Systema: un marco para evaluar la predicción de la respuesta a la perturbación genética más allá de la variación...

Área de la Ciencia:

• Genómica funcional
• Biología de los sistemas
• Biología computacional

Sus antecedentes:

• La predicción de las respuestas transcripcionales a las perturbaciones genéticas es un desafío clave en la genómica funcional.
• Los métodos computacionales existentes tienen como objetivo inferir estas respuestas, pero su generalización a menudo se sobreestima.

Objetivo del estudio:

• Evaluar el verdadero poder predictivo de los métodos actuales para las respuestas transcripcionales a las perturbaciones genéticas.
• Introducir un nuevo marco de evaluación, Systema, para evaluar con precisión el rendimiento de la predicción centrándose en los efectos específicos de la perturbación.

Principales métodos:

• Variación sistemática cuantificada (diferencias impulsadas por confusión) en diez conjuntos de datos de tres tecnologías y cinco líneas celulares.
• Se introdujo Systema, un marco de evaluación que hace hincapié en los efectos específicos de la perturbación sobre los sesgos sistemáticos.
• Evaluar el rendimiento de los métodos de predicción existentes utilizando Systema y métricas estándar.

Principales resultados:

• Las métricas de evaluación comunes son susceptibles a variaciones sistemáticas, lo que lleva a una sobreestimación del rendimiento predictivo.
• Los métodos actuales luchan por generalizar más allá de los sesgos sistemáticos, sin predecir con precisión las respuestas a las perturbaciones invisibles.
• El marco de Systema reveló que predecir respuestas a nuevas perturbaciones es significativamente más desafiante de lo que se pensaba anteriormente.

Conclusiones:

• El rendimiento de los métodos existentes está inflado debido a sesgos; el verdadero poder predictivo para las perturbaciones invisibles es menor.
• El marco de Systema proporciona una evaluación más biológicamente significativa de los modelos de respuesta a las perturbaciones.
• Desenredar los efectos sistemáticos del verdadero rendimiento predictivo es crucial para avanzar en el modelado de la respuesta de perturbación en la genómica funcional.