제약회사 연구원의 블로그

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..

1. Shotgun proteomics의 기본 구조: 재현성에 불리한 설계Shotgun proteomics는 일반적으로 다음 workflow를 따른다:단백질 추출효소 소화 (trypsin digestion)LC-MS/MS 분석 (DDA)peptide identificationprotein inference정량 분석이 과정의 핵심 문제는 데이터 획득 방식(DDA) 에 있다.2. 근본 원인 1: DDA의 확률적(stochastic) 샘플링DDA(Data-Dependent Acquisition)의 작동 방식MS1에서 강한 precursor ion 선택상위 N개 이온만 MS/MS 수행즉, 기기는 매 스캔마다 “가장 강한 신호”만 선택한다.왜 이것이 재현성을 깨는가같은 샘플이라도:미세한 noise 차이이온화 효율..