534004_ko-KR

liliconcom

스펙트럼 데이터의 C64 사례 연구 화학 분석

분광 데이터의 화학적 분석

 

개요

이 사례 연구에서는 JMP 및 JMP Pro 플랫폼을 모두 사용하여 스펙트럼 데이터를 분석하기 위한 분석 작업 흐름을 보여줍니다.원자재, 중간체 및 완제품을 특성화하기 위한 분광 분석 기술의 사용은 모든 화학 분야에서 널리 퍼져 있습니다.대학 화학 실험실에서 연구 및 혁신 실험실은 물론 생산 환경까지. 스펙트럼 분석은 사실상 어디에나 있습니다.스펙트럼 분석에서 가장 어려운 부분은 스펙트럼 수집이 아니라 스펙트럼과 함께 제공되는 데이터 분석입니다.지난 몇 년 동안 JMP는 케모메트릭 분석이라고도 하는 기본 제공 다변량 스펙트럼 분석 기술을 개발하기 위해 노력해 왔습니다.

chemometrics에 대한 위키 정의:

"계량학 데이터 기반 수단을 통해 화학 시스템에서 정보를 추출하는 과학입니다. 계량화학은 본질적으로 학제간이며 다음과 같은 핵심 데이터 분석 분야에서 자주 사용되는 방법을 사용합니다. 다변량 통계 , 응용 수학 , 그리고 컴퓨터 과학 , 문제를 해결하기 위해 화학 , 생화학 , 약 , 생물학 그리고 화학 공학 .

Chemometrics는 실험 자연 과학, 특히 화학에서 기술 및 예측 문제를 모두 해결하는 데 적용됩니다. 설명적 응용에서 화학 시스템의 특성은 시스템의 기본 관계 및 구조(예: 모델 이해 및 식별)를 학습하려는 의도로 모델링됩니다. 예측 응용 프로그램에서 화학 시스템의 속성은 새로운 속성이나 관심 있는 동작을 예측할 목적으로 모델링됩니다. 두 경우 모두 데이터 세트는 작을 수 있지만 수백에서 수천 개의 변수와 수백에서 수천 개의 사례 또는 관찰을 포함하는 매우 크고 매우 복잡한 경우가 많습니다.”

스펙트럼 데이터 분석을 위한 JMP 분석 워크플로

1. 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.
2. 스펙트럼 데이터는 누적 형식과 와이드 형식 모두에서 분석할 수 있습니다.데이터를 처음 검토할 때와 일부 초기 사전 처리를 위해 Graph Builder와 함께 누적 형식(행별)을 사용합니다.Graph Builder의 병렬 도표는 넓은 형식의 데이터에 적합합니다.
   1. 병렬 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.

 

 

3. 데이터 전처리가 필요할 수 있습니다.
   1. 첫 번째 단계는 누적 파장 데이터를 사용하여 SNV(Standard Normal Variate)를 계산하는 것입니다.SNV는 추가 기능에서 찾을 수 있습니다.
   2. 또 다른 전처리 옵션은 Savitzy-Golay smoother/derivative 필터를 사용하는 것입니다.첫 번째 또는 두 번째 미분을 취할 수 있습니다.1차 도함수는 덧셈 변형을 정리하고 2차 도함수는 가산 데이터와 승법 데이터를 모두 정리합니다.도함수를 사용하면 데이터 구조가 변경되고 해석이 더 어려워질 수 있습니다.
   3. 때로는 Savitzy-Golay와 SNV를 모두 수행해야 합니다.먼저 Savitzy-Golay를 수행한 다음 SNV를 수행합니다.*곧 JMP Pro 17의 FDE 플랫폼 내에서 모든 사전 처리를 수행할 수 있게 됩니다.
4. MDMVCC, PCA, 다차원 척도법 및 클러스터링을 비롯한 많은 다변량 기술을 사용하여 다중 공선성과 하위 그룹화를 표시할 수 있고 사용해야 합니다.
5. 일반 JMP에서 모델링:
   1. 일반 JMP의 단계적 회귀는 근적외선 데이터와 잘 작동하는 것으로 나타났으며 중요한 파장(변수)을 찾는 좋은 방법입니다.
   2. 의사 결정 트리는 잘 작동하지만 JMP가 모든 분할을 수행하도록 하는 것보다 수동으로 분할을 수행하는 것이 더 나을 수 있다는 점에 유의하십시오.
   3. 저장된 주성분을 사용하여 모델 적합 플랫폼에서 주성분 회귀를 수행할 수 있습니다.이 방법으로 가장 중요한 파장을 결정하는 것이 더 어렵지만 예측 프로파일러를 사용하여 변수 중요도 평가가 가능합니다.
   4. PLS(Partial Least Squares)는 모든 화학 측정 모델링 도구 중에서 가장 많은 기능을 제공합니다.PLS는 스펙트럼 및 크로마토그래피 데이터와 관련하여 높은 상관 관계가 있고 일반적으로 매우 광범위한 데이터 세트를 처리하도록 제작되었습니다.PLS는 변수 선택에 사용되어 PLS를 통해 어떤 변수가 전체 최적합에 기여할 수 있는지 결정할 수 있습니다.즉, 데이터가 전처리를 통해 잘 조정된 경우 일반적으로 구성 요소의 혼합을 살펴보지 않는 한 변수 선택에 PLS를 사용할 필요가 없습니다.
6. 모델링을 위해 JMP Pro로 이동:
   1. 부분 최소 제곱(PLS) – 위 참조, PLS는 일반 JMP에서도 사용할 수 있습니다. .
   2. 일반화 회귀(Gen Reg) – 페널티 회귀 모델은 변수 선택에 적합하며 스펙트럼/크로마토그램당 수백 또는 수천 개의 열이 있을 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 가능성이 높지만 예측 기능을 향상시키는 매우 중요한 변수를 놓칠 가능성이 매우 높습니다.Elastic Net Alpha의 범위를 스캔할 시간이 없다면 중간 범위(0.56)에서 무언가를 선택하여 합리적인 모델을 제공하는지 확인할 수 있습니다.
   3. FDE(Functional Data Explorer) – FDE는 연속체에서 데이터를 분석하고 곡선 세트의 모양과 관련된 기능적 주성분과 그 수를 결정하는 데 사용할 수 있는 만큼 반드시 예측 모델링 플랫폼일 필요는 없습니다.보조 변수를 사용하는 기능적 DOE를 사용하면 FDE가 훨씬 강력해지며 FDOE를 사용하여 역 보정을 얻을 수 있습니다.
   4. Neural Nets, Bootstrap Forest, Support Vector Machines, XG Boost는 모두 케모메트릭 데이터 분석에 사용할 수 있습니다.JMP Pro를 사용하면 모델 스크리닝을 사용하여 데이터에 사용할 최상의 모델링 플랫폼을 결정할 수 있습니다.

모범 사례사례 연구회신: C- 41 사례 연구 스펙트럼 데이터의 화학적 분석

Chemometrics는 Pharma 및 HLS에서 트렌드가 되고 있습니다. 아래에서 JMP 지지 주제에 대한 LinkedIn 기사를 찾아보세요.

업계를 위한 FDA의 NIR 지침 | 링크드인

QbD의 새로운 분석 기법 – PAT 패러다임 | 링크드인

JMP® - AQbD 입문서 | 링크드인