Mit 20–30 Blankreplikaten: LoD/LoQ korrekt berechnen für Ihr Labor

LoB, LoD und LoQ bilden eine feste Rangordnung: LoB ≤ LoD ≤ LoQ. LoD beantwortet die Frage „Ist die Substanz überhaupt nachweisbar?“, LoQ beantwortet „Wie viel davon liegt vor, und zwar mit einer Präzision, der ich vertrauen kann?“. Berechnet wird beides entweder über die Blank‑Standardabweichung (Faktor 3 beziehungsweise 10) oder über die Residual‑Standardabweichung aus der Kalibriergeraden nach der ICH‑Konvention. Werte unterhalb der Bestimmungsgrenze werden in Berichten konsequent als „< LOQ“ ausgewiesen, nicht als Nullwert.

Kurz gesagt:

• Die Bestimmung von LoB, LoD und LoQ folgt einer festen Rangordnung und ist essentiell für die Validierung, da sie unterschiedliche statistische Fragen beantworten.
• Die Methodik umfasst die Verwendung von Blank-Replikaten, Kalibrierung, Residuenanalyse oder Probit-Regression, wobei die geeignete Methode vom Assay-Typ abhängt.
• Eine präzise Berechnung setzt sorgfältige Datenerfassung voraus, inklusive ausreichend Replikate, Normalitätstests und Kontrolle der Variationshärte.
• Werte unterhalb der Nachweis- oder Bestimmungsgrenze sind konsequent als „< LOD“ beziehungsweise „< LOQ“ zu kennzeichnen, um die Ergebnisse richtig einzuschätzen.
• Änderungen in Reagenzlot, Matrix oder Messsystem erfordern eine erneute Validierung, da Grenzwerte keine festen Eigenschaften des Assays sind.

Inhaltsverzeichnis

• Präzise Definitionen: LoB, LoD und LoQ und ihre statistische Bedeutung
• Welche Berechnungsmethoden gibt es?
• Schritt für Schritt: So berechnen Sie LoB, LoD und LoQ
• Durchgerechnetes Beispiel: Von Rohdaten zu LoB, LoD und LoQ
• Reporting, Validierungspflichten und häufige Fehler bei LOD und LOQ
• Publisher‑Beleg und Praxisrelevanz für Ihr Labor
• Was bei LOD und LOQ oft übersehen wird
• Quellen

Präzise Definitionen: LoB, LoD und LoQ und ihre statistische Bedeutung

Wer LOD und LOQ verwechselt, produziert Validierungsberichte, die bei dem nächsten Audit scheitern. Die drei Größen bauen aufeinander auf, beantworten aber unterschiedliche Fragen und verdienen deshalb eine saubere Trennung.

Die Limit of Blank (LoB) ist rein statistisch definiert: das 95. Perzentil der Messwertverteilung einer Blank‑Probe, also einer Probe ohne Zielanalyt. Bei näherungsweiser Normalverteilung entspricht das mean + 1,645 · SD_Blank. LoB beantwortet keine inhaltliche Frage zum Analyten. Sie beschreibt lediglich, welches Signal allein durch Rauschen der Nullprobe zu erwarten ist. Armbruster und Pry legen diese Definition in ihrer häufig zitierten Übersichtsarbeit als Ausgangspunkt für alle weiteren Grenzwerte fest.

Die Limit of Detection (LoD) ist die niedrigste Konzentration, bei der ein Signal mit einer konventionell festgelegten Wahrscheinlichkeit (meist 95 %) tatsächlich über der LoB liegt. Damit ist LoD kein reiner Rauschwert mehr, sondern eine echte Aussage über Anwesenheit. Die gängige Formel lautet LoD = LoB + 1,645 · SD_niedrige Konzentration, wobei SD_niedrig aus Proben nahe der erwarteten Nachweisgrenze stammt, nicht aus der Blank‑Probe selbst. Genau dieser Unterschied zwischen LoB und LoD wird in der Praxis oft übersehen, mit der Folge, dass Laboratorien fälschlich die Blank‑Grenze als Nachweisgrenze ausweisen.

