WITHDRAWN: Deviation Error: assessing machine learning predictions for replicate measurements in genomics and beyond
Este manuscrito ha sido retirado debido a que la métrica fundamental de "Error de Desviación" requiere una formalización matemática sustancial y una validación teórica antes de que pueda establecerse como una regla de puntuación adecuada para evaluar las predicciones de aprendizaje automático.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Imagina que eres un detective intentando resolver un misterio, pero en lugar de buscar huellas dactilares, buscas patrones en los diminutos manuales de instrucciones que hay dentro de cada célula viva. Este campo se llama genómica, y es como intentar leer una biblioteca de miles de millones de libros para entender cómo funciona la vida. Pero aquí está la parte difícil: cuando los científicos intentan leer estos libros, a menudo hacen copias de la misma página para estar seguros de haberla captado correctamente. Estas copias se llaman "mediciones de réplica". La gran pregunta en este mundo es: ¿cómo sabemos si nuestras suposiciones sobre lo que hay en esos libros son realmente buenas? Necesitamos una forma de medir el "error" o la "desviación" entre lo que predijimos y lo que realmente vimos. Si nuestra cinta métrica está rota, podríamos pensar que hemos encontrado una nueva especie de dragón cuando solo hemos leído mal un lagarto. Por eso, tener una regla perfecta para medir estos errores es la herramienta más importante que un científico puede tener.
Ahora, imagina a un equipo de científicos llamados Husam y J. Timothy que decidieron inventar una regla nueva y súper precisa para este trabajo. Llamaron a su invento el "Error de Desviación". Querían usar esta nueva regla para comprobar qué tan bien podían los científicos predecir los resultados de esas mediciones duplicadas en genómica y otros campos. Parecía una idea brillante, una herramienta nueva y reluciente que ayudaría a todos a hacer bien sus matemáticas.
Sin embargo, la historia da un giro repentino. Después de observar su propio invento muy de cerca, Husam y J. Timothy se dieron cuenta de que su nueva regla aún no estaba lista para la caja de herramientas. Descubrieron que las matemáticas detrás del "Error de Desviación" necesitaban una cantidad masiva de trabajo adicional para ser probadas como una "regla de puntuación adecuada", que es solo una forma elegante de decir que las matemáticas deben ser sólidas y rompecabezas antes de poder confiar en ellas para medir algo importante. Descubrieron que su versión actual era un poco tambaleante, como una escalera que aún no ha sido atornillada a la pared.
Debido a esto, los autores tomaron una decisión muy responsable: han retirado oficialmente este artículo. Básicamente están diciendo: "Construimos esta idea genial, pero necesitamos volver al taller y hacer un trabajo pesado de verdad para arreglar las matemáticas y reconstruir nuestros casos de prueba". Planean regresar a este proyecto en el futuro, una vez que hayan realizado la investigación necesaria para que el Error de Desviación sea verdaderamente confiable. Por ahora, piden explícitamente a todos no citar este trabajo como referencia porque ha sido retirado y no está terminado. Así que, aunque la idea de una mejor herramienta de medición sigue sobre la mesa, este intento en particular se ha puesto en pausa hasta que las matemáticas puedan sostenerse por sí mismas.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.