课程概述与背景
空间转录组学：不只是看到哪里，更要知道那里在做什么
空间转录组学，说白了就是给组织切片的每个位置都贴上“基因表达标签”。你想想看，过去我们做单细胞测序，细胞是被打散了的，位置信息全丢。比如肿瘤组织里，一个细胞是肿瘤细胞还是T细胞，我们能分出来，但它到底待在肿瘤核心还是边缘？不知道。空间转录组学补的就是这个缺口。
我记得自己第一次拿到空间转录组数据时，心里挺兴奋的——一张组织切片图像上，每个点（spot）都带着几千个基因的表达值。但同时也很头疼：不同批次的切片，技术差异、染色批次、甚至操作人员的不同，都会让数据出现系统性偏移。这就是我们这门课要啃的硬骨头。
核心痛点：空间转录组的“位置-表达”双重信息，既带来了生物学洞察，也带来了比普通单细胞更复杂的批次效应。
从技术实现上讲，目前主流平台包括 10x Visium、Slide-seq、MERFISH 等。它们都基于“捕获探针→测序→映射回原位”的逻辑。但捕获效率、探针密度、组织透化时间这些参数，稍微变一点，表达数据就会出现不可忽略的差异。
Spot 技术：一个个小圆圈，承载着大秘密
空间转录组学里的“spot”，就是组织切片上一个个预先设计好的捕获点。每个 spot 直径通常在 55 μm 左右，覆盖几个到几十个细胞。我个人习惯把 spot 理解为“像素化的细胞邻居群”。
为什么强调这个？因为批次效应在 spot 级别的表现跟单细胞很不一样。单细胞里一个细胞是一个样本点，空间转录组里一个 spot 可能混合多种细胞类型，而且 spot 之间的空间邻接关系还带来了额外的平滑效应。
一个经验：我在处理 Visium 数据时发现，相邻 spot 的表达谱天然相似。如果批次效应修正后破坏了这种邻域结构，那结果基本不能用。所以处理批次效应时必须保留空间自相关性。
来看一个典型的数据结构：每个 spot 对应一个 x/y 坐标，一个基因表达向量，以及一张原始组织图像。这张表就是我们后续所有分析的起点。
| 属性 | 说明 | 批次效应影响 |
|---|---|---|
| spot 坐标 | 组织切片上的像素位置 | 受切片对位精度影响 |
| 基因计数矩阵 | 每个 spot 的 UMI 计数 | 主效应来源（测序深度、试剂批） |
| 组织学图像 | H&E 染色照片 | 染色批次导致亮度/对比度差异 |
批次效应：老问题，新场景
批次效应在单细胞领域已经被讨论烂了——不同测序批次、不同实验室、不同日期，都会引入系统性偏移。但空间转录组场景下，问题更棘手。为什么？
第一，数据本身就有两层变异：基因表达变异 + 空间位置变异。批次效应可能把真实的空间梯度抹掉，也可能伪造出虚假的“热点区域”。
第二，大多数批次效应校正方法（比如 Harmony、Seurat 的 CCA）是基于降维后对齐的，它们没有利用空间邻域信息。我曾试过用标准方法校正空间数据，结果校正后的 UMAP 漂亮了，但原来肠道隐窝-绒毛轴的空间梯度全没了——校正过头了。
第三，空间转录组通常样本量小（一个切片就一个样本），但 spot 数量多（几千到几万）。这导致统计模型很容易过拟合：把随机噪声当成了批次效应。
避坑指南：我曾经在处理 4 个批次的 10x Visium 数据时，先用常规的 Seurat 整合流程做了校正，然后去找区域差异基因，结果发现几乎每个差异基因都是批次残余。后来用了专门保留空间信息的模型（如 SpaGCN 的批次修正扩展），才算真正抓到生物学信号。
理解了这些，我们就能带着目的进入接下来的课程：如何设计一个专为空间 spot 数据打磨的批次效应处理流程。下面这张图可以帮你直观地理解数据产生和批次效应来源的关系。
好了，这张图把批次效应可能插手的环节都标出来了。下一步我们会深入每个具体来源的统计学特征，然后搭建一套针对 spot 数据的四步校正框架。