第二章 批次效应的来源：到底是谁在捣乱？

说实话，我刚入行那会儿，觉得批次效应是个挺玄乎的概念。直到有一次，我帮一个课题组分析了两批测序数据，样本都是同一个细胞系，实验条件看起来也差不多，但一跑PCA图，两批样本直接在PC1上分成了两个独立的集群。我当时还以为是找到了什么新的生物学亚型，兴奋了好几天。

后来被导师一句话点醒：“你确定这不是批次效应？”

嗯，从那以后，我就明白了一个道理：**搞不清批次效应的来源，你连数据预处理的第一关都过不去。** 今天我们就来把这些“捣乱分子”一个个揪出来看看。

2.1 实验批次：最直接的罪魁祸首

所谓“实验批次”，说白了就是你做实验的时间单位。今天跑一批，下个月再跑一批，这就是两个批次。为什么批次之间会有差异？你想想看，实验室的环境是在动态变化的。

• 仪器漂移：高精度仪器用久了，内部零件会磨损。比如质谱仪，上个月的离子传输效率和这个月就不一样。
• 环境波动：温度、湿度、甚至空调什么时候开的，都会影响化学反应效率。
• 试剂降解：很多生化试剂开封后就开始降解，比如DTT、蛋白酶抑制剂，放的时间越长，活性越低。

我习惯在实验设计阶段就把“批次”作为最重要的分组变量记录下来。很多新手拿到数据就急着分析差异基因，结果找到的全是批次之间的差异，白白浪费了时间和经费。

2.2 试剂：隐蔽的变量

试剂是批次效应里最容易被忽视的来源之一。你可能会说：“我用的是同一个厂商的试剂盒啊，能有什么问题？”

问题大了去了。

同一个厂商的试剂，不同批号之间，有效成分的浓度、纯度、甚至PH值都可能存在微小的差异。这些差异在单次实验中可能微不足道，但在需要横向对比的大规模实验中，积累起来的效应就非常可观。

试剂类型	常见批次差异点	我的避坑经验
抗体	效价、特异性、非特异性结合背景	同一抗体的不同批号，一定要先做滴定实验验证。
酶（如反转录酶）	活性、保真度、对抑制剂的耐受性	我曾经遇到过换了个批号的酶，cDNA产量直接下降了30%。
色谱柱/芯片	填料密度、吸附特性、寿命	每次更换色谱柱后，都必须用标准品重新校正。
引物/探针	合成效率、纯化质量、浓度偏差	不要相信OD值，用之前一定要定量校准。

2.3 操作员：手艺的差异

这一点我在不同的实验室里感受都很深。不管是资深的技术员还是刚来的学生，每个人的手法都不完全一样。

• 移液精准度：有人按到第二档才松开，有人只按到第一档。别看这细微的区别，在纳升级别的反应里，误差会被放大。
• 细胞传代习惯：吹打次数、离心转速、重悬动作，都会影响细胞的活力和状态。
• 实验节奏：有人动作快，有人动作慢。从样本裂解到加终止液的时间差，足以影响RNA的完整性。

我印象很深的一个项目是，两个操作员分别处理了两批血清样本。结果下游分析发现，有一批数据的白蛋白污染水平明显偏高。后来复盘才发现，其中一位操作员在离心后吸取上清时，枪头离沉淀太近了。

2.4 时间效应：被忽略的慢变量

时间不仅仅是把实验分成不同的“批次”。它本身就是一个连续的、慢速变化的变量。你想想看，一台测序仪，从出厂到现在，用了半年和用了三年，表现能一样吗？

时间效应通常表现为以下几种形式：

1. 仪器老化：激光器衰减、检测器灵敏度下降。
2. 昼夜节律：人的状态早晚不同，操作稳定性也会波动。
3. 季节性：实验室空调系统在夏天和冬天的除湿效果不同，室内湿度差异会影响很多空气敏感的试剂。
4. 数据库更新：基因注释、参考基因组版本在项目进行中发生了更新，这也会导致分析结果不一致。

2.5 知识框架总览

说了这么多，我们来画一张图，把批次效应的主要来源和它们之间的关系理清楚。这张图是我自己做项目时常用的思路导图，分享给你参考。

2.6 我的个人工作流

最后，分享一下我现在的标准操作流程，对于控制批次效应来说，这几点非常关键：

1. 实验设计阶段：尽量把不同处理的样本随机分布在各个批次中。不要一个批次全做对照组，另一个批次全做处理组。
2. 记录阶段：为每个样本建立一个详细的元数据表。至少包含：采样时间、RNA提取时间、建库时间、测序运行时间、操作员ID、试剂批号。
3. 预分析阶段：不要一上来就做差异分析。先通过PCA或聚类热图，按“批次”变量给样本上色，直观地看看数据是否按批次抱团。