రాజమాణికం వి, హెర్విగ్ సి మరియు స్పాడియట్ ఓ
మల్టీవియారిట్ డేటా అనాలిసిస్ (MVDA)తో కలిపి UV క్రోమాటోగ్రాఫిక్ డేటా బయోప్రాసెస్ మానిటరింగ్ కోసం విస్తృతంగా ఉపయోగించబడింది. అయినప్పటికీ, అవి సాధారణంగా నిలుపుదల సమయంతో పాటు మార్పులకు ఆపాదించబడతాయి మరియు ప్రీప్రాసెసింగ్ అవసరం. తప్పుగా అమర్చబడిన UV క్రోమాటోగ్రాఫిక్ డేటా అస్థిరమైన MVDA మోడల్లకు దారి తీస్తుంది. అనేక ప్రిప్రాసెసింగ్ పద్ధతులు అందుబాటులో ఉన్నాయి, ప్రతి ఒక్కటి ఆప్టిమైజ్ చేయడానికి మెటా-పారామీటర్ల సంఖ్య, సంక్లిష్టత మరియు గణన సమయాన్ని మారుస్తుంది. అందువల్ల, ప్రీప్రాసెసింగ్ టెక్నిక్ల కోసం స్క్రీన్కు జెనరిక్ వర్క్ఫ్లోను అభివృద్ధి చేయడంపై మేము లక్ష్యంగా పెట్టుకున్నాము. మేము రివర్స్-ఫేజ్ మరియు సైజ్ ఎక్స్క్లూజన్ క్రోమాటోగ్రఫీ HPLC నుండి UV క్రోమాటోగ్రాఫిక్ డేటాను కలిగి ఉన్న సంక్లిష్టతతో నాలుగు డేటాసెట్లను ఎంచుకున్నాము. మేము icoshift, PAFFT మరియు RAFFT అల్గారిథమ్లు అనే మూడు ప్రీప్రాసెసింగ్ టెక్నిక్లను ఉపయోగించి మొత్తం నాలుగు డేటాసెట్లను సమలేఖనం చేసాము. మేము ప్రీప్రాసెసింగ్ టెక్నిక్ల పనితీరును ధృవీకరించడానికి మరియు మెటా-పారామితుల కోసం స్క్రీన్ చేయడానికి అనేక గణాంక సాధనాలను ఎంచుకున్నాము. మేము డేటా సంరక్షణ, సంక్లిష్టత మరియు గణన సమయం పరంగా ప్రీప్రాసెసింగ్ టెక్నిక్ల పనితీరును ధృవీకరించాము మరియు ప్రతి డేటాసెట్ కోసం మెటా-పారామితుల యొక్క సరైన పరిధులను గుర్తించాము. చివరగా, ఎంచుకున్న అమరిక సాంకేతికతను మూల్యాంకనం చేయడానికి మేము ప్రధాన భాగాల విశ్లేషణ (PCA) నమూనాలను ఏర్పాటు చేసాము. సంగ్రహంగా, ఈ అధ్యయనంలో గణాంక సాధనాలను ఉపయోగించి క్రోమాటోగ్రాఫిక్ డేటా యొక్క అమరికను ధృవీకరించడానికి సాధారణ వర్క్ఫ్లో అభివృద్ధి చేయబడింది.