4 件の記事
近赤外やラマンの定量値を出しているのは装置ではなく回帰式である。その回帰式を評価する数字（RMSEC・RMSECV・RMSEP）は すべて同じ残差から作られるのに、意味はまったく違う。ICH Q2(R2) は多変量モデルの検証に使う「独立な試料」を 「検量セットに含まれない試料。検量試料と同じロットから採ってもよい」と明示的に定義している。 この定義を満たす検証セットで RMSEP 0.65 という良好な数字を出したモデルが、妨害成分との相関が崩れた試料では 平均値を答えるより悪い（R² = −0.63）ことを、疑似スペクトルの数値実験で示す。 そのうえで、成分数の選び方、ASTM E1655 が要求する試料数（6(k+1) の意味）、SEC の自由度が標準化団体間で 一致していない問題までを、公定文書の条文と筆者の計算で整理する。
ノンターゲットのLC-MSメタボロミクスでは、1回の測定で数万の「特徴量（feature）」が検出される。 しかしその数は測定できた代謝物の数ではない。大腸菌の実データを系統的に注釈した研究は、 25,230の特徴量が892のユニークな分析種にまで減ることを示した。28分の1である。 本記事は、なぜ1つの代謝物が何十もの特徴量に分裂するのか、その縮退が統計の検出力をどう削るのかを 原著の数値で追い、そのうえでプールQCの置き方・受入基準（検出率・RSD・D-ratio）・ シグナル補正という品質管理の実務を、ガイドライン論文と109報の実態調査から整理する。
5 つの研究室が 400・500・600 MHz の装置で同じブロッコリー抽出液を測ったリング試験では、スペクトルを 0.01 ppm 幅で区切って主成分分析にかけると、第 1 主成分（分散の 61 %）は「磁場強度」を表し、品種の違いは第 2 主成分に押し出された。区切り幅を 0.04 ppm に広げると第 1 主成分（80 %）が品種になり、磁場強度は第 2 主成分（18 %）へ下がった。装置の差も生物の差も、どちらが「主」に見えるかは前処理が決めている。NMR が質量分析より感度で 10〜100 倍劣りながら 11 万人規模のコホートで選ばれる理由、2 拠点で測った差が投薬前の個体差の 5 分の 1 だった実験、結合定数が Hz で決まっているために低磁場ほど多重線が ppm 上で広がる仕組み、pH と緩衝液、1D スペクトルの標準手順までを、査読論文の原文にあたって整理する。
1D NMR から構造を当てる機械学習の報告は「69.6 %」という数字を出している。ただしこれは 1 発で当たる確率ではなく、候補を 15 個出したうちのどれかに正解が入っていた割合で、 裏返せば 15 個並べても約 3 割は正解を含まない。それでも探索空間は最大 11 桁縮む。 AI・機械学習は分析化学の「測る」より下流――スペクトルやクロマトグラムを読み解く 解析工程を急速に変えつつある。NMR からの構造推定、質量分析による未知化合物・ペプチドの同定、 クロマトの保持時間予測、複数手法をまたぐ「基盤モデル」までを手法別に整理し、あわせて 過学習・データリーケージ・再現性といった落とし穴と、分析者が果たすべき役割を解説する。