转录组数据中批次效应如何识别和处理？

一、批次效应的常见原因

批次效应通常源于样本处理、建库、测序等环节的非生物因素差异，例如不同时间点提取RNA、不同操作人员、不同试剂批次、不同测序 lane 或不同测序仪。当 PCA 或热图显示批次间差异大于组间差异时，提示可能存在批次效应。

二、识别批次效应的方法

1. 可视化检查：PCA、t-SNE 或 UMAP 图中，若样本按批次聚类而非按实验组聚类，则提示批次效应。同时可绘制样本相关性热图，观察批次内相关性是否异常高。
2. 统计检验：使用 PVCA 或方差分析量化批次因素对总体变异的贡献。若批次解释的变异比例较高（如 >20%），需考虑校正。
3. 混杂判断：若批次与实验组完全混杂（如一批全是对照，另一批全是处理），则无法区分批次与生物学效应，此时校正需谨慎，可能需重新设计实验。

三、常用校正方法

• ComBat / ComBat-seq：基于经验贝叶斯框架，适用于已知批次信息的情况，可处理连续和分类批次。ComBat-seq 专为 RNA-seq 计数数据设计，保留整数特性。
• limma removeBatchEffect：线性模型校正，适用于微阵列或 log 转换后的 RNA-seq 数据，但校正后数据不宜直接用于差异表达分析，需在模型中包含批次协变量。
• RUVseq：使用管家基因或阴性对照基因估计批次效应，适用于未知批次因素。
• 在差异分析模型中包含批次：如 DESeq2 或 edgeR 的 design 公式中加入批次因子（~ batch + condition），这是最推荐的做法，可避免数据过度校正。

四、校正效果评估

1. 校正后重新绘制 PCA 图，观察批次是否混合、组间是否分离。
2. 检查已知生物学差异是否保留，如标记基因表达模式。
3. 比较校正前后差异基因列表，若校正后差异基因数量大幅减少或生物学意义丢失，可能校正过度。

五、预防建议

• 实验设计时尽量将不同组样本均匀分配到各批次，避免完全混杂。
• 记录详细的实验元数据（提取时间、操作人、试剂批号等），便于后续分析。
• 若批次已知，优先在统计模型中校正，而非直接修改表达矩阵。
• 涉及有毒有害试剂（如酚氯仿）时，请按实验室安全规定操作。

具体参数（如 ComBat 的 par.prior 设置）请参考软件说明书，并结合预实验确定。