생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측저는 PLS(Partial Least Squares)를 사용하여 생물 반응기 내의 라만 장치에서 얻은 실시간 스펙트럼 데이터를 예측하는 것과 관련된 첨부된 짧은 논문을 발견했습니다. 또한 이 목적으로 활용할 수 있는 원시 데이터도 첨부했습니다. 이 원시 데이터는 Thermofisher scientific Korea의 잠재적 사용자로부터 제공되었습니다.
JMP에서 이런 스펙트럼 데이터를 예측할 수 있을까요? 저는 종종 바이오제약 분야의 USP 연구자들이 라만 데이터 사용에 강한 관심을 보이는 것을 만납니다. 이 데이터와 논문은 이에 대한 좋은 예입니다.
저는 이 주제에 대해 귀중한 통찰력을 가지고 있을 수 있는 Chris( @Chris_Kirchberg )와 Ben( @Ben_BarrIngh @Bingh94 )을 태그했습니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측@HyeWonJung 님, 안녕하세요.
첨부된 PDF를 보고 이에 대해 조금 더 알아보겠지만, 처음에는 실시간 예측처럼 들리네요. 그러니까 프로브가 값을 측정하면서 다음 지점이 무엇일지 예측하는 건가요? 새로운 데이터를 받으면서 업데이트되는 모델이 있는 예측/시계열 데이터처럼 들리네요.
PDF를 읽으면 더 많은 질문/답변이 있을 것 같습니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측안녕하세요 @HyeWonJung 잠깐 살펴봤는데 데이터가 불완전한 것 같습니다. 예를 들어, 논문에서는 2022년의 x축 값을 그래프로 표시하지만 rama results.jmp 테이블 타임스탬프는 모두 2023년입니다. 또한 "오프라인" 데이터가 없는 것 같습니다.
어디서 데이터를 얻었나요? 더 많은 데이터가 있나요? PLS 모델과 계산된 예측 통계를 어떻게 맞추었는지 보여주는 코드가 있나요? 어떤 X와 Y를 사용했나요?
우리는 PLS보다 더 현대적인 방법을 사용하여 그들이 한 일을 재현할 수 있고 아마도 예측 결과를 개선할 수 있겠지만, 그들이 한 것과 같은 지점에서 시작해야 합니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측이게 공개 데이터인가요? 그렇다면, 우리는 그것을 사용하는 것이 괜찮으며 출처를 제공해야 합니다. 공개되지 않은 고객 데이터라면, 우리는 그것을 즉시 삭제해야 하며 불행히도 사용할 수 없습니다. 그리고 Russ가 언급했듯이, 우리는 지상 진실(레이블)을 사용하여 예측 모델을 구축하기 위해 오프라인 데이터가 필요할 것입니다. 논문을 읽어보니, 이 모델은 값을 올바르게 표시할 수 있도록 교정 목적으로 구축된 것 같습니다. 데이터 테이블의 데이터는 대사산물 단위로 예측된 값처럼 보입니다. 예측 모델을 구축하려면 원래 스펙트럼도 필요합니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측@russ_wolfinger @Chris_Kirchberg 이전 질문에 대해 명확하게 설명하지 못해 죄송합니다. 제가 언급한 데이터와 논문은 관련이 없습니다. 데이터는 비공개이며 Thermofisher scientific Korea의 잠재 고객이 제공했습니다. (Chris가 조언했듯이 데이터를 삭제했습니다.)
잠재 고객이 실시간 라만 데이터를 보내 주면서 JMP 내에서 어떻게 활용할 수 있는지 물었습니다. 그는 이 데이터를 어떻게 활용할지 구체적으로 밝히지 않았습니다.
저는 라만 데이터를 활용할 방법을 찾기 위해 개인 채널을 통해 PDF를 얻었습니다. 자료를 검토한 후, 그들이 무엇을 찾고 있을지 추측했습니다.
어쨌든, 저는 고객에게 구체적으로 무엇을 성취하고 싶어하는지, 그리고 이 데이터로부터 무엇을 기대하는지 물어보겠습니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측@russ_wolfinger @크리스_키르히버그 그는(제 잠재 고객) 데이터를 가지고 있지만, 그것을 효과적으로 활용하는 방법을 잘 모릅니다. 그는 데이터 분석과는 거리가 먼 사람입니다. 그래서 저는 그에게 사전 판매 회의에서 실제 사례를 보여주기 위해 라만 사용 사례에 대한 pdf를 검색했습니다. 하지만 고객에게 구체적으로 무엇을 달성하고 싶은지 묻는 것이 더 나을 것 같습니다. 그리고.. 라만 데이터 활용과 관련된 좋은 아이디어가 있다면, 자유롭게 공유해 주세요.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측@HyeWonJung 설명해주셔서 정말 감사합니다. 이제 이해가 되네요! 제목과 Thermo-Fisher 논문에서처럼 예측 모델링 문제에 끌렸고 그 데이터를 직접 해보고 싶습니다. 고객 데이터의 경우, 더 탐색적이고 패턴 발견적인 접근 방식이 훨씬 더 나은 시작점이 될 것 같습니다.
JMP는 다변량, 이상치 탐색, 함수형 데이터 탐색기, 관리도 작성기 등 수많은 가능성을 제공해 이 분야에서 매우 강력합니다.
대화가 예측 모델링으로 진화한다면, 우리는 합리적인 입력(X)과 출력(Y)을 설정해야 할 것입니다. 이것은 완전히 새로운 가능성을 열어주고, 우리는 여전히 강력하며, 배치 데이터를 이미지로 변환하는 것과 같은 영리한 접근 방식을 가지고 있습니다.
Re: 생물반응기에서 라만으로 모니터링한 스펙트럼 데이터(대사체 데이터)의 PLS를 이용한 예측고객과 구체적인 내용을 논의하고, 어려움이 있으면 도움을 요청하겠습니다. 감사합니다!