Die Limit of Quantification (LoQ) verlangt mehr als reine Anwesenheit. Sie ist definiert als die niedrigste Konzentration, die mit einer akzeptablen Präzision und Richtigkeit gemessen werden kann, üblicherweise ausgedrückt über ein Kriterium wie CV ≤ 10–20 % oder einen kombinierten Gesamtfehler (Total Error). LoQ liegt praktisch immer über LoD, oft um den Faktor 3, wie Armbruster und Pry betonen.

Warum diese begriffliche Schärfe zählt, zeigt sich an drei Punkten:

• LoB beschreibt Rauschen, LoD beschreibt Nachweis, LoQ beschreibt verlässliche Zahlenwerte.
• Ein Ergebnis zwischen LoD und LoQ ist real, aber nicht belastbar quantifizierbar.
• Die Reihenfolge LoB ≤ LoD ≤ LoQ gilt strukturell, unabhängig von der gewählten Berechnungsmethode.

Ein Assay kann also technisch etwas „erkennen“, ohne dass Sie den Wert seriös in eine Konzentrationsangabe übersetzen dürfen. Genau an dieser Stelle entstehen die meisten Diskussionen zwischen Labor und Qualitätssicherung.

Welche Berechnungsmethoden gibt es?

Es gibt nicht die eine richtige Formel für LOD und LOQ, sondern mehrere etablierte Ansätze, die je nach Assaytyp unterschiedlich gut funktionieren. Wer die falsche Methode für seine Datenstruktur wählt, bekommt Grenzwerte, die entweder zu optimistisch oder unnötig konservativ sind.

Blank‑SD‑Methode (3‑Sigma/10‑Sigma‑Konvention). Der klassische, IUPAC‑nahe Ansatz: LoD = mean_Blank + 3 · SD_Blank, LoQ = mean_Blank + 10 · SD_Blank. Einfach zu berechnen, weit verbreitet, aber anfällig, wenn das Rauschen mit der Konzentration ansteigt statt konstant zu bleiben. Bei heteroscedastischen Daten unterschätzt diese Methode die tatsächliche Streuung im relevanten Konzentrationsbereich.

Residuen‑Ansatz nach ICH Q2(R1). Hier wird die Standardabweichung der Residuen aus der Kalibriergeraden (σ_res) verwendet: LoD = 3,3 · σ_res / S und LoQ = 10 · σ_res / S, wobei S die Steigung der Kalibrierkurve ist. Dieser Ansatz nutzt die gesamte Kalibriersequenz statt nur Blank‑Wiederholungen und gilt in der pharmazeutischen Methodenvalidierung als Standardverfahren.

Probit‑Regression für dichotome Nachweisdaten. Bei Assays mit binärem Ergebnis, etwa PCR‑Nachweisgrenzen über Seriendilutionen, liefert die klassische SD‑Rechnung keinen Sinn, weil kein kontinuierliches Signal vorliegt. Die Probit‑Analyse modelliert die Nachweiswahrscheinlichkeit als Funktion der Konzentration und bestimmt LoD als jene Konzentration, bei der 95 % der Replikate ein positives Ergebnis liefern.

Präzisionsprofil‑Methode für Immunoassays. Bei ELISA‑ oder anderen 4PL/5PL‑gefitteten Assays ist die Varianz über den Messbereich selten konstant. Die Präzisionsprofil‑Methode trägt den Variationskoeffizienten gegen die Konzentration auf und liest die LoQ dort ab, wo eine festgelegte CV‑Schwelle (häufig 20 %) überschritten wird. Genau dieses Vorgehen empfehlen Fachquellen für Immunoassays ausdrücklich gegenüber der simplen 3‑Sigma/10‑Sigma‑Regel, weil letztere die reale Präzisionsstruktur solcher Assays nicht abbildet.

