在脂质组数据集中计算缺失值

科学领域:

• * 脂管组学 脂管组学是指脂管组学.
• * 生物信息学是一门学科.
• * 统计分析 统计分析

背景情况:

• * 脂质组数据集经常包含缺失的值,影响统计分析.
• * 缺失的数据可以分为完全随机缺失 (MCAR),随机缺失或不随机缺失 (MNAR).
• * 计算技术对于处理缺失数据至关重要,以实现统计方法和增强效应识别.

研究的目的:

• * 评估脂质组数据的各种归算方法的性能.
• * 将常用的方法 (零,半最小,平均值,中位数) 与先进的技术 (k-最近邻居,随机森林) 进行比较.
• * 通过模拟和真实枪脂组学数据集来评估归算的有效性.

主要方法:

• * 调查了零,半最小,平均值和中位数的归算.
• * 评估的k-最近邻居 (KNN) 和随机森林归算.
• * 利用模拟研究和真实枪脂管学数据分析.
• *专注于基于相关性和基于截断正常分布的KNN方法.

主要成果:

• * 快枪脂组学数据的特点是高相关性和缺失值,通常是由于分析物丰度低而导致的MNAR.
• *基于相关性和基于截断的正常分布的KNN归算方法显示出最佳性能.
• *这些先进的KNN方法有效地归算了缺失值,无论缺失类型如何.
• * 计算方法成功控制了统计比较中的I型错误率.

结论:

• * K-近邻归算,特别是基于相关性和截断的正常分布的方法,对于缺乏的脂管学数据非常有效.
• *即使缺失不是随机的 (MNAR),这些方法也表现良好,这是脂管学中常见的情况.
• * 选择的归算技术通过控制I型错误率来保持统计的严谨性.