<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo zusammen,
Vielen Dank für diese tolle Diskussion und die Hinweise, das ist sehr hilfreich. Da mein Kunde jetzt im Urlaub ist, muss ich warten, um dies hoffentlich Mitte nächster Woche weiter zu besprechen. Aber ich werde Sie über das Ergebnis informieren.
Danke noch einmal,
Martin
Von: Bernd Heinen
Gesendet: Freitag, 11. April 2014 17:38
An: Chris Kirchberg; Bill Worley; Louis Valente; Daniel Valente; Martin Demel; SE
Betreff: RE: Peak-Ausrichtung und Mustererkennung
Hallo,
Das ist wirklich ein lustiger Dialog, ich habe viel gelernt! Aber da ich ein einfacher Mensch ohne chemisches Verständnis bin, sieht das für mich wie ein Problem bei der Erkennung von Ausreißern aus. Wir haben in JMP keine sofort einsatzbereite Lösung, aber es lässt sich einfach per Skript erstellen. Ich würde
1. Ausreißer identifizieren
2. Benennen Sie sie der Reihe nach
3. Tragen Sie alle Ausreißer mit ihren Namen, Werten, Zeiten und Proben-ID in eine Datentabelle ein
4. Testen Sie, ob die Zeiten pro Name innerhalb der ax%-Konfidenzgrenze liegen
Alternativ könnte man einfach die von den Instrumenten identifizierten Peaks nehmen, sie der Reihe nach umbenennen und einen Mustervergleich (der Namen) durchführen und/oder die Schritte 3 und 4 von oben anwenden.
Wir freuen uns auf die Kommentare unserer Chemiker.
Beste grüße
Bernd
Von: Chris Kirchberg
Gesendet: Freitag, 11. April 2014 17:29
An: Bill Worley; Louis Valente; Daniel Valente; Martin Demel; SE
Betreff: RE: Peak-Ausrichtung und Mustererkennung
Wer hat gesagt, dass Chemie keinen Spaß macht? Ich habe seit Jahren nicht mehr so viel über HPLC/GC, Daten und Peaks gesprochen. Es erwärmt mein chemisches Herz
Chris Kirchberg
JMP Technical Enablement Engineer
Weltweites technisches Enablement-Team
Von: Bill Worley
Gesendet: Freitag, 11. April 2014, 09:14 Uhr
An: Louis Valente; Daniel Valente; Martin Demel; SE
Betreff: RE: Peak-Ausrichtung und Mustererkennung
Martin,
Da mir die Chemie im Blut liegt und wir Chemiker zusammenhalten müssen, werde ich Lous Kommentaren zustimmen. Meine Erfahrung mit den von Ihnen gezeigten Chromatogrammen ist die gleiche wie die von Lou und ich stimme mit Lou darin überein, dass die Instrumentensoftware sehr gut in der Lage sein sollte, bei der Bestimmung der interessierenden Peaks zu helfen. JMP könnte verwendet werden, um die Chromatogramme zu vergleichen und die Unterschiede zwischen Läufen oder Materialchargen aufzuzeigen, indem jeder Lauf in einer Spalte aufgelistet wird.
Es kann sich lohnen, dass der Analyst einige der Unterschiede näher identifiziert, oder es kann sich um Artefakte oder Geisterpeaks handeln, die von einer früheren Analyse übrig geblieben sind, wenn die Säulen nicht wie bei der HPLC gut ausgewaschen oder für die GC-Analyse „ausgebacken“ wurden. Einige dieser Arten von Gipfeln sind so klein, dass sich die Mühe nicht lohnt. Wenn Sie Pr 16 im Vergleich zu Pr 17 betrachten, sehen Sie bei Pr 16 einen anfänglichen Höhepunkt bei etwa 8 Minuten, den Sie bei Pr 17 nicht sehen. Dieser Gipfel ist so klein, dass es sich wahrscheinlich nicht lohnt, ihm nachzujagen. Die 3 Peaks nach etwa 9 Minuten sind von Lauf zu Lauf reproduzierbar und könnten sich lohnen. Sie sind entweder Nebenprodukte einer Reaktion oder Verunreinigungen im zu analysierenden Material.
Basierend auf der für die größeren Peaks gezeigten Identifizierung handelt es sich um einige ziemlich große Verbindungen, und in der Mischung schweben zwangsläufig viele kleine „Teile“ herum, die in der endgültigen Analyse möglicherweise etwas bedeuten oder auch nicht. Entschuldigung für die Lektion zur analytischen Chemie, aber hoffentlich hilft sie.
