课程概述：批次效应来源、为什么需要可视化、PCoA与UMAP对比概览
批次效应，说白了就是“同一个生物学实验，不同时间、不同人、不同仪器做，结果却自己‘拉帮结派’”。我最早碰到这玩意儿是在做RNA-seq差异表达分析的时候——明明两个处理组的样本是随机分配的，PCA一看，哇，按上机月份分成了两堆。那时候我才明白，技术误差有时候比生物学差异还“抢镜”。
这一节我不谈太深的数学，先带你把三个核心问题搞透：
- 批次效应哪来的？
- 为什么非要把它们“可视化”出来？
- PCoA 和 UMAP，到底谁更适合看批次效应？
下面一个一个说。
1.1 批次效应来源：技术噪声的“精准内卷”
你想想看，一个实验流程下来，变量太多了：
- 试剂批次不同——即便同一品牌的试剂盒，不同生产批号之间也有细微活性差异。
- 操作人员差异——换个人提RNA、建库，扩增效率就是不一样。
- 测序仪/芯片——同一平台的不同机器，甚至同一机器的不同通道、不同run。
- 时间因素——室温、湿度、放置时间… 都是隐形的“搅局者”。
我在一个单细胞项目里就遇到过这种事：两个批次的骨髓样本，明明都是健康人，UMAP一画，两个批次像两个物种似的。要不是提前知道批次信息，真以为发现了新细胞亚型。这就是批次效应典型的“乔装打扮”——它让你觉得是生物学差异，其实只是实验室噪声。
核心认知：批次效应不是“错误”，它是系统性技术偏差的必然结果。可视化不是用来消除它，而是让它在分析之前就被看见。
1.2 为什么需要可视化？——看见问题，才能动手解决
如果你问我，可视化在批次效应处理里是什么角色？我的回答就两个字：“侦探”。没有可视化，你就像闭着眼睛修电路——摸黑拧螺丝，根本不知道拧的是不是该拧的那颗。
具体来说，可视化能帮你做三件事：
- 发现异常聚集——样本按批次、而不是按处理分组，一眼就能看出来。
- 判断校正需求——如果批次之间完全重叠，那可能不需要校正；如果完全分开，就得引起警惕。
- 验证校正效果——用了ComBat、Harmony或者Limma之后，再画一张图，看看批次是否“混匀”了。
我曾经在一次组会前，只花了5分钟画了个PCoA图，就直接让PI意识到“这批数据不能直接分析”。嗯，从那以后，团队的数据流程里就内置了可视化检查步骤。
小经验： 不要只依赖一个可视化方法。PCoA和UMAP各有所长，搭配使用才能看到全貌。后面几章我们会手把手教你怎么组合。
1.3 PCoA vs UMAP：一个全局，一个局部
这两种方法在批次效应可视化里出镜率最高，但它们的“性格”完全不同：
| 特性 | PCoA（主坐标分析） | UMAP（均匀流形逼近与投影） |
|---|---|---|
| 原理本质 | 多维缩放（MDS），基于距离矩阵 | 流形学习，构建kNN图再优化布局 |
| 距离度量 | 用户自定义（欧氏、Bray-Curtis、Jaccard等） | 默认欧氏，可传入预计算距离 |
| 线性/非线性 | 线性（全局结构） | 非线性（兼顾局部与全局） |
| 对批次效应的敏感性 | 容易放大整体偏移 | 能保留局部亚群，但批次效应可能被“拉散” |
| 计算速度 | 依赖样本数 × 特征数，较慢 | 依赖近邻数，通常更快 |
| 适用场景 | 组间距离明显较大时，适合先看概貌 | 样本量大、存在稀有亚群时，细节更清晰 |
我的个人习惯： 拿到新数据，先用PCoA瞄一眼整体批次模式——因为它是线性的，不会“扭曲”真实距离；然后再用UMAP看局部细节，确认是否有些批次内也分层。
曾经踩过的坑： 有一次我直接上了UMAP，结果两个批次被“拉”成两团，但后来又发现一个批次内部出现了新的小团——其实是那次实验的试剂盒批次又换了一次。UMAP的局部结构太敏感，容易把微小技术变异也当成“新发现”。所以别忘了回头用PCoA验证一下。
下面这张图把这三块内容串起来，方便你建立本章的知识框架：
你看，这个框架其实就三块：
- 了解批次效应的出身；
- 懂得可视化的目的；
- 掌握两种工具的差异。
这三块搞清楚了，后面二十几章的实战才不会“跑偏”。我个人觉得，这一步比写代码重要——方向对了，工具才有意义。
总结：
✅ 批次效应是技术系统偏差，不是错误。
✅ 可视化是“侦查工具”，不能跳过。
✅ PCoA和UMAP互补，不要只用一个。
✅ 批次效应是技术系统偏差，不是错误。
✅ 可视化是“侦查工具”，不能跳过。
✅ PCoA和UMAP互补，不要只用一个。