测量误差、缺失与偏倚

前面各节默认数据是“干净”的。实际数据中，系统性误差往往比随机误差更危险，因为增加样本量不会消除它。

数据库研究偏倚

文献整理型的相互作用数据库（如 BioGRID; Stark 等, 2006, Nucleic Acids Research）记录的是“被研究过的”相互作用。研究得越多的蛋白，记录的相互作用越多，度就越高。Edwards 等（2011, Nature）指出蛋白质研究长期集中在少数早已熟知的家族；Haynes 等（2018, Scientific Reports）报告基因注释偏向已被大量研究的基因；Stoeger 等（2018, PLOS Biology）分析了一些可能重要的基因长期被忽视的原因。由此产生两个后果：

• 度与“疾病相关性”混杂：疾病基因研究多，度也高。“疾病基因在网络中是枢纽”的结论可能部分来自研究热度。
• 度偏倚与功能预测：Gillis 与 Pavlidis（2011, PLoS ONE）发现，“关联推定”（guilt by association）的功能预测性能中有相当部分可由基因的多功能性（注释数量）和节点度解释；Gillis 与 Pavlidis（2012, PLoS Computational Biology）进一步显示，网络中与功能预测相关的信息集中在少数边上。评估网络方法时应加入“只按度排序”这一基线。

系统性的二元相互作用筛选受研究偏倚影响较小。Rolland 等（2014, Cell）和 Luck 等（2020, Nature，HuRI）报告了蛋白质组规模的人类二元相互作用图谱，其中相互作用在蛋白质组中的分布比文献整理数据更均匀。比较两类数据库的结果，是检验研究偏倚的直接办法。

不完整的相互作用组

即使不考虑偏倚，现有人类相互作用组也远不完整。Venkatesan 等（2009, Nature Methods）提出了评估二元相互作用图谱完整性、精确度和灵敏度的实证框架。Menche 等（2015, Science）讨论了在不完整网络中识别疾病模块的条件：疾病基因之间的连接必须达到一定覆盖率，模块才可能被检测到。实际后果是：

• 网络中“两个节点不相连”不等于“二者不相互作用”；
• 基于最短路径的指标（如网络邻近度）对缺失边敏感，应在不同数据库版本或随机删边后检验结论；
• 零模型应在同一个不完整网络上构建，并保持度分布，以抵消度偏倚的一部分影响。

不完整观测对度分布、传递性和枢纽识别的定量影响见 采样网络与不完整观测。

测量伪迹：以头动为例

在静息态 fMRI 中，即使毫米级的头动也会系统性地增强近距离脑区的相关、削弱远距离相关（Power 等, 2012, NeuroImage；Van Dijk 等, 2012, NeuroImage；Satterthwaite 等, 2012, NeuroImage）。若患者组头动更大，就可能“制造”出组间连接差异，而且这种差异具有距离依赖的空间模式，看起来像生物学结果。Ciric 等（2017, NeuroImage）与 Parkes 等（2018, NeuroImage）比较了多种去混杂策略，发现没有一种方法在所有评价指标上都最好，选择取决于研究目标。常规做法包括：头动参数回归、按帧位移剔除坏帧、组间匹配头动、把头动作为协变量，并检查结果与头动的相关。

全局信号回归是否应当进行仍有争论（Murphy & Fox, 2017, NeuroImage），稳妥的做法是两种都分析并报告。弥散成像的纤维追踪同样存在系统性的假阳性（Maier-Hein 等, 2017, Nature Communications）；共表达网络中，批次效应和细胞组成会制造大量虚假共表达（Parsana 等, 2019, Genome Biology）。

缺失数据与条目问题

量表数据中的缺失若与症状严重度有关（非随机缺失），直接删除病例会改变网络结构；成对删除计算相关可能使相关矩阵失去正定性，导致偏相关估计失败。条目内容高度重叠时，它们之间会出现很强的边，并抬高双方的中心性，应在估计前检查。