Araştırma Grubu — Nasıl Kullanılır

Bilimsel sorunuz tek bir dosya yerine bir dizi FTIR spektrumuna dayanıyorsa Research Batch＇i kullanın: işlemler, konsantrasyonlar, formülasyonlar, zaman noktaları veya tekrarlı biyolojik gruplar. İş akışı, grup örüntülerinden bunların arkasındaki spektral bölgelere ilerlerken çalışma yapısını görünür tutar.

Şu durumlar için bu iş akışını seçinDeney grupları arasındaki karşılaştırmalar

Tek bir bilinmeyen spektrumu tanımlamanız gerektiğinde değil, tekrarların ve bağımsız numunelerin bilimsel sonuç açısından önemli olduğu durumlarda kullanın.

Yanıtlanmasına yardımcı olduğu soruGruplar farklı mı, ne kadar tutarlılar ve farkı hangi bantlar açıklıyor?

Benzerlik, PCA, kümeleme ve pik farklılıkları aynı çalışmanın farklı görünümleridir ve birlikte yorumlanmalıdır.

İleriye taşıyabileceklerinizİstatistikler, şekiller ve makale incelemesi için sayısal kanıt

Ekran görüntülerine güvenmek yerine değerleri dışa aktarın; numune atamasını ve spektral kanıtları ortak yazarlar veya sonraki analizler için erişilebilir tutun.

Bu çalışma tezgahı ne işe yarar?

Çok sayıda spektrumu numuneler, tekrarlar ve isteğe bağlı sınıflar halinde düzenler.
Spektrumları ve izolat ortalamalarını benzerlik metrikleriyle karşılaştırır.
Parti genelindeki temel değişim örüntülerini göstermek için PCA＇yı çalıştırır.
Göreli numune ilişkilerini göstermek için UPGMA kümelemesi oluşturur.
Tanımlanan gruplar arasında farklılık gösteren pikleri vurgular.
Sınıf başına en az 5 bağımsız izolat bulunduğunda SIMCA tarzı bir sınıf modeli oluşturabilir.

Research Batch ne zaman kullanılmalı

Formülasyon serileri, işlem grupları, zaman noktaları veya biyolojik gruplar.
Bir deney içindeki tekrarların tutarlılık kontrolleri.
Keşifsel desen, gruplama ve aykırı değer incelemesi.
Önceden tanımlanmış gruplar arasındaki farklılıklara katkıda bulunan bantları bulma.

Önemli: Research Batch, keşif amaçlı sayısal kanıtlar sunar. PCA veya kümelemedeki grup ayrımı, tek başına kimyasal kimliğin veya nedenselliğin kanıtı değildir.

Dört adımlı iş akışı

1Spektrumları yükleÇalışmanızdaki FTIR dosyalarını yükleyin. Tek bir toplu işlemde birden fazla dosya eklenebilir.

2Numuneleri tanımlayınHer dosyayı bir numuneye, tekrarlı ölçüme veya izolata ve isteğe bağlı sınıf etiketine atayın. Daha büyük gruplar için meta veri CSV seçeneğini kullanın.

3Analizi çalıştırÇalışma tezgâhı, seçilen ayarları kullanarak benzerliği, PCA＇yı, kümelemeyi ve pik farklılıklarını hesaplar.

4İncele ve dışa aktarGrafikleri ve tabloları inceleyin, ardından bağımsız istatistiksel analiz veya raporlama için sayısal sonuçları dışa aktarın.

Numune ve tekrarlı numune ataması

Yazılım dışında da anlamlı olan numune kimlikleri kullanın. Tekrar ölçümleri aynı numunenin tekrarlanan ölçümlerini temsil etmelidir; bağımsız izolatlar ayrı deney birimlerini temsil ettiklerinde birbirinden ayırt edilebilir kalmalıdır.

Örnek Kimliği — Numune veya deneysel birim için kararlı bir ad.
Tekrarlı numune / izole numune — Tekrarlı ölçümlerin ve bağımsız numunelerin doğru şekilde gruplandırılmasını sağlamak için atama alanlarını kullanın.
Sınıf etiketi — Kontrol, Tedavi veya formülasyon grubu gibi isteğe bağlı, önceden tanımlanmış bir grup.

Analiz aralığı ve normalizasyon

Parmak izi aralığı: Varsayılan analiz aralığı 1800–900 cm⁻¹＇dir. Protokolünüz farklı bir bölge gerektirdiğinde bu aralığı değiştirin; seçilen aralığın dışındaki pikler bu hesaplamalarda kullanılmaz.

Normalizasyon: Vektör normalizasyonu varsayılandır. Veri kümeniz için uygun olduğunda SNV de kullanılabilir. Karşılaştırmayı amaçladığınız spektrumlar genelinde ön işleme işlemlerini tutarlı tutun.

Sonuç sekmelerinin anlamı

Benzerlik Matrisi — Mevcut benzerlik veya uzaklık metriklerini kullanarak spektrumların ya da izolat ortalamalarının ikili karşılaştırması.
PCA ve SIMCA — PCA skorları ve açıklanan varyans; veriler sınıf modeli gerekliliklerini karşıladığında sınıf modeli tanılamaları gösterilir.
Kümeleme — Analiz edilen özellik uzayındaki göreli ilişkileri gösteren UPGMA dendrogramı.
Pik Farklılıkları — En güçlü grup farklılıklarını gösteren bantlar ve mevcut istatistiksel kanıtlar.
Numuneler — Analizde kullanılan dosyalar ve meta veriler.

SIMCA tarzı sınıf modeli

Sınıf modeli, her sınıf için en az 5 bağımsız izolat gerektirir. Bu, bağımsız olarak doğrulanmış bir sınıflandırıcı değil, gruptaki verilerden oluşturulmuş bir kalibrasyon modelidir. Bir modeli öngörücü bir sınıflandırma yöntemi olarak değerlendirmeden önce harici doğrulama kullanın.

Sonuçları dışa aktarın

Sayısal sonuçları korumak ve FTIR.fun dışında analizlere devam etmek için CSV, Excel veya JSON dışa aktarımlarını kullanın. Dışa aktarılan değerler, bağımsız istatistikler ve kayıt tutma işlemleri için ekran görüntülerinden daha uygundur.

SSS

Aynı anda kaç spektrumu analiz edebilirim?

Büyük toplu işlemlerin işlenmesi daha uzun sürer ve grafiklerin veya tabloların okunmasını zorlaştırabilir. Uygulanabilir kapasite dosya boyutuna, seçilen analize ve sunucu kaynaklarına bağlıdır; bu nedenle gerektiğinde çok büyük çalışmaları anlamlı toplu işlemlere bölün.

Tekrar numunelerim yoksa ne olur?

Deney tasarımınıza uygun olduğunda her dosyayı bağımsız bir numune olarak değerlendirin. Yalnızca bir analiz gereksinimini karşılamak için replikat ilişkileri uydurmayın.

Farklı cihazlardan alınan spektrumları karşılaştırabilir miyim?

Evet; ancak cihaz, aksesuar, çözünürlük, örnekleme ve ön işleme farklılıkları görünürde grup ayrışmasına neden olabilir. Mümkün olduğunda veri toplama ve ön işleme süreçlerini uyumlu hâle getirin ve cihazlar arası farklılıkları dikkatle yorumlayın.

Anlamlı bir pik farkı kimyasal nedeni belirler mi?

Hayır. Araştırılması gereken bir spektral farkı tanımlar. Atamayı desteklemek için kimyasal bağlamı, literatür kanıtlarını, standartları veya diğer analitik yöntemleri kullanın.