Forskningsbatch — Sådan bruges det

Brug Research Batch, når dit videnskabelige spørgsmål afhænger af en serie FTIR-spektre snarere end én fil: behandlinger, koncentrationer, formuleringer, tidspunkter eller biologiske grupper med replikater. Arbejdsgangen holder undersøgelsens struktur synlig, mens du bevæger dig fra gruppemønstre til de spektrale områder, der ligger bag dem.

Vælg denne arbejdsgang tilSammenligninger mellem eksperimentelle grupper

Brug det, når replikater og uafhængige prøver er vigtige for den videnskabelige konklusion, ikke når du kun har brug for at identificere ét ukendt spektrum.

Det spørgsmål, den hjælper med at besvareAdskiller grupperne sig, hvor konsistente er de, og hvilke bånd forklarer forskellen?

Lighed, PCA, klyngedannelse og forskelle mellem toppe er forskellige perspektiver på den samme undersøgelse og bør fortolkes samlet.

Det, du kan føre videreNumerisk evidens til statistik, figurer og manuskriptgennemgang

Eksportér værdier i stedet for at være afhængig af skærmbilleder, samtidig med at prøveidentifikation og spektral dokumentation forbliver tilgængelige for medforfattere eller senere analyse.

Hvad denne arbejdsbænk gør

Organiserer mange spektra i prøver, replikater og valgfri klasser.
Sammenligner spektre og isolatmiddelværdier med lighedsmål.
Kører PCA for at vise de vigtigste variationsmønstre på tværs af batchen.
Opbygger UPGMA-klyngedannelse for at vise relative prøverelationer.
Fremhæver peaks, der er forskellige mellem definerede grupper.
Kan opbygge en SIMCA-lignende klassemodel, når der er mindst 5 uafhængige isolater pr. klasse.

Hvornår skal Research Batch bruges

Formuleringsserier, behandlingsgrupper, tidspunkter eller biologiske grupper.
Kontrol af replikaters overensstemmelse inden for et eksperiment.
Eksplorativ gennemgang af mønstre, grupperinger og outliers.
Identifikation af bånd, der bidrager til forskelle mellem foruddefinerede grupper.

Vigtigt: Research Batch leverer eksplorativt numerisk evidens. Gruppeadskillelse i PCA eller klyngedannelse er ikke i sig selv et bevis på kemisk identitet eller årsagssammenhæng.

Arbejdsgangen i fire trin

1Upload spektreUpload FTIR-filerne fra din undersøgelse. Flere filer kan tilføjes i én batch.

2Beskriv prøverneTildel hver fil til en prøve, replikat eller isolat samt en valgfri klasseetiket. Brug metadata-CSV-indstillingen til større batcher.

3Kør analysenWorkbench-miljøet beregner lighed, PCA, klyngedannelse og forskelle mellem toppe ved hjælp af de valgte indstillinger.

4Gennemgå og eksportérGennemgå diagrammer og tabeller, og eksportér derefter numeriske resultater til uafhængig statistik eller rapportering.

Tildeling af prøve og replikat

Brug prøve-ID＇er, der giver mening uden for softwaren. Replikater bør repræsentere gentagne målinger af den samme prøve; uafhængige isolater bør fortsat kunne skelnes fra hinanden, når de repræsenterer separate eksperimentelle enheder.

Prøve-ID — Et stabilt navn for prøven eller den eksperimentelle enhed.
Replikat / isolat — Brug tildelingsfelterne til at holde gentagne målinger og uafhængige prøver korrekt grupperet.
Klasseetiket — Valgfri foruddefineret gruppe såsom kontrol-, behandlings- eller formuleringsgruppe.

Analyseområde og normalisering

Fingeraftryksområde: Det standardmæssige analyseområde er 1800–900 cm⁻¹. Ændr det, når din protokol kræver et andet område; toppe uden for det valgte område anvendes ikke i disse beregninger.

Normalisering: Vektornormalisering er standardindstillingen. SNV er også tilgængelig, når det er passende for dit datasæt. Sørg for, at forbehandlingen er ensartet på tværs af de spektre, du vil sammenligne.

Hvad resultattabellerne betyder

Similaritetsmatrix — Parvis sammenligning af spektre eller isolatgennemsnit ved hjælp af de tilgængelige ligheds- eller afstandsmål.
PCA & SIMCA — PCA-scores og forklaret varians; diagnostik for klassemodellen vises, når dataene opfylder kravene til klassemodellen.
Klyngedannelse — UPGMA-dendrogram, der viser relative relationer i det analyserede feature-rum.
Topforskelle — Båndene med de største forskelle mellem grupperne og den tilgængelige statistiske evidens.
Prøver — De filer og metadata, der blev brugt i analysen.

Klassemodel i SIMCA-stil

Klassemodellen kræver mindst 5 uafhængige isolater pr. klasse. Det er en kalibreringsmodel bygget ud fra dataene i batchen, ikke en uafhængigt valideret klassifikator. Anvend ekstern validering, før modellen behandles som en prædiktiv klassifikationsmetode.

Eksportér resultater

Brug CSV-, Excel- eller JSON-eksporter til at bevare de numeriske resultater og fortsætte analysen uden for FTIR.fun. De eksporterede værdier er bedre egnede end skærmbilleder til uafhængig statistik og dokumentation.

FAQ

Hvor mange spektre kan jeg analysere på én gang?

Store batches tager længere tid at behandle og kan gøre diagrammer eller tabeller sværere at læse. Den praktiske kapacitet afhænger af filstørrelsen, den valgte analyse og serverressourcerne, så opdel meget store undersøgelser i meningsfulde batches efter behov.

Hvad hvis jeg ikke har replikater?

Behandl hver fil som en uafhængig prøve, når det stemmer overens med dit eksperimentelle design. Opfind ikke replikatforhold blot for at opfylde et analysekrav.

Kan jeg sammenligne spektre fra forskellige instrumenter?

Ja, men forskelle i instrument, tilbehør, opløsning, prøvetagning og forbehandling kan skabe en tilsyneladende gruppeseparation. Harmoniser måleindstillinger og forbehandling, hvor det er muligt, og fortolk forskelle på tværs af instrumenter med forsigtighed.

Identificerer en signifikant forskel i toppe den kemiske årsag?

Nej. Den identificerer en spektral forskel, der bør undersøges. Brug kemisk kontekst, litteraturdokumentation, standarder eller andre analysemetoder til at understøtte tildelingen.