利用随机森林模型对大批量质控样本进行回归校正

We provide a free web-based toolbox to implement SERRFbased normalizations (http://serrf.fiehnlab.ucdavis.edu).

从代码分析来看，模型如文章所述，对每一个QC中的化合物拟合了批次、进样顺序、以及其他化合物响应值这3个变量，其中特殊之处在于考虑了化合物之间的相关性，将QC样本作为train，真实样本作为target，对train和target分别计算了两两变量之间的spearman相关性，接着，用相关性对变量进行降序排列，找到相关性最强、且在train和target中重合的10个变量作为随机森林的自变量（所谓的“其他”）。至于为什么选10个变量，文章并没有提及。