Utilisez-le lorsque les réplicats et les échantillons indépendants sont importants pour la conclusion scientifique, et non lorsque vous devez uniquement identifier un spectre inconnu.
Lot de recherche · Guide
Lot de recherche · FTIR.fun
Lot de recherche — Mode d’emploi
Utilisez Research Batch lorsque votre question scientifique dépend d’une série de spectres FTIR plutôt que d’un seul fichier : traitements, concentrations, formulations, points temporels ou groupes biologiques avec réplicats. Le flux de travail maintient la structure de l’étude visible, tandis que vous passez des tendances entre les groupes aux régions spectrales qui les sous-tendent.
La similarité, l’ACP, la classification et les différences de pics constituent des points de vue différents sur la même étude et doivent être interprétées conjointement.
Exportez les valeurs plutôt que de vous appuyer sur des captures d’écran, tout en conservant l’attribution des échantillons et les preuves spectrales à la disposition des co-auteurs ou pour une analyse ultérieure.
Ce que fait cet atelier
- Organise de nombreux spectres en échantillons, réplicats et classes facultatives.
- Compare les spectres et les moyennes des isolats à l’aide de mesures de similarité.
- Effectue une ACP pour montrer les principaux schémas de variation au sein du lot.
- Construit un regroupement UPGMA pour montrer les relations relatives entre les échantillons.
- Met en évidence les pics qui diffèrent entre les groupes définis.
- Peut construire un modèle de classes de type SIMCA lorsqu’il y a au moins 5 isolats indépendants par classe.
Quand utiliser un lot de recherche
- Séries de formulations, groupes de traitement, points temporels ou groupes biologiques.
- Contrôles de la cohérence des réplicats au sein d’une expérience.
- Examen exploratoire des motifs, des regroupements et des valeurs aberrantes.
- Identifier les bandes qui contribuent aux différences entre des groupes prédéfinis.
Important : Research Batch fournit des éléments numériques exploratoires. La séparation des groupes dans une ACP ou une analyse par regroupement ne constitue pas, à elle seule, une preuve de l’identité chimique ou de la causalité.
Le flux de travail en quatre étapes
1Téléverser des spectresTéléversez les fichiers FTIR de votre étude. Plusieurs fichiers peuvent être ajoutés en une seule fois.
2Décrire les échantillonsAttribuez chaque fichier à un échantillon, une réplique ou un isolat, ainsi qu’à une étiquette de classe facultative. Pour les lots plus importants, utilisez l’option de fichier CSV de métadonnées.
3Lancer l’analyseL’atelier calcule la similarité, l’ACP, le regroupement et les différences de pics à l’aide des paramètres sélectionnés.
4Réviser et exporterExaminez les graphiques et les tableaux, puis exportez les résultats numériques pour effectuer des analyses statistiques indépendantes ou établir des rapports.
Attribution de l’échantillon et des réplicats
Utilisez des identifiants d’échantillon qui restent compréhensibles en dehors du logiciel. Les réplicats doivent représenter des mesures répétées du même échantillon ; les isolats indépendants doivent rester différenciables lorsqu’ils représentent des unités expérimentales distinctes.
- ID de l’échantillon — Un nom stable pour l’échantillon ou l’unité expérimentale.
- Réplicat / isolat — Utilisez les champs d’attribution afin de regrouper correctement les mesures répétées et les échantillons indépendants.
- Étiquette de classe — Groupe prédéfini facultatif, tel que le groupe témoin, le groupe traité ou le groupe de formulation.
Plage d’analyse et normalisation
Plage d’empreinte : La plage d’analyse par défaut est de 1800–900 cm⁻¹. Modifiez-la lorsque votre protocole requiert une autre région ; les pics situés en dehors de la plage sélectionnée ne sont pas utilisés dans ces calculs.
Normalisation : La normalisation vectorielle est appliquée par défaut. La SNV est également disponible lorsqu’elle est appropriée pour votre jeu de données. Maintenez un prétraitement cohérent entre les spectres que vous souhaitez comparer.
Signification des onglets de résultats
- Matrice de similarité — Comparaison deux à deux des spectres ou des moyennes des isolats à l’aide des métriques de similarité ou de distance disponibles.
- PCA et SIMCA — Scores PCA et variance expliquée ; les diagnostics du modèle de classe sont affichés lorsque les données satisfont aux exigences du modèle de classe.
- Clustering — Dendrogramme UPGMA montrant les relations relatives dans l’espace des caractéristiques analysées.
- Différences de pics — Les bandes présentant les différences entre groupes les plus marquées et les données statistiques disponibles.
- Échantillons — Les fichiers et les métadonnées utilisés dans l’analyse.
Modèle de classe de type SIMCA
Le modèle de classe nécessite au moins 5 isolats indépendants par classe. Il s’agit d’un modèle d’étalonnage construit à partir des données du lot, et non d’un classificateur validé indépendamment. Utilisez une validation externe avant de considérer le modèle comme une méthode de classification prédictive.
Exporter les résultats
Utilisez des exportations CSV, Excel ou JSON pour conserver les résultats numériques et poursuivre l’analyse en dehors de FTIR.fun. Les valeurs exportées sont plus adaptées que les captures d’écran aux statistiques indépendantes et à la tenue des registres.