生物学的応用におけるラマン分光法のための拡張乗法信号補正ベースのモデル移動

生物学的材料のラマンスペクトルの化学測定分析は、目的の微妙な生物学的変化をオーバーレイする機器のセットアップにより、スペクトルの変動によって妨げられています。したがって、別のデバイスで取得したサンプルのラマンスペクトルに適用されると、確立された統計モデルが失敗する可能性があります。したがって、モデル転送戦略が不可欠です。ここでは、拡張された乗法信号補正（EMSC）に基づいたモデル伝達アプローチを報告します。既存のモデル転送方法とは対照的に、EMSCベースのアプローチでは、セカンダリデータセットに関するグループ情報は必要ありません。したがって、追加の測定は必要ありません。提案されているモデル移動アプローチは、前処理手順であり、回帰と分類のための任意の方法と組み合わせることができます。モデル移転法としてのEMSCのパフォーマンスは、4つのラマン分光計で獲得された3つのバチルス細菌胞子種（B. mycoides、B。subtilis、およびB. thuringiensis）のラマンスペクトルのデータセットで実証されました。部分的な最小二乗判別分析（PLS-DA）による3グループ分類は、休暇1デバイス外部交差検証（LODCV）を備えたものを実行しました。独立したデバイス上の予測の平均感度は、EMSCメソッドによって大幅に改善されました。平均感度に加えて、モデルの移動性は、新たに定義された数値マーカーによってさらにベンチマークされました。（1）相対ピアソンの相関係数と（2）相対漁師の判別比。これらのマーカーが、分類の平均感度と比較して一貫した結論につながっていることを示します。定義されたマーカーの利点は、分類モデルとは無関係であるため、評価がより効果的かつ客観的であることです。

The chemometric analysis of Raman spectra of biological materials is hampered by spectral variations due to the instrumental setup that overlay the subtle biological changes of interest. Thus, an established statistical model may fail when applied to Raman spectra of samples acquired with a different device. Therefore, model transfer strategies are essential. Herein we report a model transfer approach based on extended multiplicative signal correction (EMSC). As opposed to existing model transfer methods, the EMSC based approach does not require group information on the secondary data sets, thus no extra measurements are required. The proposed model-transfer approach is a preprocessing procedure and can be combined with any method for regression and classification. The performance of EMSC as a model transfer method was demonstrated with a data set of Raman spectra of three Bacillus bacteria spore species ( B. mycoides, B. subtilis, and B. thuringiensis), which were acquired on four Raman spectrometers. A three-group classification by partial least-squares discriminant analysis (PLS-DA) with leave-one-device-out external cross-validation (LODCV) was performed. The mean sensitivities of the prediction on the independent device were considerably improved by the EMSC method. Besides the mean sensitivity, the model transferability was additionally benchmarked by the newly defined numeric markers: (1) relative Pearson's correlation coefficient and (2) relative Fisher's discriminant ratio. We show that these markers have led to consistent conclusions compared to the mean sensitivity of the classification. The advantage of our defined markers is that the evaluation is more effective and objective, because it is independent of the classification models.