质量测量原理

在生物技术实验室中，准确的测量是获得可靠实验结果的基础。无论是称量试剂、测定蛋白质浓度，还是分析DNA样品，每一个测量过程都会影响最终结果的质量和可信度。实验过程中，哪怕是看似微小的失误或仪器偏差，都有可能导致数据出现较大偏差，进而影响实验结论。

质量测量的核心不是追求一个看似精确的数字，而是说明测量对象、方法、参照和不确定度。掌握这些概念后，可以判断仪器分辨率是否被误当成准确度，区分随机波动与系统偏倚，并在结果接近规格限时采用事先规定的判定规则。

测量标准与校准的重要性

在一家生物制药公司，质检人员小李每天需要用天平称量原料药。有一天，她发现同一批次的样品在不同天平上称量结果相差较大。经过检查发现，其中一台天平已经半年没有校准了。这个案例提醒我们，测量仪器的准确性需要通过定期校准来保证。

测量标准是具有规定量值和不确定度、用作参照的实物、材料或测量系统。2019年起，千克由普朗克常数的固定数值定义，不再依赖国际千克原器。国家计量机构通过实现SI单位、校准服务和标准物质等方式传递量值，实验室再用文件化的校准链把具体测量结果与参照联系起来。

校准可由具备相应能力的外部实验室或本机构按受控程序完成。频率不应机械设为每周、每月或每年，而要考虑设备稳定性、使用强度、历史漂移、环境、风险和法规。证书的作用是记录结果、不确定度、条件和溯源信息；是否具有特定法律效力取决于应用场景和当地制度。

校准与检定的区别常常被混淆。检定是由法定计量机构按照国家计量检定规程进行的强制性检查，合格后出具检定证书。而校准是非强制性的，主要目的是获得测量偏差数据。对于生物技术实验室的大多数仪器，校准比检定更为常用，因为校准更灵活，可以根据实验室的具体需求制定校准方案。

以下总结了校准与检定的主要差异：

溯源性

溯源性是指测量结果能够通过连续的比对链与适当的测量标准联系起来的特性。这个概念听起来抽象，但在实际工作中极为重要。如果广州、武汉、成都三个实验室同时测定一批疫苗的蛋白质含量，如何保证三地结果可以相互比较？答案就是溯源性。

量值溯源通过有文件记录且不中断的校准链，把一个测量结果与规定参照联系起来，并在每一级计入不确定度。以质量为例，参照最终联系到SI千克的实现，而不是继续追溯到一件国际千克原器。溯源性是测量结果的属性，不能笼统地说某台仪器、某个实验室“天然可溯源”。

上面的图表清晰展现了测量溯源链的结构与准确度逐级传递的过程。其主要流程如下：

• 国际/国家标准：作为链条的起点，提供最高权威的基准。
• 国家基准：承接国际标准，作为国家内部最高等级的量值传递平台。
• 校准实验室：具备国家认证资质，将基准量值准确传递给工业界和科研界。
• 日常测量器具：溯源链的最末端，直接应用于日常检测和实验。

校准链中的每一级都会对总不确定度作出贡献，但链条完整本身不能保证结果适合使用。实验室还要定义被测量、采用合适方法、控制环境与样品处理，并确认最终不确定度满足决策需要。缩短链条有时有利，却不是判断质量的唯一标准。

1. 通过校准确保本实验室测量结果能够及时“重新连接”到上一级标准，
2. 保证测量的可靠性，
3. 保持测量结果的溯源性。

生物测量可以通过有证标准物质、参考测量程序或经过表征的校准品建立溯源关系。普通BSA试剂只有在其浓度、均匀性、稳定性和不确定度经过适当赋值时，才能承担相应参照作用。没有适用的高等级标准物质时，也应完整说明校准层级与方法限制。

支持溯源性需要保存校准证书、标准物质证书、测量程序、期间核查和不确定度记录。文件要能说明每个参照何时使用、对哪一结果适用，以及校准状态变化后如何处理既往数据；购买凭证本身不能构成完整溯源链。

测量误差的来源与分类

在微生物实验室里，学生小张用移液器移取了十次1.0 mL的溶液，用天平称重后发现结果从0.996 g到1.004 g不等。为什么会出现这种差异？这就涉及测量误差的问题。

测量误差是指测量结果与被测量真值之间的差异。理解误差的性质有助于我们采取适当的措施减小误差影响。测量误差按其性质可分为系统误差、随机误差和粗大误差三类。

系统效应会使结果在相同条件下持续偏向一个方向或按规律变化，例如天平零点偏移或pH电极斜率异常。校准、空白、回收实验和参考物质可帮助发现偏倚；修正后仍要把修正量的不确定度计入结果，不能笼统认为系统误差已被“消除”。

随机效应使重复测量结果出现不可预知的变化，可通过重复测量和统计方法估计其离散程度。增加重复次数通常能降低均值的随机不确定度，却不能修正偏倚，也不保证数据服从正态分布。使用均值、标准差或置信区间前，应先检查数据结构与测量条件。

图中展示的是正态分布的68%—95%—99.7%经验规则。只有当重复测量可以近似看作正态分布时，这些比例才适用；小样本、偏态数据、离群值或随时间漂移的数据不能直接套用。标准差描述离散程度，不代表系统偏倚已被控制。

异常结果可能来自录入、移液、仪器故障，也可能反映真实的样品差异。不能因为一个点离群就直接删除；应依据预先规定的规则检查原始记录、仪器状态和样品信息，说明保留或排除的理由，并评估结论对该点是否敏感。

