スペクトルの質をよくするために使用できる、Data Explorer Softwareのオプションについて


日付: 07/09/2018
カテゴリー:

0 投票
   印刷する    記事を評価する:

研究用にのみ使用できます。診断目的での使用はできません。


回答

1) 「Baseline Correction 」や 「Advanced Baseline Correction」

Baseline correction
Advance Baseline Correctionは、ノイズの多いリニアーモードスペクトル(高質量)、例えば、タンパク質またはDNAサンプルの処理に有用です。

advanced baseline correction

2) Noise Reduction(ノイズ削減)の種類

  • Noise Removal (真のノイズ除去)
  • Noise Filtering (他の真のノイズ除去)
  • Default Smoothing (分解能に基づくスムージング)
  • Gaussian Smoothing (クラシカルなスムージング)

3) Noise Removal NR (2.00)

このプログラムは、スペクトルのノイズがホワイトノイズ(white noise)であることを前提としています。 このプログラムは、ノイズ範囲内のランダムな変動を低減します。ノイズの範囲は、プログラムが必要とする「Std Dev to remove」番号によって設定されます。
通常、これは、2:1のS/N比(Signal to Noise ratio (RMS noise definition))以下のシグナルが除去されるように2に設定します。この設定は非常に積極的に、ノイズを除去します。 1の設定はあまり積極的ではありません。 クラシカルなスムージング(Classical Smoothing)とは異なり、ピークの分解能を大幅に低下させることはありません。
  • 非常に積極的なノイズ除去機能です。
  • 通常はパラメータを小さくしますが、スパイクを避けるために2から1に調整します。
  • 可能な限り元のピーク分解能を維持します。
  • プレゼンテーション目的に優れています。

noise removal

4) Noise Filtering NF (0.7)

フィルタリングされていないノイズはランダムで無相関であるが、ピークトップから徐々に減少する連続的なY値は、シグナルとの相関性が高いです。Noise Filtering プログラムは、相関のないノイズ成分だけがフィルタリングされるように、データ内の相関した特徴および相関していない特徴を識別するように設計されています。相関度は唯一のパラメータであり、ノイズがシグナルに対してどの程度効率的にフィルタリングされるかを決定します。この値の一般的な値は0から1までで、デフォルトは0.7です。 最小の分解能ロスが一般的に観察されます。

  • ほとんどのデータで、パラメータのデフォルト値を0.7に抑えるのが最適です。
  • ノイズを低減しながら分解能を維持できます。
  • ベースライン付近で小さなピークが観測されます。
 
noise filtering

5) Default smoothing (分解能ベースのガウス)

この関数はClassical Gaussian Smoothingの進歩したものです。 ピーク検出パラメータに設定されている分解能に応じて、質量範囲全体にわたってフィルターが変更されます。 クラシカルなスムージング(Classical Smoothing)は、低質量の端でオーバースムージング、高質量の端でアンダースムージングになる傾向があります。プログラムにはパラメータが少ないですが、ピーク検出パラメータの設定に依存します。
  • 多数のデータポイントが存在するHigh Massデータに適しています。
  • 正しいピーク検出パラメータに依存します。
  • 注:高分解能のデータには使用しないでください。 例えば、十分に分割された同位体クラスターを有するペプチド
resolution based smoothing

6) Smoothing

これは、スムージングポイントの数(3から最大353)を設定することで、ユーザーとのやりとりを可能にするクラシカルなスムージングプログラムです。このプログラムは、使い易いように、取得されたトレースの "推奨"値をデフォルトに設定します(青色でバックハイライト)。
  • このプログラムは、よく知られたプログラムです。
  • ユーザー入力が広い範囲で可能です。
  • データ出力は他のデータ出力と比較することができます。