<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
非常感谢您的精彩讨论和提示，这非常有帮助。 由于我的客户现在正在度假，我必须等待下周中旬进一步讨论这个问题。 但我会让你知道结果。
再次感谢，
马丁
作者：贝恩德·海宁
发送：弗莱塔格，11。 2014 年 4 月 17:38
致：克里斯·基希伯格；比尔·沃利；路易斯·瓦伦特；丹尼尔·瓦伦特；马丁·德梅尔；东南欧
主题：RE：峰对齐和模式识别
你好，
这真是一次有趣的对话，我学到了很多东西！ 但由于我是一个不懂化学的简单人，对我来说这看起来像是一个异常值检测问题。 我们在 JMP 中没有开箱即用的解决方案，但很容易编写脚本。 我会
1. 识别异常值
2.按顺序命名
3. 将所有异常值及其名称、取值时间和样本 ID 放入一张数据表中
4. 测试每个名称的次数是否在 ax% 置信限内
作为一种替代方案，人们可以只获取从仪器中识别出的峰值，按顺序重命名它们并运行（名称的）模式比较和/或应用上面的步骤 3 和 4。
期待我们的化学家的评论。
此致
贝恩德
作者：克里斯·基希伯格
发送：弗莱塔格，11。 2014 年 4 月 17:29
致：比尔·沃利；路易斯·瓦伦特；丹尼尔·瓦伦特；马丁·德梅尔；东南欧
主题：RE：峰对齐和模式识别
谁说化学不好玩。 我已经很多年没有看到这么多关于 HPLC/GC、数据和峰的讨论了。 它温暖了我化学的心
克里斯·基希伯格
JMP 技术支持工程师
全球技术支持团队
作者：比尔·沃利
发送时间：2014 年 4 月 11 日星期五 09:14
致：路易斯·瓦伦特；丹尼尔·瓦伦特；马丁·德梅尔；东南欧
主题：RE：峰对齐和模式识别
马丁，
由于化学已融入我的血液中，我们化学家需要团结在一起，因此我将对卢的评论发表意见。 我对您显示的色谱图的体验与 Lou 的相同，并且同意 Lou 的观点，即仪器软件应该非常有能力帮助确定感兴趣的峰。 JMP 可用于比较色谱图，并通过在列中列出每次运行来揭示运行或批次材料之间的差异。
有些差异可能值得分析人员花时间进一步识别，或者如果色谱柱没有像 HPLC 那样充分清洗或“烘烤”用于 GC 分析，则它们可能是先前分析中留下的伪影或鬼峰。 其中一些类型的山峰非常小，不值得付出努力。 如果您查看 Pr 16 与 Pr 17，您会在 Pr 16 中看到大约 8 分钟处的初始峰值，而您看不到 Pr 17。 那个峰太小了，可能不值得费力去追寻它。 之后 9 分钟左右的 3 个峰值在每次运行中都可以重现，并且值得花时间。 它们要么是反应的副产品，要么是被分析材料中的污染物。
根据对较大峰的鉴定，这些是一些相当大的化合物，并且混合物中必然有许多小的“位”漂浮在混合物中，这些“位”在最终分析中可能意味着也可能没有任何意义。 抱歉，我的分析化学课很抱歉，但希望它能有所帮助。
问候，
账单
来自：路易斯·瓦伦特
发送时间：2014 年 4 月 11 日星期五上午 9:59
致：丹尼尔·瓦伦特；马丁·德梅尔；东南欧
主题：回复：峰对齐和模式识别
马丁，
根据我的经验，这些带有保留时间峰识别的 HPLC 或 GLC 色谱图可以使用仪器检测器上提供的分析化学软件进行在线分析。 所有鉴定均在检测器上完成，如果由于分析方法的变化而导致保留时间存在漂移，则通常通过加标实验和/或对峰静脉洗脱的质谱进行鉴定。 尽管能够使用 JMP 进行此类分析似乎是合理的，但这并不是常态，因为像 Hitachi、Perkin-Elmer、Shizmadu 等仪器供应商通常会销售非常昂贵的仪器，并附带捆绑软件以自动执行此类操作。时尚。
问候，
楼
路易斯·瓦伦特
技术支持高级经理 ▪ JMP 部门
电话：+1 (919) 531-3378
louis.valente@jmp.com
JMP：统计发现TM。 来自SAS。
www.jmp.com
来自：Daniel Valente
日期：2014 年 4 月 11 日星期五上午 9:50
致：Martin Demel 、“jmpse@wnt.sas.com”
主题：回复：峰对齐和模式识别
嗨马丁——
如果它是声脉冲响应，我将如何处理它。 IACF（耳间互相关函数）参数查看使用双耳 IR 技术测量的到达左耳和右耳的反射模式。 然后，它会从直达声到直达声之后的前 80 毫秒（正常情况下）进行互相关，并查找双耳处峰值（反射）的相似程度。 然后，这将成为房间宽敞程度的衡量标准（通过将 IACC 的最大值从 –1 到 1 毫秒取）。 以这种方式分析收集的数据看起来与您在此处提供的数据非常相似。
每次测量是否以相同的采样率采集数据。 看起来他们的样本非常稀疏：时间，如果能够获取原始数据并查看每毫秒或其他时间的响应，那就太好了。 如果可以做到这一点，您可以使用时间序列平台中的互相关来确定样本 1 和 2 之间的样本滞后，然后向领先样本添加一些延迟以对齐峰值。
这可能不是他们想要的，但这是我通过信号处理/声学镜头想到的第一个技术。
为那些关心的人提供的数学：
耳间互相关函数定义为
(11)
其中 hL(t) 和 hR(t) 分别是左耳和右耳脉冲响应。 耳间互相关系数取为：
(12)
担
发件人：马丁·德梅尔
日期：2014 年 4 月 11 日星期五上午 5:16
致：“[JMP] SE”
主题：峰对齐和模式识别
你好，
