Partia badawcza — jak korzystać

Użyj funkcji Research Batch, gdy Twoje pytanie naukowe zależy od serii widm FTIR, a nie od jednego pliku: obróbek, stężeń, formulacji, punktów czasowych lub grup biologicznych z powtórzeniami. Ten przepływ pracy zachowuje widoczną strukturę badania, gdy przechodzisz od wzorców grupowych do leżących u ich podstaw regionów widmowych.

Wybierz ten proces dlaPorównania między grupami eksperymentalnymi

Użyj tego, gdy repliki i niezależne próbki mają znaczenie dla wniosku naukowego, a nie wtedy, gdy musisz tylko zidentyfikować jedno nieznane widmo.

Pytanie, na które pomaga odpowiedziećCzy grupy różnią się, jak spójne są ich wyniki i które pasma wyjaśniają tę różnicę?

Podobieństwo, PCA, klasteryzacja i różnice pików przedstawiają różne aspekty tego samego badania i powinny być interpretowane łącznie.

Co można wykorzystać dalejDane liczbowe stanowiące podstawę statystyki, wykresów i przeglądu manuskryptu

Eksportuj wartości zamiast polegać na zrzutach ekranu, zachowując jednocześnie przypisanie próbek i dowody spektralne dostępne dla współautorów lub do późniejszej analizy.

Co robi to stanowisko robocze

Organizuje wiele widm w próbki, powtórzenia oraz opcjonalne klasy.
Porównuje widma i średnie dla izolatów za pomocą metryk podobieństwa.
Wykonuje analizę PCA, aby pokazać główne wzorce zmienności w całej partii.
Tworzy klasteryzację UPGMA w celu pokazania względnych relacji między próbkami.
Wyróżnia piki różniące zdefiniowane grupy.
Może utworzyć model klas w stylu SIMCA, gdy dla każdej klasy dostępnych jest co najmniej 5 niezależnych izolatów.

Kiedy używać Research Batch

Serie formulacyjne, grupy poddane działaniu, punkty czasowe lub grupy biologiczne.
Kontrole zgodności powtórzeń w ramach eksperymentu.
Eksploracyjny przegląd wzorców, grupowania i wartości odstających.
Wyszukiwanie pasm przyczyniających się do różnic między zdefiniowanymi wcześniej grupami.

Ważne: Research Batch dostarcza eksploracyjnych dowodów liczbowych. Rozdzielenie grup w PCA lub klasteryzacji samo w sobie nie stanowi dowodu tożsamości chemicznej ani związku przyczynowego.

Przepływ pracy w czterech krokach

1Prześlij widmaPrześlij pliki FTIR ze swojego badania. W jednej partii można dodać wiele plików.

2Opisz próbkiPrzypisz każdy plik do próbki, powtórzenia lub izolatu oraz opcjonalnej etykiety klasy. W przypadku większych partii użyj opcji CSV metadanych.

3Uruchom analizęWorkbench oblicza podobieństwo, PCA, klasteryzację i różnice między pikami przy użyciu wybranych ustawień.

4Przegląd i eksportSprawdź wykresy i tabele, a następnie wyeksportuj wyniki liczbowe do niezależnych analiz statystycznych lub raportowania.

Przypisywanie próbki i powtórzenia

Używaj identyfikatorów próbek, które są zrozumiałe poza oprogramowaniem. Powtórzenia powinny oznaczać wielokrotne pomiary tej samej próbki; niezależne izolaty powinny pozostać rozróżnialne, gdy reprezentują oddzielne jednostki eksperymentalne.

ID próbki — Stabilna nazwa próbki lub jednostki eksperymentalnej.
Powtórzenie / izolat — Używaj pól przypisań, aby prawidłowo grupować powtórne pomiary i niezależne próbki.
Etykieta klasy — Opcjonalna wstępnie zdefiniowana grupa, taka jak kontrolna, badana lub grupa formulacyjna.

Zakres analizy i normalizacja

Zakres fingerprint: Domyślny zakres analizy wynosi 1800–900 cm⁻¹. Zmień go, gdy Twój protokół wymaga innego regionu; piki poza wybranym zakresem nie są wykorzystywane w tych obliczeniach.

Normalizacja: Normalizacja wektora jest ustawieniem domyślnym. SNV jest również dostępna, gdy jest odpowiednia dla danego zestawu danych. Zachowaj spójność wstępnego przetwarzania we wszystkich widmach, które zamierzasz porównywać.

Co oznaczają karty wyników

Macierz podobieństwa — Porównanie parami widm lub średnich dla izolatów z wykorzystaniem dostępnych metryk podobieństwa lub odległości.
PCA i SIMCA — Wyniki PCA i wyjaśniona wariancja; diagnostyka modelu klasowego jest wyświetlana, gdy dane spełniają wymagania modelu klasowego.
Grupowanie — Dendrogram UPGMA pokazujący względne relacje w analizowanej przestrzeni cech.
Różnice pików — Pasma o najsilniejszych różnicach między grupami oraz dostępne dowody statystyczne.
Próbki — Pliki i metadane wykorzystane w analizie.

Model klasy typu SIMCA

Model klas wymaga co najmniej 5 niezależnych izolatów na klasę. Jest to model kalibracyjny zbudowany na podstawie danych z partii, a nie niezależnie zwalidowany klasyfikator. Przed uznaniem modelu za predykcyjną metodę klasyfikacji należy przeprowadzić walidację zewnętrzną.

Eksportuj wyniki

Użyj eksportów CSV, Excel lub JSON, aby zachować wyniki liczbowe i kontynuować analizę poza FTIR.fun. Wyeksportowane wartości są bardziej odpowiednie niż zrzuty ekranu do niezależnych analiz statystycznych i prowadzenia dokumentacji.

Często zadawane pytania

Ile widm mogę analizować jednocześnie?

Przetwarzanie dużych partii trwa dłużej, a wykresy lub tabele mogą być trudniejsze do odczytania. Praktyczna pojemność zależy od rozmiaru plików, wybranej analizy i zasobów serwera, dlatego w razie potrzeby bardzo duże badania należy podzielić na znaczące partie.

Co zrobić, jeśli nie mam replikatów?

Traktuj każdy plik jako niezależną próbkę, jeśli odpowiada to Twojemu planowi eksperymentalnemu. Nie wymyślaj zależności między replikatami wyłącznie po to, aby spełnić wymagania analizy.

Czy mogę porównywać widma z różnych instrumentów?

Tak, ale różnice w aparaturze, akcesoriach, rozdzielczości, pobieraniu próbek i przetwarzaniu wstępnym mogą powodować pozorne rozdzielenie grup. W miarę możliwości ujednolić sposób akwizycji i przetwarzania wstępnego oraz ostrożnie interpretować różnice między aparaturą.

Czy istotna różnica między pikami wskazuje na przyczynę chemiczną?

Nie. Wskazuje ono różnicę spektralną wymagającą zbadania. Do potwierdzenia przypisania wykorzystaj kontekst chemiczny, dane literaturowe, wzorce lub inne metody analityczne.