분광 데이터의 화학 분석
개요
이 사례 연구에서는 JMP 및 JMP Pro 플랫폼을 모두 사용하여 스펙트럼 데이터를 분석하기 위한 분석 워크플로를 보여줍니다.원자재, 중간체 및 완제품을 특성화하기 위한 분광 분석 기술의 사용은 화학 전반에 걸쳐 널리 퍼져 있습니다.대학 화학 연구실에서 연구 및 혁신 연구실, 생산 환경까지. 스펙트럼 분석은 거의 모든 곳에 있습니다.스펙트럼 분석의 가장 어려운 부분은 스펙트럼 수집이 아니라 데이터 분석이 스펙트럼과 함께 제공된다는 것입니다.지난 몇 년 동안 JMP는 화학 분석이라고도 하는 내장된 다변량 스펙트럼 분석 기술을 개발하기 위해 노력해 왔습니다.
화학 측정에 대한 Wiki 정의:
"화학 데이터 기반 수단을 통해 화학 시스템에서 정보를 추출하는 과학입니다. 화학계량학은 본질적으로 다음과 같은 핵심 데이터 분석 분야에서 자주 사용되는 방법을 사용하는 학제간입니다. 다변수 통계 , 응용 수학 , 그리고 컴퓨터 과학 , 문제를 해결하기 위해 화학 , 생화학 , 약 , 생물학 그리고 화학 공학 .
화학 측정학은 실험적 자연 과학, 특히 화학에서 기술 및 예측 문제를 모두 해결하는 데 적용됩니다. 설명 응용 프로그램에서 화학 시스템의 속성은 시스템의 기본 관계 및 구조(즉, 모델 이해 및 식별)를 학습할 목적으로 모델링됩니다. 예측 응용 프로그램에서 화학 시스템의 속성은 관심 있는 새로운 속성이나 동작을 예측할 목적으로 모델링됩니다. 두 경우 모두 데이터 세트는 작을 수 있지만 종종 수백에서 수천 개의 변수와 수백에서 수천 개의 사례 또는 관찰을 포함하는 매우 크고 매우 복잡합니다.”
스펙트럼 데이터 분석을 위한 JMP 분석 워크플로
- 스펙트럼 데이터를 JMP로 가져오는 것이 첫 번째 과제입니다.*.csv 및 *.jdx 파일을 가져오기 위한 추가 기능이 있습니다..jdx 파일은 압축되지 않은 표준 형식이어야 합니다.또는 다중 파일 가져오기를 사용할 수 있지만 초기 설정이 필요합니다.
- 스펙트럼 데이터는 스택 형식과 와이드 형식 모두에서 분석할 수 있습니다.데이터를 처음 검토하고 일부 초기 사전 처리를 위해 그래프 빌더와 함께 스택 형식(행별)을 사용합니다.그래프 빌더의 병렬 도표는 넓은 형식의 데이터에 적합합니다.
- 평행 플롯을 사용하는 경우 파장 데이터를 x축으로 드래그한 다음 마우스 오른쪽 버튼을 클릭하고 Combine Scales 위로 마우스를 가져간 다음 Parallel Merged를 사용하여 기준선 이동의 차이에 대한 아이디어를 얻습니다.
- 데이터의 사전 처리가 필요할 수 있습니다.
- 첫 번째 단계는 누적 파장 데이터를 사용하여 SNV(Standard Normal Variate)를 계산하는 것입니다.SNV는 추가 기능에서 찾을 수 있습니다.
- 또 다른 전처리 옵션은 Savitzy-Golay 스무더/파생 필터를 사용하는 것입니다.1차 또는 2차 미분을 취할 수 있습니다.1차 도함수는 덧셈 변형을 정리하고 2차 도함수는 덧셈 및 곱셈 데이터를 모두 정리합니다.도함수를 사용하면 데이터 구조가 변경되고 해석이 더 어려워질 수 있습니다.
