A preregistered test that outcome-permuted data also pass: mathematical coupling in a pan-cancer analysis of proliferation adjustment in prognostic gene expression studies
تُثبت هذه الورقة، من خلال تحليل شامل لأنواع مختلفة من السرطانات مسجل مسبقاً، أن فرضية تتعلق بالاقتران الرياضي في دراسات التعبير الجيني الإنذارية قد تأكدت إلى حد كبير عن طريق التصميم، حيث استوفت معايير الاختبار حتى عند تطبيقها على بيانات صفرية تم تبديل نتائجها، مما يسلط الض الضوء على الحاجة الماسة للتحقق من صحة مسارات التحليل مقابل النتائج المبدلة لتجنب استنتاجات الارتباط الزائف.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم أبحاث السرطان، يبحث العلماء غالبًا عن جينات محددة تعمل كعلامات تحذيرية لكيفية تطور مرض المريض. ومن خلال تحليل نشاط هذه الجينات في الورم، يأمل الباحثون في التنبؤ بما إذا كان المريض سيعيش لفترة أطول أم أقصر. ومع ذلك، فإن الأورام معقدة، ويتأثر سلوكها بالعديد من العوامل، مثل عمر المريض، وحجم الورم، ومدى سرعة انقسام الخلايا السرطانية. ويتمثل التحدي الرئيسي في هذا المجال في التمييز بين الجين الذي يعد مؤشرًا فريدًا للبقاء على قيد الحياة، وبين الجين الذي يعكس ببساطة السرعة العامة لنمو الورم. إذا نسي الباحث مراعاة سرعة انقسام السرطان، فقد ينسب خطأً أهمية لجين معين في التنبؤ بالنتيجة، بينما هو في الواقع مجرد راكب في قطار انقسام الخلايا سريع الحركة. تُعرف هذه المشكلة باسم "الاقتران الرياضي"، وهي حالة ترتبط فيها قياسات معينة ببعضها البعض لمجرد أنه تم حسابها باستخدام نفس البيانات الأساسية، مما يخلق شعورًا زائفًا بالارتباط.
وضع باحث يدعى سون وو نام (Soon Woo Nam) خطة لاختبار فكرة محددة حول كيفية إنشاء قوائم الجينات هذه، وما إذا كانت الأساليب الإحصائية القياسية يمكن أن تؤكد عن طريق الخطأ نمطًا ليس موجودًا في الحقيقة. ركزت الدراسة على مجموعة كبيرة من البيانات من عشرين مجموعة مختلفة من مرضى السرطان، تغطي أربعة عشر نوعًا من السرطان وما يقرب من خمسة آلاف فرد. وكان الهدف هو معرفة ما إذا كان تعديل "درجة التكاثر" (proliferation score) — وهو مقياس لسرعة انقسام الخلايا السرطانية — سيغير قائمة الجينات التي تبدو وكأنها تتنبأ بالبقاء على قيد الحياة. كان لدى الباحث خطة مسجلة مسبقًا، مما يعني أن قواعد التحليل قد كُتبت قبل النظر في البيانات، لضمان أن تكون العملية عادلة وشفافة. وتوقعت الخطة أنه عند إضافة سرعة انقسام الخلايا إلى النماذج الإحصائية، فإن الأهمية التقديرية للجينات الأخرى ستتغير بطريقة محددة للغاية وقابلة للتنبؤ بها عبر جميع أنواع السرطان المختلفة.
