[論文レビュー] Investigating Manifold Neighborhood size for Nonlinear Analysis of LIBS Amino Acid Spectra

Piyush Sharma, Gary Holness+3 more|arXiv (Cornell University)|May 25, 2021

Laser-induced spectroscopy and plasma参考文献 19被引用数 5

ひとこと要約

本研究では、アミノ酸のレーザー誘発破壊分光法（LIBS）における多様体に基づく非線形次元削減の最適な近隣サイズを、情報理論的手法を用いて分光パターンを分析することで調査した。クラスタリング結果に統計的差は認められなかったが、非線形手法は線形PCAに比べ分類精度を顕著に向上させ、実験的LIBS分光スペクトルにおけるマイクロウェル効果を明らかにした。これは、LIBSアミノ酸分析への多様体学習の初めての応用である。

ABSTRACT

Classification and identification of amino acids in aqueous solutions is important in the study of biomacromolecules. Laser Induced Breakdown Spectroscopy (LIBS) uses high energy laser-pulses for ablation of chemical compounds whose radiated spectra are captured and recorded to reveal molecular structure. Spectral peaks and noise from LIBS are impacted by experimental protocols. Current methods for LIBS spectral analysis achieves promising results using PCA, a linear method. It is well-known that the underlying physical processes behind LIBS are highly nonlinear. Our work set out to understand the impact of LIBS spectra on suitable neighborhood size over which to consider pattern phenomena, if nonlinear methods capture pattern phenomena with increased efficacy, and how they improve classification and identification of compounds. We analyzed four amino acids, polysaccharide, and a control group, water. We developed an information theoretic method for measurement of LIBS energy spectra, implemented manifold methods for nonlinear dimensionality reduction, and found while clustering results were not statistically significantly different, nonlinear methods lead to increased classification accuracy. Moreover, our approach uncovered the contribution of micro-wells (experimental protocol) in LIBS spectra. To the best of our knowledge, ours is the first application of Manifold methods to LIBS amino-acid analysis in the research literature.

研究の動機と目的

• 非線形多様体手法のLIBS分光分析における近隣サイズの影響を評価すること。
• 線形手法（PCA）に比べ、非線形次元削減がアミノ酸のLIBS分光スペクトル分類において優れるかどうかを特定すること。
• 特にマイクロウェルを含む実験的手順が分光パターンに与える役割を調査すること。
• LIBSデータの分光構造を定量化するための情報理論的フレームワークを構築・適用すること。
• バイオ分子研究におけるLIBS分光スペクトルの非線形解析のための新規手法を確立すること。

提案手法

• 非線形次元削減のため、Isomapおよび局所線形埋め込み（LLE）を含む多様体学習手法をLIBS分光スペクトルに適用した。
• 分光複雑性を測定し、近隣サイズの選定を支援するために情報理論的手法を用いた。
• 相互情報量と複数サンプル間の分光パターンの一貫性に基づき、近隣サイズを最適化した。
• クラスタリングおよび分類性能を比較するために、非線形手法（Isomap、LLE）と線形PCAを比較した。
• 制御されたマイクロウェル実験条件下で、4種のアミノ酸、多糖類、および水の分光スペクトルを分析した。
• 標準指標を用いて分類精度を評価し、線形および非線形手法を比較した。

実験結果

リサーチクエスチョン

• RQ1 アミノ酸のLIBS分光スペクトルの多様体ベース分析における最適な近隣サイズは何か？
• RQ2 非線形次元削減手法は、LIBSデータの分類精度を線形PCAに比べ向上させるか？
• RQ3 マイクロウェル構成などの実験的要因が、LIBS分光パターンにどのように影響を与えるか？
• RQ4 情報理論的指標は、LIBSにおける非線形多様体学習の近隣サイズ選定を効果的に支援できるか？
• RQ5 非線形手法は、線形手法が捉えられない分光スペクトルの隠れたパターンをどの程度明らかにできるか？

主な発見

• クラスタリング結果に統計的差が認められなかったものの、非線形多様体手法はPCAに比べ高い分類精度を達成した。
• 多様体学習の最適な近隣サイズは、分光ノイズおよび実験的構成、特にマイクロウェル効果に敏感であることが判明した。
• 情報理論的分析により、意味のある分光パターンが特定され、近隣サイズの選定が適切に支援された。
• マイクロウェル構成がLIBS分光特性に顕著な影響を与えることが判明し、分光解析においてこれまで軽視されてきた要因であった。
• 本研究は、アミノ酸のLIBS分光スペクトルへの多様体学習手法の応用として、知られざる初の事例である。非線形バイオ分子解析への可能性を示した。