WITHDRAWN: Deviation Error: assessing machine learning predictions for replicate measurements in genomics and beyond
Questo manoscritto è stato ritirato perché la metrica fondamentale "Deviation Error" richiede una sostanziale formalizzazione matematica e una validazione teorica prima di poter essere stabilita come una corretta funzione di punteggio per valutare le predizioni del machine learning.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immagina di essere un detective che cerca di risolvere un mistero, ma invece di cercare impronte digitali, cerchi schemi nei minuscoli manuali di istruzioni all'interno di ogni cellula vivente. Questo campo è chiamato genomica, ed è come cercare di leggere una biblioteca di miliardi di libri per capire come funziona la vita. Ma ecco la parte complicata: quando gli scienziati cercano di leggere questi libri, spesso fanno copie della stessa pagina per essere sicuri di averla letta correttamente. Queste copie sono chiamate "misure replicate". La grande domanda in questo mondo è: come facciamo a sapere se le nostre supposizioni su ciò che c'è in quei libri sono effettivamente buone? Abbiamo bisogno di un modo per misurare l' "errore" o la "deviazione" tra ciò che abbiamo previsto e ciò che abbiamo effettivamente visto. Se il nostro metro è rotto, potremmo pensare di aver trovato una nuova specie di drago quando abbiamo solo letto male una lucertola. Ecco perché avere un righello perfetto per misurare questi errori è lo strumento più importante che uno scienziato possa avere.
Ora, immagina un team di scienziati, Husam e J. Timothy, che hanno deciso di inventare un nuovo righello super preciso per questo lavoro. Hanno chiamato la loro invenzione "Errore di Deviazione". Volevano usare questo nuovo righello per controllare quanto bene gli scienziati potessero prevedere i risultati di quelle misurazioni duplicate nella genomica e in altri campi. Sembrava un'idea brillante, uno strumento nuovo e splendente che avrebbe aiutato tutti a fare i conti correttamente.
Tuttavia, la storia prende una svolta improvvisa. Dopo aver esaminato la propria invenzione molto da vicino, Husam e J. Timothy si sono resi conto che il loro nuovo righello non era ancora pronto per la cassetta degli attrezzi. Hanno scoperto che la matematica dietro l' "Errore di Deviazione" aveva bisogno di una quantità massiccia di lavoro extra per essere dimostrata come una "regola di punteggio appropriata" — che è solo un modo elegante per dire che la matematica deve essere solida e incrollabile prima di poter essere affidata alla misurazione di qualcosa di importante. Hanno scoperto che la loro versione attuale era un po' traballante, come una scala che non è ancora stata fissata al muro.
Per questo motivo, gli autori hanno preso una decisione molto responsabile: hanno ufficialmente ritirato questo articolo. Stanno essenzialmente dicendo: "Abbiamo costruito questa idea fantastica, ma dobbiamo tornare in officina e fare un lavoro pesante per sistemare la matematica e ricostruire i nostri casi di test". Prevedono di tornare su questo progetto in futuro, una volta che avranno svolto la ricerca necessaria per rendere l'Errore di Deviazione veramente affidabile. Per ora, chiedono esplicitamente a tutti di non citare questo lavoro come riferimento perché è stato ritirato e non è finito. Quindi, sebbene l'idea di un migliore strumento di misura sia ancora sul tavolo, questo particolare tentativo è stato messo in pausa finché la matematica non sarà in grado di stare in piedi sulle proprie gambe.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.