حلال ماخذ پیشگی اسکریننگ · گائیڈ

پری اسکریننگ · FTIR.fun

گائیڈ سائن ان

گائیڈ

حلال اوریجن پری اسکریننگ — استعمال کا طریقہ

اپنی نجی حوالہ لائبریری بنانے اور آنے والے نمونوں میں سور کے ماخذ کے رجحان کی اسکریننگ کے لیے مرحلہ وار رہنما۔ پڑھنے کا وقت: تقریباً 5 منٹ۔

یہ ورک بینچ کیا کرتا ہے

آپ کے بھروسے مند اہل بیچز کے FTIR سپیکٹرا کی ایک نجی، فی ٹیم ریفرنس لائبریری رکھتا ہے۔
ایک نئے آنے والے نمونے کا اس لائبریری کے ساتھ موازنہ کرتا ہے اور رپورٹ کرتا ہے کہ یہ کتنا مطابقت رکھتا ہے، چوٹی سطح کے فرق کے ثبوت کے ساتھ۔
کسی بھی زمرے کے لیے کام کرتا ہے: پروٹین پر مبنی (جیلیٹن، کیپسول شیل، گوشت، سوریمی، دودھ)، چربی/تیل پر مبنی (کھانے کا تیل، شارٹننگ، مکھن، گھی)، یا مخلوط پراسیس شدہ مصنوعات۔
آپ کو ایک قابلِ سراغ رپورٹ دیتا ہے جسے آپ پرنٹ کر کے بیچ ریکارڈز کے ساتھ رکھ سکتے ہیں۔

نتیجہ کیسے تیار کیا جاتا ہے

مکمل سپیکٹرم کا تجزیہ کیا جاتا ہے — صفحہ پر دکھائے گئے لٹریچر ونڈوز صرف پڑھنے کے رہنما ہیں، تجزیہ کی حدیں نہیں۔
نتیجہ مماثلت کا فیصلہ ہے: آنے والا نمونہ آپ کی اہل حوالہ لائبریری سے کتنا مطابقت رکھتا ہے۔
نتیجے کا انداز آپ کے لائبریری ٹیگز کی پیروی کرتا ہے: غیر سور لائبریری غیر سور کا انداز دیتی ہے، سور کنٹرول لائبریری سور کا انداز دیتی ہے۔
ہر لیبل کی حمایت چوٹی-فرق کی جدول سے ہوتی ہے جسے آپ رپورٹ میں دیکھ سکتے ہیں۔

چار مراحل میں ورک فلو

1ایک حوالہ لائبریری بنائیںایک مٹیریل کے لیے اہل تاریخی FTIR بیچز اپ لوڈ کریں۔

2ہر بیچ کو ٹیگ کریںمیٹرکس کی قسم اور ماخذ کی نوعیت نتائج کے الفاظ کا تعین کرتی ہے۔

3آنے والے نمونے کی اسکریننگ کریںمنتخب لائبریری کے ساتھ اس کا FTIR فائل اپ لوڈ کریں۔

4رپورٹ پڑھیںرجحان کا لیبل، پیک کے فرق، چارٹس، اور AI تشریح۔

مرحلہ 1 — ایک حوالہ لائبریری بنائیں

حوالہ لائبریری ان بیچز کے FTIR اسپیکٹرا کا ایک مجموعہ ہے جنہیں آپ اس مواد کے لیے قابل قبول سمجھتے ہیں۔ آنے والے نمونے کا موازنہ اس لائبریری سے کیا جاتا ہے، نہ کہ کسی عوامی ڈیٹا بیس سے۔

آپ کون سی فائلیں اپ لوڈ کر سکتے ہیں؟

عام انسٹرومنٹ ایکسپورٹ فارمیٹس قبول کیے جاتے ہیں، بشمول CSV / TXT (ویونمبر، ابزاربینس)، SPA، DPT، DXD، JWS، اور دیگر۔ سپیکٹرم خود بخود پڑھا اور انٹرپولیٹ کیا جاتا ہے؛ آپ کو اسے ہاتھ سے تبدیل کرنے کی ضرورت نہیں۔

آپ کو کتنے بیچز چاہیے؟

کم از کم 3-5 بیچز سے شروع کریں ایک مٹیریل کے لیے۔ زیادہ بیچز موازنہ کو زیادہ قابل اعتماد بناتے ہیں۔ جب بھی منتخب لائبریری میں 5 سے کم بیچز ہوں تو صفحہ ایک انتباہ دکھاتا ہے۔

