批次效应的来源：实验操作、试剂批次、仪器差异、时间因素
好，咱们进入正题。上一章我们聊了什么是批次效应，以及它为什么让人头疼。现在我想带着你，一个一个揪出那些藏在实验流程里的“捣蛋鬼”。
说白了，批次效应不是凭空冒出来的。它的源头，我归纳下来就四大类：实验操作、试剂批次、仪器差异、时间因素。每一类你都可能遇到过，甚至同时踩过好几个坑。
实验操作：最容易被忽视的“人肉变量”
你想想看，同一个流程，不同的人做，甚至同一个人不同时候做，结果能一样吗？
- 加样手法：有人喜欢悬空加样，有人习惯贴壁。我见过一个项目，因为两位同事吹打混匀的力度不一样，导致两批样本的细胞因子浓度差了30%。
- 孵育时间：说好室温孵育10分钟，你顺手去做别的事，回来已经15分钟了。这种偏差，比想象中要大。
- 离心转速和温度：多了一百转、少了两度，沉淀效果马上就变。
- 清洗次数和方式：多洗一遍和少洗一遍，背景信号完全不同。
怎么控制？我建议对关键步骤做标准化操作脚本，不仅要写步骤，还要写“如何做”——比如“枪头距离液面1cm处缓慢释放”。你把这个写到SOP里，团队所有人都照着练，批次效应会明显下降。
试剂批次：不是所有A抗体都一样
这个我深有体会。同一个货号、同一家公司的试剂，不同批号之间的活性、浓度、纯度，都可能有细微差异。这是供应链的天然属性，躲不掉的。
为什么同一款试剂不同批次会有差异？
- 原材料供应商可能有变动。
- 生产工艺或纯化流程的微小调整。
- 运输和储存条件的波动（温度、光照、震动）。
- 试剂有效期和批次本身的老化进度。
我在做蛋白质组学项目时碰到过一个案例：同一批样本，用两个批次的胰酶处理，鉴定到的肽段数差了15%。后来追踪发现，新批次的胰酶活性偏低，导致酶切不完全。
仪器差异：你以为校准了就是一样的？
仪器之间永远有差异。即使同一品牌、同一型号、同一校准周期。为什么？
| 差异来源 | 影响机制 | 典型表现 |
|---|---|---|
| 光学系统偏差 | 光源强度、检测器灵敏度、滤光片透过率 | 荧光信号强度在不同仪器上差2-3倍 |
| 机械部件磨损 | 移液器活塞密封性、泵管老化 | 移液体积不准确，重复性变差 |
| 温度控制差异 | 水浴槽温度分布不均、PCR仪热盖压力 | 酶反应效率不同，Ct值偏移 |
| 固件/软件版本 | 数据处理算法修正或参数默认值更改 | 同一张片子在不同软件版本上分析结果不同 |
我建议做大规模实验前，先做“仪器间比对测试”。拿一个标准品，在所有要用的仪器上跑一遍，看看偏差在什么范围。如果偏差超过可接受阈值，要么修仪器，要么用校正系数补偿。
时间因素：连续几天的实验，第一天和最后一天能一样吗？
时间本身就是一个隐形的批次变量。你想想看：
- 样本放置时间：采血后半小时处理和放了两小时处理，RNA降解程度完全不一样。
- 实验日期：一周一做的实验，周五做和周一做，操作员的疲劳状态、室温、湿度都有差别。
- 月份或季节：夏天的室温比冬天高10℃，空调控制再好也有波动。我曾经在跨年度的临床试验中发现，夏季采集的样本白细胞计数普遍偏低，不是疾病变化，是运输过程中时间太长。
- 批次跨越天数：连续跑三天的qPCR板，就算用同一批试剂、同一台机器，Ct值的漂移也能看出来。
四大来源的关系图
下面这张图帮你理清这四类因素的影响路径。每个来源都会直接或间接地在数据中引入系统性偏差，最终叠加成我们看到的批次效应。
怎么排查？一个实用的检查清单
你拿到一批数据，怀疑有批次效应，但不确定是哪个来源。我一般按这个顺序排查：
- 看时间戳：数据是不是跨了好几天？跨了月？如果采集日期和实验日期很分散，先怀疑时间因素。
- 看操作者：谁做的第一步？谁跑的最后一轮？如果不同操作者对应不同数据簇，那就是操作差异。
- 看试剂批号：关键试剂的 lot number 记录了吗？如果有两个lot number，把它们分开画个PCA，一看便知。
- 看仪器ID：大型仪器通常有唯一标识。用仪器ID作为分组变量检查数据分布。
- 交叉验证：如果以上都查了还是分不清，可以做一个小型重复实验——把几个经典样本在不同条件下再测一次，看偏移情况。
一个真实项目中的教训
我记得有一次做多中心临床试验的RNA-seq分析。样本来自三个医院，同一个方案、同一批试剂盒，但第一个医院的样本总是聚成一团，和另外两个分离。我一开始以为是生物学差异，直到我无意中看到运输记录——第一家医院用的是干冰运输，其他两家是液氮运输。运输方式影响RNA完整性，这本质上是“时间因素”加“操作因素”的混合批次效应。
那时候我还没有系统学习批次效应的原理，只是凭经验做了标准化，但效果很差。后来我用R包sva里的ComBat函数对医院来源做了修正，数据才勉强能合并分析。说实话，如果当初在实验设计阶段就注意统一运输方案，后面可以少花两周时间。
# 一个简单的ComBat示例（示意图，不要直接复制运行）
library(sva)
# 假设表达矩阵 exprs，批次变量 batch
corrected_exprs <- ComBat(dat = exprs, batch = batch, mod = NULL, par.prior = TRUE)
这个例子说明：批次效应的来源，最好在实验设计阶段就考虑进去。不要等到数据分析时才来补救，太被动。
本章小节
实验操作、试剂批次、仪器差异、时间因素——这四类来源构成了批次效应的“四大家族”。它们不是孤立的，经常互相叠加、互相放大。你遇到过哪个最头疼？我个人觉得时间因素是最难控制的，因为它还隐含了很多看不见的变化，比如操作员的疲劳、环境温度的细微波动。但好消息是，只要我们提前识别、系统记录、合理设计实验，大部分批次效应是可以被削弱或消除的。