1. 课程概述：空间转录组技术简介、批次效应来源、为什么需要消除批次效应

各位同学，欢迎来到这门实战课。我是你们的老朋友，一个在空间组学数据里泡了好几年的工程师。今天咱们先聊聊最基础的东西——你到底在跟什么样的数据打交道，那些让人头疼的批次效应从哪冒出来的，以及为什么非得花30章去折腾它。

1.1 空间转录组到底是个啥

说白了，空间转录组就是把组织切片上的每个“小点”（我们叫它 spot）的基因表达量测出来，同时还能知道这个点原来在组织哪个位置。你想想看，传统转录组（bulk RNA-seq）是把整个组织搅碎测个平均值，单细胞RNA-seq是知道每个细胞表达什么但不知道它待在哪儿。而空间转录组，既有位置信息又有表达信息，像一张基因表达的“地标图”。

我记得2018年第一次看到10x Visium的demo数据时，心里那个激动啊——每个spot直径55微米，覆盖大概1~10个细胞，还能拼回组织形态。后来陆续接触了其他技术，我整理了一张常用技术的对比表，帮你快速建立印象：

¹ MERFISH基因数取决于panel设计，这里取常见范围。

为什么列这个表？因为不同技术产生batch效应的表现形式完全不一样。Visium的批次主要来自芯片和反转录效率，Slide-seq的批次来自每张芯片上beads的覆盖均一性……后面章节你会一一领教。

1.2 批次效应从哪儿冒出来的

“批次”这个词听起来抽象，其实说穿了就是：不是你想要的生物学差异，而是实验操作/仪器/试剂带来的系统偏差。我总结了一下，空间转录组里批次效应的“元凶”主要有这几个：

• 芯片/捕获介质差异：不同批次的Visium芯片，spot捕获效率可能有5~15%的波动。Slide-seq每张芯片的bead覆盖密度也不同。
• 反转录与扩增效率：不同操作者、不同试剂品牌、甚至同试剂盒不同批次，反转录效率会变。这个偏差会直接叠加到每个基因的UMI计数上。
• 测序深度：有的样本跑了5万reads/spot，有的只跑了2万——不校正的话，低深度样本的基因表达就会被“压扁”。
• 组织处理差异：组织固定、包埋、切片厚度、石蜡去除步骤……每个环节都可能引入批次漂移。我遇到过从医院拿来的FFPE样本，因为固定时间差了两周，同一位置spot的基因检出率差了30%。
• 多中心/多仪器：不同实验室的测序仪（NovaSeq vs. NextSeq）会有系统误差；不同分析人员的操作习惯也能造成隐性批次。

你可能会问：“这些东西在单细胞转录组里不也有吗？”没错，但空间转录组多了一个空间结构的约束——你去掉批次效应时不能把组织里真实的空间梯度也抹平了。这个挑战，后面实战章节会重点讲。

1.3 为什么非消除不可？

嗯，这个问题其实不需要太多理论，咱们直接看后果。假设你有两个芯片的乳腺癌样本，一个来自A医院，一个来自B医院。如果不消除批次效应：

• 聚类会把批次标签当成“主要差异”——你得到的最明显分组不是“肿瘤vs正常”，而是“医院A vs 医院B”。
• 差异表达基因全是假阳性——那些高差异的基因很可能只是反转录效率的噪声，不是真正的生物标志物。
• 空间域（spatial domain）识别会失败——算法会把一块组织里不同批次的区域识别成“不同亚型”，但实际它们可能同一类细胞类型。

我参与过一个跨中心合作项目，四个团队分别用自己实验室的Visium平台分析同一套组织切片（分切后各测各的）。没校正前，用stLearn做空间聚类，四个批次各成一团——完全看不到预期的肿瘤边界。做到后面我们都想放弃了。后来花了两周设计了一套分层批次校正流程（后面章节会详细展开），才把真实的免疫浸润模式还原出来。不信你看下面这个流程图，就是当时我们梳理出来的核心逻辑：

你看，这个逻辑链很清晰：先检测、再选择对应策略、然后用空间感知的方法校正、最后必须验证。这里“空间感知校正”是最特殊的一步——它利用了spot的位置信息来区分批次噪声和真实空间梯度。我后面会用整整10章来讲这块。

1.4 数据准备：看一眼你的批次信息

在进入正式校正之前，咱们最好先确认一下数据里有没有批次标签。下面是一个简单的Python片段，帮你快速检查：

import scanpy as sc
import pandas as pd

adata = sc.read_visium("你的数据路径")
# 假设metadata中有一列叫'batch'
print("批次标签唯一值:", adata.obs['batch'].unique())
print("每批次spot数量:")
print(adata.obs['batch'].value_counts())

# 用UMAP快速看看是否按批次聚集
sc.pp.pca(adata)
sc.pp.neighbors(adata)
sc.tl.umap(adata)
sc.pl.umap(adata, color='batch', title='批次效应快速检查')

如果你在UMAP图上看到不同颜色的点各自抱团，而且明显分离，那恭喜你——你遇到了批次效应，后面的章节正好有用。如果混得很好，也别高兴太早，可能只是没触发强烈的批次条件，或者数据量太小。实战中我建议即使看起来没分离，也做一轮轻度校正保底。