清真來源預篩選 — 使用指南
逐步指南，用於建立您的私人參考資料庫並篩查進來的樣品是否有豬來源傾向。閱讀時間：約5分鐘。
此工作台的用途
- 維護一個私有的、每個團隊的參考資料庫，包含您信任的合格批次的FTIR光譜。
- 將新的進貨樣品與該資料庫進行比對，並報告其一致性，附帶峰級差異證據。
- 適用於任何類別：蛋白質類（明膠、膠囊殼、肉類、魚漿、乳製品）、脂肪/油脂類（食用油、起酥油、奶油、酥油）或混合加工產品。
- 為您提供一份可追溯的報告，您可以打印並與批次記錄一起保存。
結果是如何產生的
- 全光譜均被分析 — 頁面上顯示的文獻窗口是閱讀指南，而非分析限制。
- 結論是相似性判斷：進料樣品與您的合格參考庫的匹配程度。
- 結果表述遵循您的資料庫標籤：非豬資料庫給出非豬表述，豬對照資料庫給出豬表述。
- 每個標籤都有您在報告中可查閱的峰差異表作為支持。
四個步驟的工作流程
步驟 1 — 建立參考資料庫
參考庫是您已認為可接受的該材料批次的FTIR光譜集合。進料樣品會與此庫進行比較，而非任何公開資料庫。
您可以上傳哪些檔案？
接受常見的儀器匯出格式，包括CSV / TXT（波數、吸光度）、SPA、DPT、DXD、JWS等。光譜會自動讀取並進行插值；您無需手動轉換。
您需要多少批次？
從一種材料的至少3–5個批次開始。越多批次使比較越可靠。當所選資料庫少於5個批次時，頁面會顯示警告。
每種材料一個資料庫
為您要篩選的每種材料建立單獨的資料庫（例如，一個用於牛肉香腸，一個用於食用油）。資料庫對您的團隊帳戶是私密的，並顯示在左側欄中。
基質類型
選擇蛋白質基、脂肪/油基或混合。這只會更改頁面上作為閱讀指南顯示的文獻判別窗口——分析本身始終使用全光譜。
來源物種——必填及其原因
為每個批次標記其聲明的來源（牛、魚、植物、豬等）。結果表述取決於此：經認證的非豬批次資料庫會產生「非豬傾向」的表述，而標記為豬陽性對照的資料庫在接近匹配時會產生「豬傾向」的表述。若無物種標記，報告僅說明資料庫一致性。
其他欄位
每個參考批次都會記錄供應商、批號、JAKIM/認證狀態、掃描次數、解析度和ATR晶體，並在報告中顯示，因此追溯鏈保持完整。
步驟2 — 篩查進來的樣品
- 在“參考資料庫”下拉式選單中為此材料選擇參考資料庫。
- 輸入批次號和供應商聲明的進料樣品物種（此資訊記錄在報告中，引擎不會使用）。
- 上傳進貨的FTIR檔案（格式與上述相同）。
- 點擊「執行清真預篩查」。引擎將樣品與資料庫進行比較並生成報告。
步驟 3 — 閱讀報告
趨勢標籤
頂部的印章是預篩選結論。它能說明什麼取決於您的參考庫是什麼：
| 您的庫 | 樣品與資料庫 | 標籤 |
|---|---|---|
| 非豬源性認證批次 | 一致 | 與非豬源性參考一致 |
| 部分一致 | 需進一步確認 | |
| 不一致 | 非豬源性未確認 | |
| 豬陽性對照 | 一致 | 豬源性傾向 |
| 部分一致 | 需進一步確認 | |
| 不一致 | 與豬源性對照不符 | |
| 無物種標籤 | 一致 | 與參考庫一致 |
| 部分一致 | 需進一步確認 | |
| 不一致 | 與參考庫不一致 |
標籤背後的演算法
引擎會根據資料庫中的批次數量自動選擇分析模式：
| 參考批次 | 模式 | 計算了什麼 |
|---|---|---|
| 19個或更少 | 相似度 | 皮爾遜相關、餘弦相似度和主要差異峰 |
| 20 – 49 | PCA | 相似度加上PCA投影、馬氏距離、Hotelling T² |
