发光等于重做验证：曲线参数、稀释倍数、判定阈值全要重新确认，至少要跑三批标准品加两批样品。方法刚起步、没有历史包袱的，直接上发光更省事；方法用了多年、客户认这个数的，先并存一段时间，等两套数据对得上再切。

比较稳妥的做法是两条都留。发光机做低浓度与确证，比色机做常规筛查与复测，两台机器共用一套布板模板与记录格式，数据能并到一本台账里。这样切换成本最低，遇到试剂断供也不至于停摆。设备多一台不是浪费，把方法压在一台机器上，才是真的风险。试剂一断供、机器一返厂，整套流程就跟着停。

表1 三条免疫检测路线，怎么取舍

表注：三条路线不是替代关系。低浓度样本走发光，常规筛查走比色，同一实验室两条并存是常见做法。

二、药物筛选：板内板间都要站得住

药物筛选看两件事：板内一致性与板间可比性。板内看同一浓度满板加样的变异系数，常规要求一成以内，低值样本可以放到一成五；板间看同一质控品连续多周的读数趋势。两项都拿得出数据，筛出来的差异才可信；只凭一次实验的漂亮曲线下结论，复筛时多半对不上。把两项做成月度记录，趋势比单次数据好看得多。

板内差异的来源多在加样。发光体系体积小，常见五十到一百微升，移液器半年不校准，误差就能到百分之五以上；枪头挂液、孔内有气泡、边缘孔蒸发，都会让个别孔偏掉。机器能做的只有两件：振荡混匀与边缘提示，剩下的靠加样手法、移液器校准和布板规矩。机器再准，也补不了移液器漏掉的那几微升。

板间差异的来源多在参数与试剂。增益、积分时间、温度三项被临时改过，跨批次就断了链；底物换批、反复冻融，背景整体上移，表现为所有低值孔一起偏高。药企做方法学验证时，这三项要锁死并记录，验证报告才写得完整；靠回忆说当初设的是哪一档，评审时没人认。

筛选项目还有一个现实问题：通量。一个项目几十块板，一周内要出全部数据和统计表。这类单位适合批量流程：统一布板模板、统一拟合方式、批量导出，再交给统计软件合并。手工一块块调参数，项目一多必然出错；出错之后回头查是哪一板设错了，比重做还费时间。

还有一件常被忽略的事：边缘孔。96 孔板最外一圈蒸发最快，长时程实验里边缘孔的读数会系统性偏高，看起来像处理组有效。做法是边缘孔不放样品、改放缓冲液，或者在软件里开边缘校正；布板时把对照随机分布到各列，别把对照组全放在第一列，位置差就不会被误读成组间差。

三、临床与疾控：批批质控，数据能追

临床与疾控的要求，第一条是稳。判断稳不稳看三处：同一块板重复读三次的读数漂移、连续一周每天读同一质控品的均值趋势、换批试剂后曲线的偏移量。三项都能拿出数据，才谈得上稳定；只凭一次演示读得漂亮，说明不了什么，演示用的往往是新鲜试剂和熟手。趋势图拉三个月，机器的底子就露出来了。

第二条是批间可比。今天的报告要能和三个月前的比，就要求增益、积分时间、温度、拟合方式全部固定，并且有记录可查。任何一项被临时改过，历史数据就断了链，复查时解释不清，报告的可信度也跟着打折。参数一旦定下就写进作业文件，不随实验心情改。改参数要留痕，写清谁改的、为什么改。

疾控的用法略有不同。微生物总量、内毒素这类项目样品量不大，但要可追溯：采样时间、试剂批号、读板参数、操作人要能串起来。这类单位适合单机加完整记录，不必追高通量，把原始数据与元数据留全，比多买一个检测模式有用，审查时翻得出来的也是这些。

数据合规要提前想。样本信息涉及隐私，图像与数据不能随便上云；本地存储、内网导出、云端可选且可关闭，这三条写进采购文件。厂家如果说必须连它的云，这个回答本身就是风险，验收时也难交代。临床单位最好让信息科在采购阶段就参与，别等装完再改流程。

质控频次也要定下来。常规做法是每板带一两个质控孔，连续记录趋势，超趋势就停用排查，不是等失控了再找原因。质控品要和样品同批读，不能单独找一天补做；补做出来的数据填不进当天的趋势图，等于没做。审查要看的也正是这条连续的线，而不是某一天合格的点。

四、食品安全检测：残留与毒素，空白最关键

食品与饲料的发光检测，主要是残留与毒素。样品基质复杂，蛋白、脂肪、色素都会干扰，前处理不到位，读出来的数忽高忽低。这类项目对极限灵敏度的要求不如临床高，对空白扣除与稀释倍数的要求更高，因为干扰物的浓度常常比目标物大几个数量级，先把干扰压下去才谈读数。

