[논문 리뷰] Investigating Manifold Neighborhood size for Nonlinear Analysis of LIBS Amino Acid Spectra

Piyush Sharma, Gary Holness외 3명|arXiv (Cornell University)|2021. 05. 25.

Laser-induced spectroscopy and plasma참고 문헌 19인용 수 5

한 줄 요약

이 연구는 아미노산의 레이저 유도 분해 스펙트로스코피(LIBS)에서 만령 기반 비선형 차원 감소에 적합한 이웃 영역 크기를 조사한다. 정보 이론적 접근을 통해 스펙트럼 패턴을 분석한다. 군집 결과에는 통계적 차이가 없었지만, 비선형 방법은 선형 PCA보다 분류 정확도를 크게 향상시켰으며, 실험적 LIBS 스펙트럼에서 미세 웰 효과를 드러내었는데, 이는 만령 학습을 LIBS 아미노산 분석에 적용한 최초의 사례이다.

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.

연구 동기 및 목표

• 이웃 영역 크기가 LIBS 스펙트럼 분석을 위한 비선형 만령 방법에 미치는 영향을 평가하기 위해.
• 선형 방법인 PCA와 비교하여 비선형 차원 감소 기법이 아미노산을 LIBS 스펙트럼으로 분류하는 데 더 우수한 성능을 보이는지 확인하기 위해.
• 특히 미세 웰을 포함한 실험적 프로토콜이 스펙트럼 패턴에 미치는 역할을 조사하기 위해.
• LIBS 데이터의 스펙트럼 구조를 정량화하기 위한 정보 이론적 프레임워크를 개발하고 적용하기 위해.
• 생분자 연구에서 LIBS 스펙트럼의 비선형 분석을 위한 새로운 방법론을 수립하기 위해.

제안 방법

• 비선형 차원 감소를 위한 만령 학습 기법, 즉 Isomap 및 국소선형 임bedding(LLE)을 LIBS 스펙트럼에 적용하였다.
• 스펙트럼 복잡도를 측정하고 이웃 영역 크기 선택을 안내하기 위해 정보 이론적 접근을 사용하였다.
• 상호정보량과 샘플 간 스펙트럼 패턴의 일관성을 바탕으로 이웃 영역 크기를 최적화하였다.
• 군집화 및 분류 성능을 비교하기 위해 비선형 방법(Isomap, LLE)과 선형 PCA를 비교하였다.
• 통제된 미세 웰 실험 조건 하에서 네 가지 아미노산, 다당류 및 물의 스펙트럼을 분석하였다.
• 표준 지표를 사용하여 분류 정확도를 평가하였으며, 선형 및 비선형 접근 방식을 비교하였다.

실험 결과

연구 질문

• RQ1 아미노산의 LIBS 스펙트럼에 대한 만령 기반 분석에 적합한 최적의 이웃 영역 크기는 무엇인가?
• RQ2 비선형 차원 감소 기법은 LIBS 데이터의 분류 정확도를 선형 PCA보다 향상시키는가?
• RQ3 미세 웰 구성과 같은 실험적 요인이 LIBS 스펙트럼 패턴에 미치는 영향은 무엇인가?
• RQ4 정보 이론적 측정치는 LIBS에 대한 비선형 만령 학습의 효과적인 이웃 영역 크기 선택을 안내할 수 있는가?
• RQ5 비선형 방법은 선형 방법이 포착하지 못한 LIBS 스펙트럼의 숨겨진 패턴을 어느 정도 드러내는가?

주요 결과

• 비선형 만령 기법은 군집 결과에 통계적 차이가 없음에도 불구하고 PCA보다 높은 분류 정확도를 달성하였다.
• 만령 학습의 최적 이웃 영역 크기는 스펙트럼 노이즈와 실험적 구성 조건, 특히 미세 웰 효과에 민감하게 반응하였다.
• 정보 이론적 분석은 의미 있는 스펙트럼 패턴을 성공적으로 식별하고 이웃 영역 크기 선택을 안내하였다.
• 미세 웰 구성은 LIBS 스펙트럼 특성에 상당한 영향을 미치는 것으로 밝혀졌으며, 이는 이전에 스펙트럼 분석에서 간과된 요소였다.
• 이 연구는 만령 학습 기법을 LIBS 아미노산 스펙트럼 분석에 적용한 최초의 사례로, 비선형 생분자 분석 잠재력을 입증하였다.