فی مٹیریل ایک لائبریری

ہر اس مٹیریل کے لیے جسے آپ اسکرین کرنا چاہتے ہیں ایک علیحدہ لائبریری بنائیں (مثلاً ایک بیف ساسیج کے لیے، ایک کھانے کے تیل کے لیے)۔ لائبریریاں آپ کی ٹیم اکاؤنٹ کے لیے نجی ہوتی ہیں اور بائیں سائڈبار میں ظاہر ہوتی ہیں۔

میٹرکس قسم

Protein-based، Fat/oil-based، یا Mixed منتخب کریں۔ یہ صرف اس بات کو بدلتا ہے کہ صفحہ پر کون سی لٹریچر امتیازی ونڈوز بطور پڑھنے کی رہنمائی دکھائی جاتی ہیں — تجزیہ خود ہمیشہ مکمل سپیکٹرم استعمال کرتا ہے۔

ماخذ نوع — ضروری، اور کیوں

ہر بیچ کو اس کے اعلان کردہ ماخذ (bovine, fish, plant, porcine, ...) کے ساتھ ٹیگ کریں۔ نتیجہ کا انداز اس پر منحصر ہے: تصدیق شدہ غیر سور بیچوں کی لائبریری ＇غیر سور رجحان＇ کا انداز دیتی ہے، جبکہ سور کے مثبت کنٹرول کے طور پر ٹیگ کردہ لائبریری قریبی مماثلت پر ＇سور رجحان＇ کا انداز دیتی ہے۔ پرجاتیوں کے ٹیگ کے بغیر، رپورٹ صرف لائبریری کی مطابقت بتاتی ہے۔

دیگر فیلڈز

سپلائر، بیچ نمبر، JAKIM/سرٹ کی حیثیت، اسکینز، ریزولوشن، اور ATR کرسٹل ہر حوالہ بیچ پر ریکارڈ کیے جاتے ہیں اور رپورٹس میں ظاہر ہوتے ہیں، تاکہ ٹریس ایبلٹی کا سلسلہ برقرار رہے۔

مرحلہ 2 — آنے والے نمونے کی اسکریننگ کریں

اس مٹیریل کے لیے ＂Reference library＂ ڈراپ ڈاؤن میں ریفرنس لائبریری منتخب کریں۔
بیچ نمبر اور آنے والے نمونے کی فراہم کنندہ کی اعلان کردہ نوع درج کریں (یہ رپورٹ میں درج کیا جاتا ہے، انجن کے ذریعے استعمال نہیں ہوتا)۔
آنے والی FTIR فائل اپ لوڈ کریں (اوپر والے فارمیٹس)۔
＂Run Halal Pre-screening＂ پر کلک کریں۔ انجن نمونے کا لائبریری سے موازنہ کرتا ہے اور رپورٹ تیار کرتا ہے۔

پوائنٹس: ہر پیشگی اسکریننگ مفت/آزمائشی اکاؤنٹ پر 10 پوائنٹس استعمال کرتی ہے۔ وی آئی پی اکاؤنٹس سے چارج نہیں لیا جاتا۔

مرحلہ 3 — رپورٹ پڑھیں

رجحان لیبل

سب سے اوپر کی مہر پیشگی اسکریننگ کا نتیجہ ہے۔ یہ کیا کہہ سکتی ہے اس کا انحصار آپ کی حوالہ لائبریری پر ہے:

آپ کی لائبریری	نمونہ بمقابلہ لائبریری	لیبل
غیر-خنزیری تصدیق شدہ بیچز	مطابق	غیر خنزیری حوالہ جات کے مطابق
	جزوی طور پر مطابق	مزید تصدیق درکار ہے
	غیر مستقل	غیر خنزیری ماخذ کی تصدیق نہیں ہوئی
سور کا مثبت کنٹرول	مطابق	خنزیری رجحان
	جزوی طور پر مطابق	مزید تصدیق درکار ہے
	غیر مستقل	خنزیری کنٹرول سے مماثل نہیں ہے
کوئی نوع کا ٹیگ نہیں	مطابق	حوالہ لائبریری کے مطابق
	جزوی طور پر مطابق	مزید تصدیق درکار ہے
	غیر مستقل	حوالہ لائبریری سے مطابقت نہیں رکھتا

لیبل کے پیچھے الگورتھم

انجن خود بخود اس بات کی بنیاد پر تجزیہ کا طریقہ منتخب کرتا ہے کہ لائبریری میں کتنے بیچ ہیں:

حوالہ بیچز	موڈ	کیا حساب کیا جاتا ہے
19 یا اس سے کم	مماثلت	پیئرسن ارتباط، کوزائن مماثلت، اور اہم فرق کی چوٹیاں
20 – 49	PCA	مماثلت کے علاوہ PCA پروجیکشن، مہالانوبس فاصلہ، ہوٹیلنگ T²
پچاس یا اس سے زیادہ	کلاس ماڈل	PCA اور SIMCA: Q residue، کلاس رکنیت کا امکان، مطابقت کا اسکور

