Korrelation Intercept – was ist das und was bedeutet es?

Vergleich von Daten

Ich sah kürzlich eine Diskussion über den Export von Daten aus dem Zetasizer zur weiteren Analyse. Sowohl das Zetasizer Nano als auch die Zetasizer-Pro/Ultra-Softwarepakete enthalten eine Reihe von Analysetools. Ich fragte mich, was fehlte?

Wenn wir Daten vergleichen, ist es oft verlockend, die Daten zu vereinfachen, um diesen Prozess zu erleichtern. Dies hat die Frage nach dem Export der Daten ausgelöst. Der Benutzer wollte die Autokorrelationsfunktion (ACF)-Daten aus ihren Messungen der Dynamischen Lichtstreuung (DLS) normalisieren.

Aus der Theorie wissen wir, dass die ACF nahe bei 1 starten und bei Null enden sollte. Die Daten auf 1 zu skalieren erscheint also sinnvoll, oder? Einige DLS-Geräte machen dies automatisch. Dadurch könnten wir jedoch ein wichtiges Teil unseres Datenqualitäts-Puzzles verpassen.

Was zeigt uns der Intercept?

Zum Beispiel, unten sind zwei Sätze von Korrelationsdaten für eine Polystyrol-Latexprobe, bei denen wir die Daten normalisiert haben. Beide zeigen „gute“ Korrelationsfunktionen, aber wir können einen Unterschied im Zerfall sehen. Der gemeldete hydrodynamische Größenwert ist unterschiedlich. Sie müssen unterschiedliche Größen haben, richtig?

Normalisierte Korrelationsfunktionen für zwei Proben von Polystyrol-Latex. Die roten Daten zeigen einen etwas schnelleren Zerfall.

Tatsächlich haben wir etwas übersehen, indem wir die Daten neu skaliert haben – den Korrelation Intercept. Dies ist der Wert des Plateaus der Autokorrelationsfunktion bei kurzen Verzögerungszeiten. Theoretisch ist der Korrelation Intercept 1, aber in der Realität koppeln sich eine Reihe von Rauschwirkungen in diesen Wert ein. Einige davon kommen vom Instrument (Laser- und Detektionsoptik), könnten jedoch auch von der Probe stammen.

Wenn wir unsere beiden Latexproben nehmen und uns die Rohdaten ansehen, können wir einen auffälligen Unterschied zwischen den beiden Datensätzen sehen. Einer hat einen deutlich niedrigeren Intercept als der andere.

Rohe Korrelationsfunktionen für die gleichen zwei Proben von Polystyrol-Latex. Die roten Daten haben einen niedrigeren Intercept. Was verursacht dies?

Der niedrige Intercept der roten Daten wurde durch „mehrfache Streuung“ verursacht. Dabei streuen mehrere Partikel das Licht, bevor es detektiert wird. Die DLS-Analysetheorie funktioniert, wenn nur einfach gestreutes Licht vorhanden ist. Daher haben wir hier eine ungenaue Messung. Um dies zu beheben, könnte die Probendichte reduziert werden. Wenn man einen Zetasizer verwenden, der Rückstreumessungen durchführen kann, kann die Messposition angepasst werden. Messungen nahe der Zellwand reduzieren die mehrfache Streuung. Diese Technik nennen wir Nicht-Invasive Rückstreuung.

Was beeinflusst den Intercept-Wert?

Weitere Beispiele für optisches Rauschen von der Probe sind:

  • Reflexionen – Streuungen von der Küvette, typischerweise weil sie verschmutzt oder verkratzt ist.
  • Fluoreszenz – die Probe emittiert ihr eigenes Licht, das zusätzlich zum gestreuten Licht detektiert wird.
  • Zahlenschwankungen – die Anzahl der Partikel im Laserstrahl ändert sich deutlich über die Zeit. Dies bedeutet, dass die durchschnittliche Streuintensität nicht stabil ist.

Der Korrelation Intercept hilft uns, diese Effekte zu erkennen. Das zusätzliche Licht durch Reflexionen, Fluoreszenz oder mehrfache Streuung führt allesamt zu einem niedrigeren Intercept. Zahlenschwankungen führen zu einem höheren Intercept, der weit größer als 1 sein kann.

Beispiele für Korrelationsfunktionen bei Messungen unterschiedlicher Qualität.

Immer noch unsicher, ob Sie eine gute Messqualität haben?

Die Interpretation von DLS-Daten ist knifflig und es gibt mehr zu beachten als nur den Intercept. Wir können auch die Korrelationsbasislinie und den Zerfall sowie die Zählrate und andere Messeinstellungen interpretieren. Unsere Software bietet Funktionen zur Bewertung der Datenqualität. In der Zetasizer Nano-Software suchen Sie nach dem Expert Advice-Bericht. Wenn Sie den neuen Zetasizer Pro oder Ultra verwenden, sehen Sie sich das Fenster zur Datenqualitätsbewertung an.

Die Datenqualitätsbewertungsfunktion verwendet künstliche Intelligenz, um Messprobleme zu identifizieren. Sie betrachtet die Korrelationsfunktion und klassifiziert die Daten anhand von Erkenntnissen aus zehntausenden anderer Beispiele.

Der Algorithmus zeigt ein Label an, wie jeder Datensatz verwendet werden kann. Es wird auch Ratschläge gegeben, wie Messprobleme gelöst werden können. Wenn mehr als ein Problem erkannt wird, wird der Ratschlag für das bedeutendste gegeben. Dies ermöglicht einen robusten und geführten Arbeitsablauf zur Verbesserung der Proben- und Messbedingungen.

Für weitere Informationen

Um mehr über einige der Artefakte zu erfahren, die eine DLS-Messung beeinflussen können, sehen Sie sich dieses Webinar an: Wann ist ein Partikel kein Partikel?

Weiterführende Literatur

Dieser Artikel wurde möglicherweise automatisch übersetzt