3. 批次效应如何“污染”你的数据？——偏差、假阳性、假阴性、可重复性下降

好了，前面我们聊了批次效应是什么、长什么样。但说实话，看到那些PCA图上不同颜色分开了，顶多就是视觉上不舒服。更可怕的是你看不到的地方——它直接把你分析结果搞废了。这章我们来扒一扒，批次效应到底是怎么一步步毁掉你的研究的。

3.1 偏差：你看到的“真实差异”，可能只是个错觉

偏差，说白了就是你的估计值偏离了真实值。这在生物信息学里太常见了。我刚开始做差异表达分析时，经常发现一批样本里的基因A表达量普遍比另一批高，心想“找到了一个潜在biomarker”，结果加了处理效应对照——发现根本是批次效应在作祟。

为什么会有偏差？
你想想看，不同批次的实验条件几乎不可能完全一致：

• 试剂批次换了
• 操作人员手法不同
• 仪器校准漂移了

这些因素叠加，相当于在数据里掺入了一个系统性的偏移项。真实信号被混淆了，你的估计就不再是无偏的了。

3.2 假阳性：你兴奋了半天，结果是个“乌龙”

假阳性就是——你判定为“显著差异”的那些结果，其实是假的。这是批次效应最坑人的地方。

为什么会这样？
我们做差异检验时，比如t检验或Limma，靠的是组间差异除以组内变异。样本量一大，组内变异稍微小一点，统计检验力就会特别高。关键是：

• 如果批次效应恰好与你的分组变量混淆了（比如处理组全在第一批发，对照组全在第二批），检验做出来的显著结果，很可能反映的是批次差异而非处理差异。
• 这就是所谓的“混淆效应”，我习惯用一张表来看清它：

3.3 假阴性：真实信号被噪声淹没了

假阴性就是本该显著的那些差异，被批次效应给“吃掉”了，检验不出来。这常常发生在批次效应与分组变量不严格混淆，但存在“部分重叠”或“交互作用”的时候。

举个例子：

• 你拿了两个批次的样本，处理组既有批次A也有批次B，对照组也是。但批次A的样本整体表达水平偏高，批次B偏低。
• 这会导致组内的变异变大，相当于噪声信号变强。
• 真实的生物学差异本来可能就是1.5倍变化（log2FC约0.58），但批次引入的组内标准差翻了两倍。显著性检验的t统计量一下子就跌下去了。

我检查过很多数据集，有些很经典的差异基因，比如众所周知的marker基因，在未校正批次效应的数据里竟然不显著。一旦跑个ComBat或者limma的removeBatchEffect，那些基因就“复活”了。这就是典型的假阴性。

3.4 可重复性下降：你的结果别人复现不出来

老实说，现在的生物信息学领域，“可重复性危机”已经是公开的秘密了。而批次效应是其中的罪魁祸首之一。

可重复性下降的机制其实很清晰：

1. 批次特异性：你在你的实验室用你的试剂、你的仪器做出来的数据，自然带有你的“批次指纹”。换一个实验室再做，批次指纹完全不一样。
2. 没有通用的校正方案：你用自己的方法校正了批次，但不代表别人能用你的方法去校正他们的数据。有时校正参数过度拟合了当前的数据集，迁移到新数据上完全失效。
3. 批次效应在多个维度积累：一个项目可能分成很多小批次，每个批次之间都有微小差异。这些差异累积起来，导致最终的结果完全不可重复。

举个我踩过的坑：我参与过一项多中心GWAS研究，每个中心的样本都经过严格的质控，但最终联合分析时，方向一致的SNP位点在不同中心之间重复率低得惊人。后来排查发现，不同中心的样本采集时间、储存条件不一样，导致基因型call的准确率出现系统性偏移。这本质上就是批次效应。

下面这张图可以直观地展示这四种后果如何相互关联：

3.5 一个小总结：批量看这四个指标

我自己的习惯是，每次拿到一个新的多批次数据集，都会先跑一套“诊断流程”来评估受影响的程度：

• 看PCA/UMAP有没有批次分离
• 计算批次-分组变量之间的Cramer's V或卡方检验，衡量混淆程度
• 用线性模型估计每个基因的批次方差占比
• 最后，用“可重复性指数”对比不同批次对同一个差异基因的log2FC一致性