无论您是叫IT精密药物还是个性化医学还是许多其他术语，医学研究的主要目标都是能够预测或诊断疾病，并根据简单无侵入性测试选择治疗选择。已经用这一目标确定了数百个分子生物标志物，但很少有可重复且甚至被带到诊所。在一个研究文章最近发表在基因组医学那保罗布托罗斯和来自加拿大，澳大利亚和荷兰的多学科团队，看着这种重现问题背后的技术原因。

Boutros及其同事使用公开可用的非小细胞肺癌数据集，以统称为主任的挑战队列。他们发现，与早期的研究相反，先前公布的多基因生物标志物由主任的挑战数据验证。然而，这一成功是一把双刃剑。不同技术的比较表明，即使数据预处理的次要变化也可以改变生物标志物的统计支持，从重要的机会从重要的机会改变生物标志物。Boutros和同事能够“利用噪声”，开发一种算法，以将这种敏感性用作生物标志物鲁棒性的指标。了解对生物标志物验证（或缺乏）的技术和统计影响是他们的发展和潜在翻译的基础。