以下是三类误差的特征及处理方法：

若参考值为5.00 g而测得5.02 g，差值为+0.02 g，相对于参考值为+0.4%。这里必须称为相对某个参考值的偏差；当真值未知时，不能把称量差异直接写成已知的测量误差。相对表示适合比较不同量级，但接近零的参照值需要另行处理。

准确度与精密度

准确度与精密度可以借助靶盘区分：弹着点靠近参考中心表示偏倚较小，彼此集中表示离散较小。类比有助于入门，但真实测量还要定义参考值、不确定度和重复条件，不能仅凭图形直观下结论。

准确度概念描述测量值与被测量真值的一致程度，但真值通常不可直接知道。实验室常借助有证标准物质、参考方法或加标回收评估偏倚。回收率只考察特定添加量和样品基质下的方法表现，不能单独代表全部准确度。

可接受的回收率取决于分析物、浓度、样品基质、方法用途和验证方案，不能用95%—105%作为所有生物分析的统一标准。回收率接近100%也不自动证明方法没有其他偏倚。

精密度是指在相同条件下重复多次测量时，各测量结果之间是否接近。关于精密度，有以下几点需要注意：

• 如果每次测得的数值都非常接近（比如相差非常小），说明精密度高。
• 精密度高并不代表结果一定接近真实值。如果测量工具有系统误差，虽然多次数据很接近，但也可能全偏离实际值。
• 例如，使用同一把尺子连续测量一个物体的长度，五次读数为10.2厘米、10.2厘米、10.1厘米、10.2厘米和10.1厘米，这说明精密度高（数据很接近），但如果尺子本身有误差，测量值依然可能不等于真实值。
• 常用的精密度评估指标包括标准差、变异系数等。

图中用靶盘示意法直观展示了准确度和精密度的四种典型组合：圆心表示真值，圆点为多次测量值。第一象限（左上）代表理想测量——既准确又精密。第三象限（右下）则是最差情况——既不准确也不精密。注意第三种模式（低准确度高精密度）最易误导，因为数据结果很“集中”但实际都偏离了真值。

偏倚可能来自零点、校准品、比色皿、方法选择和样品基质；离散则可能来自环境波动、取样不均或操作重复性。排查时应使用稳定参考样、空白和重复测量把问题定位到样品、仪器或方法，而不是凭一次经验故事归因。

不确定度分析

在传统的误差理论中，我们假设存在一个“真值”，测量的目标是无限接近这个真值。但在实际工作中，真值往往是无法得知的。20世纪末，国际计量组织提出了测量不确定度的概念，为测量结果的质量评价提供了新的框架。

扩展不确定度为0.8 mg/mL且包含因子k=2时，结果可写为$(25.6pm0.8),mathrm{mg/mL}$，并同时说明不确定度评定方法和覆盖概率的近似条件。它不是对某个固定“真实值”落入区间的简单概率承诺，而是对测量信息及其合理分散范围的表达。

A类评定利用重复观测等统计信息，B类评定利用证书、分辨力、既往数据、说明书或科学判断等其他信息。A类与“随机来源”、B类与“系统来源”并非一一对应；分类依据是评定方法。两类分量都要转换为标准不确定度后纳入模型。

以配制约100 mL、1.00 mg/mL的蛋白标准液为例，可以把浓度写成质量、纯度和最终体积的函数。称量、纯度、定容温度和容量器具都会贡献不确定度；如果样品会吸湿、降解或吸附，还应把这些效应纳入测量模型。

测量模型为：$\text{浓度} = \frac{\text{质量}}{\text{体积}}$。

不确定度来源包括天平称量的不确定度、容量瓶定容的不确定度、标准品纯度的不确定度。假设天平校准证书显示不确定度为 $0.1\,\mathrm{mg}$（$k=2$），则标准不确定度 $u_1 = 0.1 \div 2 = 0.05\,\mathrm{mg}$。容量瓶证书显示 （均匀分布），标准不确定度 。标准品证书显示纯度 （正态分布，），标准不确定度 。

图中按给定示例参数比较各来源对合成不确定度的贡献。哪个分量占主导取决于实际证书、称量量、容量器具、纯度模型及各变量是否相关；更换高纯标准品只有在纯度分量确实占主导时，才会明显改善结果。

合成标准不确定度采用不确定度传播定律计算。对于浓度 = 质量 / 体积这样的模型，相对合成不确定度为：

则标准不确定度 $u_c = 1.00 \times 0.00156 = 0.00156\,\mathrm{mg/mL}$。

扩展不确定度 $U = k \times u_c$，其中 $k$ 为包含因子，通常取 $2$，对应约 $95\%$ 的置信水平。因此 $U=2\times 0.00156=0.003\mathrm{m}$。最终结果表示为：蛋白质浓度 = 。

不确定度评定的细化程度应与结果用途相匹配。检测实验室需要识别重要分量并在方法、设备或样品条件改变时更新模型。产品放行还涉及判定规则：测量区间与规格限怎样比较，应预先约定，而不是在结果接近限值时临时选择有利解释。

以下对比了传统误差理论与不确定度理论的区别。

当测量结果用于产品放行、参考值赋值或关键研究结论时，应建立与用途相称的不确定度评定。结果接近规格限时，需要预先规定判定规则，并同时考虑测量不确定度、方法偏倚和重复性；不能等看到结果后再选择有利的合格判定方式。

理解质量测量原理，不仅要掌握各种概念的定义，更重要的是能够在实际工作中应用这些原理来提高测量质量。无论是选择合适的仪器、制定科学的操作规程，还是正确评价测量结果，都离不开对测量原理的深刻理解。随着生物技术的发展，对测量质量的要求越来越高，掌握这些基本原理将为今后的学习和工作打下坚实基础。