3. 批次效应与生物学变异的核心区别

做RNA-seq分析的人，十有八九都栽过这个跟头——看到差异表达基因列表兴奋得不行，结果一复查，全是批次效应。我早几年也经历过，辛辛苦苦跑完流程，发现两组样本其实是在不同批次测的，那叫一个尴尬。

说白了，批次效应和生物学变异是两码事，但长得太像。你想想看，同一个处理组内样本的波动，到底是实验差异还是真实生物学差异？今天我们就把它彻底掰开。

3.1 两者到底有什么不同？

先给个直觉定义：

• 生物学变异——个体之间因为遗传、发育、环境应答不同产生的真实差异。比如癌细胞和正常细胞之间的表达差异，这就是我们想要的东西。
• 批次效应——因为实验操作、试剂批次、测序日期、仪器状态等非生物因素引入的系统性偏差。这不是生物学信号，是噪声。

我个人习惯把它们比喻成“信号和噪音”。生物学变异是你要找的宝藏，批次效应是路上挖出的石头。但麻烦的是，石头有时候长得也像宝石。

3.2 一张表看清核心差异

嗯，这张表基本够用了。但实际数据里，边界经常是模糊的。举个例子，假设两个品系的小鼠分别在两个不同日期提取RNA，那么PCA图上第一主成分分开的到底是品系差异还是日期差异？你根本说不清。这就是混淆。

3.3 怎么判断是批次效应还是生物学变异？

最直接的办法——看变量关联性。把主成分的染色变量换一换，试试用批次标记上色，再用生物学分组标记上色。如果样本按“批次”聚成了簇，而“分组”散成一团，那八成是批次效应。

我在项目中常用这个R代码快速诊断：

library(ggplot2)
library(PCAtools)

# pca_data 是表达矩阵的PCA结果，包含metadata
p <- biplot(pca_data,
            colby = "batch",        # 以批次着色
            shape = "condition",    # 以生物学分组标形状
            showLoadings = FALSE)
print(p)

如果看到batch聚在一起而condition混在一起，赶紧检查实验设计。另外，热图+层次聚类也能帮忙，看样本树是否按批次长出明显分支。

3.4 我踩过的几个坑

• 坑一：把批次当生物学重复——我曾经拿同一批次的六只小鼠当独立重复，结果发现组内变异特别小，差异检验极度 inflated。后来才意识到，这六只小鼠其实是同一天、同一个试剂盒做的提取，根本不是真正的生物学重复。
• 坑二：分组和批次完美共线——比如所有对照样本是批次1，所有处理样本是批次2。这种情况你根本没法区分。我遇到过，最后只能重新补做交叉设计。
• 坑三：以为可以做批次校正就万事大吉——如果批次效应跟生物学变异高度重叠（比如批次就是分组），用ComBat会掰弯真正的信号。校正前必须先确认正交性。

3.5 核心区别概览图

下面这张图把刚才讲的内容串起来。从左到右看：样本进入测序流程后，数据里同时包含生物学变异和批次效应，我们需要通过聚类、PCA、关联性分析来判断它们分别落在哪里。

你看，整个流程就是先区分，再决定下一步动作。如果确认是批次效应且与生物学分组正交，可以用ComBat、removeBatchEffect等工具去除；如果已经混淆……嗯，只能靠实验设计层面补救。记得：批次效应不能靠后期分析逆转糟糕的实验设计。