调整还是不调整：利用基因集分析中的灵活性如何导致过度乐观

基因集分析是一种分析高通量基因表达数据的流行方法，旨在识别在两种条件下显示富集表达模式的基因集。除了可用于此任务的众多方法外，用户在创建所需输入和指定所选方法的内部参数时通常有许多选择。这种灵活性可能导致对“正确”选择的不确定性，而缺乏基于证据的指导进一步加剧了这种不确定性。特别是当用户的统计经验不足时，这种不确定性可能会诱使用户通过“试错”方法产生更可取的结果。虽然乍一看似乎没有问题，但这种做法可以被视为一种“摘樱桃”行为，并导致乐观偏差，使得结果在独立数据上不可重复。在经典假设检验背景下，这个问题引起了广泛关注之后，我们现在旨在提高对基因集分析这一不同且更复杂背景下的过度乐观的认识。我们模拟了一个假设的研究人员，他系统地选择产生其偏好结果的分析变体，从而考虑他们可能追求的三种不同目标。使用一系列流行的基因集分析方法，我们以这种方式对两个常用的基准基因表达数据集进行了调整。我们的研究表明，对于一组尽管经常受到批评但仍被频繁使用的方法，过度乐观的可能性特别高。最后，我们提供实用建议，以对抗基因集分析及其他领域研究结果中的过度乐观。