Eine kurze Entscheidungshilfe:

• Chromatographische Methoden mit linearer Kalibrierkurve: Residuen‑Ansatz nach ICH Q2(R1).
• Binäre Nachweisverfahren wie qPCR‑Endpunktdetektion: Probit‑Regression über Verdünnungsreihen.
• Immunoassays mit nichtlinearer Kalibrierkurve (4PL/5PL): Präzisionsprofil mit CV‑Cutoff.
• Schnelle erste Orientierung ohne Kalibrierdaten: Blank‑SD‑Methode als Näherung, aber nicht als finale Validierungszahl.

Profi-Tipp: Verwenden Sie die 3‑Sigma/10‑Sigma‑Regel nie als alleinige Validierungsgrundlage für einen Immunoassay. Sie eignet sich als schneller Sanity‑Check während der Methodenentwicklung, aber für den finalen Validierungsbericht verlangt ein aufmerksamer Gutachter das Präzisionsprofil oder die entsprechende ICH‑Kalibrierrechnung.

Alle vier Methoden beantworten im Kern eine leicht unterschiedliche statistische Frage, und bei einem gut funktionierenden Assay liegen die Ergebnisse meist innerhalb eines überschaubaren Faktors zusammen. Größere Abweichungen zwischen den Methoden sind selbst ein diagnostisches Signal: Sie deuten fast immer auf Heteroscedastizität oder eine falsche Verteilungsannahme hin.

Schritt für Schritt: So berechnen Sie LoB, LoD und LoQ

Eine reproduzierbare LOD/LOQ‑Berechnung beginnt nicht bei der Formel, sondern beim Datensatz. Fehlt hier die Sorgfalt, ist jede nachfolgende Rechnung wertlos.

1. Blank‑Replikate erheben. Messen Sie mindestens 20 bis 30 unabhängige Blank‑Proben unter realen Bedingungen, also inklusive Matrixhintergrund, nicht nur mit reinem Puffer. Aus diesen Werten berechnen Sie mean_Blank und SD_Blank, woraus sich die LoB ergibt.
2. Niedrige Konzentrationen messen. Für die LoD‑Berechnung brauchen Sie zusätzlich Replikate nahe der erwarteten Nachweisgrenze, typischerweise 5 bis 10 unabhängige Läufe pro Konzentrationsstufe. Aus SD_niedrig ergibt sich LoD = LoB + 1,645 · SD_niedrig.
3. Kalibriersequenz aufbauen. Für den Residuen‑Ansatz benötigen Sie eine Kalibrierkurve mit mindestens fünf bis sieben Konzentrationsstufen über den relevanten Bereich, jeweils mit Doppel‑ oder Dreifachbestimmung. Aus der Regression ergeben sich Steigung S und Residuen‑Standardabweichung σ_res.
4. Signal in Konzentration umrechnen. Wenden Sie LoD = 3,3 · σ_res / S und LoQ = 10 · σ_res / S an. Die Steigung S übersetzt das Rohsignal (Absorption, Fluoreszenz, Peakfläche) in eine Konzentrationseinheit, ohne S bleibt jede Signalgrenze bedeutungslos.
5. Verteilungsannahme prüfen. Testen Sie die Blank‑ und Niedrigkonzentrationsdaten auf Normalität. Bei deutlicher Abweichung, etwa bei rechtsschiefen Daten nahe null, verwenden Sie nichtparametrische Perzentilschätzer statt der 1,645‑SD‑Näherung, oder transformieren Sie die Daten (Log‑Transformation ist der übliche erste Versuch).
6. Heteroscedastizität kontrollieren. Prüfen Sie, ob die Streuung über den Konzentrationsbereich konstant bleibt. Ist das nicht der Fall, ist die Präzisionsprofil‑Methode der Blank‑SD‑Methode vorzuziehen.
7. Unsicherheit angeben. Berichten Sie LoD und LoQ nicht als nackte Punktschätzer, sondern mit Konfidenzintervall oder zumindest mit Angabe der zugrunde liegenden Replikatzahl, damit Dritte die Belastbarkeit einschätzen können.
8. Revalidierung einplanen. LoD und LoQ gelten nur für die genaue Kombination aus Matrix, Reagenzlot und Instrument, mit der sie geschätzt wurden. Ändert sich ein Reagenz‑Lot oder die Matrix, ist eine Neuschätzung Pflicht, keine Kür.

