Yuliya Burankova

新论文发现：组学研究中的联邦学习受批处理效应阻碍

一篇新研究论文发布在arXiv上，探讨了多中心组学研究中联邦学习的批处理效应挑战。研究表明，未经校正的批处理效应会严重损害无监督和有监督的联邦学习算法，包括联邦k-means聚类和联邦随机森林分类。为解决此问题，研究人员引入了fedRBE，这是limma的removeBatchEffect()方法的一种新颖的联邦实现，它利用安全多方计算进行分布式组学数据中隐私保护的批处理效应校正。