Peak Picking Options

Mnova 有三种选峰算法：GSD（默认情况下，具有全局波谱解卷积功能，比 Std 慢）、Standard（无解卷积功能，比 GSD 快）和 Bruker 的 MLDCON（用于 Bruker 数据集）：

您可以从下拉菜单中选择峰类型：

自动检测模式可让 Mnova 决定实验类型，例如，如果您使用幅度模式采集 2D NMR 图谱，Mnova 将只搜索正峰。但是，如果您有一个 DEPT 数据集，它将同时搜索正峰和负峰。用户还可以强制只搜索正峰、负峰或两种峰。

GSD 选峰选项：

基于GSD （全局频谱解卷积）的选峰 功能有以下选项：

GSD 有不同的操作级别，从非常快速但不准确的方法到较慢但更准确的方法。此外，GSD 还可以自动识别溶剂峰、杂质等。我们建议使用 1（闪烁）或 2 的 GSD 级别。

在该菜单中，我们可以设置 GSD 峰的细化级别（循环次数）和 "自动分类"。单击 "默认值 "按钮将从注册表中恢复默认设置。

细化级别 "将是应用于波谱的 GSD 拟合周期数。例如，如果您选择 2 个周期，这意味着程序将对原始波谱应用一个 GSD，然后对去卷积波谱应用另一个 GSD。GSD 有不同的操作等级，从非常快速但不准确的方法到较慢但更准确的方法。我们建议使用 1（闪烁）或 2 的 GSD 级别。

自动分类"：程序会尝试识别波谱中每个信号的类型（化合物、溶剂、杂质等）。该信息将显示在峰值表的 "类型 "栏中。该功能仅适用于 GSD（不适用于标准方法）。

点击 "Advanced（高级）"按钮可选择 "Quantitative GSD"（定量 GSD）算法，该算法在拟合过程中产生的残差更少，面积值更好。

标准选峰选项：

该算法比 GSD 快得多，但不包括解卷积。

在 "选峰选项 "对话框中可以控制一系列选项，该对话框可通过选峰滚动菜单访问。用户可以选择 "噪声系数"（2D 可视阈值）和 "峰类型"。点击 "高级 "按钮，还可以更改 "灵敏度 "系数（数值越大，选取的峰越少）、峰的最大数量、是否 "使用抛物线插值 "以及二维多重峰的合并选项。只要选中"交互式 "方框，所有这些选项都可以进行交互式评估，以便在屏幕上 实时查看结果。

- 灵敏度：基本上是一种平滑参数。例如，在噪声波谱中，如果该参数值较大，则会使背景波谱变得平滑，从而减少检测到的峰值。默认情况下，该值为 1，这意味着程序将尝试在波谱中找到最大数量的峰值。这是常规一维波谱的推荐值。

灵敏度系数确实会被程序使用，其主要用途是避免在噪声波谱中检测到过多的峰值。如上所述，该选项可被视为一种平滑参数，在应用峰值拾取算法之前以某种方式加以应用。例如，如果噪声峰值很高，并且由于噪声的随机波动而产生了很多局部极值，那么峰值拾取算法可能会发现过多的峰值，而这些峰值并不是真正的峰值，只是噪声的局部最大值/最小值。为了避免出现这种情况，可以提高灵敏度系数，对峰值进行实时平滑处理，最好只检测到真正的峰值。

例如，在噪声频谱中，如果灵敏度值很低，就会出现这种情况：

而当使用较高的数值时，结果会是这样：

下面将通过打开马钱子的 1H-NMR 图谱来展示程序是如何使用灵敏度因子的。首先您将看到灵敏度 = 1 时的结果（顺便提一下，灵敏度系数可以小于 1，这一点很重要。 数值越小，算法的分辨能力越强）：

因此您可以看到，在灵敏度 =1 的情况下，所有的峰都被检测到了。现在，让我们将数值增加到 10。结果如下

您可以看到只有 4 个峰值被检测到，同时缺少了 2 个分辨率较低的峰值。

- 噪声系数：这是一种强度阈值。程序会自动计算频谱的噪声值。然后将该噪声值乘以噪声系数。运行峰值拾取算法后，小于噪声值乘以噪声系数的峰值将被剔除。如下图所示，程序会将垂直阈值显示为频谱中的两条水平线：

布鲁克公司的 MLDCON

该算法可用于任何布鲁克 1D 波谱（正峰和负峰）。需要安装 Java 虚拟机。您可以选择信噪比阈值和迭代次数：