Прямое измерение воды, белков и липидов с разрешением глубины у человека очень важно для заболеваний, связанных с кожей, для характеристики производительности продукта по уходу за кожей. Этот метод, наряду с последующим анализом, использует хемометрию для извлечения химической информации. Основным преимуществом этого метода является то, что он позволяет собирать клинический набор данных Рамана обученными операторами приборов, которые не имеют технических знаний для выявления, исключения и устранения всех источников спектроскопических артефактов.
Полученный набор данных может быть обработан для выявления выбросов, которые должны быть исключены из даты до анализа. В ходе анализа данных ключевой проблемой является удаление выбросов и определение количества ключевых компонентов в наборе данных. Подход показывает в этом видео рычаги предварительного знания клинического набора данных и хемометрии подход к успешному извлечению воды, белка и липидов с разрешением глубины.
Демонстрация процедуры будет Ли Ян, техник из нашей лаборатории C и T. Для начала, иметь предмет место отмечены повреждения тела или контрольного сайта в тесном контакте с окном изображения in vivo конфокальный инструмент Роман. Убедитесь, что они покрывают все окно, чтобы избежать воздействия комнатного света на изображение.
Затем откройте программное обеспечение и переместите фокус до тех пор, пока не будет виден спектр, подобный тому, который показан здесь. После этого перемести фокус 10 микрон от поверхности кожи. Соберите данные для 26 шагов с размером шага в два микрона в области частоты, показанной здесь, используя время экспозиции в одну секунду.
Измерьте восемь репликаций для каждой области, продолжительностью до 15 минут в общей сложности. Во-первых, используйте командное окно и MATLAB для изменения расширения файла собранных данных от ric до mat. Затем загрузите файл коврика на программную платформу MATLAB, как показано здесь.
Исправь базовый уровень набора данных с помощью автоматического взвешенного метода наименьшего квадрата, заехав в окно PLS_Workspace и нажав правой кнопкой импортного набора данных, прокрутите для анализа, выбрав другие инструменты и нажав на предварительную обработку. В окне, которое всплывает, нажмите на шоу. Затем прокрутите панель инструментов Доступные методы к автоматической взвешенной лизинговой базовой фильтрации квадратов и выберите Add.
Далее нажмите на Ok, чтобы установить параметры и применить предварительную обработку к данным. Сохранить это, как Spectra_baseline. Затем вернитесь в командное окно и замените данные с помощью базового исправленного результата.
Теперь перейдите к текстовому редактору и запустите программу, как показано здесь. Это позволит подвести итог значениям от 2910 до 2965 обратных сантиметров, чтобы получить значения интенсивности под каждым спектром Raman из 26 последовательных шагов измерения, и хранить их в файле Excel. В MATLAB перейдите в Рабочее пространство и установите путь для данных в Depth_save, как показано на показано.
Затем используйте описанный здесь процесс интерполяции значения смещения инструмента с 26 до 260 с использованием функции linspace в MATLAB. Этот процесс интерполирует значение интенсивности от 26 до 260 с помощью метода spline, используя вновь созданные значения 260 позиций. Кроме того, он будет использовать 260 значений положения и интенсивности в качестве x и y входных данных для функции полифита соответственно, устанавливая значение степени до 20.
Затем он будет использовать выходные коэффициенты и 260 расширенных значений положения в качестве ввода для поливаля, чтобы получить окончательные значения интенсивности 260. Далее он вычислит средняя интенсивность и найдет точку в кривой, которая ближе всего к среднему интенсивности. Он также изменит значение глубины в зависимости от поверхности кожи, в известном двухмирновом размере шага.
Теперь запустите программу. Загрузите набор данных спектров Raman после удаления внешних спектров кожи в программное обеспечение PLS_Toolbox, под платформой MATLAB и нажмите правой кнопкой набора данных, чтобы выбрать анализ, а затем выберите PCA. Далее нажмите на выберите предварительную обработку.
Выберите Normalize в качестве подхода к предварительной обработке. Затем выберите нет для перекрестной проверки. Затем создайте модель, используя три компонента для анализа разложения PCA.
Теперь снимите крышку на окне сбора приборов in vivo Ramen и соберите световые спектры комнаты в высокочастотной области, используя те же параметры, что и для сбора данных справочного материала. Определите фактор эффекта света комнаты через сравнение с фоном света комнаты. Теперь просмотрите баллы и удалите спектры со значительно более высоким соответствующим значением баллов, чем обычно.
Это означает удаление значений оценки более 99,8% от всего набора данных, что составляет 0,16 в данном исследовании. Сохраните полученные данные о калибровке X-блока. Наконец, перейдите PLS_Workspace браузер и отредактировать новый файл.
Выберите ярлыки строки и перейдите в Hard Delete Excluded, чтобы навсегда удалить исключенные данные перед повторной сохранением файла. Начните с коррекции базового уровня спектра Романа, используя то же самое, что и только что показано. Далее выполните анализ PCA по предварительно обработанму набору данных.
Участок eigenvalues в логаритмическом масштабе вместе с числом компонентов, нажав на кнопку Выбрать компонент, и выберите журнал (eigenvalues) в качестве значения y. Для выполнения многовариантного анализа разрешения кривой сначала используйте кнопку выбора данных для загрузки набора данных в программное MCR_main программное обеспечение. Вручную выберите количество компонентов и установите номер компонента между тремя и восемью.
Затем, под вкладкой «Первоначальная оценка», нажмите кнопку Pure. Далее выберите Концентрацию и нажмите кнопку Do. Как только экран обновляется, нажмите кнопку Ok, а затем продолжайте переходить на следующую страницу.
Теперь нажмите Продолжить, и в соответствии с реализацией, применять fnnls. Затем выберите шесть из выпадают меню для числа видов с не-негативности профилей, и нажмите Продолжить. На следующей странице выберите те же параметры и нажмите Продолжить.
Чтобы определить расположение на поверхности кожи, область под раманом белка была интегрирована для получения глубинного профиля белкового сигнала. Поверхность кожи была определена как место, где значение интенсивности из интерполированного профиля глубины было ближе всего к среднему интенсивности. Точное расположение поверхности кожи не должно совпадать с экспериментальной точкой данных.
Всего было собрано 30 862 рамановских спектра с протоколом сбора данных, описанным в этом видео. Этот большой спектральный набор данных содержит 20% спектральных выбросов. Правильная идентификация и удаление спектра выбросов имеет важное значение для достижения надлежащего набора данных.
Здесь можно увидеть вклад из комнатных огней, наложенных на эталонные спектры Roomlight. Анализ компонентов принципа был выполнен на предварительно обработанной конфокалии Раман набор данных, и eigenvalue, наряду с числом факторов, используемых, построены здесь. Значительное снижение эйгенвалю наблюдалось в девятом факторе.
Это наблюдение позволяет исследовать модели с числом принципиальных компонентов, варьирующихся от трех до восьми факторов для включения в многовариантную модель разрешения кривой. При попытке этой процедуры, очень важно, чтобы начать глубину профиля над поверхностью кожи, чтобы точно определить расположение поверхности кожи. Эта методология позволяет изукоснить влияние продуктов по уходу за кожей на ключевые компоненты кожи, включая воду, белки и липиды.