Grüße,
Rechnung
Von: Louis Valente
Gesendet: Freitag, 11. April 2014, 9:59 Uhr
An: Daniel Valente; Martin Demel; SE
Betreff: Betreff: Peak-Ausrichtung und Mustererkennung
Martin,
Nach meiner Erfahrung werden diese HPLC- oder GLC-Chromatogramme mit Retentionszeit-Peak-Identifizierung online mit der Software für analytische Chemie analysiert, die auf den Detektoren des Instruments bereitgestellt wird. Alle Identifizierungen erfolgen am Detektor und wenn es aufgrund von Variationen in der Analysemethode zu einer Abweichung der Retentionszeit kommt, wird der Peak normalerweise durch Spiking-Experimente und/oder Massenspektrophotometrie an der eluierten Peakader identifiziert. Obwohl es plausibel erscheint, JMP für diese Art von Analyse verwenden zu können, ist dies nicht die Norm, da Instrumentenanbieter wie Hitachi, Perkin-Elmer, Shizmadu usw. normalerweise ein sehr teures Instrument mit gebündelter Software verkaufen, um so etwas automatisiert durchzuführen Mode.
Grüße,
Lou
Louis Valente
Senior Manager, Technical Enablement ▪ JMP-Abteilung
Tel.: +1 (919) 531-3378
louis.valente@jmp.com
JMP: Statistical DiscoveryTM. Von SAS.
www.jmp.com
Von: Daniel Valente
Datum: Freitag, 11. April 2014, 9:50 Uhr
An: Martin Demel , „jmpse@wnt.sas.com“
Betreff: Betreff: Peak-Ausrichtung und Mustererkennung
Hallo Martin -
Ich betrachte dies so, wie ich es angehen würde, wenn es eine akustische Impulsantwort wäre. Der IACF-Parameter (Interaurale Kreuzkorrelationsfunktion) untersucht das Muster der am linken und rechten Ohr ankommenden Reflexionen, gemessen mit einer binauralen IR-Technik. Anschließend erfolgt eine Kreuzkorrelation vom Direktschall zu den ersten 80 ms nach dem Direktschall (normalerweise) und es wird ermittelt, wie ähnlich die Spitzen (Reflexionen) an beiden Ohren sind. Dies wird dann zu einem Maß für die Geräumigkeit im Raum (indem der Maximalwert des IACC von –1 auf 1 ms gesetzt wird). Die auf diese Weise analysierten gesammelten Daten sehen denen, die Sie hier präsentiert haben, sehr ähnlich.
Werden die Daten für jede Messung mit der gleichen Abtastrate erfasst? Es sieht so aus, als ob ihre Stichprobe bezüglich der Zeit ziemlich spärlich ist. Es wäre schön, an die Rohdaten zu gelangen und die Antwort bei jeder ms oder so zu sehen. Wenn Sie das könnten, könnten Sie eine Kreuzkorrelation in der Time Series-Plattform verwenden, um die Stichprobenverzögerung zwischen Stichprobe 1 und 2 zu bestimmen, und dann der führenden Stichprobe etwas Latenz hinzufügen, um die Spitzen auszurichten.
Das ist vielleicht nicht das, was sie wollen, aber es ist die erste Technik, die mir durch die Linse des Signalprozesses/der Akustik in den Sinn kam.
Mathe für Interessierte:
Die interaurale Kreuzkorrelationsfunktion ist definiert als
(11)
Dabei sind hL(t) und hR(t) die Impulsantworten des linken bzw. rechten Ohrs. Der interaurale Kreuzkorrelationskoeffizient wird angenommen als:
(12)
Dan
Von: Martin Demel
Datum: Freitag, 11. April 2014, 5:16 Uhr
An: „[JMP] SE“
Betreff: Peak-Ausrichtung und Mustererkennung
Hallo,
Ein Kunde aus der Lebensmittel- und Geschmacksbranche (Team für sensorische Analyse) fragte nach der Peak-Alignment-/Mustererkennungsfunktion in JMP. Verfügen wir über diese Fähigkeit und wenn ja, gibt es ein Beispiel?
Um konkreter zu sein:
Der Datensatz sieht so aus:
KA 142 005 Pr16
NEIN.
