研究人员开发了一种用于非靶向LC-MS代谢组学特征选择的新管道，通过调整多宇宙分析来解决众多预处理决策引入的可变性。该可审计管道记录了每个特征在十阶段质量控制过滤器中的命运，并在四种对比鲜明的预处理理念与四种特征排序方法相结合的情况下运行下游分析。只有出现在多条路径中的特征才会被保留，从而确保了稳健性，并提供了保留和丢弃特征的完整审计跟踪。在乳腺癌细胞系数据集上的演示表明，单一管道返回的候选列表一致性较低，而多宇宙共识保留了15个特征，其中一个特征出现在所有四条路径中，并且通过标签排列测试未识别出假阳性发现。 AI
影响 这项研究引入了一种新颖的计算方法，可以提高复杂数据分析领域中科学发现的可靠性和可复现性。
排序理由 该集群包含一篇详细介绍新方法的科学论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
