Eliminación de errores sistemáticos utilizando Random Forest para normalizar datos de lipidómica no dirigida a gran escala

Los experimentos de lipidómica no dirigida a gran escala implican la medición de cientos a miles de muestras. Estos conjuntos de datos suelen adquirirse en un solo instrumento a lo largo de días o semanas de análisis. Estos extensos procesos de adquisición de datos introducen una variedad de errores sistemáticos, incluyendo diferencias de lote, desviaciones longitudinales o incluso variación entre instrumentos. La variabilidad técnica de los datos puede ocultar la verdadera señal biológica y dificultar los descubrimientos biológicos. Para combatir este problema, presentamos un novedoso enfoque de normalización basado en el uso de muestras de control de calidad en pool (QC). Este método se denomina eliminación de errores sistemáticos utilizando Random Forest (SERRF) para eliminar las variaciones sistemáticas no deseadas en grandes conjuntos de muestras. Comparamos SERRF con otros 15 métodos de normalización comúnmente utilizados empleando seis conjuntos de datos de lipidómica de tres grandes estudios de cohorte (832, 1162 y 2696 muestras). SERRF redujo los errores técnicos promedio en estos conjuntos de datos al 5% de desviación estándar relativa. Concluimos que SERRF supera a otros métodos existentes y puede reducir significativamente la variación sistemática no deseada, revelando la variabilidad biológica de interés.