如何用ggplot2拟合SPR动力学数据的1:1 Langmuir模型？

步骤1：安装并加载依赖包 #

先确保所需工具包已安装，未安装则执行：

install.packages(c("pbm", "ggplot2", "dplyr", "tidyr", "purrr"))

加载包：

library(pbm)
library(ggplot2)
library(dplyr)
library(tidyr)
library(purrr)

步骤2：整理SPR数据 #

假设你导入的数据框名为spr_data，需包含以下核心列：

• time：时间点数值
• response：SPR响应信号值
• concentration：小分子浓度（建议设为因子类型，如"32nM"、"8nM"）

步骤3：用pbm拟合1:1 Langmuir模型 #

pbm包的fitLangmuir函数专门适配SPR的1:1结合解离模型，按浓度分组拟合：

# 按浓度分组执行拟合
fit_results <- spr_data %>%
  group_by(concentration) %>%
  do(fit = fitLangmuir(.$time, .$response, start = list(kass = 1e5, kdiss = 1e-3, rmax = 100)))

# 提取拟合预测值，整理为ggplot可用格式
pred_data <- fit_results %>%
  mutate(pred = map(fit, ~data.frame(
    time = .$data$time,
    fitted = .$fitted.values
  ))) %>%
  select(concentration, pred) %>%
  unnest(pred)

注：start参数需根据你的数据设置合理初始值，kass（结合速率）、kdiss（解离速率）、rmax（最大响应）可参考同类型实验的典型值调整，初始值不合理会导致拟合不收敛。

步骤4：用ggplot绘制原始数据+拟合曲线 #

模仿你提到的多浓度示例图样式（分色展示不同浓度，原始散点+拟合线）：

ggplot() +
  # 绘制原始数据点
  geom_point(data = spr_data, aes(x = time, y = response, color = concentration), size = 1, alpha = 0.6) +
  # 绘制拟合曲线
  geom_line(data = pred_data, aes(x = time, y = fitted, color = concentration), linewidth = 1) +
  # 可选：添加结合/解离阶段分隔虚线
  geom_vline(xintercept = 你的结合阶段结束时间, linetype = "dashed", color = "gray50") +
  # 调整标签与主题
  labs(x = "Time (s)", y = "Response (RU)", color = "Ligand Concentration") +
  theme_bw() +
  theme(legend.position = "top")

关键补充 #

• 1:1 Langmuir模型的核心逻辑：结合阶段响应随时间趋近饱和值，解离阶段响应指数下降，fitLangmuir会自动分阶段拟合两个过程
• 若拟合不收敛，优先调整start参数的初始值，或检查数据是否包含完整的结合-解离阶段
• 如需展示拟合参数（如解离常数KD=kdiss/kass），可从fit_results$fit中提取后用annotate()添加到图中

内容的提问来源于stack exchange，提问作者Shubham