Двумерный корреляционный анализ — это математический метод, который используется для изучения изменений измеряемых сигналов. Поскольку обсуждаются в основном спектроскопические сигналы, иногда используется также двумерная корреляционная спектроскопия , которая относится к тому же методу.
При двумерном корреляционном анализе образец подвергается внешнему возмущению, в то время как все остальные параметры системы сохраняются на тех же значениях. Это возмущение может представлять собой систематическое и контролируемое изменение температуры, давления, pH, химического состава системы или даже времени после добавления катализатора в химическую смесь. В результате контролируемого изменения ( возмущения ) система будет подвергаться изменениям, которые измеряются химическим или физическим методом обнаружения. Измеренные сигналы или спектры будут демонстрировать систематические изменения, которые обрабатываются с помощью 2D-корреляционного анализа для интерпретации.
Если рассматривать спектры, состоящие из нескольких полос, то совершенно очевидно определить, какие полосы подвержены изменяющейся интенсивности. Такое изменение интенсивности может быть вызвано, например, химическими реакциями. Однако интерпретация измеренного сигнала становится более сложной, если спектры сложны и полосы сильно перекрываются. Двумерный корреляционный анализ позволяет определить, в каких положениях такого измеряемого сигнала наблюдается систематическое изменение пика: постоянный рост или падение интенсивности. 2D-корреляционный анализ приводит к получению двух взаимодополняющих сигналов, которые называются 2D-синхронным и 2D-асинхронным спектром. Эти сигналы позволяют, среди прочего, [1] [2] [3]
2D-корреляционный анализ возник из 2D-ЯМР-спектроскопии . Исао Нода разработал двумерную спектроскопию на основе возмущений в 1980-х годах. [4] Этот метод требовал синусоидальных возмущений в исследуемой химической системе. Этот специфический тип приложенного возмущения сильно ограничивал возможности его применения. После исследований, проведенных несколькими группами ученых, двумерная спектроскопия, основанная на возмущениях, может быть развита до более расширенной и обобщенной базы. С момента разработки обобщенного двумерного корреляционного анализа в 1993 году, основанного на преобразовании Фурье данных, двумерный корреляционный анализ получил широкое распространение. Альтернативные методы, которые было проще вычислить, например, спектр дисреляции, также были разработаны одновременно. Из-за своей вычислительной эффективности и простоты преобразование Гильберта в настоящее время используется для расчета двумерных спектров. На сегодняшний день 2D-корреляционный анализ используется для интерпретации многих типов спектроскопических данных (включая РФА , УФ/ВИД-спектроскопию , флуоресценцию , инфракрасный и рамановский спектры), хотя его применение не ограничивается спектроскопией.
2D-корреляционный анализ часто используется из-за его главного преимущества: увеличения спектрального разрешения за счет распределения перекрывающихся пиков по двум измерениям и, как следствие, упрощения интерпретации одномерных спектров, которые в противном случае визуально неотличимы друг от друга. [4] Дополнительными преимуществами являются простота применения и возможность различать сдвиги полос и перекрытие полос. [3] Каждый тип спектрального события, смещение полос, перекрытие полос, интенсивность которых меняется в противоположном направлении, расширение полос, изменение базовой линии и т. д. имеет особый 2D-паттерн. См. также рисунок с исходным набором данных справа и соответствующий 2D-спектр на рисунке ниже.
Двумерные синхронные и асинхронные спектры по сути представляют собой наборы трехмерных данных и обычно представляются в виде контурных графиков. Оси X и Y идентичны оси X исходного набора данных, тогда как разные контуры представляют величину корреляции между спектральными интенсивностями. Двумерный синхронный спектр симметричен относительно главной диагонали. Таким образом, главная диагональ содержит положительные пики. Поскольку пики в точках ( x , y ) в двумерном синхронном спектре являются мерой корреляции между изменениями интенсивности в точках x и y в исходных данных, эти основные диагональные пики также называются автопиками , а основной диагональный сигнал называется автокорреляционный сигнал . Недиагональные перекрестные пики могут быть как положительными, так и отрицательными. С другой стороны, асинхронный спектр асимметричен и никогда не имеет пиков на главной диагонали.