| 50或更多 | 類別模型 | PCA加SIMCA：Q殘差、類別歸屬概率、符合性評分 |
判別區域
「判別區域（文獻）」面板列出了已發表的來源篩查研究中報告的窗口，並與您的基質類型匹配。差異表中落在這些窗口內的峰會被標記上區域名稱——這對您自己的審查是有用的優先排序：
這些窗口的來源
蛋白質基窗口遵循Hashim 2010（Food Chem）和Sci Rep 2021——後者報告豬明膠的主導波數接近1470–1475 cm⁻¹（牛1444–1450，魚1496–1500）。脂肪/油基窗口遵循Int J Mol Sci 2020清真認證審查：酥油中豬油的SIMCA判別區域（3030–2785 / 1786–1680 / 1490–919 cm⁻¹）以及通過PLSR+DA定量初榨椰子油中豬油的組合區域，R² = 0.999（3020–3000 / 1120–1000 cm⁻¹）。
這些是供您自行審查的閱讀指南——引擎分析整個光譜，而不僅是這些窗口。沒有一套窗口設定對所有材料都有效；不同的基質有不同的文獻判別波段。
峰差異表
「主要差異峰」列出樣品與參考平均值之間最強的差異，包含方向（樣品較高/較低）以及該峰是否異常。這是標籤背後的證據——當標籤不是「一致」時，請審查它。
圖表
光譜疊加繪製樣本與參考平均值的比較。PCA散點圖（當資料庫有20+批次時）顯示樣本相對於歷史批次雲的位置。
AI 解讀
當可用時，AI面板會總結差異、列出可能的原因並建議後續步驟。它僅作為決策支援：請將其化學主張和措辭視為起點，並在行動前進行驗證。
常見問題
- 我的樣品結果為“非豬源性未確認”。這是否表示它含有豬肉？
- 不。這表示樣品與您的非豬源性參考庫不同。差異可能來自不同的供應商、水分、添加劑、儀器設定或正常的批次間差異。請將其視為需要調查的標記——而非豬源性檢測。如果必須確定豬源性，請使用DNA/PCR。
- 我可以用這個篩檢油脂嗎？
- 是的。選擇「脂肪/油基」作為基質類型。文獻面板隨後會顯示豬油摻假篩查所報道的譜帶（順式C–H約3006，酯C=O約1743，甘油三酯C–O對約1117/1097，反式約968），AI解讀會提供脂肪特異性的閱讀指引。
- 為什麼頁面警告批次少於5個時結果僅供探索？
- 與 1–4 個光譜的比較具有有限的統計意義。引擎仍會運作，但請將輸出視為方向性而非定量。當您認可這些批次時，再添加批次。
- 我的光譜資料是否會被分享？
- 不。參考庫是您帳戶私有的，不會用作其他任何人的測試參考。您可以隨時移除批次或整個庫。
- 我是否需要為每個供應商或每種材料建立一個資料庫？
- 每種材料是最低要求。如果您的供應商差異很大，則按供應商和材料分開建立資料庫可提供最清晰的比較。
- 這與大型光譜庫中的相似性搜尋有何不同？
- 這裡的比較集是您自己合格的批次，證據是具有文獻窗口的峰級差異，報告保留了供應商/批次/證書的追蹤路徑。公共資料庫搜尋可以回答“此光譜與什麼相似”；而這個工作台回答“此批次與我合格的基準有多匹配”。
- 我可以將篩選後的樣品轉為參考批次嗎？
- 是的——在工作台上，每個過去的篩查都有一個「新增」按鈕，一旦您接受該批次，它就會提升為參考資料庫。記錄會保留其歷史紀錄。
- 「JAKIM狀態」對馬來西亞以外的用戶意味著什麼？
- 該欄位為自由形式，標記為“JAKIM / 清真認證狀態”。馬來西亞以外的實驗室可以記錄自己的認證機構，或將其保留為“未知”。