Utilizați-l atunci când replicatele și probele independente sunt importante pentru concluzia științifică, nu atunci când trebuie doar să identificați un singur spectru necunoscut.
Lot de cercetare · Ghid
Lot de cercetare · FTIR.fun
Lot de cercetare — Cum se utilizează
Utilizați Research Batch atunci când întrebarea dumneavoastră științifică depinde de o serie de spectre FTIR, nu de un singur fișier: tratamente, concentrații, formulări, momente de măsurare sau grupuri biologice cu replici. Fluxul de lucru menține vizibilă structura studiului pe măsură ce treceți de la tiparele grupurilor la regiunile spectrale care le determină.
Similaritatea, PCA, gruparea și diferențele dintre vârfuri reprezintă perspective diferite asupra aceluiași studiu și ar trebui interpretate împreună.
Exportați valorile în loc să vă bazați pe capturi de ecran, păstrând în același timp disponibile atribuirea probelor și dovezile spectrale pentru coautori sau analize ulterioare.
Ce face acest banc de lucru
- Organizează numeroase spectre în probe, replici și clase opționale.
- Compară spectrele și mediile izolate folosind metrici de similaritate.
- Rulează PCA pentru a evidenția principalele tipare de variație din cadrul lotului.
- Construiește gruparea UPGMA pentru a prezenta relațiile relative dintre probe.
- Evidențiază picurile care diferă între grupurile definite.
- Poate construi un model de clasă de tip SIMCA atunci când există cel puțin 5 izolate independente pentru fiecare clasă.
Când se utilizează lotul de cercetare
- Serii de formulări, grupuri de tratament, momente temporale sau grupuri biologice.
- Verificări ale consistenței replicatelor în cadrul unui experiment.
- Analiză exploratorie a tiparelor, grupării și valorilor aberante.
- Identificarea benzilor care contribuie la diferențele dintre grupuri predefinite.
Important: Research Batch oferă dovezi numerice exploratorii. Separarea grupurilor în PCA sau prin grupare nu constituie, prin ea însăși, o dovadă a identității chimice sau a cauzalității.
Fluxul de lucru în patru pași
1Încărcați spectreleÎncarcă fișierele FTIR din studiul tău. Pot fi adăugate mai multe fișiere într-un singur lot.
2Descrieți probeleAtribuiți fiecărui fișier o probă, o replică sau un izolat și, opțional, o etichetă de clasă. Pentru loturi mai mari, utilizați opțiunea CSV pentru metadate.
3Rulează analizaBancul de lucru calculează similaritatea, PCA, gruparea și diferențele dintre vârfuri folosind setările selectate.
4Verificare și exportInspectați graficele și tabelele, apoi exportați rezultatele numerice pentru statistici independente sau raportare.
Atribuirea probei și a replicatului
Utilizați ID-uri de probă care au sens și în afara software-ului. Replicatele ar trebui să reprezinte măsurători repetate ale aceleiași probe; izolatele independente ar trebui să rămână distincte atunci când reprezintă unități experimentale separate.
- ID-ul probei — Un nume stabil pentru probă sau unitatea experimentală.
- Replicat / izolat — Utilizați câmpurile de atribuire pentru a menține grupate corect măsurătorile repetate și probele independente.
- Eticheta clasei — Grup predefinit opțional, cum ar fi grupul de control, grupul de tratament sau grupul de formulare.
Intervalul de analiză și normalizarea
Domeniul amprentă: Intervalul implicit de analiză este 1800–900 cm⁻¹. Modificați-l atunci când protocolul dumneavoastră necesită o regiune diferită; picurile din afara intervalului selectat nu sunt utilizate în calculele respective.
Normalizare: Normalizarea vectorială este setarea implicită. SNV este, de asemenea, disponibil atunci când este adecvat pentru setul dumneavoastră de date. Mențineți preprocesarea consecventă pentru spectrele pe care intenționați să le comparați.
Ce înseamnă filele de rezultate
- Matricea de similaritate — Compararea perechi a spectrelor sau a mediilor izolatelor utilizând valorile disponibile pentru similaritate sau distanță.
- PCA și SIMCA — Scorurile PCA și varianța explicată; diagnostica modelului de clasă sunt afișate atunci când datele îndeplinesc cerințele modelului de clasă.
- Clusterizare — Dendrogramă UPGMA care prezintă relațiile relative în spațiul caracteristicilor analizate.
- Diferențe de vârf — Benzile cu cele mai pronunțate diferențe între grupuri și dovezile statistice disponibile.
- Probe — Fișierele și metadatele utilizate în analiză.
Model de clasă de tip SIMCA
Modelul de clasă necesită cel puțin 5 izolate independente pentru fiecare clasă. Este un model de calibrare construit pe baza datelor din lot, nu un clasificator validat independent. Utilizați validarea externă înainte de a trata modelul ca pe o metodă de clasificare predictivă.
Exportați rezultatele
Utilizați exporturi CSV, Excel sau JSON pentru a păstra rezultatele numerice și pentru a continua analiza în afara FTIR.fun. Valorile exportate sunt mai potrivite decât capturile de ecran pentru statistici independente și păstrarea evidențelor.