稀释是双刃剑。把基质稀释到干扰物不起作用，目标物也跟着被稀释，低浓度样品就落到曲线下段。这时候看的是低端灵敏度与动态范围：曲线低端能不能分辨，高端会不会溢出。选机器时把这两个区间问清，比问检出限那一个数字有用得多，也更能解释为什么两台机器读同一批样会差一截。

环境与清洁度检测走的是另一条路。三磷酸腺苷生物发光测表面清洁度，采样棒、试剂、读数三步，五分钟出结果，用在餐饮具、接触面、水处理现场。这类应用对极限灵敏度要求不高，对空白稳不稳要求很高：采样棒本身的背景不一致，清洁与不清洁就分不开，读数再高也没意义。

采样环节最容易被忽略。涂抹棒、采样液、加样量三样不统一，同一块接触面两个人采出来的结果能差一倍。规范做法是把采样流程做成一张图示贴在现场，取样面积、涂抹次数、折断位置都写死，换人也不走样。机器负责读数，流程负责让读数可比，两件事缺一件都白搭。

结果判读要提前定规则。超出曲线范围的样品怎么处理、复检用原液还是稀释液、什么情况下必须复检，这些规则要写进方法文件，不能等出了数再商量。一批样品里往往只有两三个接近限量，规则不清，超标的被当成基质干扰放过，没超的被当成超标拦下，回头复检的成本比一开始就把规则定清楚高得多。

表2 四类样品的检测项目与前处理要点

表注：基质越复杂，空白与稀释越关键。机器给的是读数，能不能比，取决于前处理与采样是否统一。

五、教学与科研平台：方法要能改，也要能锁

教学与平台实验室的特点是人多、手杂、水平不齐。一台机器多个课题组共用，今天研究生做报告基因，明天本科生做细胞活力，参数被改是常态。这类单位最需要的不是更高灵敏度，是模板化：布板、参数、拟合方式都锁死，换人结果也不走样，老师复核时也省心。

方法开发的要求正好相反，要能改。标准曲线用线性还是四参数，直接决定低浓度样品的换算值；四参数适合宽范围的免疫曲线，线性适合窄范围。软件支持两种并允许加权，才算够用；只给线性拟合的机器，做免疫类项目会很别扭，学生只能把数据拷出去自己算。

出图也是刚需。论文里常要标准曲线图加样品柱状图，软件只能导出结果表的话，还要拿去别的软件重画，一周下来耗掉几个小时。支持一键导出曲线图与数据表的机型，省的是看不见的时间，也少了一道手工转录的错。导师要看原始曲线时，翻得出来比解释得清更有用。

平台还要管权限。谁都能开、谁都能改参数，三个月后没人说得清哪批数据用什么参数读的。做法是给每个课题组建模板、设账号，参数改动留痕；共享平台最怕的不是机器不够好，是参数被随手改掉，数据对不上，最后谁也不认那批结果。锁住参数，比换一台更贵的机器管用。

平台还要有人管。机器谁都能开，耗材没人补、质控没人做，半年就荒了。常见做法是设一个管理员，负责预约登记、模板维护、耗材盘点和月度质控；课题组用机器先预约，用完把数据按目录归档。这些活不占多少时间，缺了却会让一台好机器慢慢变成摆设。

六、方案落地，恒美智造会替你做的四件事

头一件是装机当天的实测。用标准品跑一条全量程曲线，把线性区间和溢出点标出来；再用同一浓度质控品满板读一次，算出这台机器的孔间变异系数。两组数字写进记录，用户从此有了基线，后面读数漂了知道跟谁比；没有这组数，所有异常都只能靠猜。

第二件是把布板与加样做成能看的东西。操作视频按步骤拍，布板模板按项目存好，新来的人照着做；驻点培训可以写进合同，开学季工程师跟两天，把布板、加样、读板、拟合四段带顺再走。这比发一本手册管用，也比出了问题再打电话省时间。

第三件是按行业给参数建议。做免疫的、做细胞活力的、做毒素残留的，曲线范围、复孔数、稀释倍数、判定阈值都不一样，这些建议做成起步参数表，用户在此基础上调，少走几轮摸索。参数最终还是用户自己定，厂家给的是起点，不是结论，这一点要说在前面。

第四件是一年一次的远程复盘。把用户一年的板数据拿来看，指出哪几批曲线偏低、哪个项目复孔散、哪个操作者的数据系统性偏，这些问题在参数表上看不出来，在数据里一目了然。四件事做完，方案才算落地，机器也才真正变成本实验室的能力，而不是台面上的一件设备。

恒美智造官方网站：

www.hmdzkj.cn

www.hmdzkj.com