📚 课程目录第1章课程导览

课程导览：批次校正的重要性与DESeq2全流程概览

做RNA-seq差异分析，你肯定遇到过这么个情况：明明是两个处理组之间的比较，结果聚类先按样本送测日期分成了两堆，或者是不同批次提取的RNA自己抱成了一团。这时候你着急啊，一检查发现，处理的生物学差异还没批次效应大。

我最早入坑生物信息学那会儿，就吃过这个亏。当时做了一个细胞系的干扰实验，三个生物学重复，分两批送的测序。结果差异基因列表华丽丽的几百个，兴冲冲去验证，大部分是假的。后来才发现，第一批和第二批的建库试剂盒换了个版本。嗯，从那以后，我再也不敢无视批次效应了。

为什么批次校正这么重要？

说白了，批次效应就是实验操作中非生物学因素的变异。你想想看，同一个实验室，不同的人提RNA、不同批号的试剂、不同天的上机测序，甚至不同的温度湿度——这些都会给数据带来系统性的偏移。

这种偏移如果不处理，会有两个后果：

假阳性飙升：你对照DESeq2跑出来的p值，很有可能只是批次之间的差异，而不是处理效应
假阴性漏检：真实的差异信号被批次噪声淹没，差异倍数被压缩

我个人的习惯是，拿到任何一个RNA-seq项目的第一件事，就是从样本元数据里找潜在的批次变量。比如提取日期、文库构建批次、测序lane号、或者实验操作人。这些信息看起来很琐碎，但往往就是校正的关键。

核心原则：分析的第一步，就是把批次信息写进模型。不要等到出了结果再往回补救，那是费力不讨好。

DESeq2处理批次效应的三种姿势

DESeq2在处理批次效应方面提供了几个不同的策略。我根据自己的项目经验，总结了三种常用姿势，你可以根据实际情况选。

方法	适用场景	优缺点
公式中包含批次变量	批次与实验条件不混杂，或者说设计矩阵可辨识	最直接，在建模阶段就纳入批次，不影响后续可视化
两阶段校正（先验收缩）	批次内样本量少，或者需要独立校正后的表达值	可以得到校正后counts用于绘图，但可能过度压缩小基因
limma::removeBatchEffect	单纯为了绘图，不改变差异检验的统计模型	只适用于可视化，不能用于正式的差异分析

我的建议：只要实验设计允许，优先选择第一种——在模型公式里直接加入批次变量。这是最符合统计原则的做法，也能保证后续的p值校正和结果解读是正确的。

全流程概览：我们这30章要做什么？

下面这张图，是我自己梳理的DESeq2批次校正完整流程。它不是一个简单的ABC步骤，而是一套从数据准备到结果验证的闭环。

模型公式怎么选？

假设你有一个数据框 colData，里面包含 condition（处理/对照）和 batch（批次1/批次2）。那DESeq2的建模就是这样的：

# 最简单的包含批次的公式
dds <- DESeqDataSetFromMatrix(countData = counts,
                              colData = coldata,
                              design = ~ batch + condition)

# 如果批次效应与处理效应存在交互（其实很少见）
dds <- DESeqDataSetFromMatrix(countData = counts,
                              colData = coldata,
                              design = ~ batch + condition + batch:condition)

注意：如果某个批次里只有一个实验组的样本，那批次和条件就完全混杂了，没法拆开。这种情况下，你需要考虑使用sva包估计潜在变量，或者使用limma的duplicateCorrelation。我们后面的章节会专门讲。

一个实战案例的快速热身

我记得有一次处理一个公共数据库的RNA-seq数据，GSE编号就不说了，样本来自三个批次、两个处理组。因为原始论文没有写清楚批次信息，我花了两天时间从SRA文件的submission日期和试剂盒信息重建了批次变量。

我们来看一个极简的分析示例，帮你建立直观感受：

# 加载数据和包
library(DESeq2)
library(ggplot2)

# 构建DESeqDataSet
dds <- DESeqDataSetFromMatrix(
  countData = raw_counts,
  colData = sample_metadata,
  design = ~ batch + treatment
)

# 执行差异分析
dds <- DESeq(dds)

# 查看批次效应是否被消除
vsd <- vst(dds, blind = FALSE)
pca_data <- plotPCA(vsd, intgroup = c("batch", "treatment"), returnData = TRUE)

ggplot(pca_data, aes(x = PC1, y = PC2, color = batch, shape = treatment)) +
  geom_point(size = 3) +
  theme_minimal()

跑完这段代码，如果PCA图上样本按照 treatment 聚在一起，而不是按 batch，那就说明我们的批次校正起作用了。

接下来30章，你会学到什么？

这个课程会一步步带着你走完整套流程。从最基础的DESeq2对象构建，到复杂的批次检测方法（比如RUVseq、SVA），再到高级的可视化和结果解读。每一章都会有真实的代码和案例。

说实话，RNA-seq分析做得好不好，往往就卡在批次校正这一步。我自己见过太多人模型写错了导致整个项目重来，所以这门课我想帮你把坑都填平。