医薬品の研究開発および製造プロセスにおいて、このようなデータに頻繁に遭遇しますか？
- 時間の経過に伴う溶解曲線または細胞増殖曲線
- 近赤外分光法（NIR）やクロマトグラフィーは、分析化学において一般的に用いられる手法である。
これらのデータは単なる「数値」ではなく、「連続的な曲線」です。従来の手法では、分析のために最大値、曲線下の面積、または特定の時点の値のみを抽出することがよくあります。これは時間がかかるだけでなく、曲線の傾きや時間的変化といった重要な動的傾向を無視することになります。
機能データエクスプローラー（FDE ）を試してみてください。FDEは、複雑な曲線を複数のFPCスコア（機能主成分スコア）に集約して、その変動を捉えることができます。
ヒント:分析 -> 特殊モデリング -> 機能データエクスプローラー
FDEには、主に以下の3つの用途があります。
1. 曲線変動の要因を理解する
関数主成分分析（ FDE ）は、曲線における主要な変動パターンを特定し、それらをFPCスコアに集約します。また、 FPCスコアを応答変数として用いた実験計画法（DOE）分析を実行するために、 FDEを実験計画法（DOE）と組み合わせることも可能です。
:pushpin:ヒント:モデルを作成した後、モデルの横にある赤い三角形のメニュー->機能実験設計分析に移動します。
2.関数回帰の活用
抽出されたFPCスペクトルは、回帰モデルまたは機械学習と組み合わされます。要因とFPCスペクトルの関係を分析することで、曲線への影響が理解されます。
モデルを作成したら、関数サマリーテーブルの横にある赤い三角形のメニューから「サマリーを保存」を選択してください。これにより、元のデータ内の各エントリのFPCスコアが取得されます。
3. 曲線と目標標準との比較
スコアプロットを用いることで、各曲線は各FPC座標上の空間座標として描画され、複雑な曲線形状がグラフ上の単一点に単純化されます。これにより、バッチ間の形状変動や目標曲線との差異を直接比較することが可能になります。