Обычно контурные графики двумерных спектров ориентированы восходящими осями слева направо и сверху вниз. Возможны и другие ориентации, но интерпретация должна быть соответствующим образом адаптирована. [5]
Предположим, что исходный набор данных D содержит n спектров в строках. Сигналы исходного набора данных обычно подвергаются предварительной обработке. Исходные спектры сравниваются с эталонным спектром. Путем вычитания эталонного спектра часто рассчитывается средний спектр набора данных, так называемые динамические спектры, которые образуют соответствующий динамический набор данных E. Наличие и интерпретация могут зависеть от выбора эталонного спектра. Приведенные ниже уравнения действительны для равноотстоящих друг от друга измерений возмущения.
Двумерный синхронный спектр выражает сходство спектров данных в исходном наборе данных. В обобщенной двумерной корреляционной спектроскопии это математически выражается как ковариация (или корреляция ). [6]
где:
Спектры, ортогональные динамическому набору данных E , получаются с помощью преобразования Гильберта:
где:
Значения N , N j, k определяются следующим образом:
где:
Интерпретацию двумерных корреляционных спектров можно считать состоящей из нескольких этапов. [4]
Поскольку реальные сигналы измерений содержат определенный уровень шума, полученные двумерные спектры подвергаются влиянию и ухудшению значительно большего количества шума. Следовательно, интерпретация начинается с изучения автокорреляционного спектра на главной диагонали двумерного синхронного спектра. В 2D-синхронном основном диагональном сигнале справа видны 4 пика в точках 10, 20, 30 и 40 (см. также 4 соответствующих положительных автопика в 2D-синхронном спектре справа). Это указывает на то, что в исходном наборе данных присутствуют 4 пика изменяющейся интенсивности. Интенсивность пиков автокорреляционного спектра прямо пропорциональна относительной важности изменения интенсивности в исходных спектрах. Следовательно, если в положении x присутствует интенсивная полоса , весьма вероятно, что происходит истинное изменение интенсивности, а пик не вызван шумом.
Дополнительные методы помогают фильтровать пики, которые можно увидеть в 2D-синхронных и асинхронных спектрах. [7]
Не всегда возможно однозначно определить направление изменения интенсивности, как это происходит, например, в случае сильно перекрывающихся друг с другом сигналов, интенсивность которых изменяется в противоположном направлении. Именно здесь недиагональные пики в синхронном 2D-спектре используются для:
Как видно на двумерном синхронном спектре справа, изменения интенсивности пиков при 10 и 30 взаимосвязаны, а интенсивность пика при 10 и 30 изменяется в противоположном направлении (отрицательный кросс-пик при (10,30) )). То же самое справедливо и для пиков 20 и 40.
Самое главное, что с помощью правил последовательного порядка , также называемых правилами Ноды , можно определить последовательность изменений интенсивности. [4] Тщательно интерпретируя знаки 2D синхронных и асинхронных кросс-пиков с помощью следующих правил, можно определить последовательность спектральных событий во время эксперимента:
Следуя правилам выше. Можно сделать вывод, что изменения в 10 и 30 часов происходят одновременно, а изменения интенсивности в 20 и 40 часов также происходят одновременно. Из-за положительного асинхронного кросс-пика при (10, 20) изменения при 10 и 30 (преимущественно) происходят до изменения интенсивности при 20 и 40.
В некоторых случаях правила Ноды не могут быть так легко подразумеваться, преимущественно, когда спектральные особенности не вызваны простыми изменениями интенсивности. Это может произойти, когда происходят сдвиги полос или когда в данном частотном диапазоне присутствуют очень неустойчивые изменения интенсивности.