Missing value 처리 방법이 결과를 바꾸는 이유
Missing value 처리 방법이 결과를 바꾸는 이유Proteomics에서 가장 위험한 숫자는 “0”이 아니라 “비어 있는 칸”이다Proteomics 데이터를 처음 분석할 때 많은 사람들이 가장 당황하는 부분 중 하나가 missing value다. 어떤 protein은 control에서는 잘 보이는데 disease sample에서는 전부 비어 있고, 어떤 peptide는 replicate 중 절반만 존재하며, low abundance protein은 거의 랜덤하게 사라지는 것처럼 보인다.처음에는 단순 측정 실패처럼 느껴진다. LC-MS가 완벽하지 않으니 일부 peptide는 못 잡을 수도 있다고 생각한다. 그래서 자연스럽게 다음 단계로 넘어간다.“비어 있는 값을 어떻게 채울까?”그리고 이 순간부터 p..
제약산업
2026. 5. 27. 20:00
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 시스템
- Targeted Metabolomics
- 정밀의료
- matrix effect
- lc-ms/ms
- bioanalysis
- 신약개발
- Missing Value
- 약물분석
- 제약산업
- 정량분석
- 대사체 분석
- 분석팀
- audit
- 바이오마커
- AI
- 제약
- 분석
- Proteomics
- 데이터
- 해석
- 미래산업
- biological signal
- LC-MS
- 재현성
- 임상시험
- Multi-omics
- 치료제
- metabolomics
- Biomarker
| 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