Systat Peakfit(谱峰拟合软件)

　　eakfit又名Systat PeakFit，它是一款独一无二的数据分峰拟合软件，也就是峰值分析，此工具支持基准处理，同时还提供了三种管理基准的选项，可以从导入的数据中减去外部文件中包含的基准，支持将代表当前数据的基线的点拟合到参数或非参数模型中，并在放置和拟合之前从数据中减去该基线；支持将参数基线与峰一起放置，并在一个步骤中将峰和基线放在一起，这可以在三个自动调整峰选项中的任何一个中完成；支持拟合之前删除基线，用户可以通过选择代表基线的点来非常准确地独立拟合基线，自动调整并减去基准功能支持寻求自动执行此操作，用户可以自由选择您认为应该包含在此类基准拟合中的那些特定点；支持将基线和峰拟合在一起，可以将基线和峰拟合在一起可以保留数据的原始纯度，并且当所有模型都合适时，可以产生最佳的拟合质量和最准确的拟合统计信息；三个AutoFit Peaks(自动调整峰)模块都使用了一种自动扫描程序，系统将指定的参数基线拟合到数据副本，然后将其相减，以便尽可能方便地放置峰，非常便捷，需要的用户可以下载体验

软件功能

　　1、PeakFit的参数约束

　　2、适合背景、直接删除峰。正负振幅峰的混合

　　3、部分重新扫描、从AIA文件导入过程数据

　　4、从ASCII文件导入峰位置

　　5、具有二次模型的非参数数字滤波器

　　6、鼠标右键放大重置。数值摘要中的分析区域

　　7、将数字摘要添加到打印输出，打印输出中的线宽

　　8、拟合高斯和洛伦兹导数，Excel 97、2000，XP支持

　　9、SPSS v8-v11支持，Systat v7-v10支持

软件特色

　　1、PeakFit的参数约束

　　Fit Preferences选项包含内置的参数约束，这些约束基于与峰的初始位置所定义的值的百分比变化。

　　这些限制条件的默认值非常严格，最适合于具有大量明确定义的峰的光谱或色谱数据。

　　如果在拟合期间在约束字段中看到重复的非零值，则可能需要打开这些约束或谨慎地完全禁用它们。

　　2、适合背景

　　要在背景中执行峰拟合，只需最小化数值拟合或图形拟合窗口即可。

　　由于PeakFit使用单独的优先级较低的拟合线程，因此前台性能不应受到任何影响。

　　3、直接删除峰

　　在“自动调整峰”选项中，您现在可以直接通过双击其主锚点直接删除峰。

　　也可以使用文档中描述的删除峰的步骤，即右键单击峰的主锚，然后在弹出对话框中单击删除峰按钮。

　　4、正负振幅峰的混合

　　PeakFit现在可以自动，准确地放置正和负振幅峰的混合。

　　AutoFit Peaks I Residuals选项中提供了此功能。只需选中允许负值。

　　当允许负振幅峰值时，将禁用自动添加正残留峰值的选项。

　　仍然可以通过单击所需峰中心位置附近的残差图来添加各个残差峰。

　　5、部分重新扫描

　　在自动调整峰选项之一中创建自定义峰位置后，可以更改控制面板设置而无需完全重建峰。

　　当检测到自定义调整时，将显示完全扫描或部分扫描的选项。完整扫描将清除所有自定义调整。

　　6、从AIA文件导入过程数据

　　可以在任何自动调整峰选项中导入包含具有有效保留时间的过程数据的AIA色谱文件。

　　读取扫描设置和参数估计选项还提供了AIA CDF文件类型。

安装步骤

　　1、用户可以点击本网站提供的下载路径下载得到对应的程序安装包

　　2、只需要使用解压功能将压缩包打开，双击主程序即可进行安装，弹出程序安装界面

　　3、同意上述协议条款，然后继续安装应用程序，点击同意按钮即可

　　4、弹出以下界面，随便输入一个名字，可以输入anxz，然后点击下一步

　　5、可以根据自己的需要点击浏览按钮将应用程序的安装路径进行更改

　　6、弹出以下界面，用户可以直接使用鼠标点击下一步按钮

　　7、现在准备安装主程序，点击安装按钮开始安装

　　8、弹出应用程序安装进度条加载界面，只需要等待加载完成即可

　　9、根据提示点击安装，弹出程序安装完成界面，点击完成按钮即可

　　10、此时打开应用程序，弹出一个提示，点击图中标注的按钮即可

　　11、进入用户界面后，可以点击帮助栏中的关于按钮，打开如下就是已经了

　　13、如果没有，可以输入对应的激活码进行

　　激活码：DAA6CD55-FBFB1907

　　还可以以下激活码进行激活：

　　eakfit v4.12注册码:

