التشخيص الجيني يشبه مقارنة صورتين التقطتهما كاميرتان مختلفتان. إذا أزاحت إحدى الكاميرات الألوان قليلاً، ستظهر في الصورة «عيوب» غير موجودة في الواقع. وكذلك في تحليل الحمض النووي: تُقارن عينة المريض بمرجع، وإذا عولج المرجع بكواشف من دفعة أخرى أو في مختبر آخر، يعطي المقارنة إشارات خاطئة — تارة طفرات زائدة، وتارة طفرات حقيقية مفقودة.
يقترح المؤلفون التقاط هذه الأعطال من خلال «مستوى الثقة» بين البيانات والنموذج. عندما تعمل التقنية كما هو مقصود، تتناسب البيانات جيدًا مع التوقعات. عندما تكون دفعة الكواشف فاسدة أو الجهاز مضطربًا، تتوقف البيانات عن التوافق مع النموذج — تنخفض الثقة. تبحث الطريقة عن مجموعات من العينات ذات ثقة منخفضة بشكل غير طبيعي وتفصلها عن السليمة. الأمر كما لو وجدت في ألبوم الصور صورًا بألوان غير طبيعية — تظهر فورًا على خلفية البقية.
أظهر الاختبار على البيانات الاصطناعية أن الطريقة لا تطلق إنذارًا كاذبًا أكثر من المعدل المسموح به. وعلى اللوحات السريرية الحقيقية — الخزعة السائلة، وBRCA، والثلاسيميا — وجدت أعطالًا ناجمة عن أسباب مختلفة: من تغيّر الكواشف إلى المعالجة في أماكن مختلفة. وعلى تسجيلات النشاط الكهربائي لدماغ الفئران، عملت الطريقة بنفس الجودة، رغم أن المهمة من مجال مختلف تمامًا. هذا يعني أن النهج عالمي: فهو يلتقط أي تداخل تقني يفسد المقارنة مع المرجع.
مثل هذا الفلتر ليس شكليًا. في العيادة، قد تدفع الطفرة الزائفة شخصًا إلى علاج غير ضروري، بينما قد تتركه الطفرة الحقيقية المفقودة دون مساعدة. تتيح الطريقة فرز الفحوصات الفاسدة قبل وصولها إلى يد الطبيب، وبالتالي الحفاظ على الثقة في التشخيص الجيني.
كما كتبه المؤلفون، بالإنجليزية arXiv:2601.09758
Batch effects represent a major confounder in genomic diagnostics. In copy number variant (CNV) detection from NGS, many algorithms compare read depth between test samples and a reference sample, assuming they are process-matched. When this assumption is violated, with causes ranging from reagent lot changes to multi-site processing, the reference becomes inappropriate, introducing false CNV calls or masking true pathogenic variants. Detecting such heterogeneity before downstream analysis is critical for reliable clinical interpretation. Existing batch effect detection methods either cluster samples based on raw features, risking conflation of biological signal with technical variation, or require known batch labels that are frequently unavailable. We introduce a method that addresses both limitations by clustering samples according to their Bayesian model evidence. The central insight is that evidence quantifies compatibility between data and model assumptions, technical artifacts violate assumptions and reduce evidence, whereas biological variation, including CNV status, is anticipated by the model and yields high evidence. This asymmetry provides a discriminative signal that separates batch effects from biology. We formalize heterogeneity detection as a likelihood ratio test for mixture structure in evidence space, using parametric bootstrap calibration to ensure conservative false positive rates. We validate our approach on synthetic data demonstrating proper Type I error control, three clinical targeted sequencing panels (liquid biopsy, BRCA, and thalassemia) exhibiting distinct batch effect mechanisms, and mouse electrophysiology recordings demonstrating cross-modality generalization. Our method achieves superior clustering accuracy compared to standard correlation-based and dimensionality-reduction approaches while maintaining the conservativeness required for clinical usage.
اختُبرت الطريقة على تسجيلات نشاط الدماغ لدى الفئران — ووجدت أعطالًا تقنية في البيانات، رغم أنها صُممت لتحليل الحمض النووي. الأمر كما لو أن جهاز كشف النقود المزيفة تعرف فجأة على تزوير في لوحة فنية.