امتیازی علاقے

＂Discriminant regions (literature)＂ پینل آپ کے میٹرکس کی قسم سے مماثل، شائع شدہ ماخذ اسکریننگ مطالعات میں رپورٹ کردہ ونڈوز کی فہرست دیتا ہے۔ فرق کی جدول میں جو چوٹیاں ان ونڈوز کے اندر آتی ہیں انہیں علاقے کے نام سے ٹیگ کیا جاتا ہے — یہ آپ کے اپنے جائزے کے لیے مفید ترجیح ہے:

Amide A 3600–3000 cm⁻¹ N–H/O–H stretch; principal gelatin discriminant window (Hashim 2010).

Amide I 1700–1600 cm⁻¹ C=O stretch; porcine vs bovine/fish gelatin main peak (Sci Rep 2021).

Amide II / III 1550–1240 cm⁻¹ N–H bend + C–N stretch; species-discriminant envelope (Sci Rep 2021).

Porcine-gelatin signature 1475–1470 cm⁻¹ Dominant wavenumber reported for porcine gelatin by c-FACS (Sci Rep 2021); bovine 1444–1450, fish 1496–1500.

DA window 2000–1501 cm⁻¹ Standard ATR + discriminant-analysis window in animal-gelatin studies (Nazri 2024).

C–H stretch 3030–2785 cm⁻¹ Total fat C–H region; SIMCA discriminant region for lard in ghee (Int J Mol Sci 2020).

Ester C=O 1786–1680 cm⁻¹ Triglyceride ester carbonyl; SIMCA region separating lard from other fats (2020 review).

Triglyceride fingerprint 1490–919 cm⁻¹ SIMCA discriminant region (2020 review); lard C–O pair reported near 1117/1097.

Lard in VCO region 3020–3000 · 1120–1000 cm⁻¹ Combined region that quantified lard in virgin coconut oil by PLSR+DA, R²=0.999 (2020 review).

cis / trans markers 3006 · 968 cm⁻¹ cis =C–H near 3006 and trans/CH₂ rocking near 968 support fat-type separation.

یہ ونڈوز کہاں سے آتی ہیں

پروٹین پر مبنی ونڈوز Hashim 2010 (Food Chem) اور Sci Rep 2021 کی پیروی کرتی ہیں — مؤخر الذکر سور جیلیٹن کے لیے 1470–1475 cm⁻¹ کے قریب ایک غالب ویو نمبر رپورٹ کرتا ہے (bovine 1444–1450، fish 1496–1500)۔ چربی/تیل پر مبنی ونڈوز Int J Mol Sci 2020 حلال تصدیقی جائزہ کی پیروی کرتی ہیں: گھی میں سور کی چربی کے لیے SIMCA امتیازی علاقے (3030–2785 / 1786–1680 / 1490–919 cm⁻¹) اور ایک مشترکہ علاقہ جس نے PLSR+DA کے ذریعے کنوارے ناریل کے تیل میں سور کی چربی کی مقدار R² = 0.999 (3020–3000 / 1120–1000 cm⁻¹) کے ساتھ طے کی۔

یہ آپ کے اپنے جائزے کے لیے پڑھنے کے رہنما ہیں — انجن پورے اسپیکٹرم کا تجزیہ کرتا ہے، نہ کہ صرف ان ونڈوز کا۔ ہر مواد کے لیے کوئی ایک ونڈو سیٹ درست نہیں ہے؛ مختلف میٹرکس کے لیے مختلف ادبی امتیازی بینڈ ہوتے ہیں۔

پیک فرق کی جدول

“Main Difference Peaks” نمونے اور حوالہ اوسط کے درمیان سب سے مضبوط فرقوں کی فہرست دیتا ہے، سمت (نمونہ زیادہ/کم) اور اس کے ساتھ کہ آیا پیک غیر معمولی ہے۔ یہ لیبل کے پیچھے ثبوت ہے — جب لیبل “مستقل” نہ ہو تو اس کا جائزہ لیں۔

چارٹس

سپیکٹرل اوورلے نمونے کو ریفرنس مین کے ساتھ کھینچتا ہے۔ PCA اسکیٹر (جب لائبریری میں 20+ بیچز ہوں) دکھاتا ہے کہ نمونہ تاریخی بیچ کلاؤڈ کے نسبت کہاں ہے۔

AI تشریح

جب دستیاب ہو، AI پینل فرقوں کا خلاصہ کرتا ہے، ممکنہ وجوہات کی فہرست دیتا ہے، اور اگلے اقدامات تجویز کرتا ہے۔ یہ صرف فیصلہ سازی میں مدد ہے: اس کے کیمیائی دعووں اور الفاظ کو نقطہ آغاز کے طور پر لیں، اور عمل کرنے سے پہلے تصدیق کریں۔

