El diagnóstico genético se parece a comparar dos fotografías tomadas con cámaras distintas. Si una cámara altera un poco los colores, en la imagen aparecen «defectos» que no existen en la realidad. Igual ocurre con el análisis de ADN: la muestra del paciente se compara con una referencia, y si la referencia se procesó con reactivos de otro lote o en otro laboratorio, la comparación produce señales falsas: a veces mutaciones de más, a veces se pierden las verdaderas.
Los autores proponen detectar estos fallos mediante el «nivel de confianza» entre los datos y el modelo. Cuando la técnica funciona como se espera, los datos se ajustan bien a las predicciones. Cuando un lote de reactivos está dañado o el equipo está descalibrado, los datos dejan de concordar con el modelo: la confianza cae. El método busca grupos de muestras con una confianza anormalmente baja y las separa de las sanas. Es como si en un álbum de fotos aparecieran imágenes con colores poco naturales: se ven de inmediato junto a las demás.
La prueba con datos sintéticos mostró que el método no da falsas alarmas más a menudo de lo debido. En paneles clínicos reales —biopsia líquida, BRCA y talasemia— encontró fallos causados por distintos motivos: desde el cambio de reactivos hasta el procesamiento en lugares diferentes. Y con los registros de actividad eléctrica cerebral de ratones, el método funcionó igual de bien, aunque la tarea era de un campo completamente distinto. Esto significa que el enfoque es universal: detecta cualquier interferencia técnica que estropee la comparación con la referencia.
Un filtro así no es un simple trámite. En la clínica, una mutación falsa puede llevar a un tratamiento innecesario, y una mutación real pasada por alto puede dejar a alguien sin ayuda. El método permite separar los análisis dañados antes de que lleguen a manos del médico y, así, mantener la confianza en el diagnóstico genético.
tal como lo escribieron los autores, en inglés 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.
El método se probó con registros de actividad cerebral de ratones y encontró fallos técnicos en los datos, aunque fue creado para analizar ADN. Es como si un detector de billetes falsos reconociera de repente una falsificación en un cuadro.