Используйте это, когда репликаты и независимые образцы имеют значение для научного вывода, а не когда вам нужно лишь идентифицировать один неизвестный спектр.
Исследовательский набор · Руководство
Исследовательский набор · FTIR.fun
РуководствоОткрыть рабочее место
Исследовательская серия — руководство по использованию
Используйте Research Batch, если ваш научный вопрос зависит от серии FTIR-спектров, а не от одного файла: обработок, концентраций, составов, временных точек или биологических групп с повторами. Рабочий процесс сохраняет структуру исследования видимой, пока вы переходите от закономерностей между группами к лежащим в их основе спектральным областям.
Сходство, PCA, кластеризация и различия пиков представляют собой разные аспекты одного и того же исследования и должны интерпретироваться совместно.
Экспортируйте значения вместо того, чтобы полагаться на скриншоты, сохраняя при этом доступными сведения о назначении образцов и спектральные доказательства для соавторов или последующего анализа.
Что делает эта рабочая среда
- Организует множество спектров по образцам, повторным измерениям и необязательным классам.
- Сравнивает спектры и средние значения изолятов с использованием метрик сходства.
- Выполняет PCA, чтобы показать основные закономерности вариации в пределах партии.
- Формирует кластеризацию UPGMA для отображения относительных взаимосвязей между образцами.
- Выделяет пики, различающиеся между заданными группами.
- Можно построить классификационную модель в стиле SIMCA при наличии не менее 5 независимых изолятов для каждого класса.
Когда использовать Research Batch
- Серии составов, группы обработки, временные точки или биологические группы.
- Проверка согласованности повторных измерений в рамках эксперимента.
- Исследовательский анализ закономерностей, групп и выбросов.
- Поиск полос, которые вносят вклад в различия между заранее определёнными группами.
Важно: Research Batch предоставляет предварительные численные данные. Разделение групп в PCA или при кластеризации само по себе не является доказательством химической идентичности или причинно-следственной связи.
Рабочий процесс из четырех шагов
1Загрузить спектрыЗагрузите файлы FTIR, полученные в ходе вашего исследования. Несколько файлов можно добавить одной пакетной загрузкой.
2Описать образцыНазначьте каждому файлу образец, повтор или изолят, а также необязательную метку класса. Для больших партий используйте вариант с CSV-файлом метаданных.
3Запустить анализWorkbench рассчитывает сходство, PCA, кластеризацию и различия пиков с использованием выбранных настроек.
4Проверка и экспортИзучите графики и таблицы, затем экспортируйте числовые результаты для независимого статистического анализа или составления отчётов.
Назначение образца и повторного образца
Используйте идентификаторы образцов, понятные за пределами программного обеспечения. Повторные измерения должны представлять один и тот же образец; независимые изоляты должны оставаться различимыми, если они представляют отдельные экспериментальные единицы.
- Идентификатор образца — Постоянное имя образца или экспериментальной единицы.
- Повторный образец / изолят — Используйте поля назначений, чтобы корректно группировать повторные измерения и независимые образцы.
- Метка класса — Необязательная предопределённая группа, например контрольная, экспериментальная или рецептурная группа.
Диапазон анализа и нормализация
Область отпечатка: Диапазон анализа по умолчанию составляет 1800–900 см⁻¹. Измените его, если этого требует ваш протокол; пики за пределами выбранного диапазона не используются в этих расчётах.
Нормализация: Нормализация вектора используется по умолчанию. SNV также доступна, когда это уместно для вашего набора данных. Сохраняйте единообразие предварительной обработки для всех спектров, которые вы намерены сравнивать.
Что означают вкладки результатов
- Матрица сходства — Попарное сравнение спектров или средних значений изолятов с использованием доступных метрик сходства или расстояния.
- PCA и SIMCA — Оценки PCA и объяснённая дисперсия; диагностика классовой модели отображается, если данные соответствуют требованиям к классовой модели.
- Кластеризация — Дендрограмма UPGMA, показывающая относительные взаимосвязи в анализируемом пространстве признаков.
- Различия пиков — Полосы с наиболее выраженными различиями между группами и доступные статистические данные.
- Образцы — Файлы и метаданные, использованные в анализе.
Классовая модель в стиле SIMCA
Для построения модели класса требуется не менее 5 независимых изолятов на каждый класс. Это калибровочная модель, построенная на основе данных из партии, а не независимо валидированный классификатор. Используйте внешнюю валидацию, прежде чем рассматривать модель как метод прогностической классификации.
Экспортировать результаты
Используйте экспорт в формате CSV, Excel или JSON, чтобы сохранить числовые результаты и продолжить анализ за пределами FTIR.fun. Экспортированные значения лучше подходят для независимого статистического анализа и ведения записей, чем снимки экрана.