2. 批次质控概念：来源、设计与指标

我记得刚做蛋白质组学那会儿，有一批样本跑完，一看定量结果——处理组和对照组完全混在一起，根本分不开。我查了两天，最后才发现是前后用了不同批次的色谱柱。嗯，从那以后我彻底明白了：批次效应如果不管，再好的数据也是白搭。

这一章咱们就把批次质控的三个核心问题说清楚：批次效应从哪来？QC样本怎么设计？用什么指标去评估？

2.1 批次效应：那些不该有的波动

说白了，批次效应就是"非生物学变异"。你想啊，同一种样本，今天跑和明天跑，结果不一样，这差异不是样本本身带来的，而是外部条件导致的。

我经历的最离谱的一次，是实验室空调坏了。温度波动超过4°C，两天内的样本信号强度整体偏移了30%以上。你看，环境因素就这么直接。

常见的批次效应来源可以归纳为五类：

• 仪器状态波动——色谱柱老化、喷雾针堵塞、质量轴漂移，这些都是"慢性杀手"。
• 试剂批次更换——水、乙腈、甲酸，甚至C18填料，换个批号，保留时间都可能变。
• 操作人员变更——前处理手法、上样量控制，不同人做就是不一样。
• 环境条件变化——温度、湿度、气压，实验室不是恒温室，就有影响。
• 时间跨度效应——大型队列研究动不动跑几个月，仪器衰退是不可避免的。

2.2 QC样本：给批次装个"监控探头"

知道了批次效应从哪来，接下来就是怎么"抓住"它。QC样本就是你的监控探头。

我建议每个项目在设计阶段就把QC方案定死，而不是跑了一半才想起来加。你想想看，没有QC样本，你怎么知道波动是批次引起的还是样本本身的差异？

常用的QC样本类型和用途对比如下：

样本类型	核心用途	推荐插入频率	主要监控指标
空白对照	监测系统污染和残留	每10个样本后	背景信号、污染峰
标准参考样本	校正系统偏差，评估准确度	每批次首尾	CV、回收率
合并Pool样本	评估整体技术变异	每15～20个样本	CV、相关系数
梯度稀释样本	评估线性响应范围	每批次1次	R²、线性度

这里有个细节：Pool样本最好是所有研究样本的等量混合，这样它的"真实值"就是批次间的基准。我见过不少人随便拿一个样本当QC，结果那个样本本身就有特殊性，反而把批次效应掩盖了。

2.3 QC指标：用数字说话

有了QC样本，下一步就是用指标量化。我个人习惯从四个维度去看：离散度、结构、相关性和完整性。

CV —— 变异系数

CV是评估重复性的首选指标。对于一个QC样本多次测量，CV越小说明技术越稳定。

import numpy as np

def compute_cv(values):
    mean_val = np.mean(values)
    std_val = np.std(values)
    cv = (std_val / mean_val) * 100
    return cv

# 示例：同一个Pool样本的5次强度测量
qc_intensities = [1.20e6, 1.15e6, 1.22e6, 1.18e6, 1.21e6]
cv = compute_cv(qc_intensities)
print(f"CV = {cv:.2f}%")
# 输出: CV = 2.28%

我个人习惯把CV阈值设在20%以下。超过这个值的肽段，在后续分析中直接标记为"不可信"。当然，如果你做的是大规模队列，可以适当放宽到30%。

PCA —— 主成分分析

PCA是看"结构"的利器。把所有样本（包括QC）投影到主成分空间，QC样本如果聚在一起，说明批次内一致性良好；如果QC样本按批次分开了，那就出问题了。

这里有个坑：PCA对缺失值敏感。记得先做数据填补，或者至少把缺失率过高的变量去掉，不然PC1可能会被缺失模式主导，而不是真实的批次效应。

相关系数矩阵

计算QC样本两两之间的皮尔逊相关系数，生成一个热图。理想情况下，同批次内的QC样本两两相关应该在0.95以上。如果低于0.9，我会认为这个批次需要重新检查。

相关系数的好处是直观，项目组不懂统计的人也能看懂。坏处是它对异常值比较敏感，一个污染峰就能把相关系数拉下来。

其他辅助指标

• 缺失率——高缺失率常常是信号弱或仪器状态差的信号。
• 强度分布——箱线图比较批次间的中位数强度，如果偏移超过±20%，值得警惕。
• 保留时间漂移——RT偏移超过2分钟，说明色谱系统不稳定。

把三者串起来

好了，现在我们把三个概念放在一起看：批次效应来源告诉你"为什么要做质控"；QC样本设计告诉你"怎么布控"；QC指标告诉你"怎么判断数据能不能用"。

下面这张图是我自己整理的概念体系，每次做新项目前都会拿出来对照一遍——

我常说，批次质控不是"走过场"，而是给数据质量上的一道保险。你花一天时间把QC方案设计好了，后面两个月的数据分析都会顺很多。反过来，如果前期省了这一步，后面可能花两周去"修复"数据，还不一定修得回来。