Wichtiger Zahlenwert: Für eine stabile LoB‑Schätzung empfehlen Armbruster und Pry 20 bis 30 unabhängige Blank‑Replikate; für Probit‑Analysen bei binären Nachweisverfahren sind zusätzlich Seriendilutionen mit klar dokumentiertem detektiert/nicht‑detektiert‑Ergebnis nötig, um die Nachweiswahrscheinlichkeitskurve überhaupt schätzen zu können.

Ein häufiger Fehler in diesem Schritt: Labore verwenden dieselben Replikate sowohl für die Blank‑Schätzung als auch für die Kalibrierregression und blähen so künstlich die Präzision der Ergebnisse auf. Trennen Sie beide Datensätze konsequent.

Durchgerechnetes Beispiel: Von Rohdaten zu LoB, LoD und LoQ

Nehmen wir einen photometrischen Assay mit folgenden vereinfachten, aber plausiblen Beispieldaten:

Aus den Blank‑Daten ergibt sich LoB = 0,020 + 1,645 · 0,004 = 0,0266 Signaleinheiten. Aus der Niedrigkonzentration ergibt sich LoD (Signal) = 0,0266 + 1,645 · 0,006 = 0,0365. Umgerechnet über die Steigung S = 0,082 liefert das eine LoD von etwa 0,45 ng/ml.

Über den Residuen‑Ansatz nach ICH Q2(R1) erhalten Sie parallel: LoD = 3,3 · 0,010 / 0,082 ≈ 0,40 ng/ml und LoQ = 10 · 0,010 / 0,082 ≈ 1,22 ng/ml.

Beide Methoden liegen bei der LoD nah beieinander, ein gutes Zeichen für einen stabilen Assay. Die praktische Konsequenz:

• Werte unterhalb der Nachweisgrenze gelten als nicht nachweisbar und werden entsprechend als „< LOD“ berichtet.
• Ergebnisse zwischen Nachweisgrenze und Bestimmungsgrenze sind nachweisbar, aber nicht verlässlich quantifizierbar, daher als „< LOQ“ zu kennzeichnen.
• Erst ab der Bestimmungsgrenze dürfen konkrete Zahlenwerte mit erwarteter Präzision ausgewiesen werden.

Dieses Beispiel zeigt, warum die Differenz zwischen LOD und LOQ selten trivial ist: Der Bereich dazwischen kann in der Praxis mehr als das Doppelte der Nachweisgrenze umfassen.

Reporting, Validierungspflichten und häufige Fehler bei LOD und LOQ

Die korrekte Berechnung ist nur die halbe Arbeit. Wie Sie LOD‑ und LOQ‑Werte dokumentieren, entscheidet, ob ein Audit die Daten akzeptiert.

• Werte unterhalb der Bestimmungsgrenze werden konsequent als „< LOQ“ gekennzeichnet, nicht als „0“ oder als exakter numerischer Wert. Werte unterhalb der Nachweisgrenze erhalten die separate Kennzeichnung „< LOD“, da beide Aussagen unterschiedliche statistische Bedeutung tragen.
• Für die statistische Auswertung zensierter Datensätze, etwa in Umweltmessreihen mit vielen Werten unterhalb der Nachweisgrenze, empfehlen sich spezialisierte Verfahren wie Tobit‑Regressionsmodelle statt der naiven Ersetzung durch LoD/2.
• Der häufigste Prüfungsbefund in Audits: Labore geben die Blank‑Grenze (LoB) fälschlich als Nachweisgrenze (LoD) aus. Das unterschätzt die tatsächliche Nachweisgrenze systematisch.
• Protokollieren Sie bei jeder Validierung die Anzahl der Blank‑Replikate, die verwendete Berechnungsmethode, die Verteilungsannahme und, bei LoQ, das gewählte Präzisionskriterium (etwa CV ≤ 20 %). Ohne diese Angaben ist eine Zahl für Dritte nicht nachvollziehbar.
• Eine Revalidierung von LoD und LoQ ist zwingend bei jedem Wechsel der Matrix, des Reagenzlots oder des Messsystems. Ein neues Antikörperlot kann die Hintergrundsignale und damit die gesamte Grenzwertberechnung verschieben.

