Das JMP-Entwicklungsteam hat hart gearbeitet und einige großartige neue Tools für chemometrische Analysefunktionen in die Softwarestruktur implementiert. Vielen Dank an @clay_barker , @RyanParker und @chris_gotwalt1 für ihre Superkräfte, mit denen sie alle diese chemometrischen Analysefunktionen auf einer Plattform zusammenführen konnten. Ein besonderer Dank geht auch an @MikeD_Anderson für seine Beiträge zur Peakanalyse und Peakfindung auf der Grundlage seines Spectris-Add-Ins, das im User Community File Exchange zu finden ist.
In diesem Blog informieren @Mark_Bailey und ich Sie über die Neuerungen in der neuesten Version von JMP und JMP Pro 18. Der FDE-Toolbox wurden mehrere neue direkte Modelle hinzugefügt. Diese Modellierungstypen sind besser für die direkte Interpretierbarkeit geeignet, insbesondere bei der Analyse von Mischungen.
Dank @nick_shelton gibt es außerdem ein neues Python-Skript, mit dem Sie .spc-Dateien öffnen können, und ein neues Python-Skript von @jmpstopper , mit dem Sie .spa-Dateien öffnen können.
Neue direkte funktionale PCA-Methoden
JMP hat der vorhandenen Registerkarte „Direkte funktionale PCA“ vier neue Optionen hinzugefügt:
- Multivariate Kurvenauflösung (MCR)
- Unbeschränkter MCR
- Bestrafte Singulärwertzerlegung (SVD)
- Bestrafte nichtnegative SVD
Diese neuen Methoden bauen auf den aktuellen Fähigkeiten auf und sind im Functional Data Explorer unter „Modelle“ > „Direkte Modelle“ zu finden.
Figure 1. New Direct Model options in FDEFigure 1. New Direct Model options in FDEAbbildung 1. Neue Direktmodelloptionen in FDE
Multivariate Kurvenauflösung
Die Multivariate Curve Resolution (MCR) wird seit vielen Jahren bei der Analyse chemometrischer Daten verwendet. Sie ist besonders nützlich bei der Analyse von Spektren aus Mischungen und bei der Unterscheidung der Komponenten einer Mischung, so dass MCR auch als selbstmodellierende Mischungsanalyse bekannt ist.
Unten sind Bilder der NMR-Analyse einer Mischung aus Alkoholen: Butanol, Propanol und Pentanol. Die Daten sind in einem breiten Format für die Analyse angelegt, und es erfolgt keine anfängliche Vorverarbeitung oder Datenbereinigung. Es gibt 23 Datenzeilen, und die Mischungskomponenten werden anhand der NMR-Spektren der reinen Alkohole bestimmt.
Figure 2. MCR model fit for all 23 NMR spectraFigure 2. MCR model fit for all 23 NMR spectraAbbildung 2. MCR-Modellanpassung für alle 23 NMR-Spektren
Die Analyse dauert etwa 30 Sekunden. Machen Sie sich also keine Sorgen, wenn Sie nicht gleich etwas sehen. Basierend auf dem obigen Bild waren 20 Formfunktionen oder funktionale Hauptkomponenten erforderlich, um mit dieser Methode die beste Anpassung zu erzielen. Insgesamt hat das Modell die Aufschlüsselung der Mischungskomponenten gut identifiziert.
MCR gibt es in zwei Varianten: reguläres und uneingeschränktes MCR. Uneingeschränktes MCR ermöglicht eine negative Gewichtung in den Formfunktionen. In einem Blog von Daniel Pelliccia, „Multivariate Curve Resolution: An Introduction“, erklärt Pelliccia, „dass eine Nicht-Negativitätsbeschränkung nur dann Sinn macht, wenn Sie sicher sind, dass sie auf die Funktionen zutrifft, die Sie schätzen möchten, um den Konvergenzprozess zu beschleunigen. Im Allgemeinen sollten Sie sie weglassen.“
Bestrafte Singulärwertzerlegung (SVD)
Es gibt zwei Optionen für bestraftes SVD: Bestraftes nicht-negatives SVD beschränkt die Analyse auf nicht-negative Gewichtung wie MCR, und bestraftes SVD erlaubt negative Gewichtung wie uneingeschränktes MCR-. Beide SVD-Optionen verwenden eine LASSO-artige Strafe für die Ladungen und die singulären Werte, um das Nullsetzen inaktiver Ladungen zu ermöglichen.
Figure 3. Penalized SVD model of the alcohol mixtureFigure 3. Penalized SVD model of the alcohol mixtureAbbildung 3. Bestraftes SVD-Modell der Alkoholmischung
MCR- und SVD-Vergleich anhand von Score-Plots
Betrachtet man die unten gezeigten Score-Diagramme des uneingeschränkten MCR, MCR und bestraften SVD, so war es für den uneingeschränkten MCR schwieriger, die reinen Spektren für Pentanol (1020) zu erkennen als für die beiden anderen Modelle, basierend auf der Untergruppierung anderer nahegelegener Spektren. Zur Referenz: Propanol ist Spektrum 1008 und Butanol ist Spektrum 1018.
Figure 4. Unconstrained MCR score plotFigure 4. Unconstrained MCR score plotAbbildung 4. Unbeschränktes MCR-Scorediagramm
Figure 5. MCR score plotFigure 5. MCR score plotAbbildung 5. MCR-Scorediagramm
Figure 6. Penalized SVD score plotFigure 6. Penalized SVD score plotAbbildung 6. Diagramm des bestraften SVD-Scores
Zugriff auf mehr Datendateitypen
Mit der Veröffentlichung von JMP 18 und seiner verbesserten Python-Integration gibt es zwei neue Optionen zum Importieren von Spektraldaten in JMP zur Analyse.
Dank Christian Stopp (.spa) und Nick Shelton (.spc) können nun sowohl .spa- als auch .spc-Dateien direkt in JMP importiert werden. Beide Dateiformate basieren auf unterschiedlichen Instrumentenpaketen, wobei .spa von der OMNIC-Software und .spc von der Grams-Software stammt. Beide Dateitypen werden in einem hohen Format importiert und müssen für die weitere Vorverarbeitung und Analyse transponiert werden.
JMP ist ständig bestrebt, seine Software zu verbessern und wir hoffen, dass Sie uns mitteilen, welche Tools für die Analyse chemometrischer Daten, insbesondere Spektren und Chromatogramme, hilfreich wären.
