Il team di sviluppo JMP ha lavorato duramente e ha implementato nella struttura del software alcuni nuovi strumenti straordinari per le funzionalità di analisi chemiometrica. Mille grazie a @clay_barker , @RyanParker e @chris_gotwalt1 per i loro superpoteri che hanno permesso loro di riunire tutte queste funzionalità di analisi chemiometrica in un'unica piattaforma. Inoltre, un ringraziamento speciale a @MikeD_Anderson per i suoi contributi all'analisi e alla ricerca dei picchi basati sul suo componente aggiuntivo Spectris, che può essere trovato nello scambio di file della comunità degli utenti.
In questo blog, @Mark_Bailey e io ti aggiorneremo sulle novità dell'ultima versione di JMP e JMP Pro 18. Diversi nuovi modelli diretti sono stati aggiunti al toolbox FDE. Questi tipi di modellazione sono migliori per l'interpretazione diretta, soprattutto quando si analizzano le miscele.
C'è anche un nuovo script Python che ti consente di aprire file .spc, grazie a @nick_shelton e un nuovo script Python di @jmpstopper che ti consente di aprire file .spa.
Nuovi metodi PCA Funzionali Diretti
JMP ha aggiunto quattro nuove opzioni alla scheda Direct Functional PCA esistente:
- Risoluzione della curva multivariata (MCR)
- MCR non vincolato
- Decomposizione dei valori singolari penalizzata (SVD)
- SVD non negativo penalizzato
Questi nuovi metodi si basano sulle capacità attuali e possono essere trovati in Functional Data Explorer quando vai su Modelli > Modelli diretti.
Figure 1. New Direct Model options in FDEFigure 1. New Direct Model options in FDEFigura 1. Nuove opzioni del modello diretto in FDE
Risoluzione della curva multivariata
La risoluzione della curva multivariata (MCR) è stata utilizzata per molti anni nell'analisi dei dati chemiometrici. È particolarmente utile quando si analizzano gli spettri di miscele e si distinguono i componenti di una miscela, tanto che MCR è anche nota come analisi di miscele automodellanti.
Di seguito sono riportate le immagini dell'analisi NMR di una miscela di alcoli: butanolo, propanolo e pentanolo. I dati vengono impostati in un formato ampio per l'analisi e non è prevista alcuna pre-elaborazione iniziale o pulizia dei dati. Sono presenti 23 righe di dati e i componenti della miscela sono determinati in base agli spettri NMR degli alcoli puri.
Figure 2. MCR model fit for all 23 NMR spectraFigure 2. MCR model fit for all 23 NMR spectraFigura 2. Modello MCR adatto a tutti i 23 spettri NMR
L'analisi dura circa 30 secondi, quindi non preoccuparti se non vedi qualcosa immediatamente-. Sulla base dell'immagine sopra, sono necessarie 20 funzioni di forma o componenti principali funzionali per ottenere la soluzione migliore con questo metodo. Nel complesso, il modello ha funzionato bene nell’identificare la ripartizione dei componenti della miscela.
MCR è disponibile in due versioni: MCR regolare e non vincolato. L'MCR non vincolato consente una ponderazione negativa nelle funzioni di forma. In un blog di Daniel Pelliccia, “Multivariate Curve Risoluzione: An Introduction”, Pelliccia afferma “che un vincolo di non negatività ha senso solo quando si è sicuri che si applichi alle funzioni che si sta tentando di stimare, come un modo per accelerare il processo processo di convergenza. Sbarazzarsene nel caso generale.
Decomposizione dei valori singolari penalizzata (SVD)
Sono disponibili due opzioni per SVD penalizzato: SVD non negativo penalizzato restringe l'analisi a ponderazioni non negative come MCR e SVD penalizzato consente una ponderazione negativa come MCR- non vincolato. Entrambe le opzioni SVD utilizzano una penalità di tipo LASSO sui caricamenti e sui valori singolari per consentire l'azzeramento dei caricamenti inattivi.
Figure 3. Penalized SVD model of the alcohol mixtureFigure 3. Penalized SVD model of the alcohol mixtureFigura 3. Modello SVD penalizzato della miscela alcolica
Confronto MCR e SVD mediante grafici di punteggio
Osservando i grafici dei punteggi di MCR non vincolato, MCR e SVD penalizzato mostrati di seguito, il MCR non vincolato ha avuto maggiori difficoltà nel discernere gli spettri puri del pentanolo (1020) rispetto agli altri due modelli in base al sottoraggruppamento di altri modelli vicini spettri. Per riferimento, il propanolo è lo spettro 1008 e il butanolo è lo spettro 1018.
Figure 4. Unconstrained MCR score plotFigure 4. Unconstrained MCR score plotFigura 4. Grafico del punteggio MCR non vincolato
Figure 5. MCR score plotFigure 5. MCR score plotFigura 5. Grafico del punteggio MCR
Figure 6. Penalized SVD score plotFigure 6. Penalized SVD score plotFigura 6. Grafico del punteggio SVD penalizzato
Accesso a più tipi di file di dati
Con il rilascio di JMP 18 e la sua migliore integrazione con Python, sono disponibili due nuove opzioni per importare i dati spettrali in JMP per l'analisi.
Entrambi i file .spa e .spc possono ora essere importati direttamente in JMP grazie rispettivamente a Christian Stopp per .spa e Nick Shelton per .spc. Entrambi i formati di file si basano su diversi pacchetti di strumenti, con .spa proveniente dal software OMNIC e .spc dal software Grams. Entrambi i tipi di file vengono importati in un formato grande e devono essere trasposti per un'ulteriore preelaborazione e analisi.
JMP è costantemente alla ricerca di miglioramenti per il proprio software e ci auguriamo che ci facciate sapere quali strumenti potrebbero essere utili per l'analisi dei dati chemiometrici, in particolare spettri e cromatogrammi.
