워드프레스 구텐베르크 게시물 내용을 영어에서 한국어로 번역합니다.

HTML 및 블록 구조를 유지합니다.

What is the zeta deviation?

Zetasizer: 제타 포텐셜 편차란 무엇인가?

zeta-plus-minus-sigma zeta potential plus minus one standard deviation말번의 Zetasizer 소프트웨어의 제타 포텐셜 보고서는 제타 편차라는 이름의 매개변수를 보여줍니다. 이 매개변수는 표준 제타 포텐셜(M) 보고서에서 평균 제타 포텐셜 바로 아래에 표시됩니다.

평균 제타 포텐셜은 빠른 필드 반전(FFR) 위상 분석 광 산란(PALS) 기술에서 나온 결과입니다.

빠른 필드 반전은 분석에서 하나의 숫자를 제공합니다. 이 숫자가 평균 제타 포텐셜입니다. 느린 필드 반전[또는 단순히 “SFR”]은 시료의 다양한 전하 값 분포인 제타 분포를 제공합니다.

전체 제타 분포를 얻을 때 분포의 빈값을 사용하여 평균의 전반적인 표준편차를 계산할 수 있습니다. 평균(SFR에서)은 정의에 따라 FFR에서 나온 것과 동일합니다.

따라서 이 편차는 분포가 있는 경우에만 사용할 수 있으며, 느린 필드 반전 측정이 이루어진 경우에만 사용 가능합니다.

세 가지 다른 분석 모드

Zetasizer 소프트웨어는 제타 포텐셜 측정을 위한 세 가지 서로 다른 분석 모드를 제공합니다:

  1. 첫 번째이자 가장 단순한 것은 단일 모드 분석입니다. 이 분석은 약 20Hz의 빠르게 교차하는 전기장만 적용합니다. 이것을 빠른 필드 반전 또는 FFR이라고 합니다. 이 방법은 평균 제타 포텐셜만 얻습니다.
  2. 두 번째 기술은 범용 목적으로 불립니다. 이는 빠른 필드 반전(FFR)과 느린 필드 반전(SFR)의 조합을 적용합니다. SFR은 약 0.6초 동안 한 방향으로 일정한 필드를 적용한 후 필드 방향을 반전시킵니다. 그 사이에 필드가 적용되지 않는 0.2초의 짧은 휴식 기간이 있습니다. 이것은 평균 제타 포텐셜과 제타 포텐셜 분포를 모두 얻을 수 있습니다. 우리는 이 범용 목적 모드를 최대 150mM 염 용액에만 사용할 것을 권장합니다. 이 제한의 이유는 높은 염 농도 용액에서 Joule 가열과 기타 부정적인 영향이 샘플을 손상시킬 수 있기 때문입니다.
  3. 세 번째이자 가장 지능적인 분석 모드는 자동 모드입니다. 이 설정을 통해 소프트웨어의 알고리즘이 범용 목적[FFR과 SFR 모두] 또는 단일 모달[FFR만] 분석을 수행할지 자동으로 결정합니다. 소프트웨어는 샘플의 측정된 전도도를 기준으로 결정합니다. 샘플 전도도가 센티미터당 5밀리 시멘스(5 mS/cm)보다 높으면 소프트웨어는 오직 빠른 필드 반전만 적용하여 평균 제타 포텐셜만 나타납니다.

기본 선호 모드는 자동 모드입니다. 자세한 내용은 기술 노트 “제타 포텐셜 – 30분 내의 소개“를 확인하세요. (이 기술 노트는 역사적으로 MRK654-01 제타 소개 30분 내“라는 제목으로 일부 오래된 말번 참조에는 등장했습니다.)

Phase-FFR-and-SFR-mean-zeta-and-distribution fast field reversal phase plot from electrophoretic light scattering and slow field reversal phase plot. mean zeta from fast field, distribution and wdith or signma from slow field

내 제타 결과의 품질에 대한 아이디어를 얻으려면 어떻게 해야 하나요?

우리는 제타 품질 보고서를 확인할 것을 추천합니다. 위상 데이터에 문제가 없다는 부정적인 표시가 없는 경우 결과는 신뢰할 수 있어야 합니다.
또 하나의 유용한 제안은 반복 실행을 확인하는 것입니다. 여러 기록을 강조 표시하면 소프트웨어는 강조 표시된 값의 평균 및 표준 편차를 보여줍니다. 이를 기록 보기 탭 하단에서 볼 수 있습니다. 이 정보를 통해 표준 편차를 쉽게 얻을 수 있으며, 기록의 오류를 결정할 수 있습니다. 이것이 단일 모드 분석 결과의 표준 편차를 평가하는 가장 좋은 방법입니다.

제타 포텐셜의 제타 편차의 예상 값은 무엇인가요?

