来自日本科学技术厅(JST)，RIKEN和东京大学的研究小组开发了一种新的数据分析方法，用于事先评估单晶结构分析。他们提出的方法基于对初步收集的小数据集中固有参数的精确估计。在单晶结构分析和精确晶体观察的测量设计之前，他们展示了其在主客体晶体中的客体区别的应用。

最近开发了用于单晶结构分析的测量装置和分析程序;因此，它减少了研究人员对分子结构的晶体学观察的努力。然而，研究人员有时会被困在“盲”测量分析迭代中，直到分析结果满足其目的。JST和RIKEN的研究员Manabu Hoshino博士说：“几乎在所有情况下，迭代都被迫采取以下两个原因之一 - 观察到的结构不精确或超出研究目的。”他正在处理这个问题，以提高单晶结构分析的效率，并构思了从初步数据评估待收集数据和待观察结构的想法。

此外，“经验丰富的晶体学家成功地通过选择晶体并根据对初步收集的小数据集的仔细检查设定实验条件来绕过迭代，”Hoshino说。此外，他继续说道“在我们的方法中，估计的参数用于模仿专业晶体学家的晶体选择和测量设计。”

它们提出的方法的实际应用被证明是包含在多孔基质晶体中的待观察的客体溶剂分子的先前区别。由于使用相同主体分子组成的晶体结构的同构性，通常仅在完成晶体结构分析之后澄清所包含的客体溶剂分子的差异。Hoshino和他的合作者将他们的方法应用于从不同混合溶剂溶液中生长的两个主客体晶体收集的初步小数据集，并显示估计参数的差异可用于区分这些晶体中的客体溶剂分子。

此外，他们利用估计参数作为通过在描述晶体学数据的理论方程中使用它来创建待收集数据的手段。从创建的数据中建议了用于定量保证数据的最低信噪比阈值。实际上，满足所提出的阈值的收集数据使得能够通过化学键合来研究电子密度的变形的精确晶体学观察。

“我们提出的方法将帮助那些在晶体选择和测量设计方面缺乏单晶结构分析经验的研究人员，”Hoshino总结道。“我相信我们的方法将鼓励研究人员利用已开发的测量设备和分析程序。”