Ret.Time
Ret.Index
Bereich
Typ
Relativer Bereich
Menge
Gipfelname
Mindest
pA*min
%
ppm
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
1976,9
0,056
BMB
0,025
572,75
10
14.230
2013,9
0,542
BMB
0,245
5.540,39
11
14.898
2047,2
14.705
BMB
6.663
150.406,13
B
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
M
0,049
1.105,31
15
17.105
2146,3
6.406
MB
2.902
65.520,93
C_1
16
17.918
2178,2
0,029
BMB
0,013
300,34
Und so ein zweiter Satz:
KA 142 005 Pr17
NEIN.
Ret.Time
Ret.Index
Bereich
Typ
Relativer Bereich
Menge
Gipfelname
Mindest
pA*min
%
ppm
1
9.227
1706,6
0,028
BMB
0,019
414,92
n / A
2
9.355
1716,3
0,021
BMB
0,014
314,55
n / A
3
9.848
1752,4
0,039
BMB
0,026
571,50
n / A
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
1974,6
0,025
BMB
0,016
360,13
8
14.227
2013,7
0,367
BMB
0,240
5.374,04
9
14.857
2045,2
5.287
BMB
3.456
77.358,63
B
10
16.113
2104,5
43.257
BM
28.271
632.875,80
B_2
11
16.712
2130,1
0,028
M
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
M
5.314
118.967,53
C_2
16
19.332
2230,9
0,022
M
0,014
323,37
Sie können in der rechten Spalte sehen, dass es manchmal Zeichen gibt und manchmal nicht. Wenn Sie sich beispielsweise „A“ ansehen, sehen Sie, dass die Zeit ungefähr gleich ist, und Sie wissen, dass sie mit demselben „Peak-Namen“ zusammenhängt. Aber es gibt viele andere, die sie nicht kennen. Das Ziel besteht darin, die anderen Peaknamen in mehreren dieser Datensätze mehr oder weniger automatisch auszurichten.
Unten sehen Sie einige Formen dieser Signale mit Spitzennamen.
Sie müssen also zuerst die Spitzen finden, sie dann mit dem zweiten Signal vergleichen und prüfen, ob die Spitzen übereinstimmen. Die Schwierigkeit besteht zudem darin, dass die Anzahl der Zeitbeobachtungen nicht immer gleich ist. Mit anderen Worten: Die Peaks verschieben sich innerhalb eines kleinen, unbekannten Bereichs.
Ich weiß, dass man einen solchen Vergleich durch Signalverarbeitungsfunktionen lösen könnte, wie z. B. zunächst Rauschreduzierung mit Wavelet-Transformationen, manchmal Basislinienkorrekturen und Spektrennormalisierung, dann die Verwendung eines Punktabgleichs oder einer anderen Ausrichtungsmethode. Aber ich weiß nicht, ob wir das in JMP tun könnten. Ein Blick in die Dokumentation und ein schnelles Durchsuchen der Bücher waren nicht sehr erfolgreich. Das Gleiche gilt für die Internetsuche im Zusammenhang mit „JMP“. Ich habe gerade einige Gedanken über die Verwendung von Clustering gefunden, um gemeinsame Peaks zu finden und die Zentren dieser Peaks weiter zu verwenden. Dies kann jedoch zu Problemen führen, wenn die Verschiebung eines Peaks im Bereich eines Ausreißers liegt. Ich bin mir auch nicht sicher, ob eine Distanzmatrix hilfreich wäre, und da ich diesen Ansatz vorher nicht verwendet habe, habe ich keine Ahnung, wie ich weiter vorgehen soll.
Wenn Sie also wissen, dass dies möglich ist (oder auch nicht), es von einem Kunden schon einmal gemacht wurde oder Sie ein Beispiel haben, freue ich mich, Ihnen bei unserem nächsten Besuch ein Bier zu servieren, J
Danke,
Martin
PS: Falls Sie eine Idee haben, aber Daten benötigen, lassen Sie es mich wissen (ich habe einige vom Kunden).
Martin Demel
JMP Systems Engineer ▪ JMP Sales ▪ Deutschland, Österreich, Schweiz
Tel: + 49 89 15929 315 ▪ Fax: + 49 6221 415 44 6115
Mobil: + 49 172 6340 872 ▪ Martin.Demel@jmp.com▪ www.jmp.com/de
Adresse: Nördliche Auffahrtsallee 22 ▪ 80638 München
JMP – Statistical Discovery von SAS