　　姓 名（Name）：ru-board

　　序 列 号（Code）：7068-DFB3-5183

使用说明

　　隐藏的山峰

　　PeakFit将隐藏峰定义为不负责数据流中局部最大值的峰。这并不意味着您看不到隐藏的峰。以下示例说明了包含一个局部最大峰和两个隐藏峰的数据。

　　左侧的隐藏峰几乎没有遗漏在数据流中产生此局部最大值。右侧的隐藏峰在数据流中远不那么明显，位于主峰的肩部之内。隐藏的峰不会导致数据的一阶导数发生符号变化。

　　残差法查找隐藏峰

　　残差就是数据点的y值与在数据点的x值处评估的组分峰之和之间的差。通过以总面积等于数据面积的方式放置峰，可以通过残差显示隐藏的峰。

　　上图数据反映了五个局部最大值峰和两个隐藏峰。当放置五个局部最大值峰以节省数据区域时，下部图形中的残差清楚地显示了隐藏的峰。

　　通过残差的信息内容查找隐藏峰是“自动调整”菜单中“自动调整峰I残差”选项的前提。

　　寻找隐峰的二阶导数方法

　　数据的平滑二阶导数将在峰值位置包含局部最小值。在许多情况下，隐藏峰表明原始数据流中没有局部最大值，但在平滑的二阶导数中确实显示为局部最小值。

　　示了具有五个局部最大值和两个隐藏峰的相同数据。下图显示了平滑的二阶导数。注意，在二阶导数数据流中很容易检测到两个隐藏峰。

　　通过自动平滑菜单中的极小值在平滑的二阶导数中找到隐藏的峰是前提。

　　去卷积法寻找隐藏峰

　　反卷积是一种数学过程，通常用于消除由于仪器测量系统中的缺陷而引起的峰的拖尾或展宽。当将仪器的响应函数从数据中解卷积时，峰会“锐化”。一旦对数据进行了反卷积和过滤，隐藏峰表明原始数据流中没有局部最大值可能会这样做。

　　同样，上面的图中显示了具有五个局部最大值峰和两个隐藏峰的相同数据集。下部的图由良好的高斯反卷积和该数据的傅立叶域滤波组成。请注意，这些峰确实确实变尖了，并且两个以前隐藏的峰现在清楚地表明了局部最大值。

　　通过自动解卷积和过滤后的数据流中的最大值查找隐藏峰是“自动适应”菜单中“自动拟合峰III反卷积”选项的前提。

　　卷积

　　当不同的过程根据两个不同且独立的扩展函数扩展峰时，所得峰称为两个不同函数形式的卷积。卷积的数学形式由一个整数组成：

　　例如，许多光谱峰是由“自然”洛伦兹展宽和独立的高斯仪器展宽形成的。高斯和洛伦兹的卷积是Voigt函数，该模型比构成卷积的各个分量要复杂得多。

　　卷积模型

　　两个不同峰函数的大多数卷积缺少卷积积分的闭合形式解。 PeakFit®内置峰函数集包含三种具有分析形式的卷积模型，即光谱函数集内的Voigt以及色谱函数集内的EMG和GMG。

　　卷积模型的独特之处在于，拟合函数的参数直接描述了卷积内的组件。这是峰拟合中实际发生的唯一反褶积形式。这是一种最有吸引力的方法，因为它可以准确地解析卷积积的两个分量，而不会引入噪声，并且可以对重叠峰和隐藏峰进行处理。

　　去卷积

　　反卷积本质上是卷积的撤消或反转。通常使用傅立叶域中的离散数据完成此操作，并且通常会删除仪器响应功能。反卷积的FFT形式涉及噪声的主要引入，必须使用某种有效形式的频域滤波来处理。

　　仪器响应功能

　　当不完善的测量仪器导致峰展宽时，描述此效应的功能称为仪器响应功能。大多数反卷积的目的是消除乐器拖尾，以产生没有乐器失真的“ rue”信号。

　　对卷积或高斯仪器响应函数进行反卷积

　　大多数频谱仪器的响应函数通常都是高斯形式的。因此，大多数光谱峰将由它们的“自然”洛伦兹形式和这种高斯拖尾的卷积组成。高斯和洛伦兹独立扩展可以通过拟合Voigt模型来解决。您还可以通过先使用高斯响应函数对傅立叶域中的数据进行反卷积来消除高斯拖尾。

