Forskningsbatch — så används den

Använd Research Batch när din vetenskapliga fråga bygger på en serie FTIR-spektra snarare än en enda fil: behandlingar, koncentrationer, formuleringar, tidpunkter eller biologiska grupper med replikat. Arbetsflödet håller studiens struktur synlig medan du går från gruppmönster till de spektrala områden som ligger bakom dem.

Välj detta arbetsflöde förJämförelser mellan experimentella grupper

Använd detta när replikat och oberoende prover är viktiga för den vetenskapliga slutsatsen, inte när du bara behöver identifiera ett enda okänt spektrum.

Vilken fråga det hjälper till att besvaraSkiljer sig grupperna åt, hur konsistenta är de och vilka band förklarar skillnaden?

Likhet, PCA, klustring och toppskillnader är olika perspektiv på samma studie och bör tolkas tillsammans.

Vad du kan ta med dig vidareNumeriskt underlag för statistik, figurer och manusgranskning

Exportera värden i stället för att förlita dig på skärmbilder, samtidigt som provtilldelning och spektrala belägg hålls tillgängliga för medförfattare eller senare analys.

Vad denna arbetsbänk gör

Organiserar många spektrum i prover, replikat och valfria klasser.
Jämför spektrum och isolatmedelvärden med likhetsmått.
Kör PCA för att visa de huvudsakliga variationsmönstren i batchen.
Skapar UPGMA-klustring för att visa relativa relationer mellan prover.
Markerar toppar som skiljer sig mellan definierade grupper.
Kan bygga en SIMCA-liknande klassmodell när det finns minst 5 oberoende isolat per klass.

När ska Research Batch användas

Formuleringsserier, behandlingsgrupper, tidpunkter eller biologiska grupper.
Kontroller av replikatens överensstämmelse inom ett experiment.
Utforskande granskning av mönster, grupperingar och avvikare.
Hitta band som bidrar till skillnader mellan fördefinierade grupper.

Viktigt: Research Batch ger explorativa numeriska belägg. Gruppseparation i PCA eller klustring är inte i sig ett bevis på kemisk identitet eller kausalitet.

Arbetsflödet i fyra steg

1Ladda upp spektraLadda upp FTIR-filerna från din studie. Flera filer kan läggas till i samma batch.

2Beskriv provernaTilldela varje fil till ett prov, en replikat eller ett isolat samt en valfri klassetikett. För större batcher kan du använda alternativet för metadata-CSV.

3Kör analysenArbetsbänken beräknar likhet, PCA, klustring och toppskillnader med hjälp av de valda inställningarna.

4Granska och exporteraGranska diagram och tabeller och exportera sedan numeriska resultat för oberoende statistik eller rapportering.

Tilldelning av prov och replikat

Använd prov-ID:n som är begripliga även utanför programvaran. Replikat bör representera upprepade mätningar av samma prov; oberoende isolat bör förbli särskiljbara när de representerar separata experimentella enheter.

Prov-ID — Ett stabilt namn för provet eller den experimentella enheten.
Replikat / isolat — Använd tilldelningsfälten för att hålla upprepade mätningar och oberoende prover korrekt grupperade.
Klassetikett — Valfri fördefinierad grupp, till exempel kontroll-, behandlings- eller formuleringsgrupp.

Analysintervall och normalisering

Fingeravtrycksområde: Det förvalda analysintervallet är 1800–900 cm⁻¹. Ändra det när ditt protokoll kräver ett annat område; toppar utanför det valda intervallet används inte i dessa beräkningar.

Normalisering: Vektornormalisering är standardinställningen. SNV är också tillgängligt när det är lämpligt för ditt dataset. Håll förbehandlingen konsekvent för de spektra du avser att jämföra.

Vad resultattabbarna betyder

Likhetsmatris — Parvis jämförelse av spektra eller medelvärden för isolat med hjälp av tillgängliga likhets- eller avståndsmått.
PCA och SIMCA — PCA-poäng och förklarad varians; klassmodellsdiagnostik visas när data uppfyller kraven för klassmodellen.
Klustring — UPGMA-dendrogram som visar relativa relationer i det analyserade egenskapsrummet.
Toppskillnader — Band med de starkaste skillnaderna mellan grupperna och tillgängligt statistiskt underlag.
Prover — Filerna och metadata som användes i analysen.

SIMCA-liknande klassmodell

Klassmodellen kräver minst 5 oberoende isolat per klass. Det är en kalibreringsmodell som bygger på data från batchen, inte en oberoende validerad klassificerare. Använd extern validering innan du behandlar modellen som en prediktiv klassificeringsmetod.

Exportera resultat

Använd CSV-, Excel- eller JSON-exporter för att bevara de numeriska resultaten och fortsätta analysen utanför FTIR.fun. De exporterade värdena är mer lämpliga än skärmbilder för oberoende statistik och dokumentation.

Vanliga frågor

Hur många spektra kan jag analysera samtidigt?

Stora batchar tar längre tid att bearbeta och kan göra diagram eller tabeller svårare att läsa. Den praktiska kapaciteten beror på filstorleken, den valda analysen och serverresurserna, så dela vid behov upp mycket stora studier i meningsfulla batchar.

Vad gör jag om jag inte har replikat?

Behandla varje fil som ett oberoende prov när det överensstämmer med din experimentella design. Hitta inte på replikatförhållanden enbart för att uppfylla ett analyskrav.

Kan jag jämföra spektra från olika instrument?

Ja, men skillnader i instrument, tillbehör, upplösning, provtagning och förbehandling kan skapa en skenbar gruppseparation. Harmoniserа datainsamling och förbehandling där det är möjligt, och tolka skillnader mellan instrument med försiktighet.

Kan en signifikant toppskillnad identifiera den kemiska orsaken?

Nej. Det identifierar en spektral skillnad som bör undersökas. Använd kemisk kontext, litteraturbelägg, standarder eller andra analysmetoder för att stödja tilldelningen.