Proteomics에서 Missing Value를 어떻게 해석해야 하는가
1. Missing value는 오류가 아니라 데이터의 일부다Proteomics 데이터에서 NA는 다음을 의미할 수 있다:단백질이 실제로 존재하지 않음농도가 검출 한계 이하MS/MS sampling 실패peptide 동정 실패데이터 필터링 기준 미충족👉 즉, missing value는 “0”이 아니라 불확실성의 표현이다.2. Missing value의 세 가지 유형통계적으로 missing value는 세 가지로 분류된다.2.1 MCAR (Missing Completely At Random)특징무작위로 발생abundance와 무관기술적 오류 가능성 높음예파일 손상peak picking 오류소프트웨어 버그👉 가장 드물지만, 발견 시 데이터 품질 점검 필요2.2 MAR (Missing At Random)특..
제약산업
2026. 3. 13. 20:08
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- LC-MS
- 분석팀
- 정밀의료
- 분석
- bioanalysis
- 정량분석
- 치료제
- 대사체 분석
- 미래산업
- 머신러닝
- matrix effect
- ich m10
- 신약개발
- 제약산업
- 임상시험
- 신약 개발
- 제약
- 약물개발
- audit
- metabolomics
- Multi-omics
- lc-ms/ms
- 디지털헬스케어
- 시스템
- 데이터
- 약물분석
- Targeted Metabolomics
- AI
- 바이오마커
- Spatial metabolomics
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
글 보관함