zum Directory-modus

Tutorial MenueMultivariate DatenanalyseLerneinheit 1 von 6

Multivariate Datenanalyse am Beispiel von Sensoren

Warum Multivariate Datenanalyse?

Es stellt sich natürlich die Frage, warum man überhaupt die multivariate Datenanalyse für Sensoren braucht. Dazu betrachtet man am besten zuerst einen Idealfall, für den eine univariate Datenanalyse ausreichend ist. In diesem Beispiel werden 2 Analyte mit 2 Sensoren vermessen:

Abb.1

Selektive Sensoren

Bei diesem Beispiel zeigt der Sensor 1 nur bei dem Analyten 1 ein Signal, während bei dem Analyten 2 nur der Sensor 2 ein Signal liefert. Man spricht in diesem Zusammenhang von selektiven Sensoren. Für die Quantifizierung des Analyten 1 reicht es somit, nur den Sensor 1 zu betrachten, während für die Quantifizierung des Analyten 2 nur der Sensor 2 benötigt wird. Somit reichen in diesem Beispiel zwei univariate Regressionen (zum Beispiel einfache Ausgleichsgeraden) aus.

Selektive Sensoren haben neben dem Vorteil des einfachen Geräteaufbaus (1-Sensor Aufbauten) und der einfachen Datenauswertung jedoch auch Nachteile. Zum einen muss für jeden Analyten, der quantifiziert werden soll, ein eigener selektiver Sensor bereitgestellt werden, zum anderen bedingt die hohe Selektivität oft auch eine schwierige Chemie und eine Problematik in der Reversibilität. Beispiele für selektive Sensoren können in der Biosensorik bei Antikörper-Antigen Wechselwirkungen gefunden werden.

Den weitaus häufigeren Fall stellen kreuzreaktive Sensoren dar, deren Prinzip in der Abbildung dargestellt ist.

Abb.2

kreuzreaktive Sensoren

Bei diesem Beispiel zeigt der Sensor 1 beim Analyten 1 ein hohes Signal, beim Analyten 2 jedoch ein etwas niedrigeres Signal. Der Sensor 2 zeigt beim Analyten 1 ein niedriges und beim Analyten 2 ein etwas höheres Signal. Man spricht in diesem Zusammenhang von kreuzreaktiven Sensoren, da die Sensoren nicht nur auf einen Analyten selektiv sondern auch auf andere Analyte kreuzreaktiv ansprechen. Für die Quantifizierung des Analyten 1 reicht es somit nicht, nur den Sensor 1 zu betrachten, da nicht klar ist, ob zu dem Sensorsignal nicht noch der störende Analyt 2 beiträgt. Somit reichen in diesem Beispiel zwei univariate Regressionen nicht aus. Eine Auswertung für dieses Beispiel ist nur möglich, wenn man für jeden Analyten beide Sensorsignale in Betracht zieht (das sogenannte Muster der Sensorsignale). Im Allgemeinen braucht man für eine quantitative Auswertung von kreuzreaktiven Analyten und Sensoren mindestens genau so viele Sensoren wie zu quantifizierende Analyte. Man hat es somit mit einem multidimensionalen Problem zu tun, welches eine multivariate Datenanalyse erfordert.

Neben dem Problem der komplizierteren multivariaten Datenanalyse haben kreuzreaktive Sensoren auch Vorteile. Zum einen sind nicht-selektive Sensoren von der Chemie aus gesehen oft einfacher herzustellen und zeigen meist sehr schnelle Ansprechzeiten und eine hohe Reversibilität. Zum anderen können diese Sensorarrays für sehr viele verschiedene Substanzen eingesetzt werden, da es auf das Muster der Sensorantworten ankommt. Der Wechsel zu einer anderen Selektion an zu untersuchenden Analyten ist somit im Idealfall nur mit der Rekalibration der Auswertemethode verbunden und nicht mit dem Auswechseln von spezifischen Sensoren.

Seite 4 von 7