Use-o quando as réplicas e as amostras independentes forem importantes para a conclusão científica, não quando você precisar apenas identificar um espectro desconhecido.
Lote de pesquisa · Guia
Lote de pesquisa · FTIR.fun
GuiaAbrir Workbench
Lote de pesquisa — Como usar
Use o Lote de pesquisa quando sua questão científica depender de uma série de espectros de FTIR, em vez de um único arquivo: tratamentos, concentrações, formulações, pontos temporais ou grupos biológicos com réplicas. O fluxo de trabalho mantém a estrutura do estudo visível enquanto você passa dos padrões entre grupos para as regiões espectrais que os fundamentam.
Similaridade, PCA, agrupamento e diferenças entre picos são perspectivas diferentes do mesmo estudo e devem ser interpretadas em conjunto.
Exporte os valores em vez de depender de capturas de ecrã, mantendo disponíveis a atribuição das amostras e as evidências espectrais para coautores ou análises posteriores.
O que esta bancada faz
- Organiza muitos espectros em amostras, réplicas e classes opcionais.
- Compara espectros e médias de isolados usando métricas de similaridade.
- Executa PCA para mostrar os principais padrões de variação em todo o lote.
- Gera agrupamento UPGMA para mostrar as relações relativas entre as amostras.
- Destaca os picos que diferem entre grupos definidos.
- É possível criar um modelo de classe no estilo SIMCA quando houver pelo menos 5 isolados independentes por classe.
Quando usar Research Batch
- Séries de formulações, grupos de tratamento, pontos no tempo ou grupos biológicos.
- Verificações da consistência das réplicas no âmbito de uma experiência.
- Análise exploratória de padrões, agrupamentos e valores atípicos.
- Encontrar bandas que contribuem para as diferenças entre grupos predefinidos.
Importante: O Lote de Pesquisa fornece evidências numéricas exploratórias. A separação de grupos em PCA ou agrupamento, por si só, não constitui prova de identidade química ou causalidade.
O fluxo de trabalho em quatro etapas
1Carregar espectrosCarregue os arquivos FTIR do seu estudo. Vários arquivos podem ser adicionados em um único lote.
2Descreva as amostrasAtribua cada arquivo a uma amostra, réplica ou isolado, e a um rótulo de classe opcional. Para lotes maiores, use a opção de CSV de metadados.
3Executar a análiseA bancada de trabalho calcula a similaridade, a PCA, o agrupamento e as diferenças entre os picos usando as configurações selecionadas.
4Revisar e exportarInspecione os gráficos e as tabelas e, em seguida, exporte os resultados numéricos para estatísticas ou relatórios independentes.
Atribuição da amostra e das réplicas
Use IDs de amostra que façam sentido fora do software. As réplicas devem representar medições repetidas da mesma amostra; os isolados independentes devem permanecer distinguíveis quando representarem unidades experimentais separadas.
- ID da amostra — Um nome estável para a amostra ou unidade experimental.
- Réplica / isolado — Utilize os campos de atribuição para manter corretamente agrupadas as medições repetidas e as amostras independentes.
- Rótulo da classe — Grupo predefinido opcional, como grupo de Controle, Tratamento ou formulação.
Faixa de análise e normalização
Região de impressão digital: O intervalo de análise predefinido é 1800–900 cm⁻¹. Altere-o quando o seu protocolo exigir uma região diferente; as bandas fora do intervalo selecionado não são utilizadas nesses cálculos.
Normalização: A normalização vetorial é o padrão. O SNV também está disponível quando for apropriado para o seu conjunto de dados. Mantenha o pré-processamento consistente entre os espectros que pretende comparar.
O que significam as abas de resultados
- Matriz de Similaridade — Comparação pareada de espectros ou médias de isolados usando as métricas de similaridade ou distância disponíveis.
- PCA e SIMCA — Pontuações de PCA e variância explicada; os diagnósticos do modelo de classe são apresentados quando os dados atendem aos requisitos do modelo de classe.
- Agrupamento — Dendrograma UPGMA mostrando as relações relativas no espaço de características analisado.
- Diferenças de Pico — Bandas com as diferenças mais fortes entre os grupos e as evidências estatísticas disponíveis.
- Amostras — Os arquivos e metadados utilizados na análise.
Modelo de classe no estilo SIMCA
O modelo de classe requer pelo menos 5 isolados independentes por classe. É um modelo de calibração construído a partir dos dados do lote, não um classificador validado de forma independente. Utilize validação externa antes de tratar o modelo como um método de classificação preditiva.
Exportar resultados
Utilize exportações CSV, Excel ou JSON para preservar os resultados numéricos e continuar a análise fora do FTIR.fun. Os valores exportados são mais adequados do que as capturas de ecrã para estatísticas independentes e manutenção de registos.