📚 课程目录第1章课程介绍

1. 课程介绍：批次效应与ADMET概述

大家好，我是你们这门课的老伙计。

先跟大家说说心里话。我记得刚开始做ADMET预测那会儿，啥也不懂，觉得把数据丢进模型，跑个分数出来就完事了。结果呢？被项目坑了好几次。有一次，一个化合物体外实验数据明明很好，换了批次再测，结果完全对不上。当时我盯着两份报告，差点以为实验室换了批试剂。嗯，后来我才明白，这背后其实就是我们今天要聊的主角——批次效应。

1.1 ADMET到底是什么？

先解决第一个问题：ADMET这四个字母代表什么？说白了，它们是药物研发里几个最让人头疼的关卡。

缩写	全称	通俗解释
A	吸收	药吃进去，能不能进到血液里
D	分布	药到了血液，能不能跑到目标组织
M	代谢	身体会把药分解成什么？会不会有毒
E	排泄	药跟它的代谢物，怎么排出去
T	毒性	这药会不会伤肝、伤肾、伤心脏

你可能觉得，这几个词听起来就是教科书上的概念。但我告诉你，在实际项目里，它们是一环扣一环的。你想想看，一个化合物吸收很好，但代谢太快，血药浓度上不去，照样白搭。

1.2 批次效应是怎么溜进来的？

好了，那我们得搞清楚，这个叫“批次效应”的坏蛋，到底是怎么混进ADMET数据里的。

我个人习惯把批次效应叫做“实验里的幽灵”。你看不见它，但它无处不在。它产生的原因其实挺多的，我归纳了几条最常见的：

试剂批次不同：同一个厂家，不同批次的血清、缓冲液，活性可能差10%以上。我在项目中遇到过，就因为这个，一组IC50数据整体漂移了半个数量级。
仪器校准偏差：两台质谱仪，或者同一台仪器在周一和周五的校准状态不一样。数据就会出现系统性误差。
操作者差异：实验室A的师兄和实验室B的师妹，加样手法肯定不一样。这也会形成批次效应。
环境因素：温度、湿度，甚至哪天做实验的人心情好不好，都可能影响数据。

避坑指南：我曾经在一次跨实验室合作中，发现两个实验室对同一个化合物库的Caco-2渗透性数据，相关系数竟然只有0.3。当时大家互相怀疑对方的实验水平。后来仔细排查，发现只是两个实验室用的转运培养基批次不同。你看，就这么一点差异，差点让一个合作项目黄了。

1.3 为什么做ADMET研究，要特别在意批次效应？

讲到这儿，可能有人会问：那我做分子对接、做MD模拟，有批次效应吗？老实说，计算模拟这块没有实验批次的问题。但是——一旦涉及实验数据建模、QSAR模型训练，批次效应就是个绕不开的坎。

我举个例子。假如你要训练一个预测肝毒性的模型。训练数据来自5个不同的实验室，每个实验室提供了200个化合物的数据。你直接把5个实验室的数据堆在一起，放到模型里训练。你猜会发生什么？

模型很可能学到的不是“什么结构会导致肝毒性”，而是“实验室A的数据长什么样，实验室B的数据长什么样”。这就是典型的批次效应干扰建模。你用这样的模型去预测新化合物，结果绝对靠不住。

更现实的情况是，很多公开数据库，比如ChEMBL、PubChem，都是汇集了全世界不同机构的数据。这些数据里，批次效应简直就是家常便饭。

重点：批次效应如果不处理，会直接拉低模型的泛化能力。说白了，就是你模型在训练集上表现很好，一换到新数据上就崩盘。

1.4 批次效应长什么样？怎么发现它？

那我们怎么知道数据里有没有批次效应呢？总得有个检查的办法吧？

我个人比较常用的方法，是画“主成分分析图”或者“t-SNE图”。你想想看，如果数据没有批次效应，那么不同批次的样本应该像盐撒进水里一样，均匀混合在一起。如果出现明显的聚类——比如第一批次的数据全聚在左边，第二批次的全聚在右边，那八成就有问题了。

# R语言示例：快速检查批次效应
# 假设你的数据框叫 admet_data
# 其中列 Batch 标记了样本来自哪个批次

# 对数据进行PCA
pca_result <- prcomp(admet_data[, -c(1,2)], scale. = TRUE)

# 绘制PCA图，按批次着色
plot(pca_result$x, col = admet_data$Batch, pch = 19)
legend("topright", legend=unique(admet_data$Batch), col=1:length(unique(admet_data$Batch)), pch=19)

有时候，批次效应也会直接体现在数值分布上。比如，我们可以比较不同批次下同一个ADMET指标的均值、中位数或者四分位间距。

提示：我自己有个习惯，拿到新数据集，第一个动作就是检查批次效应。哪怕数据是公开的，也绝不默认它没有问题。你信我，这个习惯能帮你省掉后面一大堆麻烦。

1.5 我们这门课要讲什么？

好了，到了这一步，你应该能明白我们这门课是干什么的了。它不是给你讲ADMET的基础知识——那些教科书上都有。我们这门课，聚焦的就是一件事：怎么在ADMET数据处理和建模中，识别、量化和消除批次效应。

接下来的章节，我们会一步步深入。从数据预处理开始，讨论各种检测批次效应的统计方法；然后讲经典的批次校正算法，比如ComBat、limma；再深入到深度学习中的批次效应处理技巧；最后结合几个实际的药物研发案例，把整套流程串起来。

你想想看，把这些东西吃透了，以后不管是从公开数据库捞数据，还是处理自己实验室的数据，心里都会更有底。

本章小结：

ADMET 是药物研发的五道关卡，每一关的数据都可能被批次效应污染。
批次效应 来源于试剂、仪器、操作者、环境等多方面，是个系统性偏差。
后果是模型学坏特征，泛化能力大打折扣。
路是检测、校正、验证，三管齐下。