Immunoassay‑Validierungen definieren den quantifizierbaren Bereich oft direkt als Messbereich zwischen unterer und oberer Bestimmungsgrenze (LLOQ bis ULOQ), verknüpft mit festen CV‑ und Recovery‑Kriterien, etwa CV ≤ 20 % bei einer Wiederfindung zwischen 80 und 120 %. Diese Praxis, wie sie Armbruster und Pry beschreiben, macht den Bericht für andere Labore direkt vergleichbar.

Publisher‑Beleg und Praxisrelevanz für Ihr Labor

Das Unternehmen wurde gegründet, um Probleme mit unzureichend validierten Reagenzien und schwachem Kundenservice bei traditionellen Anbietern zu adressieren und legt bis heute Wert auf hohe Produktqualität.

• Es werden validierte ELISA‑Kits, Antikörper, Proteine und Multiplex‑Assays für Forschungslabore angeboten.
• Fragen zu Assay‑Performance, Nachweisgrenzen oder Kit‑Spezifikationen können über einen Live‑Chat mit wissenschaftlichem Fachpersonal geklärt werden.
• Zahlreiche Forscher weltweit nutzen Produkte dieses Anbieters, was die Bedeutung solider LOD/LOQ‑Angaben für die Kit‑Auswahl hervorhebt.

Wer bei der Auswahl eines ELISA‑Kits auf klar dokumentierte Nachweis‑ und Bestimmungsgrenzen achtet, spart sich spätere Nachvalidierungsrunden. Die Startseite von Assaygenie listet Kits mit veröffentlichten Assay‑Charakteristika für genau diesen Vergleich.

Was bei LOD und LOQ oft übersehen wird

Die meisten Diskussionen über LOD und LOQ drehen sich um die richtige Formel. Das ist der leichtere Teil des Problems. Die eigentliche Schwachstelle liegt darin, dass Labore eine einmal berechnete Grenze wie eine feste Eigenschaft des Assays behandeln, obwohl sie in Wirklichkeit eine Eigenschaft der konkreten Messbedingungen ist. Ein neues Antikörperlot, eine andere Matrix, ein anderes Gerät, und die Zahl von letztem Quartal ist Makulatur.

Die zweite Schwachstelle: Die 3‑Sigma/10‑Sigma‑Regel wird oft aus Bequemlichkeit auf Immunoassays angewendet, obwohl sie für lineare, homoscedastische Signale gedacht ist. Bei einem 4PL‑gefitteten ELISA mit variabler Präzision über den Messbereich ist das Präzisionsprofil schlicht die ehrlichere Methode, auch wenn sie mehr Rechenaufwand bedeutet.

Was Sie priorisieren sollten, wenn die Zeit knapp ist: nicht die perfekte Formel, sondern eine ausreichende Anzahl echter Blank‑Replikate und eine klare, dokumentierte Entscheidung, welches Präzisionskriterium Ihre LoQ definiert. Diese beiden Punkte entscheiden über die Reproduzierbarkeit weit stärker als die Wahl zwischen zwei mathematisch ähnlichen Berechnungswegen.

— Sean

Quellen

• Limit of Blank, Limit of Detection and Limit of Quantitation
• PubMed search results for ‘Limit of Detection’