实验设计原则：生物学重复与批次设计
做RNA-seq这么多年，我见过最惨的案例是什么？
是一个博士生，花了半年时间，跑了30个样本，结果发现两组之间没差异。
后来一查，原因很简单——生物学重复不够。
说白了，实验设计这一步没走好，后面的分析再漂亮也白搭。
生物学重复：你的实验真的可信吗？
先问一个问题：你测3个肿瘤样本和3个正常样本，就能代表肿瘤和正常的差异吗？
答案是——不一定。
为什么？因为个体差异。
生物学重复 (Biological Replicates): 从不同个体或不同培养批次中独立采集的样本，反映的是群体层面的变异。
技术重复 (Technical Replicates): 对同一样本做多次测序，反映的是技术平台的误差。
我在项目里遇到过不少新手把技术重复当生物学重复用。结果呢？
重复之间相关性极高，但组间的差异却完全看不出来。你想想看，这多浪费。
重复数多少才够？
这是一个经典问题。我直接给结论：
| 实验类型 | 最低重复数 | 推荐重复数 | 说明 |
|---|---|---|---|
| 简单二组比较 | 3 vs 3 | 5 vs 5 | 能检出中等效应大小的差异 |
| 时间序列/多组 | 3/组 | 6-8/组 | 时间点越多，重复需要越大 |
| 罕见变异/小效应 | 5/组 | 10+ /组 | 效应越小，需要越多重复 |
| 临床样本（大变异） | 10/组 | 20+/组 | 个体差异大，需要更多 |
我的经验之谈：预算允许的话，每组至少放5个重复。3个重复也能用，但万一跑废一个，你就只剩2个了——统计学上基本废了。
记得有一次，一个合作者坚持用3个重复。结果测序跑废了一个，最后只能2 vs 3做分析，P值怎么都不过。被迫补样，多花了两个月，还多花了一笔测序费。
所以我的建议是：多花点钱在前端，省得后面难受。
如何判断重复是否足够？
一个实用方法：看着色图或PCA图。
如果你组内的样本聚不在一起，分散得比组间还开——那说明你的重复不够，或者样本本身变异太大。
换个角度，你可以用统计方法估算：
# R语言：基于power analysis的样本量估算
library(powerRNASeq)
# 假设要求80%的power，FDR=0.05，差异倍数≥2
power_estimate(
n = 3:10,
effect_size = 2,
alpha = 0.05,
power_target = 0.8
)别踩这个坑：我曾经见过有人用3个生物学重复，但每组里混了2个技术重复。表面上看是6个样本，实际上只有3个独立个体。结果分析出来的差异基因一验证，一个都不对。
批次设计：隐藏的杀手
好，重复的问题说完了。接下来讲一个更隐蔽的坑——批次效应。
你想想看，如果你第一周的样本全是对照组，第二周的样本全是处理组，那么你看到的差异到底是处理真的有效，还是因为实验试剂、仪器或操作环境变了？
这就是批次效应。
批次效应的来源
- 试剂批次更替：不同批号的试剂、酶、引物可能会有细微差异
- 仪器漂移：测序仪、定量PCR仪随使用时间性能可能变化
- 操作人员：不同人取样、提取RNA，结果可能不一致
- 环境因素：温度、湿度、季节变化都可能影响样本状态
- 保存时间：样本存放时间不同，RNA降解程度可能不同
我在项目中遇到过最典型的情况：一个批次里32个样本，前16个是肿瘤，后16个是正常。结果PCA一看，肿瘤聚在一堆，正常聚在一堆——但实验人员和试剂都换了。
你信吗？我当时就不信。后来补了一批交叉设计的结果，差异基因完全不同。批次效应硬生生造出了一个假阳性集。
如何避免批次效应？
核心思想就一句话：将样本随机分配到不同批次中。
简单来说，每个批次应该同时包含不同组别的样本。这样如果批次之间有差异，也不会和你的处理效应混杂在一起。
| 策略 | 做法 | 优点 | 缺点 |
|---|---|---|---|
| 完全随机化 | 将所有样本随机分配到各批次 | 最简单，统计学上最干净 | 需要足够的批次容量 |
| 区组设计 | 按某些特征分层后随机分配 | 控制已知混杂因素 | 需要更多前期信息 |
| 平衡随机化 | 每个批次内各组样本比例相同 | 批次间可比较性好 | 对样本数量要求高 |
实战建议：如果你有48个样本，计划分2个批次测序，那么请保证：
- 批次1：对照组12个 + 处理组12个
- 批次2：对照组12个 + 处理组12个
千万别让批次1全是处理组，批次2全是对照组——这是找死。
一个实际案例
我给一个团队设计实验时，他们手上有30个肿瘤样本，要分成3批测序。我建议这么做：
# 批次分配示例
样本列表: T1, T2, ..., T30
批次1 (10 samples): T1, T4, T7, T10, T13, T16, T19, T22, T25, T28
批次2 (10 samples): T2, T5, T8, T11, T14, T17, T20, T23, T26, T29
批次3 (10 samples): T3, T6, T9, T12, T15, T18, T21, T24, T27, T30这样每个批次里样本的收样时间、RNA质量等都能均匀分布。如果批次效应出现了，它不会和任何临床特征相关。
小技巧：如果批次数量有限，可以在每个批次内设置一个“通用对照组”——比如一个标准的细胞系RNA样本。后续可以用它来校正批次之间的系统误差。
框架总结：实验设计核心原则
好，我把这些思路画成一张图，方便你记住：
写在最后
实验设计这东西，说白了就是一句话：在你看到数据之前，先把问题想清楚。
我经常跟团队说：花一周时间设计，省下后面一个月的纠错时间。真的不亏。
好，生物学重复和批次设计这两个核心原则，我已经讲透了。接下来你需要做的，就是根据你的实验目标，把这些原则落实到你的具体计划里。