A preregistered test that outcome-permuted data also pass: mathematical coupling in a pan-cancer analysis of proliferation adjustment in prognostic gene expression studies
Este artículo demuestra, mediante un análisis pancáncer prerregistrado, que una hipótesis relativa al acoplamiento matemático en estudios de expresión génica pronóstica fue confirmada en gran medida por construcción, dado que los criterios de prueba se cumplieron incluso cuando se aplicaron a datos nulos con resultados permutados, lo que resalta la necesidad crítica de validar los procesos analíticos contra resultados permutados para evitar conclusiones de confusión falsa.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En el mundo de la investigación del cáncer, los científicos suelen buscar genes específicos que actúan como señales de advertencia sobre cómo progresará la enfermedad de un paciente. Al analizar la actividad de estos genes en un tumor, los investigadores esperan predecir si un paciente sobrevivirá más o menos tiempo. Sin embargo, los tumores son complejos y su comportamiento está influenciado por muchos factores, como la edad del paciente, el tamaño del tumor y la rapidez con la que las células cancerosas se están dividiendo. Un desafío importante en este campo es distinguir entre un gen que es un predictor real de la supervivencia y uno que simplemente refleja la velocidad general a la que el tumor está creciendo. Si un investigador olvida tener en cuenta la rapidez con la que el cáncer se está dividiendo, podría atribuir erróneamente a un gen específico la predicción del desenlace, cuando en realidad ese gen es solo un pasajero en el tren de movimiento rápido de la división celular. Este problema se conoce como acoplamiento matemático, una situación en la que dos mediciones están vinculadas simplemente porque fueron calculadas utilizando los mismos datos subyacentes, creando una falsa sensación de conexión.
Un investigador llamado Soon Woo Nam se propuso probar una idea específica sobre cómo se crean estas listas de genes y si los métodos estadísticos estándar pueden confirmar accidentalmente un patrón que en realidad no existe. El estudio se centró en una gran colección de datos de veinte grupos diferentes de pacientes con cáncer, que abarcaba catorce tipos de cáncer y casi cinco mil individuos. El objetivo era ver si el ajuste de una "puntuación de proliferación" —una medida de la rapidez con la que se dividen las células cancerosas— cambiaría la lista de genes que parecen predecir la supervivencia. El investigador tenía un plan prerregistrado, lo que significa que las reglas para el análisis fueron escritas antes de observar los datos, para asegurar que el proceso fuera justo y transparente. El plan predecía que, cuando se añadiera la velocidad de la división celular a los modelos estadísticos, la importancia estimada de otros genes cambiaría de una manera muy específica y predecible en todos los diferentes tipos de cáncer.
Cuando se ejecutó el análisis con los datos reales de los pacientes, los resultados coincidieron perfectamente con la predicción. Los datos mostraron que la importancia de los genes cambió exactamente como el plan había pronosticado, y este patrón se mantuvo constante en cada uno de los veinte grupos de cáncer. A primera vista, esto podría parecer una fuerte confirmación de que el método estadístico funciona según lo previsto. Sin embargo, el investigador realizó entonces un control crucial que rara vez se hace en tales estudios. Tomaron los mismos datos y permutaron los resultados de supervivencia —esencialmente aleatorizando quién vivía y quién moría— de modo que ningún gen pudiera ser un predictor real de la supervivencia. En esta versión alterada de la realidad, donde nada importaba, se volvió a ejecutar el mismo test estadístico. Sorprendentemente, el test también aprobó. Los datos permutados cumplían con todos los mismos criterios que los datos reales, confirmando el patrón a pesar de que no había ninguna señal biológica real que encontrar.
Este hallazgo revela un fallo fundamental en cómo se interpretan estos tests. El patrón que el investigador buscaba no es un signo de una relación biológica real o de un tipo específico de error llamado confusión. En cambio, el patrón está "integrado" en la matemática misma. Debido a que la nueva medición (la velocidad de la división celular) se deriva de los mismos datos genéticos utilizados para calcular los otros genes, los modelos estadísticos están matemáticamente obligados a mostrar una relación, independientemente de si esa relación es real o falsa. El test era tan sensible a esta estructura matemática que no pudo distinguir entre un efecto biológico real y un simple intercambio aleatorio de números. De hecho, en noventa y dos de cada cien ensayos aleatorios, el test habría aprobado, a pesar de que en realidad no estaba sucediendo nada.
El estudio también analizó cómo cambiaba la lista de genes importantes cuando se añadían diferentes factores a los modelos. Cuando los investigadores añadieron la etapa del cáncer (qué tanto se había extendido) o la velocidad de la división celular a sus cálculos, el número de genes que aparecían como predictores significativos disminuyó drásticamente. En algunos casos, añadir estos factores eliminó más de la mitad de los genes que previamente parecían importantes. Esto sugiere que la lista de "genes pronósticos" no es un conjunto de verdades biológicas fijas, sino una lista que depende fuertemente de qué otros factores el investigador decida incluir en su modelo. Si un investigador no tiene en cuenta la rapidez con la que el tumor se está dividiendo, podría incluir muchos genes en su lista que solo están reflejando esa velocidad, en lugar de ofrecer información única sobre el futuro del paciente.
La conclusión definitiva es que una hipótesis prerregistrada puede confirmarse simplemente por la forma en que se construyen los datos, no porque la hipótesis sea cierta. El investigador demostró que ejecutar un test sobre datos permutados —donde los resultados se aleatorizan— antes de finalizar el plan de análisis habría expuesto este problema de inmediato. Si el test aprueba cuando no está pasando nada, no puede confiarse en él para demostrar que algo está pasando cuando se usan los datos reales. El estudio sirve como un recordatorio de que, en los estudios genéticos complejos, la lista de genes importantes es altamente sensible a las decisiones tomadas durante el análisis. Los investigadores deben ser transparentes sobre qué factores ajustan y deben comprender que cambiar esos factores puede alterar drásticamente los resultados, eliminando a veces dos tercios de los genes que inicialmente parecían significativos.
¿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.