WITHDRAWN: Deviation Error: assessing machine learning predictions for replicate measurements in genomics and beyond

Imaginez que vous soyez un détective tentant de résoudre un mystère, mais qu'au lieu de chercher des empreintes digitales, vous cherchiez des motifs dans les minuscules manuels d'instructions présents dans chaque cellule vivante. Ce domaine s'appelle la génomique, et c'est comme essayer de lire une bibliothèque de milliards de livres pour comprendre comment la vie fonctionne. Mais voici la partie délicate : lorsque les scientifiques essaient de lire ces livres, ils font souvent des copies de la même page pour être sûrs de ne pas s'être trompés. Ces copies sont appelées « mesures de réplication ». La grande question dans ce monde est la suivante : comment savoir si nos suppositions sur ce qui se trouve dans ces livres sont réellement bonnes ? Nous avons besoin d'un moyen de mesurer l'« erreur » ou l'« écart » entre ce que nous avons prédit et ce que nous avons réellement vu. Si notre ruban à mesurer est cassé, nous pourrions penser avoir découvert une nouvelle espèce de dragon alors que nous avons simplement mal lu un lézard. C'est pourquoi posséder une règle parfaite pour mesurer ces erreurs est l'outil le plus important qu'un scientifique puisse avoir.

Maintenant, imaginez une équipe de scientifiques nommés Husam et J. Timothy qui ont décidé d'inventer une toute nouvelle règle, super précise, pour ce travail. Ils ont appelé leur invention l'« Erreur de Déviation ». Ils voulaient utiliser cette nouvelle règle pour vérifier à quel point les scientifiques pouvaient prédire les résultats de ces mesures dupliquées en génomique et dans d'autres domaines. Cela semblait être une idée brillante, un nouvel outil brillant qui aiderait tout le monde à réussir ses calculs.

Cependant, l'histoire prend un tournant soudain. Après avoir examiné de très près leur propre invention, Husam et J. Timothy ont réalisé que leur nouvelle règle n'était pas encore tout à fait prête pour la boîte à outils. Ils ont découvert que les mathématiques derrière l'« Erreur de Déviation » nécessitaient un travail supplémentaire massif pour être prouvées comme une « règle de score appropriée » — ce qui est juste une façon sophistiquée de dire que les mathématiques doivent être solides comme le roc et incassables avant de pouvoir être fiables pour mesurer quoi que ce soit d'important. Ils ont trouvé que leur version actuelle était un peu bancale, comme une échelle qui n'aurait pas encore été fixée au mur.

À cause de cela, les auteurs ont pris une décision très responsable : ils ont officiellement retiré cet article. Ils disent essentiellement : « Nous avons construit cette idée cool, mais nous devons retourner à l'atelier et faire un travail de fond sérieux pour corriger les mathématiques et reconstruire nos cas de test. » Ils prévoient de revenir sur ce projet à l'avenir, une fois qu'ils auront effectué les recherches nécessaires pour rendre l'Erreur de Déviation véritablement fiable. Pour l'instant, ils demandent explicitement à tout le monde de ne pas citer ce travail comme référence, car il a été retiré et n'est pas terminé. Ainsi, bien que l'idée d'un meilleur outil de mesure soit toujours d'actualité, cette tentative particulière est mise en pause jusqu'à ce que les mathématiques puissent tenir debout sur leurs propres jambes.