Uurimispartii — kasutusjuhend

Kasutage Research Batchi siis, kui teie teaduslik küsimus sõltub FTIR-spektrite seeriast, mitte ühest failist: töötlused, kontsentratsioonid, formulatsioonid, ajapunktid või bioloogilised rühmad koos korduskatsetega. Töövoog hoiab uuringu struktuuri nähtavana, kui liigute rühmade mustritelt nende taga olevate spektripiirkondade juurde.

Vali see töövoog järgmisteks juhtudeksEksperimentaalrühmade võrdlused

Kasutage seda siis, kui kordusmõõtmised ja sõltumatud proovid on teadusliku järelduse jaoks olulised, mitte siis, kui peate tuvastama ainult ühe tundmatu spektri.

Küsimus, millele see aitab vastataKas rühmad erinevad, kui järjepidevad need on ja millised ribad erinevust selgitavad?

Sarnasus, PCA, klasterdamine ja piikide erinevused on sama uuringu erinevad vaated ning neid tuleks tõlgendada koos.

Mida saate edasi kandaArvuline tõendusmaterjal statistika, jooniste ja käsikirja ülevaatuse jaoks

Ekspordi väärtused ekraanipiltidele tuginemise asemel, säilitades samal ajal proovide määramise ja spektraalsed tõendid kaasautoritele või hilisemaks analüüsiks.

Mida see töölaud teeb

Korraldab paljud spektrid proovideks, kordusmõõtmisteks ja valikulisteks klassideks.
Võrdleb spektreid ja isolaadi keskmisi sarnasuse mõõdikute abil.
Teostab PCA, et näidata partii variatsiooni peamisi mustreid.
Koostab UPGMA-klasterduse, et näidata proovide suhtelisi seoseid.
Tõstab esile piigid, mis määratletud rühmade vahel erinevad.
Võib koostada SIMCA-stiilis klassimudeli, kui igas klassis on vähemalt 5 sõltumatut isolaati.

Millal kasutada Research Batchi

Koostise seeriad, ravirühmad, ajapunktid või bioloogilised rühmad.
Kordusmõõtmiste järjepidevuse kontrollid eksperimendi sees.
Uurimuslik mustrite, rühmituste ja kõrvalekallete ülevaatus.
Eelmääratletud rühmade erinevustele kaasa aitavate ribade leidmine.

Tähtis: Research Batch pakub uurimuslikku arvulist tõendusmaterjali. Rühmade eraldumine PCA-s või klasteranalüüsis ei tõenda iseenesest keemilist identiteeti ega põhjuslikkust.

Töövoog neljas etapis

1Laadige spektrid ülesLaadige üles oma uuringu FTIR-failid. Ühes partiis saab lisada mitu faili.

2Kirjeldage prooveMäärake iga fail prooviks, kordusmõõtmiseks või isolaadiks ning lisage soovi korral klassi silt. Suuremate partiide puhul kasutage metaandmete CSV-valikut.

3Käivita analüüsTöölaud arvutab valitud sätete abil sarnasuse, PCA, klasterdamise ja piikide erinevused.

4Ülevaatamine ja eksportimineKontrollige graafikuid ja tabeleid, seejärel eksportige arvulised tulemused sõltumatu statistilise analüüsi või aruandluse jaoks.

Proovi ja kordusmõõtmise määramine

Kasutage proovi-ID-sid, mille tähendus säilib ka väljaspool tarkvara. Kordusmõõtmised peaksid tähistama sama proovi korduvaid mõõtmisi; sõltumatud isolaadid peaksid jääma eristatavaks, kui need esindavad eraldi eksperimentaalseid ühikuid.

Proovi ID — Proovi või eksperimentaalüksuse püsiv nimi.
Kordusmõõtmine / isolaat — Kasutage määranguvälju, et hoida kordusmõõtmised ja sõltumatud proovid õigesti rühmitatuna.
Klassi silt — Valikuline eelmääratletud rühm, näiteks kontroll-, ravi- või formulatsioonirühm.

Analüüsivahemik ja normaliseerimine

Sõrmejäljepiirkond: Vaikimisi analüüsivahemik on 1800–900 cm⁻¹. Muutke seda, kui teie protokoll nõuab teistsugust piirkonda; valitud vahemikust väljapoole jäävaid piike nendes arvutustes ei kasutata.

Normaliseerimine: Vektori normaliseerimine on vaikeseade. SNV on saadaval ka siis, kui see on teie andmestiku jaoks asjakohane. Hoidke eeltöötlus ühtsena nende spektrite lõikes, mida kavatsete võrrelda.

Mida tulemuste vahekaardid tähendavad

Sarnasuse maatriks — Spektrite või isolaatide keskmiste paarikaupa võrdlus, kasutades saadaolevaid sarnasuse- või kaugusmõõdikuid.
PCA ja SIMCA — PCA skoorid ja selgitatud dispersioon; klassimudeli diagnostika kuvatakse, kui andmed vastavad klassimudeli nõuetele.
Klasterdamine — UPGMA-dendrogramm, mis näitab suhtelisi seoseid analüüsitud tunnusruumis.
Tippude erinevused — Ribad, mille rühmadevahelised erinevused on kõige tugevamad, ja olemasolevad statistilised tõendid.
Proovid — Analüüsis kasutatud failid ja metaandmed.

SIMCA-stiilis klassimudel

Klassimudel nõuab iga klassi kohta vähemalt 5 sõltumatut isolaati. See on partii andmete põhjal koostatud kalibreerimismudel, mitte sõltumatult valideeritud klassifikaator. Enne mudeli käsitlemist ennustava klassifitseerimismeetodina kasutage välist valideerimist.

Ekspordi tulemused

Kasutage CSV-, Exceli- või JSON-eksporte, et säilitada arvulised tulemused ja jätkata analüüsi väljaspool FTIR.fun-i. Eksporditud väärtused sobivad sõltumatuks statistiliseks analüüsiks ja arvestuse pidamiseks paremini kui ekraanipildid.

KKK

Mitu spektrit saan korraga analüüsida?

Suurte partiide töötlemine võtab kauem aega ning võib muuta graafikute või tabelite lugemise keerulisemaks. Praktiline maht sõltub faili suurusest, valitud analüüsist ja serveriressurssidest, seega jagage väga suured uuringud vajaduse korral sisukateks partiideks.

Mis siis, kui mul ei ole kordusmõõtmisi?

Käsitle iga faili sõltumatu proovina, kui see on kooskõlas sinu eksperimentaalse kavandiga. Ära mõtle kordusproovide vahelisi seoseid välja üksnes analüüsitingimuse täitmiseks.

Kas saan võrrelda eri instrumentidega saadud spektreid?

Jah, kuid instrumendi, lisaseadme, lahutusvõime, proovivõtu ja eeltöötluse erinevused võivad tekitada näilise rühmade eraldumise. Ühtlustage võimaluse korral mõõtmised ja eeltöötlus ning tõlgendage instrumentidevahelisi erinevusi ettevaatlikult.

Kas oluline piikide erinevus tuvastab keemilise põhjuse?

Ei. See tuvastab uurimist vajava spektraalse erinevuse. Kasutage määrangu toetamiseks keemilist konteksti, kirjanduslikke tõendeid, standardeid või muid analüüsimeetodeid.