وعند تشغيل التحليل على بيانات المرضى الفعلية، تطابقت النتائج مع التوقعات تمامًا. أظهرت البيانات أن أهمية الجينات تغيرت تمامًا كما توقعت الخطة، وهذا النمط ظل صحيحًا في كل مجموعة من مجموعات العشرين نوعًا من السرطان. للوهلة الأولى، قد يبدو هذا تأكيدًا قويًا على أن الأسلوب الإحصائي يعمل كما هو منشود. ومع ذلك، أجرى الباحث بعد ذلك فحصًا حاسمًا نادرًا ما يتم إجراؤه في مثل هذه الدراسات؛ حيث أخذ نفس البيانات وقام بخلط نتائج البقاء على قيد الحياة — أي جعل عملية تحديد من عاش ومن مات عشوائية — بحيث لا يمكن لأي جين أن يكون مؤشرًا حقيقيًا للبقاء على قيد الحياة. في هذه النسخة المبعثرة من الواقع، حيث لا يهم أي شيء، تم تشغيل الاختبار الإحصائي نفسه مرة أخرى. ومن المثير للدهشة أن الاختبار نجح أيضًا. فقد استوفت البيانات المبعثرة نفس المعايير التي استوفتها البيانات الحقيقية، مؤكدةً النمط رغم عدم وجود أي إشارة بيولوجية حقيقية لوجدها.
يكشف هذا الاكتشاف عن خلل جوهري في كيفية تفسير هذه الاختبارات أحيانًا. إن النمط الذي كان يبحث عنه الباحث ليس علامة على علاقة بيولوجية حقيقية أو نوع محدد من الخطأ يسمى "الارتباط المربك" (confounding). بدلاً من ذلك، فإن هذا النمط "مدمج" في الرياضيات نفسها. نظرًا لأن القياس الجديد (سرعة انقسام الخلايا) مشتق من بيانات الجينات نفسها المستخدمة لحساب الجينات الأخرى، فإن النماذج الإحصائية مجبرة رياضيًا على إظهار علاقة، بغض النظر عما إذا كانت تلك العلاقة حقيقية أم زائفة. لقد كان الاختبار حساسًا جدًا لهذا الهيكل الرياضي لدرجة أنه لم يستطع التمييز بين التأثير البيولوجي الحقيقي وبين مجرد خلط عشوائي للأرقام. في الواقع، في اثنين وتسعين حالة من أصل مائة تجربة عشوائية، كان الاختبار سينجح، رغم عدم حدوث أي شيء فعليًا.
كما بحثت الدراسة في كيفية تغير قائمة الجينات المهمة عند إضافة عوامل مختلفة إلى النماذج. فعندما أضاف الباحثون مرحلة السرطان (مدى انتشاره) أو سرعة انقسام الخلايا إلى حساباتهم، انخفض عدد الجينات التي بدت وكأنها مؤشرات تنبؤية مهمة بشكل كبير. وفي بعض الحالات، أدى إضافة هذه العوامل إلى إزالة أكثر من نصف الجينات التي بدت مهمة سابقًا. يشير هذا إلى أن قائمة "الجينات التنبؤية" ليست مجموعة ثابتة من الحقائق البيولوجية، بل هي قائمة تعتمد بشدة على العوامل الأخرى التي يختارها الباحث لتضمينها في نموذجه. إذا لم يأخذ الباحث في الاعتبار سرعة انقسام الورم، فقد يدرج العديد من الجينات في قائمته التي تعكس تلك السرعة فحسب، بدلاً من تقديم معلومات فريدة عن مستقبل المريض.
الاستنتاج النهائي هو أن الفرضية المسجلة مسبقًا يمكن تأكيدها ببساطة من خلال طريقة تكوين البيانات، وليس لأن الفرضية صحيحة. لقد أثبت الباحث أن إجراء اختبار على البيانات المبدلة (permuted data) — حيث يتم جعل النتائج عشوائية — قبل وضع الخطة النهائية للتحليل، كان من شأنه أن يكشف هذه المشكلة على الفور. فإذا نجح الاختبار عندما لا يحدث أي شيء، فلا يمكن الوثوق به لإثبات أن شيئًا ما يحدث عند استخدام البيانات الحقيقية. وتعد هذه الدراسة تذكيرًا بأنه في دراسات الجينات المعقدة، تكون قائمة الجينات المهمة حساسة للغاية للاختيارات التي تتم أثناء التحليل. ويجب على الباحثين أن يكونوا شفافين بشأن العوامل التي يعدلون من أجلها، وأن يدركوا أن تغيير هذه العوامل يمكن أن يغير النتائج بشكل جذري، بل وقد يؤدي أحيانًا إلى إزالة ثلثي الجينات التي بدت في البداية مهمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.