#paper DOI: https://doi.org/10.1038/s41592-021-01205-4 DOME: recommendations for supervised machine learning validation in biology. Nat Methods 2021. 机器学习方法在生物学领域变得越发重要，理想情况下机器学习预测结果最好能够被生物实验所验证，但是目前绝大多数的文章并没有配套的实验验证步骤，而只是通过计算指标来反映模型的性能，但这类计算指标往往受很多步骤的影响(例如数据集选择，训练集测试集的拆分，正负样本平衡性等等)，导致最后的结论不一定稳定可靠。这篇评论文章旨在号召相关领域应该建立一套机器学习研究的写作和汇报标准，从而提高该领域内机器学习应用的交流效率。这篇文章从数据，算法，模型，评价四个方面列举了诸多影响模型性能的因素，并建议研究者在发表机器学习的文章时应该参照这四个方面的问题，详细阐述方法的细节，以此推动文章评审的效率，提高研究的透明度和可重复性