　　在“准备”菜单中找到的“反卷积高斯IRF”选项提供了自动FFT高斯反卷积过程，可用于在拟合之前消除乐器效果。

　　卷积是面积不变的

　　当响应函数具有单位面积时，就像仪器响应函数一样，卷积是面积不变的。观察到的峰的面积与rue峰的面积相同。它只是宽度更大而幅度更小。如果您的唯一目的是解析面积和发射频率，则无需担心乐器效果。

　　上图说明了由三个重叠的Voigt函数组成的数据。所示的反卷积有效地消除了大多数高斯乐器的拖尾现象。注意，反卷积的结果不是三个单独的洛伦兹分量峰。从某种意义上讲，它是一个经过精化的单一数据流，它的组成峰更加明显，并且为包含数据的每个峰建议了更大的幅度和更窄的宽度。

　　去卷积和峰分离

　　但是，通过消除仪器拖尾，反卷积可以减少或消除相邻峰的重叠。因此，将反卷积视为峰分离过程。仅当重叠足够适度以至于反卷积将原始数据解析为没有峰重叠的新数据流时，峰才会分离。这与通过非线性拟合程序（PeakFit的基本功能）解析组分峰非常不同。

　　对指数检测器仪器响应函数进行反卷积

　　到达色谱检测器的物质不会立即被检测到。在许多情况下，已经用一阶或指数衰减模型很好地描述了检测器的响应。与光谱法不同，在光谱法中，仪器的响应功能会向较高和较低的频率涂抹信号，而色谱检测器本质上是定向的。它可以将资料记录为比“ rue”信号晚到达的时间，但不能早于。

　　在上图中，已使用指数检测器响应函数对色谱峰进行了反卷积。 ``rue''信号由比原始数据内的高斯峰大的幅度和更窄的宽度组成。单边指数解卷积消除了方向性拖尾现象，该拖尾现象将观察到的信号移位到更大的时间。

　　在“准备”菜单中找到的“卷积指数IRF”选项提供了自动FFT单边指数解卷积程序，可用于在拟合之前消除检测器响应效应。如果您可以使用这种单边指数去卷积方法成功消除大部分峰偏斜，则可以拟合简单的高斯分布，并且还可以假设这些高斯分布代表了色谱分离中的真实信号，从而得出了理论量定义色谱柱的性能和容量。

　　卷积模型：EMG

　　由于EMG（指数修正的高斯函数）是高斯和指数衰减的卷积，因此通过将EMG模型拟合到峰，您正在使用非线性拟合为您实际执行此反卷积。 EMG函数的参数直接产生反卷积的高斯。傅里叶域反卷积会给数据增加大量噪声，并需要进行大量过滤，而通过拟合卷积模型不会引入噪声。

　　去卷积本征峰偏斜

　　色谱柱可以看作是“旋转引擎”，它可以通过多次顺序的数学卷积来产生高斯峰形状。然而，实际上，在色谱中很少观察到对称的高斯分布。部分原因是由于上一节中提到的柱外检测器响应影响。同样重要的因素是，柱内动力学中的各种非理想性也会导致峰形的内在偏斜。由于方向性流或自然序列（例如在解吸之前必不可少的吸附），这些非理想状态中的一些可被视为具有方向约束的峰涂抹。

　　卷积模型：GMG

　　产生不对称形状的卷积模型的最简单形式是GMG（半高斯修正高斯）。它是将无约束或全高斯与方向约束或半高斯进行卷积的结果。

　　在上图中，色谱峰已用单侧高斯反卷积。其效果类似于使指数检测器响应反卷积的效果。峰的宽度缩小，幅度增加，并移至更早的时间。

　　在“准备”菜单中找到的“反卷积高斯IRF”选项提供了自动FFT单边高斯反卷积过程，可用于在拟合之前消除尾部和前端的不对称性。如果您可以使用这种单边高斯反卷积方法成功消除大部分峰偏斜，则可以拟合简单的高斯分布。

