Lô nghiên cứu — Cách sử dụng

Sử dụng Research Batch khi câu hỏi khoa học của bạn phụ thuộc vào một chuỗi phổ FTIR thay vì một tệp duy nhất: các phương pháp xử lý, nồng độ, công thức, các thời điểm hoặc các nhóm sinh học có mẫu lặp. Quy trình này giữ cho cấu trúc nghiên cứu luôn rõ ràng khi bạn chuyển từ các mẫu hình giữa các nhóm đến những vùng phổ đứng sau các mẫu hình đó.

Chọn quy trình này choSo sánh giữa các nhóm thí nghiệm

Sử dụng khi các mẫu lặp và mẫu độc lập đóng vai trò quan trọng đối với kết luận khoa học, không sử dụng khi bạn chỉ cần xác định một phổ chưa biết.

Câu hỏi mà nó hỗ trợ giải đápCác nhóm có khác nhau không, chúng nhất quán đến mức nào, và những dải nào giải thích sự khác biệt?

Độ tương đồng, PCA, phân cụm và sự khác biệt của các đỉnh là những góc nhìn khác nhau về cùng một nghiên cứu và nên được diễn giải cùng nhau.

Những gì bạn có thể chuyển tiếpBằng chứng số học phục vụ thống kê, hình ảnh và thẩm định bản thảo

Xuất các giá trị thay vì chỉ dựa vào ảnh chụp màn hình, đồng thời duy trì thông tin phân công mẫu và bằng chứng phổ để các đồng tác giả hoặc phân tích sau này có thể sử dụng.

Công dụng của workbench này

Sắp xếp nhiều phổ thành các mẫu, các phép lặp và các lớp tùy chọn.
So sánh các phổ và giá trị trung bình của các mẫu phân lập bằng các chỉ số độ tương đồng.
Thực hiện PCA để thể hiện các mô hình biến thiên chính trong toàn bộ lô.
Xây dựng phân cụm UPGMA để thể hiện các mối quan hệ tương đối giữa các mẫu.
Làm nổi bật các đỉnh khác nhau giữa các nhóm đã xác định.
Có thể xây dựng mô hình phân lớp kiểu SIMCA khi có ít nhất 5 mẫu phân lập độc lập cho mỗi lớp.

Khi nào nên sử dụng Lô nghiên cứu

Loạt công thức, nhóm xử lý, các thời điểm hoặc các nhóm sinh học.
Kiểm tra tính nhất quán của các mẫu lặp trong một thí nghiệm.
Đánh giá thăm dò về mẫu hình, nhóm và mẫu ngoại lệ.
Tìm các dải phổ góp phần tạo ra sự khác biệt giữa các nhóm được xác định trước.

Quan trọng: Research Batch cung cấp bằng chứng số liệu mang tính thăm dò. Việc các nhóm tách biệt trong PCA hoặc phân cụm tự nó không phải là bằng chứng về bản chất hóa học hoặc quan hệ nhân quả.

Quy trình làm việc trong bốn bước

1Tải phổ lênTải lên các tệp FTIR từ nghiên cứu của bạn. Có thể thêm nhiều tệp trong một lần.

2Mô tả các mẫuGán từng tệp cho một mẫu, mẫu lặp hoặc mẫu phân lập, cùng với nhãn lớp tùy chọn. Đối với các lô lớn hơn, hãy sử dụng tùy chọn CSV siêu dữ liệu.

3Chạy phân tíchBàn làm việc tính toán độ tương đồng, PCA, phân cụm và sự khác biệt giữa các đỉnh bằng các cài đặt đã chọn.

4Xem xét và xuấtKiểm tra các đồ thị và bảng, sau đó xuất các kết quả số để thực hiện thống kê độc lập hoặc lập báo cáo.

Phân công mẫu và mẫu lặp

Sử dụng các mã mẫu có ý nghĩa ngay cả khi không dùng phần mềm. Các mẫu lặp nên thể hiện những phép đo lặp lại của cùng một mẫu; các mẫu phân lập độc lập cần tiếp tục được phân biệt khi chúng đại diện cho các đơn vị thí nghiệm riêng biệt.

