বৈজ্ঞানিক সিদ্ধান্তে পুনরাবৃত্তি পরীক্ষা এবং স্বাধীন নমুনা গুরুত্বপূর্ণ হলে এটি ব্যবহার করুন; যখন আপনার কেবল একটি অজানা স্পেকট্রাম শনাক্ত করা প্রয়োজন, তখন নয়।
গবেষণা ব্যাচ · গাইড
গবেষণা ব্যাচ · FTIR.fun
গবেষণা ব্যাচ — কীভাবে ব্যবহার করবেন
যখন আপনার বৈজ্ঞানিক প্রশ্নটি একটি ফাইলের পরিবর্তে ধারাবাহিক FTIR স্পেকট্রার ওপর নির্ভর করে, তখন Research Batch ব্যবহার করুন: প্রক্রিয়াকরণ, ঘনত্ব, ফর্মুলেশন, সময়বিন্দু বা প্রতিলিপিসহ জৈবিক গোষ্ঠী। এই কর্মপ্রবাহটি গবেষণার কাঠামো দৃশ্যমান রাখে, যখন আপনি গোষ্ঠীগত প্যাটার্ন থেকে সেগুলোর পেছনের স্পেকট্রাল অঞ্চলগুলোর দিকে এগিয়ে যান।
সাদৃশ্য, PCA, ক্লাস্টারিং এবং পিকের পার্থক্য একই গবেষণার বিভিন্ন দৃষ্টিভঙ্গি; এগুলো একসঙ্গে ব্যাখ্যা করা উচিত।
স্ক্রিনশটের ওপর নির্ভর না করে মানগুলি এক্সপোর্ট করুন, যাতে নমুনা নির্ধারণ এবং স্পেকট্রাল প্রমাণ সহ-লেখক বা পরবর্তী বিশ্লেষণের জন্য উপলভ্য থাকে।
এই ওয়ার্কবেঞ্চ কী করে
- অনেকগুলো স্পেকট্রামকে নমুনা, প্রতিলিপি এবং ঐচ্ছিক শ্রেণিতে সংগঠিত করে।
- সাদৃশ্যের মেট্রিক ব্যবহার করে স্পেকট্রা ও আইসোলেটের গড়ের তুলনা করে।
- ব্যাচজুড়ে পরিবর্তনের প্রধান ধরণগুলো দেখানোর জন্য PCA চালায়।
- আপেক্ষিক নমুনা-সম্পর্ক দেখানোর জন্য UPGMA ক্লাস্টারিং তৈরি করে।
- সংজ্ঞায়িত গ্রুপগুলোর মধ্যে ভিন্ন পিকগুলো হাইলাইট করে।
- প্রতি শ্রেণিতে অন্তত 5টি স্বাধীন আইসোলেট থাকলে SIMCA-ধাঁচের শ্রেণি মডেল তৈরি করা যায়।
Research Batch কখন ব্যবহার করবেন
- ফর্মুলেশন সিরিজ, ট্রিটমেন্ট গ্রুপ, সময়বিন্দু বা জৈবিক গোষ্ঠী।
- একটি পরীক্ষার মধ্যে পুনরাবৃত্তি নমুনার সামঞ্জস্য পরীক্ষা।
- অনুসন্ধানমূলক প্যাটার্ন, গ্রুপিং এবং আউটলায়ার পর্যালোচনা।
- পূর্বনির্ধারিত গ্রুপগুলোর মধ্যে পার্থক্যে অবদান রাখা ব্যান্ড শনাক্ত করা।
গুরুত্বপূর্ণ: Research Batch অনুসন্ধানমূলক সংখ্যাগত প্রমাণ প্রদান করে। PCA বা ক্লাস্টারিংয়ে গোষ্ঠী বিভাজন নিজে রাসায়নিক পরিচয় বা কার্যকারণের প্রমাণ নয়।
চারটি ধাপে কর্মপ্রবাহ
1বর্ণালী আপলোড করুনআপনার গবেষণা থেকে FTIR ফাইল আপলোড করুন। এক ব্যাচে একাধিক ফাইল যোগ করা যায়।
2নমুনাগুলোর বর্ণনা দিনপ্রতিটি ফাইলকে একটি নমুনা, পুনরাবৃত্তি বা আইসোলেট এবং ঐচ্ছিক শ্রেণি লেবেলের সঙ্গে সংযুক্ত করুন। বড় ব্যাচের জন্য metadata CSV বিকল্পটি ব্যবহার করুন।
3বিশ্লেষণ চালাননির্বাচিত সেটিংস ব্যবহার করে ওয়ার্কবেঞ্চ similarity, PCA, clustering এবং peak differences হিসাব করে।
