第2章 批次效应来源：从实验到仪器的全链路溯源
做质谱数据分析，最头疼的问题之一就是批次效应。我见过太多人一上来就猛跑校正算法，结果越校越歪——为啥？因为你根本不知道批次效应从哪冒出来的。
说白了，批次效应就是“不同时间、不同条件做的实验，结果没法直接比”。它不是单个因素造成的，而是实验条件、仪器、试剂、时间这些环节串在一起搞出来的鬼。我个人习惯在动手做校正之前，先花半天把实验记录翻一遍，把可能的坑都画出来。
2.1 实验条件：最容易被忽略的“隐变量”
同一台仪器、同一批试剂，换个实验室或者换个操作员，结果可能就变了。你想想看，室温差个几度，色谱柱的分离效果就不一样；湿度高了，离子源的稳定性也会降。
我在项目中遇到过这样的案例：两个月的数据拼在一起做差异分析，结果所有样本都按采样日期聚类。后来排查才发现，第一个月实验室空调坏了，室温一直在28°C以上，第二个月修好了回到了22°C。就这么个事，数据直接没法用。
常见的实验条件变量：
- 实验室环境：温度、湿度、洁净度、光照
- 人员操作：不同操作员的手法差异（比如进样速度、稀释倍数）
- 前处理方法：蛋白沉淀、液液萃取、固相萃取……每一步都可能引入偏差
- 样本存储：冻融次数、存放时间、管材材质
2.2 仪器状态：每天都在“老化”的精密设备
质谱仪不是恒定不变的。离子源脏了、四级杆的电压飘了、检测器的增益衰减了，这些都是批次效应的“常客”。
我记得有个同事连续跑了一周的正负离子切换模式，结果第五天的数据里，内标响应下降了30%。查了半天，发现是离子传输管上积了一层盐，清洗之后才恢复。所以我说，仪器状态是批次效应里最“活跃”的因素，也是最难建模的。
仪器相关的变量可以归类成这样：
| 变量类别 | 具体表现 | 影响程度 |
|---|---|---|
| 离子源状态 | 喷雾稳定性、离子化效率下降 | 高 |
| 质量精度漂移 | m/z值偏移1-5 ppm | 中 |
| 检测器衰减 | 信号强度线性下降 | 高 |
| 液相系统 | 泵压波动、梯度延迟体积变化 | 中 |
| 色谱柱老化 | 保留时间漂移、峰形变差 | 高 |
# 仪器状态日志模板
Date: 2025-02-15
Operator: ZHANG
Instrument: Q-Exactive HFX
Ion source: HESI, spray voltage 3.5kV
Sheath gas: 40, Aux gas: 10, Temp: 320°C
Column: ACQUITY HSS T3 2.1x100mm, 1.8µm
Tuning check: Calmix 正离子 1ppm以内
QC mix response: 峰面积 8.5e6 (vs baseline 9.0e6, -5.6%)
Action: 未调整，继续分析这种日志一来可以帮你在事后定位批次效应的开始时间，二来也能让算法工程师知道哪些变量该做回归。
2.3 试剂批次：藏在瓶子里的“暗雷”
色谱级乙腈、甲酸、标准品……同一瓶试剂用完了，换一瓶新的，可能就出问题。不同批次的试剂，纯度、pH值、离子强度可能会有细微差异，现代质谱对这些差异敏感得要命。
我自己就踩过这个坑：有一批代谢组学数据，无论怎么归一化，control组和case组之间总是有100多个差异代谢物。后来查试剂记录才发现，前50个样本用的是A批次的甲醇，后50个用的是B批次。重新用同一批次跑了一轮验证，那些差异代谢物全消失了。
试剂相关的注意事项：
- 尽量囤购同一批次的试剂——比如一个项目需要的量一次性买够
- 记录每一瓶试剂的批号——包括水、流动相、衍生试剂
- 内标加入的批次也要记——内标溶液需要现配现用，保存时间也会影响稳定性
- 标准品的新旧程度——标准品开封后随着时间会降解（尤其是一些不稳定的代谢物）
2.4 时间跨度：所有效应的“放大器”
时间本身不产生批次效应，但它会让前面说的所有因素叠加起来。一个实验如果连续跑一周，仪器状态每天在变；如果跨度几个月，温度、湿度、试剂批次、操作员都可能变。
我做过一个多中心、跨半年的临床代谢组学项目，样本是分批采集、分批测定的。最后拿到手的数据，从PCA图上一看，分成了三个大团。查了记录，正好对应着三次仪器维护的时间点。你说这是不是批次效应？
时间带来的风险：
- 长期漂移：仪器灵敏度、保留时间、质量精度的缓慢变化
- 季节性变化：实验室空调系统冬天和夏天的温差、湿度变化
- 人为因素：操作员换班、新员工培训不到位、操作SOP被“优化”过
2.5 一张图理清批次效应的来源框架
下面这张图把上面提到的四类来源画到了一起。箭头表示“影响流向”，你能看到仪器状态和实验条件会直接影响数据质量，而时间跨度是放大器，试剂批次则是“隐藏变量”。搞清楚这些节点，后续做校正才能有的放矢。