اکثر پوچھے گئے سوالات

میرا نمونہ ＂non-porcine origin not confirmed＂ آیا ہے۔ کیا اس کا مطلب ہے کہ اس میں سور کا گوشت ہے؟: نہیں۔ اس کا مطلب ہے کہ نمونہ آپ کی غیر-خنزیری حوالہ لائبریری سے مختلف ہے۔ فرق کسی مختلف سپلائر، نمی، اضافی اشیاء، آلے کی ترتیبات، یا معمول کے بیچ سے بیچ کے پھیلاؤ سے آ سکتے ہیں۔ اسے تحقیقات کے لیے ایک جھنڈے کے طور پر لیں — نہ کہ خنزیر کی موجودگی کا پتہ لگانے کے طور پر۔ اگر خنزیر کی موجودگی قائم کرنی ہو تو ڈی این اے/پی سی آر استعمال کریں۔
کیا میں اس سے تیل اور چکنائی کی اسکریننگ کر سکتا ہوں؟: جی ہاں۔ میٹرکس کی قسم ＂Fat / oil-based＂ منتخب کریں۔ پھر لٹریچر پینلز سور کی چربی کی ملاوٹ کی اسکریننگ کے لیے رپورٹ کردہ بینڈز دکھاتے ہیں (cis C–H قریب 3006، ester C=O قریب 1743، triglyceride C–O جوڑا قریب 1117/1097، trans قریب 968)، اور AI تشریح چربی سے متعلق مخصوص پڑھنے کی رہنمائی دیتی ہے۔
صفحہ کیوں خبردار کرتا ہے کہ 5 سے کم بیچز کے ساتھ نتائج تحقیقی ہیں؟: 1–4 سپیکٹرا کے خلاف موازنہ کی محدود شماریاتی اہمیت ہے۔ انجن پھر بھی کام کرتا ہے، لیکن آؤٹ پٹ کو سمتاتی سمجھیں، مقداری نہیں۔ جیسے ہی آپ انہیں اہل بنائیں بیچ شامل کریں۔
کیا میرا سپیکٹرل ڈیٹا شیئر کیا جاتا ہے؟: نہیں۔ حوالہ لائبریریاں آپ کے اکاؤنٹ کے لیے نجی ہیں اور کسی اور کے لیے جانچ کے حوالے کے طور پر استعمال نہیں ہوتیں۔ آپ کسی بھی وقت بیچز یا پوری لائبریریاں ہٹا سکتے ہیں۔
کیا مجھے ہر سپلائر یا ہر مواد کے لیے ایک لائبریری بنانے کی ضرورت ہے؟: فی مواد کم از کم ہے۔ اگر آپ کے سپلائرز میں نمایاں فرق ہو تو ہر سپلائر اور مواد کے لیے علیحدہ لائبریریاں سب سے صاف موازنہ دیتی ہیں۔
یہ ایک بڑی سپیکٹرل لائبریری میں مماثلت کی تلاش سے کیسے مختلف ہے؟: یہاں موازنہ سیٹ آپ کے اپنے اہل بیچز ہیں، ثبوت لٹریچر ونڈوز کے ساتھ چوٹی سطح کے فرق ہیں، اور رپورٹ سپلائر/بیچ/سرٹ ٹریل رکھتی ہے۔ عوامی لائبریری تلاش اس سوال کا جواب دے سکتی ہے کہ ＂یہ سپیکٹرم کس سے ملتا جلتا ہے＂; یہ ورک بینچ اس کا جواب دیتا ہے کہ ＂یہ بیچ میرے اہل بیس لائن سے کتنا مطابقت رکھتا ہے＂۔
کیا میں اسکرین شدہ نمونے کو حوالہ بیچ میں تبدیل کر سکتا ہوں؟: جی ہاں — ورک بینچ پر، ہر پچھلی اسکریننگ میں ایک ＂Add＂ بٹن ہوتا ہے جو بیچ قبول کرتے ہی اسے حوالہ لائبریری میں شامل کر دیتا ہے۔ ریکارڈ اپنی تاریخ برقرار رکھتے ہیں۔
ملائیشیا سے باہر صارفین کے لیے ＇JAKIM سٹیٹس＇ کا کیا مطلب ہے؟: یہ فیلڈ آزاد ہے اور اس کا لیبل ＂JAKIM / halal cert status＂ ہے۔ ملائیشیا سے باہر کی لیبارٹریاں اپنی سرٹیفیکیشن باڈی درج کر سکتی ہیں، یا اسے ＂Unknown＂ چھوڑ سکتی ہیں۔

حلال ورک بینچ کھولیں سائن ان