ID mẫu — Tên ổn định cho mẫu hoặc đơn vị thí nghiệm.
Mẫu lặp / mẫu phân lập — Sử dụng các trường phân công để nhóm chính xác các phép đo lặp lại và các mẫu độc lập.
Nhãn lớp — Nhóm được xác định trước tùy chọn, chẳng hạn như nhóm Đối chứng, nhóm Xử lý hoặc nhóm công thức.

Phạm vi phân tích và chuẩn hóa

Vùng dấu vân tay: Phạm vi phân tích mặc định là 1800–900 cm⁻¹. Hãy thay đổi phạm vi này khi quy trình của bạn yêu cầu một vùng khác; các đỉnh nằm ngoài phạm vi đã chọn sẽ không được sử dụng trong những phép tính đó.

Chuẩn hóa: Chuẩn hóa vector là mặc định. SNV cũng khả dụng khi phù hợp với tập dữ liệu của bạn. Hãy duy trì nhất quán bước tiền xử lý trên các phổ mà bạn dự định so sánh.

Ý nghĩa của các tab kết quả

Ma trận tương đồng — So sánh từng cặp phổ hoặc giá trị trung bình của các mẫu phân lập bằng các chỉ số độ tương đồng hoặc khoảng cách hiện có.
PCA & SIMCA — Điểm số PCA và phương sai được giải thích; chẩn đoán mô hình lớp được hiển thị khi dữ liệu đáp ứng các yêu cầu của mô hình lớp.
Phân cụm — Dendrogram UPGMA thể hiện các mối quan hệ tương đối trong không gian đặc trưng đã phân tích.
Khác biệt đỉnh — Các dải có khác biệt giữa các nhóm mạnh nhất và bằng chứng thống kê hiện có.
Mẫu — Các tệp và siêu dữ liệu được sử dụng trong phân tích.

Mô hình lớp kiểu SIMCA

Mô hình lớp yêu cầu ít nhất 5 chủng phân lập độc lập cho mỗi lớp. Đây là mô hình hiệu chuẩn được xây dựng từ dữ liệu trong lô, không phải là bộ phân loại đã được xác thực độc lập. Hãy sử dụng phép xác thực bên ngoài trước khi coi mô hình này là một phương pháp phân loại dự đoán.

Xuất kết quả

Sử dụng các tệp xuất CSV, Excel hoặc JSON để lưu giữ các kết quả số và tiếp tục phân tích bên ngoài FTIR.fun. Các giá trị được xuất phù hợp hơn ảnh chụp màn hình cho việc thống kê độc lập và lưu trữ hồ sơ.

Câu hỏi thường gặp

Tôi có thể phân tích bao nhiêu phổ cùng một lúc?

Các lô lớn mất nhiều thời gian hơn để xử lý và có thể khiến biểu đồ hoặc bảng khó đọc hơn. Khả năng xử lý thực tế phụ thuộc vào kích thước tệp, phân tích được chọn và tài nguyên máy chủ, vì vậy hãy chia các nghiên cứu rất lớn thành những lô có ý nghĩa khi cần.

Nếu tôi không có các mẫu lặp thì sao?

Xem mỗi tệp là một mẫu độc lập khi điều đó phù hợp với thiết kế thí nghiệm của bạn. Không tự tạo ra các mối quan hệ lặp lại chỉ để đáp ứng yêu cầu phân tích.

Tôi có thể so sánh các phổ từ những thiết bị khác nhau không?

Có, nhưng sự khác biệt về thiết bị, phụ kiện, độ phân giải, phương pháp lấy mẫu và tiền xử lý có thể tạo ra sự phân tách nhóm biểu kiến. Hãy hài hòa việc thu nhận dữ liệu và tiền xử lý trong phạm vi có thể, đồng thời thận trọng khi diễn giải sự khác biệt giữa các thiết bị.

Sự khác biệt đáng kể giữa các đỉnh có xác định được nguyên nhân hóa học không?

Không. Nó xác định một khác biệt về phổ cần được điều tra. Sử dụng bối cảnh hóa học, bằng chứng từ tài liệu, chất chuẩn hoặc các phương pháp phân tích khác để hỗ trợ việc phân định.