BBKNN 算法原理：基于平衡 k 近邻

上一章我们聊了整合质量的评估指标，但说到底，你得先有整合结果才能去评估。那么 BBKNN 到底是怎么把那些「各自为政」的单细胞数据集揉到一起的？说白了，它玩的还是「找邻居」这个老路子，不过加了个很巧妙的平衡策略。

我刚开始接触单细胞数据整合时，试过不少传统方法。那些方法要么计算量太大，要么容易把不同批次的细胞强行拉到一起，造成「假整合」。BBKNN 给了我不一样的感受——它干净利落，只在局部做文章。

从 k 近邻说起

先回顾一下最基础的 k 近邻（kNN）算法。你想想看，在降维后的空间里，每个细胞就是一个点。找最近邻，就是计算欧氏距离或余弦距离，挑出距离最近的 k 个点。

不过问题来了——单细胞数据里，不同批次的细胞往往因为技术差异而各自抱团。如果你直接在全局范围内找 k 个最近邻，大概率找到的都是自己批次的「老乡」。整合？根本谈不上。

嗯，传统的 kNN 在这里确实不太灵光。

BBKNN 的核心改进

BBKNN 全称是 Balanced Batch K-Nearest Neighbors，它的改进思路其实很直白：

不是在全量数据里找 k 个最近邻，而是每个批次各找若干近邻，拼成一个「跨批次」的邻居集合。

这里的「平衡」体现在两点：

• 批次内平衡：每个批次贡献的邻居数量大致相同，避免大批次「淹没」小批次
• 距离尺度平衡：不同批次间的距离分布不同，需要自适应缩放

我有个项目恰好处理了 8 个不同技术平台的 PBMC 数据。用传统 kNN 时，10x 平台的细胞邻居全是 10x 的，Smart-seq2 的细胞邻居全是 Smart-seq2 的。而 BBKNN 一次性就把「跨平台桥梁」搭起来了。避坑指南：如果你的数据集批次数量差异很大（比如 1 个大批次 vs 9 个小批次），BBKNN 的平衡效果会打折扣。 我曾经踩过这个坑，后来通过先对小批次做 oversampling 才解决。

算法执行流程

BBKNN 的具体步骤可以拆成 4 个阶段：

1. 输入准备：接收降维后的细胞坐标矩阵（通常是 PCA 结果）和批次标签
2. 批次内搜索：对每个细胞，分别在它所属批次的其它细胞中找 n_neighbors 个最近邻
3. 跨批次邻居合并：从其它每个批次中各自找 n_neighbors // (n_batches - 1) 个近邻，拼成平衡邻居集
4. 加权图构建：用这些邻居关系构建一个加权图，后续用于 UMAP 可视化

我用 SVG 画了一张流程图，把这几个步骤串起来——

平衡机制详解

你可能会问：这个「平衡」到底是怎么做到数学上可操作的？

BBKNN 引入了两个关键的缩放因子：

举个例子——你有 3 个批次的数据，设置 n_neighbors = 30。那么对于批次 A 中的一个细胞，它会在批次 B 和批次 C 中各找 ceil(30 / 2) = 15 个最近邻，共计 30 个跨批次邻居。至于它自己批次（批次 A）里的邻居，完全不参与整合。

代码实现要点

BBKNN 的 Python 接口非常简单。以下是核心调用示例——

import bbknn

# 假设你已经有了降维后的数据 (adata.obsm['X_pca'])
# 批次标签存在 adata.obs['batch'] 中

bbknn.bbknn(adata,
            batch_key='batch',
            n_neighbors=30,
            neighbors_within_batch=3,
            metric='euclidean')

这里的 neighbors_within_batch 参数值得多说两句。它控制每个批次的内部邻居数量：

• 设为 0（默认）：完全不考虑同一批次的邻居，只做跨批次连接
• 设为 3-5：保留少量同批次邻居，有助于保持细胞亚群的局部结构

跟传统 kNN 比，区别在哪？

我整理了一张对比表，应该能帮你快速抓住 BBKNN 的独特之处——

一些容易忽略的细节

BBKNN 的原理虽然不复杂，但实际用起来有几个地方得留个心眼：

1. 输入空间必须是降维后的：BBKNN 在原始基因表达矩阵上跑会慢到怀疑人生。我个人习惯先用 PCA 降到 50-100 维。
2. 距离度量建议用 'euclidean'：虽然支持 'cosine'，但在高维 PCA 空间里，欧氏距离的表现通常更稳定。
3. 对称性要求：BBKNN 构建的图默认是单向的（细胞 A 选了 B 做邻居，但 B 不一定选了 A）。最终会做一次「对称化」处理，把单向边转成双向。
4. 跟 UMAP 的衔接：BBKNN 生成的邻接图可以直接丢给 UMAP 做可视化。这也是 BBKNN 的最大卖点——整合和可视化一体化。