Despite such benefits, gene express

Despite such benefits, gene expression data are frequently
peppered with missing values that may occur for a variety of
reasons. These include insufficient resolution, image corruption,
array fabrication error, and experimental error during the
laboratory processing [12]. Therefore, the treatment of missing
values is a critical step in preprocessing as data quality is a
major concern in consequent downstream analysis. This socalled
data cleaning [5] the need for repeating experiments,
which can be expensive and time consuming. Note also that the
repeat of experiments may not guarantee data completeness.

ผลลัพธ์ (ไทย) 1:

แม้ มีประโยชน์เช่น ยีนข้อมูลนิพจน์มักจะ
peppered มีค่าสูญหายที่อาจเกิดขึ้นสำหรับ
เหตุผล เหล่านี้มีความละเอียดไม่เพียงพอ ภาพความเสียหาย,
เรย์ผลิตข้อผิดพลาด และข้อผิดพลาดทดลองระหว่างการ
ปฏิบัติประมวลผล [12] ดังนั้น การรักษาขาด
ค่าเป็นขั้นตอนสำคัญในการประมวลผลเบื้องต้นเป็นข้อมูลคุณภาพการ
ความกังวลหลักในการวิเคราะห์ผลลัพธ์ขั้นปลายน้ำ Socalled นี้
ทำความสะอาดต้องทำซ้ำการทดลอง [5] ข้อมูล
ซึ่งอาจจะมีราคาแพง และใช้เวลานานได้ โปรดสังเกตด้วยว่าการ
ซ้ำของการทดลองอาจไม่รับประกันความสมบูรณ์ของข้อมูลได้

ผลลัพธ์ (ไทย) 2:

แม้จะมีประโยชน์เช่นข้อมูลการแสดงออกของยีนมัก
พริกไทยด้วยค่าที่ขาดหายไปที่อาจเกิดขึ้นสำหรับความหลากหลายของ
เหตุผล เหล่านี้รวมถึงความละเอียดไม่เพียงพอความเสียหายภาพ
ข้อผิดพลาดผลิตอาร์เรย์และข้อผิดพลาดในระหว่างการทดลอง
การประมวลผลทางห้องปฏิบัติการ [12] ดังนั้นการรักษาที่หายไป
ค่าเป็นขั้นตอนที่สำคัญในการประมวลผลเบื้องต้นเป็นข้อมูลที่มีคุณภาพเป็น
ความกังวลที่สำคัญในการวิเคราะห์ต่อเนื่องที่เกิดขึ้น นี้ socalled
ข้อมูลการทำความสะอาด [5] ที่จำเป็นสำหรับการทำซ้ำการทดลอง,
ซึ่งอาจมีราคาแพงและใช้เวลานาน ทราบว่า
การทำซ้ำของการทดลองอาจไม่รับประกันความสมบูรณ์ของข้อมูล

ผลลัพธ์ (ไทย) 3:

แม้จะมีประโยชน์ เช่น ข้อมูลการแสดงออกของยีนบ่อย
พริกไทยกับค่าสูญหายที่อาจเกิดขึ้นสำหรับความหลากหลายของ
เหตุผล เหล่านี้รวมถึงไม่เพียงพอ ความละเอียดภาพการทุจริต
ข้อผิดพลาดผลิตอาร์เรย์ และข้อผิดพลาดในกระบวนการปฏิบัติการทดลอง
[ 12 ] ดังนั้น การรักษาหายของ
ค่าเป็นขั้นตอนที่สำคัญในการเตรียมเป็นข้อมูลที่มีคุณภาพคือ
กังวลหลักในการวิเคราะห์จากผล . ซึ่งลากข้าง
ทำความสะอาดข้อมูล [ 5 ] ต้องการทำซ้ำการทดลอง
ซึ่งมีราคาแพงและใช้เวลานาน . ยังทราบว่า
ย้ำการทดลองอาจไม่รับประกันความสมบูรณ์ของข้อมูล