WITHDRAWN: Deviation Error: assessing machine learning predictions for replicate measurements in genomics and beyond

想象一下你是一名正在试图破解谜题的侦探，但你寻找的不是指纹，而是在每个活细胞内微小的说明书中所发现的模式。这个领域被称为基因组学，它就像是试图阅读数十亿本书的图书馆，以理解生命是如何运作的。但棘手的部分在于：当科学家试图阅读这些书时，他们经常会制作同一页面的副本以确保万无一失。这些副本被称为“重复测量值”。大问题在于：我们如何知道我们对书中内容的猜测是否准确？我们需要一种方法来衡量我们预测的内容与实际观察到的内容之间的“误差”或“偏差”。如果我们的测量尺坏了，我们可能会误以为发现了一个新物种的巨龙，而其实我们只是读错了。这就是为什么拥有一把完美的尺子来衡量这些误差，是科学家最重要的工具。

现在，想象一支由科学家组成的团队，名叫 Husam 和 J. Timothy，他们决定为这项工作发明一种全新的、超精确的尺子。他们将他们的发明称为“偏差误差”（Deviation Error）。他们想要使用这个新工具来检查科学家在预测基因组学及其他领域的那些重复测量结果时表现得有多好。这听起来像是一个绝妙的主意，一个能帮助每个人把数学算对的闪亮新工具。

然而，故事突然发生了转折。在非常仔细地审视了他们自己的发明后，Husam 和 J. Timothy 意识到，他们的这把新尺子还没有准备好进入工具箱。他们发现，“偏差误差”背后的数学逻辑需要大量的额外工作，才能被证明为一个“适当评分规则”——这只是一种高级说法，意思是在能够被信任去衡量任何重要事物之前，其数学逻辑必须是坚不可摧且稳固可靠的。他们发现目前的版本有点摇晃，就像一把还没有固定在墙上的梯子。

因此，作者们做出了一个非常负责任的决定：他们正式撤回了这篇论文。他们实际上是在说：“我们构建了这个酷炫的想法，但我们需要回到工作坊，进行一些艰苦的体力活，来修复数学逻辑并重建我们的测试案例。”他们计划在未来完成必要的研发工作，使“偏差误差”变得真正可靠后，再重新回归这个项目。目前，他们明确要求大家不要引用这项工作作为参考文献，因为它已被撤回且尚未完成。所以，虽然开发更好测量工具的想法仍然存在，但这次尝试已被暂停，直到其数学逻辑能够独立站稳脚跟。