Analisis Kuantitatif Rangkaian Sensor Fluoresensi

Abstrak
Rangkaian sensor fluoresensi mengatasi keterbatasan sensor tunggal dengan memanfaatkan beberapa elemen penginderaan untuk menghasilkan pola respons unik untuk setiap analit yang diinginkan. Pendekatan ini telah muncul sebagai alat yang ampuh untuk mengidentifikasi dan menganalisis lingkungan kimia dan biologis yang rumit menggunakan berbagai alat analisis multivariat seperti analisis komponen utama (PCA), analisis diskriminan linier (LDA) dan analisis kluster hierarkis (HCA). Meskipun demikian, ekstraksi informasi kuantitatif yang andal dari rangkaian ini menghadirkan tantangan yang lebih besar, terutama karena kompleksitas yang terkait dengan pengelolaan kumpulan data besar menggunakan metode regresi konvensional. Dalam beberapa tahun terakhir, telah terjadi lonjakan penting dalam mengeksplorasi berbagai teknik multivariat statistik dan model pembelajaran mendalam (termasuk PCA, LDA, HCA, regresi kuadrat terkecil parsial, regresi vektor pendukung, regresi proses gaussian dan jaringan saraf) sebagai alat regresi modern untuk menangani data multidimensi. Alat analisis ini memfasilitasi perolehan informasi kualitatif dan kuantitatif secara bersamaan untuk berbagai analit menggunakan rangkaian sensor.