- 때로는 Savitzy-Golay와 SNV를 모두 수행해야 합니다.먼저 Savitzy-Golay를 수행한 다음 SNV를 수행하십시오.*곧 JMP Pro 17의 FDE 플랫폼 내에서 모든 사전 처리를 수행할 수 있습니다.
- MDMVCC, PCA, 다차원 스케일링 및 클러스터링을 포함한 많은 다변수 기술의 사용은 다중 공선성과 하위 그룹화를 표시하는 데 사용할 수 있고 사용해야 합니다.
- 일반 JMP에서 모델링:
- 일반 JMP의 단계적 회귀는 근적외선 데이터와 잘 작동하는 것으로 나타났으며 중요한 파장(변수)을 찾는 좋은 방법입니다.
- 의사결정나무는 잘 작동하지만 JMP가 모든 분할을 수행하도록 하는 것보다 수동으로 분할을 수행하는 것이 더 나을 수 있다는 점을 염두에 두십시오.
- 저장된 주성분을 사용하여 모형 적합 플랫폼에서 주성분 회귀를 수행할 수 있습니다.이 방법으로 가장 중요한 파장을 결정하는 것이 더 어렵지만 예측 프로파일러를 사용하여 변수 중요도 평가로 가능합니다.
- PLS(Partial Least Squares)는 모든 화학 측정 모델링 도구 중에서 가장 많이 사용됩니다.PLS는 스펙트럼 및 크로마토그래피 데이터와 관련된 상관관계가 높고 일반적으로 매우 광범위한 데이터 세트를 처리하도록 구축되었습니다.PLS는 PLS를 통해 전체 최적 적합에 기인할 수 있는 변수를 결정하기 위해 변수 선택에 사용할 수 있습니다.즉, 데이터가 사전 처리를 통해 잘 조절된 경우 구성 요소 구성 요소의 혼합을 확인하지 않는 한 일반적으로 변수 선택을 위해 PLS를 사용할 필요가 없습니다.
- 모델링을 위해 JMP Pro로 이동:
- 부분 최소 제곱(PLS) – 위 참조, PLS는 일반 JMP에서도 사용할 수 있습니다. .
- 일반화 회귀(Gen Reg) – 벌점 회귀 모델은 변수 선택에 적합하며 스펙트럼/크로마토그램당 열이 수천 개는 아니더라도 수백 개일 수 있기 때문에 Elastic Net은 가장 중요한 변수(파장/피크)를 결정하는 데 매우 잘 작동합니다.또한 중요한 변수가 누락되지 않도록 Elastic Net Alpha 가능성의 범위를 스캔하는 것이 좋습니다.예를 들어 기본 Elastic Net Alpha는 0.99입니다. 기본값을 사용하면 좋은 모델을 얻을 수 있지만 예측 기능을 향상시키는 몇 가지 매우 중요한 변수를 놓칠 가능성도 높습니다.Elastic Net Alpha의 범위를 스캔할 시간이 없는 경우 중간 범위(0.56)에서 무언가를 선택하여 합리적인 모델을 제공하는지 확인할 수 있습니다.
- FDE(Functional Data Explorer) – FDE는 연속체에 대한 데이터를 분석하고 곡선 집합의 모양과 관련된 기능 주성분 및 기능의 수를 결정하는 데 사용할 수 있는 만큼 반드시 예측 모델링 플랫폼일 필요는 없습니다.보충 변수를 사용하여 기능 DOE를 사용하면 FDE가 훨씬 강력해지며 FDOE를 사용하여 역 보정을 얻을 수 있습니다.
- Neural Nets, Bootstrap Forest, Support Vector Machines, XG Boost는 모두 화학 측정 데이터 분석에 사용할 수 있습니다.JMP Pro를 사용하면 Model Screening을 사용하여 데이터에 사용할 최상의 모델링 플랫폼을 결정할 수 있습니다.
