Lotto di ricerca — Come utilizzarlo

Usa Research Batch quando la tua domanda scientifica dipende da una serie di spettri FTIR anziché da un singolo file: trattamenti, concentrazioni, formulazioni, punti temporali o gruppi biologici con repliche. Il flusso di lavoro mantiene visibile la struttura dello studio mentre passi dai pattern dei gruppi alle regioni spettrali che li determinano.

Scegli questo flusso di lavoro perConfronti tra gruppi sperimentali

Usalo quando le repliche e i campioni indipendenti sono importanti per la conclusione scientifica, non quando devi solo identificare uno spettro sconosciuto.

La domanda a cui aiuta a rispondereI gruppi differiscono? Quanto sono coerenti e quali bande spiegano la differenza?

La similarità, la PCA, il clustering e le differenze tra i picchi sono prospettive diverse dello stesso studio e dovrebbero essere interpretate insieme.

Cosa puoi portare avantiEvidenze numeriche per le statistiche, le figure e la revisione del manoscritto

Esporta i valori invece di affidarti agli screenshot, mantenendo al contempo disponibili l＇assegnazione dei campioni e le evidenze spettrali per i coautori o per analisi successive.

Cosa fa questo workbench

Organizza numerosi spettri in campioni, repliche e classi opzionali.
Confronta gli spettri e le medie degli isolati utilizzando metriche di similarità.
Esegue la PCA per mostrare i principali modelli di variazione all＇interno del lotto.
Costruisce il clustering UPGMA per mostrare le relazioni relative tra i campioni.
Evidenzia i picchi che differiscono tra i gruppi definiti.
È possibile costruire un modello di classe in stile SIMCA quando sono disponibili almeno 5 isolati indipendenti per classe.

Quando utilizzare Research Batch

Serie di formulazioni, gruppi di trattamento, punti temporali o gruppi biologici.
Controlli della coerenza delle repliche all’interno di un esperimento.
Revisione esplorativa di pattern, raggruppamenti e valori anomali.
Individuazione delle bande che contribuiscono alle differenze tra gruppi predefiniti.

Importante: Research Batch fornisce evidenze numeriche esplorative. La separazione dei gruppi nella PCA o nel clustering non costituisce, di per sé, una prova dell＇identità chimica o della causalità.

Il flusso di lavoro in quattro passi

1Carica gli spettriCarica i file FTIR del tuo studio. È possibile aggiungere più file in un unico batch.

2Descrivi i campioniAssegna ogni file a un campione, a una replica o a un isolato, con un＇etichetta di classe opzionale. Per batch più grandi, utilizza l＇opzione CSV dei metadati.

3Esegui l＇analisiIl banco di lavoro calcola la similarità, la PCA, il clustering e le differenze tra i picchi utilizzando le impostazioni selezionate.

4Esamina ed esportaEsamina i grafici e le tabelle, quindi esporta i risultati numerici per statistiche o report indipendenti.

Assegnazione del campione e dei replicati

Utilizza ID campione che siano comprensibili anche al di fuori del software. Le repliche dovrebbero rappresentare misurazioni ripetute dello stesso campione; gli isolati indipendenti dovrebbero rimanere distinguibili quando rappresentano unità sperimentali separate.

ID campione — Un nome stabile per il campione o l＇unità sperimentale.
Replicato / isolato — Utilizza i campi di assegnazione per mantenere correttamente raggruppate le misurazioni ripetute e i campioni indipendenti.
Etichetta della classe — Gruppo predefinito opzionale, come gruppo di controllo, gruppo trattato o gruppo di formulazione.

Intervallo di analisi e normalizzazione

Intervallo dell＇impronta digitale: L’intervallo di analisi predefinito è 1800–900 cm⁻¹. Modificalo quando il tuo protocollo richiede una regione diversa; i picchi al di fuori dell’intervallo selezionato non vengono utilizzati in tali calcoli.

Normalizzazione: La normalizzazione vettoriale è l’impostazione predefinita. Anche SNV è disponibile quando è appropriato per il tuo dataset. Mantieni coerente il pretrattamento tra gli spettri che intendi confrontare.

Cosa significano le schede dei risultati

Matrice di similarità — Confronto a coppie degli spettri o delle medie degli isolati utilizzando le metriche di similarità o distanza disponibili.
PCA e SIMCA — Punteggi PCA e varianza spiegata; la diagnostica del modello di classe viene mostrata quando i dati soddisfano i requisiti del modello di classe.
Clustering — Dendrogramma UPGMA che mostra le relazioni relative nello spazio delle caratteristiche analizzate.
Differenze di picco — Le bande con le differenze di gruppo più marcate e le evidenze statistiche disponibili.
Campioni — I file e i metadati utilizzati nell＇analisi.

Modello di classe in stile SIMCA

Il modello di classe richiede almeno 5 isolati indipendenti per classe. È un modello di calibrazione costruito sui dati del lotto, non un classificatore validato in modo indipendente. Utilizza una validazione esterna prima di considerare il modello un metodo di classificazione predittiva.

Esportare i risultati

Utilizza esportazioni CSV, Excel o JSON per conservare i risultati numerici e continuare l＇analisi al di fuori di FTIR.fun. I valori esportati sono più adatti degli screenshot per le statistiche indipendenti e la conservazione dei dati.

FAQ

Quanti spettri posso analizzare contemporaneamente?

I batch di grandi dimensioni richiedono più tempo per l＇elaborazione e possono rendere più difficili da leggere i grafici o le tabelle. La capacità pratica dipende dalle dimensioni dei file, dall＇analisi selezionata e dalle risorse del server; pertanto, quando necessario, suddividi gli studi molto grandi in batch significativi.

Cosa succede se non ho repliche?

Tratta ogni file come un campione indipendente quando ciò corrisponde al tuo disegno sperimentale. Non inventare relazioni tra repliche solo per soddisfare un requisito dell＇analisi.

Posso confrontare spettri provenienti da strumenti diversi?

Sì, ma le differenze nello strumento, nell＇accessorio, nella risoluzione, nel campionamento e nel pretrattamento possono creare una separazione apparente dei gruppi. Armonizza, ove possibile, l＇acquisizione e il pretrattamento e interpreta con cautela le differenze tra strumenti.

Una differenza significativa tra i picchi identifica la causa chimica?

No. Identifica una differenza spettrale da indagare. Utilizza il contesto chimico, le evidenze dalla letteratura, gli standard o altri metodi analitici per supportare l＇assegnazione.