3、批次效应来源分析：实验批次、测序深度、组织切片差异、病理处理等原因
做空间转录组分析的人，十有八九都会栽在批次效应上。我刚入行那会儿也踩过坑——明明是同一套组织切片，跑了两个批次，结果聚类图直接分成了两坨，还以为发现了什么新细胞亚型。后来才明白，这根本就是批次效应。
说白了，批次效应就是那些“非生物学差异”在数据里留下的痕迹。你想想看，实验室环境、试剂批号、操作人、测序仪、甚至当天的湿度，都能悄无声息地污染你的数据。下面我按最常见的几个来源，一个一个拆开聊。
3.1 实验批次带来的系统偏差
实验批次是最明显的效应来源。同一台Visium芯片，今天做和下周做，结果可能就不一样。我见过最夸张的一次，两个批次用同一只小鼠的连续切片，结果差异大到跟不同物种似的。
主要表现：
- 不同批次spot的UMI总数整体偏移
- 基因检测数量系统性差异
- 聚类后样本按批次分开而不是按生物学分组
为什么会这样？因为实验流程中任何一步的波动都会累积。比如组织透化时间差几秒，捕获效率就差一截。再比如逆转录酶的批次不同，反转录效率能差30%。这些在单细胞数据里也常见，但在空间数据里更头疼——因为每个spot的信息量本来就小，批次效应容易被放大。
3.2 测序深度差异
测序深度这个事儿，说简单也简单，说复杂也复杂。两个批次，一个跑了50k reads/spot，一个跑了200k reads/spot，那肯定不能直接放在一起比。UMI count差好几倍，这不叫生物学差异，这叫“有钱和没钱”的差异。
但我遇到过一个更隐蔽的情况：同一批次里，芯片不同区域的spot测序深度也不一样。这是因为测序时的文库扩增偏好或者流动槽的位置效应。嗯，这种情况如果不注意，局部差异会被误判成空间表达梯度。
辨别方法：
- 检查每个sample的library size（总UMI数）。如果不同批次差太多，就要考虑用ScTransform或者downsample到统一深度。
- 看spot-level的测序饱和度曲线。饱和度低的批次噪音大，饱和度高但深度低的批次可能丢失稀有转录本。
- 对比基因检测数 vs UMI数的散点图。两个批次的点云如果不重叠，说明测序深度效应已经干扰到数据可比性。
常用深度校正策略对比：
| 方法 | 适用场景 | 缺点 |
|---|---|---|
| Downsample至统一depth | 深度差异<2倍，数据量充足 | 丢失高深度批次的信噪比优势 |
| SCTransform | 深度差异大，且伴随基因均值-方差关系变化 | 计算慢，不适用于超大数据集 |
| Linnorm | 空间数据，保留稀疏性 | 对零膨胀敏感 |
3.3 组织切片差异
这个来源是空间转录组特有的。同样是乳腺癌组织，不同切片的细胞密度、RNA完整度、切面角度都可能不一样。我遇到过两个批次，一个切片厚度15µm，一个切片厚度10µm，出来的UMI总数差了两倍多。后来才知道，切片机在换刀片后厚度校准没做。
表现特征：
- 同一组织区域在不同切片上的spot表达谱明显偏移
- 组织边缘或坏死区域的spot差异更明显
- 切片质量差（如褶皱、气泡）的区域整体信号弱
怎么事前控制：
- 切片前统一脱水、包埋、切片厚度
- 同一实验的所有切片由同一个人在同一台切片机上完成
- 用H&E染色检查切片完整性，有问题的提前排除
但是实验过程中总有意想不到的事。有一次液氮罐停电，组织在室温多放了两小时，再切片时RNA已经降解了一大半。所以我也建议，每个切片都留一小块做RNA质量抽检，RIN值低于7的直接放弃。
3.4 病理处理差异
病理处理是另一个容易被忽略的源头。OCT包埋、固定、染色、封片，每一步都有坑。举个例子，OCT包埋时如果组织冻得太快，会形成冰晶，破坏组织形态，也影响RNA捕获。再比如，H&E染色染色液批次不同，染出来的颜色深浅都会影响组织区域划分。
常见病理处理差异类型：
| 处理步骤 | 差异来源 | 对空间数据的影响 |
|---|---|---|
| OCT包埋 | 冻速、包埋液品牌 | 冰晶导致RNA分布不均 |
| 切片固定 | 固定液浓度、时间 | RNA交联过度或不足，影响捕获效率 |
| 透化 | 酶浓度、时间 | 透化过度释放RNA，透化不足释放不够 |
| H&E染色 | 染色液批次、染色时间 | 影响组织区域分割精度 |
我建议，在开始大规模实验前，先用两个病理处理条件做预实验，看看哪个条件更稳定。如果一个实验室同时有几个人做空间实验，最好统一病理处理SOP，并且每次换试剂批号后都做一个小验证。
最后提一嘴，批次效应不一定是坏事。有时候它反而能帮你发现实验过程中的系统问题。比如，同一批次的样本聚类在一起，说明实验操作的一致性高；如果同一个生物学分组的样本跨批次分散，而且和批次标签重叠，那就说明数据不能用。我一般会先画一个UMAP，用批次信息着色，看看有没有明显的条带或簇分离。如果分离明显，再结合上面的表格逐步排查是哪个来源。
记住，批次效应校正不是万能药。如果来源是切片质量或RNA降解，校正算法也很难把信号捞回来。所以我的原则是：事前控制重于事后校正。实验设计阶段就想清楚怎么避免批次差异，比后期绞尽脑汁调参数要划算得多。