Remoção de Erro Sistemático Usando Random Forest para Normalizar Dados de Lipidômica Não Alvo em Larga Escala

Experimentos de lipidômica não alvo em larga escala envolvem a medição de centenas a milhares de amostras. Esses conjuntos de dados geralmente são adquiridos em um instrumento ao longo de dias ou semanas de análise. Esses extensos processos de aquisição de dados introduzem uma variedade de erros sistemáticos, incluindo diferenças de lote, desvios longitudinais ou até mesmo variações entre instrumentos. A variância técnica dos dados pode obscurecer o verdadeiro sinal biológico e dificultar descobertas biológicas. Para combater essa questão, apresentamos uma nova abordagem de normalização baseada no uso de amostras de pool de controle de qualidade (QC). Esse método é chamado de remoção de erro sistemático usando random forest (SERRF) para eliminar as variações sistemáticas indesejadas em grandes conjuntos de amostras. Comparamos o SERRF com outros 15 métodos de normalização comumente usados utilizando seis conjuntos de dados de lipidômica de três grandes estudos de coorte (832, 1162 e 2696 amostras). O SERRF reduziu os erros técnicos médios desses conjuntos de dados para 5% de desvio padrão relativo. Concluímos que o SERRF supera outros métodos existentes e pode reduzir significativamente a variação sistemática indesejada, revelando a variância biológica de interesse.