分光データのケモメトリック分析
概要
このケース スタディでは、JMP と JMP Pro の両方のプラットフォームを使用してスペクトル データを分析するための分析ワークフローを紹介します。原材料、中間体、および最終製品を特徴付けるための分光分析技術の使用は、化学のすべてで広まっています。大学の化学実験室から研究とイノベーションの実験室、そして生産環境まで。 スペクトル分析は事実上どこにでもあります。スペクトル分析の最も難しい部分は、スペクトルの収集ではなく、スペクトルに付随するデータの分析です。ここ数年、JMP は多変量スペクトル解析技術 (ケモメトリック解析とも呼ばれます) の組み込みに取り組んできました。
ケモメトリクスの Wiki 定義:
「ケモメトリックスは、データ駆動型の手段によって化学システムから情報を抽出する科学です。 ケモメトリクスは本質的に学際的であり、次のようなコア データ分析分野で頻繁に使用される方法を使用します。多変量統計、応用数学、 とコンピュータサイエンス、問題に対処するために化学、生化学、薬、生物学と化学工学.
ケモメトリックスは、実験自然科学、特に化学における記述問題と予測問題の両方を解決するために適用されます。 記述的なアプリケーションでは、化学システムの特性は、システムの基本的な関係と構造を学習する目的でモデル化されます (つまり、モデルの理解と識別)。 予測アプリケーションでは、関心のある新しい特性または動作を予測する目的で、化学システムの特性がモデル化されます。 どちらの場合も、データセットは小さくてもかまいませんが、多くの場合、数百から数千の変数、数百から数千のケースまたは観測が含まれる非常に大規模で非常に複雑です。」
スペクトルデータを分析するための JMP 分析ワークフロー
- スペクトル データを JMP に取り込むことが最初の課題です。*.csv および *.jdx ファイルを取り込むためのアドインがあります。.jdx ファイルは標準形式である必要があり、圧縮されていません。または、複数ファイルのインポートを使用できますが、初期設定が必要です。
- スペクトルデータは、スタック形式とワイド形式の両方で分析できます。データを最初に確認するときと、最初の前処理を行うときは、Graph Builder で積み上げ形式 (行ごと) を使用します。グラフ ビルダーの並列プロットは、ワイド フォーマット データに適しています。
- 平行プロットを使用する場合、波長データを x 軸にドラッグしてから右クリックし、[スケールの結合] にカーソルを合わせ、[平行結合] を使用してベースライン シフトの違いを把握します。
- データの前処理が必要な場合があります。
- 最初のステップは、積み重ねられた波長データを使用して標準正規変量 (SNV) を計算することです。SNV はアドインで見つけることができます。
- もう 1 つの前処理オプションは、Savitzy-Golay 平滑化/微分フィルターを使用することです。一次導関数または二次導関数を取得できます。1 次導関数は加法的変動をクリーンアップし、2 次導関数は加法的データと乗法的データの両方をクリーンアップします。導関数を使用すると、データの構造が変化し、解釈が難しくなる可能性があります。
- 場合によっては、Savitzy-Golay と SNV の両方を実行する必要があります。最初に Savitzy-Golay を実行し、次に SNV を実行します。*まもなく、JMP Pro 17 の FDE プラットフォーム内ですべての前処理を実行できるようになります。
- MDMVCC、PCA、多次元スケーリング、クラスタリングなどの多くの多変量手法を使用して、多重共線性とサブグループ化を示すことができます。
- 通常の JMP でのモデリング:
- 通常の JMP のステップワイズ回帰は、近赤外データでうまく機能することが示されており、重要な波長 (変数) を見つける良い方法です。
- デシジョン ツリーはうまく機能しますが、すべての分割を JMP に任せるよりも、手動で分割した方がよい場合があることに注意してください。
- 保存された主成分を使用して、モデルのあてはめプラットフォームで主成分回帰を実行できます。この方法で最も重要な波長を決定することはより困難ですが、予測プロファイラーを使用して変数の重要度を評価することで可能です。
- 部分最小二乗法 (PLS) は、すべてのケモメトリック モデリング ツールの中で最も多作です。PLS は、スペクトルおよびクロマトグラフィーデータに関連する、相関性が高く、通常は非常に幅広いデータセットを処理するように構築されています。PLS を変数選択に使用して、どの変数が PLS を介して全体的な最適適合に帰することができるかを判断できます。とはいえ、前処理によってデータが適切に調整されている場合は、構成要素の混合物を調べている場合を除き、通常、変数選択に PLS を使用する必要はありません。
- モデリングのための JMP Pro への移行:
- 部分最小二乗法 (PLS) – 上記を参照してください。 PLSは通常のJMPでも利用可能.
- 一般化回帰 (Gen Reg) – ペナルティ付き回帰モデルは、変数の選択に適しています。スペクトル/クロマトグラムごとに数千ではないにしても数百の列が存在する可能性があるため、Elastic Net は最も重要な変数 (波長/ピーク) を決定するのに非常にうまく機能します。重要な変数を見逃さないように、Elastic Net Alpha の可能性の範囲をスキャンすることもお勧めします。たとえば、デフォルトの Elastic Net Alpha は 0.99 です。デフォルトを使用すると、適切なモデルが得られる可能性がありますが、予測能力を向上させる非常に重要な変数を見逃す可能性が非常に高くなります。Elastic Net Alpha の範囲をスキャンする時間がない場合は、中間範囲 (0.56) の何かを選択して、それが妥当なモデルを提供するかどうかを確認できます。
- Functional Data Explorer (FDE) – FDE は必ずしも予測モデリング プラットフォームではありませんが、連続体に関するデータを分析し、一連の曲線の形状に関連する機能主成分の種類と数を決定するために使用できます。補足変数を使用した関数 DOE を使用すると、FDE が非常に強力になり、FDOE を使用して逆キャリブレーションを取得できます。
- ニューラル ネット、ブートストラップ フォレスト、サポート ベクター マシン、XG ブーストはすべて、ケモメトリック データの分析に使用できます。JMP Pro では、モデル スクリーニングを使用して、データに使用するのに最適なモデリング プラットフォームを決定できます。
