Tyrimų partija — kaip naudoti

Naudokite „Tyrimų paketą“, kai jūsų mokslinis klausimas priklauso nuo FTIR spektrų serijos, o ne nuo vieno failo: apdorojimo, koncentracijų, formulių, laiko taškų ar biologinių grupių su pakartotiniais matavimais. Ši darbo eiga išlaiko tyrimo struktūrą matomą, kai pereinate nuo grupių dėsningumų prie juos lemiančių spektrinių sričių.

Pasirinkite šią darbo eigą, kaiPalyginimai tarp eksperimentinių grupių

Naudokite tai, kai pakartotiniai matavimai ir nepriklausomi mėginiai yra svarbūs mokslinei išvadai, o ne tada, kai jums tereikia identifikuoti vieną nežinomą spektrą.

Klausimas, į kurį tai padeda atsakytiAr grupės skiriasi, kiek jos yra nuoseklios ir kurios juostos paaiškina skirtumą?

Panašumas, PCA, grupavimas ir smailių skirtumai yra skirtingi to paties tyrimo pjūviai, todėl juos reikia interpretuoti kartu.

Ką galite perkelti toliauSkaitiniai duomenys statistikai, paveikslams ir rankraščio peržiūrai

Eksportuokite reikšmes, užuot pasikliovę ekrano kopijomis, ir išsaugokite mėginių priskyrimo informaciją bei spektrinius įrodymus bendraautoriams ar vėlesnei analizei.

Ką daro šis darbastalis?

Sutvarko daugelį spektrų į mėginius, pakartotinius matavimus ir pasirinktines klases.
Palygina spektrus ir izoliatų vidurkius naudodamas panašumo metrikas.
Atlieka PCA, kad parodytų pagrindinius variacijos modelius visoje partijoje.
Sukuria UPGMA klasterizaciją, kad parodytų santykinius mėginių ryšius.
Išryškina smailes, kurios skiriasi tarp apibrėžtų grupių.
Gali sukurti SIMCA stiliaus klasių modelį, kai kiekvienai klasei yra bent 5 nepriklausomi izoliatai.

Kada naudoti „Research Batch“

Formulių serijos, apdorojimo grupės, laiko taškai arba biologinės grupės.
Pakartotinių matavimų nuoseklumo patikros eksperimento metu.
Tiriamoji modelio, grupavimo ir išskirčių peržiūra.
Juostų, kurios lemia skirtumus tarp iš anksto apibrėžtų grupių, nustatymas.

Svarbu: Research Batch pateikia tiriamuosius skaitinius įrodymus. Grupių atskyrimas PCA arba klasterinėje analizėje savaime nėra cheminės tapatybės ar priežastingumo įrodymas.

Darbo eiga keturiais žingsniais

1Įkelti spektrusĮkelkite savo tyrimo FTIR failus. Kelis failus galima pridėti viena paketo operacija.

2Apibūdinkite mėginiusPriskirkite kiekvieną failą mėginiui, pakartotiniam matavimui arba izoliatui ir, pasirinktinai, klasės etiketei. Didesnėms partijoms naudokite metaduomenų CSV parinktį.

3Paleisti analizęDarbo aplinka apskaičiuoja panašumą, PCA, klasterizavimą ir smailių skirtumus naudodama pasirinktas nuostatas.

4Peržiūra ir eksportasPeržiūrėkite grafikus ir lenteles, tada eksportuokite skaitinius rezultatus nepriklausomai statistinei analizei arba ataskaitoms rengti.

Mėginio ir replikato priskyrimas

Naudokite mėginių ID, kurie būtų prasmingi ir ne programinėje įrangoje. Pakartotiniai matavimai turėtų atspindėti to paties mėginio pakartotinius matavimus; nepriklausomi izoliatai turėtų išlikti atskiriami, kai jie atspindi atskirus eksperimentinius vienetus.

