medRxiv 预印本· Parsa, S. J., Jee, Y. H., Argentieri, M. A., Guez, J., Lu, W., Padhi, E. M., Kiernan, E., Jabal, R., Kurki, M. I., FinnGen,, Neale, B. M., Lichtenstein, L., Talkowski, M. E., Montgomery, S. B., Lennon, N. J., Martin, A. R., Daly, M. J., Karczewski, K. J. ·· 1 天前AI 评分22
蛋白质组学风险预测模型跨生物样本库的泛化性取决于表型定义
Generalizability of proteomic risk prediction across biobanks reveals dependence on phenotype definitions
AI 导读
研究基于 UK Biobank（n=53,026）的 Olink 蛋白质组学数据为 15 种疾病训练预测模型，平均 AUC 为 0.74（范围 0.56-0.89），较仅用临床因素的模型平均 ΔAUC 提升 0.03。
来源：medRxiv 预印本 · medrxiv.org