3. 批次效应的类型：技术批次 vs 生物学批次
好，咱们直接进入正题。前面聊了批次效应的定义和危害，你可能会问：“到底什么样的变化才算批次效应？是不是所有样本间的差异都是坏事？”
答案当然是否定的。搞NGS分析，最怕的就是“一刀切”。我个人习惯，先把批次效应分成两大类：技术批次效应和生物学批次效应。这俩东西看起来有点像，但本质上完全不同，处理方式也天差地别。
核心原则：技术批次效应是噪声，必须校正；生物学批次效应是信号，不能校正。搞反了，你的分析就废了。
先看一张我整理的分类图，把整体框架搭起来。
3.1 技术批次效应：都是“操作”惹的祸
说白了，技术批次效应就是实验操作和仪器系统带来的非生物学差异。样本本身的生物学状态没变，但因为处理流程不一样，数据上就出现了系统性的偏差。
我在项目中遇到过最典型的例子：同一个肿瘤样本，分两份，在两家测序公司做RNA-seq。结果回来一比对，两份数据的差异基因多达3000多个。你说这是真正的肿瘤信号吗？显然不是。这就是技术批次效应在捣鬼。
常见的技术批次来源，我列个清单：
- 建库批次不同：不同时间、不同操作人员做的文库，反转录效率、扩增循环数都不一样。
- 测序仪器不同：Illumina HiSeq 4000 和 NovaSeq 6000 在碱基质量、碱基偏好性上有明显差异。
- 试剂批次变化：同一款试剂盒不同Lot#，接头比例、酶活性可能有细微差别。
- 测序通道（Lane）差异：同一个flow cell的不同通道，簇密度、信号强度也不完全一致。
- 环境因素：实验室温度、湿度，甚至一天中不同的上机时间，都可能引入微小波动。
我记得有一次，团队里有人把两个批次——仅仅因为测序日期差了一个月——的样本混在一起做差异分析。结果出来了一堆“显著差异”的基因。我帮他一查，发现这些基因在GC含量上高度富集。这就很典型了，大概率是建库扩增偏好性带来的技术效应，而不是真正的生物信号。
怎么快速判断是不是技术批次效应？
一个简单的方法：计算样本间的相关系数。如果同一生物学重复（样本相同、批次不同）的相关系数远低于预期（比如低于0.95），那基本就是技术批次效应在作祟。我个人习惯用的是PCA降维，如果第一次主成分PC1直接分开了不同测序批次的样本，而不是按实验分组分开——嗯，技术批次效应实锤了。
3.2 生物学批次效应：别把“信号”当“噪声”
这部分容易混淆，咱们重点聊。生物学批次效应，指的是真正的生物学差异，只是因为样本来源、采集时间、处理条件等自然因素不同而出现的。
你想想看，生物学实验本身就存在很多“天然批次”
- 个体差异：不同患者的肿瘤，就算同一个癌种，突变谱也天差地别。
- 时空差异：同一患者治疗前、治疗后的样本；同一组织不同解剖部位的取样。
- 实验条件差异：药物处理组 vs 对照组；不同浓度的刺激条件。
- 技术辅助差异：不同的切片方式、消化时间，都可能影响转录组。
为什么说生物学批次效应不能轻易校正？因为它恰恰是你想研究的对象。如果把个体差异校正掉，那你还做什么个性化医疗？如果把治疗前后的差异校正掉，那药物效果从哪体现？
我曾经遇到一个案例：研究某基因敲除小鼠的表型，发现对照组和敲除组之间有大量差异基因。但仔细一看，PCA图上第一主成分（解释方差70%）不是按基因型分开的，而是按两只不同的母鼠生下的子代分开的。这就麻烦了。这是个体差异（生物学批次）还是真正的敲除效应？
关键点：生物学批次效应通常与实验设计中的“真实分组”高度相关。如果你在差异分析之前把它校正掉，就等于把真正有意义的结果也抹掉了。所以，校正前一定要判断：这个分组差异，是不是你研究的目标？
3.3 怎样区分？一张表讲清楚
我平时带项目，最常用这张表来给团队成员讲明白。你直接拿去参考：
| 对比维度 | 技术批次效应 | 生物学批次效应 |
|---|---|---|
| 来源 | 实验操作、仪器、试剂 | 样本自身、处理条件、环境 |
| 是否可重复？ | 是（同一操作流程重复出现） | 不完全（个体差异难以精确重现） |
| 对差异分析的影响 | 引入假阳性、假阴性 | 可能掩盖/放大真实差异 |
| 在PCA中的表现 | 第一主成分分批次 | 第一主成分分组真实分组 |
| >是否需要校正？ | 必须校正 | 视目标而定（通常不作为噪声校正） |
| 校正方式 | ComBat、limma removeBatchEffect | 实验设计纳入协变量 |
注意，现实情况往往不是非黑即白。两个类别的界限有时是模糊的。比如，同一个实验室不同时间做的实验，如果实验设计本身就是时间点A vs 时间点B，那这个“时间差异”就很难说清是技术还是生物学。所以，你得结合实验设计来综合判断。
3.4 实战避坑：我踩过的那些坑
这部分比较干货，直接上教训。
案例一：把生物学效应当技术效应校正了
我曾经，用ComBat校正一批公共数据，结果校正之后，原本明显的药物处理效应完全消失了。回头一查：实验设计中处理组和对照组本来就是分两个批次做的（剂量组 vs 对照组批次完全一致）。ComBat以为这是技术批次，一股脑儿给抹平了。从那以后，我用ComBat之前一定先检查：批次变量是否与分组变量完全共线性。
案例二：忽略了个体水平的生物学批次
一个同事做单细胞多组学，拿到10X Genomics的数据后直接做整合。结果发现，来自两个患者的相同细胞类型，在UMAP上完全分离。他一开始以为是批次效应，用了Harmony去校正——结果校正后差异基因全没了。后来发现，这两个患者本身就是不同的亚型，这就是生物学批次效应，不应该被校正。正确的做法是：保留原始差异，用差异分析去挖掘两个患者之间的特异性基因，而不是盲目整合。
嗯，说到底，区分技术批次和生物学批次，靠的是对实验设计的深刻理解，而不只是数学工具。工具不会替你思考，你得自己想明白：这个变异，是我们想要研究的？还是操作产生的噪声？
判断清楚了，后面用ComBat、limma、Harmony这些工具校正时才不会出错。下一层，我会具体讲讲怎么用代码识别这些批次效应——包括PCA可视化、相关性热图、以及基于线性模型的统计检验。先把概念理清，后面操作才不会手忙脚乱。