Binning

波谱分选是一种广泛使用的技术，它将波谱细分为多个区域（分选区），每个分选区内的总面积被用作原始波谱的抽象表示。理想情况下，一个分区所包含的区域可以捕捉到数据集中所有波谱中与特定共振相关的所有区域，从而减轻化合物在不同样品中的微小峰移和线宽变化的影响。

该命令可通过菜单 "处理/更多处理/分选 "使用。然后，"分选 "对话框将打开，用户可以选择所需的波谱限制来应用分选（或选择全谱）。用户还可以选择每个积分区域的宽度。一个典型的 64k 点 NMR 波谱将使用 0.04 ppm 的分选宽度进行缩减，从而得到 ~250 个分选积分值。

您还可以对二维数据集进行分选：

Sum "方法将对分选桶中的所有点求和，"Average Sum "方法将用分选桶中的点数除以总和，"Center "方法将只返回分选桶中间的值。例如，如果垃圾桶有 5 个点，它将返回第 3 个点的值。峰值 "方法将使用 GSD 挑选峰值。

可以选择将矩阵保存为 CSV 格式。生成的文件与保存为 "脚本 "时的文件相同：NMR CSV 矩阵（转置）"时生成的文件相同。

分选（也称为分桶）是基于 NMR 的代谢组学数据多元分析中的一种工具，用于解决 NMR 峰错位问题。在核磁共振代谢组学中，实验和仪器变化导致的单个峰共振位置的微小变化会对 PCA 结果产生不利影响。

通常采用固定宽度分选（通常为 0.04 ppm），通过对分选宽度内的数据点进行平均，来减轻峰错位的影响。然而，由于这种方法大大降低了数据分辨率，因此增加了解释 PCA 结果的难度，例如从载荷图中识别出发生变化的代谢物。

对波谱进行分选的目的是生成一个新的波谱，其中每个新的波谱数据点都对应于一个给定宽度（如 0.04 ppm）的桶的积分。换句话说，这只是一种类似于桶积分的数据缩减操作。一旦对频谱进行了分选，就可以将其导出为 ASCII 格式，以便用于进一步的 PCA 分析。

在应用分选后，使用归一化 处理（ Normalize processing）命令对频谱进行归一化处理通常很方便 。

请参阅 此功能的实用示例