L'équipe de développement de JMP a travaillé dur et a implémenté de nouveaux outils formidables pour la capacité d'analyse chimiométrique dans la structure du logiciel. Un grand merci à @clay_barker , @RyanParker et @chris_gotwalt1 pour leurs super pouvoirs qui leur ont permis de regrouper toutes ces capacités d'analyse chimiométrique sur une seule plateforme. Nous remercions également @MikeD_Anderson pour ses contributions à l'analyse et à la recherche des pics basées sur son complément Spectris, qui peut être trouvé dans l' échange de fichiers de la communauté des utilisateurs.
Dans ce blog, @Mark_Bailey et moi vous informons des nouveautés de la dernière version de JMP et JMP Pro 18. Plusieurs nouveaux modèles directs ont été ajoutés à la boîte à outils FDE. Ces types de modélisation sont meilleurs pour une interprétabilité directe, en particulier lors de l'analyse de mélanges.
Il existe également un nouveau script Python qui permet d'ouvrir les fichiers .spc, grâce à @nick_shelton et un nouveau script Python de @jmpstopper qui permet d'ouvrir les fichiers .spa.
Nouvelles méthodes d’ACP fonctionnelle directe
JMP a ajouté quatre nouvelles options à l'onglet Direct Functional PCA existant :
- Résolution de courbe multivariée (MCR)
- MCR sans contrainte
- Décomposition en valeurs singulières pénalisée (SVD)
- SVD non négatif pénalisé
Ces nouvelles méthodes s'appuient sur les fonctionnalités actuelles et peuvent être trouvées dans l'Explorateur de données fonctionnelles lorsque vous accédez à Modèles > Modèles directs.
Figure 1. New Direct Model options in FDEFigure 1. New Direct Model options in FDEFigure 1. Nouvelles options de modèle direct dans FDE
Résolution de courbe multivariée
La résolution de courbe multivariée (MCR) est utilisée depuis de nombreuses années dans l'analyse des données chimiométriques. Il est particulièrement utile pour analyser les spectres de mélanges et discerner les composants d'un mélange, à tel point que MCR est également connu sous le nom d'analyse de mélange auto-modélisée.
Ci-dessous, des images de l'analyse RMN d'un mélange d'alcools : butanol, propanol et pentanol. Les données sont définies dans un format large pour l'analyse, et il n'y a pas de prétraitement initial ni de nettoyage des données. Il existe 23 lignes de données et les composants du mélange sont déterminés sur la base des spectres RMN des alcools purs.
Figure 2. MCR model fit for all 23 NMR spectraFigure 2. MCR model fit for all 23 NMR spectraFigure 2. Modèle MCR adapté aux 23 spectres RMN
L'analyse prend environ 30 secondes, alors ne vous inquiétez pas si vous ne voyez pas quelque chose immédiatement. Sur la base de l'image ci-dessus, il a fallu 20 fonctions de forme ou composants principaux fonctionnels pour obtenir le meilleur ajustement avec cette méthode. Dans l’ensemble, le modèle a bien réussi à identifier la répartition des composants du mélange.
MCR est disponible en deux versions : MCR- régulier et sans contrainte. Le MCR sans contrainte permet une pondération négative dans les fonctions de forme. Dans un blog de Daniel Pelliccia, « Multivariate Curve Resolution: An Introduction », Pelliccia déclare « qu'une contrainte de non-négativité n'a de sens que lorsque vous êtes sûr qu'elle s'applique aux fonctions que vous essayez d'estimer, afin d'accélérer la processus de convergence. Débarrassez-vous-en dans le cas général.
Décomposition en valeurs singulières pénalisée (SVD)
Il existe deux options pour le SVD pénalisé : le SVD pénalisé non négatif restreint l'analyse à une pondération non négative comme le MCR, et le SVD pénalisé permet une pondération négative comme le MCR sans contrainte. Les deux options SVD utilisent une pénalité de type LASSO sur les chargements et les valeurs singulières pour permettre la remise à zéro des chargements inactifs.
Figure 3. Penalized SVD model of the alcohol mixtureFigure 3. Penalized SVD model of the alcohol mixtureFigure 3. Modèle SVD pénalisé du mélange d'alcool
Comparaison MCR et SVD par tracés de score
En examinant les graphiques de scores du MCR sans contrainte, du MCR et du SVD pénalisé présentés ci-dessous, le MCR sans contrainte a eu plus de mal à discerner les spectres purs du pentanol (1020) par rapport aux deux autres modèles basés sur le sous-groupe d'autres modèles proches. spectres. Pour référence, le propanol correspond au spectre 1008 et le butanol au spectre 1018.
Figure 4. Unconstrained MCR score plotFigure 4. Unconstrained MCR score plotFigure 4. Graphique du score MCR sans contrainte
Figure 5. MCR score plotFigure 5. MCR score plotFigure 5. Graphique du score MCR
Figure 6. Penalized SVD score plotFigure 6. Penalized SVD score plotFigure 6. Graphique du score SVD pénalisé
Accéder à davantage de types de fichiers de données
Avec la sortie de JMP 18 et son intégration Python améliorée, il existe deux nouvelles options pour importer des données spectrales dans JMP à des fins d'analyse.
Les fichiers .spa et .spc peuvent désormais être importés directement dans JMP grâce respectivement à Christian Stopp pour .spa et Nick Shelton pour .spc. Les deux formats de fichiers sont basés sur différents packages d'instruments, .spa provenant du logiciel OMNIC et .spc du logiciel Grams. Les deux types de fichiers sont importés dans un format grand et doivent être transposés pour un prétraitement et une analyse ultérieurs.
JMP cherche toujours à améliorer ses logiciels et nous espérons que vous nous indiquerez quels outils seraient utiles pour analyser les données chimiométriques, en particulier les spectres et les chromatogrammes.
