分光データの化学分析
概要
このケーススタディでは、JMP プラットフォームと JMP Pro プラットフォームの両方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示します。原料、中間体、最終製品の特性を評価するための分光分析技術の使用は、化学全般に広く普及しています。大学の化学研究室から研究およびイノベーションの研究室、さらには生産環境まで。 スペクトル分析は事実上あらゆる場所で行われています。スペクトル分析で最も難しい部分は、スペクトルの収集ではなく、スペクトルに付属するデータの分析です。ここ数年、JMP は化学分析としても知られる組み込みの多変量スペクトル分析技術の開発に取り組んできました。
ケモメトリクスの Wiki 定義:
「ケモメトリクス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、次のような中核的なデータ分析分野で頻繁に使用される手法を使用します。多変量統計、応用数学、 とコンピュータサイエンスの問題に対処するために、化学、生化学、薬、生物学と化学工学。
ケモメトリクスは、実験自然科学、特に化学における記述的問題と予測的問題の両方を解決するために適用されます。 記述的アプリケーションでは、化学システムの特性は、システムの基礎となる関係と構造を学習する (つまり、モデルの理解と同定) ことを目的としてモデル化されます。 予測アプリケーションでは、関心のある新しい特性や挙動を予測する目的で、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い場合もありますが、多くの場合、数百から数千の変数、および数百から数千の事例や観察が含まれる非常に大規模で非常に複雑です。」
スペクトル データ分析のための 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り、圧縮されていない必要があります。あるいは、複数のファイルのインポートを使用することもできますが、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。最初にデータを確認するときや初期の前処理には、グラフ ビルダーで積み上げ形式 (行単位) を使用します。グラフ ビルダーの並列プロットは、ワイド形式のデータに適しています。
- 平行プロットを使用する場合は、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] の上にカーソルを置き、[平行マージ] 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になる場合があります。
- 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 はアドインにあります。
- 別の前処理オプションは、Savitzy-Golay スムーザー/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使用できます。一次導関数は加法的な変動をクリーンアップし、二次導関数は加法データと乗法データの両方をクリーンアップします。微分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る場合があります。最初に Savitzy-Golay を実行してから、SNV を実行します。*間もなく、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。
- 多重共線性とサブグループ化を示すには、MDMVCC、PCA、多次元尺度法、クラスタリングなどの多くの多変量手法を使用できますし、使用する必要があります。
- 通常の JMP でのモデリング:
- 通常の JMP の段階回帰は、近赤外線データで適切に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、JMP にすべての分割を実行させるのではなく、手動で分割を実行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、モデルの適合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た変数の重要性の評価では可能です。
- 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用されています。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 セットを処理するために構築されています。PLS を変数選択に使用すると、どの変数が PLS を介して全体的に最適であると考えられるかを判断できます。とはいえ、データが前処理によって適切に調整されている場合は、コンポーネント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。
- モデリングのために JMP Pro に移行:
- 部分最小二乗法 (PLS) – 上記を参照PLSは通常のJMPでも利用可能です。
- 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おり、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あ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。また、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をお勧めします。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高くなりますが、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も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) のものを選択して、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、連続体上のデータを分析し、どの主成分がどれだけの数の曲線の形状に関連しているかを判断するために使用できるため、必ずしも予測モデリング プラットフォームである必要はありません。補足変数を使用した Functional DOE を使用すると、FDE が非常に強力になり、FDOE を使用して逆校正を行うことができます。
- 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、化学測定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。
ケモメトリクスは、製薬および HLS のトレンドになりつつあります。 JMP を支持するトピックに関する私の LinkedIn 記事を以下に示します。
FDA の業界向け NIR ガイダンス |リンクトイン
QbD における新しい分析手法 – PAT パラダイム |リンクトイン
JMP® - AQbD の入門書 |リンクトイン
