此时，你的数据OriginalData就已经构建完成，保存数据，以便以后再使用。这就是构建数据集的整个过程。接下来，可以直接运行那篇平行因子分析论文，将你的OriginalData数据带入进行分析。在数据导入之前，别忘了对荧光数据进行空白减除矫正。
这篇文章主要介绍了如何从三维荧光平行因子分析（PARAFAC）的组分数据中导出所需的数据。首先，我们通过drEEM工具箱的fingerprint函数导出组件数据，需要注意的是，drEEM生成的组件图数据分布在多个子属性中，需要分别获取。例如，通过三次获取操作，我们能获取到每张图的数据。
在导出至Excel表格时，我们可以通过Xs里的filelist给文件命名，并利用xlswrite或writematrix函数将数据写入表格中。通过适当的参数设置，我们可以轻松地将横纵坐标加入到Excel文件中，从而便于后续分析。至此，我们已经完成了从三维荧光平行因子分析中导出组分数据的全过程。
1、这篇文章主要介绍了如何从三维荧光平行因子分析（PARAFAC）的组分数据中导出所需的数据。首先，我们通过drEEM工具箱的fingerprint函数导出组件数据，需要注意的是，drEEM生成的组件图数据分布在多个子属性中，需要分别获取。例如，通过三次获取操作，我们能获取到每张图的数据。
2、在导出至Excel表格时，我们可以通过Xs里的filelist给文件命名，并利用xlswrite或writematrix函数将数据写入表格中。通过适当的参数设置，我们可以轻松地将横纵坐标加入到Excel文件中，从而便于后续分析。至此，我们已经完成了从三维荧光平行因子分析中导出组分数据的全过程。
3、导入数据 我们看到在工作区生成了一个OriginalData的数据。继续操作。此时，你的数据OriginalData就已经构建完成，保存数据，以便以后再使用。这就是构建数据集的整个过程。接下来，可以直接运行那篇平行因子分析论文，将你的OriginalData数据带入进行分析。在数据导入之前，别忘了对荧光数据进行空白减除矫正。
4、在探索三维荧光平行因子分析的秘密时，我们不得不提及那个核心的数学模型，它揭示了样本i在特定激发和发射波长下的荧光强度分布，而那个难以捉摸的最后一项，实际上是未被解释的信号，犹如数据海洋中的暗流，包含了噪音与未知变化的痕迹。
三维荧光稀释后的数据需要乘稀释倍数。三维荧光的操作方法：测稀释到合适范围的溶液的吸光度，然后根据工作曲线找到稀释后的浓度，再乘稀释倍数。
是稀释前溶液浓度除以稀释后的溶液浓度所得的商。三维荧光能提供激发波长和发射波长同时变化时荧光强度信息的荧光光谱，和紫外稀释倍数是稀释前溶液浓度除以稀释后的溶液浓度所得的商，紫外测定的样品大多需要稀释，稀释的目的是使得样品的吸收度A在0.3-0.7之间。
遇到负值光谱问题，首先要考虑是否样品浓度过高，适当剪除空白能有所改善。对于稀释标准，建议通过预实验来确定，观察不同倍数的稀释对吸光度的影响，直至浓度与吸光度建立线性关系。[3]在荧光分析前，通常设定了U.V.254吸光度小于0.3作为阈值，但这并非一成不变，有时可能需要根据具体样品调整。
然而随着细胞的膨胀，单个细胞的蛋白质含量（约1mM）将被稀释8000倍（约140nM）。这是一个难点，人眼的对比灵敏度有限，即使在理想条件下，也需要至少410倍高浓度（58μM）的高吸收性染料才能检测50μM宽和厚的物体。
