지식나눔

표면 플라즈몬 공명 (SPR)

표면 플라즈몬 공명(surface plasmon resonance) 기기 분석시 통계적 파라미터가
chi^2, T-value, U-value 등이 있다고 알고 있습니다.
그 중 U-value 값은 the uniqueness of the values 을 나타낸다고 하는데 여기서 의미하는  uniqueness 의 의미가 구체적으로 뭔지 궁금합니다. 그리고 U-value는 어떻게 구해지는 값인지도 궁금합니다. 



 
  • SPR
  • 표면 플라즈몬 공명
  • U-value
지식의 출발은 질문, 모든 지식의 완성은 답변! 
각 분야 한인연구자와 현업 전문가분들의 답변을 기다립니다.
답변 2
  • 답변

    이동진님의 답변

    U-value는 ka, kd, Rmax 사이에 연관성을 반영하는 값입니다. Kinetic model 기반의 data fitting을 통해 다양한 parameter(ka, ka, Rmax 등)들을 추출하게 되는데, 간혹 U-value가 크게 나온 경우는 parameter들 사이의 연관성이 너무 높아서 개별 파라미터들의 유일한 값을 결정할 수 없다는 의미입니다. 그래서, U-value가 너무 높을 때에는 계산된 파라미터 값이 타당한 지 살펴보고, 좋은 U-value 값을 얻도록 fitting을 다시 시도해야겠죠. 정리하면, U-value는 파라미터의 유일성(uniqueness)을 평가하는 도구라고 볼 수 있습니다.
     
    U-value는 ka, kd, Rmax 사이에 연관성을 반영하는 값입니다. Kinetic model 기반의 data fitting을 통해 다양한 parameter(ka, ka, Rmax 등)들을 추출하게 되는데, 간혹 U-value가 크게 나온 경우는 parameter들 사이의 연관성이 너무 높아서 개별 파라미터들의 유일한 값을 결정할 수 없다는 의미입니다. 그래서, U-value가 너무 높을 때에는 계산된 파라미터 값이 타당한 지 살펴보고, 좋은 U-value 값을 얻도록 fitting을 다시 시도해야겠죠. 정리하면, U-value는 파라미터의 유일성(uniqueness)을 평가하는 도구라고 볼 수 있습니다.
     
    DELETED(seyul2) 2020-03-06

    답변 너무 감사합니다. 큰도움이 되었습니다. 기초적인 질문인것 같아 죄송하지만, 왜 parameter간의 연관성이 높으면 각 parameter가 타당하지 못해지는 건가요..? 그리고 혹시 U-value 구하는 식을 알 수 있을까요~?

  • 답변

    이동진님의 답변

    Parameter 사이의 연관성이 높다는 얘기는, 다른 말로 parameter들의 값이 독립적으로 존재하지 못한다는 얘기잖아요. 예를 들어, data fitting을 통해서 parameter 값을 추출하는데 (ka=1, kd=2) 인 경우도 만족하고, (ka=2, kd=1)인 경우도 만족하는 경우엔 parameter의 유일성을 결정할 수 없게 되겠죠.
    그리고, U-value는 parameter사이의 연관성을 평가하는 통계도구로 실제 SPR 기기에서 어떤 통계도구를 사용하는지는 잘 모르겠습니다. 제가 알고있는 연관성 평가 지표 중의 하나는 'covariance'인데 (아래링크 참조), covariance=0인 경우 두 변수 사이에 연관성은 없다고 판단합니다. 아마도, 크게 다르지 않은 방법으로 평가하지 않을까 싶습니다.  
    https://en.wikipedia.org/wiki/Covariance
    Parameter 사이의 연관성이 높다는 얘기는, 다른 말로 parameter들의 값이 독립적으로 존재하지 못한다는 얘기잖아요. 예를 들어, data fitting을 통해서 parameter 값을 추출하는데 (ka=1, kd=2) 인 경우도 만족하고, (ka=2, kd=1)인 경우도 만족하는 경우엔 parameter의 유일성을 결정할 수 없게 되겠죠.
    그리고, U-value는 parameter사이의 연관성을 평가하는 통계도구로 실제 SPR 기기에서 어떤 통계도구를 사용하는지는 잘 모르겠습니다. 제가 알고있는 연관성 평가 지표 중의 하나는 'covariance'인데 (아래링크 참조), covariance=0인 경우 두 변수 사이에 연관성은 없다고 판단합니다. 아마도, 크게 다르지 않은 방법으로 평가하지 않을까 싶습니다.  
    https://en.wikipedia.org/wiki/Covariance
    등록된 댓글이 없습니다.