4. 实验设计：批次效应的来源与影响因素
当你同时处理十几个 Visium 切片时，你很快会发现一个让人头疼的问题——明明是同一种组织、同一个处理方案，不同批次之间数据就是无法完美对齐。我刚开始带项目时也被这个困扰过，一度以为是算法不行，后来才搞清楚：批次效应是个设计问题，不是算法短板。
说白了，批次效应就是那些跟生物学变量无关、但由实验流程差异引入的系统性偏差。我们这节课就把它拆开来看——哪些环节在制造偏差，怎么在实验设计阶段就把它削弱掉。
4.1 什么是批次效应？
批次效应（Batch Effect）是指由于样品并非在完全相同的时间、环境、操作下处理而产生的技术变异。它不是你想要的生物学差异，而是干扰信号。举个例子，我把同样的小鼠肝组织分别在周一和周四上机，最终的基因表达矩阵就可能出现一群“周一肝”和一群“周四肝”的聚类——这不是生物学真相，只是实验节奏的反射。
4.2 批次效应的典型来源
Visium 全流程长，批次效应可以藏进任何一个环节。我把它总结成下面几个来源，你对照着自己的实验流程看一看，有没有踩过类似的坑。
- 切片与冻存步骤：组织块切割时间不同、OCT 包埋批次差异、冷冻速度不一致。我曾经见过同一组织块的后半部分因为反复冻融，基因降解明显，和自己前半部分的数据撞不上。
- 透化条件：Visium 最关键的步骤之一。不同操作者配制的透化酶、孵育时间、温度，哪怕差2分钟，释放的 mRNA 量就会有差异。我一般在透化前会做一个小摸索，固定一个基准条件，全实验统一。
- 反转录与扩增：反转录酶的批号、PCR 循环数、荧光标记批次——这些都是经典来源。你查查市面上 mRNASeq 的批次效应综述，基本上都会提到扩增步骤。
- 捕获芯片批次：10x Genomics 的 Visium 芯片每一批的 spot 密度、捕获效率可能有 ≤5% 的波动。虽然官方会做标化，但我建议不同芯片批次尽量不混合在同一个分析中。
- 测序批次：不同测序仪（even NovaSeq vs. HiSeq）、不同流动槽、不同试剂盒。这些偏差在 UMI 计数上表现得很明显。
- 操作人员：人是最不稳定的变量。同样的 SOP，两人做出来数据轮廓都可能不一样。我在跨中心项目里会要求所有操作者先做两次练习切片，一致性过关再进入正式实验。
4.3 哪些因素最容易被忽视？
你想想看，上边列出的六类里，大家最常忽略的是什么？我个人认为是透化条件的“小波动”和样本到芯片的放置时间。
另外，芯片存储条件也容易出错。10x 的 Visium 芯片有有效期和存储湿度要求，如果有过期芯片或存储不当，捕获效率会直线下降，而这个效应在单张芯片上很难察觉，只有合并对比时才暴露。
4.4 如何量化批次效应？
光靠目测不够，我们需要一个量化指标。我习惯用两种方式：
- 主层次聚类 + 批次标签着色：跑 PCA 或 UMAP，用样品批次信息给点着色。如果相同批次的点明显聚成一团，就说明有批次效应。
- 批次的方差贡献比例：可以使用 R 包
sva中的ComBat函数计算批次在基因表达方差中的占比，或者用variancePartition包做线性混合模型。
下面是我跑的一个快速检查脚本，适用于 Seurat 对象：
# 假设你的 Seurat 对象有 meta.data$Batch 列
# 使用 Harmony 内置的 RunHarmony 前，可先看原始 PCA 的 batch 分布
pca <- RunPCA(seurat_obj, npcs = 30)
DimPlot(pca, group.by = "Batch") + ggtitle("PCA by Batch (raw)")
如果看到明显的 batch cluster，那就需要在后续处理里做校正。但别忘了——预防永远比校正容易。
4.5 实验设计中的预防策略
既然知道了来源，就该在实验计划里把这些坑填平。下面是几个我验证过的有效策略：
| 策略 | 做法 | 适用场景 |
|---|---|---|
| 完全随机化 | 把所有样品按随机顺序分配到批次中，不按组别打包 | 小规模实验（样本 < 20） |
| 交叉区组设计 | 每个批次都包含所有处理组的样品，形成 bloque | 中等规模，有清晰处理组别 |
| 固定操作 SOP + 批号记录 | 记录每个样品的试剂批号、操作人员、时间、仪器 ID | 所有实验 |
| 预实验校准 | 在正式实验前用2个样本跑一次全流程，检查批次间一致性 | 新实验室或新操作者加入时 |
| 使用批内对照 | 在每个芯片上放入一个相同来源的对照组织切片 | 跨周、跨月的长期项目 |
4.6 批次效应来源全景图
下面这张图帮你梳理从组织切片到测序数据整个流程中，批次效应的来源以及它们如何汇聚为最终的数据偏差。注意看，透化和扩增是偏差密度最高的两个节点。
从图中你能直观看到：从切片到测序，所有节点都能注入偏差，最终汇聚到分析结果中。预防的关键就是在每个节点上严格控制——说到底，实验设计决定了你后续能走多远。