전하 중립에 가까운 제타 포텐셜 값을 측정하는 것은 점점 더 어려워집니다. 일반적인 경험 법칙은 평균 값의 약 10%를 제타 편차로 기대하는 것입니다. 하지만 0에 가까워질수록 이 편차는 약 2밀리볼트(2mV) 또는 그 이상일 가능성이 있습니다. 지침으로서 제타 포텐셜 편차에 대한 좋은 기대치는 10% 또는 2 mV이며, 둘 중 큰 값이 적용됩니다. 일반적으로 달성할 수 있는 제타 ζ 편차를 표현하는 또 다른 방법은10% 상대적이지만 2 mV 미만은 아님이라는 σ입니다.

도움말: 왜 제타 편차가 없는가요? 왜 제타 분포가 없는가요?

showing a zeta result where monomodal data were taken and no distribution is btain, subsequently the deviation is zero측정이 오직 FFR = 단일 모드 분석만 수행되면 제타 포텐셜 분포는 얻을 수 없습니다(이 경우 SFR이 필요하기 때문입니다). 이는 실험 설정에서 이를 명시적으로 요청했거나, 자동 모드에서 샘플의 전도도가 컷오프보다 높은 경우에 발생할 수 있습니다. 제타 분포가 없다는 것은 평균의 표준 편차(따라서 제타 편차)가 없음을 뜻하며, 이는 소프트웨어의 표준 제타 포텐셜(M) 보고서 탭에서 0.00mV로 검출될 수 있습니다.

제타의 ‘오류’에 대한 아이디어를 얻으려면 평균 제타 포텐셜의 통계(즉, 평균과 표준 편차)를 살펴보기 위해 반복 실행 세트를 수행하십시오. 기록 보기에서 통계 막대가 없을 경우, 기록 보기 탭을 선택한 다음 상단 메뉴 보기 – 통계 막대 – 그리고 평균, 표준 편차, 상대 표준 편차 앞에 확인 표시를 넣어 추가하십시오. 강조 표시된 기록의 통계는 활성 창 하단의 세 개의 회색 행에 표시됩니다.

도움말: 위상 데이터 가 우수한데, 분포 데이터는 부족한가요?

제타 품질 보고서가 “위상 데이터가 우수하다”고 표시할 때 FFR = 단일 모드 분석의 결과는 신뢰할 수 있습니다. 따라서 여전히 평균 제타 포텐셜 값을 사용할 수 있습니다. 분포 데이터는 SFR 부분에서 나옵니다. 이러한 분포 데이터가 부족할 경우, 분포는 신뢰할 수 없습니다. 이는 예를 들어 샘플이 단일 모드 분석에 적합한 경우에 발생할 수 있습니다. (예: 샘플 농도가 너무 높거나 낮은 경우, 또는 전도도가 높은 경우). 많은 경우 자동 모드가 이를 처리해야 하지만, 때로는 그렇지 않을 수도 있습니다.

특히 드문 조건은 “위상 데이터가 부족하고, 분포 데이터는 우수함”이라는 메시지입니다. 이 메시지는 기본적으로 원시 위상 데이터가 나쁘다는 것을 나타내지만, 파생된 분포가 괜찮게 보일 때 발생합니다. 종종 이는 인공물일 가능성이 가장 높으며, 반복 가능한 분포 데이터로 이어지지 않습니다.

내 제타 포텐셜 분포의 총 카운트는 무엇인가요?

zeta potential distribution showing the intensity versus apparent zeta potential, the mean zeta is indicated by a yellow (hand drawn) band제타 분포는 강도 기반 분포입니다. 이는 다양한 겉보기 제타 포텐셜 빈(또는 브래킷)에서 신호에 기여한 빛(또는 산란 강도, 또는 광자 카운트)의 양을 나타냅니다. 이는 샘플에서 더 많은 빛을 산란하는 것이 전체 분포에 더 많이 비례적으로 기여함을 의미합니다. 이 강도 분포는 수 분포나 부피 분포와 다릅니다. 크기 분포의 경우 이런 질문을 자주 받습니다. 관련 기술 노트에 대한 링크가 있는 블로그를 참고하세요. 그러나, 제타 포텐셜에 대한 이 질문은 드뭅니다.

대부분의 경우 평균 제타 포텐셜만이 관련 있으며, 이는 전체적인(강도 평균) 제타 포텐셜 값의 평균값을 나타냅니다. 위 분포에서의 평균 제타는 -68.6mV± 6.5mV였습니다.

위 내용이 Zetasizer 소프트웨어에서 제타 포텐셜 편차에 대한 혼란을 없애주기를 바랍니다.

이전에

궁금한 점이 있으시면 ulf.nobbmann@malvernpanalytical.com으로 이메일을 보내주세요. 감사합니다! 이 블로그에서 표현된 의견은 일반적으로 저자의 것이지만, 일부 부분은 편집팀에 의해 수정될 수 있습니다.