4পর্যালোচনা ও রপ্তানিপ্লট ও টেবিল পরিদর্শন করুন, তারপর স্বাধীন পরিসংখ্যান বিশ্লেষণ বা প্রতিবেদন তৈরির জন্য সংখ্যাগত ফলাফল রপ্তানি করুন।
নমুনা ও পুনরাবৃত্তির নির্ধারণ
সফটওয়্যারের বাইরেও অর্থবহ এমন নমুনা আইডি ব্যবহার করুন। রিপ্লিকেটগুলো একই নমুনার পুনরাবৃত্ত পরিমাপকে উপস্থাপন করা উচিত; পৃথক পরীক্ষামূলক একক হিসেবে ব্যবহৃত স্বাধীন আইসোলেটগুলোকে আলাদা করে শনাক্তযোগ্য রাখতে হবে।
- নমুনা আইডি — নমুনা বা পরীক্ষামূলক এককের জন্য একটি স্থিতিশীল নাম।
- পুনরাবৃত্তি / আইসোলেট — পুনরাবৃত্ত পরিমাপ এবং স্বাধীন নমুনাগুলো সঠিকভাবে группবদ্ধ রাখতে অ্যাসাইনমেন্ট ফিল্ডগুলো ব্যবহার করুন।
- শ্রেণি লেবেল — কন্ট্রোল, ট্রিটমেন্ট বা ফর্মুলেশন গ্রুপের মতো ঐচ্ছিক পূর্বনির্ধারিত গ্রুপ।
বিশ্লেষণ পরিসর এবং নর্মালাইজেশন
ফিঙ্গারপ্রিন্ট পরিসর: ডিফল্ট বিশ্লেষণ পরিসর হলো 1800–900 cm⁻¹। আপনার প্রোটোকলে ভিন্ন অঞ্চল প্রয়োজন হলে এটি পরিবর্তন করুন; নির্বাচিত পরিসরের বাইরের পিকগুলো ওই গণনায় ব্যবহার করা হয় না।
নর্মালাইজেশন: ভেক্টর নর্মালাইজেশন ডিফল্ট হিসেবে ব্যবহৃত হয়। আপনার ডেটাসেটের জন্য উপযুক্ত হলে SNV-ও ব্যবহার করা যায়। আপনি যে স্পেকট্রাগুলোর তুলনা করতে চান, সেগুলোর মধ্যে প্রিপ্রসেসিং সামঞ্জস্যপূর্ণ রাখুন।
ফলাফলের ট্যাবগুলোর অর্থ
- সাদৃশ্য ম্যাট্রিক্স — উপলব্ধ সাদৃশ্য বা দূরত্বের মেট্রিক ব্যবহার করে স্পেকট্রা বা আইসোলেট গড়ের জোড়াভিত্তিক তুলনা।
- PCA ও SIMCA — PCA স্কোর এবং ব্যাখ্যাত বৈচিত্র্য; ডেটা শ্রেণি-মডেলের প্রয়োজনীয়তা পূরণ করলে শ্রেণি-মডেল ডায়াগনস্টিক দেখানো হয়।
- ক্লাস্টারিং — বিশ্লেষিত বৈশিষ্ট্য-স্থানে আপেক্ষিক সম্পর্ক দেখানো UPGMA ডেনড্রোগ্রাম।
- শিখর পার্থক্য — সবচেয়ে শক্তিশালী গ্রুপ-পার্থক্যযুক্ত ব্যান্ড এবং উপলভ্য পরিসংখ্যানগত প্রমাণ।
- নমুনা — বিশ্লেষণে ব্যবহৃত ফাইল এবং মেটাডেটা।
SIMCA-ধরনের শ্রেণি মডেল
শ্রেণি মডেলের জন্য প্রতি শ্রেণিতে অন্তত ৫টি স্বতন্ত্র আইসোলেট প্রয়োজন। এটি ব্যাচের ডেটা থেকে নির্মিত একটি ক্যালিব্রেশন মডেল, স্বতন্ত্রভাবে যাচাইকৃত শ্রেণিবিন্যাসকারী নয়। কোনো মডেলকে পূর্বাভাসমূলক শ্রেণিবিন্যাস পদ্ধতি হিসেবে ব্যবহার করার আগে বাহ্যিক যাচাই করুন।
ফলাফল এক্সপোর্ট করুন
সংখ্যাগত ফলাফল সংরক্ষণ করতে এবং FTIR.fun-এর বাইরে বিশ্লেষণ চালিয়ে যেতে CSV, Excel, অথবা JSON এক্সপোর্ট ব্যবহার করুন। স্বাধীন পরিসংখ্যান বিশ্লেষণ ও রেকর্ড সংরক্ষণের জন্য এক্সপোর্ট করা মানগুলো স্ক্রিনশটের তুলনায় বেশি উপযোগী।