2. 批次效应概念：什么是批次效应，为何在空间转录组中尤其需要关注

我记得刚开始做空间转录组分析的时候，就被一个问题折腾得够呛。同一个课题，前后送了两批样本，结果聚类出来的细胞群，居然是按“批次”分开的，而不是按“生物学差异”。这就像你做了两份一模一样的菜，结果客人吃完评论说：“这两盘味道差别挺大啊。” 嗯，问题出在哪？就在“批次效应”这里。

2.1 什么是批次效应？

说白了，批次效应就是由非生物学因素引入的系统性偏差。比如样本采集时间不同、操作人员换了、试剂批号不一样、或者芯片的检测环境有变化。这些本该“无所谓”的变量，却让你的数据产生了假象。

在传统转录组中，它叫“批次效应”。在空间转录组里，它更麻烦——不仅影响基因表达量，还可能扭曲空间位置信息。我习惯把数据里的批次效应比作“滤镜”。本来所有人都拍同一张风景照，有的人用美颜滤镜，有的人加了一层复古黄。你回头看这些照片，以为是不同风景，其实只是滤镜不一样。

为什么会有批次效应？我归纳过几个主要来源：

• 样本采集与保存：不同时间点的组织切割厚度、固定方式、冻存时间有差别。
• 实验操作：透化时间、酶浓度、清洗次数，每个步骤手抖一下就是误差。
• 试剂与芯片：不同批号的探针、不同版本的捕获芯片，灵敏度可能差不少。
• 测序与比对：测序深度高低、比对软件的同一性，也会叠加偏差。

我在一个乳腺癌项目里遇到过这种情况：两个批次的样本，明明都是三阴性乳腺癌亚型，结果聚类后一个批次全聚到一起去，另一个批次独立成团。当时我一头雾水，后来才发现，两个批次的透化时间差了2分钟。就因为这两分钟，整个空间表达谱都变了。

2.2 空间转录组里的批次效应：为什么更需警惕？

单细胞转录组也有批次效应。但在空间转录组里，这个问题的严重程度完全不一样。为什么？三个原因。

第一，空间位置本身就是变量。
普通单细胞表达矩阵里，我们假定细胞之间是独立的。但空间转录组每个spot有相邻关系，有组织学坐标。批次效应一旦进入空间维度，它影响的就不仅仅是表达量，还会让相邻spot之间的相似性结构改变。两个来自不同批次的相同组织区域，原本应该表达高度相关，结果却被批次效应强行拉开。我见过一个案例，正常组织的皮层区域，因为批次跨度大，被误检测成了一个“过渡区”。

第二，空间分割与组织异质性不可控。
组织切片时你没法保证每个批次切的位置完全一样。即使都是同一块蜡块，切片角度、厚度、染色深浅都会带来系统性差异。这些差异和批次效应叠加在一起，更难区分什么是生物学的“区域特征”，什么是人工的“批间漂移”。

第三，spot分辨率下，批次效应的放大效应。
单细胞数据如果有批次效应，通常可以通过Seurat或Harmony进行校正。但空间转录组里，一个spot包含几个到几十个细胞的混合信号。如果在细胞水平的样本处理产生偏差，在spot层面会被放大——类似于“平均数不准确了”。我曾经遇到过一个情况：用一个批次训练的空间预测模型，在另一个批次数据上表现暴跌，AUC直接从0.9降到0.65。定睛一看，就是两个批次的spot表达量平均值本身就差了30%。

下面这张图可以直观解释批次效应对空间转录组的影响路径：

所以，空间转录组的批次效应校正不是“顺手做个标准化”那么简单。它需要同时兼顾表达量对齐和空间结构保护。你在做批次校正时，如果只关注整体分布对齐而把空间邻域关系打乱了，那结果还不如不做。

2.3 如何判别自己的数据存在批次效应？

我个人习惯在拿到数据后，先做三件事来快速排查。

1. 按批次主成分着色：PCA降维后，看前两个主成分的分布是否按批次聚集。如果不同批次在散点图上呈“分离”状态，基本可以判断存在批次效应。
2. 聚类后统计批次占比：在UMAP上每个聚类中，计算不同批次的spot占比。如果一个聚类80%以上来自同一个批次，且其他批次比例极低，就需要警惕。
3. 空间表达图目视检查：将同一基因在不同批次组织切片上的空间分布图并列比较。如果相同的组织区域（比如腺体区、血管区）表达量差距明显，很可能就是批次效应。

下面的代码片段是我常用的快速诊断脚本：

# 快速检查批次效应的PCA可视化
import scanpy as sc
import matplotlib.pyplot as plt

adata = sc.read_h5ad('your_spatial_data.h5ad')
# 假设batch信息储存在adata.obs['batch']中
sc.pp.pca(adata, n_comps=30)
sc.pl.pca(adata, color='batch', title='PCA colored by batch')

2.4 空间转录组批次效应的“表亲”：位置效应

还有一个比较偏门但非常重要的概念：位置效应（Positional Effect）。简单说就是，在同一张切片上，边缘和中间的spot表达谱可能就有系统性差异。这种差异不是由样本本身的组织结构引起的，而是芯片捕获效率的表层不均匀性导致的。

批次效应是“不同切片之间”，位置效应是“同一切片内部”。但是你想想看，如果你把位置效应当作批次效应去校正，容易校正过头——把真正的空间区域差异也给抹平了。所以做校正前，一定要先区分清楚。

特征	批次效应	位置效应
产生来源	跨片实验操作、试剂、时间差异	单张切片内芯片表面偏好
影响范围	某批次内所有spot	切片中的某些特定区域
处理方式	用harmony、mnn等校正	用空间平滑或经验贝叶斯修正
容易混淆后果	聚类按切片分开	假阳性空间差异表达