输入学:在代谢学数据中输入缺失值的Web服务器和R包
Jarosław Chilimoniuk1, Krystyna Grzesiak1,2, Jakub Kała1
1Clinical Research Centre, Medical University of Białystok, Białystok, Poland.
Bioinformatics (Oxford, England)
|February 20, 2024
概括
本研究介绍了"imputomics",一个R包和Web应用程序,简化了质谱代谢学数据的缺失值赋值. 它提供41个算法和一个新的选择工具来提高数据质量和分析.
科学领域:
- 代谢学 代谢学 代谢学
- 生物信息学是一种生物信息学.
- 数据科学数据科学数据科学
背景情况:
- 在基于质谱的代谢学数据中,缺失的值很普遍.
- 准确的缺失值归算对于稳健的统计分析,机器学习和数据完整性至关重要.
- 现有的缺失值推算算法 (MVIA) 众多,但由于依赖性,文档和稳定性问题,使用它们具有挑战性.
研究的目的:
- 开发一个用户友好的工具,用于在代谢学数据中赋值缺失的值.
- 提供全面的解决方案,解决与现有MVIAs相关的挑战.
- 引入一种基于性能和执行时间的最佳MVIA选择的新方法.
主要方法:
- 开发了"imputomics"的R包和一个闪亮的网络应用程序.
- 整合了41个已建立的缺失值归算算法 (MVIA) 和随机归算基线.
- 实施了一项新的功能,用于推针对代谢学数据量身定制的MVIA.
主要成果:
- 该"imputomics"包为41个MVIA提供了一个方便的包装.
- 一个Web应用程序和命令行工具可供轻松访问.
- 一个新的选择功能有助于为特定的代谢学数据集选择表现最佳的MVIA.
结论:
- "输入学"简化了代谢学中缺失值赋值的复杂格局.
- 该套件提高了数据质量,并促进了更可靠的下游分析.
- "输入学"是免费的,促进了更广泛的采用和在现场的可复制性.