　　通过将GMG模型拟合到峰，您正在使用非线性拟合直接执行此解卷积。 GMG函数的参数直接产生反卷积的主高斯。

　　局部加权最小二乘

　　非参数拟合方法基于点的顺序子集的某种形式对数据建模。局部加权的最小二乘拟合过程可能是最强大且用途最广泛的非参数算法。对于任何x值，估计的y均由包含附近点的加权最小二乘拟合得出。权重是根据与x的接近程度分配的。这种类型的最着名的过程是Loess算法。 PeakFit的非参数数字滤波器提供了Loess算法的一种变体，该算法使用高斯函数而不是三角函数加权函数。 PeakFit提供线性和二次拟合。

　　任何N1->任何N2

　　这种形式的算法不仅提供最佳的数字过滤形式之一（减少数据计数），而且还提供非常稳定的数据增强形式（增加数据计数）。输出流将始终具有均匀间隔的x值。您可以生成任何大小的输出数据流，无论大小都可以。在下图中，由212个点（较大的圆圈）组成的DNA凝胶数据增强到1000个点（较小的正方形）：

　　在PeakFit抯数据菜单中找到“数字滤波器”选项。如果您需要恢复统一的X间距，则此选项特别重要。

　　数据平滑和过滤

　　PeakFit提供了有效的平滑算法，其中许多在各种AutoFit程序内部使用。您可以选择使用这些算法来平滑数据，然后再进行放置和拟合。有两点要考虑。首先是您是否希望预先平滑数据。

　　通过预平滑数据，您可以消除拟合过程中峰拟合算法可能会吸收到的数据中的局部扰动。例如，在拟合迭代过程中，输入数据无法很好表征的小峰可能会有些波动。在数据具有某个局部最大值的任何噪声区域中，此类峰值可能变得固定，无论该峰值如何小。

　　另一方面，预平滑会更改原始数据，可能会带来不希望的效果。例如，时域平滑过程倾向于稍微加宽峰宽。

　　无需预先使数据平滑即可使PeakFit detect AutoFit算法正确检测峰。所有AutoFit程序均使用平滑的数据副本进行工作，以进行峰放置，参数估计和基线检测。

　　如果选择预平滑数据，则下一个问题是使用哪种算法。

　　FFT平滑算法可消除高频中的所有噪声，而信号频率几乎不会失真。 PeakFit抯傅立叶域编辑允许您以图形方式设置此频率阈值。

　　高斯卷积平滑也是频域过程，它通过对窄宽度的高斯进行卷积来局部平滑，而通过自动滤出较高频率的信道来进行全局平滑。它通常会产生PeakFit®平滑方法的最高功效。

　　Savitzky-Golay过程是一种出色的时域过程，它在包含大量数据点的移动窗口中适合四阶多项式。

　　黄土过程通常效果较差，更容易出现特征失真，但具有不需要统一X值的优点

　　“准备”菜单中的“平滑和傅立叶域编辑”选项处于选中状态。

　　切片和等距X值

　　当数据被“选择”时，您将隔离特定的部分或分区以进行拟合。点处于活动状态或已启用，这意味着它们将包含在管件中，或者它们处于非活动状态或被排除在外，将不进行处理。

　　全局分区

　　PeakFit提供两个级别的切片。全局分区会影响主数据表的当前状态。

　　“准备”菜单中的“截面”选项用于全局截面。通常，您将使用这种分区的全局形式来禁用所有情况下都不希望看到的所有数据元素。

　　本地切片

　　每个AutoFit Peaks选项中都存在局部切片。在此，仅数据的临时副本被更改。您可能希望对数据进行局部剖分，以便在拟合整个数据集之前隔离一个峰以测试多个模型的拟合度。这对于将数据集分为几个部分也很有用，每个部分都被基线清楚地分开。

　　分段允许打开和关闭数据的单个点和带或区域。因此，产生缺少统一x间距的有效点集是一件简单的事情。当切换表示某种形式的伪影的一个或多个点时，尤其如此，在安装之前确实应将其删除。

　　均匀X间距

　　如果原始数据缺乏统一的x间距，或者在切片后确实如此，那么很有可能您会遇到某些PeakFit抯操作的麻烦。特别是，除Loess之外，所有基于FFT的过程和所有平滑过程都需要数据中恒定的x间隔。 PeakFit不会基于检测到均匀x间隔的缺乏来限制处理选项，因为由该非恒定间隔引入的噪声可能小于通过平滑过程消除的噪声。

　　对于缺少统一x间距的数据，有两种建议的课程：

　　HELP22.png在“自动拟合峰I残差”选项中使用“黄土平滑”选项。 此方法不需要统一的X间距。

　　使用“数据”菜单中的非参数“数字过滤器”选项可以创建间距均匀的数据集。