ELISA-määrityksellä saadaan kolmea erityyppistä tietoa:
kvantitatiivinen
ELISA-tuloksia voidaan tulkita vertailemalla standardikäyrää (tunnetun, puhdistetun antigeenin sarjalaimennos), jotta eri näytteiden antigeenipitoisuudet voidaan laskea tarkasti (kuva 6).
kvalitatiivinen
Elisaa voidaan käyttää myös kyllä-tai ei-vastaukseen, joka osoittaa, onko näytteessä tiettyä antigeenia verrattuna nollakuoppaan, jossa ei ole antigeenia tai johon ei liity kontrolliantigeenia.
Semikvantitatiivista
Elisaa voidaan käyttää vertailemaan antigeenin suhteellisia tasoja määritysnäytteissä, koska signaalin voimakkuus vaihtelee suoraan antigeenipitoisuuden kanssa.
Standardikäyrä
ELISA-tiedot kaavoitetaan tyypillisesti optisella tiheydellä vs log-konsentraatiolla sigmoidisen käyrän tuottamiseksi kuten kuvassa 6 esitetään. Tunnettuja antigeenipitoisuuksia käytetään standardikäyrän tuottamiseen, minkä jälkeen näitä tietoja käytetään tuntemattomien näytteiden pitoisuuden mittaamiseen vertaamalla standardikäyrän lineaariseen osaan. Tämä voidaan tehdä suoraan graafille tai käyrän sovitusohjelmistolla, joka löytyy tyypillisesti ELISA-levylukijoilta.
Kuva. 6. Tyypillinen ELISA – standardikäyrä.
Kalibrointikäyrämallit
jos tarvitaan kvantitatiivinen tulos, yksinkertaisin tapa edetä on standardilukemien kolminkertainen keskiarvo ja nollakontrollinäytteen lukema vähennetään. Seuraavaksi piirretään vakiokäyrä, etsitään parhaiten sopiva viiva tai ainakin piirretään pisteestä pisteeseen-käyrä, jotta näytteiden pitoisuus voidaan määrittää. Mahdolliset laimennokset on säädettävä tässä vaiheessa. Tämä on yleensä se käytännön laajuus, jossa käsin voidaan laskea.
muunnelma on piirtää tiedot käyttäen semi-logia, log/logia, log/logitia ja sen johdannaisia – 4 tai 5 parametrilogistista mallia. Ohjelmistopohjaisten / automatisoitujen ratkaisujen avulla on mahdollista harkita kehittyneempiä graafisia lähestymistapoja. Lineaarisen regression käyttäminen ohjelmistopaketissa lisää useita tarkistusmahdollisuuksia; R2-arvon tarkistaminen on mahdollista fit: n yleisen hyvyyden määrittämiseksi. Sille käyrän osalle, jossa konsentraation ja lukeman suhde on lineaarinen, R2-arvot >0,99 edustavat erittäin hyvää istuvuutta. Tarkkuutta voidaan sitten edelleen parantaa käyttämällä muita standardipitoisuuksia kyseisellä alueella.
yksi lineaarisen kuvaajan aspekti on se, että se pakkaa datapisteet standardikäyrän alemmilla konsentraatioilla, mikä tekee siitä tarkimman alueen (pinta-alan, joka todennäköisimmin saavuttaa vaaditun R2-arvon). Tämän puristuksen vastapainoksi voidaan käyttää puolilokikaaviota; tässä konsentraatioarvon log (X-akselilla) piirretään lukua vastaan (y-akselilla). Tässä menetelmässä saadaan S-muotoinen datakäyrä, joka jakaa enemmän datapisteitä käyttäjäystävällisempään sigmoidiseen kuvioon.
log/log (log of concentration against log of readout) – kuvaajatyyppi onnistuu linearisoimaan enemmän datakäyrää. Standardissa matala-keskitasoinen pitoisuusalue on tässä mallissa yleensä lineaarinen, vain alueen korkeampi pää pyrkii kallistumaan pois. Log/logit ja sen johdannaiset, 4 tai 5 parametrilogistiset mallit, ovat kehittyneempiä ja vaativat monimutkaisempia laskelmia ja arvioita max -, min -, EC50-ja kaltevuusarvoista. 5-parametrimalli vaatii lisäksi epäsymmetria-arvon.
vaikka näillä kalibrointikäyrämalleilla voidaan parantaa suorituskykyä, hyvä lähtökohta olisi käyttää log-log-kuvaajaa ja tarkistaa saantoprosentti (analyyttien saanto piikitetyistä näytteistä). Vaihtoehtoisesti vähintään ”taakse sopiva” standardikäyrän lukuarvo on usein ”riittävän hyvä” lähestymistapa. Yksinkertaisin tapa tarkistaa on laskea kalibrointistandardit ja tarkistaa, että ne ovat 20%: n sisällä nimellislukuarvosta. Yksi varoitus on olla luottamatta ”hyviin” R2-arvoihin ja löytää se kalibrointikäyrämalli, joka tuottaa standardeille parhaat saantoarvot.
Elisa herkkyys
Elisa on yksi herkimmistä saatavilla olevista immunomäärityksistä. ELISA-testin tyypillinen toteamisalue on 0, 1-1 fmole tai 0, 01-0, 1 ng, ja herkkyys riippuu vasta-aineen ja antigeenin vuorovaikutuksen erityispiirteistä. Lisäksi joitakin substraatteja, kuten ne, jotka tuottavat tehostettua kemiluminesenssiä tai fluoresoivaa signaalia, voidaan käyttää tulosten parantamiseen.
kuten aiemmin mainittiin, epäsuora havaitseminen tuottaa korkeampia signaalitasoja, minkä vuoksi sen pitäisi olla herkempi. Se voi kuitenkin myös aiheuttaa suurempaa taustasignaalia, mikä vähentää nettokohtaisia signaalitasoja.