Mėginio ID — Stabilus mėginio arba eksperimentinio vieneto pavadinimas.
Replikatas / izoliatas — Naudokite priskyrimo laukus, kad pakartotiniai matavimai ir nepriklausomi mėginiai būtų tinkamai sugrupuoti.
Klasės etiketė — Pasirinktinė iš anksto apibrėžta grupė, pvz., kontrolinė, gydymo ar formulavimo grupė.

Analizės diapazonas ir normalizavimas

Pirštų atspaudų sritis: Numatytasis analizės intervalas yra 1800–900 cm⁻¹. Pakeiskite jį, kai pagal jūsų protokolą reikalinga kita sritis; smailės už pasirinkto intervalo ribų šiuose skaičiavimuose nenaudojamos.

Normalizavimas: Vektorinė normalizacija yra numatytoji parinktis. SNV taip pat galima naudoti, kai tai tinka jūsų duomenų rinkiniui. Išlaikykite vienodą išankstinį apdorojimą visuose spektruose, kuriuos ketinate palyginti.

Ką reiškia rezultatų skirtukai

Panašumo matrica — Porinis spektrų arba izoliatų vidurkių palyginimas, naudojant prieinamus panašumo arba atstumo metrikus.
PCA ir SIMCA — PCA balai ir paaiškinta dispersija; klasės modelio diagnostika rodoma, kai duomenys atitinka klasės modelio reikalavimus.
Klasterizacija — UPGMA dendrograma, rodanti santykinius ryšius analizuojamoje požymių erdvėje.
Pikų skirtumai — Juostos, kurioms būdingi didžiausi grupių skirtumai, ir turimi statistiniai įrodymai.
Mėginiai — Analizei naudoti failai ir metaduomenys.

SIMCA tipo klasės modelis

Klasės modeliui reikia bent 5 nepriklausomų izoliatų kiekvienai klasei. Tai kalibravimo modelis, sukurtas remiantis partijos duomenimis, o ne nepriklausomai validuotas klasifikatorius. Prieš laikydami modelį prognoziniu klasifikavimo metodu, atlikite išorinę validaciją.

Eksportuoti rezultatus

Naudokite CSV, Excel arba JSON eksportus, kad išsaugotumėte skaitinius rezultatus ir galėtumėte tęsti analizę ne FTIR.fun aplinkoje. Eksportuotos reikšmės labiau tinka nepriklausomai statistinei analizei ir dokumentacijai nei ekrano nuotraukos.

DUK

Kiek spektrų galiu analizuoti vienu metu?

Didelių paketų apdorojimas trunka ilgiau, be to, dėl jų diagramas ar lenteles gali būti sunkiau perskaityti. Praktinė talpa priklauso nuo failo dydžio, pasirinktos analizės ir serverio išteklių, todėl prireikus labai didelius tyrimus suskirstykite į prasmingus paketus.

Ką daryti, jei neturiu pakartotinių matavimų?

Kiekvieną failą laikykite nepriklausomu mėginiu, kai tai atitinka jūsų eksperimentinį planą. Neišgalvokite replikatų tarpusavio ryšių vien tam, kad būtų įvykdytas analizės reikalavimas.

Ar galiu palyginti skirtingais prietaisais gautus spektrus?

Taip, tačiau instrumentų, priedų, skiriamosios gebos, mėginių ėmimo ir pirminio apdorojimo skirtumai gali sukurti tariamą grupių atskirtį. Kai įmanoma, suvienodinkite duomenų gavimą ir pirminį apdorojimą, o skirtumus tarp instrumentų vertinkite atsargiai.

Ar reikšmingas smailių skirtumas nustato cheminę priežastį?

Ne. Jis nustato spektrinį skirtumą, kurį reikia ištirti. Naudokite cheminį kontekstą, literatūros duomenis, etalonus arba kitus analizės metodus, kad pagrįstumėte priskyrimą.