bioRxiv 预印本· Hoang, D., Thompson, R., Lund, A., Kritzer, E., Buxbaum-Grice, A., John, D., Nadkarni, G., Golestani, N., Charney, A. W., Beckmann, N. ·· 1 天前AI 评分18
神经精神疾病基因表达分析中替代变量与过拟合风险
Surrogate variables and the risk of overfitting in neuropsychiatric gene expression analyses
AI 导读
一项基于合成数据及14个脑RNA-seq与微阵列数据集（涵盖阿尔茨海默病、自闭症谱系障碍、双相障碍、精神分裂症和帕金森病）的研究显示，替代变量分析（SVA）在合成数据中常导致高假阳性率，且标准诊断方法无法揭示该问题。在真实数据中，使用SVA会降低差异表达特征的跨队列可重复性，无论纳入多少替代变量。研究提示SVA在真实信号水平下存在过拟合风险，建议谨慎、逐案使用，并优先对已知协变量建模。
来源：bioRxiv 预印本 · biorxiv.org