Upregulated Protein이 항상 기능 증가를 의미하지 않는 이유
Proteomics에서 가장 흔하지만 가장 위험한 해석 실수Proteomics 데이터를 분석하다 보면 가장 먼저 눈에 들어오는 것은 변화가 큰 단백질들이다.Volcano plot에서 오른쪽 위에 위치한 단백질.Fold change가 크고 p-value도 매우 작은 단백질.연구자는 자연스럽게 그 단백질에 주목한다.그리고 거의 반사적으로 이런 해석을 시작한다."이 단백질의 기능이 증가했다.""이 pathway가 활성화되었다.""이 단백질이 질병 진행을 촉진한다."사실 대부분의 Proteomics 논문은 이런 흐름으로 전개된다.---------------------------------------Protein abundance 증가↓기능 증가 추론↓생물학적 의미 부여↓메커니즘 제안----------------..
제약산업
2026. 6. 2. 20:37
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 분석팀
- 정밀의료
- Biomarker
- 치료제
- biological signal
- 임상시험
- Multi-omics
- metabolomics
- Targeted Metabolomics
- matrix effect
- Proteomics
- 제약산업
- 미래산업
- 분석
- 바이오마커
- 정량분석
- Missing Value
- 약물분석
- 해석
- lc-ms/ms
- 시스템
- AI
- 재현성
- LC-MS
- audit
- bioanalysis
- 제약
- 신약개발
- 대사체 분석
- 데이터
| 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 |
글 보관함