SVA在神经精神基因表达分析中易致过拟合

2026年10月12日，bioRxiv发布一项预印本研究，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），考察替代变量分析（SVA）在神经精神疾病基因表达分析中的表现。研究显示，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。