食品和口味领域的一位客户（感官分析团队）询问 JMP 中的峰对齐/模式识别功能。 我们是否有这种能力？如果有，是否有可用的示例。
更具体地说：
数据集如下所示：
KA 142 005 Pr16
不。
保留时间
保留指数
区域
类型
相关区域
数量
峰名称
分钟
帕*分钟
%
百万分之一
1
8,620
1657,2
0,026
BMB
0,012
264,60
2
9,220
1706,1
0,031
BMB
0,014
318,50
3
9,368
1717,3
0,065
BMB
0,029
659,78
4
9,850
1752,5
0,041
BMB
0,019
418,87
5
11,317
1852,8
36,548
BMB
16,559
373.816,84
A
6
12,090
1902,0
0,540
BMB
0,245
5.520,64
7
12,413
1920,5
0,011
BMB
0,005
113,79
8
12,927
1948,2
0,744
BMB
0,337
7.611,68
9
13,488
1976年9月
0,056
BMB
0,025
572,75
10
14,230
2013年9月
0,542
BMB
0,245
5.540,39
11
14,898
2047,2
14,705
BMB
6,663
150.406,13
乙
12
15,600
2081,0
0,025
BMB
0,011
256,14
13
16,148
2106,1
55,467
BM
25,132
567.331,13
B_2
14
16,733
2131,0
0,108
中号
0,049
1.105,31
15
17,105
2146,3
6,406
MB
2,902 人
65.520,93
C_1
16
17,918
2178,2
0,029
BMB
0,013
300,34
还有第二组这样的：
KA 142 005 Pr17
不。
保留时间
保留指数
区域
类型
相关区域
数量
峰名称
分钟
帕*分钟
%
百万分之一
1
9,227
1706,6
0,028
BMB
0,019
414,92
娜
2
9,355
1716,3
0,021
BMB
0,014
314,55
娜
3
9,848
1752,4
0,039
BMB
0,026
571,50
娜
4
11,305
1852,0
30,725
BMB
20,081
449.519,59
A
5
12,087
1901,8
0,435
BMB
0,284
6.365,73
6
12,925
1948,1
0,680
BMB
0,444
9.944,70
7
13,442
1974年6月
0,025
BMB
0,016
360,13
8
14,227
2013年7月
0,367
BMB
0,240
5.374,04
9
14,857
2045,2
5,287
BMB
3,456
77.358,63
乙
10
16,113
2104,5
43,257
BM
28,271
632.875,80
B_2
11
16,712
2130,1
0,028
中号
0,018
407,61
12
17,093
2145,8
5,491
MB
3,589
80.334,69
C_1
13
17,922
2178,4
0,013
BMB
0,009
196,67
14
18,590
2203,5
0,031
BM
0,020
450,20
15
18,837
2212,7
8,131
中号
5,314
118.967,53
C_2
16
19,332
2230,9
0,022
中号
0,014
323,37
您可以看到右栏有时有字符，有时没有。 例如，看一下“A”，您会发现时间大致相同，您知道它与相同的“峰值名称”相关。 但还有很多他们不认识的人。 目标是让多个数据集中的其他峰名称或多或少自动对齐。
下面您可以看到这些信号的一些形状以及峰值名称。
因此，他们需要首先找到峰值，然后将其与第二个信号进行比较，看看峰值是否对齐。 另外的困难在于时间观察的次数并不总是相同的。 或者换句话说，峰值在一个小的未知范围内移动。
我知道可以通过信号处理功能来解决这种比较，例如首先使用小波变换进行降噪，有时进行基线校正和光谱归一化，然后使用点匹配或其他对齐方法。 但我不知道这是否是我们可以在 JMP 中做的事情。 查看文档并快速搜索书籍并不是很成功。 使用与“JMP”相关的互联网搜索也是如此。 我刚刚发现了一些关于使用聚类来查找共同峰值并进一步使用这些峰值的中心的想法。 但如果一个峰值的变化处于异常值范围内，这可能会出现问题。 我也不确定距离矩阵是否有帮助，因为在我没有线索进一步走之前我没有使用这种方法。
因此，如果您知道这是可能的（甚至不可能），以前有客户这样做过，或者有一个例子，我很高兴下次见到我们时为您提供啤酒
谢谢，
马丁
PS：如果您有想法但需要数据，请告诉我（我有来自客户的一些数据）。
马丁·德梅尔
JMP 系统工程师 ▪ JMP 销售 ▪ 德国、奥地利、瑞士
电话：+ 49 89 15929 315 ▪ 传真：+ 49 6221 415 44 6115
手机：+ 49 172 6340 872 ▪ Martin.Demel@jmp.com ▪ www.jmp.com/de
地址：Nördliche Auffahrtsallee 22 ▪ 80638 München
JMP - 来自 SAS 的统计发现
