14
Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse Åsmund Rinnan [email protected] Kjemometrigruppen Levnedsmiddelteknologi Kongelig Veterin₣r- og Landbohøjskole

Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

  • Upload
    csilla

  • View
    62

  • Download
    3

Embed Size (px)

DESCRIPTION

Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse. Åsmund Rinnan [email protected] Kjemometrigruppen Levnedsmiddelteknologi Kongelig Veterin₣r- og Landbohøjskole. Bruksområder Genforskning ("tagging") Analyse av mat (vitaminer og proteiner) Målemetoder I løsning - PowerPoint PPT Presentation

Citation preview

Page 1: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Kurveoppløsning av fluoressensdata ved bruk av

treveisanalyse

Åsmund [email protected]

KjemometrigruppenLevnedsmiddelteknologi

Kongelig Veterin₣r- og Landbohøjskole

Page 2: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Hvorfor fluoressens?• Krever dobbeltbindinger,

eller nukleofile molekyler• Høy sensitivitet• Økt dimensjonalitet

-> Bedre separasjon

• Bruksområder• Genforskning ("tagging")• Analyse av mat (vitaminer

og proteiner)

Målemetoder• I løsning• Front-face (faste stoffer)

Page 3: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

"Støy" i fluoressensRayleigh• 0-ordens:

Emisjon=Eksitasjon• 1-ordens:

Emisjon=2*Eksitasjon• Ingen kjemisk informasjon

under 0-ordens• Rayleigh er høyest i

intensitet

Raman• Spesifikk for

løsningsmiddelet• Konstans energidifferanse

fra 0-ordens Rayleigh• Ligger i et område med

kjemisk informasjon

Raman og Rayleigh er tilnærmet systematisk

Page 4: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Treveisanalyse• PARAFAC• Trilineær struktur• Ødelagt av støy• Måter å behandle dette på

a. Late som ingentingb. Trekke fra et spekter av

løsningsmiddeletc. Sette inn tomme verdierd. Vektinge. Modellering av støy

(ikke vist)

Page 5: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Minus vannstandard• Landskap av

løsningsmiddelet• Vanlig subtraksjon• Fjerner Raman• Minsker Rayleigh• Beregningstiden den

samme

Page 6: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Tomme verdier• Området over 1-ordens

inneholder samme informasjon som i mellom 0 og 1

• En rutine som automatisk setter inn tomme verdier

• Mister informasjon• PARAFAC håndterer

tomme verdier• Økt beregningstid

Page 7: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Vekting - MILES• Vekting av områder• Mere manuelt - vanskelig• Snitt av vannstandarder

som basis for "formen" til støyen

• Ekstra nedvekting av område under 0 og over 1

• PARAFAC kan godt regne med vekter

Page 8: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Vekting - Standard avvik• Alle prøvene er kjørt i

replikater (5)• Det er snittene som blir

brukt i analysen• Standardavvikene av

replikatene brukes som vekter

• Helautomatisk

Page 9: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Datasettet• Seks analytter

Emisjon

• 15 prøver

Eksitasjon

Page 10: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Sammenlikning• Problemer med Catehol og

Resorcinol• MILES best• - vann og std en hver

Page 11: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Resorcinol og Catechol• Catechol • Resorcinol

Page 12: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Er "støyen" borte?Tomme verdier og MILES fjerner Rayleigh

Page 13: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

KonlusjonDenne analysen ble også kjørt på fire andre

datasett. Totalt sett ga det følgende ranking liste:

1. MILES2. Minus vann

3. Tomme verdier4. Std

5. Ingenting

Page 14: Kurveoppløsning av fluoressensdata ved bruk av treveisanalyse

Takk til: Rasmus Bro og Jordi Riu

Referanser: Rasmus Bro's avhandling www.models.kvl.dk/source Bro, R: PARAFAC. Tutorial and applications, Chemometrics and

Intelligent Laboratory systems, 1997 (38), 149-171 Bro, R, Sidiropoulos ND, og Smilde, AK: Maximum Likelihood Fitting

Using Simple Least Squares Algorithms, Journal of Chemometrics, Submitted

Wentzell, PD, Andrews, DT, Hamilton, DC, Faber, K, og Kowalski, BR: Maximum Likelihood Principal Component Analysis, Journal of Chemometrics, 1997 (Vol. 2), 339-366